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 31253 篇文献，本页显示第 481 - 500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 481 | 2025-09-18 |
Deep learning reveals pathology-confirmed neuroimaging signatures in Alzheimer's, vascular and Lewy body dementias
2025-Jun-03, Brain : a journal of neurology
IF:10.6Q1
DOI:10.1093/brain/awae388
PMID:39657969
|
研究论文 | 开发基于深度学习的多标签框架，用于识别阿尔茨海默病、血管性痴呆和路易体痴呆的神经影像学生物标志物 | 提出创新的DeepSPARE指数作为病理敏感的非侵入性神经影像学指标，将传统T1成像与组织病理学联系起来 | 模型在路易体痴呆的识别准确率相对较低（0.623），且样本来源限于特定数据库 | 解决神经退行性和血管性病理共存的诊断挑战，开发体内生物标志物识别方法 | 423名痴呆患者和361名对照参与者 | 医学影像分析 | 神经退行性疾病 | 深度学习，T1加权MRI扫描 | 多标签深度学习框架 | 神经影像数据 | 784名参与者（来自NACC和ADNI数据集） |
| 482 | 2025-09-18 |
Redefining healthcare - The transformative power of generative AI in modern medicine
2025-06, Revista espanola de enfermedades digestivas
IF:2.7Q2
DOI:10.17235/reed.2025.11081/2024
PMID:39898717
|
综述 | 本文探讨生成式AI在现代医学中的变革潜力及其对医疗保健的重塑作用 | 强调生成式AI在模仿人类认知过程（语言、视觉、听觉等）并生成新内容方面的突破性进展 | 存在尚未完全解决的伦理与法律挑战 | 分析生成式AI对医疗保健领域的颠覆性影响及应对策略 | 医疗保健专业人员和生成式AI技术 | 自然语言处理 | NA | 深度学习（人工神经网络、大数据与计算能力） | 生成式AI | 多模态数据（语言、视觉、听觉等） | NA |
| 483 | 2025-09-18 |
Cellular and subcellular specialization enables biology-constrained deep learning
2025-May-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.22.655599
PMID:40501912
|
研究论文 | 提出一种生物学约束的深度学习模型，通过模拟神经元细胞类型和树突区室化实现图像分类任务 | 首次将兴奋性/抑制性细胞类型分离和树突-胞体区室化结构整合到多层人工神经网络中，并采用完全生物学兼容的深度学习算法 | 模型虽基于生物学约束，但仍为计算模拟，需实验验证其预测 | 探索大脑多层级神经回路中学习协调的生物学机制 | 人工神经网络模型与生物神经元回路的对应关系 | 机器学习 | NA | 深度学习算法 | 具有循环连接的多层ANN（含兴奋性/抑制性细胞类型和树突区室化结构） | 图像 | NA |
| 484 | 2025-09-18 |
Artificial Intelligence in Cardiovascular Imaging: Current Applications and New Horizons
2025 Apr-Jun, Journal of cardiovascular echography
IF:0.7Q4
DOI:10.4103/jcecho.jcecho_62_25
PMID:40950368
|
综述 | 本文综述了人工智能在心血管影像学中的当前应用与未来发展方向 | 系统总结了AI在超声心动图、心脏CT和心脏MRI中的创新应用，包括图像采集优化、自动化分析和预后预测 | AI模型的可解释性不足、数据集多样性不够、监管审批和伦理问题仍需解决 | 探讨人工智能技术在心血管影像学领域的应用现状和未来发展前景 | 心血管影像学技术（超声心动图、心脏CT、心脏MRI）及相关疾病诊断 | 医学影像分析 | 心血管疾病 | 深度学习 | DL | 医学影像 | NA |
| 485 | 2025-02-19 |
Deep learning: Cracking the metabolic code
2025-Mar-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001220
PMID:39960202
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 486 | 2025-09-18 |
Bone Age Estimation of Chinese Han Adolescents's and Children's Elbow Joint X-rays Based on Multiple Deep Convolutional Neural Network Models
2025-Feb-25, Fa yi xue za zhi
|
研究论文 | 本研究开发了一种基于深度学习的自动骨龄评估模型，用于中国汉族儿童和青少年的肘关节X光图像 | 首次针对中国汉族人群肘关节X光图像，结合多种分割和回归深度学习模型进行骨龄评估，并比较不同标注策略的效果 | 样本仅来自中国部分地区，年龄范围限定在6-16岁，未涵盖更广泛年龄段或地域 | 探索并评估基于深度学习的自动骨龄评估方法在肘关节X光图像上的性能 | 中国汉族儿童和青少年的肘关节X光图像 | 计算机视觉 | NA | X光成像，深度学习 | U-Net, UNet++, TransUNet, VGG16, VGG19, InceptionV2, InceptionV3, ResNet34, ResNet50, ResNet101, DenseNet121 | 图像 | 943张肘关节正位X光图像（内部数据集），外加104张作为外部测试集 |
| 487 | 2025-09-18 |
Solubilization of Membrane Proteins using designed protein WRAPS
2025-Feb-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.04.636539
PMID:39975033
|
研究论文 | 提出一种基于深度学习的蛋白质设计方法，使用WRAPs（水溶性RF扩散两亲性蛋白质）溶解膜蛋白并保持其功能 | 开发了一种通用深度学习方法设计WRAPs，无需去污剂即可实现膜蛋白的溶解和功能保留 | NA | 解决膜蛋白溶解难题以促进治疗和疫苗开发 | 整合膜蛋白，特别是β-桶状外膜蛋白和螺旋多次跨膜蛋白 | 蛋白质设计 | 梅毒 | 深度学习设计，冷冻电镜（cryo-EM） | 深度学习 | 蛋白质序列和结构数据 | 四种外膜β-桶状蛋白（TP0698等潜在梅毒疫苗抗原） |
| 488 | 2025-09-18 |
Deep Learning for the Accurate Prediction of Triggered Drug Delivery
2025-01, IEEE transactions on nanobioscience
IF:3.7Q3
DOI:10.1109/TNB.2024.3426291
PMID:39018211
|
研究论文 | 本研究结合实验测量与深度学习技术开发预测模型，用于准确预测纳米载体中药物的触发释放行为 | 首次将深度学习应用于预测脂质体和金属有机框架纳米载体在不同触发条件下的药物释放，显著优于线性预测方法 | NA | 提高化疗药物递送精度并减少副作用，通过预测模型优化触发释放策略 | 脂质体和金属有机框架纳米载体，以及它们携带的化疗药物 | 机器学习 | 癌症 | 深度学习，超声波触发，微波暴露，紫外光暴露，pH响应释放 | 深度学习模型 | 实验测量数据 | NA |
| 489 | 2025-09-18 |
Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository
2025, NeuroImage. Clinical
DOI:10.1016/j.nicl.2025.103752
PMID:39987858
|
研究论文 | 介绍对南德克萨斯阿尔茨海默病研究中心尸检库进行的多图谱多模态形态计量学分析 | 开发了专门处理尸检MRI数据的流程，包括使用深度学习算法分离脑组织与固定液，并创建更新的脑图谱 | 尸检扫描中区域脑体积测量具有挑战性，且组织对比度因脑固定而发生变化 | 研究共病性痴呆症，通过结合神经影像和组织病理学数据建立新型脑库 | 尸检人脑样本，来自南德克萨斯阿尔茨海默病研究中心库 | 数字病理学 | 阿尔茨海默病 | MRI扫描，深度学习 | Deep Networks | 多模态MRI图像 | 约200例脑捐赠和100次MRI扫描 |
| 490 | 2025-09-18 |
BanglaNewsClassifier: A machine learning approach for news classification in Bangla Newspapers using hybrid stacking classifiers
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321291
PMID:40489455
|
研究论文 | 提出一种基于混合堆叠分类器的机器学习方法，用于孟加拉语新闻分类 | 首次将双向长短期记忆网络与支持向量机结合为堆叠元分类器，显著提升分类准确率至94% | 未明确说明模型在跨领域新闻或新兴话题上的泛化能力 | 开发高效的孟加拉语新闻自动分类系统 | 孟加拉语新闻文章 | 自然语言处理 | NA | TF-IDF向量化, word2Vec嵌入 | BiLSTM, SVM, 堆叠分类器 | 文本 | 118,404篇孟加拉语新闻文章 |
| 491 | 2025-09-18 |
Deep learning-based embedding of functional connectivity profiles for precision functional mapping
2025, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.129
PMID:40918268
|
研究论文 | 本研究利用变分自编码器嵌入功能连接图谱，实现多样本同时比较，用于精准功能映射的可视化与探索分析 | 采用变分自编码器将功能连接图谱嵌入低维潜在空间，突破传统空间相似性只能两两比较的限制，并保留数据的全局与局部结构 | NA | 开发一种能够同时比较多个功能连接图谱的方法，以提升精准功能映射的分析能力 | 不同解剖位置、个体及群体平均的功能连接图谱 | 机器学习 | NA | 变分自编码器 | VAE | 功能连接图谱 | NA |
| 492 | 2025-09-18 |
MDWC-Net: a multi-scale dynamic-weighting context network for precise spinal X-ray segmentation
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1651296
PMID:40951635
|
研究论文 | 提出一种名为MDWC-Net的多尺度动态加权上下文网络，用于精确分割脊柱X射线图像 | 引入三个新模块（MSCAW、DFCB和BIEB）以解决脊柱X射线图像分割中的尺度变化和边界模糊问题 | NA | 提高脊柱结构在临床环境中的识别准确性和效率 | 脊柱X射线图像 | 计算机视觉 | 脊柱疾病 | 深度学习 | CNN（编码器-解码器架构） | 图像 | 280张X射线图像（来自河南省人民医院），按7:1:2比例分为训练、验证和测试集 |
| 493 | 2025-09-18 |
Radiomics and ischemic stroke research: bibliometric insights and visual trends (2004-2024)
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1606388
PMID:40948650
|
综述 | 本文对2004-2024年间缺血性卒中影像组学研究进行了文献计量与可视化分析，揭示该领域的发展趋势与研究热点 | 首次系统性地通过文献计量学方法描绘缺血性卒中影像组学研究的演进轨迹与合作网络，识别关键技术进展与未来方向 | 基于文献计量分析，未涉及原始数据验证或方法学深度评估，可能存在文献收录偏差 | 通过文献计量分析探索缺血性卒中影像组学领域的研究演变、合作模式与技术发展趋势 | 2004-2024年间发表的缺血性卒中影像组学相关学术文献 | 医学影像分析 | 缺血性卒中 | 文献计量分析（使用CiteSpace和VOSviewer工具） | NA | 文献元数据 | 涵盖2004-2024年间相关文献（具体数量未明确说明） |
| 494 | 2025-09-18 |
AI/ML-empowered approaches for predicting T Cell-mediated immunity and beyond
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1651533
PMID:40948755
|
研究论文 | 本文评估了基于AlphaFold 3的AI计算方法在预测TCR-pMHC特异性中的应用 | 利用深度神经网络和AlphaFold 3进行TCR-pMHC相互作用的精确建模，区分有效和无效表位 | 预测模型仍处于早期阶段，距离广泛实际应用尚需大量工作 | 开发准确预测T细胞免疫原性的方法，以促进免疫治疗和药物设计 | T细胞受体与肽/MHC复合物（TCR-pMHC）的相互作用 | 机器学习 | 肿瘤、感染性疾病和自身免疫性疾病 | 深度神经网络，AlphaFold 3，计算机高通量筛选 | 深度学习模型 | 蛋白质结构数据 | NA |
| 495 | 2025-09-18 |
Olfactory EEG based Alzheimer disease classification through transformer based feature fusion with tunable Q-factor wavelet coefficient mapping
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1638922
PMID:40948808
|
研究论文 | 使用基于Transformer的特征融合和可调Q因子小波系数映射，从嗅觉脑电信号分类阿尔茨海默病 | 提出结合Transformer的特征融合方法，并利用可调Q因子小波系数映射提升分类性能，在基于嗅觉记忆的脑电信号分类中达到93.14%的准确率 | NA | 通过深度学习模型利用嗅觉脑电信号实现阿尔茨海默病的早期检测 | 健康个体、遗忘型轻度认知障碍患者和阿尔茨海默病患者 | 机器学习 | 阿尔茨海默病 | 脑电图(EEG)，可调Q因子小波变换 | Transformer | 脑电信号 | 包含三类人群的脑电数据集 |
| 496 | 2025-09-18 |
Unlocking artificial intelligence, machine learning and deep learning to combat therapeutic resistance in metastatic castration-resistant prostate cancer: a comprehensive review
2025, Ecancermedicalscience
IF:1.2Q4
DOI:10.3332/ecancer.2025.1953
PMID:40949469
|
综述 | 本文综述了人工智能、机器学习和深度学习在应对转移性去势抵抗性前列腺癌治疗耐药性中的作用 | 整合多组学数据和临床参数，利用AI方法揭示耐药分子机制并预测治疗反应，推动个体化治疗策略 | 数据异质性和监管考虑阻碍了AI见解向临床实践的转化 | 探讨AI在克服mCRPC治疗耐药性方面的应用潜力与挑战 | 转移性去势抵抗性前列腺癌（mCRPC）患者 | 数字病理 | 前列腺癌 | 基因组学、蛋白质组学数据分析 | 机器学习与深度学习模型 | 基因组、蛋白质组和临床参数数据 | NA |
| 497 | 2025-09-18 |
Automated seed counting using image processing and deep learning
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1659781
PMID:40949545
|
研究论文 | 本研究开发了基于图像处理和深度学习的自动化种子计数方法，并集成到移动应用中 | 结合图像处理和深度学习两种计算机视觉方法，开发移动应用实现高效自动化种子计数 | 图像处理方法依赖受控环境条件，深度学习方法对视觉复杂或密集簇状种子准确性不一致 | 开发自动化种子计数解决方案以提高农业研究和种植效率 | 农作物种子（特别是微型种子） | 计算机视觉 | NA | 图像处理，深度学习 | DL（深度学习模型） | 图像 | 未明确说明具体样本数量 |
| 498 | 2025-09-18 |
DSA-net: a lightweight and efficient deep learning-based model for pea leaf disease identification
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1642453
PMID:40949565
|
研究论文 | 提出一种轻量高效的深度学习模型DSA-Net，用于豌豆叶片病害识别 | 结合改进的MobileNet-V3_small、可变形卷积、自注意力机制和加性注意力机制，提升几何变化建模和全局特征识别能力 | NA | 提高豌豆叶片病害识别的准确性和实时性，满足现代农业需求 | 豌豆叶片，包括健康叶片和四种病害（褐斑病、潜叶蝇、白粉病、根腐病） | 计算机视觉 | 植物病害 | 深度学习 | CNN（MobileNet-V3改进版）、自注意力机制 | 图像 | 7915个样本，分为5个类别 |
| 499 | 2025-09-18 |
MOSSNet: multiscale and oriented sorghum spike detection and counting in UAV images
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1526142
PMID:40949571
|
研究论文 | 提出一种用于无人机图像中多尺度和定向高粱穗检测与计数的深度学习模型MOSSNet | 引入可变形卷积空间注意力模块（DCSA）和圆形平滑标签（CSL），结合Wise IoU定位损失函数，提升小目标检测和方向预测能力 | 尚未针对高粱不同生长阶段进行优化，实时检测流程有待开发 | 提升无人机图像中高粱穗的检测与计数精度 | 高粱穗 | 计算机视觉 | NA | 深度学习，无人机成像 | CNN，定向目标检测 | 图像 | 未明确说明样本数量，基于田间条件无人机图像 |
| 500 | 2025-09-18 |
Federated learning and differential privacy: Machine learning and deep learning for biomedical image data classification
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251358531
PMID:40949674
|
研究论文 | 评估结合差分隐私和联邦学习的机器学习方法在生物医学图像分类中的效果 | 将联邦学习与差分隐私技术结合应用于生物医学图像分类，在保护患者隐私的同时保持模型性能 | FNN模型存在过拟合问题，验证准确率相对较低 | 开发隐私保护的生物医学图像分类方法 | 生物医学图像数据 | 机器学习 | NA | 联邦学习，差分隐私 | FNN, GP, MLP | 图像 | NA |