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 33853 篇文献，本页显示第 17041 - 17060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17041 | 2025-10-07 |
Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning
2024-Dec-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.05.592587
PMID:38979147
|
研究论文 | 提出基于深度学习的ICoN模型，用于采样高度动态蛋白质的构象集合 | 首次开发能够从分子动力学模拟数据中学习构象变化物理原理的生成式深度学习模型，并能在潜在空间中快速识别具有复杂侧链和骨架排列的新构象 | 模型训练依赖于可用的分子动力学模拟数据，未明确说明计算资源需求 | 研究高度动态蛋白质的构象集合采样方法，理解蛋白质结构-功能关系 | 内在无序蛋白质（IDPs），特别是淀粉样β蛋白（Aβ42）单体 | 机器学习 | 神经退行性疾病 | 分子动力学模拟，生成式深度学习，EPR光谱，氨基酸取代研究 | 生成模型 | 分子动力学模拟轨迹数据 | NA | NA | Internal Coordinate Net (ICoN) | 构象聚类分析，实验验证（EPR和氨基酸取代研究） | NA |
| 17042 | 2025-10-07 |
Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning
2024-Jun-28, Research square
DOI:10.21203/rs.3.rs-4301803/v1
PMID:38978607
|
研究论文 | 开发了一种基于无监督深度学习的生成模型ICoN，用于高效采样高动态蛋白质的构象集合 | 首次提出ICoN模型从分子动力学模拟数据中学习构象变化的物理原理，并通过潜在空间插值快速生成具有复杂侧链和骨架排列的新型合成构象 | 模型训练依赖于可用的分子动力学模拟数据，生成构象的质量受训练数据覆盖范围限制 | 开发深度学习方法来高效采样高动态蛋白质的构象空间，特别是针对内在无序蛋白质 | 淀粉样β蛋白单体（Aβ42）和其他高动态蛋白质 | 机器学习 | 神经退行性疾病 | 分子动力学模拟，EPR光谱，氨基酸取代研究 | 生成模型 | 分子构象数据 | 基于分子动力学模拟生成的构象数据集 | 深度学习框架 | ICoN（Internal Coordinate Net） | 构象聚类分析，实验验证（EPR和氨基酸取代研究） | NA |
| 17043 | 2025-10-07 |
Adapting physics-informed neural networks to improve ODE optimization in mosquito population dynamics
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315762
PMID:39715201
|
研究论文 | 提出改进的物理信息神经网络框架，用于优化蚊子种群动态的常微分方程建模 | 通过逐步扩展训练时间域解决PINNs中的时间因果关系问题，并针对梯度不平衡和刚性问题的改进方法 | 目前仅使用模拟数据进行实验验证，尚未应用于真实世界数据 | 改进物理信息神经网络在常微分方程优化中的应用，特别是针对具有极端多尺度行为的系统 | 蚊子种群动态建模 | 机器学习 | NA | 物理信息神经网络 | PINN | 模拟数据 | NA | NA | 物理信息神经网络 | NA | NA |
| 17044 | 2025-03-11 |
Application of deep learning models for detection of subdural hematoma: a systematic review and meta-analysis
2023-10, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2023-020218
PMID:37258226
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17045 | 2025-03-11 |
Response to 'Application of deep learning models for detection of subdural hematoma: a systematic review and meta-analysis'
2023-10, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2023-020804
PMID:37714539
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17046 | 2025-03-11 |
Letter re: Integration of deep learning-based image analysis and genomic data in cancer pathology: A systematic review: Label-free diagnostic technique to differentiate cancer cells from healthy cells
2022-09, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2022.04.032
PMID:35717368
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17047 | 2025-03-11 |
Response to letter entitled: Re: Integration of deep learning-based image analysis and genomic data in cancer pathology: A systematic review
2022-09, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2022.06.001
PMID:35781181
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17048 | 2025-10-07 |
Artificial Intelligence-Enabled Analysis of Public Attitudes on Facebook and Twitter Toward COVID-19 Vaccines in the United Kingdom and the United States: Observational Study
2021-04-05, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/26627
PMID:33724919
|
研究论文 | 使用人工智能分析英美两国社交媒体上对COVID-19疫苗的公众态度 | 首次结合自然语言处理和深度学习技术对英美两国大规模社交媒体数据开展疫苗态度的纵向和地理空间分析 | 仅分析特定时间段（2020年3-11月）的社交媒体数据，可能无法反映态度变化的全貌 | 通过人工智能方法分析社交媒体数据以了解公众对COVID-19疫苗的态度和担忧 | 英国和美国的社交媒体用户发布的疫苗相关内容 | 自然语言处理 | COVID-19 | 自然语言处理, 深度学习 | 深度学习模型 | 文本数据 | 英国23,571条Facebook帖子和40,268条推文，美国144,864条Facebook帖子和98,385条推文 | NA | NA | 情感分析准确率, 与全国调查结果的相关性 | NA |
| 17049 | 2025-03-11 |
Re: An Observational Study of Deep Learning and Automated Evaluation of Cervical Images for Cancer Screening
2020-01-01, Journal of the National Cancer Institute
DOI:10.1093/jnci/djz115
PMID:31187115
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17050 | 2025-10-07 |
An Observational Study of Deep Learning and Automated Evaluation of Cervical Images for Cancer Screening
2019-09-01, Journal of the National Cancer Institute
DOI:10.1093/jnci/djy225
PMID:30629194
|
研究论文 | 本研究开发了一种基于深度学习的自动视觉评估算法，用于识别宫颈癌前病变和癌症 | 首次开发出能够自动识别宫颈癌前病变/癌症的深度学习视觉评估算法，在准确度上显著优于传统方法 | 研究基于历史存档的宫颈图像数据，需要进一步验证在当代数字相机图像上的适用性 | 开发自动化的宫颈癌筛查方法以改善资源匮乏地区的宫颈癌筛查 | 哥斯达黎加瓜纳卡斯特地区9406名18-94岁女性的宫颈图像数据 | 计算机视觉 | 宫颈癌 | 宫颈摄影术 | 深度学习 | 图像 | 9406名女性，随访7年（1993-2000） | NA | NA | AUC, 敏感性, 特异性 | NA |
| 17051 | 2025-03-10 |
Forecasting the eddying ocean with a deep neural network
2025-Mar-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-57389-2
PMID:40050275
|
研究论文 | 本文开发了一个名为WenHai的数据驱动全球海洋预报系统，通过训练深度神经网络来预测海洋中尺度涡旋的短期演变 | 首次将深度神经网络应用于全球海洋预报系统，并结合动量、热量和淡水通量的体公式来改进海气相互作用的表示 | 由于大气和海洋的动态特性不同，AI方法在海洋预报中的应用仍具有挑战性 | 提高全球海洋预报能力，特别是中尺度涡旋的短期演变预测 | 海洋中尺度涡旋 | 机器学习 | NA | 深度神经网络 | DNN | 海洋数据 | NA | NA | NA | NA | NA |
| 17052 | 2025-03-10 |
Classifying microfossil radiolarians on fractal pre-trained vision transformers
2025-Mar-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90988-z
PMID:40050318
|
研究论文 | 本文探讨了使用预训练的视觉变换器（ViT）和公式驱动的监督学习（FDSL）技术对微化石（放射虫）进行分类的效果 | 首次将视觉变换器（ViT）和公式驱动的监督学习（FDSL）应用于地质学中的微化石分类，相比传统CNN模型，平均精度提高了6-8% | 未提及具体样本量和数据集的多样性，可能影响模型的泛化能力 | 探索新的深度学习技术在地质学图像分类中的应用 | 微化石（放射虫） | 计算机视觉 | NA | 公式驱动的监督学习（FDSL） | 视觉变换器（ViT） | 图像 | NA | NA | NA | NA | NA |
| 17053 | 2025-03-10 |
Deep learning-based image analysis in muscle histopathology using photo-realistic synthetic data
2025-Mar-06, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-00777-y
PMID:40050400
|
研究论文 | 本文介绍了一种名为SYNTA的新方法，用于生成逼真的合成生物医学图像数据，以解决当前生成模型和基于深度学习的图像分析中的挑战 | SYNTA方法采用完全参数化的方法创建针对特定生物医学任务的逼真合成训练数据集，解决了现有生成模型缺乏代表性和高质量真实数据的问题 | 需要进一步验证SYNTA方法在其他生物医学领域的适用性和效果 | 旨在通过生成逼真的合成生物医学图像数据，改进和加速生物医学图像分析 | 肌肉组织病理学和骨骼肌分析 | 数字病理学 | NA | 深度学习和生成模型 | GAN, Diffusion Models | 图像 | 两个真实世界的数据集 | NA | NA | NA | NA |
| 17054 | 2025-03-10 |
Frequency transfer and inverse design for metasurface under multi-physics coupling by Euler latent dynamic and data-analytical regularizations
2025-Mar-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-57516-z
PMID:40050630
|
研究论文 | 本文提出了一种多物理深度学习框架（MDLF），用于解决频率转移和多物理耦合问题，并在超表面设计中实现了未见频率段的预测 | 提出了结合多保真度DeepONet、欧拉潜在动态网络和数据解析反演网络的MDLF框架，能够在缺乏多物理响应知识的情况下，通过动态利用欧拉潜在空间和单物理信息，实现对未见频率段的预测 | 需要进一步验证在更广泛的多物理耦合场景下的适用性 | 解决频率转移问题，并实现超表面在未见频率段的多物理耦合预测 | 超表面 | 机器学习 | NA | 多物理深度学习框架（MDLF） | DeepONet, 欧拉潜在动态网络, 数据解析反演网络 | 频谱数据 | NA | NA | NA | NA | NA |
| 17055 | 2025-03-10 |
CUGUV: A Benchmark Dataset for Promoting Large-Scale Urban Village Mapping with Deep Learning Models
2025-Mar-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04701-w
PMID:40050634
|
研究论文 | 本文介绍了CUGUV基准数据集，旨在通过深度学习模型促进大规模城中村（UV）的映射 | 提出了一个包含来自中国15个主要城市的数千个UV样本的基准数据集，并开发了一个创新的框架，有效整合和学习了多种数据源，以更好地解决跨城市UV映射任务 | 数据集主要集中在中国的城市，可能限制了其全球适用性 | 提高大规模城中村映射的准确性和模型的可转移性 | 城中村（UV） | 计算机视觉 | NA | 深度学习 | NA | 卫星图像 | 数千个UV样本，来自中国15个主要城市 | NA | NA | NA | NA |
| 17056 | 2025-03-10 |
Systematic review and meta-analysis of artificial intelligence in classifying HER2 status in breast cancer immunohistochemistry
2025-Mar-06, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01483-8
PMID:40050686
|
meta-analysis | 本文通过诊断性meta分析评估了人工智能在分类HER2免疫组化评分中的表现，展示了其在预测T-DXd资格方面的高准确性 | 首次系统评估了人工智能在HER2免疫组化评分分类中的表现，并揭示了深度学习和基于补丁的分析方法在提高准确性方面的优势 | 在外部验证和使用商业化算法的研究中，AI的表现有所下降 | 评估人工智能在分类HER2免疫组化评分中的准确性和潜力 | 乳腺癌患者的HER2免疫组化评分 | digital pathology | breast cancer | 免疫组化（IHC） | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 17057 | 2025-03-10 |
Deep learning-driven ultrasound equipment quality assessment with ATS-539 phantom data
2025-Jan, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105698
PMID:39541619
|
研究论文 | 本研究提出了一种基于深度学习的双阶段框架，用于客观评估超声图像质量，使用ATS-539体模数据 | 引入双阶段深度学习框架，结合逻辑回归模型，实现超声图像质量的定量和客观评估 | 依赖于体模数据，可能无法完全反映真实临床环境中的图像质量 | 开发一种客观评估超声图像质量的方法，以提高诊断准确性 | 超声图像质量 | 计算机视觉 | NA | 深度学习 | 分类模型、逻辑回归模型 | 图像 | ATS-539体模数据 | NA | NA | NA | NA |
| 17058 | 2025-03-10 |
Explainability of three-dimensional convolutional neural networks for functional magnetic resonance imaging of Alzheimer's disease classification based on gradient-weighted class activation mapping
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303278
PMID:38771733
|
研究论文 | 本文通过应用梯度加权类激活映射（Grad-CAM）等方法，提高了基于fMRI的3D-VGG16网络在阿尔茨海默病（AD）诊断中的可解释性 | 本文的创新点在于使用多种静息态功能活动图（如ALFF、fALFF、ReHo和VMHC）来降低fMRI数据的复杂性，并采用3D-VGG16网络进行AD分类，同时通过GAP层缓解过拟合问题 | 本文的局限性在于手动特征提取方法可能增加模型负担，且仅针对AD和正常对照组进行了研究，未涉及其他神经系统疾病 | 研究目的是探索模型在预测时主要关注的大脑感兴趣区域（ROI），以及AD患者和正常对照组之间这些ROI的差异 | 研究对象为阿尔茨海默病患者和正常对照组 | 数字病理学 | 阿尔茨海默病 | fMRI | 3D-VGG16 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 17059 | 2025-03-10 |
Computed Tomography-Based Deep Learning Nomogram Can Accurately Predict Lymph Node Metastasis in Gastric Cancer
2023-04, Digestive diseases and sciences
IF:2.5Q2
DOI:10.1007/s10620-022-07640-3
PMID:35909203
|
研究论文 | 本文评估并验证了基于计算机断层扫描的深度学习在胃癌患者术前淋巴结转移评估中的预测性能 | 结合深度学习特征和临床预测因子建立了一个nomogram，显著提高了淋巴结转移预测的准确性 | 研究为回顾性研究，样本量相对较小，可能影响模型的泛化能力 | 评估和验证基于计算机断层扫描的深度学习在胃癌患者术前淋巴结转移评估中的预测性能 | 胃癌患者 | 计算机视觉 | 胃癌 | 计算机断层扫描（CT） | ResNet50, 随机森林（RF） | 图像 | 347名患者（训练队列：242，测试队列：105） | NA | NA | NA | NA |
| 17060 | 2025-03-10 |
Deep Learning Identifies Cardiomyocyte Nuclei With High Precision
2020-08-14, Circulation research
IF:16.5Q1
DOI:10.1161/CIRCRESAHA.120.316672
PMID:32486999
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |