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 1386 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2025-05-10 |
Transforming personalized weight forecasting: From the Personalized Metabolic Avatar to the Generalized Metabolic Avatar
2025-Apr, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109879
PMID:39978095
|
研究论文 | 该论文提出了一种名为广义代谢化身（GMA）的模型，用于预测更广泛用户群体的体重变化，而无需个体数据测量 | GMA模型通过引入年龄和性别等参数，消除了对个体数据测量的需求，显著提高了计算效率并保持了预测准确性 | 尽管GMA在预测准确性上与PMA相当，但在理想条件下的RMSE略高于PMA（0.54 ± 0.03 vs 0.42 ± 0.04） | 开发一个无需个体数据测量的通用代谢预测模型，以提高预测效率和应用范围 | 体重变化的预测模型 | 机器学习 | NA | 深度学习 | GRU（门控循环单元） | 营养组成和每日能量平衡数据 | NA | NA | NA | NA | NA |
| 402 | 2025-05-10 |
C-UQ: Conflict-based uncertainty quantification-A case study in lung cancer classification
2025-Apr, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109825
PMID:39978099
|
研究论文 | 本研究提出了一种基于冲突的不确定性量化方法，应用于肺癌分类，结合Dempster-Shafer理论和深度集成方法 | 提出了一种新的基于冲突的不确定性量化方法，利用Dempster-Shafer理论和深度集成方法，有效量化预测不确定性 | 计算需求可能挑战实时应用，未来工作将集中在优化效率和探索替代的Dempster-Shafer理论组合规则及混合模型 | 提高深度学习在医学诊断中的不确定性量化能力，确保可靠的临床决策 | 肺癌分类 | 数字病理 | 肺癌 | Dempster-Shafer理论，深度集成方法 | Deep Ensemble | 3D生物医学数据 | LIDC-IDRI数据集及其他3D生物医学数据集 | NA | NA | NA | NA |
| 403 | 2025-05-10 |
Addressing imbalance in health data: Synthetic minority oversampling using deep learning
2025-Apr, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109830
PMID:39983361
|
研究论文 | 本文提出了一种基于深度学习的合成少数类过采样方法，用于解决医疗数据中的类别不平衡问题 | 提出了一种结合辅助引导条件变分自编码器（ACVAE）和对比学习的深度学习方法，以及一种集成技术，通过ACVAE生成合成正样本并使用ECDNN算法减少多数类样本 | 实验仅在12个不同的医疗数据集上进行，可能无法涵盖所有医疗数据场景 | 解决医疗数据中的类别不平衡问题，以提高机器学习模型的性能和公平性 | 医疗数据中的类别不平衡问题 | 机器学习 | NA | ACVAE和ECDNN算法 | 条件变分自编码器（ACVAE） | 医疗数据 | 12个不同的医疗数据集 | NA | NA | NA | NA |
| 404 | 2025-05-10 |
A multi-task self-supervised approach for mass detection in automated breast ultrasound using double attention recurrent residual U-Net
2025-Apr, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109829
PMID:39983360
|
研究论文 | 本文提出了一种基于自监督框架的新型计算机辅助检测系统，用于自动乳腺超声中的肿块检测 | 采用自监督学习框架利用未标注的ABUS数据集提升检测效果，并创新性地结合了多任务学习方法 | 高度依赖训练样本数量，检测精度与假阳性率的平衡存在挑战 | 开发高效的计算机辅助检测系统以减轻放射科医生工作负担并提高检测准确性 | 自动乳腺超声（ABUS）图像中的肿块检测 | 数字病理 | 乳腺癌 | 自监督学习，多任务学习 | DATTR2U-Net（双注意力循环残差U-Net） | 3D超声图像 | TDSCABUS公共数据集 | NA | NA | NA | NA |
| 405 | 2025-05-10 |
RNA structure prediction using deep learning - A comprehensive review
2025-Apr, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109845
PMID:39983363
|
综述 | 本文全面回顾了利用深度学习技术预测RNA结构的研究进展 | 强调了深度学习在RNA二级结构预测中的应用，并对现有技术进行了比较分析 | 指出了文献中的空白和当前面临的挑战 | 促进对RNA功能的理解和基于RNA的药物设计 | RNA二级结构 | 计算生物学 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 406 | 2025-05-10 |
Toward deep learning sequence-structure co-generation for protein design
2025-Apr, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103018
PMID:39983410
|
综述 | 本文回顾了深度生成模型在蛋白质设计中的最新进展，特别关注序列-结构共生成方法 | 探讨了序列-结构共生成方法在蛋白质设计中的潜力，以实现更准确和可控的设计 | NA | 探讨深度生成模型在蛋白质设计中的应用，特别是序列-结构共生成方法 | 蛋白质序列和结构 | 机器学习 | NA | NA | 深度生成模型 | 序列和结构数据 | NA | NA | NA | NA | NA |
| 407 | 2025-05-10 |
Integrating manual preprocessing with automated feature extraction for improved rodent seizure classification
2025-Apr, Epilepsy & behavior : E&B
IF:2.3Q2
DOI:10.1016/j.yebeh.2025.110306
PMID:39983590
|
research paper | 该研究开发了一种结合手动预处理和自动特征提取的半自动流程，用于改进啮齿动物癫痫发作分类 | 提出了一种结合模型驱动和数据驱动方法的混合方法，利用PoseC3D模型对啮齿动物癫痫阶段进行分类 | 该方法无法实现完全自动化的癫痫检测，且未在未见过的动物上进行测试，限制了其普适性和广泛应用 | 开发一种AI支持的定量分析方法，用于啮齿动物行为分析，包括癫痫阶段分类 | 啮齿动物（大鼠）的癫痫发作行为 | computer vision | epilepsy | deep learning, computer vision | PoseC3D | video | 两个数据集，包括大鼠骨架关键点和癫痫发作行为视频 | NA | NA | NA | NA |
| 408 | 2025-05-10 |
Physics-informed neural networks for enhanced reference evapotranspiration estimation in Morocco: Balancing semi-physical models and deep learning
2025-Apr, Chemosphere
IF:8.1Q1
|
研究论文 | 本文提出了一种基于物理信息神经网络（PINNs）的方法，用于在摩洛哥增强参考蒸散量（ETo）的估计，以平衡半物理模型和深度学习的优势 | 通过将半物理模型整合到神经网络的损失函数中，提出了一种新的残差损失计算方法，结合了数据驱动损失和半物理模型损失，提高了模型的准确性和可解释性 | 研究仅基于摩洛哥Tensift流域四个自动气象站的数据，可能限制了模型的泛化能力 | 提高参考蒸散量（ETo）的估计准确性，以支持农业水资源管理和灌溉系统优化 | 参考蒸散量（ETo） | 环境科学 | NA | 物理信息神经网络（PINNs），CMA-ES优化算法 | PINN | 气象数据（气温、太阳辐射、相对湿度、风速） | 摩洛哥Tensift流域四个自动气象站的数据 | NA | NA | NA | NA |
| 409 | 2025-05-10 |
Subtraction-free artifact-aware digital subtraction angiography image generation for head and neck vessels from motion data
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出了一种无需减影的、基于运动数据的头颈部血管数字减影血管造影（DSA）图像生成方法，旨在消除运动伪影 | 创新性地提出了Artifact-aware DSA图像生成方法（AaDSA），仅利用运动数据生成无伪影的DSA图像，无需减影过程，并通过梯度场变换（GFT）技术生成伪影掩码指导模型训练 | 需要进一步验证在更广泛临床数据集上的泛化能力 | 开发一种能够自动生成无运动伪影的DSA图像的方法，以提高血管疾病诊断的准确性 | 头颈部血管的DSA图像 | digital pathology | cardiovascular disease | deep learning, Gradient Field Transformation (GFT) | DL-based model | image | 真实头颈部DSA数据集（具体样本量未明确说明） | NA | NA | NA | NA |
| 410 | 2025-05-10 |
Deep Learning-based Quantitative CT Myocardial Perfusion Imaging and Risk Stratification of Coronary Artery Disease
2025-Apr, Radiology
IF:12.1Q1
DOI:10.1148/radiol.242570
PMID:40298595
|
研究论文 | 开发并验证了一种基于深度学习的模型，用于自动量化心肌血流和缺血心肌体积百分比，并探索其对主要不良心血管事件的预后价值 | 首次开发了基于深度学习的自动量化心肌血流和缺血心肌体积百分比的模型，并验证其在心血管风险分层中的预后价值 | 研究样本来自多个中心，可能存在数据异质性，且前瞻性队列的随访时间有限 | 开发并验证深度学习模型，用于心肌缺血的自动诊断和心血管风险分层 | 临床接受CT心肌灌注成像和冠状动脉CT血管造影的患者 | 数字病理学 | 心血管疾病 | 动态CT心肌灌注成像（MPI）和冠状动脉CT血管造影（CCTA） | 深度学习模型（DL） | 医学影像 | 1108名患者（平均年龄61岁±12，667名男性） | NA | NA | NA | NA |
| 411 | 2025-05-10 |
Quantitative Evaluation of Tendon Gliding Sounds and Their Classification Using Deep Learning Models
2025-Apr, Cureus
DOI:10.7759/cureus.81790
PMID:40330348
|
research paper | 本研究旨在开发和评估一种深度学习模型，用于分类通过数字听诊器记录的肌腱滑动声音 | 利用深度学习模型分析肌腱滑动声音的频谱特征，实现高精度分类，为非侵入性诊断肌腱疾病提供新方法 | 样本量较小 | 开发一种基于人工智能的非侵入性诊断工具，用于检测肌腱疾病 | 健康志愿者的拇指和食指肌腱滑动声音 | machine learning | musculoskeletal disorders | spectrogram analysis | DL | audio | 小样本健康志愿者 | NA | NA | NA | NA |
| 412 | 2025-05-10 |
Current Architectural and Developmental Approaches in Artificial Intelligence Models for Prostate Cancer Detection and Management: A Technical Report
2025-Apr, Cureus
DOI:10.7759/cureus.81748
PMID:40330342
|
技术报告 | 本文探讨了人工智能模型在前列腺癌检测和管理中的当前架构和发展方法 | 介绍了AI驱动模型（如CNN和深度学习系统）在提高肿瘤检测和Gleason分级诊断准确性方面的应用，以及集成PSA数据以提高风险分层的准确性 | 数据来源不一致、成像领域转移以及缺乏标准化的染色归一化等问题阻碍了AI在临床中的广泛应用 | 提升前列腺癌诊断方法的准确性和效率 | 前列腺癌的诊断和管理 | 数字病理学 | 前列腺癌 | 深度学习、集成学习、半监督学习 | CNN、深度学习系统 | 组织病理学全切片图像、PSA数据 | NA | NA | NA | NA | NA |
| 413 | 2025-05-09 |
Reliable Radiologic Skeletal Muscle Area Assessment - A Biomarker for Cancer Cachexia Diagnosis
2025-Apr-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.21.25326162
PMID:40313262
|
research paper | 开发了一种基于深度学习的自动化工具SMAART-AI，用于通过CT扫描评估骨骼肌面积，以诊断癌症恶病质 | SMAART-AI结合了自动化、高准确性和不确定性机制，提高了骨骼肌面积评估的可靠性，并开发了MLP模型用于预测恶病质 | 研究主要基于胃食管癌数据集，可能在其他癌症类型中的泛化性有待验证 | 开发一种可靠的工具用于癌症恶病质的早期诊断和干预 | 癌症患者的骨骼肌面积评估和恶病质预测 | digital pathology | gastroesophageal cancer | CT扫描 | nnU-Net 2D, MLP | image | 胃食管癌数据集 | NA | NA | NA | NA |
| 414 | 2025-05-09 |
Establishing performance criteria for evaluating watershed-scale sediment and nutrient models at fine temporal scales
2025-Apr-15, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2025.123156
PMID:39955106
|
research paper | 该研究旨在建立用于评估流域尺度沉积物和养分模型在精细时间尺度上性能的标准 | 提出了针对精细时间尺度的过程模型性能评估标准，并探讨了校准持续时间、目标单位选择等因素对模型性能的影响 | 虽然标准基于过程模型开发，但可能不完全适用于所有类型的模型评估 | 建立流域水质模型的性能评估标准 | 流域水质模型（涉及水流、沉积物、总养分和溶解养分） | 环境建模 | NA | Nash-Sutcliffe效率(NSE)分析、自助法(bootstrapping) | 过程模型、深度学习模型 | 水质监测数据 | 229个模型应用案例 | NA | NA | NA | NA |
| 415 | 2025-05-09 |
Identifying RNA-small Molecule Binding Sites Using Geometric Deep Learning with Language Models
2025-Apr-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169010
PMID:39961524
|
研究论文 | 开发了一个名为RNABind的几何深度学习框架，用于从RNA结构中检测RNA与小分子的结合位点 | 将RNA大型语言模型（LLMs）整合到先进的几何深度学习网络中，同时编码RNA序列和结构信息，并构建了最大的RNA-小分子相互作用数据集 | 未提及具体的局限性 | 预测RNA与小分子的结合位点，以促进RNA靶向药物发现 | RNA与小分子的结合位点 | 自然语言处理 | NA | 几何深度学习与语言模型 | RNABind（整合了RNA LLMs的几何深度学习网络） | RNA序列和结构数据 | 从整个多链复合体结构中编译的最大RNA-小分子相互作用数据集 | NA | NA | NA | NA |
| 416 | 2025-05-09 |
EEGConvNeXt: A novel convolutional neural network model for automated detection of Alzheimer's Disease and Frontotemporal Dementia using EEG signals
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108652
PMID:39938252
|
研究论文 | 提出了一种名为EEGConvNeXt的新型卷积神经网络模型，用于通过EEG信号自动检测阿尔茨海默病和额颞叶痴呆 | EEGConvNeXt是一种轻量级的CNN模型，基于transformer模型构建，具有高效的多类分类能力 | 依赖相对较小的数据集，需要在更多样化的人群中进行进一步验证 | 开发一种高效、轻量级的深度学习模型，用于神经退行性疾病的自动检测 | 阿尔茨海默病(AD)和额颞叶痴呆(FD)患者及对照组的EEG信号 | 数字病理学 | 老年病 | EEG信号分析 | CNN (EEGConvNeXt) | EEG信号转换的功率谱图像 | 包含AD、FD和对照组三个类别的公开EEG数据集 | NA | NA | NA | NA |
| 417 | 2025-05-09 |
LMTTM-VMI: Linked Memory Token Turing Machine for 3D volumetric medical image classification
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108640
PMID:39951959
|
研究论文 | 提出了一种名为LMTTM的新型深度学习模型，用于高效处理3D医学体积图像的分类问题 | 引入了链接记忆令牌图灵机（LMTTM），利用外部链接记忆有效处理3D医学体积图像的空间依赖性和结构复杂性 | 未提及具体的数据集局限性或模型适用范围 | 提高3D医学体积图像分类的准确性和效率 | 3D医学体积图像 | 数字病理 | NA | 深度学习 | LMTTM | 3D医学图像 | 六个来自MedMNIST v2的3D医学体积图像数据集 | NA | NA | NA | NA |
| 418 | 2025-05-09 |
"Brain state network dynamics in pediatric epilepsy: Chaotic attractor transition ensemble network"
2025-Apr, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109832
PMID:39951978
|
research paper | 提出了一种新型的集成框架CATE-NET，用于识别儿童癫痫的神经动力学特征，区分生理性脑活动和癫痫引起的信号异常 | 结合混沌和动力系统理论，设计了模块化的CATE-NET框架，利用非线性动力学和混沌吸引子（特别是Rössler混沌吸引子）建模头皮EEG数据，并通过LSTM网络和概率图自动分析脑状态 | 未提及具体样本量，且依赖于EEG信号的质量 | 改进儿童癫痫的脑状态分析和癫痫活动检测 | 儿童癫痫患者的脑电图信号 | digital pathology | epilepsy | EEG信号分析，混沌吸引子建模，深度学习 | LSTM，概率图模型 | EEG信号 | NA | NA | NA | NA | NA |
| 419 | 2025-05-09 |
Detection of brain tumors using a transfer learning-based optimized ResNet152 model in MR images
2025-Apr, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109790
PMID:39951980
|
research paper | 该研究探讨了基于迁移学习的优化ResNet152模型在MR图像中检测脑肿瘤的有效性 | 结合深度学习和传统机器学习技术，使用预处理管道和PCA进行图像增强和降维，比较ResNet152和GoogleNet的性能 | 未提及模型在其他类型肿瘤或不同成像技术中的泛化能力 | 提高脑肿瘤诊断的准确性 | 脑肿瘤的MR图像 | digital pathology | brain tumor | magnetic resonance (MR) scans, PCA, data augmentation | ResNet152, GoogleNet, SVM, KNN, CART, GNB | image | 未明确提及具体样本数量，数据集按80%训练和20%测试划分 | NA | NA | NA | NA |
| 420 | 2025-05-09 |
Illuminating the unseen: Advancing MRI domain generalization through causality
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103459
PMID:39952023
|
research paper | 提出了一种针对加速MRI重建的领域泛化框架，通过因果对齐增强模型在未见领域的鲁棒性 | 首次提出专为加速MRI重建设计的领域泛化框架GenCA-MRI，通过机制级不变性（因果对齐）捕获MRI数据内在因果关系 | 未明确说明计算策略对超参数敏感度或计算资源消耗的具体影响 | 解决加速MRI重建中训练-测试领域偏移（如图像对比度/解剖区域/采集策略变化）导致的性能下降问题 | 多领域MRI数据（fastMRI和IXI数据集） | medical imaging | NA | deep learning-based MRI reconstruction | domain generalization framework (GenCA-MRI) | MRI图像 | fastMRI和IXI数据集（具体数量未说明） | NA | NA | NA | NA |