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 26130 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 | 2025-03-02 |
Predicting phage-host interactions via feature augmentation and regional graph convolution
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae672
PMID:39727002
|
研究论文 | 本文提出了一种名为MI-RGC的新方法，通过特征增强和区域图卷积来预测噬菌体-宿主相互作用（PHIs） | MI-RGC方法引入了互信息进行特征增强，并采用区域图卷积来学习有意义的表示，从而克服了现有深度学习方法在PHIs预测中的局限性 | 尽管MI-RGC在三个基准数据集上表现出色，但其在高度数据稀疏性任务中的过拟合风险仍需进一步研究 | 开发一种更有效的预测噬菌体-宿主相互作用的方法，以支持噬菌体疗法的发展 | 噬菌体和宿主之间的相互作用 | 机器学习 | NA | 深度学习方法 | 区域图卷积模型 | 序列信息 | 三个基准数据集 |
| 8942 | 2025-03-02 |
Automatic Segmentation and Radiomics for Identification and Activity Assessment of CTE Lesions in Crohn's Disease
2024-11-04, Inflammatory bowel diseases
IF:4.5Q1
DOI:10.1093/ibd/izad285
PMID:38011673
|
研究论文 | 本文开发了一种深度学习自动分割模型，用于在计算机断层扫描肠造影（CTE）图像中分割克罗恩病（CD）病变，并通过提取的放射组学特征构建多个机器学习分类器以区分CD活动性 | 开发了基于nnU-Net神经网络的自动分割模型，并结合放射组学特征构建了多个机器学习分类器，用于区分CD活动性 | 研究为回顾性研究，样本量相对较小，可能影响模型的泛化能力 | 开发自动分割模型并构建机器学习分类器，以辅助放射科医生评估克罗恩病活动性 | 克罗恩病患者的CTE图像 | 计算机视觉 | 克罗恩病 | 深度学习，放射组学 | nnU-Net，逻辑回归 | CTE图像 | 分割数据集包含84例CD患者的CTE检查，分类数据集包含193例CD患者的CTE检查 |
| 8943 | 2025-03-02 |
A Deep Learning Framework for End-to-End Control of Powered Prostheses
2024-May, IEEE robotics and automation letters
IF:4.6Q2
DOI:10.1109/lra.2024.3374189
PMID:40012860
|
研究论文 | 本文提出了一种深度学习框架，用于端到端控制动力假肢，消除了传统任务分类、状态机和中级控制方程的需求 | 通过将整个控制问题压缩到一个深度神经网络中，消除了传统任务分类、状态机和中级控制方程的需求 | 研究仅针对五种运动模式进行，样本量为12名经股截肢者，可能需要更多样化的数据和更大的样本量来验证模型的普适性 | 探索深度学习在动力假肢控制中的应用，以实现端到端的关节级辅助 | 动力膝踝假肢（OSL）及其传感器数据 | 机器学习 | NA | 深度学习 | 时间卷积网络（TCN） | 传感器数据 | 12名经股截肢者 |
| 8944 | 2024-08-24 |
Editorial for "Deep Learning Nomogram for the Identification of Deep Stromal Invasion in Patients With Early-Stage Cervical Adenocarcinoma and Adenosquamous Carcinoma: A Multicenter Study"
2024-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28881
PMID:37410077
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8945 | 2025-03-02 |
Deep Learning Identifies High-Quality Fundus Photographs and Increases Accuracy in Automated Primary Open Angle Glaucoma Detection
2024-01-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.1.23
PMID:38285462
|
研究论文 | 本文开发并评估了一种深度学习模型，用于评估眼底照片质量，并定量测量其在独立研究人群中自动化检测原发性开角型青光眼（POAG）的影响 | 首次将深度学习模型应用于眼底照片质量评估，并展示了其对提高POAG检测准确性的显著影响 | 研究依赖于特定数据集（DIGS/ADAGES和OHTS），可能限制了模型的泛化能力 | 提高自动化POAG检测的准确性，减少人工审查的负担 | 眼底照片 | 计算机视觉 | 青光眼 | 深度学习 | 深度学习模型 | 图像 | 2815张来自DIGS/ADAGES的眼底照片和11,350张来自OHTS的眼底照片 |
| 8946 | 2025-03-02 |
Rapid and accurate classification of mung bean seeds based on HPMobileNet
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1474906
PMID:40017618
|
研究论文 | 本研究提出了一种基于深度学习的绿豆种子快速准确分类方法，通过改进MobileNetV2模型，引入了DMS块、ECA块和Mish激活函数，构建了高精度网络模型HPMobileNet | 提出了HPMobileNet模型，结合DMS块、ECA块和Mish激活函数，显著提升了绿豆种子分类的准确率 | 研究未涉及模型在其他作物种子分类中的泛化能力，且未来优化和应用潜力仍需进一步探索 | 开发一种高效准确的绿豆种子分类方法，推动智能农业技术的发展 | 八种不同品种的绿豆种子 | 计算机视觉 | NA | 深度学习 | HPMobileNet（基于MobileNetV2改进） | 图像 | 34,890张绿豆种子图像 |
| 8947 | 2025-03-02 |
A method of deep network auto-training based on the MTPI auto-transfer learning and a reinforcement learning algorithm for vegetation detection in a dry thermal valley environment
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1448669
PMID:40017619
|
研究论文 | 本文提出了一种基于MTPI自动迁移学习和强化学习算法的深度网络自动训练方法，用于干旱热谷环境中的植被检测 | 结合了MTPI（最大迁移潜力指数方法）和MTSA（多汤普森采样算法）强化学习，用于数据集自动增强和网络自动训练，减少了人工经验和试错成本 | 现有自动训练方法适应于简单数据集和网络结构，在非结构化环境（如干旱热谷环境）中实用性较低 | 减少深度学习中的手动干预，提高复杂植被信息收集的效率 | 干旱热谷环境中的植被 | 计算机视觉 | NA | 深度学习，强化学习，迁移学习 | FCN, Seg-Net, U-Net, Seg-Res-Net 50 | 图像 | NA |
| 8948 | 2025-03-02 |
Natural language processing to identify social determinants of health in Alzheimer's disease and related dementia from electronic health records
2023-12, Health services research
IF:3.1Q1
DOI:10.1111/1475-6773.14210
PMID:37534741
|
研究论文 | 开发了一种基于自然语言处理（NLP）的算法，用于从非结构化的电子健康记录（EHR）中识别阿尔茨海默病及相关痴呆（ADRD）患者的健康社会决定因素（SDoH） | 开发了一种基于规则的NLP算法，用于识别七个SDoH领域，并与深度学习和正则化逻辑回归方法进行了比较 | 在住房和药物不安全方面的SDoH识别性能较差 | 识别ADRD患者的健康社会决定因素（SDoH） | 阿尔茨海默病及相关痴呆（ADRD）患者 | 自然语言处理 | 老年病 | 自然语言处理（NLP） | 基于规则的NLP算法、深度学习、正则化逻辑回归 | 文本 | 1000份医疗记录，来自231名ADRD患者 |
| 8949 | 2025-03-02 |
Editorial for "Deep Learning-Based Segmentation of Locally Advanced Breast Cancer on MRI in Relation to Residual Cancer Burden: A Multi-Institutional Cohort Study"
2023-12, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28680
PMID:36939778
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8950 | 2025-03-02 |
Editorial for "Implementable Deep Learning for Multi-sequence Proton MRI Lung Segmentation: A Multi-center, Multi-vendor and Multi-disease Study"
2023-10, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28661
PMID:36847749
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8951 | 2025-03-02 |
Machine Learning and Deep Learning in Cardiothoracic Imaging: A Scoping Review
2022-Oct-17, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12102512
PMID:36292201
|
综述 | 本文对心胸影像领域中机器学习和深度学习的应用进行了范围审查，系统搜索了同行评审的医学文献，并定量提取了关键数据元素 | 提供了心胸影像领域中ML/DL应用的综合概述，并提出了使研究超越概念验证向临床采纳迈进的一般建议 | 未具体提及研究的局限性 | 探讨机器学习和深度学习在心胸影像领域的应用及其临床采纳的潜力 | 心胸影像 | 计算机视觉 | 心血管疾病 | NA | 机器学习（ML），深度学习（DL） | 图像 | NA |
| 8952 | 2025-03-02 |
Virtual Molecular Projections and Convolutional Neural Networks for the End-to-End Modeling of Nanoparticle Activities and Properties
2020-10-20, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.0c02878
PMID:32970421
|
研究论文 | 本研究利用卷积神经网络（CNNs）从纳米结构中对纳米颗粒的活性和特性进行建模 | 使用虚拟分子投影作为多维数字化的纳米结构表示，并应用于CNN模型训练，实现了从纳米结构到活性和特性的端到端建模 | 研究中仅使用了77个纳米颗粒样本，样本量较小，可能影响模型的泛化能力 | 开发一种能够数字化复杂纳米结构并用于机器学习建模的方法 | 纳米颗粒的活性和理化特性 | 机器学习 | NA | 虚拟分子投影 | CNN | 多维数字化纳米结构 | 77个纳米颗粒 |
| 8953 | 2025-03-01 |
Decoding the effects of mutation on protein interactions using machine learning
2025-Mar, Biophysics reviews
IF:2.9Q2
DOI:10.1063/5.0249920
PMID:40013003
|
review | 本文综述了利用机器学习预测突变对蛋白质相互作用影响的最新进展 | 综合评估了基于物理化学、机器学习和深度学习的预测方法，并探讨了未来发展方向 | 讨论了突变数据的局限性，包括偏差、数据质量和数据集大小 | 理解遗传变异如何影响蛋白质与其他生物分子之间的相互作用，以阐明疾病机制和开发靶向治疗 | 蛋白质相互作用及其突变效应 | machine learning | cancer | machine learning, deep learning | NA | mutational data | NA |
| 8954 | 2025-03-01 |
CBCT projection domain metal segmentation for metal artifact reduction using hessian-inspired dual-encoding network with guidance from segment anything model
2025-Feb-28, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17716
PMID:40017345
|
研究论文 | 本文提出了一种基于Hessian启发的双编码网络（HIDE-Net），用于CBCT投影域金属分割，以减少金属伪影 | 提出了一种无需手动标注的深度学习金属痕迹分割工作流程，结合了Hessian特征值模块、双编码器和输入增强模块，并利用Segment Anything Model（SAM）自动获取训练标签 | 需要进一步验证在更多临床数据集上的泛化能力 | 提高CBCT图像质量，减少金属伪影 | CBCT投影域中的金属物体 | 医学影像 | NA | 深度学习 | HIDE-Net, CNN | 图像 | 数字幻影数据和临床CBCT数据 |
| 8955 | 2025-03-01 |
Deep learning for named entity recognition in Turkish radiology reports
2025-Feb-28, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.243100
PMID:40018795
|
研究论文 | 本研究旨在通过开发并评估一个深度学习框架来提高土耳其语放射学报告中命名实体识别（NER）的准确性和效率 | 采用四阶段DYGIE++模型，并结合自适应跨度枚举和跨度图传播技术，以处理土耳其语放射学报告的复杂性 | 由于隐私问题，研究使用了合成的放射学报告数据集，而非真实的患者数据 | 提高放射学报告中信息提取的准确性和效率 | 土耳其语放射学报告 | 自然语言处理 | NA | 深度学习 | DYGIE++, BERTurk, BioBERTurk, PubMedBERT, XLM-RoBERTa | 文本 | 1,056份合成的土耳其语放射学报告 |
| 8956 | 2025-03-01 |
Diagnostic accuracy of convolutional neural network algorithms to distinguish gastrointestinal obstruction on conventional radiographs in a pediatric population
2025-Feb-28, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.242950
PMID:40018794
|
研究论文 | 本研究旨在使用卷积神经网络（CNN）模型区分儿童腹部X光片中的正常肠道气体分布与胃肠道扩张或梗阻，并进一步区分需要手术的梗阻患者与其他胃肠道扩张或肠梗阻患者 | 本研究首次在儿科人群中应用CNN模型进行胃肠道梗阻的诊断，并评估手术与药物治疗的需求 | 研究样本量相对较小，且仅来自单一机构，可能影响模型的泛化能力 | 开发一种高精度的深度学习模型，用于儿科急诊中胃肠道梗阻的快速诊断 | 儿科患者的腹部X光片 | 计算机视觉 | 胃肠道疾病 | 卷积神经网络（CNN） | ResNet50, InceptionResNetV2, Xception, EfficientNetV2L, ConvNeXtXLarge | 图像 | 540例正常，298例手术矫正扩张（SD），314例炎症/感染性扩张（ID） |
| 8957 | 2025-03-01 |
A novel approach for estimating postmortem intervals under varying temperature conditions using pathology images and artificial intelligence models
2025-Feb-28, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-025-03447-9
PMID:40019556
|
研究论文 | 本文提出了一种利用病理图像和人工智能模型在不同温度条件下估计死后间隔（PMI）的新方法 | 首次引入基于病理组织图像和人工智能的预测模型，用于PMI估计，并在三种温度条件下进行验证 | 未提及具体的外部验证样本量或多样性限制 | 提高法医调查中PMI估计的准确性和效率 | 病理组织图像 | 数字病理学 | NA | 深度学习，机器学习 | ResNet50 | 图像 | 未提及具体样本量 |
| 8958 | 2025-03-01 |
MultiKD-DTA: Enhancing Drug-Target Affinity Prediction Through Multiscale Feature Extraction
2025-Feb-28, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00697-4
PMID:40019659
|
研究论文 | 本文介绍了一种创新的深度学习架构，旨在增强药物-靶标相互作用（DTI）亲和力的预测 | 该模型巧妙地结合了图神经网络、预训练的大规模蛋白质模型和注意力机制，以提高性能 | NA | 提高药物-靶标相互作用（DTI）亲和力的预测精度 | 药物分子和蛋白质靶标 | 机器学习 | NA | 深度学习 | 图神经网络（GNN）、双向长短期记忆网络（BiLSTM） | 分子结构图和蛋白质序列 | 两个公开数据集 |
| 8959 | 2025-03-01 |
Progress on intelligent metasurfaces for signal relay, transmitter, and processor
2025-Feb-25, Light, science & applications
DOI:10.1038/s41377-024-01729-2
PMID:39994200
|
综述 | 本文综述了智能超表面在无线通信中作为信号中继、发射器和处理器的新范式 | 智能超表面通过集成深度学习算法，能够主动适应不断变化的环境，无需人工干预，提供了一种绿色无线通信的新方法 | 实际应用中存在关键问题，如增益超表面和知识迁移等新方向的挑战 | 探讨智能超表面在无线通信中的应用，以提高数据速率并减少硬件和能源消耗 | 智能超表面 | 无线通信 | NA | 深度学习算法 | NA | NA | NA |
| 8960 | 2025-03-01 |
Preoperative prediction of the Lauren classification in gastric cancer using automated nnU-Net and radiomics: a multicenter study
2025-Feb-25, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01923-9
PMID:40000513
|
研究论文 | 本研究开发并验证了一种基于nnU-Net结合放射组学的深度学习模型，用于胃癌的自动分割和Lauren分类的术前预测 | 结合nnU-Net和放射组学技术，实现了胃癌的自动分割和Lauren分类的术前预测，减少了医生手动分割的错误和工作量 | 研究结果在不同测试集上的AUC值略有差异，且放射组学模型和组合模型的AUC值无显著统计学差异 | 开发并验证一种深度学习模型，用于胃癌的自动分割和Lauren分类的术前预测 | 胃癌患者 | 数字病理学 | 胃癌 | nnU-Net, 放射组学 | nnU-Net, LASSO | CT图像 | 433名胃癌患者 |