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 33150 篇文献，本页显示第 17521 - 17540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17521 | 2025-10-07 |
Deep Learning-Enabled STEM Imaging for Precise Single-Molecule Identification in Zeolite Structures
2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202408629
PMID:39703985
|
研究论文 | 开发了一种用于低剂量iDPC-STEM成像的深度学习框架，通过去噪超分辨率模型实现单分子精确识别 | 提出了专门针对iDPC-STEM成像的DIVAESR模型，结合目标检测和DFT构型匹配，显著提升单分子分析精度 | 目前主要使用合成数据集进行测试，真实iDPC-STEM图像的应用验证仍需进一步扩展 | 解决沸石等复杂结构中单分子行为观测的挑战，提升电子显微镜成像质量 | 沸石结构中的单分子 | 计算机视觉 | NA | iDPC-STEM, DFT | VAE, 深度学习 | STEM图像 | 合成数据集 | NA | DIVAESR | PSNR, SSIM | NA |
| 17522 | 2025-10-07 |
Semi-supervised learning-based identification of the attachment between sludge and microparticles in wastewater treatment
2025-Feb, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.124268
PMID:39889421
|
研究论文 | 提出基于半监督学习的废水处理中污泥与微粒附着识别方法 | 首次将SimCLR对比学习框架与Mask R-CNN结合用于废水处理微粒检测，显著减少标注数据需求 | 仅使用约200张标注图像进行微调，样本规模有限 | 开发废水处理系统中微粒转移过程的自动监测方法 | 废水处理过程中的游离微粒和污泥附着微粒 | 计算机视觉 | NA | 显微镜成像 | 半监督学习,对比学习,实例分割 | 图像 | 1000张未标注图像，约200张标注图像（含约600个标注微粒） | PyTorch | ResNet50, Mask R-CNN | 平均精度均值, 平均精度 | NA |
| 17523 | 2025-10-07 |
Integrating deep learning algorithms for forecasting evapotranspiration and assessing crop water stress in agricultural water management
2025-Feb, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.124363
PMID:39889430
|
研究论文 | 本研究通过整合深度学习算法预测蒸散发和评估作物水分胁迫，为农业水资源管理提供决策支持 | 首次将多种深度学习模型（FFNN、CNN、GRU、LSTM）与ACCESS-ESM气候模型和共享社会经济路径（SSPs）相结合，用于蒸散发和作物水分胁迫指数的预测 | 研究范围仅限于孟加拉国地区，未验证模型在其他地理区域的适用性 | 开发先进的预测模型以提升农业水资源管理效率 | 蒸散发（ET）、潜在蒸散发（PET）和作物水分胁迫指数（CWSI） | 机器学习 | NA | 深度学习，气候建模 | FFNN, CNN, GRU, LSTM | 高分辨率气候数据 | 基于ACCESS-ESM模型和四种共享社会经济路径（SSPs）的未来气候情景数据 | NA | 前馈神经网络，卷积神经网络，门控循环单元，长短期记忆网络 | 预测精度 | NA |
| 17524 | 2025-10-07 |
Deep learning and generative artificial intelligence in aging research and healthy longevity medicine
2025-Jan-16, Aging
DOI:10.18632/aging.206190
PMID:39836094
|
综述 | 探讨深度学习和生成式人工智能在衰老研究与健康长寿医学中的应用 | 系统整合DL与GenAI在衰老研究中的多模态、多任务应用，提出双靶点治疗策略 | NA | 延长健康生产寿命，推动健康长寿医学发展 | 人类与动物的衰老过程 | 机器学习 | 老年疾病 | NA | 深度学习, 生成式人工智能 | 多模态数据 | NA | NA | NA | NA | NA |
| 17525 | 2025-10-07 |
Deep learning CT image restoration using system blur and noise models
2025-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.1.014003
PMID:39906485
|
研究论文 | 提出一种结合系统模糊和噪声模型的深度学习CT图像恢复方法 | 将系统模糊和噪声特性作为辅助输入整合到深度学习模型中，而非仅依赖图像输入进行盲恢复 | NA | 提升CT图像恢复质量 | 受模糊和噪声影响的CT图像 | 计算机视觉 | NA | CT成像 | CNN | 医学图像 | NA | NA | 卷积神经网络 | 峰值信噪比, 结构相似性指数 | NA |
| 17526 | 2025-10-07 |
Artificial Intelligence to Facilitate Clinical Trial Recruitment in Age-Related Macular Degeneration
2024 Nov-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100566
PMID:39139546
|
研究论文 | 本研究开发了一种基于深度学习的人工智能系统，用于自动筛选符合地理萎缩临床试验资格的患者 | 利用AI生成的视网膜组织分割来识别临床试验合格患者，相比传统电子健康记录搜索方法具有更高精度 | 研究基于单一医疗中心的回顾性数据，需要进一步外部验证 | 探索人工智能在年龄相关性黄斑变性临床试验招募中的应用 | 地理萎缩(GA)患者，作为年龄相关性黄斑变性的晚期阶段 | 数字病理 | 年龄相关性黄斑变性 | OCT成像, FAF成像 | 深度学习 | 医学图像 | 306,651名患者(602,826只眼睛) | NA | NA | 阳性预测值, 组内相关系数 | NA |
| 17527 | 2025-10-07 |
Generative artificial intelligence in ophthalmology: current innovations, future applications and challenges
2024-Sep-20, The British journal of ophthalmology
DOI:10.1136/bjo-2024-325458
PMID:38925907
|
综述 | 探讨生成式人工智能在眼科领域的当前创新、未来应用与挑战 | 系统阐述生成对抗网络和扩散模型在眼科影像生成中的应用，以及多模态基础模型在眼科的多场景应用潜力 | 该技术仍处于发展初期，存在数据偏差、安全问题和临床实施挑战 | 分析生成式AI在眼科领域的应用前景与技术挑战 | 眼科医疗影像与相关文本数据 | 计算机视觉, 自然语言处理 | 眼科疾病 | 生成对抗网络, 扩散模型, 多模态基础模型 | GAN, 扩散模型 | 图像, 文本, 视频 | NA | NA | NA | NA | NA |
| 17528 | 2024-08-08 |
Commentary: Detection of Endoleak After Endovascular Aortic Repair Through Deep Learning Based on Non-contrast CT
2024-Sep, Cardiovascular and interventional radiology
IF:2.8Q2
DOI:10.1007/s00270-024-03830-w
PMID:39110204
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17529 | 2025-10-07 |
Applications of artificial intelligence in biliary tract cancers
2024-08, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology
IF:2.0Q3
DOI:10.1007/s12664-024-01518-0
PMID:38427281
|
综述 | 本文综述人工智能在胆道癌诊断和预后改善中的应用策略 | 系统总结AI技术在胆道癌这一具有地域特异性的恶性肿瘤中的应用现状 | NA | 探讨人工智能技术在胆道癌诊疗中的应用价值 | 胆道癌（包括胆管癌和胆囊癌） | 医学影像分析 | 胆道癌 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 17530 | 2025-10-07 |
Attribute-guided prototype network for few-shot molecular property prediction
2024-Jul-25, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae394
PMID:39133096
|
研究论文 | 提出一种属性引导原型网络(APN)用于解决小样本分子性质预测的挑战 | 引入分子属性提取器提取多种指纹属性，并设计属性引导双通道注意力模块学习分子图与属性间的关系 | NA | 解决小样本分子性质预测问题，提升药物发现过程中的分子评估和筛选效率 | 分子性质预测中的小样本学习场景 | 机器学习 | NA | 分子指纹属性提取，自监督学习 | 原型网络 | 分子图数据，指纹属性数据 | NA | NA | 属性引导原型网络(APN)，属性引导双通道注意力模块 | NA | NA |
| 17531 | 2025-10-07 |
Predicting dynamic, motion-related changes in B0 field in the brain at a 7T MRI using a subject-specific fine-trained U-net
2024-May, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29980
PMID:38193276
|
研究论文 | 提出一种基于深度学习的方法，通过头部位置变化预测7T MRI中大脑B0场的动态变化 | 使用针对特定受试者精细训练的3D U-net网络，仅需有限头部位置测量即可预测B0场变化，无需传统导航序列 | 需要外部跟踪硬件配合，且依赖于刚性运动假设 | 开发无需导航器的B0场动态变化预测方法，提高MRI数据质量 | 大脑B0场在头部运动时的动态变化 | 医学影像分析 | NA | 7T MRI，梯度回波序列 | CNN | 3D MRI图像，B0场图 | NA | NA | 3D U-net | 定性比较，定量比较 | NA |
| 17532 | 2025-10-07 |
Discovery of a structural class of antibiotics with explainable deep learning
2024-Feb, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06887-8
PMID:38123686
|
研究论文 | 通过可解释深度学习发现新型抗生素结构类别 | 开发了基于可解释图算法的深度学习方法来识别与抗生素活性相关的化学亚结构，突破了传统黑箱模型的局限 | 仅测试了283种化合物的实验验证，样本规模相对有限 | 发现新型抗生素结构类别以应对抗生素耐药性危机 | 化学化合物及其对金黄色葡萄球菌的抗生素活性 | 机器学习 | 细菌感染 | 图神经网络，可解释图算法 | 图神经网络 | 化学结构数据 | 39,312个化合物的实验数据，12,076,365个化合物的预测数据 | NA | 图神经网络集成 | 抗生素活性预测准确率，细胞毒性预测准确率 | NA |
| 17533 | 2025-10-07 |
Deep IDA: a deep learning approach for integrative discriminant analysis of multi-omics data with feature ranking-an application to COVID-19
2024, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae060
PMID:39027641
|
研究论文 | 提出一种用于多组学数据整合判别分析的深度学习方法Deep IDA，通过非线性变换实现最大关联和最大分离，并应用于COVID-19研究 | 开发了能够处理两个或更多数据视图复杂非线性关系的深度学习方法，并提出基于集成学习的特征排序方法以提高结果可解释性 | 未明确说明样本量的具体限制或模型在其他疾病数据集上的泛化能力 | 开发多组学数据整合分析方法以更好理解复杂疾病的病理生物学 | COVID-19患者的多组学数据 | 机器学习 | COVID-19 | RNA测序，代谢组学，蛋白质组学 | 深度学习 | 多组学数据 | 两个大型真实世界数据集 | PyTorch | Deep IDA | NA | NA |
| 17534 | 2025-10-07 |
Automated recognition of emotional states of horses from facial expressions
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0302893
PMID:39008504
|
研究论文 | 本研究开发了首个基于马匹面部表情自动识别情绪状态的AI模型 | 首次将AI模型应用于马匹情绪状态识别，探索了深度学习和机器学习两种方法，并比较了视频输入与EquiFACS注释输入的差异 | 积极期待和挫折两种情绪状态难以区分，准确率仅为61% | 开发自动识别马匹情绪状态的AI模型 | 马匹 | 计算机视觉 | NA | EquiFACS注释 | 深度学习, 机器学习 | 视频, 注释数据 | NA | NA | NA | 准确率 | NA |
| 17535 | 2025-10-07 |
Late-Life High Blood Pressure and Enlarged Perivascular Spaces in the Putaminal Regions of Community-Dwelling Japanese Older Persons
2024-01, Journal of geriatric psychiatry and neurology
IF:2.9Q2
DOI:10.1177/08919887231195235
PMID:37537887
|
研究论文 | 本研究探讨了日本社区老年人群晚期高血压与脑部豆状核区域血管周围间隙扩大的关联 | 首次在大型社区老年人群中系统分析血压水平与血管周围间隙体积的定量关系，并采用自主研发的深度学习软件进行精确测量 | 横断面研究设计无法确定因果关系，研究对象仅限于日本社区老年人群 | 确定血压与脑部血管周围间隙体积的关联并分析相关因素的交互作用 | 9296名65岁及以上社区居住的日本老年人 | 数字病理 | 老年疾病 | 脑磁共振成像 | 深度学习 | 医学影像 | 9296名社区老年受试者 | 自主研发软件 | NA | 协方差分析，多元回归分析，趋势P值 | NA |
| 17536 | 2025-10-07 |
A Deep Learning Approach to Improve Retinal Structural Predictions and Aid Glaucoma Neuroprotective Clinical Trial Design
2023 Mar-Apr, Ophthalmology. Glaucoma
DOI:10.1016/j.ogla.2022.08.014
PMID:36038107
|
研究论文 | 开发深度学习回归方法预测青光眼患者视网膜结构厚度，以优化神经保护临床试验设计 | 首次利用深度学习模型预测视网膜GCIPL和RNFL厚度，并提出基于个体化半视网膜预测的临床试验样本量优化方法 | 研究为横断面设计，仅包含特定人群（非裔后裔青光眼患者）的数据 | 改进青光眼神经保护临床试验设计，通过预测视网膜结构厚度降低样本量需求 | 青光眼患者的视网膜GCIPL和RNFL厚度 | 医学影像分析 | 青光眼 | 光谱域OCT扫描 | 深度学习回归模型 | 视网膜OCT图像 | 1096只眼（550名患者）的3327对GCIPL/RNFL扫描数据 | NA | NA | 平均绝对误差, 皮尔逊相关系数平方 | NA |
| 17537 | 2025-02-12 |
Hematoxylin and Eosin-stained whole slide image dataset annotated for skin tissue segmentation
2025-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111306
PMID:39925388
|
研究论文 | 本文发布了一个用于皮肤组织分割的Hematoxylin和Eosin染色全切片图像数据集，并验证了其有效性 | 发布了一个包含38张全切片图像及其掩码的数据集，涵盖了12个类别，包括组织、皮肤癌和皮肤层，并使用SegFormer模型验证了数据集的有效性 | 数据集规模相对较小，仅包含38张图像 | 通过发布和验证数据集，支持基于深度学习的皮肤疾病自动诊断系统的开发 | 皮肤组织 | 数字病理学 | 皮肤癌 | Hematoxylin和Eosin染色 | SegFormer | 图像 | 38张全切片图像 | NA | NA | NA | NA |
| 17538 | 2025-10-07 |
Transformer-Based Multilabel Deep Learning Model Is Efficient for Detecting Ankle Lateral and Medial Ligament Injuries on Magnetic Resonance Imaging and Improving Clinicians' Diagnostic Accuracy for Rotational Chronic Ankle Instability
2025-Mar, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association
IF:4.4Q1
DOI:10.1016/j.arthro.2024.05.027
PMID:38876447
|
研究论文 | 开发基于Transformer的多标签深度学习模型用于检测踝关节内外侧韧带损伤并辅助诊断慢性踝关节不稳 | 首次将Transformer架构应用于踝关节MRI多标签韧带损伤检测，相比传统CNN模型性能显著提升 | 回顾性研究设计，需进一步前瞻性验证 | 开发深度学习模型辅助慢性踝关节不稳的MRI诊断 | 踝关节MRI图像和慢性踝关节不稳患者 | 医学影像分析 | 踝关节损伤 | 磁共振成像 | Transformer, CNN | 医学图像 | 从3个医疗中心2016年4月至2022年3月期间收集的踝关节MRI数据 | NA | AnkleNet, 4种CNN模型 | AUC, 平衡准确率 | NA |
| 17539 | 2025-10-07 |
ChatGPT, Bard, and Bing Chat Are Large Language Processing Models That Answered Orthopaedic In-Training Examination Questions With Similar Accuracy to First-Year Orthopaedic Surgery Residents
2025-Mar, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association
IF:4.4Q1
DOI:10.1016/j.arthro.2024.08.023
PMID:39209078
|
研究论文 | 评估ChatGPT、Bard和Bing Chat在骨科培训考试中的表现，并与骨科住院医师进行比较 | 首次系统比较三种大型语言处理模型在骨科专业考试中的表现，并与不同年级住院医师建立直接对比基准 | 模型无法处理图像相关题目，测试仅限于2021-2022年考题 | 评估AI模型在骨科诊断和治疗知识方面的准确性和临床适用性 | ChatGPT(GPT-3.5)、Bard、Bing Chat三种AI模型和骨科住院医师 | 自然语言处理 | 骨科疾病 | 大型语言模型 | GPT-3.5, Bard, Bing Chat | 文本试题 | 420道骨科培训考试题目 | NA | 大型语言模型 | 准确率 | NA |
| 17540 | 2025-10-07 |
Distinguishing the activity of flexor digitorum brevis and soleus across standing postures with deep learning models
2025-Mar, Gait & posture
IF:2.2Q2
DOI:10.1016/j.gaitpost.2024.12.014
PMID:39674063
|
研究论文 | 使用深度学习模型区分不同站立姿势下趾短屈肌和比目鱼肌的肌电活动 | 首次使用深度卷积神经网络分析趾短屈肌和比目鱼肌在不同站立姿势下的肌电活动特征差异 | 研究仅针对健康年轻男性，样本代表性有限 | 区分不同站立姿势下趾短屈肌和比目鱼肌的肌电活动特征 | 趾短屈肌和比目鱼肌的肌电信号 | 机器学习 | NA | 高密度表面肌电信号记录 | CNN | 肌电信号 | 健康年轻男性（具体数量未提及） | NA | 深度卷积神经网络 | 分类准确率 | NA |