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 34204 篇文献，本页显示第 19761 - 19780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19761 | 2025-10-07 |
TransEBUS: The interpretation of endobronchial ultrasound image using hybrid transformer for differentiating malignant and benign mediastinal lesions
2025-Jan, Journal of the Formosan Medical Association = Taiwan yi zhi
DOI:10.1016/j.jfma.2024.04.016
PMID:38702216
|
研究论文 | 开发基于混合Transformer的深度学习系统TransEBUS，用于支气管内超声图像中良恶性纵隔病变的分类 | 提出首个能自动提取和整合多成像模式时空特征的EBUS图像分析模型，无需人工选择代表性帧 | 在数据不足的情况下进行训练，可能影响模型泛化能力 | 建立EBUS图像的良恶性纵隔病变自动辅助诊断系统 | 支气管内超声图像中的纵隔病变 | 计算机视觉 | 纵隔病变 | 支气管内超声成像 | Transformer, CNN | 视频图像 | NA | NA | 混合Transformer, 双流模块 | 准确率, AUC | NA |
| 19762 | 2025-01-18 |
A deep learning-based method for modeling of RNA structures from cryo-EM maps
2025-Jan, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-024-02162-x
PMID:38396076
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19763 | 2025-01-16 |
Deep learning radiomics analysis for prediction of survival in patients with unresectable gastric cancer receiving immunotherapy
2025-Jun, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2024.100626
PMID:39807092
|
研究论文 | 本研究旨在通过结合影像学和临床病理变量，利用深度学习放射组学分析预测接受免疫治疗的不可切除胃癌患者的生存期 | 采用多模态集成方法，结合CT影像数据和临床病理变量，构建深度学习模型预测患者生存期，并构建了列线图进行验证 | 样本量相对较小，且仅在中国人民解放军总医院的两个医疗中心进行，可能限制了结果的普适性 | 预测接受免疫治疗的不可切除胃癌患者的生存期 | 不可切除胃癌患者 | 数字病理 | 胃癌 | 深度学习 | 多模态集成模型 | CT影像数据和临床病理数据 | 训练队列79名患者，外部验证队列97名患者 | NA | NA | NA | NA |
| 19764 | 2025-01-16 |
Automated Detection of Filamentous Fungal Keratitis on Whole Slide Images of Potassium Hydroxide Smears with Multiple Instance Learning
2025 Mar-Apr, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100653
PMID:39811263
|
研究论文 | 本研究评估了深度学习框架双流多实例学习（DSMIL）在自动化分析氢氧化钾（KOH）涂片全片成像（WSI）中的有效性，以快速准确检测真菌感染 | 使用双流多实例学习（DSMIL）处理高分辨率WSI数据，自动检测真菌感染，并通过热图提供视觉解释 | 研究为回顾性观察研究，可能受限于样本选择和人类专家解释的一致性 | 自动化分析KOH涂片WSI，以快速准确检测真菌感染 | 568名疑似真菌性角膜炎患者的角膜刮片 | 数字病理学 | 真菌性角膜炎 | 双流多实例学习（DSMIL） | DSMIL | 图像 | 568名患者的角膜刮片 | NA | NA | NA | NA |
| 19765 | 2025-01-16 |
Frontal plane mechanical leg alignment estimation from knee x-rays using deep learning
2025-Mar, Osteoarthritis and cartilage open
DOI:10.1016/j.ocarto.2024.100551
PMID:39811691
|
研究论文 | 本研究开发并验证了一种深度学习模型，用于从膝关节前后位（AP）/后前位（PA）X光片中分类腿部对齐为“正常”或“错位”，使用可调的髋-膝-踝（HKA）角度阈值 | 该模型首次从膝关节X光片中分类腿部对齐，提供了一种实用的替代全腿X光片的方法 | 模型的性能依赖于X光片的质量和定位框架的使用 | 提高研究人群选择和患者管理的精确性 | 膝关节前后位（AP）/后前位（PA）X光片 | 计算机视觉 | 膝骨关节炎 | 深度学习 | 深度学习模型 | 图像 | 8878张数字X光片，包括6181张全腿X光片和2697张膝关节X光片 | NA | NA | NA | NA |
| 19766 | 2025-10-07 |
Predicting intraoperative 5-ALA-induced tumor fluorescence via MRI and deep learning in gliomas with radiographic lower-grade characteristics
2025-Feb, Journal of neuro-oncology
IF:3.2Q2
DOI:10.1007/s11060-024-04875-0
PMID:39560696
|
研究论文 | 本研究开发了一种基于MRI和深度学习的模型，用于预测具有影像学低级别特征的胶质瘤术中5-ALA诱导的肿瘤荧光 | 首次将预训练的U-Net模型与随机森林分类器结合，利用变分自编码器提取特征来预测胶质瘤荧光，为术前决策提供新方法 | 模型性能仍有提升空间，样本量相对有限（163例患者） | 分析深度学习模型是否能基于术前MRI预测胶质瘤术中荧光 | 163例胶质瘤患者（荧光组83例，非荧光组80例） | 医学影像分析 | 胶质瘤 | 磁共振成像（MRI） | CNN, 随机森林 | 医学影像 | 163例胶质瘤患者 | NA | U-Net, 变分自编码器（VAE） | 平衡准确率, 敏感性, 特异性 | NA |
| 19767 | 2025-10-07 |
A survey on deep learning in medical image registration: New technologies, uncertainty, evaluation metrics, and beyond
2025-Feb, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103385
PMID:39612808
|
综述 | 本文系统综述了深度学习在医学图像配准领域的最新进展，涵盖网络架构、损失函数、不确定性估计和评估指标 | 全面总结了深度学习在医学图像配准中的创新技术，包括新型网络架构、配准专用损失函数和不确定性估计方法 | 作为综述文章，主要整合现有研究而非提出原创方法 | 概述深度学习在医学图像配准领域的技术发展和应用前景 | 医学图像配准技术及其在医学影像中的应用 | 医学图像处理 | NA | 深度学习 | U-Net, 回归网络 | 医学图像 | NA | NA | U-Net | 配准评估指标 | NA |
| 19768 | 2025-01-16 |
Money plant disease atlas: A comprehensive dataset for disease classification in ornamental horticulture
2025-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111216
PMID:39811518
|
研究论文 | 本文介绍了一个用于观赏园艺中疾病分类的综合数据集，重点关注金钱植物的疾病 | 提供了一个全面的金钱植物疾病图像数据集，支持深度学习在观赏园艺中的应用 | 数据集仅限于金钱植物的疾病，未涵盖其他植物种类 | 提高观赏园艺中植物疾病的诊断准确性 | 金钱植物（Epipremnum aureum） | 计算机视觉 | 植物疾病 | 图像处理 | 深度学习 | 图像 | 224 × 224像素的图像数据集 | NA | NA | NA | NA |
| 19769 | 2025-10-07 |
Deep learning-driven prediction of chemical addition patterns for carboncones and fullerenes
2025-Jan-15, Physical chemistry chemical physics : PCCP
IF:2.9Q1
DOI:10.1039/d4cp03238a
PMID:39718318
|
研究论文 | 提出一种基于深度学习的增量方法预测碳锥和富勒烯的化学加成模式 | 仅使用基于图的特征，无需3D分子坐标输入或迭代优化，能处理高度扭曲的加成产物 | 目前仅验证于氢化碳锥和氯化富勒烯体系 | 预测功能化碳锥和富勒烯的化学加成区域选择性 | 碳锥和富勒烯纳米材料 | 机器学习 | NA | 深度学习 | DNN | 图结构数据 | CH和CH碳锥（分别最多40和30个H原子加成），CCl富勒烯（n=18,24,28） | NA | 深度神经网络 | 预测准确性 | NA |
| 19770 | 2025-10-07 |
Deep Learning-Driven Optimization of Antihypertensive Properties from Whey Protein Hydrolysates: A Multienzyme Approach
2025-Jan-15, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.4c10830
PMID:39721995
|
研究论文 | 本研究利用深度学习优化乳清蛋白水解物中的降压肽，通过多酶组合方法获得高效ACE抑制活性的水解产物 | 首次将大型语言模型应用于多酶组合优化，显著提高ACE抑制率，并验证其体内降压效果和分子机制 | 研究仅限于大鼠模型，尚未进行人体临床试验 | 开发有效的膳食干预方法用于高血压治疗 | 乳清蛋白水解物中的降压肽 | 自然语言处理 | 心血管疾病 | 蛋白质水解，分子对接 | LLM | 生物化学数据 | 高血压大鼠模型 | NA | 大型语言模型 | ACE抑制率，血压测量值，炎症标志物水平，抗氧化酶活性 | NA |
| 19771 | 2025-10-07 |
Active Physics-Informed Deep Learning: Surrogate Modeling for Nonplanar Wavefront Excitation of Topological Nanophotonic Devices
2025-Jan-15, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.4c05120
PMID:39754588
|
研究论文 | 提出一种结合物理约束深度学习与代理建模的方法，用于设计拓扑纳米光子器件 | 将物理约束嵌入神经网络训练，利用非平面波前激发探测拓扑保护等离激元模式，实现非线性设计和训练过程 | 未明确说明模型泛化能力和对不同拓扑结构的适用性 | 开发高效设计拓扑纳米光子器件的方法 | 拓扑等离激元器件 | 机器学习 | NA | 非平面波前激发 | 深度学习 | 仿真数据 | NA | NA | NA | 精度 | NA |
| 19772 | 2025-01-16 |
Correction: Mathematical Model-Driven Deep Learning Enables Personalized Adaptive Therapy
2025-Jan-15, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-24-4438
PMID:39810588
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19773 | 2025-01-16 |
Enhancing safety with an AI-empowered assessment and monitoring system for BSL-3 facilities
2025-Jan-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e40855
PMID:39811271
|
研究论文 | 本文介绍了一种AI赋能的评估和监控系统，用于增强BSL-3实验室的安全性，确保人员遵守个人防护装备（PPE）规定 | 开发了一种基于深度学习的系统，用于实时检测和监控BSL-3实验室中PPE的使用情况，并通过实时通知系统提高安全性 | 系统的准确性和召回率虽然较高，但仍存在一定的误报和漏报风险，且数据集规模有限 | 提高BSL-3实验室的安全性，减少病原体暴露风险 | BSL-3实验室中的人员及其PPE使用情况 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 外部检测系统使用4112张图像，内部管理系统使用3347张图像 | NA | NA | NA | NA |
| 19774 | 2025-10-07 |
Deep Learning-Enabled Rapid Metabolic Decoding of Small Extracellular Vesicles via Dual-Use Mass Spectroscopy Chip Array
2025-Jan-14, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c04106
PMID:39711466
|
研究论文 | 开发了一种高通量双用途质谱芯片阵列，用于快速分离和检测血浆小细胞外囊泡，并结合深度学习模型实现克罗恩病的高性能诊断 | 开发了双用途质谱芯片阵列，相比传统方法速度提升50%以上，实现了稳健存储、重复使用、高效解吸/电离和代谢物定量 | NA | 开发高通量技术用于小细胞外囊泡的快速分离检测和疾病诊断 | 血浆小细胞外囊泡及其代谢物 | 机器学习 | 克罗恩病 | 质谱分析，串联质谱实验 | 深度学习 | 代谢数据矩阵 | NA | NA | NA | 诊断性能 | NA |
| 19775 | 2025-10-07 |
AI-Based Discrimination of Faradaic Current against Nonfaradaic Current Inspired by Speech Denoising
2025-Jan-14, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c04448
PMID:39754543
|
研究论文 | 提出一种受语音去噪启发的深度学习算法，用于从循环伏安法中分离法拉第电流和非法拉第电流 | 首次将语音去噪思想应用于电化学信号处理，使用深度学习直接预测理论法拉第电流 | NA | 解决循环伏安法中法拉第电流与非法拉第电流分离的技术难题 | 电化学系统中的电流信号 | 机器学习 | NA | 循环伏安法 | DNN | 电化学信号数据 | NA | NA | 全连接神经网络 | 平均绝对百分比误差,峰值位置误差 | NA |
| 19776 | 2025-01-16 |
Reverse design of broadband sound absorption structure based on deep learning method
2025-Jan-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86077-w
PMID:39809864
|
研究论文 | 本文提出了一种基于深度学习的逆向设计方法，用于设计宽带吸声结构 | 利用深度神经网络建立结构参数与吸声系数曲线之间的映射关系，简化了传统方法中耗时的数值模拟和复杂计算过程 | 未提及具体的数据集规模或实验验证的广泛性 | 实现宽带高吸声结构的逆向设计，提高复杂超材料设计的效率 | 吸声结构 | 机器学习 | NA | 深度学习 | 深度神经网络 | 结构参数与吸声系数曲线 | 未提及具体样本数量 | NA | NA | NA | NA |
| 19777 | 2025-01-16 |
Deep learning empowered sensor fusion boosts infant movement classification
2025-Jan-14, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00701-w
PMID:39809877
|
研究论文 | 本文提出了一种基于深度学习的传感器融合方法，用于婴儿运动分类，以提高神经发育障碍的早期识别 | 首次将多传感器融合技术应用于婴儿运动分类，显著提高了分类准确率 | 所有模型均在专有数据集上设计、训练和评估，难以直接比较 | 开发一种自动化分类婴儿运动模式的方法，以增强基于AI的神经功能早期识别 | 51名正常发育的婴儿 | 机器学习 | 神经发育障碍 | 传感器融合 | CNN | 多模态传感器数据（压力、惯性和视觉传感器） | 51名婴儿 | NA | NA | NA | NA |
| 19778 | 2025-01-16 |
Belt conveyor idler fault detection algorithm based on improved YOLOv5
2025-Jan-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81244-x
PMID:39809903
|
研究论文 | 本文提出了一种基于改进YOLOv5的深度学习算法，用于实时检测带式输送机托辊故障 | 在YOLOv5网络中引入了坐标注意力机制，并使用α-CIoU定位损失函数替代传统CIoU，以提高模型的回归精度 | NA | 提高带式输送机托辊故障检测的准确性和实时性 | 带式输送机托辊 | 计算机视觉 | NA | 深度学习 | YOLOv5 | 红外图像 | 自建的红外图像数据集 | NA | NA | NA | NA |
| 19779 | 2025-01-16 |
Nanocarrier imaging at single-cell resolution across entire mouse bodies with deep learning
2025-Jan-14, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-024-02528-1
PMID:39809933
|
研究论文 | 本文介绍了一种名为SCP-Nano的实验与深度学习集成管道，用于全面量化纳米载体在整个小鼠体内的单细胞分辨率靶向分布 | SCP-Nano能够在极低剂量下揭示纳米载体的组织分布模式，远低于传统全身成像技术的检测限，并能推广到多种纳米载体类型 | NA | 开发一种高效准确的方法来分析纳米载体在整个生物体中的细胞水平生物分布，以加速精确和安全的纳米载体治疗的发展 | 小鼠体内的纳米载体 | 数字病理学 | NA | 深度学习 | NA | 图像 | 小鼠 | NA | NA | NA | NA |
| 19780 | 2025-01-16 |
Predictive value of dendritic cell-related genes for prognosis and immunotherapy response in lung adenocarcinoma
2025-Jan-14, Cancer cell international
IF:5.3Q1
DOI:10.1186/s12935-025-03642-z
PMID:39810206
|
研究论文 | 本研究通过筛选树突状细胞相关基因，构建了一个预测肺腺癌患者预后和免疫治疗反应的预后签名 | 创新性地建立了一个基于深度学习的预测模型DCRGS，用于预测肺腺癌患者的预后，并具有高准确性和敏感性 | 研究结果需要进一步在更大规模的临床样本中进行验证 | 预测肺腺癌患者的预后和免疫治疗反应 | 肺腺癌患者 | 数字病理 | 肺癌 | 单细胞RNA测序（scRNA-seq）、批量RNA测序、实时定量PCR（q-PCR） | 深度学习模型 | RNA测序数据、临床数据 | 恶性胸腔积液样本中的树突状细胞 | NA | NA | NA | NA |