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 2421 - 2440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2421 | 2025-10-07 |
Emotion recognition based on multimodal physiological electrical signals
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1512799
PMID:40109659
|
研究论文 | 提出一种基于脑电和心电信号融合的多模态情绪识别方法 | 结合注意力机制、一维卷积神经网络和门控循环单元构建复合神经网络模型，并采用随机森林进行特征筛选 | NA | 实现情绪状态的精确分类，特别关注情绪的三个维度（效价、唤醒度和支配感） | 多模态生理电信号（脑电和心电信号） | 机器学习 | 心理健康问题 | 脑电图，心电图 | CNN, GRU | 生理电信号 | DREAMER和DEAP数据集 | NA | Att-1DCNN-GRU | 准确率 | NA |
| 2422 | 2025-10-07 |
Predicting implicit concept embeddings for singular relationship discovery replication of closed literature-based discovery
2025, Frontiers in research metrics and analytics
DOI:10.3389/frma.2025.1509502
PMID:40110121
|
研究论文 | 提出一种基于相似性学习目标的知识图谱补全方法，用于预测文献中隐含概念关系 | 将知识图谱补全任务重新定义为预测图中互连顶点嵌入，并探索了三种顶点间边连接表示方法 | 在Hallmark of Cancer数据集上仅复制了五个已知发现，样本规模有限 | 改进文献基于发现方法，减少研究人员在提交查询时的领域专业知识需求 | 文献中的隐含概念关系和知识图谱 | 自然语言处理 | 癌症 | 深度学习, 知识图谱 | 深度学习模型 | 文本, 知识图谱 | Hallmark of Cancer数据集中的五个已知发现 | NA | NA | 排名, 模型收敛率, 统计显著性检验 | NA |
| 2423 | 2025-10-07 |
GDP prediction of The Gambia using generative adversarial networks
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1546398
PMID:40110175
|
研究论文 | 本研究使用生成对抗网络预测冈比亚的国内生产总值 | 首次将生成对抗网络应用于冈比亚GDP预测，展示了深度学习技术在小数据经济体中的优势 | 研究基于1970-2022年的历史数据，可能无法完全捕捉未来经济结构变化 | 预测冈比亚GDP并为政策制定者提供经济决策支持 | 冈比亚的经济指标和政府支出、通货膨胀、官方发展援助、汇款流入和外国直接投资等经济因素 | 机器学习 | NA | 深度学习 | GAN | 数值型经济数据 | 1970-2022年期间的经济数据 | NA | 生成对抗网络 | 决定系数R, 平均绝对误差, 平均绝对百分比误差, 均方根误差, 准确率 | NA |
| 2424 | 2025-10-07 |
Prediction of time averaged wall shear stress distribution in coronary arteries' bifurcation varying in morphological features via deep learning
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1518732
PMID:40110184
|
研究论文 | 本研究开发了一种基于深度学习的冠状动脉分叉处时间平均壁面剪应力分布的快速预测方法 | 首次将深度学习应用于冠状动脉分叉处血流动力学参数的快速预测，相比传统计算流体动力学方法显著提高了计算效率 | 研究基于理想化模型，可能无法完全反映真实冠状动脉的复杂解剖结构 | 开发高效的血流动力学参数预测方法以替代计算成本高的传统CFD模拟 | 冠状动脉分叉处的血流动力学参数 | 计算机视觉 | 心血管疾病 | 计算流体动力学, 深度学习 | CNN | 点云数据 | 1800个具有不同形态参数的理想化模型 | TensorFlow | U-net | 归一化平均绝对误差 | NA |
| 2425 | 2025-10-07 |
DBY-Tobacco: a dual-branch model for non-tobacco related materials detection based on hyperspectral feature fusion
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1538051
PMID:40110354
|
研究论文 | 提出基于高光谱特征融合的双分支模型DBY-Tobacco，用于实时检测烟草制品中的非烟草杂物 | 结合高光谱成像与改进的YOLOv8模型，采用双分支主干网络和BELFPN模块实现高效特征融合 | 存在高光谱图像中的条纹噪声问题，检测的非烟草杂物类型有待扩展 | 提升烟草制品质量和消费者安全，实现非烟草杂物的实时检测 | 烟草制品中的非烟草杂物 | 计算机视觉 | NA | 高光谱成像 | YOLOv8 | 高光谱图像 | 1000张图像，包含4203个非烟草杂物 | NA | 双分支主干网络，BiFPN-Efficient-Lighting-Feature-Pyramid-Network | F1分数，mAP@50，mAP@50-95，FPS | NA |
| 2426 | 2025-10-07 |
Behavioral tests for the assessment of social hierarchy in mice
2025, Frontiers in behavioral neuroscience
IF:2.6Q3
DOI:10.3389/fnbeh.2025.1549666
PMID:40110389
|
综述 | 本文总结了评估小鼠社会等级的主要行为学方法，探讨了其适用性、局限性及神经机制 | 系统评估现有社会等级评估方法并提出改进方案，强调性别差异研究的重要性 | 现有研究主要关注雄性小鼠，雌性小鼠的社会策略和生理机制研究不足 | 为研究社会行为的神经机制提供系统性参考框架和方法学指导 | 小鼠社会等级行为 | 行为神经科学 | 精神疾病（抑郁、焦虑） | 行为学测试、自动化追踪技术 | NA | 行为数据、生理数据 | NA | NA | NA | NA | NA |
| 2427 | 2025-03-20 |
Predicting the risk of relapsed or refractory in patients with diffuse large B-cell lymphoma via deep learning
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1480645
PMID:40098696
|
研究论文 | 本研究通过深度学习预测弥漫性大B细胞淋巴瘤患者的复发或难治性风险 | 结合临床特征和组织病理学图像，利用随机森林算法和弱监督学习方法CLAM构建预测模型，并进一步融合图像特征和临床信息以提高预测性能 | 样本量相对较小，仅来自单一医疗机构，可能影响模型的泛化能力 | 早期预测弥漫性大B细胞淋巴瘤患者的复发或难治性风险，以调整治疗方案并改善患者预后 | 227名2015年至2018年在徐州医科大学附属医院确诊的弥漫性大B细胞淋巴瘤患者 | 数字病理学 | 弥漫性大B细胞淋巴瘤 | 深度学习，随机森林算法，弱监督学习 | 随机森林，CLAM | 临床信息，H&E图像 | 227名患者 | NA | NA | NA | NA |
| 2428 | 2025-03-20 |
Identification of biomarkers and target drugs for melanoma: a topological and deep learning approach
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1471037
PMID:40098976
|
研究论文 | 本研究通过拓扑和深度学习方法，系统探索了黑色素瘤进展中的免疫基因调控动态，并预测了潜在的药物靶点 | 开发了双向、加权、有符号和有方向的拓扑免疫基因调控网络，结合深度学习模型预测药物-靶点相互作用，填补了当前单基因分析方法的不足 | 未来研究需要在临床前模型中验证这些靶点，并探索基于网络的早期检测生物标志物 | 系统探索黑色素瘤进展中的免疫基因调控动态，并预测潜在的药物靶点 | 良性黑色素细胞痣和皮肤黑色素瘤的转录组景观 | 机器学习 | 黑色素瘤 | 下一代测序（NGS） | 深度学习模型 | 基因表达数据 | NA | NA | NA | NA | NA |
| 2429 | 2025-03-20 |
Multi-view united transformer block of graph attention network based autism spectrum disorder recognition
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1485286
PMID:40099145
|
研究论文 | 本文提出了一种名为多视图统一Transformer图注意力网络（MVUT_GAT）的新模型，用于通过分析神经影像数据来识别自闭症谱系障碍（ASD） | MVUT_GAT结合了多视图学习和注意力机制的优势，能够从物理和功能性MRI数据中提取精细特征，提高了ASD识别的准确性 | NA | 提高自闭症谱系障碍（ASD）的早期识别准确性 | 自闭症谱系障碍（ASD）患者 | 计算机视觉 | 自闭症谱系障碍 | 功能性MRI | Transformer, 图注意力网络（GAT） | 神经影像数据 | 使用ABIDE数据集进行实验 | NA | NA | NA | NA |
| 2430 | 2025-03-20 |
Statistical Evaluation of Smartphone-Based Automated Grading System for Ocular Redness Associated with Dry Eye Disease and Implications for Clinical Trials
2025, Clinical ophthalmology (Auckland, N.Z.)
DOI:10.2147/OPTH.S506519
PMID:40099234
|
研究论文 | 本研究介绍了一种基于深度学习的全自动方法，用于选择结膜作为大规模、多中心临床试验的兴趣区域（ROI），旨在通过精确、客观的评分系统减少评分者间和评分者内的变异性 | 引入了'水平性'参数到评分系统中，评估了该方法在提高评分精度、减少样本量和提高临床试验效率方面的潜力 | NA | 评估自动化评分系统在干眼病相关眼红症状中的应用及其对临床试验的影响 | 450名受试者的29,640张图像 | 计算机视觉 | 干眼病 | 深度学习 | DeepLabV3 | 图像 | 450名受试者的29,640张图像 | NA | NA | NA | NA |
| 2431 | 2025-10-07 |
A differentiable Gillespie algorithm for simulating chemical kinetics, parameter estimation, and designing synthetic biological circuits
2025-Jan-21, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.07.602397
PMID:39026759
|
研究论文 | 本文开发了一种可微分的Gillespie算法，用于模拟化学反应动力学、参数估计和合成生物电路设计 | 通过深度学习技术开发了完全可微分的Gillespie算法变体，能够使用反向传播计算梯度 | NA | 开发可微分的随机模拟算法用于化学反应网络分析和合成生物学设计 | 化学反应网络、基因启动子模型、合成生物电路 | 机器学习 | NA | 可微分模拟、梯度下降 | NA | 模拟数据、mRNA表达水平测量数据 | NA | 深度学习框架 | NA | 参数估计准确性、设计目标达成度 | NA |
| 2432 | 2025-10-07 |
The Pfam protein families database: embracing AI/ML
2025-Jan-06, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkae997
PMID:39540428
|
研究论文 | 介绍Pfam蛋白质家族数据库的最新进展，包括与InterPro的整合、结构分类协调以及利用人工智能技术扩展家族覆盖范围 | 整合AlphaFold结构预测优化域边界识别，开发基于深度学习的Pfam-N将UniProtKB覆盖度提升8.8% | 仍有许多蛋白质家族尚未完成分类，蛋白质宇宙的全面覆盖仍需持续努力 | 通过人工智能技术改进蛋白质家族数据库的覆盖度和准确性 | 蛋白质结构域和家族数据库 | 生物信息学 | NA | 深度学习, 大规模序列相似性分析 | 深度学习模型 | 蛋白质序列, 结构数据 | NA | NA | NA | UniProtKB覆盖度提升率 | NA |
| 2433 | 2025-10-07 |
Preoperative Prediction of Axillary Lymph Node Metastasis in Patients With Breast Cancer Through Multimodal Deep Learning Based on Ultrasound and Magnetic Resonance Imaging Images
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.07.029
PMID:39107188
|
研究论文 | 基于超声和磁共振成像的多模态深度学习模型预测乳腺癌患者腋窝淋巴结转移 | 首次结合超声和磁共振成像构建多模态深度学习模型，并整合临床参数提升预测性能 | 回顾性研究设计，样本量相对有限（588例患者） | 术前预测乳腺癌患者腋窝淋巴结转移状态 | 经组织学确诊的乳腺癌患者 | 计算机视觉 | 乳腺癌 | 超声成像, 磁共振成像 | CNN | 图像 | 588例乳腺癌患者（主要队列465例，外部验证队列123例） | NA | 卷积神经网络 | AUC, 决策曲线分析 | NA |
| 2434 | 2025-10-07 |
A Deep Learning-Based Framework for Predicting Intracerebral Hematoma Expansion Using Head Non-contrast CT Scan
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.07.039
PMID:39107191
|
研究论文 | 开发基于深度学习的全自动框架，仅使用头部非增强CT扫描预测脑出血患者的血肿扩张 | 提出首个完全基于临床非增强CT扫描的全自动深度学习框架，用于预测脑出血血肿扩张，性能优于常用的BAT评分 | 研究为回顾性和前瞻性混合设计，需要进一步多中心验证 | 开发脑出血血肿扩张的预测工具 | 脑出血患者 | 医学影像分析 | 脑出血 | 非增强CT扫描 | 深度学习 | 医学影像 | 回顾性数据集2484例（84个中心），前瞻性数据集500例（26个中心） | NA | 两阶段框架 | AUC, 敏感性, 特异性 | NA |
| 2435 | 2025-10-07 |
Comparative Analysis of the Diagnostic Value of S-Detect Technology in Different Planes Versus the BI-RADS Classification for Breast Lesions
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.005
PMID:39138111
|
研究论文 | 比较S-Detect技术在不同平面与BI-RADS分类对乳腺病变的诊断价值 | 首次系统评估S-Detect在不同超声平面（径向和反径向）的诊断一致性及其影响因素 | 回顾性研究设计，样本仅来自单一机构 | 评估S-Detect在不同平面的诊断性能并分析诊断不一致性的影响因素 | 711名患者的756个乳腺病变 | 计算机辅助诊断 | 乳腺疾病 | 超声成像 | 深度学习 | 超声图像 | 756个乳腺病变（来自711名患者） | NA | S-Detect | 准确率,AUC | NA |
| 2436 | 2025-10-07 |
Diagnostic Value of Magnetic Resonance Imaging Radiomics and Machine-learning in Grading Soft Tissue Sarcoma: A Mini-review on the Current State
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.035
PMID:39261231
|
综述 | 本文综述了磁共振影像组学和机器学习在软组织肉瘤分级诊断中的研究现状 | 整合语义影像特征、影像组学特征和深度学习特征，并结合肿瘤体积和瘤周区域特征，展示了优于单一特征源的预测性能 | NA | 通过影像组学、机器学习和深度学习预测软组织肉瘤的恶性程度分级 | 软组织肉瘤 | 医学影像分析 | 软组织肉瘤 | 磁共振成像 | 机器学习,深度学习 | T2加权图像,对比增强T1加权图像,DWI/ADC图 | NA | NA | 随机森林,支持向量机 | AUC,准确率 | NA |
| 2437 | 2025-10-07 |
Deep Learning-Based Denoising Enables High-Quality, Fully Diagnostic Neuroradiological Trauma CT at 25% Radiation Dose
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.018
PMID:39294053
|
研究论文 | 评估基于深度学习的去噪算法在神经放射学创伤CT扫描中实现25%辐射剂量下保持诊断质量的能力 | 首次系统评估深度学习去噪算法在神经放射学创伤急诊CT中实现75%辐射剂量减少的同时保持完整诊断能力 | 单中心回顾性研究，样本量有限(100例患者)，缺乏多中心验证 | 评估深度学习去噪算法在降低神经放射学创伤CT扫描辐射剂量方面的能力 | 100例神经放射学创伤患者的CT扫描数据 | 医学影像分析 | 神经放射学创伤 | 计算机断层扫描(CT) | 深度学习去噪算法 | 医学影像(CT扫描) | 100例患者 | NA | NA | 主观图像质量评分,客观噪声分析,贝叶斯敏感性和特异性,临床终点分析 | NA |
| 2438 | 2025-10-07 |
Deep Learning Model for Pathological Grading and Prognostic Assessment of Lung Cancer Using CT Imaging: A Study on NLST and External Validation Cohorts
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.028
PMID:39294054
|
研究论文 | 开发并验证基于CT影像的深度学习模型，用于肺癌病理分级和预后评估 | 首次将MobileNetV3架构应用于肺癌病理分级和预后评估，并在多个外部验证队列中验证模型性能 | 样本量相对有限，仅包含非小细胞肺癌病例 | 为外科医生提供非侵入性工具以指导手术规划 | 肺癌患者 | 数字病理 | 肺癌 | CT成像 | 深度学习 | 医学影像 | 总796例（NLST队列572例，外部验证224例） | NA | MobileNetV3 | 准确率, 敏感度, 特异度, AUC | NA |
| 2439 | 2025-03-19 |
Comparison of 3D and 2D area measurement of acute burn wounds with LiDAR technique and deep learning model
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1510905
PMID:40083475
|
研究论文 | 本文比较了使用LiDAR技术和深度学习模型进行急性烧伤伤口3D和2D面积测量的差异 | 开发了结合深度学习模型和LiDAR技术的应用B.E.N.，用于烧伤伤口的3D和2D测量，并验证了3D分割结果与实际烧伤伤口大小的匹配度 | 研究中未明确提及样本的具体数量，且仅针对烧伤伤口进行了研究，未涉及其他类型的伤口 | 比较3D和2D测量烧伤伤口面积的准确性，并探讨肢体曲率对3D/2D面积比的影响 | 烧伤伤口 | 计算机视觉 | 烧伤 | LiDAR技术 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 2440 | 2025-03-19 |
Machine and deep learning to predict viral fusion peptides
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.02.011
PMID:40083606
|
研究论文 | 本文探讨了使用机器学习和深度学习模型预测病毒融合肽的方法 | 采用基于机器学习和深度学习的方法，特别是使用最先进的氨基酸标记分类转换器模型，有效预测病毒融合肽的位置 | 对于实验数据有限的病毒，预测结果可能存在不确定性 | 开发能够预测病毒融合蛋白序列中融合肽段的生物信息学工具 | 病毒融合蛋白及其融合肽段 | 自然语言处理 | NA | 机器学习和深度学习 | 转换器模型 | 蛋白质序列 | 超过50种模型和特征的组合 | NA | NA | NA | NA |