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 3544 篇文献，本页显示第 2081 - 2100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2081 | 2025-05-01 |
Development of Multicenter Deep Learning Models for Predicting Surgical Complexity and Surgical Site Infection in Abdominal Wall Reconstruction, a Pilot Study
2025, Journal of abdominal wall surgery : JAWS
DOI:10.3389/jaws.2025.14371
PMID:40297249
|
研究论文 | 开发用于预测腹壁重建手术复杂性和手术部位感染风险的多中心深度学习模型 | 首次使用多中心深度学习模型预测腹壁重建手术的复杂性和手术部位感染风险 | CST模型表现不佳，可能反映了手术决策的主观性和不同机构的实践差异 | 预测腹壁重建手术的复杂性和手术部位感染风险 | 腹壁重建手术患者 | 数字病理 | 腹壁疝 | 深度学习 | ResNet-18 | CT图像 | 来自两个三级腹壁重建中心的去标识化CT图像 | NA | NA | NA | NA |
| 2082 | 2025-05-01 |
RSDCNet: An efficient and lightweight deep learning model for benign and malignant pathology detection in breast cancer
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251336286
PMID:40297351
|
研究论文 | 本研究提出了一种名为RSDCNet的高效轻量级深度学习模型，用于乳腺癌良恶性病理检测 | RSDCNet结合了深度可分离卷积和SCSE模块，在减少模型参数的同时增强了关键特征提取能力，实现了轻量化和高效率 | 研究仅使用了BreakHis数据集，未在其他独立数据集上进行验证 | 开发一种高效、自动化和精确的乳腺癌病理检测方法 | 乳腺癌良恶性病理图像 | 数字病理 | 乳腺癌 | 深度学习 | RSDCNet（基于CNN的改进模型） | 图像 | 9109张乳腺肿瘤显微图像（来自BreakHis数据集） | NA | NA | NA | NA |
| 2083 | 2025-05-01 |
Magnetic resonance radiomics-based deep learning model for diagnosis of Alzheimer's disease
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251337183
PMID:40297370
|
研究论文 | 本研究提出了一种基于磁共振影像组学和深度学习的模型，用于阿尔茨海默病的诊断 | 结合磁共振影像组学特征和深度学习模型TabNet，实现了阿尔茨海默病的高精度诊断 | 研究样本量相对有限，且来自特定种族群体 | 开发一种基于深度学习的阿尔茨海默病诊断方法 | 阿尔茨海默病患者、轻度认知障碍患者和正常对照者 | 数字病理学 | 老年病 | 磁共振成像(MRI) | TabNet | 图像 | ADNI数据库中的141名AD患者、166名MCI患者和231名正常对照者，以及华山医院的45名AD患者、35名MCI患者和31名正常对照者 | NA | NA | NA | NA |
| 2084 | 2025-05-01 |
Development of a deep learning model to predict smoking status in patients with chronic obstructive pulmonary disease: A secondary analysis of cross-sectional national survey
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251333660
PMID:40297369
|
研究论文 | 开发并验证了一个深度学习模型，用于预测慢性阻塞性肺疾病（COPD）患者的吸烟状况 | 使用残差神经网络（ResNN）模型预测COPD患者的吸烟状况，并比较了多种机器学习和深度学习模型，性能优于其他模型 | 需要外部验证，并纳入更多行为和心理学变量以提高模型的通用性和性能 | 开发一个深度学习模型，用于预测COPD患者的吸烟状况 | COPD患者 | 机器学习 | 慢性阻塞性肺疾病 | 深度学习 | ResNN | 结构化数据（包括人口统计学、行为学和临床变量） | 5466例COPD患者 | NA | NA | NA | NA |
| 2085 | 2025-05-01 |
A hybrid power load forecasting model using BiStacking and TCN-GRU
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321529
PMID:40294011
|
研究论文 | 本文提出了一种结合集成学习和深度学习技术的混合预测模型BiStacking+TCN-GRU，用于电力负荷预测 | 结合了BiStacking集成学习和TCN-GRU深度学习技术，通过Pearson相关系数选择特征，提高了预测准确性 | 实验数据仅基于巴拿马2020年的电力负荷数据，可能在其他地区或时间段的适用性有待验证 | 提高电力负荷预测的准确性，减少能源浪费并改善电网稳定性 | 电力负荷数据 | 机器学习 | NA | Pearson相关系数(PCC)、BiStacking、TCN、GRU | BiStacking+TCN-GRU | 电力负荷数据 | 巴拿马2020年电力负荷数据 | NA | NA | NA | NA |
| 2086 | 2025-10-07 |
A divide-and-conquer approach based on deep learning for long RNA secondary structure prediction: Focus on pseudoknots identification
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0314837
PMID:40279361
|
研究论文 | 提出一种基于深度学习的DivideFold方法，用于预测长RNA二级结构（包括假结） | 采用分治策略递归分割长RNA序列，结合深度学习模型解决长序列和假结预测的挑战 | 未明确说明方法对特定RNA类型的适用性限制 | 提高长RNA二级结构（特别是假结）的预测准确性 | 长RNA序列及其二级结构 | 生物信息学 | NA | RNA二级结构预测 | 深度学习 | RNA序列数据 | NA | NA | NA | 假结预测准确率、二级结构预测准确率 | NA |
| 2087 | 2025-10-07 |
Towards sustainable architecture: Enhancing green building energy consumption prediction with integrated variational autoencoders and self-attentive gated recurrent units from multifaceted datasets
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317514
PMID:40279377
|
研究论文 | 提出一种集成变分自编码器和自注意力门控循环单元的深度学习框架，用于绿色建筑能耗预测 | 首次将时间依赖变分自编码器与自适应门控自注意力GRU相结合，并采用多任务学习策略同时优化预测精度和异常检测 | 仅基于两个公共数据集进行验证，未在更广泛的实际场景中测试 | 提高绿色建筑能耗预测准确性以支持能源管理和节能减排 | 绿色建筑的能源消耗时间序列数据 | 机器学习 | NA | 时间序列分析 | TD-VAE, AGSA-GRU | 时间序列数据 | 两个公共绿色建筑能耗数据集 | NA | 时间依赖变分自编码器, 自适应门控自注意力GRU | 准确率, AUC, 假阳性率, 真阳性率 | NA |
| 2088 | 2025-04-29 |
Synthetic fibrosis distributions for data augmentation in predicting atrial fibrillation ablation outcomes: an in silico study
2025, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2025.1512356
PMID:40290188
|
研究论文 | 本研究利用去噪扩散概率模型生成合成纤维化分布，以增强深度学习预测心房颤动消融结果的数据集 | 使用去噪扩散概率模型生成合成纤维化分布，并通过生物物理模拟扩增训练数据集，以提高深度学习模型的预测性能 | 研究基于计算机模拟，尚未在真实患者数据中验证其临床适用性 | 提高深度学习模型预测心房颤动消融结果的准确性 | 心房颤动患者的纤维化分布及消融策略效果 | 数字病理学 | 心血管疾病 | LGE-MRI, 去噪扩散概率模型, 生物物理模拟 | 深度学习, 去噪扩散概率模型 | 图像, 模拟数据 | 100个真实LGE-MRI分布用于训练模型，生成1000个双心房网格用于模拟 | NA | NA | NA | NA |
| 2089 | 2025-04-29 |
The current status and future directions of artificial intelligence in the prediction, diagnosis, and treatment of liver diseases
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251325418
PMID:40290269
|
review | 本文综述了人工智能在肝病预测、诊断和治疗中的当前应用及未来发展方向 | 强调了机器学习和深度学习算法在肝病领域的应用进展 | 指出了该领域面临的挑战，包括需要大规模数据集、鲁棒算法和临床实践中的伦理考虑 | 探讨人工智能在肝病预测、诊断和治疗中的应用及其未来发展方向 | 肝病 | machine learning | liver disease | machine learning, deep learning | NA | NA | NA | NA | NA | NA | NA |
| 2090 | 2025-04-29 |
A deep learning-assisted automatic measurement of tear meniscus height on ocular surface images and its application in myopia control
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1554432
PMID:40291564
|
research paper | 本研究开发了一种深度学习模型，用于自动测量眼表图像中的泪液半月板高度（TMH），以提高近视控制方法相关干眼症初步筛查的效率和准确性 | 首次应用深度学习模型自动测量泪液半月板高度，提高了测量效率和准确性，避免了传统手动测量的主观性和低效问题 | 研究仅使用了OCULUS Keratograph 5M采集的眼表图像，未验证在其他设备上的适用性 | 开发自动测量泪液半月板高度的深度学习模型，用于近视控制方法相关干眼症的筛查 | 眼表图像中的泪液半月板高度 | digital pathology | myopia | deep learning | CNN | image | 1,200张眼表图像（训练集840张，验证集240张，测试集120张，外加100张外部验证集） | NA | NA | NA | NA |
| 2091 | 2025-04-29 |
Hybrid deep learning method to identify key genes in autism spectrum disorder
2025 Jan-Dec, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.12104
PMID:40292027
|
研究论文 | 本研究采用混合深度学习方法识别与自闭症谱系障碍(ASD)相关的关键基因 | 结合图卷积网络和逻辑回归的混合深度学习方法，有效识别ASD关键基因，并通过SI模型验证其感染能力 | 未提及方法在其他神经发育障碍中的普适性验证 | 识别与自闭症谱系障碍相关的关键基因 | 自闭症谱系障碍相关基因 | 机器学习 | 自闭症谱系障碍 | 图卷积网络, 逻辑回归, SI模型 | GCN, Logistic Regression | 基因互作网络数据 | NA | NA | NA | NA | NA |
| 2092 | 2025-10-07 |
Use of artificial intelligence to detect dental caries on intraoral photos
2025-Jan-30, Quintessence international (Berlin, Germany : 1985)
DOI:10.3290/j.qi.b5857664
PMID:39601186
|
研究论文 | 开发基于多阶段深度学习的人工智能系统，用于口腔内照片中的龋齿检测和分类 | 首次构建针对前牙和后牙的多阶段深度学习管道，能够定位单个牙齿并对不同严重程度的龋齿进行分类 | 后牙白斑检测因位置变异性较高而更具挑战性 | 开发成本效益高的早期龋齿检测工具，适用于非临床环境 | 口腔内牙齿照片 | 计算机视觉 | 龋齿 | 深度学习 | 深度学习模型 | 图像 | 50,179张口腔内牙齿照片（来自智能手机和口腔内相机） | NA | 多阶段深度学习管道 | 灵敏度, 特异性 | NA |
| 2093 | 2025-10-07 |
The 'Sandwich' meta-framework for architecture agnostic deep privacy-preserving transfer learning for non-invasive brainwave decoding
2025-Jan-23, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad9957
PMID:39622169
|
研究论文 | 提出名为'Sandwich'的深度隐私保护元框架，结合迁移学习和联邦学习用于非侵入性脑电波解码 | 首次将迁移学习与联邦学习整合为统一框架，解决脑电数据集的变异性和隐私问题 | NA | 解决脑电信号解码中的数据变异性和隐私保护挑战 | 脑电图(EEG)信号和脑机接口应用 | 机器学习 | 神经系统疾病 | 脑电图(EEG) | 深度学习 | 时间序列数据 | NA | NA | Inception, Sandwich元架构 | 准确率 | NA |
| 2094 | 2025-10-07 |
Inferring disease progression stages in single-cell transcriptomics using a weakly supervised deep learning approach
2025-Jan-22, Genome research
IF:6.2Q1
DOI:10.1101/gr.278812.123
PMID:39622637
|
研究论文 | 提出一种名为scIDST的弱监督深度学习方法，用于从单细胞转录组数据推断疾病进展阶段 | 开发了首个基于弱监督深度学习的单细胞疾病进展推断方法，能够识别传统患者-健康对照比较分析无法检测的疾病相关基因差异表达 | NA | 解决患者来源组织中细胞异质性问题，准确推断单个细胞的疾病进展水平 | 单细胞转录组数据中的个体细胞 | 生物信息学 | 多种疾病 | 单细胞/细胞核基因组测序 | 深度学习 | 单细胞转录组数据 | NA | NA | NA | NA | NA |
| 2095 | 2025-10-07 |
An efficient deep unrolling network for sparse-view CT reconstruction via alternating optimization of dense-view sinograms and images
2025-Jan-15, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad9dac
PMID:39662047
|
研究论文 | 提出一种通过交替优化稠密视图正弦图和图像的高效深度展开网络，用于稀疏视图CT重建 | 将SVCT重建分解为稠密视图正弦图优化和图像优化两个子问题，采用稠密视图而非全视图正弦图修复，降低计算资源需求并减少误差传播 | NA | 解决稀疏视图CT重建中计算成本高的问题，同时保持重建图像质量 | 临床原始投影数据 | 医学影像重建 | NA | 计算机断层扫描(CT) | 深度展开网络 | 投影数据，图像 | NA | NA | 深度神经网络 | 定量指标，定性结果 | GPU |
| 2096 | 2025-10-07 |
Applications of and issues with machine learning in medicine: Bridging the gap with explainable AI
2025-Jan-14, Bioscience trends
IF:5.7Q1
DOI:10.5582/bst.2024.01342
PMID:39647859
|
综述 | 探讨机器学习在医学领域的应用及其可解释性问题，并提出可解释人工智能作为解决方案 | 系统分析医学机器学习中的黑箱问题，并强调可解释AI在提升模型透明度和临床接受度方面的重要价值 | 未涉及具体临床实施案例和定量评估数据 | 促进机器学习在医疗领域的可信应用 | 医学机器学习模型及其可解释性方法 | 机器学习 | NA | 深度学习 | CNN, Transformer | 患者数据 | NA | NA | NA | NA | NA |
| 2097 | 2025-10-07 |
Generalizable Reconstruction for Accelerating MR Imaging via Federated Learning With Neural Architecture Search
2025-Jan, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3432388
PMID:39037877
|
研究论文 | 提出一种基于联邦学习和神经架构搜索的可泛化磁共振成像重建框架GAutoMRI | 首次将神经架构搜索与联邦学习结合用于MR图像重建，并设计了公平性调整方法处理异构数据分布 | 未明确说明模型在极端数据异构情况下的表现，且实验仅限于特定MR成像场景 | 开发能够处理多中心异构数据的通用磁共振图像重建方法 | 多中心采集的磁共振图像数据 | 医学影像分析 | NA | 磁共振成像 | 神经网络 | 医学图像 | NA | 联邦学习, 神经架构搜索 | 自动搜索的神经网络架构 | 重建性能, 泛化能力, 模型轻量化程度 | NA |
| 2098 | 2025-10-07 |
Integrating Prior Knowledge Using Transformer for Gene Regulatory Network Inference
2025-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202409990
PMID:39605181
|
研究论文 | 提出一种基于Transformer的基因调控网络推断框架GRNPT，整合大语言模型嵌入和时序卷积网络自编码器从单细胞RNA测序轨迹中捕获调控模式 | 首次将大语言模型嵌入与深度学习相结合用于基因调控网络推断，能够整合先验生物知识并展现出色的跨细胞类型泛化能力 | 未明确说明模型在极大规模数据集上的计算效率和处理能力 | 开发能够准确推断基因调控网络并具有良好泛化能力的新方法 | 基因调控网络和单细胞RNA测序数据 | 生物信息学 | NA | 单细胞RNA测序 | Transformer, TCN, 自编码器 | 基因表达数据，文本嵌入 | NA | NA | Transformer, 时序卷积网络自编码器 | NA | NA |
| 2099 | 2025-10-07 |
Toward automated small bowel capsule endoscopy reporting using a summarizing machine learning algorithm: The SUM UP study
2025-Jan, Clinics and research in hepatology and gastroenterology
IF:2.6Q2
DOI:10.1016/j.clinre.2024.102509
PMID:39622290
|
研究论文 | 开发用于小肠胶囊内镜报告的机器学习摘要算法，通过深度学习检测和随机森林分类器优化血管病变图像选择 | 结合深度学习检测和机器学习分类器，实现小肠胶囊内镜血管病变的自动分类和图像精选，显著减少报告图像数量 | 研究样本量相对有限（训练集75个视频，测试集73个视频），需要进一步验证算法的泛化能力 | 提高小肠胶囊内镜报告的自动化水平，优化血管病变检测和图像选择流程 | 小肠胶囊内镜视频中的血管病变图像 | 计算机视觉 | 消化道疾病 | 胶囊内镜 | 深度学习, 随机森林 | 视频, 图像 | 训练集75个SB CE视频包含401个序列1525张图像，测试集73个完整SB CE视频记录 | NA | NA | 特异性, AUC, 准确率, 图像减少比例, 一致性 | NA |
| 2100 | 2025-10-07 |
ECMHA-PP: A Breast Cancer Prognosis Prediction Model Based on Energy-Constrained Multi-Head Self-Attention
2025-Jan, Proteomics. Clinical applications
DOI:10.1002/prca.202400035
PMID:39623567
|
研究论文 | 提出基于能量约束多头自注意力的乳腺癌预后预测模型ECMHA-PP | 引入能量约束多头自注意力机制提升特征提取能力，结合交叉位置混合和通道混合多层感知机 | NA | 开发高精度乳腺癌预后预测模型以辅助临床决策 | 乳腺癌患者 | 机器学习 | 乳腺癌 | 深度学习 | 多头自注意力机制,多层感知机 | 临床数据 | METABRIC数据集和BRCA独立数据集 | NA | ECMHA-PP | 准确率,AUC | NA |