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 1345 篇文献，本页显示第 961 - 980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 961 | 2025-03-30 |
Artificial Intelligence in Nuclear Cardiac Imaging: Novel Advances, Emerging Techniques, and Recent Clinical Trials
2025-Mar-19, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14062095
PMID:40142902
|
综述 | 本文探讨了人工智能在核医学心脏成像中的最新进展及其对心脏诊断领域的快速变革 | 人工智能技术如机器学习和深度学习神经网络为核医学心脏成像提供了新的数据解读方法，提升了图像重建、降噪及复杂数据集解释的能力 | 未明确提及具体的技术或临床实施中的限制 | 探索人工智能在核医学心脏成像中的最新进展、技术应用及临床试验 | 核医学心脏成像技术及其在冠状动脉疾病诊断和治疗决策中的应用 | 数字病理学 | 心血管疾病 | 机器学习和深度学习神经网络 | ML和DL | 图像 | NA | NA | NA | NA | NA |
| 962 | 2025-03-30 |
Development of GUI-Driven AI Deep Learning Platform for Predicting Warpage Behavior of Fan-Out Wafer-Level Packaging
2025-Mar-17, Micromachines
IF:3.0Q2
DOI:10.3390/mi16030342
PMID:40141953
|
研究论文 | 本研究开发了一个基于深度学习的AI预测平台，专门用于预测扇出型晶圆级封装(FOWLP)的翘曲行为 | 平台采用图形用户界面(GUI)，简化了深度学习模型的设计、训练和操作，使非专业用户无需大量编程知识即可配置和运行AI预测 | NA | 解决扇出型晶圆级封装(FOWLP)翘曲行为预测的挑战，提高电子封装设计的效率和准确性 | 扇出型晶圆级封装(FOWLP)的翘曲行为 | 机器学习 | NA | 深度学习 | NA | 大型数据集 | NA | NA | NA | NA | NA |
| 963 | 2025-03-30 |
Fundus-Derived Predicted Age Acceleration in Glaucoma Patients Using Deep Learning and Propensity Score-Matched Controls
2025-Mar-17, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14062042
PMID:40142850
|
research paper | 本研究利用深度学习和倾向评分匹配对照，探讨了青光眼与加速生物衰老之间的关系，并分析了系统性因素和视网膜血管变化在这一关联中的作用 | 首次使用眼底图像衍生的预测年龄来研究青光眼与加速生物衰老的关联，并探索了系统性因素和视网膜血管变化的影响 | 研究为横断面设计，无法确定因果关系，需要进一步纵向研究 | 研究青光眼与加速生物衰老之间的关系，并探索系统性因素和视网膜血管变化的作用 | 青光眼患者和匹配对照 | digital pathology | glaucoma | deep learning | EfficientNet | image | 6023名参与者（包括547名青光眼患者和547名匹配对照） | NA | NA | NA | NA |
| 964 | 2025-03-30 |
Enhancing Unconditional Molecule Generation via Online Knowledge Distillation of Scaffolds
2025-Mar-12, Molecules (Basel, Switzerland)
DOI:10.3390/molecules30061262
PMID:40142038
|
研究论文 | 本文提出了一种通过在线知识蒸馏框架将分子支架信息整合到语言模型中，以增强无条件分子生成的方法 | 通过在线知识蒸馏框架整合分子支架信息，提升无条件分子生成的有效性和新颖性 | 直接使用支架作为先验输入可能引入偏差，限制新分子的探索 | 提高无条件分子生成的有效性和新颖性，以加速药物发现过程 | 药物样分子 | 自然语言处理 | NA | 在线知识蒸馏 | GPT, Transformer | SMILES字符串 | 在两个著名的分子生成基准测试上进行实验 | NA | NA | NA | NA |
| 965 | 2025-03-30 |
Computational Analysis of Morphological Changes in Lactiplantibacillus plantarum Under Acidic Stress
2025-Mar-12, Microorganisms
IF:4.1Q2
DOI:10.3390/microorganisms13030647
PMID:40142539
|
研究论文 | 通过计算图像分析研究酸性压力下植物乳杆菌形态变化 | 开发了一种结合深度学习和目标检测的计算方法，用于测量细菌细胞尺寸，并揭示了酸性环境下细菌形态的显著变化 | 研究仅针对单一菌种，结果可能不适用于其他细菌 | 研究酸性压力对细菌形态的影响 | 植物乳杆菌 | 计算机视觉 | NA | 深度学习、目标检测、图像分类 | 深度学习模型 | 图像 | 单一菌种培养物 | NA | NA | NA | NA |
| 966 | 2025-03-30 |
A Fusion Deep Learning Model for Predicting Adverse Drug Reactions Based on Multiple Drug Characteristics
2025-Mar-10, Life (Basel, Switzerland)
DOI:10.3390/life15030436
PMID:40141781
|
研究论文 | 开发了一种基于多药物特征的融合深度学习模型，用于预测药物不良反应 | 整合了药物的多种特征（如一维和二维序列结构信息、药物-蛋白质相互作用数据及药物相似性），并采用融合模型预测药物不良反应的精确概率，显著提高了预测的准确性和鲁棒性 | 未提及具体的数据集规模限制或模型在特定药物类别上的泛化能力 | 提高药物不良反应的预测准确性，以增强新药开发和临床使用的监测措施 | 药物及其不良反应 | 机器学习 | NA | 深度学习 | 融合模型 | 药物分子结构数据、药物-蛋白质相互作用数据、药物相似性数据 | 未明确提及具体样本数量，但使用了基准数据集和LIU's数据集进行验证 | NA | NA | NA | NA |
| 967 | 2025-03-30 |
Differential Alternating Current Field Measurement with Deep Learning for Crack Detection and Evaluation
2025-Mar-10, Micromachines
IF:3.0Q2
DOI:10.3390/mi16030318
PMID:40141929
|
研究论文 | 本文介绍了一种结合深度学习的差分TMR-ACFM探头，用于裂纹检测和评估 | 差分设计有效减轻了提升效应和外部噪声，提高了检测性能而不增加成本，同时开发了CNN + CBAM网络进行高精度裂纹尺寸评估 | 裂纹尺寸评估在宽度上的相对误差较高（7.224%） | 开发一种高精度的裂纹检测和评估方法 | 裂纹（长度10-30 mm，深度2-6 mm，宽度0.25-1.25 mm） | 计算机视觉 | NA | 差分TMR-ACFM探头 | CNN + CBAM | 实验数据 | 裂纹尺寸范围：长度10-30 mm，深度2-6 mm，宽度0.25-1.25 mm | NA | NA | NA | NA |
| 968 | 2025-03-30 |
MBL-TransUNet: Enhancing Mesostructure Segmentation of Textile Composite Images via Multi-Scale Feature Fusion and Boundary Guided Learning
2025-Mar-09, Materials (Basel, Switzerland)
DOI:10.3390/ma18061215
PMID:40141498
|
research paper | 提出了一种名为MBL-TransUNet的深度学习模型，用于增强纺织复合材料图像的介观结构分割，通过多尺度特征融合和边界引导学习模块提高分割精度 | 引入了边界引导学习模块和多尺度特征融合模块，结合BatchFormerV2进行跨批次学习，显著提高了分割精度和模型的泛化能力 | 未提及模型在更大规模或不同类型数据集上的表现，以及计算资源消耗情况 | 解决纺织复合材料图像中精确的纱线边界识别问题，提升分割精度 | 纺织复合材料图像 | computer vision | NA | 深度学习 | MBL-TransUNet (基于TransUNet改进) | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 969 | 2025-03-30 |
Current Role of Artificial Intelligence in the Management of Esophageal Cancer
2025-Mar-09, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14061845
PMID:40142652
|
综述 | 本文综述了人工智能在食管癌管理中的当前应用和未来前景 | 整合临床因素和多模态影像特征的AI模型显示出更高的预测性能，可能改善患者治疗效果 | 需要解决现有局限性，进行随机对照试验，并考虑伦理和法律问题 | 探讨人工智能在食管癌管理中的应用 | 食管癌患者 | 数字病理 | 食管癌 | 机器学习、深度学习、放射组学 | NA | 临床数据和影像数据 | 41项研究 | NA | NA | NA | NA |
| 970 | 2025-03-30 |
Deep Learning in Scaphoid Nonunion Treatment
2025-Mar-09, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14061850
PMID:40142658
|
research paper | 本研究利用深度学习算法预测舟骨不愈合手术后愈合的可能性 | 开发了一个基于术前X光片的深度学习模型，预测手术成功率高达93.6%，显著高于传统逻辑回归的66.3% | 研究仅基于346名患者的X光片数据，样本量相对有限 | 开发一种可靠的工具来预测舟骨不愈合手术的成功率，以指导临床决策 | 346名被诊断为舟骨不愈合的患者 | digital pathology | scaphoid nonunion | X-ray imaging | TensorFlow deep learning algorithm | image | 346名患者的术前和术后X光片 | NA | NA | NA | NA |
| 971 | 2025-03-30 |
AGASI: A Generative Adversarial Network-Based Approach to Strengthening Adversarial Image Steganography
2025-Mar-09, Entropy (Basel, Switzerland)
DOI:10.3390/e27030282
PMID:40149206
|
研究论文 | 提出了一种基于GAN的方法AGASI，用于增强对抗性图像隐写术的鲁棒性 | 使用GAN框架结合编码器和解码器，提升隐写图像对抗隐写分析工具的能力，同时减少原始秘密图像与提取图像之间的差距 | 未提及具体在哪些类型的图像或场景下效果有限 | 增强图像隐写术的鲁棒性，以对抗基于深度学习的隐写分析技术 | 隐写图像和秘密图像 | 计算机视觉 | NA | 生成对抗网络(GAN) | GAN | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 972 | 2025-03-30 |
A Deep Learning-Based Detection and Segmentation System for Multimodal Ultrasound Images in the Evaluation of Superficial Lymph Node Metastases
2025-Mar-08, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14061828
PMID:40142635
|
研究论文 | 开发并验证了一种基于深度学习的自动检测和分割系统，用于评估浅表淋巴结转移的多模态超声图像 | 首次将Mask R-CNN架构应用于多模态超声图像（B型、多普勒和弹性成像）中的淋巴结检测和分割，结合血管性和硬度参数提高了诊断能力 | 未提及模型在不同医疗机构或设备上的泛化能力，也未说明样本来源的多样性 | 开发自动化的淋巴结转移评估系统以提高诊断效率和准确性 | 浅表淋巴结的多模态超声图像（B型、多普勒和弹性成像） | 数字病理 | 癌症（淋巴结转移） | 多模态超声成像（B型、多普勒、弹性成像） | Mask R-CNN | 图像 | 未明确说明数量的标注超声图像数据集 | NA | NA | NA | NA |
| 973 | 2025-03-30 |
Novel Preprocessing-Based Sequence for Comparative MR Cervical Lymph Node Segmentation
2025-Mar-07, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14061802
PMID:40142614
|
研究论文 | 本研究利用深度学习方法对磁共振图像中的颈部淋巴结进行自动分割，以提高颈部病理性肿块诊断的速度和准确性，并改善患者治疗流程 | 首次探索使用全面的颈部MRI序列进行颈部淋巴结的自动分割，提出的预处理模型和自动重新裁剪方法提高了分割的准确性 | 样本量相对较小（64名患者），且仅针对颈部淋巴结，可能限制了模型的泛化能力 | 提高颈部淋巴结在磁共振图像中的自动分割准确性和速度，优化诊断和治疗流程 | 颈部淋巴结 | 数字病理 | 颈部淋巴结疾病 | MRI | DeepLabv3+ with ResNet-50 | 图像 | 64名患者的1346张MRI切片 | NA | NA | NA | NA |
| 974 | 2025-03-30 |
Fast Reverse Design of 4D-Printed Voxelized Composite Structures Using Deep Learning and Evolutionary Algorithm
2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202407825
PMID:39893044
|
research paper | 本研究提出了一种结合深度学习和进化算法的优化方法，用于4D打印的体素化复合结构的快速逆向设计 | 开发了一种序列增强的并行卷积神经网络和渐进式进化算法（PEA），构建了DL-PEA框架，显著缩短了设计时间至约3.04秒 | 研究主要针对溶剂响应性水凝胶，可能不适用于其他类型的刺激响应材料 | 优化4D打印的体素化复合结构的设计过程，以实现特定目标形状的快速逆向设计 | 溶剂响应性水凝胶的4D打印体素化复合结构 | machine learning | NA | 深度学习（DL）、进化算法、有限元模拟 | 序列增强的并行CNN、渐进式进化算法（PEA） | 模拟数据 | NA | NA | NA | NA | NA |
| 975 | 2025-03-29 |
Hybrid fruit bee optimization algorithm-based deep convolution neural network for brain tumour classification using MRI images
2025-Mar-28, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2476079
PMID:40151966
|
research paper | 该研究提出了一种基于混合水果蜜蜂优化算法的深度卷积神经网络（HFBO-based DCNN），用于MRI图像的脑肿瘤分类 | 结合了混合水果蜜蜂优化算法（HFBO）和深度卷积神经网络（DCNN）以提高脑肿瘤分类的准确性 | 未提及对不同类型脑肿瘤的分类效果是否一致，也未讨论算法在更大规模数据集上的泛化能力 | 提高脑肿瘤分类的准确性 | MRI图像中的脑肿瘤 | digital pathology | brain tumor | MRI | DCNN, HFBO | image | NA | NA | NA | NA | NA |
| 976 | 2025-03-29 |
Concerns regarding deployment of AI-based applications in dentistry - a review
2025-Mar-25, BDJ open
IF:2.5Q2
DOI:10.1038/s41405-025-00319-7
PMID:40133287
|
review | 本文探讨了在牙科领域部署基于AI的应用程序时可能遇到的潜在问题，特别是过分关注技术性能指标而忽视临床适用性的重要性 | 强调了在牙科AI应用中，除了技术验证外，进行实际部署研究的重要性 | 研究中仅有一家公司回应并提供试用版本，不足以全面评估应用程序的有效性 | 评估AI在牙科诊断、治疗规划和预后中的临床应用及其挑战 | 牙科AI应用程序 | digital pathology | NA | Deep Learning, Machine Learning | NA | NA | 44项研究（34项来自电子搜索，10项来自手动搜索） | NA | NA | NA | NA |
| 977 | 2025-03-29 |
The invisible architects: microbial communities and their transformative role in soil health and global climate changes
2025-Mar-25, Environmental microbiome
IF:6.2Q1
DOI:10.1186/s40793-025-00694-6
PMID:40133952
|
综述 | 本文综述了土壤微生物群落对土壤健康和全球气候变化的影响及其机制 | 提出了基于深度学习的合成微生物群落开发方法，以改善土壤健康和缓解气候变化 | NA | 探讨微生物如何改变土壤生态系统及其在应对土壤威胁和全球气候变化中的潜力 | 土壤微生物群落及其对土壤环境的影响 | 微生物生态学 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 978 | 2025-03-29 |
Protein Biomarkers of DNA Damage in Yeast Cells for Genotoxicity Screening
2025-Mar-21, Environment & health (Washington, D.C.)
DOI:10.1021/envhealth.4c00160
PMID:40144325
|
研究论文 | 该研究创建了一个包含酵母细胞DNA损伤响应网络的图谱，并鉴定了15个蛋白质生物标志物，用于基因毒性筛选 | 提出了一个基于GFP融合酵母的蛋白质组学检测方法，具有分钟级通路激活数据分辨率，为快速、高效和机制性的基因毒性筛选提供了简洁替代方案 | NA | 开发一种无偏且全面的DNA损伤响应检测方法，用于基因毒性物质的筛选 | 酵母细胞 | 分子生物学 | NA | GFP融合技术、蛋白质组学检测 | 统计模型、深度学习模型 | 蛋白质效应水平指数(PELI) | NA | NA | NA | NA | NA |
| 979 | 2025-03-29 |
Mathematical expression exploration with graph representation and generative graph neural network
2025-Mar-21, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107405
PMID:40147161
|
研究论文 | 本文提出了一种基于图表示和生成图神经网络的数学表达式探索方法，名为GraphDSR | 采用有向无环图（DAG）表示数学表达式，并结合生成图神经网络进行符号回归任务，避免了树表示中的冗余子结构 | 未明确提及具体局限性 | 解决符号回归任务，探索数学表达式的更优表示和生成方法 | 数学表达式 | 机器学习 | NA | 生成图神经网络，强化学习 | GNN | 图数据 | 110个基准测试 | NA | NA | NA | NA |
| 980 | 2025-03-29 |
Prediction of Water Chemical Oxygen Demand with Multi-Scale One-Dimensional Convolutional Neural Network Fusion and Ultraviolet-Visible Spectroscopy
2025-Mar-20, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics10030191
PMID:40136845
|
研究论文 | 提出了一种基于多尺度一维卷积神经网络融合和紫外-可见光谱的水化学需氧量预测方法 | 设计了一种新颖的多尺度一维卷积神经网络融合模型，用于光谱特征提取和COD预测，显著提高了预测精度 | 未提及具体的数据集规模或模型在不同水质条件下的泛化能力 | 提高水化学需氧量(COD)的预测准确性，以实现更可靠和高效的水质监测 | 水质监测中的化学需氧量(COD) | 机器学习 | NA | 紫外-可见光谱(UV-Vis) | 多尺度一维卷积神经网络(MS-1D-CNN) | 光谱数据 | 未提及具体样本数量 | NA | NA | NA | NA |