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 641 - 660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 641 | 2025-11-24 |
Enhancing rehabilitation in stroke survivors: a deep learning approach to access upper extremity movement using accelerometry data
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1547127
PMID:41267816
|
研究论文 | 本研究开发了一种基于卷积神经网络和密集层的深度学习方法来分类中风幸存者上肢的功能性和非功能性运动 | 使用原始加速度计数据无需手动特征提取，结合CNN与密集层实现更高精度的运动分类 | 样本量相对有限，模型性能在不同受试者间存在差异 | 开发客观测量工具以评估中风幸存者上肢康复效果 | 中风幸存者的上肢运动数据 | 机器学习 | 中风 | 加速度计数据采集 | CNN | 传感器数据 | 未明确具体样本数量，但包含个体内和跨个体模型 | NA | CNN with Dense layers | 准确率 | NA |
| 642 | 2025-11-24 |
CADFFNet: a dual-branch neural network for non-destructive detection of cigar leaf moisture content during air-curing stage
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1698427
PMID:41267935
|
研究论文 | 提出一种基于双分支神经网络的雪茄烟叶含水率无损检测方法 | 首次构建双视角图像数据集，提出通道注意力机制的双分支特征融合网络，实现雪茄烟叶前后表面特征的互补提取 | 未明确说明样本数量，泛化能力仍需在更多作物上验证 | 开发雪茄烟叶调制过程中含水率的无损检测方法 | 雪茄烟叶在空气调制过程中的双视角RGB图像 | 计算机视觉 | NA | 双视角RGB成像 | CNN | 图像 | NA | NA | ResNet, CADFFNet, DECA, MSCFF | R2, MAE | NA |
| 643 | 2025-11-24 |
ParaDeep: sequence-based deep learning for residue-level paratope prediction using chain-aware BiLSTM-CNN models
2025, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2025.1684042
PMID:41268176
|
研究论文 | 提出ParaDeep深度学习框架，基于氨基酸序列进行残基水平抗体互补位预测 | 开发轻量级可解释深度学习框架，结合双向长短期记忆网络与一维卷积层，仅需序列输入即可实现高性能预测 | 轻链预测性能相对较低，对结构上下文依赖更强 | 开发仅基于序列的抗体互补位预测方法 | 抗体氨基酸序列 | 生物信息学 | NA | 深度学习 | BiLSTM, CNN | 序列数据 | NA | PyTorch | BiLSTM-CNN | F1-score, MCC | Google Colab |
| 644 | 2025-11-24 |
KAN-SleepNet: A deep learning model combining Kolmogorov-Arnold Networks and bidirectional LSTM for automated sleep staging using EEG signals
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251398440
PMID:41268191
|
研究论文 | 提出结合Kolmogorov-Arnold Networks和双向LSTM的深度学习模型KAN-SleepNet，用于基于单通道脑电信号的自动睡眠分期 | 首次将Kolmogorov-Arnold Networks与卷积神经网络结合形成ConvKAN模块，并与双向LSTM集成用于睡眠分期任务 | 仅使用单通道EEG信号，未探索多模态数据融合；在N1睡眠阶段的识别性能仍有提升空间 | 开发高效的自动睡眠分期方法以辅助临床睡眠分析 | 睡眠脑电信号和睡眠阶段分类 | 数字病理 | 睡眠障碍 | 脑电图 | CNN, LSTM, KAN | 脑电信号 | SleepEDF-78数据集：78名受试者的153条记录；ISRUC-S1数据集：100名受试者的100条记录 | NA | ConvKAN, Bidirectional LSTM | 准确率, F1分数, Cohen's Kappa | NA |
| 645 | 2025-11-24 |
Limited echocardiogram acquisition by novice clinicians aided with deep learning: A randomized controlled trial
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf083
PMID:41268207
|
随机对照试验 | 评估深度学习辅助设备对无心脏超声培训的医护人员获取多视图有限超声心动图的影响 | 首次在随机对照试验中证明深度学习算法能显著提高新手操作者的超声图像采集速度和图像质量 | 单中心研究，样本量较小(n=38)，仅评估了短期(两周)使用效果 | 验证深度学习辅助设备能否改善无超声培训医护人员的超声心动图采集能力 | 38名无超声培训的内科住院医师 | 医学影像分析 | 心血管疾病 | 超声心动图 | 深度学习算法 | 超声图像 | 38名内科住院医师(19人使用DL设备，19人使用非DL设备) | NA | NA | 采集时间，改良RACE评分，Cohen's d效应量 | 便携式超声设备集成深度学习软件 |
| 646 | 2025-11-24 |
Detecting environmental barriers affecting older adult pedestrians via Gramian angular field-based CNN of smartphone sensor data
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1697589
PMID:41268413
|
研究论文 | 本研究通过将智能手机IMU传感器数据转换为格拉米角场图像，利用轻量级CNN检测影响老年行人步态的环境障碍物 | 首次将时间序列IMU数据转换为GAF图像用于环境障碍检测，实现了比传统阈值法和最大李雅普诺夫指数方法更高的准确率 | 研究样本量较小（20名老年人），仅在特定城市路线上进行验证 | 开发实时个性化环境障碍检测方法以提升老年人步行安全性 | 老年行人及其在步行过程中遇到的环境障碍物 | 计算机视觉 | 老年疾病 | 智能手机IMU传感器数据采集 | CNN | 图像 | 20名老年人，1.2公里城市路线 | NA | 轻量级CNN | 准确率, 灵敏度, 特异性, F1分数 | NA |
| 647 | 2025-11-23 |
Single Cell Spatial Transcriptomics Reveals Immunotherapy-Driven Bone Marrow Niche Remodeling in AML
2025-Jan-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.24.634753
PMID:39975227
|
研究论文 | 本研究通过单细胞空间转录组学分析免疫治疗对急性髓系白血病骨髓微环境的重塑作用 | 整合单细胞RNA测序与空间转录组数据，开发基于深度学习的细胞分割模型，采用细胞边缘距离计算方法更精确分析肿瘤微环境 | 测序深度限制，样本量有限 | 研究免疫治疗对急性髓系白血病骨髓微环境中白血病细胞与免疫细胞时空相互作用的影响 | 难治性或复发性急性髓系白血病患者的骨髓样本 | 数字病理学 | 急性髓系白血病 | 单细胞RNA测序, 空间转录组学, 多组学分析 | 深度学习分割模型 | 空间转录组数据, 单细胞RNA测序数据, 图像数据 | NA | NA | NA | NA | NA |
| 648 | 2025-11-23 |
Robust Human Gait Speed Recognition Under Non-Ideal Conditions for Suspension-Assisted Walking Systems
2025 Jan-Dec, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.70029
PMID:41262208
|
研究论文 | 提出一种基于IMU信号和混合深度学习模型的步态速度识别框架，用于非理想条件下的可靠步态分析 | 融合CNN和BiLSTM的混合深度学习模型，结合多传感器数据融合和两阶段特征选择策略，在非理想条件下实现高精度步态速度识别 | 仅使用8名健康受试者数据，未在患者群体中验证，样本规模有限 | 开发在非理想条件下鲁棒的步态速度识别方法，用于移动能力评估和智能辅助系统 | 健康受试者的下肢运动数据 | 机器学习 | NA | 惯性测量单元(IMU)信号采集，快速傅里叶变换(FFT)，连续小波变换(CWT) | CNN, BiLSTM, LSTM, GRU, BP | 运动传感器数据 | 8名健康受试者 | NA | CNN-BiLSTM混合模型 | 准确率, 均方根误差(RMSE) | NA |
| 649 | 2025-11-23 |
Engineering Macrophage via Biomaterial-Mediated Mitochondrial Regulation: Mechanisms and Strategies
2025, Research (Washington, D.C.)
DOI:10.34133/research.0883
PMID:41262353
|
综述 | 本文综述了通过生物材料介导的线粒体调控工程化改造巨噬细胞的机制与策略 | 提出人工智能驱动的深度学习方法加速靶向线粒体疗法开发，建立理性设计原则和标准化评估方案 | 面临单细胞中心调控、线粒体互作复杂性和传统试错策略效率低下等转化挑战 | 开发针对炎症相关疾病的线粒体靶向精准免疫治疗策略 | 巨噬细胞的线粒体稳态与表型极化 | 生物医学工程 | 炎症性疾病 | 生物材料介导的线粒体调控 | 深度学习 | 代谢网络模型 | NA | NA | NA | NA | NA |
| 650 | 2025-11-23 |
Artificial intelligence-assisted accurate diagnosis of anterior cruciate ligament tears using customized CNN and YOLOv9
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1691048
PMID:41262491
|
研究论文 | 本研究开发了一种基于定制CNN和YOLOv9的人工智能系统，用于通过膝关节MRI准确诊断前交叉韧带撕裂 | 提出定制化CNN架构，采用手术验证数据集，同时包含部分和完全撕裂病例，并采用严格的患者级数据分割方法 | 单中心研究，未来需要扩展到多中心数据集、多样化MRI协议和前瞻性读者研究 | 评估多种CNN架构在前交叉韧带撕裂检测中的性能 | 前交叉韧带撕裂患者 | 计算机视觉 | 运动损伤 | 磁共振成像 | CNN, YOLOv9 | 图像 | 8,086个质子密度加权矢状位膝关节MRI切片 | NA | CustomCNN, DenseNet121, InceptionResNetV2 | 准确率, 灵敏度, 特异性, AUC | NA |
| 651 | 2025-11-23 |
Artificial intelligence for mental health: A narrative review of applications, challenges, and future directions in digital health
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251395548
PMID:41262770
|
综述 | 本文系统回顾了人工智能在心理健康领域的应用现状、挑战和未来发展方向 | 重点关注非生成式AI在心理健康领域的应用，涵盖诊断、治疗个性化和实时监测等多个维度 | 数据集多样性不足、算法偏见、缺乏临床验证以及伦理考量等挑战 | 探索人工智能在心理健康领域的应用潜力和发展方向 | 心理健康数字健康应用 | 自然语言处理, 机器学习 | 心理健康障碍 | 机器学习, 深度学习, 自然语言处理 | NA | 多模态数据 | NA | NA | NA | 诊断准确性, 治疗个性化程度 | NA |
| 652 | 2025-11-23 |
The Hydractinia Genome Project Portal: multi-omic annotation and visualization of Hydractinia genomic datasets
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf215
PMID:41262968
|
研究论文 | 介绍水螅基因组项目门户网站，提供水螅属两种物种的多组学数据和可视化工具 | 首次提供水螅属物种的综合性多组学数据门户，包含独特的单细胞基因表达图谱和基于结构的深度学习功能注释方法 | 仅涵盖两种水螅物种，功能注释方法仍存在已知的注释转移空白 | 推进对水螅模型生物的研究，增强对基因组与形态复杂性关系的理解 | 水螅属两种广泛研究的物种 | 生物信息学 | NA | 基因组学、转录组学、蛋白质组学、单细胞测序 | DeepFRI | 基因组序列、转录组数据、蛋白质结构数据 | NA | NA | NA | NA | NA |
| 653 | 2025-11-22 |
Evaluation of recent lightweight deep learning architectures for lung cancer CT classification
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1647701
PMID:41049845
|
研究论文 | 评估三种轻量级深度学习架构在肺癌CT分类任务中的性能表现 | 首次系统评估MobileOne-S0、FastViT-S12和MambaOut-Femto等新兴轻量级模型在医学影像特别是肺癌分类中的应用潜力 | 研究样本量相对有限（公共数据集95例，私有数据集274例），未在更多样化的临床环境中验证 | 为资源受限环境下的临床部署提供基于证据的模型选择指导 | 肺癌CT图像的分类任务 | 计算机视觉 | 肺癌 | CT成像 | 深度学习 | 医学影像 | 公共数据集95例，私有数据集274例 | NA | MobileOne-S0, FastViT-S12, MambaOut-Femto, ResNet, Swin Transformer | 准确率, AUC, 推理时间, 参数量, FLOPs | NA |
| 654 | 2025-11-22 |
Correction: Evaluation of recent lightweight deep learning architectures for lung cancer CT classification
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1715188
PMID:41195277
|
修正 | 对先前发表的关于轻量级深度学习架构在肺癌CT分类中评估的文章进行修正 | NA | NA | NA | NA | NA | 肺癌 | CT | NA | NA | NA | NA | NA | NA | NA |
| 655 | 2025-11-22 |
DeepAttNet: deep neural network incorporating cross-attention mechanism for subject-independent mental stress detection in passive brain-computer interfaces using bilateral ear-EEG
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1685087
PMID:41255549
|
研究论文 | 提出了一种基于交叉注意力机制的深度神经网络DeepAttNet，用于被动脑机接口中独立于被试的心理压力检测 | 引入了休息对休息范式来隔离任务相关干扰，开发了专门建模半球间神经动力学的交叉注意力机制和逐点时间压缩模块 | 样本量相对较小（32名成人参与者），仅使用双耳EEG记录 | 开发独立于被试的心理压力检测方法，提升被动脑机接口在现实场景中的应用 | 32名成人参与者的双耳EEG数据 | 脑机接口 | 心理健康 | 脑电图 | 深度学习, CNN | EEG信号 | 32名成人参与者 | NA | DeepAttNet, EEGNet, ShallowConvNet, DeepConvNet, TSception | 准确率, 宏F1值 | NA |
| 656 | 2025-11-22 |
Multi-Omics Meets Premalignancy: Paving the Way for Early Prevention of Cancer
2025, Research (Washington, D.C.)
DOI:10.34133/research.0930
PMID:41255572
|
综述 | 本文系统探讨多组学技术与人工智能在癌前病变研究中的整合应用及其对癌症早期预防的推动作用 | 首次系统梳理15种癌症类型的临床公认癌前病变，并强调多组学与人工智能融合在肿瘤发生轨迹推断中的创新应用 | 未涉及具体临床验证数据，主要基于现有研究进行理论梳理与展望 | 推动癌症早期检测与药物预防策略发展 | 癌前病变及其向恶性肿瘤转化的动态过程 | 数字病理 | 泛癌种 | 多组学技术, 单细胞测序, 空间组学 | 深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 657 | 2025-11-22 |
Two-decade dialogue between artificial intelligence and osteoporosis: research trajectories and frontier projections under bibliometric and visual analysis
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1606361
PMID:41255602
|
文献计量分析 | 通过文献计量和可视化方法系统分析2004-2024年间人工智能在骨质疏松症研究领域的发展轨迹和前沿趋势 | 首次对骨质疏松症领域人工智能研究进行全面的文献计量分析，识别了该领域的发展轨迹、新兴前沿和关键挑战 | 仅基于Web of Science数据库的英文文献，可能存在语言和数据库偏倚 | 评估人工智能在骨质疏松症研究中的知识进展和发展趋势 | 2004-2024年间发表的骨质疏松症与人工智能相关文献 | 文献计量学 | 骨质疏松症 | 文献计量分析，可视化分析 | NA | 文献元数据 | 408篇出版物（343篇文章，65篇综述） | VOSviewer, CiteSpace, Scimago Graphica, Bibliometrix | NA | NA | NA |
| 658 | 2025-11-22 |
Deep learning-driven MRI for accurate brain volumetry in murine models of neurodegenerative diseases
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1632169
PMID:41255818
|
研究论文 | 本研究开发了一种基于深度学习的MRI分割方法，用于精确测量神经退行性疾病小鼠模型的脑体积 | 采用深度学习分割方法在7特斯拉MRI上实现快速（4.3分钟）高分辨率脑体积测量，显著减少采集时间并提高动物福利 | 需要麻醉可能影响采集参数，研究主要聚焦小鼠模型 | 开发可靠的小鼠脑体积定量方法以评估神经退行性疾病进程和治疗干预 | 健康C57BL/6J小鼠和肌萎缩侧索硬化、铜宗诱导脱髓鞘、多发性硬化疾病模型小鼠 | 数字病理 | 神经退行性疾病 | MRI, T1加权成像 | 深度学习分割模型 | 医学影像 | 健康C57BL/6J小鼠和疾病模型小鼠 | NA | NA | 重现性 | NA |
| 659 | 2025-11-22 |
Thyroid nodule and lymph node metastasis assessment from ultrasound images using deep learning
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1684104
PMID:41255824
|
研究论文 | 本研究开发了一种基于深度学习的超声图像诊断模型，用于术前区分良性甲状腺结节、非转移性恶性甲状腺结节和转移性恶性甲状腺结节 | 首次建立能够同时区分三种甲状腺结节类型（BTN、NMTN、MMTN）的AI诊断模型，并在多中心数据上验证其性能优于放射科医生 | 样本量相对较小（195例患者），且各类别样本数量不均衡（MMTN样本最多，NMTN样本最少） | 开发AI辅助诊断工具以提高甲状腺结节超声诊断的准确性和一致性 | 甲状腺结节患者的超声图像 | 计算机视觉 | 甲状腺癌 | 超声成像 | CNN | 图像 | 195名患者（BTN=60，NMTN=15，MMTN=120），共3,537张超声图像 | NA | NA | AUC, 准确率, ROC曲线, 混淆矩阵 | NA |
| 660 | 2025-11-22 |
Prospects and challenges of deep learning in gynecologic malignancies
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1592078
PMID:41256318
|
综述 | 概述深度学习在妇科恶性肿瘤诊疗中的应用现状与挑战 | 系统探讨深度学习在妇科肿瘤影像分析中的多任务应用潜力及多组学数据整合方向 | 未涉及具体临床验证数据与实际部署障碍的量化分析 | 评估深度学习技术在妇科恶性肿瘤诊疗中的发展前景 | 妇科恶性肿瘤的影像与病理数据 | 数字病理学 | 妇科肿瘤 | 医学影像分析（X射线、CT、MRI、SPECT） | 深度学习模型 | 影像数据 | NA | NA | NA | NA | NA |