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 24188 篇文献，本页显示第 2961 - 2980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2961 | 2025-04-12 |
MLG2Net: Molecular Global Graph Network for Drug Response Prediction in Lung Cancer Cell Lines
2025-Apr-10, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02182-3
PMID:40208442
|
research paper | 该研究提出了一种名为MLG2Net的深度学习模型，用于预测肺癌细胞系的药物反应 | MLG2Net是一种受图神经网络启发的模型，结合了药物的局部和全局图网络描述以及细胞系基因组学数据 | 在肺鳞状细胞癌数据集上表现较低，可能由于数据集规模较小影响了模型能力 | 提高肺癌细胞系药物反应预测的准确性 | 肺癌细胞系（肺腺癌和肺鳞状细胞癌） | machine learning | lung cancer | pharmacogenomics data | graph neural networks (GNN) | multi-omics data | LUAD和LUSC细胞系数据集（具体数量未提及） |
| 2962 | 2025-04-12 |
A Deep Learning-Based Approach for the Diagnostic of Brucellar Spondylitis in Magnetic Resonance Images
2025-Apr-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3559909
PMID:40208763
|
研究论文 | 提出了一种基于深度学习的自动化诊断框架BSMRINet，用于从T2加权磁共振图像中诊断布鲁氏菌性脊柱炎 | 首次开发了专门用于检测布鲁氏菌性脊柱炎的深度学习模型BSMRINet，结合了角点检测算法和ResNet、DenseNet架构，并改进了scSE网络 | 研究仅基于582例来自四家医院的数据，可能需要更大规模的多中心验证 | 开发自动化诊断工具以提高布鲁氏菌性脊柱炎的诊断准确性和效率 | 布鲁氏菌性脊柱炎患者的T2加权磁共振图像 | 数字病理学 | 布鲁氏菌病 | 深度学习 | ResNet, DenseNet, scSE网络 | 磁共振图像 | 582例来自四家医院的患者队列 |
| 2963 | 2025-04-12 |
Eliminating Rasterization: Direct Vector Floor Plan Generation with DiffPlanner
2025-Apr-10, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3559682
PMID:40208765
|
research paper | 提出了一种名为DiffPlanner的新型深度学习框架，用于边界约束的平面图生成，完全在向量空间中操作 | DiffPlanner是一个基于Transformer的条件扩散模型，集成了训练中的对齐机制，能够处理复杂的向量数据，更好地拟合预测目标的分布，实现用户可控的生成 | NA | 解决边界约束的平面图生成问题，直接生成房间的拓扑和几何属性 | 平面图布局设计 | computer vision | NA | 深度学习 | Transformer-based conditional diffusion model | vector data | NA |
| 2964 | 2025-04-12 |
Fetal Cerebellum Landmark Detection Based on 3D MRI: Method and Benchmark
2025-Apr-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3559702
PMID:40208761
|
研究论文 | 本文提出了一种基于3D MRI的胎儿小脑标志点检测方法及基准测试 | 引入了Anatomical Pseudo-label Guided Attention (APGA)网络和Feature Decoupling Transformer (FDT)模块，用于提高3D MRI图像中胎儿小脑标志点检测的准确性 | 未明确提及具体局限性，但可能包括对高质量3D MRI数据的依赖以及计算复杂度较高 | 提高胎儿小脑标志点检测的准确性，以评估胎儿大脑发育情况 | 胎儿小脑的3D MRI图像 | 数字病理 | 胎儿大脑发育异常 | 3D MRI成像 | APGA网络（包含FDT模块） | 3D MRI图像 | 未明确提及具体样本数量 |
| 2965 | 2025-04-12 |
Improved Spiral Projection MR Fingerprinting via Memory-Efficient Synergic Optimization of 3D Spiral Trajectory, Image Reconstruction and Parameter Estimation (SOTIP)
2025-Apr-10, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3559467
PMID:40208770
|
研究论文 | 本文旨在通过开发计算高效的基于模型的深度学习图像重建框架和联合优化框架，提高全3D螺旋轨迹高分辨率MR指纹扫描的效率和克服计算挑战 | 提出了一种计算高效的基于模型的深度学习图像重建框架，联合优化了图像重建、定量参数估计和k空间采样轨迹，并通过学习MRF数据的解剖特异性时空稀疏性，数据驱动优化了全3D螺旋轨迹的旋转角度 | NA | 提高3D定量MRI的参数量化精度并缩短重建时间 | 健康受试者和患者的模拟和体内MRF数据 | 医学影像处理 | NA | MR指纹扫描(MRF) | 基于模型的深度学习(MBDL) | 医学影像数据 | 健康受试者和患者的模拟和体内MRF数据 |
| 2966 | 2025-04-12 |
Performance of deep learning algorithm based on Xception in evaluating morphological characteristics reflecting the activity of vitiligo
2025-Apr-10, The British journal of dermatology
DOI:10.1093/bjd/ljaf133
PMID:40209097
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2967 | 2025-04-12 |
Shear Wave Optical Coherence Elastography Imaging by Deep Learning
2025-Apr-10, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70027
PMID:40210208
|
research paper | 该研究提出了一种结合光学相干弹性成像（OCE）和深度学习的方法，用于预测眼组织的生物力学特性 | 通过深度学习优化OCE数据处理流程，提出浓度预测网络（CPN）来预测样本浓度并计算杨氏模量，提高了OCE的效率和准确性 | 研究主要基于琼脂模型和猪角膜，尚未在人类眼组织中进行验证 | 量化眼组织的机械特性，以了解眼病的病因和进展 | 眼组织（琼脂模型和猪角膜） | 数字病理 | 眼科疾病 | 光学相干弹性成像（OCE） | 3D CNN | 图像 | 琼脂模型和不同眼内压下的猪角膜 |
| 2968 | 2025-04-12 |
Variability analysis of soil organic carbon content across land use types and its digital mapping using machine learning and deep learning algorithms
2025-Apr-10, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-13972-0
PMID:40210813
|
研究论文 | 分析了法国普罗旺斯矿区11种不同土地利用类型的土壤有机碳(SOC)含量变异性，并利用机器学习和深度学习算法进行空间建模 | 首次在该区域综合比较了多种机器学习算法(RF、SVM、XGBoost、DNN)对SOC空间变异的预测性能 | 研究仅基于162个土壤样本，样本量相对有限 | 探究不同土地利用类型下SOC含量的空间变异特征，为可持续土壤资源管理提供支持 | 法国普罗旺斯矿区11种土地利用类型的土壤样本 | 机器学习 | NA | 随机森林(RF)、支持向量机(SVM)、极端梯度提升(XGBoost)、深度神经网络(DNN) | RF, SVM, XGBoost, DNN | 土壤样本数据、环境协变量(气候参数、岩性、地形特征、土地覆盖、遥感数据、土壤理化参数) | 162个土壤样本 |
| 2969 | 2025-04-12 |
Peptide Property Prediction for Mass Spectrometry Using AI: An Introduction to State of the Art Models
2025-Apr-10, Proteomics
IF:3.4Q2
DOI:10.1002/pmic.202400398
PMID:40211610
|
综述 | 本文综述了基于质谱的蛋白质组学中用于肽性质预测的先进机器学习和深度学习模型 | 介绍了预测消化性、保留时间、电荷状态分布、碰撞截面、碎片离子强度和可检测性等多种肽性质的模型 | 当前模型在处理多样化的翻译后修饰和仪器变异性方面存在困难，需要大规模、协调的数据集和标准化的评估指标 | 为肽性质预测开发可访问且可复现的模型 | 质谱数据中的肽性质 | 机器学习 | NA | 质谱 | 机器学习和深度学习模型 | 质谱数据 | NA |
| 2970 | 2025-04-12 |
Expanded AI learning: AI as a Tool for Human Learning
2025-Apr-09, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.03.040
PMID:40210520
|
research paper | 研究探讨了深度学习模型作为教学工具，提升放射科医生在无AI辅助下进行影像分类任务的能力 | 首次提出将AI生成的热图作为教学工具，显著提升放射科医生的独立诊断准确性 | 样本量较小（仅3名放射科医生和100张X光片），研究结果可能需要更大规模验证 | 探索AI作为教学工具在放射学领域的应用潜力 | 放射科医生对膝关节X光片的性别分类能力 | digital pathology | NA | 深度学习 | DL | image | 3名放射科医生，前后各50张膝关节X光片（共100张） |
| 2971 | 2025-04-10 |
Author Correction: Advanced predictive machine and deep learning models for round-ended CFST column
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95424-w
PMID:40199925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2972 | 2025-04-12 |
A synergistic approach for enhanced eye blink detection using wavelet analysis, autoencoding and Crow-Search optimized k-NN algorithm
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95119-2
PMID:40199999
|
研究论文 | 提出了一种结合小波分析、自编码和乌鸦搜索优化的k-NN算法的新型眼电信号眨眼检测方法 | 首次将小波分析、自编码和乌鸦搜索优化的k-NN算法相结合，用于EEG信号的眼眨检测 | 未明确说明方法在实时检测或不同EEG设备上的适用性 | 提高从EEG信号中检测眼眨的准确性和效率 | EEG信号中的眼眨特征 | 生物医学信号处理 | NA | 小波分析, 自编码, 乌鸦搜索算法 | k-NN | EEG信号 | NA |
| 2973 | 2025-04-12 |
Leveraging artificial intelligence for diagnosis of children autism through facial expressions
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96014-6
PMID:40200029
|
research paper | 该研究利用人工智能技术，通过儿童面部表情诊断自闭症谱系障碍（ASD） | 提出了一种混合深度学习模型ViT-ResNet152，结合了卷积和Transformer处理单元，提高了ASD诊断的准确率至91.33% | 未来研究需要纳入多种数据类型，扩展数据集多样性，并优化混合架构系统以提高诊断预测能力 | 开发高精度和标准化的早期ASD检测方法 | 自闭症谱系障碍（ASD）儿童 | computer vision | autism spectrum disorder | deep learning, transfer learning, fine-tuning | DenseNet201, ResNet152, VGG16, VGG19, MobileNetV2, EfficientNet-B0, ViT-ResNet152 | RGB images | NA |
| 2974 | 2025-04-12 |
Anesthesia depth prediction from drug infusion history using hybrid AI
2025-Apr-08, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02986-w
PMID:40200239
|
research paper | 本研究提出了一种结合LSTM、Transformer和KAN的混合AI模型，用于从药物输注历史中预测麻醉深度 | 整合了LSTM、Transformer和KAN三种深度学习技术，分别处理麻醉预测中的时序性、上下文理解和非线性关系 | 未来需要提高模型鲁棒性、探索实时应用并解决预测分析中的潜在偏差 | 提高麻醉深度预测的准确性以保障患者安全和优化手术结果 | 麻醉患者的药物输注历史和生理数据 | machine learning | NA | 深度学习 | LSTM, Transformer, KAN | 生理数据 | 来自公开麻醉监测数据库VitalDB的患者数据 |
| 2975 | 2025-04-12 |
HepatoToxicity Portal (HTP): an integrated database of drug-induced hepatotoxicity knowledgebase and graph neural network-based prediction model
2025-Apr-08, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-00992-8
PMID:40200282
|
研究论文 | 开发了一个集成药物诱导肝毒性知识库和图神经网络预测模型的HepatoToxicity Portal (HTP) | 整合了专家策划的知识库(HTP-KB)和基于GNN的先进机器学习模型(HTP-Pred)，显著提高了肝毒性预测的准确性 | 未提及具体局限性 | 解决药物开发中肝毒性预测的信息分散和数据异质性问题 | 8,306种化学物质 | 机器学习 | 肝毒性 | GNN | 图神经网络 | 化学物质数据 | 8,306种化学物质，预训练使用了PubChem数据库中约1,000万种化学物质 |
| 2976 | 2025-04-12 |
MIDAA: deep archetypal analysis for interpretable multi-omic data integration based on biological principles
2025-Apr-08, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03530-9
PMID:40200293
|
研究论文 | 介绍了一种基于生物学原则的多组学数据集成框架MIDAA，结合原型分析和深度学习 | 结合原型分析和深度学习，基于进化权衡和帕累托最优性，保留生物相互作用的复杂性同时提供可解释的输出 | NA | 解决高维多组学数据集成和解释的挑战，提供生物学相关且可解释的模式 | 高维多组学分子数据 | 机器学习 | NA | 深度学习 | 原型分析结合深度学习 | 多组学数据 | NA |
| 2977 | 2025-04-12 |
Automatic identification of hard and soft tissue landmarks in cone-beam computed tomography via deep learning with diversity datasets: a methodological study
2025-Apr-08, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-05831-8
PMID:40200295
|
研究论文 | 本研究提出了一种新的深度学习方法，用于在CBCT图像上自动识别和定位软硬组织颅面标志点 | 应用深度学习方法在多样化的错颌畸形患者CBCT数据上自动识别软硬组织标志点，提高了识别效率和准确性 | 研究样本量相对有限（498例），且仅评估了43个标志点的识别准确性 | 开发一种自动识别CBCT图像中颅面软硬组织标志点的深度学习方法 | 498例不同类型错颌畸形患者的CBCT图像 | 数字病理 | 错颌畸形 | CBCT成像 | 深度学习 | 医学影像 | 498例CBCT图像 |
| 2978 | 2025-04-12 |
A beginner's approach to deep learning applied to VS and MD techniques
2025-Apr-08, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-00985-7
PMID:40200329
|
综述 | 本文综述了深度学习在分子建模技术中的应用，特别是虚拟筛选和分子动力学模拟 | 探讨了深度学习如何克服虚拟筛选和分子动力学模拟中的限制，并提高效率和准确性 | 深度学习在计算化学领域的知识仍然有限且分散 | 旨在帮助计算化学家了解如何将深度学习整合到分子建模研究中 | 虚拟筛选(VS)和分子动力学(MD)技术 | 计算化学 | NA | 深度学习(DL) | NA | 分子建模数据 | NA |
| 2979 | 2025-04-12 |
A novel intelligent grade classification architecture for Patent Foramen Ovale by Contrast Transthoracic Echocardiography based on deep learning
2025-Apr-07, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种基于深度学习的智能分级架构，用于通过对比经胸超声心动图对卵圆孔未闭进行分类 | 提出了TVUNet++用于左心室分割和ULSAM-ResNet用于PFO分类，能够通过可学习的亲和力图区分cTTE中的各种局部特征，并隐式捕捉左心腔与背景区域之间的语义关系 | 现有模型由于cTTE中微泡和周围心肌组织的灰度值相似，诊断准确性较低，且未量化右向左分流(RLS)的严重程度 | 提高卵圆孔未闭(PFO)的分类准确性和量化右向左分流(RLS)的严重程度 | 卵圆孔未闭(PFO)患者 | 数字病理 | 心血管疾病 | 对比经胸超声心动图(cTTE) | TVUNet++, ULSAM-ResNet | 图像 | NA |
| 2980 | 2025-04-12 |
MedScale-Former: Self-guided multiscale transformer for medical image segmentation
2025-Apr-04, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103554
PMID:40209553
|
research paper | 提出了一种名为MedScale-Former的双分支Transformer网络，用于医学图像分割，通过自监督学习和多尺度一致性提升分割精度 | 引入了双分支Transformer网络，结合自监督学习和多尺度一致性损失，以及选择性核区域注意力模块，提升了医学图像分割的准确性和边界定义 | 需要进一步验证在大规模数据集上的泛化能力 | 提升医学图像分割的准确性和自动化临床决策能力 | 皮肤病变、肺部器官和多发性骨髓瘤浆细胞 | digital pathology | lung cancer, multiple myeloma | self-supervised learning, transformer network | Transformer | image | NA |