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 3218 篇文献，本页显示第 2821 - 2840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2821 | 2025-01-16 |
Belt conveyor idler fault detection algorithm based on improved YOLOv5
2025-Jan-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81244-x
PMID:39809903
|
研究论文 | 本文提出了一种基于改进YOLOv5的深度学习算法，用于实时检测带式输送机托辊故障 | 在YOLOv5网络中引入了坐标注意力机制，并使用α-CIoU定位损失函数替代传统CIoU，以提高模型的回归精度 | NA | 提高带式输送机托辊故障检测的准确性和实时性 | 带式输送机托辊 | 计算机视觉 | NA | 深度学习 | YOLOv5 | 红外图像 | 自建的红外图像数据集 | NA | NA | NA | NA |
| 2822 | 2025-01-16 |
Nanocarrier imaging at single-cell resolution across entire mouse bodies with deep learning
2025-Jan-14, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-024-02528-1
PMID:39809933
|
研究论文 | 本文介绍了一种名为SCP-Nano的实验与深度学习集成管道，用于全面量化纳米载体在整个小鼠体内的单细胞分辨率靶向分布 | SCP-Nano能够在极低剂量下揭示纳米载体的组织分布模式，远低于传统全身成像技术的检测限，并能推广到多种纳米载体类型 | NA | 开发一种高效准确的方法来分析纳米载体在整个生物体中的细胞水平生物分布，以加速精确和安全的纳米载体治疗的发展 | 小鼠体内的纳米载体 | 数字病理学 | NA | 深度学习 | NA | 图像 | 小鼠 | NA | NA | NA | NA |
| 2823 | 2025-01-16 |
Predictive value of dendritic cell-related genes for prognosis and immunotherapy response in lung adenocarcinoma
2025-Jan-14, Cancer cell international
IF:5.3Q1
DOI:10.1186/s12935-025-03642-z
PMID:39810206
|
研究论文 | 本研究通过筛选树突状细胞相关基因，构建了一个预测肺腺癌患者预后和免疫治疗反应的预后签名 | 创新性地建立了一个基于深度学习的预测模型DCRGS，用于预测肺腺癌患者的预后，并具有高准确性和敏感性 | 研究结果需要进一步在更大规模的临床样本中进行验证 | 预测肺腺癌患者的预后和免疫治疗反应 | 肺腺癌患者 | 数字病理 | 肺癌 | 单细胞RNA测序（scRNA-seq）、批量RNA测序、实时定量PCR（q-PCR） | 深度学习模型 | RNA测序数据、临床数据 | 恶性胸腔积液样本中的树突状细胞 | NA | NA | NA | NA |
| 2824 | 2025-10-07 |
Predicting Seizures Episodes and High-Risk Events in Autism Through Adverse Behavioral Patterns
2025-Jan-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.05.06.24306938
PMID:38766049
|
研究论文 | 本研究开发基于深度学习的算法，通过分析自闭症患者的行为模式预测次日高风险行为和癫痫发作 | 首次将深度学习应用于自闭症患者行为数据分析，实现多种高风险行为和癫痫发作的提前预测 | 研究样本仅限于331名重度自闭症儿童，未包含其他程度或年龄段的患者 | 预测自闭症患者次日高风险行为和癫痫发作，为早期干预提供支持 | 331名重度自闭症谱系障碍儿童 | 机器学习 | 自闭症谱系障碍 | 行为数据分析 | 深度学习 | 行为数据和癫痫数据 | 331名儿童，数据跨度9年 | NA | NA | 准确率 | NA |
| 2825 | 2025-01-16 |
Automatic segmentation model and machine learning model grounded in ultrasound radiomics for distinguishing between low malignant risk and intermediate-high malignant risk of adnexal masses
2025-Jan-13, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01874-7
PMID:39804536
|
研究论文 | 本文开发了一种自动分割模型来描绘附件肿块，并构建了一个基于卵巢附件报告和数据系统（O-RADS）的机器学习模型，以区分附件肿块的低恶性风险和中高恶性风险 | 结合深度学习分割模型和机器学习模型，利用超声影像组学特征进行附件肿块的风险分类，并通过SHapley Additive exPlanations进行模型解释和可视化 | 研究样本量相对有限，且仅基于超声影像数据，未考虑其他影像模态或多模态数据 | 开发自动分割和机器学习模型，用于附件肿块的风险分类 | 附件肿块的超声影像 | 医学影像分析 | 卵巢癌 | 超声影像组学 | FCN ResNet101, SVM, LightGBM | 图像 | 663张附件肿块的超声影像（低恶性风险446张，中高恶性风险217张） | NA | NA | NA | NA |
| 2826 | 2025-01-16 |
Physics-informed deep learning quantifies propagated uncertainty in seismic structure and hypocenter determination
2025-Jan-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84995-9
PMID:39805860
|
研究论文 | 本文采用物理信息深度学习（PIDL）方法，量化二维地震速度结构建模中的不确定性及其对震源定位的影响 | 通过引入神经网络集成，结合主动地震调查数据、地震观测数据和波前运动的物理方程，首次量化了地震速度结构模型中的不确定性及其对震源定位的影响 | 研究仅针对日本西南部的一次地震进行了分析，未在其他地区或更大规模的数据集上验证 | 研究目的是通过物理信息深度学习（PIDL）方法，量化地震速度结构建模中的不确定性及其对震源定位的影响 | 地震速度结构模型和震源定位 | 地球物理学 | NA | 物理信息深度学习（PIDL） | 神经网络集成 | 地震调查数据、地震观测数据 | 日本西南部的一次地震数据 | NA | NA | NA | NA |
| 2827 | 2025-10-07 |
Precise Large-Scale Chemical Transformations on Surfaces: Deep Learning Meets Scanning Probe Microscopy with Interpretability
2025-Jan-08, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.4c14757
PMID:39680589
|
研究论文 | 开发了名为AutoOSS的软件基础设施，通过深度学习实现扫描探针显微镜的自动化操作，用于大规模表面化学转化 | 结合神经网络模型解释STM输出和深度强化学习优化操作参数，实现自动化溴原子移除 | 目前仅针对特定分子体系（ZnBrMeDPP/Au(111)）进行验证 | 开发自主高效的SPM技术以实现精确的原子分子操控和化学反应控制 | Au(111)表面上的Zn(II)-5,15-双(4-溴-2,6-二甲基苯基)卟啉分子 | 机器学习 | NA | 扫描隧道显微镜，贝叶斯优化结构搜索，密度泛函理论 | 神经网络，深度强化学习 | STM图像 | 数百个ZnBrMeDPP分子 | NA | NA | NA | NA |
| 2828 | 2025-10-07 |
Integrating Deep Learning-Based Dose Distribution Prediction with Bayesian Networks for Decision Support in Radiotherapy for Upper Gastrointestinal Cancer
2025-Jan, Cancer research and treatment
IF:4.1Q2
DOI:10.4143/crt.2024.333
PMID:39091147
|
研究论文 | 本研究开发了一种结合深度学习剂量分布预测和贝叶斯网络的决策支持算法，用于上消化道癌症放疗方案选择 | 首次将三维U-Net深度学习模型预测的剂量分布与贝叶斯网络结合，创建了个性化放疗方案决策支持系统 | 研究样本量较小（65例患者），且为回顾性分析 | 开发基于深度学习和临床数据的决策支持算法，优化上消化道癌症放疗方案选择 | 65例接受TBX和MRG模拟计划的肝或胰腺癌患者 | 医疗人工智能 | 上消化道癌症 | 放射治疗计划，剂量体积直方图分析 | 三维U-Net, 贝叶斯网络 | 医学影像数据，临床数据 | 65例患者 | NA | 三维U-Net | AUC | NA |
| 2829 | 2025-10-07 |
Integrated Transcriptomic Landscape and Deep Learning Based Survival Prediction in Uterine Sarcomas
2025-Jan, Cancer research and treatment
IF:4.1Q2
DOI:10.4143/crt.2024.343
PMID:38993092
|
研究论文 | 本研究通过整合转录组学分析和深度学习模型，探索子宫肉瘤的基因组特征并开发生存预测方法 | 发现了子宫肉瘤中新的基因融合位点MRPS18A-PDC-AS1，并开发了基于Max-Mean Non-Local多实例学习的深度学习生存预测模型 | 样本量相对有限（71例），且包含多种罕见亚型 | 阐明子宫肉瘤的基因组特征并建立患者生存预测模型 | 子宫肉瘤患者组织样本 | 数字病理学 | 子宫肉瘤 | RNA测序 | 深度学习 | 基因表达数据 | 71例子宫肉瘤样本（47例ESS，18例uLMS，3例腺肉瘤，2例癌肉瘤，1例卵巢性索样肿瘤） | NA | Max-Mean Non-Local多实例学习（MMN-MIL） | AUC, 准确率 | NA |
| 2830 | 2025-10-07 |
Molecular Classification of Breast Cancer Using Weakly Supervised Learning
2025-Jan, Cancer research and treatment
IF:4.1Q2
DOI:10.4143/crt.2024.113
PMID:38938010
|
研究论文 | 本研究利用弱监督学习方法对乳腺癌分子亚型进行分类 | 采用弱监督学习从全切片图像中开发深度学习模型，无需大量手动标注 | 存在亚型不平衡问题以及不同数据集间的分子亚型比例差异 | 乳腺癌分子亚型分类 | 乳腺癌全切片图像 | 数字病理学 | 乳腺癌 | 弱监督学习 | 深度学习 | 全切片图像 | 来自韩国高丽大学九老医院和癌症基因组图谱的两个数据集 | NA | 基于注意力的模型 | AUC | NA |
| 2831 | 2025-10-07 |
Machine Learning and Deep Learning Applications in Magnetic Particle Imaging
2025-Jan, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29294
PMID:38358090
|
综述 | 本文总结和回顾了机器学习和深度学习在磁粒子成像中的应用及其未来潜力 | 系统梳理了人工智能方法在磁粒子成像这一新兴成像技术中的应用现状和发展前景 | 证据等级为5级，技术效能处于第一阶段，表明研究仍处于初步探索阶段 | 探讨机器学习和深度学习模型在磁粒子成像中的应用价值 | 磁粒子成像技术及其图像重建和分析方法 | 机器学习 | NA | 磁粒子成像 | 机器学习,深度学习 | 2D和3D医学图像 | NA | NA | NA | NA | NA |
| 2832 | 2025-10-07 |
An efficient ranking-based ensembled multiclassifier for neurodegenerative diseases classification using deep learning
2025-Jan, Journal of neural transmission (Vienna, Austria : 1996)
DOI:10.1007/s00702-024-02830-x
PMID:39249515
|
研究论文 | 提出一种基于排序的集成多分类器方法，使用深度学习对神经退行性疾病进行分类 | 开发了基于权重策略的排序集成方法，结合五种深度学习分类器 | 仅使用ADNI和PPMI两个数据集进行验证，未在其他数据集上测试 | 提高神经退行性疾病的分类准确率 | 阿尔茨海默病和帕金森病患者 | 机器学习 | 神经退行性疾病 | 磁共振成像 | 深度学习集成模型 | 医学影像 | ADNI和PPMI数据集 | NA | 五种深度学习模型 | 准确率 | NA |
| 2833 | 2025-10-07 |
Deep learning in Cobb angle automated measurement on X-rays: a systematic review and meta-analysis
2025-Jan, Spine deformity
IF:1.6Q3
DOI:10.1007/s43390-024-00954-4
PMID:39320698
|
系统综述与荟萃分析 | 本研究系统回顾了X光片上自动测量Cobb角的不同深度学习算法，并通过荟萃分析评估其性能 | 首次对Cobb角自动测量的深度学习算法进行系统综述和荟萃分析，比较了基于分割和基于关键点两种方法的性能差异 | 纳入研究的异质性较高(94%)，仅包含17项研究进行荟萃分析，结果存在一定局限性 | 概述不同深度学习算法在Cobb角自动测量中的应用，识别局限性并总结改进方案 | X光片中的脊柱Cobb角测量 | 计算机视觉 | 脊柱侧弯 | 深度学习算法 | 深度学习模型 | X光图像 | 系统检索获得120篇文章（n=3022），最终纳入50项研究进行系统综述，17项研究进行荟萃分析 | NA | NA | 圆形平均绝对误差(CMAE) | NA |
| 2834 | 2025-10-07 |
Fragmentation in patchy ecosystems: a call for a functional approach
2025-Jan, Trends in ecology & evolution
IF:16.7Q1
DOI:10.1016/j.tree.2024.09.004
PMID:39510920
|
研究论文 | 本文探讨了将森林破碎化原则应用于自然斑块状生态系统（如稀树草原）的问题，并提出基于景观功能性的破碎化识别方法 | 提出基于连通性的景观功能性方法来识别生态系统破碎化，突破了传统仅依赖植被结构的破碎化评估框架 | NA | 改进斑块状生态系统的破碎化评估方法，促进对生态系统动态的更好理解 | 自然斑块状生态系统（以稀树草原为例） | 生态学 | NA | 遥感技术, 实地测量 | 深度学习 | 遥感数据, 实地测量数据 | NA | NA | NA | NA | NA |
| 2835 | 2025-10-07 |
Protein Binding Site Representation in Latent Space
2025-Jan, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.202400205
PMID:39692081
|
研究论文 | 本研究探索了图神经网络在蛋白质-配体复合物亲和力预测中学习到的结合位点潜在表示的空间结构及其与蛋白质功能的关系 | 提出了用于潜在空间降维、聚类、假设检验和可视化的自动化计算流程，并发现学习的蛋白质潜在空间具有固有结构而非随机分布 | NA | 理解深度学习模型对特征的表征能力，提高计算机辅助药物发现中模型的可解释性和可靠性 | 蛋白质-配体复合物的结合位点 | 机器学习 | NA | 图神经网络 | 图神经网络 | 蛋白质-配体复合物结构数据 | NA | NA | 图神经网络 | NA | NA |
| 2836 | 2025-01-16 |
Advances in modeling cellular state dynamics: integrating omics data and predictive techniques
2025, Animal cells and systems
IF:2.5Q1
DOI:10.1080/19768354.2024.2449518
PMID:39807350
|
综述 | 本文综述了当前用于建模细胞状态动态的方法，包括从动态或静态生物分子网络模型到深度学习模型的技术 | 强调了如何将这些方法与转录组学和单细胞RNA测序等多种组学数据整合，以捕捉和预测细胞行为和转变 | 讨论了这些方法在可扩展性和分辨率要求方面的局限性，这些要求根据研究生物系统的复杂性和大小而变化 | 旨在指导未来研究开发更强大和可解释的模型，以理解和操纵各种生物背景下的细胞状态动态，最终推进治疗策略和精准医学 | 细胞状态动态 | 机器学习 | NA | 转录组学, 单细胞RNA测序 | 深度学习模型 | 组学数据 | NA | NA | NA | NA | NA |
| 2837 | 2025-01-16 |
Utilizing deep learning to predict Alzheimer's disease and mild cognitive impairment with optical coherence tomography
2025 Jan-Mar, Alzheimer's & dementia (Amsterdam, Netherlands)
DOI:10.1002/dad2.70041
PMID:39811700
|
研究论文 | 本研究开发了一种基于光学相干断层扫描（OCT）的深度学习算法，用于预测阿尔茨海默病（AD）和轻度认知障碍（MCI） | 开发了一种集成三边深度学习模型，显著优于单一非深度学习模型，展示了OCT图像在AD和MCI检测中的潜力 | 深度学习模型与传统统计模型的性能相当，选择哪种模型可能取决于计算资源、可解释性偏好和临床需求 | 开发一种基于OCT的深度学习算法，用于检测AD和MCI | 228名亚洲参与者（173例病例/55例对照）用于模型开发和测试，68名亚洲（52例病例/16例对照）和85名白人（39例病例/46例对照）参与者用于测试 | 数字病理学 | 老年疾病 | 光学相干断层扫描（OCT） | 集成三边深度学习模型 | 图像 | 228名亚洲参与者用于模型开发，68名亚洲和85名白人参与者用于测试 | NA | NA | NA | NA |
| 2838 | 2025-10-07 |
De novo generation of dual-target compounds using artificial intelligence
2025-Jan-17, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111526
PMID:39801837
|
研究论文 | 本文提出基于人工智能的方法设计可与多个治疗靶点相互作用的化合物化学结构 | 首次结合基于片段的遗传算法和基于生成对抗网络的深度强化学习方法进行多靶点化合物设计 | 仅合成和评估了10种化合物，样本量较小 | 开发人工智能方法用于多靶点化合物的理性设计 | 支气管哮喘的两个治疗靶点ADORA2A和PDE4D | 机器学习 | 支气管哮喘 | 结合实验验证 | GAN, 强化学习 | 化学结构数据 | 10种合成化合物，39种靶向人类蛋白 | NA | 生成对抗网络 | 结合特异性 | NA |
| 2839 | 2025-10-07 |
A two-stage deep learning-based hybrid model for daily wind speed forecasting
2025-Jan-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e41026
PMID:39801963
|
研究论文 | 提出一种基于两阶段深度学习的混合模型用于每日风速预测 | 首次将TVFEMD与GB和LSTM进行同步混合，创建了TVFEMD-GB-LSTM混合模型 | NA | 提高风速预测可靠性以优化风力涡轮机设置效率 | 风速数据 | 机器学习 | NA | 时间变化滤波经验模态分解(TVFEMD) | LSTM, Gradient Boosting, Random Forest | 时间序列数据 | NA | NA | TVFEMD-GB-LSTM混合架构 | NA | NA |
| 2840 | 2025-10-07 |
SecEdge: A novel deep learning framework for real-time cybersecurity in mobile IoT environments
2025-Jan-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e40874
PMID:39801973
|
研究论文 | 提出一种名为SecEdge的新型深度学习框架，用于增强移动物联网环境中的实时网络安全 | 集成基于Transformer的模型处理长程依赖关系，结合图神经网络建模关系数据，并采用联邦学习确保数据隐私和降低延迟 | 在模拟环境中进行评估，未在真实物联网部署中进行验证 | 解决移动物联网环境中的实时网络安全挑战 | 物联网设备和网络安全威胁 | 机器学习 | NA | 深度学习 | Transformer, GNN | 网络安全数据集 | NSL-KDD、UNSW-NB15和CICIDS2017三个数据集 | NA | Transformer, Graph Neural Networks | 检测率 | 模拟环境 |