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 1721 - 1740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1721 | 2025-10-06 |
DeepRice6mA: A convolutional neural network approach for 6mA site prediction in the rice Genome
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325216
PMID:40531834
|
研究论文 | 提出一种基于卷积神经网络的深度学习方法DeepRice6mA，用于预测水稻基因组中的6mA位点 | 结合one-hot编码和3-kmer特征嵌入的集成策略，开发了专门针对水稻6mA位点预测的综合预测工具 | NA | 开发高精度计算工具识别水稻基因组中的N6-甲基化(6mA)位点 | 水稻基因组DNA序列 | 生物信息学 | NA | 基因组序列分析 | CNN | 基因组序列数据 | NA | NA | NA | 准确率, 灵敏度, 特异性, 马修斯相关系数, AUC | NA |
| 1722 | 2025-10-06 |
Study on the quantitative analysis of Tilianin based on Raman spectroscopy combined with deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325530
PMID:40531836
|
研究论文 | 本研究提出一种结合拉曼光谱与深度学习的田蓟苷定量分析方法 | 提出基于残差自注意力机制的RSAQN模型，同时关注光谱深浅层特征和通道间信息 | 仅使用120个光谱样本，样本量有限；仅测试6种浓度梯度的田蓟苷-甲醇溶液 | 开发田蓟苷的快速无损定量分析方法 | 田蓟苷-甲醇溶液 | 机器学习 | 癌症 | 拉曼光谱 | 深度学习 | 光谱数据 | 6种浓度梯度共120个光谱样本 | NA | 残差自注意力机制网络(RSAQN) | R2 | NA |
| 1723 | 2025-10-06 |
Advancing breast cancer prediction: Comparative analysis of ML models and deep learning-based multi-model ensembles on original and synthetic datasets
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0326221
PMID:40531928
|
研究论文 | 本研究通过比较多种机器学习模型和深度学习集成方法在原始和合成数据集上的表现，旨在提升乳腺癌预测的准确性 | 结合传统机器学习、AutoML和深度学习集成策略，并探索高斯Copula和TVAE等合成数据生成方法对预测性能的提升 | 未明确说明数据集的具体规模和来源限制 | 提高乳腺癌诊断的准确性和效率 | 乳腺癌诊断预测 | 机器学习 | 乳腺癌 | 合成数据生成（高斯Copula、TVAE） | KNN, SVM, ANN, RF, XGBoost, AutoML, 深度学习集成 | 医疗数据 | NA | H2O, AutoML | 集成学习架构 | 准确率 | NA |
| 1724 | 2025-10-06 |
An Enhanced Hybrid Model Combining CNN, BiLSTM, and Attention Mechanism for ECG Segment Classification
2025, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972251341051
PMID:40534643
|
研究论文 | 提出一种结合CNN、CBAM注意力机制和BiLSTM的混合模型用于ECG信号分类 | 首次将CNN与CBAM注意力机制和BiLSTM层集成，通过SMOTE处理类别不平衡问题 | 仅在MIT-BIH心律失常数据库上验证，未说明在其他数据集上的泛化能力 | 开发自动ECG信号分类模型以辅助心脏疾病诊断 | 心电图信号和心跳分类 | 医疗健康 | 心血管疾病 | 深度学习 | CNN, BiLSTM, Attention Mechanism | ECG信号 | MIT-BIH心律失常数据库 | NA | CNN-CBAM-BiLSTM混合架构 | 准确率, 灵敏度, 特异性, F1分数 | NA |
| 1725 | 2025-10-06 |
AI improves consistency in regional brain volumes measured in ultra-low-field MRI and 3T MRI
2025, Frontiers in neuroimaging
DOI:10.3389/fnimg.2025.1588487
PMID:40534653
|
研究论文 | 本研究比较了不同磁场强度MRI及AI增强MRI在脑区体积测量中的一致性问题 | 首次系统评估深度学习模型在超低场MRI与3T MRI脑体积测量一致性改善方面的效果 | 研究仅针对特定脑区体积测量，未涵盖其他影像学特征 | 评估不同磁场强度MRI与AI增强MRI在脑区体积测量中的一致性和偏差 | 不同磁场强度MRI获取的脑区体积数据 | 医学影像分析 | 神经系统疾病 | 磁共振成像 | 深度学习 | 医学影像 | NA | NA | SynthSR, HiLoResGAN | 描述性统计, 配对t检验, 效应量分析, 回归分析 | NA |
| 1726 | 2025-10-06 |
Development of deep learning models for high-resolution exposome mapping and health impact assessment
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1565471
PMID:40535428
|
研究论文 | 开发用于高分辨率暴露组绘图和健康影响评估的深度学习模型 | 提出自适应多尺度暴露网络(AMSEN)和自适应暴露优化策略(AEOS)，通过跨模态融合机制、时空特征提取和不确定性量化解决多尺度变异性和测量不确定性问题 | NA | 推进环境健康科学，提供暴露组量化和健康影响评估的新工具 | 环境暴露与人类健康结果的复杂相互作用 | 机器学习 | NA | 卫星影像、可穿戴传感器、地理空间分析 | 深度学习 | 多模态数据 | NA | NA | 分层深度学习模型 | 暴露预测精度、计算性能 | NA |
| 1727 | 2025-10-06 |
A hybrid Bi-LSTM model for data-driven maintenance planning
2025, Autonomous intelligent systems
DOI:10.1007/s43684-025-00099-9
PMID:40535477
|
研究论文 | 提出一种混合双向长短期记忆网络模型，用于数据驱动的维护规划 | 结合蒙特卡洛dropout生成剩余使用寿命预测，并构建经验系统可靠性函数用于选择性维护问题优化 | NA | 开发可扩展的智能维护方法，优化选择性维护问题 | 面向任务的串联k-out-of-n:G系统 | 机器学习 | NA | 深度学习，蒙特卡洛方法 | Bi-LSTM | 传感器监测数据 | NA | NA | 混合Bi-LSTM | 成本最小化，任务存活率 | NA |
| 1728 | 2025-10-06 |
The multikinetic fusion feature of PPG was combined with MCNN_vision_transformer for diabetes detection
2025, American journal of translational research
IF:1.7Q4
DOI:10.62347/ZRMW1346
PMID:40535639
|
研究论文 | 提出一种结合PPG多动力学融合特征与MCNN_Vision Transformer的糖尿病自动检测模型 | 首次将SGR空间编码算法提取的PPG动态融合特征与多尺度卷积和Vision Transformer结合，用于糖尿病检测 | 回顾性病例对照研究，样本来源单一 | 利用深度学习算法实现糖尿病的早期预防和筛查 | 血糖正常人群、糖尿病控制不良人群和糖尿病控制良好人群 | 机器学习 | 糖尿病 | PPG信号分析 | MCNN, Vision Transformer | PPG信号 | 自收集医学数据集（三组人群） | NA | MCNN, Vision Transformer | 准确率, ROC曲线面积 | NA |
| 1729 | 2025-10-06 |
Pretreatment Multi-sequence Contrast-Enhanced MRI to Predict Response to Immunotherapy in Unresectable Hepatocellular Carcinoma Using Transformer: A Multicenter Study
2025, Journal of Cancer
IF:3.3Q2
DOI:10.7150/jca.111026
PMID:40535816
|
研究论文 | 本研究开发了基于Transformer的放射组学模型，用于预测不可切除肝细胞癌患者对靶向联合免疫治疗的客观缓解率 | 首次将Transformer模型与ResNet50结合应用于多序列增强MRI图像，通过多实例学习方法预测免疫治疗疗效 | 回顾性研究设计，样本量相对有限（264例患者），需要进一步前瞻性验证 | 预测不可切除肝细胞癌患者对靶向联合免疫治疗的客观缓解情况 | 264例接受免疫治疗前进行增强MRI检查的不可切除肝细胞癌患者 | 计算机视觉 | 肝细胞癌 | 多序列对比增强MRI | Transformer, CNN | 医学影像 | 264例患者（训练组180例，验证组84例） | NA | Transformer, ResNet50 | AUC, ROC曲线, DCA曲线, HR | NA |
| 1730 | 2025-10-06 |
CoReSi: a GPU-based software for Compton camera reconstruction and simulation in collimator-free SPECT
2025-Jan-31, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adaacc
PMID:39813793
|
研究论文 | 介绍CoReSi——一款基于GPU的康普顿相机重建和仿真软件，用于无准直器SPECT成像 | 首个专门用于医学成像的开源康普顿相机重建软件，采用PyTorch实现以支持多线程和深度学习算法接口 | 主要专注于医学成像和近场实验，可能不适用于远场天文应用 | 开发用于康普顿相机图像重建和仿真的高效软件工具 | 康普顿相机成像系统和3D图像重建 | 医学成像 | NA | 康普顿相机成像，蒙特卡洛模拟 | NA | 3D图像数据 | NA | PyTorch | NA | NA | GPU |
| 1731 | 2025-10-06 |
Transformer for Multitemporal Hyperspectral Image Unmixing
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3577394
PMID:40504726
|
研究论文 | 提出一种基于Transformer的多时相高光谱图像解混端到端无监督深度学习模型 | 提出MUFormer模型，引入全局感知模块和变化增强模块来有效捕捉多时相语义信息 | NA | 解决多时相高光谱图像解混问题，监测和分析地表动态变化 | 多时相高光谱图像 | 计算机视觉 | NA | 高光谱成像 | Transformer | 高光谱图像 | 1个真实数据集和2个合成数据集 | NA | Transformer, MUFormer | NA | NA |
| 1732 | 2025-10-06 |
Potential value of novel multiparametric MRI radiomics for preoperative prediction of microsatellite instability and Ki-67 expression in endometrial cancer
2025-01-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87966-w
PMID:39863695
|
研究论文 | 开发了一种新型混合放射组学方法，用于术前预测子宫内膜癌的微卫星不稳定性和Ki-67表达 | 首次将多参数MRI、深度学习和多通道图像分析相结合，采用新兴注意力机制提取特征 | 回顾性研究，样本量有限（156例患者） | 预测子宫内膜癌的微卫星不稳定性和Ki-67表达状态 | 子宫内膜癌患者 | 数字病理 | 子宫内膜癌 | 多参数磁共振成像 | XGBoost | 医学影像 | 156例子宫内膜癌患者 | NA | 注意力机制 | AUC,准确率 | NA |
| 1733 | 2025-10-06 |
The tumour histopathology "glossary" for AI developers
2025-Jan, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012708
PMID:39847582
|
综述 | 本文为AI开发者提供肿瘤组织病理学基础概念指南，旨在促进人工智能在癌症研究中的应用 | 首次系统性地为计算研究人员构建肿瘤组织病理学知识框架，涵盖细胞类型识别、肿瘤微环境等核心概念 | 未涉及具体的AI算法实现细节，主要侧重于基础概念传授 | 弥合计算科学与组织病理学之间的知识鸿沟，加速AI在癌症研究中的转化应用 | AI开发者与计算研究人员 | 数字病理 | 肿瘤 | HE染色, 免疫组织化学, 多重抗体染色 | NA | 组织病理学图像 | NA | NA | NA | NA | NA |
| 1734 | 2025-10-06 |
Rapid response to fast viral evolution using AlphaFold 3-assisted topological deep learning
2025, Virus evolution
IF:5.5Q1
DOI:10.1093/ve/veaf026
PMID:40352163
|
研究论文 | 提出一种结合AlphaFold 3和拓扑深度学习的多任务策略，用于快速预测病毒突变对蛋白质相互作用和结合自由能的影响 | 首次将AlphaFold 3与多任务拓扑拉普拉斯模型结合，无需实验结构即可预测病毒突变效应 | 与实验结构相比，性能存在轻微下降（PCC降低1.1%，RMSE增加9.3%） | 开发快速响应病毒快速进化的计算方法 | SARS-CoV-2刺突蛋白受体结合域与人类ACE2复合物 | 机器学习 | COVID-19 | 深度突变扫描，蛋白质-蛋白质相互作用分析 | 拓扑深度学习，多任务学习 | 蛋白质结构数据，突变数据 | 4个实验DMS数据集，包括SARS-CoV-2 HK.3变体 | NA | 多任务拓扑拉普拉斯 | Pearson相关系数，均方根误差 | NA |
| 1735 | 2025-10-06 |
Comparison of Deep Learning Models for Objective Auditory Brainstem Response Detection: A Multicenter Validation Study
2025 Jan-Dec, Trends in hearing
IF:2.6Q1
DOI:10.1177/23312165251347773
PMID:40457875
|
研究论文 | 本研究通过多中心验证比较了九种深度学习模型在客观检测听觉脑干反应方面的性能 | 首次在大规模多中心数据集上系统评估多种深度学习模型（包括CNN、Transformer及混合架构）对ABR检测的泛化能力 | 研究仍依赖于现有临床数据质量，模型在更广泛人群中的表现需要进一步验证 | 评估深度学习模型在真实临床环境中对听觉脑干反应的客观检测能力 | 听觉脑干反应信号 | 医疗人工智能 | 听力障碍 | 听觉脑干反应检测 | CNN, Transformer, 混合模型 | 生理信号时间序列数据 | 主要数据集包含128,123个标记ABR，来自13,813名参与者，涵盖广泛年龄和听力水平 | NA | AlexNet, VGG, ResNet, Transformer, PatchTST, Differential Transformer, Differential PatchTST, ResTransformer, ResPatchTST | 准确率, AUC | NA |
| 1736 | 2025-10-06 |
RRFNet: A free-anchor brain tumor detection and classification network based on reparameterization technology
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325483
PMID:40522942
|
研究论文 | 提出一种基于重参数化技术的无锚框脑肿瘤检测和分类网络RRFNet | 使用RepConv和RepC3构建主干网络，结合FGConcat特征图拼接模块优化脑肿瘤检测模型 | 未提及具体的数据集限制或泛化能力评估 | 提高脑肿瘤自动检测和分类的准确性和效率 | 脑部CT或MRI图像中的肿瘤区域 | 计算机视觉 | 脑肿瘤 | 深度学习 | CNN | 医学图像 | NA | NA | RepConv, RepC3, FGConcat | mAP | NA |
| 1737 | 2025-10-06 |
Artificial Intelligence in Obsessive-Compulsive Disorder: A Systematic Review
2025, Current treatment options in psychiatry
DOI:10.1007/s40501-025-00359-8
PMID:40524733
|
系统综述 | 本系统综述综合分析了人工智能在强迫症领域的应用现状和前景 | 重点关注了深度学习技术的新应用，特别是生成式人工智能和自然语言处理在强迫症领域的创新应用 | 纳入的研究中84.6%使用二手数据分析，可能限制研究结果的普适性 | 系统评估人工智能在强迫症早期症状检测、治疗训练、临床决策支持等方面的应用潜力 | 强迫症患者及相关临床数据 | 自然语言处理 | 精神疾病 | 机器学习，深度学习 | 生成式AI，NLP模型 | 临床数据，文本数据 | 基于13篇纳入文献的二次数据分析 | NA | NA | NA | NA |
| 1738 | 2025-10-06 |
Corrigendum: An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique
2025, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2025.1570979
PMID:40529250
|
correction | 对先前发表的关于使用深度学习技术增强MRI图像中脑肿瘤模式检测与分割的文章进行修正 | NA | NA | NA | NA | NA | 脑肿瘤 | NA | NA | MRI图像 | NA | NA | NA | NA | NA |
| 1739 | 2025-06-18 |
Anisotropic Spherical Gaussians Lighting Priors for Indoor Environment Map Estimation
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3575902
PMID:40489269
|
研究论文 | 提出一种利用各向异性球面高斯函数作为先验，从单张标准图像估计室内HDR环境光照图的新方法 | 使用各向异性球面高斯（ASG）替代传统的球面高斯（SG）表示，能更好地捕捉复杂光照的各向异性特性，并提出了基于transformer的网络和两阶段训练方案 | NA | 从单张标准图像估计室内HDR环境光照图 | 室内环境光照 | 计算机视觉 | NA | 深度学习 | transformer | 图像 | NA | NA | NA | NA | NA |
| 1740 | 2025-06-18 |
Providing context: Extracting non-linear and dynamic temporal motifs from brain activity
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324066
PMID:40504803
|
研究论文 | 本研究提出了一种使用非线性和动态时间基元从脑活动中提取上下文信息的方法 | 使用解耦变分自编码器（DSVAE）分离窗口特定（上下文）信息和时间步特定（局部）信息，以捕捉多时间尺度的差异 | 研究主要关注精神分裂症患者和对照受试者，可能不适用于其他疾病或人群 | 扩展神经影像工具集，分析fMRI动态，并寻找对个体和群体特征更敏感的精神病学联系 | 精神分裂症患者和对照受试者的rs-fMRI数据 | 神经影像 | 精神分裂症 | rs-fMRI, tr-FC | DSVAE | fMRI图像数据 | 精神分裂症患者和对照受试者的rs-fMRI数据（具体数量未提及） | NA | NA | NA | NA |