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 26128 篇文献，本页显示第 9101 - 9120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9101 | 2025-02-28 |
Artificial Intelligence for Early Detection of Pediatric Eye Diseases Using Mobile Photos
2024-08-01, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究开发了一种基于深度学习的AI模型，用于通过移动设备拍摄的照片识别儿童眼病，包括近视、斜视和上睑下垂 | 利用AI技术从移动设备拍摄的照片中识别儿童眼病，提供了一种便捷的家庭筛查方法，突破了传统医院筛查的局限 | 研究样本量相对较小，且仅在单一医院进行，可能影响模型的泛化能力 | 开发一种AI模型，用于早期检测儿童眼病 | 儿童眼病（近视、斜视和上睑下垂） | 计算机视觉 | 儿童眼病 | 深度学习 | 深度学习模型 | 图像 | 476名患者的1419张图像 |
| 9102 | 2024-10-24 |
Identification of an ANCA-Associated Vasculitis Cohort Using Deep Learning and Electronic Health Records
2024-Jun-10, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.09.24308603
PMID:38946986
|
研究论文 | 本文利用深度学习模型分析电子健康记录，以更准确地识别ANCA相关性血管炎病例 | 本文提出了一种基于深度学习的模型，用于分析电子健康记录，以更准确地识别ANCA相关性血管炎病例，相比传统的基于规则的方法，该模型能够发现更多的病例 | 本文未详细讨论模型的泛化能力和在其他数据集上的表现 | 开发一种更准确的方法来识别ANCA相关性血管炎病例 | ANCA相关性血管炎病例的识别 | 机器学习 | 其他疾病 | 深度学习 | 深度学习算法 | 文本 | 三个数据集分别包含6,000、3,008和7,500个笔记部分，以及2,000个随机选择的样本 |
| 9103 | 2025-02-28 |
Identification and Structural Characterization of Twisted Atomically Thin Bilayer Materials by Deep Learning
2024-Mar-06, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.3c04815
PMID:38407030
|
研究论文 | 本文介绍了一种利用深度学习技术识别和结构表征扭曲原子薄双层材料的方法 | 使用语义分割卷积神经网络（CNN）快速准确地识别MoS薄片的厚度，并训练第二个CNN模型预测CVD生长的双层薄片的扭曲角度 | NA | 开发一种可扩展的方法，用于自动化检测扭曲原子薄CVD生长的双层材料 | 扭曲双层石墨烯和过渡金属二硫化物 | 计算机视觉 | NA | 光学显微镜、化学气相沉积（CVD）、二次谐波生成、拉曼光谱 | CNN | 图像 | 超过10,000张合成图像 |
| 9104 | 2025-02-28 |
Predicting epidermal growth factor receptor mutation status of lung adenocarcinoma based on PET/CT images using deep learning
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1458374
PMID:39735601
|
研究论文 | 本研究旨在开发基于18F-FDG PET/CT图像的深度学习模型，用于预测肺腺癌（LUAD）患者的表皮生长因子受体（EGFR）突变状态 | 利用深度学习模型预测EGFR突变状态，结合PET/CT图像和临床特征，提高了预测的准确性 | 研究仅基于两个机构的430名患者，样本量可能不足以代表所有肺腺癌患者 | 开发预测肺腺癌患者EGFR突变状态的深度学习模型 | 430名非小细胞肺癌患者 | 计算机视觉 | 肺癌 | 18F-FDG PET/CT成像 | Inception V3 | 图像 | 430名非小细胞肺癌患者 |
| 9105 | 2025-02-28 |
DeepOmicsAE: Representing Signaling Modules in Alzheimer's Disease with Deep Learning Analysis of Proteomics, Metabolomics, and Clinical Data
2023-12-15, Journal of visualized experiments : JoVE
DOI:10.3791/65910
PMID:38163278
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9106 | 2025-02-28 |
Artificial Intelligence-based System for Detecting Attention Levels in Students
2023-12-15, Journal of visualized experiments : JoVE
DOI:10.3791/65931
PMID:38163270
|
研究论文 | 本文提出了一种基于人工智能的系统，用于检测学生的注意力水平，通过分析学生的情绪、视线方向、身体姿势和生物特征数据来帮助教师优化教学过程 | 创新点在于整合多种数据源（如情绪、视线、姿势和生物特征数据）来训练AI系统，以自动识别学生的注意力水平，并提出创建标注数据集和注意力分类器的方案 | 整合不同类型的数据具有挑战性，需要创建标注数据集，且依赖专家输入和现有研究进行准确标注 | 研究目标是利用AI技术自动检测学生的注意力水平，以帮助教师调整教学策略，优化教学效果 | 研究对象是课堂中的学生 | 机器学习 | NA | 深度学习 | NA | 图像、生物特征数据 | 未明确提及样本数量 |
| 9107 | 2025-02-27 |
Brain analysis to approach human muscles synergy using deep learning
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10228-y
PMID:39996071
|
研究论文 | 本研究通过深度学习分析脑信号和肌肉运动，利用EEG和EMG信号估计肌肉与脑信号之间的协同作用 | 结合EEG和EMG信号，使用图论和神经网络方法估计肌肉与脑信号的协同作用，并开发了脑图映射以重建肌肉信号 | NA | 改进康复方法和脑机接口 | 脑信号和肌肉运动 | 机器学习 | NA | EEG, EMG | 神经网络, 卷积网络 | 信号数据 | NA |
| 9108 | 2025-02-27 |
FHD deep learning prognosis approach: Early detection of fetal heart disease (FHD) using ultrasonography image-based IROI combined multiresolution DCNN
2025-Feb-26, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241310981
PMID:40007382
|
研究论文 | 本文提出了一种基于超声图像的深度学习预后方法，用于早期检测胎儿心脏病（FHD） | 提出了一种结合增强自适应中值滤波（EAMF）、强化感兴趣区域（IROI）分割和多分辨率深度卷积神经网络（MDCNN）分类的自动化分层网络，用于FHD的检测 | 未提及具体样本量和数据集的多样性，可能影响模型的泛化能力 | 早期检测胎儿心脏病（FHD） | 胎儿心脏病的超声图像 | 计算机视觉 | 胎儿心脏病 | 超声2D成像 | 多分辨率深度卷积神经网络（MDCNN） | 图像 | 未提及具体样本量 |
| 9109 | 2025-02-27 |
Artificial Intelligence in Computed Tomography Image Reconstruction: A Review of Recent Advances
2025-Feb-26, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001734
PMID:40008975
|
综述 | 本文综述了人工智能在计算机断层扫描（CT）图像重建中的最新进展 | 人工智能，特别是深度学习，在CT重建中展示了减少辐射剂量同时保持图像质量和噪声纹理的巨大潜力，并在解决低剂量CT、稀疏视图CT、有限角度CT和内部断层扫描等挑战性问题中表现出前所未有的性能 | NA | 探讨人工智能在CT图像重建中的应用，特别是在低剂量、稀疏视图和有限角度等挑战性条件下的应用 | 计算机断层扫描（CT）图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 9110 | 2025-02-27 |
Automatic placement of simulated dental implants within CBCT images in optimum positions: a deep learning model
2025-Feb-26, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03327-9
PMID:40009142
|
研究论文 | 本研究提出了一种基于深度学习的框架，用于在CBCT图像中自动放置模拟牙种植体至最佳位置 | 采用两阶段深度学习框架，结合YOLOv11进行标记检测和种植体位置预测，提高了牙种植体放置的自动化程度和准确性 | YOLOv11在标记检测阶段的F-score仅为59%，种植体位置预测的平均绝对误差在11.931到15.954之间，表明模型仍有改进空间 | 提高牙种植体放置的自动化程度和准确性，减少对牙医知识和经验的依赖 | CBCT图像中的牙种植体 | 计算机视觉 | NA | 深度学习 | YOLOv11 | 3D CBCT图像 | NA |
| 9111 | 2025-02-27 |
A deep learning-based psi CT network effectively predicts early recurrence after hepatectomy in HCC patients
2025-Feb-26, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04849-4
PMID:40009155
|
研究论文 | 本文介绍了一种基于深度学习的psi CT网络，用于预测肝细胞癌（HCC）患者肝切除术后早期复发 | 结合DenseNet和注意力机制，模型能自动聚焦于对患者生存有显著影响的区域，并通过CAM技术可视化这些区域 | 研究为回顾性，且样本量相对有限，可能影响模型的泛化能力 | 开发一种可靠的方法来预测HCC患者肝切除术后早期复发 | 肝细胞癌（HCC）患者 | 数字病理 | 肝癌 | 深度学习 | DenseNet | CT扫描图像 | 302例患者，来自五个中心 |
| 9112 | 2025-02-27 |
Data-efficient generalization of AI transformers for noise reduction in ultra-fast lung PET scans
2025-Feb-26, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07165-7
PMID:40009163
|
研究论文 | 本研究旨在使用基于深度学习的方法对超快速肺部PET扫描图像进行去噪处理，以减少呼吸运动伪影并提高诊断质量 | 提出了一种名为Mask-ViT的鲁棒且数据高效的深度学习方法，能够在有限的目标扫描仪训练数据上进行微调，并直接应用于新扫描仪的未见测试数据 | 研究仅基于两个数据集，且样本量相对较小，可能限制了模型的泛化能力 | 通过深度学习技术提高超快速肺部PET扫描图像的质量，减少噪声并满足临床诊断需求 | 超快速20秒屏气（U2BH）PET扫描图像 | 计算机视觉 | 肺癌 | 深度学习 | Mask-ViT, U-Net, C-Gan | 图像 | 1272个回顾性收集的全时PET数据和46个前瞻性收集的U2BH及对应的全时PET/CT图像 |
| 9113 | 2025-02-27 |
Ultrasound Thyroid Nodule Segmentation Algorithm Based on DeepLabV3+ with EfficientNet
2025-Feb-25, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01436-3
PMID:40000546
|
研究论文 | 本文提出了一种基于DeepLabV3+与EfficientNet的超声甲状腺结节分割算法，旨在提高超声图像中甲状腺结节分割的准确性 | 首次将EfficientNet-B7作为DeepLabV3+架构的主干网络应用于甲状腺结节分割 | NA | 提高超声图像中甲状腺结节分割的准确性 | 超声图像中的甲状腺结节 | 计算机视觉 | 甲状腺疾病 | 深度学习 | DeepLabV3+ with EfficientNet-B7 | 图像 | 来自郑州大学第一附属医院的数据集及两个公共数据集 |
| 9114 | 2025-02-27 |
The Central Role of Learning in Preventing Foot Complications in Persons With Diabetes: A Scoping Review
2025-Feb-25, Journal of clinical nursing
IF:3.2Q1
DOI:10.1111/jocn.17678
PMID:40001301
|
综述 | 本文探讨了糖尿病患者足部护理的学习过程和教学策略，并分析了不同学习过程对这些策略的影响 | 提出了一个理解患者学习和自我管理渐进阶段的框架，并强调了个性化教育干预的重要性 | 研究仅限于英文文献，可能忽略了其他语言的重要研究 | 探索糖尿病患者足部护理的学习过程和教学策略 | 糖尿病患者 | NA | 糖尿病 | NA | NA | 文献数据 | 906篇文章 |
| 9115 | 2025-02-27 |
Recent advances in AI-driven protein-ligand interaction predictions
2025-Feb-24, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103020
PMID:39999605
|
综述 | 本文综述了AI驱动的蛋白质-配体相互作用预测领域的最新进展 | AI模型如图神经网络、混合密度网络、transformer和扩散模型显著提升了预测性能，特别是在配体结合位点预测、结合姿态估计和虚拟筛选方面 | 尽管有这些进展，但跨不同蛋白质-配体对的泛化能力仍然是一个挑战 | 提高基于结构的药物发现中蛋白质-配体相互作用预测的准确性和效率 | 蛋白质-配体相互作用 | 机器学习 | NA | NA | 图神经网络、混合密度网络、transformer、扩散模型 | NA | NA |
| 9116 | 2025-02-27 |
The Role of Artificial Intelligence Combined With Digital Cholangioscopy for Indeterminant and Malignant Biliary Strictures: A Systematic Review and Meta-analysis
2025-Feb-19, Journal of clinical gastroenterology
IF:2.8Q2
DOI:10.1097/MCG.0000000000002148
PMID:39998988
|
meta-analysis | 本文通过系统回顾和荟萃分析评估了人工智能结合数字胆道镜在诊断不确定性和恶性胆道狭窄中的诊断性能 | 首次将基于计算机视觉的AI算法应用于胆道镜检查，以提高诊断准确性 | 研究数量有限，仅包含五项研究，且样本量相对较小 | 评估AI结合数字胆道镜在诊断不确定性和恶性胆道狭窄中的诊断性能 | 不确定性和恶性胆道狭窄 | computer vision | biliary strictures | deep learning | CNN | image | 675 lesions (2,685,674 cholangioscopic images) |
| 9117 | 2025-02-27 |
Solubilization of Membrane Proteins using designed protein WRAPS
2025-Feb-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.04.636539
PMID:39975033
|
研究论文 | 本文介绍了一种基于深度学习的通用设计方法，用于溶解天然膜蛋白，同时保持其序列、折叠和功能 | 使用基因编码的蛋白WRAPs（水溶性RF扩散两亲蛋白）包围脂质相互作用的疏水表面，使其稳定且水溶性，无需使用去污剂 | NA | 开发针对膜蛋白的疗法和疫苗，解决其疏水表面导致的生成和结构表征困难 | 膜蛋白 | 机器学习 | 梅毒 | 深度学习 | NA | 蛋白质结构数据 | 四种外膜β桶蛋白 |
| 9118 | 2025-02-27 |
De novo design of Ras isoform selective binders
2025-Feb-05, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.29.610300
PMID:39975043
|
研究论文 | 本文利用深度学习方法设计了针对Ras异构体的特异性结合剂，以研究其在生物学和疾病中的不同作用 | 首次使用深度学习方法设计出针对Ras异构体的特异性结合剂，解决了传统方法难以针对Ras C端无序且高电荷区域产生抗体的难题 | 未提及具体样本量或实验验证的广泛性 | 研究Ras异构体在癌症中的不同作用，并开发特异性结合剂 | Ras异构体（KRAS4A, KRAS4B, HRAS, NRAS） | 机器学习 | 癌症 | 深度学习 | NA | NA | NA |
| 9119 | 2025-02-27 |
A Fully Automated Artificial Intelligence-Based Approach to Predict Renal Function After Radical or Partial Nephrectomy
2025-Feb-04, Urology
IF:2.1Q2
DOI:10.1016/j.urology.2025.01.073
PMID:39914676
|
研究论文 | 本文提出了一种基于人工智能的全自动化方法，用于预测根治性或部分肾切除术后肾功能 | 开发了一种全自动化的AI模型，无需临床细节、医生时间或测量即可预测术后肾小球滤过率（GFR），其准确性与已验证的临床模型相当 | 研究样本量相对较小（300例患者），且仅基于单一数据集（KiTS19挑战赛） | 测试AI模型在预测术后GFR方面的准确性，并与已验证的临床模型进行比较 | 接受肾切除术的肾肿瘤患者 | 数字病理学 | 肾癌 | 深度学习分割模型 | 深度学习 | CT图像 | 300例接受肾切除术的肾肿瘤患者 |
| 9120 | 2025-02-27 |
Development of deep learning-based mobile application for the identification of Coccidia species in pigs using microscopic images
2025-Feb, Veterinary parasitology
IF:2.0Q2
DOI:10.1016/j.vetpar.2024.110376
PMID:39675168
|
研究论文 | 开发了一种基于深度学习的移动应用程序，用于通过显微镜图像自动识别猪体内的Coccidia物种 | 采用深度学习技术开发移动应用程序，自动识别猪体内的Coccidia物种，减少对专家人员的依赖 | 研究仅限于印度东北山区常见的六种Coccidia物种，未涵盖所有可能的物种 | 开发一种能够自动识别猪体内Coccidia物种的移动应用程序，以减少经济损失和提高诊断效率 | 猪体内的Coccidia物种，特别是E. debliecki, E. perminuta, E. porci, E. spinosa, E. suis, 和 Isospora suis | 计算机视觉 | 寄生虫病 | 卷积神经网络（CNN） | EfficientNetB0, EfficientNetB1, MobileNet, MobileNetV2 | 显微镜图像 | 未明确提及具体样本数量，但涉及印度东北山区的猪 |