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 26130 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2025-06-07 |
Progress in developing a bark beetle identification tool
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310716
PMID:40471899
|
研究论文 | 本研究提出了一个基于MaxViT深度学习的树皮甲虫识别初步模型，旨在开发一个功能完善的实用识别工具 | 首次开发出能够识别树皮甲虫属的模型，并构建了迄今为止同类昆虫群体中最大的图像训练集 | 当前模型仅能区分12个属，需要进一步优化和增加数据以实现可靠的物种级别识别；图像采集条件受控，实际应用可能面临挑战 | 开发用于森林管理和生态研究的树皮甲虫识别工具 | 树皮甲虫（多个属） | 计算机视觉 | NA | 深度学习 | MaxViT | 图像 | 未明确说明具体数量，但提到是同类昆虫群体中最大的图像训练集 |
| 282 | 2025-06-07 |
Adaptive network steganography using deep learning and multimedia video analysis for enhanced security and fidelity
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0318795
PMID:40472042
|
研究论文 | 本研究提出了一种结合深度学习和多媒体视频分析的自适应网络隐写范式，以提高网络隐写的通用性和安全性 | 采用基于深度卷积生成对抗网络的架构，能够根据多媒体视频的动态前景、稳定背景和时空复杂性微调隐写参数 | NA | 提高网络隐写的安全性和保真度 | 多媒体视频 | 计算机视觉 | NA | 多媒体视频分析 | DCGAN | 视频 | MPII和UCF101视频库 |
| 283 | 2025-06-07 |
Toward trustable use of machine learning models of variant effects in the clinic
2024-Dec-05, American journal of human genetics
IF:8.1Q1
DOI:10.1016/j.ajhg.2024.10.011
PMID:39561772
|
研究论文 | 本文探讨了如何在临床中可信地使用机器学习模型预测蛋白质编码基因中错义替换的影响 | 提出了克服现有模型验证和校准策略局限性的核心原则和建议，以实现更可靠和更有影响力的变异效应预测模型应用 | 现有模型验证和校准策略仍存在重要局限性 | 提高临床变异注释的可靠性和影响力，以指导诊断和治疗 | 蛋白质编码基因中的错义替换 | 机器学习 | NA | 深度学习 | NA | 序列数据 | NA |
| 284 | 2025-06-07 |
DeePathNet: A Transformer-Based Deep Learning Model Integrating Multiomic Data with Cancer Pathways
2024-12-01, Cancer research communications
IF:2.0Q3
DOI:10.1158/2767-9764.CRC-24-0285
PMID:39530738
|
研究论文 | DeePathNet是一种基于Transformer的深度学习模型，整合了多组学数据和癌症通路信息，用于改进癌症诊断和预后 | DeePathNet首次将癌症特异性通路信息整合到多组学数据分析中，并采用基于Transformer的深度学习模型 | NA | 改进癌症诊断和预后预测 | 多组学数据和癌症通路 | 机器学习 | 癌症 | 多组学数据分析 | Transformer | 多组学数据 | 多个大型数据集（ProCan-DepMapSanger、Cancer Cell Line Encyclopedia、The Cancer Genome Atlas） |
| 285 | 2025-06-07 |
Deep learning-based rapid image reconstruction and motion correction for high-resolution cartesian first-pass myocardial perfusion imaging at 3T
2024-Sep, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30106
PMID:38576068
|
research paper | 开发并评估了一种基于深度学习的快速图像重建和运动校正技术，用于3T高分辨率笛卡尔首过心肌灌注成像 | 提出了基于3D物理驱动的展开网络架构用于高分辨率笛卡尔灌注成像重建，以及基于2D U-Net的运动校正网络 | 样本量较小，仅使用了20名受试者的135个切片 | 开发快速高质量的图像重建和运动校正技术，用于心肌灌注成像 | 高分辨率笛卡尔首过心肌灌注成像 | computer vision | cardiovascular disease | deep learning | 3D physics-driven unrolled network, 2D U-Net | image | 135 slices from 20 subjects |
| 286 | 2025-06-07 |
Designing Clinical MRI for Enhanced Workflow and Value
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29038
PMID:37795927
|
research paper | 探讨如何通过优化MRI工作流程和采用数字工具提升临床MRI的价值和效率 | 提出利用数字工具和深度学习加速图像重建方法优化MRI工作流程，并强调患者准备流程的重新配置和实时信息工具的应用 | 未提及具体实施这些优化策略的临床效果数据或案例研究 | 优化MRI工作流程，提升患者价值和医疗效率 | MRI成像过程及其相关技术和人员 | 数字病理 | NA | 深度学习加速图像重建方法 | NA | 图像 | NA |
| 287 | 2025-06-07 |
Global and Regional Deep Learning Models for Multiple Sclerosis Stratification From MRI
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29046
PMID:37803817
|
research paper | 本研究比较了全脑输入采样策略和区域/特定组织策略，以基于残疾水平对多发性硬化症患者进行分层 | 首次比较了全脑与区域输入策略在MRI深度学习模型中对多发性硬化症患者残疾水平分层的效果 | 研究仅使用了单一供应商的MRI设备数据，可能影响模型的泛化能力 | 比较不同MRI输入策略对多发性硬化症患者残疾水平分层的效果 | 多发性硬化症患者的脑部MRI扫描数据 | digital pathology | multiple sclerosis | MRI | 3D-CNN | image | 319名MS患者（382次脑部MRI扫描）的内部数据集和440名来自多中心的MS患者外部验证队列 |
| 288 | 2025-06-07 |
Automated Breast Density Assessment in MRI Using Deep Learning and Radiomics: Strategies for Reducing Inter-Observer Variability
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29058
PMID:37846440
|
research paper | 该研究探讨了利用深度学习和放射组学减少乳腺密度评估中观察者间变异性的可行性 | 结合深度学习和放射组学模型，通过AI辅助解释显著减少了乳腺密度评估的观察者间变异性 | 研究为回顾性设计，可能限制了结果的普遍适用性 | 评估人工智能辅助解释在减少乳腺密度评估观察者间变异性中的效果 | 621名无乳腺假体或重建手术的患者 | digital pathology | breast cancer | deep learning, radiomics | CNN | MRI images | 621名患者（训练集377名，验证集98名，独立测试集146名） |
| 289 | 2025-06-07 |
Magnetic Resonance Deep Learning Radiomic Model Based on Distinct Metastatic Vascular Patterns for Evaluating Recurrence-Free Survival in Hepatocellular Carcinoma
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29064
PMID:37888871
|
research paper | 该研究旨在构建并比较基于VETC-MVI的临床、放射组学和深度学习模型，以评估肝细胞癌患者的无复发生存期 | 首次基于VETC和MVI两种转移性血管模式构建深度学习放射组学模型，用于评估HCC患者的无复发生存期 | 回顾性研究设计，样本量相对有限（398例患者） | 评估肝细胞癌患者的无复发生存期 | 肝细胞癌患者 | digital pathology | liver cancer | MRI（T1WI SPGR, T2WI FSE, 增强动脉期和延迟期成像） | deep learning model | medical imaging | 398例HCC患者（训练队列358例，测试队列40例） |
| 290 | 2024-08-07 |
Editorial for "Magnetic Resonance Deep Learning Radiomic Model Based on Distinct Metastatic Vascular Patterns for Evaluating Recurrence-Free Survival in Hepatocellular Carcinoma"
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29063
PMID:37818933
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 291 | 2024-08-07 |
Editorial for "Automated Breast Density Assessment in MRI Using Deep Learning and Radiomics: Strategies for Reducing Inter-Observer Variability"
2024-07, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29059
PMID:37818764
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 292 | 2025-06-07 |
Scan-Specific Self-Supervised Bayesian Deep Non-Linear Inversion for Undersampled MRI Reconstruction
2024-06, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3364911
PMID:38335079
|
research paper | 提出一种用于欠采样MRI重建的扫描特异性自监督贝叶斯深度非线性反演方法 | 无需自动校准扫描区域，采用深度图像先验型生成建模方法和近似贝叶斯推理来正则化深度卷积神经网络 | 需要进一步验证在不同解剖结构、对比度和采样模式下的广泛适用性 | 提高欠采样MRI重建的效率和准确性 | 欠采样的MRI数据 | 医学影像处理 | NA | 深度卷积神经网络，贝叶斯推理 | CNN | MRI图像 | 多种解剖结构、对比度和采样模式的MRI数据 |
| 293 | 2025-06-07 |
Generalization challenges in electrocardiogram deep learning: insights from dataset characteristics and attention mechanism
2024-Mar-11, Future cardiology
IF:1.6Q3
DOI:10.1080/14796678.2024.2354082
PMID:39049767
|
研究论文 | 本研究探讨了训练数据特性对深度学习模型在心电图异常检测中泛化性能的影响，并引入了注意力机制以提高泛化能力 | 揭示了平衡数据集（仅占大型数据集的1%）在泛化任务中的等效性能，以及注意力机制对模型泛化能力的进一步优化 | 未提及具体的心电图异常类型或模型在其他医疗领域的泛化能力 | 研究训练数据特性对深度学习模型泛化性能的影响，并探索提高模型泛化能力的方法 | 心电图数据集和深度学习模型 | 机器学习 | 心血管疾病 | 深度学习 | 带有注意力机制的深度学习模型 | 心电图数据 | 多个心电图数据集（具体数量未提及） |
| 294 | 2025-06-07 |
Real-time monitoring of single dendritic cell maturation using deep learning-assisted surface-enhanced Raman spectroscopy
2024, Theranostics
IF:12.4Q1
DOI:10.7150/thno.100298
PMID:39479453
|
research paper | 该研究开发了一种基于深度学习和表面增强拉曼光谱（SERS）的方法，用于实时监测单个树突状细胞（DC）的成熟状态 | 结合Au@CpG@PEG纳米颗粒作为自报告纳米疫苗，利用无标记SERS策略和深度学习CNN算法，实现了对DC成熟状态的动态实时检测，准确率超过98.92% | 未提及具体样本量或实验重复次数，可能影响结果的普遍性 | 开发一种实时监测单个树突状细胞成熟状态的方法，以预测免疫系统激活、评估疫苗效果和免疫治疗有效性 | 树突状细胞（DC） | digital pathology | NA | 表面增强拉曼光谱（SERS） | CNN | 光谱数据 | NA |
| 295 | 2025-06-07 |
Artificial intelligence, machine learning and deep learning: Potential resources for the infection clinician
2023-10, The Journal of infection
IF:14.3Q1
DOI:10.1016/j.jinf.2023.07.006
PMID:37468046
|
综述 | 本文总结了人工智能（AI）、机器学习和深度学习在人类感染研究和临床实践中的最新应用及未来潜力 | 重点关注使用前瞻性收集的真实世界数据进行临床验证的研究，以及具有转化潜力的研究，如新药发现和基于微生物组的干预 | 大多数研究缺乏真实世界的验证或临床效用指标，研究设计和报告的异质性限制了可比性，存在算法透明度和偏见风险等实际和伦理问题 | 探讨AI在感染研究和临床管理中的应用及其对临床感染实践的潜在影响 | 人类感染的研究和管理 | 机器学习 | 感染性疾病 | AI、机器学习、深度学习 | NA | 实验室诊断数据、临床影像数据、公共卫生数据 | 1617篇PubMed文献被筛选，优先考虑临床试验、系统评价和荟萃分析 |
| 296 | 2025-06-07 |
A survey on recent trends in deep learning for nucleus segmentation from histopathology images
2023-Mar-06, Evolving systems
IF:2.7Q3
DOI:10.1007/s12530-023-09491-3
PMID:38625364
|
综述 | 本文系统综述了过去五年（2017-2021）中深度学习在组织病理学图像中细胞核分割的应用 | 总结了多种分割模型（如U-Net、SCPP-Net、Sharp U-Net和LiverNet）的相似性、优势、使用的数据集以及新兴研究领域 | 仅覆盖了过去五年的研究，可能未包括最新的技术进展 | 探讨深度学习在细胞核分割中的最新趋势和应用 | 组织病理学图像中的细胞核 | 数字病理学 | 癌症 | 深度学习 | U-Net, SCPP-Net, Sharp U-Net, LiverNet | 图像 | NA |
| 297 | 2025-06-07 |
PDRF-Net: a progressive dense residual fusion network for COVID-19 lung CT image segmentation
2023-Feb-17, Evolving systems
IF:2.7Q3
DOI:10.1007/s12530-023-09489-x
PMID:38625320
|
research paper | 提出了一种名为PDRF-Net的渐进密集残差融合网络，用于COVID-19肺部CT图像的分割 | 引入了密集跳跃连接以捕获多级上下文信息，设计了高效的聚合残差模块，结合视觉Transformer和残差块，以及双边通道像素加权模块逐步融合多分支特征图 | NA | 实现COVID-19患者肺部CT图像中病变部位的快速准确分割 | COVID-19患者的肺部CT图像 | digital pathology | COVID-19 | CT图像分割 | PDRF-Net (progressive dense residual fusion network) | image | 在两个COVID-19数据集上进行测试 |
| 298 | 2025-06-07 |
AMTLDC: a new adversarial multi-source transfer learning framework to diagnosis of COVID-19
2023-Jan-12, Evolving systems
IF:2.7Q3
DOI:10.1007/s12530-023-09484-2
PMID:38625255
|
research paper | 提出了一种新的对抗性多源迁移学习框架AMTLDC，用于COVID-19的诊断 | AMTLDC框架通过对抗性学习提取多个数据源间的通用表示，提高了模型在不同数据集间的泛化能力 | 未明确说明框架在极端数据不足情况下的表现 | 提高COVID-19诊断模型的跨数据集泛化性能 | COVID-19医学影像数据 | digital pathology | COVID-19 | adversarial transfer learning | CNN | medical images | NA |
| 299 | 2025-06-07 |
Detection of anomalies in cycling behavior with convolutional neural network and deep learning
2023, European transport research review
IF:5.1Q1
DOI:10.1186/s12544-023-00583-4
PMID:38625141
|
研究论文 | 本文提出了一种基于深度学习的异常检测方法BeST-DAD，用于识别骑行行为中的异常并在地图上标记危险点 | 结合CNN和自编码器(AE)进行异常检测，相比传统PCA方法表现更优 | 需要依赖GPS轨迹数据，可能受数据质量和覆盖范围限制 | 提高骑行安全性，通过技术手段识别潜在危险点 | 骑行者的GPS轨迹数据 | 机器学习 | NA | 深度学习 | CNN, Autoencoder | GPS轨迹数据 | 未明确说明具体样本数量，涉及多个用户的数据 |
| 300 | 2025-06-07 |
Evaluation of artificial intelligence techniques in disease diagnosis and prediction
2023, Discover artificial intelligence
DOI:10.1007/s44163-023-00049-5
PMID:40478140
|
综述 | 本文综述了人工智能技术在疾病诊断和预测中的应用及其优势 | 涵盖了多种AI技术在医疗图像分析中的应用，并比较了ML和DL技术的优势 | 讨论了AI在医疗领域中的现有挑战和局限性 | 评估AI技术在疾病诊断和预测中的应用效果 | 多种疾病（如癌症、心脏、肺、皮肤、遗传和神经疾病）的诊断和预测 | 数字病理学 | 多种疾病（如癌症、心脏、肺、皮肤、遗传和神经疾病） | 机器学习（ML）和深度学习（DL） | SVM, CNN | 医疗图像 | NA |