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 1206 篇文献，本页显示第 581 - 600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 581 | 2025-10-07 |
FoxA1 knockdown promotes BMSC osteogenesis in part by activating the ERK1/2 signaling pathway and preventing ovariectomy-induced bone loss
2025-02-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88658-1
PMID:39920313
|
研究论文 | 本研究通过敲低FOXA1基因促进骨髓间充质干细胞成骨分化并激活ERK1/2信号通路，从而预防卵巢切除诱导的骨质疏松 | 首次发现FOXA1在骨质疏松中的关键作用，并证明其敲低可通过激活ERK1/2通路促进BMSC成骨分化 | 研究主要基于小鼠模型，临床转化价值需进一步验证 | 探索FOXA1基因在骨质疏松发病机制中的作用及治疗潜力 | 人骨髓间充质干细胞(hBMSCs)和卵巢切除小鼠模型 | 分子生物学 | 骨质疏松 | 随机游走算法,GO富集分析,免疫组化,Western blot,qRT-PCR,慢病毒转染,显微CT | NA | 基因表达数据,蛋白质表达数据,影像学数据 | NA | NA | NA | 基因相似性评分,ALP活性,矿物质沉积量,骨密度测量 | NA |
| 582 | 2025-10-07 |
Spatially resolved transcriptomics and graph-based deep learning improve accuracy of routine CNS tumor diagnostics
2025-02, Nature cancer
IF:23.5Q1
DOI:10.1038/s43018-024-00904-z
PMID:39880907
|
研究论文 | 开发结合空间转录组学和图神经网络的神经病理学空间转录组分析(NePSTA)方法，用于中枢神经系统肿瘤的精确诊断 | 首次将空间转录组学与图神经网络结合应用于神经病理诊断，能够从单个5微米组织切片同时进行形态学和分子评估 | 需要进一步验证在更广泛样本和医疗中心的应用效果 | 提高中枢神经系统肿瘤常规诊断的准确性 | 中枢神经系统恶性肿瘤患者和健康捐赠者的组织样本 | 数字病理 | 中枢神经系统肿瘤 | 空间转录组学, DNA甲基化分析, 下一代测序(NGS) | 图神经网络(GNN) | 空间转录组数据, 组织图像 | 来自4个医疗中心的130名参与者 | NA | 图神经网络 | 准确率 | NA |
| 583 | 2025-10-07 |
Depression diagnosis: EEG-based cognitive biomarkers and machine learning
2025-02-26, Behavioural brain research
IF:2.6Q3
DOI:10.1016/j.bbr.2024.115325
PMID:39515528
|
综述 | 探讨基于EEG的认知生物标志物和机器学习在抑郁症诊断中的应用 | 整合EEG生物标志物与机器学习方法，强调其在优化个性化治疗方案和提高诊断准确性方面的潜力 | NA | 研究抑郁症诊断的新兴生物标志物和计算方法 | 抑郁症患者和EEG数据 | 机器学习 | 抑郁症 | EEG | 机器学习,深度学习 | EEG数据 | NA | NA | NA | 诊断准确性 | NA |
| 584 | 2025-10-07 |
OVision A raspberry Pi powered portable low cost medical device framework for cancer diagnosis
2025-Feb-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91914-z
PMID:40021723
|
研究论文 | 提出一种基于树莓派的低成本便携式医疗设备框架OVision，用于辅助癌症病理诊断 | 利用树莓派开发无需互联网连接和高性能基础设施的独立诊断设备，显著降低成本同时保持诊断准确性 | 目前仅针对卵巢癌亚型进行概念验证，需要进一步验证在其他癌症类型的适用性 | 开发低成本便携式医疗设备以改善资源有限地区的癌症诊断可及性 | 卵巢癌组织病理切片 | 数字病理 | 卵巢癌 | 深度学习 | NA | 组织病理图像 | NA | NA | NA | 准确率 | 树莓派 |
| 585 | 2025-10-07 |
Schizophrenia recognition based on three-dimensional adaptive graph convolutional neural network
2025-02-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84497-8
PMID:39900572
|
研究论文 | 提出基于三维自适应图卷积神经网络的脑电图分类模型用于精神分裂症识别 | 首次将三维空间特征与自适应图卷积结合，能动态学习脑网络节点间相互作用 | 未明确说明样本量大小和模型泛化能力验证 | 开发精神分裂症的早期诊断和识别方法 | 首发精神分裂症患者的脑电图数据 | 机器学习 | 精神分裂症 | 脑电图信号分析 | 图卷积神经网络, 图注意力网络 | 脑电图信号 | NA | NA | 3D-AGCN, GAT+GCN | 分类准确率 | NA |
| 586 | 2025-10-07 |
A Deep Learning Approach to Multi-Fiber Parameter Estimation and Uncertainty Quantification in Diffusion MRI
2025-Feb-28, ArXiv
PMID:40061116
|
研究论文 | 提出一种基于深度学习的扩散MRI多纤维参数估计与不确定性量化方法 | 将多纤维参数推断任务分解为一系列可管理的子问题，并利用针对问题特定结构和对称性设计的深度神经网络进行求解 | 未明确说明方法在低信噪比条件下的具体表现限制 | 开发可靠且计算高效的扩散MRI生物物理模型参数推断方法 | 脑白质纤维微观结构 | 医学影像分析 | NA | 扩散MRI | 深度神经网络 | 医学影像数据 | 人类连接组计划(HCP)的真实成像数据 | NA | NA | 参数估计精度、不确定性量化 | NA |
| 587 | 2025-10-07 |
Comparison of 7 artificial intelligence models in predicting venous thromboembolism in COVID-19 patients
2025-Feb, Research and practice in thrombosis and haemostasis
IF:3.4Q1
DOI:10.1016/j.rpth.2025.102711
PMID:40212774
|
研究论文 | 比较7种人工智能模型在预测COVID-19患者静脉血栓栓塞方面的性能 | 首次在大型多中心COVID-19数据集上系统比较7种AI模型对VTE的预测能力 | 研究基于观察性数据，可能存在未测量的混杂因素 | 比较不同AI模型预测COVID-19患者静脉血栓栓塞的效果 | COVID-19患者 | 机器学习 | COVID-19 | 递归特征消除 | 多层感知器分类器,人工神经网络,极端梯度提升,支持向量分类器,随机梯度下降分类器,随机森林分类器,逻辑回归分类器 | 临床数据 | 8027名患者（2649名用于测试） | NA | NA | 准确率,精确率,召回率,F1分数,对数损失,AUC | NA |
| 588 | 2025-04-12 |
Integrating artificial intelligence with endoscopic ultrasound in the early detection of bilio-pancreatic lesions: Current advances and future prospects
2025-Feb, Best practice & research. Clinical gastroenterology
DOI:10.1016/j.bpg.2025.101975
PMID:40210329
|
综述 | 本文综述了人工智能（AI）与内镜超声（EUS）结合在胆胰病变早期检测中的当前进展和未来前景 | AI驱动的模型（如机器学习和深度学习）显著提高了诊断准确性，特别是在区分胰腺导管腺癌与良性病变及胰腺囊性肿瘤的特征分析方面 | 数据标准化、模型可解释性以及数据隐私的伦理问题仍是挑战 | 探讨AI与EUS结合在胆胰病变早期检测和管理中的潜力 | 胆胰病变，包括胰腺导管腺癌（PDAC）、良性病变及胰腺囊性肿瘤 | 数字病理 | 胰腺癌 | 机器学习和深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 589 | 2025-04-09 |
Deep learning-based hyperspectral technique identifies metastatic lymph nodes in oral squamous cell carcinoma-A pilot study
2025-Feb, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.15067
PMID:39005220
|
研究论文 | 本研究基于高光谱成像和深度学习技术，开发了一种用于检测口腔鳞状细胞癌转移淋巴结中癌细胞的系统 | 采用改进的ResUNet算法分析癌细胞与淋巴细胞以及肿瘤组织与正常组织之间的光谱曲线差异 | 研究样本量较小，仅为45例口腔鳞状细胞癌患者的转移淋巴结 | 建立一种高精度、高效率的病理诊断方法，用于识别口腔鳞状细胞癌转移淋巴结中的肿瘤组织 | 45例口腔鳞状细胞癌(OSCC)患者的转移淋巴结连续切片 | 数字病理 | 口腔鳞状细胞癌 | 高光谱成像 | 改进的ResUNet | 高光谱图像 | 45例OSCC患者的转移淋巴结 | NA | NA | NA | NA |
| 590 | 2025-10-07 |
Binding mechanism of inhibitors to DFG-in and DFG-out P38α deciphered using multiple independent Gaussian accelerated molecular dynamics simulations and deep learning
2025-Feb, SAR and QSAR in environmental research
IF:2.3Q3
DOI:10.1080/1062936X.2025.2475407
PMID:40110797
|
研究论文 | 通过高斯加速分子动力学模拟和深度学习解析抑制剂与DFG-in/DFG-out P38α的结合机制 | 结合多种独立高斯加速分子动力学模拟、深度学习和MM-GBSA方法系统研究P38α不同构象对抑制剂结合的影响 | NA | 阐明P38α不同构象（DFG-in和DFG-out）对抑制剂结合机制的影响 | P38α激酶及其抑制剂（SB2、SK8、BMU） | 计算生物学 | 多种疾病（文中未指定具体疾病） | 高斯加速分子动力学模拟、深度学习、MM-GBSA方法 | 深度学习模型 | 分子动力学轨迹数据 | 三种抑制剂（SB2、SK8、BMU）与P38α两种构象的组合 | NA | NA | 结合自由能、范德华相互作用能 | NA |
| 591 | 2025-04-06 |
Conv-MTD: A CNN Based Multi-Label Medical Tubes Detection and Classification Model to Facilitate Resource-constrained Point-of-care Devices
2025-Feb-18, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3543245
PMID:40036431
|
research paper | 提出了一种基于CNN的多标签医疗管检测与分类模型Conv-MTD，用于辅助资源受限的即时医疗设备 | 利用EfficientNet-B7架构作为主干，并在中间层增强辅助头以缓解梯度消失问题，同时采用16位浮点量化优化模型 | 未提及模型在多样化数据集上的泛化能力或实际临床环境中的测试结果 | 开发一种自动化检测和分类医疗管放置位置的模型，以辅助放射科医生 | 医疗管的放置位置检测与分类 | digital pathology | NA | CXR imaging | CNN, EfficientNet-B7 | image | NA | NA | NA | NA | NA |
| 592 | 2025-04-03 |
Artificial Intelligence-Based Predictive Modeling for Aortic Aneurysms
2025-Feb, Cureus
DOI:10.7759/cureus.79662
PMID:40161150
|
review | 本文综述了人工智能和机器学习在主动脉瘤预测建模中的当前状态和未来方向，强调了其在风险评估、筛查和预后中的多样性和进展 | 探讨了将临床、影像和基因组数据整合到AI/ML中以提高预测性和临床适用性，并讨论了将AI预测模型转化为临床实践的挑战和前景 | 数据质量、模型可解释性以及法律和伦理问题 | 增强主动脉瘤的风险评估和管理，推动心血管护理向精准医学转变 | 腹主动脉瘤（AAAs） | machine learning | cardiovascular disease | supervised and unsupervised learning, deep learning | NA | clinical, imaging, genomic data | NA | NA | NA | NA | NA |
| 593 | 2025-04-01 |
Qualitative and Quantitative Evaluation of a Deep Learning-Based Reconstruction for Accelerated Cardiac Cine Imaging
2025-Feb-24, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030231
PMID:40150695
|
research paper | 本研究系统评估了一种基于深度学习的重建技术（Sonic DL Cine）在加速心脏电影成像中的应用效果 | 首次全面评估了Sonic DL Cine在高达12倍加速的心脏电影成像中的表现，并验证了其在保持图像质量和心脏功能测量准确性方面的能力 | 研究主要使用数字幻影和健康志愿者数据，未涉及心脏病患者群体 | 评估深度学习重建技术在加速心脏磁共振成像中的性能 | 心脏电影成像 | digital pathology | cardiovascular disease | cardiac MR (CMR) | deep learning-based reconstruction | image | 数字幻影和健康志愿者数据（具体数量未提及） | NA | NA | NA | NA |
| 594 | 2025-04-01 |
Multi-Model Segmentation Algorithm for Rotator Cuff Injury Based on MRI Images
2025-Feb-21, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030218
PMID:40150682
|
research paper | 提出一种基于MRI图像的AI诊断方法，用于肩袖损伤的自动分割和撕裂严重程度评估 | 首个专门用于肩袖损伤诊断的AI算法，结合Unet + FPN架构的多模型深度学习网络 | 未提及与其他现有方法的对比或临床验证的广泛性 | 开发一种AI辅助诊断平台，提高肩袖损伤诊断的效率和准确性 | 肩袖损伤的MRI图像 | digital pathology | rotator cuff injury | MRI | Unet + FPN | image | 376名患者的5640张图像用于训练，94名患者的1410张图像用于测试 | NA | NA | NA | NA |
| 595 | 2025-04-01 |
A Deep Convolution Method for Hypertension Detection from Ballistocardiogram Signals with Heat-Map-Guided Data Augmentation
2025-Feb-21, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030221
PMID:40150686
|
研究论文 | 提出一种基于深度卷积网络的模型BH-Net，利用心冲击图信号进行高血压检测，并通过热图引导的数据增强方案提升性能 | 首次提出端到端深度卷积模型BH-Net用于心冲击图信号的高血压检测，并创新性地采用J波邻域选择策略进行数据增强 | 研究仅基于公开数据集进行验证，未涉及实际临床环境测试 | 开发非接触式高血压检测方法 | 心冲击图(BCG)信号 | 机器学习 | 心血管疾病 | 深度学习 | CNN | 时序信号数据 | 公开数据集（具体数量未说明） | NA | NA | NA | NA |
| 596 | 2025-04-01 |
From Neural Networks to Emotional Networks: A Systematic Review of EEG-Based Emotion Recognition in Cognitive Neuroscience and Real-World Applications
2025-Feb-20, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci15030220
PMID:40149742
|
综述 | 本文系统回顾了基于EEG的情绪识别在认知神经科学和实际应用中的研究进展 | 整合了神经和情绪网络，探讨了多模态方法在提高分类准确性方面的潜力 | 实时EEG处理中的准确性与计算效率之间的权衡，以及情绪标签不一致、实验协议变化和非标准化数据集的问题 | 推动基于EEG的情绪识别技术向更稳健、可扩展和符合伦理的应用方向发展 | EEG信号及其与生理信号的结合 | 认知神经科学 | NA | EEG, 信号处理技术（如频谱特征、连接性分析、额叶不对称检测） | CNN, RNN | EEG信号, 生理信号 | 64项研究 | NA | NA | NA | NA |
| 597 | 2025-04-01 |
Transformative Approaches in Breast Cancer Detection: Integrating Transformers into Computer-Aided Diagnosis for Histopathological Classification
2025-Feb-20, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12030212
PMID:40150677
|
research paper | 该研究提出了一种新颖的双流方法用于乳腺癌组织病理学图像分类，结合了组织病理学继承特征和基于视觉的特征以提高诊断精度 | 提出了一种结合Virchow2深度学习模型和Nomic基于视觉的transformer模型的双流方法，实现了全面的特征表示 | 未提及具体局限性 | 提高乳腺癌早期检测和治疗的诊断方法 | 乳腺癌组织病理学图像 | digital pathology | breast cancer | deep learning, transformer model | Virchow2, Nomic | image | BACH数据集 | NA | NA | NA | NA |
| 598 | 2025-03-30 |
Automatic Detect Incorrect Lifting Posture with the Pose Estimation Model
2025-Feb-24, Life (Basel, Switzerland)
DOI:10.3390/life15030358
PMID:40141703
|
research paper | 开发了一种基于智能手机摄像头和深度学习模型的系统，用于自动检测不正确的举重姿势 | 采用无标记的智能手机摄像头系统结合双向LSTM模型，实现了高精度的举重姿势分类 | 环境因素（如摄像头角度和高度）对模型准确性有轻微影响，特别是在关键身体点被部分遮挡的情况下 | 通过早期检测不安全的举重姿势，减少职业性腰痛和工作相关的肌肉骨骼疾病 | 50名健康成年人在不同条件下进行举重任务 | computer vision | occupational low back pain | OpenPose算法用于检测和提取关键身体点 | bidirectional LSTM | video | 50名健康成年人 | NA | NA | NA | NA |
| 599 | 2025-03-30 |
Artificial Intelligence and Internet of Things Integration in Pharmaceutical Manufacturing: A Smart Synergy
2025-Feb-22, Pharmaceutics
IF:4.9Q1
DOI:10.3390/pharmaceutics17030290
PMID:40142954
|
综述 | 本文综述了人工智能（AI）与物联网（IoTs）在制药制造中的整合应用及其潜在影响 | 探讨了AI与IoTs整合在制药制造中的创新应用，如实时分析、预测性维护和自动化，以及区块链技术在数据追溯中的使用 | 面临数据整合、AI驱动决策的伦理问题及监管合规等挑战 | 研究AI与IoTs整合在制药制造中的应用及其对生产效率、产品质量和可持续性的影响 | 制药制造过程中的生产流程和质量控制 | 机器学习 | NA | 云计算、数据分析 | 深度学习 | 传感器数据 | NA | NA | NA | NA | NA |
| 600 | 2025-03-30 |
Channel Estimation for Massive MIMO Systems via Polarized Self-Attention-Aided Channel Estimation Neural Network
2025-Feb-21, Entropy (Basel, Switzerland)
DOI:10.3390/e27030220
PMID:40149144
|
研究论文 | 本文提出了一种基于深度学习的极化自注意力辅助信道估计神经网络（PACE-Net），用于大规模MIMO系统中的高效信道估计 | 将原始信道估计问题转化为图像去噪问题，并提出了新的PACE-Net网络结构，解决了传统方法精度低和计算复杂度高的问题 | NA | 提高大规模MIMO通信系统中信道估计的准确性和效率 | 大规模MIMO通信系统 | 机器学习 | NA | 深度学习 | PACE-Net（极化自注意力辅助神经网络） | 信道数据 | NA | NA | NA | NA | NA |