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 32705 篇文献，本页显示第 18041 - 18060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18041 | 2025-01-24 |
Artificial intelligence in breast cancer survival prediction: a comprehensive systematic review and meta-analysis
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1420328
PMID:39839787
|
系统综述与元分析 | 本文通过系统综述和元分析，评估了人工智能和机器学习算法在乳腺癌生存预测中的应用及其效果 | 本文首次全面评估了多种机器学习算法在乳腺癌生存预测中的表现，并强调了混合模型和深度学习（特别是卷积神经网络）的优势 | 大多数研究依赖内部验证，缺乏外部验证，可能影响模型的普适性和鲁棒性 | 评估人工智能和机器学习算法在乳腺癌生存预测中的准确性和应用潜力 | 乳腺癌患者的临床数据 | 机器学习 | 乳腺癌 | 机器学习算法 | 混合模型、卷积神经网络（CNN） | 临床数据 | 32篇符合条件的文章，涉及140篇初步筛选的文章 | NA | NA | NA | NA |
| 18042 | 2025-01-24 |
Application of MRI image segmentation algorithm for brain tumors based on improved YOLO
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1510175
PMID:39840016
|
研究论文 | 本研究探讨了将改进的YOLOv5s深度学习算法模型应用于脑肿瘤磁共振图像分割的可行性，并在此基础上进行了优化和升级 | 在YOLOv5算法中引入了ASPP、CBAM和CA等结构改进，提出了多个优化版本，显著提升了脑肿瘤磁共振图像的分割能力 | 研究仅使用了两个公开数据集，样本量相对有限，可能影响模型的泛化能力 | 辅助临床快速识别脑肿瘤类型并实现分割检测 | 脑肿瘤磁共振图像 | 计算机视觉 | 脑肿瘤 | 深度学习 | YOLOv5s, YOLOv8s | 图像 | 3,223张图像（数据集1）和216张图像（数据集2） | NA | NA | NA | NA |
| 18043 | 2025-01-24 |
Artificial intelligence-driven identification and mechanistic exploration of synergistic anti-breast cancer compound combinations from Prunella vulgaris L.-Taraxacum mongolicum Hand.-Mazz. herb pair
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1522787
PMID:39840098
|
研究论文 | 本研究利用人工智能和大规模生物医学数据，识别并验证了夏枯草-蒲公英草药对中具有协同抗乳腺癌作用的化合物组合及其作用机制 | 首次应用深度学习模型DeepMDS预测夏枯草-蒲公英草药对中的协同抗乳腺癌多化合物组合，并通过实验验证其效果 | 研究主要基于体外细胞实验，缺乏体内实验验证 | 识别和验证夏枯草-蒲公英草药对中的协同抗乳腺癌化合物组合及其作用机制 | 夏枯草（Prunella vulgaris L.）和蒲公英（Taraxacum mongolicum Hand.-Mazz.）的提取物及其化合物 | 生物医学 | 乳腺癌 | 液相色谱-质谱分析（LC-MS）、深度学习模型（DeepMDS） | 深度学习模型（DeepMDS） | 化学化合物数据、生物医学数据 | 夏枯草和蒲公英的50%乙醇提取物，分别鉴定出27和21种化合物 | NA | NA | NA | NA |
| 18044 | 2025-01-24 |
A customized convolutional neural network-based approach for weeds identification in cotton crops
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1435301
PMID:39840351
|
研究论文 | 本文提出了一种基于定制卷积神经网络（CNN）的方法，用于棉花作物中的杂草识别 | 提出了一种新的基于深度CNN的架构，用于高效识别和分类棉花作物中的杂草，并在准确率上优于现有的VGG-16、ResNet、DenseNet和Xception模型 | 未提及具体的数据集规模或实验环境限制 | 开发一种高效的杂草识别和分类方法，以提高棉花作物的产量 | 棉花作物中的杂草 | 计算机视觉 | NA | 卷积神经网络（CNN） | CNN, VGG-16, ResNet, DenseNet, Xception | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 18045 | 2025-10-07 |
Deep Learning Models for Predicting Left Heart Abnormalities From Single-Lead Electrocardiogram for the Development of Wearable Devices
2023-12-25, Circulation journal : official journal of the Japanese Circulation Society
IF:3.1Q2
DOI:10.1253/circj.CJ-23-0216
PMID:37967949
|
研究论文 | 开发基于单导联心电图的深度学习模型用于预测左心异常 | 首次使用单导联（Lead I）心电图数据开发能够检测多种左心异常的深度学习模型，并在多中心数据集上验证其性能优于或等同于心脏病专家对12导联心电图的判读 | 研究仅基于特定医疗设施的数据，模型在更广泛人群中的泛化能力需要进一步验证 | 开发适用于可穿戴设备的左心异常检测算法 | 左心异常患者的心电图数据 | 机器学习 | 心血管疾病 | 心电图 | 深度学习 | 心电图信号 | 229,439组心电图和超声心动图配对数据，来自8个医疗设施 | NA | NA | AUC, 准确率 | NA |
| 18046 | 2025-01-23 |
HybNet: A hybrid deep models for medicinal plant species identification
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.103126
PMID:39830878
|
研究论文 | 本文介绍了三种创新的混合模型，用于在非约束环境下实时识别药用植物物种，通过结合卷积神经网络的优势来提高识别准确率 | 本文的创新点在于提出了三种混合模型，结合了VGG16、MobileNet、ResNet50和Squeeze and Excitation (SE)层的优势，显著提高了药用植物物种识别的准确率，特别是在特征增强和特征缩放方面 | 深度学习模型在小型数据集上训练和测试，尽管取得了较高的准确率，但数据集的规模可能限制了模型的泛化能力 | 研究目的是通过混合深度学习模型提高药用植物物种识别的准确率，特别是在复杂环境下的实时识别 | 研究对象为药用植物物种的图像数据 | 计算机视觉 | NA | 深度学习 | CNN (VGG16, MobileNet, ResNet50), KNN, Squeeze and Excitation (SE)层 | 图像 | 自建的药用植物数据集，具体样本数量未提及 | NA | NA | NA | NA |
| 18047 | 2025-10-07 |
A novel particle size distribution correction method based on image processing and deep learning for coal quality analysis using NIRS-XRF
2025-Apr-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2024.127427
PMID:39709828
|
研究论文 | 提出一种结合图像处理和深度学习的颗粒尺寸分布校正方法，用于改善NIRS-XRF煤质分析中的预测精度 | 首次将Segment Anything Model和Spatial Transformer Network应用于煤样颗粒尺寸分布的校正，建立了颗粒尺寸分布与灰分测量误差的关联模型 | 仅使用56个煤样本进行验证，样本规模相对较小；校正范围限定在0∼1mm颗粒尺寸 | 解决颗粒尺寸分布变化对NIRS-XRF煤质分析精度的影响 | 煤炭样本 | 计算机视觉, 机器学习 | NA | 近红外光谱, X射线荧光光谱, 图像处理 | CNN, STN, SAM | 图像, 光谱数据 | 56个煤样本（48个0.2mm标准样本，8个0∼1mm校正样本） | NA | Segment Anything Model, Spatial Transformer Network, Convolutional Neural Network | 标准偏差, 平均绝对误差, 均方根预测误差 | NA |
| 18048 | 2025-10-07 |
A hybrid deep learning model based on signal decomposition and dynamic feature selection for forecasting the influent parameters of wastewater treatment plants
2025-Feb-01, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2024.120615
PMID:39674247
|
研究论文 | 提出一种结合信号分解和动态特征选择的混合深度学习模型，用于预测污水处理厂的进水参数 | 引入动态特征选择机制实时优化特征选择，结合信号分解技术提高预测精度 | NA | 提高污水处理厂进水参数（COD和BOD）的预测精度 | 污水处理厂的进水参数（化学需氧量和五日生化需氧量） | 机器学习 | NA | 信号分解，动态特征选择 | 深度学习 | 时间序列数据 | 两个污水处理厂的数据 | NA | 混合模型 | R值，RMSE，MAE | NA |
| 18049 | 2025-01-23 |
Mfgnn: Multi-Scale Feature-Attentive Graph Neural Networks for Molecular Property Prediction
2025-Jan-30, Journal of computational chemistry
IF:3.4Q2
DOI:10.1002/jcc.70011
PMID:39840745
|
研究论文 | 本文提出了一种多尺度特征注意力图神经网络（MfGNN），用于分子属性预测，通过结合片段级表示来增强传统的基于原子的分子图表示 | MfGNN不仅有效捕捉分子结构和功能基团特征，还特别关注片段之间的潜在关系，探索它们如何共同影响分子属性 | NA | 提高分子属性预测的准确性，特别是在药物发现领域 | 分子结构和功能基团 | 机器学习 | NA | 图神经网络（GNN） | MfGNN | 分子图数据 | NA | NA | NA | NA | NA |
| 18050 | 2025-10-07 |
Two-Dimensional Transition Metal Dichalcogenides: A Theory and Simulation Perspective
2025-Jan-22, Chemical reviews
IF:51.4Q1
DOI:10.1021/acs.chemrev.4c00628
PMID:39746214
|
综述 | 本文从理论和模拟的角度综述了二维过渡金属二硫化物（2D TMDs）的研究进展 | 系统总结了理论和模拟在理解扭曲莫尔TMDs特性、预测量子相、阐明合成过程及设计新型器件方面的关键贡献 | 未涉及实验验证的具体细节，主要聚焦理论方法的局限性和未来挑战 | 探讨理论和模拟方法在推动2D TMDs基础研究和应用开发中的作用 | 二维过渡金属二硫化物材料 | 材料科学 | NA | 深度学习, 分子动力学, 高通量计算, 多尺度方法 | NA | 模拟数据 | NA | NA | NA | NA | NA |
| 18051 | 2025-01-23 |
Gait patterns in unstable older patients related with vestibular hypofunction. Preliminary results in assessment with time-frequency analysis
2025-Jan-22, Acta oto-laryngologica
IF:1.2Q3
DOI:10.1080/00016489.2025.2450221
PMID:39840938
|
研究论文 | 本文通过单传感器收集的数据图像表示，寻找老年人与前庭功能减退相关的步态不稳定模式 | 使用连续小波变换生成步态信号的图像表示，并通过灰度共生矩阵度量作为特征进行分析，利用支持向量机（SVM）算法进行受试者分类 | 样本量较小，仅包含13名老年人和19名成年人，且为初步结果，需要更大样本和深度学习方法的进一步探索 | 寻找老年人步态不稳定的模式，以早期诊断步态障碍 | 13名71-85岁的前庭功能减退导致不稳定的老年人和19名21-75岁无不稳定且前庭功能正常的成年人 | 数字病理学 | 老年疾病 | 连续小波变换，灰度共生矩阵度量 | 支持向量机（SVM） | 图像 | 32名受试者（13名老年人和19名成年人） | NA | NA | NA | NA |
| 18052 | 2025-01-23 |
PBCS-ConvNeXt: Convolutional Network-Based Automatic Diagnosis of Non-alcoholic Fatty Liver in Abdominal Ultrasound Images
2025-Jan-22, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01394-w
PMID:39841370
|
研究论文 | 本文提出了一种基于深度学习的计算机辅助诊断模型PBCS-ConvNeXt，用于自动分类非酒精性脂肪肝病的腹部超声图像 | 提出了PBCS-ConvNeXt模型，结合了potent stem cell模块、增强的ConvNeXt Blocks和boosting block，用于从超声数据中提取有效信息 | 模型的准确率、敏感性和特异性分别为82%、81%和83%，仍有提升空间 | 开发一种自动化的非酒精性脂肪肝病分类系统，以辅助早期诊断和临床管理 | 非酒精性脂肪肝病（NAFLD）的腹部超声图像 | 计算机视觉 | 非酒精性脂肪肝病 | 深度学习 | PBCS-ConvNeXt | 图像 | 使用5折交叉验证进行评估，具体样本数量未明确 | NA | NA | NA | NA |
| 18053 | 2025-10-07 |
A fusion model of manually extracted visual features and deep learning features for rebleeding risk stratification in peptic ulcers
2025-Jan-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|
研究论文 | 提出融合手动提取特征和深度学习特征的多特征融合模型，用于消化性溃疡再出血风险分层 | 首次将手动提取的视觉特征（颜色、边缘、纹理）与CNN深度特征融合用于消化性溃疡再出血风险分级 | NA | 提高消化性溃疡再出血风险分级的准确性 | 消化性溃疡患者的内镜图像 | 计算机视觉 | 消化性溃疡 | 内镜成像 | CNN | 图像 | 708名患者的3573张图像 | NA | CNN | 准确率,F1分数 | NA |
| 18054 | 2025-01-23 |
Deep learning-based detection of incisal translucency patterns
2025-Jan-20, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2024.11.018
PMID:39837680
|
研究论文 | 本研究评估了深度学习模型在预测前牙透明度模式中的准确性，采用YOLOv5、Vision Transformers (ViT)和U-Net三种模型进行检测、分类和分割 | 首次将YOLOv5、Vision Transformers (ViT)和U-Net三种深度学习模型结合，用于前牙透明度模式的检测、分类和分割，提供了一种全面的解决方案 | 研究样本量较小，仅包含240张前牙图像，且所有图像均来自18岁以上的参与者，可能限制了模型的泛化能力 | 评估深度学习模型在前牙透明度模式检测中的准确性，以辅助牙医在修复牙科实践中的决策 | 前牙的透明度模式 | 计算机视觉 | NA | 深度学习 | YOLOv5, Vision Transformers (ViT), U-Net | 图像 | 240张前牙JPEG图像 | NA | NA | NA | NA |
| 18055 | 2025-10-07 |
Comparison of 1D and 3D volume measurement techniques in NF2-associated vestibular schwannoma monitoring
2025-Jan-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85386-4
PMID:39824854
|
研究论文 | 比较1D线性测量和3D分割体积分析在NF2相关前庭神经鞘瘤监测中的效果 | 首次系统比较多种1D测量方法与3D分割体积分析在NF2相关前庭神经鞘瘤监测中的相关性及适用性 | 小肿瘤和术后肿瘤的测量结果存在较大离散范围，不适用于需要精确肿瘤体积评估的治疗决策 | 评估不同肿瘤体积测量方法在NF2相关前庭神经鞘瘤监测中的有效性和适用性 | NF2患者的前庭神经鞘瘤 | 医学影像分析 | 神经纤维瘤病2型相关前庭神经鞘瘤 | MRI成像，3D分割体积分析，线性测量 | 线性回归模型 | MRI图像 | 149名NF2患者，292个相关前庭神经鞘瘤，2586次SVA测量，10344次线性测量 | NA | NA | 相关系数r，p值，百分比偏差分析 | NA |
| 18056 | 2025-10-07 |
Exploring the anticancer activities of Sulfur and magnesium oxide through integration of deep learning and fuzzy rough set analyses based on the features of Vidarabine alkaloid
2025-Jan-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82483-8
PMID:39824867
|
研究论文 | 结合深度学习和模糊粗糙集分析，基于Vidarabine生物碱特征探索硫和氧化镁的抗癌活性 | 首次将深度学习、模糊粗糙集理论和可解释人工智能相结合，用于从天然产物中重新发现抗癌药物 | 仅针对三种癌细胞系进行验证，需要进一步的临床前研究 | 发现基于天然产物Vidarabine的新型抗癌候选药物 | 硫和氧化镁作为潜在抗癌剂 | 机器学习 | 肺癌 | 深度学习，模糊粗糙集分析，可解释人工智能 | 深度学习模型 | 化学化合物特征数据 | 三种癌细胞系（A-549非小细胞肺癌，A-375人黑色素瘤，A-431人表皮皮肤癌） | NA | NA | IC50值（半抑制浓度） | NA |
| 18057 | 2025-10-07 |
Assessing greenspace and cardiovascular health through deep-learning analysis of street-view imagery in a cohort of US children
2025-Jan-15, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2024.120459
PMID:39603586
|
研究论文 | 通过深度学习分析街景图像评估美国儿童队列中绿地与心血管健康的关系 | 首次使用街景图像和深度学习分割算法量化地面层绿地暴露，替代传统的卫星遥感测量方法 | 仅观察到有限的绿地与心血管健康关联证据，且影响可能随儿童成长阶段变化 | 评估街景绿地与儿童心血管健康的关联 | 美国Project Viva出生前队列中的儿童参与者 | 计算机视觉 | 心血管疾病 | 街景图像分析，深度学习分割 | 深度学习分割算法 | 街景图像，健康数据 | 美国Project Viva队列儿童参与者（2007-2021年追踪） | NA | NA | 线性回归系数，置信区间 | NA |
| 18058 | 2025-10-07 |
F-CPI: A Multimodal Deep Learning Approach for Predicting Compound Bioactivity Changes Induced by Fluorine Substitution
2025-01-09, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.4c02668
PMID:39707149
|
研究论文 | 开发了一种名为F-CPI的多模态深度学习模型，用于预测氟取代引起的化合物生物活性变化 | 首个专门针对氟取代化合物生物活性变化预测的多模态深度学习模型 | 氟取代对化合物与蛋白质相互作用的影响机制仍不明确 | 预测氟取代引起的化合物生物活性变化 | 氟取代和非氟取代化合物对 | 机器学习 | 传染病 | 深度学习 | 多模态深度学习 | 化合物结构数据 | 111,168对氟取代和非氟取代化合物 | NA | F-CPI | 准确率, 精确率, 召回率 | NA |
| 18059 | 2025-10-07 |
Application of machine learning algorithms in predicting new onset hypertension: a study based on the China Health and Nutrition Survey
2025, Environmental health and preventive medicine
IF:4.0Q1
DOI:10.1265/ehpm.24-00270
PMID:39805606
|
研究论文 | 本研究基于中国健康与营养调查数据，应用机器学习算法预测新发高血压风险 | 首次将AMFormer模型应用于新发高血压预测，并在六种算法中表现最佳 | 研究基于特定队列数据，外部验证和泛化能力需进一步验证 | 预测新发高血压风险并识别相关特征 | 中国健康与营养调查中基线无高血压的参与者 | 机器学习 | 心血管疾病 | 流行病学调查 | Logistic Regression, Support Vector Machine, XGBoost, LightGBM, TabNet, AMFormer | 表格数据 | 4982名参与者，其中1017人在4年随访期间发生高血压 | NA | AMFormer, TabNet | AUC, MCC, F1-score | NA |
| 18060 | 2025-01-23 |
Zero-Shot Adaptation for Approximate Posterior Sampling of Diffusion Models in Inverse Problems
2025, Computer vision - ECCV ... : ... European Conference on Computer Vision : proceedings. European Conference on Computer Vision
DOI:10.1007/978-3-031-73010-8_26
PMID:39831070
|
研究论文 | 本文提出了一种零样本近似后验采样方法（ZAPS），用于解决扩散模型在逆问题中的应用问题 | ZAPS方法通过零样本训练和物理引导的损失函数来学习每个不规则时间步的对数似然权重，从而提高了图像生成和收敛速度 | ZAPS方法在计算效率上依赖于对角化近似，这可能会影响其在高维数据上的表现 | 研究目标是提高扩散模型在逆问题中的推理速度和重建质量 | 研究对象是扩散模型在逆问题中的应用，特别是高斯和运动去模糊、修复和超分辨率等问题 | 计算机视觉 | NA | 零样本训练、物理引导的损失函数 | 扩散模型 | 图像 | NA | NA | NA | NA | NA |