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 1209 篇文献，本页显示第 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2025-05-09 |
Learning based lower limb joint kinematic estimation using open source IMU data
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89716-4
PMID:39939380
|
研究论文 | 本研究提出了一种基于深度学习的框架，利用惯性测量单元（IMUs）估计下肢关节运动学 | 通过结合迁移学习，减少了模型对新用户数据收集的依赖，并提高了估计准确性 | 多用户数据训练的模型由于步态模式差异导致准确性较低 | 开发一种高效且可访问的下肢关节运动学估计方法 | 下肢关节运动学 | 机器学习 | NA | 深度学习 | 深度学习模型 | IMU数据 | 开源数据集 | NA | NA | NA | NA |
| 362 | 2025-05-09 |
Pre- and post- COVID-19 trends related to dementia caregiving on Twitter
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82405-8
PMID:39939632
|
研究论文 | 研究分析了COVID-19疫情前后Twitter上痴呆症护理者的主要关注点 | 使用BERT模型和主题建模分析社交媒体数据，揭示疫情前后痴呆症护理者关注点的变化 | 仅分析了英语推文，可能无法代表全球所有地区的护理者情况 | 了解如何更好地支持和参与痴呆症护理者在COVID-19疫情后的需求 | Twitter上与痴呆症护理相关的推文 | 自然语言处理 | 老年病 | BERT, 主题建模 | BERT | 文本 | 44,527条推文 | NA | NA | NA | NA |
| 363 | 2025-05-09 |
Deep learning-based prediction of possibility for immediate implant placement using panoramic radiography
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89219-2
PMID:39939654
|
研究论文 | 本研究探讨了基于深度学习的全景X光片预测即刻种植牙可能性的可行性 | 首次使用深度学习模型对即刻种植牙可能性进行预测，并验证了其高准确性 | 样本量相对有限，仅包含201名患者的874颗牙齿数据 | 评估深度学习在预测即刻种植牙可能性方面的应用 | 201名患者的874颗待拔牙齿 | 数字病理 | 牙科疾病 | 全景X光摄影 | DenseNet121, ResNet18, ResNet101, ResNeXt101, InceptionNetV3, InceptionResNetV2 | 图像 | 201名患者的874颗牙齿（440颗难以即刻种植，434颗可即刻种植） | NA | NA | NA | NA |
| 364 | 2025-10-07 |
An assessment of breast cancer HER2, ER, and PR expressions based on mammography using deep learning with convolutional neural networks
2025-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83597-9
PMID:39924532
|
研究论文 | 本研究开发了一种基于注意力机制的深度学习模型，通过乳腺X线摄影图像预测乳腺癌HER2、ER和PR受体表达 | 首次将卷积块注意力模块(CBAM)与ResNet-18结合应用于乳腺X线摄影图像，无需手动分割肿块即可预测三种受体表达 | 样本量相对有限，仅来自两个医疗中心，需要更大规模的外部验证 | 开发基于深度学习的乳腺癌生物标志物预测模型 | 经病理证实的乳腺癌患者的乳腺X线摄影图像 | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | CNN | 图像 | 来自两个中心的乳腺癌患者乳腺X线图像 | NA | CBAM ResNet-18, ResNet-18, VGG-19 | AUC, 准确率, F1分数 | NA |
| 365 | 2025-05-09 |
Deep Learning Model Compression and Hardware Acceleration for High-Performance Foreign Material Detection on Poultry Meat Using NIR Hyperspectral Imaging
2025-Feb-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25030970
PMID:39943610
|
研究论文 | 本研究通过结合训练后量化和硬件加速技术，优化了基于高光谱成像（HSI）的深度学习模型推理，用于禽肉中异物的实时检测 | 采用训练后量化和硬件加速技术优化深度学习模型推理，显著提高了高光谱数据处理的实时性 | 研究基于模拟的高光谱线扫描相机数据，未在实际工业环境中验证 | 解决高光谱数据高维度和深度学习模型计算复杂度带来的实时检测挑战 | 禽肉加工中的异物检测 | 计算机视觉 | NA | 高光谱成像（HSI） | 深度学习模型 | 高光谱图像 | 模拟数据（140-250只禽类/分钟的产线速度） | NA | NA | NA | NA |
| 366 | 2025-10-07 |
Global genotype by environment prediction competition reveals that diverse modeling strategies can deliver satisfactory maize yield estimates
2025-Feb-05, Genetics
IF:3.3Q2
DOI:10.1093/genetics/iyae195
PMID:39576009
|
研究论文 | 通过全球基因型与环境预测竞赛分析多种建模策略在玉米产量预测中的表现 | 首次公开的基因组到田间计划竞赛展示了多种建模方法在基因型与环境互作预测中的可比性能 | 研究结果仅限于竞赛数据集和特定评估框架，未在更广泛环境中验证 | 评估不同建模策略在预测基因型与环境互作对玉米产量影响的性能 | 玉米产量预测 | 计算生物学 | NA | 基因组测序、表型测量、气象监测 | 随机森林, 岭回归, 最小二乘法, 深度学习, 机制模型, 模型集成 | 基因组变异数据, 表型数据, 气象数据, 田间管理记录 | 9年收集的大型数据集 | NA | NA | 产量预测精度 | NA |
| 367 | 2025-05-09 |
RGANet: A Human Activity Recognition Model for Extracting Temporal and Spatial Features from WiFi Channel State Information
2025-Feb-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25030918
PMID:39943556
|
research paper | 提出了一种名为RGANet的模型，用于从WiFi信道状态信息中提取时空特征以进行人类活动识别 | 通过改进残差网络（ResNet）而非简单CNN，有效提取空间特征并保留时间信息，随后将提取的空间特征输入改进的GRU模型进行时间序列学习 | 未明确提及具体局限性 | 提升基于WiFi的人类活动识别（HAR）的准确率 | 人类活动识别 | machine learning | NA | WiFi Channel State Information (CSI) | ResNet, GRU | 无线信号数据 | UT_HAR数据集和NTU-FI HAR数据集 | NA | NA | NA | NA |
| 368 | 2025-10-07 |
An Efficient Lightweight Multi Head Attention Gannet Convolutional Neural Network Based Mammograms Classification
2025-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS
DOI:10.1002/rcs.70043
PMID:39921233
|
研究论文 | 提出一种基于轻量级多头注意力Gannet卷积神经网络的乳腺X线摄影图像分类方法 | 首次将轻量级多头注意力机制与Gannet卷积神经网络结合，并采用自适应量子平衡优化器与人工蜂群算法进行特征选择 | 仅在两个公开数据集上进行验证，未提及临床实际应用效果 | 开发自动化乳腺癌检测和分类系统以辅助医疗专业人员 | 乳腺X线摄影图像 | 计算机视觉 | 乳腺癌 | 维纳滤波、非锐化掩蔽、自适应直方图均衡化、灰度共生矩阵 | CNN | 图像 | CBIS-DDSM和MIAS两个数据集 | NA | LMGCNN（轻量级多头注意力Gannet卷积神经网络） | 准确率 | NA |
| 369 | 2025-05-08 |
Advancements in Nanobody Epitope Prediction: A Comparative Study of AlphaFold2Multimer vs AlphaFold3
2025-Feb-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01877
PMID:39927847
|
research paper | 比较AlphaFold2Multimer和AlphaFold3在纳米抗体表位预测中的性能，并探讨影响预测准确性的因素 | 首次对AlphaFold3和AlphaFold2-Multimer在纳米抗体表位预测中的性能进行系统比较，并发现CDR3特性对预测准确性的重要影响 | 两种工具的整体成功率仍低于50%，且研究结果可能不适用于所有类型的纳米抗体 | 评估和改进纳米抗体表位预测工具的准确性 | 纳米抗体及其表位 | computational biology | NA | AI驱动工具（AlphaFold3和AlphaFold2-Multimer） | AlphaFold3, AlphaFold2-Multimer | protein structure data | NA | NA | NA | NA | NA |
| 370 | 2025-05-08 |
Deep Learning for Antimicrobial Peptides: Computational Models and Databases
2025-Feb-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00006
PMID:39927895
|
review | 本文综述了用于抗菌肽预测的深度学习模型和相关数据库 | 总结了现有的深度学习模型及其在抗菌肽预测中的应用，并讨论了它们的局限性和挑战 | 未提及具体模型的性能比较或实验验证 | 帮助计算生物学家设计更好的抗菌肽预测深度学习模型 | 抗菌肽 | machine learning | NA | deep learning | NA | NA | NA | NA | NA | NA | NA |
| 371 | 2025-05-08 |
Rapid detection and quantitative analysis of thiram in fruits using a shape-adaptable flexible SERS substrate combined with deep learning
2025-Feb-20, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d4ay02098g
PMID:39925033
|
研究论文 | 开发了一种形状适应性强的柔性SERS基底，结合深度学习算法，用于水果表面硫丹的快速检测和定量分析 | 创新的柔性SERS基底设计，结合1D CNN模型，实现了对不规则表面农药残留的高灵敏度和高准确度检测 | 仅针对硫丹一种农药进行了验证，未测试其他农药的检测效果 | 开发快速检测水果表面农药残留的方法 | 水果表面的硫丹农药残留 | 食品安全检测 | NA | 表面增强拉曼散射(SERS) | 1D CNN | 拉曼光谱信号 | 番茄和蓝莓表皮样品 | NA | NA | NA | NA |
| 372 | 2025-05-08 |
Deep learning-based video-level view classification of two-dimensional transthoracic echocardiography
2025-Feb-19, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adb493
PMID:39933194
|
research paper | 提出了一种基于深度学习的视频级别二维经胸超声心动图视图分类框架TTESlowFast，以满足临床需求 | 结合SlowFast架构，采用采样平衡策略和数据增强策略，解决了类别不平衡和标记TTE视频有限的问题 | 未详细讨论在更广泛临床环境中的泛化能力 | 开发准确高效的视频级别TTE视图分类方法 | 二维经胸超声心动图（TTE）视频 | digital pathology | cardiovascular disease | deep learning | SlowFast | video | 未明确提及样本数量 | NA | NA | NA | NA |
| 373 | 2025-10-07 |
Deep Learning and Single-Molecule Localization Microscopy Reveal Nanoscopic Dynamics of DNA Entanglement Loci
2025-02-18, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c15364
PMID:39903818
|
研究论文 | 通过深度学习与单分子定位显微镜结合，揭示DNA纠缠位点的纳米尺度动力学 | 首次将深度学习与单分子定位显微镜结合用于研究聚合物纠缠动力学，实现了传统成像技术无法达到的纳米尺度动态可视化 | 使用Lambda DNA作为模型系统，结果可能无法完全代表其他生物聚合物 | 研究纳米尺度分子动力学，特别是DNA纠缠位点的动态行为 | Lambda DNA分子及其纠缠位点 | 计算生物学 | NA | 单分子定位显微镜(SMLM) | 深度学习算法 | 模拟定位图像，稀疏定位数据 | 模拟Lambda DNA系统 | NA | NA | NA | NA |
| 374 | 2025-05-08 |
Time-series attribution maps with regularized contrastive learning
2025-Feb-17, ArXiv
PMID:40034132
|
研究论文 | 提出了一种具有可识别性保证的时间序列归因图生成方法，结合正则化对比学习算法和新的归因方法Inverted Neuron Gradient（统称为CEBRA） | 首次提出了具有可识别性保证的时间序列归因图生成方法，并通过理论和实证验证了其优越性 | 未提及具体的数据集规模或实际应用场景的限制 | 提高深度学习模型决策解释的可识别性和准确性 | 时间序列数据和深度学习模型的归因图 | 机器学习 | NA | 正则化对比学习算法 | CEBRA（结合Inverted Neuron Gradient） | 时间序列数据 | NA | NA | NA | NA | NA |
| 375 | 2025-05-08 |
Deep Learning Radiomics for Survival Prediction in Non-Small-Cell Lung Cancer Patients from CT Images
2025-Feb-11, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02156-5
PMID:39930275
|
research paper | 本研究旨在应用深度学习方法的多模态策略，通过基于CT的放射组学预测非小细胞肺癌（NSCLC）患者的生存期 | 结合传统放射组学、深度放射组学特征和临床参数，使用DeepSurv神经网络进行生存预测，相比Cox-PH模型有更高的预测效率 | 研究依赖于公开数据集，可能无法涵盖所有NSCLC患者的临床多样性 | 提高非小细胞肺癌患者生存预测的准确性 | 非小细胞肺癌患者 | digital pathology | lung cancer | CT-based radiomics | 3D CNN, DeepSurv neural network | CT images | 420名患者用于训练（Lung 1数据集），516名患者用于测试（Lung 2数据集） | NA | NA | NA | NA |
| 376 | 2025-05-08 |
Deliod a lightweight detection model for intestinal organoids based on deep learning
2025-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89409-y
PMID:39934224
|
研究论文 | 本文提出了一种基于深度学习的轻量级肠道类器官检测模型Deliod，用于自动化识别类器官形态 | Deliod模型基于YOLOv8设计，解决了现有技术中组织重叠和小目标导致的高错误率和有限适用性问题 | NA | 开发一种高效准确的肠道类器官形态识别方法 | 肠道类器官 | 计算机视觉 | 肠道疾病 | 深度学习 | YOLOv8 | 图像 | NA | NA | NA | NA | NA |
| 377 | 2025-05-08 |
MedFuseNet: fusing local and global deep feature representations with hybrid attention mechanisms for medical image segmentation
2025-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89096-9
PMID:39934248
|
研究论文 | 提出了一种名为MedFuseNet的新型编码器-解码器架构，通过混合注意力机制融合局部和全局深度特征表示，用于医学图像分割 | 设计了混合注意力机制，结合四种不同的注意力模块，以融合和增强局部与全局特征 | 未提及具体局限性 | 提高医学图像分割的性能 | 医学图像 | 数字病理 | NA | 深度学习 | CNN, Swin-Transformer | 图像 | 公共ACDC和Synapse数据集 | NA | NA | NA | NA |
| 378 | 2025-05-08 |
A promising AI based super resolution image reconstruction technique for early diagnosis of skin cancer
2025-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89693-8
PMID:39934265
|
研究论文 | 提出了一种基于AI的超分辨率图像重建技术，用于皮肤癌的早期诊断 | 提出了一种名为MELIIGAN的新型生成对抗网络框架，用于加速中间皮肤病变的诊断，并设计了处理更大缩放因子和重建细粒度细节的堆叠残差块 | 未提及具体的数据集规模或多样性限制 | 开发一种非侵入性方法，通过超分辨率图像重建技术提高皮肤病变图像质量，以实现早期诊断 | 中间或可疑的皮肤病变 | 计算机视觉 | 皮肤癌 | 超分辨率图像重建 | GAN（生成对抗网络） | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 379 | 2025-05-08 |
Interpretable deep learning of single-cell and epigenetic data reveals novel molecular insights in aging
2025-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89646-1
PMID:39934290
|
研究论文 | 本文开发了一种结合深度学习和可解释人工智能的多视图图级表示学习框架，用于研究衰老的分子机制 | 提出了一个先进的MGRL框架，整合了先验生物网络信息，构建了细胞类型分辨率的分子衰老时钟，并通过XAI进行解释 | 未提及具体的样本限制或技术局限性 | 研究衰老的分子机制 | 单细胞转录组数据和DNA甲基化数据 | 机器学习 | 老年疾病 | 单细胞转录组测序、DNA甲基化测序 | MGRL（多视图图级表示学习框架） | 单细胞转录组数据、DNA甲基化数据 | 来自981名捐赠者的超过一百万免疫细胞 | NA | NA | NA | NA |
| 380 | 2025-05-08 |
Artificial intelligence support improves diagnosis accuracy in anterior segment eye diseases
2025-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89768-6
PMID:39934383
|
research paper | 评估深度学习模型CorneAI在提高眼科医生诊断前段眼病准确性方面的效果 | CorneAI模型能够显著提高眼科医生对前段眼病的诊断准确性，即使使用智能手机图像也能有效提升诊断效果 | CorneAI模型仅针对特定的九种前段眼病进行了评估，且样本量相对较小 | 研究深度学习模型在眼科诊断中的辅助作用 | 40名眼科医生（20名专家和20名住院医师）和100张眼部图像 | digital pathology | 前段眼病 | deep learning | CNN | image | 100张图像（50张iPhone 13 Pro照片和50张散光裂隙灯照片） | NA | NA | NA | NA |