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 19275 篇文献，本页显示第 19061 - 19080 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19061 | 2025-01-06 |
Diffusion probabilistic priors for zero-shot low-dose CT image denoising
2025-Jan, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17431
PMID:39413369
|
研究论文 | 本文提出了一种基于扩散模型的零样本低剂量CT图像去噪方法，仅需正常剂量CT图像进行训练 | 提出了一种仅需正常剂量CT图像进行训练的零样本去噪方法，解决了现有方法需要大量低剂量CT图像或特殊设计数据采集过程的限制 | NA | 解决低剂量CT图像去噪问题，特别是在临床环境中难以获取低剂量和正常剂量CT图像对的情况下 | 低剂量CT图像 | 医学图像计算 | NA | 扩散模型 | 扩散模型 | 图像 | 不同区域和剂量水平的低剂量CT数据集 | NA | NA | NA | NA |
| 19062 | 2025-01-06 |
Interpret Gaussian Process Models by Using Integrated Gradients
2025-Jan, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.202400051
PMID:39587873
|
研究论文 | 本文提出了一种通过集成梯度方法解释高斯过程回归模型的新方法，以评估解释变量对预测的重要性 | 将高斯过程回归模型与集成梯度方法结合，提供预测不确定性的详细分解，量化每个特征的不确定性 | 由于高斯过程回归的非参数性质，解释其预测标准偏差仍然具有挑战性 | 提高高斯过程回归模型的解释性，特别是在预测标准偏差方面 | 高斯过程回归模型及其预测结果 | 机器学习 | NA | 集成梯度方法 | 高斯过程回归模型 | NA | NA | NA | NA | NA | NA |
| 19063 | 2025-01-06 |
An improved low-rank plus sparse unrolling network method for dynamic magnetic resonance imaging
2025-Jan, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17501
PMID:39607945
|
研究论文 | 本文提出了一种改进的低秩加稀疏展开网络方法，用于动态磁共振成像（MRI）重建，通过引入时间相关性建模来提高重建质量和减少参数冗余 | 提出了一种结合低秩核心矩阵和卷积长短期记忆（ConvLSTM）单元的新型展开网络方法，用于动态MRI重建中的时间相关性建模 | 未提及具体局限性 | 寻找适合的张量处理方法和深度学习模型，以实现更好的重建结果和更小的网络规模 | 动态磁共振成像（MRI）重建 | 计算机视觉 | NA | 动态磁共振成像（MRI） | 卷积长短期记忆（ConvLSTM） | 图像 | AMRG Cardiac MRI数据集 | NA | NA | NA | NA |
| 19064 | 2025-01-06 |
An attention mechanism-based lightweight UNet for musculoskeletal ultrasound image segmentation
2025-Jan, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17503
PMID:39620487
|
研究论文 | 本文提出了一种基于注意力机制的轻量级UNet模型（AML-UNet），用于肌肉骨骼超声（MSKUS）图像分割，旨在提高分割效率、准确性和模型轻量化 | 设计了通道重建和空间注意力模块以抑制冗余特征的传输，并开发了多尺度聚合模块替代U-Net的跳跃连接架构，同时引入深度监督逐步细化预测掩码 | 未提及模型在更大规模数据集上的泛化能力，也未讨论其在临床环境中的实际应用效果 | 设计一种参数更少、计算复杂度更低且分割精度更高的MSKUS图像分割方法 | 肌肉骨骼超声（MSKUS）图像 | 计算机视觉 | 肌肉骨骼疾病 | 深度学习 | AML-UNet（基于注意力机制的轻量级UNet） | 图像 | 两个MSKUS 2D图像分割数据集，分别包含3917张和1534张图像 | NA | NA | NA | NA |
| 19065 | 2025-01-06 |
Predicting learning achievement using ensemble learning with result explanation
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0312124
PMID:39745993
|
研究论文 | 本研究提出了一种基于集成学习技术的学习成就预测框架，旨在解决高辍学率问题 | 结合多种机器学习算法的优势设计了一个鲁棒的模型，并使用可解释性分析（SHAP）来阐明预测结果 | 现有预测模型存在偏差，且当前机器学习方法缺乏可解释性，限制了其在教育中的实际应用 | 预测学习成就以支持学生个性化干预 | 学习成就预测 | 机器学习 | NA | 集成学习 | 集成模型（包括六个基础学习器和逻辑回归作为元学习器） | 教育数据 | XuetangX数据集 | NA | NA | NA | NA |
| 19066 | 2025-01-06 |
Exploring happiness factors with explainable ensemble learning in a global pandemic
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313276
PMID:39746025
|
研究论文 | 本文使用机器学习和深度学习算法预测幸福指数，并探讨了COVID-19大流行对幸福特征的影响 | 设计了两种集成模型（Blending RGMLL和Stacking LRGR），并利用可解释人工智能技术揭示幸福指数的变化和变量重要性 | 未来研究将探索更先进的方法，并包括其他相关特征和实时监测以获得更全面的见解 | 预测幸福指数并探讨COVID-19大流行对幸福特征的影响 | 156个国家的幸福指数数据 | 机器学习 | NA | 机器学习（ML）、深度学习（DL）、集成学习 | Ridge Regression (RR)、Gradient Boosting (GB)、Multilayer Perceptron (MLP)、Long Short-Term Memory (LSTM)、Linear Regression (LR)、Random Forest (RF) | 数值数据 | 156个国家从2018年到2023年的数据 | NA | NA | NA | NA |
| 19067 | 2025-01-06 |
Artificial intelligence in dentistry: Assessing the informational quality of YouTube videos
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316635
PMID:39746083
|
研究论文 | 本研究评估了YouTube上关于牙科人工智能（AI）信息的质量 | 首次对YouTube上牙科AI相关视频的信息质量进行了系统评估 | 研究仅限于YouTube平台，未涵盖其他社交媒体或信息来源 | 评估YouTube上牙科AI相关视频的信息质量和可靠性 | YouTube上关于牙科AI的视频 | 自然语言处理 | NA | DISCERN评分、修改后的全球质量评分（mGQS）、美国医学会杂志（JAMA）评分 | NA | 视频 | 91个YouTube视频 | NA | NA | NA | NA |
| 19068 | 2025-01-06 |
Automatic tumor segmentation and lymph node metastasis prediction in papillary thyroid carcinoma using ultrasound keyframes
2025-Jan, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17498
PMID:39475358
|
研究论文 | 本文提出了一种全自动深度学习模型（FADLM），用于在甲状腺乳头状癌（PTC）中使用超声关键帧进行自动肿瘤分割和颈部淋巴结转移（LNM）预测 | 创新点在于整合了Mask R-CNN用于自动甲状腺原发肿瘤分割，并结合ResNet34和贝叶斯策略进行颈部LNM诊断，显著提高了预测性能 | 研究样本量相对较小，且仅在两所医院进行验证，可能影响模型的泛化能力 | 建立一种全自动深度学习模型，用于甲状腺乳头状癌的术前颈部淋巴结转移预测 | 518名甲状腺乳头状癌患者 | 数字病理 | 甲状腺癌 | 超声关键帧分析 | Mask R-CNN, ResNet34 | 超声视频关键帧 | 518名患者（340名训练集，83名内部测试集，95名外部测试集） | NA | NA | NA | NA |
| 19069 | 2025-01-06 |
Diffusion network with spatial channel attention infusion and frequency spatial attention for brain tumor segmentation
2025-Jan, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17482
PMID:39476317
|
研究论文 | 本文提出了一种结合空间通道注意力注入（SCAI）模块和频率空间注意力（FSA）机制的条件扩散网络（SF-Diff），用于精确分割脑肿瘤的整个肿瘤（WT）区域 | 提出了一个条件扩散网络（SF-Diff），结合了空间通道注意力注入（SCAI）模块和频率空间注意力（FSA）机制，以改进脑肿瘤分割的边界轮廓和准确性 | 目前的方法主要针对整个肿瘤区域的分割，未来需要进一步扩展到脑肿瘤的三类分割任务 | 提高脑肿瘤分割的准确性，特别是在边界轮廓和非连续病变区域 | 脑肿瘤的整个肿瘤（WT）区域 | 计算机视觉 | 脑肿瘤 | 扩散模型 | 条件扩散网络（SF-Diff） | 多模态MRI图像 | 369例患者数据，来自Multimodal BraTS Challenge 2020（BraTS2020） | NA | NA | NA | NA |
| 19070 | 2025-01-05 |
Csec-net: a novel deep features fusion and entropy-controlled firefly feature selection framework for leukemia classification
2025-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-024-00327-1
PMID:39736875
|
研究论文 | 本文提出了一种名为Csec-net的新方法，用于白血病的计算机辅助诊断，通过深度学习特征融合和熵控制的萤火虫特征选择框架实现 | 提出了一种新的深度学习特征融合策略和熵控制的萤火虫特征选择技术，用于白血病分类 | 未提及具体局限性 | 开发和评估深度学习方法以实现计算机辅助的白血病诊断 | 白血病患者的血液样本图像 | 计算机视觉 | 白血病 | 深度学习 | MobileNetV2, EfficientNetB0, ConvNeXt-V2, EfficientNetV2, DarkNet-19, 多类支持向量机 | 图像 | 15562张图像，来自四个数据集：ALLID_B1, ALLID_B2, C_NMC 2019, ASH | NA | NA | NA | NA |
| 19071 | 2025-01-05 |
DEELE-Rad: exploiting deep radiomics features in deep learning models using COVID-19 chest X-ray images
2025-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-024-00330-6
PMID:39741501
|
研究论文 | 本文提出了一种名为DEELE-Rad的方法，通过深度学习模型提取深度放射组学特征，用于COVID-19胸部X光图像的分类，并提供了可视化的解释以支持决策 | 结合深度学习和机器学习技术，利用迁移学习从ImageNet中提取深度放射组学特征，并通过自动参数调整和交叉验证策略优化分类器性能 | 未提及具体的数据集规模或多样性限制，可能影响模型的泛化能力 | 开发一种基于深度学习的放射组学方法，用于COVID-19胸部X光图像的分类，以辅助医疗决策 | COVID-19患者的胸部X光图像 | 计算机视觉 | COVID-19 | 深度学习、迁移学习 | VGG16, ResNet50V2, DenseNet201 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 19072 | 2025-01-05 |
Deep learning-enabled filter-free fluorescence microscope
2025-Jan-03, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adq2494
PMID:39742468
|
研究论文 | 本文介绍了一种基于深度学习的无滤光片荧光显微镜成像技术，通过数字光谱滤波实现荧光通道的自动选择和荧光预测 | 创新点在于利用深度学习技术替代传统光学滤光片，实现荧光显微镜的无滤光片成像，降低了系统的复杂性和成本 | 未提及具体的技术限制或实验中的不足 | 研究目标是开发一种无滤光片的荧光显微镜成像技术，以提高多荧光通道高速成像的适用性 | 研究对象是使用不同荧光标记的细胞和组织 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 19073 | 2025-01-05 |
D3-ImgNet: A Framework for Molecular Properties Prediction Based on Data-Driven Electron Density Images
2025-Jan-03, The journal of physical chemistry. A
DOI:10.1021/acs.jpca.4c05519
PMID:39752232
|
研究论文 | 本文提出了一种基于数据驱动电子密度图像的分子性质预测框架D3-ImgNet，结合了群论、密度泛函理论、深度学习技术和多目标优化机制 | D3-ImgNet框架不仅实现了高精度的分子性质预测，还结合了物理机制的指导，体现了数据分析与系统优化的方法论融合 | 未明确提及具体局限性 | 预测分子性质，加速功能材料的高通量筛选 | 分子性质，包括原子化能、偶极矩、力和S2化学反应的最小能量路径 | 量子化学与材料科学 | NA | 深度学习，密度泛函理论，多目标优化 | D3-ImgNet | 电子密度图像 | QM9数据集和QM9X数据集，以及S2反应数据集 | NA | NA | NA | NA |
| 19074 | 2025-01-05 |
A joint analysis of single cell transcriptomics and proteomics using transformer
2025-Jan-02, NPJ systems biology and applications
IF:3.5Q1
DOI:10.1038/s41540-024-00484-9
PMID:39743530
|
研究论文 | 本文提出了一种基于Transformer编码器层的深度学习框架scTEL，用于从单细胞RNA测序数据预测未观察到的蛋白质表达 | scTEL模型提供了一个统一的框架，可以整合多个CITE-seq数据集，解决了不同数据集间蛋白质面板部分重叠的挑战 | 依赖于公开的CITE-seq数据集进行验证，可能限制了模型的广泛适用性 | 通过计算方式显著降低蛋白质表达测序的实验成本 | 单细胞RNA和蛋白质表达数据 | 机器学习 | NA | CITE-seq, scRNA-seq | Transformer | 单细胞RNA测序数据 | 公共CITE-seq数据集 | NA | NA | NA | NA |
| 19075 | 2025-01-05 |
Deep learning identification of novel autophagic protein-protein interactions and experimental validation of Beclin 2-Ubiquilin 1 axis in triple-negative breast cancer
2025, Oncology research
IF:2.0Q3
DOI:10.32604/or.2024.055921
PMID:39735677
|
研究论文 | 本研究利用深度学习技术识别了三阴性乳腺癌中新的自噬相关蛋白-蛋白相互作用，并通过实验验证了Beclin 2与Ubiquilin 1轴的作用 | 开发了三种PPI分类模型，分析了超过13,000个数据集，识别了3733个以前未知的自噬相关PPI，并揭示了Beclin 2在自噬调控中的核心作用 | 研究主要基于体外实验，需要进一步的体内实验验证 | 揭示三阴性乳腺癌中自噬相关蛋白-蛋白相互作用，寻找新的治疗靶点 | 三阴性乳腺癌细胞MDA-MB-231 | 机器学习 | 乳腺癌 | 免疫沉淀-质谱分析、分子对接、CO-IP实验 | Naive Bayes, Decision Tree, k-Nearest Neighbors | 蛋白质相互作用数据 | 超过13,000个数据集 | NA | NA | NA | NA |
| 19076 | 2025-01-05 |
Hybrid Model with Wavelet Decomposition and EfficientNet for Accurate Skin Cancer Classification
2025, Journal of Cancer
IF:3.3Q2
DOI:10.7150/jca.101574
PMID:39744476
|
研究论文 | 本文提出了一种结合小波分解和EfficientNet的混合模型，用于准确分类皮肤癌 | 创新性地结合了小波分解和EfficientNet模型，并引入了先进的数据增强、损失函数和优化策略 | 未提及具体局限性 | 提高皮肤疾病的检测和分类准确性 | 皮肤疾病图像 | 计算机视觉 | 皮肤癌 | 小波分解 | EfficientNet | 图像 | HAM10000和ISIC2017数据集 | NA | NA | NA | NA |
| 19077 | 2025-01-04 |
An efficient deep learning method for amino acid substitution model selection
2025-Jan-03, Journal of evolutionary biology
IF:2.1Q3
DOI:10.1093/jeb/voae141
PMID:39548851
|
研究论文 | 本文提出了一种基于深度学习的氨基酸替换模型选择方法，旨在提高模型选择的效率和准确性 | 提出了一种名为ModelDetector的深度学习网络，用于从蛋白质比对中检测氨基酸替换模型，显著提高了计算效率 | 实验数据主要基于模拟数据，尚未在真实基因组数据上进行广泛验证 | 研究目的是开发一种高效的氨基酸替换模型选择方法，以替代传统的最大似然方法 | 氨基酸替换模型 | 机器学习 | NA | 深度学习 | ModelDetector | 蛋白质比对数据 | 2,246,400个比对 | NA | NA | NA | NA |
| 19078 | 2025-01-04 |
Prediction of vitreomacular traction syndrome outcomes with deep learning: A pilot study
2025-Jan, European journal of ophthalmology
IF:1.4Q3
DOI:10.1177/11206721241258253
PMID:38809664
|
研究论文 | 本研究探讨了基于光学相干断层扫描（OCT）的深度学习模型在预测玻璃体黄斑牵引综合征（VMT）结果中的潜力 | 首次使用深度学习模型预测VMT的结果，并在真实世界环境中验证其应用潜力 | 样本量较小（95名患者），且为单中心回顾性研究，可能需要更大规模和多中心研究来验证结果 | 研究深度学习模型在预测VMT结果中的应用 | 患有自发性VMT的成年患者 | 数字病理学 | 眼科疾病 | 光学相干断层扫描（OCT） | 深度学习模型 | 图像 | 95名患者的OCT扫描数据 | NA | NA | NA | NA |
| 19079 | 2025-01-03 |
Deep Learning-Based SD-OCT Layer Segmentation Quantifies Outer Retina Changes in Patients With Biallelic RPE65 Mutations Undergoing Gene Therapy
2025-Jan-02, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.66.1.5
PMID:39745677
|
研究论文 | 本文利用深度学习技术对RPE65基因突变患者的视网膜外层结构变化进行量化分析，并定义了新的生物标志物 | 首次应用深度学习技术对RPE65基因突变患者的视网膜外层进行自动分割，并定义了五个新的生物标志物 | 数据集较小，且近视可能对OCT扫描结果产生影响 | 量化RPE65基因突变患者在基因治疗前后视网膜外层结构的变化，并定义新的生物标志物 | RPE65基因突变患者和健康对照组 | 数字病理学 | 视网膜退行性疾病 | 深度学习 | NA | 图像 | 22名RPE65基因突变患者和94名健康对照 | NA | NA | NA | NA |
| 19080 | 2025-01-03 |
Machine Learning in Spine Oncology: A Narrative Review
2025-Jan, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682241261342
PMID:38860699
|
综述 | 本文是一篇关于机器学习在脊柱肿瘤学中应用的叙述性综述 | 本文详细探讨了机器学习在脊柱肿瘤诊断、预后和治疗中的最新应用，特别是其在医学影像分析和肿瘤分类中的高准确性 | 本文为叙述性综述，可能缺乏对原始数据的深入分析和统计验证 | 探讨机器学习在脊柱肿瘤学中的应用及其对医疗实践的影响 | 脊柱肿瘤，包括原发性、转移性和硬膜内肿瘤 | 机器学习 | 脊柱肿瘤 | 机器学习算法 | 神经网络和深度学习算法 | 医学影像和临床特征 | 45项研究，涉及480篇参考文献 | NA | NA | NA | NA |