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 30895 篇文献，本页显示第 12801 - 12820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12801 | 2024-11-07 |
Editorial for "Development of a Dual-Plane MRI-Based Deep Learning Model to Assess the 1-Year Postoperative Outcomes in Lumbar Disc Herniation After Tubular Microdiscectomy"
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29637
PMID:39501638
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12802 | 2025-04-12 |
Development of a Dual-Plane MRI-Based Deep Learning Model to Assess the 1-Year Postoperative Outcomes in Lumbar Disc Herniation After Tubular Microdiscectomy
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29639
PMID:39501646
|
研究论文 | 开发一种基于双平面MRI的深度学习模型，用于评估腰椎间盘突出症患者接受管状显微椎间盘切除术后的1年预后效果 | 首次将术前双平面MRI的深度学习特征与临床特征相结合，用于评估管状显微椎间盘切除术的1年预后效果 | 研究为回顾性设计，可能存在选择偏倚；外部验证集的样本量相对较小 | 评估深度学习模型在预测腰椎间盘突出症手术预后中的应用价值 | 接受管状显微椎间盘切除术的腰椎间盘突出症患者 | 数字病理学 | 腰椎间盘突出症 | MRI (T2加权序列) | ResNet50, ResNet101, ResNet152 | 图像 | 548名患者（训练集305名，内部验证集131名，外部验证集112名） |
| 12803 | 2025-04-12 |
Development and Validation of a Deep Learning System to Differentiate HER2-Zero, HER2-Low, and HER2-Positive Breast Cancer Based on Dynamic Contrast-Enhanced MRI
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29670
PMID:39643475
|
研究论文 | 开发并验证了一种基于动态对比增强MRI（DCE-MRI）的深度学习系统，用于自动分割肿瘤并分类HER2-zero、HER2-low和HER2-positive状态的乳腺癌 | 首次使用深度学习系统（ResNetGN）基于DCE-MRI数据自动分割肿瘤并分类HER2状态，填补了此前研究在深度学习应用上的不确定性 | 研究为回顾性设计，可能存在选择偏差，且样本仅来自三个中心，可能影响模型的泛化能力 | 开发一种自动化工具，通过DCE-MRI数据在术前区分乳腺癌的HER2表达状态，以指导治疗决策 | 1294名乳腺癌患者（训练集811例，内部测试集204例，外部测试集279例）的DCE-MRI数据 | 数字病理学 | 乳腺癌 | 动态对比增强MRI（DCE-MRI） | ResNetGN | MRI图像 | 1294例乳腺癌患者（训练集811例，内部测试集204例，外部测试集279例） |
| 12804 | 2025-04-12 |
Deep learning algorithm classification of tympanostomy tube images from a heterogenous pediatric population
2025-May, International journal of pediatric otorhinolaryngology
IF:1.2Q3
DOI:10.1016/j.ijporl.2025.112311
PMID:40096786
|
研究论文 | 本研究评估了一种基于深度学习算法的AI技术，用于通过家用数字耳镜图像分类儿童鼓膜置管状态 | 首次在异质性儿科人群中验证了基于消费级数字耳镜图像的深度学习算法对鼓膜置管状态的分类能力 | 排除了有鼓膜成形术或胆脂瘤病史的患者，样本量相对较小(69名儿童) | 评估AI算法通过数字耳镜图像准确判断鼓膜置管状态(在位通畅/脱出/缺失)的能力 | 10个月至10岁有鼓膜置管史的儿科患者 | 数字病理 | 儿科耳科疾病 | 深度学习 | 深度学习算法(未指定具体架构) | 图像 | 69名儿童产生的296张耳镜图像 |
| 12805 | 2025-04-12 |
Editorial for "Development and Validation of a Deep Learning System to Differentiate HER2-Zero, HER2-Low, and HER2-Positive Breast Cancer Based on Dynamic Contrast-Enhanced MRI"
2025-May, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29697
PMID:39776259
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12806 | 2025-04-12 |
Biological characteristics prediction of endometrial cancer based on deep convolutional neural network and multiparametric MRI radiomics
2025-Apr-11, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04929-5
PMID:40214699
|
研究论文 | 本研究结合多参数MRI、深度学习和机器学习，开发了一种优化的放射组学方案，用于预测子宫内膜癌的多种生物学特征 | 结合多参数MRI、深度学习和机器学习，开发了一种优化的放射组学方案，用于预测子宫内膜癌的多种生物学特征，并在多个预测任务中表现出色 | 回顾性研究，样本量相对较小（201例患者），可能存在选择偏差 | 预测子宫内膜癌的生物学特征，包括肌层浸润、淋巴血管间隙浸润、组织学分级和雌激素受体状态 | 201例子宫内膜癌患者 | 数字病理学 | 子宫内膜癌 | 多参数MRI、放射组学 | 深度卷积神经网络（CNN） | MRI图像 | 201例子宫内膜癌患者 |
| 12807 | 2025-04-12 |
MLG2Net: Molecular Global Graph Network for Drug Response Prediction in Lung Cancer Cell Lines
2025-Apr-10, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02182-3
PMID:40208442
|
research paper | 该研究提出了一种名为MLG2Net的深度学习模型，用于预测肺癌细胞系的药物反应 | MLG2Net是一种受图神经网络启发的模型，结合了药物的局部和全局图网络描述以及细胞系基因组学数据 | 在肺鳞状细胞癌数据集上表现较低，可能由于数据集规模较小影响了模型能力 | 提高肺癌细胞系药物反应预测的准确性 | 肺癌细胞系（肺腺癌和肺鳞状细胞癌） | machine learning | lung cancer | pharmacogenomics data | graph neural networks (GNN) | multi-omics data | LUAD和LUSC细胞系数据集（具体数量未提及） |
| 12808 | 2025-04-12 |
A Deep Learning-Based Approach for the Diagnostic of Brucellar Spondylitis in Magnetic Resonance Images
2025-Apr-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3559909
PMID:40208763
|
研究论文 | 提出了一种基于深度学习的自动化诊断框架BSMRINet，用于从T2加权磁共振图像中诊断布鲁氏菌性脊柱炎 | 首次开发了专门用于检测布鲁氏菌性脊柱炎的深度学习模型BSMRINet，结合了角点检测算法和ResNet、DenseNet架构，并改进了scSE网络 | 研究仅基于582例来自四家医院的数据，可能需要更大规模的多中心验证 | 开发自动化诊断工具以提高布鲁氏菌性脊柱炎的诊断准确性和效率 | 布鲁氏菌性脊柱炎患者的T2加权磁共振图像 | 数字病理学 | 布鲁氏菌病 | 深度学习 | ResNet, DenseNet, scSE网络 | 磁共振图像 | 582例来自四家医院的患者队列 |
| 12809 | 2025-04-10 |
Author Correction: Advanced predictive machine and deep learning models for round-ended CFST column
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95424-w
PMID:40199925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12810 | 2025-04-12 |
A synergistic approach for enhanced eye blink detection using wavelet analysis, autoencoding and Crow-Search optimized k-NN algorithm
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95119-2
PMID:40199999
|
研究论文 | 提出了一种结合小波分析、自编码和乌鸦搜索优化的k-NN算法的新型眼电信号眨眼检测方法 | 首次将小波分析、自编码和乌鸦搜索优化的k-NN算法相结合，用于EEG信号的眼眨检测 | 未明确说明方法在实时检测或不同EEG设备上的适用性 | 提高从EEG信号中检测眼眨的准确性和效率 | EEG信号中的眼眨特征 | 生物医学信号处理 | NA | 小波分析, 自编码, 乌鸦搜索算法 | k-NN | EEG信号 | NA |
| 12811 | 2025-04-12 |
Leveraging artificial intelligence for diagnosis of children autism through facial expressions
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96014-6
PMID:40200029
|
research paper | 该研究利用人工智能技术，通过儿童面部表情诊断自闭症谱系障碍（ASD） | 提出了一种混合深度学习模型ViT-ResNet152，结合了卷积和Transformer处理单元，提高了ASD诊断的准确率至91.33% | 未来研究需要纳入多种数据类型，扩展数据集多样性，并优化混合架构系统以提高诊断预测能力 | 开发高精度和标准化的早期ASD检测方法 | 自闭症谱系障碍（ASD）儿童 | computer vision | autism spectrum disorder | deep learning, transfer learning, fine-tuning | DenseNet201, ResNet152, VGG16, VGG19, MobileNetV2, EfficientNet-B0, ViT-ResNet152 | RGB images | NA |
| 12812 | 2025-04-12 |
Anesthesia depth prediction from drug infusion history using hybrid AI
2025-Apr-08, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02986-w
PMID:40200239
|
research paper | 本研究提出了一种结合LSTM、Transformer和KAN的混合AI模型，用于从药物输注历史中预测麻醉深度 | 整合了LSTM、Transformer和KAN三种深度学习技术，分别处理麻醉预测中的时序性、上下文理解和非线性关系 | 未来需要提高模型鲁棒性、探索实时应用并解决预测分析中的潜在偏差 | 提高麻醉深度预测的准确性以保障患者安全和优化手术结果 | 麻醉患者的药物输注历史和生理数据 | machine learning | NA | 深度学习 | LSTM, Transformer, KAN | 生理数据 | 来自公开麻醉监测数据库VitalDB的患者数据 |
| 12813 | 2025-04-12 |
HepatoToxicity Portal (HTP): an integrated database of drug-induced hepatotoxicity knowledgebase and graph neural network-based prediction model
2025-Apr-08, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-00992-8
PMID:40200282
|
研究论文 | 开发了一个集成药物诱导肝毒性知识库和图神经网络预测模型的HepatoToxicity Portal (HTP) | 整合了专家策划的知识库(HTP-KB)和基于GNN的先进机器学习模型(HTP-Pred)，显著提高了肝毒性预测的准确性 | 未提及具体局限性 | 解决药物开发中肝毒性预测的信息分散和数据异质性问题 | 8,306种化学物质 | 机器学习 | 肝毒性 | GNN | 图神经网络 | 化学物质数据 | 8,306种化学物质，预训练使用了PubChem数据库中约1,000万种化学物质 |
| 12814 | 2025-04-12 |
MIDAA: deep archetypal analysis for interpretable multi-omic data integration based on biological principles
2025-Apr-08, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03530-9
PMID:40200293
|
研究论文 | 介绍了一种基于生物学原则的多组学数据集成框架MIDAA，结合原型分析和深度学习 | 结合原型分析和深度学习，基于进化权衡和帕累托最优性，保留生物相互作用的复杂性同时提供可解释的输出 | NA | 解决高维多组学数据集成和解释的挑战，提供生物学相关且可解释的模式 | 高维多组学分子数据 | 机器学习 | NA | 深度学习 | 原型分析结合深度学习 | 多组学数据 | NA |
| 12815 | 2025-04-12 |
Automatic identification of hard and soft tissue landmarks in cone-beam computed tomography via deep learning with diversity datasets: a methodological study
2025-Apr-08, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-05831-8
PMID:40200295
|
研究论文 | 本研究提出了一种新的深度学习方法，用于在CBCT图像上自动识别和定位软硬组织颅面标志点 | 应用深度学习方法在多样化的错颌畸形患者CBCT数据上自动识别软硬组织标志点，提高了识别效率和准确性 | 研究样本量相对有限（498例），且仅评估了43个标志点的识别准确性 | 开发一种自动识别CBCT图像中颅面软硬组织标志点的深度学习方法 | 498例不同类型错颌畸形患者的CBCT图像 | 数字病理 | 错颌畸形 | CBCT成像 | 深度学习 | 医学影像 | 498例CBCT图像 |
| 12816 | 2025-04-12 |
A beginner's approach to deep learning applied to VS and MD techniques
2025-Apr-08, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-00985-7
PMID:40200329
|
综述 | 本文综述了深度学习在分子建模技术中的应用，特别是虚拟筛选和分子动力学模拟 | 探讨了深度学习如何克服虚拟筛选和分子动力学模拟中的限制，并提高效率和准确性 | 深度学习在计算化学领域的知识仍然有限且分散 | 旨在帮助计算化学家了解如何将深度学习整合到分子建模研究中 | 虚拟筛选(VS)和分子动力学(MD)技术 | 计算化学 | NA | 深度学习(DL) | NA | 分子建模数据 | NA |
| 12817 | 2025-04-12 |
Rapid Identification of Medicinal Polygonatum Species and Predictive of Polysaccharides Using ATR-FTIR Spectroscopy Combined With Multivariate Analysis
2025-Apr, Phytochemical analysis : PCA
IF:3.0Q2
DOI:10.1002/pca.3459
PMID:39422183
|
research paper | 本研究基于ATR-FTIR光谱结合多元分析方法，开发了药用黄精种类的定性模型和多糖预测模型 | 结合ATR-FTIR光谱与多元分析方法，实现了药用黄精种类的快速鉴别和多糖含量的高效预测，特别是ResNet模型无需复杂预处理即可实现100%正确分类 | 未来研究可进一步探索便携式红外光谱仪的应用，并将红外光谱技术扩展到药用黄精其他化学成分的预测 | 开发药用黄精种类的定性模型和多糖预测模型，以提高其质量控制和功效评估 | 334个药用黄精样本和110个黄精多糖样本 | 光谱分析 | NA | ATR-FTIR光谱、多元分析、PLSR、Kernel-PLSR、ResNet | OPLS-DA、PLSR、Kernel-PLSR、ResNet | 光谱数据 | 334个药用黄精样本和110个黄精多糖样本 |
| 12818 | 2025-04-12 |
Comparison of Intratumoral and Peritumoral Deep Learning, Radiomics, and Fusion Models for Predicting KRAS Gene Mutations in Rectal Cancer Based on Endorectal Ultrasound Imaging
2025-Apr, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-024-16697-5
PMID:39690384
|
research paper | 比较基于直肠内超声图像的肿瘤内和肿瘤周围深度学习、放射组学及融合模型在预测直肠癌KRAS基因突变中的表现 | 首次比较了肿瘤内和肿瘤周围区域的深度学习、放射组学及融合模型在预测KRAS突变中的效果，并展示了融合模型的优越性 | 研究样本来自单一医疗中心，可能影响模型的泛化能力 | 预测直肠癌中的KRAS基因突变 | 直肠癌患者 | digital pathology | rectal cancer | endorectal ultrasound imaging | CNN, radiomics, fusion models | image | 304名直肠癌患者（训练组213名，测试组91名） |
| 12819 | 2025-04-12 |
Identification of lesion bioactivity in hepatic cystic echinococcosis using a transformer-based fusion model
2025-Apr, The Journal of infection
IF:14.3Q1
DOI:10.1016/j.jinf.2025.106455
PMID:40049526
|
研究论文 | 本研究评估了基于Transformer的融合模型在评估肝囊型包虫病（HCE）病变活性方面的性能 | 使用Transformer网络架构构建的多模态融合模型，整合了临床特征、放射组学特征以及2D和3D深度学习特征，显著提高了HCE病变活性的分类性能 | 研究仅基于三家医院的数据，可能缺乏更广泛的地理和人群代表性 | 开发有效的方法来区分肝囊型包虫病（HCE）病变的生物活性，以制定更有效的治疗方案 | 700名HCE患者的CT图像和临床变量 | 数字病理学 | 肝囊型包虫病 | CT成像、放射组学分析、深度学习 | Transformer-based融合模型、2D深度学习模型、3D深度学习模型 | CT图像、临床变量 | 700名HCE患者 |
| 12820 | 2025-04-12 |
An artificial intelligence tool that may assist with interpretation of rapid plasma reagin test for syphilis: Development and on-site evaluation
2025-Apr, The Journal of infection
IF:14.3Q1
DOI:10.1016/j.jinf.2025.106454
PMID:40043816
|
research paper | 开发并验证了一种基于人工智能的快速血浆反应素（RPR）测试解释工具，用于梅毒诊断和治疗效果评估 | 利用深度学习算法开发了一种用户友好的RPR-AI解释工具，可在智能手机上进行现场解释，提高了RPR测试的标准化和数据可追溯性 | 模型的准确性仍有提升空间，特别是在反应性圆圈的识别上 | 开发并验证一种用于梅毒诊断和治疗效果评估的RPR-AI解释工具 | 600张RPR卡片图像，来自276个阴性和223个阳性RPR样本 | digital pathology | syphilis | deep learning | CNN | image | 600张RPR卡片图像（276阴性，223阳性），现场研究涉及669个样本 |