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 1347 篇文献，本页显示第 901 - 920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 901 | 2025-04-03 |
An automatic deep learning-based bone mineral density measurement method using X-ray images of children
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-283
PMID:40160646
|
研究论文 | 提出了一种基于深度学习的自动骨密度测量方法，利用儿童X射线图像进行骨密度评估 | 通过单次X射线图像结合等效阶梯体模，实现骨龄或损伤评估的同时测量前臂骨密度，且采用深度学习方法消除软组织对骨密度测量的影响 | 方法仅在500张临床X射线图像上验证，样本量相对有限 | 开发一种适用于临床环境的自动骨密度测量方法，以替代或补充DXA技术 | 儿童的手部和前臂X射线图像 | 数字病理 | 骨质疏松症 | X射线成像 | 深度学习 | 图像 | 500张临床X射线图像 | NA | NA | NA | NA |
| 902 | 2025-04-03 |
Enhancing bone radiology images classification through appropriate preprocessing: a deep learning and explainable artificial intelligence approach
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1745
PMID:40160653
|
研究论文 | 本文通过深度学习和可解释人工智能方法，探讨了适当的预处理对骨放射学图像分类性能的提升作用 | 本文的创新点在于将特定的预处理技术（如去除背景和无关部分）应用于医学图像，以提高深度学习模型在分类任务中的性能，并结合XAI技术验证和说明其益处 | NA | 强调医学深度学习模型结果的真实性和模型及其创建者的责任，通过提出针对医学数据集的预处理方法来提高模型的性能和可靠性 | 骨放射学图像数据集 | 计算机视觉 | NA | 深度学习，可解释人工智能（XAI） | DenseNet201等深度学习神经网络 | 图像 | 两个骨放射学图像数据集 | NA | NA | NA | NA |
| 903 | 2025-04-03 |
A multi-scale pyramid residual weight network for medical image fusion
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-851
PMID:40160660
|
research paper | 提出了一种名为LYWNet的多尺度金字塔残差权重网络，用于医学图像融合，旨在有效整合高频细节信息和低频上下文信息 | 提出了一种新的CNN网络LYWNet，通过多尺度金字塔残差权重块和特征蒸馏融合算法，有效保留高频细节和低频上下文信息 | 未提及具体的样本量或实验数据集的规模，可能影响方法的普适性验证 | 改进多模态医学图像融合技术，提升临床诊断和手术导航的准确性和质量 | 医学图像（如SPECT-MRI、PET-MRI、MRI-CT等） | digital pathology | NA | CNN-based image fusion | CNN (LYWNet) | image | NA | NA | NA | NA | NA |
| 904 | 2025-04-03 |
Quantitative assessment and risk stratification of random acute pulmonary embolism cases using a deep learning model based on computed tomography pulmonary angiography images
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1412
PMID:40160671
|
研究论文 | 本研究开发了一种结合Transformer的VB-Net深度学习模型，用于从CTPA图像中检测肺栓塞并自动计算血栓负荷评分 | 首次报道了结合Transformer的VB-Net深度学习模型在肺栓塞检测和血栓负荷评分自动计算中的应用 | 模型在随机CTPA检查中的灵敏度为76.67%，仍有提升空间 | 通过早期诊断、风险分层和治疗方案确定来帮助患者，改善预后并减轻放射科医生的负担 | 肺栓塞患者 | 数字病理学 | 肺栓塞 | CTPA | VB-Net结合Transformer | 医学影像 | 2,424例CTPA检查病例（44%男性）用于训练和测试模型，另外70例随机CTPA数据（30例急性肺栓塞，40例无肺栓塞）用于验证 | NA | NA | NA | NA |
| 905 | 2025-04-03 |
A Real-Time Computer-Aided Diagnosis System for Coronary Heart Disease Prediction Using Clinical Information
2025-Mar, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/RCM26204
PMID:40160568
|
研究论文 | 本研究旨在设计一个快速且高精度的智能模型，利用临床信息预测冠心病 | 提出了一种基于机器学习的冠心病预测模型，具有高精度和效率，适用于临床应用 | 模型依赖于公开数据集，可能无法涵盖所有临床场景 | 设计一个高效且高精度的冠心病预测模型 | 冠心病患者 | 机器学习 | 心血管疾病 | 奇异值分解方法 | 多层感知机 | 临床信息 | 五个公开数据集，共1222名患者 | NA | NA | NA | NA |
| 906 | 2025-04-02 |
Enrichment Analysis and Deep Learning in Biomedical Ontology: Applications and Advancements
2025-Mar-31, Chinese medical sciences journal = Chung-kuo i hsueh k'o hsueh tsa chih
DOI:10.24920/004464
PMID:40164517
|
review | 本文综述了基于生物医学本体结构及语义注释特性的富集分析和深度学习方法，强调了技术进步如何更全面地利用本体信息 | 结合富集分析和深度学习技术，探索生物医学本体的新应用和进展 | NA | 推动生物医学研究的发展，探索生物医学本体在大数据技术下的新应用 | 生物医学本体 | machine learning | NA | 富集分析, deep learning | deep learning | multi-dimensional, heterogeneous biomedical big data | NA | NA | NA | NA | NA |
| 907 | 2025-04-02 |
Advances in AI-based strategies and tools to facilitate natural product and drug development
2025-Mar-30, Critical reviews in biotechnology
IF:8.1Q1
DOI:10.1080/07388551.2025.2478094
PMID:40159111
|
综述 | 本文综述了人工智能在天然产物和药物开发中的应用及其进展 | 详细介绍了AI如何通过深度学习和自动化生物信息学平台加速天然产物的发现和药物开发 | 未提及具体AI工具或方法的局限性 | 探讨AI在天然产物和药物开发中的应用及其潜力 | 天然产物及其衍生物 | 机器学习 | NA | 深度学习、集成自动化生物信息学平台、质谱和核磁共振 | 神经网络 | 质谱数据、核磁共振数据 | NA | NA | NA | NA | NA |
| 908 | 2025-10-07 |
Deep Learning of Proteins with Local and Global Regions of Disorder
2025-Mar-29, ArXiv
PMID:40034137
|
研究论文 | 提出了一种名为IDPForge的新型机器学习方法，用于生成包含内在无序区域的全原子蛋白质结构 | 利用transformer蛋白质语言扩散模型直接生成全原子无序蛋白质构象，无需序列特异性训练、粗粒度表示反变换或系综重加权 | NA | 开发能够准确预测内在无序蛋白质和区域结构的新计算方法 | 内在无序蛋白质和区域 | 机器学习 | NA | 扩散模型 | transformer | 蛋白质序列数据 | NA | NA | transformer | 与溶液实验数据的一致性 | NA |
| 909 | 2025-04-02 |
Comparative analysis of dehazing algorithms on real-world hazy images
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95510-z
PMID:40155458
|
review | 本文对真实世界雾霾图像上的去雾算法进行了比较分析 | 比较了深度学习方法与基于先验的恢复技术，特别是在处理密集和非均匀雾霾方面的表现 | 物理驱动的单图像去雾算法缺乏鲁棒性，数据驱动方法在薄雾条件下表现良好但在密集雾霾中表现不佳 | 确保计算机视觉应用（如智能交通、视频监控、天气预报和遥感）的可靠运行 | 真实世界的雾霾图像 | computer vision | NA | image dehazing techniques | deep learning methods, restoration-based techniques | image | real-world hazy images | NA | NA | NA | NA |
| 910 | 2025-04-02 |
Comparative analysis of daily global solar radiation prediction using deep learning models inputted with stochastic variables
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95281-7
PMID:40155686
|
研究论文 | 比较分析使用深度学习模型输入随机变量预测每日全球太阳辐射（DGSR）的性能 | 比较了四种不同的ANN模型（RBFNN、LSTMNN、MNN和TM）在DGSR预测中的性能，并使用了不同的气象随机变量组合 | 未提及样本量或具体的地理位置数据，可能影响模型的泛化能力 | 提高光伏发电的预测准确性 | 每日全球太阳辐射（DGSR） | 机器学习 | NA | 人工神经网络（ANN） | RBFNN, LSTMNN, MNN, TM | 时间序列数据 | NA | NA | NA | NA | NA |
| 911 | 2025-10-07 |
SIMVI disentangles intrinsic and spatial-induced cellular states in spatial omics data
2025-Mar-27, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58089-7
PMID:40148341
|
研究论文 | 提出一种名为SIMVI的无注释深度学习框架，用于解耦空间组学数据中的细胞内在变异性和空间诱导效应 | 通过变分推理方法严格区分细胞内在状态和空间诱导状态，实现单细胞分辨率下的空间效应估计 | NA | 开发能够准确解析空间组学数据中细胞状态的计算方法 | 空间组学数据中的细胞状态和细胞间相互作用 | 生物信息学 | 黑色素瘤 | 空间组学技术 | 变分自编码器 | 空间组学数据 | 多平台多组织数据集，包括新收集的CosMx黑色素瘤队列数据 | 深度学习框架 | 变分推理模型 | NA | NA |
| 912 | 2025-04-02 |
ISIT-GEN: An in silico imaging trial to assess the inter-scanner generalizability of CTLESS for myocardial perfusion SPECT on defect-detection task
2025-Mar-20, ArXiv
PMID:40166744
|
research paper | 该研究通过虚拟成像试验评估了CTLESS方法在不同SPECT扫描仪上的泛化能力，用于心肌灌注SPECT成像中的缺陷检测任务 | 首次通过虚拟成像试验评估了深度学习衰减补偿方法CTLESS在不同厂商SPECT扫描仪上的泛化性能 | 研究仅使用了虚拟成像数据，未进行真实临床数据验证 | 评估CTLESS方法在不同SPECT扫描仪上的泛化性能 | 心肌灌注SPECT成像 | digital pathology | cardiovascular disease | SPECT, 深度学习 | 深度学习模型 | 医学影像数据 | 三种不同厂商的SPECT扫描仪数据 | NA | NA | NA | NA |
| 913 | 2025-04-02 |
Automated Aortic Regurgitation Detection and Quantification: A Deep Learning Approach Using Multi-View Echocardiography
2025-Mar-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.18.25323918
PMID:40166551
|
research paper | 本研究开发并验证了一种基于深度学习的模型，用于从多视角彩色多普勒超声心动图视频中自动评估主动脉瓣反流（AR）的严重程度 | 使用多视角彩色多普勒超声心动图视频，开发了视频卷积神经网络（R2+1D）模型，能够自动分类AR严重程度，并在外部验证中表现出色 | 临床解释在复杂病例中仍然必要，特别是存在多瓣膜病变或血流动力学改变的情况 | 开发一种自动化工具，用于准确评估主动脉瓣反流的严重程度，以支持早期检测和慢性疾病管理 | 主动脉瓣反流（AR）患者 | digital pathology | cardiovascular disease | 彩色多普勒超声心动图 | R2+1D CNN | video | 训练集：47,638个视频（来自32,396项研究，23,240名患者）；外部验证集：3,369个视频（来自1,504项研究，1,493名患者） | NA | NA | NA | NA |
| 914 | 2025-04-02 |
A precision health approach to medication management in neurodivergence: a model development and validation study using four international cohorts
2025-Mar-15, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.12.25323683
PMID:40162292
|
研究论文 | 本研究开发并验证了AI模型，用于预测神经发育异常儿童对精神药物的反应，以提高药物管理的精准性 | 首次开发AI模型预测神经发育异常儿童对兴奋剂、抗抑郁药和抗精神病药的反应，并在四个国际队列中进行验证 | 研究中发现的社会人口统计学因素偏差需要解决，以确保治疗建议的公平性 | 提高神经发育异常儿童精神药物管理的精准性和个性化 | 神经发育异常儿童 | 机器学习 | 神经发育障碍 | AI模型 | stacked ensemble models | 电子医疗记录(EMRs)和儿童行为检查表数据 | 四个队列共5070名儿童（POND=598，HBN=1764，ABCD=2396，PPP=312） | NA | NA | NA | NA |
| 915 | 2025-10-07 |
CryoTEN: efficiently enhancing cryo-EM density maps using transformers
2025-Mar-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf092
PMID:40036588
|
研究论文 | 提出了一种基于Transformer的CryoTEN方法，用于高效增强冷冻电镜密度图质量 | 首次将3D UNETR++风格的Transformer架构应用于冷冻电镜密度图增强，在保持高性能的同时运行速度比现有最佳深度学习方法快10倍以上且GPU内存需求更低 | 方法基于模拟数据进行训练，在真实实验条件下的泛化能力需要进一步验证 | 开发高效算法提升冷冻电镜密度图质量以改进蛋白质结构建模 | 冷冻电镜密度图 | 计算机视觉 | NA | 冷冻电镜 | Transformer | 3D密度图 | 1295个冷冻电镜图作为训练集，150个独立测试图 | PyTorch | 3D UNETR++ | 密度图质量改进，蛋白质结构建模质量，运行速度，GPU内存使用 | GPU |
| 916 | 2025-10-07 |
DeepPrep: an accelerated, scalable and robust pipeline for neuroimaging preprocessing empowered by deep learning
2025-Mar, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02599-1
PMID:39915693
|
研究论文 | 提出了一种基于深度学习的神经影像预处理加速管道DeepPrep，能够显著提升处理效率 | 结合深度学习与工作流管理器，实现了十倍加速，具备可扩展性和鲁棒性 | NA | 解决神经影像大数据预处理中的计算挑战 | 神经影像数据 | 医学影像处理 | NA | 深度学习 | NA | 神经影像扫描数据 | 超过55,000次扫描 | NA | NA | 加速比，可扩展性，鲁棒性 | NA |
| 917 | 2025-10-07 |
MARBLE: interpretable representations of neural population dynamics using geometric deep learning
2025-Mar, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02582-2
PMID:39962310
|
研究论文 | 提出一种名为MARBLE的表示学习方法，使用几何深度学习分解神经流形上的动力学过程并映射到共同潜在空间 | 首次将几何深度学习应用于神经群体动力学，通过局部流场分解和潜在空间映射获得跨网络和动物一致的可解释表示 | 方法性能依赖于神经数据确实具有低维流形结构的假设 | 开发能够推断可解释且一致潜在表示的神经动力学学习方法 | 非线性动力系统、循环神经网络、灵长类和啮齿类动物的单神经元记录 | 机器学习 | NA | 几何深度学习 | 几何深度学习模型 | 神经记录数据 | 模拟系统和实验动物记录（具体数量未明确说明） | NA | MARBLE | 解码准确度 | NA |
| 918 | 2025-02-19 |
Interpreting and comparing neural activity across systems by geometric deep learning
2025-Mar, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02581-3
PMID:39962313
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 919 | 2025-10-07 |
Toward a rapid, sensitive, user-friendly, field-deployable artificial intelligence tool for enhancing African swine fever diagnosis and reporting
2025-Mar-01, American journal of veterinary research
IF:1.3Q2
DOI:10.2460/ajvr.24.10.0305
PMID:40023145
|
研究论文 | 开发一种基于深度学习和智能手机的人工智能工具，用于提高非洲猪瘟侧向流动检测试纸条读取的准确性 | 首次将YOLO模型应用于非洲猪瘟侧向流动检测试纸条的智能识别，并开发了可现场部署的智能手机应用 | 数据集规模有限，模型性能在不同数据划分下存在波动 | 开发快速、灵敏、用户友好且可现场部署的AI工具以增强非洲猪瘟诊断和报告 | 非洲猪瘟侧向流动检测试纸条图像 | 计算机视觉 | 非洲猪瘟 | 侧向流动检测试纸条 | YOLO | 图像 | 未明确说明具体样本数量 | JavaScript, Azure | YOLO | 准确率, 精确率, 召回率, 灵敏度, 特异性, F1分数 | Azure云平台 |
| 920 | 2025-04-01 |
Digital twin-assisted graph matching multi-task object detection method in complex traffic scenarios
2025-Mar-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87914-8
PMID:40155390
|
研究论文 | 提出一种基于数字孪生的跨领域目标检测迁移方法，以解决交通数据收集和标注耗时耗力的问题 | 结合数字孪生技术构建虚拟交通场景数据集，并引入基于图匹配的多任务目标检测算法，通过注意力机制和对抗训练提升模型鲁棒性 | 未提及实际部署中的计算资源消耗和实时性表现 | 提升复杂交通场景下的目标检测性能 | 虚拟和真实交通场景中的目标物体 | 计算机视觉 | NA | 数字孪生、对抗训练 | 多任务网络、图匹配模块 | 图像 | 未明确说明具体样本数量，包含虚拟生成和真实交通数据集 | NA | NA | NA | NA |