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 33224 篇文献，本页显示第 11661 - 11680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11661 | 2025-05-16 |
Deep Learning-Based Auto-Segmentation for Liver Yttrium-90 Selective Internal Radiation Therapy
2025 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338251327081
PMID:40152005
|
研究论文 | 评估一种基于深度学习的自动分割方法用于Y-90选择性内放射治疗中的肝脏轮廓描绘 | 使用U-Net3D架构构建的深度学习模型在肝脏分割中优于传统的基于Atlas的方法 | NA | 评估深度学习自动分割方法在Y-90选择性内放射治疗中的肝脏轮廓描绘效果 | 接受Y-90选择性内放射治疗的患者的CT图像 | 数字病理 | 肝癌 | CT成像 | U-Net3D | 图像 | NA | NA | NA | NA | NA |
| 11662 | 2025-05-16 |
Artificial intelligence meets genomic selection: comparing deep learning and GBLUP across diverse plant datasets
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1568705
PMID:40364946
|
研究论文 | 本文通过比较深度学习模型和GBLUP方法在14个植物育种数据集上的表现，探讨了基因组选择在植物育种中的应用 | 深度学习模型能够捕捉复杂的非线性遗传模式，尤其在小型数据集中表现优于GBLUP方法 | 两种方法在不同性状和情景下表现不一，没有一种方法在所有情况下都优于另一种 | 提高基因组选择在植物育种中的实施效果 | 14个来自不同植物育种项目的真实数据集 | 机器学习 | NA | 基因组选择(GS) | 深度学习(DL), GBLUP | 基因组数据 | 14个数据集 | NA | NA | NA | NA |
| 11663 | 2025-05-16 |
sEMG-based gesture recognition using multi-stream adaptive CNNs with integrated residual modules
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1487020
PMID:40365011
|
research paper | 该研究提出了一种基于多流自适应卷积神经网络与残差模块（MSACNN-RM）的表面肌电信号手势识别方法，以提高特征提取和学习能力 | 结合多流卷积神经网络、自适应卷积神经网络和残差模块，增强了模型对复杂数据模式的提取和理解能力 | 未考虑个体间肌电信号差异，未来需开发通用多手势识别算法并优化网络以减少计算负担 | 提高表面肌电信号手势识别的准确性和多手势识别性能 | 表面肌电信号（sEMG）手势识别 | machine learning | NA | surface electromyography (sEMG) | multi-stream adaptive convolutional neural networks with residual modules (MSACNN-RM) | sEMG信号数据 | Ninapro DB1、Ninapro DB2和Ninapro DB4数据集 | NA | NA | NA | NA |
| 11664 | 2025-05-16 |
A predictive nomogram of thyroid nodules based on deep learning ultrasound image analysis
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1504412
PMID:40365227
|
research paper | 本研究通过深度学习超声图像分析，建立了一个预测甲状腺结节良恶性的列线图模型 | 结合深度学习和患者临床超声特征，构建的列线图模型比单独使用C-TIRADS或深度学习模型具有更高的准确性 | 研究为回顾性研究，可能存在选择偏倚 | 提高甲状腺结节良恶性的预测性能 | 甲状腺结节 | digital pathology | thyroid disease | deep learning ultrasound image analysis | deep learning model, nomogram model | ultrasound image | 2247个甲状腺结节（1573个用于训练和测试，674个用于验证） | NA | NA | NA | NA |
| 11665 | 2025-05-16 |
Deep learning and radiomics-driven algorithm for automated identification of May-Thurner syndrome in Iliac CTV imaging
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1526144
PMID:40365495
|
research paper | 本研究旨在通过深度学习和放射组学技术，开发一种自动化识别髂静脉CTV成像中May-Thurner综合征（MTS）的算法 | 结合深度学习和放射组学技术，首次开发了针对MTS的自动化分割模型和诊断放射组学特征 | 研究样本量相对有限（490例），且未提及外部验证数据集的独立验证结果 | 开发自动化MTS检测系统，提高诊断效率和准确性 | 髂静脉CTV扫描图像 | digital pathology | cardiovascular disease | CTV成像 | UPerNet | image | 490例（201例MTS阳性，289例阴性） | NA | NA | NA | NA |
| 11666 | 2025-05-16 |
Cryptographic key generation using deep learning with biometric face and finger vein data
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1545946
PMID:40365578
|
研究论文 | 提出了一种利用深度学习和多模态生物特征（人脸和手指静脉）生成加密密钥的新方法 | 结合FaceNet和VGG19预训练模型进行特征提取，使用Siamese Neural Network (SNN) 和模糊提取器，实现了安全且可复现的加密密钥生成 | NA | 提高生物特征加密的准确性和鲁棒性，探索抗量子攻击的可扩展系统 | 人脸和手指静脉的生物特征数据 | 机器学习 | NA | 深度学习 | FaceNet, VGG19, Siamese Neural Network (SNN) | 图像 | NA | NA | NA | NA | NA |
| 11667 | 2025-05-16 |
RNA language models predict mutations that improve RNA function
2024-Sep-16, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.05.588317
PMID:38617247
|
研究论文 | 该研究创建了一个名为GARNET的新数据库，用于RNA结构和功能分析，并开发了一种类似GPT的RNA语言模型，以预测提高RNA功能的突变 | 创建GARNET数据库，结合GTDB基因组数据与生物生长温度信息，开发了重叠三连体标记化的RNA生成模型，用于预测增强RNA功能的突变 | RNA结构预测目前仍缺乏充足的高质量参考数据 | 理解RNA序列、结构与功能之间的联系 | RNA序列及其功能 | 自然语言处理 | NA | 深度学习，RNA生成模型 | GPT-like语言模型 | RNA序列数据 | GTDB基因组数据中的RNA序列 | NA | NA | NA | NA |
| 11668 | 2025-05-16 |
Comparing Artificial Intelligence-Based Versus Conventional Endotracheal Tube Monitoring Systems in Clinical Practice
2024-07-24, Studies in health technology and informatics
DOI:10.3233/SHTI240230
PMID:39049336
|
研究论文 | 本研究开发了一种基于深度学习和人工智能的气管插管监测系统，并与传统方法进行了比较评估 | 提出了一种新型的AI监测系统，用于实时检测气管插管移位或脱落，相比传统方法具有更高的及时性和准确性 | 研究尚未完成，实际效果需要通过后续随机交叉实验验证 | 评估AI监测系统在气管插管管理中的有效性，促进医疗护理领域的创新应用 | 气管插管患者 | 医疗人工智能 | NA | 深度学习 | 深度学习模型（未指定具体类型） | 临床监测数据 | NA（研究尚未完成） | NA | NA | NA | NA |
| 11669 | 2025-05-16 |
Deep Learning for Predicting Phlebitis in Patients with Intravenous Catheters
2024-07-24, Studies in health technology and informatics
DOI:10.3233/SHTI240231
PMID:39049337
|
research paper | 该研究提出了一种深度学习模型，用于预测外周静脉导管（PIVC）插入患者的静脉炎 | 利用深度学习模型预测静脉炎，并在大规模电子健康记录数据上验证其性能，准确率和AUC均表现优异 | 研究数据仅来自韩国首尔的一家医院，可能缺乏普遍性 | 开发一种有效的工具，用于早期检测静脉炎，以改善患者预后和医疗效率 | 接受外周静脉导管（PIVC）插入的患者 | machine learning | 静脉炎 | 电子健康记录数据分析 | 深度学习模型 | 电子健康记录数据 | 27,532次住院记录和70,293次PIVC事件 | NA | NA | NA | NA |
| 11670 | 2025-05-16 |
ASPTF: A computational tool to predict abiotic stress-responsive transcription factors in plants by employing machine learning algorithms
2024-06, Biochimica et biophysica acta. General subjects
DOI:10.1016/j.bbagen.2024.130597
PMID:38490467
|
研究论文 | 开发了一个名为ASPTF的计算工具，通过机器学习算法预测植物中响应非生物胁迫的转录因子 | 结合了浅层学习和深度学习算法，并采用特征选择技术提高预测准确性 | 未提及模型在跨物种应用中的泛化能力 | 识别与植物非生物胁迫响应相关的转录因子，以培育抗逆作物品种 | 植物转录因子 | 机器学习 | NA | 机器学习算法（包括浅层学习和深度学习） | LGBM（Light-Gradient Boosting Machine） | 序列数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 11671 | 2025-05-16 |
Protocol for assessing neighborhood physical disorder using the YOLOv8 deep learning model
2024-03-15, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2023.102778
PMID:38104313
|
研究论文 | 提出了一种使用YOLOv8深度学习模型定量评估邻里物理紊乱(PD)的协议 | 利用YOLOv8深度学习模型构建检测模型，为不同国家和地区评估PD提供方法学基础 | 未提及具体样本量或数据收集范围 | 开发定量评估邻里物理紊乱(PD)的方法 | 邻里物理紊乱(PD) | 计算机视觉 | NA | YOLOv8深度学习模型 | YOLOv8 | 街景图像 | NA | NA | NA | NA | NA |
| 11672 | 2025-05-16 |
Protocol to investigate the neural basis for copulation posture of Drosophila using a closed-loop real-time optogenetic system
2023-12-15, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2023.102623
PMID:37788165
|
研究论文 | 本文提出了一种利用闭环实时光遗传系统研究果蝇交配姿势神经基础的协议 | 使用深度学习分析实现高效的光遗传学操作，仅在交配期间调控神经活动 | 协议的具体执行细节需参考Yamanouchi等人的研究 | 探究果蝇交配姿势的神经基础 | 果蝇 | 神经科学 | NA | 光遗传学 | 深度学习 | 行为数据 | NA | NA | NA | NA | NA |
| 11673 | 2025-05-16 |
Chromatin accessibility in the Drosophila embryo is determined by transcription factor pioneering and enhancer activation
2023-10-09, Developmental cell
IF:10.7Q1
DOI:10.1016/j.devcel.2023.07.007
PMID:37557175
|
research paper | 该研究通过深度学习模型分析果蝇胚胎中的转录因子结合和染色质可及性数据，揭示了染色质可及性的两层次机制 | 利用可解释的深度学习模型解析了先驱转录因子Zelda与轴模式转录因子在染色质可及性中的层级关系 | 研究仅基于果蝇胚胎数据，在其他生物系统中的普适性有待验证 | 探究染色质可及性在转录因子识别顺式调控DNA序列中的作用机制 | 果蝇胚胎中的转录因子结合和染色质可及性 | computational biology | NA | deep learning, high-resolution TF binding and chromatin accessibility analysis | interpretable deep learning model | genomic sequencing data | 果蝇胚胎数据（具体数量未说明） | NA | NA | NA | NA |
| 11674 | 2025-10-07 |
Artificial intelligence, machine learning, and deep learning in liver transplantation
2023-06, Journal of hepatology
IF:26.8Q1
DOI:10.1016/j.jhep.2023.01.006
PMID:37208107
|
综述 | 探讨人工智能、机器学习和深度学习在肝移植领域的应用前景与挑战 | 系统阐述AI技术在肝移植术前术后全流程中的创新应用场景 | 模型训练存在数据不平衡问题，存在数据隐私隐患，缺乏真实世界性能评估标准 | 研究人工智能技术在肝移植临床决策支持中的应用价值 | 终末期肝病患者的肝移植全过程管理 | 机器学习 | 肝病 | NA | 机器学习, 深度学习 | 人口统计学数据, 临床数据, 实验室数据, 病理数据, 影像数据, 组学数据 | NA | NA | NA | NA | NA |
| 11675 | 2025-10-07 |
Deep learning can predict microsatellite instability directly from histology in gastrointestinal cancer
2019-07, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-019-0462-y
PMID:31160815
|
研究论文 | 本研究开发了一种基于深度残差学习的方法，能够直接从胃肠道癌的H&E组织学图像预测微卫星不稳定性 | 首次证明无需额外基因或免疫组化检测，仅通过常规H&E组织学图像即可预测MSI状态 | NA | 开发直接从组织学图像预测微卫星不稳定性的深度学习方法，以扩大免疫治疗适用人群 | 胃肠道癌患者 | 数字病理学 | 胃肠道癌 | H&E组织学染色 | 深度学习 | 组织学图像 | NA | NA | 残差网络 | NA | NA |
| 11676 | 2025-05-15 |
Fingerprinting of Boletus bainiugan: FT-NIR spectroscopy combined with machine learning a new workflow for storage period identification
2025-Aug, Food microbiology
IF:4.5Q1
DOI:10.1016/j.fm.2025.104743
PMID:40086983
|
研究论文 | 本研究通过FT-NIR光谱结合机器学习方法，开发了一种用于鉴定牛肝菌储存期的新工作流程 | 结合FT-NIR光谱与机器学习（特别是CNN和BPNN模型）来鉴定牛肝菌的储存时间，并首次应用DD-SIMCA模型完全区分新旧样品 | 研究仅分析了储存0、1和2年的样品，未涵盖更长的储存期 | 开发一种低成本、用户友好的方法，实时确定供应链中牛肝菌的储存期 | 牛肝菌（Boletus bainiugan） | 机器学习 | NA | 高效液相色谱（HPLC）、傅里叶变换近红外光谱（FT-NIR） | CNN、BPNN、DD-SIMCA、PLSR | 光谱数据 | 831份牛肝菌样品（储存0、1和2年） | NA | NA | NA | NA |
| 11677 | 2025-05-15 |
Light scattering imaging modal expansion cytometry for label-free single-cell analysis with deep learning
2025-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108726
PMID:40112688
|
研究论文 | 本研究开发了一种基于深度学习的模态扩展细胞术，用于无标记单细胞分析 | 提出了一种新的网络优化方法，结合对抗损失、L1距离损失和VGG感知损失，将单模光散射图像扩展为多模态图像 | 实验验证仅限于模拟图像、标准球体和特定细胞类型（如宫颈癌细胞和白血病细胞） | 开发一种无标记单细胞分析方法，用于药物开发、疾病诊断和个性化医疗 | 宫颈癌细胞和白血病细胞 | 数字病理学 | 宫颈癌、白血病 | 光散射成像 | 深度学习 | 图像 | 模拟图像、标准球体和多种细胞类型（如宫颈癌细胞和白血病细胞） | NA | NA | NA | NA |
| 11678 | 2025-05-15 |
The impact of training image quality with a novel protocol on artificial intelligence-based LGE-MRI image segmentation for potential atrial fibrillation management
2025-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108722
PMID:40112687
|
研究论文 | 本研究开发了一种基于深度学习的自动化分割流程，通过标准化标记协议提高LGE-MRI图像分割的准确性和效率，以支持心房颤动患者的消融治疗 | 采用标准化标记协议和预训练的RIFE模型，显著提高了神经网络在心房LGE-MRI图像分割中的性能 | 研究结果依赖于手动标记的数据，可能存在主观误差，且样本量未明确说明 | 开发高效的自动化深度学习分割流程，以改善心房颤动患者的消融治疗效果 | 心房颤动患者的LGE-MRI图像 | 数字病理学 | 心血管疾病 | LGE-MRI | nnU-Net, smpU-Net++, RIFE | 图像 | NA | NA | NA | NA | NA |
| 11679 | 2025-05-15 |
The state of modelling face processing in humans with deep learning
2025-May-14, British journal of psychology (London, England : 1953)
DOI:10.1111/bjop.12794
PMID:40364689
|
review | 本文比较了深度学习模型与人类面部处理系统的心理学模型，探讨了深度学习在面部识别和面部代码编码方面的表现 | 揭示了深度学习模型在面部识别任务中不仅超越人类表现，还能模拟人类面部处理的某些定性方面，如身份识别网络中也编码表情信息 | 未提及具体的技术限制或数据限制 | 比较深度学习模型与人类面部处理系统的心理学模型，探讨面部代码的编码方式 | 人类面部处理系统和深度学习模型 | computer vision | NA | 深度学习 | 深度学习模型 | 面部图像 | NA | NA | NA | NA | NA |
| 11680 | 2025-05-15 |
Artificial intelligence for chronic total occlusion percutaneous coronary interventions
2025-May-13, The Journal of invasive cardiology
IF:1.6Q3
DOI:10.25270/jic/25.00089
PMID:40359582
|
review | 本文回顾了人工智能在慢性完全闭塞（CTO）诊断和经皮冠状动脉介入治疗（PCI）成功率预测中的最新进展 | 探讨了AI在CTO PCI中的创新应用，特别是在诊断和治疗决策支持方面的潜力 | 未提及具体的研究样本量或模型性能的详细比较 | 评估AI在CTO PCI领域的应用效果和前景 | 慢性完全闭塞（CTO）和经皮冠状动脉介入治疗（PCI） | machine learning | cardiovascular disease | NA | neural networks, deep learning | clinical parameters, imaging | NA | NA | NA | NA | NA |