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 33008 篇文献，本页显示第 18461 - 18480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18461 | 2024-12-18 |
Correction: Deep Learning to Estimate Cardiovascular Risk From Chest Radiographs
2025-Jan, Annals of internal medicine
IF:19.6Q1
DOI:10.7326/ANNALS-24-03386
PMID:39680924
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18462 | 2025-10-07 |
Breast cancer classification in point-of-care ultrasound imaging-the impact of training data
2025-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.1.014502
PMID:39830074
|
研究论文 | 本研究通过比较不同训练数据增强技术，旨在提高用于分类床旁超声(POCUS)图像的深度学习网络性能 | 比较了多种数据增强技术对乳腺癌POCUS图像分类性能的影响，包括传统增强方法和CycleGAN生成方法 | 未详细说明数据集的详细特征和样本分布，未与其他先进分类方法进行充分比较 | 提高床旁超声(POCUS)图像中乳腺癌分类的准确性 | 乳腺组织超声图像 | 计算机视觉 | 乳腺癌 | 超声成像 | 深度学习分类网络,CycleGAN | 超声图像 | 两个乳腺组织图像数据集(POCUS和标准超声) | NA | CycleGAN | AUC,95%置信区间 | NA |
| 18463 | 2025-01-22 |
Knowledgebase-Driven Exploration and Experimental Verification of Simvastatin's Inhibitory Impact on P2X7/NLRP3 Inflammasome Pathway
2025-Jan, Chemical biology & drug design
IF:3.2Q3
DOI:10.1111/cbdd.70048
PMID:39834043
|
研究论文 | 本研究通过知识库驱动的方法和实验验证，探讨了辛伐他汀对P2X7/NLRP3炎症小体通路的抑制作用及其在抑郁症模型中的抗抑郁效果 | 首次结合机器/深度学习方法预测辛伐他汀的潜在作用靶点，并通过实验验证其在抑郁症模型中的抗抑郁机制 | 研究仅基于大鼠模型，未涉及人类临床试验，结果的普适性有待进一步验证 | 阐明辛伐他汀通过抑制P2X7/NLRP3炎症小体通路发挥抗抑郁作用的机制 | 慢性轻度应激（CMS）诱导的抑郁症模型大鼠 | 机器学习 | 抑郁症 | 机器/深度学习方法 | NA | 行为数据、蛋白质和mRNA表达数据 | 抑郁症模型大鼠 | NA | NA | NA | NA |
| 18464 | 2025-01-22 |
End-to-end underwater acoustic transmission loss prediction with adaptive multi-scale dilated network
2025-Jan-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0034857
PMID:39835828
|
研究论文 | 本文提出了一种端到端的水下声学传输损失预测架构，利用深度学习方法有效建模物理现象，显著减少计算时间和成本 | 提出了一种名为MultiScale-DUNet的U-Net模型，集成了自适应多尺度扩张模块，能够快速准确地预测完整声场 | 研究仍处于初期阶段，尚未在实际应用中广泛验证 | 预测水下声学传输损失，以应用于水下探测和实时水下监测等领域 | 水下声学传播 | 机器学习 | NA | 深度学习 | U-Net | 声学数据 | NA | NA | NA | NA | NA |
| 18465 | 2025-10-07 |
Real-time CBCT Imaging and Motion Tracking via a Single Arbitrarily-angled X-ray Projection by a Joint Dynamic Reconstruction and Motion Estimation (DREME) Framework
2024-Sep-25, ArXiv
PMID:39398221
|
研究论文 | 开发了一种无需患者特异性先验知识的实时CBCT成像和运动跟踪框架DREME | 通过联合动态重建和运动估计框架，仅使用单个任意角度X射线投影实现实时CBCT成像和运动跟踪 | NA | 实现放疗中实时CBCT成像和运动跟踪，解决传统方法依赖过时先验知识的问题 | 呼吸引起的解剖运动，特别是肺部肿瘤运动 | 医学影像 | 肺癌 | 锥束计算机断层扫描(CBCT)，X射线投影 | CNN | X射线投影图像，CBCT图像序列 | 数字体模模拟和真实患者研究 | NA | 卷积神经网络运动编码器 | 肿瘤质心定位误差，投影域肿瘤定位精度 | NA |
| 18466 | 2025-10-07 |
AxonFinder: Automated segmentation of tumor innervating neuronal fibers
2024-Sep-07, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.03.611089
PMID:39282317
|
研究论文 | 开发了一种名为AxonFinder的深度学习工具，用于自动分割前列腺肿瘤微环境中的神经元轴突 | 首次提出基于U-Net与ResNet-101编码器的深度学习模型，专门用于分割形态不规则的肿瘤内神经元轴突 | 模型训练依赖于手动标注的轴突数据，可能受到标注者主观性的影响 | 开发自动分割肿瘤内神经元轴突的算法，研究肿瘤神经支配与癌症进展的关联 | 前列腺肿瘤微环境中的神经元轴突 | 数字病理学 | 前列腺癌 | 多重成像技术 | CNN | 全玻片图像 | 来自低、中、高风险前列腺癌患者的全玻片图像数据集 | NA | U-Net, ResNet-101 | 准确率 | NA |
| 18467 | 2025-10-07 |
Linking disease activity with optical coherence tomography angiography in neovascular age related macular degeneration using artificial intelligence
2024-08-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70234-8
PMID:39164449
|
研究论文 | 本研究利用人工智能分析光学相干断层扫描血管成像参数与新生血管性年龄相关性黄斑变性疾病活动性的定量关联 | 首次将AI评估的疾病活动性与OCTA参数相关联，揭示了不同类型黄斑新生血管与视网膜液体的特异性关联模式 | 样本量相对有限（230例患者），部分相关性未达到统计学显著性 | 探讨AI评估的疾病活动性与OCTA参数在nAMD患者中的定量关联 | 接受抗VEGF治疗的新生血管性年龄相关性黄斑变性患者 | 数字病理 | 年龄相关性黄斑变性 | 光学相干断层扫描血管成像，光谱域光学相干断层扫描 | 深度学习 | 医学影像 | 230例患者 | NA | RetInSight | 相关性估计值，p值 | NA |
| 18468 | 2025-10-07 |
The diagnostic performance of AI-based algorithms to discriminate between NMOSD and MS using MRI features: A systematic review and meta-analysis
2024-Jul, Multiple sclerosis and related disorders
IF:2.9Q2
DOI:10.1016/j.msard.2024.105682
PMID:38781885
|
系统综述与荟萃分析 | 本文系统评估了基于MRI特征的AI算法在区分视神经脊髓炎谱系疾病和多发性硬化症方面的诊断性能 | 首次对AI算法基于MRI特征区分NMOSD和MS的诊断性能进行系统综述和荟萃分析 | 存在MRI成像、模型评估和性能指标报告方面的异质性，影响了结果的可靠性 | 评估AI算法基于MRI特征区分NMOSD和MS的能力 | NMOSD和MS患者 | 医学影像分析 | 神经系统自身免疫性疾病 | 磁共振成像 | 机器学习,深度学习 | MRI图像 | 15项研究，包含1,362例MS患者和1,118例NMOSD患者 | NA | NA | 准确率,敏感度,特异度,AUC | NA |
| 18469 | 2025-10-07 |
Sensing technologies and machine learning methods for emotion recognition in autism: Systematic review
2024-Jul, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105469
PMID:38723429
|
系统综述 | 系统回顾了2011-2023年间自闭症情感识别中使用的传感技术和机器学习方法 | 首次系统性地总结了自闭症情感识别领域的技术应用现状和研究缺口 | 主要关注面部表情技术，对自闭症谱系具体障碍的研究不足，隐私安全问题讨论不够充分 | 识别自闭症情感识别系统应用的现有障碍和未来发展方向 | 自闭症儿童、青少年和成人 | 机器学习 | 自闭症 | 面部表情分析,生理传感器 | 监督学习,深度学习 | 视频,生理信号 | 65篇符合条件的研究文献 | NA | NA | NA | NA |
| 18470 | 2025-10-07 |
Small-Molecule Inhibitors of TIPE3 Protein Identified through Deep Learning Suppress Cancer Cell Growth In Vitro
2024-04-30, Cells
IF:5.1Q2
DOI:10.3390/cells13090771
PMID:38727307
|
研究论文 | 通过深度学习识别TIPE3蛋白小分子抑制剂并验证其体外抑制癌细胞生长的效果 | 首次结合深度卷积神经网络(DFCNN)、分子对接和分子动力学模拟从化合物库中筛选TIPE3抑制剂 | 研究仅限于体外实验验证，尚未进行动物模型或临床试验 | 开发针对TIPE3蛋白的癌症治疗抑制剂 | TIPE3蛋白及其小分子抑制剂 | 药物发现 | 癌症 | 深度学习、分子对接、分子动力学模拟 | DFCNN | 化合物结构数据 | 从ZINC化合物数据集中筛选，最终验证6个候选化合物 | NA | 深度卷积神经网络 | 细胞活力、增殖、迁移和凋亡评估 | NA |
| 18471 | 2025-10-07 |
Predicting 5-year recurrence risk in colorectal cancer: development and validation of a histology-based deep learning approach
2024-Apr, British journal of cancer
IF:6.4Q1
DOI:10.1038/s41416-024-02573-2
PMID:38245662
|
研究论文 | 开发并验证基于组织学图像的深度学习模型预测结直肠癌患者5年复发风险 | 首次提出基于组织学图像的弱监督深度学习模型用于结直肠癌5年无复发生存预测 | 样本量相对有限（614例），需进一步多中心验证 | 开发结直肠癌复发风险预测模型以辅助临床决策 | 非转移性结直肠癌患者的组织学图像 | 数字病理 | 结直肠癌 | 组织学图像分析 | 深度学习 | 图像 | 614例来自三家医院的结直肠癌病例 | NA | NA | AUC, 风险比 | NA |
| 18472 | 2025-10-07 |
UNCERTAINTY-GUIDED PHYSICS-DRIVEN DEEP LEARNING RECONSTRUCTION VIA CYCLIC MEASUREMENT CONSISTENCY
2024-Apr, Proceedings of the ... IEEE International Conference on Acoustics, Speech, and Signal Processing. ICASSP (Conference)
|
研究论文 | 提出一种通过循环测量一致性进行不确定性引导的物理驱动深度学习重建方法 | 设计了一种主要关注物理驱动深度学习中数据保真度分量的不确定性估计过程，通过表征不同前向模型间的循环一致性来实现 | NA | 改进计算成像质量，特别是在MRI应用中的重建效果 | 计算成像重建，MRI图像重建 | 计算成像，医学影像 | NA | 物理驱动深度学习，不确定性量化 | 深度学习神经网络 | 医学影像数据，MRI数据 | NA | NA | NA | 重建质量 | NA |
| 18473 | 2025-10-07 |
Using Genomics to Identify Novel Therapeutic Targets for Aortic Disease
2024-02, Arteriosclerosis, thrombosis, and vascular biology
DOI:10.1161/ATVBAHA.123.318771
PMID:38095107
|
综述 | 探讨基因组学结合机器学习技术在主动脉疾病治疗靶点发现中的应用与前景 | 系统阐述深度学习技术加速主动脉疾病遗传学发现的创新路径，提出从遗传关联到生物学洞察的转化蓝图 | 未涉及具体临床验证数据，主要聚焦方法论层面的探讨 | 探索基因组学在主动脉疾病治疗靶点识别中的应用价值 | 主动脉疾病（包括夹层、动脉瘤和破裂）的遗传基础与表型特征 | 机器学习 | 心血管疾病 | 基因组学、深度学习、高通量功能筛选 | 深度学习 | 影像数据、遗传数据 | NA | NA | NA | NA | NA |
| 18474 | 2025-10-07 |
Multimodal Deep Learning Network for Differentiating Between Benign and Malignant Pulmonary Ground Glass Nodules
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究开发了一种多模态深度学习网络模型，用于区分良性和恶性肺磨玻璃结节 | 结合ResNet提取影像特征、Word2Vec提取语义信息和自注意力机制融合多模态数据，构建了新型多模态分类模型 | 研究采用回顾性数据，需要前瞻性研究进一步验证模型性能 | 提高肺磨玻璃结节良恶性诊断的准确性 | 肺磨玻璃结节患者 | 计算机视觉 | 肺癌 | 胸部计算机断层扫描 | 深度学习 | CT影像, 文本数据 | 多中心数据集1020个GGN（265良性，755恶性），测试集204个GGN（67良性，137恶性） | NA | ResNet, VGG, 自注意力机制 | 准确率, 敏感度, 特异度, Kappa系数 | NA |
| 18475 | 2025-10-07 |
Leveraging deep learning for robust EEG analysis in mental health monitoring
2024, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2024.1494970
PMID:39829439
|
研究论文 | 提出一种名为EEG Mind-Transformer的深度学习架构，用于脑电图信号分析以实现心理健康监测 | 创新性地结合动态时序图注意力机制、分层图表示分析模块和时空融合模块，能有效捕捉脑电图数据中的复杂时空关系 | 未明确说明模型在不同人群和心理健康场景下的具体适应能力限制 | 开发稳健的脑电图分析方法以改进心理健康监测 | 脑电图信号及其与认知和情绪状态的关系 | 机器学习 | 心理健康障碍 | 脑电图分析 | Transformer | 脑电图信号 | 多个数据集（具体样本量未明确说明） | NA | EEG Mind-Transformer, Dynamic Temporal Graph Attention Mechanism, Hierarchical Graph Representation and Analysis, Spatial-Temporal Fusion Module | 准确率, 召回率, F1分数, AUC | NA |
| 18476 | 2025-10-07 |
Non-invasive ML methods for diagnosis of congenital heart disease associated with pulmonary arterial hypertension
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1502725
PMID:39830028
|
综述 | 本文综述了两种用于诊断先天性心脏病相关肺动脉高压的非侵入性机器学习方法 | 提出了直接三分法和两阶段分类两种非侵入性诊断算法，结合传统特征与深度学习特征，在数据稀缺情况下广泛使用集成学习 | 先天性心脏病相关肺动脉高压数据缺乏 | 开发先天性心脏病相关肺动脉高压的非侵入性诊断方法 | 先天性心脏病相关肺动脉高压患者 | 机器学习 | 心血管疾病 | 心音分析 | Bi-LSTM, 集成学习 | 心音信号 | NA | NA | Bi-LSTM | 准确率 | NA |
| 18477 | 2025-10-07 |
ReIU: an efficient preliminary framework for Alzheimer patients based on multi-model data
2024, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2024.1449798
PMID:39830185
|
研究论文 | 提出基于U-Net和迭代配准学习的视网膜血管分割框架ReIU，用于阿尔茨海默病的早期筛查 | 首次将视网膜血管分割与多模态数据结合，开发经济、非侵入性的阿尔茨海默病初步筛查工具 | 在HRF数据集上的分割准确率相对较低（68.3%），分类准确率有待进一步提升 | 开发基于深度学习的阿尔茨海默病早期检测方法 | 阿尔茨海默病患者和健康受试者的视网膜血管数据 | 数字病理学 | 阿尔茨海默病 | OCT血管成像（OCT-A） | CNN | 图像 | 包含健康者和AD患者的多模态数据集 | NA | U-Net | 准确率 | NA |
| 18478 | 2025-10-07 |
Protein-ligand binding affinity prediction using multi-instance learning with docking structures
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1518875
PMID:39830331
|
研究论文 | 提出一种基于多实例学习和分子对接构象的蛋白质-配体结合亲和力预测方法 | 首次将多实例学习与注意力网络结合，利用多个分子对接构象而非共晶结构进行结合亲和力预测 | 依赖分子对接生成的构象质量，对接不准确可能影响预测性能 | 开发不依赖共晶结构的蛋白质-配体结合亲和力预测方法 | 蛋白质-配体复合物 | 机器学习 | COVID-19 | 分子对接 | 多实例学习, 注意力网络 | 3D结构数据 | PDBbind数据集和SARS-CoV-2主要蛋白酶靶向化合物 | NA | 注意力网络 | 结合亲和力预测准确性 | NA |
| 18479 | 2025-10-07 |
Research hotspots and trends in lung cancer STAS: a bibliometric and visualization analysis
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1495911
PMID:39830648
|
系统综述 | 通过文献计量学和可视化分析方法研究2015-2024年间肺癌STAS领域的研究热点和发展趋势 | 首次运用R软件bibliometrix、CiteSpace和VOSviewer对肺癌STAS文献进行系统的文献计量和可视化分析 | 仅纳入Web of Science数据库文献，可能遗漏其他数据库相关研究 | 分析肺癌STAS领域的研究热点和发展趋势 | 2015-2024年间发表的243篇肺癌STAS相关文献 | 文献计量学 | 肺癌 | 文献计量分析，可视化分析 | NA | 文献数据 | 243篇文献 | R bibliometrix, CiteSpace, VOSviewer, Excel | NA | NA | NA |
| 18480 | 2025-10-07 |
OA-MEN: a fusion deep learning approach for enhanced accuracy in knee osteoarthritis detection and classification using X-Ray imaging
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1437188
PMID:39830688
|
研究论文 | 提出一种融合深度学习模型OA-MEN，用于膝关节X射线影像中骨关节炎的检测和分类 | 结合ResNet和MobileNet特征提取与多尺度特征融合的混合模型，增强语义信息提取同时保留高分辨率图像的优势 | 未明确说明训练数据的具体来源和样本分布特征 | 通过融合深度学习技术提高膝关节骨关节炎评估的准确性和效率 | 膝关节X射线影像 | 计算机视觉 | 骨关节炎 | X射线成像 | CNN | 图像 | NA | NA | ResNet,MobileNet | 准确率,AUC | NA |