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 24188 篇文献，本页显示第 5461 - 5480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5461 | 2025-03-11 |
Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning
2024-Dec-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.05.592587
PMID:38979147
|
研究论文 | 本文介绍了一种基于深度学习的模型ICoN，用于从分子动力学模拟数据中学习蛋白质构象变化的物理原理，并应用于高度动态的蛋白质构象采样 | 提出了一种新的深度学习模型ICoN，能够从分子动力学模拟数据中学习蛋白质构象变化的物理原理，并生成新的合成构象，揭示了实验未观察到的原子级细节 | 模型的训练依赖于分子动力学模拟数据，可能受限于模拟的准确性和计算资源 | 研究高度动态蛋白质的构象集合，以理解其功能调控和疾病相关聚集 | 高度动态的蛋白质，特别是内在无序蛋白质（IDPs）和淀粉样β（Aβ42）单体 | 机器学习 | NA | 分子动力学模拟（MD） | 深度学习模型（ICoN） | 分子动力学模拟数据 | NA |
| 5462 | 2025-03-11 |
Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning
2024-Jun-28, Research square
DOI:10.21203/rs.3.rs-4301803/v1
PMID:38978607
|
研究论文 | 本文开发了一种基于无监督深度学习的模型ICoN，用于从分子动力学模拟数据中学习蛋白质构象变化的物理原理，并通过插值数据点快速识别具有复杂和大规模侧链和骨架排列的新合成构象 | 提出了ICoN模型，能够从分子动力学模拟数据中学习蛋白质构象变化的物理原理，并生成新的合成构象，揭示了实验发现中未包含的重要原子细节 | 方法的普适性依赖于可用训练数据的质量和数量，且需要进一步的实验验证来确认生成构象的生物学相关性 | 研究蛋白质构象集合，特别是高度动态蛋白质的构象变化，以理解其功能调控和疾病相关聚集 | 高度动态的淀粉样β（Aβ42）单体 | 机器学习 | NA | 分子动力学（MD）模拟 | ICoN（Internal Coordinate Net） | 分子动力学模拟数据 | NA |
| 5463 | 2025-03-11 |
A novel deep learning model for diabetic retinopathy detection in retinal fundus images using pre-trained CNN and HWBLSTM
2024-Feb-19, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2314269
PMID:38373067
|
研究论文 | 本文提出了一种新的深度学习模型，用于通过视网膜眼底图像检测糖尿病视网膜病变，结合了预训练的CNN和HWBLSTM | 创新点在于结合了He加权双向长短期记忆网络（HWBLSTM）和有效的迁移学习技术，用于从视网膜眼底图像中检测糖尿病视网膜病变 | 未明确提及研究的局限性 | 研究目的是开发一种深度学习方法来准确检测和分类糖尿病视网膜病变 | 研究对象是糖尿病视网膜病变患者的视网膜眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习、迁移学习、图像预处理、图像分割、特征提取、降维 | CNN、HWBLSTM | 图像 | 使用了APTOS和MESSIDOR数据集 |
| 5464 | 2025-03-11 |
Adapting physics-informed neural networks to improve ODE optimization in mosquito population dynamics
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315762
PMID:39715201
|
研究论文 | 本文提出了一种改进的物理信息神经网络（PINN）框架，用于解决蚊子种群动态建模中的ODE优化问题 | 提出了一种改进的PINN框架，解决了梯度不平衡和刚性ODE问题，并通过逐步扩展训练时间域来解决时间因果关系问题 | 当前PINN框架在现实世界的ODE系统中还不够成熟，尤其是在具有极端多尺度行为的系统中 | 改进物理信息神经网络在ODE系统中的应用，特别是用于蚊子种群动态建模 | 蚊子种群动态建模 | 机器学习 | NA | 物理信息神经网络（PINN） | PINN | 模拟数据 | NA |
| 5465 | 2025-03-11 |
Application of deep learning models for detection of subdural hematoma: a systematic review and meta-analysis
2023-10, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2023-020218
PMID:37258226
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5466 | 2025-03-11 |
Response to 'Application of deep learning models for detection of subdural hematoma: a systematic review and meta-analysis'
2023-10, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2023-020804
PMID:37714539
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5467 | 2025-03-11 |
Letter re: Integration of deep learning-based image analysis and genomic data in cancer pathology: A systematic review: Label-free diagnostic technique to differentiate cancer cells from healthy cells
2022-09, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2022.04.032
PMID:35717368
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5468 | 2025-03-11 |
Response to letter entitled: Re: Integration of deep learning-based image analysis and genomic data in cancer pathology: A systematic review
2022-09, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2022.06.001
PMID:35781181
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5469 | 2025-03-11 |
Artificial Intelligence-Enabled Analysis of Public Attitudes on Facebook and Twitter Toward COVID-19 Vaccines in the United Kingdom and the United States: Observational Study
2021-04-05, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/26627
PMID:33724919
|
研究论文 | 本研究开发并应用了一种基于人工智能的方法，分析英国和美国社交媒体上关于COVID-19疫苗的公众情绪，以更好地理解公众对COVID-19疫苗的态度和担忧 | 利用自然语言处理和深度学习技术，对社交媒体数据进行情感分析和主题识别，以实时评估公众对COVID-19疫苗的信心和信任 | 研究依赖于社交媒体数据，可能无法完全代表所有公众的意见，且数据时间范围有限 | 分析英国和美国公众对COVID-19疫苗的态度和担忧，以指导教育和政策干预 | 英国和美国的社交媒体用户 | 自然语言处理 | COVID-19 | 自然语言处理，深度学习 | 深度学习模型 | 文本 | 超过300,000条社交媒体帖子，包括英国的23,571条Facebook帖子和40,268条推文，美国的144,864条Facebook帖子和98,385条推文 |
| 5470 | 2025-03-11 |
Re: An Observational Study of Deep Learning and Automated Evaluation of Cervical Images for Cancer Screening
2020-01-01, Journal of the National Cancer Institute
DOI:10.1093/jnci/djz115
PMID:31187115
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5471 | 2025-03-11 |
An Observational Study of Deep Learning and Automated Evaluation of Cervical Images for Cancer Screening
2019-09-01, Journal of the National Cancer Institute
DOI:10.1093/jnci/djy225
PMID:30629194
|
研究论文 | 本研究开发了一种基于深度学习的视觉评估算法，用于自动识别宫颈癌前病变/癌症 | 利用深度学习技术自动评估宫颈图像，提高了宫颈癌筛查的准确性和可重复性 | 研究依赖于历史数据，可能无法完全反映当前技术的最新进展 | 开发一种自动识别宫颈癌前病变/癌症的视觉评估算法 | 9406名18-94岁的女性，来自哥斯达黎加瓜纳卡斯特地区 | 计算机视觉 | 宫颈癌 | 深度学习 | 深度学习算法 | 图像 | 9406名女性，年龄18-94岁 |
| 5472 | 2025-03-10 |
Forecasting the eddying ocean with a deep neural network
2025-Mar-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-57389-2
PMID:40050275
|
研究论文 | 本文开发了一个名为WenHai的数据驱动全球海洋预报系统，通过训练深度神经网络来预测海洋中尺度涡旋的短期演变 | 首次将深度神经网络应用于全球海洋预报系统，并结合动量、热量和淡水通量的体公式来改进海气相互作用的表示 | 由于大气和海洋的动态特性不同，AI方法在海洋预报中的应用仍具有挑战性 | 提高全球海洋预报能力，特别是中尺度涡旋的短期演变预测 | 海洋中尺度涡旋 | 机器学习 | NA | 深度神经网络 | DNN | 海洋数据 | NA |
| 5473 | 2025-03-10 |
Classifying microfossil radiolarians on fractal pre-trained vision transformers
2025-Mar-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90988-z
PMID:40050318
|
研究论文 | 本文探讨了使用预训练的视觉变换器（ViT）和公式驱动的监督学习（FDSL）技术对微化石（放射虫）进行分类的效果 | 首次将视觉变换器（ViT）和公式驱动的监督学习（FDSL）应用于地质学中的微化石分类，相比传统CNN模型，平均精度提高了6-8% | 未提及具体样本量和数据集的多样性，可能影响模型的泛化能力 | 探索新的深度学习技术在地质学图像分类中的应用 | 微化石（放射虫） | 计算机视觉 | NA | 公式驱动的监督学习（FDSL） | 视觉变换器（ViT） | 图像 | NA |
| 5474 | 2025-03-10 |
Prediction of malnutrition in kids by integrating ResNet-50-based deep learning technique using facial images
2025-Mar-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91825-z
PMID:40050339
|
研究论文 | 本研究利用基于ResNet-50的深度学习技术，通过面部图像预测儿童营养不良 | 使用ResNet-50深度学习模型的内置快捷连接解决图像分割任务中的梯度消失问题，提高了训练效率，并在预测营养不良方面达到了98.49%的准确率 | 研究未提及样本的具体来源和多样性，可能影响模型的泛化能力 | 简化儿童营养不良的预测过程，减少对多次手动诊断测试的依赖 | 儿童 | 计算机视觉 | 营养不良 | 深度学习 | ResNet-50 | 图像 | 未明确说明具体样本数量 |
| 5475 | 2025-03-10 |
Creating a retinal image database to develop an automated screening tool for diabetic retinopathy in India
2025-Mar-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91941-w
PMID:40050377
|
研究论文 | 本文描述了在印度建立一个大规模视网膜图像数据库的方法，旨在开发一个基于人工智能的糖尿病视网膜病变自动筛查工具 | 通过建立大规模视网膜图像数据库，结合深度学习技术，开发成本效益高且稳健的AI诊断工具，以应对全球糖尿病视网膜病变筛查的挑战 | 需要大量高分辨率眼底图像和专业医疗人员提供准确的诊断标签，以确保AI算法的精确性 | 开发一个自动化的糖尿病视网膜病变筛查工具，以提高筛查效率和准确性 | 糖尿病患者的视网膜图像 | 数字病理学 | 糖尿病视网膜病变 | 深度学习 | NA | 图像 | 大规模视网膜图像数据库 |
| 5476 | 2025-03-10 |
Hybrid feature optimized CNN for rice crop disease prediction
2025-Mar-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92646-w
PMID:40050403
|
研究论文 | 本文提出了一种混合生物启发算法，结合自适应粒子群优化（APSO）和鲸鱼优化算法（WOA），用于水稻作物病害预测，并利用卷积神经网络（CNN）进行病害分类 | 提出了一种新的混合生物启发算法（Hybrid WOA_APSO），结合了APSO和WOA，用于优化特征选择，提高了水稻病害分类的准确性 | 虽然模型在实验中表现出色，但其在真实农田环境中的泛化能力尚未验证，且计算复杂度较高 | 提高水稻作物病害的准确识别和分类，以减少经济损失并提高作物产量 | 水稻作物病害 | 计算机视觉 | 水稻病害 | 深度学习 | CNN | 图像 | 使用基准数据集（Plantvillage）进行实验 |
| 5477 | 2025-03-10 |
Deep learning-based image analysis in muscle histopathology using photo-realistic synthetic data
2025-Mar-06, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-00777-y
PMID:40050400
|
研究论文 | 本文介绍了一种名为SYNTA的新方法，用于生成逼真的合成生物医学图像数据，以解决当前生成模型和基于深度学习的图像分析中的挑战 | SYNTA方法采用完全参数化的方法创建针对特定生物医学任务的逼真合成训练数据集，解决了现有生成模型缺乏代表性和高质量真实数据的问题 | 需要进一步验证SYNTA方法在其他生物医学领域的适用性和效果 | 旨在通过生成逼真的合成生物医学图像数据，改进和加速生物医学图像分析 | 肌肉组织病理学和骨骼肌分析 | 数字病理学 | NA | 深度学习和生成模型 | GAN, Diffusion Models | 图像 | 两个真实世界的数据集 |
| 5478 | 2025-03-10 |
A deep learning approach to understanding controlled ovarian stimulation and in vitro fertilization dynamics
2025-Mar-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92186-3
PMID:40050418
|
研究论文 | 本文开发了一个基于Transformer-Encoder架构的深度学习模型Edwards，用于改善体外受精（IVF）周期中控制性卵巢刺激（COS）的预测结果 | Edwards模型能够捕捉IVF周期中的时间特征，提供治疗计划选项，并预测激素水平和卵巢反应，相比传统机器学习方法，在预测IVF最终结果方面表现出更高的准确性 | NA | 提高体外受精（IVF）周期中控制性卵巢刺激（COS）的预测准确性 | 体外受精（IVF）周期中的控制性卵巢刺激（COS）过程 | 机器学习 | 不孕症 | 深度学习 | Transformer-Encoder | 时间序列数据 | NA |
| 5479 | 2025-03-10 |
Deep learning-driven pulmonary artery and vein segmentation reveals demography-associated vasculature anatomical differences
2025-Mar-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56505-6
PMID:40050617
|
研究论文 | 本文提出了一种名为HiPaS的深度学习驱动方法，用于肺动脉和静脉的精确分割，揭示了与人口统计学相关的血管解剖差异 | HiPaS方法首次实现了在非对比CT和CTPA上的多分辨率精确分割，无需使用对比剂，降低了健康风险 | 尽管HiPaS在非对比CT上表现出色，但其在更广泛临床环境中的应用仍需进一步验证 | 开发一种无需对比剂的肺动脉和静脉分割方法，以支持疾病诊断和手术规划 | 肺动脉和静脉 | 数字病理学 | 肺病 | 深度学习 | NA | CT图像 | 1073个CT体积（训练集），11,784名参与者（大规模分析） |
| 5480 | 2025-03-10 |
Frequency transfer and inverse design for metasurface under multi-physics coupling by Euler latent dynamic and data-analytical regularizations
2025-Mar-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-57516-z
PMID:40050630
|
研究论文 | 本文提出了一种多物理深度学习框架（MDLF），用于解决频率转移和多物理耦合问题，并在超表面设计中实现了未见频率段的预测 | 提出了结合多保真度DeepONet、欧拉潜在动态网络和数据解析反演网络的MDLF框架，能够在缺乏多物理响应知识的情况下，通过动态利用欧拉潜在空间和单物理信息，实现对未见频率段的预测 | 需要进一步验证在更广泛的多物理耦合场景下的适用性 | 解决频率转移问题，并实现超表面在未见频率段的多物理耦合预测 | 超表面 | 机器学习 | NA | 多物理深度学习框架（MDLF） | DeepONet, 欧拉潜在动态网络, 数据解析反演网络 | 频谱数据 | NA |