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 24103 篇文献，本页显示第 321 - 340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 321 | 2025-05-01 |
Automatic melanoma and non-melanoma skin cancer diagnosis using advanced adaptive fine-tuned convolution neural networks
2025-Apr-30, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-02279-8
PMID:40304929
|
研究论文 | 本文提出了一种使用自适应微调卷积神经网络（CNN）的智能计算机辅助系统，用于自动诊断黑色素瘤和非黑色素瘤皮肤癌 | 采用两阶段迁移学习方法和预训练CNN，通过PCA替换全连接层以挖掘皮肤癌图像的判别性特征，有效缓解过拟合问题 | 训练深度学习模型面临可用数据有限和过拟合风险的问题 | 开发一种高效准确的早期皮肤癌自动诊断工具 | 皮肤癌图像 | 计算机视觉 | 皮肤癌 | 深度学习（DL）和迁移学习 | CNN | 图像 | NA |
| 322 | 2025-05-01 |
X-ray CT metal artifact reduction using neural attenuation field prior
2025-Apr-30, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17859
PMID:40305006
|
research paper | 提出了一种利用神经衰减场（NAF）先验进行CT金属伪影减少的自监督方法NAFMAR | 采用自监督优化的神经衰减场作为先验，无需大规模训练数据集，通过金属感知损失函数优化网络学习解剖特征 | 未提及在极端金属密度或复杂几何结构下的性能表现 | 解决CT成像中金属物体导致的伪影问题，提升图像质量 | 模拟牙科CT和临床盆腔CT图像 | 医学影像处理 | NA | 神经衰减场优化、3D前向投影、正弦图修复 | 基于模型的神经场（NAF） | 3D CT图像 | 模拟牙科CT及临床盆腔CT图像（具体数量未说明） |
| 323 | 2025-05-01 |
Multi-task Deep Learning Based on Longitudinal CT Images Facilitates Prediction of Lymph Node Metastasis and Survival in Chemotherapy-Treated Gastric Cancer
2025-Apr-30, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-24-4190
PMID:40305075
|
research paper | 本研究开发了一种基于纵向CT图像的多任务深度学习模型CTSMamba，用于同时预测化疗治疗胃癌患者的淋巴结转移和总生存期 | 提出了名为co-attention tri-oriented spatial Mamba (CTSMamba)的新型多任务深度学习模型，能够同时预测淋巴结转移和总生存期 | 研究仅在三个医疗中心进行验证，可能需要更多外部验证 | 提高局部进展期胃癌患者淋巴结转移和总生存期的预测准确性 | 1,021例接受新辅助化疗的局部进展期胃癌患者 | digital pathology | gastric cancer | longitudinal CT imaging | multi-task deep learning (CTSMamba) | CT images | 1,021例患者（训练/验证组398例，外部验证组623例） |
| 324 | 2025-05-01 |
Advances in Infant Cry Paralinguistic Classification-Methods, Implementation, and Applications: Systematic Review
2025-Apr-29, JMIR rehabilitation and assistive technologies
DOI:10.2196/69457
PMID:40163619
|
综述 | 本文系统回顾了过去24年婴儿哭声分类方法、实施和应用的进展 | 总结了从传统统计方法到机器学习和深度学习方法的演变，并提出了未来研究方向，如数据隐私保护和多模态音频方法 | 大部分模型(90%)未实际部署，数据隐私和保密性考虑不足 | 系统评估婴儿哭声分类技术发展现状并指出未来研究方向 | 婴儿哭声信号 | 自然语言处理 | NA | 机器学习, 深度学习, 混合方法 | NA | 音频信号 | 126项符合条件的研究 |
| 325 | 2025-05-01 |
Correction: Improving the Robustness and Clinical Applicability of Automatic Respiratory Sound Classification Using Deep Learning-Based Audio Enhancement: Algorithm Development and Validation
2025-Apr-29, JMIR AI
DOI:10.2196/76150
PMID:40299541
|
correction | 对一篇关于使用基于深度学习的音频增强技术改进自动呼吸音分类的稳健性和临床适用性的文章进行更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 326 | 2025-05-01 |
Continuous Joint Kinematics Prediction using GAT-LSTM Framework Based on Muscle Synergy and Sparse sEMG
2025-Apr-29, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3565305
PMID:40299730
|
研究论文 | 提出了一种基于肌肉协同和图注意力网络的MSGAT-LSTM框架，用于通过稀疏sEMG电极实现连续运动预测 | 结合肌肉协同理论和图注意力网络，有效补偿稀疏sEMG设置的局限性，显著提高预测精度 | 未提及具体局限性 | 提高基于sEMG的连续运动预测的准确性和可靠性 | sEMG信号和连续关节运动学预测 | 机器学习 | NA | sEMG | GAT-LSTM | sEMG信号 | 公共数据集Ninapro DB2和自收集数据集 |
| 327 | 2025-05-01 |
Transformer-based deep learning enables improved B-cell epitope prediction in parasitic pathogens: A proof-of-concept study on Fasciola hepatica
2025-Apr-29, PLoS neglected tropical diseases
IF:3.4Q1
DOI:10.1371/journal.pntd.0012985
PMID:40300022
|
research paper | 该研究提出了一种基于Transformer的深度学习模型deepBCE-Parasite，用于预测寄生虫病原体中的B细胞表位 | 利用最先进的自注意力机制，模型在预测线性B细胞表位方面表现出色，准确率约81%，AUC为0.90 | 研究仅针对Fasciola hepatica进行了案例验证，未广泛测试其他寄生虫病原体 | 提高B细胞表位预测的准确性，以推动基于表位的疫苗设计、治疗性抗体开发和诊断应用 | 寄生虫病原体中的B细胞表位，特别是Fasciola hepatica的亮氨酸氨基肽酶（LAP）蛋白 | machine learning | neglected tropical diseases | deep learning, dot-blot immunoassays | Transformer | peptide sequences | Fasciola hepatica proteomic data中的8个预测B细胞表位，其中7个通过实验验证 |
| 328 | 2025-05-01 |
Artificial Intelligence Tools for Preconception Cardiomyopathy Screening Among Women of Reproductive Age
2025-Apr-29, Annals of family medicine
IF:4.4Q1
DOI:10.1370/afm.230627
PMID:40300816
|
研究论文 | 评估人工智能工具在育龄妇女中检测左心室收缩功能障碍（LVSD）的诊断性能 | 使用深度学习技术从12导联心电图和数字听诊器记录中生成LVSD的预测概率，展示了AI在心血管疾病筛查中的潜力 | 研究样本量较小（两个队列各100名参与者），且主要在非西班牙裔白人女性中进行，可能限制结果的普遍性 | 评估AI工具在育龄妇女中筛查心肌病的有效性 | 育龄妇女（18-49岁） | 数字病理学 | 心血管疾病 | 深度学习 | NA | 心电图（ECG）和听诊器记录 | 两个队列各100名参与者，总计200名育龄妇女 |
| 329 | 2025-05-01 |
Deep learning based automated left atrial segmentation and flow quantification of real time phase contrast MRI in patients with atrial fibrillation
2025-Apr-29, The international journal of cardiovascular imaging
DOI:10.1007/s10554-025-03407-9
PMID:40301204
|
research paper | 开发基于卷积神经网络（CNN）的全自动左心房（LA）流量量化方法，用于心房颤动（AF）患者的实时相位对比MRI数据分析 | 首次将CNN应用于AF患者的左心房流量全自动量化，表现出与半手动分析良好的一致性，并对心跳变异性具有鲁棒性 | 样本量相对较小（44名AF患者），且仅在AF患者中验证 | 开发自动化工具以简化心房颤动患者的心脏MRI数据分析流程 | 心房颤动患者的左心房流量数据 | digital pathology | cardiovascular disease | real time 2D phase contrast (RTPC) MRI | CNN | MRI图像 | 44名AF患者，共15,307个半手动标注的RTPC LA轮廓 |
| 330 | 2025-05-01 |
Low-Rank Fine-Tuning Meets Cross-modal Analysis: A Robust Framework for Age-Related Macular Degeneration Categorization
2025-Apr-29, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01513-7
PMID:40301288
|
研究论文 | 提出了一种创新的多模态深度学习框架，用于高效应用于多模态年龄相关性黄斑变性分类任务 | 引入了低秩适应（LoRA）技术以减少多模态集成的计算复杂性，并使用深度典型相关分析（DCCA）进行非线性映射和特征融合 | NA | 解决单模态信息不足以完全捕捉年龄相关性黄斑变性复杂病理特征的问题 | 年龄相关性黄斑变性（AMD）患者 | 计算机视觉 | 年龄相关性黄斑变性 | 深度典型相关分析（DCCA），低秩适应（LoRA） | Vision Transformer | 图像（CFP和OCT） | 公共数据集MMC-AMD |
| 331 | 2025-05-01 |
Attention-Based Dual-Path Deep Learning for Blood Cell Image Classification Using ConvNeXt and Swin Transformer
2025-Apr-29, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01479-6
PMID:40301289
|
研究论文 | 本文提出了一种基于注意力机制的双路径深度学习架构，结合ConvNeXt和Swin Transformer网络，用于血液细胞图像分类 | 创新性地结合了卷积神经网络和Transformer的优势，并引入了多尺度预处理模块（MPM）以提升图像质量 | 未提及模型在临床实际应用中的具体验证情况 | 提高血液细胞图像分类的准确性和效率，以辅助血液学疾病的诊断 | 血液细胞图像 | 计算机视觉 | 血液疾病 | 深度学习 | ConvNeXt, Swin Transformer | 图像 | 17,092张血液细胞图像 |
| 332 | 2025-05-01 |
Super-Resolution Deep Learning Reconstruction for T2*-Weighted Images: Improvement in Microbleed Lesion Detection and Image Quality
2025-Apr-29, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01522-6
PMID:40301290
|
research paper | 本研究评估了超分辨率深度学习重建（SR-DLR）在脑部MRI中检测微出血和提升图像质量的效果 | SR-DLR在微出血检测和图像清晰度方面显著优于传统DLR方法 | 研究为回顾性分析，样本量较小（69例患者） | 评估SR-DLR在脑部MRI中提升微出血检测和图像质量的效果 | 69例接受3T脑部MRI检查的患者（44名女性，平均年龄66.2岁） | digital pathology | 脑血管疾病 | 3T脑部MRI（T2*加权2D梯度回波和3D血流敏感黑血成像） | 深度学习超分辨率重建（SR-DLR） | MRI图像 | 69例患者 |
| 333 | 2025-05-01 |
A Dirichlet Distribution-Based Complex Ensemble Approach for Breast Cancer Classification from Ultrasound Images with Transfer Learning and Multiphase Spaced Repetition Method
2025-Apr-29, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01515-5
PMID:40301291
|
研究论文 | 提出了一种基于Dirichlet分布的复杂集成方法，结合迁移学习和多阶段间隔重复方法，用于从超声图像中进行乳腺癌分类 | 将教育科学中的间隔重复方法首次应用于人工智能领域，结合Dirichlet分布进行模型集成，提高了分类准确率和学习效率 | 研究仅使用了BUSI数据集，样本来源单一，需要更多外部数据验证模型的泛化能力 | 开发一种高精度的乳腺癌超声图像分类系统 | 乳腺癌超声图像 | 计算机视觉 | 乳腺癌 | 迁移学习、数据增强、间隔重复方法 | DenseNet201, InceptionV3, VGG16, ResNet152的集成模型 | 超声图像 | BUSI数据集（具体数量未提及） |
| 334 | 2025-05-01 |
Multimodal Masked Autoencoder Based on Adaptive Masking for Vitiligo Stage Classification
2025-Apr-29, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01521-7
PMID:40301294
|
研究论文 | 提出了一种基于自适应掩码的多模态掩码自编码器（Multi-MAE），用于白癜风分期分类 | 通过自适应掩码策略减少对标注多模态数据的依赖，并采用预训练策略缓解多模态数据稀缺问题 | 多模态数据标注困难且数据稀缺 | 提高白癜风分期的分类准确性 | 白癜风患者的临床图像和伍德灯图像 | 计算机视觉 | 白癜风 | 多模态图像分析 | Multimodal Masked Autoencoder (Multi-MAE) | 图像 | 未标注的皮肤病图像数据集 |
| 335 | 2025-05-01 |
BiaPy: accessible deep learning on bioimages
2025-Apr-29, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02699-y
PMID:40301624
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 336 | 2025-05-01 |
Deep learning radiopathomics predicts targeted therapy sensitivity in EGFR-mutant lung adenocarcinoma
2025-Apr-29, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-06480-9
PMID:40301933
|
研究论文 | 本研究开发了一种深度学习放射病理临床（DLRPC）模型，用于预测EGFR突变肺腺癌患者对酪氨酸激酶抑制剂（TKIs）的治疗反应 | 整合了CT图像、H&E染色活检样本和临床数据，利用临床注意力掩膜探索跨模态关联 | 回顾性研究，样本量有限（214例）且来自两个医疗中心 | 预测EGFR突变肺腺癌患者对TKIs的治疗敏感性 | EGFR突变肺腺癌患者 | 数字病理 | 肺癌 | 深度学习 | DLRPC（多模态融合模型） | CT图像、病理图像、临床数据 | 214例肺腺癌患者 |
| 337 | 2025-05-01 |
A Contrast-Enhanced Ultrasound Cine-Based Deep Learning Model for Predicting the Response of Advanced Hepatocellular Carcinoma to Hepatic Arterial Infusion Chemotherapy Combined With Systemic Therapies
2025-Apr-29, Cancer science
IF:4.5Q1
DOI:10.1111/cas.70089
PMID:40302359
|
research paper | 本研究开发了一种基于对比增强超声视频的深度学习模型AE-3DNet，用于预测晚期肝细胞癌患者对肝动脉灌注化疗联合系统治疗的响应 | 创新性地结合了时空注意力模块，增强了动态特征提取能力 | 研究为回顾性分析，可能存在选择偏倚 | 预测晚期肝细胞癌患者对联合治疗的响应，以改善治疗决策 | 晚期肝细胞癌患者 | digital pathology | liver cancer | contrast-enhanced ultrasound (CEUS) | AE-3DNet, 3DNet | video | 326名患者（内部验证队列243名，外部验证队列83名） |
| 338 | 2025-05-01 |
An Efficient Domain Knowledge-Guided Semantic Prediction Framework for Pathological Subtypes on the Basis of Radiological Images With Limited Annotations
2025-Apr-28, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3558596
PMID:40293902
|
研究论文 | 提出一种基于有限标注的放射学图像病理亚型预测框架，结合领域知识引导的主动学习和半监督学习方法 | 通过三个关键模块（空间-语义特征提取、显性标志引导的锚点注意力和隐性放射组学引导的双任务纠缠模块）有效预测病理亚型，显著优于现有方法 | 需要临床领域知识的指导，可能在某些缺乏相关知识的场景中应用受限 | 提高基于有限标注的放射学图像的病理亚型预测准确性 | 胰腺神经内分泌肿瘤（pNENs）的病理分级预测和膀胱癌（BCa）的肌肉浸润性预测 | 数字病理 | 胰腺神经内分泌肿瘤和膀胱癌 | 深度学习和放射组学 | 深度学习框架（结合AL和SSL） | 放射学图像 | NA |
| 339 | 2025-05-01 |
A Deep Learning Approach for Nerve Injury Classification in Brachial Plexopathies Using Magnetic Resonance Neurography with Modified Hiking Optimization Algorithm
2025-Apr-28, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.04.004
PMID:40300994
|
研究论文 | 本研究提出了一种结合深度学习和改进的Hiking优化算法的AI框架，用于通过磁共振神经成像技术对臂丛神经病变中的神经损伤进行分类 | 结合深度学习和改进的Hiking优化算法（MHOA）以及综合学习技术（CL），提高了神经损伤分类的准确性 | 样本量较小（39名患者），可能影响模型的泛化能力 | 提高臂丛神经病变中神经损伤的分类准确性，减少诊断变异性 | 臂丛神经病变患者的神经损伤分类 | 医学影像分析 | 臂丛神经病变 | 磁共振神经成像（MRN） | MobileNetV4 | MRI序列（STIR、T2、T1、DWI） | 39名臂丛神经病变患者 |
| 340 | 2025-05-01 |
Renewable energy forecasting using optimized quantum temporal model based on Ninja optimization algorithm
2025-Apr-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97109-w
PMID:40289143
|
研究论文 | 该研究利用优化的量子时间模型（QTM）和Ninja优化算法（NiOA）进行可再生能源预测，以提高预测性能 | 结合QTM和NiOA优化算法，显著提高了可再生能源预测的准确性和性能 | 未提及具体的数据集规模或实际应用场景的局限性 | 提高可再生能源预测的准确性和效率 | 可再生能源预测系统 | 机器学习 | NA | 深度学习 | QTM（量子时间模型） | 复杂的大规模数据集 | NA |