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 1213 篇文献，本页显示第 301 - 320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2025-05-10 |
Derivation of an artificial intelligence-based electrocardiographic model for the detection of acute coronary occlusive myocardial infarction
2025-Feb-28, Archivos de cardiologia de Mexico
IF:0.7Q4
DOI:10.24875/ACM.24000195
PMID:40020200
|
research paper | 开发了一种基于人工智能的心电图模型，用于检测急性冠状动脉闭塞性心肌梗死 | 使用深度学习模型（CNN）通过智能手机摄像头获取的心电图数据来检测ACOMI，其性能优于人类专家和STEMI标准 | 研究为单中心研究，需要进一步的外部验证 | 评估AI-ECG模型在急性冠状动脉综合征（ACS）患者中检测急性冠状动脉闭塞性心肌梗死（ACOMI）的性能 | 被初步诊断为ACS（包括STEMI和NSTEMI）的患者 | machine learning | cardiovascular disease | ECG | CNN | ECG图像 | 未明确提及样本数量，但包括STEMI和NSTEMI患者 | NA | NA | NA | NA |
| 302 | 2025-05-10 |
Deep Learning Protocol for Predicting Full-Spectrum Infrared and Raman Spectra of Polypeptides and Proteins Using All-Atom Models
2025-Feb-27, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c00169
PMID:39966082
|
研究论文 | 本研究开发了一种基于深度学习的协议，用于预测多肽和蛋白质的全谱红外和拉曼光谱 | 利用转移学习和DetaNet模型成功模拟了数千个原子组成蛋白质的振动光谱，效率比传统量子化学方法高10^10倍 | NA | 开发高效预测蛋白质振动光谱的深度学习方法 | 氨基酸、二肽、三肽以及大型多肽和蛋白质 | 机器学习 | NA | 红外光谱、拉曼光谱 | DetaNet（深度等变张量注意力网络） | 光谱数据 | 氨基酸、二肽和三肽的综合数据集 | NA | NA | NA | NA |
| 303 | 2025-05-10 |
Toward equitable major histocompatibility complex binding predictions
2025-Feb-25, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2405106122
PMID:39964728
|
research paper | 该研究开发了一种机器学习框架，用于评估MHC结合预测中的数据不平衡问题，并提出了一种先进的MHC结合预测模型，以减少不同种族群体间的数据差异 | 引入了一种机器学习框架来评估MHC等位基因结合预测中的数据不平衡影响，并开发了一种先进的MHC结合预测模型，提供每个等位基因的性能估计 | 尽管模型减轻了大部分数据差异，但仍存在一些不平等问题需要进一步解决 | 开发公平的MHC结合预测模型，用于个性化免疫疗法和疫苗开发 | MHC等位基因及其结合数据 | machine learning | cancer | deep learning | NA | biological data | NA | NA | NA | NA | NA |
| 304 | 2025-05-10 |
A hybrid inception-dilated-ResNet architecture for deep learning-based prediction of COVID-19 severity
2025-Feb-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91322-3
PMID:39987169
|
research paper | 提出了一种基于深度学习的混合Inception-dilated-ResNet架构，用于预测COVID-19的严重程度 | 首次将Inception-ResNet与扩张机制结合，用于COVID-19严重程度的评估，并在CT图像分类任务中表现优于非扩张模型 | 需要依赖专业放射科医生对CT扫描进行标注，且样本量相对有限 | 开发一种有效的深度学习方法，用于评估COVID-19患者的肺部病变严重程度 | COVID-19患者的胸部CT扫描图像 | computer vision | COVID-19 | deep learning | Inception-dilated-ResNet (dResNet) | image | 1548例人类胸部CT扫描 | NA | NA | NA | NA |
| 305 | 2025-05-10 |
Semi-supervised tissue segmentation from histopathological images with consistency regularization and uncertainty estimation
2025-Feb-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90221-x
PMID:39987243
|
research paper | 提出一种半监督方法用于组织病理学图像中的组织结构语义分割 | 结合自监督训练和一致性正则化，利用CNN教师模型生成伪标签训练学生模型，并采用蒙特卡洛dropout估计模型不确定性 | 需要大量标注数据训练模型，且对于罕见疾病数据获取困难 | 提高组织病理学图像分割的准确性 | 组织病理学图像中的组织结构 | digital pathology | NA | semi-supervised learning, Monte Carlo dropout | CNN | image | public dataset (具体数量未提及) | NA | NA | NA | NA |
| 306 | 2025-05-10 |
Enhanced recognition and counting of high-coverage Amorphophallus konjac by integrating UAV RGB imagery and deep learning
2025-Feb-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91364-7
PMID:39987316
|
研究论文 | 本研究通过整合无人机RGB影像和深度学习技术，提高了高覆盖率魔芋植株的识别和计数准确性 | 提出了一种结合早期和高覆盖率阶段魔芋位置信息的深度学习模型，显著提高了高覆盖率阶段魔芋植株的识别和计数准确率 | 研究主要针对魔芋这种具有单一茎干和直立生长特性的作物，对其他作物的适用性需要进一步验证 | 提高高覆盖率阶段魔芋植株的识别和计数准确性，为农业管理和产量预测提供支持 | 魔芋植株 | 计算机视觉 | NA | 无人机RGB影像 | 深度学习模型 | 图像 | 未明确说明样本数量 | NA | NA | NA | NA |
| 307 | 2025-05-10 |
Integrating blockchain technology with artificial intelligence for the diagnosis of tibial plateau fractures
2025-Feb-21, European journal of trauma and emergency surgery : official publication of the European Trauma Society
IF:1.9Q2
DOI:10.1007/s00068-025-02793-y
PMID:39984717
|
研究论文 | 本研究评估了结合区块链技术和人工智能的高级诊断模型在急诊环境中识别胫骨平台骨折的可行性和有效性 | 首次将区块链技术与AI结合用于胫骨平台骨折的诊断，实现安全、协作且便捷的辅助诊断 | 研究仅在三家独立医院进行，样本来源可能有限 | 评估区块链与AI结合的高级诊断模型在急诊胫骨平台骨折识别中的效果 | 胫骨平台骨折（TPFs）患者 | 数字病理 | 骨科创伤 | 区块链技术，深度学习 | YOLOv8n，分布式AI模型 | 图像 | 来自三家独立医院的图像数据 | NA | NA | NA | NA |
| 308 | 2025-05-10 |
Deep learning-assisted screening and diagnosis of scoliosis: segmentation of bare-back images via an attention-enhanced convolutional neural network
2025-Feb-14, Journal of orthopaedic surgery and research
IF:2.8Q1
DOI:10.1186/s13018-025-05564-y
PMID:39953540
|
研究论文 | 开发了一种基于深度学习的图像分割模型，用于提高脊柱侧弯筛查的效率 | 在原始U-Net架构中加入了注意力机制，构建了Dual AttentionUNet模型用于图像分割 | 研究样本量相对较小，仅包含350名脊柱侧弯患者和108名健康受试者 | 提高脊柱侧弯筛查的效率和准确性 | 脊柱侧弯患者和健康受试者的裸背图像和站立全长前后位脊柱X光片 | 计算机视觉 | 脊柱侧弯 | 深度学习 | Dual AttentionUNet | 图像 | 350名脊柱侧弯患者和108名健康受试者 | NA | NA | NA | NA |
| 309 | 2025-05-10 |
Machine Learning in the Management of Patients Undergoing Catheter Ablation for Atrial Fibrillation: Scoping Review
2025-Feb-10, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/60888
PMID:39928932
|
综述 | 本文通过范围综述评估了机器学习在心房颤动导管消融患者管理中的应用现状 | 系统比较了不同机器学习模型在特定临床任务中的表现，并总结了该领域的优势与局限性 | 大多数模型缺乏外部验证，存在高偏倚风险 | 评估机器学习在心房颤动导管消融患者管理中的应用证据 | 接受心房颤动导管消融治疗的患者 | 机器学习 | 心血管疾病 | 机器学习 | CNN | 人口统计学数据、临床特征、影像学数据、电生理信号 | 23项纳入研究 | NA | NA | NA | NA |
| 310 | 2025-05-10 |
Arthroscopy-validated Diagnostic Performance of 7-Minute Five-Sequence Deep Learning Super-Resolution 3-T Shoulder MRI
2025-Feb, Radiology
IF:12.1Q1
DOI:10.1148/radiol.241351
PMID:39964264
|
research paper | 该研究验证了7分钟三倍并行成像加速的深度学习超分辨率3-T肩部MRI在诊断肩部病变中的临床效果 | 首次通过关节镜验证了深度学习超分辨率MRI在肩部病变诊断中的良好性能 | 样本量相对较小（121名成人），且为回顾性研究 | 验证加速深度学习MRI在肩部病变诊断中的临床效果 | 成人肩痛患者 | digital pathology | shoulder conditions | 深度学习超分辨率MRI | DL | MRI图像 | 121名成人（平均年龄55岁±14，75名男性） | NA | NA | NA | NA |
| 311 | 2025-05-10 |
Change analysis of surface water clarity in the Persian Gulf and the Oman Sea by remote sensing data and an interpretable deep learning model
2025-Feb, Environmental science and pollution research international
DOI:10.1007/s11356-025-36018-x
PMID:39966320
|
研究论文 | 利用遥感数据和可解释深度学习模型分析波斯湾和阿曼海水体透明度的变化 | 结合MODIS-Aqua影像、统计测试和深度学习模型，首次全面监测波斯湾和阿曼海2002至2018年的水体透明度变化，并应用解释技术确定关键影响因素 | 研究时间跨度有限（2002-2018年），且仅基于MODIS-Aqua影像数据 | 监测波斯湾和阿曼海的水体透明度变化以评估生态系统健康状况和水质 | 波斯湾和阿曼海的水体透明度及相关环境参数 | 遥感与环境监测 | NA | MODIS-Aqua遥感影像、统计测试、深度学习模型 | CNN、LSTM | 遥感影像、环境参数数据 | 2002至2018年波斯湾和阿曼海的遥感监测数据 | NA | NA | NA | NA |
| 312 | 2025-05-10 |
A practical deep learning model for core temperature prediction of specialized workers in high-temperature environments
2025-Feb, Journal of thermal biology
IF:2.9Q1
DOI:10.1016/j.jtherbio.2025.104079
PMID:39970650
|
研究论文 | 本文开发了一种结合卡尔曼滤波和长期序列预测深度学习模型的无创核心温度预测模型，用于高温环境下特种作业人员的健康监测 | 结合卡尔曼滤波和长期序列预测深度学习模型，利用皮肤温度和心率作为输入特征，实现个性化实时核心温度预测 | 实验样本量较小（13名参与者），且仅在34至40°C的环境温度范围内进行验证 | 解决高温环境下特种作业人员核心温度的实时监测和预测问题 | 高温环境下特种作业人员的核心温度 | 机器学习 | NA | 卡尔曼滤波和长期序列预测深度学习模型 | LSTM | 皮肤温度和心率数据 | 13名参与者的实验数据 | NA | NA | NA | NA |
| 313 | 2025-05-10 |
Radiomics and Deep Learning Prediction of Immunotherapy-Induced Pneumonitis From Computed Tomography
2025-Feb, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI-24-00198
PMID:39977708
|
研究论文 | 该研究利用放射组学和深度学习技术，通过计算机断层扫描（CT）预测免疫治疗引起的肺炎（PN） | 首次结合放射组学特征和深度学习模型（CNN）预测免疫治疗引起的肺炎，相比传统放射组学方法，深度学习模型表现出更高的预测性能 | 结合放射组学和深度学习的模型相比仅使用CNN的模型并未显示出显著改进 | 预测癌症患者在免疫检查点抑制剂（ICI）治疗期间可能发生的肺炎，以提高治疗安全性和有效性 | 接受ICI治疗的癌症患者 | 数字病理学 | 肺癌 | 计算机断层扫描（CT） | CNN | 图像 | 671名患者的2,700份胸部CT扫描数据 | NA | NA | NA | NA |
| 314 | 2025-05-09 |
Application of Surface-Enhanced Raman Spectroscopy in Head and Neck Cancer Diagnosis
2025-Feb-25, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c02796
PMID:39951652
|
review | 本文综述了表面增强拉曼光谱（SERS）在头颈癌诊断和治疗中的应用现状及前景 | 展示了SERS在液体活检、单分子检测、肿瘤微环境表征以及与人工智能结合方面的创新应用 | 未提及具体的技术实施难点或临床转化障碍 | 探讨SERS技术在头颈癌精准诊疗领域的应用潜力 | 头颈癌的分子生物学诊断、组织水平识别和治疗监测 | 数字病理学 | 头颈癌 | 表面增强拉曼光谱（SERS） | 机器学习与深度学习算法 | 光谱数据 | NA | NA | NA | NA | NA |
| 315 | 2025-05-09 |
Stacked CNN-based multichannel attention networks for Alzheimer disease detection
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85703-x
PMID:39962097
|
research paper | 该研究提出了一种基于堆叠CNN和多通道注意力网络的轻量级模型SCCAN，用于MRI图像中的阿尔茨海默病检测 | 提出了一种结合堆叠CNN和通道注意力模块的新型模型SCCAN，通过多层次特征提取和通道维度上的特征选择，有效减少噪声并提升特征权重效果 | 模型在较小数据集上训练，可能在大规模数据集上的泛化能力有待验证 | 开发一种高效的阿尔茨海默病自动识别系统 | 阿尔茨海默病患者的MRI图像 | digital pathology | geriatric disease | MRI | CNN, Channel Attention Network | image | ADNI1 Complete 1Yr 1.5T, Kaggle和OASIS-1数据集 | NA | NA | NA | NA |
| 316 | 2025-05-09 |
Dense convolution-based attention network for Alzheimer's disease classification
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85802-9
PMID:39962113
|
研究论文 | 提出了一种名为DenseAttentionNetwork (DANet)的轻量级模型，用于在3D MRI图像中检测阿尔茨海默病 | 结合密集连接和线性注意力机制，以较少的参数实现高效预测，并克服标准自注意力的一些限制 | 未提及具体的局限性 | 开发一个高效且参数较少的模型，用于阿尔茨海默病的分类 | 3D MRI图像 | 数字病理学 | 阿尔茨海默病 | 3D MRI成像 | CNN与线性注意力机制结合的DANet | 3D图像 | 多机构数据集，具体数量未提及 | NA | NA | NA | NA |
| 317 | 2025-05-09 |
Multimodal surface-based transformer model for early diagnosis of Alzheimer's disease
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90115-y
PMID:39962212
|
研究论文 | 提出了一种基于多模态表面特征的Transformer模型，用于阿尔茨海默病的早期诊断 | 首次利用多模态、轻量级的皮层表面特征（来自MRI和PET扫描）替代计算密集型的3D体积特征，并采用中间融合方法和交叉注意力机制高效整合不同模态的特征 | 研究仅基于ADNI系列数据集，未在其他独立数据集上验证 | 开发一种计算效率更高的阿尔茨海默病早期诊断方法 | 阿尔茨海默病患者 | 数字病理学 | 阿尔茨海默病 | MRI, PET扫描 | Transformer | 图像 | ADNI系列数据集（具体数量未提及） | NA | NA | NA | NA |
| 318 | 2025-05-09 |
A unified framework harnessing multi-scale feature ensemble and attention mechanism for gastric polyp and protrusion identification in gastroscope imaging
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90034-y
PMID:39962226
|
研究论文 | 本研究提出了一种名为MultiAttentiveScopeNet的深度学习模型，用于提高胃镜图像中胃息肉和隆起物的识别准确率 | 结合多层特征集成和注意力机制，提高胃镜图像分析的准确性和可解释性 | NA | 解决胃息肉和隆起物在胃镜图像中的诊断挑战 | 胃镜图像 | 计算机视觉 | 胃部疾病 | 深度学习 | CNN | 图像 | 大型多类胃镜图像数据集 | NA | NA | NA | NA |
| 319 | 2025-05-09 |
A hybrid optimization-enhanced 1D-ResCNN framework for epileptic spike detection in scalp EEG signals
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90164-3
PMID:39962290
|
research paper | 提出了一种结合1D残差卷积神经网络(1D-ResCNN)和混合优化策略的深度学习架构，用于头皮脑电信号中的癫痫尖峰检测 | 结合LAMB和AdamW算法的混合优化策略，提高了模型效率和收敛速度，同时从时域和频域脑电数据中提取特征 | NA | 开发一种高效、准确的癫痫尖峰实时检测方法 | 头皮脑电信号中的癫痫尖峰 | digital pathology | epilepsy | 1D-ResCNN, LAMB, AdamW | 1D-ResCNN | EEG signals | CHB-MIT数据集(12名患者的24通道脑电记录)和Siena数据集(14名成人患者的脑电数据) | NA | NA | NA | NA |
| 320 | 2025-05-09 |
Research on the development of an intelligent prediction model for blood pressure variability during hemodialysis
2025-Feb-17, BMC nephrology
IF:2.2Q2
DOI:10.1186/s12882-025-03959-x
PMID:39962403
|
research paper | 开发一种智能预测模型，用于预测血液透析期间血压变异性 | 利用机器学习和深度学习模型预测血液透析期间的血压波动，并通过SHAP方法识别关键特征，开发临床应用程序 | 研究数据仅来自两家医院，可能缺乏广泛代表性 | 预测血液透析期间的血压波动（IDH和IDHTN），以减少并发症 | 血液透析患者 | machine learning | cardiovascular disease | machine learning, SHAP | XGBoost, CatBoost, RF | clinical data | 67,524次血液透析会话（47,053次用于模型训练和测试，20,471次用于外部验证） | NA | NA | NA | NA |