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 23913 篇文献，本页显示第 781 - 800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2025-04-25 |
The application of artificial intelligence in upper gastrointestinal cancers
2025-Apr, Journal of the National Cancer Center
IF:7.6Q1
DOI:10.1016/j.jncc.2024.12.006
PMID:40265096
|
综述 | 本文综述了人工智能在上消化道癌症（主要包括食管癌和胃癌）筛查、诊断、治疗和预后方面的应用 | 总结了AI技术在上消化道癌症临床任务中的应用，并探讨了AI算法选择、早期筛查普及、AI临床应用及大型多模态模型等前沿问题 | 指出了当前上消化道癌症AI应用领域面临的局限性和挑战 | 探讨人工智能技术在上消化道癌症临床诊疗中的应用现状与前景 | 食管癌和胃癌 | 数字病理学 | 上消化道癌症（食管癌和胃癌） | 放射组学和深度学习 | 大型多模态模型 | 医学影像 | NA |
| 782 | 2025-04-25 |
NLP-enriched social determinants of health improve prediction of suicide death among the Veterans
2025-Mar-31, Research square
DOI:10.21203/rs.3.rs-5067562/v1
PMID:40235516
|
研究论文 | 本研究探讨了通过自然语言处理（NLP）提取的社会和行为健康决定因素（SBDH）是否能改善退伍军人精神病出院后自杀死亡的预测 | 结合NLP提取的SBDH和ICD编码的SBDH，提升了两种先进模型（传统机器学习模型集成和基于Transformer的深度学习模型TransformEHR）在预测自杀死亡方面的性能、校准和公平性 | 研究仅限于美国退伍军人群体，可能无法推广到其他人群 | 提高精神病出院患者自杀死亡的预测准确性 | 197,581名美国退伍军人，共414,043次出院记录 | 自然语言处理 | 精神疾病 | NLP, ICD编码 | 集成机器学习模型, TransformEHR | 文本, 结构化医疗记录 | 197,581名退伍军人的414,043次出院记录 |
| 783 | 2025-04-25 |
Opportunistic Screening for Pancreatic Cancer using Computed Tomography Imaging and Radiology Reports
2025-Mar-31, ArXiv
PMID:40236838
|
研究论文 | 本研究开发并评估了一种深度学习融合模型，整合放射学报告和CT影像以预测胰腺导管腺癌（PDAC）风险 | 提出了一种结合放射学报告和CT影像的深度学习融合模型，用于PDAC风险预测和生存分析 | 模型在内部和外部数据集上的C-index分别为0.6750和0.6435，显示仍有提升空间 | 通过早期检测和预后建模改善PDAC患者预后并指导早期干预策略 | 胰腺导管腺癌（PDAC）患者 | 数字病理学 | 胰腺癌 | CT成像 | 深度学习融合模型 | 影像和文本（放射学报告） | 未明确说明样本数量 |
| 784 | 2025-04-25 |
Perspectives: Comparison of deep learning segmentation models on biophysical and biomedical data
2025-Mar-28, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2025.03.023
PMID:40158204
|
研究论文 | 本文比较了四种深度学习分割模型在生物物理和生物医学数据上的表现 | 提供了针对典型小规模训练数据集条件下不同深度学习架构的全面比较 | 研究仅关注分割任务，未涉及其他深度学习应用场景 | 为生物物理和生物医学领域的研究者提供模型选择指南 | 四种深度学习架构(CNN、U-Net、视觉Transformer和视觉状态空间模型) | 生物物理 | NA | 深度学习 | CNN, U-Net, 视觉Transformer, 视觉状态空间模型 | 生物物理和生物医学数据 | 小规模训练数据集 |
| 785 | 2025-04-25 |
A Unified Flexible Large Polysomnography Model for Sleep Staging and Mental Disorder Diagnosis
2025-Mar-28, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.12.11.24318815
PMID:39711704
|
研究论文 | 提出了一种统一且灵活的大型多导睡眠图模型LPSGM，用于提升跨中心泛化能力并支持疾病诊断的微调 | LPSGM整合了领域自适应学习，支持可变通道配置，并在跨中心泛化方面表现优异 | 未提及具体局限性 | 提升睡眠分期和多导睡眠图分析的自动化水平，并支持疾病诊断 | 多导睡眠图数据 | 数字病理学 | 睡眠障碍 | 多导睡眠图(PSG) | LPSGM | 多导睡眠图数据 | 220,500小时的PSG数据，来自16个公共数据集 |
| 786 | 2025-04-25 |
A Progressive Risk Formulation for Enhanced Deep Learning based Total Knee Replacement Prediction in Knee Osteoarthritis
2025-Mar-28, ArXiv
PMID:40196144
|
研究论文 | 开发了一种深度学习模型，用于预测膝关节骨关节炎患者在不同时间范围内需要进行全膝关节置换术（TKR）的风险 | 模型能够利用单次扫描进行TKR预测，并在有先前扫描时，通过渐进风险公式提升预测准确性 | NA | 提高膝关节骨关节炎患者全膝关节置换术（TKR）需求的预测准确性 | 膝关节骨关节炎患者 | 数字病理学 | 膝关节骨关节炎 | 深度学习 | 双模型风险约束架构 | X光片和MRI图像 | 来自OAI和MOST研究的膝关节X光片和MRI数据 |
| 787 | 2025-04-25 |
Regulatory risk loci link disrupted androgen response to pathophysiology of Polycystic Ovary Syndrome
2025-Mar-27, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.26.25324630
PMID:40196246
|
研究论文 | 本研究通过整合分子和表观基因组注释，利用深度学习模型推断风险变异在特定细胞类型中的作用，揭示了多囊卵巢综合征（PCOS）的遗传机制 | 结合深度学习模型与表观基因组注释，识别疾病相关变异，探索风险位点的多效性影响，并揭示跨细胞类型调控相互作用的新见解 | 研究可能受限于样本大小和细胞类型的覆盖范围 | 解析多囊卵巢综合征（PCOS）的复杂遗传机制，特别是风险位点驱动的分子机制 | 多囊卵巢综合征（PCOS）的风险变异及其在特定细胞类型中的调控效应 | 机器学习 | 多囊卵巢综合征 | 深度学习（DL）、表观基因组注释 | DL | 分子和表观基因组数据 | NA |
| 788 | 2025-04-25 |
ConfuseNN: Interpreting convolutional neural network inferences in population genomics with data shuffling
2025-Mar-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.24.644668
PMID:40196528
|
research paper | 介绍了一种名为ConfuseNN的方法，通过系统性地打乱输入的单倍型矩阵来评估特定群体遗传特征对卷积神经网络(CNN)性能的贡献 | 提出了ConfuseNN方法，通过打乱输入数据来评估不同群体遗传特征对CNN性能的影响，为解释CNN在群体遗传学中的行为提供了新框架 | 网络架构以及模拟训练和测试数据设计存在局限性 | 评估群体遗传特征对卷积神经网络性能的贡献 | 群体遗传学中的CNN模型 | population genomics | NA | data shuffling | CNN | haplotype matrices | NA |
| 789 | 2025-04-25 |
Artificial Intelligence Prediction of Age from Echocardiography as a Marker for Cardiovascular Disease
2025-Mar-26, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.25.25324627
PMID:40196275
|
研究论文 | 本研究提出了一种基于深度学习的AI方法，通过超声心动图视频预测年龄，并利用训练模型识别加速和延迟衰老的特征 | 利用多视角超声心动图和深度学习模型预测年龄，并揭示与心血管疾病风险的关联 | 研究仅基于超声心动图数据，未考虑其他可能影响生物衰老的因素 | 通过AI预测年龄，增强心血管风险评估和对心脏生物衰老的理解 | 90,738名独特患者的166,508项研究中的2,610,266个超声心动图视频 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 视频 | 2,610,266个超声心动图视频来自90,738名患者 |
| 790 | 2025-04-25 |
Generative frame interpolation enhances tracking of biological objects in time-lapse microscopy
2025-Mar-26, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.23.644838
PMID:40196554
|
research paper | 研究探讨了生成式视频帧插值技术在增强显微镜时间序列图像中生物对象追踪的应用 | 提出了一种新的范式，即通过增强图像时间序列数据集来适应追踪算法，而非调整算法以适应数据集 | 未提及具体的数据集规模或算法在极端情况下的表现 | 评估生成式视频帧插值技术是否能够增强显微镜时间序列图像的时序分辨率，从而促进生物对象追踪 | 荧光标记的细胞核、细菌、酵母、癌细胞和类器官 | computer vision | cancer | generative video frame interpolation | LDMVFI, RIFE, CDFI, FILM | image | 多种生物样本，具体数量未提及 |
| 791 | 2025-04-25 |
Vision Transformer Autoencoders for Unsupervised Representation Learning: Capturing Local and Non-Local Features in Brain Imaging to Reveal Genetic Associations
2025-Mar-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.24.25324549
PMID:40196251
|
研究论文 | 本文提出了一种基于视觉变换器（ViT）自编码器的无监督表示学习方法，用于从脑成像数据中提取局部和非局部特征，以揭示遗传关联 | 利用ViT模型的成对注意力机制和位置嵌入，能够捕捉脑MRI数据中的非局部模式（如左右半球对称性），发现了10个之前基于CNN的UDIP模型未报告的遗传位点 | 未明确提及具体局限性 | 通过无监督表示学习从脑成像数据中发现与脑结构相关的遗传位点 | 脑MRI数据 | 计算机视觉 | NA | 视觉变换器（ViT）自编码器 | ViT | 图像 | UK Biobank（UKBB）数据集的128个内表型 |
| 792 | 2025-04-25 |
OpenSpliceAI: An efficient, modular implementation of SpliceAI enabling easy retraining on non-human species
2025-Mar-23, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.20.644351
PMID:40166201
|
research paper | 介绍了一种高效、模块化的SpliceAI实现OpenSpliceAI，支持在非人类物种上轻松重新训练 | 实现了基于PyTorch的可训练、开源版本SpliceAI，支持从零开始训练和迁移学习，解决了原版依赖老旧软件框架和人类中心训练数据的问题 | 未提及具体性能上限或在不同物种上的泛化能力限制 | 开发一个更高效、灵活的SpliceAI实现，以支持跨物种的剪接信号识别研究 | DNA序列中的剪接信号 | machine learning | NA | deep learning | SpliceAI | DNA序列数据 | 未明确提及具体样本量，但支持大规模基因组区域分析 |
| 793 | 2025-04-25 |
GaitDynamics: A Generative Foundation Model for Analyzing Human Walking and Running
2025-Mar-21, Research square
DOI:10.21203/rs.3.rs-6206222/v1
PMID:40166023
|
研究论文 | 开发了一个名为GaitDynamics的生成基础模型，用于分析人类步行和跑步的动力学 | GaitDynamics是一个在大规模多样化数据集上训练的生成模型，能够处理多种输入、输出和临床应用任务，具有高准确性和鲁棒性 | 虽然模型在多样化数据集上训练，但仍可能存在未覆盖的人群或特殊情况 | 通过低成本、高准确性的预测方法，促进人类健康和运动表现的研究 | 人类步行和跑步的动力学（运动和力量） | 机器学习 | NA | 深度学习 | 生成基础模型 | 运动学和动力学数据 | 大规模多样化参与者数据集 |
| 794 | 2025-04-25 |
Three-photon population imaging of subcortical brain regions
2025-Mar-21, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.21.644611
PMID:40166349
|
研究论文 | 本文介绍了一种新型的三光子显微镜LIFT，用于深层脑区的大规模细胞活动成像 | 开发了具有大视场（>3 mm）的LIFT显微镜，结合深度学习去噪技术，实现了深层脑区的高质量成像 | 由于三光子成像固有的低重复率源和增加的组织加热问题，成像视场仍受限制 | 开发一种能够记录深层神经回路中大量细胞活动的成像技术 | 小鼠和大鼠的脑区（CA1、白质和皮层深层） | 神经科学成像技术 | NA | 三光子成像技术、深度学习去噪 | 深度学习 | 钙成像数据 | 超过1500个细胞（小鼠CA1区、白质和皮层深层）及大鼠皮层（深度1.2mm） |
| 795 | 2025-04-25 |
Universal consensus 3D segmentation of cells from 2D segmented stacks
2025-Mar-20, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.03.592249
PMID:38766074
|
research paper | 该论文提出了一种名为u-Segment3D的理论和工具箱，用于将2D细胞分割转换为3D共识分割，无需训练数据 | 开发了一种无需训练数据的2D到3D分割方法，适用于任何生成基于像素的实例细胞掩模的2D方法 | 未提及具体限制，但暗示3D细胞分割的密集标注仍然具有挑战性 | 解决3D细胞分割的挑战，提供一种通用的2D到3D分割方法 | 细胞，包括单细胞、细胞聚集体和组织 | digital pathology | NA | deep learning | NA | image | 11个真实数据集，超过70,000个细胞 |
| 796 | 2025-04-25 |
Precise perivascular space segmentation on magnetic resonance imaging from Human Connectome Project-Aging
2025-Mar-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.19.25324269
PMID:40166557
|
research paper | 该研究提出了一种精确分割脑周血管空间（PVS）的方法，并提供了一个基于T2加权MRI扫描的高质量数据集 | 结合无监督学习和深度学习技术，辅以人工校正，提高了PVS分割的准确性，并创建了一个包含200名年龄在30至100岁之间的受试者的数据集 | PVS的小尺寸和MRI表现的多变性可能影响分割的准确性，且标注数据的稀缺性也是一个挑战 | 研究PVS在不同年龄段的动态变化及其与认知衰退的关联，同时推动先进图像分割算法的发展 | 200名年龄在30至100岁之间的受试者的T2加权MRI扫描数据 | digital pathology | neurodegenerative diseases | T2-weighted MRI | deep learning | image | 200 subjects aged 30 to 100 |
| 797 | 2025-04-25 |
A mechanistic neural network model predicts both potency and toxicity of antimicrobial combination therapies
2025-Mar-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.19.25324270
PMID:40166569
|
研究论文 | 介绍了一种名为CALMA的方法，用于预测多药组合的效力和毒性 | 结合机制建模与深度学习，提高了神经网络的解释性，并识别了影响药物相互作用的关键途径 | 未提及具体样本量或实验范围的限制 | 优化抗菌组合疗法的效力和减少毒性 | 多药组合的效力和毒性预测 | 机器学习 | 抗菌耐药性 | 深度学习 | 神经网络 | 细胞活力测定和患者健康记录 | NA |
| 798 | 2025-04-25 |
Image-based Mandibular and Maxillary Parcellation and Annotation using Computer Tomography (IMPACT): A Deep Learning-based Clinical Tool for Orodental Dose Estimation and Osteoradionecrosis Assessment
2025-Mar-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.18.25324199
PMID:40166584
|
research paper | 提出了一种基于深度学习的自动分割框架，用于放疗CT图像中口腔牙齿和颌骨子体积的精确划分，以支持剂量评估和骨坏死评估 | 首次开发了与ClinRad ORN分期系统对齐的深度学习自动分割工具，用于口腔牙齿和颌骨子体积的精确划分 | 在分割牙齿和数据中常缺失的子体积时表现有限，某些子体积的剂量学差异具有统计学显著性 | 开发一种临床工具，用于口腔剂量估计和放射性骨坏死评估 | 头颈癌患者的牙齿和颌骨结构 | digital pathology | head and neck cancer | 计算机断层扫描(CT) | Swin UNETR, ResUNet | image | NA |
| 799 | 2025-04-25 |
A Large Language Model-Powered Map of Metabolomics Research
2025-Mar-19, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.18.643696
PMID:40166287
|
研究论文 | 本文通过分析超过80,000篇文献，利用PubMedBERT和GPT-4o mini等技术，构建了一个全面的代谢组学研究地图，揭示了该领域的主要研究主题和趋势 | 使用PubMedBERT和GPT-4o mini进行文献主题建模和分类，结合t-SNE降维技术，首次构建了代谢组学研究的全面地图，并开发了交互式网页应用供动态探索 | 研究依赖于PubMed文献数据库，可能未涵盖所有相关研究，且主题分类可能受模型偏差影响 | 构建代谢组学研究的全面地图，揭示研究主题和趋势，帮助研究人员、临床医生和政策制定者识别新兴研究方向 | 代谢组学研究领域的80,000多篇文献 | 自然语言处理 | NA | PubMedBERT, GPT-4o mini, t-SNE | BERT, 神经网络主题模型 | 文本 | 80,000多篇文献 |
| 800 | 2025-04-25 |
Artificial intelligence automation of echocardiographic measurements
2025-Mar-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.18.25324215
PMID:40166567
|
research paper | 开发并验证了一个开源深度学习模型EchoNet-Measurements，用于自动测量超声心动图中的18个解剖和多普勒参数 | 提出了一个高精度的开源深度学习模型，能够自动化超声心动图测量，减轻临床医生负担 | 研究仅基于两家医疗机构的数据，可能需要更多外部验证 | 开发AI模型以自动化超声心动图测量，提高心血管疾病诊断效率 | 超声心动图参数测量 | digital pathology | cardiovascular disease | deep learning semantic segmentation | EchoNet-Measurements | image | 877,983个超声心动图测量数据，来自155,215项研究 |