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 1481 - 1500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1481 | 2025-10-06 |
Neural signals, machine learning, and the future of inner speech recognition
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1637174
PMID:40708808
|
综述 | 本文综述机器学习在内隐语音识别领域的应用、挑战与未来发展 | 将现有内隐语音识别方法纳入结构化数学框架进行整合，提出认知模型并开展机器学习方法的对比分析 | 当前技术存在神经信号采集质量不足等局限 | 探索机器学习在内隐语音识别中的应用与改进方法 | 内隐语音相关的神经信号 | 机器学习 | NA | 神经信号采集与预处理 | SVM,随机森林,CNN | 神经信号 | NA | NA | 卷积神经网络 | NA | NA |
| 1482 | 2025-10-06 |
ABCFold: easier running and comparison of AlphaFold 3, Boltz-1, and Chai-1
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf153
PMID:40708869
|
研究论文 | 开发了ABCFold工具，简化AlphaFold 3、Boltz-1和Chai-1的使用与结果比较 | 提供标准化输入流程，支持多种结构预测工具的并行运行和结果统一展示 | 未明确说明对特定类型目标的预测性能差异 | 简化深度学习蛋白质结构预测工具的使用流程 | 蛋白质及其复合物的原子结构预测 | 计算生物学 | NA | 深度学习结构预测 | AlphaFold 3, Boltz-1, Chai-1 | 蛋白质序列，多序列比对(MSA) | NA | Python, JavaScript | NA | 立体冲突分析 | NA |
| 1483 | 2025-10-06 |
Hybrid representation learning for human m6A modifications with chromosome-level generalizability
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf170
PMID:40708868
|
研究论文 | 提出两种混合深度学习模型用于预测人类m6A修饰位点，并评估其在染色体水平的泛化能力 | 整合局部序列特征和上下文嵌入的混合深度学习模型，首次在染色体水平验证模型泛化能力 | 深度全局表示在染色体独立设置中可能过拟合 | 开发具有染色体水平泛化能力的m6A修饰位点预测模型 | 人类m6A修饰位点 | 生物信息学 | NA | 深度学习 | CNN, 混合深度学习模型 | 基因组序列数据 | NA | NA | Hybrid Model, Hybrid Deep Model | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 1484 | 2025-10-06 |
Deep learning-assisted diagnosis of liver tumors using non-contrast magnetic resonance imaging: a multicenter study
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1582322
PMID:40708941
|
研究论文 | 开发并验证基于非对比MRI的深度学习模型用于肝脏肿瘤分类 | 首次使用非对比MRI开发深度学习模型进行肝脏病变分类，避免了对比剂使用 | 研究仅基于三个医疗中心的数据，需要更多外部验证 | 开发用于非对比MRI肝脏肿瘤分类的深度学习模型 | 肝脏肿瘤患者 | 医学影像分析 | 肝脏肿瘤 | 磁共振成像 | CNN | 医学影像 | 1959名患者的50418张增强MRI图像 | NA | Inception-ResNet V2 | AUC, 敏感性, 特异性 | NA |
| 1485 | 2025-10-06 |
Integrating multimodal cancer data using deep latent variable path modelling
2025, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-025-01052-4
PMID:40709098
|
研究论文 | 提出了一种名为深度潜变量路径建模的新方法，用于整合多模态癌症数据 | 将深度学习的表征能力与路径建模识别复杂系统中相互作用元素关系的能力相结合 | NA | 整合多模态癌症数据以全面理解疾病病理学 | 乳腺癌数据、单细胞数据、CRISPR-Cas9筛选数据和空间转录组数据 | 机器学习 | 乳腺癌 | 单核苷酸变异分析、甲基化分析、microRNA测序、RNA测序、组织学分析、CRISPR-Cas9筛选、空间转录组学 | 深度学习潜变量模型 | 基因组数据、表观遗传数据、转录组数据、组织学图像数据、单细胞数据、空间转录组数据 | NA | NA | 深度潜变量路径模型 | 数据类型间关联映射性能 | NA |
| 1486 | 2025-10-06 |
Bullying and cyberbullying. A high risk, in boys and girls, of superficial learning, poor planning and academic procrastination
2025, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2025.1567523
PMID:40709227
|
研究论文 | 分析霸凌和网络霸凌与学习方式、规划决策及学业拖延之间的关联 | 首次系统揭示霸凌行为对关键学习变量的影响，超越已知的身心社会情感层面 | 样本仅来自西班牙学龄儿童，结果可能受文化背景限制 | 探究霸凌与网络霸凌对学习策略和学业行为的影响 | 1263名10-16岁西班牙学龄儿童（51.39%为女孩） | 教育心理学 | NA | ANCOVA，二元逻辑回归 | NA | 问卷调查数据 | 1263名学龄儿童 | NA | NA | 风险比率，百分比差异 | NA |
| 1487 | 2025-10-06 |
Artificial Intelligence in Cancer Diagnosis: A Game-changer in Healthcare
2025, Current pharmaceutical biotechnology
IF:2.2Q3
|
综述 | 本文综述了人工智能在癌症早期检测中的潜在应用、技术方法和实施挑战 | 系统整合了AI在癌症筛查、风险分层和诊断复发的多场景应用，并强调深度学习处理复杂医学数据的优势 | 存在数据质量、算法偏见、资源需求和实施标准化等挑战 | 探讨人工智能在癌症早期诊断中的临床应用价值 | 无症状高危人群、有症状患者和癌症复发监测群体 | 医疗人工智能 | 癌症 | CT、乳腺X线摄影、病理切片分析、外周血分析 | 逻辑回归, 神经网络, 深度学习 | 医学影像、病理数据、血液检测数据 | NA | NA | NA | NA | NA |
| 1488 | 2025-10-06 |
Prognostic Value Of Deep Learning Based RCA PCAT and Plaque Volume Beyond CT-FFR In Patients With Stent Implantation
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究探讨基于深度学习的右冠状动脉周脂肪组织衰减和斑块体积对经皮冠状动脉介入治疗患者预后的预测价值 | 首次证明基于深度学习的右冠状动脉周脂肪组织衰减和斑块体积比CT-FFR更能预测主要不良心血管事件 | 回顾性研究设计，样本量相对较小（183例患者） | 评估深度学习提取的影像特征对冠心病患者预后的预测能力 | 接受经皮冠状动脉介入治疗和冠状动脉CTA检查的患者 | 医学影像分析 | 心血管疾病 | 冠状动脉计算机断层扫描血管成像 | 深度学习 | 医学影像 | 183例接受PCI治疗的患者 | NA | NA | 风险比, 95%置信区间, p值 | 人工智能辅助工作站 |
| 1489 | 2025-10-06 |
Hybrid deep learning optimization for smart agriculture: Dipper throated optimization and polar rose search applied to water quality prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327230
PMID:40690512
|
研究论文 | 提出一种结合Dipper Throated优化和Polar Rose搜索的混合元启发式框架，用于智能农业中的水质预测 | 首次将DTO生物启发算法与PRS搜索相结合，通过二元特征选择和元启发式优化的统一流程增强深度学习模型性能 | NA | 开发精准的水质预测模型以支持智能农业灌溉决策 | 马铃薯等需高质量灌溉的农作物 | 机器学习 | NA | 水质预测 | RBFN | 水质数据 | NA | NA | 径向基函数网络 | 分类准确率, ANOVA检验, Wilcoxon检验 | NA |
| 1490 | 2025-10-06 |
Evolution from the physical process-based approaches to machine learning approaches to predicting urban floods: a literature review
2025, Environmental systems research
DOI:10.1186/s40068-025-00409-3
PMID:40692624
|
文献综述 | 本文综述了过去二十年来从物理过程模型到机器学习方法的城市洪水预测研究演变 | 重点关注AI驱动、实时和社区集成方法在城市洪水预测中的最新进展，并系统比较了不同方法的优劣 | 许多城市缺乏应用这些先进工具所需的数据、传感器或系统，且许多模型独立运行，未与城市规划或社区工作有效整合 | 分析城市洪水预测方法从传统物理过程模型到机器学习方法的发展历程 | 城市洪水预测模型和方法 | 机器学习 | NA | GIS, LiDAR, 卫星影像, 物联网, 深度学习 | 混合模型, 深度学习 | 气象数据, 传感器数据, 社交媒体数据, 卫星图像 | NA | NA | NA | NA | NA |
| 1491 | 2025-10-06 |
High-throughput end-to-end aphid honeydew excretion behavior recognition method based on rapid adaptive motion-feature fusion
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1609222
PMID:40692669
|
研究论文 | 提出一种基于快速自适应运动特征融合的端到端蚜虫蜜露排泄行为识别方法 | 开发了首个包含蚜虫细粒度行为的数据集，提出快速自适应运动特征融合算法，并在RT-DETR检测模型中引入样条自适应非线性激活函数和Kolmogorov-Arnold网络 | NA | 开发高效实时的蚜虫蜜露排泄行为自动识别方法 | 蚜虫的爬行运动、腿部弹动和蜜露排泄行为 | 计算机视觉 | NA | 深度学习 | RT-DETR | 视频图像 | NA | PyTorch | RT-DETR, ResNet50, RK50模块 | 平均精度, mAP50 | NA |
| 1492 | 2025-10-06 |
Classifying office workers with and without cervicogenic headache or neck and shoulder pain using posture-based deep learning models: a multicenter retrospective study
2025, Frontiers in pain research (Lausanne, Switzerland)
DOI:10.3389/fpain.2025.1614143
PMID:40692757
|
研究论文 | 基于习惯性坐姿图像开发深度学习模型，用于分类有无颈源性头痛或颈肩痛的办公室工作人员 | 首次使用深度学习模型从习惯性坐姿图像中自动识别颈源性头痛和颈肩痛，并利用类激活映射可视化模型关注区域 | 静态姿势与肌肉骨骼疼痛之间的复杂关系需要临床实践中采用多模式评估方法 | 开发用于分类办公室工作人员有无颈源性头痛和颈肩痛的深度学习模型 | 531名办公室工作人员（135名颈源性头痛，365名颈肩痛，108名同时患有两种病症，139名对照组） | 计算机视觉 | 肌肉骨骼疾病 | 数字图像分析 | CNN | 图像 | 904张习惯性坐姿图像，来自531名办公室工作人员 | NA | VGG19, ResNet50, EfficientNet B5 | AUC, 准确率, 灵敏度, 特异性, F1分数 | NA |
| 1493 | 2025-10-06 |
Deep learning for enhancement of low-resolution and noisy scanning probe microscopy images
2025, Beilstein journal of nanotechnology
IF:2.6Q2
DOI:10.3762/bjnano.16.83
PMID:40692894
|
研究论文 | 本研究使用深度学习方法提升低分辨率和噪声扫描探针显微镜图像的质量与分辨率 | 首次系统比较传统方法与深度学习模型在AFM图像增强中的表现，并证明深度学习能完全消除常见伪影 | 未详细说明具体使用的深度学习模型架构和训练数据规模 | 提升原子力显微镜图像的分辨率和质量，减少测量时间 | 低分辨率AFM图像 | 计算机视觉 | NA | 原子力显微镜 | 深度学习模型 | 图像 | NA | NA | NA | 保真度, 图像质量, 专家评估 | NA |
| 1494 | 2025-10-06 |
Multidisciplinary Evaluation of an AI-Based Pneumothorax Detection Model: Clinical Comparison with Physicians in Edge and Cloud Environments
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S535405
PMID:40693169
|
研究论文 | 评估基于Google Cloud Vertex AI开发的气胸检测深度学习模型在云环境和边缘环境中的诊断性能，并与多专科医师进行临床对比 | 首次在云环境和边缘环境中同时评估AI气胸检测模型性能，并与不同经验水平的医师进行多学科比较，特别关注微小气胸病例的检测能力 | 单中心回顾性研究，样本量有限(152例)，缺乏外部验证 | 评估AI模型在气胸检测中的诊断准确性及其临床适用性 | 152例匿名胸部X光片(76例气胸，76例正常)，15名来自4个专科的医师 | 计算机视觉 | 肺疾病 | 胸部X光成像，计算机断层扫描(CT) | 深度学习 | 医学图像 | 152例胸部X光片，患者年龄中位数50岁(范围18-95)，67.1%为男性 | Google Cloud Vertex AI, AutoML Vision | AutoML Vision自动生成的深度学习架构 | 敏感度，特异度，F1分数，诊断准确度 | Google Cloud Vertex AI平台，云环境和边缘环境部署 |
| 1495 | 2025-10-06 |
MSPO: A machine learning hyperparameter optimization method for enhanced breast cancer image classification
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251361603
PMID:40693252
|
研究论文 | 提出一种多策略鹦鹉优化器(MSPO)用于改进乳腺癌图像分类的机器学习超参数优化方法 | 在原始鹦鹉优化器基础上集成Sobol序列初始化、非线性递减惯性权重和混沌参数等策略，增强全局探索能力和收敛稳定性 | NA | 开发高效的超参数优化方法以提升乳腺癌图像分类性能 | 乳腺癌图像分类 | 计算机视觉 | 乳腺癌 | NA | CNN | 图像 | BreaKHis乳腺癌图像数据集 | NA | ResNet18 | 准确率,精确率,召回率,F1分数 | NA |
| 1496 | 2025-10-06 |
Identifying pivotal sites affecting thermostability of GH11 xylanase via conventional and deep learning-based energy calculation
2025-Jan-10, FEMS microbiology letters
IF:2.2Q3
DOI:10.1093/femsle/fnaf072
PMID:40643334
|
研究论文 | 本研究通过计算方法和深度学习工具识别影响GH11木聚糖酶热稳定性的关键位点 | 结合传统计算工具Rosetta Cartesian_ddG与深度学习工具Pythia进行酶热稳定性关键位点预测 | 组合不同位点的有益突变会导致热稳定性降低，存在负向上位性相互作用 | 提高GH11木聚糖酶XynCDBFV的热稳定性 | 来自Neocallimastix patriciarum的GH11木聚糖酶XynCDBFV | 机器学习 | NA | 位点饱和突变、计算能量分析 | 深度学习 | 蛋白质序列和结构数据 | 18个突变变体（D57位点3个，G201位点5个） | Pythia, Rosetta | NA | 最适温度提升、残余活性百分比 | NA |
| 1497 | 2025-10-06 |
Machine learning applications in colorectal cancer: from early detection to personalized treatment
2025-Jan-08, Integrative biology : quantitative biosciences from nano to macro
IF:1.5Q4
DOI:10.1093/intbio/zyaf013
PMID:40694039
|
综述 | 本文综述机器学习在结直肠癌从早期检测到个性化治疗全流程中的应用与影响 | 整合多组学、影像组学和临床数据，通过监督学习、神经网络和深度学习生成可操作见解，超越传统诊断和预后方法 | 面临数据质量、验证标准、临床工作流程整合及伦理问题等挑战 | 探讨机器学习在结直肠癌诊疗中的变革性作用及临床实施路径 | 结直肠癌患者的多模态数据（遗传特征、影像数据、临床信息） | 机器学习 | 结直肠癌 | 多组学分析、影像组学分析 | 支持向量机, 随机森林, 神经网络, 深度学习 | 遗传数据, 影像数据, 临床数据 | NA | NA | NA | 诊断准确性, 治疗结果改善 | NA |
| 1498 | 2025-10-06 |
Harnessing Deep Learning Methods for Voltage-Gated Ion Channel Drug Discovery
2025-Jan-01, Physiology (Bethesda, Md.)
DOI:10.1152/physiol.00029.2024
PMID:39189871
|
综述 | 探讨深度学习在电压门控离子通道药物发现中的最新应用进展 | 将扩散模型等深度学习方法应用于电压门控离子通道蛋白质结合剂的计算设计 | NA | 为开发新型电压门控离子通道靶向治疗策略提供计算框架 | 电压门控离子通道及其蛋白质结合剂 | 机器学习 | 心律失常, 神经病理性疼痛 | 深度学习, 扩散模型 | 扩散模型 | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 1499 | 2025-10-06 |
TKR-FSOD: Fetal Anatomical Structure Few-Shot Detection Utilizing Topological Knowledge Reasoning
2025-01, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3480197
PMID:39401118
|
研究论文 | 提出一种基于拓扑知识推理的胎儿解剖结构少样本检测方法TKR-FSOD | 首次将拓扑知识推理应用于胎儿超声图像的少样本检测任务，提出拓扑知识推理模块和判别能力增强特征学习模块 | 仅针对超声图像中的胎儿解剖结构检测，未验证在其他医学影像或通用目标检测任务上的适用性 | 解决胎儿超声图像中难以获取样本的解剖结构检测问题 | 胎儿超声图像中的多解剖结构 | 计算机视觉 | 胎儿发育异常 | 超声成像 | 深度学习 | 超声图像 | 少样本设置（如5-shot） | NA | TKR-FSOD | 检测精度 | NA |
| 1500 | 2025-10-06 |
Attention-Guided 3D CNN With Lesion Feature Selection for Early Alzheimer's Disease Prediction Using Longitudinal sMRI
2025-01, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3482001
PMID:39412975
|
研究论文 | 提出一种结合病变特征选择和注意力机制的轻量级3D CNN模型，用于基于纵向sMRI的早期阿尔茨海默病预测 | 提出纵向病变特征选择策略和疾病趋势注意力机制，能够捕捉脑部结构的动态变化并关注关键病变特征 | 仅使用两次随访sMRI扫描，可能无法完全捕捉疾病发展的完整动态过程 | 预测轻度认知障碍向阿尔茨海默病的转化，实现早期干预 | 轻度认知障碍患者 | 医学影像分析 | 阿尔茨海默病 | 结构磁共振成像 | 3D CNN | 3D医学影像 | 使用两次随访sMRI扫描的轻度认知障碍患者队列 | NA | 3D卷积神经网络 | AUC,准确率,特异性,精确率,F1分数 | NA |