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 3708 篇文献，本页显示第 2721 - 2740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2721 | 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 |
| 2722 | 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 |
| 2723 | 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 |
| 2724 | 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 |
| 2725 | 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 |
| 2726 | 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 |
| 2727 | 2025-10-07 |
A Novel Public Sentiment Analysis Method Based on an Isomerism Learning Model via Multiphase Processing
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3274912
PMID:37220063
|
研究论文 | 提出一种基于异构学习和多阶段处理的公共情感分析方法，通过区块链实现分布式深度学习模型 | 提出基于区块链的异构学习模型，通过并行训练实现模型间可信协作，并设计事件客观性度量方法动态分配模型权重 | NA | 解决社交媒体网络中公共情感分析的复杂性和安全性问题 | 社交媒体中的公共舆论和情感表达 | 自然语言处理 | NA | NA | 深度学习 | 文本 | NA | NA | 异构学习模型 | NA | NA |
| 2728 | 2025-03-06 |
Rethinking Semantic Segmentation With Multi-Grained Logical Prototype
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3543052
PMID:40031630
|
研究论文 | 本文提出了一种多粒度逻辑原型（MGLP）方法，重新思考语义分割，以更好地符合人类视觉认知过程的抽象和结构化特性 | 提出了一种新的多粒度逻辑原型方法，通过建立不同粒度级别的类原型和显式建模不同语义层次之间的内在逻辑结构，改进了现有语义分割方法的性能 | 未明确提及具体局限性 | 改进语义分割方法，使其更符合人类视觉认知的抽象和结构化特性 | 语义分割任务 | 计算机视觉 | NA | NA | 多粒度逻辑原型（MGLP） | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 2729 | 2025-03-06 |
Artificial Intelligence in Neuroendovascular Procedures
2025, Journal of neuroendovascular therapy
DOI:10.5797/jnet.ra.2024-0107
PMID:40034100
|
综述 | 本文综述了人工智能在神经血管介入手术中的当前应用和未来潜力，重点关注基于AI的图像识别、实时手术辅助和未来发展 | 探讨了AI在神经血管介入手术中的创新应用，包括血管结构分析、设备检测和实时辅助系统，以及未来与机器人系统的集成 | 当前系统存在一些局限性，但技术进步表明AI在提高手术安全性、标准化和患者预后方面的作用将不断扩大 | 研究人工智能在神经血管介入手术中的应用及其潜力 | 神经血管介入手术 | 医学影像分析 | 神经血管疾病 | 深度学习算法 | NA | 图像 | NA | NA | NA | NA | NA |
| 2730 | 2025-03-06 |
Artificial intelligence in stroke risk assessment and management via retinal imaging
2025, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2025.1490603
PMID:40034651
|
综述 | 本文探讨了人工智能在通过视网膜成像评估和管理中风风险中的作用，重点关注视网膜成像在临床工作流程中的整合 | 利用机器学习和深度学习算法增强视网膜成像，展示了在早期疾病检测、严重程度分级和预后评估中的潜力 | 缺乏标准化的成像协议、对AI生成预测的信任不足、视网膜成像数据与电子健康记录的整合不足、需要在多样化人群中验证、以及伦理和监管问题 | 探讨人工智能在中风患者护理中的作用，特别是通过视网膜成像进行中风风险评估和管理 | 中风患者 | 数字病理学 | 中风 | 视网膜成像 | Xception, EfficientNet, Inception, ResNet, VGG, 随机森林, 支持向量机 | 图像 | NA | NA | NA | NA | NA |
| 2731 | 2025-03-06 |
Cardiotocography-Based Experimental Comparison of Artificial Intelligence and Human Judgment in Assessing Fetal Asphyxia During Delivery
2025-Jan, Cureus
DOI:10.7759/cureus.78282
PMID:40034878
|
研究论文 | 本研究通过实验比较了人工智能和人类专家在使用CTG数据预测胎儿窒息方面的诊断准确性 | 首次系统地比较了AI和人类专家在CTG数据解读上的表现，并探讨了AI辅助诊断的潜力 | AI算法的诊断准确性尚未超越人类专家，且需要进一步优化和更多CTG数据的积累 | 评估AI在胎儿窒息诊断中的潜力，并探讨其与人类判断的结合效果 | 胎儿窒息诊断 | 医疗人工智能 | 胎儿窒息 | 机器学习和深度学习 | ML和DL算法 | CTG数据 | 3,519个CTG数据集和984个CTG图 | NA | NA | NA | NA |
| 2732 | 2025-03-06 |
The application of artificial intelligence in insomnia, anxiety, and depression: A bibliometric analysis
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251324456
PMID:40035038
|
研究论文 | 本文通过文献计量分析，系统回顾了人工智能在失眠、焦虑和抑郁症中的应用，识别了关键研究热点并预测了未来趋势 | 首次通过文献计量工具（如VOSviewer和CiteSpace）对人工智能在心理健康领域的应用进行系统性分析，并识别了未来研究重点 | 数据隐私、伦理问题以及AI模型的可解释性仍需解决 | 系统回顾人工智能在失眠、焦虑和抑郁症中的应用，识别研究热点并预测未来趋势 | 失眠、焦虑和抑郁症 | 自然语言处理 | 精神疾病 | 文献计量分析 | 神经网络、机器学习、深度学习 | 文献数据 | 875篇文章 | NA | NA | NA | NA |
| 2733 | 2025-03-06 |
Understanding Deep Learning via Decision Boundary
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3326654
PMID:37922185
|
研究论文 | 本文探讨了神经网络决策边界变异性与泛化能力之间的关系，并提出了新的度量方法 | 提出了算法决策边界变异性和数据决策边界变异性两个新概念，用于从算法和数据角度衡量决策边界变异性 | 未明确提及具体局限性 | 研究神经网络决策边界变异性与泛化能力之间的关系 | 神经网络的决策边界 | 机器学习 | NA | NA | 神经网络 | NA | 未明确提及样本数量 | NA | NA | NA | NA |
| 2734 | 2025-03-06 |
NN2Poly: A Polynomial Representation for Deep Feed-Forward Artificial Neural Networks
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3330328
PMID:37962996
|
研究论文 | 本文提出了一种名为NN2Poly的理论方法，用于获得已训练的全连接前馈人工神经网络的显式多项式模型 | NN2Poly方法将之前仅限于单隐藏层网络的想法扩展到任意深度的多层感知机（MLP），适用于回归和分类任务 | 该方法在计算上面临挑战，需要在训练阶段施加某些约束来克服这些挑战 | 研究神经网络的可解释性及其理论行为 | 全连接前馈人工神经网络（多层感知机） | 机器学习 | NA | 泰勒展开 | 多层感知机（MLP） | 表格数据 | NA | NA | NA | NA | NA |
| 2735 | 2025-03-06 |
Deep Learning Model Compression With Rank Reduction in Tensor Decomposition
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3330542
PMID:37976188
|
研究论文 | 本文提出了一种新颖的深度学习模型压缩方法，通过张量分解中的迭代和自适应秩减少来实现 | 提出了一种双模型训练策略，结合迭代和自适应秩减少，显著减少了超参数搜索空间，并在保持模型准确性的同时实现了模型压缩 | 未提及具体局限性 | 研究深度学习模型压缩方法，以在轻量级边缘设备上部署大型神经网络模型 | 深度学习模型（如LeNet、VGG、ResNet、EfficientNet、RevCol） | 机器学习 | NA | 张量分解 | 深度学习模型 | 图像 | MNIST、CIFAR-10/100、ImageNet数据集 | NA | NA | NA | NA |
| 2736 | 2025-03-06 |
Communication-Efficient Nonconvex Federated Learning With Error Feedback for Uplink and Downlink
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3333804
PMID:37995164
|
研究论文 | 本文提出了两种通信高效的非凸联邦学习算法，EF21和LAG，用于适应上行和下行通信，以减少通信成本而不牺牲学习质量 | 提出了新的EF21算法和LAG梯度过滤技术，结合两者设计了EF-LAG算法，并进一步提出了双向EF-LAG算法，显著减少了通信成本 | 未提及具体限制 | 研究在大规模在线学习环境中，如何通过通信高效的非凸联邦学习算法减少通信成本 | 在线招募的工人设备，如手机、笔记本电脑和台式电脑 | 机器学习 | NA | EF21算法、LAG梯度过滤技术 | 非凸联邦学习模型 | 合成数据和深度学习基准数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 2737 | 2025-03-06 |
A Novel Sequence-to-Sequence-Based Deep Learning Model for Multistep Load Forecasting
2025-Jan, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3329466
PMID:38241098
|
研究论文 | 本文提出了一种基于序列到序列（Seq2Seq）的深度学习模型，用于多步负荷预测，以优化能源资源分配和辅助决策过程 | 提出了一种基于时间序列分解策略的Seq2Seq深度学习模型，该模型由一系列基本块组成，每个基本块包括一个编码器和两个解码器，并通过残差连接 | 未提及模型的局限性 | 开发一种新的深度学习模型，用于多步负荷预测，以提高能源管理的效率和决策的准确性 | 电力系统中的负荷预测 | 机器学习 | NA | 时间序列分解策略 | Seq2Seq, TCN, LSTM | 时间序列数据 | 多个真实世界数据集中的案例 | NA | NA | NA | NA |
| 2738 | 2025-03-06 |
Deep Face Leakage: Inverting High-Quality Faces From Gradients Using Residual Optimization
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3533210
PMID:40036427
|
研究论文 | 本文提出了一种名为DFLeak的方法，通过残差优化从梯度中反演高质量面部图像，以增强协作学习中的面部数据泄露效果 | 引入了一种优越的初始化方法来稳定反演过程，并提出了一种无先验面部恢复（PFFR）结果的残差优化方法，以丰富面部细节 | 未明确提及具体限制 | 提高从梯度中反演面部图像的质量，以增强协作学习中的隐私保护效果 | 面部图像 | 计算机视觉 | NA | 梯度反演攻击 | NA | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 2739 | 2025-03-06 |
Identification of benign and malignant breast nodules on ultrasound: comparison of multiple deep learning models and model interpretation
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1517278
PMID:40040727
|
研究论文 | 本研究开发了一种弱监督深度学习算法，用于区分超声图像中的良性和恶性乳腺肿瘤，无需图像注释 | 提出了一种无需图像注释的弱监督深度学习算法，用于乳腺肿瘤的超声诊断 | 研究中使用的数据集可能有限，且未涉及其他类型的肿瘤或不同成像技术 | 开发一种弱监督深度学习算法，以提高乳腺肿瘤超声诊断的准确性 | 乳腺超声图像中的良性和恶性结节 | 计算机视觉 | 乳腺癌 | 深度学习 | DenseNet121, ResNet50, EfficientNetb0, Vision Transformer | 图像 | 3049张乳腺超声图像（良性1320张，恶性1729张） | NA | NA | NA | NA |
| 2740 | 2025-03-06 |
A bibliometric analysis of studies on artificial intelligence in neuroscience
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1474484
PMID:40040909
|
研究论文 | 本文通过文献计量分析探讨了人工智能在神经科学领域的研究趋势和影响 | 首次对1983年至2024年间发表的1,208篇相关研究进行系统性分析，揭示了该领域的快速增长和国际合作趋势 | 未深入探讨AI模型在神经科学中的伦理问题和数据隐私问题 | 评估人工智能在神经科学中的应用现状和未来方向 | 神经科学领域的人工智能研究 | 机器学习 | 神经系统疾病 | 文献计量分析 | 深度学习, 机器学习 | 文献数据 | 1,208篇研究论文 | NA | NA | NA | NA |