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 681 - 700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 681 | 2025-11-27 |
Artificial intelligence in prostate cancer: navigating the new frontier of precision uro-oncology
2025, American journal of clinical and experimental urology
IF:1.5Q3
DOI:10.62347/ZTWJ5779
PMID:41278308
|
综述 | 本文综述人工智能在前列腺癌精准诊疗中的应用与挑战 | 系统阐述AI如何通过机器学习与深度学习解决前列腺癌诊疗中的主观性和过度治疗问题，并引入可解释AI应对黑箱问题 | 需要更大规模多样化数据集验证算法普适性，面临FDA监管等临床转化障碍 | 探讨人工智能技术在前列腺癌精准泌尿肿瘤学领域的应用前景 | 前列腺癌患者的诊断、治疗和预后管理 | 数字病理学 | 前列腺癌 | 放射组学, 数字病理学, 增强现实 | 机器学习, 深度学习 | 医学影像, 病理图像, 临床数据 | NA | NA | NA | 分级准确性, 阅片者间变异度 | NA |
| 682 | 2025-11-27 |
Clinical phenotypes of atrial fibrillation: A review of machine learning applications in personalized treatment
2025 Jan-Dec, JRSM cardiovascular disease
IF:1.4Q3
DOI:10.1177/20480040251399275
PMID:41280326
|
综述 | 综述机器学习在心房颤动临床表型识别及个体化治疗中的应用进展 | 系统阐述机器学习驱动的数据驱动表型分析在优化抗凝治疗和导管消融策略中的创新应用，包括AI引导解剖标测、心脏数字孪生模拟等技术 | 前瞻性验证不足、临床整合困难及模型可解释性有限 | 推动心房颤动的精准医疗发展 | 心房颤动患者临床表型 | 机器学习 | 心血管疾病 | 机器学习, 深度学习 | NA | 临床数据 | 涉及十余项关键表型研究的多国队列 | NA | NA | NA | NA |
| 683 | 2025-11-27 |
Sobel neural network for EEG-based major depressive disorder screening
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1667107
PMID:41280444
|
研究论文 | 提出一种用于基于EEG的重性抑郁障碍筛查的Sobel神经网络架构 | 将Sobel算子操作内在地集成到卷积层中，实现端到端学习梯度模式和边缘信息，而非仅用于预处理 | NA | 开发用于重性抑郁障碍自动筛查的准确工具 | 重性抑郁障碍患者和健康对照者的脑电图信号 | 机器学习 | 重性抑郁障碍 | 脑电图 | CNN | 脑电图信号 | 34名MDD患者和30名健康对照者 | NA | Sobel Network | 准确率, 灵敏度, 特异性 | NA |
| 684 | 2025-11-27 |
Explainable detection: a transformer-based language modeling approach for Bengali news title classification with comparative explainability analysis using ML and DL
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1537432
PMID:41280879
|
研究论文 | 本研究采用基于Transformer的语言建模方法进行孟加拉语新闻标题分类，并结合可解释性分析技术 | 首次在孟加拉语低资源语言文本分类中系统比较传统机器学习、LSTM和Transformer模型性能，并集成XAI技术进行预测解释 | 孟加拉语数据集存在固有噪声，需要大量预处理工作，且低资源语言数据获取困难 | 开发具有可解释性的孟加拉语新闻标题分类方法，推动低资源语言自然语言处理发展 | 孟加拉语新闻标题文本数据 | 自然语言处理 | NA | 自然语言处理，特征工程 | 机器学习模型，LSTM，Transformer | 文本 | 从网上收集的近期孟加拉语新闻文章 | NA | LSTM，XLM-RoBERTa Base | 准确率 | NA |
| 685 | 2025-11-27 |
MobileNet-GDR: a lightweight algorithm for grape leaf disease identification based on improved MobileNetV4-small
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1702071
PMID:41281328
|
研究论文 | 提出基于改进MobileNetV4-small的轻量级葡萄叶片病害识别算法MobileNet-GDR | 构建基于深度可分离卷积和分组卷积的高效特征提取模块，优化特征融合过程并引入PReLU激活函数增强非线性表示能力 | 仅针对葡萄叶片病害识别，未验证在其他作物病害上的泛化能力 | 解决现有深度学习模型在移动设备上计算复杂度高、部署困难的问题 | 葡萄叶片病害图像 | 计算机视觉 | 植物病害 | 图像分类 | CNN | 图像 | NA | NA | MobileNetV4-small, MobileNet-GDR | 准确率, FPS, 参数量, FLOPs | 移动设备 |
| 686 | 2025-11-27 |
Biomarker integration and biosensor technologies enabling AI-driven insights into biological aging
2025, Frontiers in aging
IF:3.3Q2
DOI:10.3389/fragi.2025.1703698
PMID:41281356
|
综述 | 探讨生物标志物整合与生物传感技术如何通过人工智能推动对生物衰老机制的深入理解 | 首次系统整合CRP、IGF-1、IL-6和GDF-15四种关键生物标志物，结合AI与生物传感技术构建精准衰老评估框架 | 未涉及具体临床验证数据，缺乏不同人群队列的适用性分析 | 开发基于AI和生物传感技术的生物年龄精准量化方法 | 四种关键生物标志物（CRP、IGF-1、IL-6、GDF-15）及其在衰老过程中的作用机制 | 机器学习 | 老年疾病 | 生物传感技术 | 机器学习,深度学习,生成模型 | 高维生物标志物数据 | NA | NA | NA | NA | NA |
| 687 | 2025-11-27 |
Using artificial intelligence and radiomics to analyze imaging features of neurodegenerative diseases
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1624867
PMID:41281560
|
研究论文 | 提出一种结合人工智能和影像组学的框架，用于分析神经退行性疾病的影像特征和疾病进展模式 | 开发了名为NeuroSage的生物信息架构，结合符号推理、深度学习和多模态特征对齐，并引入符号对齐策略(CAIS)确保临床可解释性 | NA | 改善神经退行性疾病的早期诊断和个性化治疗规划 | 阿尔茨海默病和帕金森病等神经退行性疾病患者 | 医学影像分析 | 神经退行性疾病 | 影像组学分析 | 图神经网络,深度学习 | 结构影像,行为数据 | 多个数据集包括ADNI、PPMI、ABIDE、YouTubePD和PDVD | NA | NeuroSage | F1分数 | NA |
| 688 | 2025-11-27 |
Parkinson's disease detection using spectrogram-based multi-model feature fusion networks
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1706317
PMID:41281573
|
研究论文 | 提出一种基于声谱图多模型特征融合的帕金森病检测方法 | 使用三种预训练CNN模型进行特征融合，克服单一模型过拟合和泛化能力差的问题 | 样本量相对较小（131名受试者），需要在更大数据集上验证泛化能力 | 开发非侵入性、低成本的帕金森病辅助诊断工具 | 帕金森病患者和健康对照者的语音数据 | 数字病理学 | 帕金森病 | 语音分析 | CNN | 声谱图 | 61名PD患者和70名健康对照，共生成2,476张声谱图 | NA | DenseNet121, MobileNetV3-Large, ShuffleNetV2 | 准确率, AUC | NA |
| 689 | 2025-11-27 |
Triboelectric nanogenerators for neural data interpretation: bridging multi-sensing interfaces with neuromorphic and deep learning paradigms
2025, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2025.1691017
PMID:41281720
|
综述 | 探讨摩擦纳米发电机与深度学习及神经形态计算相结合在神经数据解析中的应用 | 首次系统综述自驱动摩擦纳米发电机与深度学习模型、神经形态计算范式在神经信号解析中的协同创新 | 属于小型综述，未包含原始实验数据验证 | 推动神经数据采集与解析技术在计算神经科学和脑机接口领域的发展 | 神经信号（脑电图、肌电图、心肺动力学信号）和老年人群健康监测 | 计算神经科学 | 老年疾病 | 摩擦纳米发电机传感技术 | CNN, RNN, SNN | 生物物理信号 | NA | NA | NA | NA | 神经形态计算系统 |
| 690 | 2025-11-27 |
Target fishing: from "needle in haystack" to "precise guidance"--new technology, new strategy and new opportunity
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1673688
PMID:41282634
|
综述 | 系统讨论药物靶点捕获技术的最新进展，重点分析人工智能与深度学习对药物研发范式的变革作用 | 提出深度学习与知识图谱深度融合的新策略，实现从'广谱筛选'到'精准捕获'的研究方法转变 | NA | 为学术界提供理论框架，构建从基础研究到临床应用的桥梁，推动精准药物研发进入智能驱动新时代 | 药物靶点发现技术 | 自然语言处理, 机器学习 | NA | 深度学习, 知识图谱, 多组学数据整合 | 深度表示学习模型 | 多组学数据, 临床数据 | NA | NA | NA | 靶点预测准确性 | NA |
| 691 | 2025-11-26 |
Piscis: a novel loss estimator of the F1 score enables accurate spot detection in fluorescence microscopy images via deep learning
2025-Jan-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.31.578123
PMID:38352551
|
研究论文 | 提出一种基于新型损失函数SmoothF1的深度学习算法Piscis，用于荧光显微镜图像中的斑点检测 | 开发了可近似F1分数的SmoothF1损失函数，能直接惩罚假阳性和假阴性，同时保持可微性适用于深度学习训练 | NA | 实现荧光显微镜图像中RNA转录本斑点的自动准确检测 | RNA FISH图像中的单分子RNA转录本斑点 | 计算机视觉 | NA | RNA FISH, 空间转录组学 | 深度学习 | 荧光显微镜图像 | 358张手动标注的实验RNA FISH图像和240张合成图像 | NA | NA | F1分数 | NA |
| 692 | 2025-11-26 |
DNALongBench: A Benchmark Suite for Long-Range DNA Prediction Tasks
2025-Jan-08, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.06.631595
PMID:39829833
|
研究论文 | 本文介绍了DNALongBench，一个用于评估长距离DNA依赖关系预测任务的综合基准套件 | 首次构建了专门针对长距离DNA依赖关系（可达100万碱基对）的综合基准数据集，涵盖五个重要基因组学任务 | 基准数据集可能无法覆盖所有类型的长距离DNA相互作用，且评估的方法数量有限 | 解决长距离DNA依赖关系建模的评估标准缺失问题，促进DNA序列深度学习模型的比较和发展 | 基因组序列中的长距离依赖关系，包括增强子-靶基因相互作用、表达数量性状位点等 | 生物信息学 | NA | DNA测序，深度学习 | CNN, 基础模型 | DNA序列数据 | 涵盖五个基因组学任务的数据集 | NA | HyenaDNA, Caduceus-Ph, Caduceus-PS | NA | NA |
| 693 | 2025-11-26 |
Deep Learning Based on Automated Breast Volume Scanner Images for the Diagnosis of Breast Lesions: A Multicenter Diagnostic Study
2025, International journal of medical sciences
IF:3.2Q1
DOI:10.7150/ijms.118430
PMID:41049432
|
研究论文 | 开发基于自动乳腺容积扫描图像的深度学习模型用于乳腺癌诊断，并与放射科医生进行性能比较 | 首次在自动乳腺容积扫描图像上开发多中心验证的深度学习模型，并证明其能显著提升诊断性能并减少解读时间 | 研究样本量相对有限，仅包含三个医疗中心的数据 | 开发用于乳腺癌自动检测和诊断的深度学习模型 | 1368名乳腺病变患者 | 计算机视觉 | 乳腺癌 | 自动乳腺容积扫描 | CNN | 医学图像 | 1368名患者 | NA | VGG19, DenseNet161, ResNet101, ResNet50 | AUC, 敏感性, 特异性 | NA |
| 694 | 2025-11-26 |
Exploratory analysis of predictive models in the field of myelitis: a systematic review and meta-analysis
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1669338
PMID:41112278
|
系统综述与荟萃分析 | 对脊髓炎预测模型进行系统性综述与荟萃分析，评估现有模型的方法学质量与临床应用价值 | 首次对脊髓炎预测模型进行全面方法学评估，使用PROBAST工具系统分析偏倚风险 | 纳入研究数量有限（11项），多数研究存在高偏倚风险，模型公开可用性差 | 评估现有脊髓炎预测模型的方法学质量、偏倚风险和临床应用价值 | 脊髓炎预测模型相关研究文献 | 医学预测模型 | 脊髓炎 | 系统综述、荟萃分析、PROBAST评估 | 逻辑回归,Cox回归,深度学习,联合建模,混合机器学习 | 临床研究数据 | 11项研究（6项诊断模型，5项预后模型） | NA | NA | AUC | NA |
| 695 | 2025-11-25 |
Random rotational embedding Bayesian optimization for human-in-the-loop personalized music generation
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335853
PMID:41270084
|
研究论文 | 提出一种随机旋转嵌入贝叶斯优化方法，用于人机交互的个性化音乐生成 | 引入随机旋转嵌入策略，可在具有旋转对称性的高维高斯空间中高效采样和优化 | 样本量相对较小（n=16），需要更多用户验证 | 开发高效的人机交互优化方法，实现生成模型的个性化定制 | 音乐生成模型和人类用户偏好 | 机器学习 | NA | 贝叶斯优化，生成深度学习 | 生成深度学习模型 | 音乐数据，用户反馈 | 16名人类志愿者 | 贝叶斯优化框架 | 随机旋转嵌入贝叶斯优化（ROMBO） | 损失减少率，发现喜爱作品的频率，优化速度，时间节省率 | NA |
| 696 | 2025-11-25 |
Lightweight deep neural networks: Optimization of vehicle classification using ICBAM based on depthwise separable convolutions
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335967
PMID:41270095
|
研究论文 | 提出一种基于深度可分离卷积和改进卷积块注意力模块的轻量级深度神经网络DSICBAMNet，用于车辆分类任务 | 结合深度可分离卷积降低计算复杂度，并通过改进的注意力模块ICBAM增强抗过拟合能力和特征权重分配机制 | NA | 开发轻量高效的车辆分类模型以满足智能交通系统对计算效率和泛化能力的需求 | 车辆图像数据 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | MIO-TCD数据集286个测试样本，Stanford Cars数据集1060个测试样本 | NA | DSICBAMNet（基于深度可分离卷积和ICBAM模块） | 准确率 | NA |
| 697 | 2025-11-24 |
A deep learning software tool for automated sleep staging in rats via single channel EEG
2025, NPP - digital psychiatry and neuroscience
DOI:10.1038/s44277-025-00035-y
PMID:40656054
|
研究论文 | 开发基于深度学习的自动化软件工具，用于通过单通道脑电图对大鼠睡眠阶段进行分类 | 首个基于单通道脑电图数据使用深度神经网络自动分类大鼠睡眠阶段的软件工具，提供超过700小时的专家标注睡眠数据 | 仅使用单通道脑电图数据，样本量相对较小（16只大鼠），需要进一步验证在更广泛条件下的性能 | 开发自动化睡眠阶段分类方法，加速临床前睡眠研究 | 大鼠睡眠阶段（快速眼动睡眠、非快速眼动睡眠和清醒状态） | 数字病理 | 老年疾病 | 脑电图记录 | DNN | 脑电图时序数据 | 16只大鼠，每只进行两次24小时记录会话 | NA | 深度神经网络 | F1分数 | NA |
| 698 | 2025-11-24 |
Deep learning-based forest fire detection using an improved SSD algorithm with CBAM
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0333574
PMID:41252362
|
研究论文 | 提出一种基于改进SSD算法和CBAM模块的深度学习森林火灾检测模型CBAM-SSD | 将CBAM模块集成到SSD主干网络中，通过通道和空间维度自适应加权火焰颜色和烟雾纹理特征，显著提升关键火灾特征的感知能力 | NA | 解决森林火灾检测中火焰烟雾尺度多变、特征复杂以及环境干扰导致的误检漏检问题 | 森林火灾中的火焰和烟雾 | 计算机视觉 | NA | 深度学习 | SSD, CBAM-SSD | 图像 | NA | NA | SSD, CBAM | mAP@0.5, AP50, 召回率 | NA |
| 699 | 2025-11-24 |
Explainable AI for forensic speech authentication within cognitive and computational neuroscience
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1692122
PMID:41267744
|
研究论文 | 提出结合CNN和LSTM的深度学习框架，用于检测伪造语音，并通过可解释AI技术增强模型透明度 | 首次将CNN的频谱特征提取与LSTM的时间建模能力相结合用于语音取证，并应用Grad-CAM和SHAP等XAI技术揭示模型决策依据 | 仅使用ASVspoof2019 LA和WaveFake两个数据集进行验证，缺乏更广泛数据集的测试 | 开发可解释的深度学习方法来应对深度伪造技术对语音取证带来的挑战 | 伪造语音和真实语音 | 计算神经科学, 语音处理 | NA | 线性频率倒谱系数(LFCC), 梅尔频率倒谱系数(MFCC), Gammatone频率倒谱系数(GFCC) | CNN, LSTM | 音频 | ASVspoof2019 LA和WaveFake数据集 | NA | CNN-LSTM混合架构 | 准确率, 泛化能力 | NA |
| 700 | 2025-11-24 |
HHBSNet: a global channel-spatial attention and multi-scale dilated convolution network for automatic melasma segmentation
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1665138
PMID:41267787
|
研究论文 | 提出一种轻量级深度学习网络HHBSNet用于自动黄褐斑分割 | 结合全局通道空间注意力模块和多尺度空洞卷积融合模块，有效抑制光照干扰并增强低对比度不规则边界的特征判别能力 | 仅使用自建数据集进行验证，样本量相对有限 | 开发针对黄褐斑准确分割的有效轻量级深度学习模型 | 面部黄褐斑病变区域 | 计算机视觉 | 黄褐斑 | 深度学习 | CNN | 图像 | 501张实际面部黄褐斑图像 | NA | HHBSNet | 平均交并比,准确率,F分数,召回率,精确率 | NA |