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 16241 - 16260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16241 | 2025-02-21 |
Enhancing Chest X-ray Diagnosis with a Multimodal Deep Learning Network by Integrating Clinical History to Refine Attention
2025-Feb-19, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01446-1
PMID:39971817
|
研究论文 | 本研究介绍了一种多模态胸部X光网络（MCX-Net），通过整合胸部X光图像和临床病史文本进行多标签疾病诊断 | MCX-Net通过结合预训练的文本编码器、图像编码器和图像-文本跨模态编码器，显著提升了胸部X光的多标签疾病诊断性能 | 模型训练面临标签不平衡和某些疾病样本稀缺的挑战 | 提升胸部X光的多标签疾病诊断准确性 | 胸部X光图像和临床病史文本 | 医学影像分析 | 肺部疾病 | 深度学习 | MCX-Net（结合预训练的文本编码器、图像编码器和图像-文本跨模态编码器） | 图像和文本 | 基于公开的MIMIC-CXR-JPG数据集进行训练和测试 | NA | NA | NA | NA |
| 16242 | 2025-02-21 |
NMTNet: A Multi-task Deep Learning Network for Joint Segmentation and Classification of Breast Tumors
2025-Feb-19, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01440-7
PMID:39971818
|
研究论文 | 本文提出了一种新型多任务深度学习网络（NMTNet），用于联合分割和分类乳腺肿瘤，基于卷积神经网络（CNN）和U形架构 | NMTNet结合了共享编码器、多尺度融合通道细化（MFCR）模块、分割分支和分类分支，通过病变区域增强（LRE）模块和细粒度分类器提高了分割和分类的准确性 | NA | 提高乳腺肿瘤的分割和分类准确性，以辅助乳腺癌诊断 | 乳腺肿瘤 | 计算机视觉 | 乳腺癌 | 深度学习 | CNN, U-shaped architecture | 超声图像, 磁共振成像 | NA | NA | NA | NA | NA |
| 16243 | 2025-02-21 |
Artificial Intelligence for Diabetic Foot Screening Based on Digital Image Analysis: A Systematic Review
2025-Feb-17, Journal of diabetes science and technology
IF:4.1Q2
DOI:10.1177/19322968251317521
PMID:39960227
|
系统综述 | 本文系统回顾了基于数字图像分析的人工智能技术在糖尿病足筛查中的应用 | 探讨了人工智能在糖尿病足筛查中的潜力，特别是深度学习方法的应用 | 需要进一步评估临床适用性，包括伦理问题和患者数据安全性，以及开发更全面的数据集 | 识别并分析使用数字图像分析开发AI模型进行糖尿病足筛查的研究 | 糖尿病足筛查 | 计算机视觉 | 糖尿病 | 数字图像分析 | 人工神经网络（ANNs）和卷积神经网络（CNNs） | 热成像或足部热图 | 2214篇相关文章，其中9篇符合纳入标准 | NA | NA | NA | NA |
| 16244 | 2025-02-21 |
Super-resolution synthetic MRI using deep learning reconstruction for accurate diagnosis of knee osteoarthritis
2025-Feb-17, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01911-z
PMID:39961957
|
研究论文 | 本研究评估了深度学习重建（DLR）技术在合成MRI（SyMRI）上的准确性，包括T2测量和DLR合成MRI（SyMRIDL）在膝关节骨关节炎（KOA）患者中的诊断性能，以常规MRI为标准参考 | 使用深度学习重建技术生成合成MRI图像，提供准确的T2测量值，能够更自信地从正常外观的软骨中识别早期软骨退化 | 样本量相对较小（36名志愿者和70名患者），且研究时间较短（2023年5月至10月） | 评估DLR合成MRI在膝关节骨关节炎诊断中的准确性和性能 | 膝关节骨关节炎患者和志愿者 | 医学影像 | 膝关节骨关节炎 | 深度学习重建（DLR），合成MRI（SyMRI） | 深度学习模型 | MRI图像 | 36名志愿者和70名患者 | NA | NA | NA | NA |
| 16245 | 2025-02-21 |
Multi-label software requirement smells classification using deep learning
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86673-w
PMID:39962114
|
研究论文 | 本研究开发了一种基于深度学习的多标签软件需求异味分类模型，用于检测单个需求中的多种软件需求异味 | 首次将LSTM、Bi-LSTM和GRU等高级神经网络架构与ELMo和Word2Vec等词嵌入技术结合，用于多标签软件需求异味分类 | 研究仅基于8120个需求数据集，可能无法覆盖所有类型的软件需求异味 | 提高软件需求异味检测的自动化水平，减少人工检测的时间和错误 | 软件需求异味 | 自然语言处理 | NA | 深度学习 | LSTM, Bi-LSTM, GRU | 文本 | 8120个需求数据集 | NA | NA | NA | NA |
| 16246 | 2025-02-21 |
A deep learning framework based on structured space model for detecting small objects in complex underwater environments
2025-Feb-17, Communications engineering
DOI:10.1038/s44172-025-00367-9
PMID:39962196
|
研究论文 | 本文提出了一种结合结构化空间模型（SSM）与特征增强的创新方法，专门用于复杂水下环境中的小目标检测 | 结合结构化空间模型（SSM）与特征增强，开发了高精度、轻量级的检测模型UWNet，显著提高了计算效率并保持了高检测精度 | 未提及具体局限性 | 解决水下目标检测中精度与模型效率及实时性能的平衡问题 | 水下环境中的小目标，如海星和扇贝 | 计算机视觉 | NA | 结构化空间模型（SSM）与特征增强 | UWNet | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 16247 | 2025-02-21 |
Stacked encoding and AutoML-based identification of lead-zinc small open pit active mines around Rampura Agucha in Rajasthan state, India
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89672-z
PMID:39962260
|
研究论文 | 本研究旨在通过Sentinel 2图像分析，利用机器学习算法检测和分类印度拉贾斯坦邦Rampura Agucha周围的铅锌露天矿区域 | 结合多种波段比率和光谱指数，使用深度学习堆叠编码器和15种不同的机器学习分类器，提高了复杂矿区及其周边地物特征的检测精度 | 研究仅限于Sentinel 2图像数据，未涉及其他遥感数据源 | 检测和分类铅锌露天矿区域及其周边地物特征 | 印度拉贾斯坦邦Rampura Agucha周围的铅锌露天矿区域 | 机器学习 | NA | Sentinel 2图像分析 | extra tree classifier (et), light gradient boosting machine classifier (lightgbm), random forest classifier (rf) | 卫星图像 | NA | NA | NA | NA | NA |
| 16248 | 2025-02-21 |
Deep convolutional neural network-based enhanced crowd density monitoring for intelligent urban planning on smart cities
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90430-4
PMID:39962323
|
研究论文 | 本文提出了一种基于深度卷积神经网络的增强型人群密度监测技术，用于智能城市规划 | 提出了DCNNCDM-IUP技术，结合SE-DenseNet和ConvLSTM方法，通过红狐优化算法进行超参数选择，提高了人群密度监测的准确性 | 未提及具体的数据集规模或实际应用中的潜在挑战 | 开发一种高效的人群密度监测技术，以支持智能城市的交通管理、公共安全和城市规划 | 智能城市中的人群密度监测 | 计算机视觉 | NA | 深度学习（DL）、高斯滤波（GF）、红狐优化（RFO） | SE-DenseNet、ConvLSTM | 图像、时间序列数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 16249 | 2025-02-21 |
Comparison of YOLO-based sorghum spike identification detection models and monitoring at the flowering stage
2025-Feb-17, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01338-z
PMID:39962585
|
研究论文 | 本研究比较了基于YOLO的高粱穗识别检测模型，并评估了其在开花期的监测效果 | 首次对不同高度和天气条件下的YOLO模型性能进行了比较研究，并确定了YOLOv8m为最有效的模型 | 研究仅基于2023年采集的图像数据，未考虑更多年份或更广泛的环境条件 | 评估数据集大小对模型准确性的影响，并预测高粱开花期 | 高粱开花期的穗识别 | 计算机视觉 | NA | 无人机图像采集 | YOLOv5, YOLOv8, YOLOv9, YOLOv10 | 图像 | 200到350张图像，分别在15米和30米高度采集 | NA | NA | NA | NA |
| 16250 | 2025-02-21 |
Exploring autonomous methods for deepfake detection: A detailed survey on techniques and evaluation
2025-Feb-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e42273
PMID:39968137
|
综述 | 本文对深度伪造检测的自主方法进行了详细调查，分析了相关技术和评估方法 | 本文综合了2018年至2024年间的最新研究，探讨了利用先进机器学习、计算机视觉和音频分析技术的创新检测方法 | 研究仅限于2018年至2024年间的最新研究，可能未涵盖早期的重要进展 | 提高数字生态系统的安全性和意识，通过推进对自主检测和评估方法的理解 | 深度伪造媒体（图像、视频和音频） | 计算机视觉 | NA | 深度学习模型 | NA | 图像、视频、音频 | NA | NA | NA | NA | NA |
| 16251 | 2025-02-21 |
Diagnosis Anthracnose of Chili Pepper Using Convolutional Neural Networks Based Deep Learning Models
2025-Feb, The plant pathology journal
DOI:10.5423/PPJ.OA.11.2024.0178
PMID:39916419
|
研究论文 | 本研究应用深度学习模型（MobileNet、ResNet50v2和Xception）通过迁移学习诊断辣椒炭疽病，旨在确定准确和高效疾病诊断所需的最小数据集大小 | 通过迁移学习方法，评估不同数据集大小对模型性能的影响，为农业应用中的数据可用性和模型性能平衡提供实用指南 | 需要大量标注数据集，获取成本较高 | 研究辣椒炭疽病的早期和准确检测方法，以减少产量损失和市场价值下降 | 辣椒（Capsicum annuum L.） | 计算机视觉 | 植物病害 | 迁移学习 | CNN（MobileNet、ResNet50v2、Xception） | 图像 | 500、1,000、2,000、3,000和4,000个样本 | NA | NA | NA | NA |
| 16252 | 2025-02-21 |
Automated Segmentation of Trunk Musculature with a Deep CNN Trained from Sparse Annotations in Radiation Therapy Patients with Metastatic Spine Disease
2025-Jan-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.01.13.25319967
PMID:39974027
|
研究论文 | 本研究提出了一种深度学习方法，用于从临床CT图像中分割躯干肌肉的完整体积，使用稀疏注释数据进行训练 | 使用稀疏注释数据训练的2D nnU-Net模型成功分割了癌症患者临床CT数据中20个胸腰椎肌肉的整个体积，显著提高了分割效率和泛化能力 | 模型仅在148名癌症患者的CT图像上进行了训练和验证，可能需要更多样化的数据集来进一步提高模型的泛化能力 | 量化由于疾病或治疗引起的肌肉变化，并支持生物力学建模以评估椎体负荷，从而改善椎体骨折风险的个性化评估 | 148名癌症患者的临床CT图像 | 数字病理学 | 脊柱转移性疾病 | CT成像 | 2D nnU-Net | 图像 | 148名癌症患者的2,009张轴向CT图像 | NA | NA | NA | NA |
| 16253 | 2025-02-21 |
Deep learning enhanced transmembranous electromyography in the diagnosis of sleep apnea
2024-Dec-31, BMC neuroscience
IF:2.4Q3
DOI:10.1186/s12868-024-00913-9
PMID:39741274
|
研究论文 | 本文探讨了使用深度学习增强的跨膜肌电图（tmEMG）在睡眠呼吸暂停诊断中的应用 | 本文创新性地使用带有注意力机制的深度学习模型（transformer）来建模tmEMG数据，以区分来自对照组、神经源性患者和睡眠呼吸暂停患者的肌电信号 | 研究数据集相对较小，可能影响模型的泛化能力 | 研究目的是通过深度学习技术提高睡眠呼吸暂停的诊断准确性 | 研究对象包括健康对照组、中度至重度阻塞性睡眠呼吸暂停（OSA）患者和肌萎缩侧索硬化症（ALS）患者 | 机器学习 | 睡眠呼吸暂停 | 跨膜肌电图（tmEMG） | transformer | 肌电信号 | 177例经口肌电图记录，包括6名健康对照、5名中度至重度OSA患者和5名ALS患者 | NA | NA | NA | NA |
| 16254 | 2025-02-21 |
TPepPro: a deep learning model for predicting peptide-protein interactions
2024-12-26, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae708
PMID:39585721
|
研究论文 | 本文提出了一种基于Transformer的深度学习模型TPepPro，用于预测肽-蛋白质相互作用 | TPepPro结合了局部蛋白质序列特征提取和全局蛋白质结构特征提取的策略，并优化了结构特征神经网络的架构，显著减少了计算资源的需求 | NA | 开发一种高效预测肽-蛋白质相互作用的模型，以支持氨基酸药物的应用 | 肽-蛋白质相互作用 | 机器学习 | NA | 深度学习 | Transformer | 序列和结构特征 | 19,187对肽-蛋白质复合物 | NA | NA | NA | NA |
| 16255 | 2025-02-21 |
Ligand Identification in CryoEM and X-ray Maps Using Deep Learning
2024-Dec-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.27.610022
PMID:39257821
|
研究论文 | 本文提出了一种基于深度学习的配体识别方法，适用于X射线衍射和冷冻电镜（cryoEM）密度图 | 首次将深度学习应用于冷冻电镜密度图的配体识别，并展示了其与现有X射线晶体学机器学习方法相当的性能 | 冷冻电镜图谱的标准化和配体质量评估仍存在挑战 | 提高结构导向药物设计中的配体识别准确性 | X射线衍射和冷冻电镜密度图中的小分子配体 | 计算机视觉 | NA | 深度学习 | 3D点云处理模型 | 3D密度图 | NA | NA | NA | NA | NA |
| 16256 | 2025-02-21 |
3D-BCLAM: A Lightweight Neurodynamic Model for Assessing Student Learning Effectiveness
2024-Dec-09, Sensors (Basel, Switzerland)
DOI:10.3390/s24237856
PMID:39686393
|
研究论文 | 本文提出了一种轻量级的神经动力学模型3D-BCLAM，用于评估学生的学习效果 | 创新性地结合了双向卷积长短期记忆（BCL）和动态注意力机制，以极低的计算成本高效捕捉时间序列中的情感动态变化 | NA | 评估学生的学习效果，深入理解学习过程，准确诊断学习障碍，并制定有效的教学策略 | 学生的学习效果 | 机器学习 | NA | NA | 3D-BCLAM（结合双向卷积长短期记忆和动态注意力机制） | 时间序列数据 | NA | NA | NA | NA | NA |
| 16257 | 2025-02-21 |
Deep learning in image segmentation for cancer
2024-Dec, Journal of medical radiation sciences
IF:1.8Q3
DOI:10.1002/jmrs.839
PMID:39503190
|
研究论文 | 本文探讨了深度学习在癌症成像中的作用，特别是其在自动图像分割中的应用 | 展示了基于U-Net和卷积神经网络的架构在CT扫描中的身体成分分析和MRI图像中的直肠肿瘤分割中的速度和准确性提升 | 需要进一步研究以解决不同成像系统间图像质量差异的问题 | 研究深度学习在癌症图像分割中的应用 | CT扫描和MRI图像 | 计算机视觉 | 癌症 | 深度学习 | U-Net, CNN | 图像 | NA | NA | NA | NA | NA |
| 16258 | 2025-02-21 |
Making sense of missense: challenges and opportunities in variant pathogenicity prediction
2024-Dec-01, Disease models & mechanisms
IF:4.0Q1
DOI:10.1242/dmm.052218
PMID:39676521
|
研究论文 | 本文讨论了变异致病性预测的计算工具及其在临床变异解释中的应用 | 介绍了不依赖已知变异分类进行训练的模型，如AlphaMissense，这些模型能克服当前临床数据库的偏差，并更好地泛化到新的未分类变异 | AlphaMissense作为一个大型深度学习模型，缺乏可解释性，不评估变异的功能影响，且提供的致病性评分不是疾病特异性的 | 提高变异解释计算工具的可解释性和精确性，以推进临床遗传学的发展 | 变异致病性预测模型 | 机器学习 | NA | 深度学习 | AlphaMissense, AlphaFold | 功能数据和临床数据 | NA | NA | NA | NA | NA |
| 16259 | 2025-02-21 |
Improved prediction of post-translational modification crosstalk within proteins using DeepPCT
2024-11-28, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae675
PMID:39570595
|
研究论文 | 本文提出了一种名为DeepPCT的深度学习算法，用于预测蛋白质内的翻译后修饰（PTM）交叉对话 | DeepPCT结合了AlphaFold2预测的蛋白质结构，通过序列和结构嵌入以及交叉注意力技术，构建了深度学习分类器，显著提高了预测准确性 | 尽管DeepPCT在预测PTM交叉对话方面表现出色，但其性能仍可能受到蛋白质结构预测准确性的限制 | 提高蛋白质内翻译后修饰（PTM）交叉对话的预测准确性 | 蛋白质内的翻译后修饰（PTM）交叉对话 | 机器学习 | NA | 深度学习，图神经网络，随机森林模型 | 深度学习分类器，图神经网络，随机森林模型 | 蛋白质序列和结构数据 | NA | NA | NA | NA | NA |
| 16260 | 2025-02-21 |
Deep Learning-Assisted Assessing of Single Circulating Tumor Cell Viability via Cellular Morphology
2024-10-22, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c03334
PMID:39384089
|
研究论文 | 本文提出了一种基于卷积神经网络的深度学习模型，用于通过细胞形态学评估单个循环肿瘤细胞（CTC）的活力 | 利用深度学习模型从细胞形态学特征中准确识别和评估单个CTC的活力，为癌症诊断、预后评估和疗效判断提供了新的非侵入性方法 | 由于CTC在人体血液中极为稀少，样本获取和标注可能存在挑战 | 开发一种高效、准确且非侵入性的方法，用于评估单个CTC的活力 | 循环肿瘤细胞（CTCs） | 数字病理学 | 癌症 | 细胞计数试剂盒-8（CCK-8） | 卷积神经网络（CNN） | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |