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 24902 篇文献，本页显示第 1701 - 1720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1701 | 2025-05-10 |
An Optimized Framework of QSM Mask Generation Using Deep Learning: QSMmask-Net
2025-Jun, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70057
PMID:40331503
|
research paper | 提出了一种基于深度学习的QSM掩模生成优化框架QSMmask-Net，用于精确生成定量磁化率成像（QSM）所需的掩模 | QSMmask-Net通过深度神经网络实现了精确的QSM掩模生成，其性能优于其他掩模生成方法，且与人工掩模（金标准）的差异最小 | 未提及具体局限性 | 优化QSM掩模生成方法，提高定量磁化率成像的准确性和效率 | 定量磁化率成像（QSM）中的掩模生成 | digital pathology | NA | deep learning | deep neural network | image | 模拟数据和健康对照组 |
| 1702 | 2025-05-10 |
Deep learning enabled open-set bacteria recognition using surface-enhanced Raman spectroscopy
2025-May-15, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.117245
PMID:39965415
|
研究论文 | 提出了一种基于transformer的神经网络，用于利用表面增强拉曼光谱(SERS)进行开放集细菌识别 | 结合分类和重建任务，通过分析重建误差拒绝未知细菌种类，提高了开放集识别的准确性 | 未提及具体样本数量和细菌种类范围 | 改进现有封闭集细菌识别方法的局限性，提高实际应用中的鲁棒性 | 细菌种类识别 | 机器学习 | NA | 表面增强拉曼光谱(SERS) | transformer | 光谱数据 | NA |
| 1703 | 2025-05-10 |
Thermo-responsive and phase-separated hydrogels for cardiac arrhythmia diagnosis with deep learning algorithms
2025-May-15, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.117262
PMID:39965416
|
研究论文 | 开发了一种基于水凝胶的皮肤界面电极，用于心脏心律失常的诊断，并通过深度学习算法实现高精度识别 | 通过温度介导的可切换氢键相互作用，实现了水凝胶电极的可编程粘附与剥离，显著提高了粘附能量的开关比 | 未提及长期使用的生物相容性或耐久性测试结果 | 开发一种可编程粘附的水凝胶电极，用于心脏心律失常的实时监测与诊断 | 心脏心律失常患者 | 数字病理学 | 心血管疾病 | 深度学习算法 | NA | 电信号（ECG） | 八种常见心律失常患者 |
| 1704 | 2025-05-10 |
Molecular surfaces modeling: Advancements in deep learning for molecular interactions and predictions
2025-05-12, Biochemical and biophysical research communications
IF:2.5Q3
DOI:10.1016/j.bbrc.2025.151799
PMID:40239539
|
review | 本文综述了分子表面分析领域的最新进展及其与AI技术的结合 | 整合AI技术与分子表面分析，揭示隐藏的模式、关系和设计原则 | NA | 加速分子发现和创新，推动药物开发、材料工程和催化等领域的进步 | 分子表面分析及其在预测建模和分子设计中的应用 | machine learning | NA | AI-driven approaches | NA | molecular surface representations | NA |
| 1705 | 2025-05-10 |
Predicting the Brain-To-Plasma Unbound Partition Coefficient of Compounds via Formula-Guided Network
2025-May-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00590
PMID:40340403
|
研究论文 | 本文通过建立公式引导的深度学习模型CMD-FGKpuu，预测化合物的脑-血浆未结合分配系数，以评估血脑屏障通透性 | 开发了公式引导的深度学习模型CMD-FGKpuu，并在多个基准测试中表现良好，展示了深度学习在预测脑-血浆未结合分配系数方面的潜力 | 现有经验评分模型的通用性和适用性尚未充分探索，且数据稀缺，多为内部数据 | 预测化合物的脑-血浆未结合分配系数，以评估血脑屏障通透性，为药物开发提供有效工具 | 化合物的脑-血浆未结合分配系数 | 机器学习 | NA | 深度学习 | CMD-FGKpuu | 实验数据 | 通过数据挖掘建立的公共大鼠数据集 |
| 1706 | 2025-05-10 |
Toward Accurate PAH IR Spectra Prediction: Handling Charge Effects with Classical and Deep Learning Models
2025-May-08, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00372
PMID:40339059
|
研究论文 | 本研究利用机器学习和图神经网络预测多环芳烃（PAHs）的红外光谱，特别关注中性和电离分子的光谱预测 | 首次实现了对带电PAHs红外光谱的快速准确预测，并引入了XGBoost和图神经网络（GNN）两种模型 | 异原子PAHs的数据稀缺性是一个主要挑战 | 开发能够同时预测中性和电离PAHs红外光谱的机器学习模型 | 多环芳烃（PAHs）的中性和电离分子 | 机器学习 | NA | 机器学习，图神经网络 | XGBoost, GNN | 分子图表示，Morgan指纹 | 未明确提及具体样本数量 |
| 1707 | 2025-05-10 |
Artificial intelligence applied to ultrasound diagnosis of pelvic gynecological tumors: a systematic review and meta-analysis
2025-May-08, Gynecologic and obstetric investigation
IF:2.0Q2
DOI:10.1159/000545850
PMID:40340944
|
meta-analysis | 本文通过系统回顾和荟萃分析评估了人工智能在超声诊断盆腔妇科肿瘤中的应用效果 | 首次对AI在盆腔妇科肿瘤超声诊断中的研究进行了系统性回顾和荟萃分析，并与ADNEX模型进行了性能比较 | 大多数研究存在方法学缺陷，导致高偏倚风险，且仅少数研究包含外部验证和校准评估 | 评估人工智能在盆腔妇科肿瘤超声诊断中的识别和区分能力 | 盆腔妇科肿瘤（卵巢、子宫内膜和子宫肌层病变） | digital pathology | gynecological tumors | ultrasound imaging | deep learning, radiomics-based machine learning | image | 44项研究（40项卵巢肿瘤，3项子宫内膜肿瘤，1项子宫肌层病变） |
| 1708 | 2025-05-10 |
SimSon: Simple Contrastive Learning of SMILES for Molecular Property Prediction
2025-May-08, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf275
PMID:40341364
|
research paper | 提出了一种名为SimSon的自监督学习框架，用于通过对比学习获取SMILES表示，以提升分子性质预测的性能 | 利用对比学习和随机化SMILES增强模型的泛化能力和鲁棒性，有效捕捉分子层面的全局语义上下文 | 未明确提及具体的数据短缺问题如何影响模型性能，以及在大规模化学空间中的泛化能力是否完全解决 | 提升分子性质预测的准确性和泛化能力，加速药物发现和逆合成 | SMILES表示的分子数据 | cheminformatics | NA | 对比学习 | SimSon | SMILES数据 | 未明确提及具体样本数量 |
| 1709 | 2025-05-10 |
A multi-model deep learning approach for the identification of coronary artery calcifications within 2D coronary angiography images
2025-May-08, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03382-5
PMID:40341465
|
研究论文 | 本文提出了一种基于多模型深度学习的冠状动脉钙化识别方法，旨在通过2D冠状动脉造影图像辅助临床医生识别冠状动脉钙化 | 首次提出了一种结合ResNet-18分类主干和U-Net解码器架构的临床决策支持系统，用于在2D冠状动脉造影图像中识别冠状动脉钙化 | 样本量较小（14名患者的44幅图像采集），且未来可通过探索多辅助任务的并发使用来进一步提高分割性能 | 提高冠状动脉钙化（CAC）在2D冠状动脉造影图像中的识别准确性和效率 | 2D冠状动脉造影图像中的冠状动脉钙化 | 数字病理学 | 心血管疾病 | 深度学习 | ResNet-18, U-Net | 图像 | 14名患者的44幅图像采集 |
| 1710 | 2025-05-10 |
Enhanced reconstruction of atomic force microscopy cell images to super-resolution
2025-May-08, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13423
PMID:40341533
|
research paper | 提出了一种基于深度学习的跨模块方法，用于超分辨率重建原子力显微镜（AFM）细胞图像，整合了频率分割和自适应融合模块 | 开发了一种增强的空间融合结构和优化的反向投影机制，利用AFM拓扑深度学习神经网络检测AFM细胞图像特有的弱信号和复杂纹理，并设计了基于交叉的频率分割模块，有效分离和增强与细胞结构相关的特征 | NA | 提升AFM细胞图像的分辨率和质量，以支持细胞生物学研究和生物医学应用 | AFM细胞图像 | digital pathology | NA | AFM, 深度学习 | 对抗性超分辨率网络 | image | 多种细胞的AFM图像 |
| 1711 | 2025-05-10 |
Potential of artificial intelligence for radiation dose reduction in computed tomography -A scoping review
2025-May-07, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2025.102968
PMID:40339443
|
综述 | 本文综述了人工智能在计算机断层扫描（CT）中减少辐射剂量的潜力，重点关注患者定位、扫描范围确定和图像重建三个关键领域 | 强调了人工智能在优化CT扫描协议和辐射剂量方面的创新应用，特别是在减少手动错误和克服低剂量CT设置限制方面的作用 | 综述的范围可能受到所选文献的限制，且未涉及AI技术在实际临床应用中可能遇到的具体挑战 | 评估和总结人工智能在CT辐射剂量优化中的作用 | 计算机断层扫描（CT）中的患者定位、扫描范围确定和图像重建 | 医学影像 | NA | 深度学习图像重建算法 | 深度学习 | 医学影像数据 | 90篇符合选择标准的文章 |
| 1712 | 2025-05-10 |
Improving microsurgical suture training with automated phase recognition and skill assessment via deep learning
2025-May-07, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110238
PMID:40339525
|
research paper | 本研究开发了一种基于深度学习的自动化方法，用于显微外科缝合中的阶段识别和技能评估 | 采用三种改进的LRCN变体处理显微外科视频，实现阶段分类和技能评估，并应用数据增强和跳窗策略提高模型性能 | 在识别具有重叠视觉和时间特征的阶段时存在挑战 | 提高显微外科缝合训练的效果和技能评估的准确性 | 显微外科缝合视频 | computer vision | NA | deep learning | LRCN (Long-Range Recurrent Convolutional Networks) | video | 包含新手和专家外科医生的数据集 |
| 1713 | 2025-05-10 |
Review learning: Real world validation of privacy preserving continual learning across medical institutions
2025-May-07, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110239
PMID:40339524
|
研究论文 | 本文介绍了一种名为‘复习学习’(RevL)的低成本持续学习算法，用于在隐私保护深度学习框架下基于电子健康记录(EHR)进行诊断预测 | 提出了‘复习学习’(RevL)算法，通过生成数据样本来回顾先前数据集的知识，解决了深度学习模型在连续训练不同数据集时的灾难性遗忘问题 | NA | 验证RevL算法在隐私保护深度学习(PPDL)应用中的有效性，特别是在跨医疗机构的模型迁移场景中 | 电子健康记录(EHR)数据 | 机器学习 | NA | 隐私保护深度学习(PPDL), 迁移学习(TL) | 深度学习模型 | 电子健康记录(EHR) | 模拟实验涉及六个机构，真实世界实验涉及三个医疗机构的106,508名患者数据 |
| 1714 | 2025-05-10 |
Artificial intelligence automated solution for hazard annotation and eye tracking in a simulated environment
2025-May-07, Accident; analysis and prevention
DOI:10.1016/j.aap.2025.108075
PMID:40339543
|
research paper | 提出一种AI驱动的自动化解决方案，用于模拟环境中的危险标注和眼动追踪 | 扩展了先前仅进行危险检测的系统，整合了危险标注和眼动追踪数据，提供更全面的驾驶行为分析 | 未提及具体的技术实施细节或系统性能评估 | 自动化驾驶模拟实验中的数据标注任务，提高研究效率 | 驾驶模拟实验中的危险标注和眼动追踪数据 | machine learning | NA | deep learning | NA | image, video | NA |
| 1715 | 2025-05-10 |
Deep learning model to identify and validate hypotension endotypes in surgical and critically ill patients. Comment on Br J Anaesth 2025; 134: 308-16
2025-May-07, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2025.03.025
PMID:40340157
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1716 | 2025-05-10 |
Transfer learning‑based attenuation correction in 99mTc-TRODAT-1 SPECT for Parkinson's disease using realistic simulation and clinical data
2025-May-06, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-025-00756-1
PMID:40327202
|
研究论文 | 本研究探讨了利用蒙特卡洛模拟数据预训练模型进行迁移学习，以改进帕金森病DAT SPECT成像中的衰减校正性能 | 首次提出基于纯模拟数据预训练的迁移学习方法（TLAC-MC），在有限临床数据情况下显著提升衰减校正效果 | 研究依赖于模拟数据的真实性，且临床样本量相对有限（100例） | 开发更有效的DAT SPECT衰减校正方法以提升帕金森病早期检测准确性 | 99mTc-TRODAT-1脑SPECT成像数据 | 数字病理学 | 帕金森病 | 蒙特卡洛模拟（MC SIMIND程序）、SPECT成像 | 3D cGAN（条件生成对抗网络）与U-Net | 医学影像数据（SPECT） | 200个数字脑模型模拟数据 + 100例真实临床SPECT数据 |
| 1717 | 2025-05-10 |
Wearable Artificial Intelligence for Sleep Disorders: Scoping Review
2025-May-06, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/65272
PMID:40327852
|
综述 | 本文对用于睡眠障碍的人工智能可穿戴设备进行了范围综述，重点关注研究特征、可穿戴技术特点及AI检测与分析方法 | 首次系统综述了AI驱动的可穿戴设备在睡眠障碍领域的应用现状与挑战 | 研究主要集中于睡眠呼吸暂停，其他睡眠障碍的研究有限，且未涉及治疗应用 | 概述AI可穿戴设备在睡眠障碍检测与分析中的应用现状 | 使用AI算法通过可穿戴设备数据检测或预测睡眠障碍的研究 | 数字健康 | 睡眠障碍 | AI算法（包括CNN、随机森林、支持向量机等） | CNN, 随机森林, 支持向量机 | 呼吸数据、心率、身体运动数据 | 46项符合条件的研究（初始615篇文献） |
| 1718 | 2025-05-10 |
OSMlanduse a dataset of European Union land use at 10 m resolution derived from OpenStreetMap and Sentinel-2
2025-May-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04703-8
PMID:40328764
|
research paper | 该研究通过融合OpenStreetMap和Sentinel-2数据，创建了一个10米分辨率的欧盟土地利用地图 | 首次成功在大区域范围内融合OpenStreetMap和Copernicus数据，并达到10米或更精细的空间分辨率 | NA | 创建一个高分辨率的欧盟土地利用地图 | 欧盟的土地利用情况 | 地理信息系统 | NA | 深度学习卷积神经网络 | CNN | 遥感图像和OpenStreetMap标签 | 覆盖欧盟61.8%的区域 |
| 1719 | 2025-05-10 |
The analysis of English language teaching with machine translation based on virtual reality technology
2025-May-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00592-4
PMID:40328816
|
研究论文 | 本研究探讨了虚拟现实(VR)技术与机器翻译(MT)技术在英语语言教学(ELT)中的应用效果 | 提出了一种基于深度学习(DL)的新型MT模型，并将其与VR技术成功整合以优化ELT质量 | 仅针对40名英语专业学生进行了初步测试，样本规模较小 | 探索VR与MT技术结合在英语教学中的应用潜力 | 英语语言教学(ELT) | 自然语言处理 | NA | 深度学习(DL) | 新型MT模型 | 文本 | 40名英语专业学生 |
| 1720 | 2025-05-10 |
Lightweight deep learning for real-time road distress detection on mobile devices
2025-May-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59516-5
PMID:40328808
|
研究论文 | 本研究提出了一种轻量级深度学习方法MobiLiteNet，用于在移动设备上实时检测道路损坏 | 结合了高效通道注意力机制、结构优化、稀疏知识蒸馏、结构化剪枝和量化技术，显著提高了计算效率同时保持高检测精度 | NA | 开发适用于移动设备的轻量级道路损坏检测系统 | 道路损坏 | 计算机视觉 | NA | 深度学习 | MobileNet | 图像 | 收集自欧洲和亚洲的多样化数据集 |