深度学习在生物医药领域的应用
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（使用关键词“['deep learning']”过滤），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19.9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 32843 篇文献，本页显示第 8501 - 8520 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8501 | 2025-06-20 |
Author Correction: Focal liver lesion diagnosis with deep learning and multistage CT imaging
2025-Jun-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-61097-2
PMID:40533457
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8502 | 2025-10-06 |
Smartphone eye-tracking with deep learning: Data quality and field testing
2025-Jun-18, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-025-02718-y
PMID:40533681
|
研究论文 | 本文开发了一种基于深度学习的实时智能手机眼动追踪系统，并与专业眼动仪进行性能对比 | 首次在智能手机上实现基于深度神经网络的实时眼动追踪，并进行了大规模样本验证 | 追踪精度(0.177°)低于专业眼动仪(0.028°)，样本规模相对有限 | 开发适用于智能手机的高质量眼动追踪系统，探索其在科学和临床应用中的潜力 | 人类注意力测量和抑郁症状预测 | 计算机视觉 | 抑郁症 | 深度学习，眼动追踪 | 深度神经网络 | 面部图像 | 740万张面部图像训练数据，32人性能测试，98人现场测试 | NA | 深度神经网络 | 追踪精度，追踪准确度，预测准确率 | 智能手机移动计算平台 |
| 8503 | 2025-10-06 |
Automated Multi-grade Brain Tumor Classification Using Adaptive Hierarchical Optimized Horse Herd BiLSTM Fusion Network in MRI Images
2025-Jun-18, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00708-4
PMID:40533703
|
研究论文 | 提出一种用于MRI图像中脑肿瘤多级分层分类的新型网络模型 | 采用自适应分层优化马群BiLSTM融合网络进行多级肿瘤分类，结合改进的自适应强度归一化和双树复小波变换特征提取 | 未明确说明模型的计算复杂度和实时性能限制 | 提高MRI图像中不同级别脑肿瘤分类的精确度 | 脑肿瘤MRI图像 | 医学影像分析 | 脑肿瘤 | MRI | BiLSTM | 医学图像 | BraTS Challenge 2021、Br35H和BraTS Challenge 2023数据集 | NA | 自适应分层优化马群BiLSTM融合网络 | 精确率, 召回率, F1分数 | NA |
| 8504 | 2025-10-06 |
MRI super-resolution reconstruction using efficient diffusion probabilistic model with residual shifting
2025-Jun-16, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ade049
PMID:40460850
|
研究论文 | 提出一种结合残差偏移机制的高效扩散概率模型用于MRI超分辨率重建 | 引入残差偏移机制显著减少采样步骤，在保持解剖细节的同时加速MRI重建 | NA | 开发高效的MRI超分辨率重建方法以减少采集时间和运动伪影 | 超高场脑T1 MP2RAGE图像和T2加权前列腺图像 | 医学影像处理 | 脑部疾病,前列腺疾病 | 磁共振成像 | 扩散概率模型 | 医学图像 | NA | NA | Res-SRDiff | PSNR,SSIM,GMSD,学习感知图像块相似度,Likert评分 | NA |
| 8505 | 2025-10-06 |
Predicting mucosal healing in Crohn's disease: development of a deep-learning model based on intestinal ultrasound images
2025-Jun-16, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-02014-5
PMID:40522531
|
研究论文 | 开发基于肠道超声图像和临床信息的深度学习模型，用于预测克罗恩病患者黏膜愈合情况 | 首次利用深度学习模型结合基线肠道超声图像预测克罗恩病黏膜愈合 | 需要更多多中心真实世界数据进一步验证和改进模型 | 预测克罗恩病治疗反应，优化治疗方案 | 克罗恩病患者 | 数字病理 | 克罗恩病 | 肠道超声 | CNN | 图像 | 190名患者，1548张肠道超声图像 | NA | 卷积神经网络 | AUC, 敏感度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 8506 | 2025-10-06 |
AI-echocardiography: Current status and future direction
2025-Jun, Journal of cardiology
IF:2.5Q2
DOI:10.1016/j.jjcc.2025.02.005
PMID:40023671
|
综述 | 本文综述了人工智能在超声心动图领域的当前应用状况、技术局限性和未来发展方向 | 探讨了基于大语言模型的零样本预测和自动报告生成等前沿技术，分析了AI在心血管疾病预测中的非参数依赖能力 | 依赖大量历史训练数据，专业标注需求可能限制技术普及 | 总结AI在超声心动图分析中的应用现状并展望未来发展方向 | 超声心动图数据和心血管疾病 | 医学影像分析 | 心血管疾病 | 深度学习，大语言模型 | 深度学习模型 | 超声心动图影像 | 基于大规模历史训练数据 | NA | NA | NA | 大规模计算资源 |
| 8507 | 2025-10-06 |
RadField3D: a data generator and data format for deep learning in radiation-protection dosimetry for medical applications
2025-05-16, Journal of radiological protection : official journal of the Society for Radiological Protection
IF:1.4Q3
DOI:10.1088/1361-6498/add53d
PMID:40334671
|
研究论文 | 介绍用于辐射防护剂量学深度学习研究的开源三维辐射场数据生成工具和数据格式 | 开发了基于Geant4的开源蒙特卡洛模拟应用和快速机器可解释数据格式，支持神经网络研究 | NA | 研究使用深度学习的替代辐射模拟方法 | 三维辐射场数据集 | 机器学习和医学物理 | NA | 蒙特卡洛模拟 | 神经网络 | 三维辐射场数据 | NA | Python | NA | NA | NA |
| 8508 | 2025-10-06 |
Solving physics-based initial value problems with unsupervised machine learning
2025-May, Physical review. E
DOI:10.1103/PhysRevE.111.055302
PMID:40533973
|
研究论文 | 提出一种使用无监督机器学习解决基于物理的初值问题的方法 | 引入概率激活函数和耦合神经网络来严格学习初值问题的解，能够处理非线性、耦合和混沌动力系统 | NA | 开发深度学习框架解决物理系统中的初值问题 | 自由粒子、重力场中的粒子、经典摆和Hénon-Heiles系统等机械系统 | 机器学习 | NA | 无监督机器学习 | 深度神经网络 | 物理系统动态数据 | NA | NA | 耦合神经网络 | 能量守恒、作用量守恒 | NA |
| 8509 | 2025-10-06 |
Retraction notice to "The analysis of teaching quality evaluation for the college sports dance by convolutional neural network model and deep learning" [Heliyon 10 (2024) e36067]
2025-Apr, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e43315
PMID:40535237
|
撤稿通知 | 这是一篇关于大学体育舞蹈教学质量评估分析的撤稿声明 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8510 | 2025-10-06 |
Corrigendum to "Sentiment analysis in multilingual context: Comparative analysis of machine learning and hybrid deep learning models" [Heliyon Volume 9, Issue 9, September 2023, Article e20281]
2025-Apr, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e43243
PMID:40535278
|
correction | 这是对先前发表的多语言情感分析比较研究文章的更正说明 | NA | NA | NA | NA | natural language processing | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8511 | 2025-10-06 |
Artificial intelligence accelerates the identification of nature-derived potent LOXL2 inhibitors
2025-Mar-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95530-9
PMID:40148559
|
研究论文 | 本研究结合深度学习和传统计算机辅助药物设计方法筛选出天然来源的高效LOXL2抑制剂连翘酯苷A | 首次采用深度学习与传统CADD相结合的方法筛选天然来源的LOXL2选择性抑制剂 | 仅针对CT26癌细胞进行实验验证，尚未开展体内实验或临床研究 | 开发针对LOXL2的天然来源选择性抑制剂用于癌症治疗 | LOXL2酶、天然化合物库、CT26癌细胞 | 机器学习 | 癌症 | 分子对接、虚拟筛选、深度学习 | 深度学习模型 | 分子结构数据、生物活性数据 | NA | NA | NA | 生物活性、亲和力、增殖抑制率、迁移抑制率、凋亡促进率、蛋白表达水平 | NA |
| 8512 | 2025-10-06 |
Deep learning and digital pathology powers prediction of HCC development in steatotic liver disease
2025-Mar-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000000904
PMID:38768142
|
研究论文 | 开发基于深度学习和数字病理的模型，利用肝活检全切片图像预测脂肪性肝病患者发生肝细胞癌的风险 | 首次使用深度学习模型从H&E染色全切片图像中直接预测HCC发生风险，能够识别超出纤维化阶段的早期肝癌发生特征 | 样本量相对有限，特别是HCC病例组仅46例，需要更大规模验证 | 预测脂肪性肝病患者发展为肝细胞癌的风险 | 685例经活检证实的脂肪性肝病患者（639例未发生HCC，46例发生HCC） | 数字病理 | 肝细胞癌 | 苏木精-伊红染色，全切片成像 | CNN | 图像 | 685例患者，28,000个图像块 | NA | 深度卷积神经网络 | 准确率，AUC | NA |
| 8513 | 2025-10-06 |
Upfront surgery for intrahepatic cholangiocarcinoma: Prediction of futility using artificial intelligence
2025-03, Surgery
IF:3.2Q1
DOI:10.1016/j.surg.2024.06.059
PMID:39322483
|
研究论文 | 开发基于人工智能的模型预测肝内胆管癌患者手术无效风险 | 首次使用包含多层感知器和梯度提升分类器的集成模型，基于术前变量预测肝内胆管癌手术无效性 | 回顾性多机构数据可能存在选择偏倚，模型需要外部验证 | 识别肝内胆管癌患者手术无效风险，避免不必要的手术 | 肝内胆管癌患者 | 机器学习 | 肝内胆管癌 | 机器学习，深度学习 | 集成模型，多层感知器，梯度提升 | 临床数据 | 827例肝内胆管癌患者 | NA | 多层感知器，梯度提升分类器 | AUC，敏感度，特异度，阳性预测值，阴性预测值 | NA |
| 8514 | 2025-10-06 |
scFTAT: a novel cell annotation method integrating FFT and transformer
2025-Feb-25, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06061-z
PMID:39994539
|
研究论文 | 提出一种整合快速傅里叶变换和增强型Transformer的单细胞注释方法scFTAT | 首次将FFT与增强型Transformer结合用于单细胞注释，通过LDA降维、核近似、位置编码增强和注意力增强模块提升性能 | NA | 解决单细胞数据高稀疏性和大规模数据手动注释繁琐的问题 | 人类和小鼠组织的单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | Transformer | 基因表达数据 | 六个典型数据集（包含人类肾脏数据等） | NA | Transformer | 准确率,F1分数,精确率,召回率,马修斯相关系数 | NA |
| 8515 | 2025-10-06 |
Deep Learning and Habitat Radiomics for the Prediction of Glioma Pathology Using Multiparametric MRI: A Multicenter Study
2025-Feb, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.09.021
PMID:39322536
|
研究论文 | 本研究通过结合栖息地分析和深度学习技术，利用多参数MRI预测胶质瘤病理特征 | 首次将栖息地分析与深度学习相结合用于胶质瘤病理预测，通过多中心数据验证了不同特征提取方法在预测不同病理指标上的优势 | 样本量相对有限（387例），临床特征对预测的帮助证据较弱，需要更大规模研究验证 | 提高胶质瘤病理预测的准确性 | 原发性胶质瘤患者 | 医学影像分析 | 胶质瘤 | 多参数MRI（T1增强和T2加权序列） | LightGBM, SVM, MLP, CNN | 医学影像 | 387例来自三家医院的胶质瘤病例（训练集264例，测试集82例，验证集41例） | NA | DenseNet161, ResNet50, Inception_v3 | NA | NA |
| 8516 | 2025-10-06 |
Major advances in protein function assignment by remote homolog detection with protein language models - A review
2025-Feb, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.102984
PMID:39864241
|
综述 | 本文综述了基于蛋白质语言模型的远程同源检测方法在蛋白质功能注释中的重大进展 | 系统总结了利用蛋白质语言模型进行远程同源检测的创新方法，包括嵌入生成替代矩阵的过滤、特定pLM层的选择、嵌入压缩和蛋白质结构域划分等关键技术 | NA | 探讨蛋白质语言模型在蛋白质同源识别和功能注释中的应用 | 蛋白质序列及其同源关系 | 自然语言处理 | NA | 蛋白质语言模型 | Transformer | 蛋白质序列 | NA | NA | Transformer | 同源检测准确率 | NA |
| 8517 | 2025-10-06 |
CoReSi: a GPU-based software for Compton camera reconstruction and simulation in collimator-free SPECT
2025-Jan-31, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adaacc
PMID:39813793
|
研究论文 | 介绍CoReSi——一款基于GPU的康普顿相机重建和仿真软件，用于无准直器SPECT成像 | 首个专门用于医学成像的开源康普顿相机重建软件，采用PyTorch实现以支持多线程和深度学习算法接口 | 主要专注于医学成像和近场实验，可能不适用于远场天文应用 | 开发用于康普顿相机图像重建和仿真的高效软件工具 | 康普顿相机成像系统和3D图像重建 | 医学成像 | NA | 康普顿相机成像，蒙特卡洛模拟 | NA | 3D图像数据 | NA | PyTorch | NA | NA | GPU |
| 8518 | 2025-10-06 |
Transformer for Multitemporal Hyperspectral Image Unmixing
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3577394
PMID:40504726
|
研究论文 | 提出一种基于Transformer的多时相高光谱图像解混端到端无监督深度学习模型 | 提出MUFormer模型，引入全局感知模块和变化增强模块来有效捕捉多时相语义信息 | NA | 解决多时相高光谱图像解混问题，监测和分析地表动态变化 | 多时相高光谱图像 | 计算机视觉 | NA | 高光谱成像 | Transformer | 高光谱图像 | 1个真实数据集和2个合成数据集 | NA | Transformer, MUFormer | NA | NA |
| 8519 | 2025-10-06 |
Predicting patients' sentiments about medications using artificial intelligence techniques
2024-12-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83222-9
PMID:39738528
|
研究论文 | 本研究开发人工智能模型预测患者对药物的情感倾向 | 首次实现结果可解释性技术，并开发了基于临床领域预训练词嵌入的深度集成模型 | NA | 通过情感分析为临床医生提供患者治疗反馈的洞察 | 药物相关评论文本数据 | 自然语言处理 | NA | 情感分析 | 机器学习,深度学习 | 文本 | 大型药物评论数据集 | NA | Word2Vec,集成学习模型 | 准确率,F1分数 | NA |
| 8520 | 2025-10-06 |
Descriptive overview of AI applications in x-ray imaging and radiotherapy
2024-12-27, Journal of radiological protection : official journal of the Society for Radiological Protection
IF:1.4Q3
DOI:10.1088/1361-6498/ad9f71
PMID:39681008
|
综述 | 本文概述了人工智能在X射线成像和放射治疗中的应用现状与发展前景 | 系统总结了AI在医疗辐射领域的应用全景，特别强调了深度学习在CT重建和自适应放疗中的创新应用 | 部分AI方法尚未准备好常规临床应用，主要由于验证挑战、患者群体多样性和临床环境可靠性问题 | 探讨人工智能在优化放射剂量、改善放疗效果方面的应用价值 | X射线成像和放射治疗中的AI技术应用 | 医学影像分析 | NA | 深度学习 | 深度学习模型 | 医学影像数据 | NA | NA | NA | NA | NA |