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 24517 篇文献，本页显示第 7161 - 7180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7161 | 2025-02-28 |
Artificial intelligence in drug development: reshaping the therapeutic landscape
2025, Therapeutic advances in drug safety
IF:3.4Q2
DOI:10.1177/20420986251321704
PMID:40008227
|
研究论文 | 本文探讨了人工智能在药物研发中的应用及其对治疗领域的重塑 | 人工智能通过机器学习、深度学习和神经网络等技术，革新了药物设计、靶点识别和临床试验预测，并加速了药物分子的开发和重新设计 | AI模型通常被视为'黑箱'，其结论难以理解，且由于模型透明度和算法偏见的缺乏，限制了其潜力 | 研究人工智能在药物研发中的应用及其对治疗领域的重塑 | 药物研发过程中的各个环节，包括药物设计、靶点识别和临床试验预测 | 机器学习 | NA | 机器学习、深度学习、神经网络 | NA | NA | NA |
| 7162 | 2025-02-28 |
Deep learning enhances the prediction of HLA class I-presented CD8+ T cell epitopes in foreign pathogens
2025, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-024-00971-y
PMID:40008296
|
研究论文 | 本文开发了一个名为MUNIS的深度学习模型，用于预测HLA-I类分子呈递的CD8+ T细胞表位，以提高T细胞疫苗的开发效率 | MUNIS模型在预测肽段呈递和CD8 T细胞表位免疫优势层次方面表现出优于现有模型的性能，并且能够减少实验负担，加速CD8 T细胞表位的识别 | NA | 提高T细胞疫苗开发中的CD8 T细胞表位预测准确性 | HLA-I类分子呈递的CD8+ T细胞表位 | 机器学习 | NA | 深度学习 | MUNIS | 肽段数据 | 651,237个独特的HLA-I类配体 |
| 7163 | 2025-02-28 |
Corrigendum: Predicting epidermal growth factor receptor mutation status of lung adenocarcinoma based on PET/CT images using deep learning
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1564325
PMID:40012552
|
correction | 本文是对先前发表的文章的更正，该文章涉及基于PET/CT图像使用深度学习预测肺腺癌表皮生长因子受体突变状态 | NA | NA | 更正先前发表的文章中的错误 | NA | digital pathology | lung cancer | NA | deep learning | PET/CT images | NA |
| 7164 | 2025-02-28 |
MCNN-AAPT: accurate classification and functional prediction of amino acid and peptide transporters in secondary active transporters using protein language models and multi-window deep learning
2024-Nov-22, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2431664
PMID:39576667
|
研究论文 | 本研究开发了一个结合预训练蛋白质语言模型和深度学习技术的计算框架，用于分类次级主动转运蛋白中的氨基酸和肽转运蛋白，并预测其与溶质载体蛋白的功能关联 | 首次将预训练蛋白质语言模型与多窗口深度学习技术结合，用于次级主动转运蛋白的功能分类和溶质载体蛋白的预测 | 研究仅基于已知的次级主动转运蛋白数据集，可能无法涵盖所有未知的转运蛋白类型 | 开发一个计算框架，用于分类和预测次级主动转运蛋白的功能 | 次级主动转运蛋白，特别是氨基酸和肽转运蛋白 | 生物信息学 | 癌症 | 蛋白质语言模型（ProtTrans, ESM-1b, ESM-2），深度学习 | 深度学习神经网络 | 蛋白质序列数据 | 448个次级主动转运蛋白，包括36个溶质载体蛋白 |
| 7165 | 2025-02-28 |
In vivo evaluation of complex polyps with endoscopic optical coherence tomography and deep learning during routine colonoscopy: a feasibility study
2024-11-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78891-5
PMID:39537775
|
研究论文 | 本研究评估了在常规结肠镜检查中使用内窥镜光学相干断层扫描（OCT）和深度学习技术评估复杂息肉的可行性 | 结合OCT和深度学习技术，提供了一种新的非侵入性方法来评估结肠息肉的浸润深度，并在多个组织学亚型之间进行了细致的比较 | 样本量较小（35个息肉，32名患者），且为初步临床研究，需要更大规模的研究来验证结果 | 评估内窥镜OCT探头在常规结肠镜检查中评估结肠息肉的可行性 | 接受内窥镜治疗的大型结肠息肉患者 | 数字病理学 | 结肠癌 | 内窥镜光学相干断层扫描（OCT） | 深度学习模型 | 图像 | 35个息肉，32名患者 |
| 7166 | 2024-11-17 |
Artificial intelligence-based morphologic classification and molecular characterization of neuroblastic tumors from digital histopathology
2024-Nov-08, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00745-0
PMID:39511421
|
研究论文 | 开发了一种基于注意力机制的多实例学习和自监督学习的深度学习模型，用于从数字病理学中对神经母细胞瘤进行形态学分类和分子特征分析 | 首次使用注意力机制的多实例学习和自监督学习方法，结合H&E染色全切片图像，对神经母细胞瘤进行病理分类和MYCN扩增状态评估 | NA | 开发一种人工智能辅助的神经母细胞瘤分类方法 | 神经母细胞瘤的病理分类和MYCN扩增状态评估 | 数字病理学 | 神经母细胞瘤 | 注意力机制的多实例学习 (aMIL) 和自监督学习 (SSL) | 深度学习模型 | 图像 | 迄今为止报道的最大队列的全切片图像 |
| 7167 | 2025-02-28 |
Deep autoencoder-based behavioral pattern recognition outperforms standard statistical methods in high-dimensional zebrafish studies
2024-Sep, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012423
PMID:39255309
|
研究论文 | 本文提出了一种基于深度自编码器的行为模式识别方法，用于分析斑马鱼的高维行为数据，优于传统的统计方法 | 使用半监督深度自编码器提取斑马鱼的“正常”行为模式，并识别出传统方法未能捕捉到的化学物质诱导的异常行为 | 研究主要基于斑马鱼模型，可能无法直接推广到其他生物系统 | 开发一种更有效的方法来分析斑马鱼的高维行为数据，以识别化学物质暴露引起的行为变化 | 斑马鱼幼虫 | 机器学习 | NA | 深度自编码器 | 自编码器 | 行为数据 | 未暴露于有毒物质的斑马鱼幼虫行为数据 |
| 7168 | 2025-02-28 |
Artificial Intelligence for Early Detection of Pediatric Eye Diseases Using Mobile Photos
2024-08-01, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究开发了一种基于深度学习的AI模型，用于通过移动设备拍摄的照片识别儿童眼病，包括近视、斜视和上睑下垂 | 利用AI技术从移动设备拍摄的照片中识别儿童眼病，提供了一种便捷的家庭筛查方法，突破了传统医院筛查的局限 | 研究样本量相对较小，且仅在单一医院进行，可能影响模型的泛化能力 | 开发一种AI模型，用于早期检测儿童眼病 | 儿童眼病（近视、斜视和上睑下垂） | 计算机视觉 | 儿童眼病 | 深度学习 | 深度学习模型 | 图像 | 476名患者的1419张图像 |
| 7169 | 2024-10-24 |
Identification of an ANCA-Associated Vasculitis Cohort Using Deep Learning and Electronic Health Records
2024-Jun-10, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.09.24308603
PMID:38946986
|
研究论文 | 本文利用深度学习模型分析电子健康记录，以更准确地识别ANCA相关性血管炎病例 | 本文提出了一种基于深度学习的模型，用于分析电子健康记录，以更准确地识别ANCA相关性血管炎病例，相比传统的基于规则的方法，该模型能够发现更多的病例 | 本文未详细讨论模型的泛化能力和在其他数据集上的表现 | 开发一种更准确的方法来识别ANCA相关性血管炎病例 | ANCA相关性血管炎病例的识别 | 机器学习 | 其他疾病 | 深度学习 | 深度学习算法 | 文本 | 三个数据集分别包含6,000、3,008和7,500个笔记部分，以及2,000个随机选择的样本 |
| 7170 | 2025-02-28 |
Identification and Structural Characterization of Twisted Atomically Thin Bilayer Materials by Deep Learning
2024-Mar-06, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.3c04815
PMID:38407030
|
研究论文 | 本文介绍了一种利用深度学习技术识别和结构表征扭曲原子薄双层材料的方法 | 使用语义分割卷积神经网络（CNN）快速准确地识别MoS薄片的厚度，并训练第二个CNN模型预测CVD生长的双层薄片的扭曲角度 | NA | 开发一种可扩展的方法，用于自动化检测扭曲原子薄CVD生长的双层材料 | 扭曲双层石墨烯和过渡金属二硫化物 | 计算机视觉 | NA | 光学显微镜、化学气相沉积（CVD）、二次谐波生成、拉曼光谱 | CNN | 图像 | 超过10,000张合成图像 |
| 7171 | 2025-02-28 |
Predicting epidermal growth factor receptor mutation status of lung adenocarcinoma based on PET/CT images using deep learning
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1458374
PMID:39735601
|
研究论文 | 本研究旨在开发基于18F-FDG PET/CT图像的深度学习模型，用于预测肺腺癌（LUAD）患者的表皮生长因子受体（EGFR）突变状态 | 利用深度学习模型预测EGFR突变状态，结合PET/CT图像和临床特征，提高了预测的准确性 | 研究仅基于两个机构的430名患者，样本量可能不足以代表所有肺腺癌患者 | 开发预测肺腺癌患者EGFR突变状态的深度学习模型 | 430名非小细胞肺癌患者 | 计算机视觉 | 肺癌 | 18F-FDG PET/CT成像 | Inception V3 | 图像 | 430名非小细胞肺癌患者 |
| 7172 | 2025-02-28 |
DeepOmicsAE: Representing Signaling Modules in Alzheimer's Disease with Deep Learning Analysis of Proteomics, Metabolomics, and Clinical Data
2023-12-15, Journal of visualized experiments : JoVE
DOI:10.3791/65910
PMID:38163278
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7173 | 2025-02-28 |
Artificial Intelligence-based System for Detecting Attention Levels in Students
2023-12-15, Journal of visualized experiments : JoVE
DOI:10.3791/65931
PMID:38163270
|
研究论文 | 本文提出了一种基于人工智能的系统，用于检测学生的注意力水平，通过分析学生的情绪、视线方向、身体姿势和生物特征数据来帮助教师优化教学过程 | 创新点在于整合多种数据源（如情绪、视线、姿势和生物特征数据）来训练AI系统，以自动识别学生的注意力水平，并提出创建标注数据集和注意力分类器的方案 | 整合不同类型的数据具有挑战性，需要创建标注数据集，且依赖专家输入和现有研究进行准确标注 | 研究目标是利用AI技术自动检测学生的注意力水平，以帮助教师调整教学策略，优化教学效果 | 研究对象是课堂中的学生 | 机器学习 | NA | 深度学习 | NA | 图像、生物特征数据 | 未明确提及样本数量 |
| 7174 | 2025-02-27 |
Brain analysis to approach human muscles synergy using deep learning
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10228-y
PMID:39996071
|
研究论文 | 本研究通过深度学习分析脑信号和肌肉运动，利用EEG和EMG信号估计肌肉与脑信号之间的协同作用 | 结合EEG和EMG信号，使用图论和神经网络方法估计肌肉与脑信号的协同作用，并开发了脑图映射以重建肌肉信号 | NA | 改进康复方法和脑机接口 | 脑信号和肌肉运动 | 机器学习 | NA | EEG, EMG | 神经网络, 卷积网络 | 信号数据 | NA |
| 7175 | 2025-02-27 |
FHD deep learning prognosis approach: Early detection of fetal heart disease (FHD) using ultrasonography image-based IROI combined multiresolution DCNN
2025-Feb-26, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241310981
PMID:40007382
|
研究论文 | 本文提出了一种基于超声图像的深度学习预后方法，用于早期检测胎儿心脏病（FHD） | 提出了一种结合增强自适应中值滤波（EAMF）、强化感兴趣区域（IROI）分割和多分辨率深度卷积神经网络（MDCNN）分类的自动化分层网络，用于FHD的检测 | 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 | 早期检测胎儿心脏病（FHD） | 胎儿心脏病的超声图像 | 计算机视觉 | 胎儿心脏病 | 超声2D成像 | 多分辨率深度卷积神经网络（MDCNN） | 图像 | 未提及具体样本量 |
| 7176 | 2025-02-27 |
Artificial Intelligence in Computed Tomography Image Reconstruction: A Review of Recent Advances
2025-Feb-26, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001734
PMID:40008975
|
综述 | 本文综述了人工智能在计算机断层扫描（CT）图像重建中的最新进展 | 人工智能，特别是深度学习，在CT重建中展示了减少辐射剂量同时保持图像质量和噪声纹理的巨大潜力，并在解决低剂量CT、稀疏视图CT、有限角度CT和内部断层扫描等挑战性问题中表现出前所未有的性能 | NA | 探讨人工智能在CT图像重建中的应用，特别是在低剂量、稀疏视图和有限角度等挑战性条件下的应用 | 计算机断层扫描（CT）图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 7177 | 2025-02-27 |
Automatic placement of simulated dental implants within CBCT images in optimum positions: a deep learning model
2025-Feb-26, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03327-9
PMID:40009142
|
研究论文 | 本研究提出了一种基于深度学习的框架，用于在CBCT图像中自动放置模拟牙种植体至最佳位置 | 采用两阶段深度学习框架，结合YOLOv11进行标记检测和种植体位置预测，提高了牙种植体放置的自动化程度和准确性 | YOLOv11在标记检测阶段的F-score仅为59%，种植体位置预测的平均绝对误差在11.931到15.954之间，表明模型仍有改进空间 | 提高牙种植体放置的自动化程度和准确性，减少对牙医知识和经验的依赖 | CBCT图像中的牙种植体 | 计算机视觉 | NA | 深度学习 | YOLOv11 | 3D CBCT图像 | NA |
| 7178 | 2025-02-27 |
A deep learning-based psi CT network effectively predicts early recurrence after hepatectomy in HCC patients
2025-Feb-26, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04849-4
PMID:40009155
|
研究论文 | 本文介绍了一种基于深度学习的psi CT网络，用于预测肝细胞癌（HCC）患者肝切除术后早期复发 | 结合DenseNet和注意力机制，模型能自动聚焦于对患者生存有显著影响的区域，并通过CAM技术可视化这些区域 | 研究为回顾性，且样本量相对有限，可能影响模型的泛化能力 | 开发一种可靠的方法来预测HCC患者肝切除术后早期复发 | 肝细胞癌（HCC）患者 | 数字病理 | 肝癌 | 深度学习 | DenseNet | CT扫描图像 | 302例患者，来自五个中心 |
| 7179 | 2025-02-27 |
Data-efficient generalization of AI transformers for noise reduction in ultra-fast lung PET scans
2025-Feb-26, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07165-7
PMID:40009163
|
研究论文 | 本研究旨在使用基于深度学习的方法对超快速肺部PET扫描图像进行去噪处理，以减少呼吸运动伪影并提高诊断质量 | 提出了一种名为Mask-ViT的鲁棒且数据高效的深度学习方法，能够在有限的目标扫描仪训练数据上进行微调，并直接应用于新扫描仪的未见测试数据 | 研究仅基于两个数据集，且样本量相对较小，可能限制了模型的泛化能力 | 通过深度学习技术提高超快速肺部PET扫描图像的质量，减少噪声并满足临床诊断需求 | 超快速20秒屏气（U2BH）PET扫描图像 | 计算机视觉 | 肺癌 | 深度学习 | Mask-ViT, U-Net, C-Gan | 图像 | 1272个回顾性收集的全时PET数据和46个前瞻性收集的U2BH及对应的全时PET/CT图像 |
| 7180 | 2025-02-27 |
Microfluidics with Machine Learning for Biophysical Characterization of Cells
2025-Feb-25, Annual review of analytical chemistry (Palo Alto, Calif.)
|
综述 | 本文探讨了微流控技术与机器学习在细胞生物物理特性表征中的协同作用 | 结合人工智能方法，特别是机器学习和深度学习，以解决微流控系统产生的大量数据分析难题 | 未具体提及研究的局限性 | 提高微流控实验的准确性和效率，促进新的生物学发现 | 细胞的生物物理特性 | 机器学习 | NA | 微流控技术 | 机器学习和深度学习 | 微流控系统生成的数据 | NA |