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 24644 篇文献，本页显示第 8941 - 8960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8941 | 2025-01-24 |
Deep learning-based classifier for carcinoma of unknown primary using methylation quantitative trait loci
2025-Feb-01, Journal of neuropathology and experimental neurology
IF:3.2Q2
DOI:10.1093/jnen/nlae123
PMID:39607989
|
研究论文 | 本文开发了一种基于深度学习的DNA甲基化分类器，用于识别未知原发癌（CUP）的原发部位 | 利用特定器官的甲基化数量性状位点（mQTL）开发分类器，提高了分类准确性并减少了所需样本量 | 研究依赖于回顾性分析，且样本来源仅限于福尔马林固定石蜡包埋组织 | 开发一种能够辅助病理学家识别未知原发癌原发部位的DNA甲基化分类器 | 759例来自福尔马林固定石蜡包埋组织的癌样本 | 数字病理学 | 未知原发癌 | DNA甲基化阵列分析 | 深度学习 | 甲基化数据 | 759例癌样本 |
| 8942 | 2025-01-24 |
Automatic classification of HEp-2 specimens by explainable deep learning and Jensen-Shannon reliability index
2025-Feb, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103030
PMID:39637573
|
研究论文 | 本文介绍了一种基于迁移学习和预训练深度学习模型的创新平台，用于自动分类HEp-2标本，并通过Jensen-Shannon可靠性指数增强方法的可信度 | 结合无监督深度描述、新型特征选择方法和独立测试数据集，提出了一种改进的梯度加权类激活映射和基于Jensen-Shannon散度的样本质量指数 | 未来工作将解决有丝分裂纺锤体识别的挑战，并扩展方法以覆盖混合模式 | 开发一种计算机辅助系统，用于HEp-2图像分析和ANA模式分类 | HEp-2标本 | 计算机视觉 | 结缔组织疾病 | 迁移学习 | 深度学习模型 | 图像 | 两个来自不同医院的独立数据集 |
| 8943 | 2025-01-24 |
Increased chloroplast occupancy in bundle sheath cells of rice hap3H mutants revealed by Chloro-Count: a new deep learning-based tool
2025-Feb, The New phytologist
DOI:10.1111/nph.20332
PMID:39668515
|
研究论文 | 本研究开发了一种基于深度学习的工具Chloro-Count，用于量化水稻OsHAP3H功能获得和缺失突变体束鞘细胞中叶绿体的尺寸 | 开发了新的深度学习工具Chloro-Count，首次实现了对水稻束鞘细胞中叶绿体尺寸的精确量化，并揭示了OsHAP3H功能缺失导致叶绿体数量增加的机制 | 2D量化方法受叶绿体在细胞中位置的影响，可能存在一定的误差 | 提高水稻光合作用效率，增加产量潜力 | 水稻OsHAP3H功能获得和缺失突变体 | 计算机视觉 | NA | 深度学习 | NA | 图像 | OsHAP3H功能获得和缺失突变体 |
| 8944 | 2025-01-24 |
Advances in diagnosis and prognosis of bacteraemia, bloodstream infection, and sepsis using machine learning: A comprehensive living literature review
2025-Feb, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103008
PMID:39705768
|
文献综述 | 本文综述了机器学习在菌血症、血流感染和败血症诊断与预后中的应用，探讨了其有效性、潜在局限性和临床实践中的整合复杂性 | 提供了关于机器学习在血液相关感染管理中应用的全面调查，强调了早期疾病阶段的研究空白和实时非侵入性数据收集技术的潜力 | 早期阶段的研究因数据限制而不足，序列深度学习模型在外部数据集上表现不佳，实际实施面临设计要求和医疗基础设施的挑战 | 探讨机器学习在血液相关感染诊断和预后中的应用，以改善医疗决策支持 | 菌血症、血流感染和败血症 | 机器学习 | 败血症 | 机器学习 | 序列深度学习模型 | 电子健康记录、生化标志物、生命体征 | NA |
| 8945 | 2025-01-24 |
Mixed reality infrastructure based on deep learning medical image segmentation and 3D visualization for bone tumors using DCU-Net
2025-Feb, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2024.100654
PMID:39839577
|
研究论文 | 本研究提出了一种基于双维度降维和通道注意力门控机制的U-Net模型（DCU-Net），用于骨肿瘤的医学图像分割和3D重建，并构建了混合现实（MR）基础设施，探索其在骨肿瘤诊断和治疗中的应用前景 | 提出了DCU-Net模型，结合双维度降维和通道注意力门控机制，优化特征提取和目标空间聚类能力，实现了骨肉瘤的自动分割和3D重建，并构建了基于深度学习和混合现实的MR基础设施 | 未提及具体的数据集规模和多样性，可能影响模型的泛化能力 | 提高骨肿瘤CT图像分割的性能，并通过3D重建和混合现实技术增强临床医生对肿瘤形态和空间关系的理解 | 骨肿瘤的CT图像 | 计算机视觉 | 骨肿瘤 | DCU-Net模型，3D重建技术，混合现实（MR）技术 | DCU-Net | 图像 | 医院数据集（具体数量未提及） |
| 8946 | 2025-01-24 |
Mid-infrared spectra of dried and roasted cocoa (Theobroma cacao L.): A dataset for machine learning-based classification of cocoa varieties and prediction of theobromine and caffeine content
2025-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111243
PMID:39840227
|
研究论文 | 本文提供了一个关于干燥和烘焙可可豆的中红外光谱数据集，用于基于机器学习的可可品种分类和可可碱及咖啡因含量预测 | 该数据集结合了中红外光谱数据和HPLC定量分析，为机器学习模型提供了非破坏性的方法来预测可可碱和咖啡因含量及可可品种 | 数据集的应用可能受限于样本的多样性和实验条件的控制 | 开发自动化工具以支持可可工业中的实时质量控制、品种分类和产品优化 | 干燥和烘焙的可可豆 | 机器学习 | NA | ATR-FTIR光谱和HPLC | NA | 光谱数据 | 数据集包含根据实验条件和重复组织的Excel表格 |
| 8947 | 2025-01-24 |
The 'Sandwich' meta-framework for architecture agnostic deep privacy-preserving transfer learning for non-invasive brainwave decoding
2025-Jan-23, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad9957
PMID:39622169
|
研究论文 | 本文介绍了一种名为'Sandwich'的深度隐私保护元框架，结合了迁移学习和联邦学习，用于非侵入性脑电波解码 | 提出了一种新的深度隐私保护元框架'Sandwich'，结合了迁移学习和联邦学习，解决了脑电波解码中的数据变异性和隐私问题 | NA | 解决脑电波解码中的数据变异性和隐私问题 | 脑电波数据 | 机器学习 | NA | 迁移学习, 联邦学习 | Inception SanDwich | 时间序列数据 | 使用BEETL运动想象挑战中的异质脑电波数据集进行评估 |
| 8948 | 2025-01-24 |
An interpretable multi-scale convolutional attention residual neural network for glioma grading with Raman spectroscopy
2025-Jan-23, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d4ay02068e
PMID:39686848
|
研究论文 | 本文提出了一种多尺度卷积注意力残差神经网络（M-SCA ResNet），用于通过拉曼光谱进行胶质瘤分级 | 结合多尺度通道和空间注意力机制以及残差结构，提升了模型的特征提取能力，并通过Grad-CAM增强了深度学习模型的可解释性 | NA | 提高胶质瘤分级的准确性，辅助医生制定个性化手术计划 | 高级别胶质瘤（HGG）、低级别胶质瘤（LGG）和正常组织 | 数字病理学 | 胶质瘤 | 拉曼光谱 | M-SCA ResNet | 光谱数据 | NA |
| 8949 | 2025-01-24 |
A Comprehensive Review on the Application of Artificial Intelligence for Predicting Postsurgical Recurrence Risk in Early-Stage Non-Small Cell Lung Cancer Using Computed Tomography, Positron Emission Tomography, and Clinical Data
2025-Jan-23, Journal of medical radiation sciences
IF:1.8Q3
DOI:10.1002/jmrs.860
PMID:39844750
|
综述 | 本文综述了利用人工智能（AI）结合CT、PET和临床数据预测早期非小细胞肺癌（NSCLC）术后复发风险的研究 | 本文综合分析了2018年至2024年间发表的16项研究，评估了放射组学、机器学习和深度学习在预测术后复发风险中的应用，并指出了未来研究方向 | 现有研究存在样本量小、缺乏外部验证、可解释性问题以及多模态影像技术融合不足等挑战 | 预测早期非小细胞肺癌（NSCLC）术后复发风险 | 早期非小细胞肺癌（NSCLC）患者 | 数字病理学 | 肺癌 | 放射组学、机器学习、深度学习 | 深度学习模型、多模态模型 | CT、PET、临床数据 | 16项研究（具体样本量未明确） |
| 8950 | 2025-01-24 |
High-throughput markerless pose estimation and home-cage activity analysis of tree shrew using deep learning
2025-Jan-23, Animal models and experimental medicine
IF:3.8Q2
DOI:10.1002/ame2.12530
PMID:39846430
|
研究论文 | 本文提出了一种基于深度学习的方法，用于无标记姿态估计和识别树鼩的多种自发行为，以量化其笼内活动 | 创新点在于使用深度学习技术实现无标记姿态估计，并开发了一个高效的系统来监测树鼩的笼内活动 | 未明确提及具体限制 | 研究目的是量化树鼩的笼内活动，以更好地理解其日常行为并构建疾病模型 | 研究对象是树鼩 | 计算机视觉 | NA | 深度学习 | NA | 视频 | 16只树鼩 |
| 8951 | 2025-01-24 |
Adaptive ensemble loss and multi-scale attention in breast ultrasound segmentation with UMA-Net
2025-Jan-23, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03301-5
PMID:39847155
|
研究论文 | 本文提出了一种名为UMA-Net的增强型UNet架构，用于乳腺超声图像分割，通过集成残差连接、注意力机制和空洞卷积瓶颈来有效捕捉多尺度上下文信息，并引入自适应集成损失函数以动态平衡不同损失组件的贡献 | UMA-Net结合了残差连接、注意力机制和空洞卷积瓶颈，并引入了自适应集成损失函数，以动态平衡不同损失组件的贡献，解决了传统损失函数中的不平衡问题 | 未明确提及具体局限性 | 提高乳腺超声图像分割的准确性和泛化能力 | 乳腺超声图像 | 计算机视觉 | 乳腺癌 | 深度学习 | UMA-Net（基于UNet的增强架构） | 图像 | 五个不同的乳腺超声数据集（BUET, BUSI, Mendeley, OMI, UDIAT） |
| 8952 | 2025-01-24 |
Non-parametric Bayesian deep learning approach for whole-body low-dose PET reconstruction and uncertainty assessment
2025-Jan-23, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03296-z
PMID:39847156
|
研究论文 | 本文提出了一种基于非参数贝叶斯深度学习的框架NPB-LDPET，用于低剂量PET图像重建和不确定性评估 | 提出了一种新的非参数贝叶斯深度学习框架，结合Adam优化器和随机梯度Langevin动力学（SGLD）进行后验分布采样，显著提高了低剂量PET图像的重建精度和不确定性评估 | 研究样本量相对较小（N=10,631和N=28），且仅使用了Ultra-low-dose PET Challenge数据集进行评估，可能限制了结果的普适性 | 提高低剂量PET图像的重建精度和不确定性评估，以支持临床决策 | 低剂量PET图像 | 医学影像处理 | 肿瘤学 | 深度学习，非参数贝叶斯方法 | 深度学习模型 | 医学影像数据 | 10,631个样本（全局重建精度评估），28个样本（局部病变对比度评估） |
| 8953 | 2025-01-24 |
Biomimetic Fingerprint-like Unclonable Optical Anticounterfeiting System with Selectively In Situ-Synthesized Perovskite Quantum Dots Embedded in Spontaneous-Phase-Separated Polymers
2025-Jan-22, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c20440
PMID:39780348
|
研究论文 | 本文提出了一种基于钙钛矿量子点指纹物理不可克隆功能的仿生防伪系统，利用聚合物的自发相分离和选择性原位合成钙钛矿量子点作为熵源 | 该系统通过调整钙钛矿和聚合物成分，实现了从二进制到多值编码的扩展，具有高编码容量，并兼容主流生产技术和深度学习增强的智能融合方案 | 未提及具体局限性 | 开发一种新型防伪技术，以应对物联网时代防伪技术面临的挑战 | 钙钛矿量子点和聚合物 | 材料科学 | NA | 自发相分离和选择性原位合成 | 深度学习 | 图像 | 未提及具体样本数量 |
| 8954 | 2025-01-24 |
Artificial intelligence streamlines scientific discovery of drug-target interactions
2025-Jan-22, British journal of pharmacology
IF:6.8Q1
DOI:10.1111/bph.17427
PMID:39843168
|
综述 | 本文综述了人工智能（AI）技术在药物靶点相互作用（DTI）预测中的应用 | 本文系统性地概述了AI在DTI预测中的应用，包括经典机器学习、深度学习和基于网络的方法，并指出了当前挑战和未来方向 | 本文未涉及具体实验验证，主要集中于理论和方法论的探讨 | 探讨AI技术在药物发现和开发中的应用，特别是DTI预测 | 药物靶点相互作用（DTI） | 机器学习 | NA | NA | 经典机器学习、深度学习、基于网络的方法 | NA | NA |
| 8955 | 2025-01-24 |
Automated Detection of Cancer-Suspicious Findings in Japanese Radiology Reports with Natural Language Processing: A Multicenter Study
2025-Jan-22, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01338-w
PMID:39843717
|
研究论文 | 本文开发了一种基于规则的自然语言处理（NLP）算法，用于从日本放射学报告中自动检测癌症可疑发现 | 提出了一种基于规则的NLP算法，并在多中心数据上验证了其性能，展示了其在不同机构间的泛化能力 | 算法主要依赖于规则，可能无法覆盖所有复杂的语言表达，且仅针对日文报告 | 开发并验证一种NLP算法，用于自动检测放射学报告中的癌症可疑发现，以减少漏诊和延误治疗 | 来自六个机构的胸部和腹部CT报告 | 自然语言处理 | 癌症 | 自然语言处理（NLP） | 基于规则的算法，BERT作为基线深度学习模型 | 文本（放射学报告） | 来自六个机构的CT报告，具体样本数量未明确 |
| 8956 | 2025-01-24 |
Breast Cancer Histopathological Image Classification Based on Graph Assisted Global Reasoning
2025-Jan-22, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01403-y
PMID:39843721
|
研究论文 | 本研究提出了一种基于图辅助全局推理的乳腺癌组织病理学图像分类方法，旨在通过深度学习提取病理特征并自动识别肿瘤信息，以辅助医生进行高精度的病理诊断 | 提出了一种双流全局-局部网络（DSGLNet），通过卷积网络提取局部图像特征，并利用图卷积映射构建全局特征交互空间，从而深度融合局部和全局特征以实现精确的图像分类 | 研究仅在公开的BreakHis数据集上进行了评估，未在其他数据集上验证模型的泛化能力 | 利用深度学习技术提高乳腺癌组织病理学图像分类的精度，辅助病理诊断 | 乳腺癌组织病理学图像 | 数字病理学 | 乳腺癌 | 深度学习 | 双流全局-局部网络（DSGLNet） | 图像 | BreakHis数据集，包含不同放大倍数的组织病理学图像 |
| 8957 | 2025-01-24 |
How to Efficiently Annotate Images for Best-Performing Deep Learning-Based Segmentation Models: An Empirical Study with Weak and Noisy Annotations and Segment Anything Model
2025-Jan-22, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01408-7
PMID:39843720
|
研究论文 | 本文通过实证研究探讨了在有限标注预算下，如何高效地为深度学习分割模型标注图像，比较了弱标注和噪声标注与传统精确标注的效果 | 首次系统评估了六种标注策略（共9-10种子策略）在四个数据集上的成本效益，发现精确标注在预算有限时并非最优选择，弱标注和噪声标注在某些情况下能达到与精确标注相似的性能，但成本效益更高 | 研究仅基于四个数据集，可能无法涵盖所有应用场景，且未探讨不同模型架构对标注策略效果的潜在影响 | 评估不同标注策略在深度学习图像分割任务中的成本效益，以指导研究者更高效地使用标注预算 | 图像分割任务中的标注策略 | 计算机视觉 | NA | 深度学习 | DNN | 图像 | 四个数据集 |
| 8958 | 2025-01-24 |
Semi-Supervised Medical Image Segmentation Based on Frequency Domain Aware Stable Consistency Regularization
2025-Jan-22, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01397-7
PMID:39843719
|
研究论文 | 本文提出了一种基于频域感知稳定一致性正则化的半监督医学图像分割方法 | 利用图像的固有频域信息作为一致性约束，避免了人为设置扰动引入的偏差，并在模型训练的编码器阶段引入监督，确保模型不会因强增强导致的原始特征空间破坏而学习失败 | 未提及具体的数据集或样本量限制，也未讨论在更广泛医学图像数据集上的泛化能力 | 改进半监督医学图像分割方法，提高模型在有限标注数据下的性能 | 医学图像 | 计算机视觉 | NA | 频域分析 | 半监督学习模型 | 图像 | NA |
| 8959 | 2025-01-24 |
From pixels to patients: the evolution and future of deep learning in cancer diagnostics: (Trends in Molecular Medicine, published online December 11, 2024)
2025-Jan-21, Trends in molecular medicine
IF:12.8Q1
DOI:10.1016/j.molmed.2024.12.012
PMID:39843287
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8960 | 2025-01-24 |
On the Effect of the Patient Table on Attenuation in Myocardial Perfusion Imaging SPECT
2025-Jan-20, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-024-00713-4
PMID:39832088
|
研究论文 | 本研究探讨了患者检查台对心肌灌注成像（MPI）SPECT中衰减的影响，通过比较幻影扫描和患者研究的重建结果 | 使用深度学习方法和自动去除患者检查台的算法，首次在患者研究中评估了检查台对衰减的影响 | 研究仅基于15名患者的回顾性队列，样本量较小 | 评估患者检查台对MPI SPECT中衰减的影响 | Jaszczak幻影扫描和15名患者的MPI数据 | 医学影像 | 心血管疾病 | SPECT成像 | NA | 图像 | 15名患者 |