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 32373 篇文献，本页显示第 14381 - 14400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14381 | 2025-10-07 |
On the Robustness of Bayesian Neural Networks to Adversarial Attacks
2025-Apr, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3386642
PMID:38648123
|
研究论文 | 分析贝叶斯神经网络在对抗攻击下的鲁棒性几何特性 | 在过参数化极限下证明贝叶斯神经网络对基于梯度的对抗攻击具有鲁棒性 | 需要相对温和的假设条件，实验主要在MNIST、Fashion MNIST和合成数据集上进行验证 | 研究贝叶斯神经网络对抗攻击的鲁棒性 | 贝叶斯神经网络 | 机器学习 | NA | 贝叶斯推理 | 贝叶斯神经网络 | 图像数据 | MNIST、Fashion MNIST和合成数据集 | NA | 贝叶斯神经网络 | 准确率，鲁棒性 | NA |
| 14382 | 2025-10-07 |
General Hyperspectral Image Super-Resolution via Meta-Transfer Learning
2025-Apr, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3387970
PMID:38648133
|
研究论文 | 提出一种基于元迁移学习的通用高光谱图像超分辨率框架，解决数据稀缺和域差异问题 | 通过元迁移学习随机采样不同光谱范围的超分辨率任务，并采用渐进式波段扩展策略来弥合数据集间的域差异 | 未明确说明具体的数据集规模和计算资源需求 | 开发具有更好泛化能力的高光谱图像超分辨率方法 | 高光谱图像 | 计算机视觉 | NA | 高光谱成像 | 深度学习 | 高光谱图像 | NA | NA | 基于多融合特征的网络架构 | 定性评估,定量评估 | NA |
| 14383 | 2025-10-07 |
Dual-Channel Adaptive Scale Hypergraph Encoders With Cross-View Contrastive Learning for Knowledge Tracing
2025-Apr, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3386810
PMID:38652621
|
研究论文 | 提出一种名为HyperKT的新型知识追踪模型，通过双通道自适应尺度超图编码器和跨视图对比学习来预测学习者表现 | 设计了自适应尺度超边蒸馏组件生成知识感知和模式感知超边，提出双通道超图编码器捕获多粒度知识状态，并引入跨视图对比学习机制增强监督信号 | 未在摘要中明确说明 | 改进知识追踪任务，更准确地预测学习者的未来表现 | 学习者的历史响应数据 | 自然语言处理 | NA | 知识追踪 | 图神经网络,超图神经网络 | 教育响应数据 | 三个真实世界数据集 | NA | 简化超图卷积网络,协作超图卷积网络 | NA | NA |
| 14384 | 2025-04-05 |
Global trends in artificial intelligence applications in liver disease over seventeen years
2025-Mar-27, World journal of hepatology
IF:2.5Q2
DOI:10.4254/wjh.v17.i3.101721
PMID:40177211
|
review | 本文分析了17年来人工智能在肝病领域的应用趋势，总结了当前研究状况并识别了热点 | 通过文献计量学方法全面梳理了AI在肝病领域的研究热点和发展趋势 | 仅基于Web of Science数据库，可能遗漏其他重要文献 | 分析AI在肝病领域的研究现状和发展趋势 | 4051篇关于肝病和AI的研究文章 | digital pathology | liver disease | 文献计量分析 | machine learning, deep learning, CNN | 文献数据 | 4051篇研究文章 | NA | NA | NA | NA |
| 14385 | 2025-04-05 |
AGPred: An End-to-End Deep Learning Model to Predicting Drug Approvals in Clinical Trials Based on Molecular Features
2025-Mar-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3547315
PMID:40048330
|
research paper | 提出了一种基于深度学习的端到端模型AGPred，用于预测药物在临床试验中的批准率 | 采用基于注意力的图神经网络(GNN)自动学习药物分子表示，并结合交叉注意力融合模块学习分子指纹特征，整合药物的理化性质 | 未提及具体的数据集规模限制或模型泛化能力的局限性 | 提高药物临床试验批准率的预测准确性 | 药物分子 | machine learning | NA | deep learning, GNN | attention-based GNN | molecular graphs, molecular fingerprints, physicochemical properties | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 14386 | 2025-04-05 |
Weakly Supervised Deep Learning Can Analyze Focal Liver Lesions in Contrast-Enhanced Ultrasound
2025-Mar-06, Digestion
IF:3.0Q2
DOI:10.1159/000545098
PMID:40049151
|
研究论文 | 本研究评估了弱监督深度学习模型在分类肝脏局灶性病变良恶性方面的性能 | 使用弱监督注意力机制的多实例学习算法，无需手动标注，仅使用病例标签进行训练 | 研究为回顾性研究，样本来自单一医疗机构 | 开发辅助诊断肝脏局灶性病变良恶性的AI算法 | 肝脏局灶性病变(FLLs)患者 | 数字病理 | 肝脏疾病 | 对比增强超声(CEUS) | 注意力机制的多实例学习算法 | 图像 | 370名患者，共955,938张CEUS图像 | NA | NA | NA | NA |
| 14387 | 2025-04-05 |
Conditioning generative latent optimization for sparse-view computed tomography image reconstruction
2025-Mar, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.2.024004
PMID:40177097
|
research paper | 提出一种无需训练数据的稀疏视图CT图像重建方法，通过条件生成潜在优化（cGLO）提高重建质量 | 无需训练数据，独立于实验设置，可从小型无监督数据集中初始化以提高重建效果 | 未提及具体在低剂量CT或其他成像任务中的表现 | 解决稀疏视图CT图像重建问题，提高重建质量 | 稀疏视图CT图像 | digital pathology | NA | 条件生成潜在优化（cGLO） | generative model | CT图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 14388 | 2025-10-07 |
Accelerated T2-weighted MRI of the Bowel at 3T Using a Single-shot Technique with Deep Learning-based Image Reconstruction: Impact on Image Quality and Disease Detection
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.023
PMID:39198137
|
研究论文 | 比较基于深度学习的单次激发T2加权磁共振成像与传统HASTE序列在肠道成像质量和疾病检测方面的表现 | 首次将深度学习图像重建技术应用于单次激发T2加权MRI序列，实现了更短的采集时间和更薄的切片厚度 | 研究样本量相对有限（91例患者），且仅评估了4mm和6mm两种切片厚度 | 评估深度学习重建的HASTE序列在肠道MRI中的图像质量和诊断价值 | 接受3T MR肠道造影检查的患者 | 医学影像分析 | 肠道疾病 | 3T磁共振成像，单次激发T2加权序列 | 深度学习 | 磁共振图像 | 91例患者（51例女性，平均年龄44±10岁） | NA | NA | 图像质量评分，诊断置信度，疾病检测一致性 | NA |
| 14389 | 2025-04-05 |
Accurate V2X traffic prediction with deep learning architectures
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1565287
PMID:40176965
|
研究论文 | 本文提出了一种基于深度学习的V2X环境交通预测方法 | 使用双向长短期记忆网络(BiLSTM)进行交通预测，并与其他深度学习架构进行比较，展示了BiLSTM在预测精度上的优势 | 未提及具体的数据集规模或实际部署中的潜在问题 | 提高V2X通信环境下的交通预测准确性 | V2X通信环境下的交通数据 | 机器学习 | NA | 深度学习 | BiLSTM, LSTM, GRU | 交通数据 | NA | NA | NA | NA | NA |
| 14390 | 2025-04-05 |
A flexible transoral swab sampling robot system with visual-tactile fusion approach
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1520374
PMID:40177224
|
研究论文 | 提出了一种基于视觉-触觉融合方法的经口拭子采样机器人系统，用于自主进行核酸采样 | 采用视觉-触觉融合方法进行导航，结合串并联混合柔性机构实现精确的远端姿态调整 | 初步实验阶段，尚未大规模验证其安全性和准确性 | 解决核酸采样过程中需要大量医护人员参与的问题 | 经口拭子采样机器人系统 | 机器人技术 | COVID-19, 季节性流感 | 深度学习, 视觉-触觉感知 | 深度学习 | 图像, 触觉反馈 | 初步实验阶段，未提及具体样本量 | NA | NA | NA | NA |
| 14391 | 2025-04-05 |
Measurement-guided therapeutic-dose prediction using multi-level gated modality-fusion model for volumetric-modulated arc radiotherapy
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1468232
PMID:40177241
|
研究论文 | 开发了一种用于头颈癌放射治疗中测量引导治疗剂量预测的新型深度学习模型 | 提出了一种多级门控模态融合模型，能够整合CT和剂量图像的多尺度特征，并充分利用不同模态间的相互促进作用 | 在皮肤或热塑性面罩压痕边界附近的区域，预测剂量值与真实值存在较大差异 | 提高头颈癌放射治疗前患者特定质量保证(prePSQA)的效率和准确性 | 头颈癌放射治疗患者 | 数字病理 | 头颈癌 | 容积调强弧形放射治疗(VMAT) | 多级门控模态融合模型 | 医学影像(CT和剂量图像) | 310例接受VMAT治疗的患者(训练集186例，验证集62例，测试集62例) | NA | NA | NA | NA |
| 14392 | 2025-04-05 |
Construction of a predictive model for the efficacy of anti-VEGF therapy in macular edema patients based on OCT imaging: a retrospective study
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1505530
PMID:40177270
|
研究论文 | 基于OCT影像和深度学习构建预测模型，用于评估抗VEGF治疗黄斑水肿患者的疗效 | 创新性地引入组卷积和多卷积核处理多维特征，结合空间金字塔池化(SPP)提取最有用的特征，并利用ResNet50作为预训练模型进行模型融合 | 研究为回顾性研究，可能存在选择偏倚，且样本量未明确说明 | 开发自动化和高效的方法预测抗VEGF治疗黄斑水肿患者的疗效 | 黄斑水肿患者 | 数字病理 | 黄斑水肿 | OCT成像 | ResNet50结合注意力机制和SPP的深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 14393 | 2025-04-05 |
The promise and limitations of artificial intelligence in CTPA-based pulmonary embolism detection
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1514931
PMID:40177281
|
综述 | 本文综述了人工智能在CTPA肺动脉栓塞检测中的应用及其前景与局限性 | 探讨了AI在CTPA图像分析中的能力，特别是在使用深度学习模型检测肺动脉栓塞方面的敏感性和特异性，以及与人类放射科医生的比较 | 算法偏见、可解释性问题以及严格验证的必要性，这些限制了AI在临床实践中的广泛应用 | 研究AI在CTPA肺动脉栓塞检测中的角色，以提高诊断精确性和效率 | CTPA图像中的肺动脉栓塞 | 数字病理学 | 肺动脉栓塞 | 深度学习 | 复杂神经网络 | CTPA图像 | 大型数据集 | NA | NA | NA | NA |
| 14394 | 2025-04-05 |
A Plantar Pressure Detection and Gait Analysis System Based on Flexible Triboelectric Pressure Sensor Array and Deep Learning
2025-01, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202405064
PMID:39473332
|
研究论文 | 开发了一种基于柔性摩擦电压力传感器阵列和深度学习的足底压力检测与步态分析系统 | 采用柔性、透气、可穿戴的静电纺丝纳米纤维膜作为足底压力传感器，并集成了32个FTPS到智能鞋垫中，实现了高灵敏度和无需外部电源的实时步态检测 | 未提及系统在极端环境下的性能表现或长期使用的耐久性测试 | 开发一种可穿戴、自供电的步态检测系统，用于人体健康评估和疾病早期诊断 | 足底压力与步态分析 | 机器学习 | NA | 静电纺丝纳米纤维膜技术 | LSTM | 压力传感器数据 | 未明确提及样本数量 | NA | NA | NA | NA |
| 14395 | 2025-10-07 |
Preoperative Ultrasound Radomics to Predict Posthepatectomy Liver Failure in Patients With Hepatocellular Carcinoma
2024-Dec, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.16559
PMID:39177192
|
研究论文 | 开发基于双模态超声特征和临床指标的深度学习模型预测肝细胞癌患者肝切除术后肝功能衰竭风险 | 提出融合双模态超声图像和临床指标的深度学习模型PHLF-Net，采用渐进式训练策略和多中心验证 | 研究仅针对乙型肝炎相关肝细胞癌患者，样本量相对有限 | 预测肝细胞癌患者肝切除术后肝功能衰竭风险 | 532例接受肝切除术的肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 二维剪切波弹性成像，B超成像 | 深度学习 | 超声图像，临床数据 | 532例患者（来自5家医院），其中147例发生PHLF | NA | ResNet50 | AUC | NA |
| 14396 | 2025-04-05 |
RiceSNP-ABST: a deep learning approach to identify abiotic stress-associated single nucleotide polymorphisms in rice
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae702
PMID:39757606
|
研究论文 | 提出了一种名为RiceSNP-ABST的深度学习模型，用于识别水稻中与非生物胁迫相关的单核苷酸多态性（SNPs） | 开发了一种新的负样本构建策略，提出了四种基于DNA序列片段的特征编码方法，并采用带有残差连接的卷积神经网络进行预测 | 高质量的水稻非生物胁迫相关数据稀缺，可能影响模型的泛化能力 | 开发预测模型以识别水稻中与非生物胁迫相关的SNPs，助力水稻抗性品种的培育 | 水稻中的单核苷酸多态性（SNPs） | 机器学习 | NA | 全基因组关联研究（GWAS） | CNN | DNA序列 | NA | NA | NA | NA | NA |
| 14397 | 2025-04-05 |
GPS-pPLM: A Language Model for Prediction of Prokaryotic Phosphorylation Sites
2024-11-08, Cells
IF:5.1Q2
DOI:10.3390/cells13221854
PMID:39594603
|
research paper | 介绍了一个名为GPS-pPLM的在线服务器，用于预测原核生物中的磷酸化位点 | 结合了transformer和深度神经网络两种深度学习方法，整合了10种序列特征和上下文特征，构建了针对特定磷酸化残基类型和物种的预测模型 | NA | 预测原核生物中的磷酸化位点 | 原核生物中的磷酸化位点 | natural language processing | NA | transformer, deep neural network | transformer, DNN | protein sequences | 44,839个非冗余磷酸化位点，来自16,041个蛋白质和95种原核生物 | NA | NA | NA | NA |
| 14398 | 2025-10-07 |
An All-in-One Array of Pressure Sensors and sEMG Electrodes for Scoliosis Monitoring
2024-11, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202404136
PMID:39115097
|
研究论文 | 开发了一种集成压力传感器和表面肌电电极的一体化阵列，用于脊柱侧弯监测 | 基于分层MXene/壳聚糖/PDMS/聚氨酯海绵和MXene/聚酰亚胺材料，开发了具有高灵敏度和稳定性的集成传感器阵列 | NA | 解决传统医学影像方法无法提供实时反馈的问题，提高脊柱侧弯治疗效率 | 脊柱侧弯患者 | 医疗传感器 | 脊柱侧弯 | 压力传感，表面肌电信号采集 | 深度学习 | 压力数据，肌电信号，运动数据 | NA | NA | NA | 灵敏度，线性检测范围，稳定性循环次数 | NA |
| 14399 | 2025-04-05 |
Deep learning of echocardiography distinguishes between presence and absence of late gadolinium enhancement on cardiac magnetic resonance in patients with hypertrophic cardiomyopathy
2024-Oct-14, Echo research and practice
IF:3.2Q2
DOI:10.1186/s44156-024-00059-8
PMID:39396969
|
研究论文 | 本研究利用深度学习技术分析超声心动图，以区分肥厚型心肌病患者心脏磁共振中晚期钆增强的存在与否 | 结合临床参数和深度学习分析的超声心动图图像，开发了一种优于仅基于临床参数的模型的新方法 | 样本量相对较小（323例），且研究为横断面设计，未进行长期预后评估 | 区分肥厚型心肌病患者心脏磁共振中晚期钆增强的阳性与阴性 | 肥厚型心肌病患者 | 数字病理学 | 心血管疾病 | 心脏磁共振（CMR）和超声心动图 | 深度卷积神经网络（DCNN） | 图像 | 323例肥厚型心肌病患者（训练集273例，测试集50例） | NA | NA | NA | NA |
| 14400 | 2025-10-07 |
Hybrid-supervised deep learning for domain transfer 3D protoacoustic image reconstruction
2024-Apr-03, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad3327
PMID:38471184
|
研究论文 | 提出混合监督深度学习方法的原声成像技术，用于解决质子治疗中三维剂量验证的有限视角问题 | 提出Recon-Enhance两阶段深度学习方法，结合变换器网络和3D U-net，采用混合监督训练策略（迭代重建监督+迁移学习+自监督） | NA | 解决原声成像中有限采集角度导致的伪影问题，提高质子治疗三维剂量验证的准确性 | 前列腺癌患者的原声成像数据 | 医学影像重建 | 前列腺癌 | 原声成像 | Transformer, CNN | 射频信号，三维图像 | 126例前列腺癌患者 | NA | Transformer, 3D U-Net | RMSE, SSIM, Gamma指数 | NA |