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 25773 篇文献，本页显示第 7081 - 7100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7081 | 2025-04-01 |
Explainable attention based breast tumor segmentation using a combination of UNet, ResNet, DenseNet, and EfficientNet models
2025-01-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84504-y
PMID:39762417
|
研究论文 | 本研究提出了一种基于改进UNet架构的深度学习技术，用于乳腺肿瘤分割，结合了注意力机制和先进的编码器架构 | 结合了CBAM和非局部注意力机制，以及ResNet、DenseNet和EfficientNet等先进的编码器架构，显著提升了分割性能 | 未来研究需探索多模态成像、实时临床应用以及更先进的注意力机制以进一步提升分割性能 | 提高乳腺肿瘤分割的准确性和可靠性 | 乳腺超声图像（BUSI）数据集中的乳腺肿瘤 | 计算机视觉 | 乳腺癌 | 深度学习 | UNet、ResNet、DenseNet、EfficientNet | 图像 | BUSI数据集中的乳腺超声图像 |
| 7082 | 2025-04-01 |
Diagnostic Performance of a Computer-aided System for Tuberculosis Screening in Two Philippine Cities
2025, Acta medica Philippina
DOI:10.47895/amp.vi0.8950
PMID:39967706
|
research paper | 评估qXR3.0技术在菲律宾两个城市中用于结核病筛查的诊断性能 | 首次在菲律宾本地评估基于AI的结核病筛查系统qXR3.0的性能，并与放射科医生的诊断进行比较 | 样本量较小（82名参与者），未来研究需要更大样本量验证结果 | 评估qXR3.0技术在结核病筛查中的诊断性能，并验证其是否符合WHO标准 | 菲律宾15岁及以上成年人 | digital pathology | tuberculosis | deep learning neural networks (DLNNs) | qXR3.0 | chest radiographs (CXRs) | 82名参与者 |
| 7083 | 2025-04-01 |
Detection of ionospheric disturbances with a sparse GNSS network in simulated near-real time Mw 7.8 and Mw 7.5 Kahramanmaraş earthquake sequence
2025, GPS solutions
IF:4.5Q1
DOI:10.1007/s10291-024-01808-2
PMID:39990601
|
研究论文 | 本文开发了一种近实时检测电离层扰动的方法，用于识别由地震引起的电离层异常信号 | 利用LSTM神经网络自动检测地震引起的电离层扰动，无需事先知晓地震事件 | 方法在夜间电离水平较低时可能无法检测到较小幅度的扰动 | 开发近实时电离层扰动检测方法，用于地震监测 | 由Kahramanmaraş地震序列引起的电离层扰动 | 地球物理监测 | NA | GNSS总电子含量(TEC)测量 | LSTM | 卫星信号数据 | 2023年2月6日Kahramanmaraş地震序列数据 |
| 7084 | 2025-03-30 |
Correction: Detection and recognition of foreign objects in Pu-erh Sun-dried green tea using an improved YOLOv8 based on deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321409
PMID:40153338
|
correction | 对一篇关于使用改进的YOLOv8深度学习模型检测和识别普洱茶晒青毛茶中外来物的文章进行更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7085 | 2024-10-02 |
Deep learning sharpens vistas on biodiversity mapping
2024-Oct-08, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2416358121
PMID:39348547
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7086 | 2025-04-01 |
A Deep Learning-based Pipeline for Segmenting the Cerebral Cortex Laminar Structure in Histology Images
2024-Oct, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-024-09688-0
PMID:39417954
|
研究论文 | 本文提出了一种基于深度学习的流程，用于在组织学图像中分割大脑皮层的层状结构 | 开发了一种新颖的计算框架，结合AI工具获取皮层标签，并使用深度学习模型进行皮层分层分割，相比现有方法在分割质量上有显著提升 | 仅针对普通狨猴的Nissl染色和髓鞘染色切片图像进行研究，未在其他物种或染色方法上验证 | 理解大脑皮层层状结构的解剖学特征及其连接模式，为神经系统疾病研究提供见解 | 普通狨猴大脑的Nissl染色和髓鞘染色切片图像 | 数字病理学 | 神经系统疾病 | 深度学习 | 深度学习模型（未明确具体类型） | 图像 | 普通狨猴大脑切片图像（具体数量未说明） |
| 7087 | 2025-04-01 |
Modeling protein-small molecule conformational ensembles with ChemNet
2024-Sep-25, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.25.614868
PMID:39386615
|
research paper | 该研究开发了一种名为ChemNet的图神经网络，用于模拟蛋白质-小分子系统的构象异质性 | ChemNet能够快速生成小分子和蛋白质-小分子系统的构象集合，并在酶设计方面表现出更高的成功率和活性 | NA | 模拟蛋白质-小分子系统的构象异质性，并提高酶设计的成功率 | 蛋白质-小分子系统 | machine learning | NA | graph neural network | ChemNet | atomic level structures | 数据来自Cambridge Structural Database和Protein Data Bank |
| 7088 | 2024-08-07 |
Comment on 'Deep learning-assisted detection and segmentation of intracranial hemorrhage in noncontrast computed tomography scans of acute stroke patients: a systematic review and meta-analysis'
2024-Sep-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001718
PMID:38814316
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7089 | 2025-04-01 |
Automated segmentation of the median nerve in patients with carpal tunnel syndrome
2024-07-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65840-5
PMID:39033223
|
研究论文 | 本研究利用U-Net网络训练算法，自动分割腕管综合征患者的正中神经超声图像并测量其横截面积 | 采用深度学习技术自动分割正中神经并测量其横截面积，为腕管综合征的诊断提供新方法 | 样本量较小（25例患者和26例健康对照），且自动化测量与手动测量存在10.9%的差异 | 开发一种自动化技术用于腕管综合征的诊断验证 | 腕管综合征患者和健康对照的正中神经超声图像 | 医学影像 | 腕管综合征 | 超声成像 | U-Net | 图像 | 25例腕管综合征患者和26例健康对照的2355张手动分割图像 |
| 7090 | 2025-04-01 |
Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT
2024-Jun-27, Research square
DOI:10.21203/rs.3.rs-4536158/v1
PMID:38978567
|
研究论文 | 本文提出了一种名为TACIT的无监督算法，用于细胞注释，无需训练数据即可识别细胞类型和状态 | 开发了TACIT算法，无需训练数据即可进行细胞注释，并在多组学分析中识别模糊细胞，提高了准确性和可扩展性 | 虽然TACIT在多个数据集中表现良好，但其在更广泛细胞类型和疾病中的应用仍需进一步验证 | 解决空间生物学中细胞类型和状态识别的挑战，提高注释的准确性和效率 | 细胞类型和状态，特别是在脑、肠道和腺体三个生态位中的细胞 | 空间生物学 | 炎症性腺体疾病 | 多组学分析，空间转录组学和蛋白质组学 | 无监督算法 | 多组学数据 | 5个数据集，包含5,000,000个细胞和51种细胞类型 |
| 7091 | 2025-04-01 |
Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT
2024-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.31.596861
PMID:38895230
|
研究论文 | 本文提出了一种名为TACIT的无监督算法，用于细胞注释，通过预定义的签名在无需训练数据的情况下操作，利用无偏阈值区分阳性细胞与背景，专注于相关标记以识别多组学分析中的模糊细胞 | 开发了TACIT算法，一种无需训练数据的无监督细胞注释方法，通过无偏阈值和聚焦相关标记来提高准确性和可扩展性 | 未明确提及算法的局限性，但可能包括对预定义签名的依赖以及在更广泛细胞类型和状态中的泛化能力 | 解决空间生物学中细胞类型和状态识别的时间消耗和易出错问题 | 细胞类型和状态，特别是在脑、肠和腺体三个生态位中的细胞 | 空间生物学 | 炎症性腺体疾病 | 多组学分析，空间转录组学和蛋白质组学 | 无监督算法 | 多组学数据 | 五个数据集（5,000,000个细胞；51种细胞类型） |
| 7092 | 2025-04-01 |
VesselBoost: A Python Toolbox for Small Blood Vessel Segmentation in Human Magnetic Resonance Angiography Data
2024-May-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.22.595251
PMID:38826408
|
research paper | 介绍了一个名为VesselBoost的Python工具箱，用于在人类磁共振血管造影数据中进行小血管分割 | 结合深度学习和不完美训练标签进行血管分割，并利用创新的数据增强技术 | 需要大量正确和全面标记的数据集，这在实践中可能难以获得 | 通过高分辨率MRA数据进行小血管的定量表征和精确表示，以支持血流模拟 | 人类大脑的小血管 | digital pathology | cardiovascular disease | MRA, deep learning | deep learning-based methods | image | NA |
| 7093 | 2025-04-01 |
Areas of interest and sentiment analysis towards second generation antipsychotics, lithium and mood stabilizing anticonvulsants: Unsupervised analysis using Twitter
2024-04-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.01.234
PMID:38290587
|
研究论文 | 通过分析Twitter上关于第二代抗精神病药物、锂盐和情绪稳定抗癫痫药物的提及和情感，探讨患者和公众对这些药物的态度和信念 | 利用社交媒体数据（Twitter）和AI技术（机器学习和深度学习）分析患者对精神疾病药物的态度和情感，揭示了不同语言和文化背景下的讨论差异 | Twitter数据的简短性可能无法完全捕捉讨论的细微差别，且研究药物的广泛治疗用途使得难以隔离特定疾病的讨论，仅分析了英语和西班牙语的推文，限制了文化广度的发现 | 理解患者和公众对精神分裂症及相关精神病性障碍（SRD）或双相情感障碍（BD）治疗药物的态度和信念 | Twitter上关于第二代抗精神病药物、锂盐和情绪稳定抗癫痫药物的提及和情感 | 自然语言处理 | 精神分裂症及相关精神病性障碍（SRD）或双相情感障碍（BD） | 机器学习, 深度学习, 自然语言处理 | NA | 文本 | 893,289条推文（2008年至2022年） |
| 7094 | 2025-04-01 |
Larger hypothalamic subfield volumes in patients with chronic insomnia disorder and relationships to levels of corticotropin-releasing hormone
2024-04-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.02.023
PMID:38341156
|
研究论文 | 本研究探讨了慢性失眠症患者与健康对照组在下丘脑及其亚区体积上的差异，并分析了这些差异与失眠症状严重程度及HPA轴相关血液生物标志物的关系 | 首次使用基于深度学习的自动分割工具研究慢性失眠症患者下丘脑亚区体积变化，并揭示前部下丘脑肥大在CRH水平与失眠严重程度关系中的中介作用 | 研究样本量相对有限，且为横断面研究无法确定因果关系 | 探究慢性失眠症患者下丘脑亚区体积变化及其与HPA轴功能的关系 | 150名慢性失眠症患者和155名人口统计学匹配的健康对照 | 数字病理学 | 睡眠障碍 | T1加权结构磁共振扫描，深度学习自动分割 | 深度学习 | MRI图像 | 305人（150名患者和155名对照） |
| 7095 | 2025-04-01 |
Research and application of deep learning-based sleep staging: Data, modeling, validation, and clinical practice
2024-04, Sleep medicine reviews
IF:11.2Q1
DOI:10.1016/j.smrv.2024.101897
PMID:38306788
|
综述 | 本文全面回顾了基于深度学习的睡眠分期技术的最新方法，包括数据处理、建模、验证及临床应用 | 深入探讨了深度学习在睡眠分期中的应用，特别是在大规模数据集、跨学科合作和人机交互方面的创新 | 未提及具体实验数据或模型性能的详细比较 | 提高睡眠分期的效率和准确性，促进其在临床实践和日常生活中的应用 | 睡眠分期的自动化系统 | 机器学习 | 睡眠障碍 | 深度学习 | NA | 信号数据 | NA |
| 7096 | 2025-04-01 |
Deep learning approaches in predicting ADMET properties
2020-11, Future medicinal chemistry
IF:3.2Q3
DOI:10.4155/fmc-2020-0259
PMID:33124448
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7097 | 2025-03-30 |
Utilization of Image-Based Deep Learning in Multimodal Glaucoma Detection Neural Network from a Primary Patient Cohort
2025 May-Jun, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100703
PMID:40151357
|
研究论文 | 开发了一种基于多模态成像数据的深度学习模型，用于青光眼的检测 | 通过多模态数据（眼底照片、OCT扫描和HVF分析）的整合，提高了青光眼检测模型的性能和准确性 | 模型在外部数据集上的性能可能受到数据质量和一致性的影响 | 开发一种临床可用的多模态神经网络模型，用于青光眼的检测 | 青光眼和非青光眼患者的眼底照片、OCT扫描和HVF测试数据 | 数字病理学 | 青光眼 | 深度学习 | CNN和MLP | 图像 | 716次就诊数据（706只眼睛，571名患者）和4个外部单模态数据集 |
| 7098 | 2025-03-30 |
Artificial Intelligence Models to Identify Patients at High Risk for Glaucoma Using Self-reported Health Data in a United States National Cohort
2025 May-Jun, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100685
PMID:40151359
|
研究论文 | 本研究开发了基于自报健康调查数据的人工智能模型，用于预测青光眼高风险患者 | 利用自报健康调查数据而非专业眼科检查数据来预测青光眼风险，适用于资源匮乏环境的大规模筛查 | 模型性能依赖于电子健康记录中诊断代码的准确性，且未包含眼科影像数据 | 开发青光眼高风险人群的预筛查工具 | 美国全国队列中18岁以上、有≥2次眼科相关电子健康记录并提交健康调查的参与者 | 机器学习 | 青光眼 | 机器学习 | XGBoost, 逻辑回归, 全连接神经网络 | 结构化调查数据 | 8205名患者（其中873名确诊青光眼） |
| 7099 | 2025-03-30 |
Quantifying knee-adjacent subcutaneous fat in the entire OAI baseline dataset - Associations with cartilage MRI T2, thickness and pain, independent of BMI
2025-Apr, Osteoarthritis and cartilage
IF:7.2Q1
DOI:10.1016/j.joca.2025.01.001
PMID:39864732
|
research paper | 本研究开发了一种基于人工智能的工具，用于自动分割膝关节邻近皮下脂肪（kaSCF）厚度，并评估了kaSCF与软骨厚度、MRI T2弛豫时间、膝关节疼痛和肌肉力量之间的横断面关联，独立于体重指数（BMI） | 首次使用深度学习算法自动分割kaSCF厚度，并独立于BMI评估其与膝关节骨关节炎相关结构、功能和临床结果的关联 | 研究为横断面设计，无法确定因果关系 | 评估膝关节邻近皮下脂肪（kaSCF）与膝关节骨关节炎相关指标之间的关联 | 骨关节炎倡议（OAI）队列中的4796名参与者的右膝关节基线3.0T MR图像 | digital pathology | osteoarthritis | MRI, deep learning | deep learning algorithms | image | 4796名OAI队列参与者的右膝关节MR图像 |
| 7100 | 2025-03-30 |
Towards contrast-agnostic soft segmentation of the spinal cord
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103473
PMID:39874684
|
research paper | 本文提出了一种基于深度学习的脊髓软分割方法，能够在不同MRI对比度下稳定分割脊髓 | 使用软平均分割和回归损失函数减少CSA变异性，并能够处理部分容积效应 | 研究主要基于健康参与者的数据，对于病理情况的泛化能力仍需进一步验证 | 开发一种对比度无关的脊髓分割方法，以提高多中心研究中CSA测量的稳定性 | 脊髓MRI图像 | digital pathology | neurodegenerative diseases | MRI | U-Net | image | 267名健康参与者，6种对比度 |