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 26779 篇文献，本页显示第 1601 - 1620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1601 | 2025-06-05 |
Fine-Tuning Deep Learning Model for Quantitative Knee Joint Mapping With MR Fingerprinting and Its Comparison to Dictionary Matching Method: Fine-Tuning Deep Learning Model for Quantitative MRF
2025-Jun, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70045
PMID:40259681
|
研究论文 | 本文研究了深度学习模型在磁共振指纹图谱（MRF）中用于膝关节定量映射的微调及其与字典匹配（DM）方法的比较 | 研究了神经网络（NN）在深度学习中的微调及其与DM方法的公平比较，优化了NN超参数和DM方法，并分析了MRF数据的奇异值分解（SVD）成分 | 研究仅涉及14名健康志愿者的膝关节数据，样本量较小 | 提高MRF中膝关节多参数定量映射的准确性和鲁棒性 | 膝关节 | 医学影像 | 骨关节炎 | 磁共振指纹图谱（MRF） | 深度学习模型（NN） | 图像 | 14名健康志愿者的膝关节数据 |
| 1602 | 2025-06-05 |
G-Diff: A Graph-Based Decoding Network for Diffusion Recommender Model
2025-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3491827
PMID:39531577
|
research paper | 本文提出了一种基于图的解码网络（GDN）来改进扩散推荐模型，通过引入物品间的关系图提升推荐性能 | 在扩散模型的反向过程中引入精心设计的基于图的解码网络（GDN），利用物品间的关系图提升推荐性能，并通过跳跃连接和归一化层保留低阶邻居信息 | NA | 改进扩散推荐模型，提升推荐系统的性能 | 推荐系统中的用户偏好预测 | machine learning | NA | 扩散模型 | G-Diff | user-item interaction data | 三个真实世界的数据集 |
| 1603 | 2025-06-05 |
Learning topological horseshoes in time series via deep neural networks
2025-Jun-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0270132
PMID:40465250
|
research paper | 提出了一种基于深度学习的几何方法，用于识别时间序列中的混沌动力学 | 结合拓扑马蹄理论和深度神经网络，为复杂非线性系统中混沌行为的检测提供了新工具 | NA | 识别时间序列中的混沌动力学 | 时间序列数据 | machine learning | NA | deep learning | deep neural networks | time series | Hénon map, Lorenz system, Duffing system |
| 1604 | 2025-06-05 |
Bayesian Optimization with Gaussian Processes Assisted by Deep Learning for Material Designs
2025-May-29, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c00592
PMID:40383929
|
research paper | 本研究探讨了结合深度学习和高斯过程的贝叶斯优化方法在材料设计中的应用 | 提出了一种结合神经网络和高斯过程的深度核学习（DKL）方法，用于提升贝叶斯优化的效率 | 在寻找具有最高居里温度的合金时，标准高斯过程方法优于DKL模型，因为可以直接利用与居里温度强相关的描述符 | 提高材料探索中贝叶斯优化的效率 | 氧化物数据集（922个）和混合有机-无机钙钛矿合金（610个）的带隙、离子介电常数、电子有效质量等性质 | machine learning | NA | deep kernel learning (DKL), Bayesian optimization (BO), Gaussian processes (GPs) | neural network, Gaussian processes | material property data | 922 oxide data sets, 610 hybrid organic-inorganic perovskite alloys, 4560 alloys |
| 1605 | 2025-06-05 |
Ensemble learning approach for detecting breast invasive ductal carcinoma from histopathological images
2025-May-29, Pathology, research and practice
DOI:10.1016/j.prp.2025.156041
PMID:40460639
|
研究论文 | 本文提出了一种集成学习方法，用于从组织病理学图像中检测乳腺浸润性导管癌 | 采用集成学习方法结合多种深度学习模型，提高了诊断的准确性和鲁棒性 | 未提及具体的数据集规模或模型在不同分辨率图像上的泛化能力 | 提高乳腺浸润性导管癌的诊断准确性和减少诊断变异性 | 乳腺组织病理学图像 | 数字病理学 | 乳腺癌 | 深度学习 | ResNet50, Xception, MobileNetV2, VGG16, VGG19 | 图像 | NA |
| 1606 | 2025-06-05 |
Beyond current boundaries: Integrating deep learning and AlphaFold for enhanced protein structure prediction from low-resolution cryo-EM maps
2025-May-27, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文介绍了一种名为DeepTracer-LowResEnhance的创新计算框架，该框架通过整合AlphaFold的结构预测和深度学习驱动的图谱细化策略，显著提高了低分辨率冷冻电镜图谱的解析和建模准确性 | 该研究首次将AlphaFold的序列预测与深度学习驱动的图谱细化策略相结合，专门针对低分辨率冷冻电镜图谱进行优化，显著提升了建模准确性 | 研究主要针对低分辨率冷冻电镜图谱（4 Å以下），对于更高分辨率图谱的适用性未进行验证 | 提高低分辨率冷冻电镜图谱的原子模型构建准确性 | 蛋白质冷冻电镜图谱 | 结构生物学 | NA | 冷冻电镜(cryo-EM) | CNN, GNN, AlphaFold | 冷冻电镜图谱 | 37种不同蛋白质的冷冻电镜图谱，包括22个分辨率低于4 Å的挑战性案例 |
| 1607 | 2025-06-05 |
ECG synthesis for cardiac arrhythmias: Integrating self-supervised learning and generative adversarial networks
2025-May-26, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103162
PMID:40460597
|
research paper | 该论文提出了一种结合自监督学习和生成对抗网络的心电图合成方法，用于生成逼真的心律失常信号 | 提出了一种新型条件生成架构ECGAN，能够调节心电图记录的概率分布，并在心律失常分类任务中实现了2.4%的平均准确率提升 | 未提及具体的数据隐私保护措施细节，且合成数据的临床验证可能不足 | 开发能够生成逼真心电图信号的方法，以解决标记临床数据不足和患者匿名化问题 | 心电图时间序列数据 | machine learning | 心血管疾病 | 自监督学习, 生成对抗网络 | ECGAN (生成对抗网络) | 时间序列数据 | 使用了MIT-BIH、BIDMC和PTB数据集（具体样本量未明确说明） |
| 1608 | 2025-06-05 |
iPSC-RPE patch restores photoreceptors and regenerates choriocapillaris in a pig retinal degeneration model
2025-May-22, JCI insight
IF:6.3Q1
DOI:10.1172/jci.insight.179246
PMID:40401519
|
research paper | 该研究开发了一种基于诱导多能干细胞衍生的视网膜色素上皮（iRPE）贴片，用于治疗干性年龄相关性黄斑变性（AMD），并在猪视网膜退化模型中验证了其恢复光感受器和再生脉络膜毛细血管的能力 | 使用可生物降解的PLGA支架成熟iRPE细胞，开发了一种临床兼容的制造工艺，并通过深度学习算法和自适应光学成像验证了治疗效果 | 研究仅在猪模型中进行，尚未在人体临床试验中验证 | 开发并验证一种能够恢复光感受器和再生脉络膜毛细血管的治疗方法，以治疗干性年龄相关性黄斑变性 | 激光诱导的外视网膜退化的猪模型 | digital pathology | age-related macular degeneration | optical coherence tomography (OCT), OCT-angiography, adaptive optics imaging | deep learning algorithm | image | 猪模型中的视网膜区域 |
| 1609 | 2025-06-05 |
Evaluation of data collection and annotation approaches of driver gaze dataset
2025-May-14, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-025-02679-2
PMID:40369353
|
research paper | 本研究评估了驾驶员视线数据集的三种标注方法，并提出了一种新的基于移动指针的标注方法 | 引入了一种新的基于移动指针的标注方法，该方法受到基于屏幕的视线数据收集的启发 | 手动标注和Speak2Label方法的准确性较低，需要进一步分析误分类原因 | 评估不同数据收集和标注方法在驾驶员视线估计中的效果 | 驾驶员视线数据集 | computer vision | NA | eye tracker | supervised machine learning, deep learning | image | NA |
| 1610 | 2025-06-05 |
Artificial Intelligence in Outpatient Primary Care: A Scoping Review on Applications, Challenges, and Future Directions
2025-May-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.12.25327223
PMID:40463551
|
综述 | 本文探讨了人工智能在门诊初级保健中的应用、挑战及未来发展方向 | 综述了AI在非紧急门诊初级保健中的功能、试验及整合情况，填补了该领域的研究空白 | 仅纳入2019年至2024年的英文文献，且未涉及提供者认知支持、工作流自动化或风险调整面板等应用 | 评估AI在门诊初级保健中的实施程度和应用效果 | 门诊初级保健中的人工智能技术 | 医疗人工智能 | NA | 机器学习、深度学习和transformer | NA | 文本数据（文献） | 筛选了3,203篇文献，最终纳入61篇符合条件的研究 |
| 1611 | 2025-06-05 |
Combining structural modeling and deep learning to calculate the E. coli protein interactome and functional networks
2025-May-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.07.652715
PMID:40463260
|
研究论文 | 本文报告了三种计算方法的整合，用于在全蛋白质组范围内预测两个蛋白质是否可能形成二元复合物 | 整合了PrePPI、Topsy-Turvy和ZEPPI三种方法，显著提高了高置信度蛋白质相互作用的预测数量 | 方法依赖于计算预测，需要进一步的实验验证 | 预测大肠杆菌蛋白质相互作用组和功能网络 | 大肠杆菌蛋白质 | 计算生物学 | NA | PrePPI、Topsy-Turvy、ZEPPI、AF3Complex | 蛋白质语言模型 | 蛋白质序列和结构数据 | 400个蛋白质-蛋白质相互作用 |
| 1612 | 2025-06-05 |
Evaluating Vision and Pathology Foundation Models for Computational Pathology: A Comprehensive Benchmark Study
2025-May-12, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.08.25327250
PMID:40463538
|
research paper | 该研究对31种计算病理学AI基础模型进行了全面基准测试，评估它们在多样组织病理学数据集和任务中的表现 | 首次系统比较了不同类型病理学基础模型的性能，并发现模型大小与数据规模并不总是与性能提升相关 | 未深入探讨影响模型性能的潜在因素，且测试数据集可能仍有限 | 评估和比较不同病理学基础模型在计算病理学中的表现 | 31种AI基础模型（包括通用视觉模型、病理专用视觉模型等） | digital pathology | NA | deep learning | foundation models (VM, VLM, Path-VM, Path-VLM) | histopathological images | 41个任务的数据集（来自TCGA、CPTAC等） |
| 1613 | 2025-06-05 |
Evolution-guided protein design of IscB for persistent epigenome editing in vivo
2025-May-07, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-025-02655-3
PMID:40335752
|
研究论文 | 通过结合进化指导和深度学习，设计了一种改进的RNA引导内切酶IscB及其引导RNA，用于体内持久性表观基因组编辑 | 结合直系同源筛选、结构引导的蛋白质域设计、RNA工程和深度学习结构预测，开发了改进的NovaIscB变体，其活性比野生型提高了约100倍，并提高了特异性 | NA | 设计具有增强活性和特异性的RNA引导内切酶，用于分子生物学应用 | IscB RNA引导内切酶及其引导RNA | 分子生物学 | NA | 直系同源筛选、结构引导的蛋白质域设计、RNA工程、深度学习结构预测 | NA | 蛋白质序列和结构数据 | NA |
| 1614 | 2025-06-05 |
Classifying Obsessive-Compulsive Disorder from Resting-State EEG using Convolutional Neural Networks: A Pilot Study
2025-May-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.06.25327094
PMID:40385410
|
research paper | 该研究探索了使用卷积神经网络（CNN）从静息态脑电图（EEG）数据中分类强迫症（OCD）的可行性 | 首次将CNN应用于最小处理的EEG时频表示，以区分OCD患者与健康对照组，并探索了临床和人口统计信息的融合效果 | 样本量较小（仅20名参与者），限制了结果的泛化能力 | 开发一种基于EEG的OCD诊断方法，超越传统机器学习方法的限制 | 20名未服药的参与者（10名OCD患者，10名健康对照组） | machine learning | psychiatric disorder | EEG, Morlet wavelets | CNN, SVM | EEG time-frequency representations | 20名参与者（10名OCD患者，10名健康对照组） |
| 1615 | 2025-06-05 |
Significance of Image Reconstruction Parameters for Future Lung Cancer Risk Prediction Using Low-Dose Chest Computed Tomography and the Open-Access Sybil Algorithm
2025-May-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001131
PMID:39437009
|
research paper | 研究图像重建参数和CT扫描仪制造商对Sybil算法在低剂量CT扫描中预测肺癌风险性能的影响 | 首次评估了不同图像重建参数和CT扫描仪制造商对Sybil算法性能的影响，证明了其在多种成像设置下的稳健性 | 研究仅基于美国国家肺癌筛查试验的部分参与者数据，可能无法代表所有人群 | 评估Sybil算法在不同图像重建参数和CT扫描仪下的预测性能 | 低剂量CT扫描图像 | digital pathology | lung cancer | low-dose computed tomography (LDCT) | deep learning-based algorithm (Sybil) | image | 1049对标准与骨重建滤波器图像，1961对标准与肺重建滤波器图像，1288对2mm与5mm轴向切片厚度图像 |
| 1616 | 2025-06-05 |
Comparison between two artificial intelligence models to discriminate cancerous cell nuclei based on confocal fluorescence imaging in hepatocellular carcinoma
2025-May, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver
IF:4.0Q1
DOI:10.1016/j.dld.2024.11.026
PMID:39674779
|
研究论文 | 比较两种人工智能模型在基于共聚焦荧光成像的肝细胞癌中区分癌细胞核的能力 | 首次在肝细胞癌中应用并比较了机器学习和深度学习模型对癌细胞核的自动识别能力 | 研究样本来自商业组织芯片，可能无法完全代表真实临床样本的多样性 | 开发自动识别肝细胞癌细胞核的人工智能工具 | 肝细胞癌细胞核和正常肝细胞核 | 数字病理学 | 肝细胞癌 | 共聚焦显微镜成像 | 机器学习(ML)和深度学习(DL) | 图像 | 商业组织芯片中的健康肝脏和肝细胞癌样本 |
| 1617 | 2025-06-05 |
Metastasis Detection Using True and Artificial T1-Weighted Postcontrast Images in Brain MRI
2025-May-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001137
PMID:39688447
|
research paper | 本研究比较了在脑MRI中使用真实对比增强T1加权图像和通过深度学习方法合成的低剂量图像在转移瘤检测中的敏感性和精确度 | 使用深度学习从低剂量图像合成T1加权图像，并与真实对比增强图像在转移瘤检测中的表现进行比较 | 研究样本量较小（40名参与者），且两位放射科医生的检测结果存在差异 | 评估低剂量对比剂MRI在脑转移瘤检测中的可行性 | 脑转移瘤患者和正常脑部发现的参与者 | digital pathology | brain metastasis | MRI, deep learning | NA | image | 40名参与者（24名男性，平均年龄54.3±15.1岁），共917名参与者接受扫描 |
| 1618 | 2025-06-05 |
Endpoint-aware audio-visual speech enhancement utilizing dynamic weight modulation based on SNR estimation
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107152
PMID:39874821
|
研究论文 | 本研究提出了一种新颖的音频-视觉语音增强系统（AVSE），通过动态调整音频和视觉端点信息权重，基于环境噪声水平优化语音清晰度 | 利用基于SNR估计的注意力技术动态调整音频和视觉端点信息权重，提出端点感知网络（EANet）以优化多模态信息融合效果 | 未提及具体的数据集规模或实验条件的局限性 | 提高在广泛SNR范围内音频-视觉语音增强系统的性能 | 音频和视觉语音信号 | 语音增强 | NA | SNR估计，注意力机制 | EANet | 音频和视频数据 | 使用基准数据集进行实验，具体样本量未提及 |
| 1619 | 2025-06-05 |
A Bi-modal Temporal Segmentation Network for Automated Segmentation of Focal Liver Lesions in Dynamic Contrast-enhanced Ultrasound
2025-05, Ultrasound in medicine & biology
|
研究论文 | 开发并验证了一种基于深度学习的双模态时间分割网络（BTS-Net），用于动态对比增强超声（CEUS）视频中肝脏局灶性病变（FLL）的自动分割 | 提出了一种新型的双模态时间分割网络（BTS-Net），用于自动分割动态CEUS视频中的FLL，并在多个测试集中表现出色 | 研究为回顾性多中心研究，可能存在选择偏倚，且样本量相对较小（232例患者） | 开发一种自动化的深度学习模型，用于动态CEUS视频中FLL的准确分割 | 肝脏局灶性病变（FLL）患者 | 数字病理学 | 肝脏疾病 | 动态对比增强超声（CEUS） | BTS-Net | 视频 | 232例患者（160名男性，中位年龄56岁） |
| 1620 | 2025-06-05 |
SegFormer3D: Improving the Robustness of Deep Learning Model-Based Image Segmentation in Ultrasound Volumes of the Pediatric Hip
2025-05, Ultrasound in medicine & biology
|
research paper | 该研究提出了一种名为SegFormer3D的深度学习模型，用于提高儿童髋关节超声体积图像分割的鲁棒性 | 提出了3D SegFormer架构的扩展，这是一种轻量级的基于transformer的模型，具有分层结构的编码器，能够产生多尺度特征，从而同时提高准确性和鲁棒性 | 当前技术的鲁棒性仍不足以可靠地部署到实际临床工作流程中 | 提高儿童髋关节发育不良(DDH)超声图像分割的准确性和鲁棒性 | 儿童髋关节的3D超声图像 | digital pathology | geriatric disease | 3D US imaging, deep learning | SegFormer3D, CNN, vision transformer | 3D ultrasound image | 临床数据来自儿科患者的测试集 |