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 24022 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2025-05-01 |
Impact of synthetic data on training a deep learning model for lesion detection and classification in contrast-enhanced mammography
2025-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.S2.S22006
PMID:40302983
|
research paper | 研究合成数据在训练深度学习模型用于对比增强乳腺摄影中病变检测和分类的影响 | 通过模拟微钙化簇生成合成数据，并将其与真实数据结合训练模型，探索合成数据对提升模型性能的作用 | 合成数据与真实数据结合训练时，虽然提高了恶性病变的检测灵敏度，但降低了精确度，且集成模型性能不如独立深度学习模型 | 提升对比增强乳腺摄影中病变检测和分类的深度学习模型性能 | 对比增强乳腺摄影中的增强肿块和微钙化簇 | digital pathology | breast cancer | deep learning, radiomics | DL model, radiomics classifier | image | 782名患者的无病变乳腺图像用于生成合成数据，850名患者的真实数据用于训练，内部验证集212名患者，外部验证集279名患者 |
| 2 | 2025-05-01 |
PLPTP: A Motif-based Interpretable Deep Learning Framework Based on Protein Language Models for Peptide Toxicity Prediction
2025-Jun-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169115
PMID:40158838
|
研究论文 | 本研究提出了一种基于深度学习的肽毒性预测模型PLPTP，整合了ESM2、BiLSTM和DNN技术，并通过基序分析增强模型的可解释性 | 结合ESM2、BiLSTM和DNN的深度学习框架，引入基序分析提高模型可解释性，使用Focal Loss解决类别不平衡问题 | 未提及模型在跨物种或不同肽类上的泛化能力测试 | 提高肽毒性预测的准确性以促进更安全的肽类药物设计 | 肽序列及其毒性特征 | 生物信息学 | NA | ESM2蛋白语言模型、BiLSTM、DNN | ESM2+BiLSTM+DNN混合模型 | 蛋白质序列数据 | 未明确提及具体样本量 |
| 3 | 2025-05-01 |
AI-Driven Microscopy: Cutting-Edge Approach for Breast Tissue Prognosis Using Microscopic Images
2025-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24788
PMID:39748498
|
研究论文 | 本文提出了一种基于AI驱动的显微镜技术，用于乳腺癌组织的预后预测，通过深度学习框架提高临床诊断的准确性和效率 | 结合了squeeze-and-excitation和dilated dense convolution blocks的深度学习框架，以及轻量级多尺度特征提取、动态区域注意力、子区域分类和区域正则化损失函数，显著提高了乳腺癌亚型分类的准确性 | 研究依赖于特定的显微镜图像数据集，可能在其他类型的数据或设备上表现不同 | 开发一种高效、精确的定量病理图像分析方法，以改善乳腺癌的临床诊断和预后预测 | 乳腺癌组织的显微镜图像 | 数字病理学 | 乳腺癌 | 深度学习 | DenseNet, VGGNet-19, ResNet152V2, EfficientNetV2-B1 | 图像 | 显微镜乳腺图像数据集，具体数量未提及 |
| 4 | 2025-05-01 |
Highly-Efficient Differentiation of Reactive Lymphocytes in Peripheral Blood Using Multi-Object Detection Network With Large Kernels
2025-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24775
PMID:39760201
|
研究论文 | 提出了一种高效的多目标检测网络，用于外周血中反应性淋巴细胞的分化检测 | 引入了空间到深度卷积(SPD-Conv)、动态大核注意力机制(DLKA)和渐进特征金字塔网络(AFPN)，提升了模型对小而密集目标的检测能力和多尺度特征融合能力 | 未提及模型在临床实际应用中的验证情况 | 开发计算机辅助诊断系统，用于反应性淋巴细胞和其他白细胞的检测 | 外周血中的反应性淋巴细胞和其他白细胞 | 计算机视觉 | 病毒感染 | 深度学习 | 多目标检测网络 | 医学影像 | NA |
| 5 | 2025-05-01 |
Enhancing panoramic dental imaging with AI-driven arch surface fitting: achieving improved clarity and accuracy through an optimal reconstruction zone
2025-05-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf006
PMID:39832267
|
研究论文 | 本研究开发了一种基于AI的全自动方法，通过优化3D重建区域生成更清晰、对齐良好的全景牙科影像 | 采用3D U-Net深度学习模型生成牙弓曲面并调整全景视图，实现了关键牙科特征的高对比度和清晰度 | 未来研究需要验证该方法在不同牙科和颌面结构患者中的稳健性 | 开发自动化方法以生成更清晰、对齐良好的全景牙科影像 | 312名患者的锥形束CT（CBCT）扫描数据 | 数字病理 | 牙科疾病 | 锥形束CT（CBCT）扫描 | 3D U-Net | 医学影像 | 312名患者（平均年龄40岁，范围10-78岁，41.3%男性，58.7%女性） |
| 6 | 2025-05-01 |
Deep learning-based segmentation of the mandibular canals in cone-beam CT reaches human-level performance
2025-05-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae069
PMID:39932925
|
research paper | 评估基于深度学习的下颌管分割技术在锥形束CT数据中的准确性和可靠性，为牙科种植治疗规划提供支持工具 | 提出的深度学习模型在下颌管分割任务中达到人类水平的表现，并可能减少神经血管并发症风险 | 样本量相对较小（90例CBCT扫描），且仅由两名经验丰富的牙科影像从业者进行定性评估 | 开发可靠且高效的牙科种植治疗规划支持工具 | 下颌管在锥形束CT（CBCT）中的分割 | digital pathology | NA | 锥形束CT（CBCT） | hierarchical convolutional neural network | image | 90例CBCT扫描（69例训练，1例验证，20例测试） |
| 7 | 2025-05-01 |
Deep learning image enhancement for confident diagnosis of TMJ osteoarthritis in zero-TE MR imaging
2025-05-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae063
PMID:39989448
|
research paper | 评估深度学习在零回波时间MRI（ZTE-MRI）中降噪和伪影减少（AR）的有效性，并比较其与颞下颌关节（TMJ）锥形束CT（CBCT）的诊断准确性 | 新开发的深度学习技术用于ZTE-MRI的降噪和伪影减少，展示了临床实用性 | 样本量较小（30例患者），且仅针对TMJ骨成像 | 评估深度学习技术在ZTE-MRI图像增强中的效果，以替代CBCT用于TMJ骨成像 | 30例患者的CBCT和ZTE-MRI数据 | digital pathology | 颞下颌关节骨关节炎 | 深度学习 | NA | MRI图像 | 30例患者 |
| 8 | 2025-05-01 |
Predicting and Explaining Cognitive Load, Attention, and Working Memory in Virtual Multitasking
2025-May, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3549850
PMID:40063446
|
研究论文 | 本文利用深度学习模型预测和解释虚拟环境中多任务处理时的认知负荷、注意力及工作记忆，并通过SHAP分析识别关键特征 | 首次结合生理指标和眼动追踪数据，使用深度学习模型综合预测认知负荷、注意力及工作记忆，并应用SHAP分析解释模型决策 | 研究依赖于单一公开数据集VRWalking，未在其他数据集验证模型泛化能力 | 探索虚拟现实环境中用户认知状态的预测方法及其解释性 | 虚拟现实环境中的多任务处理者 | 虚拟现实 | NA | 眼动追踪、心率(HR)、皮肤电反应(GSR) | 深度学习 | 生理信号、眼动数据 | VRWalking公开数据集（具体样本量未说明） |
| 9 | 2025-05-01 |
Predicting Respiratory Disease Mortality Risk Using Open-Source AI on Chest Radiographs in an Asian Health Screening Population
2025-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.240628
PMID:40172326
|
research paper | 评估开源深度学习算法CXR-Lung-Risk在亚洲健康筛查人群中预测呼吸系统疾病死亡风险的预后价值 | 使用开源AI算法CXR-Lung-Risk对基线及随访胸片进行两层风险分层，探索性纵向分析提高了预测准确性 | 单中心回顾性研究，可能存在选择偏倚，且样本中呼吸系统疾病死亡率较低（0.7%） | 评估CXR-Lung-Risk算法在预测呼吸系统疾病死亡风险中的预后价值 | 亚洲健康筛查人群的胸片数据 | digital pathology | lung cancer | deep learning-based algorithm | CXR-Lung-Risk | chest radiographs | 36,924名接受健康筛查的个体 |
| 10 | 2025-04-04 |
scAtlasVAE: a deep learning framework for generating a human CD8+ T cell atlas
2025-May, Nature reviews. Cancer
DOI:10.1038/s41568-025-00811-0
PMID:40175619
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11 | 2025-05-01 |
Analyzing resuscitation conference content through the lens of the chain of survival
2025-May, Resuscitation plus
IF:2.1Q2
DOI:10.1016/j.resplu.2025.100951
PMID:40297165
|
研究论文 | 通过生存链框架分析复苏会议的内容 | 首次使用生存链框架对复苏会议摘要进行系统分析，并考察了人工智能和机器学习在数据分析中的应用 | 仅分析了两大会议的数据，可能无法代表所有复苏科学会议的情况 | 了解复苏科学会议中讨论的主题分布及其与生存链框架的对应关系 | 复苏会议摘要 | 医学信息学 | 心血管疾病 | 机器学习 | NA | 文本 | Resuscitation 2024的54篇摘要和Resuscitation Science Symposium 2024的47篇摘要 |
| 12 | 2025-05-01 |
Predicting Mortality with Deep Learning: Are Metrics Alone Enough?
2025-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.250224
PMID:40304577
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13 | 2025-05-01 |
Determinants of ascending aortic morphology: cross-sectional deep learning-based analysis on 25 073 non-contrast-enhanced NAKO MRI studies
2025-Apr-30, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeaf081
PMID:40052574
|
研究论文 | 本研究利用深度学习自动分析25,073例非对比增强磁共振血管造影数据，探讨升主动脉形态的决定因素 | 首次在大型流行病学队列中应用深度学习自动分割胸主动脉并结合因果分析揭示升主动脉直径的可能因果决定因素 | 研究为横断面设计，无法确定时间序列上的因果关系 | 探究升主动脉形态的决定因素以支持精准诊断和治疗策略 | 25,073例来自德国国家队列(NAKO)的非对比增强磁共振血管造影数据 | 数字病理学 | 心血管疾病 | 非对比增强磁共振血管造影(NC-MRA) | 深度学习(DL) | 3D医学影像 | 25,073例NC-MRA研究 |
| 14 | 2025-05-01 |
Hyperspectral Imaging and Deep Learning for Quality and Safety Inspection of Fruits and Vegetables: A Review
2025-Apr-30, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.4c11492
PMID:40237548
|
综述 | 本文综述了高光谱成像技术与深度学习方法在水果和蔬菜质量与安全检测中的应用 | 结合高光谱成像与深度学习，提高检测精度和效率，推动果蔬质量检测的智能化和精准化 | 未来研究需关注降低成本、优化设备、个性化特征提取及模型泛化能力等问题 | 探讨高光谱成像与深度学习在果蔬质量与安全检测中的应用及未来发展方向 | 水果和蔬菜的质量与安全检测 | 计算机视觉 | NA | 高光谱成像技术 | 深度学习 | 图像 | NA |
| 15 | 2025-05-01 |
3D tooth identification for forensic dentistry using deep learning
2025-Apr-30, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-06017-y
PMID:40301795
|
research paper | 该论文提出了一种利用深度学习从3D牙齿模型中提取关键特征并转换为2D图像格式进行详细分析的新方法 | 创新性地将3D牙齿模型转换为2D图像格式，并采用RNN架构处理这些图像，提高了分类准确性和诊断效率 | 未提及具体的数据集规模或实际应用中的性能表现 | 改进法医牙科中的牙齿结构分类方法 | 3D牙齿模型 | computer vision | NA | 深度学习 | RNN | 3D模型和2D图像 | NA |
| 16 | 2025-05-01 |
Clinical Applications of Artificial Intelligence in Vascular Surgery
2025-Apr-30, Vascular specialist international
IF:0.8Q4
DOI:10.5758/vsi.240120
PMID:40302180
|
review | 本文综述了人工智能在血管外科中的临床应用及其面临的挑战 | 探讨了AI技术在血管外科中的具体应用及智能穿戴设备的使用 | 血管外科医生对计算机科学、编程语言和复杂AI技术的理解有限，阻碍了AI的广泛应用 | 介绍AI基础知识及其在血管外科中的应用 | 血管外科医生及AI技术 | machine learning | cardiovascular disease | machine learning, deep learning, artificial neural networks | NA | NA | NA |
| 17 | 2025-05-01 |
Enhanced heart disease risk prediction using adaptive botox optimization based deep long-term recurrent convolutional network
2025-Apr-30, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329251333750
PMID:40302494
|
研究论文 | 该研究提出了一种结合先进数据预处理、特征选择和深度学习技术的方法，用于基于物联网传感器数据的心脏病分类 | 采用改进的二进制量子鸟类导航优化算法(IBQANO)进行特征选择，并使用自适应肉毒杆菌优化算法(ABOA)微调的深度长期递归卷积网络(DLRCN)进行分类 | NA | 开发一种可靠且准确的心脏病预测方法，用于远程医疗监测 | 心脏病患者数据 | 机器学习 | 心血管疾病 | 深度学习 | DLRCN | 传感器数据 | 匈牙利、UCI和克利夫兰心脏病数据集 |
| 18 | 2025-05-01 |
Deep learning-based decision support system for cervical cancer identification in liquid-based cytology pap smears
2025-Apr-30, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329251330081
PMID:40302490
|
研究论文 | 本文提出了一种基于深度学习的决策支持系统，用于在液基细胞学巴氏涂片中识别宫颈癌 | 结合稀疏自动编码器和Binary Harris Hawk元启发式优化算法的新型混合特征降维和优化模块，以及使用三个预训练的CNN提取补充特征集 | 未提及具体样本量或外部验证结果 | 开发高效的计算机辅助诊断系统以改善宫颈癌早期检测 | 液基细胞学巴氏涂片图像 | 数字病理学 | 宫颈癌 | 深度学习 | 稀疏自动编码器、CNN、K最近邻 | 图像 | NA |
| 19 | 2025-05-01 |
Engaging the Community: CASP Special Interest Groups
2025-Apr-30, Proteins
IF:3.2Q2
DOI:10.1002/prot.26833
PMID:40304050
|
评论 | 本文介绍了CASP特别兴趣小组（SIGs）的成立及其在促进跨学科对话和合作中的作用 | 通过建立特别兴趣小组和在线研讨会系列，促进了CASP社区成员之间的持续对话和跨学科合作 | 未提及具体的预测算法或技术的改进细节 | 促进CASP社区成员之间的持续对话和跨学科合作 | CASP社区成员，包括深度学习专家和NMR专家等 | 生物分子结构预测 | NA | NA | NA | NA | NA |
| 20 | 2025-05-01 |
AI-Assisted Glucocorticoid Treatment Response Prediction of Active Ulcerative Active Patients
2025-Apr-30, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.16961
PMID:40304464
|
研究论文 | 使用深度学习模型预测活动性溃疡性结肠炎患者对糖皮质激素治疗的反应 | 开发并验证了一种基于全切片图像和临床数据的深度学习模型（UCG-SwinT），用于预测糖皮质激素诱导治疗的反应 | 样本量相对较小，仅来自中国的两个医疗中心 | 预测活动性溃疡性结肠炎患者对糖皮质激素治疗的反应，以实现更精确的治疗管理 | 212名溃疡性结肠炎患者的485张肠道组织学全切片图像 | 数字病理学 | 溃疡性结肠炎 | 深度学习 | UCG-SwinT | 图像和临床数据 | 212名患者的485张全切片图像 |