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!

Sample Image
添加微信请说明来意
Sample Image
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。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期不过滤] [清除筛选条件]
当前共找到 27705 篇文献,本页显示第 101 - 120 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
101 2025-07-06
Artificial intelligence derived grading of mustard gas induced corneal injury and opacity
2025-Jul-01, Scientific reports IF:3.8Q1
研究论文 本研究开发了一种基于人工智能的临床分类模型,用于客观评估活兔眼角膜损伤和不透明度水平 首次使用AI评估活兔化学性角膜损伤,结合Mask-RCNN和ResNet50模型实现可靠分级 研究仅基于兔眼角膜图像,未涉及人类数据 开发客观评估化学性角膜损伤的AI分类模型 硫芥子气暴露后的活兔眼角膜 数字病理学 角膜损伤 深度学习 Mask-RCNN, CNN (VGG16, ResNet101, DenseNet121, InceptionV3, ResNet50) 图像 401张兔眼角膜图像
102 2025-07-06
Associations of street-view greenspace exposure with cardiovascular health (Life's Essential 8) among women in midlife
2025-Jul-01, Biology of sex differences IF:4.9Q1
研究论文 该研究探讨了街道绿化景观暴露与中年女性心血管健康(Life's Essential 8)之间的关联 使用Google街景图像和深度学习算法量化街道绿化暴露,而非传统的卫星数据,并首次将整体心血管健康评分(LE8)纳入分析 研究样本主要来自美国马萨诸塞州东部,可能限制结果的普遍性,且未考虑其他潜在的环境或生活方式因素 评估街道绿化景观暴露对中年女性心血管健康的影响 Project Viva队列中的中年女性(平均年龄46-51岁) 环境流行病学 心血管疾病 深度学习算法 线性回归模型 图像(Google街景)和问卷数据 767名参与者(68%非西班牙裔白人,74%大学毕业生)
103 2025-07-06
Advancing Spike Sorting Through Gradient-Based Preprocessing and Nonlinear Reduction With Agglomerative Clustering
2025-Jul, Brain and behavior IF:2.6Q3
research paper 该论文提出了一种基于梯度预处理和非线性降维的尖峰排序方法,结合凝聚聚类以提高分类准确性 引入了数学技术进行数据预处理,并结合非线性变换(如UMAP和谱嵌入)优化特征提取,显著提高了尖峰分类的准确性 方法在特定神经元群体中的效果未充分验证,可能仍存在视觉上难以区分的相似尖峰问题 开发一种全自动尖峰排序方法,以提高神经电信号分类的准确性 神经电信号(尖峰) 机器学习 NA UMAP, 谱嵌入 密度聚类算法 电信号数据 未明确提及具体样本数量,但包含非重叠和重叠尖峰数据集
104 2025-07-06
Leveraging multithreading on edge computing for smart healthcare based on intelligent multimodal classification approach
2025-Jul-01, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1
研究论文 本文提出了一种基于边缘计算的智能多模态分类方法,用于智能医疗中的临床决策支持系统 提出了一种多线程并行架构,结合机器学习和深度学习技术,用于处理多类别医疗记录,并在边缘计算设备上实现高效分类 研究仅针对脑肿瘤、肺炎和结肠癌三种疾病进行分类,未涵盖更多疾病类型 开发一种智能医疗系统,用于自动化医疗多模态数据的诊断 医疗多模态数据,包括医学影像和患者生命体征 数字病理学 脑肿瘤、肺炎、结肠癌 遗传算法优化的轻量级神经网络 MobileNet、EfficientNet、ResNet18 医学影像、生命体征数据 未明确提及具体样本数量,但涉及三种疾病的分类任务
105 2025-07-06
Deep learning approaches for attenuation correction in myocardial perfusion imaging
2025-Jul, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2
NA NA NA NA NA NA NA NA NA NA NA NA
106 2025-07-06
GC-PGE: A novel deep learning model for tumor drug resistance prediction and core resistance gene extraction based on graph and signaling pathways
2025-Jun-30, Computational biology and chemistry IF:2.6Q2
研究论文 提出了一种名为GC-PGE的新型深度学习模型,用于预测肿瘤耐药性并提取核心耐药基因 整合了多维组学数据和通路级信息,利用图神经网络构建基因关联网络,并通过贝叶斯学习方法将耐药基因预测和肿瘤样本分类任务统一到一个网络架构中 未提及具体的数据集大小或模型在不同类型肿瘤上的泛化能力 预测肿瘤耐药性并识别核心耐药基因,以推进个性化癌症治疗和新治疗靶点的发现 肝癌、卵巢癌和黑色素瘤的肿瘤样本 机器学习 肝癌、卵巢癌、黑色素瘤 图神经网络、贝叶斯学习 GC-PGE(Gene Correlation and Pathway Graph Encoder Network) 多维组学数据(如蛋白质相互作用、基因同源性、信号通路数据) NA
107 2025-07-06
Classifying kidney disease using a dense layers deep learning model
2025-Jun-28, SLAS technology IF:2.5Q3
research paper 该研究提出了一种基于密集层深度学习模型的肾脏疾病分类方法 使用优化的密集层深度神经网络架构,实现了99%的高准确率 研究使用了公开数据集,可能无法完全代表所有临床场景 开发高准确率的肾脏疾病自动诊断系统 慢性肾脏疾病(CKD)患者 machine learning kidney disease deep learning dense-layered deep neural networks structured data 公开数据集,包含24个独立字段的样本
108 2025-07-06
Automatic prostate volume estimation in transabdominal ultrasound images
2025-Jun-28, European journal of radiology IF:3.2Q1
research paper 本研究提出了一种基于深度学习的框架,用于在经腹超声图像中自动估计前列腺体积,旨在改进非侵入性前列腺癌风险分层 利用深度学习模型在经腹超声图像中自动进行前列腺分割和体积估计,为非侵入性前列腺癌风险评估提供新方法 经腹超声图像质量较低且依赖操作者,可能影响分割和体积估计的准确性 改进非侵入性前列腺癌风险分层方法 前列腺体积估计 digital pathology prostate cancer deep learning CNN image 100名患者(中位年龄67岁,95%范围55-81.2岁)的经腹超声视频
109 2025-07-06
ChatGPT-Assisted Deep Learning Models for Influenza-Like Illness Prediction in Mainland China: Time Series Analysis
2025-Jun-27, Journal of medical Internet research IF:5.8Q1
研究论文 本研究评估了多种深度学习模型在中国大陆流感样疾病(ILI)阳性率预测中的表现,并探索了ChatGPT辅助开发在促进模型实施中的辅助作用 首次将ChatGPT辅助开发应用于流感预测深度学习模型的构建与优化,显著降低了技术门槛 在北方地区预测误差较大(MAPE>400%),区域差异明显,部分模型表现不稳定 评估深度学习模型对ILI阳性率的预测性能,探索ChatGPT在模型开发中的辅助作用 中国大陆2014-2024年ILI阳性率数据 机器学习 流感 时间序列分析 LSTM, N-BEATS, Transformer, TFT, TiDE 时间序列数据 2014-2024年中国国家流感中心数据库的ILI阳性率数据(2014-2023年训练,2024年第1-39周测试)
110 2025-07-06
MSC-transformer-based 3D-attention with knowledge distillation for multi-action classification of separate lower limbs
2025-Jun-25, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1
研究论文 提出了一种基于MSC-transformer的三维注意力模型,结合知识蒸馏技术,用于下肢分离动作的多动作分类 首次将多尺度可分离卷积与Transformer结合,并引入知识蒸馏技术,提高了模型的计算效率和分类性能 模型在真实运动(RM)和运动观察(MO)分类方面的探索仍然有限 改进基于EEG的运动想象(MI)分类方法,特别是针对下肢分离动作的分类 下肢分离动作的EEG信号 机器学习 NA 知识蒸馏(KD) MSC-T3AM(基于Transformer的三维注意力模型) EEG信号 NA
111 2025-07-06
Sequence and Structure-based Prediction of Allosteric Sites
2025-Jun-24, Journal of molecular biology IF:4.7Q1
综述 本文综述了基于蛋白质序列和结构的变构位点预测方法,并讨论了计算机辅助变构药物设计的挑战和未来方向 强调了多模态数据整合和可解释深度学习模型在改进变构位点预测和合理变构药物设计中的潜力 临床应用中变构药物的存在仍然有限 促进对变构机制的理解并促进变构药物设计 蛋白质序列、结构和变构调控 生物信息学 NA 计算机辅助药物设计 深度学习模型 蛋白质序列和结构数据 NA
112 2025-07-06
Quantitative Analysis of Deltamethrin Residues in Water Using Surface-Enhanced Raman Spectroscopy
2025-Jun-19, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
研究论文 本研究创新性地结合表面增强拉曼光谱(SERS)与增强深度神经网络,提出了一种高灵敏度且准确的水中溴氰菊酯残留定量分析方法 通过引入门控循环单元(GRU)和注意力机制对传统CNN模型进行结构强化,构建了CNN-GRU-Attention增强混合神经网络,显著提升了特征提取能力和非线性关系建模能力 NA 开发高灵敏度且准确的水中溴氰菊酯残留定量分析方法 水中的溴氰菊酯残留 机器学习 NA 表面增强拉曼光谱(SERS) CNN-GRU-Attention混合神经网络 光谱数据 NA
113 2025-07-06
Automated sex and age estimation from orthopantomograms using deep learning: A comparison with human predictions
2025-Jun-17, Forensic science international IF:2.2Q1
研究论文 本研究开发了一种基于多任务深度学习的自动方法,用于从口腔全景片中估计性别和年龄,并与人类预测进行了比较 采用多任务学习方法,结合VGG主干网络和独立的注意力分支,显著提高了性别和年龄估计的准确性和一致性 数据集仅包含2067张口腔全景片,可能不足以覆盖所有可能的年龄和性别变异性 开发一种自动且稳健的方法,用于法医牙科和法医鉴定中的性别和年龄估计 口腔全景片 计算机视觉 NA 深度学习 多任务学习网络(VGG主干网络) 图像 2067张口腔全景片,性别和年龄组均匀分布,年龄范围3至89岁
114 2025-07-06
Predicting and explaining high dead-on-arrival outcomes in meat-type ducks using deep learning: A path to improved welfare management
2025-Jun-13, Poultry science IF:3.8Q1
研究论文 本研究利用深度学习模型预测和解释肉鸭高到货死亡率(DOA)的结果,旨在改善福利管理 首次将可解释的深度学习模型应用于肉鸭DOA预测,结合SHAP分析提高模型透明度和实用性 研究数据仅来自2022-2023年的8220车次记录,可能无法涵盖所有潜在影响因素 开发可解释的深度学习模型来预测肉鸭高DOA结果,以优化屠宰前管理 肉鸭的屠宰前管理和环境数据 数字病理 NA 深度学习, SHAP分析 深度学习模型 屠宰前管理和环境数据 8220车次肉鸭运输记录(2022-2023年)
115 2025-07-06
An Integrated Framework for Automated Image Segmentation and Personalized Wall Stress Estimation of Abdominal Aortic Aneurysms
2025-Jun-12, Research square
研究论文 提出一个集成框架,用于自动分割腹部主动脉瘤(AAA)图像并个性化估计壁应力 结合基于块的扩张改进U-Net模型、非线性弹性膜分析(NEMA)和非均匀有理B样条(NURBS)来精确分割和估计AAA壁应力 未提及样本量或具体临床验证结果 开发自动化方法以改进腹部主动脉瘤的监测和手术规划 腹部主动脉瘤(AAA)患者 数字病理学 心血管疾病 CT血管造影(CTA) 改进的U-Net模型 图像 NA
116 2025-07-06
Multicenter Histology Image Integration and Multiscale Deep Learning for Machine Learning-Enabled Pediatric Sarcoma Classification
2025-Jun-11, medRxiv : the preprint server for health sciences
研究论文 本研究开发了一种基于深度学习的计算流程,用于从数字化组织学切片中准确分类儿科肉瘤亚型 采用先进的ViT基础模型(UNI、CONCH)和多尺度特征提升分类准确性,同时优化了轻量级SAMPLER分类器 研究依赖于有限的数据集(867张全切片图像),且仅针对特定儿科肉瘤亚型 开发一种计算流程以准确分类儿科肉瘤亚型,减少诊断中的观察者间变异 儿科肉瘤的数字化组织学切片 数字病理学 儿科肉瘤 深度学习 CNN, ViT, SAMPLER 图像 867张全切片图像(来自三个医疗中心和儿童肿瘤学组)
117 2025-07-06
Iterative deep learning design of human enhancers exploits condensed sequence grammar to achieve cell-type specificity
2025-Jun-04, Cell systems IF:9.0Q1
研究论文 本文应用迭代深度学习设计具有强细胞类型特异性的合成增强子 利用迭代深度学习优化模型,设计出具有更高特异性的合成增强子,并验证其活性与转录因子表达的相关性 研究仅针对两种人类细胞系,可能无法推广到其他细胞类型 解决合成生物学中如何靶向特定细胞类型进行基因表达的问题 人类细胞系中的合成增强子 合成生物学 NA 迭代深度学习 深度学习模型 增强子活性和染色质可及性数据 两种人类细胞系
118 2025-03-11
A Need for Multi-Institutional Collaboration for Deep Learning-Driven Assessment of Osteosarcoma Treatment Response
2025-Jun, The American journal of pathology
NA NA NA NA NA NA NA NA NA NA NA NA
119 2025-07-06
FlowMRI-Net: A generalizable self-supervised 4D flow MRI reconstruction network
2025-May-16, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1
research paper 提出了一种通用的自监督深度学习框架FlowMRI-Net,用于快速准确地重建高度欠采样的4D流MRI数据 采用物理驱动的展开优化和复数卷积循环神经网络,以自监督方式进行训练,提高了重建速度和准确性 未明确说明在其他血管区域的适用性验证情况 开发快速准确的4D流MRI重建方法,扩展其临床应用 主动脉和脑血管的4D流MRI数据 medical imaging 心血管疾病 4D flow MRI complex-valued convolutional recurrent neural network MRI图像 使用来自两个不同厂商系统的主动脉和脑血管4D流MRI采集数据
120 2025-07-06
Machine learning-based multimodal radiomics and transcriptomics models for predicting radiotherapy sensitivity and prognosis in esophageal cancer
2025-May-15, The Journal of biological chemistry IF:4.0Q2
研究论文 本研究整合了机器学习的多模态放射组学和转录组学,开发了预测食管癌放疗敏感性和预后的模型 首次结合放射组学和转录组学数据,利用SEResNet101深度学习模型识别预后相关基因,并发现STUB1通过促进SRC的泛素化和降解增强放疗敏感性 研究依赖于UCSC Xena和TCGA数据库的数据,可能受到数据质量和样本量的限制 预测食管癌患者的放疗敏感性和预后,为个体化放疗计划提供依据 食管癌患者 数字病理 食管癌 RNA-seq SEResNet101, Lasso回归, Cox分析 影像数据, 转录组数据 来自UCSC Xena和TCGA数据库的数据
回到顶部