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 33366 篇文献，本页显示第 10101 - 10120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10101 | 2025-06-06 |
OMERACT validation of a deep learning algorithm for automated absolute quantification of knee joint effusion versus manual semi-quantitative assessment
2024-06, Seminars in arthritis and rheumatism
IF:4.6Q1
DOI:10.1016/j.semarthrit.2024.152420
PMID:38422727
|
研究论文 | 本文通过OMERACT过滤器评估深度学习算法在膝关节积液自动绝对量化中的应用 | 首次使用深度学习算法对膝关节积液进行自动绝对量化，并与人工半定量评估进行对比 | 需要进一步评估算法的区分能力和与临床结果的一致性，以完全满足OMERACT过滤器的要求 | 评估深度学习算法在膝关节积液量化中的有效性 | 53名OAI受试者的膝关节MRI数据 | 数字病理学 | 骨关节炎 | 深度学习 | DL算法 | MRI图像 | 53名受试者 | NA | NA | NA | NA |
| 10102 | 2025-06-06 |
OCTess: AN OPTICAL CHARACTER RECOGNITION ALGORITHM FOR AUTOMATED DATA EXTRACTION OF SPECTRAL DOMAIN OPTICAL COHERENCE TOMOGRAPHY REPORTS
2024-04-01, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000003990
PMID:37948741
|
研究论文 | 开发了一种名为OCTess的光学字符识别算法，用于从Cirrus SD-OCT黄斑立方体报告中自动提取数据 | 结合了Tesseract OCR库和LSTM深度学习技术，实现了近乎完美的数据提取准确率，且在效率上超越了人工操作 | 研究仅基于单中心数据库，可能限制了算法的泛化能力 | 开发自动化工具以减少人工提取SD-OCT报告的时间和资源消耗 | SD-OCT单眼黄斑立方体报告 | 计算机视觉 | 眼科疾病 | 光学字符识别(OCR)，深度学习 | LSTM | 图像 | 675份SD-OCT报告（训练集125份，测试集550份） | NA | NA | NA | NA |
| 10103 | 2025-06-06 |
Assessing Trustworthy AI in Times of COVID-19: Deep Learning for Predicting a Multiregional Score Conveying the Degree of Lung Compromise in COVID-19 Patients
2022-Dec, IEEE transactions on technology and society
DOI:10.1109/TTS.2022.3195114
PMID:36573115
|
研究论文 | 本文展示了如何在医疗保健领域实践欧盟高级专家组的可信AI指南，并探讨了COVID-19疫情期间'可信AI'的含义 | 应用Z-Inspection®方法进行后验自我评估，以评估AI系统在COVID-19疫情期间的可信度 | 研究局限于疫情期间在意大利一家诊所的实验性部署，可能不具有广泛代表性 | 评估AI系统在预测COVID-19患者肺部损伤程度方面的可信度 | COVID-19患者的胸部X光片 | 数字病理学 | COVID-19 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 10104 | 2025-06-05 |
NMR Pure Shift Spectroscopy and Its Potential Applications in the Pharmaceutical Industry
2025-Jun-03, Chembiochem : a European journal of chemical biology
IF:2.6Q3
DOI:10.1002/cbic.202401012
PMID:40263759
|
review | 本文综述了纯位移NMR技术及其在制药行业中的潜在应用 | 介绍了纯位移技术抑制标量耦合以提高光谱分辨率的方法，并探讨了深度学习辅助获取最优纯位移光谱的方法 | NA | 促进纯位移NMR技术在制药行业的发展和实际应用 | 纯位移NMR技术及其在制药行业的应用 | NA | NA | NMR纯位移技术、深度学习 | NA | 光谱数据 | NA | NA | NA | NA | NA |
| 10105 | 2025-06-05 |
A Novel Deep Learning Framework for Nipple Segmentation in Digital Mammography
2025-Jun-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01567-7
PMID:40461663
|
研究论文 | 提出了一种新的深度学习框架，用于数字乳腺X线摄影中的乳头分割，以提高医学分析和计算机辅助检测系统的准确性 | 该方法在乳头分割方面显著优于基线方法，特别是在基线方法完全失败的挑战性案例中，实现了在所有案例中的成功检测，并在重叠度量上取得了持续提升 | NA | 提高数字乳腺X线摄影中乳头分割的准确性，以支持多视角和多模态乳腺图像配准 | 数字乳腺X线摄影图像中的乳头区域 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 10106 | 2025-06-05 |
Artificial Intelligence in Veterinary Clinical Pathology-An Introduction and Review
2025-Jun-03, Veterinary clinical pathology
IF:1.2Q3
DOI:10.1111/vcp.70012
PMID:40462415
|
review | 本文介绍了人工智能在兽医临床病理学中的应用及其基本概念，并探讨了AI在该领域的资格认定与整合 | 以非技术性的方式介绍AI基本概念，并探讨AI在兽医临床病理学中的资格认定与整合 | 未提及具体的技术实现细节或实验数据 | 探讨人工智能在兽医临床病理学中的应用与整合 | 兽医临床病理学 | machine learning | NA | machine learning, deep learning | NA | NA | NA | NA | NA | NA | NA |
| 10107 | 2025-10-06 |
RS-MAE: Region-State Masked Autoencoder for Neuropsychiatric Disorder Classifications Based on Resting-State fMRI
2025-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3449949
PMID:39325609
|
研究论文 | 提出一种基于静息态fMRI的区域状态掩码自编码器用于神经精神疾病分类 | 引入掩码自编码器减少DFC矩阵冗余，提出区域状态块嵌入适应连接性数据，采用随机状态拼接缓解训练样本不足问题 | 未明确说明模型在小样本情况下的泛化能力及计算复杂度 | 基于静息态功能磁共振成像的神经精神疾病分类 | 注意力缺陷多动障碍、自闭症谱系障碍、阿尔茨海默病和精神分裂症患者 | 医学影像分析 | 神经精神疾病 | 静息态功能磁共振成像 | 掩码自编码器 | 动态功能连接矩阵 | 四个公开数据集（具体样本数未明确说明） | NA | RS-MAE | 准确率 | NA |
| 10108 | 2025-10-06 |
Hyperparameter Recommendation Integrated With Convolutional Neural Network
2025-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3476439
PMID:39423079
|
研究论文 | 提出一种集成卷积神经网络的超参数推荐方法 | 首次将CNN应用于超参数推荐领域，开发了具有特征选择能力的CNN回归器和卷积去噪自编码器，能够深度挖掘数据特征和超参数性能的空间结构 | 仅针对SVM分类器进行验证，未扩展到其他机器学习模型 | 开发基于深度学习的超参数推荐系统 | 分类问题的超参数优化 | 机器学习 | NA | 元学习 | CNN, ConvDAE | 数据集特征，超参数性能数据 | 400个真实分类问题 | NA | 卷积神经网络，卷积去噪自编码器，双分支CNN | NA | NA |
| 10109 | 2025-10-06 |
Spike-and-Slab Shrinkage Priors for Structurally Sparse Bayesian Neural Networks
2025-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3485529
PMID:39480710
|
研究论文 | 本文提出两种基于尖峰-平板先验的结构化稀疏贝叶斯神经网络，用于模型压缩和计算效率提升 | 首次将尖峰-平板群组Lasso和尖峰-平板群组Horseshoe先验应用于贝叶斯神经网络的结构化稀疏化 | 未明确说明具体数据集规模和实验设置的局限性 | 开发结构化稀疏的贝叶斯神经网络以实现模型压缩和计算效率优化 | 贝叶斯神经网络的结构化稀疏化 | 机器学习 | NA | 变分推断，连续松弛技术 | 贝叶斯神经网络 | NA | NA | NA | 结构化稀疏神经网络 | 预测准确率，模型压缩率，推理延迟 | NA |
| 10110 | 2025-06-05 |
The Pivotal Role of Baseline LDCT for Lung Cancer Screening in the Era of Artificial Intelligence
2025-Jun, Archivos de bronconeumologia
IF:8.7Q1
DOI:10.1016/j.arbres.2024.11.001
PMID:39643515
|
综述 | 本文探讨了在人工智能时代，基线低剂量计算机断层扫描（LDCT）在肺癌筛查中的关键作用及其面临的挑战 | 探讨了人工智能如何通过分析LDCT的放射组学特征来区分良恶性结节，并预测肺癌和心血管疾病的风险，实现个性化筛查 | 人工智能在LDCT筛查路径中的主要障碍是性能的普适性和可解释性 | 评估基线LDCT检查在肺癌筛查中的重要性，并探索人工智能在克服筛查挑战中的作用 | 肺癌筛查参与者及其基线LDCT检查结果 | 数字病理学 | 肺癌 | LDCT, 深度学习 | DL | 图像 | NA | NA | NA | NA | NA |
| 10111 | 2025-10-06 |
G-Diff: A Graph-Based Decoding Network for Diffusion Recommender Model
2025-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3491827
PMID:39531577
|
研究论文 | 本文提出一种基于图的解码网络G-Diff来改进扩散推荐模型，通过引入物品关系图提升推荐性能 | 在扩散模型的反向过程中引入精心设计的基于图的解码网络，利用物品间关系提升推荐效果，同时通过跳跃连接和归一化层保留低阶邻居信息 | NA | 改进扩散推荐模型的性能，更好地利用推荐系统中物品的集体信号 | 推荐系统中的用户偏好预测 | 机器学习 | NA | 扩散模型 | 图神经网络,扩散模型 | 推荐系统数据 | 三个真实世界数据集 | NA | G-Diff,基于图的解码网络 | 推荐性能指标 | NA |
| 10112 | 2025-06-05 |
Learning topological horseshoes in time series via deep neural networks
2025-Jun-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0270132
PMID:40465250
|
research paper | 提出了一种基于深度学习的几何方法，用于识别时间序列中的混沌动力学 | 结合拓扑马蹄理论和深度神经网络，为复杂非线性系统中混沌行为的检测提供了新工具 | NA | 识别时间序列中的混沌动力学 | 时间序列数据 | machine learning | NA | deep learning | deep neural networks | time series | Hénon map, Lorenz system, Duffing system | NA | NA | NA | NA |
| 10113 | 2025-06-05 |
iPSC-RPE patch restores photoreceptors and regenerates choriocapillaris in a pig retinal degeneration model
2025-May-22, JCI insight
IF:6.3Q1
DOI:10.1172/jci.insight.179246
PMID:40401519
|
research paper | 该研究开发了一种基于诱导多能干细胞衍生的视网膜色素上皮（iRPE）贴片，用于治疗干性年龄相关性黄斑变性（AMD），并在猪视网膜退化模型中验证了其恢复光感受器和再生脉络膜毛细血管的能力 | 使用可生物降解的PLGA支架成熟iRPE细胞，开发了一种临床兼容的制造工艺，并通过深度学习算法和自适应光学成像验证了治疗效果 | 研究仅在猪模型中进行，尚未在人体临床试验中验证 | 开发并验证一种能够恢复光感受器和再生脉络膜毛细血管的治疗方法，以治疗干性年龄相关性黄斑变性 | 激光诱导的外视网膜退化的猪模型 | digital pathology | age-related macular degeneration | optical coherence tomography (OCT), OCT-angiography, adaptive optics imaging | deep learning algorithm | image | 猪模型中的视网膜区域 | NA | NA | NA | NA |
| 10114 | 2025-06-05 |
Evaluation of data collection and annotation approaches of driver gaze dataset
2025-May-14, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-025-02679-2
PMID:40369353
|
research paper | 本研究评估了驾驶员视线数据集的三种标注方法，并提出了一种新的基于移动指针的标注方法 | 引入了一种新的基于移动指针的标注方法，该方法受到基于屏幕的视线数据收集的启发 | 手动标注和Speak2Label方法的准确性较低，需要进一步分析误分类原因 | 评估不同数据收集和标注方法在驾驶员视线估计中的效果 | 驾驶员视线数据集 | computer vision | NA | eye tracker | supervised machine learning, deep learning | image | NA | NA | NA | NA | NA |
| 10115 | 2025-06-05 |
Combining structural modeling and deep learning to calculate the E. coli protein interactome and functional networks
2025-May-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.07.652715
PMID:40463260
|
研究论文 | 本文报告了三种计算方法的整合，用于在全蛋白质组范围内预测两个蛋白质是否可能形成二元复合物 | 整合了PrePPI、Topsy-Turvy和ZEPPI三种方法，显著提高了高置信度蛋白质相互作用的预测数量 | 方法依赖于计算预测，需要进一步的实验验证 | 预测大肠杆菌蛋白质相互作用组和功能网络 | 大肠杆菌蛋白质 | 计算生物学 | NA | PrePPI、Topsy-Turvy、ZEPPI、AF3Complex | 蛋白质语言模型 | 蛋白质序列和结构数据 | 400个蛋白质-蛋白质相互作用 | NA | NA | NA | NA |
| 10116 | 2025-06-05 |
Evaluating Vision and Pathology Foundation Models for Computational Pathology: A Comprehensive Benchmark Study
2025-May-12, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.08.25327250
PMID:40463538
|
research paper | 该研究对31种计算病理学AI基础模型进行了全面基准测试，评估它们在多样组织病理学数据集和任务中的表现 | 首次系统比较了不同类型病理学基础模型的性能，并发现模型大小与数据规模并不总是与性能提升相关 | 未深入探讨影响模型性能的潜在因素，且测试数据集可能仍有限 | 评估和比较不同病理学基础模型在计算病理学中的表现 | 31种AI基础模型（包括通用视觉模型、病理专用视觉模型等） | digital pathology | NA | deep learning | foundation models (VM, VLM, Path-VM, Path-VLM) | histopathological images | 41个任务的数据集（来自TCGA、CPTAC等） | NA | NA | NA | NA |
| 10117 | 2025-06-05 |
Evolution-guided protein design of IscB for persistent epigenome editing in vivo
2025-May-07, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-025-02655-3
PMID:40335752
|
研究论文 | 通过结合进化指导和深度学习，设计了一种改进的RNA引导内切酶IscB及其引导RNA，用于体内持久性表观基因组编辑 | 结合直系同源筛选、结构引导的蛋白质域设计、RNA工程和深度学习结构预测，开发了改进的NovaIscB变体，其活性比野生型提高了约100倍，并提高了特异性 | NA | 设计具有增强活性和特异性的RNA引导内切酶，用于分子生物学应用 | IscB RNA引导内切酶及其引导RNA | 分子生物学 | NA | 直系同源筛选、结构引导的蛋白质域设计、RNA工程、深度学习结构预测 | NA | 蛋白质序列和结构数据 | NA | NA | NA | NA | NA |
| 10118 | 2025-10-06 |
Significance of Image Reconstruction Parameters for Future Lung Cancer Risk Prediction Using Low-Dose Chest Computed Tomography and the Open-Access Sybil Algorithm
2025-May-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001131
PMID:39437009
|
研究论文 | 本研究评估了图像重建参数和CT扫描仪制造商对Sybil深度学习算法预测肺癌风险性能的影响 | 首次系统评估了不同图像重建参数对深度学习肺癌风险预测模型性能的影响，并发现了参数组合对中长期预测性能的显著影响 | 研究仅基于美国国家肺癌筛查试验的特定子集数据，且仅比较了两种CT扫描仪制造商 | 评估图像重建参数和CT扫描仪制造商对Sybil算法预测肺癌风险性能的影响 | 美国国家肺癌筛查试验参与者的低剂量胸部CT扫描数据 | 数字病理 | 肺癌 | 低剂量计算机断层扫描(LDCT) | 深度学习算法 | 医学影像 | 1049对标准与骨重建滤波器扫描，1961对标准与肺重建滤波器扫描，1288对2mm与5mm层厚扫描 | NA | Sybil算法 | AUC, 95%置信区间, P值 | NA |
| 10119 | 2025-06-05 |
Comparison between two artificial intelligence models to discriminate cancerous cell nuclei based on confocal fluorescence imaging in hepatocellular carcinoma
2025-May, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver
IF:4.0Q1
DOI:10.1016/j.dld.2024.11.026
PMID:39674779
|
研究论文 | 比较两种人工智能模型在基于共聚焦荧光成像的肝细胞癌中区分癌细胞核的能力 | 首次在肝细胞癌中应用并比较了机器学习和深度学习模型对癌细胞核的自动识别能力 | 研究样本来自商业组织芯片，可能无法完全代表真实临床样本的多样性 | 开发自动识别肝细胞癌细胞核的人工智能工具 | 肝细胞癌细胞核和正常肝细胞核 | 数字病理学 | 肝细胞癌 | 共聚焦显微镜成像 | 机器学习(ML)和深度学习(DL) | 图像 | 商业组织芯片中的健康肝脏和肝细胞癌样本 | NA | NA | NA | NA |
| 10120 | 2025-06-05 |
SegFormer3D: Improving the Robustness of Deep Learning Model-Based Image Segmentation in Ultrasound Volumes of the Pediatric Hip
2025-05, Ultrasound in medicine & biology
|
research paper | 该研究提出了一种名为SegFormer3D的深度学习模型，用于提高儿童髋关节超声体积图像分割的鲁棒性 | 提出了3D SegFormer架构的扩展，这是一种轻量级的基于transformer的模型，具有分层结构的编码器，能够产生多尺度特征，从而同时提高准确性和鲁棒性 | 当前技术的鲁棒性仍不足以可靠地部署到实际临床工作流程中 | 提高儿童髋关节发育不良(DDH)超声图像分割的准确性和鲁棒性 | 儿童髋关节的3D超声图像 | digital pathology | geriatric disease | 3D US imaging, deep learning | SegFormer3D, CNN, vision transformer | 3D ultrasound image | 临床数据来自儿科患者的测试集 | NA | NA | NA | NA |