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 3694 篇文献，本页显示第 3241 - 3260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3241 | 2025-10-07 |
Two-Dimensional Transition Metal Dichalcogenides: A Theory and Simulation Perspective
2025-Jan-22, Chemical reviews
IF:51.4Q1
DOI:10.1021/acs.chemrev.4c00628
PMID:39746214
|
综述 | 本文从理论和模拟的角度综述了二维过渡金属二硫化物（2D TMDs）的研究进展 | 系统总结了理论和模拟在理解扭曲莫尔TMDs特性、预测量子相、阐明合成过程及设计新型器件方面的关键贡献 | 未涉及实验验证的具体细节，主要聚焦理论方法的局限性和未来挑战 | 探讨理论和模拟方法在推动2D TMDs基础研究和应用开发中的作用 | 二维过渡金属二硫化物材料 | 材料科学 | NA | 深度学习, 分子动力学, 高通量计算, 多尺度方法 | NA | 模拟数据 | NA | NA | NA | NA | NA |
| 3242 | 2025-10-07 |
A fusion model of manually extracted visual features and deep learning features for rebleeding risk stratification in peptic ulcers
2025-Jan-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|
研究论文 | 提出融合手动提取特征和深度学习特征的多特征融合模型，用于消化性溃疡再出血风险分层 | 首次将手动提取的视觉特征（颜色、边缘、纹理）与CNN深度特征融合用于消化性溃疡再出血风险分级 | NA | 提高消化性溃疡再出血风险分级的准确性 | 消化性溃疡患者的内镜图像 | 计算机视觉 | 消化性溃疡 | 内镜成像 | CNN | 图像 | 708名患者的3573张图像 | NA | CNN | 准确率,F1分数 | NA |
| 3243 | 2025-10-07 |
Comparison of 1D and 3D volume measurement techniques in NF2-associated vestibular schwannoma monitoring
2025-Jan-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85386-4
PMID:39824854
|
研究论文 | 比较1D线性测量和3D分割体积分析在NF2相关前庭神经鞘瘤监测中的效果 | 首次系统比较多种1D测量方法与3D分割体积分析在NF2相关前庭神经鞘瘤监测中的相关性及适用性 | 小肿瘤和术后肿瘤的测量结果存在较大离散范围，不适用于需要精确肿瘤体积评估的治疗决策 | 评估不同肿瘤体积测量方法在NF2相关前庭神经鞘瘤监测中的有效性和适用性 | NF2患者的前庭神经鞘瘤 | 医学影像分析 | 神经纤维瘤病2型相关前庭神经鞘瘤 | MRI成像，3D分割体积分析，线性测量 | 线性回归模型 | MRI图像 | 149名NF2患者，292个相关前庭神经鞘瘤，2586次SVA测量，10344次线性测量 | NA | NA | 相关系数r，p值，百分比偏差分析 | NA |
| 3244 | 2025-10-07 |
Exploring the anticancer activities of Sulfur and magnesium oxide through integration of deep learning and fuzzy rough set analyses based on the features of Vidarabine alkaloid
2025-Jan-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82483-8
PMID:39824867
|
研究论文 | 结合深度学习和模糊粗糙集分析，基于Vidarabine生物碱特征探索硫和氧化镁的抗癌活性 | 首次将深度学习、模糊粗糙集理论和可解释人工智能相结合，用于从天然产物中重新发现抗癌药物 | 仅针对三种癌细胞系进行验证，需要进一步的临床前研究 | 发现基于天然产物Vidarabine的新型抗癌候选药物 | 硫和氧化镁作为潜在抗癌剂 | 机器学习 | 肺癌 | 深度学习，模糊粗糙集分析，可解释人工智能 | 深度学习模型 | 化学化合物特征数据 | 三种癌细胞系（A-549非小细胞肺癌，A-375人黑色素瘤，A-431人表皮皮肤癌） | NA | NA | IC50值（半抑制浓度） | NA |
| 3245 | 2025-10-07 |
F-CPI: A Multimodal Deep Learning Approach for Predicting Compound Bioactivity Changes Induced by Fluorine Substitution
2025-01-09, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.4c02668
PMID:39707149
|
研究论文 | 开发了一种名为F-CPI的多模态深度学习模型，用于预测氟取代引起的化合物生物活性变化 | 首个专门针对氟取代化合物生物活性变化预测的多模态深度学习模型 | 氟取代对化合物与蛋白质相互作用的影响机制仍不明确 | 预测氟取代引起的化合物生物活性变化 | 氟取代和非氟取代化合物对 | 机器学习 | 传染病 | 深度学习 | 多模态深度学习 | 化合物结构数据 | 111,168对氟取代和非氟取代化合物 | NA | F-CPI | 准确率, 精确率, 召回率 | NA |
| 3246 | 2025-10-07 |
Application of machine learning algorithms in predicting new onset hypertension: a study based on the China Health and Nutrition Survey
2025, Environmental health and preventive medicine
IF:4.0Q1
DOI:10.1265/ehpm.24-00270
PMID:39805606
|
研究论文 | 本研究基于中国健康与营养调查数据，应用机器学习算法预测新发高血压风险 | 首次将AMFormer模型应用于新发高血压预测，并在六种算法中表现最佳 | 研究基于特定队列数据，外部验证和泛化能力需进一步验证 | 预测新发高血压风险并识别相关特征 | 中国健康与营养调查中基线无高血压的参与者 | 机器学习 | 心血管疾病 | 流行病学调查 | Logistic Regression, Support Vector Machine, XGBoost, LightGBM, TabNet, AMFormer | 表格数据 | 4982名参与者，其中1017人在4年随访期间发生高血压 | NA | AMFormer, TabNet | AUC, MCC, F1-score | NA |
| 3247 | 2025-10-07 |
A Self-supervised Deep Learning Model for Diagonal Sulcus Detection with Limited Labeled Data
2025-Jan, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-024-09700-7
PMID:39777603
|
研究论文 | 提出一种基于自监督学习的深度学习模型，用于在有限标注数据条件下检测大脑对角线沟 | 首次采用自监督预训练与微调相结合的方法，利用未标注数据学习大脑形态特征，有效解决标注数据稀缺情况下的对角线沟检测问题 | 训练标注数据量有限，模型性能可能受到标注者间一致性的影响 | 开发自动检测大脑对角线沟的深度学习模型 | 大脑结构中的对角线沟 | 医学影像分析 | 神经系统相关 | 自监督学习 | 卷积自编码器 | 脑部影像数据 | 有限标注数据集和未标注数据集 | NA | 卷积自编码器 | F1-score | NA |
| 3248 | 2025-01-23 |
Right Ventricular Function: Deep Learning's Prognostic Edge in Mitral Regurgitation
2025-Jan, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.124.017788
PMID:39836731
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3249 | 2025-10-07 |
Error compensated MOF-based ReRAM array for encrypted logical operations
2025-Jan-21, Dalton transactions (Cambridge, England : 2003)
DOI:10.1039/d4dt02880e
PMID:39625410
|
研究论文 | 本研究开发了一种基于金属有机框架的忆阻器阵列，用于实现加密逻辑运算和低错误率信息读取 | 利用参数不均匀的'非理想'MOF基ReRAM阵列实现加密逻辑运算，通过深度学习达到95%读取准确率 | 仅使用6×6小规模阵列进行验证，参数变异达50% | 开发基于MOF的ReRAM阵列用于加密逻辑运算和信息存储 | 金属有机框架忆阻器阵列 | 机器学习 | NA | ReRAM技术 | 深度学习 | 电子参数数据 | 6×6忆阻器单元阵列 | NA | NA | 准确率 | NA |
| 3250 | 2025-10-07 |
Cross-modality PET image synthesis for Parkinson's Disease diagnosis: a leap from [18F]FDG to [11C]CFT
2025-Jan-20, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07096-3
PMID:39828866
|
研究论文 | 开发深度学习框架从[18F]FDG PET图像合成[11C]CFT PET图像，用于帕金森病诊断 | 利用跨模态相关性实现从[18F]FDG到[11C]CFT PET图像的合成，解决[11C]CFT PET在临床中不可及的问题 | NA | 通过合成[11C]CFT PET图像提升帕金森病诊断能力 | 帕金森病患者和正常对照者 | 医学影像分析 | 帕金森病 | PET成像 | 深度学习 | PET图像 | 604名参与者（274名帕金森病患者，330名正常对照） | NA | NA | PSNR, SSIM, 准确率, AUC | NA |
| 3251 | 2025-10-07 |
Performance and clinical implications of machine learning models for detecting cervical ossification of the posterior longitudinal ligament: a systematic review
2025-Jan-20, Asian spine journal
IF:2.3Q2
DOI:10.31616/asj.2024.0452
PMID:39829182
|
系统综述 | 评估机器学习和深度学习模型在检测颈椎后纵韧带骨化症中的诊断性能和临床意义 | 首次系统评估ML和DL模型在OPLL检测中的应用性能，涵盖多种算法和较大样本量 | 纳入研究的偏倚风险总体为中等，主要关注点在于受试者选择和缺失数据 | 评估机器学习和深度学习模型在颈椎后纵韧带骨化症检测中的诊断性能 | 颈椎后纵韧带骨化症(OPLL)患者 | 医学影像分析 | 脊柱疾病 | 医学影像技术 | CNN,随机森林 | 影像数据 | 6,031名患者 | NA | 卷积神经网络,随机森林 | 准确率,敏感性,特异性,AUC | NA |
| 3252 | 2025-01-22 |
Performance analysis of image retrieval system using deep learning techniques
2025-Jan-20, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2451388
PMID:39832139
|
研究论文 | 本文提出了一种基于深度学习的图像检索系统，用于提高图像检索的效率和准确性 | 提出了一种新的基于RETCNN的CBIR系统，能够同时处理彩色图像和灰度图像，并显著减少检索时间 | 未提及系统在处理大规模数据集时的性能表现 | 提高图像检索系统的检索效率和准确性 | 通用图像（GI）和医学图像（MI） | 计算机视觉 | NA | 深度学习 | RETCNN | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 3253 | 2025-10-07 |
Enhancing predictive accuracy for urinary tract infections post-pediatric pyeloplasty with explainable AI: an ensemble TabNet approach
2025-Jan-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82282-1
PMID:39828726
|
研究论文 | 本研究开发了一种结合机器学习和深度学习的集成模型，用于预测小儿肾盂成形术后尿路感染 | 首次提出结合机器学习和深度学习的集成预测模型，并应用SHAP进行模型解释，识别eGFR和ALB作为重要预测因子 | 回顾性研究，证据等级IV级，无对照组 | 提高小儿肾盂成形术后尿路感染的预测准确性 | 764例接受单侧肾盂成形术的儿科患者 | 机器学习 | 泌尿系统疾病 | 机器学习，深度学习 | 集成学习，Logistic回归，SVM，随机森林，XGBoost，LightGBM，TabNet | 临床数据 | 764例儿科患者，其中265例(34.7%)发生术后尿路感染 | NA | 集成学习模型(结合LightGBM和TabNet，Logistic回归元学习器) | 准确率，AUC | NA |
| 3254 | 2025-10-07 |
Secure channel estimation model for cognitive radio network physical layer security using two-level shared key authentication
2025-Jan-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86165-x
PMID:39828744
|
研究论文 | 提出一种基于信道状态信息和深度学习的认知无线电网络安全信道估计模型，通过两级共享密钥认证增强物理层安全性 | 结合信道状态信息与深度学习算法，采用两级共享密钥认证机制，在变化信道条件下实现高安全性的物理层通信 | 未明确说明模型在极端干扰环境下的性能表现及计算复杂度分析 | 提高认知无线电网络物理层安全性的保密性、可用性和完整性 | 认知无线电网络中的主用户和次用户之间的通信安全 | 机器学习 | NA | 深度学习 | 深度学习算法 | 信道状态信息 | NA | NA | NA | 保密率, 检测概率, 干扰率 | NA |
| 3255 | 2025-10-07 |
Integrating Deep Learning Derived Morphological Traits and Molecular Data for Total-Evidence Phylogenetics: Lessons from Digitized Collections
2025-Jan-18, Systematic biology
IF:6.1Q1
DOI:10.1093/sysbio/syae072
PMID:39826140
|
研究论文 | 探索将深度学习提取的形态特征与分子数据结合用于全证据系统发育分析的方法 | 首次系统评估深度学习提取的形态特征在系统发育分析中的表现，并探索其与分子数据结合的最佳策略 | 深度学习提取的形态特征系统发育信号强度有限，数据获取资源需求较高 | 开发结合深度学习和分子数据的全证据系统发育分析方法 | 针插昆虫标本图像，特别是隐翅虫标本 | 计算机视觉, 生物信息学 | NA | 深度学习, 分子系统发育分析 | 深度学习模型 | 图像, 分子数据 | 隐翅虫图像数据集 | NA | 对比学习网络 | 系统发育分析性能 | NA |
| 3256 | 2025-10-07 |
Predicting metabolite response to dietary intervention using deep learning
2025-Jan-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56165-6
PMID:39827177
|
研究论文 | 开发了一种基于深度学习的代谢物对饮食干预反应预测方法McMLP | 首次将耦合多层感知器(MLP)应用于代谢物反应预测，填补了深度学习在该领域的空白 | 方法在真实数据上的验证依赖于文献证据而非实验验证 | 基于个体肠道微生物组成预测代谢物对饮食干预的反应，实现精准营养 | 肠道微生物组与代谢物反应 | 机器学习 | NA | 深度学习 | MLP | 微生物组成数据、代谢物数据 | 来自六项饮食干预研究的真实数据及合成数据 | NA | 耦合多层感知器 | 敏感性分析 | NA |
| 3257 | 2025-10-07 |
A small underwater object detection model with enhanced feature extraction and fusion
2025-Jan-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85961-9
PMID:39827179
|
研究论文 | 提出一种用于水下小目标检测的高效深度卷积网络模型，通过增强特征提取和融合能力提升检测性能 | 提出CSPSL模块增强特征保留、VKConv动态调整卷积核尺寸、SPPFMS方法有效保留小目标特征 | NA | 解决水下环境中小目标检测因环境复杂、目标信息有限和计算资源受限带来的挑战 | 水下小目标 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | UDD和DUO数据集 | NA | CSPSL, VKConv, SPPFMS | 检测精度, 计算成本 | NA |
| 3258 | 2025-10-07 |
The first geospatial dataset of irrigated fields (2020-2024) in Vojvodina (Serbia)
2025-Jan-18, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04443-9
PMID:39827194
|
研究论文 | 本文创建了塞尔维亚伏伊伏丁那地区2020-2024年灌溉田地的首个地理空间数据集 | 提供了该地区首个包含位置、作物类型和灌溉设备信息的五年期地理参考灌溉田地数据集 | 高质量训练数据收集仍然成本高昂且劳动密集 | 为可持续水资源管理和农业开发提供灌溉田地测绘数据支持 | 伏伊伏丁那地区的玉米、大豆、甜菜和小麦四种主要灌溉作物 | 地理空间分析 | NA | 卫星遥感 | NA | 地理空间数据、卫星影像 | 1256个地块 | NA | NA | NA | NA |
| 3259 | 2025-10-07 |
Advancements in Frank's sign Identification using deep learning on 3D brain MRI
2025-Jan-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82756-2
PMID:39827273
|
研究论文 | 本研究开发了一种基于深度学习的自动化Frank's sign检测模型，用于3D脑部MRI图像分析 | 首次将深度学习应用于Frank's sign的自动分割，并在多个外部数据集上验证模型性能 | 研究仅基于有限样本量（400个训练样本），需要更大规模数据验证 | 开发自动化的Frank's sign检测方法以解决缺乏标准化识别工具的问题 | 从脑部MRI扫描中提取的3D面部图像 | 计算机视觉 | 老年疾病 | MRI扫描 | 深度学习 | 3D图像 | 400个脑部MRI扫描（训练集）+ 600个外部验证扫描 | NA | U-net | Dice相似系数, ROC曲线下面积, 组内相关系数, 灵敏度, 特异性, 准确度 | NA |
| 3260 | 2025-10-07 |
Multiscale wildfire and smoke detection in complex drone forest environments based on YOLOv8
2025-Jan-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86239-w
PMID:39827308
|
研究论文 | 提出基于YOLOv8改进的多尺度森林火灾和烟雾检测模型，用于复杂无人机森林环境 | 在C2F模块中使用局部卷积替代全卷积并集成EMA模块，在Backbone中引入结合Softmax和线性注意力的AgentAttention模块，设计自适应融合全局和局部特征的BiFormer模块 | NA | 提升复杂森林环境中无人机火灾监测的准确性和鲁棒性 | 森林环境中的火焰和烟雾 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 图像 | NA | PyTorch | YOLOv8, C2F, EMA, AgentAttention, BiFormer | 准确率, 召回率, FPS, GFLOPs, 参数量 | NA |