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 25067 篇文献，本页显示第 8381 - 8400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8381 | 2025-02-16 |
Physics-informed deep learning for infectious disease forecasting
2025-Jan-16, ArXiv
PMID:39876937
|
研究论文 | 本文提出了一种基于物理信息神经网络（PINNs）的新型传染病预测模型，旨在提高传染病预测的准确性和能力 | 该模型将疾病传播的动态系统表示融入损失函数中，结合流行病学理论和数据，防止模型过拟合，并引入子网络考虑流动性、疫苗接种等影响传播率的关键因素 | 模型仅在加利福尼亚州的COVID-19数据上进行了验证，尚未在其他地区或疾病上进行广泛测试 | 提高传染病预测的准确性和能力，以支持公共卫生决策 | COVID-19在加利福尼亚州的传播情况 | 机器学习 | 传染病 | 物理信息神经网络（PINNs） | PINN | 时间序列数据 | 加利福尼亚州的COVID-19数据 |
| 8382 | 2024-08-07 |
Cardiac CT-derived quantification of myocardial extracellular volume using deep learning-based reconstruction: A feasibility study
2025 Jan-Feb, Journal of cardiovascular computed tomography
IF:5.5Q1
DOI:10.1016/j.jcct.2024.07.008
PMID:39025757
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8383 | 2025-02-16 |
Improving building extraction from high-resolution aerial images: Error correction and performance enhancement using deep learning on the Inria dataset
2025 Jan-Mar, Science progress
IF:2.6Q2
DOI:10.1177/00368504251318202
PMID:39943714
|
研究论文 | 本研究利用深度学习技术改进从高分辨率航空图像中提取建筑物的方法，并在Inria数据集上进行了性能比较 | 通过消除错误数据和调整图像大小，显著提升了深度学习网络在建筑物提取任务中的性能 | 某些模型在特定挑战性条件下（如树木遮挡、复杂室内花园）表现不佳，容易产生误报 | 提高从高分辨率航空图像中提取建筑物的准确性和效率 | 高分辨率航空图像中的建筑物 | 计算机视觉 | NA | 深度学习 | DeepLabv3+, Attention U-Net, U-Net, SE-ResNeXt-50, SE-ResNet-50, ResNeXt-50, ResNet-50, UNet++, U2Net | 图像 | 180张高分辨率航空图像 |
| 8384 | 2025-02-15 |
COVID-19 recognition from chest X-ray images by combining deep learning with transfer learning
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251319667
PMID:39949849
|
研究论文 | 本文提出了一种名为Covid-DenseNet的深度学习模型，用于从胸部X光图像中检测COVID-19，旨在构建一个计算复杂度较小、泛化能力较强且在基准数据集和其他具有不同样本分布特征和样本大小的数据集上表现优异的模型 | 结合迁移学习和注意力机制，通过多尺度融合架构提取和增强图像特征，提高了模型的识别准确性和泛化能力 | 模型在外部测试集上的识别准确率仍有提升空间，特别是在样本分布不平衡的情况下 | 开发一种高效且泛化能力强的深度学习模型，用于从胸部X光图像中检测COVID-19 | 胸部X光图像 | 计算机视觉 | COVID-19 | 深度学习，迁移学习 | Covid-DenseNet | 图像 | 三个公开的胸部放射学数据集，包括基准数据集和其他两个数据集 |
| 8385 | 2025-02-16 |
Use of artificial intelligence for gestational age estimation: a systematic review and meta-analysis
2025, Frontiers in global women's health
DOI:10.3389/fgwh.2025.1447579
PMID:39950139
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了人工智能模型在利用超声图像估计孕龄方面的准确性 | 首次系统评估了AI模型在孕龄估计中的准确性，并进行了亚组分析，包括孕龄评估的孕期、AI模型类型、研究设计和外部验证 | 研究数量有限，且大多数研究来自高收入国家，可能限制了结果的普遍性 | 评估人工智能模型在孕龄估计中的准确性，并与超声作为金标准进行比较 | 使用超声图像进行孕龄估计的研究 | 数字病理学 | 妊娠相关疾病 | 超声成像 | CNN, DNN | 2D图像, 盲扫视频 | 17项研究（其中10项纳入荟萃分析），涉及不同收入地区的数据 |
| 8386 | 2025-02-16 |
Avoiding missed opportunities in AI for radiology
2024-Dec, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03295-9
PMID:39585545
|
评论 | 本文探讨了人工智能（AI）在放射学中的应用，强调了避免错失AI潜力的重要性 | 提出了在放射学中避免错失AI应用机会的策略，并强调了AI在临床和财务上的双重益处 | 文章主要基于作者所在医疗系统的经验，可能不具有普遍适用性 | 探讨如何充分利用AI在放射学中的潜力，以提升医疗智慧和患者护理 | 放射学中的AI应用 | 机器学习 | NA | 深度学习 | 人工神经网络 | NA | NA |
| 8387 | 2025-02-16 |
Uncertainty-aware genomic deep learning with knowledge distillation
2024-Nov-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.13.623485
PMID:39605624
|
研究论文 | 本文介绍了一种名为DEGU的方法，通过集成学习和知识蒸馏提高深度神经网络在基因组学预测中的鲁棒性和可解释性 | DEGU方法首次将集成学习和知识蒸馏结合，用于基因组学中的不确定性感知模型，同时捕捉预测的平均值和变异性 | 未明确提及具体局限性 | 提高深度神经网络在基因组学预测中的可靠性和可解释性 | 基因组学数据 | 机器学习 | NA | 深度神经网络（DNNs） | DEGU（集成学习和知识蒸馏模型） | 基因组学数据 | NA |
| 8388 | 2025-02-16 |
Flexible use of conserved motif vocabularies constrains genome access in cell type evolution
2024-Sep-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.03.611027
PMID:39282369
|
研究论文 | 本文通过整合单核多组学测序和深度学习技术，探讨了细胞类型进化中基因组可及性的约束机制 | 揭示了细胞类型家族间基因组可及性的保守性，并发现不同物种间细胞类型关系的特异性相互作用并不保守 | 研究结果主要基于早期分支动物，如扁形动物和刺胞动物，可能不适用于所有生物 | 探讨细胞类型多样化在进化过程中如何受到基因组可及性的约束 | 细胞类型家族及其基因组可及性 | 基因组学 | NA | 单核多组学测序，深度学习 | 深度学习模型 | 基因组序列数据 | 涉及多个早期分支动物物种的细胞类型 |
| 8389 | 2025-02-16 |
EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data
2024-Aug-01, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.01.606099
PMID:39131276
|
研究论文 | 本文介绍了一种名为EPInformer的可扩展深度学习框架，用于通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达 | EPInformer框架通过整合启动子-增强子相互作用及其序列、表观基因组信号和染色质接触，显著提高了基因表达预测的准确性，并能够准确再现CRISPR扰动实验验证的增强子-基因相互作用 | 尽管EPInformer在基因表达预测方面表现出色，但其训练和适应新生成数据可能需要大量资源 | 研究目的是开发一种能够更准确预测基因表达的深度学习框架 | 研究对象是基因表达及其调控机制，特别是启动子-增强子相互作用 | 机器学习 | NA | 深度学习 | 深度学习框架 | DNA序列、表观基因组数据、染色质接触数据 | NA |
| 8390 | 2025-02-16 |
Genetic and Clinical Correlates of AI-Based Brain Aging Patterns in Cognitively Unimpaired Individuals
2024-May-01, JAMA psychiatry
IF:22.5Q1
DOI:10.1001/jamapsychiatry.2023.5599
PMID:38353984
|
研究论文 | 本研究利用深度学习和生成对抗网络，对45至85岁无认知障碍个体的脑部结构变化进行分组，并探讨这些分组与遗传、生物医学指标及认知衰退轨迹的关系 | 首次使用生成对抗网络进行半监督聚类分析，识别出无认知障碍个体中三种不同的脑老化模式，并揭示其与遗传、心血管风险因素及未来认知衰退的关联 | 研究依赖于特定数据集（iSTAGING国际联盟），可能限制了结果的普适性；此外，研究未涵盖所有可能的神经病理过程 | 探索无认知障碍个体中脑部结构变化的异质性，以揭示神经退行性疾病早期阶段的潜在机制 | 45至85岁无认知障碍的个体 | 数字病理 | 老年疾病 | 深度学习、生成对抗网络（GAN） | GAN | 脑部影像数据 | 27,402名无认知障碍个体 |
| 8391 | 2025-02-16 |
An accurately supervised motion-aware deep network for non-contact pain assessment of trigeminal neuralgia mouse model
2024-Mar, Journal of oral & facial pain and headache
IF:1.9Q2
DOI:10.22514/jofph.2024.008
PMID:39788578
|
研究论文 | 本文提出了一种名为三叉神经痛评估网络（TNPAN）的深度神经网络，用于非接触式疼痛评估，特别针对三叉神经痛小鼠模型 | 构建了一个客观的疼痛分级数据集作为模型训练的真实标签，并提出了一个融合静态纹理特征和动态行为特征的深度神经网络 | 现有方法存在监督信号不够客观、未考虑小鼠模型的动态行为特征以及模型泛化能力不足的问题 | 探索三叉神经痛的病理生理学并开发有效的镇痛药物 | 三叉神经痛小鼠模型 | 计算机视觉 | 三叉神经痛 | 深度学习 | 深度神经网络（TNPAN） | 图像 | NA |
| 8392 | 2025-02-16 |
An automated deep learning pipeline for EMVI classification and response prediction of rectal cancer using baseline MRI: a multi-centre study
2024-Jan-22, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00516-x
PMID:38253770
|
研究论文 | 本文提出了一种基于深度学习的自动化管道，用于直肠癌的EMVI分类和反应预测，使用基线MRI数据 | 提出了一种全自动的管道，结合nnUNet进行肿瘤分割，并利用多级图像特征训练分类模型MLNet，提高了EMVI分类和CR预测的准确性 | 研究为回顾性研究，可能存在选择偏差，且样本量虽大但来自多个中心，数据一致性可能存在问题 | 提高直肠癌患者EMVI分类和CR预测的准确性，以辅助临床治疗决策 | 直肠癌患者 | 数字病理 | 直肠癌 | MRI（磁共振成像） | nnUNet, MLNet, 3D ResNet10 | 图像 | 509名患者，来自9个中心 |
| 8393 | 2025-02-16 |
The role of cortical structural variance in deep learning-based prediction of fetal brain age
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1411334
PMID:38846713
|
研究论文 | 本文探讨了皮层结构变异在基于深度学习的胎儿脑龄预测中的作用 | 首次解释了形状相关的皮层结构特征对预测胎儿脑龄变异的影响 | 未提及具体的研究局限性 | 研究胎儿脑龄预测模型中皮层结构特征的影响 | 胎儿大脑 | 计算机视觉 | NA | 磁共振成像 | 卷积神经网络 | 图像 | 未提及具体样本数量 |
| 8394 | 2025-02-16 |
Automated Identification of Heart Failure with Reduced Ejection Fraction using Deep Learning-based Natural Language Processing
2023-Sep-11, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.09.10.23295315
PMID:37745445
|
研究论文 | 本文开发了一种基于深度学习的自然语言处理模型，用于从出院摘要中自动识别射血分数降低的心力衰竭（HFrEF）患者 | 提出了一种新的半监督学习框架下的深度学习语言模型，用于自动识别HFrEF患者，并在多个外部数据集上进行了验证 | 模型依赖于出院摘要的质量和完整性，且需要进一步的临床验证以确保其在不同医疗环境中的普适性 | 开发自动化工具以评估和提高HFrEF患者的护理质量 | HFrEF患者 | 自然语言处理 | 心血管疾病 | 深度学习 | 深度学习语言模型 | 文本 | 13,251份笔记，来自5,392名独特个体（平均年龄73±14岁，48%为女性），包括2,487名HFrEF患者（46.1%） |
| 8395 | 2025-02-16 |
Imputing Brain Measurements Across Data Sets via Graph Neural Networks
2023, Predictive Intelligence in Medicine. PRIME (Workshop)
DOI:10.1007/978-3-031-46005-0_15
PMID:37946742
|
研究论文 | 本文提出了一种基于图神经网络（GNN）的深度学习方法，用于跨数据集估算大脑区域兴趣（ROI）的缺失测量值 | 将缺失测量值的估算问题重新定义为预测任务，并通过图神经网络建模ROI测量值之间的依赖关系，同时考虑人口统计学差异 | 方法依赖于另一个包含缺失测量值的公共数据集，且需要该数据集与目标数据集共享一些ROI测量值 | 解决结构MRI数据集中特定大脑区域兴趣（ROI）测量值缺失的问题，以支持机器学习模型的训练 | 大脑区域兴趣（ROI）的测量值 | 机器学习 | NA | 图神经网络（GNN） | GNN | MRI图像数据 | ABCD数据集（N=3760，最小年龄12岁）和NCANDA数据集（N=540） |
| 8396 | 2025-02-16 |
Deep-learning two-photon fiberscopy for video-rate brain imaging in freely-behaving mice
2022-03-22, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-022-29236-1
PMID:35318318
|
研究论文 | 本文介绍了一种深度学习辅助的双光子纤维镜技术，用于在自由行为的小鼠中进行视频速率的大脑成像 | 开发了高速扫描器和降采样方案以提高成像速度，并引入了深度学习算法以恢复图像质量，实现了在自由行为小鼠中进行高分辨率、高速度（26 fps）的成像 | 目前的技术仍受限于光机械尺寸和重量的限制 | 提高双光子纤维镜的成像速度，以更好地理解神经活动模式与行为之间的关系 | 自由行为的小鼠 | 计算机视觉 | NA | 双光子纤维镜成像 | 深度学习算法 | 视频 | 自由行为的小鼠 |
| 8397 | 2025-02-16 |
Deep learning-based automated segmentation of resection cavities on postsurgical epilepsy MRI
2022, NeuroImage. Clinical
DOI:10.1016/j.nicl.2022.103154
PMID:35988342
|
研究论文 | 本研究开发了一种基于深度学习的自动化分割算法，用于分析癫痫患者的术后MRI，并通过图形用户界面（GUI）估计术后脑体积，包括海马残留组织 | 开发了一种基于3个U-Net卷积神经网络的多数投票集成算法，用于分割手术切除部位，并部署了一个全自动的GUI管道，用于比较切除分割与术前成像 | 研究为回顾性研究，样本量相对较小（62名患者） | 开发一种自动化分割算法，用于准确分割癫痫患者的术后MRI中的切除腔 | 62名接受切除手术的颞叶癫痫（TLE）患者的术后T1加权MRI | 计算机视觉 | 癫痫 | MRI | U-Net | 图像 | 62名颞叶癫痫患者和40名对照受试者 |
| 8398 | 2025-02-16 |
Mapping Epileptogenic Tissues in MRI-Negative Focal Epilepsy: Can Deep Learning Uncover Hidden Lesions?
2021-10-19, Neurology
IF:7.7Q1
DOI:10.1212/WNL.0000000000012696
PMID:34521690
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8399 | 2025-02-15 |
A Tutorial on the Use of Artificial Intelligence Tools for Facial Emotion Recognition in R
2025-Feb-14, Multivariate behavioral research
IF:5.3Q1
DOI:10.1080/00273171.2025.2455497
PMID:39949325
|
教程 | 本教程介绍了三种基于人工智能的面部情绪识别工具，并提供了示例代码，帮助研究人员设计、收集和分析情绪数据 | 提供了三种流行的人工智能情绪检测程序的详细比较和示例代码，旨在提高社会和行为科学文献中可解释人工智能的普及度 | 教程内容较为基础，可能不适合高级研究人员 | 介绍和比较三种基于人工智能的面部情绪识别工具，帮助研究人员快速上手 | 面部情绪识别工具 | 计算机视觉 | NA | NA | 深度学习, 机器学习 | 图像 | NA |
| 8400 | 2025-02-15 |
Insights from the eyes: a systematic review and meta-analysis of the intersection between eye-tracking and artificial intelligence in dementia
2025-Feb-14, Aging & mental health
IF:2.8Q2
DOI:10.1080/13607863.2025.2464704
PMID:39950960
|
系统综述和元分析 | 本文系统回顾并元分析了眼动追踪与人工智能在痴呆检测中的交叉应用 | 结合眼动追踪和人工智能技术进行痴呆检测，展示了高准确率、敏感性和特异性 | 样本量较小，缺乏标准化指南，且未涵盖所有痴呆类型 | 探讨眼动追踪与人工智能在痴呆检测中的应用效果 | 痴呆患者 | 人工智能 | 老年疾病 | 眼动追踪 | 机器学习和深度学习 | 眼动数据 | 57至583名参与者 |