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 3695 篇文献，本页显示第 2301 - 2320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2301 | 2025-04-27 |
Toward Personalized Digital Experiences to Promote Diabetes Self-Management: Mixed Methods Social Computing Approach
2025-Jan-07, JMIR diabetes
DOI:10.2196/60109
PMID:39773324
|
研究论文 | 本研究采用混合方法社交计算方法，分析数字健康社区中的同伴互动，以促进糖尿病自我管理的个性化干预 | 结合深度学习和社交网络分析技术，从大规模社交媒体数据中识别社交影响力模式，为个性化干预提供依据 | 研究仅基于美国糖尿病协会支持社区的数据，可能无法推广到其他文化或平台 | 探索社交影响力在糖尿病自我管理中的作用，并开发个性化干预措施 | 美国糖尿病协会支持社区中的同伴互动数据（2014-2021年） | 社交计算 | 糖尿病 | 深度学习、社交网络分析 | 深度学习模型 | 文本 | 约73,000次同伴互动，其中1,501条手动标注 | NA | NA | NA | NA |
| 2302 | 2025-10-07 |
Evaluating the Efficacy of Deep Learning Reconstruction in Reducing Radiation Dose for Computer-Aided Volumetry for Liver Tumor: A Phantom Study
2025 Jan-Feb 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001657
PMID:39511829
|
研究论文 | 通过体模研究评估深度学习重建在降低肝脏肿瘤计算机辅助容积测量辐射剂量方面的效果 | 首次系统比较四种CT重建方法（FBP、混合型IR、MBIR和DLR）在肝脏肿瘤容积测量中的辐射剂量降低能力 | 基于体模研究，尚未在真实患者中进行验证 | 评估不同CT重建方法对肝脏肿瘤计算机辅助容积测量准确性的影响 | 商用人体腹部体模中的模拟肝脏肿瘤 | 医学影像分析 | 肝脏肿瘤 | CT扫描，计算机辅助容积测量 | 深度学习重建 | CT影像数据 | 体模在四种不同管电流（600mA、400mA、200mA、100mA）下各扫描5次 | NA | NA | 信噪比，容积测量平均差异 | 320排探测器CT扫描仪 |
| 2303 | 2025-10-07 |
EvoAI enables extreme compression and reconstruction of the protein sequence space
2025-Jan, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02504-2
PMID:39528677
|
研究论文 | 开发了一种名为EvoAI的混合实验计算方法，用于极端压缩和重建蛋白质序列空间 | 提出EvoScan方法全面分割和扫描高适应性序列空间获取锚点，结合深度学习和大型语言模型从锚点准确重建序列空间 | 需要生物分子功能能够与转录输出耦合 | 设计具有改进功能的蛋白质，理解序列与功能关系 | 蛋白质序列空间，阻遏蛋白 | 机器学习 | NA | 转录输出耦合 | 深度学习模型，大型语言模型 | 蛋白质序列数据 | 82个锚点 | NA | NA | 压缩比 | NA |
| 2304 | 2025-04-27 |
Prediction of traffic accident risk based on vehicle trajectory data
2025, Traffic injury prevention
IF:1.6Q4
DOI:10.1080/15389588.2024.2402936
PMID:39570198
|
研究论文 | 本研究利用车辆轨迹数据开发了一个基于LSTM的交通事故风险预测模型 | 直接从低质量原始轨迹数据中提取事故相关危险状态特征，实现细粒度时间分辨率的事故概率预测 | NA | 进行精确的交通事故风险预测 | 城市道路和高速公路场景下的车辆轨迹数据 | 机器学习 | NA | 深度学习 | LSTM | 车辆轨迹数据 | 超过3000辆车的原始轨迹样本 | NA | NA | NA | NA |
| 2305 | 2025-10-07 |
Prediction of Bone Mineral Density based on Computer Tomography Images Using Deep Learning Model
2025, Gerontology
IF:3.1Q3
DOI:10.1159/000542396
PMID:39527924
|
研究论文 | 开发基于多阶段深度学习模型自动测量椎体骨密度并预测骨质疏松症 | 提出多阶段深度学习模型实现椎体自动分割和骨密度预测，替代传统定量CT测量方法 | 样本来源单一（801名受试者），缺乏外部验证数据集 | 开发自动测量骨密度的深度学习模型以提高骨质疏松症诊断率 | 801名接受胸腹部配对CT和QCT扫描的受试者（410名男性，391名女性）及其2080个椎体 | 计算机视觉 | 骨质疏松症 | 计算机断层扫描（CT），定量计算机断层扫描（QCT） | 深度学习模型 | CT图像 | 801名受试者（23-84岁），2080个椎体（训练集1433个，验证集243个，测试集404个） | NA | 多阶段深度学习模型 | 准确率，精确率，召回率，F1分数，决定系数（R2） | NA |
| 2306 | 2025-10-07 |
Automatic segmentation and visualization of cortical and marrow bone in mandibular condyle on CBCT: a preliminary exploration of clinical application
2025-Jan, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-024-00780-4
PMID:39520662
|
研究论文 | 开发基于深度学习的下颌骨髁突皮质骨和骨髓自动分割方法，并探索其临床应用价值 | 提出改进的3D U-Net架构，同时分割皮质骨和骨髓，并开发了可视化定量分析系统辅助诊断 | 初步探索性研究，样本仅来自单一医疗集团的三家中心 | 开发下颌骨髁突自动分割方法并评估其临床应用潜力 | 下颌骨髁突的皮质骨和骨髓组织 | 医学影像分析 | 颞下颌关节疾病 | 锥形束CT成像 | 深度学习 | 3D医学影像 | 490例CBCT图像中的825个髁突样本，来自三家医疗中心 | NA | 3D U-Net | Dice相似系数, Hausdorff距离 | NA |
| 2307 | 2025-10-07 |
Expert level of detection of interictal discharges with a deep neural network
2025-Jan, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.18164
PMID:39530797
|
研究论文 | 开发并验证用于检测脑电图痫样放电的深度神经网络，性能达到专家水平 | 首次将深度神经网络与多位专家在痫样放电检测方面进行系统性比较，并采用混合方法进行外部验证 | 样本量相对有限，专家间存在观察者间变异性 | 评估深度神经网络在脑电图痫样放电自动检测中的临床应用潜力 | 脑电图记录和痫样放电 | 医疗人工智能 | 癫痫 | 脑电图分析 | 深度神经网络 | 脑电图信号 | 内部验证：50例脑电图研究（22例有痫样放电，28例对照）；外部验证：174例脑电图研究 | NA | 深度神经网络 | 灵敏度，特异性，假阳性率，Cohen's κ，Fleiss' κ | NA |
| 2308 | 2025-10-07 |
Enhancing detection of various pancreatic lesions on endoscopic ultrasound through artificial intelligence: a basis for computer-aided detection systems
2025-Jan, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.16814
PMID:39538430
|
研究论文 | 开发基于人工智能的计算机辅助检测系统，用于实时检测和分割内镜超声下的各种胰腺病变 | 首次针对内镜超声开发实时胰腺病变检测和分割的深度学习模型，为计算机辅助检测系统奠定基础 | 单中心研究，需要进一步验证和泛化研究 | 开发用于内镜超声的计算机辅助检测系统，减少操作者依赖性 | 胰腺病变（恶性肿瘤、神经内分泌肿瘤、良性囊肿、胰腺炎等） | 计算机视觉 | 胰腺疾病 | 内镜超声 | 深度学习模型 | 图像 | 165名患者的1497张内镜超声图像 | NA | NA | IoU, PPV, NPV, 准确率, ROC | NA |
| 2309 | 2025-04-25 |
Retraction: Unreferenced English articles' translation quality-oriented automatic evaluation technology using sparse autoencoder under the background of deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322063
PMID:40267925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2310 | 2025-04-27 |
Elevator fault precursor prediction based on improved LSTM-AE algorithm and TSO-VMD denoising technique
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320566
PMID:40273057
|
研究论文 | 提出一种结合VMD、BILSTM和AEAM的电梯故障前兆预测方法，提升预测的稳定性和准确性 | 整合VMD、BILSTM和AEAM算法，提出VMD-BILSTM-AEAM模型，有效解决电梯运行数据中的特征冗余和噪声干扰问题 | 未提及模型在极端噪声环境下的表现或对其他类型机械故障的适用性 | 提升电梯故障前兆预测的准确性和稳定性 | 电梯运行参数（电流、电压、运行速度等） | 机器学习 | NA | VMD（变分模态分解）、BILSTM（双向长短期记忆网络）、AEAM（带注意力机制的自编码器） | VMD-BILSTM-AEAM | 时间序列数据 | 未明确提及具体样本数量，仅提到电梯运行参数数据集 | NA | NA | NA | NA |
| 2311 | 2025-04-27 |
Definer: A computational method for accurate identification of RNA pseudouridine sites based on deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320077
PMID:40273178
|
研究论文 | 提出了一种基于深度学习的计算方法Definer，用于准确识别RNA假尿苷位点 | 结合了NCP和One-hot两种序列编码方案，并利用CNN、GRU和Attention构建深度学习模型 | 仅针对三种物种（智人、酿酒酵母和小鼠）进行了测试 | 准确识别RNA假尿苷位点，以解释该修饰位点的功能机制 | RNA假尿苷位点 | 生物信息学 | NA | 深度学习 | CNN, GRU, Attention | RNA序列数据 | 三种物种（智人、酿酒酵母和小鼠）的基准数据集 | NA | NA | NA | NA |
| 2312 | 2025-04-27 |
Intelligent recognition of human activities using deep learning techniques
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321754
PMID:40273193
|
research paper | 该研究利用深度学习技术，通过集成3D-AlexNet-RF和InceptionV3 Google-Net模型，提高了RGB视频中人类活动识别的准确性 | 采用集成方法结合两种深度学习模型的预测结果，显著提升了人类活动识别的性能 | 研究仅基于HMDB51数据集进行评估，可能在其他数据集上的泛化能力有待验证 | 提升人类活动识别（HAR）的准确性，以改善患者护理、增强安全监控和促进人机交互 | RGB视频中的人类活动 | computer vision | NA | 深度学习 | 3D-AlexNet-RF, InceptionV3 Google-Net | video | HMDB51数据集 | NA | NA | NA | NA |
| 2313 | 2025-04-27 |
ToxDL 2.0: Protein toxicity prediction using a pretrained language model and graph neural networks
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.04.002
PMID:40276117
|
研究论文 | 介绍了一种名为ToxDL 2.0的新型多模态深度学习模型，用于预测蛋白质毒性 | 整合了来自预训练语言模型和AlphaFold2的进化和结构信息，通过图卷积网络（GCN）模块、域嵌入模块和密集模块来预测蛋白质毒性 | 未提及具体局限性 | 开发高效的计算方法来预测蛋白质毒性，替代传统耗时、昂贵且劳动密集型的实验方法 | 蛋白质 | 机器学习 | NA | 预训练语言模型、AlphaFold2、图卷积网络（GCN） | GCN | 蛋白质序列和结构数据 | 原始非冗余测试集（2022年前的蛋白质序列）和独立非冗余测试集（2022年后的蛋白质序列） | NA | NA | NA | NA |
| 2314 | 2025-04-27 |
Frontotemporal dementia: a systematic review of artificial intelligence approaches in differential diagnosis
2025, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2025.1547727
PMID:40276595
|
系统综述 | 本文系统综述了人工智能方法在额颞叶痴呆鉴别诊断中的应用 | 评估了当前机器学习模型在区分额颞叶痴呆与其他神经系统疾病中的优势和局限性，并提出了多模态数据整合的建议 | 样本量小、类别不平衡和缺乏标准化限制了模型的泛化能力 | 提高额颞叶痴呆的早期和准确鉴别诊断 | 额颞叶痴呆及其亚型与其他痴呆症（如阿尔茨海默病）的患者 | 自然语言处理 | 老年疾病 | 机器学习 | SVM, CNN | 神经影像和电生理数据 | 6,544名痴呆患者（包括2,984名额颞叶痴呆患者、3,437名阿尔茨海默病患者、103名轻度认知障碍患者和20名帕金森病痴呆或可能的路易体痴呆患者） | NA | NA | NA | NA |
| 2315 | 2025-04-27 |
Improving healthcare sustainability using advanced brain simulations using a multi-modal deep learning strategy with VGG19 and bidirectional LSTM
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1574428
PMID:40276738
|
research paper | 该研究提出了一种结合深度学习和集成学习方法的多模态方案，用于改进MRI上的脑肿瘤分类 | 结合预训练的VGG19网络、双向LSTM和LightGBM分类器，利用空间特征提取和序列依赖学习的互补优势 | 未提及具体的数据集规模或多样性限制 | 提高脑肿瘤分类的准确性和鲁棒性，以增强医疗成像诊断应用 | MRI图像中的脑肿瘤 | digital pathology | brain tumor | deep learning, ensemble learning | VGG19, Bidirectional LSTM, LightGBM | MRI images | NA | NA | NA | NA | NA |
| 2316 | 2025-10-07 |
Spiral volumetric optoacoustic tomography of reduced oxygen saturation in the spinal cord of M83 mouse model of Parkinson's disease
2025-Jan, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-06938-w
PMID:39382580
|
研究论文 | 本研究通过多模态成像方法评估帕金森病M83小鼠模型脊髓氧饱和度变化 | 开发了基于深度学习的自动分割工具用于小鼠脊髓结构MRI数据分析，并首次在帕金森病模型中实现脊髓氧饱和度的非侵入性高分辨率成像 | 研究仅使用M83转基因小鼠模型，未涉及其他帕金森病模型；样本规模有限 | 评估帕金森病模型中脊髓氧合状态和结构变化 | 转基因M83小鼠（过表达突变A53T α-突触核蛋白）与非转基因同窝对照小鼠 | 数字病理学 | 帕金森病 | 螺旋体积光声断层扫描, 高场T1加权磁共振成像, 免疫染色 | 深度学习 | 图像数据 | M83转基因小鼠与非转基因同窝对照小鼠 | NA | NA | 空间分辨率（亚100μm, 50μm） | NA |
| 2317 | 2025-10-07 |
GCLmf: A Novel Molecular Graph Contrastive Learning Framework Based on Hard Negatives and Application in Toxicity Prediction
2025-Jan, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.202400169
PMID:39421969
|
研究论文 | 提出了一种基于困难负样本的分子图对比学习框架GCLmf，用于毒性预测 | 首次在分子图对比学习中引入满足特定条件的分子片段作为困难负样本，提高负样本集质量 | 未明确说明数据集的规模限制和模型泛化能力的具体评估 | 开发更准确的化学毒性预测模型以降低药物发现成本 | 分子图数据 | 机器学习 | NA | 对比学习 | 深度学习 | 分子图 | NA | NA | GCLmf | 预测性能指标 | NA |
| 2318 | 2025-10-07 |
For the busy clinical-imaging professional in an AI world: Gaining intuition about deep learning without math
2025-Jan, Journal of medical imaging and radiation sciences
IF:1.3Q3
DOI:10.1016/j.jmir.2024.101762
PMID:39437625
|
继续医学教育文章 | 为临床影像专业人员提供无需数学基础即可理解深度学习的实践教程 | 通过医学类比和快速模拟体验帮助临床专业人员直观理解深度学习原理 | 专注于诊断应用，未涵盖所有医疗AI应用场景 | 提升临床专业人员对深度学习在医疗中应用的基本理解 | 临床影像专业人员 | 医疗人工智能教育 | 乳腺癌 | 深度学习模拟演示 | 深度学习模型 | 模拟医疗数据 | NA | NA | NA | 输出准确性 | NA |
| 2319 | 2025-10-07 |
Diagnostic accuracy of deep learning-based algorithms in laryngoscopy: a systematic review and meta-analysis
2025-Jan, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-024-09049-2
PMID:39446141
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估深度学习算法在喉镜检查中对喉癌的诊断准确性 | 首次对深度学习在喉镜图像诊断中的性能进行系统评价和定量荟萃分析 | 纳入研究数量有限（9项研究），可能存在发表偏倚 | 评估深度学习算法在喉镜检查中的诊断效用 | 喉镜图像和喉癌诊断 | 计算机视觉 | 喉癌 | 喉镜检查 | 深度学习算法 | 内窥镜图像 | 106,175张内窥镜图像 | NA | NA | 灵敏度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比, AUC | NA |
| 2320 | 2025-10-07 |
Evaluation of root canal filling length on periapical radiograph using artificial intelligence
2025-Jan, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-024-00781-3
PMID:39465425
|
研究论文 | 本研究提出了一种基于人工智能和图像分析技术评估根管充填效果的新方法 | 首次将5种不同的卷积神经网络模型应用于根管充填分割，并开发了供牙科临床医生使用的图形用户界面进行根尖标记和距离测量 | 研究样本量相对有限（1121颗牙齿），仅基于597张根尖周X线片 | 开发人工智能系统来评估根管充填的质量和长度 | 接受根管治疗的牙齿和根管充填材料 | 计算机视觉 | 牙科疾病 | X射线成像 | CNN | 医学图像 | 597张根尖周X线片中的1121颗牙齿 | NA | 基于卷积神经网络的不同先进深度学习模型 | IoU, Dice分数, 准确率 | NA |