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 32939 篇文献，本页显示第 17861 - 17880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17861 | 2025-01-31 |
An easy-to-use three-dimensional protein-structure-prediction online platform "DPL3D" based on deep learning algorithms
2025-Jun, Current research in structural biology
IF:2.7Q3
DOI:10.1016/j.crstbi.2024.100163
PMID:39867105
|
研究论文 | 本文介绍了一个基于深度学习算法的易于使用的三维蛋白质结构预测在线平台DPL3D | 开发了一个用户友好的平台DPL3D，能够预测和可视化突变蛋白质的三维结构，并集成了多种先进的蛋白质结构预测软件 | 平台依赖于现有的蛋白质晶体结构数据，对于缺乏这些数据的蛋白质，预测准确性可能受限 | 开发一个易于使用的在线平台，用于预测和可视化突变蛋白质的三维结构，以促进生物发现 | 突变蛋白质的三维结构 | 生物信息学 | NA | 深度学习算法 | AlphaFold 2, RoseTTAFold, RoseTTAFold All-Atom, trRosettaX-Single | 蛋白质晶体结构数据 | 210,180个分子结构，包括52,248个人类蛋白质 | NA | NA | NA | NA |
| 17862 | 2025-01-31 |
Multimodal Deep Learning for Differentiating Bacterial and Fungal Keratitis Using Prospective Representative Data
2025 Mar-Apr, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100665
PMID:39866343
|
研究论文 | 本研究开发并评估了使用来自南印度的前瞻性代表性数据集区分细菌性和真菌性角膜炎的多模态机器学习模型 | 使用前瞻性、连续收集的代表性数据集（MADURAI数据集）开发了三种预测模型，并比较了它们的性能，强调了使用此类数据进行模型训练和评估的重要性 | 多模态模型相比计算机视觉模型并未显著提升性能 | 区分细菌性和真菌性角膜炎 | 599名在印度Aravind眼科医院诊断为急性感染性角膜炎的患者 | 计算机视觉 | 角膜炎 | 深度学习 | EfficientNet | 图像和临床数据 | 599名患者 | NA | NA | NA | NA |
| 17863 | 2025-01-31 |
Deep-Reticular Pseudodrusen-Net: A 3-Dimensional Deep Network for Detection of Reticular Pseudodrusen on OCT Scans
2025 Mar-Apr, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100655
PMID:39866344
|
研究论文 | 本文提出了一种名为Deep-RPD-Net的三维深度学习网络，用于在光谱域OCT扫描中检测网状假性玻璃膜疣（RPD），并解释了其决策过程，同时与基线方法进行了比较 | Deep-RPD-Net结合了半监督学习（SSL）技术，利用未标记的OCT扫描数据改进模型性能，并在解释性方面表现优异 | 研究依赖于特定数据集（AREDS2和DAAMD），可能在其他数据集上的泛化能力有限 | 开发一种能够准确检测OCT扫描中RPD的深度学习模型 | OCT扫描中的网状假性玻璃膜疣（RPD） | 计算机视觉 | 老年性黄斑变性 | 半监督学习（SSL） | 3D深度学习网络 | OCT扫描图像 | 476名参与者（315名来自AREDS2，161名来自DAAMD），共2783张OCT扫描（826张标记的AREDS2数据和1366张标记的DAAMD数据） | NA | NA | NA | NA |
| 17864 | 2025-01-31 |
Automated Quantification of Retinopathy of Prematurity Stage via Ultrawidefield OCT
2025 Mar-Apr, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100663
PMID:39866345
|
研究论文 | 本研究通过深度学习自动测量早产儿视网膜病变（ROP）中异常神经血管组织（ANVTV）的体积，以开发基于OCT的定量生物标志物 | 首次使用深度学习自动测量ROP中ANVTV的体积，并验证其与疾病阶段的关联 | 样本量较小，仅来自单一中心，且仅评估了1至3阶段的ROP | 开发基于OCT的定量生物标志物，用于ROP的筛查、诊断和监测 | 早产儿视网膜病变（ROP）患者 | 数字病理学 | 早产儿视网膜病变 | OCT（光学相干断层扫描） | U-Net | 图像 | 33名ROP婴儿，其中6名用于训练，6名用于测试，21名用于临床评估 | NA | NA | NA | NA |
| 17865 | 2025-01-31 |
Integrating deep learning and machine learning for improved CKD-related cortical bone assessment in HRpQCT images: A pilot study
2025-Mar, Bone reports
IF:2.1Q3
DOI:10.1016/j.bonr.2024.101821
PMID:39866530
|
研究论文 | 本研究结合深度学习和机器学习，旨在改进慢性肾病（CKD）相关皮质骨在HRpQCT图像中的评估 | 创新性地将深度学习和机器学习结合，用于自动分割和分类CKD相关的骨骼异常，超越了传统的DXA和CT测量方法 | 样本量较小，仅为30名个体，且为概念验证研究，需进一步扩大样本量验证 | 改进CKD相关皮质骨的自动分割和分类，提升对CKD相关皮质骨变化的敏感性 | 30名个体（20名非CKD，10名3至5D期CKD）的HRpQCT图像 | 数字病理学 | 慢性肾病 | HRpQCT | 深度学习模型和XGBoost | 图像 | 30名个体（20名非CKD，10名3至5D期CKD），外加42名独立验证个体（18名非CKD，24名5D期CKD） | NA | NA | NA | NA |
| 17866 | 2025-01-31 |
AI integration into wavelength-based SPR biosensing: Advancements in spectroscopic analysis and detection
2025-Mar-01, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2025.343640
PMID:39880496
|
研究论文 | 本研究探讨了将AI方法集成到基于波长的便携式SPR生物传感器中，以提高信噪比和检测精度 | 首次将深度学习技术应用于光谱表面等离子体共振（SPR）生物传感器，设计了结合光谱减法方法的深度神经网络，显著提高了检测能力 | 未提及具体的研究局限性 | 提高便携式SPR生物传感器的信噪比和检测精度 | 基于波长的便携式SPR生物传感器 | 生物传感 | NA | 深度学习，光谱减法 | 深度神经网络 | 光谱数据 | NA | NA | NA | NA | NA |
| 17867 | 2025-01-31 |
ECCDN-Net: A deep learning-based technique for efficient organic and recyclable waste classification
2025-Feb-01, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2024.12.023
PMID:39705887
|
研究论文 | 本文提出了一种基于深度学习的有机和可回收废物分类技术，旨在提高垃圾图像分类的准确性和效率 | 提出了一个名为ECCDN-Net的新型深度学习模型，结合了Densenet201和Resnet18的优点，并通过辅助输出来优化分类过程 | NA | 提高垃圾图像分类的准确性和效率，以优化废物管理策略 | 有机和可回收废物的图像 | 计算机视觉 | NA | 深度学习 | ECCDN-Net, InceptionV2, Densenet201, MobileNet v2, Resnet18 | 图像 | 24,705张图像，分为有机和可回收两类 | NA | NA | NA | NA |
| 17868 | 2025-10-07 |
Deep structure-level N-glycan identification using feature-induced structure diagnosis integrated with a deep learning model
2025-Feb, Analytical and bioanalytical chemistry
IF:3.8Q1
DOI:10.1007/s00216-024-05505-4
PMID:39212697
|
研究论文 | 本研究开发了一种结合特征诱导结构诊断与深度学习模型的深度结构水平N-聚糖鉴定方法 | 首次将神经网络模型集成到特征诱导结构诊断中，解决了对称'镜像'分支异构体和连接异构体的鉴定难题 | 研究主要基于公开数据集，未涉及更广泛的生物样本类型 | 开发深度结构水平的N-聚糖鉴定方法 | N-聚糖结构，特别是对称分支异构体和连接异构体 | 生物信息学 | NA | N-糖蛋白质组学，MS/MS质谱 | 深度学习，卷积自编码器，多层感知机 | 质谱数据，MS/MS谱图 | 5个小鼠组织的17,136个完整N-糖肽谱图匹配 | NA | 卷积自编码器，多层感知机 | 准确率，AUC | NA |
| 17869 | 2025-01-14 |
A CNN-based self-supervised learning framework for small-sample near-infrared spectroscopy classification
2025-Jan-30, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d4ay01970a
PMID:39803715
|
研究论文 | 本文提出了一种基于卷积神经网络（CNN）的自监督学习框架，用于小样本近红外光谱分类 | 提出了一种自监督学习框架，能够在少量标记数据的情况下提高光谱分析的性能 | 需要大量伪标记数据进行预训练，可能在实际应用中受到数据获取的限制 | 提高小样本近红外光谱分类的准确性 | 三种茶叶品种的光谱数据 | 机器学习 | NA | 近红外光谱分析 | CNN | 光谱数据 | 自收集的三种茶叶品种数据集及三个公共数据集 | NA | NA | NA | NA |
| 17870 | 2025-01-31 |
A novel spectroscopy-deep learning approach for aqueous multi-heavy metal detection
2025-Jan-30, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d4ay01200c
PMID:39775679
|
研究论文 | 本文提出了一种结合光谱技术和深度学习的新方法，用于水体中多种重金属的快速检测 | 开发了一种新的数字光谱成像系统，并利用深度卷积神经网络（ResNet-50、Inception V1和SqueezeNet V1.1）构建了一个端到端的回归模型，用于预测混合水样中的重金属浓度 | 需要大量的光谱数据来训练AI模型，传统方法难以快速提供这些数据 | 开发一种高效的方法，用于复杂水环境中重金属的快速检测 | 混合水样中的重金属（砷、铬、铜） | 机器学习 | NA | 光谱技术 | ResNet-50, Inception V1, SqueezeNet V1.1 | 光谱数据 | 3000个混合重金属样本的光谱数据 | NA | NA | NA | NA |
| 17871 | 2024-12-15 |
A novel approach in cancer diagnosis: integrating holography microscopic medical imaging and deep learning techniques-challenges and future trends
2025-Jan-29, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad9eb7
PMID:39671712
|
研究论文 | 本研究探讨了将全息显微医学成像与深度学习技术结合用于癌症诊断的新方法 | 提出了一种结合定量相位成像（QPI）和深度学习（DL）的新方法，解决了传统成像技术无法捕捉详细结构信息的局限性 | 研究中提到了集成全息成像和深度学习方法所面临的挑战，但未详细说明具体的限制 | 探索全息显微成像与深度学习技术结合在癌症诊断中的潜力，并提出未来研究方向 | 癌症诊断中的组织样本和全息图像 | 计算机视觉 | NA | 全息显微成像，深度学习 | U-Net，Vision Transformer（ViT） | 图像 | 未具体说明样本数量 | NA | NA | NA | NA |
| 17872 | 2025-01-31 |
EEG-derived brainwave patterns for depression diagnosis via hybrid machine learning and deep learning frameworks
2025-Jan-29, Applied neuropsychology. Adult
DOI:10.1080/23279095.2025.2457999
PMID:39879638
|
研究论文 | 本文开发了基于脑电图（EEG）信号的机器学习和深度学习技术，用于抑郁症的诊断 | 结合机器学习和深度学习框架，利用EEG信号进行抑郁症诊断，并在不同条件下测试了三种分类器的性能 | 样本量较小，仅包含34名抑郁症患者和30名健康受试者 | 开发基于EEG信号的机器学习和深度学习技术，用于抑郁症的早期诊断 | 34名抑郁症患者和30名健康受试者的EEG信号 | 机器学习 | 抑郁症 | EEG信号分析 | 1DCNN, SVM, LR | EEG信号 | 64名受试者（34名抑郁症患者和30名健康受试者） | NA | NA | NA | NA |
| 17873 | 2025-01-31 |
High-Precision prediction of curling trajectory multivariate time series using the novel CasLSTM approach
2025-Jan-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87933-5
PMID:39870770
|
研究论文 | 本文提出了一种创新的深度学习方法CasLSTM，用于高精度预测冰壶轨迹的多元时间序列 | 引入了集成层间记忆的CasLSTM方法，并设计了非教师强制、ExMSE损失和增量多轨迹学习等定制训练技术，显著提高了模型性能 | NA | 提高冰壶轨迹预测的精度，帮助运动员制定比赛策略 | 冰壶轨迹的多元时间序列 | 机器学习 | NA | 深度学习 | CasLSTM | 多元时间序列 | NA | NA | NA | NA | NA |
| 17874 | 2025-01-31 |
Efficient anomaly detection in tabular cybersecurity data using large language models
2025-Jan-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88050-z
PMID:39870811
|
研究论文 | 本文提出了一种基于大型语言模型的创新方法，用于表格数据中的异常检测，称为“通过引导提示的表格异常检测”（TAD-GP） | 利用7亿参数的开源模型，结合数据样本引入、异常类型识别、链式思维推理、多轮对话和关键信息强化等策略，显著提高了异常检测的性能 | NA | 解决传统机器学习和深度学习方法在表格数据异常检测中的泛化问题 | 表格数据中的异常检测 | 机器学习 | NA | 大型语言模型 | TAD-GP | 表格数据 | CICIDS2017、KDD Cup 1999和UNSW-NB15数据集 | NA | NA | NA | NA |
| 17875 | 2025-01-31 |
Hybrid generative adversarial network based on frequency and spatial domain for histopathological image synthesis
2025-Jan-27, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06057-9
PMID:39871140
|
研究论文 | 本文提出了一种基于频率和空间域的混合生成对抗网络，用于合成高质量的病理学图像 | 该方法通过跨注意力机制提取和融合空间域和频率域的特征，利用空间域指导优化频率域特征，并通过频率域信息细化空间特征，从而生成高质量的病理学图像 | NA | 提高病理学图像生成的质量，以支持临床应用 | 病理学图像 | 数字病理学 | NA | 生成对抗网络（GAN） | 混合生成对抗网络 | 图像 | Patch Camelyon数据集 | NA | NA | NA | NA |
| 17876 | 2025-01-31 |
Deep learning-based algorithm for classifying high-resolution computed tomography features in coal workers' pneumoconiosis
2025-Jan-27, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-025-01333-4
PMID:39871257
|
研究论文 | 本文开发了一种基于深度学习的算法，用于分类煤工尘肺病的高分辨率计算机断层扫描特征 | 结合DenseNet与ECA-Net，开发了一种新的深度学习模型，并成功应用于2D HRCT图像的自动分类 | 研究样本仅限于217名煤工尘肺病患者和粉尘暴露工人，可能限制了模型的泛化能力 | 开发一种能够准确分类煤工尘肺病临床影像特征的深度学习算法 | 煤工尘肺病患者和粉尘暴露工人的高分辨率计算机断层扫描图像 | 计算机视觉 | 尘肺病 | 深度学习 | DenseNet-ECA | 图像 | 217名煤工尘肺病患者和粉尘暴露工人的高分辨率计算机断层扫描图像，包含超过1700个感兴趣区域 | NA | NA | NA | NA |
| 17877 | 2025-01-31 |
The clinical application of artificial intelligence in cancer precision treatment
2025-Jan-27, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-06139-5
PMID:39871340
|
综述 | 本文综述了人工智能在癌症精准治疗中的临床应用及其最新进展 | 提供了人工智能在癌症精准医学中应用的最新发展综述，特别是在靶点预测、靶向药物生成、免疫治疗反应预测等领域的应用 | 缺乏对人工智能在癌症精准医学中影响的全面评估，且存在当前挑战和伦理问题 | 优化癌症患者的治疗效果并减少副作用，推动癌症精准医学的发展 | 癌症患者 | 机器学习 | 癌症 | 机器学习和深度学习 | NA | 高维数据集 | NA | NA | NA | NA | NA |
| 17878 | 2025-01-31 |
Histopathology and proteomics are synergistic for high-grade serous ovarian cancer platinum response prediction
2025-Jan-26, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-00808-w
PMID:39863682
|
研究论文 | 本研究展示了结合H&E染色的全切片图像和蛋白质组学特征的多模态深度学习框架，显著提高了对高级别浆液性卵巢癌铂类药物反应的预测 | 结合H&E染色的全切片图像和蛋白质组学特征的多模态深度学习框架，显著提高了对铂类药物反应的预测，并优于同源重组缺陷（HRD）评分 | NA | 提高高级别浆液性卵巢癌（HGSOC）患者对铂类药物反应的预测准确性 | 高级别浆液性卵巢癌（HGSOC）患者 | 数字病理学 | 卵巢癌 | H&E染色、蛋白质组学 | 多模态深度学习框架 | 图像、蛋白质组学数据 | NA | NA | NA | NA | NA |
| 17879 | 2025-01-31 |
A multicenter study of neurofibromatosis type 1 utilizing deep learning for whole body tumor identification
2025-Jan-26, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01454-z
PMID:39863790
|
研究论文 | 本研究利用深度学习技术开发了一种基于MRI的模型，用于在复杂全身背景下自动筛查恶性外周神经鞘瘤（MPNSTs） | 首次开发了一种适用于全身背景的深度学习模型，用于早期自动筛查MPNSTs，并引入了正常组织/器官标签以提供上下文信息 | 研究仅在中国七个中心的347名受试者中进行，样本量可能不足以代表更广泛的人群 | 开发一种高精度的MRI深度学习模型，用于在复杂全身背景下自动筛查MPNSTs | 神经纤维瘤病1型（NF1）患者的全身MRI数据 | 数字病理 | 神经纤维瘤病1型 | 深度学习 | 轻量级深度神经网络 | MRI图像 | 347名受试者 | NA | NA | NA | NA |
| 17880 | 2025-01-31 |
Disorder-induced enhancement of lithium-ion transport in solid-state electrolytes
2025-Jan-26, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56322-x
PMID:39865086
|
研究论文 | 本文通过建立和应用深度学习势能模拟不同无序程度的锂硫磷酸盐电解质系统，揭示了无序驱动的扩散动力学显著增强了室温导电性 | 利用深度学习势能模拟无序电解质系统，揭示了无序对离子导电性的增强作用，并应用机器学习结构指纹“软度”分类无序诱导的“软”跳跃锂离子 | 研究主要集中于锂硫磷酸盐电解质系统，未涉及其他类型的固体电解质 | 研究固体电解质中离子传导机制，特别是结构无序对离子导电性的影响，以开发高性能全固态锂离子电池 | 锂硫磷酸盐电解质系统 | 机器学习 | NA | 深度学习势能模拟 | 深度学习 | 模拟数据 | 不同无序程度的锂硫磷酸盐电解质系统 | NA | NA | NA | NA |