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 25647 篇文献，本页显示第 1261 - 1280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1261 | 2025-05-19 |
Deep learning-based prediction of individualized Real-time FSH doses in GnRH agonist long protocols
2025-May-15, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-06562-8
PMID:40375277
|
研究论文 | 开发了一种深度学习模型，用于预测接受控制性卵巢刺激（COS）患者的个性化每日FSH剂量 | 首次应用跨时间和跨特征的深度学习框架，在整个COS过程中进行每日个性化FSH剂量预测 | 目前受限于回顾性、单中心设计 | 优化辅助生殖中的控制性卵巢刺激（COS）结果 | 接受GnRH激动剂长方案COS的患者 | 机器学习 | 生殖健康 | 深度学习 | CTFE（跨时间和跨特征编码） | 临床数据 | 13,788个IVF/ICSI周期（2018年1月至2020年12月） |
| 1262 | 2025-05-19 |
EnGCI: enhancing GPCR-compound interaction prediction via large molecular models and KAN network
2025-May-15, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-025-02238-3
PMID:40375308
|
研究论文 | 本文提出了一种名为EnGCI的新模型，用于增强G蛋白偶联受体-化合物相互作用（GCI）的预测能力 | EnGCI模型结合了两种互补模块：一种从零开始学习分子特征，另一种利用预训练的大型分子模型提取分子特征，通过KAN网络进行决策，显著提高了预测准确性 | NA | 研究旨在提高G蛋白偶联受体-化合物相互作用（GCI）的预测能力，以促进药物发现和化学基因组学 | G蛋白偶联受体（GPCRs）和化合物 | 机器学习 | NA | 深度学习 | GIN, CNN, KAN | 分子数据 | NA |
| 1263 | 2025-05-19 |
Applications of machine learning and deep learning in musculoskeletal medicine: a narrative review
2025-May-15, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-02511-9
PMID:40375335
|
综述 | 本文综述了机器学习和深度学习在肌肉骨骼医学中的应用 | 提供了机器学习和深度学习在肌肉骨骼医学中的全面应用概述，包括不同机器学习概念及其临床应用 | 数据标注标准化不足，结果有效性不够，法律方面尚未明确 | 探讨机器学习和深度学习在肌肉骨骼医学中的应用及其潜力 | 肌肉骨骼医学领域 | 机器学习 | 肌肉骨骼疾病 | 机器学习，深度学习 | 监督学习，无监督学习，强化学习 | NA | NA |
| 1264 | 2025-05-19 |
Deep normative modelling reveals insights into early-stage Alzheimer's disease using multi-modal neuroimaging data
2025-May-15, Alzheimer's research & therapy
DOI:10.1186/s13195-025-01753-3
PMID:40375339
|
研究论文 | 本研究应用深度学习规范模型分析多模态神经影像数据，探索早期阿尔茨海默病的细微差异 | 首次将深度学习规范模型应用于多模态MRI数据，量化个体与健康人群的偏差，检测早期AD相关差异 | 研究依赖于外部EPAD队列数据，样本可能受未诊断或共病因素影响 | 探索规范建模在检测早期阿尔茨海默病相关脑形态差异中的应用 | 非痴呆人群（含AD风险个体）的多模态MRI数据 | 数字病理学 | 阿尔茨海默病 | 多模态MRI扫描 | 深度学习规范模型 | 神经影像数据 | UK Biobank预训练数据+外部EPAD队列非痴呆个体 |
| 1265 | 2025-05-19 |
Privacy-Protecting Image Classification Within the Web Browser Using Deep Learning Models from Zenodo
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250288
PMID:40380400
|
研究论文 | 介绍了一个基于Web的应用程序WebIPred，用于在客户端浏览器内直接加载深度学习模型，以保护患者隐私并保持与临床IT环境的兼容性 | 提出了WebIPred，一个直接在客户端浏览器内运行深度学习模型的隐私保护解决方案，无需依赖云端处理 | 未提及具体性能指标或与现有解决方案的详细比较 | 开发一个隐私保护的图像分类工具，便于临床医生将AI整合到工作流程中 | 医疗图像分析 | 数字病理 | NA | 深度学习 | 预训练深度学习模型 | 图像 | NA |
| 1266 | 2025-05-19 |
Bias Detection in Histology Images Using Explainable AI and Image Darkness Assessment
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250302
PMID:40380414
|
research paper | 该研究提出了一种结合可解释AI和图像暗度评估的新框架，用于检测和减轻宫颈组织学图像分类中的偏差 | 结合可解释AI和图像暗度评估来检测和减轻医学AI模型中的偏差，提高了模型的准确性和公平性 | 研究中仅使用了四种深度学习架构，可能未涵盖所有可能的模型类型 | 提高医学AI模型的公平性、泛化能力和临床实用性 | 宫颈组织学图像 | digital pathology | cervical cancer | Explainable AI (XAI), image darkness assessment | AlexNet, ResNet-50, EfficientNet-B0, DenseNet-121 | image | NA |
| 1267 | 2025-05-19 |
Exploring Differential Diagnosis-Based Explainable AI: A Case Study in Melanoma Detection
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250389
PMID:40380499
|
研究论文 | 本文提出了一种基于鉴别诊断的可解释AI方法，用于黑色素瘤检测，并通过与常用XAI方法的比较验证其优越性 | 提出了一种与临床鉴别诊断技术相一致的创新XAI方法，提供了更全面的解释 | 仅针对黑色素瘤检测进行了案例研究，未验证在其他疾病诊断中的适用性 | 提高AI模型在黑色素瘤检测中的可解释性和临床可信度 | 黑色素瘤诊断 | 数字病理 | 黑色素瘤 | 深度学习 | XAI | 图像 | NA |
| 1268 | 2025-05-19 |
Challenging Black-Box Models: Interpretable Explanations for ECG Classification
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250405
PMID:40380515
|
research paper | 本文提出了一种基于时间对齐心电图的可解释性逻辑回归分类器，用于心电图分类 | 使用非深度学习的分类器实现可比较的性能，并引入实时反事实解释的新机会 | 未提及具体性能对比数据或与其他方法的详细比较 | 提高心电图分类模型的可解释性 | 心电图数据 | machine learning | 心血管疾病 | 逻辑回归 | logistic regression | 时间序列数据（心电图） | NA |
| 1269 | 2025-05-19 |
Patient Survival Prediction by Analyzing Pathological Images of Patients After Liver Transplantation
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250430
PMID:40380539
|
研究论文 | 通过分析肝移植后患者的病理图像预测患者生存情况 | 自动完成从病理图像中提取细胞核特征到预测患者生存的整个过程，并建立了在数据量小的情况下仍能正确预测生存的方法 | 样本量较小（n=67），且仅针对肝移植患者 | 预测肝移植后患者的生存情况，辅助临床决策 | 肝移植患者的病理图像 | 数字病理 | 肝癌 | 深度学习 | VIT (Vision Transformer), CoxPH, Kaplan-Meier | 图像 | 67名肝移植患者，每位患者约2张病理图像，每张大图像平均分割为30张小图像 |
| 1270 | 2025-05-19 |
Artificial Intelligence Powered Audiomics: The Futuristic Biomarker in Pulmonary Medicine - A State-of-the-Art Review
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250491
PMID:40380599
|
review | 本文综述了AI驱动的'声组学'在利用声音和呼吸音作为非侵入性生物标志物诊断和管理肺部疾病中的应用 | 利用AI分析声学特征，提高诊断准确性并追踪疾病进展，为肺部疾病提供新型非侵入性诊断方法 | 数据隐私和标准化等伦理挑战仍是临床应用的障碍 | 探索AI驱动的声组学在肺部疾病诊断和管理中的应用潜力 | COVID-19、结核病、间质性肺病(ILD)、哮喘和慢性阻塞性肺病(COPD)等肺部疾病 | 数字病理学 | lung cancer | 机器学习和深度学习 | NA | 声音信号 | NA |
| 1271 | 2025-05-19 |
Leveraging Vision Transformers in Multimodal Models for Retinal OCT Analysis
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250567
PMID:40380672
|
research paper | 本研究探讨了深度学习模型（包括CNN和ViT）在视网膜OCT图像分类中的效果，并研究了整合元数据对分类过程的影响 | 探索了Vision Transformers (ViTs)在医学图像分析中的潜力，特别是在处理复杂多模态数据时 | 研究中存在大量元数据缺失的情况 | 提高视网膜OCT图像的分类准确性，以辅助诊断视网膜疾病 | 视网膜OCT图像 | computer vision | Age-related Macular Degeneration (AMD), Diabetic Macular Edema (DME) | OCT | CNN, Vision Transformers (ViTs), Multimodal ResNet18, DenseNet121 | image, metadata | NA |
| 1272 | 2025-05-19 |
Energy-Efficient AI for Medical Diagnostics: Performance and Sustainability Analysis of ResNet and MobileNet
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250585
PMID:40380690
|
研究论文 | 比较ResNet和MobileNet在胸部疾病分类中的能源效率 | 首次系统比较ResNet和MobileNet在医疗诊断中的能源消耗，强调AI模型的能效优化 | 仅比较了两种模型，未考虑其他可能更高效的架构 | 评估AI模型在医疗诊断中的能源效率 | ResNet和MobileNet模型 | 计算机视觉 | 胸部疾病 | 深度学习 | ResNet, MobileNet | 医学影像数据 | CheXpert数据集 |
| 1273 | 2025-05-19 |
Explainable Versus Interpretable AI in Healthcare: How to Achieve Understanding
2025-May-15, Studies in health technology and informatics
DOI:10.3233/SHTI250639
PMID:40380742
|
research paper | 本文探讨了在医疗领域中可解释AI与可理解AI的区别，并提出了一种基于Daniel Dennett意向立场的方法论，以分析AI解释如何促进用户更深层次的参与和理解 | 提出了一种基于Daniel Dennett意向立场的方法论，用于分析AI解释如何促进用户理解，并探讨了该方法论对医疗聊天机器人开发和监管的影响 | 未提及具体实验数据或案例研究来验证所提方法论的有效性 | 探讨AI在医疗决策支持系统中的解释、解释与理解之间的区别，并提出促进用户理解的方法 | AI驱动的决策支持系统，特别是基于大型语言模型（LLMs）的医疗聊天机器人 | natural language processing | NA | NA | LLM | text | NA |
| 1274 | 2025-05-19 |
AITom: AI-guided cryo-electron tomography image analyses toolkit
2025-May-14, Journal of structural biology
IF:3.0Q3
DOI:10.1016/j.jsb.2025.108207
PMID:40378936
|
research paper | 介绍AITom，一个为冷冻电子断层扫描（cryo-ET）研究人员设计的开源人工智能平台 | AITom整合了公共和专有算法，支持传统模板和无模板方法，以及先进的深度学习技术，用于cryo-ET数据分析 | NA | 开发高效准确的大规模图像分析方法，以解决cryo-ET在三维亚细胞成分定位、识别、分割和结构恢复方面的挑战 | 冷冻电子断层扫描图像 | structural biology | NA | cryo-electron tomography (cryo-ET) | deep learning | image | NA |
| 1275 | 2025-05-19 |
Blockchain enabled collective and combined deep learning framework for COVID19 diagnosis
2025-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00252-7
PMID:40360521
|
研究论文 | 提出了一种结合区块链技术和深度学习的新型框架CLCD-Block，用于COVID-19的诊断 | 结合区块链技术与联合学习范式，确保数据安全分发并降低复杂性，采用混合胶囊学习网络进行准确预测 | 未来工作需关注模型的可扩展性提升、实时性能优化以及对更广泛医疗数据集的适应性 | 开发一种既准确又能保护隐私的协作模型，用于COVID-19诊断 | COVID-19的诊断 | 数字病理学 | COVID-19 | 深度学习、区块链技术 | 混合胶囊学习网络 | 肺部CT图像 | 四个基准数据集 |
| 1276 | 2025-05-19 |
User preference modeling for movie recommendations based on deep learning
2025-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00030-5
PMID:40360567
|
研究论文 | 本文提出了一种基于深度学习的电影推荐方法，通过分析用户行为记录和电影内容元素，提高推荐系统的个性化程度 | 结合AI、图技术和文本挖掘技术，利用PageRank和CNN模型提升电影推荐的准确性和召回率 | 实验样本量较小，仅包含215名用户的浏览数据 | 提升电影推荐系统的个性化程度和推荐准确性 | 电影推荐系统和用户偏好 | 自然语言处理 | NA | AI、图技术、文本挖掘 | CNN | 用户浏览记录、电影内容 | 215名用户的508个电影页面浏览数据 |
| 1277 | 2025-05-19 |
Dual level dengue diagnosis using lightweight multilayer perceptron with XAI in fog computing environment and rule based inference
2025-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98365-6
PMID:40360639
|
研究论文 | 本研究提出了一种在雾计算环境中使用轻量级多层感知器（MLP）和可解释人工智能（XAI）进行双级登革热诊断的框架 | 结合雾计算环境实现双级诊断，利用XAI工具解释模型预测，提高诊断效率和准确性 | 使用的小型数据集可能限制模型的泛化能力 | 提高登革热远程诊断的效率和准确性 | 登革热患者 | 数字病理 | 登革热 | 机器学习、深度学习、XAI（SHAP和LIME） | 轻量级MLP | 临床症状数据和血清学检测报告 | 小型数据集（具体数量未提及） |
| 1278 | 2025-05-19 |
Detection of sugar beet seed coating defects via deep learning
2025-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98253-z
PMID:40360658
|
研究论文 | 该研究利用YOLO算法对甜菜种子包衣缺陷进行检测和分类，以提高种子质量和生产效率 | 首次将YOLOv10系列模型应用于甜菜种子包衣缺陷检测，并构建了包含2000个样本的原始数据库 | 研究仅针对甜菜种子，未验证在其他作物种子上的适用性 | 通过深度学习技术提高种子包衣质量检测效率 | 甜菜种子 | 计算机视觉 | NA | 深度学习图像处理 | YOLOv10-N, YOLOv10-L, YOLOv10-X | 图像 | 2000个包衣甜菜种子的高分辨率RGB图像 |
| 1279 | 2025-05-19 |
AI-IoT based smart agriculture pivot for plant diseases detection and treatment
2025-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98454-6
PMID:40360734
|
研究论文 | 本文提出了一种基于AI-IoT的智能农业枢纽，用于植物病害检测和治疗 | 提出了一种新的IoT系统架构和硬件试点，基于现有的中心枢纽开发深度学习模型，用于多种作物的植物病害检测和治疗，克服了无人机和机器人技术的限制 | 未提及具体局限性 | 开发智能农业解决方案，解决植物病害检测和治疗问题 | 多种作物的植物叶片 | 智能农业 | 植物病害 | 深度学习 | ResNet50 | 图像 | 25,940张图像，涵盖11类植物叶片 |
| 1280 | 2025-05-19 |
Fast cortical thickness estimation using deep learning-based anatomy segmentation and diffeomorphic registration
2025-May-13, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种基于深度学习的解剖分割和微分同胚配准的快速皮层厚度估计框架 | 结合CNN分割模型和无监督学习配准网络，提出了一种新的基于不同时间点微分同胚的算法来计算厚度图 | 未提及具体的数据集规模限制或计算资源需求 | 提高皮层厚度估计的准确性和效率，适用于大规模神经科学研究及临床应用 | 磁共振图像(MRIs)中的皮层厚度 | 医学图像分析 | 神经科学相关疾病 | 深度学习，微分同胚配准 | CNN，无监督学习配准网络 | 磁共振图像(MRIs) | 在两个不同的数据集上进行了系统评估 |