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 1387 篇文献，本页显示第 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2025-06-04 |
Estimating motor symptom presence and severity in Parkinson's disease from wrist accelerometer time series using ROCKET and InceptionTime
2025-May-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04263-2
PMID:40450120
|
研究论文 | 该研究探讨了使用ROCKET和InceptionTime模型从手腕加速度计时间序列数据中估计帕金森病患者的运动症状存在和严重程度 | 首次将InceptionTime和ROCKET模型应用于帕金森病运动症状监测，并比较了它们在处理复杂运动模式和小数据集方面的性能 | 在检测运动障碍方面遇到挑战，且数据集规模较小 | 开发更有效的帕金森病运动症状监测方法 | 帕金森病患者的腕部运动数据 | 机器学习 | 帕金森病 | 时间序列分类 | InceptionTime, ROCKET, 多层感知机 | 时间序列数据 | NA | NA | NA | NA | NA |
| 362 | 2025-06-04 |
Development and validation of an integrated residual-recurrent neural network model for automated heart murmur detection in pediatric populations
2025-May-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04746-2
PMID:40450176
|
研究论文 | 开发并验证了一种集成的残差-循环神经网络模型，用于自动检测儿科人群中的心脏杂音 | 结合了传统机器学习和深度学习技术，提出了一种创新的AI方法，以提高儿科人群心脏杂音的检测效果 | 研究样本量有限（500名儿科参与者），且未提及模型在不同年龄段或不同疾病阶段的泛化能力 | 改善儿科心脏疾病的早期检测策略 | 儿科人群的心脏杂音检测 | 机器学习 | 心血管疾病 | 心脏听诊 | Residual-Recurrent Neural Networks | 心脏声音记录 | 500名儿科参与者 | NA | NA | NA | NA |
| 363 | 2025-06-04 |
Detecting cyber attacks in vehicle networks using improved LSTM based optimization methodology
2025-May-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04643-8
PMID:40450183
|
研究论文 | 本文提出了一种基于改进LSTM和优化方法的深度学习框架，用于检测车辆网络中的网络攻击 | 采用改进的长短期记忆网络(ILSTM)结合鳄鱼优化算法(COA)进行参数优化，显著提高了检测准确率和性能指标 | 仅使用UNSW-NB15数据集进行验证，未在其他车辆网络数据集上测试 | 开发一种高效准确的车辆网络入侵检测系统 | 车辆网络中的网络攻击 | 机器学习 | NA | 离散傅里叶变换(DFT)，最大-最小归一化 | 改进的长短期记忆网络(ILSTM) | 网络流量数据 | UNSW-NB15数据集 | NA | NA | NA | NA |
| 364 | 2025-06-04 |
Deep learning based motion correction in ultrasound microvessel imaging approach improves thyroid nodule classification
2025-May-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02728-y
PMID:40447670
|
研究论文 | 提出一种基于深度学习的运动校正技术，用于改善超声定量高清微血管成像中的甲状腺结节分类 | 引入深度学习技术校正超声图像中的帧间运动伪影，提高甲状腺结节分类的准确性 | 研究未提及是否在其他类型运动伪影或更大规模数据集上验证方法的普适性 | 改善甲状腺结节的超声分类准确性 | 甲状腺结节 | 数字病理 | 甲状腺疾病 | 定量高清微血管成像(qHDMI) | 深度学习 | 超声图像 | 根据运动量分为低运动和高运动病例的数据集 | NA | NA | NA | NA |
| 365 | 2025-06-04 |
Artificial Intelligence in the Diagnosis and Prognostication of the Musculoskeletal Patient
2025-May-28, HSS journal : the musculoskeletal journal of Hospital for Special Surgery
IF:1.6Q2
DOI:10.1177/15563316251339660
PMID:40454292
|
review | 本文探讨了人工智能在肌肉骨骼疾病诊断和预后中的应用 | 介绍了计算机视觉算法和患者特异性多模态预测模型，并提出了一个简单的框架来讨论AI模型开发的局限性 | 讨论了AI模型开发的局限性 | 探讨人工智能在肌肉骨骼疾病诊断和预后中的应用 | 肌肉骨骼疾病患者 | computer vision | musculoskeletal diseases | machine learning, deep learning | generative AI | multimodal data | NA | NA | NA | NA | NA |
| 366 | 2025-05-29 |
Reply to Commentary on "Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review"
2025-May-27, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-025-04938-1
PMID:40425882
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 367 | 2025-10-06 |
Development of an Automated Tool for the Estimation of Histological Remission in Ulcerative Colitis Using Single-Wavelength Endoscopy Technology
2025-May-08, Journal of Crohn's & colitis
DOI:10.1093/ecco-jcc/jjae180
PMID:39602814
|
研究论文 | 开发基于单波长内窥镜技术的自动化工具，用于评估溃疡性结肠炎的组织学缓解 | 首次将单波长内窥镜技术与计算机辅助诊断系统结合，通过增强毛细血管可见性提高组织学缓解检测准确率 | 研究样本量相对有限（112名患者），且使用原型内窥镜系统可能限制临床推广 | 评估基于白光内窥镜和单波长内窥镜的计算机辅助诊断系统在溃疡性结肠炎组织学活动评估中的准确性 | 溃疡性结肠炎患者的内窥镜图像数据 | 数字病理 | 溃疡性结肠炎 | 单波长内窥镜技术，白光内窥镜 | 深度学习模型 | 内窥镜图像 | 112名患者的6926组对应白光内窥镜和单波长内窥镜图像帧 | NA | NA | 准确率，灵敏度，特异性 | NA |
| 368 | 2025-10-06 |
Evolving biomaterials design from trial and error to intelligent innovation
2025-05-01, Acta biomaterialia
IF:9.4Q1
DOI:10.1016/j.actbio.2025.03.013
PMID:40081552
|
综述 | 系统回顾生物材料设计技术的发展历程，重点探讨人工智能与高通量筛选技术的融合及其未来潜力 | 提出从传统试错法到人工智能驱动的智能创新范式转变，系统阐述AI在生物材料设计中的变革性作用 | 作为综述文章，未涉及具体实验验证和原始数据 | 总结生物材料设计技术的演进过程并展望未来发展方向 | 生物材料设计方法和技术 | 材料科学 | NA | 高通量筛选(HTS), 机器学习(ML), 深度学习 | NA | 材料性能数据 | NA | NA | NA | NA | NA |
| 369 | 2025-10-06 |
Quantitative dynamics of neural uncertainty in sensory processing and decision-making during discriminative learning
2025-May, Experimental & molecular medicine
DOI:10.1038/s12276-025-01456-7
PMID:40335633
|
研究论文 | 使用深度学习方法量化感觉皮层在辨别学习过程中神经活动的不确定性 | 首次引入transformer模型解码随时间不一致的神经数据，揭示fS1区域同时编码振动刺激和决策过程的不确定性 | 研究局限于初级体感皮层前肢区域，未扩展到其他脑区 | 量化神经活动中的不确定性表征及其在感觉处理和决策中的作用 | 初级体感皮层前肢区域(fS1)的神经活动 | 机器学习 | NA | 深度学习 | transformer | 神经活动数据 | NA | NA | transformer | NA | NA |
| 370 | 2025-06-04 |
Pathomics in Gastrointestinal Tumors: Research Progress and Clinical Applications
2025-May, Cureus
DOI:10.7759/cureus.85060
PMID:40452669
|
综述 | 本文综述了病理组学在胃肠道肿瘤中的研究进展及其临床应用 | 介绍了病理组学作为一种新型工具，结合高分辨率数字切片扫描技术和深度学习算法，用于胃肠道肿瘤的精确诊断和治疗 | 当前面临的挑战包括技术应用的局限性和未来发展方向的不确定性 | 探讨病理组学在胃肠道肿瘤诊断和治疗中的应用 | 胃肠道肿瘤 | 数字病理学 | 胃肠道肿瘤 | 高分辨率数字切片扫描技术、机器学习和深度学习 | 深度学习算法 | 全切片图像 | NA | NA | NA | NA | NA |
| 371 | 2025-10-06 |
Application of Deep Neural Networks in the Manufacturing Process of Mesenchymal Stem Cells Therapeutics
2025-May-30, International journal of stem cells
IF:2.5Q3
DOI:10.15283/ijsc24070
PMID:39322430
|
研究论文 | 本研究应用深度神经网络分析间充质干细胞图像，以监测细胞融合度和状态 | 首次基于深度学习方法分析细胞图像，直接影响干细胞治疗产品的产量和质量参数 | 异常细胞检测仅限于单层培养图像，多层培养仅在单层培养无异常细胞时进行 | 开发自动化的细胞治疗制造过程监控方法 | 间充质干细胞 | 计算机视觉 | NA | 细胞培养成像 | 深度神经网络 | 图像 | 多种培养容器中培养的间充质干细胞图像 | NA | NA | 准确率 | NA |
| 372 | 2025-06-03 |
Bayesian deep-learning structured illumination microscopy enables reliable super-resolution imaging with uncertainty quantification
2025-May-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60093-w
PMID:40447610
|
research paper | 本文提出了一种基于贝叶斯深度学习的结构光照明显微镜（BayesDL-SIM）方法，用于实现高保真超分辨率成像并量化不确定性 | 开发了BayesDL-SIM方法，首次在SIM中引入贝叶斯深度学习框架，实现了超分辨率不确定性的量化，并提升了密集标记结构的重建质量 | 未明确说明该方法在计算资源需求或处理速度方面的局限性 | 提高结构光照明显微镜（SIM）成像的可靠性和透明度，实现超分辨率不确定性的量化 | 生物过程的超分辨率成像，特别是活细胞成像 | computational microscopy | NA | structured illumination microscopy (SIM), Bayesian deep learning | Bayesian deep learning | microscopy images | NA（涉及活细胞成像实验，但未明确样本数量） | NA | NA | NA | NA |
| 373 | 2025-06-03 |
Pixel super-resolved virtual staining of label-free tissue using diffusion models
2025-May-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60387-z
PMID:40447613
|
研究论文 | 本文提出了一种基于扩散模型的像素超分辨率虚拟染色方法，用于将无标记组织显微镜图像转换为等效的组织化学染色样本 | 利用布朗桥过程增强空间分辨率和保真度，显著降低生成图像的方差，提高稳定性和准确性 | NA | 提高无标记组织虚拟染色的分辨率和图像质量，增强临床诊断的可靠性 | 无标记人类肺组织样本的自动荧光图像 | 数字病理学 | 肺癌 | 扩散模型 | 扩散模型 | 图像 | NA | NA | NA | NA | NA |
| 374 | 2025-06-03 |
DeepDTAGen: a multitask deep learning framework for drug-target affinity prediction and target-aware drugs generation
2025-May-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59917-6
PMID:40447614
|
研究论文 | 本文提出了一种多任务深度学习框架DeepDTAGen，用于预测药物-靶标亲和力并生成靶标感知的新药物 | 开发了一个多任务学习框架，能够同时预测药物-靶标结合亲和力并生成新的靶标感知药物变体，解决了现有方法单任务设计的局限性 | 未提及具体的数据集规模限制或模型泛化能力的局限性 | 加速药物发现和开发过程，提高药物-靶标相互作用预测和新药生成的效率 | 药物分子和靶标蛋白质 | 机器学习 | NA | 深度学习 | 多任务深度学习框架 | 药物分子和蛋白质的结构数据 | 三个真实世界的数据集 | NA | NA | NA | NA |
| 375 | 2025-06-03 |
Automated diagnosis for extraction difficulty of maxillary and mandibular third molars and post-extraction complications using deep learning
2025-May-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00236-7
PMID:40447616
|
研究论文 | 本研究提出了一种基于深度学习的方法，用于自动预测上下颌第三磨牙的拔牙难度及拔牙后并发症 | 首次提出一种同时预测拔牙难度和并发症（如上颌窦穿孔和下牙槽神经损伤）的自动化诊断方法 | NA | 开发一种自动化诊断方法，以辅助临床医生在手术前预测第三磨牙的拔牙难度和可能的并发症 | 上下颌第三磨牙（M3） | 数字病理学 | 口腔疾病 | 深度学习 | 语义分割和分类模型 | 图像（正颌全景片，OPGs） | 4,903张由专家标注的正颌全景片 | NA | NA | NA | NA |
| 376 | 2025-06-03 |
Assessing and improving reliability of neighbor embedding methods: a map-continuity perspective
2025-May-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60434-9
PMID:40447630
|
research paper | 本文提出了一种评估和改进邻域嵌入方法可靠性的框架LOO-map，旨在解决t-SNE和UMAP等方法在可视化高维数据时可能引入的误导性视觉伪影问题 | 利用留一法原则，将嵌入映射扩展到整个输入空间，并开发了两种点状诊断分数来检测不可靠的嵌入点并改进超参数选择 | NA | 评估和改进邻域嵌入方法的可靠性，以更准确地可视化高维数据 | 高维数据，特别是计算机视觉和单细胞组学数据 | machine learning | NA | LOO-map框架 | t-SNE, UMAP | 高维数据 | NA | NA | NA | NA | NA |
| 377 | 2025-06-03 |
Upper limb human-exoskeleton system motion state classification based on semg: application of CNN-BiLSTM-attention model
2025-May-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02864-5
PMID:40447649
|
research paper | 该研究基于表面肌电信号对上肢五种典型运动状态进行分类，以支持辅助上肢外骨骼的实时控制系统 | 提出了一种结合CNN、BiLSTM和注意力机制的深度学习模型，提高了复杂场景下运动状态识别的准确性 | 样本量较小（仅10名参与者），且仅针对特定肌肉群 | 开发一种能够准确分类上肢运动状态的模型，以支持外骨骼实时控制系统 | 上肢运动状态（静止、轻度活动、快速运动、动态负重和静态负重） | machine learning | NA | 表面肌电信号采集 | CNN-BiLSTM-attention | 生物电信号 | 10名参与者的肱二头肌、肱三头肌和三角肌的肌电数据 | NA | NA | NA | NA |
| 378 | 2025-06-03 |
Assessing the performance of domain-specific models for plant leaf disease classification: a comprehensive benchmark of transfer-learning on open datasets
2025-May-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03235-w
PMID:40447674
|
research paper | 本文通过评估多种CNN模型在公开植物叶片病害数据集上的性能，旨在确定最适合植物叶片病害分类的模型架构 | 首次对23种最先进的CNN模型在18个公开数据集上进行了全面基准测试，并比较了迁移学习和微调的效果 | 研究仅基于公开数据集，可能无法完全代表实际田间条件下的病害识别情况 | 确定最适合植物叶片病害分类的深度学习模型架构 | 植物叶片病害图像 | computer vision | 植物病害 | 迁移学习 | CNN | image | 18个公开数据集，共训练4140个模型 | NA | NA | NA | NA |
| 379 | 2025-06-03 |
Deep learning-driven automated mitochondrial segmentation for analysis of complex transmission electron microscopy images
2025-May-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03311-1
PMID:40447684
|
研究论文 | 介绍了一种结合概率交互式分割与线粒体形态自动量化的深度学习框架，用于复杂透射电子显微镜图像的线粒体分割分析 | 结合不确定性分析和实时用户反馈，模型在保持分割精度的同时将分析时间减少了90% | NA | 开发一种自动化工具，用于高效、可重复地分析线粒体形态及其与细胞功能和疾病机制的关系 | 小鼠骨骼肌的透射电子显微镜图像 | 计算机视觉 | 杜氏肌营养不良症 | 透射电子显微镜(TEM) | 深度学习框架 | 图像 | 基准Lucchi++数据集和真实世界的小鼠骨骼肌TEM图像 | NA | NA | NA | NA |
| 380 | 2025-06-03 |
A global object-oriented dynamic network for low-altitude remote sensing object detection
2025-May-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02194-6
PMID:40447715
|
研究论文 | 本文提出了一种名为GOOD-Net的全局面向对象动态网络算法，用于低空遥感图像中的目标检测 | 引入了ReSSD Block、GPSA和DECBS等新模块组件，实现了细粒度特征提取，同时保持计算和参数效率 | NA | 开发一种高效、实时的低空遥感目标检测算法 | 低空遥感图像中的目标 | 计算机视觉 | NA | 深度学习 | GOOD-Net | 图像 | VisDrone数据集 | NA | NA | NA | NA |