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 33074 篇文献，本页显示第 18541 - 18560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18541 | 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 |
| 18542 | 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 |
| 18543 | 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 |
| 18544 | 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 |
| 18545 | 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 |
| 18546 | 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 |
| 18547 | 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 |
| 18548 | 2025-10-07 |
A comprehensive survey of complex brain network representation
2023-Nov, Meta-radiology
DOI:10.1016/j.metrad.2023.100046
PMID:39830588
|
综述 | 本文系统综述了基于神经影像的脑网络表示方法，涵盖传统方法和深度学习技术 | 首次全面整合传统脑网络分析方法和最新图学习方法，提供该领域的系统分类框架 | 作为综述文章，不包含原始实验验证，主要依赖现有文献分析 | 总结脑网络表示方法的研究进展并展望未来方向 | 神经影像衍生的脑结构网络和功能网络 | 机器学习 | 神经退行性疾病 | 神经影像技术 | 图神经网络 | 脑网络数据 | NA | NA | NA | NA | NA |
| 18549 | 2025-10-07 |
Feasibility of Universal Anomaly Detection without Knowing the Abnormality in Medical Images
2023-Oct, Medical image learning with limited and noisy data : second international workshop, MILLanD 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, proceedings. MILLanD (Workshop) : (2nd : 2023 : Vancouver, B...
DOI:10.1007/978-3-031-44917-8_8
PMID:38523773
|
研究论文 | 本研究探讨医学图像中无需预知异常类型的通用异常检测可行性，比较多种方法并提出决策级集成方案 | 提出无需异常图像参与验证的模型选择策略，并开发决策级集成方法增强跨数据集检测鲁棒性 | 评估方法在四个数据集中均未表现出一致最优性能，存在数据集依赖性 | 开发不依赖预知异常类型的通用医学图像异常检测方法 | 医学图像中的异常形态检测 | 计算机视觉 | NA | 深度学习异常检测 | 集成学习 | 医学图像 | 四个医学数据集 | NA | NA | AUC | NA |
| 18550 | 2025-10-07 |
Gadolinium-Free Cardiac MRI Myocardial Scar Detection by 4D Convolution Factorization
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43895-0_60
PMID:39829676
|
研究论文 | 提出一种无需钆对比剂的心脏MRI心肌瘢痕检测方法，通过4D卷积分解技术实现 | 开发了新型深度时空残差注意力网络(ST-RAN)，包含因子化4D卷积层、时空注意力机制和多尺度特征提取模块 | 未明确说明模型在特定患者群体或罕见心脏病类型中的性能表现 | 开发无需钆对比剂的心脏MRI心肌瘢痕检测技术 | 缺血性和非缺血性心脏病患者的心肌瘢痕组织 | 医学影像分析 | 心脏病 | 心脏磁共振成像(CMR) | 深度学习, CNN | 4D(3D+时间)心脏MRI图像 | 3000名接受临床CMR检查的患者 | NA | ST-RAN, 4D卷积分解网络, 残差注意力块 | NA | NA |
| 18551 | 2025-10-07 |
The Genetic Determinants of Aortic Distention
2023-04-11, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2023.01.044
PMID:37019578
|
研究论文 | 本研究通过深度学习模型分析心脏磁共振图像，探索主动脉扩张性的流行病学相关性和遗传决定因素 | 首次使用深度学习模型在大规模人群（42,342人）中量化主动脉扩张性，并发现22个与胸主动脉直径无关的新遗传位点 | 研究样本主要来自UK Biobank，可能存在人群代表性限制 | 发现主动脉扩张性和应变的流行病学相关性和遗传决定因素 | 42,342名UK Biobank参与者的胸主动脉 | 医学影像分析 | 心血管疾病 | 心脏磁共振成像 | 深度学习模型 | 心脏磁共振图像 | 42,342名UK Biobank参与者 | NA | NA | 风险比(HR), P值 | NA |
| 18552 | 2025-10-07 |
Development of a Visualization Deep Learning Model for Classifying Origins of Ventricular Arrhythmias
2022-07-25, Circulation journal : official journal of the Japanese Circulation Society
IF:3.1Q2
DOI:10.1253/circj.CJ-22-0065
PMID:35387940
|
研究论文 | 开发基于可视化深度学习模型用于分类心室心律失常起源 | 首次将梯度加权类激活映射方法应用于12导联心电图心律失常起源分类，实现模型决策过程的可视化 | 研究样本量较小（仅80例患者），需进一步扩大验证 | 创建可准确分类心律失常起源的可视化深度学习模型 | 接受导管消融治疗的80例心律失常患者 | 医疗人工智能 | 心血管疾病 | 12导联心电图 | CNN | 心电图信号 | 80例患者 | NA | 卷积神经网络 | 准确率, 召回率 | NA |
| 18553 | 2025-01-21 |
Assessment of ComBat Harmonization Performance on Structural Magnetic Resonance Imaging Measurements
2024-Dec-15, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70085
PMID:39704541
|
研究论文 | 本研究评估了ComBat技术在结构磁共振成像（MRI）测量中的性能，特别是在多中心数据聚合的背景下 | 使用稳健的交叉验证方法来评估ComBat在多中心MRI数据中的性能，并应用多类高斯过程分类器进行定量分析 | 性能评估主要基于定量的统计分析和机器学习方法，缺乏更广泛的定性验证 | 评估ComBat技术在消除多中心MRI数据中的站点效应方面的有效性 | 多中心MRI数据中的体积和表面测量值 | 医学影像分析 | NA | ComBat技术 | 多类高斯过程分类器 | MRI图像 | 来自三个站点的MRI数据 | NA | NA | NA | NA |
| 18554 | 2025-10-07 |
Prospective de novo drug design with deep interactome learning
2024-Apr-22, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-47613-w
PMID:38649351
|
研究论文 | 提出一种基于相互作用组深度学习的从头药物设计方法，能够生成具有特定生物活性的类药分子 | 结合图神经网络和化学语言模型的优势，实现无需特定应用强化学习、迁移学习或少样本学习的零样本化合物库构建 | NA | 开发基于相互作用组深度学习的从头药物设计方法 | 人类过氧化物酶体增殖物激活受体γ亚型结合位点的潜在新配体 | 机器学习 | NA | 相互作用组深度学习 | 图神经网络,化学语言模型 | 化学结构数据,蛋白质结构数据 | NA | NA | NA | 生物活性,选择性谱,结合模式确认 | NA |
| 18555 | 2025-10-07 |
Multimodal Image Confidence: A Novel Method for Tumor and Organ Boundary Representation
2025-Feb-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2024.09.020
PMID:39303999
|
研究论文 | 提出一种名为多模态图像置信度(MMC)的创新算法，利用多模态医学图像的互补优势为感兴趣区域内的每个体素分配置信度 | 无需模型训练，通过可解释的数学模型基于体素间相关性传播体素置信度，区别于基于深度学习的方法 | NA | 解决医学图像中肿瘤和危及器官边界模糊的问题，提高放疗计划和其他任务的准确性 | 鼻咽癌病例和胶质瘤病例 | 数字病理 | 鼻咽癌, 胶质瘤 | 多模态医学成像 | NA | 3D医学图像 | 156例鼻咽癌病例和1251例胶质瘤病例 | NA | NA | 定性评估, 定量分析 | NA |
| 18556 | 2025-01-20 |
Development and Validation of KCPREDICT: A Deep Learning Model for Early Detection of Coronary Artery Lesions in Kawasaki Disease Patients
2025-Jan-18, Pediatric cardiology
IF:1.5Q2
DOI:10.1007/s00246-024-03762-9
PMID:39825907
|
研究论文 | 本研究开发并验证了一种名为KCPREDICT的深度学习模型，用于早期检测川崎病患者的冠状动脉病变 | 开发了一种新的深度学习算法KCPREDICT，利用24个特征（包括基本患者信息、五个经典川崎病临床体征和14个实验室测量值）来区分川崎病患者的冠状动脉病变 | 研究数据仅来自上海儿童医学中心，可能限制了模型的普遍适用性 | 开发并验证一种人工智能算法，以区分川崎病患者的冠状动脉病变，支持入院时的诊断决策 | 川崎病患者 | 机器学习 | 心血管疾病 | 深度学习 | 决策树模型 | 临床数据 | 1474例川崎病病例 | NA | NA | NA | NA |
| 18557 | 2025-10-07 |
Explainable analysis of infrared and visible light image fusion based on deep learning
2025-Jan-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-79684-6
PMID:39820058
|
研究论文 | 本文基于深度学习研究红外与可见光图像融合的可解释性分析方法 | 结合CNN局部上下文提取和Transformer全局注意力机制的多模态图像融合模型，并采用DDFImage算法生成局部解释信息 | NA | 增强模型理解与应用的可信度 | 红外与可见光图像融合技术 | 计算机视觉 | NA | 图像融合技术 | CNN, Transformer | 红外图像, 可见光图像 | NA | NA | CNN, Transformer | NA | NA |
| 18558 | 2025-10-07 |
Improving timing resolution of BGO for TOF-PET: a comparative analysis with and without deep learning
2025-Jan-17, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-024-00711-6
PMID:39821728
|
研究论文 | 比较传统时间估计方法与基于深度学习方法在提高BGO闪烁体TOF-PET时间分辨率方面的性能 | 首次系统比较单阈值、双阈值和CNN方法在BGO闪烁体时间分辨率提升中的表现，发现CNN在短晶体中具有显著优势 | CNN方法需要更复杂的波形数字化处理，计算复杂度较高 | 提高BGO闪烁体在飞行时间正电子发射断层扫描中的时间分辨率 | BGO闪烁晶体和NUV-HD-MT硅光电倍增管信号 | 医学影像处理 | NA | 飞行时间正电子发射断层扫描，Cherenkov光子探测 | CNN | 数字化波形信号 | 2×2×3 mm³和2×2×20 mm³两种尺寸的BGO晶体 | NA | 卷积神经网络 | 符合时间分辨率，半高全宽 | NA |
| 18559 | 2025-10-07 |
Biologically relevant integration of transcriptomics profiles from cancer cell lines, patient-derived xenografts, and clinical tumors using deep learning
2025-Jan-17, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adn5596
PMID:39823329
|
研究论文 | 开发了一种名为MOBER的深度学习方法，用于整合癌症细胞系、患者来源异种移植模型和临床肿瘤的转录组学数据 | 同时提取生物学意义嵌入并去除混杂信息，能够识别与临床肿瘤转录相似性最高的临床前模型 | NA | 提高癌症临床前模型的临床转化能力 | 癌症细胞系、患者来源异种移植模型和临床肿瘤 | 机器学习 | 癌症 | 转录组学分析 | 深度学习 | 转录组数据 | 932个癌症细胞系、434个患者来源异种移植模型和11,159个临床肿瘤 | NA | NA | NA | NA |
| 18560 | 2025-10-07 |
Multi-label segmentation of carpal bones in MRI using expansion transfer learning
2025-Jan-17, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adabae
PMID:39823747
|
研究论文 | 开发了一种基于扩张迁移学习的深度学习方法来分割MRI中的八块腕骨 | 首次提出基于CNN的MRI人类腕骨多标签分割方法，引入了扩张迁移学习(ETL)架构 | 仅使用了15个MRI扫描的小型数据集 | 开发用于治疗规划和腕部动态分析的腕骨分割方法 | 人类腕骨 | 医学影像分析 | 骨科疾病 | MRI | CNN | 3D MRI图像 | 15个3.0-T MRI扫描，来自5名健康受试者 | NA | 改进的3D U-Net | Dice相似系数, 平均表面距离, Hausdorff距离 | NA |