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 36553 篇文献，本页显示第 21301 - 21320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21301 | 2025-10-07 |
Artificial intelligence for gastric cancer in endoscopy: From diagnostic reasoning to market
2024-Jul, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver
IF:4.0Q1
DOI:10.1016/j.dld.2024.04.019
PMID:38763796
|
综述 | 本文全面评估人工智能在内窥镜成像中评估胃癌前病变和癌变病变的应用现状及临床推广障碍 | 系统梳理人工智能在胃镜领域从诊断推理到市场应用的全链条发展，重点关注临床转化面临的挑战 | 缺乏大规模稳健验证研究，存在监管障碍，临床常规应用尚未普及 | 评估人工智能在内窥镜胃部病变检测中的当前应用状况和实施障碍 | 胃部癌前病变和癌变病变的内窥镜图像 | 计算机视觉 | 胃癌 | 内窥镜成像 | 深度学习 | 医学图像 | NA | NA | NA | NA | NA |
| 21302 | 2025-10-07 |
Sentiment analysis of the Hamas-Israel war on YouTube comments using deep learning
2024-06-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63367-3
PMID:38871739
|
研究论文 | 本研究使用深度学习方法对YouTube上关于哈马斯-以色列战争的评论进行情感分析 | 首次将多种深度学习模型应用于哈马斯-以色列战争相关的社交媒体评论情感分析，并比较了不同词嵌入技术的效果 | 研究仅针对YouTube平台，样本来源有限；人工标注可能存在主观性；未考虑评论的时间动态变化 | 通过分析社交媒体评论了解公众对哈马斯-以色列战争的情感和意见倾向 | YouTube上关于哈马斯-以色列战争的用户评论 | 自然语言处理 | NA | 自然语言处理，情感分析 | LSTM, Bi-LSTM, GRU, CNN | 文本评论 | 24,360条来自BBC、WION、Aljazeera等YouTube新闻频道的评论 | NA | CNN和Bi-LSTM混合模型 | 准确率 | NA |
| 21303 | 2025-10-07 |
The Neurobeachin-like 2 protein (NBEAL2) controls the homeostatic level of the ribosomal protein RPS6 in mast cells
2024-05, Immunology
IF:4.9Q2
DOI:10.1111/imm.13756
PMID:38272677
|
研究论文 | 本研究揭示了NBEAL2蛋白通过调控核糖体蛋白RPS6的稳态水平影响肥大细胞功能的分子机制 | 首次发现NBEAL2与RPS6形成复合物调控其蛋白稳态，并阐明NBEAL2缺失导致RPS6异常磷酸化进而引发肥大细胞表型异常的机制 | 研究主要基于小鼠模型和细胞系，人类样本验证不足；具体分子相互作用机制仍需进一步探索 | 探究NBEAL2在肥大细胞中的详细功能及其分子机制 | 小鼠肥大细胞、MC/9肥大细胞系 | 分子生物学 | 免疫系统疾病 | CRISPR/Cas9基因编辑, 免疫共沉淀, 蛋白质印迹, ELISA, 流式细胞术 | 深度学习 | 蛋白质结构, 分子相互作用数据 | 野生型和Nbeal2基因敲除小鼠的肥大细胞, MC/9细胞系 | RoseTTAFold, Pymol | 深度学习蛋白质结构预测模型 | NA | NA |
| 21304 | 2025-10-07 |
Deep Learning-Based Glucose Prediction Models: A Guide for Practitioners and a Curated Dataset for Improved Diabetes Management
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3365290
PMID:38899015
|
研究论文 | 本研究利用可穿戴传感器采集的生理数据构建基于深度学习的血糖预测模型，并系统比较不同模型架构为从业者提供实践指导 | 系统比较多种深度学习架构在血糖预测任务中的表现，并引入包含健康人群和糖尿病患者在自由生活条件下记录的精选数据集 | NA | 开发准确的中短期血糖预测模型以改善糖尿病管理 | 糖尿病患者及糖尿病高风险人群 | 机器学习 | 糖尿病 | 可穿戴传感器数据采集 | 深度学习 | 生理时间序列数据 | 包含健康个体和糖尿病患者的精选数据集 | NA | 多种深度学习架构 | NA | NA |
| 21305 | 2025-10-07 |
Classification of tomato leaf disease using Transductive Long Short-Term Memory with an attention mechanism
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1467811
PMID:39906226
|
研究论文 | 提出一种结合注意力机制的转导式长短期记忆网络用于番茄叶部病害分类 | 首次将转导学习与LSTM结合并引入注意力机制，通过缩放点积注意力评估图像序列中各步骤的权重 | 未明确说明模型计算复杂度及实际部署可行性 | 开发高效的番茄叶部病害自动分类方法 | 番茄叶片图像 | 计算机视觉 | 植物病害 | 图像处理、数据增强 | T-LSTM, CNN | 图像 | PlantVillage数据集（未明确具体数量） | NA | U-Net, VGG-16, T-LSTM with attention mechanism | 准确率 | NA |
| 21306 | 2025-10-07 |
An improved ShuffleNetV2 method based on ensemble self-distillation for tomato leaf diseases recognition
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1521008
PMID:39906224
|
研究论文 | 提出一种基于集成自蒸馏的改进ShuffleNetV2方法，用于番茄叶部病害识别 | 构建多深度浅层模型建立蒸馏框架，引入深度可分离卷积层提取更有效特征信息，通过集成模型动态传递知识 | NA | 开发适用于边缘设备部署的轻量级番茄病害识别模型 | 番茄叶部病害 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | NA | NA | ShuffleNetV2, VGG16, ResNet18 | 准确率, 精确率, 召回率, F1分数 | 边缘设备 |
| 21307 | 2025-10-07 |
Automated karyogram analysis for early detection of genetic and neurodegenerative disorders: a hybrid machine learning approach
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1525895
PMID:39911161
|
研究论文 | 提出一种结合无监督和监督学习的混合方法，用于自动化染色体核型分析以早期检测遗传和神经退行性疾病 | 开发了结合自编码器和卷积神经网络的混合学习方法，解决了染色体异常数据稀缺和标注数据有限的问题 | 依赖于特定数据集，模型在更广泛染色体异常类型上的泛化能力需要进一步验证 | 开发自动化染色体核型分析方法，实现遗传和神经退行性疾病的早期检测 | 染色体图像 | 医学图像分析 | 遗传疾病,神经退行性疾病 | 染色体核型分析 | Autoencoder, CNN | 图像 | 234,259张染色体图像（包含训练集、验证集和测试集） | NA | Autoencoder, CNN | 准确率, 结构相似性指数, 模板匹配 | NA |
| 21308 | 2025-10-07 |
Proximity-based solutions for optimizing autism spectrum disorder treatment: integrating clinical and process data for personalized care
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1512818
PMID:39911557
|
研究论文 | 利用人工智能技术优化自闭症谱系障碍的诊断和治疗，通过集成临床和流程数据提供个性化护理 | 开发了集成多源数据的中央数据枢纽(MDP)，结合AI算法实现自闭症风险因素识别、个性化治疗计划制定和复发预测，并引入面向患者的聊天机器人 | 未提及具体样本规模和验证方法，缺乏实际应用效果的具体数据 | 改善自闭症谱系障碍的诊断和治疗可及性，实现个性化护理 | 自闭症谱系障碍患者及其临床数据 | 机器学习 | 自闭症谱系障碍 | 人工智能、机器学习和深度学习 | NA | 临床数据和流程数据 | NA | NA | NA | NA | NA |
| 21309 | 2025-10-07 |
Accurate LAI estimation of soybean plants in the field using deep learning and clustering algorithms
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1501612
PMID:39911650
|
研究论文 | 提出结合深度学习和聚类算法的处理流程，从无人机LiDAR点云数据中分割田间大豆植株并估算叶面积指数 | 首次将PointNet++模型与分水岭算法结合用于田间大豆植株分割，显著提升分割精度6.73% | 仅针对大豆植物进行研究，未验证在其他作物上的适用性 | 开发高效准确的田间植物表型参数提取方法 | 田间种植的大豆植株 | 计算机视觉 | NA | LiDAR点云采集 | PointNet++, SVM, RF, XGBoost | 3D点云数据 | NA | NA | PointNet++ | 准确率, F1-score, R², RMSE | NA |
| 21310 | 2025-10-07 |
YOLOv8s-Longan: a lightweight detection method for the longan fruit-picking UAV
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1518294
PMID:39911656
|
研究论文 | 提出一种名为YOLOv8s-Longan的轻量级深度学习算法，用于无人机采摘龙眼果实的快速准确检测 | 设计了AMA注意力模块并集成到DenseAMA和C2f-Faster-AMA模块中，提出VOVGSCSPC模块进行多尺度特征融合，采用新型Inner-SIoU损失函数作为目标边界框损失函数 | NA | 提高无人机采摘场景下果实检测的准确性和速度，同时减少模型参数量 | 龙眼果实 | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | NA | NA | YOLOv8s-Longan, DenseAMA, C2f-Faster-AMA, VOVGSCSPC | mAP@0.5 | 无人机计算平台 |
| 21311 | 2025-02-07 |
Graph Neural Networks in Cancer and Oncology Research: Emerging and Future Trends
2023-Dec-15, Cancers
IF:4.5Q1
DOI:10.3390/cancers15245858
PMID:38136405
|
综述 | 本文综述了图神经网络（GNNs）在癌症和肿瘤学研究中的应用，并探讨了未来的研究趋势 | 本文首次系统性地总结了2020年以来GNN在癌症和肿瘤学研究中的应用，并提出了未来研究的方向 | 本文主要基于现有文献进行综述，未涉及具体的实验验证 | 探讨图神经网络在癌症和肿瘤学研究中的应用及其未来趋势 | 癌症和肿瘤学研究中的多模态图数据 | 机器学习 | 癌症 | 图神经网络（GNNs） | GNN | 图数据（分子结构、空间分辨成像、数字病理学、生物网络、知识图谱等） | NA | NA | NA | NA | NA |
| 21312 | 2025-02-07 |
Response to: Significance and stability of deep learning-based identification of subtypes within major psychiatric disorders. Molecular Psychiatry (2022)
2022-09, Molecular psychiatry
IF:9.6Q1
DOI:10.1038/s41380-022-01613-8
PMID:35681080
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21313 | 2025-10-07 |
Predicting bone metastasis risk of colorectal tumors using radiomics and deep learning ViT model
2025-Apr, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2024.100659
PMID:39902382
|
研究论文 | 本研究结合影像组学和Vision Transformer深度学习技术，开发预测结直肠癌骨转移风险的模型 | 首次将Vision Transformer模型应用于结直肠癌骨转移风险预测，并采用双模态CT图像和晚期融合策略 | 回顾性研究，样本量有限（155例），需要更大规模多中心研究验证 | 开发预测结直肠癌骨转移风险的精准模型 | 结直肠癌患者 | 计算机视觉 | 结直肠癌 | CT成像 | Vision Transformer, SVM, KNN, Random Forest, LightGBM, XGBoost | CT图像 | 155例结直肠癌患者（81例有骨转移，74例无骨转移） | NA | Vision Transformer | AUC-ROC, 准确率, 敏感性, 特异性 | NA |
| 21314 | 2025-10-07 |
Integrating artificial intelligence with smartphone-based imaging for cancer detection in vivo
2025-Mar-01, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2024.116982
PMID:39616900
|
研究论文 | 本文探讨了将人工智能与智能手机成像系统相结合用于体内癌症检测的技术 | 整合智能手机成像与AI算法，为资源有限地区提供便携、经济、可及的早期癌症检测方案 | 智能手机系统存在成像质量较低和计算能力受限的问题 | 开发基于智能手机和AI的早期癌症检测工具 | 不同癌症类型的体内检测 | 计算机视觉 | 癌症 | 智能手机成像 | 深度学习 | 图像 | NA | NA | NA | NA | 智能手机 |
| 21315 | 2025-10-07 |
Fully automatic reconstruction of prostate high-dose-rate brachytherapy interstitial needles using two-phase deep learning-based segmentation and object tracking algorithms
2025-Mar, Clinical and translational radiation oncology
IF:2.7Q2
DOI:10.1016/j.ctro.2025.100925
PMID:39901943
|
研究论文 | 提出一种基于两阶段深度学习的全自动方法，用于定位前列腺高剂量率近距离放射治疗导管 | 首次结合pix2pix GAN和GOTURN两种深度神经网络，实现前列腺近距离放射治疗针的自动分割与轨迹追踪 | 仅使用25名患者的数据进行训练和测试，样本量有限 | 自动化定位前列腺高剂量率近距离放射治疗导管轨迹 | 前列腺高剂量率近距离放射治疗患者的CT图像 | 计算机视觉 | 前列腺癌 | CT成像 | GAN, CNN | 医学图像 | 25名患者，592个测试切片，8764根针 | NA | pix2pix GAN, GOTURN | Dice相似系数, IoU, F1分数, 召回率, 精确度 | NA |
| 21316 | 2024-10-18 |
Radiomics-Based Prediction of Patient Demographic Characteristics on Chest Radiographs: Looking Beyond Deep Learning for Risk of Bias
2025-Feb-05, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.31963
PMID:39413236
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21317 | 2024-12-21 |
Correction to: A review of multimodal deep learning methods for genomic-enabled prediction in plant breeding
2025-Feb-05, Genetics
IF:3.3Q2
DOI:10.1093/genetics/iyae200
PMID:39704758
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21318 | 2025-10-07 |
Advanced Quantitative Phase Microscopy Achieved with Spatial Multiplexing and a Metasurface
2025-Feb-05, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.4c06039
PMID:39838821
|
研究论文 | 提出一种结合超表面光学和深度学习的单次曝光定量相位成像方法 | 通过空间复用超表面光学与强度传输方程结合深度学习，实现高速单次曝光的定量相位成像 | 仅作为概念验证展示，尚未在大规模实际应用中验证 | 开发高速定量相位成像技术以替代传统多曝光相位成像方法 | 校准相位物体和生物样本 | 计算成像 | NA | 定量相位显微镜，强度传输方程 | 神经网络 | 光学相位图像 | NA | NA | 匹配神经网络 | 5%误差，空间带宽积提升 | NA |
| 21319 | 2025-10-07 |
Syn2Real: synthesis of CT image ring artifacts for deep learning-based correction
2025-Feb-05, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adad2c
PMID:39842097
|
研究论文 | 开发了一种在图像域合成CT环形伪影的新方法，用于深度学习校正 | 提出直接在图像域合成逼真环形伪影的数据生成方法，无需依赖特定成像系统物理特性 | NA | 开发可扩展的训练数据生成技术，用于基于深度学习的CT环形伪影校正 | CT图像中的环形伪影 | 计算机视觉 | NA | CT成像 | UNet, UNet++, 扩散模型 | CT图像 | NA | NA | UNet, UNet++ | NA | NA |
| 21320 | 2025-10-07 |
Large Language Models (such as ChatGPT) as Tools for Machine Learning-Based Data Insights in Analytical Chemistry
2025-Feb-05, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c05046
PMID:39907023
|
研究论文 | 本文探讨了大型语言模型（如ChatGPT）作为分析化学中机器学习数据洞察工具的应用 | 首次展示了通过智能手机使用LLM以交互对话方式对激光诱导击穿光谱高光谱成像数据集进行多元数据分析 | NA | 探索大型语言模型在分析化学数据处理和分析中的应用潜力 | 激光诱导击穿光谱高光谱成像数据集 | 自然语言处理 | NA | 激光诱导击穿光谱，高光谱成像 | 大型语言模型 | 光谱数据，高光谱图像 | NA | NA | ChatGPT | NA | 智能手机 |