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 1281 - 1300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1281 | 2025-10-06 |
Ensemble learning-based predictor for driver synonymous mutation with sequence representation
2025-Jan, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012744
PMID:39761306
|
研究论文 | 提出一种基于集成学习的同义突变效应预测器EPEL，用于识别癌症中的驱动同义突变 | 首次将DNA形状特征和基于化学分子BERT预训练模型的深度学习特征整合到同义突变效应评估中 | 深度学习方法的DNA序列表示在本研究中未能显著提升驱动同义突变的识别效果 | 开发高精度的驱动同义突变预测方法 | 人类癌症中的同义突变 | 机器学习 | 癌症 | DNA序列分析，深度学习特征提取 | 集成学习，树模型 | DNA序列数据 | NA | NA | BERT | 预测准确率 | NA |
| 1282 | 2025-10-06 |
Integrative analysis of cuproptosis-related lncRNAs: Unveiling prognostic significance, immune microenvironment, and copper-induced mechanisms in prostate cancer
2025-Jan, Cancer pathogenesis and therapy
DOI:10.1016/j.cpt.2024.03.004
PMID:39872368
|
研究论文 | 本研究通过整合分析铜死亡相关lncRNAs，揭示了其在前列腺癌预后预测、免疫微环境调节和铜诱导机制中的重要作用 | 首次将铜死亡相关lncRNAs与前列腺癌预后关联，并采用多层级注意力图神经网络构建预后模型，同时通过细胞实验验证关键lncRNAs与铜死亡的相关性 | 研究样本仅来自TCGA数据库的492例患者，缺乏外部验证队列 | 探索铜死亡相关lncRNAs在前列腺癌预后预测和免疫微环境中的作用机制 | 前列腺癌患者和相关的长链非编码RNA | 生物信息学 | 前列腺癌 | RNA测序，拷贝数变异分析，细胞实验 | 图神经网络 | 基因表达数据，拷贝数变异数据 | 492例前列腺癌患者 | MLA-GNN | 多层级注意力图神经网络 | AUC, 疾病无进展生存期 | NA |
| 1283 | 2025-10-06 |
Machine learning-based risk predictive models for diabetic kidney disease in type 2 diabetes mellitus patients: a systematic review and meta-analysis
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1495306
PMID:40099258
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估机器学习模型在预测2型糖尿病患者糖尿病肾病风险中的性能和临床适用性 | 首次对机器学习模型预测2型糖尿病患者糖尿病肾病风险进行系统综述和荟萃分析，比较不同机器学习算法的性能表现 | 模型开发和验证过程中存在数据偏倚，仅少数研究进行了外部验证 | 评估机器学习模型在预测2型糖尿病患者糖尿病肾病风险中的性能和临床适用性 | 2型糖尿病患者的糖尿病肾病风险预测 | 机器学习 | 糖尿病肾病 | 机器学习算法 | 随机森林,传统回归机器学习,深度学习 | 临床数据 | 26项研究，94个机器学习模型 | NA | NA | AUC,95%置信区间 | NA |
| 1284 | 2025-06-04 |
Artificial intelligence in ophthalmology: opportunities, challenges, and ethical considerations
2025, Medical hypothesis, discovery & innovation ophthalmology journal
DOI:10.51329/mehdiophthal1517
PMID:40453785
|
综述 | 本文探讨了人工智能在眼科领域的应用现状、挑战及伦理考量 | 全面回顾了AI在眼科多个子领域（如角膜疾病、白内障手术、糖尿病视网膜病变等）中的高精度诊断应用，并系统分析了当前面临的挑战与伦理问题 | 数据集存在偏差、外部验证有限、监管障碍以及透明度等伦理问题 | 评估AI在眼科领域的应用潜力与实施障碍 | 眼科疾病诊断与管理 | 数字病理 | 眼科疾病 | 深度学习、机器学习 | CNN、深度学习模型 | 图像、临床数据 | NA | NA | NA | NA | NA |
| 1285 | 2025-06-04 |
Integrating support vector machines and deep learning features for oral cancer histopathology analysis
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf034
PMID:40454251
|
研究论文 | 本研究提出了一种结合支持向量机(SVM)和深度学习特征的方法，用于口腔癌组织病理学图像分类以检测异常增生 | 通过融合基于InceptionResNet-v2和视觉变换器(ViT)模型提取的深度学习特征训练的SVM分类器，解决了类别不平衡问题，并显著提高了分类性能 | NA | 提高口腔癌异常增生的检测准确率 | 口腔癌组织病理学图像 | 数字病理学 | 口腔癌 | 深度学习特征提取 | SVM, InceptionResNet-v2, ViT | 图像 | NA | NA | NA | NA | NA |
| 1286 | 2025-10-06 |
A Radiograph Dataset for the Classification, Localization, and Segmentation of Primary Bone Tumors
2025-Jan-16, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-04311-y
PMID:39820508
|
研究论文 | 本文建立了用于原发性骨肿瘤分类、定位和分割的X射线影像数据集BTXRD | 首个公开的原发性骨肿瘤X射线数据集，包含临床信息、全局标签和肿瘤实例的精确标注 | 数据集规模相对有限，仅包含3,746张图像 | 解决骨肿瘤诊断领域缺乏公开X射线数据集的问题，支持计算机辅助诊断算法开发 | 原发性骨肿瘤的X射线影像 | 数字病理 | 骨肿瘤 | X射线成像 | NA | 医学影像 | 3,746张骨图像（1,879张正常，1,867张肿瘤） | NA | NA | NA | NA |
| 1287 | 2025-10-06 |
LDCT image biomarkers that matter most for the deep learning classification of indeterminate pulmonary nodules
2025-Jan, Cancer biomarkers : section A of Disease markers
IF:2.2Q3
DOI:10.3233/CBM-230444
PMID:38848168
|
研究论文 | 本研究通过图像掩蔽和显著性激活图探索LDCT图像中肺实质和肿瘤区域对不确定肺结节分类的贡献 | 首次系统性地结合图像掩蔽和Grad-CAM技术分析深度神经网络在肺结节分类中依赖的放射学特征 | 研究仅针对4-20mm直径的实性肺结节，样本来源单一 | 识别低剂量CT图像中对深度学习分类最重要的生物标志物 | 来自国家肺部筛查试验(NLST)的实性肺结节患者 | 计算机视觉 | 肺癌 | 低剂量CT扫描 | 深度神经网络 | 医学影像 | NLST数据库中直径4-20mm的实性肺结节病例 | NA | NA | AUC | NA |
| 1288 | 2025-10-06 |
Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review
2025-Jan, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-024-04421-3
PMID:39384606
|
系统综述 | 系统评估机器学习、深度学习和人工智能在美容整形外科中的应用 | 首次对AI技术在美容整形外科领域的应用进行全面系统的定性评估 | 患者可能看到AI生成但无法实现的理想化图像，需避免创造不切实际的期望 | 评估机器学习、深度学习和人工智能在美容整形外科中的应用 | 美容整形外科手术患者，包括隆胸、乳房缩小、鼻整形、面部年轻化等 | 机器学习 | 整形外科 | 机器学习、深度学习、人工智能算法 | NA | 图像数据 | 筛选2148项研究，最终纳入18项研究（2019-2024年发表） | NA | NA | NA | NA |
| 1289 | 2025-10-06 |
Blip-up blip-down circular EPI (BUDA-cEPI) for distortion-free dMRI with rapid unrolled deep learning reconstruction
2025-Jan, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2024.110277
PMID:39566835
|
研究论文 | 开发用于BUDA-cEPI扩散磁共振成像的快速深度学习重建方法 | 提出结合虚拟线圈概念和仅需六次梯度更新的展开式神经网络重建框架 | 未详细讨论模型在不同临床场景下的泛化能力 | 开发快速重建算法以实现BUDA-cEPI在临床和神经科学中的常规应用 | 扩散磁共振成像数据 | 医学影像处理 | NA | 扩散磁共振成像 | U-Net, 人工神经网络 | 医学影像数据 | NA | NA | U-Net | 归一化均方根误差 | NA |
| 1290 | 2025-06-03 |
Do Sharpness-Based Optimizers Improve Generalization in Medical Image Analysis?
2025, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/ACCESS.2025.3568641
PMID:40443707
|
research paper | 本文评估了基于锐度的优化器在医学图像分析中提高深度学习模型泛化能力的有效性 | 首次系统评估了多种基于锐度的优化器在医学图像数据集上的表现，发现SAM是唯一能一致提升泛化性能的方法 | 研究仅使用了三种医学图像数据集，可能无法代表所有医学图像场景 | 评估基于锐度的优化器在医学图像分析中提高模型泛化能力的有效性 | 医学图像数据集（乳腺超声、胸部X光和结肠组织病理学图像） | digital pathology | breast cancer, lung disease, colon disease | deep learning optimization | CNN, vision transformers | image | 三种医学图像数据集 | NA | NA | NA | NA |
| 1291 | 2025-06-03 |
Advances in Electrocardiogram-Based Artificial Intelligence Reveal Multisystem Biomarkers
2025, Journal of clinical & experimental cardiology
PMID:40443717
|
review | 本文讨论了基于心电图的人工智能在临床心脏病学中的进展、局限性和未来方向 | 利用基于心电图的深度学习模型识别心脏壁运动异常，并超越人类专家解释 | 讨论了深度学习模型在基于心电图的人工智能应用中的局限性和公平性考虑 | 探讨人工智能在临床心脏病学中的应用，提供创新的诊断、预后和治疗解决方案 | 心电图数据 | machine learning | cardiovascular disease | Deep Learning | DL | ECG数据 | NA | NA | NA | NA | NA |
| 1292 | 2025-06-03 |
XLLC-Net: A lightweight and explainable CNN for accurate lung cancer classification using histopathological images
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322488
PMID:40445896
|
研究论文 | 该研究介绍了一种轻量级且可解释的CNN模型XLLC-Net，用于从组织病理学图像中准确分类肺癌 | XLLC-Net是一种轻量级CNN模型，仅包含300万个参数，显著降低了计算资源需求，同时集成了可解释AI技术（如Saliency Map和GRAD-CAM）以增强模型的可解释性 | 研究仅关注了LC25000数据集中的三类肺癌，未包含其他类型的癌症或更广泛的数据集 | 开发一种轻量级且可解释的深度学习模型，用于肺癌的准确分类 | 组织病理学图像中的三类肺癌 | 数字病理学 | 肺癌 | 深度学习 | CNN | 图像 | LC25000数据集中的三类肺癌样本 | NA | NA | NA | NA |
| 1293 | 2025-06-03 |
Deep learning reconstruction of free-breathing, diffusion-weighted imaging of the liver: A comparison with conventional free-breathing acquisition
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320362
PMID:40445963
|
研究论文 | 本研究比较了自由呼吸下使用深度学习重建的扩散加权成像（FB-DL-DWI）与传统扩散加权成像（FB-C-DWI）在肝脏MRI中的图像质量和实体性肝脏局灶性病变（FLL）评估 | 首次在自由呼吸条件下应用深度学习重建技术进行肝脏扩散加权成像，并与传统方法进行对比 | FB-DL-DWI表现出比FB-C-DWI更强的人工感觉（P<0.001） | 比较两种扩散加权成像技术在肝脏MRI中的表现 | 199名接受临床肝脏MRI检查的患者 | 医学影像分析 | 肝脏疾病 | 扩散加权成像（DWI），深度学习重建 | 深度学习模型（具体类型未说明） | 医学影像数据 | 199名患者（其中110名患有慢性肝病），138个实体性肝脏局灶性病变 | NA | NA | NA | NA |
| 1294 | 2025-06-03 |
Prediction of drug-target interactions based on substructure subsequences and cross-public attention mechanism
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324146
PMID:40445972
|
研究论文 | 提出了一种基于子结构子序列和交叉公共注意力机制的药物-靶点相互作用预测模型SSCPA-DTI | 采用多特征信息挖掘模块(MIMM)提取药物和蛋白质的原始及子结构特征，并利用交叉公共注意力模块(CPA)整合特征及提取相互作用信息，提高了预测准确性和可解释性 | 仅在三个公共数据集上进行了实验，未在其他数据集上验证模型的泛化能力 | 提高药物-靶点相互作用预测的准确性和可解释性 | 药物和蛋白质的相互作用 | 机器学习 | NA | 深度学习 | SSCPA-DTI (基于注意力机制的模型) | 序列数据(SMILES序列和蛋白质序列) | 三个公共数据集 | NA | NA | NA | NA |
| 1295 | 2025-06-03 |
Enhancing the dataset of CycleGAN-M and YOLOv8s-KEF for identifying apple leaf diseases
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321770
PMID:40445983
|
研究论文 | 本研究提出了一种基于深度学习的方法，通过改进CycleGAN-M和YOLOv8s-KEF模型来提高苹果叶病害的识别准确率 | 使用多尺度注意力机制增强CycleGAN-M网络生成合成样本，改进YOLOv8s-KEF模型的特征提取能力，特别是针对小病变和复杂纹理 | 模型大小增加了6MB，可能影响部署效率 | 提高苹果叶病害的识别准确率，解决数据集有限、样本量小和识别精度低的问题 | 苹果叶病害 | 计算机视觉 | 植物病害 | 深度学习 | CycleGAN-M, YOLOv8s-KEF | 图像 | NA | NA | NA | NA | NA |
| 1296 | 2025-06-03 |
ArsenicNet: An efficient way of arsenic skin disease detection using enriched fusion Xception model
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322405
PMID:40446004
|
研究论文 | 提出了一种名为ArsenicNet的融合Xception模型，用于高效检测砷污染引起的皮肤疾病 | 结合Xception模型与Inception模块的深度学习架构，在砷皮肤疾病检测中表现出优越性能 | 数据集样本量较小（仅1287个样本），且仅基于孟加拉国人群 | 开发高效准确的砷皮肤疾病检测方法 | 砷污染引起的皮肤疾病 | 计算机视觉 | 皮肤疾病 | 深度学习 | Xception与Inception模块融合的CNN | 图像 | 1287张基于孟加拉国人群的皮肤图像 | NA | NA | NA | NA |
| 1297 | 2025-06-03 |
Segmentation-based deep 2D-3D multibranch learning approach for effective hyperspectral image classification
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321559
PMID:40446012
|
研究论文 | 本文提出了一种基于分割的深度2D-3D多分支学习方法，用于高效的高光谱图像分类 | 提出了一种新颖的多层多分支2D-3D CNN模型，结合了SPCA和mRMR技术，能够分层处理不同重要性的特征 | 未明确提及具体局限性，但可能涉及计算复杂性和模型泛化能力 | 解决高光谱图像分类中的数据冗余、计算成本高、样本不足和维度诅咒等问题 | 高光谱图像中的土地覆盖物体分类 | 计算机视觉 | NA | Segmented Principal Component Analysis (SPCA), minimum-Redundancy-Maximum-Relevance (mRMR) | 2D-3D CNN | 高光谱图像 | Salinas Scene、University of Pavia和Indian Pines高光谱图像数据集 | NA | NA | NA | NA |
| 1298 | 2025-06-02 |
Advanced predictive modeling for enhanced mortality prediction in ICU stroke patients using clinical data
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323441
PMID:40435317
|
研究论文 | 该研究开发了一种深度学习模型，用于预测ICU中缺血性卒中患者的死亡率，通过优化的特征选择和数据清理提高了预测准确性 | 结合XGBoost进行特征选择和深度学习模型，显著减少了特征数量（从1095降至30），并在AUROC上实现了13%的提升 | 研究依赖于MIMIC-IV数据库的数据，可能无法完全代表所有ICU卒中患者的情况 | 优化ICU中缺血性卒中患者的死亡率预测，以改善治疗策略和资源分配 | ICU中的缺血性卒中患者 | 机器学习 | 心血管疾病 | SMOTE（合成少数类过采样技术） | XGB-DL（结合XGBoost和深度学习） | 临床数据（包括诊断、生命体征、实验室测试、药物、程序、治疗和临床记录） | 3,646名ICU患者（训练集2,441名，测试集523名，验证集523名） | NA | NA | NA | NA |
| 1299 | 2025-06-02 |
Advancing malware imagery classification with explainable deep learning: A state-of-the-art approach using SHAP, LIME and Grad-CAM
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0318542
PMID:40435333
|
research paper | 该研究通过使用SHAP、LIME和Grad-CAM等可解释性技术，对集成深度神经网络（DNNW）进行对比分析，以提高恶意软件图像分类的可解释性和准确性 | 结合多种可解释性技术（SHAP、LIME、Grad-CAM）分析恶意软件图像数据，提升模型透明度和可信度 | 研究主要集中在恶意软件图像数据上，对其他类型恶意软件的适用性未明确说明 | 开发可解释且强大的AI模型，以提高恶意软件检测的可靠性和信任度 | 恶意软件图像数据 | machine learning | NA | SHAP, LIME, Grad-CAM | DNNW, RUSBoost, Random Forest, Subspace, AdaBoost, BagTree | image | NA | NA | NA | NA | NA |
| 1300 | 2025-06-02 |
A deep learning-based algorithm for the detection of personal protective equipment
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322115
PMID:40440260
|
研究论文 | 提出了一种基于YOLOv8n改进的深度学习算法，用于检测建筑工地上的个人防护装备（PPE） | 设计了多尺度组卷积模块（MSGP）和多尺度特征扩散金字塔网络（MFDPN），并引入了自定义任务对齐模块和DCNV2模块，提高了检测精度和适应性 | 未提及具体的数据集规模或实际部署中的性能表现 | 提高建筑工地个人防护装备的检测精度和效率 | 建筑工地上的个人防护装备（PPE） | 计算机视觉 | NA | 深度学习 | YOLOv8n改进模型（MFD-YOLO） | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |