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 2401 - 2420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2401 | 2025-10-07 |
Counterfactual Diffusion Models for Mechanistic Explainability of Artificial Intelligence Models in Pathology
2025-Jan-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.29.620913
PMID:39554184
|
研究论文 | 开发用于病理学AI模型机制可解释性的反事实扩散模型MoPaDi | 首次将扩散自编码器应用于病理图像反事实解释生成，通过改变形态学特征翻转生物标志物状态 | 用户研究中原始图像正确识别率为63.3-73.3%，表明生成图像与真实图像仍存在一定差距 | 提高病理学中深度学习模型的可解释性 | 组织病理学全切片图像 | 数字病理学 | 癌症 | 扩散模型，多实例学习 | 扩散自编码器 | 图像 | 四个数据集（组织类型、不同器官癌症类型、切片中心来源、微卫星不稳定性生物标志物） | NA | MoPaDi | 多尺度结构相似性指数，AUC，用户研究评估 | NA |
| 2402 | 2025-10-07 |
TIPPo: A User-Friendly Tool for De Novo Assembly of Organellar Genomes with High-Fidelity Data
2025-Jan-06, Molecular biology and evolution
IF:11.0Q1
DOI:10.1093/molbev/msae247
PMID:39800935
|
研究论文 | 介绍TIPPo——一种使用PacBio高保真长读长数据进行细胞器基因组从头组装的用户友好工具 | 首个不依赖相关物种基因组或核基因组信息的参考无关组装工具，采用深度学习模型进行初始读长分类并利用k-mer计数进行优化 | NA | 开发用于植物细胞器基因组组装的新工具 | 植物叶绿体和线粒体基因组 | 生物信息学 | NA | PacBio高保真长读长测序 | 深度学习模型 | 基因组测序数据 | 54个完整叶绿体基因组 | NA | NA | 组装完整性 | NA |
| 2403 | 2025-10-07 |
Clair3-RNA: A deep learning-based small variant caller for long-read RNA sequencing data
2025-Jan-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.17.624050
PMID:39803537
|
研究论文 | 开发了首个基于深度学习的针对长读长RNA测序数据的小变异检测工具Clair3-RNA | 首个专门针对长读长RNA测序数据的深度学习变异检测工具，整合了覆盖度归一化、训练材料优化、编辑位点发现和单倍型定相等多项优化技术 | NA | 解决长读长RNA测序数据变异检测的挑战，提高检测准确率 | 长读长RNA测序数据中的小变异 | 生物信息学 | NA | 长读长RNA测序，PacBio Iso-Seq，MAS-Seq，ONT cDNA测序，ONT直接RNA测序 | 深度学习 | RNA测序数据 | 多个GIAB样本 | NA | 基于Clair系列流程 | SNP F1-score | NA |
| 2404 | 2025-10-07 |
Artificial Intelligence Recognition Model Using Liquid-Based Cytology Images to Discriminate Malignancy and Histological Types of Non-Small-Cell Lung Cancer
2025, Pathobiology : journal of immunopathology, molecular and cellular biology
IF:3.5Q1
DOI:10.1159/000541148
PMID:39197433
|
研究论文 | 开发基于深度学习卷积神经网络的肺癌细胞学图像自动分类模型 | 首次使用液基细胞学图像结合DenseNet-121深度学习模型对非小细胞肺癌的恶性程度和组织学类型进行自动识别 | 样本量相对有限，仅包含45例手术标本 | 开发用于肺癌细胞学诊断的人工智能图像识别模型 | 非小细胞肺癌的液基细胞学样本 | 计算机视觉 | 肺癌 | 液基细胞学，全玻片成像 | CNN | 图像 | 45例手术标本（8例正常肺组织，22例腺癌，15例鳞癌），共9141个图像块 | NA | DenseNet-121 | 敏感度，特异度，准确率 | NA |
| 2405 | 2025-10-07 |
Insights into AI advances in immunohistochemistry for effective breast cancer treatment: a literature review of ER, PR, and HER2 scoring
2025-Jan, Current medical research and opinion
IF:2.4Q3
DOI:10.1080/03007995.2024.2445142
PMID:39705612
|
文献综述 | 本文综述了人工智能在乳腺癌免疫组化生物标志物自动评分中的最新进展 | 系统总结AI在ER、PR和HER2三种关键乳腺癌生物标志物自动评分中的技术现状与发展趋势 | 作为文献综述，不包含原始实验数据和新方法验证 | 改善乳腺癌诊断和治疗的准确性与效率 | 乳腺癌免疫组化图像中的ER、PR和HER2生物标志物 | 数字病理学 | 乳腺癌 | 免疫组化染色 | 机器学习,深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2406 | 2025-10-07 |
Predicting the exposure of mycophenolic acid in children with autoimmune diseases using a limited sampling strategy: A retrospective study
2025-Jan, Clinical and translational science
DOI:10.1111/cts.70092
PMID:39727288
|
研究论文 | 利用机器学习和深度学习算法开发儿童自身免疫疾病患者霉酚酸暴露量的预测模型，优化采样频率 | 首次将Wide&Deep等10种算法应用于儿童自身免疫疾病霉酚酸暴露量预测，证明仅需3个采样点即可达到与4个采样点相当的预测精度 | 回顾性研究，样本量有限（209名患者），仅来自单一医疗中心 | 开发霉酚酸暴露量预测模型以减少儿童患者的采血次数 | 患有自身免疫疾病的儿童患者 | 机器学习 | 自身免疫疾病 | 治疗药物监测 | Random Forest, XGBoost, LightGBM, Gradient Boosting Decision Tree, CatBoost, Artificial Neural Network, Grandient Boosting Machine, Transformer, Wide&Deep, TabNet | 血药浓度数据 | 209名患者的614个霉酚酸AUC样本 | NA | Wide&Deep, Transformer, TabNet | R平方值, 准确度 | NA |
| 2407 | 2025-10-07 |
AI Methods for Antimicrobial Peptides: Progress and Challenges
2025-01, Microbial biotechnology
IF:4.8Q1
DOI:10.1111/1751-7915.70072
PMID:39754551
|
综述 | 本文全面概述了人工智能方法在抗菌肽识别与设计领域的最新进展、挑战和机遇 | 深入探讨了大型语言模型、图神经网络和结构引导设计在抗菌肽研究中的潜力，填补了现有文献的空白 | 当前方法存在局限性，需要解决未来几年抗菌肽发现和设计中最相关的议题 | 提供抗菌肽研究中人工智能方法的综合评述 | 抗菌肽（AMPs） | 机器学习 | 传染病 | 机器学习，深度学习 | 经典机器学习，深度学习，大型语言模型，图神经网络 | 肽序列数据，结构数据 | NA | NA | LLMs, GNNs | NA | NA |
| 2408 | 2025-10-07 |
Treatment efficacy prediction of focused ultrasound therapies using multi-parametric magnetic resonance imaging
2025, Cancer prevention, detection, and intervention : Third MICCAI Workshop, CaPTion 2024, Held in Conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. CaPTion (Workshop) (3rd : 2024 : Marrakech, Morocco)
DOI:10.1007/978-3-031-73376-5_18
PMID:39802501
|
研究论文 | 开发基于多参数磁共振成像的深度学习框架，用于预测聚焦超声治疗乳腺癌的疗效 | 首次利用治疗期间获取的多参数MRI数据，通过深度学习框架实时预测聚焦超声治疗的疗效 | 研究样本量较小（N=6），仅在VX2肿瘤模型兔子中进行验证 | 提高聚焦超声治疗乳腺癌的疗效评估准确性和实时性 | VX2肿瘤模型兔子 | 医学影像分析 | 乳腺癌 | 多参数磁共振成像，MRgFUS | 深度学习 | 磁共振图像 | 6只VX2肿瘤模型兔子 | NA | NA | 与专家标注的3天后治疗后图像对比 | NA |
| 2409 | 2025-10-07 |
ShaderNN: A Lightweight and Efficient Inference Engine for Real-time Applications on Mobile GPUs
2025-Jan-01, Neurocomputing
IF:5.5Q1
DOI:10.1016/j.neucom.2024.128628
PMID:39802630
|
研究论文 | 提出了一种基于OpenGL的轻量级移动设备神经网络推理框架ShaderNN，专为实时应用设计 | 首次在神经网络推理算子中利用基于OpenGL后端的片段着色器，提出计算着色器与片段着色器的混合实现，支持图层级着色器选择 | 主要适用于参数规模较小的神经网络模型部署 | 开发适用于移动设备的轻量级高效深度学习推理框架 | 移动设备GPU上的神经网络推理 | 机器学习 | NA | OpenGL图形渲染技术 | 神经网络 | 图像、图形数据 | NA | OpenGL | NA | 推理速度、能效 | 高通和联发科芯片的移动设备GPU |
| 2410 | 2025-10-07 |
Deep learning model to diagnose cardiac amyloidosis from haematoxylin/eosin-stained myocardial tissue
2025-Jan, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyae141
PMID:39811011
|
研究论文 | 开发深度学习模型从HE染色心肌组织中诊断心脏淀粉样变性 | 首次使用HE染色心肌组织切片开发深度学习模型诊断心脏淀粉样变性，无需特殊染色 | 单中心回顾性研究，需要多中心前瞻性验证 | 开发辅助诊断心脏淀粉样变性的深度学习模型 | 心肌活检组织样本 | 数字病理 | 心脏淀粉样变性 | HE染色，Dylon染色 | 深度学习模型 | 病理图像 | 166例患者（76例心脏淀粉样变性，90例其他诊断） | NA | NA | AUC | NA |
| 2411 | 2025-10-07 |
LD-informed deep learning for Alzheimer's gene loci detection using WGS data
2025 Jan-Mar, Alzheimer's & dementia (New York, N. Y.)
DOI:10.1002/trc2.70041
PMID:39822590
|
研究论文 | 本研究开发了一种结合生物学知识的深度学习框架Deep-Block，用于从全基因组测序数据中识别与阿尔茨海默病相关的遗传位点 | 提出了一种多阶段深度学习框架，将连锁不平衡模式与稀疏注意力机制相结合，在降维过程中保留SNP相互作用 | 研究样本仅限于7416名非西班牙裔白人参与者，未包含其他种族群体 | 开发先进的分析工具来识别阿尔茨海默病相关的遗传区域 | 阿尔茨海默病相关的遗传位点和变异 | 机器学习 | 阿尔茨海默病 | 全基因组测序 | TabNet, Random Forest | 基因组测序数据 | 7416名非西班牙裔白人参与者（3150名认知正常老年人，4266名AD患者） | NA | 多阶段深度学习框架 | eQTL分析，交叉验证 | NA |
| 2412 | 2025-10-07 |
A method for blood pressure hydrostatic pressure correction using wearable inertial sensors and deep learning
2025, Npj biosensing
DOI:10.1038/s44328-024-00021-y
PMID:39897702
|
研究论文 | 提出一种使用可穿戴惯性传感器和深度学习进行血压静水压力校正的方法 | 首次结合可穿戴惯性传感器与深度学习模型，无需传统笨重导管即可实现静水压力校正 | 研究样本量较小（20名参与者），需要在更广泛人群中验证 | 开发无袖带血压测量的静水压力校正技术 | 人体血压测量 | 机器学习 | 心血管疾病 | 光电体积描记法, 心电图 | 深度学习 | 运动传感器数据, 生理信号 | 20名参与者 | NA | NA | 平均绝对误差 | 商用智能手机（推理时间约134毫秒） |
| 2413 | 2025-10-07 |
Deep Learning-Based Body Shape Clustering Analysis Using 3D Body Scanner: Application of Transformer Algorithm
2025-Jan, Iranian journal of public health
IF:1.3Q4
DOI:10.18502/ijph.v54i1.17583
PMID:39902372
|
研究论文 | 使用3D人体扫描仪和Transformer算法进行基于深度学习的体型聚类分析 | 首次将Transformer算法应用于3D人体扫描数据的体型分类，将传统体型分类细化为六个更精细的聚类 | 样本仅来自单一大学（韩国国立体育大学）的366名成人，可能缺乏代表性 | 开发基于深度学习的体型分类方法，为健康和疾病预测提供基础信息 | 366名成年男性和女性的3D人体扫描数据 | 计算机视觉 | NA | 3D人体扫描技术 | Transformer | 3D扫描数据 | 366名成年男性和女性 | NA | Transformer | 聚类性能比较 | NA |
| 2414 | 2025-10-07 |
The Impact of Artificial Intelligence on Healthcare: A Comprehensive Review of Advancements in Diagnostics, Treatment, and Operational Efficiency
2025-Jan, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.70312
PMID:39763580
|
综述 | 本文全面回顾了人工智能在医疗保健领域的影响，涵盖诊断、治疗和运营效率等方面的进展 | 系统整合了2014-2024年间AI在医疗领域的最新发展，分析了包括Google Health和IBM Watson Health在内的实际案例 | 存在数据安全和资源限制等实施难题，预算约束可能影响AI的主流应用 | 分析AI对医疗保健的影响，为利益相关者提供在这一变化环境中的路线图 | 医疗保健领域的AI技术应用，包括机器人技术、机器学习、深度学习和自然语言处理 | 自然语言处理 | NA | 机器学习，深度学习，自然语言处理 | NA | 文献数据，案例研究 | Web of Science数据库2014-2024年间的相关文献（从158篇增长到731篇） | NA | NA | NA | NA |
| 2415 | 2025-10-07 |
A tactile perception method with flexible grating structural color
2025-Jan, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwae413
PMID:39764508
|
研究论文 | 提出一种结合柔性光栅结构色与深度学习的新型触觉感知方法及传感器 | 首次将光学干涉图案作为触觉信息的视觉表征，结合柔性闪耀光栅的结构色与深度学习技术 | NA | 开发高性能的触觉感知方法 | 柔性触觉传感器 | 计算机视觉 | NA | 光学干涉图案，柔性闪耀光栅 | 深度学习 | 图像 | NA | NA | NA | 法向力精度6 mN，平面分辨率79 μm，接触深度分辨率25 μm | NA |
| 2416 | 2025-02-05 |
Enhancing cybersecurity via attribute reduction with deep learning model for false data injection attack recognition
2025-Jan-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82566-6
PMID:39890851
|
研究论文 | 本文提出了一种基于深度学习的属性减少技术，用于识别虚假数据注入攻击，以提高电网系统的安全性 | 引入了改进的深度信念网络（IDBN）模型和基于鲸鱼优化算法（COA）的超参数调优过程，以提高虚假数据注入攻击的检测性能 | 未提及具体的数据集大小或实验环境的具体细节 | 提高电网系统对虚假数据注入攻击的检测能力，增强电网的安全性和韧性 | 电网系统中的虚假数据注入攻击 | 机器学习 | NA | Z-score归一化，改进的Lemrus优化算法（MLOA），改进的深度信念网络（IDBN），鲸鱼优化算法（COA） | 改进的深度信念网络（IDBN） | 电网测量数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 2417 | 2025-02-03 |
Correction: Application of deep learning and feature selection technique on external root resorption identification on CBCT images
2025-Jan-31, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-024-05030-x
PMID:39891069
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2418 | 2025-02-05 |
A deep learning model for assistive decision-making during robot-aided rehabilitation therapies based on therapists' demonstrations
2025-Jan-31, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-024-01517-4
PMID:39891159
|
研究论文 | 本文提出了一种基于深度学习的模型，用于在机器人辅助康复治疗中根据治疗师的示范进行辅助决策 | 该模型能够从治疗师的标准中学习，判断患者在机器人辅助康复治疗中何时需要帮助，并通过微调个性化辅助，提高决策准确性 | 模型在测试数据集上的准确率为76.09%，仍有提升空间 | 提高机器人辅助康复治疗中的辅助决策能力 | 患有神经系统疾病的患者 | 机器学习 | 神经系统疾病 | 深度学习 | 一维卷积神经网络（CNN） | 时间序列数据 | 多样化的神经系统疾病患者 | NA | NA | NA | NA |
| 2419 | 2025-02-05 |
Towards unbiased skin cancer classification using deep feature fusion
2025-Jan-31, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02889-w
PMID:39891245
|
研究论文 | 本文介绍了SkinWiseNet (SWNet)，一种用于检测和自动分类潜在恶性皮肤癌状况的深度卷积神经网络 | SWNet通过多路径优化特征提取，强调网络宽度增强以提高效率，并通过特征融合减少与肤色和毛发相关的偏见 | NA | 提高皮肤癌检测和分类的准确性，减少与肤色和毛发相关的偏见 | 皮肤癌图像 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN | 图像 | 四个公开数据集（Mnist-HAM10000, ISIC2019, ISIC2020, Melanoma Skin Cancer） | NA | NA | NA | NA |
| 2420 | 2025-02-05 |
Predicting survival in malignant glioma using artificial intelligence
2025-Jan-31, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-02339-3
PMID:39891313
|
研究论文 | 本文探讨了使用人工智能技术预测恶性胶质瘤患者生存期的有效性 | 利用机器学习和深度学习技术整合多模态数据，显著提高了胶质瘤患者生存预测的准确性 | 数据异质性、可解释性挑战和计算需求，特别是在资源有限的环境中 | 评估不同AI模型在预测恶性胶质瘤患者生存期方面的比较效果 | 恶性胶质瘤患者 | 机器学习 | 脑癌 | 机器学习（ML）、深度学习（DL） | NA | 影像、临床参数、分子生物标志物 | NA | NA | NA | NA | NA |