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 14101 - 14120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14101 | 2025-10-07 |
Cellpose as a reliable method for single-cell segmentation of autofluorescence microscopy images
2024-Jun-10, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.07.597994
PMID:38915614
|
研究论文 | 本研究验证了深度学习网络Cellpose在自发荧光显微镜图像中进行单细胞分割的可靠性 | 首次将Cellpose应用于低信噪比的自发荧光显微镜图像分割，并在代谢成像数据中验证其性能 | 研究主要针对NAD(P)H自发荧光图像，在其他自发荧光对比度下的泛化能力需进一步验证 | 开发适用于自发荧光显微镜图像的可靠细胞分割方法 | PANC-1细胞系和来自9名患者的癌症类器官 | 数字病理学 | 癌症 | 多光子强度成像、荧光寿命成像显微镜(FLIM) | CNN | 显微镜图像 | PANC-1细胞系和9名患者的癌症类器官 | NA | Cellpose | Dice系数, 相关系数R | NA |
| 14102 | 2025-10-07 |
The Growing Impact of Natural Language Processing in Healthcare and Public Health
2024 Jan-Dec, Inquiry : a journal of medical care organization, provision and financing
DOI:10.1177/00469580241290095
PMID:39396164
|
综述 | 本文综述了自然语言处理技术在医疗保健和公共卫生领域的当前应用、成功案例及未来趋势 | 系统总结了2018-2023年间NLP在医疗领域的最新应用进展，特别关注了大语言模型和社交媒体数据分析在公共卫生中的新兴应用 | 仅纳入英文文献且时间范围限定为近五年，可能遗漏部分重要研究和非英语文献 | 总结NLP在医疗保健领域的应用现状，识别该子领域的研究空白和新兴趋势 | 27篇2018-2023年间发表的科学论文 | 自然语言处理 | NA | 自然语言处理，深度学习，语音识别，自然语言理解 | NA | 非结构化文本数据，电子健康记录，社交媒体数据 | 27篇论文 | NA | NA | NA | NA |
| 14103 | 2025-10-07 |
Quality assessment of VHH models
2023, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2023.2172613
PMID:36752327
|
研究论文 | 评估不同建模方法对单域重链抗体(VHH)结构预测的质量 | 首次系统比较传统同源建模与深度学习建模方法在VHH结构预测中的性能，并引入分子动力学模拟分析结构动态特性 | 仅针对特定类型的抗体结构进行评估，样本数量有限 | 评估和比较不同VHH结构建模方法的预测质量 | 单域重链抗体(VHH/nanobody) | 计算生物学 | NA | 结构建模、分子动力学模拟 | 深度学习、同源建模 | 蛋白质序列和结构数据 | 约一千个VHH实验结构 | Modeller, SwissModel, RoseTTAfold, AlphaFold 2, NanoNet | NA | RMSD, TM-score, GDT-TS, GDT-HA, Protein Blocks距离度量 | NA |
| 14104 | 2025-04-10 |
Individualized Analysis of Nipple-Sparing Mastectomy Versus Modified Radical Mastectomy Using Deep Learning
2025-Jun, Cancer innovation
DOI:10.1002/cai2.70002
PMID:40151333
|
研究论文 | 本研究旨在通过深度学习评估乳头保留乳房切除术（NSM）与改良根治性乳房切除术（MRM）对个体生存结果的影响，并评估新辅助系统治疗（NST）在减少手术干预需求方面的潜力 | 提出了一种名为BIME的生存回归模型，该模型在治疗推荐中显示出最强的保护效果，并通过高级统计方法（如PSM和IPTW）减少了治疗分配中的偏差 | 需要进一步研究结合全面的预后评估以优化手术选择过程并完善其临床实用性 | 评估NSM和MRM对乳腺癌患者生存结果的影响，并探索NST在减少手术干预中的作用 | 乳腺癌患者 | 机器学习 | 乳腺癌 | 深度学习，PSM，IPTW | BIME | 临床数据 | NA | NA | NA | NA | NA |
| 14105 | 2025-04-10 |
A New Metric Based on Association Rules to Assess Feature-Attribution Explainability Techniques for Time Series Forecasting
2025-May, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3540513
PMID:40031563
|
research paper | 本文介绍了一种新的模型无关度量RExQUAL，用于量化和比较基于归因的可解释人工智能技术提供的解释质量 | 提出了一种基于关联规则的新度量RExQUAL，结合局部和全局解释，评估和比较不同可解释技术的质量 | 实验设计仅包括不同类型的时间序列预测，可能在其他领域的适用性有待验证 | 评估和比较基于归因的可解释人工智能技术在时间序列预测中的解释质量 | 时间序列数据（包括单变量和多变量） | machine learning | NA | association rules, feature attribution | deep learning models | time series data | NA | NA | NA | NA | NA |
| 14106 | 2025-04-10 |
Smectic-like bundle formation of planktonic bacteria upon nutrient starvation
2025-Apr-09, Soft matter
IF:2.9Q2
DOI:10.1039/d4sm01117a
PMID:40126189
|
研究论文 | 研究细菌在营养匮乏条件下形成束状聚集体的集体行为 | 发现营养匮乏导致细菌细胞排列成类似近晶液晶的束状结构，并通过深度学习评估其有序程度 | 未明确提及具体局限性 | 探索环境变化对细菌聚集行为的影响 | 浮游细菌 | 微生物学 | NA | 深度学习 | NA | 实验观察数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 14107 | 2025-04-10 |
Transformer-based deep learning structure-conductance relationships in gold and silver nanowires
2025-Apr-09, Physical chemistry chemical physics : PCCP
IF:2.9Q1
DOI:10.1039/d4cp04605f
PMID:40152302
|
研究论文 | 本研究利用基于Transformer的深度学习模型预测金和银纳米线的结构-电导关系 | 首次将Transformer神经网络应用于纳米线电导预测，展示了其在处理长、大及结构不同纳米线时的稳定性、准确性和可扩展性 | 模型训练数据主要来自模拟而非实际实验数据 | 建立纳米线结构与其电导特性之间的关系 | 金和银纳米线 | 机器学习 | NA | 分子动力学模拟(MD)与神经网络势能 | Transformer | 模拟数据 | 大量金和银纳米线结结构 | NA | NA | NA | NA |
| 14108 | 2025-04-10 |
Deep Learning with Reflection High-Energy Electron Diffraction Images to Predict Cation Ratio in Sr2xTi2(1-x)O3 Thin Films
2025-Apr-09, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.5c00787
PMID:40163590
|
研究论文 | 本研究利用深度学习技术预测SrTiO薄膜的化学计量比，通过反射高能电子衍射图像进行分析 | 使用门控卷积神经网络对小样本（31个样本）进行回归训练，实现了准确的预测，并通过可解释AI技术揭示了衍射条纹特征与阳离子化学计量之间的未知相关性 | 样本量较小（仅31个样本） | 加速、理解和控制薄膜合成过程，揭示合成条件与材料性能之间的关系 | SrTiO薄膜的化学计量比 | 机器学习 | NA | 反射高能电子衍射（RHEED） | 门控卷积神经网络（Gated CNN） | 图像 | 31个样本 | NA | NA | NA | NA |
| 14109 | 2025-04-10 |
Portal dose image prediction using Monte Carlo generated transmission energy fluence maps of dynamic radiotherapy treatment plans: a deep learning approach
2025-Apr-09, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adc73f
PMID:40164089
|
research paper | 本研究开发并探讨了一种结合蒙特卡洛模拟和深度学习的混合模型，用于预测基于动态放射治疗计划的电子门户成像设备图像 | 结合蒙特卡洛模拟和深度学习方法来预测放射治疗中的电子门户成像设备图像，为剂量学质量保证提供新方法 | 模型在简单和复杂变体中的伽马通过率存在差异，表明模型性能有待进一步优化 | 开发一种用于放射治疗剂量学质量保证的混合模型 | 动态放射治疗计划中的电子门户成像设备图像 | machine learning | various cancer types | Monte Carlo simulations, deep learning | U-Net | image | 17 clinical treatment plans | NA | NA | NA | NA |
| 14110 | 2025-04-10 |
Enhancing Burn Diagnosis through SE-ResNet18 and Confidence Filtering
2025-Apr-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01495-6
PMID:40199834
|
research paper | 提出一种基于深度学习的烧伤严重程度分类方法，通过改进的ResNet18架构和置信度过滤提高分类准确率 | 采用集成了注意力机制的增强型ResNet18架构，结合自适应学习率优化策略和置信度过滤后处理模块 | 实验仅在烧伤皮肤测试数据集上进行验证，未涉及更广泛的临床场景 | 提升烧伤严重程度分类的准确性和实时性，以支持临床治疗决策 | 烧伤皮肤图像 | computer vision | 烧伤 | 深度学习 | SE-ResNet18 | image | 烧伤皮肤测试数据集（具体数量未说明） | NA | NA | NA | NA |
| 14111 | 2025-04-10 |
Interpretable deep learning method to predict wound healing progress based on collagen fibers in wound tissue
2025-Apr-07, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110110
PMID:40198981
|
research paper | 提出一种基于胶原纤维的深度学习方法来预测伤口愈合进程，并增强模型决策的可解释性 | 结合LayerCAM和Guided Backpropagation的可解释框架，无需像素级标注即可定位胶原纤维区域 | 未提及模型在更大规模或多样化数据集上的泛化能力 | 建立基于胶原纤维特征的伤口愈合状态分类方法 | 皮肤组织的组织学图像 | digital pathology | wound healing | histological imaging | VGG16 | image | 未明确说明样本数量，涉及正常皮肤、0/3/7/10天伤口皮肤及糖尿病伤口皮肤 | NA | NA | NA | NA |
| 14112 | 2025-04-10 |
Detection of COVID-19, lung opacity, and viral pneumonia via X-ray using machine learning and deep learning
2025-Apr-07, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110131
PMID:40198984
|
research paper | 该研究结合机器学习和深度学习技术，通过X光图像自动诊断COVID-19及其他肺部疾病 | 采用CNN、SVM及迁移学习技术（如ResNet18、EfficientNet-CNN和Xception-CNN），在X光图像分类中达到高准确率（最高99.20%） | 数据集多样性和代表性不足，可能影响模型的泛化能力 | 提升COVID-19及其他肺部疾病的早期诊断效率和准确性 | 胸部X光图像 | digital pathology | COVID-19, lung opacity, viral pneumonia | machine learning, deep learning, transfer learning | CNN, SVM, ResNet18, EfficientNet-CNN, Xception-CNN | image | 21,165张胸部X光图像 | NA | NA | NA | NA |
| 14113 | 2025-04-10 |
Development and validation of a deep learning model based on cascade mask regional convolutional neural network to noninvasively and accurately identify human round spermatids
2025-Apr-02, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.03.059
PMID:40185275
|
研究论文 | 开发并验证了一种基于级联掩膜区域卷积神经网络（R-CNN）的深度学习模型，用于非侵入性且准确地识别人类圆形精子细胞 | 首次使用深度学习模型非侵入性地识别人类圆形精子细胞，避免了传统Hoechst染色的毒性问题 | 研究样本量相对较小（3457张图像），且模型在临床广泛应用前需进一步验证 | 评估深度学习模型在非侵入性识别人类圆形精子细胞方面的能力 | 人类圆形精子细胞（hRSs） | 计算机视觉 | 男性不育症 | 流式细胞术分析 | 级联掩膜区域卷积神经网络（R-CNN） | 图像 | 3457张光学显微镜图像 | NA | NA | NA | NA |
| 14114 | 2025-04-10 |
An explainable deep learning platform for molecular discovery
2025-Apr, Nature protocols
IF:13.1Q1
DOI:10.1038/s41596-024-01084-x
PMID:39653800
|
研究论文 | 介绍了一个可解释的深度学习平台，用于分子发现，特别是抗生素的结构类别 | 提出了一个基于图神经网络的可解释深度学习平台，能够识别预测活性的化学子结构，提高分子发现的效率 | 需要实验数据生成和模型实现，且平台的应用范围虽然广泛，但具体效果可能因分子类型而异 | 开发一个可解释的深度学习平台，用于高效发现具有特定活性的分子结构类别 | 抗生素的结构类别，以及其他小分子如抗癌、抗病毒和抗衰老药物 | 机器学习 | NA | 图神经网络 | GNN | 化学结构数据 | NA | NA | NA | NA | NA |
| 14115 | 2025-04-10 |
Deep learning signature to predict postoperative anxiety in patients receiving lung cancer surgery
2025, Frontiers in surgery
IF:1.6Q2
DOI:10.3389/fsurg.2025.1573370
PMID:40196195
|
研究论文 | 本研究旨在建立并验证一种基于MRI的深度学习特征，用于预测接受肺癌手术患者的术后焦虑 | 利用ResNet-152算法训练深度学习特征，首次将MRI-T1WI图像与术后焦虑预测相结合 | 样本量较小（202例患者），且仅使用了MRI-T1WI图像 | 预测接受肺癌手术患者的术后焦虑 | 接受肺癌手术的患者 | 数字病理学 | 肺癌 | MRI | ResNet-152 | 图像 | 202例接受肺癌手术的患者 | NA | NA | NA | NA |
| 14116 | 2025-04-10 |
A study on early diagnosis for fracture non-union prediction using deep learning and bone morphometric parameters
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1547588
PMID:40196347
|
研究论文 | 本研究利用深度学习和骨形态计量参数开发了一种用于骨折不愈合早期诊断的模型 | 提出了Vision Mamba Triplet Attention and Edge Feature Decoupling Module UNet (VM-TE-UNet)用于骨折区域分割，并建立了基于微CT指标的早期诊断模型 | 研究仅使用了12只大鼠的骨折动物模型，样本量较小 | 开发骨折不愈合的早期诊断模型 | 大鼠骨折模型 | 数字病理 | 骨折 | micro-CT成像 | VM-TE-UNet | 图像 | 12只大鼠的2448张micro-CT图像 | NA | NA | NA | NA |
| 14117 | 2025-04-10 |
Point-SPV: end-to-end enhancement of object recognition in simulated prosthetic vision using synthetic viewing points
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1549698
PMID:40196449
|
研究论文 | 本文介绍了一种名为Point-SPV的端到端深度学习模型，旨在增强模拟假体视觉中的物体识别能力 | Point-SPV通过模拟视点（代表潜在的注视位置）并在这些点周围的图像块上训练模型，初步实现了基于注视的优化，专注于任务导向的视觉表示 | NA | 提升模拟假体视觉系统中的物体识别性能 | 视觉假体系统及视觉障碍患者 | 计算机视觉 | 视力障碍 | 深度学习 | 端到端深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 14118 | 2025-04-10 |
Transfer learning improves performance in volumetric electron microscopy organelle segmentation across tissues
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf021
PMID:40196751
|
research paper | 该研究展示了迁移学习在体积电子显微镜（VEM）图像中跨组织器官分割性能的提升 | 通过在多组织器官的VEM数据上进行预训练并在目标数据集上微调，实现了高性能的多种细胞器分割，且所需的新训练数据量相对较少 | 需要一定量的手动标注数据进行微调，且性能可能受预训练数据与目标数据之间的差异影响 | 提高体积电子显微镜图像中细胞器分割的自动化水平和性能 | 哺乳动物组织中的细胞器（如线粒体和内质网） | digital pathology | NA | serial block face scanning electron microscopy | deep learning segmentation algorithms | volumetric electron microscopy images | 四个VEM数据集（包括一个新的大鼠肝脏数据集，尺寸为7000×7000×219像素） | NA | NA | NA | NA |
| 14119 | 2025-04-10 |
HTRecNet: a deep learning study for efficient and accurate diagnosis of hepatocellular carcinoma and cholangiocarcinoma
2025, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2025.1549811
PMID:40196844
|
研究论文 | 本研究提出了一种名为HTRecNet的深度学习框架，用于高效准确诊断肝细胞癌（HCC）和胆管癌（CCA） | HTRecNet结合了复杂的数据增强策略以优化特征提取，即使在样本量有限的情况下也能保持稳健性能 | 研究样本中CCA的样本量相对较少（180例），可能影响模型在CCA诊断上的泛化能力 | 开发自动化诊断方法以提高肝细胞癌和胆管癌的诊断效率和准确性 | 肝细胞癌（HCC）和胆管癌（CCA）的组织病理学图像 | 数字病理学 | 肝癌 | 深度学习 | HTRecNet（自定义深度学习框架） | 图像 | 5,432张组织病理学图像（其中5,096张用于训练和验证，336张用于外部测试） | NA | NA | NA | NA |
| 14120 | 2025-04-10 |
Use of Artificial Intelligence in Imaging Dementia
2024-11-27, Cells
IF:5.1Q2
DOI:10.3390/cells13231965
PMID:39682713
|
research paper | 本文探讨了人工智能在痴呆症影像诊断中的应用及其潜力 | 利用图卷积网络框架为阿尔茨海默病及其前驱阶段提供多模态稀疏可解释性支持，并开发了基于卷积神经网络的方法进行外部验证 | 人工智能在临床实践中的应用面临技术、疾病相关和制度性挑战 | 改善痴呆症患者的诊断和预后 | 老年痴呆症患者，包括阿尔茨海默病、血管性痴呆、路易体痴呆等 | digital pathology | geriatric disease | machine learning, deep learning | CNN, GCN | image | NA | NA | NA | NA | NA |