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 24457 篇文献，本页显示第 3521 - 3540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3521 | 2025-04-16 |
Automated comprehensive evaluation of coronary artery plaque in IVOCT using deep learning
2025-Apr-18, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112169
PMID:40224006
|
research paper | 开发了一种基于深度学习的语义分割模型（EDA-UNet），用于自动评估冠状动脉斑块 | 首次提出专门用于IVOCT图像中冠状动脉斑块特征化和量化的EDA-UNet模型 | 外部测试中脂质斑块的Dice系数相对较低（0.7052） | 提高冠状动脉斑块评估的效率和准确性 | 冠状动脉斑块组织 | digital pathology | cardiovascular disease | deep learning | EDA-UNet (UNet变体) | IVOCT图像 | 来自三个中心的IVOCT图像（两个用于训练和内部测试，一个用于外部测试） |
| 3522 | 2025-04-16 |
Single-Cell Sequencing-Guided Annotation of Rare Tumor Cells for Deep Learning-Based Cytopathologic Diagnosis of Early Lung Cancer
2025-Apr-15, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202416921
PMID:40231585
|
研究论文 | 该研究利用单细胞DNA测序技术指导罕见肿瘤细胞的注释，开发了一种基于深度学习的细胞病理学诊断模型，用于早期肺癌的诊断 | 使用单细胞DNA测序作为客观的肿瘤细胞注释标准，生成无偏且准确标注的数据集，并开发了高性能的深度学习模型 | 模型在外部验证队列中的敏感性仍有提升空间 | 提高支气管肺泡灌洗液细胞学检查在肺癌诊断中的敏感性 | 支气管肺泡灌洗液中的脱落肿瘤细胞和良性细胞 | 数字病理学 | 肺癌 | 单细胞DNA测序(scDNA-Seq) | 深度学习(DL)模型 | 图像 | 训练数据集包含580个ETCs和1106个良性细胞，发现队列(n=156)，验证队列(n=158)，外部验证队列(n=141) |
| 3523 | 2025-04-16 |
Authors' Reply: "Deep Learning for Staging Periodontitis Using Panoramic Radiographs"
2025-Apr-15, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.15348
PMID:40231655
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3524 | 2025-04-16 |
Selective Single-Bacterium Analysis and Motion Tracking Based on Conductive Bulk-Surface Imprinting
2025-Apr-15, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c00198
PMID:40231794
|
研究论文 | 本文提出了一种基于导电整体表面印迹的选择性单细菌分析和运动追踪方法 | 利用密度泛函理论预测理想单体，制备具有清晰和高精度识别位点的分子印迹，开发深度学习辅助的单细菌运动轨迹追踪方法 | NA | 提高电化学细菌检测的选择性，开发单细菌监测技术 | 细菌 | 生物传感器 | NA | 导电分子印迹、密度泛函理论、深度学习 | 深度学习模型 | 细菌运动轨迹数据 | NA |
| 3525 | 2025-04-16 |
Advancing endometriosis detection in daily practice: a deep learning-enhanced multi-sequence MRI analytical model
2025-Apr-15, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04942-8
PMID:40232413
|
research paper | 该研究开发了一种深度学习增强的多序列MRI分析模型，用于提高子宫内膜异位症的检测准确性 | 首次在大型队列中使用多序列MRI的深度学习模型，展示了与训练有素的放射科医生相当的检测效果 | 研究依赖于单一机构的数据库，可能影响模型的泛化能力 | 评估深度学习工具在提高基于多序列MRI的子宫内膜异位症检测准确性方面的应用 | 子宫内膜异位症患者和年龄匹配的对照组 | digital pathology | endometriosis | multi-sequence MRI | 3D-DenseNet-121 | MRI images | 395例病例组和356例对照组 |
| 3526 | 2025-04-16 |
Focusing properties and deep learning-based efficient tuning of symmetric butterfly beams
2025-Apr-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.557170
PMID:40232438
|
研究论文 | 本文报告了一种新型的突然自聚焦光束——对称蝴蝶高斯光束（SBGBs），并提出了基于深度学习的模型来快速准确地预测SBGBs的传播特性 | 提出了一种新型的对称蝴蝶高斯光束（SBGBs），并开发了基于深度学习的快速预测模型，其预测速度比传统算法快8000倍 | 未提及具体实验验证或实际应用中的潜在问题 | 研究新型光束的聚焦特性及其在光学操纵、光通信和生物医学中的应用 | 对称蝴蝶高斯光束（SBGBs） | 光学 | NA | 深度学习 | 深度学习模型 | 光学数据 | NA |
| 3527 | 2025-04-16 |
Multi-viewpoint tampering detection for integral imaging
2025-Apr-15, Optics letters
IF:3.1Q2
DOI:10.1364/OL.557452
PMID:40232459
|
研究论文 | 提出了一种新的3D积分成像方案，能够在保证清晰光场显示的同时实现篡改检测和自我恢复 | 结合像素映射和深度学习技术，实现了像素级的深度和角度数据提取，并嵌入多视点恢复信息以重建完整的元素图像阵列 | 未提及具体计算成本降低的程度和实际应用场景的限制 | 开发一种具有篡改检测和自我恢复功能的3D积分成像方案 | 相机阵列基础的积分成像系统 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 3528 | 2025-04-16 |
Development and application of deep learning-based diagnostics for pathologic diagnosis of gastric endoscopic submucosal dissection specimens
2025-Apr-15, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association
IF:6.0Q1
DOI:10.1007/s10120-025-01612-y
PMID:40232558
|
研究论文 | 开发并评估了一种基于深度学习的模型，用于诊断胃内镜黏膜下剥离术（ESD）标本 | 首次应用深度学习模型对ESD标本进行肿瘤和黏膜下浸润的自动检测，显著缩短诊断时间 | 研究仅针对腺癌类型的ESD标本，未涵盖其他类型的胃癌 | 提高早期胃癌ESD标本的诊断准确性和效率 | 366例腺癌ESD标本的整张切片图像 | 数字病理学 | 胃癌 | 深度学习 | CNN | 图像 | 366例ESD标本，包含2257个标注感兴趣区域和83,839个补丁图像 |
| 3529 | 2025-04-16 |
Automated pulmonary nodule classification from low-dose CT images using ERBNet: an ensemble learning approach
2025-Apr-15, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03358-2
PMID:40232605
|
research paper | 开发了一种深度学习方法来分析不同剂量和质量的CT图像，旨在将肺部病变分类为结节和非结节 | 提出了一个名为ERBNet的集成学习模型，能够处理不同剂量水平的低剂量CT图像，并在结节分类上达到高准确率 | 模型在低剂量CT图像上的性能相对较差，表明需要为每个低剂量水平开发专用模型 | 开发一种能够分析不同剂量和质量CT图像的深度学习模型，用于肺部结节分类 | 肺部结节和非结节 | digital pathology | lung cancer | low-dose CT (LDCT), full-dose CT (FDCT) | 3D CNN, ensemble learning | image | 400 nodule and 400 non-nodule samples |
| 3530 | 2025-04-16 |
DistAL: A Domain-Shift Active Learning Framework with Transferable Feature Learning for Lesion Detection
2025-Apr-14, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3558861
PMID:40227902
|
研究论文 | 提出了一种结合主动学习和域不变特征学习的框架DistAL，用于解决医学图像分析中的域偏移问题 | 结合对比一致性训练和混合样本选择策略RUDY，有效学习判别性和域不变特征 | 需要从目标域中标注少量样本，可能在实际应用中受到标注成本的限制 | 解决医学图像分析中因域偏移导致的性能下降问题 | 医学图像中的病灶检测 | 计算机视觉 | NA | 对比一致性训练，K-means++初始化 | 深度学习 | 医学图像 | 八个来自不同医院的数据集，标注目标域样本的1.7% |
| 3531 | 2025-04-16 |
Saturation transfer MR fingerprinting for magnetization transfer contrast and chemical exchange saturation transfer quantification
2025-Apr-14, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30532
PMID:40228056
|
研究论文 | 本研究开发了一种基于深度学习的饱和转移MR指纹识别技术，用于快速准确量化自由水、磁化转移对比、酰胺质子转移参数及B0场不均匀性 | 提出了基于生物物理模型驱动的深度学习框架，结合Bloch-McConnell模拟器进行神经网络训练，显著提升了参数估计精度 | 研究仅在数值模型和健康人脑中进行验证，未涉及病理状态组织的测试 | 开发快速准确的饱和转移MR定量成像技术 | 水分子、磁化转移对比、酰胺质子转移参数及B0场 | 医学影像分析 | NA | 饱和转移MR指纹识别(ST-MRF)、深度学习 | 深度学习网络 | MR影像数据 | 数值模型测试及健康人脑数据(尺寸256×256×9×103) |
| 3532 | 2025-04-16 |
Invited Perspective: How Do Green- and Bluespaces Reduce Heat-Related Health Risks? Gaining New Insights from Street-View Imagery, Deep Learning Models, and Smartphone Data
2025-Apr-14, Environmental health perspectives
IF:10.1Q1
DOI:10.1289/EHP15400
PMID:40228076
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3533 | 2025-04-16 |
A CNN-transformer-based hybrid U-shape model with long-range relay for esophagus 3D CT image gross tumor volume segmentation
2025-Apr-14, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17818
PMID:40229138
|
research paper | 提出了一种基于CNN和Transformer的混合U型模型（LRRM-U-TransNet），用于提高食管3D CT图像中肿瘤体积分割的准确性 | 引入了长距离接力机制和两个即用型模块（Dual FastViT和Dual AxialViT），以增强特征表示能力和全局信息获取 | 未提及具体局限性 | 提高食管肿瘤体积（GTV）在CT图像中的分割准确性，以改善诊断和治疗效果 | 食管肿瘤的3D CT图像 | digital pathology | 食管癌 | 深度学习 | CNN-Transformer混合模型（LRRM-U-TransNet） | 3D CT图像 | 1665例真实患者CT样本，由五位放射科专家标注 |
| 3534 | 2025-04-16 |
An Automated AI Framework for Quantitative Measurement of Mammalian Behavior
2025-Apr-14, Integrative zoology
IF:3.5Q1
DOI:10.1111/1749-4877.12985
PMID:40230073
|
研究论文 | 开发了一个基于面部识别和深度学习的框架，用于自动跟踪、测量和量化多种哺乳动物的行为 | 首次提出一个自动化框架，利用面部识别和深度学习技术对多种哺乳动物的行为进行定量测量和分析 | 未提及具体样本数量，且准确率在不同物种间存在差异 | 开发一种自动化和定量测量动物行为的方法 | 10种不同的哺乳动物类群，包括灵长类、牛科、食肉目和马科动物 | 计算机视觉 | NA | 深度学习、面部识别 | NA | 视频 | NA |
| 3535 | 2025-04-16 |
Update of imaging in the assessment of axial spondyloarthritis
2025-Apr-13, Best practice & research. Clinical rheumatology
DOI:10.1016/j.berh.2025.102064
PMID:40229184
|
综述 | 本文回顾了过去5年中轴型脊柱关节炎影像学评估的新进展 | 介绍了增强CT和MRI技术，以及深度学习算法在识别骶髂关节炎和脊柱病变中的应用 | 主要关注过去5年的进展，可能未涵盖更早期的技术或更广泛的应用 | 更新轴型脊柱关节炎的影像学评估方法 | 骶髂关节和脊柱的炎症及结构损伤 | 数字病理 | 脊柱关节炎 | 增强CT、MRI、深度学习 | 深度学习算法 | 影像数据（X光、CT、MRI） | NA |
| 3536 | 2025-04-16 |
Improving AlphaFold2 and 3-based protein complex structure prediction with MULTICOM4 in CASP16
2025-Apr-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.06.641913
PMID:40161604
|
research paper | 本文介绍了MULTICOM4系统，通过整合AlphaFold2、AlphaFold3及内部技术，提升蛋白质复合物结构预测的准确性 | 整合了基于transformer的AlphaFold2和基于扩散模型的AlphaFold3，结合内部技术如蛋白质复合物化学计量预测、多样化的多序列比对生成等 | 未明确提及具体限制，但可能依赖于AlphaFold模型的固有局限性 | 提升多链蛋白质复合物（多聚体）结构预测的准确性 | 蛋白质复合物结构 | 生物信息学 | NA | 多序列比对(MSA)、深度学习模型质量评估 | AlphaFold2, AlphaFold3 | 蛋白质序列和结构数据 | 在CASP16评估中表现优异，具体样本数量未提及 |
| 3537 | 2025-04-16 |
Unveiling chromatin dynamics with virtual epigenome
2025-Apr-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58481-3
PMID:40221401
|
研究论文 | 本文提出了一种名为EpiVerse的计算方法，利用估算的表观遗传信号和先进的深度学习技术，提高了跨细胞类型Hi-C预测的准确性 | EpiVerse通过整合染色质状态预测到多任务学习框架中，不仅提高了预测准确性，还增强了模型的可解释性，并首次实现了在表观基因组水平上的虚拟扰动实验 | NA | 研究染色质三维组织及其与基因调控的复杂关系 | 人类39种组织的染色质相互作用 | 计算生物学 | NA | Hi-C, ChIP-seq, 深度学习 | 深度学习模型（未指定具体类型） | 表观遗传数据, Hi-C数据 | 39种人类组织 |
| 3538 | 2025-04-16 |
Detection of surface defects in soybean seeds based on improved Yolov9
2025-Apr-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92429-3
PMID:40221419
|
research paper | 提出一种改进的Yolov9模型用于大豆种子表面缺陷检测 | 引入GhostNet中的轻量级卷积模块GhostConv改进Yolov9模型，提升大豆种子图像识别能力 | 未提及模型在其他作物种子上的泛化能力 | 开发基于深度学习的自动化大豆种子缺陷检测方法 | 大豆种子表面缺陷 | computer vision | NA | 深度学习技术 | Yolov9-c-ghost-Forward (改进的Yolov9模型) | 图像 | 未明确说明样本数量 |
| 3539 | 2025-04-16 |
Integrating hybrid bald eagle crow search algorithm and deep learning for enhanced malicious node detection in secure distributed systems
2025-Apr-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93549-6
PMID:40221436
|
研究论文 | 该研究提出了一种混合秃鹰乌鸦搜索算法与深度学习相结合的HBECSA-DLMND技术，用于增强安全分布式系统中的恶意节点检测 | 结合了混合秃鹰乌鸦搜索算法(HBECSA)和深度学习(CSAE模型)，并采用DBO方法优化参数，提高了恶意节点检测的准确率 | 仅在WSN-DS基准数据库上进行了实验验证，未在其他分布式系统数据集上测试 | 提高分布式系统中恶意节点检测的准确性和效率 | 分布式系统中的恶意节点 | 机器学习 | NA | 线性缩放归一化(LSN)、ADASYN、HBECSA、CSAE、DBO | 卷积稀疏自编码器(CSAE) | 网络数据 | WSN-DS基准数据库 |
| 3540 | 2025-04-16 |
Integrating advanced deep learning techniques for enhanced detection and classification of citrus leaf and fruit diseases
2025-Apr-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97159-0
PMID:40221550
|
研究论文 | 本研究评估了四种深度学习模型在柑橘病害图像分类中的性能 | 比较了四种先进的深度学习模型在柑橘病害分类中的表现，其中InceptionV3和DenseNet121达到了99.12%的测试准确率 | 数据集规模相对较小，仅包含759张图像 | 提高柑橘叶片和果实病害的检测与分类准确性 | 柑橘病害图像 | 计算机视觉 | 柑橘病害 | 深度学习 | EfficientNetB0, ResNet50, DenseNet121, InceptionV3 | 图像 | 759张图像，涵盖9种病害类别 |