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 25752 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2025-06-01 |
Development and Validation of a Deep Learning System for the Detection of Nondisplaced Femoral Neck Fractures
2025-Apr-28, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050466
PMID:40428085
|
research paper | 开发并验证了一种用于检测非移位性股骨颈骨折的深度学习系统 | 使用基于ResNet框架的CNN模型，显著提高了非移位性股骨颈骨折的诊断准确性 | 研究主要基于两家医院的影像数据，外部验证数据集来源未详细说明 | 提高非移位性股骨颈骨折的诊断准确性 | 非移位性股骨颈骨折患者 | digital pathology | geriatric disease | deep learning | CNN (ResNet framework) | image | 2032张髋关节X光片 |
| 202 | 2025-06-01 |
FOVEA: Preoperative and intraoperative retinal fundus images with optic disc and retinal vessel annotations
2025-Apr-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04965-2
PMID:40287417
|
research paper | 介绍了一个名为FOVEA的数据集，包含术前和术中的视网膜眼底图像及其注释，旨在支持深度学习在玻璃体视网膜手术中的应用 | FOVEA是首个在术中领域与术前领域匹配高质量注释的数据集 | 数据集仅包含40名患者的数据，样本量相对较小 | 支持玻璃体视网膜手术中的深度学习应用，如定位兴趣点或注册额外的成像模态 | 视网膜眼底图像及其注释 | computer vision | 眼科疾病 | 生物显微镜成像 | NA | image, video | 40名患者的数据 |
| 203 | 2025-06-01 |
Radiomics Analysis of Whole-Kidney Non-Contrast CT for Early Identification of Chronic Kidney Disease Stages 1-3
2025-Apr-25, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050454
PMID:40428073
|
研究论文 | 本研究通过放射组学分析非对比CT图像，结合机器学习技术，旨在早期识别慢性肾病（CKD）1-3期 | 利用放射组学特征结合机器学习技术，首次在非对比CT图像上实现了对CKD早期阶段的非侵入性诊断，且性能优于放射科医师的视觉评估 | 研究为回顾性设计，且仅针对CKD 1-3期患者 | 评估基于非对比CT的放射组学特征结合机器学习技术在区分CKD 1-3期与健康对照中的潜力 | 1099名CKD 1-3期患者和1099名健康对照者 | 数字病理学 | 慢性肾病 | 非对比CT成像、放射组学分析 | VB-net（用于分割）、Gaussian process分类器 | 医学影像（CT图像） | 2198名参与者（1099名患者+1099名对照） |
| 204 | 2025-06-01 |
PE-MT: A Perturbation-Enhanced Mean Teacher for Semi-Supervised Image Segmentation
2025-Apr-25, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050453
PMID:40428072
|
研究论文 | 提出了一种基于不确定性感知均值教师框架的新型半监督分割方法PE-MT，通过引入扰动增强指数移动平均和残差引导不确定性图来提升学生和教师模型的性能 | 引入了扰动增强指数移动平均(pEMA)和残差引导不确定性图(RUM)，以缓解学生和教师模型之间的耦合效应，并准确定位高不确定性区域 | 未提及具体局限性 | 提升医学图像分割的准确性，特别是在标注数据有限的情况下 | 心脏区域 | 数字病理 | 心血管疾病 | 半监督学习 | 均值教师框架(UA-MT) | 医学图像 | 公共LASC和ACDC数据集 |
| 205 | 2025-06-01 |
Artificial Intelligence in Chest Radiography-A Comparative Review of Human and Veterinary Medicine
2025-Apr-25, Veterinary sciences
IF:2.0Q2
DOI:10.3390/vetsci12050404
PMID:40431497
|
review | 本文比较了人工智能在人类和兽医胸部放射学中的应用及其影响 | 比较了人类和兽医医学中AI在胸部放射学中的应用，探讨了各自的挑战和潜力 | 数据限制、算法偏见、需要广泛验证以及伦理和监管问题阻碍了AI的全面实施 | 探讨AI在人类和兽医胸部放射学中的应用及其对诊断速度、准确性和效率的影响 | 人类和兽医医学中的胸部放射学 | digital pathology | NA | deep learning | NA | image | NA |
| 206 | 2025-06-01 |
A Three-Stage Fusion Neural Network for Predicting the Risk of Root Fracture-A Pilot Study
2025-Apr-24, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050447
PMID:40428066
|
研究论文 | 提出一种三阶段融合神经网络(TSFNN)用于预测根管治疗后牙根断裂的风险 | 首次提出结合数值和分类数据的神经网络架构，采用批归一化和嵌入层技术，显著提升预测性能 | 临床数据量有限，属于初步研究 | 提高牙科领域多种临床数据的预测准确性 | 145颗牙齿(97颗断裂牙和48颗非断裂牙) | 机器学习 | 牙科疾病 | 批归一化、嵌入层技术 | TSFNN(三阶段融合神经网络) | 数值数据和分类数据 | 145颗牙齿(包含17项特征) |
| 207 | 2025-06-01 |
Non-Invasive Localization of Epileptogenic Zone in Drug-Resistant Epilepsy Based on Time-Frequency Analysis and VGG Convolutional Neural Network
2025-Apr-23, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050443
PMID:40428062
|
研究论文 | 本研究提出了一种基于时间频率分析和VGG卷积神经网络的无创性定位耐药性癫痫致痫区的方法 | 首次提出结合sLORETA源成像、时间频率分析和VGG-16深度学习的系统框架，用于无创定位致痫区 | 样本量较小（25例患者），仅针对单一类型的耐药性癫痫 | 开发无创自动定位致痫区的方法，以指导电极植入并提高神经外科治疗的效果和安全性 | 耐药性癫痫患者的16通道头皮脑电图 | 数字病理学 | 癫痫 | 短时傅里叶变换(STFT)、连续小波变换(CWT)、超小波算法(superlets)、sLORETA源成像 | VGG-16 CNN | 脑电图(EEG)信号 | 25例成功手术的耐药性癫痫患者 |
| 208 | 2025-06-01 |
AI-assisted computational screening and docking simulation prioritize marine natural products for small-molecule PCSK9 inhibition
2025 Apr-Jun, Current research in translational medicine
IF:3.2Q2
DOI:10.1016/j.retram.2025.103498
PMID:39938184
|
研究论文 | 该研究开发了一种AI辅助的计算筛选和对接模拟方法，用于优先筛选海洋天然产物作为小分子PCSK9抑制剂 | 结合卷积神经网络深度学习模型、分子对接和分子动力学模拟的多步骤虚拟筛选流程，用于发现新型PCSK9抑制剂 | 研究仅基于计算机模拟，未进行实验验证 | 识别新型人类PCSK9抑制剂，以应对与Covid-19相关的心血管和中枢神经系统并发症 | 海洋天然产物数据库(CMNPD)中的化合物 | 计算生物学 | 心血管疾病 | 卷积神经网络(CNN)、分子对接、分子动力学(MD)模拟 | CNN | 化合物结构数据 | 已知作用于中枢神经系统、心血管和抗炎药物的数据集 |
| 209 | 2025-06-01 |
Reproducible image-based profiling with Pycytominer
2025-Apr, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02611-8
PMID:40032995
|
研究论文 | 介绍了一个名为Pycytominer的用户友好、开源的Python包，用于处理高通量显微镜图像分析产生的单细胞特征数据 | 开发了Pycytominer这一工具，实现了基于图像的生物信息学分析关键步骤，支持下游应用 | 未提及具体的技术限制或应用范围限制 | 开发一个工具以处理高通量显微镜图像分析产生的单细胞特征数据，支持下游机器学习应用 | 高通量显微镜图像分析产生的单细胞特征数据 | 数字病理学 | NA | 高通量显微镜 | NA | 图像 | NA |
| 210 | 2025-06-01 |
Development and multicentric external validation of a prognostic COVID-19 severity model based on thoracic CT
2025-Apr-01, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02983-z
PMID:40170034
|
研究论文 | 开发并验证了一种基于胸部CT的COVID-19严重程度预后模型 | 结合患者年龄、性别及胸部CT影像特征，开发了一个逻辑回归模型，用于快速预测COVID-19患者一个月内的严重程度，并在多中心外部数据集上验证了其性能 | 模型训练数据来自早期疫情阶段，未涵盖所有变异株流行时期的数据 | 开发一个基于胸部CT的预后模型，以支持COVID-19患者的风险分层和临床决策 | COVID-19患者 | 数字病理 | COVID-19 | 胸部CT影像分析 | 逻辑回归 | 影像 | 来自STOIC挑战的公开数据及多中心外部数据集 |
| 211 | 2025-06-01 |
Voxel-level radiomics and deep learning for predicting pathologic complete response in esophageal squamous cell carcinoma after neoadjuvant immunotherapy and chemotherapy
2025-Mar-15, Journal for immunotherapy of cancer
IF:10.3Q1
DOI:10.1136/jitc-2024-011149
PMID:40090670
|
research paper | 本研究开发并验证了一种基于体素级放射组学和深度学习的模型，用于预测食管鳞状细胞癌患者在新辅助免疫治疗联合化疗后的病理完全缓解 | 采用新型体素级放射组学方法结合深度学习模型Vision-Mamba，显著提高了预测病理完全缓解的准确性和稳健性 | 研究为回顾性设计，需要前瞻性研究进一步验证模型的临床适用性 | 开发高精度预测模型以指导食管鳞状细胞癌患者的个体化治疗决策 | 接受新辅助免疫治疗联合化疗的食管鳞状细胞癌患者 | digital pathology | esophageal squamous cell carcinoma | CT imaging | Vision-Mamba, 3D-ResNet, Vision Transformer | CT images | 741例患者（469例训练集，118例内部验证集，154例外部验证集） |
| 212 | 2025-06-01 |
A comprehensive dataset of magnetic resonance enterography images with intestinal segment annotations
2025-Mar-11, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04760-z
PMID:40069172
|
研究论文 | 本文介绍了一个包含肠道分段注释的磁共振小肠造影(MRE)图像的综合数据集，旨在支持炎症性肠病(IBD)的AI研究 | 创建了一个高质量、公开可用的全肠道分段MR数据集，并验证了几种最先进的分割方法在该数据集上的效率 | 数据集仅包含114名IBD患者的MRE数据，样本量相对有限 | 为IBD的AI研究提供高质量的数据集和基准结果 | 炎症性肠病(IBD)患者的磁共振小肠造影(MRE)图像 | 数字病理 | 炎症性肠病 | 磁共振小肠造影(MRE) | 深度学习分割方法 | 图像 | 114名IBD患者的MRE数据 |
| 213 | 2025-06-01 |
Evaluation of enzyme activity predictions for variants of unknown significance in Arylsulfatase A
2025-Mar, Human genetics
IF:3.8Q2
DOI:10.1007/s00439-025-02731-3
PMID:40055237
|
研究论文 | 评估机器学习方法在预测Arylsulfatase A基因未知意义变异(VUS)酶活性方面的能力 | 展示了使用标准机器学习工具训练的模型在预测VUS功能效应方面的优越性能，并发现深度学习方法的预测性能有显著提升 | 仅评估了ARSA基因的219个错义VUS，样本量有限 | 评估机器学习方法在预测基因变异功能效应方面的准确性 | Arylsulfatase A (ARSA)基因的219个错义VUS | 机器学习 | 遗传病 | 机器学习 | 深度学习 | 基因变异数据 | 219个错义VUS |
| 214 | 2025-06-01 |
gRNAde: Geometric Deep Learning for 3D RNA inverse design
2025-Feb-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.31.587283
PMID:38826198
|
研究论文 | 本文介绍了一种名为gRNAde的几何深度学习管道，用于3D RNA逆设计，能够考虑结构和动态性来设计RNA序列 | gRNAde采用多状态图神经网络和自回归解码，能够基于一个或多个3D骨架结构生成候选RNA序列，显著提高了原生序列恢复率 | 实验验证仅在10种结构化RNA骨架上进行，样本量相对较小 | 开发一种能够考虑3D构象多样性的RNA序列设计方法 | RNA序列设计 | 机器学习 | NA | 几何深度学习 | GNN | 3D结构数据 | 14个RNA结构（PDB）和10种结构化RNA骨架 |
| 215 | 2025-06-01 |
The information bottleneck as a principle underlying multi-area cortical representations during decision-making
2025-Feb-15, bioRxiv : the preprint server for biology
DOI:10.1101/2023.07.12.548742
PMID:37502862
|
研究论文 | 本文探讨了决策过程中大脑多区域计算的信息瓶颈原则，并通过实验和神经网络模型验证了其机制 | 揭示了大脑多区域计算中信息瓶颈原则的作用，并通过RNN模型模拟了大脑区域间的信息传递机制 | 研究仅基于猴子的DLPFC和PMd区域数据，可能不完全适用于人类大脑 | 理解大脑在决策过程中如何通过多区域计算形成最优表征 | 猴子的背外侧前额叶皮层(DLPFC)和背侧运动前区皮层(PMd) | 神经科学 | NA | 单神经元和多单位记录，RNN训练 | RNN | 神经电生理数据 | 猴子实验数据 |
| 216 | 2025-06-01 |
Adaptive genetic algorithm based deep feature selector for cancer detection in lung histopathological images
2025-Feb-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86362-8
PMID:39922836
|
research paper | 该研究提出了一种基于自适应遗传算法的深度特征选择器，用于肺癌组织病理学图像的癌症检测 | 使用通道注意力机制的深度学习模型作为特征提取器，并结合自适应遗传算法进行特征选择，采用过滤方法计算染色体适应度分数 | 仅在公开数据集LC25000上进行测试，未在其他数据集或实际临床环境中验证 | 提高肺癌检测的准确性和效率 | 肺癌组织病理学图像 | digital pathology | lung cancer | deep learning, genetic algorithm | CNN, K-nearest neighbors | image | LC25000数据集中的样本 |
| 217 | 2025-06-01 |
Blip-up blip-down circular EPI (BUDA-cEPI) for distortion-free dMRI with rapid unrolled deep learning reconstruction
2025-Jan, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2024.110277
PMID:39566835
|
研究论文 | 本文开发了一种快速重建管道BUDA-cEPI RUN-UP，用于实现高质量、高分辨率的扩散磁共振成像（dMRI），并显著缩短重建时间 | 提出了基于机器学习的展开重建方法，引入了虚拟线圈概念，并设计了模仿S-LORAKS正则化的网络架构 | 重建过程仍需要额外的非扩散图像（b值=0 s/mm2）以进一步提高质量 | 开发快速重建管道，以推动BUDA-cEPI在常规临床和神经科学应用中的部署 | 扩散磁共振成像（dMRI）数据 | 医学影像处理 | NA | 扩散磁共振成像（dMRI），S-LORAKS重建 | U-Net | 医学影像 | NA |
| 218 | 2025-06-01 |
Is a single model enough? The systematic comparison of computational approaches for detecting populist radical right content
2025, Quality & quantity
DOI:10.1007/s11135-024-02034-1
PMID:40343105
|
研究论文 | 本文系统比较了计算检测民粹主义激进右翼（PRR）内容的多种方法，包括字典法、经典监督机器学习和深度学习模型 | 首次系统比较66种字典、经典机器学习和深度学习模型在PRR内容检测任务上的表现，并评估不同文本预处理方式的影响 | 在噪声较大的数据集上表现仍不理想，集成模型的改进有限 | 评估不同计算方法在检测民粹主义激进右翼网络内容方面的效果 | 德语测试数据集中的PRR内容 | 自然语言处理 | NA | 字典法、监督机器学习、深度学习 | 多种模型（包括DL模型）和330种集成模型 | 文本 | 三个德语测试数据集（其中一个包含大量噪声） |
| 219 | 2025-05-29 |
Correction: Detection and position evaluation of chest percutaneous drainage catheter on chest radiographs using deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323951
PMID:40424208
|
correction | 对一篇关于使用深度学习检测和评估胸部经皮引流导管在胸部X光片上的位置的文章进行更正 | NA | NA | NA | NA | digital pathology | NA | deep learning | NA | image | NA |
| 220 | 2025-06-01 |
Swim-Rep fusion net: A new backbone with Faster Recurrent Criss Cross Polarized Attention
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321270
PMID:40424251
|
研究论文 | 本文提出了一种新的Swim-Rep融合网络，结合了多尺度特征融合模块和新型注意力模块，用于医学图像和遥感图像分类 | 提出了Swim-Rep融合网络、多尺度条带池化融合模块(MPF)和更快的循环交叉极化注意力模块(FRCPA)，能够提取多维交叉注意力和细粒度特征 | NA | 提高深度学习模型在医学图像和遥感图像分类中的性能 | 医学图像和遥感图像 | 计算机视觉 | NA | 深度学习 | Swim-Rep融合网络, SwimTransformer, RepVGG | 图像 | MIT-BIH数据库和RSSCN7遥感图像数据集 |