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 33344 篇文献，本页显示第 17981 - 18000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17981 | 2025-10-07 |
Free access via computational cloud to deep learning-based EEG assessment in neonatal hypoxic-ischemic encephalopathy: revolutionary opportunities to overcome health disparities
2024-Sep, Pediatric research
IF:3.1Q1
DOI:10.1038/s41390-024-03427-6
PMID:39107521
|
研究论文 | 评估基于深度学习的脑电监测系统BSN作为新生儿缺氧缺血性脑病严重程度床边标志物的有效性 | 首次通过计算云平台免费提供基于深度学习的脑电评估，为克服健康差异提供创新解决方案 | 样本量较小（仅46例HIE新生儿），需要更大规模研究验证 | 开发可访问的深度学习脑电评估工具用于新生儿脑病严重程度监测 | 缺氧缺血性脑病新生儿与健康婴儿 | 医疗人工智能 | 新生儿缺氧缺血性脑病 | 脑电图 | 深度学习 | 脑电信号 | 46例HIE新生儿及健康婴儿对照 | NA | Brain State of the Newborn (BSN) | 与Total Sarnat Score相关性分析 | 计算云平台 |
| 17982 | 2025-10-07 |
AI and Big Data approaches to addressing the opioid crisis: a scoping review protocol
2024-08-31, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2024-084728
PMID:39645274
|
综述 | 本文提出了一项范围综述方案，旨在评估人工智能和大数据技术在应对阿片类药物危机中的最新进展 | 首次系统性地对AI和大数据技术在阿片类药物危机中的应用进行范围综述，填补该领域综合评估的空白 | 作为综述方案，尚未开展实际数据收集和分析，结果有待后续研究验证 | 评估AI和大数据技术在检测、治疗、预防和应对阿片类药物危机方面的有效性 | 2013-2023年间发表的关于AI和大数据技术应用于阿片类药物危机的研究文献 | 自然语言处理, 机器学习 | 阿片类药物危机 | 机器学习, 深度学习, 自然语言处理 | NA | 文献数据, 灰色文献 | 四个科学数据库的文献（PubMed, Web of Science, Engineering Village, PsycInfo） | NA | NA | 评估指标将作为提取信息的一部分进行分析 | Covidence文献筛选工具 |
| 17983 | 2025-10-07 |
CREMP: Conformer-rotamer ensembles of macrocyclic peptides for machine learning
2024-Aug-09, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-03698-y
PMID:39122750
|
研究论文 | 本文介绍了CREMP数据集，这是一个用于机器学习模型开发和评估的环肽构象集合资源 | 首次创建了包含36,198个独特环肽及其高质量结构集合的大规模数据集，填补了环肽构象建模领域的空白 | 数据集主要基于计算模拟生成，需要进一步实验验证 | 开发用于环肽构象建模和优化的机器学习方法 | 环肽的构象集合和结构特性 | 机器学习 | NA | 构象-旋转异构体集合采样工具(CREST)，半经验扩展紧束缚(xTB)DFT计算 | NA | 结构数据，构象集合，能量注释 | 36,198个独特环肽，包含近3,130万个独特环肽几何结构，其中3,258个环肽具有被动渗透性数据 | NA | NA | NA | NA |
| 17984 | 2025-10-07 |
Artificial intelligence for gastric cancer in endoscopy: From diagnostic reasoning to market
2024-Jul, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver
IF:4.0Q1
DOI:10.1016/j.dld.2024.04.019
PMID:38763796
|
综述 | 本文全面评估人工智能在内窥镜成像中评估胃癌前病变和癌变病变的应用现状及临床推广障碍 | 系统梳理人工智能在胃镜领域从诊断推理到市场应用的全链条发展，重点关注临床转化面临的挑战 | 缺乏大规模稳健验证研究，存在监管障碍，临床常规应用尚未普及 | 评估人工智能在内窥镜胃部病变检测中的当前应用状况和实施障碍 | 胃部癌前病变和癌变病变的内窥镜图像 | 计算机视觉 | 胃癌 | 内窥镜成像 | 深度学习 | 医学图像 | NA | NA | NA | NA | NA |
| 17985 | 2025-10-07 |
Sentiment analysis of the Hamas-Israel war on YouTube comments using deep learning
2024-06-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63367-3
PMID:38871739
|
研究论文 | 本研究使用深度学习方法对YouTube上关于哈马斯-以色列战争的评论进行情感分析 | 首次将多种深度学习模型应用于哈马斯-以色列战争相关的社交媒体评论情感分析，并比较了不同词嵌入技术的效果 | 研究仅针对YouTube平台，样本来源有限；人工标注可能存在主观性；未考虑评论的时间动态变化 | 通过分析社交媒体评论了解公众对哈马斯-以色列战争的情感和意见倾向 | YouTube上关于哈马斯-以色列战争的用户评论 | 自然语言处理 | NA | 自然语言处理，情感分析 | LSTM, Bi-LSTM, GRU, CNN | 文本评论 | 24,360条来自BBC、WION、Aljazeera等YouTube新闻频道的评论 | NA | CNN和Bi-LSTM混合模型 | 准确率 | NA |
| 17986 | 2025-10-07 |
The Neurobeachin-like 2 protein (NBEAL2) controls the homeostatic level of the ribosomal protein RPS6 in mast cells
2024-05, Immunology
IF:4.9Q2
DOI:10.1111/imm.13756
PMID:38272677
|
研究论文 | 本研究揭示了NBEAL2蛋白通过调控核糖体蛋白RPS6的稳态水平影响肥大细胞功能的分子机制 | 首次发现NBEAL2与RPS6形成复合物调控其蛋白稳态，并阐明NBEAL2缺失导致RPS6异常磷酸化进而引发肥大细胞表型异常的机制 | 研究主要基于小鼠模型和细胞系，人类样本验证不足；具体分子相互作用机制仍需进一步探索 | 探究NBEAL2在肥大细胞中的详细功能及其分子机制 | 小鼠肥大细胞、MC/9肥大细胞系 | 分子生物学 | 免疫系统疾病 | CRISPR/Cas9基因编辑, 免疫共沉淀, 蛋白质印迹, ELISA, 流式细胞术 | 深度学习 | 蛋白质结构, 分子相互作用数据 | 野生型和Nbeal2基因敲除小鼠的肥大细胞, MC/9细胞系 | RoseTTAFold, Pymol | 深度学习蛋白质结构预测模型 | NA | NA |
| 17987 | 2025-10-07 |
Deep Learning-Based Glucose Prediction Models: A Guide for Practitioners and a Curated Dataset for Improved Diabetes Management
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3365290
PMID:38899015
|
研究论文 | 本研究利用可穿戴传感器采集的生理数据构建基于深度学习的血糖预测模型，并系统比较不同模型架构为从业者提供实践指导 | 系统比较多种深度学习架构在血糖预测任务中的表现，并引入包含健康人群和糖尿病患者在自由生活条件下记录的精选数据集 | NA | 开发准确的中短期血糖预测模型以改善糖尿病管理 | 糖尿病患者及糖尿病高风险人群 | 机器学习 | 糖尿病 | 可穿戴传感器数据采集 | 深度学习 | 生理时间序列数据 | 包含健康个体和糖尿病患者的精选数据集 | NA | 多种深度学习架构 | NA | NA |
| 17988 | 2025-10-07 |
Optimizing Machine Learning Models for Accessible Early Cognitive Impairment Prediction: A Novel Cost-effective Model Selection Algorithm
2024, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/access.2024.3505038
PMID:39902153
|
研究论文 | 开发了一种用于早期认知障碍预测的成本效益模型选择算法，并验证了支持向量机模型在预测性能与计算效率方面的优势 | 提出了一种新颖的算法来选择成本效益高的模型，在保证高性能的同时最小化开发和运营成本 | 未在更多样化的数据集上进行验证，且主要依赖NACC UDS数据 | 开发成本效益高且易于获取的机器学习模型，用于预测未来五年内的认知障碍风险 | 认知障碍和痴呆相关疾病的早期预测 | 机器学习 | 老年疾病 | 机器学习，深度学习 | SVM, 神经网络 | 结构化医疗数据 | 来自NACC统一数据集的数据 | NA | 支持向量机，神经网络 | F2-score | NA |
| 17989 | 2025-10-07 |
Classification of tomato leaf disease using Transductive Long Short-Term Memory with an attention mechanism
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1467811
PMID:39906226
|
研究论文 | 提出一种结合注意力机制的转导式长短期记忆网络用于番茄叶部病害分类 | 首次将转导学习与LSTM结合并引入注意力机制，通过缩放点积注意力评估图像序列中各步骤的权重 | 未明确说明模型计算复杂度及实际部署可行性 | 开发高效的番茄叶部病害自动分类方法 | 番茄叶片图像 | 计算机视觉 | 植物病害 | 图像处理、数据增强 | T-LSTM, CNN | 图像 | PlantVillage数据集（未明确具体数量） | NA | U-Net, VGG-16, T-LSTM with attention mechanism | 准确率 | NA |
| 17990 | 2025-10-07 |
An improved ShuffleNetV2 method based on ensemble self-distillation for tomato leaf diseases recognition
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1521008
PMID:39906224
|
研究论文 | 提出一种基于集成自蒸馏的改进ShuffleNetV2方法，用于番茄叶部病害识别 | 构建多深度浅层模型建立蒸馏框架，引入深度可分离卷积层提取更有效特征信息，通过集成模型动态传递知识 | NA | 开发适用于边缘设备部署的轻量级番茄病害识别模型 | 番茄叶部病害 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | NA | NA | ShuffleNetV2, VGG16, ResNet18 | 准确率, 精确率, 召回率, F1分数 | 边缘设备 |
| 17991 | 2025-10-07 |
Automated karyogram analysis for early detection of genetic and neurodegenerative disorders: a hybrid machine learning approach
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1525895
PMID:39911161
|
研究论文 | 提出一种结合无监督和监督学习的混合方法，用于自动化染色体核型分析以早期检测遗传和神经退行性疾病 | 开发了结合自编码器和卷积神经网络的混合学习方法，解决了染色体异常数据稀缺和标注数据有限的问题 | 依赖于特定数据集，模型在更广泛染色体异常类型上的泛化能力需要进一步验证 | 开发自动化染色体核型分析方法，实现遗传和神经退行性疾病的早期检测 | 染色体图像 | 医学图像分析 | 遗传疾病,神经退行性疾病 | 染色体核型分析 | Autoencoder, CNN | 图像 | 234,259张染色体图像（包含训练集、验证集和测试集） | NA | Autoencoder, CNN | 准确率, 结构相似性指数, 模板匹配 | NA |
| 17992 | 2025-10-07 |
Proximity-based solutions for optimizing autism spectrum disorder treatment: integrating clinical and process data for personalized care
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1512818
PMID:39911557
|
研究论文 | 利用人工智能技术优化自闭症谱系障碍的诊断和治疗，通过集成临床和流程数据提供个性化护理 | 开发了集成多源数据的中央数据枢纽(MDP)，结合AI算法实现自闭症风险因素识别、个性化治疗计划制定和复发预测，并引入面向患者的聊天机器人 | 未提及具体样本规模和验证方法，缺乏实际应用效果的具体数据 | 改善自闭症谱系障碍的诊断和治疗可及性，实现个性化护理 | 自闭症谱系障碍患者及其临床数据 | 机器学习 | 自闭症谱系障碍 | 人工智能、机器学习和深度学习 | NA | 临床数据和流程数据 | NA | NA | NA | NA | NA |
| 17993 | 2025-10-07 |
Accurate LAI estimation of soybean plants in the field using deep learning and clustering algorithms
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1501612
PMID:39911650
|
研究论文 | 提出结合深度学习和聚类算法的处理流程，从无人机LiDAR点云数据中分割田间大豆植株并估算叶面积指数 | 首次将PointNet++模型与分水岭算法结合用于田间大豆植株分割，显著提升分割精度6.73% | 仅针对大豆植物进行研究，未验证在其他作物上的适用性 | 开发高效准确的田间植物表型参数提取方法 | 田间种植的大豆植株 | 计算机视觉 | NA | LiDAR点云采集 | PointNet++, SVM, RF, XGBoost | 3D点云数据 | NA | NA | PointNet++ | 准确率, F1-score, R², RMSE | NA |
| 17994 | 2025-10-07 |
YOLOv8s-Longan: a lightweight detection method for the longan fruit-picking UAV
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1518294
PMID:39911656
|
研究论文 | 提出一种名为YOLOv8s-Longan的轻量级深度学习算法，用于无人机采摘龙眼果实的快速准确检测 | 设计了AMA注意力模块并集成到DenseAMA和C2f-Faster-AMA模块中，提出VOVGSCSPC模块进行多尺度特征融合，采用新型Inner-SIoU损失函数作为目标边界框损失函数 | NA | 提高无人机采摘场景下果实检测的准确性和速度，同时减少模型参数量 | 龙眼果实 | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | NA | NA | YOLOv8s-Longan, DenseAMA, C2f-Faster-AMA, VOVGSCSPC | mAP@0.5 | 无人机计算平台 |
| 17995 | 2025-02-07 |
Graph Neural Networks in Cancer and Oncology Research: Emerging and Future Trends
2023-Dec-15, Cancers
IF:4.5Q1
DOI:10.3390/cancers15245858
PMID:38136405
|
综述 | 本文综述了图神经网络（GNNs）在癌症和肿瘤学研究中的应用，并探讨了未来的研究趋势 | 本文首次系统性地总结了2020年以来GNN在癌症和肿瘤学研究中的应用，并提出了未来研究的方向 | 本文主要基于现有文献进行综述，未涉及具体的实验验证 | 探讨图神经网络在癌症和肿瘤学研究中的应用及其未来趋势 | 癌症和肿瘤学研究中的多模态图数据 | 机器学习 | 癌症 | 图神经网络（GNNs） | GNN | 图数据（分子结构、空间分辨成像、数字病理学、生物网络、知识图谱等） | NA | NA | NA | NA | NA |
| 17996 | 2025-02-07 |
Response to: Significance and stability of deep learning-based identification of subtypes within major psychiatric disorders. Molecular Psychiatry (2022)
2022-09, Molecular psychiatry
IF:9.6Q1
DOI:10.1038/s41380-022-01613-8
PMID:35681080
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17997 | 2025-10-07 |
Predicting bone metastasis risk of colorectal tumors using radiomics and deep learning ViT model
2025-Apr, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2024.100659
PMID:39902382
|
研究论文 | 本研究结合影像组学和Vision Transformer深度学习技术，开发预测结直肠癌骨转移风险的模型 | 首次将Vision Transformer模型应用于结直肠癌骨转移风险预测，并采用双模态CT图像和晚期融合策略 | 回顾性研究，样本量有限（155例），需要更大规模多中心研究验证 | 开发预测结直肠癌骨转移风险的精准模型 | 结直肠癌患者 | 计算机视觉 | 结直肠癌 | CT成像 | Vision Transformer, SVM, KNN, Random Forest, LightGBM, XGBoost | CT图像 | 155例结直肠癌患者（81例有骨转移，74例无骨转移） | NA | Vision Transformer | AUC-ROC, 准确率, 敏感性, 特异性 | NA |
| 17998 | 2025-10-07 |
Integrating artificial intelligence with smartphone-based imaging for cancer detection in vivo
2025-Mar-01, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2024.116982
PMID:39616900
|
研究论文 | 本文探讨了将人工智能与智能手机成像系统相结合用于体内癌症检测的技术 | 整合智能手机成像与AI算法，为资源有限地区提供便携、经济、可及的早期癌症检测方案 | 智能手机系统存在成像质量较低和计算能力受限的问题 | 开发基于智能手机和AI的早期癌症检测工具 | 不同癌症类型的体内检测 | 计算机视觉 | 癌症 | 智能手机成像 | 深度学习 | 图像 | NA | NA | NA | NA | 智能手机 |
| 17999 | 2025-10-07 |
Fully automatic reconstruction of prostate high-dose-rate brachytherapy interstitial needles using two-phase deep learning-based segmentation and object tracking algorithms
2025-Mar, Clinical and translational radiation oncology
IF:2.7Q2
DOI:10.1016/j.ctro.2025.100925
PMID:39901943
|
研究论文 | 提出一种基于两阶段深度学习的全自动方法，用于定位前列腺高剂量率近距离放射治疗导管 | 首次结合pix2pix GAN和GOTURN两种深度神经网络，实现前列腺近距离放射治疗针的自动分割与轨迹追踪 | 仅使用25名患者的数据进行训练和测试，样本量有限 | 自动化定位前列腺高剂量率近距离放射治疗导管轨迹 | 前列腺高剂量率近距离放射治疗患者的CT图像 | 计算机视觉 | 前列腺癌 | CT成像 | GAN, CNN | 医学图像 | 25名患者，592个测试切片，8764根针 | NA | pix2pix GAN, GOTURN | Dice相似系数, IoU, F1分数, 召回率, 精确度 | NA |
| 18000 | 2024-10-18 |
Radiomics-Based Prediction of Patient Demographic Characteristics on Chest Radiographs: Looking Beyond Deep Learning for Risk of Bias
2025-Feb-05, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.31963
PMID:39413236
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |