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 2681 - 2700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2681 | 2025-03-12 |
Enhancing the prediction of vitamin D deficiency levels using an integrated approach of deep learning and evolutionary computing
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2698
PMID:40062307
|
研究论文 | 本文提出了一种结合深度学习和进化计算的新方法，用于预测维生素D缺乏水平 | 创新点在于结合了卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）的混合深度学习模型，并使用遗传算法（GA）优化特征和超参数选择 | 未提及具体局限性 | 研究目的是开发一种非侵入性的预测方法，以确定维生素D缺乏的严重程度 | 维生素D缺乏水平 | 机器学习 | NA | 深度学习，进化计算 | CNN, BiLSTM, GA | 医疗数据 | 基准数据集 | NA | NA | NA | NA |
| 2682 | 2025-03-12 |
Review of models for estimating 3D human pose using deep learning
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2574
PMID:40062308
|
综述 | 本文综述了基于深度学习的3D人体姿态估计模型的最新进展，探讨了准确性、实时性能和数据限制等主要挑战 | 本文总结了3D人体姿态估计领域的最新进展，并提供了主要算法在精度和计算效率方面的比较，为未来研究提供了方向 | 尽管深度学习模型取得了显著进展，但在处理遮挡、实时估计和泛化能力方面仍存在挑战 | 探讨3D人体姿态估计模型的最新进展及其在计算机视觉和人工智能领域的应用 | 3D人体姿态估计模型 | 计算机视觉 | NA | 深度学习 | NA | 图像, 视频 | NA | NA | NA | NA | NA |
| 2683 | 2025-10-07 |
gRNAde: A Geometric Deep Learning Pipeline for 3D RNA Inverse Design
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4079-1_8
PMID:39312140
|
研究论文 | 介绍gRNAde——一种基于几何深度学习的3D RNA逆设计流程，能够根据RNA骨架结构设计序列 | 首个考虑RNA三维结构和构象多样性的几何深度学习逆设计方法，使用SE(3)等变编码器-解码器框架 | NA | 开发能够考虑RNA三维结构和动力学的序列设计方法 | RNA骨架结构、核糖开关、适配体、核酶 | 计算生物学 | NA | 几何深度学习 | 图神经网络 | 3D结构数据 | 来自PDB的现有RNA结构 | PyTorch Geometric | SE(3)等变编码器-解码器 | 天然序列恢复率、计算速度 | NA |
| 2684 | 2025-03-10 |
Deep learning-driven ultrasound equipment quality assessment with ATS-539 phantom data
2025-Jan, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105698
PMID:39541619
|
研究论文 | 本研究提出了一种基于深度学习的双阶段框架，用于客观评估超声图像质量，使用ATS-539体模数据 | 引入双阶段深度学习框架，结合逻辑回归模型，实现超声图像质量的定量和客观评估 | 依赖于体模数据，可能无法完全反映真实临床环境中的图像质量 | 开发一种客观评估超声图像质量的方法，以提高诊断准确性 | 超声图像质量 | 计算机视觉 | NA | 深度学习 | 分类模型、逻辑回归模型 | 图像 | ATS-539体模数据 | NA | NA | NA | NA |
| 2685 | 2025-10-07 |
Signature-based intrusion detection using machine learning and deep learning approaches empowered with fuzzy clustering
2025-Jan-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85866-7
PMID:39799225
|
研究论文 | 本研究通过结合机器学习和深度学习方法，利用模糊聚类增强签名式入侵检测系统以提高网络安全 | 将模糊聚类与多种机器学习和深度学习模型结合用于入侵检测，并比较不同模型在识别网络攻击中的性能表现 | NA | 提高网络安全，通过入侵检测系统识别和预防网络攻击 | 网络流量数据和入侵行为 | 机器学习 | NA | 模糊聚类 | SVM,KNN,RF,DT,LSTM,ANN | 网络流量数据 | NA | NA | NA | 精确度,准确率,召回率 | NA |
| 2686 | 2025-10-07 |
Mapping the scientific landscape and evolution of the International Journal of Surgery : a scientometric analysis (2004-2024)
2025-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002107
PMID:39576039
|
研究论文 | 对《国际外科学杂志》2004-2024年间发表的科学文献进行科学计量学分析 | 首次对该期刊20年发展历程进行系统性科学计量分析，识别研究趋势和未来方向 | 仅分析单一期刊数据，可能无法代表整个外科学领域 | 分析期刊出版特征和发展轨迹，识别研究热点和演变趋势 | 《国际外科学杂志》2004-2024年间发表的6320篇文献 | 科学计量学 | 外科疾病 | 科学计量分析，文献计量学 | NA | 文献元数据，引文数据 | 6320篇出版物（2004-2023年5964篇，2024年356篇） | Citespace, VOS viewer, Bibliometrix (R软件) | NA | 发文量统计，引用分析，研究主题识别 | NA |
| 2687 | 2025-10-07 |
Elastography-based AI model can predict axillary status after neoadjuvant chemotherapy in breast cancer with nodal involvement: a prospective, multicenter, diagnostic study
2025-Jan-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002105
PMID:39724577
|
研究论文 | 开发基于弹性成像和深度学习的组合模型预测乳腺癌患者新辅助化疗后腋窝淋巴结状态 | 首次将剪切波弹性成像与深度学习放射组学相结合，构建预测腋窝淋巴结病理完全缓解的组合模型 | 研究为前瞻性多中心设计但需进一步外部验证，样本量相对有限 | 准确预测乳腺癌患者新辅助化疗后腋窝淋巴结状态 | 671例经活检证实淋巴结转移并接受新辅助化疗的乳腺癌患者 | 数字病理 | 乳腺癌 | 超声成像, 剪切波弹性成像 | 深度学习 | 医学图像 | 671例患者（训练集与测试集按8:2随机分配） | NA | 深度学习放射组学模型 | 准确率, AUC, 假阴性率, 校准曲线, 决策曲线 | NA |
| 2688 | 2025-03-09 |
Identification of BCL11A, NTN5, and OGN as Diagnosis Biomarker of Papillary Renal Cell Carcinomas by Bioinformatic Analysis
2025, Journal of kidney cancer and VHL
IF:1.9Q3
DOI:10.15586/jkc.v12i1.366
PMID:40051609
|
研究论文 | 本研究通过生物信息学和深度学习技术，识别出BCL11A、NTN5和OGN作为乳头状肾细胞癌（PRCC）的诊断生物标志物 | 首次将BCL11A、NTN5和OGN识别为PRCC的诊断生物标志物，并利用机器学习和ROC曲线分析验证其诊断效能 | 研究主要依赖于TCGA数据库的数据，未进行实验验证 | 寻找PRCC的早期诊断生物标志物 | 乳头状肾细胞癌（PRCC）患者 | 生物信息学 | 肾癌 | RNA表达谱分析、机器学习 | 深度学习 | RNA表达数据 | TCGA数据库中的PRCC患者数据 | NA | NA | NA | NA |
| 2689 | 2025-03-09 |
Artificial intelligence and perinatology: a study on accelerated academic production- a bibliometric analysis
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1505450
PMID:40051727
|
研究论文 | 本文通过文献计量学方法，分析了近年来围产医学领域中人工智能应用的快速增长及其研究热点 | 首次系统性地通过文献计量学方法分析围产医学领域中人工智能的研究趋势和应用热点 | 研究仅基于特定数据库（WOSCC）的数据，可能无法涵盖所有相关文献 | 分析围产医学领域中人工智能的研究趋势和应用热点 | 围产医学领域的文献 | 医学信息学 | 围产医学 | 文献计量学分析 | NA | 文献数据 | 382篇相关文献，其中121篇高被引文献 | NA | NA | NA | NA |
| 2690 | 2025-03-09 |
Breaking new ground: machine learning enhances survival forecasts in hypercapnic respiratory failure
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1497651
PMID:40051730
|
研究论文 | 本研究旨在开发和验证一个预测高碳酸血症性呼吸衰竭患者生存的模型 | 使用随机生存森林（RSF）模型在预测高碳酸血症性呼吸衰竭患者预后方面表现出优于传统CoxPH模型和DeepSurv模型的性能 | 研究样本主要来自两家医院，可能限制了模型的普遍适用性 | 开发和验证一个预测高碳酸血症性呼吸衰竭患者生存的模型 | 高碳酸血症性呼吸衰竭患者 | 机器学习 | 呼吸系统疾病 | 随机生存森林（RSF）、DeepSurv、Cox比例风险模型（CoxPH） | RSF, DeepSurv, CoxPH | 临床数据 | 697名患者（565名建模组，132名外部验证组） | NA | NA | NA | NA |
| 2691 | 2025-03-09 |
MRI quantified enlarged perivascular space volumes as imaging biomarkers correlating with severity of anxiety depression in young adults with long-time mobile phone use
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1532256
PMID:40051766
|
研究论文 | 本研究旨在利用MRI量化的扩大血管周围间隙（EPVS）指标和机器学习算法，评估长时间使用手机（LTMPU）患者的焦虑和抑郁症状严重程度 | 首次将MRI量化的EPVS指标与机器学习算法结合，用于评估LTMPU患者的焦虑和抑郁症状严重程度，提供了一种非侵入性、客观且定量的诊断方法 | 样本量较小（82名参与者），且仅针对长时间使用手机的人群，可能限制了结果的普遍性 | 开发一种预测模型，评估长时间使用手机患者的焦虑和抑郁症状严重程度 | 长时间使用手机的年轻成年人 | 数字病理学 | 焦虑和抑郁 | MRI | 逻辑回归模型和K近邻模型 | 图像 | 82名长时间使用手机的参与者，其中37名患有焦虑，44名患有抑郁 | NA | NA | NA | NA |
| 2692 | 2025-03-09 |
Practical Applications of Artificial Intelligence Diagnostic Systems in Fundus Retinal Disease Screening
2025, International journal of general medicine
IF:2.1Q2
DOI:10.2147/IJGM.S507100
PMID:40051895
|
研究论文 | 本研究评估了一种基于深度学习的AI诊断系统在视网膜疾病分析中的性能，评估其与专家诊断的一致性及其在筛查应用中的整体效用 | 使用深度学习AI系统进行视网膜疾病筛查，并与专家诊断进行对比，评估其在实际应用中的可靠性和可行性 | 研究仅在一家医院进行，样本量虽大但可能缺乏多样性 | 评估AI诊断系统在视网膜疾病筛查中的性能 | 3076名接受全面眼科检查的患者 | 数字病理 | 视网膜疾病 | 深度学习 | CARE系统 | 图像 | 3076名患者 | NA | NA | NA | NA |
| 2693 | 2025-03-09 |
Research progress on artificial intelligence technology-assisted diagnosis of thyroid diseases
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1536039
PMID:40052126
|
综述 | 本文综述了人工智能技术在甲状腺疾病早期诊断中的应用研究，特别是深度学习算法在超声和病理图像识别中的应用 | 整合了多项研究结果，指出卷积神经网络模型在甲状腺结节和甲状腺病理细胞病变识别中具有高准确率，U-Net网络模型作为分割算法能显著提高甲状腺结节超声图像的识别准确率 | 目前甲状腺疾病的早期诊断仍依赖于检查设备和医生的临床经验，存在一定的误诊率 | 探索一种能在早期阶段客观筛查甲状腺病变的技术 | 甲状腺疾病的早期筛查和诊断 | 数字病理学 | 甲状腺癌 | 深度学习算法 | 卷积神经网络, U-Net网络模型 | 超声图像, 病理切片 | NA | NA | NA | NA | NA |
| 2694 | 2025-03-09 |
A review of AI-based radiogenomics in neurodegenerative disease
2025, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2025.1515341
PMID:40052173
|
review | 本文综述了基于人工智能的放射基因组学在神经退行性疾病中的应用 | 结合放射组学和基因组学，利用人工智能技术提高神经退行性疾病的诊断准确性和及时性 | NA | 探讨人工智能在神经退行性疾病放射基因组学中的应用 | 神经退行性疾病 | digital pathology | geriatric disease | radiomics, genomics | machine learning, deep learning | imaging, genomic data | NA | NA | NA | NA | NA |
| 2695 | 2025-03-08 |
Deep5mC: Predicting 5-methylcytosine (5mC) methylation status using a deep learning transformer approach
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.02.007
PMID:40041569
|
研究论文 | 本文介绍了一种基于深度学习Transformer的方法Deep5mC，用于预测5-甲基胞嘧啶（5mC）的甲基化状态 | Deep5mC利用基因组序列中的长程依赖性来预测5mC甲基化，显著优于现有方法，并揭示了长程序列上下文对5mC预测的影响 | 现有方法大多关注特定基因组区域，而Deep5mC虽然考虑了长程依赖性，但仍需进一步验证其在跨物种和人类疾病中的适用性 | 研究5mC甲基化状态与基因组序列的依赖性，并开发一种高效的预测方法 | 5-甲基胞嘧啶（5mC）的甲基化状态 | 机器学习 | NA | 深度学习 | Transformer | DNA序列 | NA | NA | NA | NA | NA |
| 2696 | 2025-03-08 |
Retraction: Risk management system and intelligent decision-making for prefabricated building project under deep learning modified teaching-learning-based optimization
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0319589
PMID:40043015
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2697 | 2025-03-08 |
XAI-MRI: an ensemble dual-modality approach for 3D brain tumor segmentation using magnetic resonance imaging
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1525240
PMID:40046502
|
研究论文 | 本文提出了一种新颖的集成双模态方法，用于使用磁共振成像（MRI）进行3D脑肿瘤分割 | 提出了一种集成双模态方法，结合了表现最佳的双模态预训练模型，以提高分割性能，并引入了Grad-CAM可视化技术，生成热图以突出肿瘤区域，为临床医生提供模型决策的有用信息 | 未明确提及具体限制 | 提高脑肿瘤分割的准确性和可靠性，以支持有效的肿瘤分级和治疗计划 | 脑肿瘤 | 计算机视觉 | 脑肿瘤 | MRI | U-Net, 集成模型 | 3D MRI图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 2698 | 2025-03-08 |
The prognostic value of pathologic lymph node imaging using deep learning-based outcome prediction in oropharyngeal cancer patients
2025-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100733
PMID:40046573
|
研究论文 | 本研究探讨了在口咽癌患者中，结合病理淋巴结空间信息与深度学习模型对局部控制、区域控制、远处无转移生存和总生存的预测效果 | 首次在深度学习模型中结合病理淋巴结空间信息，以提高口咽癌患者的预后预测性能 | 研究仅基于单一机构的患者数据，可能限制了模型的泛化能力 | 探索结合病理淋巴结空间信息对深度学习模型预测口咽癌患者预后的潜在益处 | 口咽癌患者 | 数字病理 | 口咽癌 | 深度学习 | 深度学习模型 | PET/CT扫描图像 | 409名口咽癌患者 | NA | NA | NA | NA |
| 2699 | 2025-03-08 |
Deep learning combining imaging, dose and clinical data for predicting bowel toxicity after pelvic radiotherapy
2025-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100710
PMID:40046574
|
研究论文 | 本研究提出了一种深度学习模型，用于同时分析计算机断层扫描、剂量分布和临床元数据，以预测盆腔放疗后的肠道毒性，并识别临床风险因素和解剖区域的影响 | 开发了一种基于多实例学习、特征级融合和注意力的深度模型，能够同时分析3D成像和临床数据，识别潜在风险因素和关键解剖区域 | 数据集来自313名患者，虽然样本量较大，但患者群体的异质性（剂量、体积、分割、伴随治疗和随访期）可能影响模型的泛化能力 | 预测盆腔放疗后的肠道毒性，并识别临床风险因素和解剖区域的影响 | 313名接受3D适形放疗和容积调强弧形放疗的患者 | 数字病理 | NA | 深度学习 | 多实例学习模型 | 3D计算机断层扫描、计划剂量分布、临床数据 | 313名患者 | NA | NA | NA | NA |
| 2700 | 2025-03-08 |
Leveraging automated time-lapse microscopy coupled with deep learning to automate colony forming assay
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1520972
PMID:40046624
|
研究论文 | 本文介绍了一种结合延时显微镜和深度学习的人工智能辅助自动化集落形成实验（CFA）平台，用于实时跟踪集落形成并评估药物疗效 | 开发了一种基于深度学习和多目标跟踪的自动化集落计数平台，显著减少了人工操作并提高了准确性，同时支持长期细胞间相互作用和治疗反应的详细研究 | 未来需要与基于灌注的药物筛选系统集成以进一步增强个性化癌症治疗 | 开发一种自动化、高通量的集落形成实验平台，用于评估单癌细胞的克隆扩展能力和药物疗效 | B-急性淋巴细胞白血病（B-ALL）细胞 | 数字病理学 | 白血病 | 延时显微镜、深度学习 | YOLOv8 | 图像 | E2A-PBX1小鼠模型中的B-ALL细胞 | NA | NA | NA | NA |