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 1906 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2025-10-07 |
Use of a novel magnetically actuated compression system to study the temporal dynamics of axial and lateral strain in human osteochondral plugs
2024-01, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2023.111887
PMID:38128469
|
研究论文 | 开发新型磁驱动压缩系统研究人类骨软骨栓在循环加载中轴向和横向应变的时空动态 | 首创磁驱动装置实现加载周期中压板的完全分离，解决传统系统因持续接触影响组织再水化的局限性 | 研究基于尸体样本，可能无法完全反映活体组织的生理响应；样本量未明确说明 | 探究循环加载中软骨再水化对应变积累的影响机制 | 人类尸体骨软骨栓 | 生物力学 | 骨关节炎 | 磁驱动压缩系统，高速成像（30帧/秒） | 深度学习 | 二维软骨轮廓图像序列 | NA | NA | U-Net | NA | NA |
| 202 | 2025-05-04 |
Lesion classification and diabetic retinopathy grading by integrating softmax and pooling operators into vision transformer
2024, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2024.1442114
PMID:39835306
|
research paper | 该研究提出了一种结合softmax和池化操作的视觉Transformer模型，用于病灶分类和糖尿病视网膜病变分级 | 引入了集成自注意力机制，结合softmax和线性模块，以提高效率和表达能力，同时通过代理令牌减少计算复杂度 | 未提及具体的数据集规模或模型在更大规模数据集上的泛化能力 | 开发一种高效的自动化糖尿病视网膜病变分级方法 | 糖尿病视网膜病变的医学图像 | digital pathology | diabetic retinopathy | vision transformer | Transformer | image | NA | NA | NA | NA | NA |
| 203 | 2025-05-04 |
Multimodal data deep learning method for predicting symptomatic pneumonitis caused by lung cancer radiotherapy combined with immunotherapy
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1492399
PMID:39845959
|
研究论文 | 本研究开发了一种基于深度学习的多模态融合模型，用于预测肺癌患者在接受放疗联合免疫治疗时出现的症状性肺炎 | 结合深度图像特征、放射组学特征和临床数据，构建了一个性能优于传统放射组学模型的深度学习模型 | 研究基于回顾性数据，样本量相对有限（261例患者） | 开发能够准确预测肺癌患者放疗和免疫治疗相关肺炎的模型 | 接受胸部放疗联合免疫治疗的肺癌患者 | 数字病理 | 肺癌 | CT扫描、放射组学分析 | ResNet34、DNN | CT图像、临床数据 | 261例肺癌患者 | NA | NA | NA | NA |
| 204 | 2025-05-03 |
Bioinformatic analysis reveals the association between bacterial morphology and antibiotic resistance using light microscopy with deep learning
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1450804
PMID:39364166
|
研究论文 | 通过生物信息学分析结合深度学习方法，研究细菌形态与抗生素抗性之间的关联 | 首次在无抗生素条件下研究抗性细菌的形态特征，并开发新的深度学习单细胞分类方法 | 仅研究了10种抗生素抗性菌株，样本量有限 | 探索细菌形态特征与抗生素抗性之间的关联 | 10种抗生素抗性细菌菌株 | 生物信息学 | 细菌感染 | 光学显微镜、深度学习 | 深度学习 | 图像 | 10种抗生素抗性细菌菌株 | NA | NA | NA | NA |
| 205 | 2025-05-02 |
Advanced computational tools, artificial intelligence and machine-learning approaches in gut microbiota and biomarker identification
2024, Frontiers in medical technology
IF:2.7Q3
DOI:10.3389/fmedt.2024.1434799
PMID:40303946
|
综述 | 本文综述了先进计算工具、人工智能和机器学习方法在肠道微生物群和生物标志物识别中的应用 | 整合多组学数据和先进AI技术，探索微生物组与宿主健康的复杂关系，推动个性化治疗策略的发展 | 未提及具体技术实施细节或临床验证结果 | 探索计算工具和AI在肠道微生物组研究中的应用，以识别疾病诊断和治疗的生物标志物 | 肠道微生物群及其与宿主健康的相互作用 | 机器学习 | NA | 多组学数据整合（宏基因组学、宏蛋白质组学、代谢组学） | 深度学习、基于网络的方法 | 多组学数据 | NA | NA | NA | NA | NA |
| 206 | 2025-04-26 |
An enhanced GhostNet model for emotion recognition: leveraging efficient feature extraction and attention mechanisms
2024, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2024.1459446
PMID:40270901
|
研究论文 | 提出了一种增强型GhostNet模型（EGT），结合Transformer编码器和双重注意力机制，用于通过面部表情进行鲁棒的情绪识别 | 整合了GhostNet的高效特征提取、Transformer的全局上下文捕捉能力以及双重注意力机制，以选择性地增强关键特征 | 未明确提及具体限制，但可能包括对复杂自然环境和多样化情绪表达的处理能力仍有提升空间 | 提高情绪识别系统的准确性和鲁棒性，以增强智能人机交互系统、个性化推荐系统和心理健康监测工具 | 面部表情情绪识别 | 计算机视觉 | NA | 深度学习 | GhostNet, Transformer, 双重注意力机制 | 图像 | RAF-DB数据集和AffectNet数据集（具体样本数量未提及） | NA | NA | NA | NA |
| 207 | 2025-04-25 |
Single-cell spatial multi-omics and deep learning dissect enhancer-driven gene regulatory networks in liver zonation
2024-01, Nature cell biology
IF:17.3Q1
DOI:10.1038/s41556-023-01316-4
PMID:38182825
|
研究论文 | 本研究结合单细胞多组学、空间组学、大规模并行报告基因检测和深度学习技术，解析了小鼠肝脏细胞类型中的增强子-基因调控网络 | 首次结合多种组学技术和深度学习模型DeepLiver，系统解析了肝脏分区中的增强子驱动基因调控网络 | 研究主要基于小鼠模型，人类肝脏中的适用性需要进一步验证 | 解析肝脏分区现象的基因调控机制 | 小鼠肝脏细胞（特别是肝细胞） | 生物信息学 | NA | 单细胞多组学、空间组学、大规模并行报告基因检测 | DeepLiver（分层深度学习模型） | 单细胞基因表达数据、染色质可及性数据 | NA | NA | NA | NA | NA |
| 208 | 2025-10-07 |
RecGOBD: accurate recognition of gene ontology related brain development protein functions through multi-feature fusion and attention mechanisms
2024, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae163
PMID:39678209
|
研究论文 | 开发了专门用于识别与脑发育相关的基因本体蛋白质功能的深度学习模型RecGOBD | 通过多特征融合和注意力机制优化脑发育数据集，专门针对神经发育障碍研究 | NA | 预测与脑发育相关的蛋白质功能 | 与脑发育相关的蛋白质序列 | 生物信息学 | 神经发育障碍 | 蛋白质序列分析 | 深度学习 | 蛋白质序列数据 | NA | Python | 注意力机制 | AUROC, AUPR, Fmax | NA |
| 209 | 2025-10-07 |
Deep learning approach for discrimination of liver lesions using nine time-phase images of contrast-enhanced ultrasound
2024-Jan, Journal of medical ultrasonics (2001)
DOI:10.1007/s10396-023-01390-z
PMID:38051461
|
研究论文 | 本研究开发了一种深度学习模型，利用对比增强超声的九个时相图像来鉴别肝脏病变性质 | 提出并行排列三个ResNet50迁移学习模型的新型架构，可同步输入九个不同时相的CEUS图像并进行数据增强 | 样本量相对有限（共181个肝脏病变），且仅使用单一对比剂Sonazoid | 评估深度学习模型在肝脏结节定性诊断中的性能 | 肝脏病变（48个良性，78个肝细胞癌，55个非肝细胞癌恶性病变） | 计算机视觉 | 肝脏疾病 | 对比增强超声 | CNN | 图像 | 181个肝脏病变 | NA | ResNet50 | 灵敏度, 特异度, 正确预测率 | NA |
| 210 | 2025-10-07 |
Evaluation and Prediction of Post-Hepatectomy Liver Failure Using Imaging Techniques: Value of Gadoxetic Acid-Enhanced Magnetic Resonance Imaging
2024-01, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2023.0507
PMID:38184766
|
研究论文 | 评估钆塞酸增强磁共振成像在肝切除术后肝衰竭预测中的价值 | 结合体积和功能分析评估肝功能，采用钆塞酸增强MRI提供全局和区域功能信息 | NA | 准确评估肝功能和预测肝切除术后肝衰竭 | 接受肝切除术患者的肝功能评估 | 医学影像分析 | 肝脏疾病 | 钆塞酸增强磁共振成像 | 深度学习 | 磁共振图像 | NA | NA | NA | NA | NA |
| 211 | 2025-10-07 |
Exploring the trade-off between deep-learning and explainable models for brain-machine interfaces
2024, Advances in neural information processing systems
PMID:40231170
|
研究论文 | 本研究开发了一种基于KalmanNet的脑机接口解码器，在保持可解释性的同时实现了与深度学习模型相当的性能 | 将卡尔曼滤波器与递归神经网络结合，通过计算卡尔曼增益实现输入与动态之间的可变信任机制 | 与现有深度学习解码器一样泛化能力有限，且在未见噪声分布下性能受限于卡尔曼滤波器的归纳偏置 | 探索深度学习与可解释模型在脑机接口中的权衡，开发高性能且可解释的解码器 | 两只猴子的脑活动数据 | 脑机接口 | 瘫痪 | 脑信号解码 | KalmanNet, KF, LSTM, tcFNN | 神经信号 | 两只猴子的多天离线数据和实时数据 | NA | KalmanNet, 卡尔曼滤波器, LSTM, tcFNN | 离线预测精度, 在线实时预测性能 | NA |
| 212 | 2025-04-18 |
Using interactive deep learning to track cells: A report on a 3-day hands-on training program at IUPAB 2024
2024, Biophysics and physicobiology
IF:1.6Q4
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 213 | 2025-10-07 |
Multiple-instance learning of somatic mutations for the classification of tumour type and the prediction of microsatellite status
2024-01, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-023-01120-3
PMID:37919367
|
研究论文 | 提出一种基于多示例学习的深度学习模型，通过体细胞突变数据分类肿瘤类型和预测微卫星状态 | 使用弱监督端到端多示例学习模型，通过多头注意力机制编码和聚合体细胞突变的局部序列背景或基因组位置，增强模型可解释性 | NA | 利用基因组数据改进肿瘤类型分类和微卫星状态预测性能 | 体细胞突变数据 | 机器学习 | 肿瘤 | 基因组测序 | 多示例学习, 深度学习 | 基因组数据 | NA | NA | 多头注意力机制 | 准确率, 分类性能 | NA |
| 214 | 2025-10-07 |
Deep-Learning-Based Nanomechanical Vibration for Rapid and Label-Free Assay of Epithelial Mesenchymal Transition
2024-01-30, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.3c10811
PMID:38169507
|
研究论文 | 开发基于深度学习与纳米机械振动相结合的无标记、快速上皮间质转化检测方法 | 首次从力学角度研究癌细胞集落，结合纳米振动生物力学指纹与深度学习实现表型分类 | NA | 开发癌细胞上皮/间质表型分类的无标记检测方法 | 癌细胞集落 | 机器学习 | 癌症 | 纳米机械振动检测 | 深度学习 | 振动数据 | NA | NA | NA | 准确率 | NA |
| 215 | 2025-10-07 |
Functional Near-Infrared Spectroscopy-Based Computer-Aided Diagnosis of Major Depressive Disorder Using Convolutional Neural Network with a New Channel Embedding Layer Considering Inter-Hemispheric Asymmetry in Prefrontal Hemodynamic Responses
2024, Depression and anxiety
IF:4.7Q1
DOI:10.1155/2024/4459867
PMID:40226684
|
研究论文 | 提出一种基于功能近红外光谱和卷积神经网络的计算机辅助诊断系统，用于重度抑郁症的准确诊断 | 设计了一种考虑大脑半球间不对称性的新型通道嵌入层，并采用集成CNN架构专门捕捉MDD患者与健康对照组在血流动力学响应中的差异特征 | 样本量相对有限（共116名参与者），仅使用单一认知任务（Stroop任务）的数据 | 开发基于fNIRS的重度抑郁症计算机辅助诊断系统 | 48名MDD患者和68名健康对照者 | 医学影像分析 | 重度抑郁症 | 功能近红外光谱 | CNN | 血流动力学响应信号 | 116名参与者（48名患者+68名健康对照） | NA | 集成CNN架构，包含三个1D深度卷积层 | 准确率, 灵敏度, 特异性 | NA |
| 216 | 2025-10-07 |
Artificial intelligence- and computer-assisted navigation for shoulder surgery
2024 Jan-Apr, Journal of orthopaedic surgery (Hong Kong)
DOI:10.1177/10225536241243166
PMID:38546214
|
综述 | 全面分析人工智能和计算机辅助导航技术在肩部手术领域的最新进展和应用前景 | 系统整合了人工智能、深度学习与计算机辅助导航技术在肩部手术中的创新应用，展望了技术融合带来的革命性突破 | 主要基于现有文献分析，缺乏原始临床数据验证 | 探讨人工智能和计算机辅助导航技术在肩部手术中的应用现状和发展趋势 | 肩部手术相关的技术方法和临床应用 | 计算机视觉, 机器学习 | 骨科疾病 | 机器人辅助手术, 虚拟现实, 人工智能, 患者特异性器械 | 深度学习 | 医学影像（超声, CT, MRI）, 荧光镜图像, 运动学数据 | NA | NA | NA | NA | NA |
| 217 | 2025-10-07 |
Machine learning predicts which rivers, streams, and wetlands the Clean Water Act regulates
2024-01-26, Science (New York, N.Y.)
DOI:10.1126/science.adi3794
PMID:38271507
|
研究论文 | 使用深度学习模型预测《清洁水法案》对河流、溪流和湿地的监管范围 | 首次结合航空影像和地球物理数据，通过深度学习预测美国陆军工程兵团对15万项水资源管辖权的决定 | 模型预测依赖于历史管辖决定数据，可能无法完全捕捉未来政策变化的影响 | 评估《清洁水法案》对水资源的保护范围及最高法院和白宫规则变化对监管的影响 | 美国河流、溪流、湿地等水资源及其管辖权决定 | 机器学习 | NA | 深度学习 | 深度学习模型 | 航空影像、地球物理数据 | 150,000项管辖权决定 | NA | NA | NA | NA |
| 218 | 2025-10-07 |
Early detection of Alzheimer's disease in structural and functional MRI
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1520878
PMID:39726682
|
研究论文 | 本研究通过先进的深度学习架构实现海马体和脑室的精确分割，并结合混合分类器提高阿尔茨海默病的早期检测准确率 | 将先进的DeepLabV3+和Deep-Residual-U-Net分割技术与VGG-16-RF等混合分类器无缝集成，为早期AD检测提供了鲁棒且可扩展的框架 | NA | 开发精确高效的深度学习架构用于阿尔茨海默病的早期检测 | 阿尔茨海默病患者的功能性磁共振成像数据 | 医学影像分析 | 阿尔茨海默病 | 功能性磁共振成像 | CNN, 集成学习 | 医学影像 | NA | NA | Deep-Residual-U-Net, DeepLabV3+, VGG-16, DenseNet-169 | 准确率, Jaccard系数, Dice系数 | NA |
| 219 | 2025-10-07 |
The Growing Impact of Natural Language Processing in Healthcare and Public Health
2024 Jan-Dec, Inquiry : a journal of medical care organization, provision and financing
DOI:10.1177/00469580241290095
PMID:39396164
|
综述 | 本文综述了自然语言处理技术在医疗保健和公共卫生领域的当前应用、成功案例及未来趋势 | 系统总结了2018-2023年间NLP在医疗领域的最新应用进展，特别关注了大语言模型和社交媒体数据分析在公共卫生中的新兴应用 | 仅纳入英文文献且时间范围限定为近五年，可能遗漏部分重要研究和非英语文献 | 总结NLP在医疗保健领域的应用现状，识别该子领域的研究空白和新兴趋势 | 27篇2018-2023年间发表的科学论文 | 自然语言处理 | NA | 自然语言处理，深度学习，语音识别，自然语言理解 | NA | 非结构化文本数据，电子健康记录，社交媒体数据 | 27篇论文 | NA | NA | NA | NA |
| 220 | 2025-10-07 |
Deep Learning-Assisted Single-Molecule Detection of Protein Post-translational Modifications with a Biological Nanopore
2024-01-16, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.3c08623
PMID:38112538
|
研究论文 | 本研究开发了一种基于生物纳米孔和深度学习技术的单分子蛋白质翻译后修饰检测方法 | 首次结合气溶素纳米孔与深度学习模型实现多种蛋白质翻译后修饰的单分子检测与区分 | 仅针对α-突触核蛋白衍生肽段进行验证，尚未扩展到其他蛋白质体系 | 开发高灵敏度的蛋白质翻译后修饰单分子检测技术 | α-突触核蛋白衍生肽段及其磷酸化、硝化和氧化修饰变体 | 生物纳米技术 | 神经退行性疾病 | 纳米孔传感技术, 深度学习信号处理 | 深度学习模型 | 电流信号数据 | 多种α-突触核蛋白肽段变体 | NA | NA | 检测灵敏度, 区分准确率 | NA |