深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 19351 篇文献，本页显示第 18601 - 18620 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18601 | 2025-01-31 |
Deep learning based analysis of G3BP1 protein expression to predict the prognosis of nasopharyngeal carcinoma
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315893
PMID:39869565
|
研究论文 | 本文利用深度学习技术分析G3BP1蛋白表达，以预测鼻咽癌的预后 | 首次使用数字病理学方法研究G3BP1的免疫组化染色，并建立了一个深度学习模型来量化染色强度和范围 | 未提及样本量的具体限制或潜在的偏差 | 研究G3BP1蛋白表达与鼻咽癌预后的关系 | 鼻咽癌患者 | 数字病理学 | 鼻咽癌 | 免疫组化染色 | 深度学习模型 | 图像 | 未提及具体样本量 | NA | NA | NA | NA |
| 18602 | 2025-01-31 |
Enhanced ResNet-50 for garbage classification: Feature fusion and depth-separable convolutions
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317999
PMID:39869568
|
研究论文 | 本文提出了一种基于ResNet-50网络的垃圾图像分类模型，通过特征融合和深度可分离卷积提高分类准确性和计算效率 | 提出了冗余加权特征融合模块和深度可分离卷积，有效减少了模型参数数量并提高了计算效率，同时在Focal Loss中加入了权重因子以解决类别不平衡问题 | NA | 开发一种合理有效的垃圾图像分类方法，以提高分类准确性、鲁棒性和检测速度 | 垃圾图像 | 计算机视觉 | NA | 深度学习 | ResNet-50 | 图像 | TrashNet数据集 | NA | NA | NA | NA |
| 18603 | 2025-01-31 |
Alzheimer's disease image classification based on enhanced residual attention network
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317376
PMID:39869613
|
研究论文 | 本文提出了一种基于增强残差注意力网络（ERAN）的深度学习模型，用于阿尔茨海默病的医学图像分类 | 结合残差学习、注意力机制和软阈值技术，提升了模型的特征表示能力和分类准确率 | 未提及模型在其他数据集上的泛化能力及临床应用的可行性 | 提高阿尔茨海默病的早期诊断准确率 | 阿尔茨海默病的医学图像 | 计算机视觉 | 老年病 | 深度学习 | 增强残差注意力网络（ERAN） | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 18604 | 2025-01-31 |
Advancements in Artificial Intelligence in Noninvasive Cardiac Imaging: A Comprehensive Review
2025-Jan, Clinical cardiology
IF:2.4Q2
DOI:10.1002/clc.70087
PMID:39871619
|
综述 | 本文综述了人工智能在无创心脏影像学中的技术进步及其对诊断流程和患者预后的影响 | 探讨了AI在心脏影像学中的应用，包括提高图像质量、加速处理时间和提升诊断准确性，以及识别传统方法可能忽略的细微心脏异常 | 存在数据标准化、法规遵从性和患者安全等挑战 | 评估人工智能在心脏影像学中的应用及其对诊断和患者预后的影响 | 心脏影像学中的各种成像模式，包括超声心动图、磁共振成像（MRI）、计算机断层扫描（CT）和核成像 | 医学影像 | 心血管疾病 | 机器学习和深度学习算法 | NA | 图像 | NA | NA | NA | NA | NA |
| 18605 | 2025-10-07 |
Detecting autism in children through drawing characteristics using the visual-motor integration test
2025-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-025-00338-6
PMID:39877430
|
研究论文 | 通过视觉-运动整合测试中的绘画特征检测儿童自闭症 | 提出基于绘画特征的自闭症分类新方法，采用集成学习显著提升分类准确率至0.934，并识别出5个最具区分度的绘画模式 | 样本量较小（50名儿童），性别分布不均衡（44男6女），仅针对台湾地区学龄儿童 | 开发通过绘画特征区分自闭症儿童与正常发育儿童的分类方法 | 台湾6-12岁学龄儿童（含自闭症儿童和正常发育儿童） | 计算机视觉 | 自闭症 | 视觉-运动整合测试 | 深度学习 | 绘画图像 | 50名儿童（44名男孩，6名女孩） | NA | NA | 准确率 | NA |
| 18606 | 2025-10-07 |
Deep learning driven silicon wafer defect segmentation and classification
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103158
PMID:39877475
|
研究论文 | 本研究开发了一种基于深度学习的硅晶圆缺陷分割与分类系统，并集成大型语言模型提供交互式缺陷分析 | 将深度学习缺陷分割分类与大型语言模型问答能力相结合，实现自动化检测与交互式指导的双重功能 | NA | 实现硅晶圆缺陷的自动化检测与分类，提高集成电路制造质量 | 硅晶圆上的缺陷 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | 平均绝对误差,均方根误差,Dice系数,交并比,准确率,精确率,召回率,F1分数 | NA |
| 18607 | 2025-10-07 |
EyeLiner: A Deep Learning Pipeline for Longitudinal Image Registration Using Fundus Landmarks
2025 Mar-Apr, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100664
PMID:39877463
|
研究论文 | 提出名为EyeLiner的深度学习流程，用于基于眼底标志点的纵向图像配准 | 结合CNN关键点检测与基于Transformer的匹配算法，在三个独立数据集上超越现有最先进方法 | 未明确说明计算资源需求和模型处理速度 | 开发用于纵向眼底图像配准的深度学习方法，以改善疾病进展监测 | 眼底彩色照片(CFPs) | 计算机视觉 | 眼科疾病（青光眼、黄斑变性） | 眼底成像 | CNN, Transformer | 图像 | 三个纵向数据集：FIRE、SIGF和CORIS | NA | NA | 平均距离(MD), 曲线下面积(AUC) | NA |
| 18608 | 2025-10-07 |
A deep learning framework for in silico screening of anticancer drugs at the single-cell level
2025-Feb, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwae451
PMID:39872221
|
研究论文 | 开发名为Shennong的深度学习框架，用于在单细胞水平进行抗癌药物的计算机筛选 | 利用泛癌种和泛组织的单细胞转录图谱揭示细胞异质性，并开发可预测单细胞药物反应和组织损伤效应的深度学习框架 | NA | 加速药物发现过程并提高药物筛选的准确性和效率 | 恶性细胞、癌前细胞、癌症相关基质细胞和内皮细胞 | 数字病理学 | 癌症 | 单细胞RNA测序(scRNA-seq) | 深度学习 | 单细胞转录组数据 | 泛癌种和泛组织的单细胞转录图谱 | NA | NA | NA | NA |
| 18609 | 2025-10-07 |
Re-locative guided search optimized self-sparse attention enabled deep learning decoder for quantum error correction
2025-Jan-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87782-2
PMID:39875564
|
研究论文 | 提出一种结合重定位引导搜索优化的自稀疏注意力深度学习解码器用于量子纠错 | 集成自稀疏注意力机制和RIGS自然启发算法，增强特征学习能力并避免局部最优问题 | NA | 开发高效的量子纠错解码器 | 量子纠错码 | 量子计算 | NA | 量子纠错编码 | CNN, LSTM | 量子代码 | NA | NA | 自稀疏注意力卷积神经网络与长短期记忆网络结合 | 最小均方误差, 均方根误差, 平均绝对误差, 相关系数, R² | NA |
| 18610 | 2025-01-30 |
Correction: Deep learning model for automated detection of fresh and old vertebral fractures on thoracolumbar CT
2025-Jan-29, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-024-08636-5
PMID:39875623
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18611 | 2025-10-07 |
Whole slide image based deep learning refines prognosis and therapeutic response evaluation in lung adenocarcinoma
2025-Jan-29, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01470-z
PMID:39875799
|
研究论文 | 基于全切片图像开发深度学习模型预测肺腺癌患者复发风险并指导辅助化疗选择 | 首次将全切片图像与深度学习结合构建预后模型，能够识别可从辅助化疗中获益的高风险II期和III期患者亚组 | NA | 改进肺腺癌患者预后评估和治疗反应评价 | 肺腺癌患者 | 数字病理学 | 肺腺癌 | 全切片图像分析 | 深度学习 | 组织病理学图像 | 多中心队列研究 | NA | NA | 疾病无生存期, Cox回归分析 | NA |
| 18612 | 2025-10-07 |
Virtual biopsy for non-invasive identification of follicular lymphoma histologic transformation using radiomics-based imaging biomarker from PET/CT
2025-Jan-29, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-025-03893-7
PMID:39875864
|
研究论文 | 本研究开发了一种基于放射组学的影像生物标志物，用于通过PET/CT图像无创识别滤泡性淋巴瘤的组织学转化 | 提出结合无监督EMFusion方法融合PET/CT图像，并整合深度学习提取的放射组学特征与手工特征构建放射组学标签 | NA | 开发无创识别滤泡性淋巴瘤组织学转化的影像生物标志物 | 784名滤泡性淋巴瘤、弥漫大B细胞淋巴瘤和转化型滤泡性淋巴瘤患者 | 数字病理 | 淋巴瘤 | PET/CT成像，放射组学分析 | 深度学习 | 医学影像（PET/CT图像） | 784名患者，来自5个独立医疗中心 | NA | ResNet18 | AUC, 准确率, 灵敏度, 特异性 | NA |
| 18613 | 2025-10-07 |
Deep Learning-Based Precontrast CT Parcellation for MRI-Free Brain Amyloid PET Quantification
2025-Jan-29, Clinical nuclear medicine
IF:9.6Q1
DOI:10.1097/RLU.0000000000005652
PMID:39876079
|
研究论文 | 开发基于深度学习的CT脑区分割模型，用于无MRI的淀粉样蛋白PET定量分析 | 首次使用深度学习直接从CT图像进行脑区分割，无需高分辨率MRI即可实现淀粉样蛋白PET定量 | 回顾性研究，样本量相对有限(226人)，仅使用单一数据集 | 开发不依赖MRI的淀粉样蛋白PET定量方法 | 226名受试者(157名轻度认知障碍或痴呆患者，69名健康对照) | 医学影像分析 | 阿尔茨海默病 | PET/CT成像，T1加权MRI | UNet | CT图像，PET图像，MRI图像 | 226人(训练/验证集60%，测试集40%) | NA | UNet | Dice相似系数，线性回归分析，组内相关系数，SUVR | NA |
| 18614 | 2025-10-07 |
Multiplex Detection and Quantification of Virus Co-Infections Using Label-free Surface-Enhanced Raman Spectroscopy and Deep Learning Algorithms
2025-Jan-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c03209
PMID:39874586
|
研究论文 | 开发了一种结合表面增强拉曼光谱和深度学习的无标记诊断平台，用于快速定量检测呼吸道病毒共感染 | 首次将表面增强拉曼光谱与深度学习算法结合，实现病毒共感染的无标记快速检测和定量分析 | NA | 开发快速检测和定量分析呼吸道病毒共感染的新方法 | 11种病毒、9种双病毒混合物和4种三病毒混合物 | 机器学习 | 呼吸道感染 | 表面增强拉曼光谱 | 深度学习 | 光谱数据 | 超过120万条SERS光谱，来自唾液样本中的多种病毒组合 | NA | MultiplexCR | 准确率, 平均绝对误差 | NA |
| 18615 | 2025-10-07 |
Artificial Intelligence and Identification of the Deceased: a Narrative Review With Implications in Forensic Science
2025-Jan-28, Behavioral sciences & the law
IF:1.0Q4
DOI:10.1002/bsl.2718
PMID:39875344
|
综述 | 本文综述人工智能在法医科学中死者身份识别领域的应用现状与前景 | 系统整合AI技术在法医人类学生物特征预测中的应用，预见AI与人类学方法融合将带来调查技术的范式转变 | 作为叙述性综述，未进行定量荟萃分析，主要基于现有文献的定性总结 | 探讨人工智能工具在灾难遇难者识别和法医案件工作中建立生物特征档案的应用价值 | 未知身份死者的生物特征参数（性别、年龄、身高、生物地理亲缘关系和DNA图谱） | 法医科学 | NA | 文献检索（PubMed, Scopus, Web of Science, ScienceDirect） | 机器学习,深度学习 | 文献数据 | NA | NA | NA | 准确性,时间效率 | NA |
| 18616 | 2025-10-07 |
Dataset for developing deep learning models to assess crack width and self-healing progress in concrete
2025-Jan-28, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04485-z
PMID:39875392
|
研究论文 | 本文提出了一个用于评估混凝土裂缝宽度和自愈合进程的深度学习数据集 | 开发了结合亮度分布特征和参考测量值的大规模数据集，适用于基于图像的深度CNN模型开发 | 技术验证研究仅探讨了样本位置、表面湿度水平和操作人员三个影响因素 | 开发用于混凝土裂缝宽度评估和自愈合评价的深度学习元传感器 | 高强度混凝土试件 | 计算机视觉 | NA | 高分辨率扫描、尺度不变图像处理 | CNN | 图像 | 19,098条亮度分布记录，包含参考测量值和基准测量值 | NA | NA | NA | NA |
| 18617 | 2025-10-07 |
Superpixel guided spectral-spatial feature extraction and weighted feature fusion for hyperspectral image classification with limited training samples
2025-Jan-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87030-7
PMID:39875499
|
研究论文 | 提出一种基于超像素引导的光谱-空间特征提取和加权特征融合模型，用于解决高光谱图像在有限训练样本下的分类问题 | 通过超像素引导从多角度和多阶段充分挖掘高光谱图像中未被利用的光谱和空间特征，并设计像素级CNN和双尺度超像素级GCN的加权特征融合框架 | 仅在每类5个训练样本的极端条件下验证，未探讨在不同样本数量下的性能变化 | 解决高光谱图像在有限训练样本情况下的分类精度问题 | 高光谱图像 | 计算机视觉 | NA | 高光谱成像 | CNN, GCN | 高光谱图像 | 三个广泛使用的数据集，每类仅5个训练样本 | NA | 基于像素的CNN，基于双尺度超像素的GCN | 分类精度 | NA |
| 18618 | 2025-10-07 |
Leveraging synthetic data to improve regional sea level predictions
2025-Jan-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88078-1
PMID:39875524
|
研究论文 | 提出一种结合TimesGAN和ConvLSTM的深度学习方法，利用卫星测高数据提升区域海平面预测精度 | 首次将TimesGAN生成合成数据与ConvLSTM模型结合应用于海平面预测，显著提升预测准确率 | 仅针对六个特定区域进行测试，需要更多区域验证通用性 | 改进区域海平面预测模型，特别关注潮位计稀疏的发展中国家 | 上海、纽约、里斯本三个发达地区以及利比里亚、加蓬、索马里三个发展中地区的海平面数据 | 机器学习 | NA | 卫星测高 | GAN, LSTM | 时间序列数据 | 6个区域（3个发达地区，3个发展中地区） | NA | TimesGAN, ConvLSTM | 均方误差 | NA |
| 18619 | 2025-01-30 |
Author Correction: AIVariant: a deep learning-based somatic variant detector for highly contaminated tumor samples
2025-Jan-28, Experimental & molecular medicine
DOI:10.1038/s12276-025-01405-4
PMID:39875568
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18620 | 2025-10-07 |
A novel arc detection and identification method in pantograph-catenary system based on deep learning
2025-Jan-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88109-x
PMID:39875621
|
研究论文 | 提出一种基于深度学习的弓网系统电弧检测与识别方法ArcMSD | 改进了Inception V3模型，引入引导锚点机制、注意力机制和上采样技术 | NA | 提高弓网系统电弧检测的准确性和效率 | 弓网系统中的电弧现象 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 从ISCS系统视频中截取的连续帧图像 | NA | 改进的Inception V3 | 平均精度均值(mAP) | NA |