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 32922 篇文献，本页显示第 17621 - 17640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17621 | 2025-10-07 |
Rapid and non-destructive classification of rice seeds with different flavors: an approach based on HPFasterNet
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1502631
PMID:39902203
|
研究论文 | 本研究提出了一种基于HPFasterNet深度学习模型的快速无损大米风味分类方法 | 结合Ghost瓶颈和FasterNet_T0并引入分组卷积的轻量级网络HPFasterNet，在保持高精度的同时显著减少参数和计算量 | 仅针对19种粳稻种子进行研究，未涉及其他水稻品种 | 开发快速无损的大米风味分类识别方法 | 19种不同风味的粳稻种子 | 计算机视觉 | NA | 图像采集 | CNN | 图像 | 36735张图像 | NA | HPFasterNet, FasterNet_T0 | 准确率 | 资源受限环境 |
| 17622 | 2025-10-07 |
Deep-learning-assisted reconfigurable metasurface antenna for real-time holographic beam steering
2023-Jun, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0789
PMID:39633750
|
研究论文 | 提出一种基于深度学习的可重构超表面天线，实现实时全息波束控制 | 将自编码器与电磁散射方程结合，替代传统迭代方法，实现实时确定超原子状态 | 需验证玻恩近似在具体应用场景中的有效性 | 开发实时全息波束控制技术 | 可重构偶极子阵列超表面天线 | 机器学习 | NA | 深度学习，电磁散射计算 | 自编码器 | 电磁场模式数据 | NA | NA | 自编码器 | 计算时间（200微秒） | NA |
| 17623 | 2025-10-07 |
A deep neural network for general scattering matrix
2023-Jun, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0770
PMID:39633768
|
研究论文 | 开发了一种深度神经网络用于快速计算任意散射体的散射矩阵 | 首次使用深度神经网络计算非对称散射体的散射矩阵，速度比有限元求解器快数千倍，且自动满足能量守恒、时间反演和互易性等基本物理原理 | NA | 解决散射矩阵计算的高计算成本问题 | 任意形状的散射体 | 机器学习 | NA | 深度神经网络 | DNN | 数值模拟数据 | NA | NA | 深度神经网络 | 计算速度比较 | NA |
| 17624 | 2025-10-07 |
Just How Confident Can We Be in Predicting Sports Injuries? A Systematic Review of the Methodological Conduct and Performance of Existing Musculoskeletal Injury Prediction Models in Sport
2022-10, Sports medicine (Auckland, N.Z.)
DOI:10.1007/s40279-022-01698-9
PMID:35689749
|
系统性综述 | 对运动肌肉骨骼损伤预测模型的方法学质量和报告完整性进行系统性评价 | 首次系统评估运动损伤预测模型的方法学质量和报告完整性，涵盖回归、机器学习和深度学习方法 | 仅纳入截至2021年6月的研究，未进行模型外部验证，仅评估现有研究的报告质量 | 评估运动肌肉骨骼损伤预测模型的方法学实施和报告完整性 | 运动肌肉骨骼损伤预测模型研究 | 机器学习 | 肌肉骨骼损伤 | 回归分析, 机器学习, 深度学习 | 回归模型, 机器学习模型 | NA | 30项研究(包含204个模型) | NA | NA | 区分度, 校准度 | NA |
| 17625 | 2025-10-07 |
Deep Learning Image Analysis of Optical Coherence Tomography Angiography Measured Vessel Density Improves Classification of Healthy and Glaucoma Eyes
2022-04, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2021.11.008
PMID:34780803
|
研究论文 | 本研究比较了基于深度学习的光学相干断层扫描血管成像图像分析与传统特征分类方法在青光眼诊断中的性能 | 首次使用VGG16卷积神经网络直接分析en face血管密度图像，相比传统梯度提升分类器的特征分析方法显著提升了青光眼分类准确率 | 样本量相对有限（405只眼睛），仅针对视神经头区域成像，未包含其他眼部区域 | 改进青光眼与健康眼睛的分类诊断方法 | 80名健康个体的130只眼睛和185名青光眼患者的275只眼睛 | 计算机视觉 | 青光眼 | 光学相干断层扫描血管成像（OCTA） | CNN, GBC | 图像 | 405只眼睛（130只健康眼，275只青光眼） | NA | VGG16 | AUPRC（精确召回曲线下面积） | NA |
| 17626 | 2025-10-07 |
The Emerging Potential of Advanced Targeted Mass Spectrometry to Become a Routine Tool for Protein Quantification in Biomedical Research
2022-Feb-23, Chimia
IF:1.1Q3
DOI:10.2533/chimia.2022.81
PMID:38069753
|
综述 | 本文探讨了靶向质谱技术在生物医学研究中作为蛋白质定量常规工具的潜力与发展前景 | 提出深度学习光谱预测技术将显著改善靶向质谱的自动化检测开发流程 | 靶向质谱目前在学术界和工业界普及较慢，主要受限于检测方法开发和数据验证的额外工作负担 | 推动靶向质谱技术在系统生物学研究和临床转化中的应用 | 蛋白质、多肽及翻译后修饰 | 生物医学研究 | NA | 靶向质谱技术 | 深度学习 | 质谱数据 | NA | NA | NA | NA | NA |
| 17627 | 2025-10-07 |
Estimating time-to-total knee replacement on radiographs and MRI: a multimodal approach using self-supervised deep learning
2022-Jan-01, Radiology advances
DOI:10.1093/radadv/umae030
PMID:39744045
|
研究论文 | 本研究开发了一种结合自监督深度学习和多模态数据的生存分析模型，用于预测膝关节置换手术的时间 | 首次将自监督深度学习特征与临床变量和多模态影像评估相结合，用于精确预测膝关节置换时间 | 研究数据主要来自特定队列研究，外部验证样本量相对有限，且部分病例在9年随访期后状态未知 | 开发精确预测膝关节置换时间的模型以改善患者管理和医疗资源分配 | 膝关节骨关节炎患者 | 医学影像分析 | 骨关节炎 | MRI扫描、X射线摄影、定量和半定量影像评估 | 自监督深度学习、生存分析模型 | 医学影像（X光片、MRI）、临床测量数据 | 训练集：895例接受TKR的膝关节和786例对照膝关节；外部测试集：518例（多中心研究）和164例（医院数据） | NA | NA | AUC（曲线下面积） | NA |
| 17628 | 2025-02-05 |
Structure and oxygen saturation recovery of sparse photoacoustic microscopy images by deep learning
2025-Apr, Photoacoustics
IF:7.1Q1
DOI:10.1016/j.pacs.2025.100687
PMID:39896070
|
研究论文 | 本研究提出了一种名为Mask-enhanced U-net (MeU-net)的深度学习模型，用于恢复稀疏采样的光声显微镜（PAM）结构和功能图像 | 引入了自适应血管注意力掩码模块，专注于血管信息恢复，并设计了血管特定的损失函数以提高恢复精度 | 现有方法很少能有效恢复功能图像 | 提高光声显微镜成像速度和恢复精度 | 小鼠大脑和耳朵的稀疏采样光声显微镜图像 | 计算机视觉 | NA | 光声显微镜（PAM） | U-net | 图像 | 小鼠大脑和耳朵的模拟数据，稀疏度为4×、8×、12× | NA | NA | NA | NA |
| 17629 | 2025-02-05 |
Self-supervised light fluence correction network for photoacoustic tomography based on diffusion equation
2025-Apr, Photoacoustics
IF:7.1Q1
DOI:10.1016/j.pacs.2025.100684
PMID:39896066
|
研究论文 | 本文提出了一种基于深度学习的自监督光流校正方法，用于定量光声断层成像中的吸收系数分布估计 | 提出了一种自监督的QPAT网络模型SQPA-Net，通过将基于扩散方程的光流估计引入损失函数，指导模型学习光声光传输的隐式表示 | 缺乏真实数据用于监督网络训练 | 解决定量光声断层成像中吸收系数分布估计的问题 | 生物组织 | 计算机视觉 | NA | 深度学习 | SQPA-Net | 图像 | 模拟和小动物成像实验 | NA | NA | NA | NA |
| 17630 | 2025-02-04 |
DeepAptamer: Advancing high-affinity aptamer discovery with a hybrid deep learning model
2025-Mar-11, Molecular therapy. Nucleic acids
DOI:10.1016/j.omtn.2024.102436
PMID:39897584
|
研究论文 | 本文提出了一种名为DeepAptamer的混合深度学习模型，用于从早期未富集的SELEX轮次中识别高亲和力的寡核苷酸适配体 | DeepAptamer结合了卷积神经网络和双向长短期记忆网络，整合了序列组成和结构特征来预测适配体结合亲和力和潜在结合基序，显著提高了高亲和力适配体的发现效率 | NA | 解决SELEX过程中实验偏差和非特异性相互作用导致的高失败率问题，提高高亲和力适配体的发现效率 | 寡核苷酸适配体 | 机器学习 | NA | SELEX | CNN, LSTM | 序列数据 | NA | NA | NA | NA | NA |
| 17631 | 2025-10-07 |
Dongting Lake algal bloom forecasting: Robustness and accuracy analysis of deep learning models
2025-Mar-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.136804
PMID:39672063
|
研究论文 | 本研究开发了一种基于深度学习的洞庭湖藻华早期预警系统，通过集成时间序列分析和iTransformer模型提高预测精度 | 首次将iTransformer模型应用于藻华预测，利用其强大的预处理能力处理缺失数据，并通过注意力权重分析识别影响藻密度的关键因素 | 未来工作需要探索更多环境变量以增强模型的预测能力和泛化性 | 开发有效的有害藻华早期预警系统，支持水质管理决策 | 洞庭湖的水质数据和藻华发生情况 | 机器学习 | NA | 水质监测，时间序列分析 | iTransformer | 时间序列水质数据 | NA | NA | iTransformer | 预测准确性，鲁棒性 | NA |
| 17632 | 2025-10-07 |
Automated Quantitative Assessment of Retinal Vascular Tortuosity in Patients with Sickle Cell Disease
2025 Mar-Apr, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100658
PMID:39886358
|
研究论文 | 本研究使用自动化深度学习流程定量评估镰状细胞病患者的视网膜血管迂曲度 | 首次采用深度学习算法自动量化镰状细胞病视网膜病变患者的累积血管迂曲度指数 | 样本量相对有限，且为横断面研究无法确定因果关系 | 评估镰状细胞病患者的视网膜血管迂曲度与疾病严重程度的关系 | 镰状细胞病患者和匹配的健康对照者 | 数字病理学 | 镰状细胞病 | 超广角伪彩色眼底成像 | 深度学习算法 | 眼底图像 | 64名患者（119只眼）和57名对照（106只眼） | NA | NA | 累积迂曲度指数 | NA |
| 17633 | 2025-02-05 |
A Low Complexity Efficient Deep Learning Model for Automated Retinal Disease Diagnosis
2025-Mar, Journal of healthcare informatics research
IF:5.4Q1
DOI:10.1007/s41666-024-00182-5
PMID:39897099
|
研究论文 | 本文提出了一种低复杂度高效的深度学习模型，用于自动视网膜疾病诊断 | 开发了一种轻量级优化的紧凑卷积变压器（OCCT）模型，并通过消融研究改进了初始CCT模型，用于分类视网膜疾病 | NA | 通过深度学习技术提高视网膜疾病的早期诊断准确率 | 人类视网膜OCT图像 | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描（OCT） | 紧凑卷积变压器（OCCT），生成对抗网络（GAN） | 图像 | 130,649张图像 | NA | NA | NA | NA |
| 17634 | 2025-02-05 |
Enhancing unsupervised learning in medical image registration through scale-aware context aggregation
2025-Feb-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111734
PMID:39898031
|
研究论文 | 本文介绍了一种名为ScaMorph的无监督学习模型，用于医学图像配准，通过尺度感知的上下文聚合来提高配准效果 | ScaMorph模型结合了多尺度混合卷积和轻量级多尺度上下文融合，有效整合了卷积网络和视觉变换器，解决了多种配准任务 | NA | 提高医学图像配准的无监督学习效果 | 3D医学图像 | 计算机视觉 | NA | 无监督学习 | 卷积网络和视觉变换器 | 3D医学图像 | 五个应用场景的3D医学图像数据集 | NA | NA | NA | NA |
| 17635 | 2025-10-07 |
NIRFluor: A Deep Learning Platform for Rapid Screening of Small Molecule Near-Infrared Fluorophores with Desired Optical Properties
2025-Feb-04, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c01953
PMID:39818744
|
研究论文 | 开发了一个名为NIRFluor的深度学习平台，用于快速筛选具有理想光学性质的小分子近红外荧光团 | 提出了结合摩根指纹、理化性质和溶剂性质的新型混合指纹，并设计了多任务指纹增强图卷积网络(MT-FinGCN)模型 | NA | 加速小分子近红外荧光团的开发和设计 | 小分子近红外荧光团 | 机器学习 | NA | 深度学习 | GCN | 化学结构数据 | 5179个实验大数据 | NA | 多任务指纹增强图卷积网络(MT-FinGCN) | NA | NA |
| 17636 | 2025-10-07 |
Advanced Distance-Resolved Evaluation of the Perienhancing Tumor Areas with FLAIR Hyperintensity Indicates Different ADC Profiles by MGMT Promoter Methylation Status in Glioblastoma
2025-Feb-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8493
PMID:39848779
|
研究论文 | 通过新型距离分辨3D评估方法分析胶质母细胞瘤周围浸润区ADC值与MGMT启动子甲基化状态的关系 | 首次采用距离分辨的3D体积分析方法评估胶质母细胞瘤周围FLAIR高信号区的ADC分布特征 | 回顾性研究，样本量有限(n=101)，仅关注IDH野生型胶质母细胞瘤 | 探索MGMT启动子甲基化状态在胶质母细胞瘤MRI标记物中的差异表现 | 101例IDH野生型胶质母细胞瘤患者(mMGMT=43, uMGMT=58) | 数字病理 | 胶质母细胞瘤 | MRI, FLAIR序列, ADC分析, 深度学习分割 | 深度学习 | 3D医学影像 | 101例IDH野生型胶质母细胞瘤患者 | NA | NA | Wilcoxon符号秩检验, P值 | NA |
| 17637 | 2025-02-05 |
The Present State and Potential Applications of Artificial Intelligence in Cancer Diagnosis and Treatment
2025-Feb-03, Recent patents on anti-cancer drug discovery
IF:2.5Q3
|
综述 | 本文综述了人工智能在癌症诊断和治疗中的现状和潜在应用 | 探讨了人工智能在癌症管理中的多方面应用，包括早期检测、诊断、分类、分子特征分析、患者结果预测和治疗反应预测等 | 未提及具体的技术限制或数据限制 | 增强癌症的早期检测和管理 | 癌症患者 | 机器学习 | 癌症 | 深度学习 | NA | 医疗数据集 | NA | NA | NA | NA | NA |
| 17638 | 2025-10-07 |
Multi-task aquatic toxicity prediction model based on multi-level features fusion
2025-Feb, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2024.06.002
PMID:38844122
|
研究论文 | 提出一种基于多级特征融合的多任务水生毒性预测模型ATFPGT-multi，用于同时预测有机化合物对四种鱼类的急性毒性 | 融合分子指纹和分子图表征分子结构，采用多任务学习框架同时预测多种鱼类毒性，并利用注意力机制识别毒性相关分子片段 | 仅针对四种鱼类进行验证，未涵盖更广泛的水生生物种类 | 开发高精度、高效率的水生毒性预测模型以支持环境保护 | 有机化合物及其对水生生物的毒性效应 | 机器学习 | NA | 深度学习 | 深度神经网络 | 分子指纹、分子图 | 四种鱼类数据集 | NA | 多任务深度学习网络 | AUC | NA |
| 17639 | 2025-10-07 |
Diagnosis and typing of leukemia using a single peripheral blood cell through deep learning
2025-Feb, Cancer science
IF:4.5Q1
DOI:10.1111/cas.16374
PMID:39555724
|
研究论文 | 本研究开发了一种基于深度学习的模型，能够通过单个外周血细胞图像实现白血病的诊断和分型 | 首次提出使用分割增强残差网络结合渐进多粒度训练方法，仅需单个外周血细胞即可完成白血病诊断和分型，避免了侵入性骨髓穿刺 | 模型在非APL病例中的召回率相对较低(74.63%)，样本量有限(237名患者) | 开发非侵入性的白血病诊断和分型方法 | 外周血细胞图像，包括五种良性白细胞和八种白血病细胞 | 数字病理学 | 白血病 | 细胞形态学分析 | CNN | 图像 | 237名患者的21,208张图像 | NA | 增强残差网络 | 精确率,召回率,F1分数 | NA |
| 17640 | 2025-10-07 |
Current status and future direction of cancer research using artificial intelligence for clinical application
2025-Feb, Cancer science
IF:4.5Q1
DOI:10.1111/cas.16395
PMID:39557634
|
综述 | 介绍基于人工智能的癌症研究现状，重点讨论临床应用视角下的挑战与未来方向 | 聚焦生成式AI技术在癌症研究中的最新进展，特别关注AI医疗软件设备的监管审批现状 | NA | 促进利用有效AI技术的癌症研究发展 | 人工智能在癌症研究中的应用 | 机器学习 | 癌症 | 深度学习 | NA | 大数据 | NA | NA | NA | NA | NA |