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！
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。
当前共找到 26231 篇文献，本页显示第 1201 - 1220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1201 | 2025-06-01 |
The Detection of Gait Events Based on Smartphones and Deep Learning
2025-May-04, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050491
PMID:40428110
|
研究论文 | 本研究利用智能手机和深度学习技术检测步态事件，并评估该方法在不同老年人群和脑小血管病患者中的远程效果及临床意义 | 结合智能手机和深度学习模型BiTCN-BiGRU-CrossAttention进行步态事件检测，并在多种老年人群和脑小血管病患者中进行评估 | 样本量相对较小，且仅针对特定老年人群和脑小血管病患者进行研究 | 开发并评估一种基于智能手机和深度学习的步态事件检测方法 | 健康个体、轻度认知障碍患者、帕金森病患者及脑小血管病患者 | 机器学习 | 脑小血管病 | 深度学习 | BiTCN-BiGRU-CrossAttention, TCN-GRU, BiTCN-BiGRU | 传感器数据 | 150名健康个体、48名老年人（25名健康、12名轻度认知障碍、11名帕金森病）、35名脑小血管病患者 |
| 1202 | 2025-06-01 |
MambaPhase: deep learning for liquid-liquid phase separation protein classification
2025-May-03, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf230
PMID:40421658
|
研究论文 | 该研究开发了一种基于Mamba的深度学习模型，用于准确分类液-液相分离蛋白 | 采用对比学习方法整合分离概率、蛋白类型和实验条件，提高了分类准确性和适用性 | 模型在特定实验条件下的泛化能力尚未完全验证 | 开发高效准确的液-液相分离蛋白分类方法 | 液-液相分离蛋白 | 机器学习 | NA | 对比学习 | Mamba-based encoder | 蛋白数据 | NA |
| 1203 | 2025-06-01 |
ADCNet: a unified framework for predicting the activity of antibody-drug conjugates
2025-May-03, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf228
PMID:40421657
|
研究论文 | 介绍了一个名为ADCNet的统一深度学习框架，用于预测抗体-药物偶联物（ADCs）的活性 | ADCNet整合了蛋白质表示学习语言模型ESM-2和小分子表示学习语言模型，通过学习ADC的抗原和抗体蛋白序列、连接子和有效载荷的SMILES字符串以及药物-抗体比率（DAR）值来预测活性 | NA | 探索ADC的五元结构与活性之间的关系，帮助设计潜在的ADC | 抗体-药物偶联物（ADCs） | 机器学习 | 癌症 | 深度学习 | ADCNet（整合ESM-2和基于功能组的双向编码器表示变换器） | 蛋白质序列、SMILES字符串、数值（DAR值） | NA |
| 1204 | 2025-06-01 |
Learning Phenotype Associated Signature in Spatial Transcriptomics with PASSAGE
2025-05, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202401451
PMID:39905872
|
研究论文 | 介绍了一种名为PASSAGE的深度学习框架，用于在空间转录组学中识别与表型相关的特征 | PASSAGE是一种基于图嵌入的深度学习框架，能够有效表征多个异质性空间切片中的表型相关特征，不同于现有的无监督方法 | NA | 开发一种计算工具，用于在空间转录组学数据中识别与生理/病理状态相关的特征 | 空间转录组学数据 | 空间转录组学 | NA | 空间转录组学 | 深度学习 | 空间转录组数据 | NA |
| 1205 | 2025-06-01 |
Recent Advances in Structured Illumination Microscopy: From Fundamental Principles to AI-Enhanced Imaging
2025-05, Small methods
IF:10.7Q1
DOI:10.1002/smtd.202401616
PMID:40025917
|
综述 | 本文介绍了结构光照明显微镜(SIM)的基本原理及其在超分辨率成像中的最新进展，包括光照和调制设备、图像重建算法，以及深度学习技术在SIM成像中的应用 | 探讨了深度学习技术在SIM成像中的应用，包括提升图像质量、加速成像和重建速度或替代现有图像重建方法，并提出了评估深度学习神经网络的关键指标 | 未提及具体实验数据或样本量，可能缺乏实际应用案例的详细分析 | 介绍SIM的基本原理和最新发展，探讨深度学习在SIM成像中的应用及未来人工智能与SIM系统的整合前景 | 结构光照明显微镜(SIM)技术及其在生物成像中的应用 | 数字病理学 | NA | 结构光照明显微镜(SIM), 深度学习(DL) | 深度学习神经网络 | 图像 | NA |
| 1206 | 2025-06-01 |
Using generative adversarial deep learning networks to synthesize cerebrovascular reactivity imaging from pre-acetazolamide arterial spin labeling in moyamoya disease
2025-May, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03605-1
PMID:40183965
|
research paper | 该研究使用生成对抗网络（GANs）从基线动脉自旋标记（ASL）MRI合成脑血管反应性（CVR）图像，以替代需要乙酰唑胺（ACZ）挑战的传统CVR测量方法 | 首次应用GANs从基线ASL MRI合成CVR图像，避免了ACZ挑战的需求，提高了CVR测量的可行性和广泛应用性 | 低CVR区域的Dice相似系数（DSC）较低（0.593±0.128），表明在低CVR区域的识别上仍有改进空间 | 开发一种无需ACZ挑战的CVR测量方法，以更广泛地评估脑血管健康 | 203例烟雾病（Moyamoya disease）患者的3248张ACZ挑战前后的ASL脑血流（CBF）图像 | digital pathology | moyamoya disease | arterial spin labeling (ASL) MRI | GAN (Pixel-to-Pixel GAN) | image | 203例烟雾病患者，共3248张ASL CBF图像（2640张用于训练，608张用于测试） |
| 1207 | 2025-06-01 |
Deep learning-based denoising image reconstruction of body magnetic resonance imaging in children
2025-May, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06230-5
PMID:40186652
|
研究论文 | 本研究评估了基于深度学习的去噪图像重建技术在儿童体部磁共振成像（MRI）中的应用效果 | 首次在儿童体部MRI中应用深度学习去噪重建技术，显著提高了图像质量和扫描效率 | 非呼吸门控的T1加权图像显示更明显的呼吸运动伪影 | 评估深度学习重建技术在儿童体部MRI中的图像质量提升效果 | 21名1.5-15.8岁的儿童患者 | 数字病理 | NA | 径向k空间采样技术(PROPELLER) | 深度学习 | MRI图像 | 21名儿童患者 |
| 1208 | 2025-06-01 |
AI-Driven TENGs for Self-Powered Smart Sensors and Intelligent Devices
2025-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202417414
PMID:40277838
|
综述 | 本文探讨了人工智能驱动的摩擦纳米发电机（TENGs）在自供电智能传感器和智能设备中的协同潜力 | 通过整合人工智能技术优化TENGs的材料、制造和实时传感能力，提升能量收集和性能优化 | 需要解决低功耗AI算法、可持续材料、混合能源系统和安全协议等关键挑战 | 探索AI与TENGs结合的技术潜力，推动其在各行业的实际应用 | 摩擦纳米发电机（TENGs）及其与人工智能技术的整合 | 智能传感器技术 | NA | 机器学习和深度学习算法 | NA | 机械运动数据 | NA |
| 1209 | 2025-06-01 |
Automated, Standardized, Quantitative Analysis of Cardiovascular Borders on Chest X-Rays Using Deep Learning
2025-May, JACC. Advances
DOI:10.1016/j.jacadv.2025.101687
PMID:40286357
|
研究论文 | 本研究开发了一种基于深度学习的自动化方法，用于量化胸部X光片中的心血管边界，并探索其临床应用价值 | 首次使用深度学习技术对心血管边界进行标准化定量分析，并建立了年龄和性别特定的正常范围 | 研究仅基于特定站点的数据，可能无法完全代表所有人群 | 开发一种自动化、标准化的心血管边界分析方法，并评估其在心血管疾病诊断和风险分层中的临床效用 | 胸部X光片中的心血管边界 | 数字病理 | 心血管疾病 | 深度学习 | 深度学习模型（具体类型未明确说明） | 图像（胸部X光片） | 140,696张胸部X光片（96,129张正常，44,567张疾病） |
| 1210 | 2025-06-01 |
Deep Learning Assisted Outer Volume Removal for Highly-Accelerated Real-Time Dynamic MRI
2025-May-01, ArXiv
PMID:40342862
|
研究论文 | 提出了一种新型的外围体积去除（OVR）方法，用于实时动态MRI中消除非心脏区域的混叠伪影 | 利用深度学习模型识别并去除伪影，结合物理驱动的深度学习方法恢复高时空分辨率图像 | 未提及具体样本量及实验验证的广泛性 | 提高实时动态MRI的高加速率成像质量 | 心脏运动的功能评估 | 医学影像处理 | 心血管疾病 | 深度学习辅助的外围体积去除技术 | PD-DL（物理驱动的深度学习） | MRI图像 | NA |
| 1211 | 2025-06-01 |
Image-Based Deep Learning Model for Predicting Lymph Node Metastasis in Lung Adenocarcinoma With CT ≤ 2 cm
2025-May, Thoracic cancer
IF:2.3Q2
DOI:10.1111/1759-7714.70048
PMID:40425526
|
研究论文 | 本研究开发了一种基于影像的深度学习模型，用于预测CT扫描中直径≤2 cm的肺腺癌患者的淋巴结转移 | 利用Lasso模型筛选临床和影像特征，结合多变量逻辑回归分析建立预测模型，并通过ROC曲线、决策曲线和校准曲线验证模型效果 | 仅使用了内部验证集进行验证，缺乏外部验证 | 提高小直径肺腺癌患者淋巴结转移的术前准确识别，以改善患者生存和预后 | 1740例接受手术切除的临床早期肺腺癌患者 | 数字病理学 | 肺癌 | CT影像分析 | Lasso模型, 逻辑回归 | 影像 | 1740例患者 |
| 1212 | 2025-06-01 |
AI-Driven Detection of Obstructive Sleep Apnea Using Dual-Branch CNN and Machine Learning Models
2025-Apr-30, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13051090
PMID:40426919
|
研究论文 | 本研究比较了机器学习和深度学习方法（如双分支CNN模型）在心电图（ECG）数据中检测阻塞性睡眠呼吸暂停（OSA）的应用 | 提出了一种非侵入性的AI方法，利用双分支CNN模型从ECG信号中检测OSA，解决了传统多导睡眠图（PSG）的局限性 | NA | 比较和对比机器学习和深度学习方法在OSA检测中的应用 | 阻塞性睡眠呼吸暂停（OSA）患者的心电图（ECG）数据 | 机器学习 | 阻塞性睡眠呼吸暂停 | ECG信号分析 | 双分支CNN, CNN | ECG信号 | NA |
| 1213 | 2025-06-01 |
Advancements in Medical Radiology Through Multimodal Machine Learning: A Comprehensive Overview
2025-Apr-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050477
PMID:40428096
|
综述 | 本文综述了多模态机器学习在医学放射学中的最新进展、应用和未来研究方向 | 探讨了多模态学习如何从不同医疗数据源提取新特征，提升算法灵活性，并分析了当前多模态机器学习在放射学中的方法、应用和趋势 | 未提及具体的技术实现细节或实验验证结果 | 促进人工智能在医学影像中的整合应用，提升诊断效率和患者护理水平 | 医学放射学中的多模态数据（影像、文本和结构化医疗数据） | 数字病理 | NA | 多模态机器学习 | NA | 影像、文本、结构化医疗数据 | NA |
| 1214 | 2025-06-01 |
Modelling the Ki67 Index in Synthetic HE-Stained Images Using Conditional StyleGAN Model
2025-Apr-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050476
PMID:40428095
|
研究论文 | 本研究利用条件式StyleGAN模型生成基于Ki67指数的合成HE染色图像序列，以探索HE染色与Ki67染色之间的隐藏关系并增强预测模型的可解释性 | 首次将条件式StyleGAN模型应用于生成反映不同Ki67指数值的HE染色图像序列，并评估模型捕捉HE图像中Ki67相关变化的能力 | 需要病理学专家评估生成序列的相关性，可能存在主观偏差 | 开发可解释的框架，用于从HE染色图像分析和预测免疫组化信息 | 合成HE染色图像及其与Ki67指数的关系 | 数字病理学 | 癌症 | 条件式生成对抗网络 | StyleGAN | 图像 | NA |
| 1215 | 2025-06-01 |
Towards proactively improving sleep: machine learning and wearable device data forecast sleep efficiency 4-8 hours before sleep onset
2025-Apr-28, Sleep
IF:5.3Q1
DOI:10.1093/sleep/zsaf113
PMID:40293116
|
研究论文 | 本研究利用机器学习和可穿戴设备数据，在睡眠开始前4-8小时预测睡眠效率，旨在主动改善睡眠质量 | 首次开发了在睡眠开始前预测睡眠效率的模型，并识别了影响睡眠效率的活动时间窗口 | 研究仅基于UK Biobank的加速度计数据，未考虑其他可能影响睡眠的因素 | 开发能够提前预测睡眠效率的模型，为主动改善睡眠提供依据 | 80,811名UK Biobank成年参与者的睡眠和活动数据 | 机器学习 | 睡眠障碍 | 加速度计数据分析 | CatBoost和CNN-LSTM | 时间序列数据 | 80,811名成年人 |
| 1216 | 2025-06-01 |
Development and Validation of a Deep Learning System for the Detection of Nondisplaced Femoral Neck Fractures
2025-Apr-28, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050466
PMID:40428085
|
research paper | 开发并验证了一种用于检测非移位性股骨颈骨折的深度学习系统 | 使用基于ResNet框架的CNN模型，显著提高了非移位性股骨颈骨折的诊断准确性 | 研究主要基于两家医院的影像数据，外部验证数据集来源未详细说明 | 提高非移位性股骨颈骨折的诊断准确性 | 非移位性股骨颈骨折患者 | digital pathology | geriatric disease | deep learning | CNN (ResNet framework) | image | 2032张髋关节X光片 |
| 1217 | 2025-06-01 |
FOVEA: Preoperative and intraoperative retinal fundus images with optic disc and retinal vessel annotations
2025-Apr-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04965-2
PMID:40287417
|
research paper | 介绍了一个名为FOVEA的数据集，包含术前和术中的视网膜眼底图像及其注释，旨在支持深度学习在玻璃体视网膜手术中的应用 | FOVEA是首个在术中领域与术前领域匹配高质量注释的数据集 | 数据集仅包含40名患者的数据，样本量相对较小 | 支持玻璃体视网膜手术中的深度学习应用，如定位兴趣点或注册额外的成像模态 | 视网膜眼底图像及其注释 | computer vision | 眼科疾病 | 生物显微镜成像 | NA | image, video | 40名患者的数据 |
| 1218 | 2025-06-01 |
Radiomics Analysis of Whole-Kidney Non-Contrast CT for Early Identification of Chronic Kidney Disease Stages 1-3
2025-Apr-25, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050454
PMID:40428073
|
研究论文 | 本研究通过放射组学分析非对比CT图像，结合机器学习技术，旨在早期识别慢性肾病（CKD）1-3期 | 利用放射组学特征结合机器学习技术，首次在非对比CT图像上实现了对CKD早期阶段的非侵入性诊断，且性能优于放射科医师的视觉评估 | 研究为回顾性设计，且仅针对CKD 1-3期患者 | 评估基于非对比CT的放射组学特征结合机器学习技术在区分CKD 1-3期与健康对照中的潜力 | 1099名CKD 1-3期患者和1099名健康对照者 | 数字病理学 | 慢性肾病 | 非对比CT成像、放射组学分析 | VB-net（用于分割）、Gaussian process分类器 | 医学影像（CT图像） | 2198名参与者（1099名患者+1099名对照） |
| 1219 | 2025-06-01 |
PE-MT: A Perturbation-Enhanced Mean Teacher for Semi-Supervised Image Segmentation
2025-Apr-25, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050453
PMID:40428072
|
研究论文 | 提出了一种基于不确定性感知均值教师框架的新型半监督分割方法PE-MT，通过引入扰动增强指数移动平均和残差引导不确定性图来提升学生和教师模型的性能 | 引入了扰动增强指数移动平均(pEMA)和残差引导不确定性图(RUM)，以缓解学生和教师模型之间的耦合效应，并准确定位高不确定性区域 | 未提及具体局限性 | 提升医学图像分割的准确性，特别是在标注数据有限的情况下 | 心脏区域 | 数字病理 | 心血管疾病 | 半监督学习 | 均值教师框架(UA-MT) | 医学图像 | 公共LASC和ACDC数据集 |
| 1220 | 2025-06-01 |
Artificial Intelligence in Chest Radiography-A Comparative Review of Human and Veterinary Medicine
2025-Apr-25, Veterinary sciences
IF:2.0Q2
DOI:10.3390/vetsci12050404
PMID:40431497
|
review | 本文比较了人工智能在人类和兽医胸部放射学中的应用及其影响 | 比较了人类和兽医医学中AI在胸部放射学中的应用，探讨了各自的挑战和潜力 | 数据限制、算法偏见、需要广泛验证以及伦理和监管问题阻碍了AI的全面实施 | 探讨AI在人类和兽医胸部放射学中的应用及其对诊断速度、准确性和效率的影响 | 人类和兽医医学中的胸部放射学 | digital pathology | NA | deep learning | NA | image | NA |