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 2781 - 2800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2781 | 2025-03-01 |
TSF-MDD: A Deep Learning Approach for Electroencephalography-Based Diagnosis of Major Depressive Disorder with Temporal-Spatial-Frequency Feature Fusion
2025-Jan-21, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020095
PMID:40001616
|
研究论文 | 本文提出了一种名为TSF-MDD的深度学习方法，用于基于脑电图（EEG）的重度抑郁症（MDD）诊断，通过融合时间、空间和频率域信息来提高诊断准确性和效率 | TSF-MDD方法首次将时间、空间和频率域信息整合到一个四维表示中，并使用3D-CNN和CapsNet模型进行跨域特征提取，同时采用独立于受试者的数据划分策略以避免数据泄露 | 尽管TSF-MDD在Mumtaz2016数据集上表现出色，但其在其他数据集上的泛化能力仍需进一步验证 | 开发一种自动化诊断系统，以提高重度抑郁症的诊断准确性和效率 | 重度抑郁症（MDD）患者 | 机器学习 | 重度抑郁症 | 脑电图（EEG） | 3D-CNN, CapsNet | EEG信号 | Mumtaz2016公共数据集 | NA | NA | NA | NA |
| 2782 | 2025-03-01 |
Deep Learning-Based Drug Compounds Discovery for Gynecomastia
2025-Jan-21, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13020262
PMID:40002676
|
研究论文 | 本研究利用基于深度学习的计算方法发现潜在的男性乳房发育症药物化合物 | 结合文本挖掘和人工智能在药物发现中的有效性，为男性乳房发育症提供新的治疗途径 | 需要进一步的实验验证和预测模型的优化以支持新药开发 | 发现男性乳房发育症的潜在药物化合物 | 男性乳房发育症相关基因和药物化合物 | 机器学习 | 男性乳房发育症 | 文本挖掘、生物过程探索、通路富集、蛋白质-蛋白质相互作用网络构建、药物-靶点相互作用分析 | DeepPurpose | 基因数据、药物数据 | 177个与男性乳房发育症相关的基因 | NA | NA | NA | NA |
| 2783 | 2025-03-01 |
Artificial Intelligence in the Surgery-First Approach: Harnessing Deep Learning for Enhanced Condylar Reshaping Analysis: A Retrospective Study
2025-Jan-21, Life (Basel, Switzerland)
DOI:10.3390/life15020134
PMID:40003543
|
研究论文 | 本研究利用人工智能和深度学习技术，分析手术优先方法（SFA）与传统手术延迟方法（SLA）在正颌手术中的髁突行为，评估其效果 | 首次将深度学习和卷积神经网络（CNN）应用于髁突形态的快速、精确分析，显著减少了分割时间 | 研究为回顾性分析，样本量相对较小（77例患者），且仅在一家医院进行，可能影响结果的普遍性 | 评估手术优先方法（SFA）与传统手术延迟方法（SLA）在正颌手术中对髁突形态的影响 | 77名接受正颌手术的患者（18名SFA，59名SLA） | 数字病理 | NA | 锥形束计算机断层扫描（CBCT） | 卷积神经网络（CNN） | 3D图像 | 77名患者（18名SFA，59名SLA） | NA | NA | NA | NA |
| 2784 | 2025-03-01 |
Unifying fragmented perspectives with additive deep learning for high-dimensional models from partial faceted datasets
2025, NPJ biological physics and mechanics
DOI:10.1038/s44341-025-00009-3
PMID:40012561
|
研究论文 | 本文提出了一种机器学习方法，通过整合分面数据子集来重建系统的完整视图，使用条件分布进行建模 | 提出了一种结合多项式回归和神经网络模型的方法，能够从部分数据集中成功重建系统，并随着测量变量的增加提高预测准确性 | 方法仅在机械弹簧网络和8维生物网络的两个示例中进行了验证，尚未在更广泛的生物系统中测试 | 旨在通过整合分面数据子集，重建复杂生物系统的完整视图，以量化分子元素对生物功能的贡献 | 机械弹簧网络和涉及衰老标志物P53的8维生物网络 | 机器学习 | NA | 多项式回归和神经网络 | 多项式回归模型和神经网络模型 | 单细胞数据 | NA | NA | NA | NA | NA |
| 2785 | 2025-03-01 |
MAEMC-NET: a hybrid self-supervised learning method for predicting the malignancy of solitary pulmonary nodules from CT images
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1507258
PMID:40012977
|
研究论文 | 本文提出了一种名为MAEMC-NET的深度学习模型，用于从CT图像中预测孤立性肺结节的恶性程度 | MAEMC-NET结合了生成式（Masked AutoEncoder）和对比式（Momentum Contrast）自监督学习方法，以学习CT图像中孤立性结节的内部和相互间的表示 | 研究仅涉及494名患者，样本量相对较小 | 解决肺肉芽肿性结节（PGN）与实性肺腺癌（SLA）在CT形态特征上的相似性，提高术前诊断的准确性 | 孤立性肺结节 | 计算机视觉 | 肺癌 | CT成像 | MAEMC-NET（结合Masked AutoEncoder和Momentum Contrast） | CT图像 | 494名患者 | NA | NA | NA | NA |
| 2786 | 2025-03-01 |
MRpoxNet: An enhanced deep learning approach for early detection of monkeypox using modified ResNet50
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251320726
PMID:40013075
|
研究论文 | 本文介绍了一种增强的深度学习模型MRpoxNet，基于改进的ResNet50架构，用于从数字皮肤病变图像中早期检测猴痘 | MRpoxNet通过扩展ResNet50的层数并引入额外的卷积、ReLU、dropout和批量归一化层，提高了诊断准确性和临床可靠性 | 未来需要进一步扩展数据集并增强模型对多样化临床场景的多模态适应性 | 开发一种高效的深度学习模型，用于早期检测猴痘 | 数字皮肤病变图像 | 计算机视觉 | 猴痘 | 深度学习 | 改进的ResNet50 | 图像 | 初始1156张图像，增强至6116张图像，分为猴痘、非猴痘和正常皮肤三类 | NA | NA | NA | NA |
| 2787 | 2025-02-28 |
An Online Evaluation Method for Random Number Entropy Sources Based on Time-Frequency Feature Fusion
2025-Jan-27, Entropy (Basel, Switzerland)
DOI:10.3390/e27020136
PMID:40003132
|
研究论文 | 本文提出了一种基于时频特征融合的在线随机数熵源评估方法，通过神经网络预测随机序列的下一位，并引入了一种新的深度学习架构FFT-ATT-LSTM | 提出了一种新的深度学习架构FFT-ATT-LSTM，结合了简化的软注意力机制和快速傅里叶变换，有效融合时域和频域特征，提高了预测精度 | NA | 解决传统熵源评估方法难以在线部署的问题，实现在线检测熵源质量 | 随机数熵源 | 机器学习 | NA | 快速傅里叶变换（FFT），软注意力机制 | FFT-ATT-LSTM | 随机序列数据 | NA | NA | NA | NA | NA |
| 2788 | 2025-02-28 |
Mining Suicidal Ideation in Chinese Social Media: A Dual-Channel Deep Learning Model with Information Gain Optimization
2025-Jan-24, Entropy (Basel, Switzerland)
DOI:10.3390/e27020116
PMID:40003113
|
研究论文 | 本文提出了一种基于中文社交媒体的双通道深度学习模型DSI-BTCNN，用于识别自杀意念，并通过信息增益优化提高检测能力 | 提出了一种新的双通道模型DSI-BTCNN，结合信息增益优化的IDFN融合机制，有效分配计算资源以捕捉与自杀相关的关键特征 | 模型仅在中文社交媒体数据上进行了评估，未涉及其他语言或平台的数据 | 通过深度学习模型及时识别社交媒体上的自杀意念，以支持全球自杀预防工作 | 中文社交媒体数据 | 自然语言处理 | NA | 深度学习 | DSI-BTCNN（双通道卷积神经网络） | 文本 | 定制数据集 | NA | NA | NA | NA |
| 2789 | 2025-02-28 |
Immunohistochemistry-Free Enhanced Histopathology of the Rat Spleen Using Deep Learning
2025-Jan, Toxicologic pathology
IF:1.4Q4
DOI:10.1177/01926233241303907
PMID:39726256
|
研究论文 | 开发深度学习模型从H&E染色切片直接识别大鼠脾脏淋巴区室 | 首次实现无需免疫组化的深度学习增强组织病理学方法，直接从H&E染色量化脾脏淋巴区室 | 目前仅应用于正常大鼠脾脏，尚未验证于病变组织或其他物种 | 开发免疫系统增强组织病理学的深度学习定量评估方法 | 大鼠脾脏组织 | 数字病理学 | NA | 深度学习 | 深度学习模型 | 图像 | 正常大鼠脾脏切片 | NA | NA | NA | NA |
| 2790 | 2025-02-28 |
Prediction models for cognitive impairment in middle-aged patients with cerebral small vessel disease
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1462636
PMID:40007740
|
研究论文 | 本研究旨在开发基于海马纹理的模型，用于预测中年脑小血管病（CSVD）患者的认知障碍 | 使用Unet深度学习神经网络模型自动分割海马体，并结合LASSO方法选择放射组学特征，构建预测模型 | 结合影像标志物和海马纹理的组合模型并未比单独模型显著改善诊断效果（p > 0.05） | 开发预测中年CSVD患者认知障碍的模型 | 145名CSVD患者和99名对照受试者 | 数字病理学 | 脑小血管病 | 深度学习、放射组学 | Unet、LASSO | 影像数据 | 244名受试者（145名CSVD患者和99名对照） | NA | NA | NA | NA |
| 2791 | 2025-02-28 |
Advancing arabic dialect detection with hybrid stacked transformer models
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1498297
PMID:40007884
|
研究论文 | 本文提出了一种基于两种Transformer模型的混合堆叠模型，用于提高阿拉伯方言的分类性能 | 提出了一种新颖的堆叠模型，结合了Bert-Base-Arabertv02和Dialectal-Arabic-XLM-R-Base两种Transformer模型，以捕捉更广泛的语言特征 | NA | 提高阿拉伯方言的分类性能，以增强自然语言处理（NLP）应用的效果 | 阿拉伯方言 | 自然语言处理 | NA | 深度学习 | Transformer, LSTM, GRU, CNN | 文本 | 使用了IADD和Shami数据集进行模型评估 | NA | NA | NA | NA |
| 2792 | 2025-02-28 |
KGRDR: a deep learning model based on knowledge graph and graph regularized integration for drug repositioning
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1525029
PMID:40008124
|
研究论文 | 本文提出了一种基于知识图谱和图正则化集成的深度学习模型KGRDR，用于预测药物与疾病之间的潜在相互作用 | KGRDR模型结合了多相似性集成和知识图谱学习，通过图正则化方法整合药物和疾病的多种相似性信息，有效消除噪声数据，并利用注意力机制融合相似性特征和拓扑特征，最终使用图卷积网络预测药物-疾病关联 | 未明确提及具体局限性 | 优化药物开发，加速新治疗方案的开发，降低成本并减轻风险 | 药物与疾病之间的相互作用 | 机器学习 | NA | 深度学习 | 图卷积网络（GCN） | 药物和疾病的相似性信息、生物医学知识图谱 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 2793 | 2025-02-28 |
Artificial intelligence in drug development: reshaping the therapeutic landscape
2025, Therapeutic advances in drug safety
IF:3.4Q2
DOI:10.1177/20420986251321704
PMID:40008227
|
研究论文 | 本文探讨了人工智能在药物研发中的应用及其对治疗领域的重塑 | 人工智能通过机器学习、深度学习和神经网络等技术，革新了药物设计、靶点识别和临床试验预测，并加速了药物分子的开发和重新设计 | AI模型通常被视为'黑箱'，其结论难以理解，且由于模型透明度和算法偏见的缺乏，限制了其潜力 | 研究人工智能在药物研发中的应用及其对治疗领域的重塑 | 药物研发过程中的各个环节，包括药物设计、靶点识别和临床试验预测 | 机器学习 | NA | 机器学习、深度学习、神经网络 | NA | NA | NA | NA | NA | NA | NA |
| 2794 | 2025-02-28 |
Corrigendum: Predicting epidermal growth factor receptor mutation status of lung adenocarcinoma based on PET/CT images using deep learning
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1564325
PMID:40012552
|
correction | 本文是对先前发表的文章的更正，该文章涉及基于PET/CT图像使用深度学习预测肺腺癌表皮生长因子受体突变状态 | NA | NA | 更正先前发表的文章中的错误 | NA | digital pathology | lung cancer | NA | deep learning | PET/CT images | NA | NA | NA | NA | NA |
| 2795 | 2025-10-07 |
Towards Trustworthy AI in Healthcare: Epistemic Uncertainty Estimation for Clinical Decision Support
2025-Jan-31, Journal of personalized medicine
IF:3.0Q1
DOI:10.3390/jpm15020058
PMID:39997335
|
研究论文 | 本研究比较了集成神经网络和谱归一化神经高斯过程在医疗决策支持中知识不确定性估计的可靠性 | 首次在临床决策支持系统中系统比较集成方法和知识建模方法在不确定性估计方面的性能差异 | 研究主要基于低维玩具数据集和单一MIMIC3数据集，需要更多真实临床场景验证 | 开发更可靠和可信的医疗AI决策支持系统 | 重症监护病房住院患者的死亡率预测 | 医疗人工智能 | 重症监护 | 深度学习不确定性估计 | Transformer, 神经网络集成, SNGP | 电子健康记录时间序列数据 | MIMIC3研究数据集 | NA | Encoder-Only Transformer | AUROC, AUPRC | NA |
| 2796 | 2025-10-07 |
Semantic-Guided Transformer Network for Crop Classification in Hyperspectral Images
2025-Jan-26, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11020037
PMID:39997540
|
研究论文 | 提出一种语义引导的Transformer网络用于高光谱图像中的作物分类 | 设计了多尺度空间-光谱信息提取模块和语义引导注意力模块，结合两阶段特征提取结构，有效克服背景干扰和尺度变化问题 | 未明确说明模型在更复杂场景或更大规模数据集上的性能表现 | 提高高光谱遥感图像中作物分类的准确性和鲁棒性 | 农业作物高光谱遥感图像 | 计算机视觉 | NA | 高光谱遥感成像 | Transformer | 高光谱图像 | 三个基准数据集：Indian Pines、Pavia University和Salinas | NA | 语义引导Transformer网络（SGTN），包含多尺度空间-光谱信息提取模块（MSIE）和语义引导注意力模块（SGA） | 总体准确率 | NA |
| 2797 | 2025-10-07 |
Machine Learning-Based Approaches for Breast Density Estimation from Mammograms: A Comprehensive Review
2025-Jan-26, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11020038
PMID:39997539
|
综述 | 本文系统综述了基于机器学习的乳腺密度评估方法在乳腺X线摄影中的应用 | 重点聚焦机器学习方法在乳腺密度评估中的分类与应用，特别比较了传统机器学习与深度学习方法的性能差异 | 当前研究存在主观性强和成本效益低的问题 | 探索乳腺密度评估方法及其在乳腺癌早期检测中的价值 | 乳腺X线影像中的乳腺密度特征 | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | SVM, CNN | 医学影像 | NA | NA | NA | 准确率 | NA |
| 2798 | 2025-10-07 |
Optimizing Deep Learning Models for Climate-Related Natural Disaster Detection from UAV Images and Remote Sensing Data
2025-Jan-24, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11020032
PMID:39997534
|
研究论文 | 本研究利用人工智能从无人机和卫星遥感图像中检测与气候变化相关的自然灾害 | 创建了新的气候变化数据集，优化了机器学习模型，将荒漠化作为深度学习检测的自然灾害类别之一，并进行了交叉验证 | NA | 优化深度学习模型以从无人机图像和遥感数据中检测与气候变化相关的自然灾害 | 洪水和荒漠化两种自然灾害 | 计算机视觉 | NA | 无人机图像采集，卫星遥感 | CNN, DenseNet201, VGG16, ResNet50 | 图像 | 6334张无人机和卫星航空图像 | NA | CNN, DenseNet201, VGG16, ResNet50 | 准确率 | NA |
| 2799 | 2025-10-07 |
GCNet: A Deep Learning Framework for Enhanced Grape Cluster Segmentation and Yield Estimation Incorporating Occluded Grape Detection with a Correction Factor for Indoor Experimentation
2025-Jan-24, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11020034
PMID:39997536
|
研究论文 | 提出一种用于葡萄串分割和产量估计的深度学习框架GCNet，通过遮挡葡萄检测和校正因子提高室内实验的准确性 | 集成遮挡调整机制，在枝叶和葡萄串紧凑条件下提升分割精度，并引入校正因子估计不可见葡萄 | 研究基于室内实验环境，未涉及户外复杂田间条件 | 提高葡萄产量估计精度，改进葡萄串分割算法 | 葡萄串 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | GrapeSet数据集包含室内拍摄的葡萄串可见图像及其真实掩码、葡萄总数和重量 | NA | GCNet | R², 平均绝对误差(MAE) | NA |
| 2800 | 2025-10-07 |
A comprehensive review of deep learning-based approaches for drug-drug interaction prediction
2025-Jan-15, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elae052
PMID:39987494
|
综述 | 本文系统综述了基于深度学习的药物相互作用预测方法，包括分子表示分析和图数据特征提取的理论框架 | 提供了最新的药物相互作用预测方法综述，深入分析了分子表示方法并系统阐述了图数据特征提取的理论框架 | NA | 为不同领域研究人员提供关于药物相互作用预测的最新且易于理解的指南 | 药物相互作用预测方法 | 生物医学信息学 | NA | 深度学习 | NA | 图数据 | NA | NA | NA | NA | NA |