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 3742 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 | 2025-05-02 |
An FPGA-Based SiNW-FET Biosensing System for Real-Time Viral Detection: Hardware Amplification and 1D CNN for Adaptive Noise Reduction
2025-Jan-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25010236
PMID:39797026
|
研究论文 | 提出了一种基于FPGA的SiNW-FET生物传感系统，用于实时病毒检测，结合硬件放大和1D CNN进行自适应降噪 | 将SiNW-FET生物传感技术与FPGA实现的深度学习降噪相结合，创建了一个紧凑的系统，能够在实时病毒检测中实现高精度和低功耗 | 研究结果仅基于COMSOL和MATLAB的模拟，未进行物理原型或生物标志物检测实验 | 开发一种便携式、高灵敏度的实时病毒检测系统 | 病毒抗原的抗体-抗原相互作用 | 数字病理 | 病毒感染 | SiNW-FET生物传感技术 | 1D CNN | 阻抗信号 | NA | NA | NA | NA | NA |
| 2422 | 2025-05-02 |
π-PrimeNovo: an accurate and efficient non-autoregressive deep learning model for de novo peptide sequencing
2025-01-02, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-55021-3
PMID:39747823
|
研究论文 | 介绍了一种名为π-PrimeNovo的非自回归深度学习模型，用于高效准确地进行从头肽段测序 | 提出了一种非自回归Transformer模型，通过架构设计和CUDA增强的解码模块实现高精度和快速推理，显著优于现有方法 | 未明确提及具体限制 | 提高肽段测序的准确性和效率，特别是在大规模应用如元蛋白质组学中 | 肽段测序，特别是针对现有数据库中缺失的肽段 | 机器学习 | NA | 串联质谱(MS/MS) | 非自回归Transformer | 质谱数据 | NA | NA | NA | NA | NA |
| 2423 | 2025-05-02 |
Regression study on fruit-setting days of purple eggplant fruit based on in situ VIS-NIRS and attention cycle neural network
2025-Jan, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.17593
PMID:39801230
|
研究论文 | 本研究基于原位可见-近红外光谱和注意力循环神经网络，预测紫茄果实的坐果天数 | 首次提出基于果实光谱特征和循环神经网络回归的坐果天数预测方法，并构建了结合多尺度卷积、多头注意力机制和长短时记忆循环神经网络的回归网络 | NA | 开发紫茄果实成熟度的原位识别技术，以智能确定最佳采收时间 | 紫茄果实 | 计算机视觉 | NA | 可见-近红外光谱(VIS-NIRS) | 结合多尺度卷积、多头注意力机制和LSTM的循环神经网络 | 光谱数据 | 覆盖500-1000 nm波段的原位光谱数据，采集自坐果15-33天的紫茄果实 | NA | NA | NA | NA |
| 2424 | 2025-05-02 |
Enhancing the visual environment of urban coastal roads through deep learning analysis of street-view images: A perspective of aesthetic and distinctiveness
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317585
PMID:39808675
|
研究论文 | 本研究通过深度学习分析街景图像，结合人类感知数据，探讨城市滨水区视觉景观特征与人类感知之间的关系，并提出改善建议 | 结合深度学习和人类感知数据，首次对城市滨海道路的视觉环境进行美学和独特性感知分类 | 研究仅针对厦门市的滨海道路，可能无法完全代表其他城市的滨水区 | 研究城市滨海道路视觉景观特征与人类感知之间的关系，并提出改善建议 | 厦门市城市滨海道路的街景图像和人类感知数据 | 计算机视觉 | NA | 深度学习 | 线性回归和随机森林 | 图像 | 厦门市滨海道路的街景图像 | NA | NA | NA | NA |
| 2425 | 2025-05-02 |
Deep Learning for Longitudinal Gross Tumor Volume Segmentation in MRI-Guided Adaptive Radiotherapy for Head and Neck Cancer
2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings
DOI:10.1007/978-3-031-83274-1_7
PMID:40297614
|
research paper | 该研究开发了一系列深度学习模型，用于头颈癌MRI引导的自适应放疗中纵向总肿瘤体积的自动分割 | 提出了基于SegResNet的深度学习模型，并引入了掩码感知注意力模块，以提高放疗中和放疗前肿瘤体积的分割精度 | 研究仅使用了内部测试集进行验证，未提及外部验证的结果 | 提高头颈癌MRI引导的自适应放疗中总肿瘤体积的自动分割精度 | 头颈癌患者的总肿瘤体积（GTV） | digital pathology | head and neck cancer | MRI | SegResNet | image | 未提及具体样本数量，但使用了放疗前和放疗中的MRI数据 | NA | NA | NA | NA |
| 2426 | 2025-05-02 |
Indoor fire and smoke detection based on optimized YOLOv5
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322052
PMID:40299940
|
研究论文 | 本研究提出了一种基于遗传算法优化的YOLOv5模型（HPO-YOLOv5），用于室内火灾和烟雾检测，以提高检测准确性和实时性 | 结合遗传算法优化YOLOv5模型，并引入Grad-CAM技术提供模型预测的可视化解释，同时结合DeepSORT实现火灾进展的实时监测 | 研究仅针对室内场景，未涉及室外或其他复杂环境下的火灾检测 | 提高室内火灾和烟雾检测的准确性和实时性 | 室内火灾和烟雾 | 计算机视觉 | NA | 遗传算法、Grad-CAM、DeepSORT | YOLOv5 | 图像 | 5000张室内火灾和烟雾图像，按80:10:10的比例分为训练集、验证集和测试集 | NA | NA | NA | NA |
| 2427 | 2025-05-02 |
Unlocking Responsive and Unresponsive Signatures: A Transfer Learning Approach for Automated Classification in Cutaneous Leishmaniasis Lesions
2025, Transboundary and emerging diseases
IF:3.5Q1
DOI:10.1155/tbed/5018632
PMID:40302757
|
研究论文 | 本研究开发了一种基于迁移学习的深度学习模型，用于自动分类皮肤利什曼病病变的反应性与非反应性 | 首次探索基于图像的方法来区分皮肤利什曼病的反应性与非反应性病例，并应用迁移学习解决样本量有限的问题 | 样本量较小，需要进一步扩大数据集以优化模型性能 | 开发自动化工具以区分皮肤利什曼病病变的反应性，从而指导治疗策略和改善患者预后 | 皮肤利什曼病病变图像 | 数字病理学 | 皮肤利什曼病 | 迁移学习 | DenseNet161, VGG16, ResNet18 | 图像 | 102张病变图像（每类51张，均匀分布在训练、测试和验证集中） | NA | NA | NA | NA |
| 2428 | 2025-05-02 |
Prediction of the Therapeutic Response to Neoadjuvant Chemotherapy for Rectal Cancer Using a Deep Learning Model
2025, Journal of the anus, rectum and colon
DOI:10.23922/jarc.2024-085
PMID:40302856
|
research paper | 开发了一种基于深度学习模型的非侵入性预测方法，用于预测直肠癌患者对新辅助化疗的治疗反应 | 使用深度学习模型（残差卷积神经网络）从化疗前的CT图像中预测直肠癌患者对新辅助化疗的病理反应 | 样本量较小（57名患者），且仅针对SOX化疗方案 | 优化直肠癌新辅助化疗的治疗方案 | 直肠癌患者 | digital pathology | rectal cancer | CT imaging | CNN | image | 57名患者（49名用于训练和验证，8名用于测试） | NA | NA | NA | NA |
| 2429 | 2025-05-02 |
Automatic pelvic fracture segmentation: a deep learning approach and benchmark dataset
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1511487
PMID:40303367
|
research paper | 提出了一种基于深度学习的自动骨盆骨折分割方法，并公开了一个基准数据集 | 采用两个顺序网络进行解剖分割和骨折分割，并引入距离加权损失、多尺度深度监督和平滑过渡策略以提高性能 | 未提及方法在极端骨折情况下的表现或泛化能力 | 开发自动骨盆骨折分割方法以辅助创伤诊断和图像引导复位手术 | 骨盆骨折的CT图像 | digital pathology | pelvic fracture | CT | CNN | image | 150 CTs | NA | NA | NA | NA |
| 2430 | 2025-05-02 |
Application and research progress of artificial intelligence in allergic diseases
2025, International journal of medical sciences
IF:3.2Q1
DOI:10.7150/ijms.105422
PMID:40303497
|
综述 | 本文综述了人工智能在过敏性疾病中的应用和研究进展，重点关注哮喘等疾病 | 总结了人工智能在过敏性疾病预测、诊断、治疗和管理中的最新应用 | 简要分析了各种智能辅助方法的优势和局限性 | 为研究团队和医务人员提供人工智能在过敏性疾病中应用的参考 | 哮喘、特应性皮炎、食物过敏、过敏性鼻炎和荨麻疹等过敏性疾病 | 自然语言处理 | 过敏性疾病 | 强化学习、机器学习、深度学习、自然语言处理 | NA | 文本、视觉和听觉数据 | NA | NA | NA | NA | NA |
| 2431 | 2025-05-02 |
Artificial intelligence in traditional Chinese medicine: advances in multi-metabolite multi-target interaction modeling
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1541509
PMID:40303920
|
综述 | 本文综述了人工智能在传统中医多代谢物多靶点相互作用建模中的应用与进展 | 整合人工智能的多组学技术、中医专用数据库、机器学习和深度学习等方法，推动中医向精准医学转变 | 数据异质性、模型可解释性有限、因果混杂以及实际应用中鲁棒性验证不足 | 探讨人工智能在中医靶点预测中的应用，提升其可靠性和可扩展性 | 传统中医的多代谢物和多靶点干预机制 | 人工智能在医学中的应用 | 复杂疾病 | 多组学技术、机器学习、深度学习 | ML、DL、零样本学习、端到端架构、自监督对比学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 2432 | 2025-05-02 |
Association prediction of lncRNAs and diseases using multiview graph convolution neural network
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1568270
PMID:40303981
|
研究论文 | 提出了一种基于多视图图卷积神经网络的方法MVIGCN，用于预测lncRNA与疾病的关联 | 整合多模态数据构建异质网络，通过注意力机制建模拓扑特征和多尺度关系，提高预测准确性 | 网络复杂性可能导致计算成本较高，且模型性能依赖于数据质量 | 解码lncRNA在疾病生物学中的功能，为治疗靶点优先排序提供工具 | lncRNA与疾病的关联 | 机器学习 | NA | 图卷积网络(GCN) | MVIGCN | 多模态数据 | NA | NA | NA | NA | NA |
| 2433 | 2025-10-07 |
Self-supervised parametric map estimation for multiplexed PET with a deep image prior
2025-Jan-31, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ada717
PMID:39774095
|
研究论文 | 提出基于深度图像先验的自监督学习框架，用于多示踪剂PET图像分离和参数图估计 | 将多示踪剂房室模型整合到深度图像先验框架中，仅需单个数据集即可实现自监督学习 | 仅在模拟脑部幻影上进行性能评估，缺乏真实临床数据验证 | 解决多示踪剂PET图像分离中监督学习对配对数据依赖和泛化能力不足的问题 | 多示踪剂PET成像中的动态双示踪剂活性图像 | 医学影像分析 | 脑部疾病 | 多示踪剂PET成像，房室模型 | 深度学习 | 医学影像 | 模拟脑部幻影数据 | 深度图像先验(DIP) | U-net | 偏差，标准差 | NA |
| 2434 | 2025-10-07 |
Automated estimation of individualized organ-specific dose and noise from clinical CT scans
2025-Jan-29, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ada67f
PMID:39761638
|
研究论文 | 开发了一种从临床CT扫描自动生成个体化器官特异性剂量和噪声的流程 | 提出了一种完全自动化的流程，能够估计个体化器官特异性辐射剂量和噪声，考虑了器官水平的辐射风险和临床任务 | 在胰腺等器官的分割精度相对较低（Dice评分最低为0.6855），样本量有限（临床数据集12例，体模数据集3例，跨站点数据集26例） | 开发个性化CT协议评估和优化的自动化工具 | 临床CT扫描数据、均匀体模数据、六个器官（肺、肝、肾、膀胱、脾、胰腺） | 医学影像分析 | NA | CT扫描、蒙特卡罗模拟 | 深度学习 | CT图像 | 临床数据集12例CT扫描，体模数据集3例，跨站点数据集26例，41例有专家分割标注的病例 | NA | TotalSegmentator | RMSE, 相对RMSE, Dice系数 | NA |
| 2435 | 2025-10-07 |
Hybrid exons evolved by coupling transcription initiation and splicing at the nucleotide level
2025-Jan-24, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkae1251
PMID:39739742
|
研究论文 | 本研究通过可解释深度学习解析了混合外显子中转录起始与剪接协同调控的序列特征 | 首次发现混合外显子的转录起始位点通常位于3'剪接位点中心，揭示了转录起始与RNA剪接之间比以往认知更紧密的耦合关系 | 研究仅基于ENCODE数据库的人类组织数据，未在其他物种或实验条件下验证 | 解析混合外显子中转录起始和剪接协同调控的分子机制 | 人类组织中的80,000个混合第一-内部外显子 | 生物信息学 | NA | 深度学习，ENCODE数据库分析 | 深度学习 | 基因组序列数据，染色质状态数据 | 80,000个混合外显子 | NA | NA | NA | NA |
| 2436 | 2025-10-07 |
Accelerating Plasmonic Hydrogen Sensors for Inert Gas Environments by Transformer-Based Deep Learning
2025-Jan-24, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c02616
PMID:39764741
|
研究论文 | 本研究开发了一种基于Transformer的深度学习模型LEMAS，用于加速等离子体氢传感器的响应速度并消除其压力依赖性 | 提出了专门定制的长短期Transformer集成模型LEMAS，能够将光学等离子体氢传感器的响应速度提升高达40倍，并消除其在惰性气体环境中的固有压力依赖性 | NA | 加速氢泄漏检测传感器的响应速度，满足氢技术大规模应用的安全需求 | 光学等离子体氢传感器在惰性气体环境中的性能优化 | 机器学习 | NA | 等离子体传感技术 | Transformer | 传感器时序数据 | NA | NA | 长短期Transformer集成模型 | 预测不确定性度量 | NA |
| 2437 | 2025-10-07 |
Real-time CBCT imaging and motion tracking via a single arbitrarily-angled x-ray projection by a joint dynamic reconstruction and motion estimation (DREME) framework
2025-Jan-21, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ada519
PMID:39746309
|
研究论文 | 开发了一种无需患者特定先验知识的实时CBCT成像和运动追踪框架DREME | 通过联合动态重建和运动估计框架，仅需单次任意角度X射线投影即可实现实时CBCT成像和运动追踪 | 未明确说明对复杂运动模式的适用性和临床验证规模 | 实现放疗中实时CBCT成像和运动追踪 | 呼吸引起的解剖运动，特别是肺部肿瘤 | 医学影像分析 | 肺癌 | 锥形束CT成像，X射线投影 | CNN | X射线投影图像，CT影像序列 | 数字体模模拟和真实患者研究 | NA | 卷积神经网络运动编码器 | 肿瘤质心定位误差，投影域肿瘤定位精度 | NA |
| 2438 | 2025-10-07 |
Novel approach for quality control testing of medical displays using deep learning technology
2025-Jan-15, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ada6bd
PMID:39773861
|
研究论文 | 本研究开发了一种基于深度学习的医疗显示器质量控制方法，通过多任务学习同时处理对比度响应分类和最大亮度回归任务 | 首次将预训练模型微调并扩展为多输出配置，用于医疗显示器的质量控制测试，采用智能手机采集图像作为输入 | 模型倾向于低估最大亮度值，回归任务的相关系数中等（0.6-0.7），需要进一步提高准确性和适用性 | 开发高效的医疗显示器质量控制系统，减少医疗设备管理的工作量 | 医疗显示器的质量控制和性能测试 | 计算机视觉 | NA | 深度学习，智能手机图像采集 | 多任务深度学习模型 | 图像 | NA | NA | 基于预训练模型的多输出架构 | AUC, 相关系数, Bland-Altman分析 | NA |
| 2439 | 2025-10-07 |
The abiologically and biologically driving effects on organic matter in marginal seas revealed by deep learning-assisted model analysis
2025-Jan-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.178251
PMID:39754949
|
研究论文 | 本研究通过深度学习辅助模型分析揭示了边缘海中有机物的非生物和生物驱动效应 | 首次引入深度学习网络推理工具研究边缘海有机物的驱动因素，识别出浊度和温度是最关键影响因素 | 研究区域仅限于中国黄海和渤海，可能不适用于其他边缘海区域 | 探究边缘海中有机物的生物地球化学过程及其驱动机制 | 黄海和渤海的颗粒有机物(POM)和溶解有机物(DOM) | 机器学习 | NA | 3D激发发射矩阵光谱(3D-EEM)、平行因子分析(PARAFAC) | 人工神经网络(ANN) | 光谱数据、环境参数数据 | NA | NA | 人工神经网络 | 皮尔逊相关系数(PCC), 均方根误差(RMSE) | NA |
| 2440 | 2025-10-07 |
DPFunc: accurately predicting protein function via deep learning with domain-guided structure information
2025-01-02, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-54816-8
PMID:39746897
|
研究论文 | 提出一种基于深度学习的蛋白质功能预测方法DPFunc，通过域引导的结构信息实现准确预测 | 首次将域引导信息与深度学习结合用于蛋白质功能预测，能够识别蛋白质结构中与功能相关的关键区域 | 未明确说明方法在特定蛋白质类型或复杂功能预测中的局限性 | 开发准确且可解释的蛋白质功能预测计算方法 | 蛋白质结构及其功能关系 | 生物信息学 | NA | 深度学习 | 深度学习模型 | 蛋白质结构数据 | NA | NA | DPFunc | NA | NA |