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 15501 - 15520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15501 | 2025-10-07 |
MMFuncPhos: A Multi-Modal Learning Framework for Identifying Functional Phosphorylation Sites and Their Regulatory Types
2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202410981
PMID:39804866
|
研究论文 | 开发了一个多模态深度学习框架MMFuncPhos用于预测功能性磷酸化位点及其调控类型 | 首次开发了基于迁移学习的EFuncType模型来预测磷酸化残基对酶活性的上调或下调调控作用 | NA | 预测功能性磷酸化位点及其调控类型，理解磷酸化的功能调控机制 | 蛋白质磷酸化位点 | 机器学习 | NA | 深度学习，多模态学习，迁移学习 | 深度学习模型 | 蛋白质序列数据 | NA | NA | 多模态深度学习框架 | NA | NA |
| 15502 | 2025-10-07 |
De novo designed proteins neutralize lethal snake venom toxins
2025-Mar, Nature
IF:50.5Q1
DOI:10.1038/s41586-024-08393-x
PMID:39814879
|
研究论文 | 本研究利用深度学习设计新型蛋白质来中和蛇毒中的三指毒素 | 首次使用深度学习方法从头设计能够结合蛇毒三指毒素的蛋白质 | 仅通过有限实验筛选验证，需进一步临床研究 | 开发新一代抗蛇毒治疗方法 | 蛇毒三指毒素（短链和长链α-神经毒素及细胞毒素） | 机器学习 | 热带病 | 深度学习 | NA | 蛋白质结构数据 | 小鼠实验 | NA | NA | 结合亲和力、热稳定性、体外中和效果、动物保护效果 | NA |
| 15503 | 2025-10-07 |
Scanner-based real-time three-dimensional brain + body slice-to-volume reconstruction for T2-weighted 0.55-T low-field fetal magnetic resonance imaging
2025-Mar, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06165-x
PMID:39853394
|
研究论文 | 开发了一种基于深度学习的实时三维胎儿脑部和身体重建管道，并集成到0.55-T低场强MRI扫描仪中 | 首次实现了低场强0.55-T MRI的实时切片到体积重建，通过Gadgetron框架直接集成到扫描过程中 | 研究样本量相对有限（12例前瞻性测试），图像质量评级为良好至可接受而非优秀 | 开发适用于低场强0.55-T胎儿MRI的自动化三维运动校正方法 | 胎儿脑部和身体的磁共振成像 | 医学影像分析 | 胎儿发育 | T2加权磁共振成像，切片到体积配准 | 深度学习 | 医学影像 | 12例前瞻性测试（22-40孕周），83例0.55-T数据集回顾性测试 | Gadgetron | NA | 重建时间（6:42±3:13分钟），图像质量评级 | 集成到0.55-T低场强MRI扫描仪环境 |
| 15504 | 2025-10-07 |
Response surface methodology for predicting optimal conditions in very low-dose chest CT imaging
2025-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.104916
PMID:39923359
|
研究论文 | 本研究探索使用实验设计方法优化超低剂量胸部CT成像参数，通过响应面方法预测最佳扫描条件 | 首次将Doehlert矩阵实验设计应用于CT协议优化，结合深度学习和迭代重建技术，建立了噪声指数与ASIR-V百分比对剂量和病灶检测性能的综合影响模型 | 研究仅使用单一型号128层CT扫描仪和胸部体模，未在真实患者群体中验证 | 优化超低剂量胸部CT成像协议，在保证诊断质量的同时最大化降低辐射剂量 | 胸部体模（含5mm直径、-800HU病灶） | 医学影像 | 胸部疾病 | CT成像，迭代重建，深度学习重建 | 自监督学习模型观察者 | CT图像 | 6名人类观察者，2个模型观察者 | NA | NA | 相关系数，Bland-Altman检验 | NA |
| 15505 | 2025-03-09 |
Enhancement of phonocardiogram segmentation using convolutional neural networks with Fourier transform module
2025-Mar, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00458-8
PMID:40026887
|
研究论文 | 本研究提出了一种基于卷积傅里叶变换模块的深度学习分割方法，用于增强心音图（PCG）信号中第一和第二心音（S1和S2）的自动识别 | 引入了卷积傅里叶变换（CF）模块，能够区分心音和背景噪声，提高了心音分割的准确性和鲁棒性 | 未提及具体局限性 | 提高心音图信号中S1和S2心音的自动识别准确性，以支持心脏瓣膜疾病的检测 | 心音图（PCG）信号 | 数字病理学 | 心血管疾病 | 卷积傅里叶变换（CF）模块 | CNN | 信号数据 | 内部数据集、PhysioNet 2016数据集、PhysioNet 2022数据集和Asan Medical Center（AMC）数据集 | NA | NA | NA | NA |
| 15506 | 2025-03-09 |
Pathways to chronic disease detection and prediction: Mapping the potential of machine learning to the pathophysiological processes while navigating ethical challenges
2025-Mar, Chronic diseases and translational medicine
DOI:10.1002/cdt3.137
PMID:40051825
|
综述 | 本文综述了机器学习在慢性疾病检测和预测中的最新应用，涵盖了从传统技术到现代深度学习神经网络架构的主要方法 | 本文综合了机器学习在慢性疾病预测中的最新趋势和轨迹，为未来研究和临床转化提供了信息 | 本文指出了在实现可扩展、公平和临床可实施的机器学习解决方案方面仍需解决的关键挑战和限制 | 探索机器学习在慢性疾病早期检测和预测中的潜力 | 慢性疾病（如心脏病、癌症和糖尿病） | 机器学习 | 慢性疾病 | 基因组学、转录组学、蛋白质组学、糖组学和脂质组学 | 逻辑回归、随机森林、深度学习神经网络 | 医学影像、基因组数据、可穿戴设备数据、电子健康记录 | NA | NA | NA | NA | NA |
| 15507 | 2025-10-07 |
Signature-based intrusion detection using machine learning and deep learning approaches empowered with fuzzy clustering
2025-Jan-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85866-7
PMID:39799225
|
研究论文 | 本研究通过结合机器学习和深度学习方法，利用模糊聚类增强签名式入侵检测系统以提高网络安全 | 将模糊聚类与多种机器学习和深度学习模型结合用于入侵检测，并比较不同模型在识别网络攻击中的性能表现 | NA | 提高网络安全，通过入侵检测系统识别和预防网络攻击 | 网络流量数据和入侵行为 | 机器学习 | NA | 模糊聚类 | SVM,KNN,RF,DT,LSTM,ANN | 网络流量数据 | NA | NA | NA | 精确度,准确率,召回率 | NA |
| 15508 | 2025-10-07 |
Mapping the scientific landscape and evolution of the International Journal of Surgery : a scientometric analysis (2004-2024)
2025-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002107
PMID:39576039
|
研究论文 | 对《国际外科学杂志》2004-2024年间发表的科学文献进行科学计量学分析 | 首次对该期刊20年发展历程进行系统性科学计量分析，识别研究趋势和未来方向 | 仅分析单一期刊数据，可能无法代表整个外科学领域 | 分析期刊出版特征和发展轨迹，识别研究热点和演变趋势 | 《国际外科学杂志》2004-2024年间发表的6320篇文献 | 科学计量学 | 外科疾病 | 科学计量分析，文献计量学 | NA | 文献元数据，引文数据 | 6320篇出版物（2004-2023年5964篇，2024年356篇） | Citespace, VOS viewer, Bibliometrix (R软件) | NA | 发文量统计，引用分析，研究主题识别 | NA |
| 15509 | 2025-10-07 |
Elastography-based AI model can predict axillary status after neoadjuvant chemotherapy in breast cancer with nodal involvement: a prospective, multicenter, diagnostic study
2025-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002105
PMID:39724577
|
研究论文 | 开发基于弹性成像和深度学习的组合模型预测乳腺癌患者新辅助化疗后腋窝淋巴结状态 | 首次将剪切波弹性成像与深度学习放射组学相结合，构建预测腋窝淋巴结病理完全缓解的组合模型 | 研究为前瞻性多中心设计但需进一步外部验证，样本量相对有限 | 准确预测乳腺癌患者新辅助化疗后腋窝淋巴结状态 | 671例经活检证实淋巴结转移并接受新辅助化疗的乳腺癌患者 | 数字病理 | 乳腺癌 | 超声成像, 剪切波弹性成像 | 深度学习 | 医学图像 | 671例患者（训练集与测试集按8:2随机分配） | NA | 深度学习放射组学模型 | 准确率, AUC, 假阴性率, 校准曲线, 决策曲线 | NA |
| 15510 | 2025-03-09 |
Identification of BCL11A, NTN5, and OGN as Diagnosis Biomarker of Papillary Renal Cell Carcinomas by Bioinformatic Analysis
2025, Journal of kidney cancer and VHL
IF:1.9Q3
DOI:10.15586/jkc.v12i1.366
PMID:40051609
|
研究论文 | 本研究通过生物信息学和深度学习技术，识别出BCL11A、NTN5和OGN作为乳头状肾细胞癌（PRCC）的诊断生物标志物 | 首次将BCL11A、NTN5和OGN识别为PRCC的诊断生物标志物，并利用机器学习和ROC曲线分析验证其诊断效能 | 研究主要依赖于TCGA数据库的数据，未进行实验验证 | 寻找PRCC的早期诊断生物标志物 | 乳头状肾细胞癌（PRCC）患者 | 生物信息学 | 肾癌 | RNA表达谱分析、机器学习 | 深度学习 | RNA表达数据 | TCGA数据库中的PRCC患者数据 | NA | NA | NA | NA |
| 15511 | 2025-03-09 |
Artificial intelligence and perinatology: a study on accelerated academic production- a bibliometric analysis
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1505450
PMID:40051727
|
研究论文 | 本文通过文献计量学方法，分析了近年来围产医学领域中人工智能应用的快速增长及其研究热点 | 首次系统性地通过文献计量学方法分析围产医学领域中人工智能的研究趋势和应用热点 | 研究仅基于特定数据库（WOSCC）的数据，可能无法涵盖所有相关文献 | 分析围产医学领域中人工智能的研究趋势和应用热点 | 围产医学领域的文献 | 医学信息学 | 围产医学 | 文献计量学分析 | NA | 文献数据 | 382篇相关文献，其中121篇高被引文献 | NA | NA | NA | NA |
| 15512 | 2025-03-09 |
Breaking new ground: machine learning enhances survival forecasts in hypercapnic respiratory failure
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1497651
PMID:40051730
|
研究论文 | 本研究旨在开发和验证一个预测高碳酸血症性呼吸衰竭患者生存的模型 | 使用随机生存森林（RSF）模型在预测高碳酸血症性呼吸衰竭患者预后方面表现出优于传统CoxPH模型和DeepSurv模型的性能 | 研究样本主要来自两家医院，可能限制了模型的普遍适用性 | 开发和验证一个预测高碳酸血症性呼吸衰竭患者生存的模型 | 高碳酸血症性呼吸衰竭患者 | 机器学习 | 呼吸系统疾病 | 随机生存森林（RSF）、DeepSurv、Cox比例风险模型（CoxPH） | RSF, DeepSurv, CoxPH | 临床数据 | 697名患者（565名建模组，132名外部验证组） | NA | NA | NA | NA |
| 15513 | 2025-03-09 |
MRI quantified enlarged perivascular space volumes as imaging biomarkers correlating with severity of anxiety depression in young adults with long-time mobile phone use
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1532256
PMID:40051766
|
研究论文 | 本研究旨在利用MRI量化的扩大血管周围间隙（EPVS）指标和机器学习算法，评估长时间使用手机（LTMPU）患者的焦虑和抑郁症状严重程度 | 首次将MRI量化的EPVS指标与机器学习算法结合，用于评估LTMPU患者的焦虑和抑郁症状严重程度，提供了一种非侵入性、客观且定量的诊断方法 | 样本量较小（82名参与者），且仅针对长时间使用手机的人群，可能限制了结果的普遍性 | 开发一种预测模型，评估长时间使用手机患者的焦虑和抑郁症状严重程度 | 长时间使用手机的年轻成年人 | 数字病理学 | 焦虑和抑郁 | MRI | 逻辑回归模型和K近邻模型 | 图像 | 82名长时间使用手机的参与者，其中37名患有焦虑，44名患有抑郁 | NA | NA | NA | NA |
| 15514 | 2025-03-09 |
Practical Applications of Artificial Intelligence Diagnostic Systems in Fundus Retinal Disease Screening
2025, International journal of general medicine
IF:2.1Q2
DOI:10.2147/IJGM.S507100
PMID:40051895
|
研究论文 | 本研究评估了一种基于深度学习的AI诊断系统在视网膜疾病分析中的性能，评估其与专家诊断的一致性及其在筛查应用中的整体效用 | 使用深度学习AI系统进行视网膜疾病筛查，并与专家诊断进行对比，评估其在实际应用中的可靠性和可行性 | 研究仅在一家医院进行，样本量虽大但可能缺乏多样性 | 评估AI诊断系统在视网膜疾病筛查中的性能 | 3076名接受全面眼科检查的患者 | 数字病理 | 视网膜疾病 | 深度学习 | CARE系统 | 图像 | 3076名患者 | NA | NA | NA | NA |
| 15515 | 2025-03-08 |
Corrigendum: Addressing grading bias in rock climbing: machine and deep learning approaches
2025, Frontiers in sports and active living
IF:2.3Q2
DOI:10.3389/fspor.2025.1570591
PMID:40051920
|
correction | 本文是对先前发表文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15516 | 2025-03-09 |
Research progress on artificial intelligence technology-assisted diagnosis of thyroid diseases
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1536039
PMID:40052126
|
综述 | 本文综述了人工智能技术在甲状腺疾病早期诊断中的应用研究，特别是深度学习算法在超声和病理图像识别中的应用 | 整合了多项研究结果，指出卷积神经网络模型在甲状腺结节和甲状腺病理细胞病变识别中具有高准确率，U-Net网络模型作为分割算法能显著提高甲状腺结节超声图像的识别准确率 | 目前甲状腺疾病的早期诊断仍依赖于检查设备和医生的临床经验，存在一定的误诊率 | 探索一种能在早期阶段客观筛查甲状腺病变的技术 | 甲状腺疾病的早期筛查和诊断 | 数字病理学 | 甲状腺癌 | 深度学习算法 | 卷积神经网络, U-Net网络模型 | 超声图像, 病理切片 | NA | NA | NA | NA | NA |
| 15517 | 2025-03-09 |
A review of AI-based radiogenomics in neurodegenerative disease
2025, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2025.1515341
PMID:40052173
|
review | 本文综述了基于人工智能的放射基因组学在神经退行性疾病中的应用 | 结合放射组学和基因组学，利用人工智能技术提高神经退行性疾病的诊断准确性和及时性 | NA | 探讨人工智能在神经退行性疾病放射基因组学中的应用 | 神经退行性疾病 | digital pathology | geriatric disease | radiomics, genomics | machine learning, deep learning | imaging, genomic data | NA | NA | NA | NA | NA |
| 15518 | 2025-10-07 |
An interpretable generative multimodal neuroimaging-genomics framework for decoding alzheimer's disease
2024-Nov-14, ArXiv
PMID:38947922
|
研究论文 | 提出一种可解释的生成式多模态神经影像-基因组学框架，用于阿尔茨海默病的检测和轻度认知障碍转化预测 | 采用循环生成对抗网络在潜在空间填补缺失模态数据，并结合可解释人工智能方法分析特征重要性 | 未明确说明样本数据的具体来源和采集标准 | 解码阿尔茨海默病的多模态生物标志物并实现疾病分类预测 | 阿尔茨海默病患者、轻度认知障碍患者及正常对照组 | 医学影像分析 | 阿尔茨海默病 | 结构磁共振成像, 功能磁共振成像, 单核苷酸多态性 | cGAN, 深度学习分类模型 | 神经影像数据, 基因组数据 | NA | NA | CycleGAN | 准确率 | NA |
| 15519 | 2025-03-09 |
Enhancing Whole Slide Image Classification with Discriminative and Contrastive Learning
2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-72083-3_10
PMID:40046787
|
研究论文 | 本研究通过结合判别式和对比学习技术，提升了全切片图像（WSI）分类的准确性和鲁棒性 | 与现有主要依赖基于WSI级别标签分配伪标签的对比学习方法不同，本研究直接在WSI级别构建正负样本，从而更有效地学习信息丰富的图像特征 | NA | 提高全切片图像分类的准确性和鲁棒性 | 全切片图像（WSI） | 数字病理学 | NA | 对比学习 | 深度学习 | 图像 | 两个数据集 | NA | NA | NA | NA |
| 15520 | 2025-03-09 |
Accurate fully automated assessment of left ventricle, left atrium, and left atrial appendage function from computed tomography using deep learning
2024-Oct, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyaf011
PMID:40051867
|
研究论文 | 本研究开发了一种全自动深度学习方法，用于从计算机断层扫描（CT）中计算心脏功能 | 首次比较了nnU-Net、3D TransUNet和UNETR在心脏功能参数分割和计算中的表现，发现nnU-Net在多个指标上优于其他模型 | 样本量较小（39名患者），且仅评估了左侧心脏功能 | 开发一种全自动深度学习方法，用于从CT中计算心脏功能参数 | 左心室（LV）、左心房（LA）和左心耳（LAA） | 计算机视觉 | 心血管疾病 | CT | nnU-Net, 3D TransUNet, UNETR | 图像 | 39名患者的时间分辨CT数据集 | NA | NA | NA | NA |