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 32372 篇文献，本页显示第 9541 - 9560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9541 | 2025-05-31 |
Integration of smart sensors and phytoremediation for real-time pollution monitoring and ecological restoration in agricultural waste management
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1550302
PMID:40433163
|
研究论文 | 本文提出了一种结合生物地球化学模型和深度学习技术的Bio-DANN模型，用于提高农业废物管理和生态恢复中污染物监测和预测的准确性 | 结合生物地球化学模型和深度学习技术，提出Bio-DANN模型，实时处理多维环境数据，显著提高了污染物监测和生态恢复预测的准确性 | 未提及模型在极端环境条件下的表现或长期稳定性 | 开发一种高精度的污染物监测和生态恢复预测技术，以应对全球气候变化和生态退化问题 | 农业废物管理和生态恢复中的污染物监测与预测 | 环境科学与深度学习 | NA | 深度学习技术，包括DNN和注意力机制 | Bio-DANN（结合生物地球化学模型和深度学习） | 多维环境数据 | 基于Open Soil Data和NEON数据集进行实验 | NA | NA | NA | NA |
| 9542 | 2025-05-31 |
TS-Resformer: a model based on multimodal fusion for the classification of music signals
2025, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2025.1568811
PMID:40433555
|
研究论文 | 提出了一种基于多模态融合的音乐信号分类模型TS-Resformer，用于解决音乐流派分类中的特征提取不足和时间序列信息丢失问题 | 融合残差网络与Transformer编码层的Res-Transformer模型，以及结合不同注意力机制的TS-Resformer模型，设计了时频注意力机制以充分提取音乐的低级特征 | 未提及模型在大规模数据集上的泛化能力及计算资源消耗情况 | 提高音乐流派分类的准确率和效率 | 音乐信号 | 机器学习 | NA | 短时傅里叶变换、Mel滤波器、对数压缩 | Res-Transformer, TS-Resformer | 音频信号 | FMA-small数据集 | NA | NA | NA | NA |
| 9543 | 2025-05-31 |
A comprehensive review of machine learning for heart disease prediction: challenges, trends, ethical considerations, and future directions
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1583459
PMID:40433606
|
review | 本文全面回顾了机器学习在心脏病预测中的应用，包括技术进展、挑战和未来前景 | 展示了机器学习方法从传统分类器到混合深度学习和联邦学习框架的进展，并讨论了伦理问题和模型透明度 | 讨论了数据集限制和模型透明度问题 | 开发人工智能驱动的临床适用心脏病预测系统 | 心脏病预测的机器学习应用 | machine learning | cardiovascular disease | 机器学习 | CNN-LSTM, 混合深度学习, 联邦学习 | 医疗健康数据 | NA | NA | NA | NA | NA |
| 9544 | 2025-05-31 |
Deep learning classification of drainage crossings based on high-resolution DEM-derived geomorphological information
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1561281
PMID:40433605
|
研究论文 | 本研究利用高分辨率数字高程模型（HRDEM）衍生的地貌信息，开发了先进的CNN模型EfficientNetV2，用于排水交叉分类 | 首次将HRDEM衍生的地貌特征（如POS、几何曲率和TPI）与先进的CNN模型结合，用于排水交叉分类，并通过XAI技术解释关键图像片段 | 研究未明确说明样本量大小，且仅测试了特定类型的HRDEM数据层 | 提高排水交叉分类的准确性 | 排水交叉 | 计算机视觉 | NA | LiDAR, InSAR | CNN, EfficientNetV2 | 图像 | NA | NA | NA | NA | NA |
| 9545 | 2025-05-31 |
Performance of deep learning models for automatic histopathological grading of meningiomas: a systematic review and meta-analysis
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1536751
PMID:40433621
|
系统综述和荟萃分析 | 本文通过系统综述和荟萃分析评估深度学习模型在脑膜瘤自动病理分级中的诊断性能 | 首次全面评估深度学习模型在脑膜瘤分级中的表现，并提供了高精度的诊断性能数据 | 研究中存在中等到高度的异质性（I2 = 79.7%） | 评估深度学习模型在脑膜瘤自动病理分级中的诊断性能 | 脑膜瘤患者的影像数据 | 数字病理 | 脑膜瘤 | 深度学习 | DL | 影像数据 | 27项研究，涉及13,130名患者 | NA | NA | NA | NA |
| 9546 | 2025-05-31 |
Using deep learning to classify developmental differences in reaching and placing movements in children with and without autism spectrum disorder
2024-12-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81652-z
PMID:39632922
|
研究论文 | 本研究利用深度学习技术分析自闭症谱系障碍（ASD）儿童与正常发育儿童在伸手和放置动作中的运动学差异，探索潜在的生物标志物 | 结合上肢运动学和深度学习方法，首次提出利用运动学特征和MLP模型对ASD儿童进行分类，准确率达78.1% | 样本量较小（41名学龄儿童），且需要在更年幼儿童群体中进一步验证特异性 | 探索可用于ASD诊断的客观生物标志物，改善ASD的早期识别 | 学龄儿童（ASD组26名，典型发育组15名） | 机器学习 | 自闭症谱系障碍 | 惯性测量单元（IMU） | MLP（多层感知器） | 运动学数据 | 41名学龄儿童（ASD组26名，典型发育组15名） | NA | NA | NA | NA |
| 9547 | 2025-05-31 |
Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry
2024-Dec-05, Research square
DOI:10.21203/rs.3.rs-5485172/v1
PMID:39678351
|
research paper | 该研究探讨了非洲裔美国男性前列腺癌风险较高的非编码遗传变异机制 | 使用基于序列的深度学习模型识别影响增强子功能的SNPs，揭示了非洲裔男性前列腺癌风险增加的两种互补机制 | 未明确说明样本量及具体实验验证的细节 | 探索非洲裔男性前列腺癌风险较高的遗传机制 | 非洲裔美国男性前列腺癌患者 | machine learning | prostate cancer | deep learning | sequence-based deep learning model | genetic data | NA | NA | NA | NA | NA |
| 9548 | 2025-05-31 |
PLMC: Language Model of Protein Sequences Enhances Protein Crystallization Prediction
2024-Dec, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-024-00639-6
PMID:39155325
|
研究论文 | 提出了一种名为PLMC的新型深度学习框架，通过利用预训练的蛋白质语言模型，改进了多阶段蛋白质结晶倾向的预测 | PLMC框架整合了蛋白质语言嵌入和手工制作的特征集，显著提高了蛋白质结晶倾向的预测准确性 | 未明确提及研究的局限性 | 改进蛋白质结晶倾向的预测，以指导实验设计 | 蛋白质序列及其结晶倾向 | 机器学习 | NA | 深度学习，蛋白质语言模型 | PLMC | 蛋白质序列数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 9549 | 2025-05-31 |
Addressing Class Imbalance with Latent Diffusion-based Data Augmentation for Improving Disease Classification in Pediatric Chest X-rays
2024-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine
DOI:10.1109/bibm62325.2024.10822172
PMID:40134830
|
研究论文 | 本研究探讨了使用潜在扩散模型（LDM）进行数据增强以解决儿科胸部X光片疾病分类中的类别不平衡问题 | 首次将文本引导的图像到图像LDM应用于合成疾病阳性的胸部X光片，并通过数据增强显著改善了分类性能 | 研究仅针对两种特定的肺部疾病（肺炎和支气管肺炎）进行了验证，未涵盖更广泛的疾病谱 | 解决医学图像分类中的类别不平衡问题，提高深度学习模型的泛化能力 | 儿科胸部X光片（CXRs） | 数字病理 | 肺炎和支气管肺炎 | 潜在扩散模型（LDM） | Inception-V3和LDM | 图像 | 未明确提及具体样本数量，但涉及类别不平衡的数据集 | NA | NA | NA | NA |
| 9550 | 2025-05-31 |
Deep learning for 3D vascular segmentation in hierarchical phase contrast tomography: a case study on kidney
2024-11-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-77582-5
PMID:39516256
|
research paper | 本文提出了一种基于深度学习的3D血管分割方法，应用于分层相位对比断层扫描（HiP-CT）成像技术，以肾脏为例进行研究 | 利用HiP-CT这一新型成像技术，创建了一个经过双标注验证的血管数据集，并使用nnU-Net框架在高分辨率器官成像中评估模型性能 | Dice相似系数（DSC）作为主要评估指标存在局限性，无法全面反映血管特征；大血管由于缺乏静水压力（HiP-CT为离体技术）而塌陷，导致分割效果不佳；细血管连通性降低和血管边界分割错误 | 为血管分割建立一个稳健的基线模型，并评估其在HiP-CT成像数据上的性能 | 肾脏血管 | digital pathology | NA | HiP-CT | nnU-Net | 3D image | 三个肾脏的血管数据 | NA | NA | NA | NA |
| 9551 | 2025-05-31 |
Boosting Cardiac Color Doppler Frame Rates With Deep Learning
2024-11, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3424549
PMID:38976463
|
研究论文 | 本文探讨了使用深度学习模型从减少的滤波I/Q信号中估计心内多普勒速度，以提高心脏彩色多普勒成像的帧率 | 提出使用深度学习模型（如U-Net和ConvNeXt）从减少的滤波I/Q信号中估计多普勒速度，有效减轻混叠和噪声，优于现有的自相关器方法 | 未观察到实数与复数数据之间的显著差异，且仅在体外和体内实验中验证了模型 | 提高心脏彩色多普勒成像的帧率，以更全面地分析心室充盈 | 心脏彩色多普勒成像中的血流速度 | 数字病理 | 心血管疾病 | 深度学习 | CNN, U-Net, ConvNeXt | 图像 | 模拟患者心脏彩色多普勒采集数据，并通过数据增强策略扩大训练数据集 | NA | NA | NA | NA |
| 9552 | 2025-05-31 |
A Comparison of CT-Based Pancreatic Segmentation Deep Learning Models
2024-11, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.06.015
PMID:38944630
|
research paper | 该研究比较了五种基于CT的胰腺分割深度学习模型在不同扫描和患者/胰腺特征下的性能 | 首次对五种高性能胰腺分割模型在多指标下进行分层比较，并分析了影响分割性能的扫描和患者特征 | 研究为回顾性设计，部分患者特征数据缺失 | 评估不同胰腺分割模型在多种临床特征下的性能差异 | 胰腺CT图像分割 | digital pathology | pancreatic pathologies | CT imaging | CNN, transformer network (AAUNet, AASwin, TS, nnUNetv1, DM-UNet) | CT scans | 352例CT扫描（8448例训练集用于AAUNet/AASwin，1204例用于TS，282例用于MSD-nnUNet，427例用于DM-UNet） | NA | NA | NA | NA |
| 9553 | 2025-05-31 |
Artificial Intelligence to Facilitate Clinical Trial Recruitment in Age-Related Macular Degeneration
2024 Nov-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100566
PMID:39139546
|
研究论文 | 本研究探讨了人工智能在年龄相关性黄斑变性（AMD）临床试验招募中的应用，特别是针对地理萎缩（GA）患者 | 利用深度学习模型分析OCT扫描图像，自动筛选符合临床试验条件的GA患者，相比传统电子健康记录（EHR）搜索方法提高了筛选效率和准确性 | 研究依赖于单一医疗中心的数据，可能影响结果的普遍性 | 评估人工智能在GA临床试验患者招募中的效果 | 年龄相关性黄斑变性（AMD）患者，特别是地理萎缩（GA）阶段患者 | 数字病理 | 年龄相关性黄斑变性 | OCT成像，深度学习 | 深度学习模型 | 图像 | 306651名患者（602826只眼睛）的回顾性数据集 | NA | NA | NA | NA |
| 9554 | 2025-05-31 |
Deep Learning-Based Clustering of OCT Images for Biomarker Discovery in Age-Related Macular Degeneration (PINNACLE Study Report 4)
2024 Nov-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100543
PMID:39139544
|
research paper | 介绍了一种基于深度学习的生物标志物提案系统，用于加速年龄相关性黄斑变性(AMD)的生物标志物发现 | 使用自监督对比学习训练神经网络，无需临床注释即可发现AMD相关特征，并提出新的生物标志物候选 | 研究依赖于视网膜专家的半结构化访谈来解读聚类结果，可能存在主观性 | 加速AMD生物标志物的发现 | 视网膜OCT图像 | digital pathology | geriatric disease | OCT | CNN | image | 3456名51-102岁成年人的46496张视网膜OCT图像 | NA | NA | NA | NA |
| 9555 | 2025-05-31 |
Synthesizing Real-Time Ultrasound Images of Muscle Based on Biomechanical Simulation and Conditional Diffusion Network
2024-11, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3445434
PMID:39186423
|
research paper | 提出了一种基于生物力学模拟和条件扩散网络的肌肉实时超声图像合成方法，用于生成大量可靠的合成超声数据集 | 结合生物力学模拟（FEM）、稀疏肌束重建算法和扩散网络，生成多样化的实时超声图像，解决了超声图像斑点噪声导致的标注难题 | 合成图像的逼真度仍需进一步验证，且参数调整可能影响生成数据的多样性 | 开发无需人工扫描标注的肌肉超声图像合成流程，增强深度学习模型的训练和评估 | 肌肉运动超声图像 | medical imaging | NA | finite-element method (FEM), conditional diffusion network | diffusion network | ultrasound images | 3030张合成超声图像 | NA | NA | NA | NA |
| 9556 | 2025-05-31 |
Investigating the Use of Traveltime and Reflection Tomography for Deep Learning-Based Sound-Speed Estimation in Ultrasound Computed Tomography
2024-11, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3459391
PMID:39264782
|
研究论文 | 本研究探讨了在超声计算机断层扫描中，使用走时层析成像和反射层析成像作为深度学习输入模态对声速估计的影响 | 提出了一种基于双通道（走时层析成像和反射层析成像）的卷积神经网络方法，用于高分辨率声速重建，相比全波形反演具有更高的计算效率 | 研究主要基于数值乳腺模型，临床数据验证有限 | 提高超声计算机断层扫描中声速估计的准确性和计算效率 | 数值乳腺模型和临床人类乳腺数据 | 医学影像处理 | 乳腺癌 | 超声计算机断层扫描（USCT），走时层析成像（TT），反射层析成像（RT） | CNN | 图像 | 数值乳腺模型和临床人类乳腺数据（具体数量未提及） | NA | NA | NA | NA |
| 9557 | 2025-05-31 |
Expert-guided protein language models enable accurate and blazingly fast fitness prediction
2024-11-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae621
PMID:39576695
|
research paper | 介绍了一种快速准确的蛋白质变异效应预测工具VespaG，该工具利用蛋白质语言模型嵌入作为最小深度学习模型的输入 | 通过使用GEMME作为伪标准创建了一个包含3900万个单氨基酸变异的数据集，提高了预测的可解释性，并且速度比现有方法快几个数量级 | 依赖于GEMME作为伪标准，可能引入偏差 | 开发一种快速准确的蛋白质变异效应预测方法 | 人类蛋白质组中的单氨基酸变异 | machine learning | NA | protein language model (pLM), deep learning | deep learning model | protein sequence data | 39 million single amino acid variants from the human proteome | NA | NA | NA | NA |
| 9558 | 2025-05-31 |
Self-supervised learning for accurately modelling hierarchical evolutionary patterns of cerebrovasculature
2024-10-25, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-53550-5
PMID:39455566
|
研究论文 | 本文首次提出了一种流程，用于探索2841名个体的皮质体积（CVs）和动脉体积（AVs）的联合演化，并利用深度学习技术构建了空间层次脑区域的CVs和AVs的规范模型 | 首次提出了一个流程来联合探索皮质体积和动脉体积的演化，并构建了空间层次脑区域的规范模型 | 研究样本虽然较大（2841名个体），但可能无法涵盖所有人群的多样性 | 理解脑血管的正常演化，以检测早期偏差并实现及时干预 | 2841名个体的皮质体积（CVs）和动脉体积（AVs） | 数字病理学 | 阿尔茨海默病（AD）和中风 | 深度学习 | 深度学习模型（未具体说明） | 图像 | 2841名个体 | NA | NA | NA | NA |
| 9559 | 2025-05-31 |
Deep Learning-Based Detection of Carotid Plaques Informs Cardiovascular Risk Prediction and Reveals Genetic Drivers of Atherosclerosis
2024-Oct-18, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.10.17.24315675
PMID:39484270
|
research paper | 本研究利用深度学习模型检测颈动脉斑块，评估其在心血管风险预测中的作用，并揭示动脉粥样硬化的遗传驱动因素 | 开发了一个高性能的深度学习模型用于颈动脉斑块检测，发现了两个新的基因组位点，并揭示了颈动脉斑块与心血管事件的关联 | 研究基于UK Biobank数据，可能不适用于其他人群 | 评估颈动脉斑块的流行率、风险因素、预后意义及其遗传结构 | 19,499名UK Biobank参与者的177,757张颈动脉超声图像 | digital pathology | cardiovascular disease | deep learning, GWAS, Mendelian randomization | deep learning model | image | 19,499名参与者，177,757张超声图像 | NA | NA | NA | NA |
| 9560 | 2025-05-31 |
Remote Assessment of Eczema Severity via AI-powered Skin Image Analytics: A Systematic Review
2024-10, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102968
PMID:39213813
|
系统综述 | 本文综述了通过AI驱动的皮肤图像分析远程评估湿疹严重程度的研究现状 | 系统评估了现有研究的质量，并提出了提高工具稳健性和可靠性的建议 | 研究质量受限于数据集挑战，包括患者年龄范围和皮肤光型报告不足，以及非公开数据集和开源代码的缺乏 | 提高远程湿疹严重程度评估算法的准确性和可靠性 | 湿疹严重程度的自动评估 | 数字病理学 | 湿疹 | 深度学习，传统机器学习 | 深度学习模型 | 数字相机图像 | 25篇文章，涉及湿疹区域检测（n=13）和严重程度预测（n=12） | NA | NA | NA | NA |