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 1226 篇文献，本页显示第 841 - 860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 841 | 2025-10-07 |
PBScreen: A server for the high-throughput screening of placental barrier-permeable contaminants based on multifusion deep learning
2025-Feb-14, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2025.125858
PMID:39954759
|
研究论文 | 开发基于多融合深度学习模型的PBScreen服务器，用于高通量筛选胎盘屏障渗透性污染物 | 首次构建基于多融合深度学习的高通量筛选工具，结合图卷积网络和深度神经网络算法 | 未明确说明模型在更广泛化学物质类型上的适用性限制 | 开发高效筛选胎盘屏障渗透性污染物的计算工具 | 能够穿透胎盘屏障的化学污染物 | 机器学习 | 生殖健康疾病 | 深度学习 | 图卷积网络,深度神经网络 | 化学结构数据 | NA | NA | 多融合深度学习架构 | 准确率,假阴性率,AUC | NA |
| 842 | 2025-10-07 |
Mentorship advances antimicrobial use surveillance systems in low- and middle-income countries
2025-Feb, JAC-antimicrobial resistance
IF:3.7Q2
DOI:10.1093/jacamr/dlae212
PMID:39734490
|
研究论文 | 本文探讨导师制在低收入和中等收入国家抗菌药物使用监测系统人才培养中的价值 | 提出将导师制作为传统培训模式的有效补充，通过长期指导解决专业人员短缺问题 | 研究基于四个国家的有限经验，缺乏大规模定量数据支持 | 评估导师制在抗菌药物使用监测系统能力建设中的效果 | 尼泊尔、巴基斯坦、巴布亚新几内亚和东帝汶的抗菌药物使用监测专业人员 | 公共卫生 | 传染病 | 导师制培训方法 | NA | 经验总结 | 2019-2023年四个国家1-2年导师制项目的参与人员 | NA | NA | NA | NA |
| 843 | 2025-10-07 |
Mapping the learning curves of deep learning networks
2025-Feb, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012286
PMID:39928655
|
研究论文 | 提出一种受认知科学启发的多维量化与可视化方法，用于追踪深度神经网络的学习曲线 | 引入信息处理轨迹和发展轨迹两个时间维度来量化深度学习网络的学习过程 | 方法目前仅在手势检测和句子分类两个时序任务上进行验证 | 系统解释深度神经网络的内部表示和学习过程 | 深度神经网络的学习曲线 | 机器学习 | NA | 深度学习模拟 | 深度神经网络 | 时序数据 | 750次模拟运行 | NA | NA | 起始值, 终值-起始值, 最大值, 达到最大值时间 | NA |
| 844 | 2025-10-07 |
Short-Term Associations Between Ambient Ozone and Acute Myocardial Infarction Onset Among Younger Patients: Results From the VIRGO Study
2025-Feb, GeoHealth
IF:4.3Q1
DOI:10.1029/2024GH001234
PMID:39968338
|
研究论文 | 本研究探讨环境臭氧短期暴露与年轻患者急性心肌梗死发病的关联 | 首次在年轻患者群体中系统评估臭氧与不同AMI亚型的关联，并发现种族差异的效应修饰作用 | 研究仅限于美国103家医院的患者，可能存在选择偏倚 | 评估环境臭氧短期暴露与年轻患者急性心肌梗死发病的关联 | 18-55岁急性心肌梗死患者 | 环境流行病学 | 心血管疾病 | 时空深度学习，病例交叉设计 | 条件逻辑回归 | 医疗记录，环境监测数据 | 2,322名AMI患者来自103家美国医院 | 深度学习框架 | 时空深度学习模型 | 比值比，95%置信区间 | NA |
| 845 | 2025-02-22 |
A New Method Using Deep Learning to Predict the Response to Cardiac Resynchronization Therapy
2025-Feb-20, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01380-8
PMID:39979759
|
研究论文 | 本研究提出了一种结合临床变量、心电图特征和心脏功能评估参数与门控SPECT MPI极坐标图的深度学习方法，用于预测心脏再同步化治疗（CRT）的响应 | 通过结合预训练的VGG16模型和多层感知器，利用SPECT MPI极坐标图和临床特征、心电图参数、SPECT-MPI衍生参数等表格数据，提高了CRT响应预测的准确性 | 研究样本量较小（218例患者），且仅基于单一中心的患者数据，可能影响模型的泛化能力 | 提高心脏再同步化治疗（CRT）响应预测的准确性 | 218例接受CRT植入的患者 | 机器学习 | 心血管疾病 | 门控单光子发射计算机断层扫描心肌灌注成像（SPECT MPI） | VGG16模型和多层感知器 | 图像和表格数据 | 218例患者 | NA | NA | NA | NA |
| 846 | 2025-10-07 |
The Future of Surgical Diagnostics: Artificial Intelligence-Enhanced Detection of Ganglion Cells for Hirschsprung Disease
2025-Feb, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2024.102189
PMID:39577743
|
研究论文 | 开发人工智能增强方法用于术中检测赫希施普龙病中的神经节细胞 | 首次将深度学习模型与热力图定位技术结合应用于术中冰冻切片神经节细胞检测，显著提升诊断准确性和效率 | 研究样本来自3个中心的164名患者，样本来源相对有限 | 开发人工智能辅助诊断系统改善赫希施普龙病的手术决策 | 赫希施普龙病患者组织切片中的神经节细胞 | 数字病理学 | 赫希施普龙病 | 苏木精-伊红染色，全玻片成像 | CNN | 病理图像 | 164名患者的668张玻片（366张冰冻切片，302张FFPE切片） | NA | ResNet-50 | 准确率 | NA |
| 847 | 2025-10-07 |
Discovery of anticancer peptides from natural and generated sequences using deep learning
2025-Feb, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2024.138880
PMID:39706427
|
研究论文 | 本研究通过深度学习模型从天然和生成序列中发现抗癌肽，并进行了广泛的实验验证 | 提出基于三通道深度学习架构的CNBT-ACPred预测模型，结合大规模体外和体内实验验证，显著提升预测性能 | NA | 开发高效的抗癌肽预测方法并发现新型抗癌肽 | 抗癌肽(ACPs) | 机器学习 | 癌症 | 深度学习 | 深度学习模型 | 蛋白质序列数据 | Uniprot数据库380万条序列，生成模型10万条序列，最终验证41条候选肽 | NA | 三通道深度学习架构 | 准确率,MCC | NA |
| 848 | 2025-02-21 |
Atomic force microscopy combined with microfluidics for label-free sorting and automated nanomechanics of circulating tumor cells in liquid biopsy
2025-Feb-20, Nanoscale
IF:5.8Q1
DOI:10.1039/d4nr04033c
PMID:39865849
|
研究论文 | 本文介绍了一种结合原子力显微镜（AFM）和微流控技术的无标记分选和自动化纳米力学测量方法，用于液体活检中的循环肿瘤细胞（CTCs）研究 | 创新点在于结合AFM和微流控技术，实现了CTCs的无标记分选和自动化纳米力学测量，为临床提供了新的可能性 | 研究仍处于概念验证阶段，样本量有限，需要进一步验证和优化 | 研究目的是开发一种高效测量液体活检中CTCs机械性能的方法，以推动癌症管理 | 研究对象为液体活检中的循环肿瘤细胞（CTCs） | 数字病理学 | 癌症 | 原子力显微镜（AFM）、微流控技术、深度学习光学图像识别模型 | 深度学习模型 | 图像、力学数据 | 三个实验样本系统，包括不同大小的混合微球、不同类型癌细胞的混合物以及癌细胞和血细胞的混合物 | NA | NA | NA | NA |
| 849 | 2025-02-21 |
Improved Assessment of Juxtacortical Lesions in Multiple Sclerosis Using Highly-accelerated High-resolution Double Inversion Recovery MR Imaging with Deep Learning-based Reconstruction
2025-Feb-20, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2024-0126
PMID:39971311
|
研究论文 | 本研究旨在使用深度学习重建技术（DLS）实现高分辨率双反转恢复（DIR）成像，并比较其在检测多发性硬化症（MS）皮质旁病变中的诊断性能与传统DIR（C-DIR）的差异 | 开发了一种新的基于深度学习的重建技术（DLS），用于重建高度欠采样的MR数据，并在检测MS皮质旁病变中表现出优于压缩感知的性能 | 研究样本量较小，仅包括25名MS患者 | 比较DLS-DIR和C-DIR在检测MS皮质旁病变中的诊断性能 | 25名多发性硬化症患者的MRI数据 | 医学影像 | 多发性硬化症 | 深度学习重建技术（DLS） | 深度学习 | MRI图像 | 25名多发性硬化症患者 | NA | NA | NA | NA |
| 850 | 2025-02-21 |
EBHOA-EMobileNetV2: a hybrid system based on efficient feature selection and classification for cardiovascular disease diagnosis
2025-Feb-19, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2466081
PMID:39970065
|
研究论文 | 本文提出了一种基于深度学习的智能医疗框架，用于心血管疾病的诊断，结合了有效的特征选择和分类技术 | 结合了增强的二进制蝗虫优化算法（EBHOA）和增强的MobileNetV2模型（EMobileNetV2），以提高心血管疾病预测的准确性和一致性 | 未提及模型在其他数据集上的泛化能力，以及在实际临床环境中的应用效果 | 提高心血管疾病预测的准确性，以改善临床实践和患者护理 | 心血管疾病（CVD）患者 | 机器学习 | 心血管疾病 | 增强的二进制蝗虫优化算法（EBHOA）、增强的MobileNetV2模型（EMobileNetV2） | EMobileNetV2 | 结构化数据 | UCI Heart Disease和Framingham Heart Study数据集 | NA | NA | NA | NA |
| 851 | 2025-02-21 |
Mental Health Screening Using the Heart Rate Variability and Frontal Electroencephalography Features: A Machine Learning-Based Approach
2025-Feb-19, JMIR mental health
IF:4.8Q1
DOI:10.2196/72803
PMID:39971280
|
研究论文 | 本研究探讨了使用心率和前额脑电图特征进行心理健康筛查的机器学习方法 | 结合心率和前额脑电图特征进行心理健康筛查，展示了可能的协同效应 | 需要进一步研究以预测治疗反应并基于基线生理标志物提出优选治疗方案 | 探讨心率和前额脑电图特征在机器学习算法中对精神病患者和健康对照者的分类准确性 | 182名参与者（87名精神病患者和95名健康对照者） | 机器学习 | 精神疾病 | 支持向量机（SVM） | SVM | 生理信号（心率和脑电图） | 182名参与者（87名精神病患者和95名健康对照者） | NA | NA | NA | NA |
| 852 | 2025-02-21 |
Enhancing Chest X-ray Diagnosis with a Multimodal Deep Learning Network by Integrating Clinical History to Refine Attention
2025-Feb-19, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01446-1
PMID:39971817
|
研究论文 | 本研究介绍了一种多模态胸部X光网络（MCX-Net），通过整合胸部X光图像和临床病史文本进行多标签疾病诊断 | MCX-Net通过结合预训练的文本编码器、图像编码器和图像-文本跨模态编码器，显著提升了胸部X光的多标签疾病诊断性能 | 模型训练面临标签不平衡和某些疾病样本稀缺的挑战 | 提升胸部X光的多标签疾病诊断准确性 | 胸部X光图像和临床病史文本 | 医学影像分析 | 肺部疾病 | 深度学习 | MCX-Net（结合预训练的文本编码器、图像编码器和图像-文本跨模态编码器） | 图像和文本 | 基于公开的MIMIC-CXR-JPG数据集进行训练和测试 | NA | NA | NA | NA |
| 853 | 2025-02-21 |
NMTNet: A Multi-task Deep Learning Network for Joint Segmentation and Classification of Breast Tumors
2025-Feb-19, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01440-7
PMID:39971818
|
研究论文 | 本文提出了一种新型多任务深度学习网络（NMTNet），用于联合分割和分类乳腺肿瘤，基于卷积神经网络（CNN）和U形架构 | NMTNet结合了共享编码器、多尺度融合通道细化（MFCR）模块、分割分支和分类分支，通过病变区域增强（LRE）模块和细粒度分类器提高了分割和分类的准确性 | NA | 提高乳腺肿瘤的分割和分类准确性，以辅助乳腺癌诊断 | 乳腺肿瘤 | 计算机视觉 | 乳腺癌 | 深度学习 | CNN, U-shaped architecture | 超声图像, 磁共振成像 | NA | NA | NA | NA | NA |
| 854 | 2025-02-21 |
Artificial Intelligence for Diabetic Foot Screening Based on Digital Image Analysis: A Systematic Review
2025-Feb-17, Journal of diabetes science and technology
IF:4.1Q2
DOI:10.1177/19322968251317521
PMID:39960227
|
系统综述 | 本文系统回顾了基于数字图像分析的人工智能技术在糖尿病足筛查中的应用 | 探讨了人工智能在糖尿病足筛查中的潜力，特别是深度学习方法的应用 | 需要进一步评估临床适用性，包括伦理问题和患者数据安全性，以及开发更全面的数据集 | 识别并分析使用数字图像分析开发AI模型进行糖尿病足筛查的研究 | 糖尿病足筛查 | 计算机视觉 | 糖尿病 | 数字图像分析 | 人工神经网络（ANNs）和卷积神经网络（CNNs） | 热成像或足部热图 | 2214篇相关文章，其中9篇符合纳入标准 | NA | NA | NA | NA |
| 855 | 2025-02-21 |
Super-resolution synthetic MRI using deep learning reconstruction for accurate diagnosis of knee osteoarthritis
2025-Feb-17, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01911-z
PMID:39961957
|
研究论文 | 本研究评估了深度学习重建（DLR）技术在合成MRI（SyMRI）上的准确性，包括T2测量和DLR合成MRI（SyMRIDL）在膝关节骨关节炎（KOA）患者中的诊断性能，以常规MRI为标准参考 | 使用深度学习重建技术生成合成MRI图像，提供准确的T2测量值，能够更自信地从正常外观的软骨中识别早期软骨退化 | 样本量相对较小（36名志愿者和70名患者），且研究时间较短（2023年5月至10月） | 评估DLR合成MRI在膝关节骨关节炎诊断中的准确性和性能 | 膝关节骨关节炎患者和志愿者 | 医学影像 | 膝关节骨关节炎 | 深度学习重建（DLR），合成MRI（SyMRI） | 深度学习模型 | MRI图像 | 36名志愿者和70名患者 | NA | NA | NA | NA |
| 856 | 2025-02-21 |
Multi-label software requirement smells classification using deep learning
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86673-w
PMID:39962114
|
研究论文 | 本研究开发了一种基于深度学习的多标签软件需求异味分类模型，用于检测单个需求中的多种软件需求异味 | 首次将LSTM、Bi-LSTM和GRU等高级神经网络架构与ELMo和Word2Vec等词嵌入技术结合，用于多标签软件需求异味分类 | 研究仅基于8120个需求数据集，可能无法覆盖所有类型的软件需求异味 | 提高软件需求异味检测的自动化水平，减少人工检测的时间和错误 | 软件需求异味 | 自然语言处理 | NA | 深度学习 | LSTM, Bi-LSTM, GRU | 文本 | 8120个需求数据集 | NA | NA | NA | NA |
| 857 | 2025-02-21 |
A deep learning framework based on structured space model for detecting small objects in complex underwater environments
2025-Feb-17, Communications engineering
DOI:10.1038/s44172-025-00367-9
PMID:39962196
|
研究论文 | 本文提出了一种结合结构化空间模型（SSM）与特征增强的创新方法，专门用于复杂水下环境中的小目标检测 | 结合结构化空间模型（SSM）与特征增强，开发了高精度、轻量级的检测模型UWNet，显著提高了计算效率并保持了高检测精度 | 未提及具体局限性 | 解决水下目标检测中精度与模型效率及实时性能的平衡问题 | 水下环境中的小目标，如海星和扇贝 | 计算机视觉 | NA | 结构化空间模型（SSM）与特征增强 | UWNet | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 858 | 2025-02-21 |
Stacked encoding and AutoML-based identification of lead-zinc small open pit active mines around Rampura Agucha in Rajasthan state, India
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89672-z
PMID:39962260
|
研究论文 | 本研究旨在通过Sentinel 2图像分析，利用机器学习算法检测和分类印度拉贾斯坦邦Rampura Agucha周围的铅锌露天矿区域 | 结合多种波段比率和光谱指数，使用深度学习堆叠编码器和15种不同的机器学习分类器，提高了复杂矿区及其周边地物特征的检测精度 | 研究仅限于Sentinel 2图像数据，未涉及其他遥感数据源 | 检测和分类铅锌露天矿区域及其周边地物特征 | 印度拉贾斯坦邦Rampura Agucha周围的铅锌露天矿区域 | 机器学习 | NA | Sentinel 2图像分析 | extra tree classifier (et), light gradient boosting machine classifier (lightgbm), random forest classifier (rf) | 卫星图像 | NA | NA | NA | NA | NA |
| 859 | 2025-02-21 |
Deep convolutional neural network-based enhanced crowd density monitoring for intelligent urban planning on smart cities
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90430-4
PMID:39962323
|
研究论文 | 本文提出了一种基于深度卷积神经网络的增强型人群密度监测技术，用于智能城市规划 | 提出了DCNNCDM-IUP技术，结合SE-DenseNet和ConvLSTM方法，通过红狐优化算法进行超参数选择，提高了人群密度监测的准确性 | 未提及具体的数据集规模或实际应用中的潜在挑战 | 开发一种高效的人群密度监测技术，以支持智能城市的交通管理、公共安全和城市规划 | 智能城市中的人群密度监测 | 计算机视觉 | NA | 深度学习（DL）、高斯滤波（GF）、红狐优化（RFO） | SE-DenseNet、ConvLSTM | 图像、时间序列数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 860 | 2025-02-21 |
Comparison of YOLO-based sorghum spike identification detection models and monitoring at the flowering stage
2025-Feb-17, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01338-z
PMID:39962585
|
研究论文 | 本研究比较了基于YOLO的高粱穗识别检测模型，并评估了其在开花期的监测效果 | 首次对不同高度和天气条件下的YOLO模型性能进行了比较研究，并确定了YOLOv8m为最有效的模型 | 研究仅基于2023年采集的图像数据，未考虑更多年份或更广泛的环境条件 | 评估数据集大小对模型准确性的影响，并预测高粱开花期 | 高粱开花期的穗识别 | 计算机视觉 | NA | 无人机图像采集 | YOLOv5, YOLOv8, YOLOv9, YOLOv10 | 图像 | 200到350张图像，分别在15米和30米高度采集 | NA | NA | NA | NA |