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 3695 篇文献，本页显示第 1341 - 1360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1341 | 2025-10-06 |
Machine learning in the differential diagnosis of ulcerative colitis and Crohn's disease: a systematic review
2025, Translational gastroenterology and hepatology
IF:3.8Q2
DOI:10.21037/tgh-24-117
PMID:40755733
|
系统综述 | 系统回顾机器学习在溃疡性结肠炎和克罗恩病鉴别诊断中的应用研究 | 首次系统性地总结了2000-2024年间机器学习在IBD亚型鉴别诊断中的应用现状和发展趋势 | 纳入研究主要为回顾性研究（87%），可能存在选择偏倚 | 评估机器学习在炎症性肠病亚型鉴别诊断中的临床应用价值 | 溃疡性结肠炎和克罗恩病患者 | 机器学习 | 炎症性肠病 | 机器学习 | 随机森林,支持向量机,深度学习 | 内镜数据,粪便生物标志物数据 | 15,140例患者样本 | NA | NA | 模型评估指标 | NA |
| 1342 | 2025-10-06 |
Diaproteo: A supervised learning framework for early detection of diabetes mellitus based on proteomic profiles
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251362281
PMID:40755961
|
研究论文 | 提出一个基于蛋白质组学特征的监督学习框架Diaproteo，用于糖尿病早期检测 | 结合传统机器学习算法和前沿深度学习架构，在蛋白质组学数据上实现糖尿病早期预测 | NA | 开发糖尿病早期检测的预测模型 | 糖尿病患者的临床特征、遗传标记和生活方式变量 | 机器学习 | 糖尿病 | 蛋白质组学分析 | Extra Trees, CNN | 蛋白质组学数据、临床特征、遗传标记、生活方式变量 | NA | NA | 卷积神经网络 | 准确率, 精确率, 召回率, F1分数 | NA |
| 1343 | 2025-10-06 |
SMF-net: semantic-guided multimodal fusion network for precise pancreatic tumor segmentation in medical CT image
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1622426
PMID:40756121
|
研究论文 | 提出一种语义引导多模态融合网络SMF-Net，用于医学CT图像中胰腺肿瘤的精确分割 | 结合CNN-Transformer混合编码器，引入AMBERT渐进特征提取模块和MTT多模态令牌变换器，融合视觉与语义特征，并采用半监督学习解决多模态数据稀缺问题 | 未明确说明模型计算复杂度及在更大规模数据集上的验证 | 实现胰腺肿瘤的精确自动化分割，提升胰腺癌临床诊断效率 | 胰腺肿瘤CT图像 | 医学图像分析 | 胰腺癌 | CT成像 | CNN, Transformer | 医学CT图像 | 与株洲中心医院合作构建的多模态胰腺肿瘤数据集MPTD | NA | CNN-Transformer混合编码器, AMBERT, MTT, MEAM, DAS-Net | Dice系数 | NA |
| 1344 | 2025-10-06 |
A CT-Based Deep Learning Radiomics Scoring System for Predicting the Prognosis to Repeat TACE in Patients with Hepatocellular Carcinoma: A Multicenter Cohort Study
2025, Journal of hepatocellular carcinoma
IF:4.2Q2
DOI:10.2147/JHC.S525920
PMID:40756248
|
研究论文 | 开发基于CT的深度学习放射组学评分系统预测肝细胞癌患者重复TACE治疗的预后 | 首次结合深度学习评分和手工放射组学特征构建HRD评分系统，优于传统ART和ABCR评分 | 回顾性研究设计，样本量相对有限（310例患者） | 预测肝细胞癌患者重复经动脉化疗栓塞治疗的预后 | 肝细胞癌患者 | 数字病理 | 肝细胞癌 | CT成像 | 深度学习 | CT图像 | 310例来自三家医院的患者 | NA | NA | AUC, 校准曲线, 决策曲线分析, 总体生存期 | NA |
| 1345 | 2025-10-06 |
Ethical AI in medical text generation: balancing innovation with privacy in public health
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1583507
PMID:40756387
|
研究论文 | 提出一种结合隐私保护技术和可解释模型架构的创新框架，用于实现医学文本生成的伦理合规 | 将基于知识的推理与深度学习相结合，并集成同态加密和安全多方计算等隐私增强技术，同时在系统设计层面嵌入伦理原则 | 未提及具体实验验证和性能评估结果 | 解决医学文本生成中的伦理挑战，包括公平性、隐私保护和可解释性 | 医学文本生成系统 | 自然语言处理 | NA | 深度学习 | 混合模型 | 医学文本数据 | NA | NA | 符号推理与数据驱动学习相结合架构 | NA | NA |
| 1346 | 2025-10-06 |
Nursing Students' Use of Digital Resources for Self-Directed Learning in Bioscience
2025 Jan-Dec, SAGE open nursing
IF:2.0Q2
DOI:10.1177/23779608251363870
PMID:40756467
|
研究论文 | 探讨护理专业一年级学生如何利用数字资源支持生物科学课程的自主学习 | 基于多媒体学习认知理论，首次系统分析数字资源在护理学生生物科学自主学习中的应用机制 | 采用定性研究方法，样本量有限，结果可能缺乏普适性 | 探索数字资源如何支持护理专业一年级学生的生物科学自主学习 | 护理专业一年级学生 | 教育技术 | NA | 半结构化访谈，反思性主题分析 | NA | 定性访谈数据 | 未明确具体样本数量 | NVivo | NA | NA | NA |
| 1347 | 2025-10-06 |
Lightweight deep learning system for automated bone age assessment in Chinese children: enhancing clinical efficiency and diagnostic accuracy
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1604133
PMID:40756505
|
研究论文 | 提出一种基于中国05标准的轻量级深度学习系统，用于中国儿童骨龄自动评估 | 采用轻量级两阶段深度学习框架，结合YOLOv8精准定位和改进的EfficientNetB3精细分类，参数量比同类模型减少56-86% | 需要解决技术、伦理和临床应用采纳等挑战 | 提升骨龄评估的临床效率和诊断准确性 | 中国儿童手部X光片中的13个关键骨骺 | 计算机视觉 | 生长发育障碍 | X光成像 | CNN | 图像 | 未明确说明 | PyTorch | YOLOv8, EfficientNetB3 | mAP, IoU, 准确率 | 未明确说明 |
| 1348 | 2025-10-06 |
Artificial intelligence and machine learning in the development of vaccines and immunotherapeutics-yesterday, today, and tomorrow
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1620572
PMID:40756816
|
综述 | 回顾人工智能和深度学习在疫苗与免疫治疗剂开发中的历史应用、当前进展及未来挑战 | 系统阐述AI/DL如何通过预测框架、多组学数据整合和个性化设计推动疫苗研发范式变革，并提出替代动物实验的颠覆性前景 | 未涉及具体算法实现细节和临床验证数据，主要聚焦方法论层面的讨论 | 探讨AI/DL技术加速精准化、个性化疫苗与免疫治疗剂开发的路径 | 传染病和癌症的疫苗与免疫治疗剂 | 机器学习 | 传染病,癌症 | 多组学数据整合,系统疫苗学 | 深度学习 | 多组学数据,临床数据 | NA | NA | NA | NA | NA |
| 1349 | 2025-10-06 |
BuoyancyNet: a deep learning approach for assessing float buoyancy in mussel aquaculture
2025, Journal of the Royal Society of New Zealand
IF:2.1Q2
DOI:10.1080/03036758.2025.2488415
PMID:40756829
|
研究论文 | 本文提出了一种基于深度学习的贝类养殖浮标浮力评估方法BuoyancyNet | 首次将视觉Transformer与一维卷积层结合用于连续浮标空间关系学习，在复杂环境条件下实现稳健性能 | NA | 开发可扩展的自动化监测解决方案以解决贻贝养殖中的浮力管理问题 | 贻贝养殖场中的浮标 | 计算机视觉 | NA | 深度学习 | Vision Transformer, CNN | 图像 | 超过36,000张浮标图像 | NA | Vision Transformer with 1D convolutional layers | 多分类准确率 | NA |
| 1350 | 2025-10-06 |
Deep learning-based seabird detection in fisheries for seabird protection
2025, Journal of the Royal Society of New Zealand
IF:2.1Q2
DOI:10.1080/03036758.2025.2500998
PMID:40756846
|
研究论文 | 开发基于YOLO的深度学习模型用于自动检测与渔船互动的海鸟，以保护海鸟免受渔业误捕 | 首次将YOLO模型应用于无约束真实海洋场景中的海鸟检测，解决了先前模型主要在受控环境中评估的局限性 | NA | 通过自动化检测减少渔业作业中对海鸟的误捕，保护新西兰海鸟种群 | 与渔船互动的海鸟 | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | NA | NA | YOLO | mAP@50, mAP@50-95 | NA |
| 1351 | 2025-10-06 |
A multitask framework based on CA-EfficientNetV2 for the prediction of glioma molecular biomarkers
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1609594
PMID:40757022
|
研究论文 | 提出基于CA-EfficientNetV2的多任务深度学习框架，用于同时预测胶质瘤IDH突变和MGMT启动子甲基化状态 | 结合坐标注意力机制的EfficientNetV2模型，采用K-means聚类和Vision Transformer生成优化伪标签，并利用果蝇优化算法分配权重 | NA | 开发非侵入性方法预测胶质瘤分子生物标志物 | 胶质瘤患者MRI数据 | 计算机视觉 | 胶质瘤 | MRI | CNN, Vision Transformer | 医学图像 | NA | NA | CA-EfficientNetV2, Vision Transformer, T2-net, T1C-net, TU-net | 准确率, AUC | NA |
| 1352 | 2025-10-06 |
Advances in AI-assisted quantification of dry eye indicators
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1628311
PMID:40757197
|
综述 | 本文综述了人工智能辅助量化干眼症关键生物标志物的技术进展 | 系统总结了AI技术在干眼症生物标志物量化中的最新应用，包括泪膜稳定性、睑板腺形态和角膜上皮损伤的评估 | NA | 探讨人工智能技术在干眼症诊断和管理中的应用潜力 | 干眼症生物标志物，包括泪膜稳定性、睑板腺形态和角膜上皮损伤 | 医学人工智能 | 干眼症 | 深度学习 | 深度学习模型 | 医学图像数据 | NA | NA | NA | 诊断准确性 | NA |
| 1353 | 2025-10-06 |
Artificial intelligence in the diagnosis and management of dysphagia: a scoping review
2025, CoDAS
IF:0.9Q4
DOI:10.1590/2317-1782/e20240305en
PMID:40767676
|
综述 | 本文通过范围综述方法系统梳理了人工智能在吞咽困难诊断与管理中的技术进展和应用现状 | 首次系统性地绘制了人工智能在吞咽困难领域的技术应用图谱，突出了深度学习在视频荧光吞咽检查中的主导地位 | 纳入研究数量有限（61篇），存在研究异质性，且临床适用性仍需进一步验证 | 系统梳理人工智能技术在吞咽困难诊断与管理中的应用证据 | 涉及吞咽困难患者的相关研究文献 | 医疗人工智能 | 吞咽困难 | 视频荧光吞咽检查 | 机器学习,深度学习,计算机视觉 | 医学影像数据 | 61篇纳入研究涉及的患者样本 | NA | NA | NA | NA |
| 1354 | 2025-10-06 |
Artificial intelligence-powered image analysis: A paradigm shift in infectious disease detection
2025-01, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103025
PMID:39608041
|
研究论文 | 本研究开发了一种基于人工智能的医学图像分析方法，用于提高传染病检测的诊断准确性 | 首次将模糊环境下的超软集(HSS)与多准则决策框架(MCDM)相结合，开创了AI驱动诊断的新方法 | NA | 通过分析医学影像提高传染病诊断准确性 | 传染病医学图像 | 计算机视觉 | 传染病 | 医学影像分析 | NA | 图像 | NA | NA | NA | NA | NA |
| 1355 | 2025-10-06 |
A Multi-task learning U-Net model for end-to-end HEp-2 cell image analysis
2025-01, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103031
PMID:39608042
|
研究论文 | 提出一种多任务学习U-Net模型，用于HEp-2细胞图像的端到端分析 | 首次采用多任务学习架构同时处理HEp-2细胞图像分析的三个关键任务：强度分类、分割和模式分类 | NA | 开发自动化HEp-2细胞图像分析方法以辅助自身免疫疾病诊断 | HEp-2细胞图像 | 计算机视觉 | 自身免疫疾病 | 间接免疫荧光显微镜技术 | CNN | 图像 | 使用最大的公开HEp-2图像数据集 | NA | U-Net | NA | NA |
| 1356 | 2025-10-06 |
SpaGraphCCI: Spatial cell-cell communication inference through GAT-based co-convolutional feature integration
2025 Jan-Dec, IET systems biology
IF:1.9Q3
DOI:10.1049/syb2.70000
PMID:39846423
|
研究论文 | 提出一种基于图注意力网络和共卷积特征整合的深度学习方法SpaGraphCCI，用于从空间多模态数据推断细胞间相互作用 | 首次通过GAT-based共卷积特征整合方法有效融合空间转录组数据的基因表达和图像特征 | NA | 开发能够有效整合空间多模态数据以推断细胞间通信的计算方法 | 空间转录组数据中的细胞间相互作用 | 生物信息学 | 乳腺癌 | 空间转录组技术 | GAT, 深度学习 | 基因表达数据, 组织图像 | 多个平台数据集（包括单细胞分辨率数据集和点分辨率数据集）及人类乳腺癌数据集 | NA | 图注意力网络, 共卷积特征整合 | AUC | NA |
| 1357 | 2025-10-06 |
The optimised model of predicting protein-metal ion ligand binding residues
2025 Jan-Dec, IET systems biology
IF:1.9Q3
DOI:10.1049/syb2.70001
PMID:39873344
|
研究论文 | 本研究开发了预测蛋白质-金属离子配体结合残基的优化模型 | 融合氨基酸及其衍生信息作为特征参数，并首次将深度学习算法应用于该预测任务，在Ca和Mg离子结合残基预测上取得了优于先前研究的结果 | NA | 准确预测蛋白质-金属离子配体结合残基 | 蛋白质-金属离子配体结合残基 | 机器学习 | NA | NA | 经典机器学习算法,深度学习算法 | 蛋白质序列数据 | NA | NA | NA | 验证矩阵 | NA |
| 1358 | 2025-10-06 |
ACP-DPE: A Dual-Channel Deep Learning Model for Anticancer Peptide Prediction
2025 Jan-Dec, IET systems biology
IF:1.9Q3
DOI:10.1049/syb2.70010
PMID:40119615
|
研究论文 | 提出一种基于双通道深度学习的抗癌肽预测模型ACP-DPE | 结合双向门控循环单元和扩张卷积的双通道架构，分别捕捉肽序列依赖关系和氨基酸局部关系 | NA | 开发深度学习模型用于抗癌肽预测 | 抗癌肽序列 | 机器学习 | 癌症 | 深度学习 | Bi-GRU, CNN | 肽序列数据 | NA | NA | 双通道架构（Bi-GRU模块+扩张卷积模块） | 准确率, 灵敏度 | NA |
| 1359 | 2025-10-06 |
TNFR-LSTM: A Deep Intelligent Model for Identification of Tumour Necroses Factor Receptor (TNFR) Activity
2025 Jan-Dec, IET systems biology
IF:1.9Q3
DOI:10.1049/syb2.70007
PMID:40156875
|
研究论文 | 开发了一种名为DEEP-TNFR的深度学习模型，用于准确预测肿瘤坏死因子受体（TNFR）活性 | 结合相对位置、反向位置和统计矩特征，系统比较六种深度学习分类器，其中LSTM表现最佳并超越先前研究 | NA | 提高TNFR活性识别的准确性，支持炎症、癌症和自身免疫疾病相关研究 | 肿瘤坏死因子受体（TNFR） | 自然语言处理 | 癌症 | 深度学习 | FCN, CNN, RNN, LSTM, Bi-LSTM, GRU | 序列数据 | NA | NA | 全连接网络, 卷积神经网络, 简单循环神经网络, 长短期记忆网络, 双向长短期记忆网络, 门控循环单元 | 准确率, 特异性, 灵敏度, 马修斯相关系数 | NA |
| 1360 | 2025-10-06 |
Improved in Silico Identification of Protein-Protein Interactions Using Deep Learning Approach
2025 Jan-Dec, IET systems biology
IF:1.9Q3
DOI:10.1049/syb2.70008
PMID:40275540
|
研究论文 | 开发了一种基于深度学习的蛋白质-蛋白质相互作用预测模型Deep_PPI | 提出使用双卷积头架构处理蛋白质对，并采用Keras二进制轮廓编码技术和PaddVal长度均衡策略 | NA | 改进蛋白质-蛋白质相互作用的计算机识别方法 | 多种物种的蛋白质-蛋白质相互作用 | 生物信息学 | 癌症，自身免疫性疾病，恶性贫血 | 深度学习 | CNN | 蛋白质序列 | 人类、秀丽隐杆线虫、大肠杆菌和智人等多个物种数据集 | Keras | 一维卷积神经网络 | 交叉验证准确率 | NA |