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 24022 篇文献，本页显示第 4201 - 4220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4201 | 2025-03-21 |
Develop and Validate a Nomogram Combining Contrast-Enhanced Spectral Mammography Deep Learning with Clinical-Pathological Features to Predict Neoadjuvant Chemotherapy Response in Patients with ER-Positive/HER2-Negative Breast Cancer
2024-09, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.03.035
PMID:38641451
|
研究论文 | 开发并验证了一个结合对比增强光谱乳腺摄影（CESM）深度学习和临床病理特征的列线图，用于预测ER阳性/HER2阴性乳腺癌患者的新辅助化疗（NAC）反应 | 结合CESM深度学习和临床病理特征，开发了一个新的列线图模型，用于预测NAC反应，该模型在预测性能上优于单独的深度学习模型和临床模型 | 研究为回顾性研究，可能存在选择偏差，且样本量相对较小 | 预测ER阳性/HER2阴性乳腺癌患者的新辅助化疗反应 | 265名ER阳性/HER2阴性乳腺癌患者 | 数字病理 | 乳腺癌 | 对比增强光谱乳腺摄影（CESM） | ResNet34 | 图像 | 265名乳腺癌患者 |
| 4202 | 2025-03-21 |
Deep Learning-Based Reconstruction Improves the Image Quality of Low-Dose CT Colonography
2024-08, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.01.021
PMID:38290889
|
研究论文 | 本研究评估了基于深度学习的重建（DLR）在低剂量CT结肠成像（CTC）中的图像质量，并与迭代重建（IR）进行了比较 | 首次将深度学习重建技术应用于低剂量CT结肠成像，显著提高了图像质量 | 研究仅针对特定BMI群体的成年人，未涵盖更广泛的人群 | 评估低剂量CT结肠成像的图像质量 | 270名成年志愿者 | 计算机视觉 | 结直肠癌 | CT成像 | 深度学习 | 图像 | 270名志愿者（平均年龄47.94岁，115名男性） |
| 4203 | 2025-03-21 |
Research Progress of Artificial Intelligence in the Grading and Classification of Meningiomas
2024-08, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.02.003
PMID:38413314
|
综述 | 本文总结了人工智能在脑膜瘤分级和分类中的研究进展，分析了放射组学和深度学习的应用及其在临床治疗和预后中的价值 | 本文综述了人工智能在脑膜瘤分级和分类中的最新研究进展，提出了现有研究的局限性和未来改进建议 | 现有研究存在一定的局限性，未来需要进一步改进 | 探讨人工智能在脑膜瘤分级和分类中的应用，以促进其在脑膜瘤诊断和治疗中的未来应用 | 脑膜瘤 | 数字病理学 | 脑膜瘤 | 放射组学, 深度学习 | 深度学习 | 医学影像 | NA |
| 4204 | 2025-03-21 |
A Transvaginal Ultrasound-Based Deep Learning Model for the Noninvasive Diagnosis of Myometrial Invasion in Patients with Endometrial Cancer: Comparison with Radiologists
2024-07, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.12.035
PMID:38182443
|
研究论文 | 本研究探讨了使用深度学习模型基于超声图像非侵入性诊断子宫内膜癌患者肌层浸润程度的可行性，并与放射科医生的诊断效果进行了比较 | 首次将深度学习模型应用于子宫内膜癌肌层浸润程度的非侵入性诊断，并证明其性能显著优于放射科医生 | 研究样本主要来自特定医疗中心，可能限制了结果的普遍适用性 | 评估深度学习模型在诊断子宫内膜癌肌层浸润程度中的应用效果 | 子宫内膜癌患者的超声图像 | 计算机视觉 | 子宫内膜癌 | 深度学习 | EfficientNet-B6 | 图像 | 604名患者的1289张超声图像 |
| 4205 | 2025-03-21 |
nnU-Net-Based Pancreas Segmentation and Volume Measurement on CT Imaging in Patients with Pancreatic Cancer
2024-07, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.01.004
PMID:38350812
|
研究论文 | 本研究开发并验证了一种基于深度学习的CT图像胰腺分割和胰腺体积自动测量方法，用于胰腺癌患者 | 使用3D nnU-net架构进行全自动胰腺分割，并通过自动和手动分割结果的比较验证了模型的有效性 | 研究为回顾性研究，样本量相对有限，且仅使用了一种深度学习模型 | 开发并验证一种基于深度学习的胰腺分割和体积测量方法 | 胰腺癌患者的CT图像 | 数字病理学 | 胰腺癌 | CT成像 | 3D nnU-net | CT图像 | 851张门静脉期CT图像（499例胰腺癌和352例正常胰腺） |
| 4206 | 2025-03-21 |
Improving Image Quality and Nodule Characterization in Ultra-low-dose Lung CT with Deep Learning Image Reconstruction
2024-07, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.01.010
PMID:38429189
|
研究论文 | 本研究探讨了深度学习图像重建（DLIR）在超低剂量肺部CT条件下对图像质量和肺结节定量分析的影响 | 首次在超低剂量CT中使用高强度的深度学习图像重建（DLIR-H）技术，并与传统的自适应统计迭代重建（ASIR-V40%）进行比较 | 样本量相对较小，仅包括56名患者 | 研究DLIR在超低剂量肺部CT中对图像质量和肺结节定量分析的影响 | 56名疑似肺结节患者 | 计算机视觉 | 肺癌 | 深度学习图像重建（DLIR） | NA | 图像 | 56名患者，共检测到104个肺结节 |
| 4207 | 2024-08-07 |
Correction: Displacement detection with sub-pixel accuracy and high spatial resolution using deep learning
2024-Jul, Journal of medical ultrasonics (2001)
DOI:10.1007/s10396-024-01460-w
PMID:38787517
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4208 | 2025-03-21 |
DeepLabCut-based daily behavioural and posture analysis in a cricket
2024-04-15, Biology open
IF:1.8Q3
DOI:10.1242/bio.060237
PMID:38533608
|
研究论文 | 本文介绍了一种基于DeepLabCut的系统，用于长期量化蟋蟀的多种行为，如运动活动、进食和类似睡眠状态 | 使用DeepLabCut软件进行蟋蟀行为和姿态的自动分析，避免了人类偏见且无需物理标记个体动物 | NA | 研究蟋蟀的昼夜节律行为 | 蟋蟀 | 计算机视觉 | NA | DeepLabCut | 监督机器学习 | 视频 | 单个蟋蟀 |
| 4209 | 2025-03-21 |
Examining evolutionary scale modeling-derived different-dimensional embeddings in the antimicrobial peptide classification through a KNIME workflow
2024-Apr, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.4928
PMID:38501511
|
研究论文 | 本文研究了从ESM-2模型中提取的不同维度嵌入在抗菌肽分类中的应用，并开发了一个KNIME工作流以确保实验的公平性 | 首次将ESM-2模型的不同维度嵌入应用于抗菌肽分类，并通过KNIME工作流确保实验的公平性 | 研究中发现只有部分ESM-2嵌入对建模任务有价值，43%至66%的特征从未被使用 | 研究ESM-2模型的不同维度嵌入在抗菌肽分类中的有效性 | 抗菌肽（AMPs） | 生物信息学 | NA | ESM-2模型，KNIME工作流 | QSAR模型 | 分子特征 | NA |
| 4210 | 2025-03-21 |
A full-stack platform for spiking deep learning
2023-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00565-5
PMID:38177599
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4211 | 2025-03-21 |
Accurately predicting molecular spectra with deep learning
2023-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00553-9
PMID:38177595
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4212 | 2025-03-21 |
A deep learning model for predicting selected organic molecular spectra
2023-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00550-y
PMID:38177591
|
研究论文 | 本文开发了一种名为DetaNet的深度学习模型，用于预测分子光谱，提高了效率和准确性 | 结合E(3)-等变群和自注意力机制，通过传递高阶几何张量信息，能够生成多种分子属性，达到量子化学计算的精度 | NA | 提高分子光谱模拟的准确性和效率，以促进物质发现和结构识别 | 分子光谱 | 机器学习 | NA | 深度学习 | DetaNet | 分子光谱数据 | 130,000种分子物种的QM9S数据集 |
| 4213 | 2025-03-21 |
High-throughput property-driven generative design of functional organic molecules
2023-Feb, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-022-00391-1
PMID:38177626
|
研究论文 | 本文提出了一种结合生成深度学习模型和监督深度学习模型的方法，用于预测具有最优特性的有机分子 | 通过结合生成模型和监督模型，实现了对分子电子结构的预测和优化，避免了量子化学计算，适用于高通量筛选 | 未提及具体局限性 | 设计具有定制特性的有机分子，特别是用于有机电子应用 | 有机分子 | 机器学习 | NA | 生成深度学习模型，监督深度学习模型 | 生成模型，监督模型 | 分子结构数据 | 未提及具体样本数量 |
| 4214 | 2025-03-21 |
Dimensionally consistent learning with Buckingham Pi
2022-Dec, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-022-00355-5
PMID:38177386
|
研究论文 | 本文提出了一种自动化方法，利用测量数据的对称性和自相似结构，通过Buckingham Pi定理发现最佳降维的无量纲群 | 开发了三种数据驱动技术，结合Buckingham Pi定理作为约束，包括约束优化问题、深度学习算法（BuckiNet）和基于稀疏识别非线性动力学的技术 | NA | 探索在没有控制方程的情况下，通过维度分析提取物理系统的洞察和对称性 | 物理系统中的测量变量和参数 | 机器学习 | NA | Buckingham Pi定理，深度学习，稀疏识别非线性动力学 | 深度学习算法（BuckiNet） | 测量数据 | NA |
| 4215 | 2025-03-21 |
A universal graph deep learning interatomic potential for the periodic table
2022-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-022-00349-3
PMID:38177366
|
研究论文 | 本文介绍了一种基于图神经网络的通用原子间势能模型M3GNet，用于材料的结构弛豫、动态模拟和性质预测 | M3GNet模型通过结合三体相互作用，能够广泛应用于不同化学空间中的材料，且训练数据来源于Materials Project过去十年的大规模结构弛豫数据库 | NA | 开发一种通用的原子间势能模型，以加速可合成材料的发现 | 材料的结构弛豫、动态模拟和性质预测 | 机器学习 | NA | 图神经网络 | M3GNet | 结构弛豫数据 | 约180万种材料，筛选自3100万种假设晶体结构 |
| 4216 | 2025-03-21 |
Challenges and opportunities in quantum machine learning
2022-Sep, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-022-00311-3
PMID:38177473
|
综述 | 本文探讨了量子机器学习在加速数据分析方面的潜力，特别是在量子数据领域，并回顾了当前的方法和应用 | 强调了量子机器学习与经典机器学习之间的差异，特别是量子神经网络和量子深度学习 | 量子机器学习模型的可训练性仍存在挑战 | 探讨量子机器学习在量子材料、生物化学和高能物理等领域的应用潜力 | 量子数据及其在多个科学领域的应用 | 量子机器学习 | NA | NA | 量子神经网络, 量子深度学习 | 量子数据 | NA |
| 4217 | 2025-03-21 |
Rapid Serial Immunoprofiling of the Tumor Immune Microenvironment by Fine Needle Sampling
2021-09-01, Clinical cancer research : an official journal of the American Association for Cancer Research
IF:10.0Q1
DOI:10.1158/1078-0432.CCR-21-1252
PMID:34233961
|
研究论文 | 本文介绍了一种通过细针抽吸（FNA）进行肿瘤免疫微环境（TME）连续评估的创新技术FAST-FNA | 首次展示了通过简单的FNA可以准确且连续地测量治疗期间复杂且快速变化的TME | NA | 发现并整合预测和/或预后生物标志物到治疗算法中 | 肿瘤免疫微环境（TME） | 数字病理学 | 癌症 | FAST-FNA | 深度学习辅助分析管道 | 单细胞数据 | 临床前样本和人类样本 |
| 4218 | 2025-03-21 |
Preoperative identification of microvascular invasion in hepatocellular carcinoma by XGBoost and deep learning
2021-Mar, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-020-03366-9
PMID:32852634
|
研究论文 | 本研究开发了基于CT图像的XGBoost和深度学习模型，用于术前预测肝细胞癌的微血管侵犯 | 结合了放射组学特征、放射学特征和临床变量，开发了XGBoost模型和3D-CNN模型，用于术前预测MVI状态 | 需要进一步验证这些机器学习模型的有效性 | 术前预测肝细胞癌的微血管侵犯状态 | 405名肝细胞癌患者 | 计算机视觉 | 肝细胞癌 | CT图像分析 | XGBoost, 3D-CNN | 图像 | 405名患者 |
| 4219 | 2025-03-20 |
Deep learning for the prediction of acute kidney injury after coronary angiography and intervention in patients with chronic kidney disease: a model development and validation study
2025-Dec, Renal failure
IF:3.0Q1
DOI:10.1080/0886022X.2025.2474206
PMID:40083057
|
研究论文 | 本研究开发并验证了用于预测慢性肾脏病（CKD）患者在接受冠状动脉造影和介入治疗后发生对比剂后急性肾损伤（PC-AKI）的深度学习模型 | 首次为CKD患者开发了基于深度神经网络的PC-AKI预测模型，并提供了可解释性工具和基于网页的风险分层工具 | 研究样本仅来自单一中心，可能限制了模型的泛化能力 | 开发并验证用于预测CKD患者在接受冠状动脉造影和介入治疗后发生PC-AKI的预测模型 | 慢性肾脏病（CKD）患者 | 机器学习 | 慢性肾脏病 | 随机森林算法、深度神经网络（DNN） | DNN | 临床数据 | 989名CKD患者 |
| 4220 | 2025-03-20 |
Effect of adaptive statistical iterative reconstruction-V algorithm and deep learning image reconstruction algorithm on image quality and emphysema quantification in COPD patients under ultra-low-dose conditions
2025-Apr-01, The British journal of radiology
DOI:10.1093/bjr/tqae251
PMID:39862404
|
研究论文 | 本研究探讨了在超低剂量扫描条件下，不同重建算法（ASIR-V和DLIR）对慢性阻塞性肺疾病（COPD）患者图像质量和肺气肿定量的影响 | 首次在超低剂量CT扫描条件下比较了ASIR-V和DLIR算法对COPD患者图像质量和肺气肿定量的影响，并发现DLIR-M在图像质量和肺气肿定量方面表现最佳 | 样本量相对较小（62名COPD患者），且仅使用了商业计算机辅助诊断（CAD）软件进行分析 | 探讨不同重建算法在超低剂量CT扫描条件下对COPD患者图像质量和肺气肿定量的影响 | 62名COPD患者 | 数字病理 | 慢性阻塞性肺疾病（COPD） | CT扫描、计算机辅助诊断（CAD） | ASIR-V、DLIR | CT图像 | 62名COPD患者 |