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 25752 篇文献，本页显示第 9721 - 9740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9721 | 2025-02-04 |
Deep learning in spatially resolved transcriptfomics: a comprehensive technical view
2024-01-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae082
PMID:38483255
|
研究论文 | 本文深入探讨了深度学习在空间分辨转录组学（SRT）中的应用，分析了其优势、局限性和未来改进方向 | 本文首次系统地评估了深度学习在SRT中的应用，并提出了未来研究方向，如结合生物进化信息的处理和微小组织图像片段的深入分析 | 深度学习在SRT中的应用仍面临挑战，如批次效应的消除、数据标准化技术的完善以及基因表达中的过度离散和零膨胀模式的应对 | 评估深度学习在空间分辨转录组学中的应用，并提出未来研究方向 | 空间分辨转录组学数据 | 数字病理学 | NA | 空间分辨转录组学（SRT） | 深度学习 | 基因表达矩阵、空间细节、组织学图像 | NA |
| 9722 | 2025-02-04 |
Enhancer-MDLF: a novel deep learning framework for identifying cell-specific enhancers
2024-01-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae083
PMID:38485768
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9723 | 2025-02-04 |
Leveraging deep learning for toxic comment detection in cursive languages
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2486
PMID:39896410
|
研究论文 | 本文提出了一种新的深度学习模型，用于检测乌尔都语中的有毒评论，通过使用transformer进行文本的二元分类 | 提出了一种新的模型来识别乌尔都语句子中的显著特征，并使用transformer进行有毒评论的检测 | 乌尔都语作为一种低资源语言，其复杂性和不规则性增加了检测难度 | 开发一种工具来检测乌尔都语中的有毒评论，以保护社区免受其负面影响 | 乌尔都语中的有毒评论 | 自然语言处理 | NA | 深度学习 | transformer, BERT, GPT-2 | 文本 | NA |
| 9724 | 2025-02-04 |
Digital labeling for 3D histology: segmenting blood vessels without a vascular contrast agent using deep learning
2023-Jun-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.480230
PMID:37342724
|
研究论文 | 本文介绍了一种名为'数字标记'的方法，利用深度学习在无需血管对比剂的情况下，仅基于自发荧光信号和核染色（DAPI）对3D组织中的血管进行分割 | 创新点在于使用基于U-net架构的深度学习神经网络，并采用回归损失而非常见的分割损失，以提高小血管的检测精度 | 未来需要验证该方法是否适用于其他生物结构的分割 | 研究目的是开发一种无需血管对比剂即可对3D组织中的血管进行分割的方法 | 研究对象是3D组织中的血管 | 数字病理学 | NA | 光学组织透明化和3D荧光显微镜 | U-net | 3D图像 | NA |
| 9725 | 2025-02-04 |
Self-supervised semantic segmentation of retinal pigment epithelium cells in flatmount fluorescent microscopy images
2023-04-03, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btad191
PMID:37067486
|
研究论文 | 本文提出了一种自监督语义分割方法（S4），用于视网膜色素上皮（RPE）细胞在荧光显微镜图像中的分割，以支持RPE衰老研究中的大规模细胞形态分析 | 开发了一种自监督学习策略，结合重建和成对表示损失以及形态学损失，用于训练具有编码器-解码器架构的语义分割网络，并提出了一种新的图像增强算法（AugCut）以提高网络训练性能 | 尽管方法表现出色，但仍依赖于高质量的图像数据，且自监督学习策略的泛化能力需要进一步验证 | 提高视网膜色素上皮（RPE）细胞在荧光显微镜图像中的分割精度，以支持RPE衰老研究 | 视网膜色素上皮（RPE）细胞 | 计算机视觉 | 老年疾病 | 自监督学习 | 编码器-解码器架构 | 图像 | 大量荧光显微镜图像 |
| 9726 | 2025-02-03 |
A review on real time implementation of soft computing techniques in thermal power plant
2025-Feb, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2429721
PMID:39601783
|
综述 | 本文综述了2019年至2023年间关于利用软计算技术（包括AI-ML和DL）提高热电厂生产力的研究 | 提供了对现有研究的全面总结，并评估了传统AI方法在提高热电厂生产力方面的有效性 | 仅限于2019年至2023年间的研究，可能未涵盖所有相关研究 | 提高热电厂的生产力 | 热电厂 | 机器学习 | NA | AI-ML, DL | NA | NA | NA |
| 9727 | 2025-02-03 |
Ultra-low-dose coronary CT angiography via super-resolution deep learning reconstruction: impact on image quality, coronary plaque, and stenosis analysis
2025-Feb-01, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11399-2
PMID:39891682
|
研究论文 | 本研究探讨了超分辨率深度学习重建（SR-DLR）在冠状动脉CT血管造影（CCTA）中减少辐射暴露的能力，并评估其对图像质量、冠状动脉斑块定量和表征以及狭窄严重性分析的影响 | 使用SR-DLR算法在CCTA中实现了60%的辐射剂量减少，同时保持了高图像质量和在冠状动脉斑块及狭窄分析中的优异表现 | 样本量较小，仅包括50名患者，且未进行长期随访以评估SR-DLR的长期效果 | 评估SR-DLR在CCTA中减少辐射剂量的能力及其对图像质量和临床分析的影响 | 50名接受低剂量（LD）和超低剂量（ULD）CCTA扫描的患者 | 医学影像 | 心血管疾病 | 超分辨率深度学习重建（SR-DLR） | 深度学习 | 医学影像 | 50名患者 |
| 9728 | 2025-02-03 |
Normative values for lung, bronchial sizes, and bronchus-artery ratios in chest CT scans: from infancy into young adulthood
2025-Feb-01, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11367-w
PMID:39891681
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9729 | 2025-02-03 |
Hybrid deep learning based stroke detection using CT images with routing in an IoT environment
2025-Feb-01, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2452280
PMID:39893512
|
研究论文 | 本文提出了一种基于混合深度学习的CT图像中风检测方法，结合物联网技术进行数据传输 | 提出了一种新的Jaccard_Residual SqueezeNet模型，用于从CT图像中预测中风，并结合物联网技术进行数据传输 | 未提及具体的研究局限性 | 提高中风病变的早期检测和准确分割，以改善治疗效果和减少长期残疾 | CT图像中的中风病变 | 计算机视觉 | 中风 | CT成像 | Jaccard_Residual SqueezeNet | 图像 | 未提及具体样本数量 |
| 9730 | 2025-02-03 |
Statin use and longitudinal bone marrow lesion burden: analysis of knees without osteoarthritis from the Osteoarthritis Initiative study
2025-Jan-31, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-04878-6
PMID:39890641
|
研究论文 | 本研究探讨了他汀类药物使用与无骨关节炎参与者膝关节骨髓病变（BML）体积纵向变化之间的关系 | 首次在无基线膝关节骨关节炎的参与者中，使用深度学习算法定量测量MRI基础上的BML体积，并分析他汀类药物使用对BML体积变化的影响 | 研究仅针对无基线膝关节骨关节炎的参与者，可能不适用于已有骨关节炎的患者 | 确定他汀类药物使用与无放射学膝关节骨关节炎参与者中基于MRI的BML体积纵向变化之间的关联 | 无放射学膝关节骨关节炎的参与者 | 数字病理学 | 骨关节炎 | MRI, 深度学习算法 | 深度学习 | 图像 | 1502个膝关节（751个他汀类药物使用者和751个非使用者） |
| 9731 | 2025-02-03 |
DICOM LUT is a Key Step in Medical Image Preprocessing Towards AI Generalizability
2025-Jan-31, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01418-5
PMID:39890738
|
研究论文 | 本研究探讨了医学图像预处理对深度学习模型性能的影响，特别是直方图均衡化（HE）和感兴趣值查找表（VOI-LUT）变换在胸部X光片（CXR）中的应用 | 揭示了直方图均衡化增强对模型性能的显著影响，特别是在泛化能力方面，并指出仅使用HE增强数据集训练的模型在外部验证集上表现较差，表明可能存在过拟合和信息丢失 | 研究仅针对胸部X光片，未涵盖其他类型的医学图像 | 探讨医学图像预处理技术对深度学习模型性能的影响，特别是对泛化能力的影响 | 胸部X光片（CXR） | 计算机视觉 | 肺气肿 | 直方图均衡化（HE）和感兴趣值查找表（VOI-LUT）变换 | 深度学习分类器 | 图像 | 内部CXR数据集生成的两个基线数据集，并在两个外部数据集上进行评估 |
| 9732 | 2025-02-03 |
MMnc: Multi-modal interpretable representation for non-coding RNA classification and class annotation
2025-Jan-31, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf051
PMID:39891346
|
研究论文 | 本文介绍了一种名为MMnc的可解释深度学习方法，用于将非编码RNA分类到功能组中 | MMnc利用基于注意力的多模态数据集成方法，整合序列、二级结构和表达等多种数据源，确保学习有意义的表示，并处理部分样本中缺失的数据源 | NA | 旨在通过深度学习技术对非编码RNA进行功能分类和注释 | 非编码RNA | 机器学习 | NA | 深度学习 | 基于注意力的多模态数据集成模型 | 序列、二级结构、表达数据 | NA |
| 9733 | 2025-02-03 |
Versatile waste sorting in small batch and flexible manufacturing industries using deep learning techniques
2025-Jan-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87226-x
PMID:39885307
|
研究论文 | 本研究评估了Segment Anything Model (SAM)系列深度学习架构在机器人垃圾分类中分离高度可变物体的能力，提出了一种基于SAM架构的通用视觉垃圾分类两步程序 | 提出了一种基于SAM架构的两步程序，消除了开发专用垃圾分类和分割算法的必要性，并显著减少了适应不同用例的时间和成本 | NA | 评估深度学习架构在机器人垃圾分类中的应用能力，以提高生产率和降低费用 | 高度可变物体 | 计算机视觉 | NA | 深度学习 | SAM, FastSAM, MobileSAMv2, EfficientSAM, MobileNetV2, VGG19, Dense-Net, Squeeze-Net, ResNet, Inception-v3 | 图像 | 四个用例（漂浮垃圾、城市垃圾、电子垃圾和智能垃圾桶） |
| 9734 | 2025-02-03 |
Expanding genomic prediction in plant breeding: harnessing big data, machine learning, and advanced software
2025-Jan-30, Trends in plant science
IF:17.3Q1
DOI:10.1016/j.tplants.2024.12.009
PMID:39890501
|
综述 | 本文回顾了提高基因组选择（GS）效率的关键因素，重点关注统计机器学习方法和软件 | 强调了深度学习模型在基因组预测中的独特优势，并介绍了支持GS方法的最新数据管理工具 | 未提及具体的实验验证或实际应用案例 | 提高植物育种中基因组选择的效率 | 植物育种中的基因组数据 | 机器学习 | NA | 基因组选择（GS） | 深度学习（DL） | 基因组数据 | NA |
| 9735 | 2025-02-03 |
Deep Learning Prediction of Drug-Induced Liver Toxicity by Manifold Embedding of Quantum Information of Drug Molecules
2025-Jan, Pharmaceutical research
IF:3.5Q2
DOI:10.1007/s11095-024-03800-4
PMID:39663331
|
研究论文 | 本文介绍了一种利用深度学习和分子表面电子属性的流形嵌入来预测药物诱导肝毒性的方法 | 创新点在于将分子表面的局部电子属性映射到低维流形嵌入，并将其作为深度学习模型的分子输入 | 未提及具体局限性 | 研究目的是预测药物诱导的肝毒性（DILI） | 研究对象是药物分子 | 机器学习 | 肝病 | 深度学习 | 深度学习模型 | 分子数据 | NA |
| 9736 | 2025-02-03 |
Automated recognition and segmentation of lung cancer cytological images based on deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317996
PMID:39888907
|
研究论文 | 本研究开发了一种基于YOLOv8算法的深度学习模型，用于肺病变的术中细胞学图像分割，以提高肺癌细胞识别的速度和准确性 | 首次将YOLOv8算法应用于肺癌细胞学图像的分割和识别，实现了像素级别的图像分割和快速定位 | 模型在测试集上的平均像素精度和平均交并比分别为0.80和0.70，仍有提升空间 | 开发一种自动化方法，用于快速定位和识别肺癌细胞学图像中的病变区域 | 肺癌细胞学图像，包括胸水细胞学和支气管肺泡灌洗液细胞学图像 | 计算机视觉 | 肺癌 | 深度学习 | YOLOv8 | 图像 | 未明确提及具体样本数量 |
| 9737 | 2025-02-03 |
Diagnostic Accuracy of an Integrated AI Tool to Estimate Gestational Age From Blind Ultrasound Sweeps
2024-08-27, JAMA
DOI:10.1001/jama.2024.10770
PMID:39088200
|
研究论文 | 本研究开发了一种深度学习人工智能模型，用于从盲超声扫描中估计孕龄，并将其集成到低成本、电池供电设备的软件中 | 开发了一种低成本、电池供电的AI工具，使未经培训的新手用户能够准确估计孕龄，适用于资源匮乏的环境 | 研究仅包括单胎、无异常的第一孕期妊娠，且仅在14至27周孕龄范围内进行评估 | 评估由未经培训的新手用户使用AI超声工具估计孕龄的准确性 | 400名在赞比亚卢萨卡和美国北卡罗来纳州教堂山的单胎、无异常的第一孕期妊娠个体 | 数字病理 | NA | 深度学习 | 深度学习模型 | 超声图像 | 400名妊娠个体 |
| 9738 | 2025-02-03 |
Defining the boundaries: challenges and advances in identifying cells in microscopy images
2024-02, Current opinion in biotechnology
IF:7.1Q1
DOI:10.1016/j.copbio.2023.103055
PMID:38142646
|
研究论文 | 本文探讨了在显微镜图像中识别细胞的挑战和进展，特别是分割技术的改进 | 深度学习工具在细胞分割技术中的主导地位增强，如Cellpose模型的准确性和用户友好性提升 | NA | 提高显微镜图像中细胞分割的准确性和效率 | 显微镜图像中的细胞 | 计算机视觉 | NA | 深度学习 | Cellpose | 图像 | NA |
| 9739 | 2025-02-03 |
Transformer-based deep learning denoising of single and multi-delay 3D arterial spin labeling
2024-Feb, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29887
PMID:37849048
|
研究论文 | 本文提出了一种基于Swin Transformer的深度学习模型（SwinIR），用于去噪单延迟和多延迟3D动脉自旋标记（ASL），并与卷积神经网络（CNN）和其他基于Transformer的方法进行了性能比较 | 首次将Swin Transformer应用于ASL数据的去噪，并在性能上超越了CNN和其他基于Transformer的方法 | 使用M0作为输入时，虽然提高了图像质量，但引入了更大的CBF量化偏差 | 提高3D ASL数据的图像质量，减少扫描时间，以促进其临床应用 | 单延迟和多延迟3D ASL数据 | 计算机视觉 | NA | 深度学习 | SwinIR, CNN | 3D图像 | 66名受试者（119次扫描）用于训练，39名受试者（44次扫描）用于测试，另外6名受试者（10次扫描）用于多延迟ASL数据 |
| 9740 | 2025-02-03 |
Detecting major depressive disorder presence using passively-collected wearable movement data in a nationally-representative sample
2024-Feb, Psychiatry research
IF:4.2Q1
DOI:10.1016/j.psychres.2023.115693
PMID:38194801
|
研究论文 | 本研究探讨了利用腕戴式活动记录仪数据结合机器学习和深度学习技术检测重度抑郁症（MDD）的效用 | 结合传统机器学习方法和深度学习卷积神经网络（CNN）方法，利用被动收集的活动记录仪数据检测MDD，并识别出与MDD相关的生物标志物 | 研究依赖于PHQ-9作为MDD筛查工具，可能存在筛查偏差 | 探索利用被动收集的活动记录仪数据结合机器学习技术检测MDD的潜力 | 8,378名参与者，其中766名参与者通过PHQ-9筛查为MDD | 机器学习 | 重度抑郁症 | 机器学习和深度学习 | 传统机器学习方法和CNN | 活动记录仪数据 | 8,378名参与者，其中766名通过PHQ-9筛查为MDD |