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 12022 篇文献，本页显示第 2381 - 2400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2381 | 2025-10-07 |
Therapeutic gene target prediction using novel deep hypergraph representation learning
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf019
PMID:39841592
|
研究论文 | 提出一种基于超图表示学习的深度模型HIT，用于预测基因的治疗潜力、生物标志物状态或与疾病的关联 | 首次将超图结构与注意力机制相结合用于治疗性基因靶点预测，能够捕捉基因、本体、疾病和表型之间的复杂关系 | 已知治疗靶点数量有限可能影响模型性能 | 开发计算模型预测治疗性基因靶点以加速疾病治疗开发 | 基因、疾病、表型和生物本体 | 机器学习 | NA | 深度超图表示学习 | Transformer | 图结构数据 | NA | NA | 超图交互Transformer(HIT) | NA | NA |
| 2382 | 2025-10-07 |
Predicting transcriptional changes induced by molecules with MiTCP
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf006
PMID:39847444
|
研究论文 | 开发基于深度学习的MiTCP方法预测小分子诱导的转录谱变化 | 首次结合图神经网络同时建模分子结构表示和基因共表达关系进行转录变化预测 | 仅基于L1000数据集训练，模型泛化能力有待进一步验证 | 预测小分子化合物诱导的细胞转录谱变化 | 978个标志基因的转录谱变化 | 机器学习 | 癌症 | 转录组分析 | 图神经网络 | 分子结构数据，基因表达数据 | L1000数据集 | NA | 图神经网络 | 皮尔逊相关系数 | NA |
| 2383 | 2025-10-07 |
Deep learning-based drug screening for the discovery of potential therapeutic agents for Alzheimer's disease
2024-Oct, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2024.101022
PMID:39850238
|
研究论文 | 本研究开发了基于深度学习的药物筛选方法，从传统中药方剂开心散中识别治疗阿尔茨海默病的潜在活性化合物 | 首次结合疾病层面和靶点层面构建四种深度神经网络模型，并应用于传统中药方剂的高通量筛选 | 研究主要聚焦于开心散方剂，未扩展到其他中药方剂或化合物库 | 开发有效的阿尔茨海默病治疗药物发现平台 | 传统中药方剂开心散中的化合物 | 机器学习 | 阿尔茨海默病 | 深度学习药物筛选 | DNN | 化合物活性数据 | NA | NA | 深度神经网络 | NA | NA |
| 2384 | 2025-10-07 |
Artificial Intelligence in Head and Neck Cancer: Innovations, Applications, and Future Directions
2024-09-06, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol31090389
PMID:39330017
|
综述 | 本文综述了人工智能在头颈癌诊疗中的创新应用、当前进展与未来发展方向 | 系统整合了深度学习、自然语言处理等AI技术与影像学、基因组学和电子健康记录的融合应用，并展望了可解释AI、AI驱动机器人和实时监测系统等新兴创新 | 面临数据质量、算法偏差以及需要跨学科合作等挑战 | 探讨人工智能在头颈癌诊疗领域的应用现状与发展前景 | 头颈癌患者的诊疗数据与AI技术应用 | 自然语言处理, 机器学习 | 头颈癌 | 影像技术, 基因组学, 电子健康记录分析 | 深度学习 | 医学影像, 基因组数据, 文本数据 | NA | NA | NA | NA | NA |
| 2385 | 2025-10-07 |
A Novel Deep Learning Model for Breast Tumor Ultrasound Image Classification with Lesion Region Perception
2024-08-28, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol31090374
PMID:39330002
|
研究论文 | 提出一种新颖的多特征融合多任务深度学习模型，用于乳腺肿瘤超声图像分类和病灶区域感知 | 设计了上下文病灶增强感知模块和多特征融合模块，能够更好地捕捉病灶区域的局部和全局特征关系，并有效区分病灶特异性特征与肿瘤分类语义特征 | NA | 解决乳腺超声图像分类中信息共享冲突问题，提高病灶区域感知和分类性能 | 乳腺肿瘤超声图像 | 计算机视觉 | 乳腺癌 | 超声成像 | 深度学习,多任务学习 | 图像 | 两个公共乳腺超声成像数据集 | NA | 多特征融合多任务模型,上下文病灶增强感知模块,多特征融合模块 | NA | NA |
| 2386 | 2025-10-07 |
MambaTab: A Plug-and-Play Model for Learning Tabular Data
2024-Aug, Proceedings. IEEE Conference on Multimedia Information Processing and Retrieval
DOI:10.1109/mipr62202.2024.00065
PMID:39850741
|
研究论文 | 提出一种基于结构化状态空间模型的即插即用表格数据学习模型MambaTab | 首次将新兴的SSM变体Mamba应用于表格数据端到端监督学习，显著减少参数量的同时实现优越性能 | NA | 开发高效、可扩展的表格数据深度学习解决方案 | 表格数据 | 机器学习 | NA | 结构化状态空间模型 | SSM, Mamba | 表格数据 | 多种基准数据集 | NA | Mamba | NA | NA |
| 2387 | 2025-10-07 |
Beyond Size and Class Balance: Alpha as a New Dataset Quality Metric for Deep Learning
2024-Jul-31, ArXiv
PMID:39830079
|
研究论文 | 提出一种基于生态学多样性指标的新型数据集质量度量方法Alpha，用于改进医学影像深度学习性能 | 首次将生态学中的广义熵多样性度量引入深度学习领域，提出超越数据集大小和类别平衡的新质量指标 | 研究仅基于七个医学数据集进行验证，需要更多领域和数据集类型的进一步验证 | 探索更直接的数据集多样性度量方法以提升深度学习模型性能 | 医学影像数据集 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 七个医学数据集的数千个子集 | NA | NA | 平衡准确率 | NA |
| 2388 | 2025-10-07 |
Advancing precision agriculture with deep learning enhanced SIS-YOLOv8 for Solanaceae crop monitoring
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1485903
PMID:39850216
|
研究论文 | 提出增强型SIS-YOLOv8模型用于茄科作物病害监测 | 通过三个关键模块改进YOLOv8网络结构：融合Inception卷积模块增强复杂背景下的特征提取，C2f-SIS模块结合风格随机化提升泛化能力，SPPF-IS模块通过特征融合增强模型鲁棒性 | 未提及模型在其他作物或更广泛环境条件下的适用性 | 开发适用于复杂农业环境的作物病害自动检测模型 | 马铃薯和番茄的病害监测 | 计算机视觉 | 作物病害 | 深度学习图像识别 | YOLO | 图像 | NA | NA | YOLOv8, SIS-YOLOv8 | 准确率, 召回率, mAP50, mAP50-95 | NA |
| 2389 | 2025-10-07 |
Monitoring of agricultural progress in rice-wheat rotation area based on UAV RGB images
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1502863
PMID:39850210
|
研究论文 | 基于无人机RGB图像和深度学习技术，提出了一种水稻-小麦轮作区农事进度的精准监测方法 | 结合无人机图像分析和深度学习技术，提出适用于农事进度分类的激活层特征，并通过特征相关性分析去除冗余特征 | NA | 解决水稻-小麦轮作区农事进度监测效率低下的问题 | 水稻-小麦轮作区 | 计算机视觉 | NA | 无人机RGB图像采集 | 随机森林,深度学习 | RGB图像 | NA | NA | L08CON, ResNet50 | 准确率, 处理时间 | NA |
| 2390 | 2025-10-07 |
LiDAR point cloud denoising for individual tree extraction based on the Noise4Denoise
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1490660
PMID:39850219
|
研究论文 | 提出了一种基于深度学习的无监督LiDAR点云去噪算法DEN4，用于提升单木分割精度 | 引入了多级噪声分离模块，能有效区分信号与噪声，无需预标记数据 | 仅在60个样本数据集上进行验证，样本规模有限 | 提升LiDAR点云去噪效果以改善单木分割精度 | 森林LiDAR点云数据 | 计算机视觉 | NA | LiDAR点云采集 | 深度学习 | 点云数据 | 60个样本数据集 | NA | DEN4（含多级噪声分离模块） | 均方误差(MSE), 信噪比(SNR), 豪斯多夫距离(Hausdorff distance), 结构相似性指数(SSIM) | NA |
| 2391 | 2025-10-07 |
Study on the application of deep learning artificial intelligence techniques in the diagnosis of nasal bone fracture
2024, International journal of burns and trauma
IF:1.4Q3
DOI:10.62347/VCJP9652
PMID:39850782
|
研究论文 | 本研究评估了基于深度学习的AI技术在鼻骨骨折诊断中的应用价值 | 首次将YOLOX检测模型与GhostNetv2分类模型结合用于鼻骨骨折的自动诊断 | 样本量较小（仅82例患者），缺乏外部验证 | 评估深度学习AI技术在鼻骨骨折诊断中的临床应用价值 | 39例正常鼻骨患者和43例鼻骨骨折患者的颌面部CT三维重建图像 | 计算机视觉 | 鼻骨骨折 | CT三维重建 | 深度学习 | 医学影像 | 82例患者，共247张图像（正位、左侧位、右侧位三个方向） | NA | YOLOX,GhostNetv2 | 准确率,灵敏度,特异性 | NA |
| 2392 | 2025-10-07 |
Dynamic-budget superpixel active learning for semantic segmentation
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1498956
PMID:39850848
|
研究论文 | 提出一种动态预算超像素主动学习方法，用于提高语义分割任务的数据效率 | 首次提出动态预算查询策略，可根据图像内容自适应选择最优数量的高不确定性超像素进行标注 | 未讨论超像素分割质量对算法性能的影响，实验数据集类型有限 | 提高语义分割任务中主动学习算法的查询效率 | 语义分割模型的训练数据选择 | 计算机视觉 | NA | 主动学习，超像素分割 | 深度学习模型 | 图像 | 两个不同数据集：专业农业田间图像数据集和Cityscapes数据集 | NA | NA | mIoU（平均交并比） | NA |
| 2393 | 2025-10-07 |
Detecting anomalies in smart wearables for hypertension: a deep learning mechanism
2024, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2024.1426168
PMID:39850864
|
研究论文 | 本研究提出一种结合ResNet和LSTM的新型神经网络架构，用于从智能穿戴设备的生理信号中预测血压并检测异常 | 首次将ResNet的特征提取能力与LSTM的序列数据处理相结合，构建ResNet-LSTM混合模型用于血压预测 | 计算成本较高（约4,375 FLOPs），需要进一步优化计算效率 | 通过深度学习技术改进智能健康监测系统，实现准确的无创血压预测和异常检测 | 智能穿戴设备采集的生理信号数据（ECG和PPG） | 机器学习 | 心血管疾病 | 生理信号监测（ECG, PPG） | CNN, LSTM | 生理信号时序数据 | 使用留一法交叉验证和额外数据集进行验证 | NA | ResNet, LSTM, ResNet-LSTM | 平均绝对误差（MAE）, 均方根误差（RMSE） | NA |
| 2394 | 2025-10-07 |
Anatomy-centred deep learning improves generalisability and progression prediction in radiographic sacroiliitis detection
2024-Dec-23, RMD open
IF:5.1Q1
DOI:10.1136/rmdopen-2024-004628
PMID:39719299
|
研究论文 | 本研究探讨了以解剖学为中心的深度学习在提高影像学骶髂关节炎检测的泛化能力和预测疾病进展方面的效果 | 提出解剖学中心的深度学习模型，通过裁剪骶髂关节边界框区域来改进模型性能，并首次展示了该模型在预测疾病进展方面的能力 | 回顾性多中心研究，样本量相对有限，需要进一步前瞻性验证 | 提高影像学骶髂关节炎检测的泛化能力并预测疾病进展 | 中轴型脊柱关节炎患者的常规骨盆X光片 | 医学影像分析 | 中轴型脊柱关节炎 | 深度学习 | 神经网络 | X光图像 | 训练集1261张图像，验证集222张图像，三个独立测试集分别包含436、340和163名患者 | NA | NA | AUC, 准确率, 灵敏度, 特异性 | NA |
| 2395 | 2025-10-07 |
Advances for Managing Pancreatic Cystic Lesions: Integrating Imaging and AI Innovations
2024-Dec-22, Cancers
IF:4.5Q1
DOI:10.3390/cancers16244268
PMID:39766167
|
综述 | 本文综述了人工智能在胰腺囊性病变管理中的创新应用，重点探讨了AI如何提升诊断准确性和风险分层能力 | 整合影像学与人工智能技术，提出深度学习算法和影像组学在胰腺囊性病变自动分割和异质性分析中的创新应用 | 目前AI方法仍处于早期研究阶段，需要更多临床验证和大规模前瞻性研究 | 探索人工智能技术在胰腺囊性病变诊断和管理中的潜在价值 | 胰腺囊性病变（PCLs） | 医学影像分析 | 胰腺癌 | 放射影像学、超声内镜引导细针穿刺、临床和生化数据 | 深度学习 | 医学影像 | NA | NA | NA | 诊断准确性、风险分层能力 | NA |
| 2396 | 2025-10-07 |
Approaching artificial intelligence to Hospital Pharmacy
2024-Jul, Farmacia hospitalaria : organo oficial de expresion cientifica de la Sociedad Espanola de Farmacia Hospitalaria
IF:1.0Q4
DOI:10.1016/j.farma.2024.02.007
PMID:39097366
|
综述 | 探讨人工智能在医院药学领域的应用前景与价值 | 系统阐述AI技术如何通过分析医疗数据帮助医院药师优化药物管理流程 | 未涉及具体实施案例与数据验证 | 推动人工智能技术与医院药学实践的深度融合 | 医院药师工作流程与患者用药数据 | 自然语言处理, 机器学习 | NA | 机器学习, 深度学习, 自然语言处理 | 神经网络 | 医疗记录, 实验室结果, 用药档案 | NA | NA | NA | NA | NA |
| 2397 | 2025-10-07 |
[Translated article] Introducing artificial intelligence to hospital pharmacy departments
2024-Jul, Farmacia hospitalaria : organo oficial de expresion cientifica de la Sociedad Espanola de Farmacia Hospitalaria
IF:1.0Q4
DOI:10.1016/j.farma.2024.04.001
PMID:39097375
|
综述 | 本文介绍人工智能在医院药学部中的应用及其潜在价值 | 系统阐述人工智能技术如何赋能医院药学部门，提升药物安全管理与临床决策水平 | 未涉及具体实施案例或量化效果评估 | 探讨人工智能技术在医院药学领域的应用前景 | 医院药学部门的工作流程与患者用药数据 | 自然语言处理, 机器学习 | NA | 机器学习, 深度学习, 神经网络, 自然语言处理 | NA | 医疗记录, 实验室结果, 药物档案 | NA | NA | NA | NA | NA |
| 2398 | 2025-01-25 |
ENHANCING TRANSCRANIAL FOCUSED ULTRASOUND TREATMENT PLANNING WITH SYNTHETIC CT FROM ULTRA-SHORT ECHO TIME (UTE) MRI: A MULTI-TASK DEEP LEARNING APPROACH
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635176
PMID:39844940
|
研究论文 | 本研究利用多任务深度学习框架，从有限的超短回波时间（UTE）MRI数据集中生成合成CT（sCT）图像，用于经颅聚焦超声（tFUS）治疗规划 | 采用3D Transformer U-Net生成sCT图像，展示了UTE-MRI作为无辐射、成本效益高的tFUS规划替代方案的潜力 | 研究基于有限的数据集，可能需要更大规模的数据验证 | 提高经颅聚焦超声治疗规划的准确性和效率 | 超短回波时间（UTE）MRI数据 | 医学影像处理 | NA | 超短回波时间（UTE）MRI | 3D Transformer U-Net | MRI图像 | 有限的数据集 | NA | NA | NA | NA |
| 2399 | 2025-01-25 |
ID3RSNet: cross-subject driver drowsiness detection from raw single-channel EEG with an interpretable residual shrinkage network
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1508747
PMID:39844854
|
研究论文 | 本文提出了一种名为ID3RSNet的新型可解释残差收缩网络，用于从单通道EEG信号中进行跨受试者驾驶员嗜睡检测 | 提出了一种结合注意力机制的残差收缩构建单元，用于自适应特征重新校准和软阈值去噪，并引入了基于EEG的类激活图（ECAM）可解释方法，以可视化分析样本学习模式 | NA | 开发一种无需校准的驾驶员嗜睡检测系统，使用单通道EEG信号 | 驾驶员嗜睡检测 | 机器学习 | NA | EEG信号处理 | ID3RSNet（可解释残差收缩网络） | 单通道EEG信号 | NA | NA | NA | NA | NA |
| 2400 | 2025-01-25 |
Revolutionizing diagnosis of pulmonary Mycobacterium tuberculosis based on CT: a systematic review of imaging analysis through deep learning
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1510026
PMID:39845042
|
系统综述 | 本文综述了基于深度学习的CT成像分析在肺结核诊断中的应用，评估了其诊断准确性，并探讨了当前面临的挑战和未来研究方向 | 本文首次系统评估了深度学习在基于CT的肺结核诊断中的应用，并提出了数据稀缺性、模型泛化性、可解释性和伦理问题等关键挑战 | 研究仅纳入了7篇相关文献，样本量较小，且未进行定量分析 | 评估深度学习在基于CT的肺结核诊断中的准确性，并探讨其应用前景和挑战 | 肺结核（PTB）患者 | 计算机视觉 | 肺结核 | 深度学习（DL） | NA | CT图像 | 7篇相关文献 | NA | NA | NA | NA |