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 11861 - 11880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11861 | 2025-05-08 |
Does Deep Learning Reconstruction Improve Ureteral Stone Detection and Subjective Image Quality in the CT Images of Patients with Metal Hardware?
2025-Mar, Journal of endourology
IF:2.9Q1
DOI:10.1089/end.2024.0666
PMID:39932744
|
研究论文 | 本研究比较了在金属髋关节假体存在下，低剂量和常规剂量CT扫描结合或不结合深度学习重建（DLR）和金属伪影减少（MAR）技术对输尿管结石检测和图像质量的影响 | 首次在尸体模型中评估了DLR和MAR技术对低剂量CT扫描在金属假体存在下输尿管结石检测和图像质量的改善效果 | 研究样本量较小（仅10个泌尿系统组合），且仅在尸体模型中进行 | 评估DLR和MAR技术是否能改善金属假体患者低剂量CT扫描的输尿管结石检测和图像质量 | 植入输尿管结石的尸体模型（含双侧髋关节假体） | 医学影像 | 泌尿系统疾病 | CT扫描（常规剂量和超低剂量），深度学习重建（DLR），金属伪影减少（MAR） | 深度学习 | CT图像 | 10个植入4-6mm输尿管结石的泌尿系统组合（尸体模型） | NA | NA | NA | NA |
| 11862 | 2025-05-08 |
Functional near-infrared spectroscopy (fNIRS) in patients with major depressive disorder, generalized anxiety disorder and their comorbidity: Comparison with healthy controls
2025-Mar, Asian journal of psychiatry
IF:3.8Q1
DOI:10.1016/j.ajp.2025.104382
PMID:39933260
|
研究论文 | 本研究使用fNIRS-VFT任务比较了广泛性焦虑障碍(GAD)、重度抑郁症(MDD)及其共病(CMG)患者与健康对照组的前额叶功能差异，并评估了fNIRS设备作为认知任务诊断工具的可靠性 | 结合全连接层和Dropout层的深度学习模型对fNIRS数据进行分类，探索了不同脑区激活模式在精神障碍诊断中的价值 | 样本量相对有限，未考虑其他可能的混杂因素 | 评估fNIRS在精神障碍诊断中的应用价值 | GAD、MDD、CMG患者及健康对照组 | 数字病理 | 精神疾病 | fNIRS | 全连接层与Dropout层结合的深度学习模型 | 脑血流动力学数据 | 296人(75 GAD, 75 MDD, 71 CMG, 75 HC) | NA | NA | NA | NA |
| 11863 | 2025-05-08 |
Multi-modality medical image classification with ResoMergeNet for cataract, lung cancer, and breast cancer diagnosis
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109791
PMID:39933267
|
研究论文 | 提出ResoMergeNet (RMN)模型用于多模态医学图像分类，以提升白内障、肺癌和乳腺癌的诊断效果 | 整合迁移学习、ResBoost框架和ConvMergeNet技术，有效提取可见光眼图像和组织病理学图像的特征，提升跨模态分类性能 | 未提及模型在更大规模或更多模态数据集上的泛化能力 | 解决多模态医学图像分类中的模态差异问题，提升白内障、肺癌和乳腺癌的诊断准确性 | 白内障、肺癌和乳腺癌的医学图像 | 数字病理学 | 白内障、肺癌、乳腺癌 | 迁移学习、ResBoost框架、ConvMergeNet | ResoMergeNet (RMN) | 图像 | 白内障数据集（二分类）、肺癌数据集（三分类）、BreakHis数据集（八分类，100×和200×放大倍数） | NA | NA | NA | NA |
| 11864 | 2025-05-08 |
Review on computational methods for the detection and classification of Parkinson's Disease
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109767
PMID:39938340
|
review | 本文对帕金森病(PD)的计算检测和分类方法进行了系统性综述 | 聚焦PD生物标志物和多种成像模态，深入分析现有机器学习与深度学习模型的性能及局限性 | 现有PD诊断数据集适用性有限，需要扩展其应用范围 | 系统调研PD诊断方法以提升诊断准确性 | 帕金森病的影像学特征和生物标志物 | machine learning | geriatric disease | MRI成像 | machine learning, deep learning | image | NA | NA | NA | NA | NA |
| 11865 | 2025-05-08 |
Deep learning paradigms in lung cancer diagnosis: A methodological review, open challenges, and future directions
2025-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.104914
PMID:39938402
|
review | 本文全面探讨了深度学习在肺癌诊断中的应用，包括结节检测、分类和预后预测 | 深度学习在肺癌诊断中展现出卓越性能，有时甚至超越人类专家准确率，并推动了计算机辅助诊断系统的发展 | 面临数据质量和可解释性等挑战 | 提升肺癌诊断的精确性和效率 | 肺癌诊断中的深度学习模型 | digital pathology | lung cancer | NA | deep neural networks | image | NA | NA | NA | NA | NA |
| 11866 | 2025-05-08 |
Advancements in Nanobody Epitope Prediction: A Comparative Study of AlphaFold2Multimer vs AlphaFold3
2025-Feb-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01877
PMID:39927847
|
research paper | 比较AlphaFold2Multimer和AlphaFold3在纳米抗体表位预测中的性能，并探讨影响预测准确性的因素 | 首次对AlphaFold3和AlphaFold2-Multimer在纳米抗体表位预测中的性能进行系统比较，并发现CDR3特性对预测准确性的重要影响 | 两种工具的整体成功率仍低于50%，且研究结果可能不适用于所有类型的纳米抗体 | 评估和改进纳米抗体表位预测工具的准确性 | 纳米抗体及其表位 | computational biology | NA | AI驱动工具（AlphaFold3和AlphaFold2-Multimer） | AlphaFold3, AlphaFold2-Multimer | protein structure data | NA | NA | NA | NA | NA |
| 11867 | 2025-05-08 |
Deep Learning for Antimicrobial Peptides: Computational Models and Databases
2025-Feb-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00006
PMID:39927895
|
review | 本文综述了用于抗菌肽预测的深度学习模型和相关数据库 | 总结了现有的深度学习模型及其在抗菌肽预测中的应用，并讨论了它们的局限性和挑战 | 未提及具体模型的性能比较或实验验证 | 帮助计算生物学家设计更好的抗菌肽预测深度学习模型 | 抗菌肽 | machine learning | NA | deep learning | NA | NA | NA | NA | NA | NA | NA |
| 11868 | 2025-05-08 |
Rapid detection and quantitative analysis of thiram in fruits using a shape-adaptable flexible SERS substrate combined with deep learning
2025-Feb-20, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d4ay02098g
PMID:39925033
|
研究论文 | 开发了一种形状适应性强的柔性SERS基底，结合深度学习算法，用于水果表面硫丹的快速检测和定量分析 | 创新的柔性SERS基底设计，结合1D CNN模型，实现了对不规则表面农药残留的高灵敏度和高准确度检测 | 仅针对硫丹一种农药进行了验证，未测试其他农药的检测效果 | 开发快速检测水果表面农药残留的方法 | 水果表面的硫丹农药残留 | 食品安全检测 | NA | 表面增强拉曼散射(SERS) | 1D CNN | 拉曼光谱信号 | 番茄和蓝莓表皮样品 | NA | NA | NA | NA |
| 11869 | 2025-05-08 |
Deep learning-based video-level view classification of two-dimensional transthoracic echocardiography
2025-Feb-19, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adb493
PMID:39933194
|
research paper | 提出了一种基于深度学习的视频级别二维经胸超声心动图视图分类框架TTESlowFast，以满足临床需求 | 结合SlowFast架构，采用采样平衡策略和数据增强策略，解决了类别不平衡和标记TTE视频有限的问题 | 未详细讨论在更广泛临床环境中的泛化能力 | 开发准确高效的视频级别TTE视图分类方法 | 二维经胸超声心动图（TTE）视频 | digital pathology | cardiovascular disease | deep learning | SlowFast | video | 未明确提及样本数量 | NA | NA | NA | NA |
| 11870 | 2025-10-07 |
Deep Learning and Single-Molecule Localization Microscopy Reveal Nanoscopic Dynamics of DNA Entanglement Loci
2025-02-18, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c15364
PMID:39903818
|
研究论文 | 通过深度学习与单分子定位显微镜结合，揭示DNA纠缠位点的纳米尺度动力学 | 首次将深度学习与单分子定位显微镜结合用于研究聚合物纠缠动力学，实现了传统成像技术无法达到的纳米尺度动态可视化 | 使用Lambda DNA作为模型系统，结果可能无法完全代表其他生物聚合物 | 研究纳米尺度分子动力学，特别是DNA纠缠位点的动态行为 | Lambda DNA分子及其纠缠位点 | 计算生物学 | NA | 单分子定位显微镜(SMLM) | 深度学习算法 | 模拟定位图像，稀疏定位数据 | 模拟Lambda DNA系统 | NA | NA | NA | NA |
| 11871 | 2025-05-08 |
Time-series attribution maps with regularized contrastive learning
2025-Feb-17, ArXiv
PMID:40034132
|
研究论文 | 提出了一种具有可识别性保证的时间序列归因图生成方法，结合正则化对比学习算法和新的归因方法Inverted Neuron Gradient（统称为CEBRA） | 首次提出了具有可识别性保证的时间序列归因图生成方法，并通过理论和实证验证了其优越性 | 未提及具体的数据集规模或实际应用场景的限制 | 提高深度学习模型决策解释的可识别性和准确性 | 时间序列数据和深度学习模型的归因图 | 机器学习 | NA | 正则化对比学习算法 | CEBRA（结合Inverted Neuron Gradient） | 时间序列数据 | NA | NA | NA | NA | NA |
| 11872 | 2025-05-08 |
Deep Learning Radiomics for Survival Prediction in Non-Small-Cell Lung Cancer Patients from CT Images
2025-Feb-11, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02156-5
PMID:39930275
|
research paper | 本研究旨在应用深度学习方法的多模态策略，通过基于CT的放射组学预测非小细胞肺癌（NSCLC）患者的生存期 | 结合传统放射组学、深度放射组学特征和临床参数，使用DeepSurv神经网络进行生存预测，相比Cox-PH模型有更高的预测效率 | 研究依赖于公开数据集，可能无法涵盖所有NSCLC患者的临床多样性 | 提高非小细胞肺癌患者生存预测的准确性 | 非小细胞肺癌患者 | digital pathology | lung cancer | CT-based radiomics | 3D CNN, DeepSurv neural network | CT images | 420名患者用于训练（Lung 1数据集），516名患者用于测试（Lung 2数据集） | NA | NA | NA | NA |
| 11873 | 2025-05-08 |
Deliod a lightweight detection model for intestinal organoids based on deep learning
2025-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89409-y
PMID:39934224
|
研究论文 | 本文提出了一种基于深度学习的轻量级肠道类器官检测模型Deliod，用于自动化识别类器官形态 | Deliod模型基于YOLOv8设计，解决了现有技术中组织重叠和小目标导致的高错误率和有限适用性问题 | NA | 开发一种高效准确的肠道类器官形态识别方法 | 肠道类器官 | 计算机视觉 | 肠道疾病 | 深度学习 | YOLOv8 | 图像 | NA | NA | NA | NA | NA |
| 11874 | 2025-05-08 |
MedFuseNet: fusing local and global deep feature representations with hybrid attention mechanisms for medical image segmentation
2025-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89096-9
PMID:39934248
|
研究论文 | 提出了一种名为MedFuseNet的新型编码器-解码器架构，通过混合注意力机制融合局部和全局深度特征表示，用于医学图像分割 | 设计了混合注意力机制，结合四种不同的注意力模块，以融合和增强局部与全局特征 | 未提及具体局限性 | 提高医学图像分割的性能 | 医学图像 | 数字病理 | NA | 深度学习 | CNN, Swin-Transformer | 图像 | 公共ACDC和Synapse数据集 | NA | NA | NA | NA |
| 11875 | 2025-05-08 |
A promising AI based super resolution image reconstruction technique for early diagnosis of skin cancer
2025-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89693-8
PMID:39934265
|
研究论文 | 提出了一种基于AI的超分辨率图像重建技术，用于皮肤癌的早期诊断 | 提出了一种名为MELIIGAN的新型生成对抗网络框架，用于加速中间皮肤病变的诊断，并设计了处理更大缩放因子和重建细粒度细节的堆叠残差块 | 未提及具体的数据集规模或多样性限制 | 开发一种非侵入性方法，通过超分辨率图像重建技术提高皮肤病变图像质量，以实现早期诊断 | 中间或可疑的皮肤病变 | 计算机视觉 | 皮肤癌 | 超分辨率图像重建 | GAN（生成对抗网络） | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 11876 | 2025-05-08 |
Interpretable deep learning of single-cell and epigenetic data reveals novel molecular insights in aging
2025-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89646-1
PMID:39934290
|
研究论文 | 本文开发了一种结合深度学习和可解释人工智能的多视图图级表示学习框架，用于研究衰老的分子机制 | 提出了一个先进的MGRL框架，整合了先验生物网络信息，构建了细胞类型分辨率的分子衰老时钟，并通过XAI进行解释 | 未提及具体的样本限制或技术局限性 | 研究衰老的分子机制 | 单细胞转录组数据和DNA甲基化数据 | 机器学习 | 老年疾病 | 单细胞转录组测序、DNA甲基化测序 | MGRL（多视图图级表示学习框架） | 单细胞转录组数据、DNA甲基化数据 | 来自981名捐赠者的超过一百万免疫细胞 | NA | NA | NA | NA |
| 11877 | 2025-05-08 |
Artificial intelligence support improves diagnosis accuracy in anterior segment eye diseases
2025-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89768-6
PMID:39934383
|
research paper | 评估深度学习模型CorneAI在提高眼科医生诊断前段眼病准确性方面的效果 | CorneAI模型能够显著提高眼科医生对前段眼病的诊断准确性，即使使用智能手机图像也能有效提升诊断效果 | CorneAI模型仅针对特定的九种前段眼病进行了评估，且样本量相对较小 | 研究深度学习模型在眼科诊断中的辅助作用 | 40名眼科医生（20名专家和20名住院医师）和100张眼部图像 | digital pathology | 前段眼病 | deep learning | CNN | image | 100张图像（50张iPhone 13 Pro照片和50张散光裂隙灯照片） | NA | NA | NA | NA |
| 11878 | 2025-05-08 |
Deep attention model for arrhythmia signal classification based on multi-objective crayfish optimization algorithmic variational mode decomposition
2025-Feb-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89752-0
PMID:39934416
|
research paper | 本文提出了一种基于多目标小龙虾优化算法变分模态分解的深度注意力模型，用于心律失常信号分类 | 结合心脏电生理学的数学模型，提出了一种新的多目标优化算法MOCOA-VMD用于ECG信号处理，并构建了深度注意力模型进行分类 | 模型仅在模拟数据和MIT-BIH数据库上进行了验证，需要更多真实临床数据的验证 | 开发一种新的心律失常信号分类方法以提高诊断准确性 | 心律失常ECG信号 | machine learning | cardiovascular disease | variational mode decomposition (VMD), multi-objective crayfish optimization algorithm (MOCOA) | deep attention model | ECG信号 | MIT-BIH心律失常数据库数据 | NA | NA | NA | NA |
| 11879 | 2025-05-08 |
Mammalian piRNA target prediction using a hierarchical attention model
2025-Feb-11, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06068-6
PMID:39934678
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于预测哺乳动物piRNA的靶标 | 采用分层注意力模型和迁移学习方法来克服数据不足的问题，显著提高了piRNA靶标预测的准确性 | 模型依赖于现有piRNA靶向规则的理解，而这些规则在哺乳动物中尚不完善 | 阐明piRNA在哺乳动物中的靶向规则及其功能 | 小鼠和人类的piRNA | 机器学习 | NA | 深度学习 | 分层注意力模型 | RNA序列数据 | piRNA数据库中所有可用的小鼠和人类piRNA | NA | NA | NA | NA |
| 11880 | 2025-05-08 |
A hybrid machine learning framework for functional annotation of mitochondrial glutathione transport and metabolism proteins in cancers
2025-Feb-11, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06051-1
PMID:39934670
|
研究论文 | 开发了一种混合机器学习框架，用于癌症中线粒体谷胱甘肽转运和代谢蛋白的功能注释 | 利用癌症细胞系多组学数据和其他生物学知识数据作为特征，开发了一种灵活的混合机器学习框架，用于功能注释 | 现有基于蛋白质序列的机器学习或深度学习模型无法在生物背景下注释功能 | 研究癌症中线粒体谷胱甘肽（mGSH）转运和代谢的功能注释 | 线粒体谷胱甘肽转运和代谢蛋白 | 机器学习 | 癌症 | 多组学数据分析 | 混合机器学习框架 | 多组学数据 | 多个细胞系和原发性肿瘤样本 | NA | NA | NA | NA |