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 11601 - 11620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11601 | 2025-05-10 |
Current Architectural and Developmental Approaches in Artificial Intelligence Models for Prostate Cancer Detection and Management: A Technical Report
2025-Apr, Cureus
DOI:10.7759/cureus.81748
PMID:40330342
|
技术报告 | 本文探讨了人工智能模型在前列腺癌检测和管理中的当前架构和发展方法 | 介绍了AI驱动模型（如CNN和深度学习系统）在提高肿瘤检测和Gleason分级诊断准确性方面的应用，以及集成PSA数据以提高风险分层的准确性 | 数据来源不一致、成像领域转移以及缺乏标准化的染色归一化等问题阻碍了AI在临床中的广泛应用 | 提升前列腺癌诊断方法的准确性和效率 | 前列腺癌的诊断和管理 | 数字病理学 | 前列腺癌 | 深度学习、集成学习、半监督学习 | CNN、深度学习系统 | 组织病理学全切片图像、PSA数据 | NA | NA | NA | NA | NA |
| 11602 | 2025-03-20 |
Correction: Enhancing diabetic retinopathy diagnosis: automatic segmentation of hyperreflective foci in OCT via deep learning
2025-Mar-18, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-025-03504-7
PMID:40100458
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11603 | 2025-03-14 |
Publisher Correction: HDL-ACO hybrid deep learning and ant colony optimization for ocular optical coherence tomography image classification
2025-Mar-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93294-w
PMID:40075161
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11604 | 2025-05-10 |
Low-dose CT reconstruction using cross-domain deep learning with domain transfer module
2025-Mar-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adb932
PMID:39983305
|
research paper | 该研究提出了一种利用跨域深度学习和域转移模块进行低剂量CT重建的新方法 | 提出了一种跨域深度学习方法，通过域转移函数减少冗余计算，仅需双域网络一半的可训练参数即可达到相当的性能 | 虽然减少了计算资源需求，但方法的性能仍需在更多临床数据上进一步验证 | 开发一种计算效率更高的低剂量CT重建方法以减少辐射暴露 | 低剂量X射线CT图像 | computer vision | NA | deep learning | U-Net | CT图像 | NA | NA | NA | NA | NA |
| 11605 | 2025-05-10 |
Power absorption and temperature rise in deep learning based head models for local radiofrequency exposures
2025-Mar-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adb935
PMID:39983315
|
研究论文 | 本研究比较了基于分割和无需分割的深度学习头部模型在评估局部射频暴露时的功率吸收和温升效果 | 采用无需分割的深度学习模型直接从磁共振图像估计组织介电和热学特性，减少了主体间变异性并提高了计算效率 | 两种模型之间的差异相对于总体剂量学不确定性较小 | 提高射频暴露下人体保护的准确性和一致性 | 计算头部模型 | 机器学习 | NA | 有限差分时域方法和生物热传递方程 | 深度学习模型 | 磁共振图像 | NA | NA | NA | NA | NA |
| 11606 | 2025-05-10 |
RAG_MCNNIL6: A Retrieval-Augmented Multi-Window Convolutional Network for Accurate Prediction of IL-6 Inducing Epitopes
2025-Mar-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02144
PMID:39967508
|
研究论文 | 提出了一种名为RAG_MCNNIL6的新型深度学习框架，用于准确预测IL-6诱导表位 | 整合了检索增强生成（RAG）和多窗口卷积神经网络（MCNNs），显著提高了预测性能 | 未提及具体局限性 | 开发一种准确且高效的IL-6诱导表位预测方法，以促进基于表位的疫苗和免疫疗法的研发 | IL-6诱导表位（短肽片段） | 自然语言处理 | 自身免疫性疾病、癌症、COVID-19 | ProtTrans预训练蛋白质语言模型 | MCNNs | 蛋白质序列数据 | 基准数据集（未提及具体数量） | NA | NA | NA | NA |
| 11607 | 2025-05-10 |
Validation of patient-specific deep learning markerless lung tumor tracking aided by 4DCBCT
2025-Mar-10, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adb89c
PMID:39978071
|
研究论文 | 本文提出了一种基于4DCBCT辅助的患者特异性深度学习无标记肺部肿瘤跟踪方法 | 开发了一种4DCBCT辅助的GT生成流程，用于自动生成CBCT投影上的肿瘤分割GT，并用于优化和验证患者特异性AI肿瘤定位模型 | 样本量较小，仅使用了6个患者CBCT投影集进行验证和11个进行测试 | 开发一种系统方法，用于自动生成CBCT投影上的肿瘤分割GT，并用于优化和验证患者特异性AI肿瘤定位模型 | 肺部肿瘤患者 | 数字病理 | 肺癌 | 4DCBCT, Retina U-Net | Retina U-Net | 图像 | 6个患者CBCT投影集用于验证，11个用于测试 | NA | NA | NA | NA |
| 11608 | 2025-05-10 |
Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning
2025-Mar-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01838
PMID:39984300
|
研究论文 | 本文介绍了一种基于深度学习的模型ICoN，用于从分子动力学模拟数据中学习构象变化的物理原理，并应用于高度动态蛋白质的构象采样 | 提出了一种名为ICoN的深度学习模型，能够从分子动力学模拟数据中学习构象变化的物理原理，并通过潜在空间插值快速识别新的合成构象 | 需要依赖分子动力学模拟数据进行训练，可能受限于模拟数据的质量和覆盖范围 | 研究高度动态蛋白质的构象集合，以理解其生物学功能和疾病相关聚集 | 内在无序蛋白质（IDPs）和淀粉样β（Aβ42）单体 | 机器学习 | NA | 分子动力学模拟，深度学习 | ICoN（Internal Coordinate Net） | 分子动力学模拟数据 | NA | NA | NA | NA | NA |
| 11609 | 2025-05-10 |
Sul-BertGRU: an ensemble deep learning method integrating information entropy-enhanced BERT and directional multi-GRU for S-sulfhydration sites prediction
2025-Mar-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf078
PMID:39977366
|
研究论文 | 提出了一种名为Sul-BertGRU的深度学习方法，用于预测蛋白质中的S-硫水化位点 | 结合了信息熵增强的BERT和多方向GRU，提出了一种新的深度学习模型Sul-BertGRU，用于提高S-硫水化位点预测的准确性和效率 | 未提及具体的数据集大小或模型在不同数据集上的泛化能力 | 解决蛋白质S-硫水化位点的准确预测问题，以促进细胞生物学研究 | 蛋白质序列中的S-硫水化位点 | 机器学习 | 心血管疾病和神经系统疾病 | 深度学习 | BERT, GRU, CNN | 蛋白质序列 | NA | NA | NA | NA | NA |
| 11610 | 2025-05-10 |
Automatic segmentation and volumetric analysis of intracranial hemorrhages in brain CT images
2025-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.111952
PMID:39978270
|
research paper | 该研究开发并评估了基于3D U-Net的深度学习模型，用于在非对比脑CT图像中自动分割和分类颅内出血及相关病理 | 使用3D U-Net模型进行颅内出血的自动分割和分类，并研究了分割类别数量对模型性能的影响 | 对于小于1毫升的出血检测存在假阴性，且与文献相比Dice分数较低 | 开发自动分割和分类颅内出血的深度学习模型，以增强临床决策 | 非对比脑CT图像中的颅内出血及相关病理 | digital pathology | intracranial hemorrhages | deep learning | 3D U-Net | image | 1508个非对比CT系列，来自医院、QURE500数据集和RSNA 2019脑出血数据集 | NA | NA | NA | NA |
| 11611 | 2025-05-10 |
Spatial Radiomic Graphs for Outcome Prediction in Radiation Therapy-treated Head and Neck Squamous Cell Carcinoma Using Pretreatment CT
2025-Mar, Radiology. Imaging cancer
DOI:10.1148/rycan.240161
PMID:39982207
|
研究论文 | 开发了一种名为RadGraph的放射组学图框架，用于分析头颈部鳞状细胞癌（HNSCC）治疗前CT图像的空间特征，以改善局部区域复发（LR）和远处转移（DM）的预测 | 利用计算图和图注意力深度学习方法全面建模头颈部解剖的多个区域，显著提高了LR和DM的预测性能 | 研究为回顾性分析，可能受到数据收集时间和来源的限制 | 提高头颈部鳞状细胞癌患者局部区域复发和远处转移的预测准确性 | 头颈部鳞状细胞癌患者的治疗前CT图像 | 数字病理学 | 头颈部鳞状细胞癌 | CT成像 | 图注意力深度学习 | 图像 | 3434名患者（训练集1576名，验证集379名，测试集1479名） | NA | NA | NA | NA |
| 11612 | 2025-05-10 |
Self-Supervised Learning for Feature Extraction from Glomerular Images and Disease Classification with Minimal Annotations
2025-03-01, Journal of the American Society of Nephrology : JASN
IF:10.3Q1
DOI:10.1681/ASN.0000000514
PMID:40029749
|
research paper | 该研究应用自监督学习方法DINO从肾小球图像中提取特征，并用于疾病分类，减少了对大量标注数据的依赖 | 使用自监督学习DINO方法从未标注的肾小球图像中提取特征，显著降低了深度学习对标注数据的依赖，并在疾病分类任务中表现优于传统ImageNet预训练模型 | 研究仅使用了PAS染色的肾小球图像，未验证其他染色方法的效果 | 探索自监督学习在数字肾脏病理学中的应用，提高疾病分类的准确性 | 肾小球图像和四种肾脏疾病（微小病变、系膜增生性GN、膜性肾病和糖尿病肾病）及临床参数（高血压、蛋白尿和血尿） | digital pathology | kidney disease | self-supervised learning (DINO), principal component analysis | DINO-pretrained backbone, k-nearest neighbor classifiers, linear head layers | image | 10,423张肾小球图像，来自384张PAS染色的肾脏活检切片 | NA | NA | NA | NA |
| 11613 | 2025-05-10 |
Derivation of an artificial intelligence-based electrocardiographic model for the detection of acute coronary occlusive myocardial infarction
2025-Feb-28, Archivos de cardiologia de Mexico
IF:0.7Q4
DOI:10.24875/ACM.24000195
PMID:40020200
|
research paper | 开发了一种基于人工智能的心电图模型，用于检测急性冠状动脉闭塞性心肌梗死 | 使用深度学习模型（CNN）通过智能手机摄像头获取的心电图数据来检测ACOMI，其性能优于人类专家和STEMI标准 | 研究为单中心研究，需要进一步的外部验证 | 评估AI-ECG模型在急性冠状动脉综合征（ACS）患者中检测急性冠状动脉闭塞性心肌梗死（ACOMI）的性能 | 被初步诊断为ACS（包括STEMI和NSTEMI）的患者 | machine learning | cardiovascular disease | ECG | CNN | ECG图像 | 未明确提及样本数量，但包括STEMI和NSTEMI患者 | NA | NA | NA | NA |
| 11614 | 2025-05-10 |
Deep Learning Protocol for Predicting Full-Spectrum Infrared and Raman Spectra of Polypeptides and Proteins Using All-Atom Models
2025-Feb-27, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c00169
PMID:39966082
|
研究论文 | 本研究开发了一种基于深度学习的协议，用于预测多肽和蛋白质的全谱红外和拉曼光谱 | 利用转移学习和DetaNet模型成功模拟了数千个原子组成蛋白质的振动光谱，效率比传统量子化学方法高10^10倍 | NA | 开发高效预测蛋白质振动光谱的深度学习方法 | 氨基酸、二肽、三肽以及大型多肽和蛋白质 | 机器学习 | NA | 红外光谱、拉曼光谱 | DetaNet（深度等变张量注意力网络） | 光谱数据 | 氨基酸、二肽和三肽的综合数据集 | NA | NA | NA | NA |
| 11615 | 2025-05-10 |
Toward equitable major histocompatibility complex binding predictions
2025-Feb-25, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2405106122
PMID:39964728
|
research paper | 该研究开发了一种机器学习框架，用于评估MHC结合预测中的数据不平衡问题，并提出了一种先进的MHC结合预测模型，以减少不同种族群体间的数据差异 | 引入了一种机器学习框架来评估MHC等位基因结合预测中的数据不平衡影响，并开发了一种先进的MHC结合预测模型，提供每个等位基因的性能估计 | 尽管模型减轻了大部分数据差异，但仍存在一些不平等问题需要进一步解决 | 开发公平的MHC结合预测模型，用于个性化免疫疗法和疫苗开发 | MHC等位基因及其结合数据 | machine learning | cancer | deep learning | NA | biological data | NA | NA | NA | NA | NA |
| 11616 | 2025-05-10 |
A hybrid inception-dilated-ResNet architecture for deep learning-based prediction of COVID-19 severity
2025-Feb-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91322-3
PMID:39987169
|
research paper | 提出了一种基于深度学习的混合Inception-dilated-ResNet架构，用于预测COVID-19的严重程度 | 首次将Inception-ResNet与扩张机制结合，用于COVID-19严重程度的评估，并在CT图像分类任务中表现优于非扩张模型 | 需要依赖专业放射科医生对CT扫描进行标注，且样本量相对有限 | 开发一种有效的深度学习方法，用于评估COVID-19患者的肺部病变严重程度 | COVID-19患者的胸部CT扫描图像 | computer vision | COVID-19 | deep learning | Inception-dilated-ResNet (dResNet) | image | 1548例人类胸部CT扫描 | NA | NA | NA | NA |
| 11617 | 2025-05-10 |
Semi-supervised tissue segmentation from histopathological images with consistency regularization and uncertainty estimation
2025-Feb-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90221-x
PMID:39987243
|
research paper | 提出一种半监督方法用于组织病理学图像中的组织结构语义分割 | 结合自监督训练和一致性正则化，利用CNN教师模型生成伪标签训练学生模型，并采用蒙特卡洛dropout估计模型不确定性 | 需要大量标注数据训练模型，且对于罕见疾病数据获取困难 | 提高组织病理学图像分割的准确性 | 组织病理学图像中的组织结构 | digital pathology | NA | semi-supervised learning, Monte Carlo dropout | CNN | image | public dataset (具体数量未提及) | NA | NA | NA | NA |
| 11618 | 2025-05-10 |
Enhanced recognition and counting of high-coverage Amorphophallus konjac by integrating UAV RGB imagery and deep learning
2025-Feb-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91364-7
PMID:39987316
|
研究论文 | 本研究通过整合无人机RGB影像和深度学习技术，提高了高覆盖率魔芋植株的识别和计数准确性 | 提出了一种结合早期和高覆盖率阶段魔芋位置信息的深度学习模型，显著提高了高覆盖率阶段魔芋植株的识别和计数准确率 | 研究主要针对魔芋这种具有单一茎干和直立生长特性的作物，对其他作物的适用性需要进一步验证 | 提高高覆盖率阶段魔芋植株的识别和计数准确性，为农业管理和产量预测提供支持 | 魔芋植株 | 计算机视觉 | NA | 无人机RGB影像 | 深度学习模型 | 图像 | 未明确说明样本数量 | NA | NA | NA | NA |
| 11619 | 2025-05-10 |
Integrating blockchain technology with artificial intelligence for the diagnosis of tibial plateau fractures
2025-Feb-21, European journal of trauma and emergency surgery : official publication of the European Trauma Society
IF:1.9Q2
DOI:10.1007/s00068-025-02793-y
PMID:39984717
|
研究论文 | 本研究评估了结合区块链技术和人工智能的高级诊断模型在急诊环境中识别胫骨平台骨折的可行性和有效性 | 首次将区块链技术与AI结合用于胫骨平台骨折的诊断，实现安全、协作且便捷的辅助诊断 | 研究仅在三家独立医院进行，样本来源可能有限 | 评估区块链与AI结合的高级诊断模型在急诊胫骨平台骨折识别中的效果 | 胫骨平台骨折（TPFs）患者 | 数字病理 | 骨科创伤 | 区块链技术，深度学习 | YOLOv8n，分布式AI模型 | 图像 | 来自三家独立医院的图像数据 | NA | NA | NA | NA |
| 11620 | 2025-05-10 |
Capsule network-based deep learning for early and accurate diabetic retinopathy detection
2025-Feb-18, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-024-03391-4
PMID:39966199
|
研究论文 | 本研究提出了一种基于胶囊网络和UNet++的深度学习方法，用于早期和准确的糖尿病视网膜病变检测 | 结合UNet++和胶囊网络（CapsNet）进行特征学习，提高了青光眼诊断的准确性，胶囊网络在捕捉层次结构和对青光眼变化的敏感性方面优于传统卷积神经网络 | 研究中未明确提及样本的具体数量，且AI在眼科健康护理中的应用仍处于发展阶段 | 通过深度学习方法提高青光眼的早期诊断准确性 | 青光眼患者的视网膜图像 | 数字病理学 | 青光眼 | Histogram Equalization, Contrast Limited Adaptive Histogram Equalization (CLAHE) | UNet++, CapsNet | 图像 | 十个基准数据集 | NA | NA | NA | NA |