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 3218 篇文献，本页显示第 2021 - 2040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2021 | 2025-03-28 |
Optimal intrusion detection for imbalanced data using Bagging method with deep neural network optimized by flower pollination algorithm
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2745
PMID:40134887
|
研究论文 | 本文提出了一种基于元启发式和深度学习技术的新型入侵检测系统（IDS），用于处理物联网网络中的不平衡数据问题 | 结合花授粉算法（FPA）和深度神经网络（DNN）的混合方法，并采用RB Bagging策略处理类别不平衡问题 | 未明确提及具体局限性 | 开发高效的入侵检测系统以管理物联网网络中的风险和漏洞 | 物联网网络中的入侵检测 | 机器学习 | NA | 花授粉算法（FPA），深度神经网络（DNN） | DNN | 网络流量数据 | 四个公共数据集（NSL-KDD, UNSW NB-15, CIC-IDS-2017, BoT-IoT） | NA | NA | NA | NA |
| 2022 | 2025-03-28 |
Development of a cryptocurrency price prediction model: leveraging GRU and LSTM for Bitcoin, Litecoin and Ethereum
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2675
PMID:40134889
|
research paper | 该研究开发了一种利用GRU和LSTM模型预测比特币、莱特币和以太坊价格的加密货币价格预测模型 | 比较了GRU和LSTM在加密货币价格预测中的表现，发现GRU模型优于LSTM | 未考虑社交媒体趋势和交易量等可能影响加密货币价格的其他变量 | 开发高精度的加密货币价格预测模型 | 比特币(BTC)、莱特币(LTC)和以太坊(ETH)三种主要加密货币 | machine learning | NA | NA | GRU, LSTM | time-series data | 历史价格数据来自CryptoDataDownload，按80:20的比例划分训练集和测试集 | NA | NA | NA | NA |
| 2023 | 2025-03-27 |
Deep learning-based discovery of compounds for blood pressure lowering effects
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83924-0
PMID:39747442
|
研究论文 | 本研究利用深度学习建立了一个预测模型，用于发现具有降压效果的化合物 | 利用深度学习预测化合物的生物活性，为识别药物副作用提供潜在解决方案，并发现新的降压化合物 | 仅验证了50个分子的预测结果，样本量相对较小 | 预测和验证具有降压效果的化合物，以帮助避免临床用药中的低血压副作用并辅助降压药物的发现 | 26,000种化合物 | 机器学习 | 心血管疾病 | 深度学习，分子对接 | 深度学习模型 | 化合物数据 | 26,000种化合物，其中50个分子用于验证 | NA | NA | NA | NA |
| 2024 | 2025-03-27 |
The development of an efficient artificial intelligence-based classification approach for colorectal cancer response to radiochemotherapy: deep learning vs. machine learning
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84023-w
PMID:39748016
|
研究论文 | 开发了一种基于人工智能的高效分类方法，用于预测结直肠癌对放化疗的反应，比较了深度学习和机器学习的效果 | 比较了七种人工智能模型在预测结直肠癌对放化疗反应中的表现，并采用了三种特征选择策略来优化分类准确性 | 未提及样本的具体数量，且仅比较了有限的几种模型和特征选择方法 | 开发一种高效的人工智能分类方法，用于预测结直肠癌患者对放化疗的反应 | 结直肠癌患者 | 机器学习 | 结直肠癌 | 特征选择方法包括互信息、F-classif和卡方检验 | 决策树、K近邻、Adaboost、随机森林、梯度提升、多层感知机和CNN | 基因数据 | NA | NA | NA | NA | NA |
| 2025 | 2025-03-27 |
LaMoD: Latent Motion Diffusion Model For Myocardial Strain Generation
2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco)
DOI:10.1007/978-3-031-75291-9_13
PMID:40123747
|
research paper | 本文提出了一种名为LaMoD的潜在运动扩散模型，用于从标准心脏磁共振（CMR）视频中预测高精度的DENSE运动 | LaMoD利用预训练的配准网络编码器学习图像序列中的潜在运动特征，并通过概率潜在扩散模型从这些特征中重建准确运动 | 在具有细微外观变化的区域，准确性可能降低，且误差会随时间传播 | 提高标准CMR图像中运动分析的准确性，从而改善心脏患者的心肌应变分析 | 心脏磁共振（CMR）成像视频 | digital pathology | cardiovascular disease | DENSE CMR, 潜在扩散模型 | diffusion model | video | NA | NA | NA | NA | NA |
| 2026 | 2025-03-27 |
Automatic brain quantification in children with unilateral cerebral palsy
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1540480
PMID:40129724
|
研究论文 | 本研究开发并验证了一种基于深度学习的自动化流程，用于量化单侧脑瘫儿童的无病变脑体积 | 利用深度学习自动量化无病变脑体积，特别是在解剖结构严重改变的脑部中表现出稳健的分割性能 | 样本量相对较小（35名患者用于训练，54名儿童用于验证），且年龄范围较广（1-17岁） | 探索单侧脑瘫儿童脑部结构与功能之间的关系 | 单侧脑瘫儿童 | 数字病理学 | 脑瘫 | T1加权和FLAIR MRI | 深度学习模型 | MRI图像 | 训练集35名患者（5-15岁），验证集54名儿童（7-16岁），独立数据集36名儿童（1-17岁） | NA | NA | NA | NA |
| 2027 | 2025-03-27 |
Laser induced forward transfer imaging using deep learning
2025, Discover applied sciences
DOI:10.1007/s42452-025-06679-x
PMID:40129928
|
研究论文 | 提出了一种通过深度学习技术提高激光诱导正向转移（LIFT）精度和效率的新方法 | 利用深度学习直接从供体图像预测铜滴在受体上的沉积情况，为LIFT参数优化提供了新思路 | 预测结果与实验图像相比仍存在一定误差（平均RMSE为9.63），需要进一步优化以减少误差 | 提高激光诱导正向转移技术的精度和效率 | 铜滴在受体基板上的沉积图像 | 计算机视觉 | NA | 激光诱导正向转移（LIFT） | 神经网络 | 图像 | NA | NA | NA | NA | NA |
| 2028 | 2025-03-27 |
Prediction of adverse drug reactions based on pharmacogenomics combination features: a preliminary study
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1448106
PMID:40129949
|
研究论文 | 该研究基于药物基因组学组合特征预测药物不良反应（ADRs），提出了一种新的深度学习架构DGANet | 提出了一种新的深度学习架构DGANet，结合CNN和交叉特征学习潜在的药物-基因-ADR关联，用于ADRs预测 | 研究为初步研究，可能存在数据量和模型泛化能力的限制 | 预测药物不良反应（ADRs）的发生 | 药物和基因表达变化 | 机器学习 | NA | 药物基因组学数据 | CNN | 基因组学数据 | NA | NA | NA | NA | NA |
| 2029 | 2025-03-27 |
Code generation system based on MDA and convolutional neural networks
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1491958
PMID:40135112
|
研究论文 | 该论文介绍了一个基于MDA和卷积神经网络的代码生成系统，旨在通过计算机视觉和深度学习技术从系统描述图中生成源代码 | 结合计算机视觉、深度学习和MDA技术，实现从系统描述图自动生成源代码 | 神经网络训练过程中存在硬件限制 | 开发一个简化软件开发流程的平台，连接规划、结构化和开发阶段 | 系统描述图和相应案例研究 | 计算机视觉 | NA | 计算机视觉、深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 2030 | 2025-10-07 |
A differentiable Gillespie algorithm for simulating chemical kinetics, parameter estimation, and designing synthetic biological circuits
2025-Jan-21, ArXiv
PMID:39398212
|
研究论文 | 本文开发了一种可微分的Gillespie算法，用于模拟化学动力学、参数估计和设计合成生物电路 | 利用深度学习突破开发了完全可微分的Gillespie算法变体，通过平滑函数近似原始算法中的不连续操作 | NA | 开发可微分算法用于化学动力学模拟、参数学习和生物网络设计 | 化学反应网络和基因启动子 | 机器学习 | NA | Gillespie算法，深度学习 | NA | mRNA表达水平测量数据 | NA | NA | NA | NA | NA |
| 2031 | 2025-10-07 |
Automated CT image prescription of the gallbladder using deep learning: Development, evaluation, and health promotion
2025 Jan-Dec, Acute medicine & surgery
IF:1.5Q2
DOI:10.1002/ams2.70049
PMID:40018053
|
研究论文 | 开发基于深度学习的全自动胆囊CT图像识别系统，用于急性胆囊炎的快速诊断 | 首个针对急性胆囊炎的完全自动化CT图像诊断系统，结合多种深度学习模型和后处理技术 | 需要进一步临床验证，样本量相对有限 | 开发辅助临床医生快速评估需胆囊切除术的急性胆囊炎的自动化系统 | 急性胆囊炎患者和对照组参与者的CT图像 | 计算机视觉 | 急性胆囊炎 | CT成像 | CNN | 医学图像 | 250名急性胆囊炎患者和270名对照参与者 | NA | VGG-16, U-Net | 准确率, 灵敏度, 特异性 | NA |
| 2032 | 2025-03-26 |
Artificial intelligence in obstructive sleep apnea: A bibliometric analysis
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251324446
PMID:40123882
|
研究论文 | 通过文献计量分析探讨人工智能在阻塞性睡眠呼吸暂停(OSA)中的应用现状、趋势及未来方向 | 首次使用VOSviewer和Citespace对OSA领域AI应用进行全面的文献计量分析，揭示了研究热点和发展趋势 | 仅基于Web of Science数据库，可能遗漏其他重要文献来源 | 探索人工智能在阻塞性睡眠呼吸暂停领域的应用现状和发展趋势 | 2011-2024年间发表的867篇关于AI在OSA中应用的文献 | 数字病理学 | 阻塞性睡眠呼吸暂停 | 文献计量分析 | NA | 文献数据 | 867篇文献 | NA | NA | NA | NA |
| 2033 | 2025-03-26 |
Artificial intelligence for Brugada syndrome diagnosis and gene variants interpretation
2025, American journal of cardiovascular disease
DOI:10.62347/YQHQ1079
PMID:40124093
|
研究论文 | 本文综述了人工智能在Brugada综合征诊断和基因变异解释中的应用及其优势 | AI能够检测ECG中几乎所有BrS模式，甚至超越专家视觉能力，并在处理复杂数据时发现未分类的基因变异 | NA | 比较AI与训练有素的心脏病专家在BrS诊断中的能力，并探讨AI在BrS基因变异分类中的应用 | Brugada综合征（BrS）及其相关基因变异 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | ECG数据、基因数据 | NA | NA | NA | NA | NA |
| 2034 | 2025-03-26 |
Curvature estimation techniques for advancing neurodegenerative disease analysis: a systematic review of machine learning and deep learning approaches
2025, American journal of neurodegenerative disease
DOI:10.62347/DZNQ2482
PMID:40124352
|
系统综述 | 本文系统评估了用于神经退行性疾病分析的曲率估计技术，包括经典数学方法、机器学习、深度学习和混合方法 | 突出了从经典方法向机器学习和深度学习的转变，特别是神经网络回归和卷积神经网络在复杂几何处理中的优势 | 仅分析了2010年至2023年的105篇研究论文，可能未涵盖早期或最新技术 | 评估曲率估计方法在神经退行性疾病分析中的应用，以支持诊断工具和干预措施的开发 | 神经退行性疾病中的脑结构变化 | 机器学习 | 神经退行性疾病 | 曲率估计技术 | 神经网络回归, CNN | 神经影像数据 | 105篇研究论文 | NA | NA | NA | NA |
| 2035 | 2025-03-26 |
Improved food recognition using a refined ResNet50 architecture with improved fully connected layers
2025, Current research in food science
IF:6.2Q1
DOI:10.1016/j.crfs.2025.101005
PMID:40124390
|
research paper | 本研究通过改进的ResNet50架构和全连接层，提高了食物识别的准确性 | 开发了三种ResNet50变体（标准、微调和优化版本），其中带有定制全连接层的优化版本在食物识别任务中表现最佳 | 未明确说明模型在其他食物类别或不同环境下的泛化能力 | 评估食物识别系统在医院和餐厅环境中对人体健康的影响 | 16类食物（分为早餐、午餐和晚餐） | computer vision | NA | 深度学习算法 | ResNet50 | image | 初始12,000张图像，通过数据增强扩展到66,000张 | NA | NA | NA | NA |
| 2036 | 2025-03-26 |
Investigation of a deep learning-based reconstruction approach utilizing dual-view projection for myocardial perfusion SPECT imaging
2025, American journal of nuclear medicine and molecular imaging
IF:2.0Q3
DOI:10.62347/MLFB9278
PMID:40124765
|
研究论文 | 提出一种基于深度学习的双视角投影重建方法，用于心肌灌注SPECT成像，以减少采集时间并实现非旋转成像 | 利用深度学习技术（U-Net）重建双视角投影，减少传统双头SPECT扫描仪的扫描时间和机架旋转需求 | 2D U-Net在轴向连续性上表现略逊于参考图像，3D U-Net虽有所改进但仍存在局部绝对百分比误差 | 优化心肌灌注SPECT成像的采集时间和成像质量 | 心肌灌注SPECT成像 | 数字病理 | 心血管疾病 | SPECT/CT扫描 | U-Net（2D和3D） | 图像 | 116例SPECT/CT扫描（使用Tc-tetrofosmin示踪剂，GE NM/CT 640扫描仪采集） | NA | NA | NA | NA |
| 2037 | 2025-03-26 |
Multimodal deep learning with MUF-net for noninvasive WHO/ISUP grading of renal cell carcinoma using CEUS and B-mode ultrasound
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1558997
PMID:40124951
|
研究论文 | 本研究开发并验证了一种多模态深度学习模型MUF-Net，用于利用术前灰度超声和对比增强超声(CEUS)视频数据对肾细胞癌(RCC)进行无创WHO/ISUP核分级 | 提出了一种新型多模态超声融合网络(MUF-Net)，整合B型和CEUS模态，通过预测权重的加权和来提取和融合图像特征 | 研究为双中心回顾性研究，样本量相对有限(100例患者) | 开发非侵入性肾细胞癌WHO/ISUP核分级方法 | 肾细胞癌患者 | 数字病理 | 肾细胞癌 | CEUS和B型超声 | MUF-Net(多模态深度学习模型) | 超声视频和图像 | 100例患者的6293张超声图像 | NA | NA | NA | NA |
| 2038 | 2025-03-26 |
Development and Evaluation of a Deep Learning Algorithm to Differentiate Between Membranes Attached to the Optic Disc on Ultrasonography
2025, Clinical ophthalmology (Auckland, N.Z.)
DOI:10.2147/OPTH.S501316
PMID:40125481
|
研究论文 | 开发并评估了一种基于深度学习的算法，用于在超声检查中区分附着于视盘的膜 | 首次使用基于Transformer的Vision Transformer (ViT)模型对眼部超声B扫描图像进行分类，以区分健康、视网膜脱离(RD)和玻璃体后脱离(PVD) | 存在少量误分类情况，有7例RD被错误标记为PVD | 提高在超声检查中识别和区分附着于视盘的膜的准确性 | 眼部超声B扫描图像 | 计算机视觉 | 眼科疾病 | 超声检查(USG) | Vision Transformer (ViT) | 图像 | 训练和验证集505个样本，测试集212个样本 | NA | NA | NA | NA |
| 2039 | 2025-03-26 |
[Paper Review: Deep Learning-based PET Image Denoising and Reconstruction: A Review]
2025, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-0303
PMID:40128957
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2040 | 2025-10-07 |
A study on hybrid-architecture deep learning model for predicting pressure distribution in 2D airfoils
2025-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84940-w
PMID:39820053
|
研究论文 | 提出一种基于混合架构深度学习模型预测二维翼型压力分布图像的新方法 | 结合无监督和监督学习范式，开发了融合传统自编码器、卷积自编码器和混合CAE的混合架构模型 | 仅针对二维翼型进行验证，未扩展到三维复杂几何形状 | 开发图像预测方法以支持基于图像的近似优化设计 | 二维翼型的压力分布图像 | 计算机视觉 | NA | 计算流体动力学模拟 | 自编码器, 全连接神经网络 | 图像 | NA | NA | 自编码器, 卷积自编码器, 混合CAE | 匹配率 | NA |