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 14801 - 14820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14801 | 2025-03-27 |
MULTITASK LEARNING FOR IMPROVED LATE MECHANICAL ACTIVATION DETECTION OF HEART FROM CINE DENSE MRI
2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi53787.2023.10230782
PMID:40124116
|
研究论文 | 本文提出了一种多任务深度学习框架，用于同时估计心脏晚期机械激活（LMA）量并分类无疤痕的LMA区域，以提高心脏再同步治疗（CRT）的准确性 | 引入了辅助LMA区域分类子网络，提高了模型对心肌疤痕引起的复杂模式的鲁棒性，显著消除了LMA检测中的负面影响，并进一步改善了疤痕分类性能 | NA | 提高心脏晚期机械激活（LMA）区域的检测准确性，特别是在存在心肌疤痕的情况下 | 心脏的晚期机械激活（LMA）区域 | 医学影像分析 | 心血管疾病 | cine位移编码与受激回波（DENSE）磁共振成像（MRI） | 多任务深度学习框架 | 心脏MR图像 | NA | NA | NA | NA | NA |
| 14802 | 2025-10-07 |
Multi-step short-term
P
M
2.5
forecasting for enactment of proactive environmental regulation strategies
2022-04-21, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-022-10029-4
PMID:35445884
|
研究论文 | 本研究使用LSTM模型对北京和旁遮普地区的PM2.5浓度进行多步短期预测，以支持环境监管策略制定 | 采用贝叶斯优化技术调谐LSTM模型超参数和权重初始化策略，针对南亚两个高污染区域进行多变量多步预测 | 预测误差随时间步长增加而逐渐增大，24小时预测的RMSE达到0.7290 | 开发PM2.5多步短期预测模型，为建立空气质量预警系统和制定环境监管政策提供支持 | 中国北京和巴基斯坦旁遮普地区的PM2.5浓度数据 | 机器学习 | 心血管疾病 | 时间序列预测 | LSTM | 时间序列数据 | 两个高污染区域（北京和旁遮普）的空气质量数据 | NA | LSTM | RMSE, 准确率 | NA |
| 14803 | 2025-03-26 |
Artificial Intelligence Models to Identify Patients with High Probability of Glaucoma Using Electronic Health Records
2025 May-Jun, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100671
PMID:40124313
|
研究论文 | 本研究开发了人工智能模型，利用电子健康记录（EHRs）中的数据识别高概率青光眼患者，无需眼科影像或临床数据 | 利用非眼科的结构化EHR数据（如人口统计、实验室结果、测量、药物和诊断）开发AI模型，无需专用眼科影像或临床数据即可识别青光眼高风险患者 | 需要进一步研究受保护类别特征（如种族/民族）对模型性能和公平性的影响 | 开发AI模型以早期识别青光眼高风险患者 | 64,735名18岁以上、在EHR中有至少两次眼相关诊断记录的患者 | 机器学习 | 青光眼 | 机器学习与深度学习 | 惩罚逻辑回归、XGBoost、1D-CNN和堆叠自编码器 | 结构化电子健康记录数据 | 64,735名患者，其中7,268名（11.22%）有青光眼诊断 | NA | NA | NA | NA |
| 14804 | 2025-10-07 |
Applications of Artificial Intelligence in Dental Medicine: A Critical Review
2025-Apr, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2024.11.009
PMID:39843259
|
综述 | 本文对人工智能在牙科医学中的应用现状进行批判性评估，分析关键观点、挑战和局限性 | 系统性地批判性评估AI在牙科医学各专业领域的应用现状，并识别当前研究中的方法论局限和伦理问题 | 数据质量不一致、偏倚风险、缺乏透明度、临床验证有限 | 评估AI在牙科医学中的应用现状，识别研究挑战和局限性 | 牙科医学中的人工智能应用研究 | machine learning | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14805 | 2025-10-07 |
Weakly supervised multi-modal contrastive learning framework for predicting the HER2 scores in breast cancer
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种弱监督多模态对比学习框架，用于预测乳腺癌HER2评分 | 首次将多模态对比学习引入HER2评分预测，通过多模态注意力对比学习模块实现不同模态间的语义对齐 | 仅使用弱监督的WSI级别标签，未利用像素级或区域级标注 | 开发多模态深度学习框架以提升乳腺癌HER2评分预测性能 | 乳腺癌组织切片图像（H&E和IHC） | 数字病理 | 乳腺癌 | 免疫组织化学（IHC），苏木精-伊红（H&E）染色 | 深度学习，对比学习 | 全切片图像（WSI） | NA | NA | 多头自注意力机制（MHSA） | NA | NA |
| 14806 | 2025-10-07 |
[Transformation of free-text radiology reports into structured data]
2025-Apr, Radiologie (Heidelberg, Germany)
DOI:10.1007/s00117-025-01422-4
PMID:39934245
|
研究论文 | 探讨使用大语言模型将非结构化放射学报告转换为结构化数据的方法与挑战 | 系统分析大语言模型在放射学报告结构化处理中的应用潜力，并提出结合领域特定知识和上下文信息的改进方法 | 处理语言歧义、缩写和表达变异性方面仍存在挑战 | 研究放射学报告自动结构化处理的方法和架构 | 自然语言放射学报告 | 自然语言处理 | NA | 大语言模型 | 深度学习模型,神经网络 | 文本 | NA | NA | NA | 准确率 | NA |
| 14807 | 2025-10-07 |
Genomic prediction with NetGP based on gene network and multi-omics data in plants
2025-Apr, Plant biotechnology journal
IF:10.1Q1
DOI:10.1111/pbi.14577
PMID:39950326
|
研究论文 | 提出基于基因网络和多组学数据的NetGP深度学习模型，用于植物基因组预测 | 首次提出基于Pearson共线性选择的SNP特征提取技术，并开发了新型深度学习模型NetGP | NA | 提高植物性状预测的准确性 | 植物基因组和表型数据 | 机器学习 | NA | 基因组选择，多组学数据分析 | 深度学习 | 基因组数据，转录组数据，多组学数据 | NA | NA | NetGP | 预测准确率 | NA |
| 14808 | 2025-03-26 |
Artificial intelligence-driven forecasting and shift optimization for pediatric emergency department crowding
2025-Apr, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooae138
PMID:40124532
|
研究论文 | 本研究开发并评估了一个基于人工智能（AI）的系统，用于预测儿科急诊科（PED）的拥挤情况，并通过机器学习操作（MLOps）优化医生班次安排 | 结合先进的深度学习模型与MLOps架构，实现持续模型更新，提升预测准确性，并在COVID-19等事件导致的数据漂移中表现出韧性 | 单中心设计和固定的人员配置模型，需多中心验证和在动态人员配置环境中的实施 | 预测儿科急诊科拥挤情况并优化医生班次安排 | 352,843例儿科急诊科入院数据 | 机器学习 | 儿科急诊 | 机器学习操作（MLOps） | Temporal Convolutional Network, Time-series Dense Encoder, Reversible Instance Normalization, Neural High-order Time Series model, Neural Basis Expansion Analysis | 时间序列数据 | 352,843例儿科急诊科入院数据 | NA | NA | NA | NA |
| 14809 | 2025-03-26 |
Deep-Learning-Assisted Understanding of the Self-Assembly of Miktoarm Star Block Copolymers
2025-Mar-25, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c00811
PMID:40074545
|
research paper | 该研究应用深度学习技术解析了AB型星形嵌段共聚物PEO-PS在蒸发诱导自组装系统中的相行为 | 首次将深度学习技术应用于复杂拓扑结构嵌段共聚物的自组装行为研究，成功预测了三维合成场图并揭示了参数与结构之间的关联 | 研究仅针对特定类型的星形嵌段共聚物(PEO-PS)，结论可能不适用于其他拓扑结构的共聚物 | 探索复杂拓扑结构嵌段共聚物的自组装行为规律 | AB型星形嵌段共聚物PEO-PS | soft matter science | NA | deep learning | neural network | experimental data | 包含两种聚合物特性和三种合成条件参数的数据集 | NA | NA | NA | NA |
| 14810 | 2025-03-26 |
From 1-D to 3-D: LIBS Pseudohyperspectral Data Cube Deep Learning Mechanism Used in Nuclear Metal Materials Classification
2025-Mar-25, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c05707
PMID:40085530
|
研究论文 | 提出一种名为LIBS伪高光谱数据立方体的新光谱数据机制，将1-D LIBS光谱转化为3-D数据立方体，以提高核金属材料分类的准确性 | 引入两个额外维度捕捉光谱变化信息，使LIBS系统在处理不稳定光谱时更加稳健，并充分利用深度学习算法 | 未明确提及具体局限性 | 提高核电站中不稳定光谱的分类准确性 | 核金属材料 | 机器学习 | NA | LIBS（激光诱导击穿光谱） | 深度学习算法（含注意力机制） | 光谱数据 | NA | NA | NA | NA | NA |
| 14811 | 2025-03-26 |
Leveraging Deep Learning for Urban Health Insights: Transforming Street-Level Imagery into Cardiovascular Risk Indicators
2025-Mar-25, European journal of preventive cardiology
IF:8.4Q1
DOI:10.1093/eurjpc/zwaf148
PMID:40130376
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14812 | 2025-03-26 |
DASNet: A Convolutional Neural Network with SE Attention Mechanism for ccRCC Tumor Grading
2025-Mar-24, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00693-8
PMID:40126867
|
research paper | 该研究提出了一种名为DASNet的卷积神经网络，结合SE注意力机制，用于通过CT图像对透明细胞肾细胞癌（ccRCC）进行分级 | 引入了Domain Adaptive Squeeze-and-Excitation Network (DASNet)，结合SE注意力机制和域对抗神经网络（DANNs）来提高分类准确性和模型的泛化能力 | 未提及具体的数据集规模或潜在的过拟合问题 | 开发一种非侵入性且高效的ccRCC分级方法，以促进早期检测和治疗干预 | 透明细胞肾细胞癌（ccRCC）的CT图像 | digital pathology | renal cell carcinoma | Computed Tomography (CT), deep learning, machine learning | CNN, EfficientNet, RegNet, DANN | image | NA | NA | NA | NA | NA |
| 14813 | 2025-03-26 |
Effectiveness Evaluation for Clinical Depression Detection Using Deep Learning Based Synthetic House-Tree-Person Test
2025-Mar-24, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3553502
PMID:40126963
|
研究论文 | 本文介绍了一种基于深度学习的合成屋树人测试（S-HTP）的抑郁症检测方法DeHTP，旨在减少诊断过程中的主观影响 | 提出了一种无需人际互动的灵活便捷的抑郁症检测方法DeHTP，其性能优于传统的人工S-HTP分析，并揭示了22个与抑郁症相关的绘图特征 | 方法的有效性可能受到分析师专业能力的限制 | 开发一种基于深度学习的抑郁症检测方法，以减少诊断过程中的主观影响 | 抑郁症患者 | 数字病理学 | 抑郁症 | 深度学习 | DeHTP | 图像 | 基于先前研究中与抑郁症相关的50个结论的指南 | NA | NA | NA | NA |
| 14814 | 2025-03-26 |
Deep Learning-Assisted Diagnosis of Placenta Accreta Spectrum Using the DenseNet-121 Model: A Multicenter, Retrospective Study
2025-Mar-24, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01475-w
PMID:40128503
|
研究论文 | 探讨基于MRI的深度学习成像在预测高风险孕妇胎盘植入谱（PAS）中的诊断价值 | 使用DenseNet-121模型进行深度学习辅助诊断，与传统临床模型或机器学习放射组学模型相比表现出更好的性能 | 研究为回顾性设计，样本量相对较小（263例患者） | 评估深度学习模型在预测胎盘植入谱（PAS）中的诊断效能 | 高风险孕妇中的疑似胎盘植入患者 | 数字病理 | 胎盘植入谱（PAS） | MRI成像 | DenseNet-121, SVM, KNN, RF, LGBM | 医学影像 | 263例患者（170例训练集，93例外部验证集） | NA | NA | NA | NA |
| 14815 | 2025-03-26 |
Augmenting atmospheric turbulence effects on thermal-adapted deep object detection models
2025-Mar-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86830-1
PMID:40121214
|
research paper | 本文探讨了大气湍流图像增强技术在提高热适应和基于深度学习的物体检测模型在大气湍流条件下的准确性和鲁棒性方面的有效性 | 研究了三种不同的基于近似的湍流模拟器（几何、Zernike-based和P2S）生成的湍流训练和测试数据集，并评估了三种最先进的深度学习物体检测模型（RTMDet-x、DINO-4scale和YOLOv8-x）在这些数据集上的性能 | NA | 提高物体检测模型在大气湍流条件下的准确性和鲁棒性 | 热适应和基于深度学习的物体检测模型 | computer vision | NA | turbulence image augmentation techniques | RTMDet-x, DINO-4scale, YOLOv8-x | image | NA | NA | NA | NA | NA |
| 14816 | 2025-03-26 |
High-resolution image reflection removal by Laplacian-based component-aware transformer
2025-Mar-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94464-6
PMID:40121298
|
research paper | 提出了一种基于Laplacian金字塔和transformer的高分辨率图像反射去除框架LapCAT | 利用Laplacian金字塔网络去除高频反射模式，并通过反射感知的多头自注意力机制设计组件可分离transformer块（CSTB） | NA | 解决高分辨率图像反射去除问题，提升照片拍摄质量和场景理解 | 高分辨率图像中的反射模式 | computer vision | NA | Laplacian金字塔网络，transformer | transformer (CSTB) | image | 多个基准数据集 | NA | NA | NA | NA |
| 14817 | 2025-10-07 |
Protocol to infer off-target effects of drugs on cellular signaling using interactome-based deep learning
2025-Mar-21, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2024.103573
PMID:39823233
|
研究论文 | 提出基于相互作用组深度学习推断药物细胞信号传导脱靶效应的实验方案 | 首次将人工神经网络与相互作用组数据结合，系统性地预测药物转录活性并解释脱靶作用机制 | 仅以lestaurtinib在A375细胞系中的FOXM1脱靶效应作为案例研究，需要进一步验证通用性 | 理解药物作用机制并预测其脱靶效应 | 药物-靶标相互作用及细胞转录反应 | 机器学习 | NA | 相互作用组分析，转录活性检测 | 人工神经网络 | 转录组数据，相互作用组数据 | NA | NA | NA | NA | NA |
| 14818 | 2025-03-26 |
4D-ONIX for reconstructing 3D movies from sparse X-ray projections via deep learning
2025-Mar-21, Communications engineering
DOI:10.1038/s44172-025-00390-w
PMID:40119014
|
research paper | 提出了一种基于深度学习的4D-ONIX方法，用于从极少数X射线投影中重建3D电影 | 结合X射线与物质相互作用的计算物理模型和最先进的深度学习方法，能够从极少数投影中高质量重建4D信息 | 需要验证在更广泛实验条件下的适用性 | 解决从稀疏投影重建4D信息的挑战 | 水滴碰撞模拟和增材制造实验数据 | 计算机视觉 | NA | X射线多投影成像 | 深度学习 | X射线投影图像 | 模拟水滴碰撞和增材制造实验数据，每个时间戳仅2-3个投影 | NA | NA | NA | NA |
| 14819 | 2025-03-26 |
The artificial intelligence revolution in gastric cancer management: clinical applications
2025-Mar-21, Cancer cell international
IF:5.3Q1
DOI:10.1186/s12935-025-03756-4
PMID:40119433
|
review | 本文全面回顾了人工智能算法在胃癌管理中的最新研究现状和应用 | 人工智能技术，特别是机器学习和深度学习，在胃癌的诊断、治疗和预后评估中带来了前所未有的创新和突破 | 目前大多数基于AI的模型尚未在临床实践中广泛应用 | 探讨人工智能技术在胃癌临床管理中的应用及其潜力 | 胃癌 | digital pathology | gastric cancer | machine learning, deep learning | NA | image, text | NA | NA | NA | NA | NA |
| 14820 | 2025-03-26 |
Nomogram to predict 1-year cognitive decline after stent placement for unruptured intracranial aneurysms
2025-Mar-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.111839
PMID:40124476
|
研究论文 | 开发了一种深度学习放射组学列线图（DLRN）用于预测未破裂颅内动脉瘤支架置入术后1年认知功能下降 | 首次结合治疗后DWI和临床特征，利用深度学习放射组学方法构建预测模型 | 样本量相对有限（526例），且前瞻性队列样本量较小（108例） | 预测未破裂颅内动脉瘤支架置入术后认知功能下降风险 | 接受支架置入术治疗的未破裂颅内动脉瘤患者 | 数字病理学 | 颅内动脉瘤 | 扩散加权磁共振成像（DWI） | 深度学习放射组学列线图（DLRN） | 医学影像 | 526例患者（训练队列251例，外部验证队列167例，前瞻性队列108例） | NA | NA | NA | NA |