深度学习在生物医药领域中的应用
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，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10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 1619 篇文献，本页显示第 1461 - 1480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1461 | 2025-04-27 |
Deep learning-driven semi-rational design in phenylalanine ammonia-lyase for enhanced catalytic efficiency
2025-May, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.141024
PMID:39984092
|
研究论文 | 本研究利用深度学习指导的半理性设计方法，提高了苯丙氨酸氨裂解酶（PAL）的催化效率 | 采用深度学习指导的策略结合高通量筛选和酶活性测定，成功提高了PAL的催化效率和活性 | 研究仅针对Anabaena variabilis来源的PAL（AvPAL），可能不适用于其他来源的PAL | 提高苯丙氨酸氨裂解酶（PAL）的催化效率，以增强其在农业、工业和疾病治疗中的应用潜力 | Anabaena variabilis来源的苯丙氨酸氨裂解酶（AvPAL）及其突变体 | 机器学习 | 苯丙酮尿症（PKU） | 深度学习、高通量筛选、酶活性测定、分子动力学模拟 | 深度学习模型 | 酶活性数据、分子动力学模拟数据 | 33个突变体中的26个被验证具有增强的活性 |
| 1462 | 2025-04-27 |
ViDDAR: Vision Language Model-Based Task-Detrimental Content Detection for Augmented Reality
2025-May, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3549147
PMID:40072851
|
研究论文 | 本文提出了一种基于视觉语言模型的任务有害内容检测系统ViDDAR，用于增强现实环境中虚拟内容的监控与评估 | ViDDAR是首个利用视觉语言模型（VLMs）检测增强现实环境中任务有害内容的系统 | 检测信息操纵内容的延迟较高（9.62秒） | 解决增强现实中虚拟内容对任务性能的负面影响 | 增强现实环境中的虚拟内容 | 计算机视觉 | NA | 深度学习 | 视觉语言模型（VLM） | 图像 | 自定义开源数据集 |
| 1463 | 2025-04-27 |
U-shaped deep learning networks for algal bloom detection using Sentinel-2 imagery: Exploring model performance and transferability
2025-May, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.125152
PMID:40179468
|
研究论文 | 本研究评估了U形深度学习网络在利用Sentinel-2卫星图像检测藻华方面的性能及可迁移性 | 探索了多种U形深度学习模型（如U-Net、RU-Net、Attention U-Net、ARU-Net和SegNet）在藻华检测中的应用，并强调了多样化数据集在提升模型性能方面的重要性 | 未提及具体局限性，但暗示了先前模型在检测低密度藻华和跨时空泛化方面的不足 | 评估U形深度学习网络在藻华检测中的性能及可迁移性，以支持环境监测与管理 | 内陆水体（湖泊）中的藻华 | 计算机视觉 | NA | 深度学习 | U-Net, RU-Net, Attention U-Net, ARU-Net, SegNet | 卫星图像 | 多时相Sentinel-2图像，覆盖不同日期和地理位置（如Lake Burdur、Lake Chaohu和Lake Turawskie） |
| 1464 | 2025-04-27 |
A novel deep learning-based floating garbage detection approach and its effectiveness evaluation in environmentally sustainable development
2025-May, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.125154
PMID:40186972
|
research paper | 提出了一种基于YOLOv8的高效经济深度学习解决方案，用于水面漂浮垃圾的检测与收集 | 通过改进YOLOv8的主干网络、引入Wise-Powerful IoU损失函数和添加AuxHead检测头，有效压缩了复杂环境因素的负面影响，提高了检测精度 | NA | 提高水面聚集漂浮垃圾的检测效率和收集率，促进水生态系统的保护与恢复 | 水面聚集的漂浮垃圾 | computer vision | NA | deep learning | YOLOv8 | image | NA |
| 1465 | 2025-04-27 |
AI-Cirrhosis-ECG (ACE) score for predicting decompensation and liver outcomes
2025-May, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2025.101356
PMID:40276480
|
research paper | 该研究开发了一种基于深度学习的AI-Cirrhosis-ECG (ACE)评分，用于预测肝硬化患者的失代偿和肝脏相关结局 | 利用深度学习从广泛可用的心电图中提取特征，开发了一种非侵入性工具来预测肝硬化患者的临床结局 | 需要在更多样化的人群中进行进一步验证，并与其它已建立的预测因子整合 | 提高肝硬化患者的疾病严重程度和预后预测准确性 | 肝硬化患者 | digital pathology | liver disease | deep learning | NA | ECG | 472名患者的2,166份心电图（回顾性队列）、420名患者（前瞻性队列）和341名患者（外部验证队列） |
| 1466 | 2025-04-26 |
Development of an artificial intelligence-generated, explainable treatment recommendation system for urothelial carcinoma and renal cell carcinoma to support multidisciplinary cancer conferences
2025-May-02, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2025.115367
PMID:40107091
|
研究论文 | 开发了一种基于人工智能的可解释治疗推荐系统，用于支持多学科癌症会议中尿路上皮癌和肾细胞癌的治疗决策 | 首次展示了AI生成的可解释治疗推荐，并在尿路上皮癌和肾细胞癌中表现出色，为临床肿瘤学中的多学科癌症会议提供了高质量、基于证据的治疗支持工具 | 需要前瞻性验证结果 | 开发一种AI系统，为尿路上皮癌和肾细胞癌生成额外的治疗推荐，以支持多学科癌症会议中的决策 | 尿路上皮癌和肾细胞癌患者 | 数字病理 | 尿路上皮癌, 肾细胞癌 | 机器学习（CatBoost, XGBoost, Random Forest）和深度学习（TabPFN, TabNet, SoftOrdering CNN, FCN） | 多种模型包括CatBoost, XGBoost, Random Forest, TabPFN, TabNet, SoftOrdering CNN, FCN | 临床数据 | 1617例尿路上皮癌和880例肾细胞癌的多学科癌症会议推荐 |
| 1467 | 2024-08-07 |
Enhancing multimodal deep learning for improved precision and efficiency in medical diagnostics
2025-May, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20166
PMID:38808949
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1468 | 2024-09-23 |
Response to 'Enhancing multimodal deep learning for improved precision and efficiency in medical diagnostics'
2025-May, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20347
PMID:39305063
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1469 | 2025-04-26 |
Deep learning radiomic nomogram outperforms the clinical model in distinguishing intracranial solitary fibrous tumors from angiomatous meningiomas and can predict patient prognosis
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11082-y
PMID:39412667
|
研究论文 | 本文提出了一种基于MRI的深度学习放射组学列线图（DLRN），用于区分颅内孤立性纤维瘤（ISFTs）和血管瘤性脑膜瘤（AMs），并预测ISFT患者的总生存期（OS） | DLRN在区分ISFTs和AMs方面优于临床模型（CM），并能预测ISFT患者的OS | 研究样本主要来自两家医院，可能存在一定的选择偏差 | 评估基于MRI的DLRN在区分ISFTs和AMs及预测ISFT患者OS中的价值 | 颅内孤立性纤维瘤（ISFTs）和血管瘤性脑膜瘤（AMs）患者 | 数字病理学 | 脑肿瘤 | MRI | 深度学习放射组学列线图（DLRN） | 医学影像 | 1090名患者（主要队列）和131名患者（外部验证队列） |
| 1470 | 2025-04-26 |
Significance of Image Reconstruction Parameters for Future Lung Cancer Risk Prediction Using Low-Dose Chest Computed Tomography and the Open-Access Sybil Algorithm
2025-May-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001131
PMID:39437009
|
研究论文 | 本研究探讨了图像重建参数和CT扫描仪制造商对Sybil算法在低剂量胸部CT扫描中预测肺癌风险性能的影响 | 首次系统评估了不同图像重建参数和CT扫描仪制造商对Sybil算法性能的影响，并发现结合有利的重建参数可以显著提高2-4年预测能力 | 研究仅基于美国国家肺癌筛查试验的参与者数据，可能无法推广到其他人群 | 评估Sybil算法在不同图像重建参数和CT扫描仪条件下的性能稳定性 | 低剂量胸部CT扫描图像 | 数字病理学 | 肺癌 | 低剂量CT扫描 | 深度学习算法(Sybil) | 医学影像 | 1049对标准与骨重建滤波器图像，1961对标准与肺重建滤波器图像，1288对2mm与5mm轴向切片厚度图像 |
| 1471 | 2025-04-26 |
Unbiased and reproducible liver MRI-PDFF estimation using a scan protocol-informed deep learning method
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11164-x
PMID:39500799
|
research paper | 该研究提出了一种基于深度学习的VET-Net方法，用于从化学位移编码MR图像中精确且稳健地估计质子密度脂肪分数（PDFF） | VET-Net通过整合回波时间（TEs）作为辅助输入，能够在任何TE设置下计算PDFF，提高了方法的适应性和精确性 | 研究仅使用了单中心肝脏CSE-MRI数据集，可能限制了结果的广泛适用性 | 开发一种精确且对不同MR扫描仪和采集回波时间（TEs）稳健的PDFF估计方法 | 肝脏CSE-MR图像和脂肪-水幻影数据集 | 医学影像分析 | 肝脂肪变性 | 化学位移编码MR成像（CSE-MRI） | 深度学习（DL） | 图像 | 188名受试者的4146个轴向切片，以及一个开源的多中心多厂商脂肪-水幻影数据集 |
| 1472 | 2025-04-26 |
Envelope spectrum knowledge-guided domain invariant representation learning strategy for intelligent fault diagnosis of bearing
2025-May, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2025.03.004
PMID:40102111
|
research paper | 该研究提出了一种基于包络谱知识引导的领域不变表示学习策略（DIRLs），用于轴承在不同工况下的智能故障诊断 | 通过包络谱知识蒸馏捕获傅里叶特征作为领域不变特征，并设计了一种创新的损失函数以最大化健康状态表示的二范式度量，丰富了表示的多样性 | 未明确提及具体局限性，但可能依赖于特定数据集的有效性 | 开发一种能够在不同工况下进行轴承故障诊断的智能方法 | 轴承故障诊断 | machine learning | NA | envelope spectrum knowledge distillation | domain-invariant representation learning strategy (DIRLs) | signal data | Paderborn-bearing数据集和私有轴承数据集 |
| 1473 | 2025-04-03 |
Closing the gap: commercialized deep learning solutions for knee MRI are already transforming clinical practice
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11550-z
PMID:40172638
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1474 | 2025-04-03 |
Reply to the Letter to the Editor: MRI deep learning models for assisted diagnosis of knee pathologies: a systematic review
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11552-x
PMID:40172639
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1475 | 2025-04-26 |
Predicting post-hepatectomy liver failure in patients with hepatocellular carcinoma: nomograms based on deep learning analysis of gadoxetic acid-enhanced MRI
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11173-w
PMID:39528755
|
研究论文 | 本研究旨在开发基于深度学习的钆塞酸增强MRI分析的列线图，用于预测肝细胞癌患者肝切除术后肝功能衰竭 | 利用深度学习算法测量钆塞酸增强肝胆期MRI中非肿瘤肝脏、预期残余肝脏和脾脏的体积及信号强度，构建预测模型并开发在线计算器 | 回顾性研究设计，样本仅来自两个转诊中心 | 预测肝细胞癌患者肝切除术后肝功能衰竭风险 | 接受钆塞酸增强MRI和肝切除术的肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 钆塞酸增强MRI | 深度学习算法 | 医学影像 | 1760名患者（1395名男性，平均年龄60±10岁） |
| 1476 | 2025-04-26 |
Automatic prediction of stroke treatment outcomes: latest advances and perspectives
2025-May, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00462-y
PMID:40271393
|
综述 | 本文综述了深度学习在预测中风治疗结果中的最新进展和应用 | 利用多模态信息（包括最终梗死数据）来更好地预测长期功能结果 | 医学图像分析领域内常见的数据标准化挑战 | 预测中风干预的结果以促进临床决策和改善患者护理 | 中风患者 | 数字病理学 | 心血管疾病 | 深度学习 | NA | 脑部扫描、医疗报告、EEG、ECG、EMG等传感器信息 | NA |
| 1477 | 2025-04-25 |
Performance of Artificial Intelligence in Diagnosing Lumbar Spinal Stenosis: A Systematic Review and Meta-Analysis
2025-May-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005174
PMID:39451133
|
meta-analysis | 该研究通过系统综述和荟萃分析评估了人工智能在诊断腰椎管狭窄症（LSS）中的表现 | 首次对AI在LSS诊断中的准确性进行了系统性评估，并比较了深度学习和机器学习模型的表现 | 需要进一步的外部验证以增强对不同狭窄类别的分析，并提高对轻度至中度狭窄水平的诊断准确性 | 评估AI在诊断各种类型腰椎管狭窄症及其狭窄程度中的诊断价值 | 腰椎管狭窄症（LSS）患者 | 数字病理 | 腰椎管狭窄症 | 深度学习和机器学习 | DL和ML | 医学影像数据 | 48篇研究文章 |
| 1478 | 2025-04-25 |
Assessing Pan-Canada wildfire susceptibility by integrating satellite data with novel hybrid deep learning and black widow optimizer algorithms
2025-May-15, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.179369
PMID:40239493
|
research paper | 本研究通过整合卫星数据、深度学习和元启发式算法，开发了多种新型深度学习模型，用于评估加拿大全国范围内的野火发生概率 | 开发了新型的独立LSTM、RNN、BiLSTM和BiRNN模型，并与黑寡妇优化器（BWO）进行混合，提高了野火预测的准确性 | 研究仅基于历史野火数据，未来气候变化等因素可能影响模型的预测效果 | 开发成本效益高且可靠的野火预测方法，以改善加拿大的土地管理和野火预防策略 | 加拿大全国范围内的野火发生概率 | machine learning | NA | remote sensing, deep learning, metaheuristic algorithms | LSTM, RNN, BiLSTM, BiRNN, BWO | satellite data, historical wildfire locations | 4240 historical large wildfire locations (2014-2023) |
| 1479 | 2025-04-25 |
Feasibility of deep learning algorithm in diagnosing lumbar central canal stenosis using abdominal CT
2025-May, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-024-04796-z
PMID:39249505
|
研究论文 | 开发一种基于深度学习的算法，利用腹部CT和腰椎CT诊断腰椎中央管狭窄症 | 首次使用U-Net架构的深度学习模型自动分割硬膜囊并分类中央管狭窄，且在腹部CT上的诊断性能与腰椎CT相当 | 样本量较小（仅9名患者的990张图像），且为回顾性研究 | 评估深度学习算法在诊断腰椎中央管狭窄症中的可行性 | 腰椎中央管狭窄症患者 | 数字病理学 | 腰椎疾病 | CT成像 | U-Net | 医学影像 | 990张CT图像来自9名患者 |
| 1480 | 2025-04-25 |
Deep Learning-Based Classification of Early-Stage Mycosis Fungoides and Benign Inflammatory Dermatoses on H&E-Stained Whole-Slide Images: A Retrospective, Proof-of-Concept Study
2025-May, The Journal of investigative dermatology
IF:5.7Q1
DOI:10.1016/j.jid.2024.07.036
PMID:39306030
|
研究论文 | 本研究探讨了深度学习在区分早期蕈样肉芽肿和良性炎症性皮肤病中的应用，使用H&E染色的全切片图像数据集 | 首次将深度学习应用于皮肤淋巴瘤的分类，特别是在早期蕈样肉芽肿与良性炎症性皮肤病的区分上 | 需要更大的多机构数据集和改进的方法论，如结合临床数据的多模态深度学习 | 评估深度学习在早期蕈样肉芽肿与良性炎症性皮肤病分类中的表现 | 皮肤活检的H&E染色全切片图像 | 数字病理学 | 皮肤淋巴瘤 | 深度学习 | 弱监督深度学习模型 | 图像 | 924张H&E染色全切片图像，包括233名早期蕈样肉芽肿患者和353名良性炎症性皮肤病患者 |