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 1370 篇文献，本页显示第 461 - 480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 461 | 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 |
| 462 | 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 |
| 463 | 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 |
| 464 | 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 |
| 465 | 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 |
| 466 | 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 |
| 467 | 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 |
| 468 | 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 |
| 469 | 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 |
| 470 | 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 |
| 471 | 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 |
| 472 | 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 |
| 473 | 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 |
| 474 | 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 |
| 475 | 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 |
| 476 | 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 |
| 477 | 2025-05-09 |
Automated pediatric TMJ articular disk identification and displacement classification in MRI with machine learning
2025-Apr, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105622
PMID:39952550
|
研究论文 | 评估一种自动化两步模型在儿科颞下颌关节（TMJ）磁共振成像（MRI）中使用人工智能（AI）进行解释的性能 | 使用深度学习技术自动识别TMJ骨结构和关节盘，并通过自动化算法对关节盘位移进行分类 | 样本量相对较小（235名儿科患者），且仅针对儿科TMJ MRI | 开发自动化工具以辅助非MRI专家评估儿科TMJ疾病 | 儿科患者的TMJ MRI图像 | 数字病理学 | 颞下颌关节疾病 | MRI | UNet++ | 图像 | 235名儿科患者（470个关节） | NA | NA | NA | NA |
| 478 | 2025-05-09 |
Artificial intelligence in gastrointestinal cancer research: Image learning advances and applications
2025-Apr-01, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2025.217555
PMID:39952597
|
综述 | 本文综述了人工智能在胃肠道肿瘤研究中的最新进展和应用，特别是在早期筛查、诊断、分子标志物识别、治疗规划和预后预测方面的应用 | 总结了AI在胃肠道肿瘤研究中的最新进展，包括其在提高诊断准确性、个性化治疗设计和肿瘤微环境基础研究中的应用 | 未提及具体的AI模型或技术在临床应用中的局限性 | 探讨人工智能在胃肠道肿瘤研究中的应用及其潜力 | 胃肠道肿瘤 | 数字病理学 | 胃肠道癌症 | 深度学习、大语言模型、神经网络 | NA | 图像、多组学数据 | NA | NA | NA | NA | NA |
| 479 | 2025-05-09 |
Geometric deep learning with adaptive full-band spatial diffusion for accurate, efficient, and robust cortical parcellation
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103492
PMID:39954339
|
research paper | 该论文提出了一种基于几何深度学习的自适应全波段空间扩散策略，用于准确、高效且稳健的皮质分区 | 提出了一种全波段谱加速空间扩散策略，直接在个体空间中对原始表面进行分区，避免了传统方法中的球面映射过程，并构建了一个紧凑的深度网络（Cortex-Diffusion） | 未提及具体局限性 | 开发一种自动化的皮质分区方法，以提高分区准确性、效率和鲁棒性 | 婴儿和成人脑成像数据集中的皮质表面 | digital pathology | NA | 几何深度学习 | Cortex-Diffusion | 3D顶点坐标 | 婴儿和成人脑成像数据集 | NA | NA | NA | NA |
| 480 | 2025-05-09 |
Methods for estimating resting energy expenditure in intensive care patients: A comparative study of predictive equations with machine learning and deep learning approaches
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108657
PMID:39954654
|
research paper | 比较预测方程与机器学习和深度学习方法在重症监护患者静息能量消耗估计中的性能 | 首次将机器学习和深度学习方法应用于重症监护患者的静息能量消耗估计，并与传统预测方程进行比较 | 研究样本量较小（300例），且未在独立数据集和多样化患者群体中进行进一步验证 | 评估机器学习和深度学习方法在重症监护患者静息能量消耗估计中的准确性和应用潜力 | 重症监护患者的静息能量消耗 | machine learning | 重症监护 | 机器学习（XGBoost, RFR, SVR）和深度学习（CNN） | XGBoost, Random Forest Regressor, Support Vector Regression, CNN | 静态变量（年龄、身高、体重）和动态变量（分钟通气量、体温） | 300例重症监护患者的间接测热法测量数据 | NA | NA | NA | NA |