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 3543 篇文献，本页显示第 121 - 140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2026-01-01 |
The extended hollowed mind: why foundational knowledge is indispensable in the age of AI
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1719019
PMID:41459580
|
研究论文 | 本文提出了“空心化心智”的概念框架，探讨生成式人工智能在教育中引发的认知依赖风险，并提出了“强化心智”的教学目标 | 提出了“空心化心智”和“主权陷阱”的概念框架，从多学科角度解释人工智能对认知过程的影响，并提出了“强化心智”作为应对策略 | 主要基于理论分析和现有证据的综合，缺乏实证研究数据支持具体干预措施的效果 | 分析生成式人工智能对教育认知过程的影响，并提出应对认知依赖风险的理论框架 | 人工智能在教育环境中的认知影响机制 | 自然语言处理 | NA | NA | 生成式人工智能 | 理论分析 | NA | NA | NA | NA | NA |
| 122 | 2025-12-31 |
Clair3-RNA: A deep learning-based small variant caller for long-read RNA sequencing data
2025-Jan-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.17.624050
PMID:39803537
|
研究论文 | 本文提出了一种基于深度学习的、专为长读长RNA测序数据设计的小变异检测工具Clair3-RNA | 首个针对长读长RNA测序数据的深度学习变异检测工具，整合了覆盖度归一化、训练材料优化、编辑位点发现和单倍型定相等技术 | NA | 开发一个高性能的变异检测工具，以应对长读长RNA测序数据中较高的错误率和转录本多样性等挑战 | 长读长RNA测序数据中的小变异 | 生物信息学 | NA | 长读长RNA测序，包括PacBio和ONT平台的cDNA测序及直接RNA测序 | 深度学习 | RNA测序数据 | 多个GIAB样本 | NA | NA | SNP F1分数 | NA |
| 123 | 2025-12-31 |
Bayesian Multifractal Image Segmentation
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3644793
PMID:41428918
|
研究论文 | 本文提出了一种无监督的贝叶斯多重分形分割方法，用于在像素级别对图像中的多重分形纹理进行建模和分割 | 首次开发了针对小波导数的计算和统计高效的多重分形参数估计模型，并引入了多尺度Potts马尔可夫随机场作为先验来建模小波导数标签之间的空间和尺度相关性 | 实验主要在合成的多重分形图像上进行评估，在真实自然图像上的性能有待进一步验证 | 开发一种无监督的图像分割方法，用于处理包含多种纹理的自然图像 | 具有多重分形纹理的图像 | 计算机视觉 | NA | 多重分形分析，小波变换 | 贝叶斯模型，马尔可夫随机场 | 图像 | NA | NA | 多尺度Potts马尔可夫随机场 | NA | NA |
| 124 | 2025-12-31 |
Cross-Frequency Attention and Color Contrast Constraint for Remote Sensing Dehazing
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3644167
PMID:41428925
|
研究论文 | 本文提出了一种结合跨频注意力与颜色对比约束的遥感图像去雾方法 | 开发了全方向高频特征修复机制以建模全局长程纹理依赖，设计了高频提示注意力模块以增强局部高频表示，并提出了基于HSV颜色空间的颜色对比损失函数以改善颜色恢复 | NA | 解决遥感图像去雾中纹理细节保留与颜色准确恢复的难题 | 遥感图像 | 计算机视觉 | NA | 小波变换 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 125 | 2025-12-30 |
Nuclei segmentation and classification from histopathology images using federated learning for end-edge platform
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322749
PMID:40638627
|
研究论文 | 提出一种结合分割与分类的深度学习框架，用于组织病理学图像中的细胞核分割与分类，并采用联邦学习保护数据隐私 | 提出了一种结合SegNet分割与DenseNet121分类的两阶段框架，并首次在细胞核分析任务中集成了联邦学习（FedAvg）和全整数量化技术，以实现隐私保护与边缘设备高效部署 | 未明确说明模型在重叠细胞核或边界模糊情况下的具体性能细节，也未提及跨不同染色或扫描仪图像的泛化能力评估 | 开发一种高效、可扩展且保护隐私的自动化方法，用于组织病理学图像中的细胞核分割与分类，以辅助癌症检测 | 组织病理学图像中的细胞核 | 数字病理学 | 癌症 | 组织病理学成像 | CNN | 图像 | NA | TensorFlow, PyTorch | SegNet, DenseNet121 | 平均像素精度（MPA）, 平均交并比（MIoU）, 频率加权交并比（FWIoU）, 准确率, 马修斯相关系数（MCC） | 边缘设备（部署平台），具体GPU型号未提及 |
| 126 | 2025-12-30 |
Integrating Gene Ontology Relationships for Protein Function Prediction Using PFresGO
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4662-5_9
PMID:40728613
|
研究论文 | 本文提出了一种基于注意力机制的深度学习方法PFresGO，利用基因本体（GO）图的层次结构来高通量预测多种蛋白质功能 | PFresGO通过整合基因本体关系，克服了现有方法忽视不同功能间关系的局限性，实现了更准确的蛋白质功能预测 | NA | 开发高效的计算方法，用于蛋白质功能注释，以弥合高通量序列数据与未知蛋白质功能之间的差距 | 蛋白质功能预测 | 机器学习 | NA | 基因本体（GO）图分析 | 基于注意力机制的深度学习 | 序列数据 | NA | NA | NA | NA | NA |
| 127 | 2025-12-30 |
Machine Learning for Protein Function Prediction
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4662-5_2
PMID:40728606
|
综述 | 本章全面回顾和分类了基于Gene Ontology (GO)术语的蛋白质功能预测主要计算方法，包括模板检测、统计机器学习、深度学习和组合方法，并讨论了这些方法的应用 | 系统性地对蛋白质功能预测的计算方法进行了分类和综述，涵盖了从传统模板检测到现代深度学习的多种技术路线 | 作为综述章节，未提出新的算法或模型，主要侧重于现有方法的总结和比较 | 开发高效准确的计算方法以预测蛋白质功能，替代耗时耗力的生物实验 | 蛋白质功能，特别是由Gene Ontology (GO)术语定义的功能 | 生物信息学 | NA | 计算预测方法 | 模板检测方法, 统计机器学习方法, 深度学习方法 | 蛋白质序列和功能注释数据 | NA | NA | NA | NA | NA |
| 128 | 2025-12-30 |
A Survey of Deep Learning Methods and Tools for Protein Binding Site Prediction
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4662-5_5
PMID:40728609
|
综述 | 本文全面回顾了用于蛋白质结合位点预测的深度学习方法和工具 | 系统性地汇编和评估了最新的深度学习模型、数据资源和评估指标，为研究人员提供了全面的指南 | NA | 促进AI驱动的蛋白质结合位点预测研究 | 蛋白质结合位点 | 机器学习 | NA | 深度学习 | CNN, GNN | 蛋白质结构数据 | NA | NA | 卷积神经网络, 图神经网络 | NA | NA |
| 129 | 2025-12-30 |
Annotating genomes with DeepGO protein function prediction tools
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4662-5_10
PMID:40728614
|
综述 | 本章探讨了DeepGO蛋白质功能预测工具套件的演变及其在基因组注释中的应用 | 介绍了DeepGO系列工具的关键进展，特别是最新模型DeepGO-SE在预测蛋白质功能方面的效率和准确性 | NA | 为研究人员提供使用深度学习功能预测方法增强基因组分析的指南 | 蛋白质功能预测工具及其在基因组注释中的应用 | 机器学习 | NA | 深度学习 | NA | 基因组数据 | NA | NA | DeepGO, DeepGO-SE | 效率, 准确性 | NA |
| 130 | 2025-12-30 |
A Benchmarking Platform for Assessing Protein Language Models on Function-Related Prediction Tasks
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4662-5_14
PMID:40728618
|
研究论文 | 介绍了一个用于评估蛋白质语言模型在功能相关预测任务上性能的基准测试平台PROBE | 开发了首个综合性的蛋白质表示基准测试框架PROBE，支持评估包括多模态PLM在内的多种模型，并提供了用户友好的Web服务 | NA | 评估和比较不同蛋白质表示方法（包括经典方法和蛋白质语言模型）在功能预测任务上的性能 | 蛋白质序列、结构和功能 | 自然语言处理 | NA | 蛋白质语言模型 | PLM | 序列数据, 结构数据 | NA | NA | ESM2, ESM3, ProstT5, SaProt | NA | NA |
| 131 | 2025-12-30 |
Intelligent glucose management in hospitalized patients: Short-term glucose and adverse events prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0339360
PMID:41452855
|
研究论文 | 本研究提出了一种基于堆叠注意力门控循环单元（SA-GRU）的深度学习模型，用于预测住院患者的短期血糖水平和不良事件 | 首次将堆叠注意力门控循环单元（SA-GRU）网络应用于住院患者血糖管理和不良事件预测，实现了从回顾性干预到前瞻性预测的转变 | 研究仅针对2型糖尿病患者，样本量相对有限（196例），未涵盖其他类型糖尿病或更广泛的住院人群 | 开发智能血糖管理系统，帮助临床医生提前预测住院患者的血糖水平和潜在不良事件，以支持临床决策 | 住院的2型糖尿病患者 | 机器学习 | 糖尿病 | 连续血糖监测（CGM） | 深度学习, SA-GRU | 时间序列数据（血糖监测数据） | 196名住院2型糖尿病患者，另加一个公开可用的2型糖尿病数据集 | NA | 堆叠注意力门控循环单元（SA-GRU） | 均方根误差（RMSE）, 平均绝对相对差异（MARD）, 分类准确率 | NA |
| 132 | 2025-12-28 |
Retraction: Can artificial intelligence and face recognition using deep learning detect emotions in children with autism?
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0340338
PMID:41452923
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 133 | 2025-12-28 |
Retraction: A deep learning-based ensemble for autism spectrum disorder diagnosis using facial images
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0340328
PMID:41452920
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 134 | 2025-12-29 |
Forecasting daily bathtub-drowning mortality in Japan: a comparative analysis of statistical, machine learning, and deep learning approaches
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1715622
PMID:41450495
|
研究论文 | 本文比较了统计、机器学习和深度学习方法在预测日本每日浴缸溺水死亡率方面的性能 | 首次开发了全国范围的浴缸溺水死亡预测模型，并比较了DLNM、XGBoost和LSTM三种方法的预测准确性 | 模型依赖于历史数据，可能无法完全捕捉未来突发变化或未包含的风险因素 | 预测日本每日浴缸溺水死亡率，以支持公共卫生干预和及时预警 | 日本47个都道府县的浴缸溺水死亡数据 | 机器学习 | 老年疾病 | 死亡证明记录分析、气象数据整合 | DLNM, XGBoost, LSTM | 时间序列数据、气象数据、人口统计数据 | 99,930例浴缸溺水死亡记录，覆盖446,359个都道府县-天数据点 | NA | 分布式滞后非线性模型, 极端梯度提升, 长短期记忆网络 | 均方根误差, 平均绝对误差 | NA |
| 135 | 2025-12-29 |
An adaptive hand exoskeleton rehabilitation training system integrating virtual reality and an AI-based assessment engine
2025, Frontiers in sports and active living
IF:2.3Q2
DOI:10.3389/fspor.2025.1724021
PMID:41450855
|
研究论文 | 本文提出了一种集成了虚拟现实和基于AI评估引擎的自适应手部外骨骼康复训练系统，用于中风后手部运动障碍的康复 | 融合了生物信号传感、AI分析和虚拟现实交互，实现了高效、自适应、可量化的闭环训练过程，并基于多模态数据融合、闭环自适应控制和神经可塑性多感官增强三大理论支柱 | 单臂设计限制了因果推断，样本量小（n=24），干预周期短（4周），FMA-UE代理标签通过线性插值构建，且为临床控制环境而非真实世界部署 | 开发一个数据驱动、多模态闭环康复系统，以解决传统康复中依从性低、评估主观和个性化不足的问题，促进中风后手部功能恢复 | 中风幸存者（中风后3-12个月，FMA-UE评分15-50） | 机器学习 | 心血管疾病 | 生物信号传感（6轴IMU，16通道sEMG），扩展卡尔曼滤波，虚拟现实交互 | 随机森林，支持向量回归 | 生物信号数据（运动学，肌肉激活），行为数据 | 24名中风幸存者，共479次训练会话，8,946个标注片段 | Scikit-learn | 随机森林（200棵树，深度8），支持向量回归（RBF核） | R², MAE, Spearman ρ, ICC, FMA-UE, ARAT, 握力, 标准化ROM, 任务成功率, SUS | 云AI引擎，通过MQTT与基于Unity的VR进行双向通信 |
| 136 | 2025-12-29 |
Predicting Ki-67 expression levels in non-small cell lung cancer using an explainable CT-based deep learning radiomics model
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1655714
PMID:41450926
|
研究论文 | 本研究开发了一种可解释的CT影像深度学习放射组学模型，用于预测非小细胞肺癌中Ki-67的表达水平 | 结合临床放射学特征、放射组学特征和深度学习特征，构建了一个可解释的预测模型，并通过SHAP分析可视化特征贡献 | 回顾性研究设计，样本量相对有限，且仅基于两个中心的患者数据 | 预测非小细胞肺癌中Ki-67的表达水平，以辅助临床优化个性化治疗策略 | 非小细胞肺癌患者 | 数字病理学 | 肺癌 | CT成像 | 支持向量机 | 图像 | 371名患者（中心1: 259名，中心2: 112名） | Scikit-learn | ResNet18 | AUC, IDI | NA |
| 137 | 2025-12-29 |
The research hotspots and trends of artificial intelligence technology in nursing management: a bibliometric study
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1710269
PMID:41451100
|
文献计量研究 | 本文通过文献计量学方法分析了人工智能在护理管理领域的研究热点与趋势 | 首次系统性地利用CiteSpace、VOSviewer和Bibliometrix工具对AI在护理管理领域的文献进行可视化分析，识别了五大研究集群和新兴热点 | 研究排除了非英语文献，且依赖文献计量分析，可能无法完全反映AI在临床实践中的实际应用情况 | 探索人工智能技术在护理管理领域的研究格局、热点与未来趋势 | Web of Science核心合集和Scopus数据库中1990年至2025年8月的151篇英文出版物 | 机器学习 | NA | 文献计量分析 | NA | 文本 | 151篇出版物 | CiteSpace, VOSviewer, Bibliometrix | NA | NA | NA |
| 138 | 2025-12-29 |
Sentiment Analysis of Autologous Breast Reconstruction Using Natural Language Processing and Deep Learning
2025, Aesthetic surgery journal. Open forum
DOI:10.1093/asjof/ojaf145
PMID:41451120
|
研究论文 | 本研究利用自然语言处理和深度学习技术，对患者关于自体乳房重建（DIEP、TRAM、LD皮瓣）的公开评论进行情感分析 | 首次将RoBERTa等NLP模型应用于大规模患者论坛评论，以量化分析患者对特定乳房重建手术的情感与情绪，补充了传统临床研究 | 样本量较小（仅212条评论），数据来源单一（仅RealSelf平台），可能无法代表所有患者群体 | 评估患者对自体乳房重建手术（DIEP、TRAM、LD皮瓣）的情感态度和情绪体验 | RealSelf平台上关于DIEP、TRAM或LD皮瓣的公开患者评论 | 自然语言处理 | 乳腺癌 | 自然语言处理, 深度学习 | RoBERTa | 文本 | 212条患者评论（DIEP 153条，TRAM 20条，LD 39条） | NA | RoBERTa | NA | NA |
| 139 | 2025-12-29 |
AI-driven advances in plant biotechnology: sharpening the edge of plant tissue culture and genome editing
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1718810
PMID:41451278
|
综述 | 本文综述了人工智能（AI）在植物组织培养和基因组编辑领域的应用进展与潜力 | 系统性地汇编了多种AI模型在CRISPR/Cas基因组编辑中的应用研究，并首次明确概述了AI如何变革植物组织培养和基因组编辑领域 | AI在植物CRISPR建模中的应用尚未得到充分探索，且本文为综述性文章，未提出新的原创模型或实验数据 | 探讨AI技术如何推动植物生物技术，特别是植物组织培养和基因组编辑领域的进步 | 植物组织培养协议、CRISPR/Cas9基因组编辑系统、各种生物体中的编辑模型 | 机器学习 | NA | CRISPR/Cas9基因组编辑 | 机器学习（ML）、人工神经网络（ANN）、深度学习（DL） | NA | NA | NA | NA | NA | NA |
| 140 | 2025-12-28 |
Drug response in the era of precision medicine: A methodological review
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.11.067
PMID:41446807
|
综述 | 本文系统回顾了药物反应预测的现有方法，重点关注输入数据结构、响应变量定义和使用的数据类型 | 提出了一个基于数据-响应关系的统一分类框架，包括单一数据类型与响应向量、单一数据类型与响应矩阵以及多数据类型与响应，从而能够跨不同疾病和数据类型比较统计和基于机器学习的方法 | NA | 综述药物反应预测的方法学，以支持精准医疗 | 药物反应预测的计算方法 | 机器学习 | NA | NA | NA | 结构化数据（如分子和药理学数据）和非结构化数据（如医学影像数据） | NA | NA | NA | NA | NA |