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 1801 - 1820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1801 | 2025-04-24 |
Deep Learning Based Automatic Segmentation of the Thoracic Aorta from Chest Computed Tomography in Healthy Korean Adults
2025-Jan, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery
IF:5.7Q1
DOI:10.1016/j.ejvs.2024.07.030
PMID:39089448
|
研究论文 | 本研究利用深度学习技术自动分割健康韩国成人胸部计算机断层扫描中的胸主动脉，并建立主动脉各区域的参考值 | 首次使用全自动深度学习分割方法建立主动脉各区域的参考值，并验证其与手动校正结果的可靠性 | 研究仅针对健康韩国成人，可能不适用于其他人群或患者 | 建立主动脉各区域的参考值，以更好地理解主动脉夹层或动脉瘤的干预措施 | 704名健康成人（平均年龄50.6±7.5岁；男性407人，占57.8%） | 数字病理 | 心血管疾病 | 对比增强胸部计算机断层扫描（CT） | CNN | 3D CT图像 | 704名健康成人 | NA | NA | NA | NA |
| 1802 | 2025-04-24 |
Segmentation and Vascular Vectorization for Coronary Artery by Geometry-Based Cascaded Neural Network
2025-Jan, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3435714
PMID:39078771
|
研究论文 | 提出一种基于几何的级联神经网络方法，用于冠状动脉的分割和血管向量化 | 1) 设计了一个级联网络，结合几何变形网络，用于冠状动脉分割和结果向量化，生成的冠状动脉网格连续且准确 2) 不同于传统的基于体素标签的marching cube方法生成的网格注释，重建了具有规则化形态的更精细的向量化网格 3) 收集了一个包含200例冠状动脉疾病CCTA图像的数据集CCA-200 | NA | 解决冠状动脉分割中的碎片化问题，提高分割和向量化的准确性 | 冠状动脉 | 数字病理 | 心血管疾病 | 深度学习 | 级联神经网络 | 医学图像（CCTA） | 200例CCTA图像（CCA-200数据集）和公开ASOCA数据集 | NA | NA | NA | NA |
| 1803 | 2025-04-24 |
Unsupervised Domain Adaptation for EM Image Denoising With Invertible Networks
2025-Jan, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3431192
PMID:39028599
|
研究论文 | 提出了一种基于可逆网络的无监督域自适应方法，用于电子显微镜(EM)图像去噪 | 首次提出无监督域自适应EM图像去噪方法，通过域对齐建立共享的域无关内容空间，并引入域正则化确保精确对齐 | 方法依赖于EM图像内容特征的相似性假设，可能不适用于内容差异较大的图像 | 解决电子显微镜图像去噪中存在的域偏移问题 | 电子显微镜(EM)图像 | 计算机视觉 | NA | 无监督域自适应 | 可逆网络 | 图像 | 合成和真实EM数据集 | NA | NA | NA | NA |
| 1804 | 2025-04-24 |
Deep learning methods for protein function prediction
2025-Jan, Proteomics
IF:3.4Q2
DOI:10.1002/pmic.202300471
PMID:38996351
|
review | 本文深入回顾了近年来深度学习在蛋白质功能预测领域的最新发展 | 总结了该领域的重大进展，并指出了几个待解决的主要挑战及潜在探索方向 | 未提及具体实验验证或实际应用效果的局限性 | 推进蛋白质功能预测领域的发展 | 蛋白质功能预测 | 生物信息学 | NA | 深度学习 | NA | 蛋白质序列、结构、相互作用及其他相关信息 | NA | NA | NA | NA | NA |
| 1805 | 2025-04-24 |
Coati optimization algorithm for brain tumor identification based on MRI with utilizing phase-aware composite deep neural network
2025, Electromagnetic biology and medicine
IF:1.6Q4
DOI:10.1080/15368378.2024.2401540
PMID:39835842
|
research paper | 提出了一种基于MRI的脑肿瘤识别方法，使用相位感知复合深度神经网络和Coati优化算法 | 结合相位感知复合深度神经网络和Coati优化算法，提高了脑肿瘤识别的准确率、召回率和精确度 | 未提及具体的数据集来源和样本数量，可能影响方法的泛化能力 | 提高基于MRI的脑肿瘤识别准确率 | 脑肿瘤MRI图像 | digital pathology | brain tumor | MRI, Multivariate Fast Iterative Filtering (MFIF), Self-Supervised Nonlinear Transform (SSNT) | Phase-aware Composite Deep Neural Network (PACDNN), Coati Optimized Algorithm (COA) | image | NA | NA | NA | NA | NA |
| 1806 | 2025-10-07 |
Predicting Blood Pressures for Pregnant Women by PPG and Personalized Deep Learning
2025-Jan, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3386707
PMID:38598377
|
研究论文 | 本研究通过光电容积脉搏波数据和个性化深度学习模型预测孕妇血压，为子痫前期提供有效预警 | 提出三阶段建模方法（基线模型构建、孕妇数据微调、个性化迁移学习），结合1D-CNN与CBAM注意力机制和双向GRU网络 | 样本量相对有限（仅40名孕妇），未提及模型在更广泛人群中的泛化能力验证 | 开发连续无袖带血压监测系统，实现孕妇血压精准预测和子痫前期预警 | 194名受试者（包括154名正常个体和40名孕妇） | 机器学习 | 妊娠期疾病 | 光电容积脉搏波 | 1D-CNN, GRU | 生理信号数据 | 194名受试者（154名正常个体，40名孕妇） | NA | 1D-CNN with CBAM, Bi-directional GRU, Attention layers | 平均误差, 标准差 | NA |
| 1807 | 2025-04-24 |
Quad-tree Based Driver Classification using Deep Learning for Mild Cognitive Impairment Detection
2025, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/access.2025.3558706
PMID:40256415
|
研究论文 | 提出一种基于四叉树的深度学习方法，用于通过GPS数据识别驾驶员是否患有轻度认知障碍 | 引入地理区域四叉树结构捕捉驾驶轨迹的空间层次结构，并提出新的驾驶特征表示方法用于CNN分类 | NA | 通过驾驶模式分析识别轻度认知障碍驾驶员 | 驾驶员的GPS轨迹数据 | 机器学习 | 老年疾病 | GPS数据分析 | CNN | GPS轨迹数据 | 真实世界数据集（具体数量未说明） | NA | NA | NA | NA |
| 1808 | 2025-04-24 |
Interplay between noise-induced sensorineural hearing loss and hypertension: pathophysiological mechanisms and therapeutic prospects
2025, Frontiers in cellular neuroscience
IF:4.2Q2
DOI:10.3389/fncel.2025.1523149
PMID:40260077
|
review | 本文综述了噪声性听力损失(NIHL)的病理生理学、对血迷路屏障(BLB)的影响以及新兴治疗方法 | 探讨了神经调节和基于载体的方法在克服BLB等生物屏障方面的潜力，以及计算化学方法在药物开发中的应用 | 主要集中于NIHL的机制和潜在治疗方法，缺乏具体临床试验数据的支持 | 详细研究NIHL及其潜在机制、生理影响和前沿治疗策略 | 噪声性听力损失及其相关病理生理机制 | NA | 心血管疾病 | 分子对接、分子动力学模拟、QSAR/QSPR分析、网络药理学 | machine/deep learning algorithms | NA | NA | NA | NA | NA | NA |
| 1809 | 2025-10-07 |
iMFP-LG: Identify Novel Multi-functional Peptides Using Protein Language Models and Graph-based Deep Learning
2025-Jan-15, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzae084
PMID:39585308
|
研究论文 | 提出了一种基于蛋白质语言模型和图注意力网络的多功能肽识别方法iMFP-LG | 首次结合蛋白质语言模型和图注意力网络进行多功能肽识别，并通过可视化注意力模式增强模型可解释性 | 仅从UniRef90数据库中筛选候选肽，未涵盖所有已知肽段 | 开发准确有效的多功能肽识别技术以促进其发现和机制理解 | 多功能生物活性肽和多功能治疗肽 | 生物信息学 | NA | 蛋白质语言模型，图注意力网络 | GAT | 氨基酸序列数据 | 数百万个已知肽段（来自UniRef90数据库） | NA | 图注意力网络 | NA | NA |
| 1810 | 2025-04-23 |
EnsembleSE: identification of super-enhancers based on ensemble learning
2025-Jan-15, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elaf003
PMID:40251827
|
research paper | 提出了一种基于集成学习的超增强子识别方法EnsembleSE，用于更有效地识别基因调控网络中的超增强子 | 集成不同模型的优势，提出基于集成策略的模型，增强模型的泛化能力，并设计了一种结合局部结构和全局信息的多角度特征表示方法 | 需要大量标记数据进行训练，限制了其在生物数据中的进一步应用 | 提高超增强子识别的准确性和效率，以支持基因调控网络和疾病机制的研究 | 超增强子（SEs） | machine learning | NA | ensemble learning | ensemble model | sequence data | 在小鼠和人类数据集上进行了评估 | NA | NA | NA | NA |
| 1811 | 2025-10-07 |
FedPneu: Federated Learning for Pneumonia Detection across Multiclient Cross-Silo Healthcare Datasets
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出基于联邦学习的肺炎检测模型FedPneu，通过多客户端架构在保护数据隐私的同时实现肺炎早期检测 | 采用联邦学习框架解决医疗影像数据隐私问题，在多客户端架构下实现分布式肺炎检测 | 仅测试了2-5个客户端架构，未探索更多客户端场景；最高准确率为85.632%，仍有提升空间 | 开发隐私保护的肺炎检测深度学习模型 | X射线影像数据 | 计算机视觉 | 肺炎 | X射线成像 | 深度学习 | 医学影像 | NA | NA | NA | 准确率, 损失值, 计算时间 | NA |
| 1812 | 2025-10-07 |
All-atom RNA structure determination from cryo-EM maps
2025-Jan, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-024-02149-8
PMID:38396075
|
研究论文 | 开发了一种从冷冻电镜图谱中自动确定全原子RNA结构的新方法EMRNA | 首个整合深度学习核苷酸检测、三维骨架追踪和全原子构建的自动化RNA结构测定方法 | 验证数据集中在37-423个核苷酸长度和2.0-6.0Å分辨率的RNA图谱 | 解决从冷冻电镜图谱中确定RNA结构的挑战 | RNA分子结构 | 结构生物学 | NA | 冷冻电镜(cryo-EM) | 深度学习 | 冷冻电镜图谱 | 140个不同的RNA图谱(37-423个核苷酸) | NA | NA | 均方根偏差(RMSD), TM-score, 残基覆盖率, 序列匹配率 | NA |
| 1813 | 2025-10-07 |
Integrative deep learning framework predicts lipidomics-based investigation of preservatives on meat nutritional biomarkers and metabolic pathways
2025, Critical reviews in food science and nutrition
IF:7.3Q1
DOI:10.1080/10408398.2023.2295016
PMID:38127336
|
综述 | 基于脂质组学、代谢组学和蛋白质组学分析，探讨防腐剂对肉制品代谢途径和营养生物标志物的影响，并提出深度学习框架预测脂质结合趋势 | 提出整合深度学习框架DisoLipPred，利用深度循环网络和迁移学习预测蛋白质无序区域的脂质结合趋势 | 传统肉品质量评估工具无法阐明防腐剂影响肉制品质量的内在机制和途径 | 研究防腐剂对肉制品营养生物标志物和代谢途径的影响 | 肉制品及其营养生物标志物 | 机器学习 | NA | 脂质组学, 代谢组学, 蛋白质组学 | 深度循环网络, 深度神经网络, 卷积神经网络, 人工神经网络 | 蛋白质序列数据, 多组学数据 | NA | NA | NA | NA | NA |
| 1814 | 2025-04-23 |
Transforming physical fitness and exercise behaviors in adolescent health using a life log sharing model
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1562151
PMID:40255372
|
研究论文 | 本研究探讨了基于深度学习的生命日志共享模型（LLSM）在通过个性化公共卫生干预增强青少年身体素质和锻炼行为方面的潜力 | 开发了一种混合时空卷积神经网络-双向长短期记忆（TS-CNN-BiLSTM）模型，整合了多模态生命日志数据的时间、文本和视觉特征，用于分类和预测身体活动行为 | 未提及具体局限性 | 通过个性化公共卫生干预增强青少年身体素质和锻炼行为 | 青少年 | 机器学习 | NA | 深度学习 | TS-CNN-BiLSTM | 多模态生命日志数据（运动类型、持续时间、强度） | 两个数据集：Geo-Life Log（带位置数据）和Time-Life Log（不带位置数据） | NA | NA | NA | NA |
| 1815 | 2025-04-23 |
RNA secondary structure prediction by conducting multi-class classifications
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.04.001
PMID:40256169
|
研究论文 | 本研究提出了一种通过多类别分类预测RNA二级结构的简单方法，无需复杂的后处理步骤 | 将RNA二级结构预测视为多个多类别分类问题，避免了复杂的后处理步骤，并引入了数据增强和跨RNA家族评估性能下降缓解方法 | 未提及具体的数据集规模或模型在特定RNA家族上的局限性 | 改进RNA二级结构预测的准确性和简化预测流程 | RNA二级结构 | 自然语言处理 | NA | 深度学习 | 注意力机制和CNN | RNA序列数据 | NA | NA | NA | NA | NA |
| 1816 | 2025-04-23 |
Enhancing Gamma Knife Cone-beam Computed Tomography Image Quality Using Pix2pix Generative Adversarial Networks: A Deep Learning Approach
2025 Jan-Mar, Journal of medical physics
IF:0.7Q4
DOI:10.4103/jmp.jmp_140_24
PMID:40256180
|
研究论文 | 本研究开发了一种改进的Pix2Pix卷积神经网络框架，用于提升锥形束计算机断层扫描（CBCT）图像质量，并减少Hounsfield单位（HU）的变异 | 使用改进的Pix2Pix生成对抗网络（GAN）框架，将CBCT图像转换为高质量合成CT（sCT）图像，显著提升了图像质量 | 研究样本量较小（50名患者），可能影响模型的泛化能力 | 提升CBCT图像质量，使其更接近CT图像，以用于放射外科手术 | 50名接受伽玛刀治疗的患者 | 计算机视觉 | NA | 锥形束计算机断层扫描（CBCT） | Pix2Pix GAN | 图像 | 50名患者的7484张512×512像素的切片图像（40名用于训练，10名用于测试） | NA | NA | NA | NA |
| 1817 | 2025-04-23 |
Evaluation of Low-dose Computed Tomography Images Reconstructed Using Artificial Intelligence-based Adaptive Filtering for Denoising: A Comparison with Computed Tomography Reconstructed with Iterative Reconstruction Algorithm
2025 Jan-Mar, Journal of medical physics
IF:0.7Q4
DOI:10.4103/jmp.jmp_115_24
PMID:40256183
|
research paper | 本研究评估了基于人工智能的自适应滤波去噪技术在低剂量计算机断层扫描（CT）图像重建中的应用，并与迭代重建算法进行了比较 | 首次比较了AI去噪工具PixelShine与迭代重建算法在不同低剂量条件下的图像质量，发现AI在33%标准剂量下表现更优 | 研究样本量有限（85例），且为回顾性研究 | 评估AI去噪技术在低剂量CT图像重建中的诊断价值 | 低剂量CT图像 | digital pathology | NA | 低剂量CT扫描 | deep learning | medical image | 85例CT扫描病例（32例FBP重建，53例IR重建） | NA | NA | NA | NA |
| 1818 | 2025-04-23 |
A new method for early diagnosis and treatment of meniscus injury of knee joint in student physical fitness tests based on deep learning method
2025, BioImpacts : BI
IF:2.2Q3
DOI:10.34172/bi.30419
PMID:40256232
|
research paper | 提出了一种基于深度学习的膝关节半月板损伤早期诊断和治疗方法，用于学生体能测试 | 采用增强版的U-Net算法进行图像分割，结合集成方法进行损伤类型识别，提高了诊断的准确性和及时性 | 研究仅基于MRI图像数据集，未涉及其他类型的医学影像数据 | 提高学生体能测试中膝关节半月板损伤的早期诊断和治疗效果 | 学生体能测试中的膝关节半月板损伤 | digital pathology | 膝关节半月板损伤 | MRI | U-Net | image | 一个知名的膝关节损伤MRI图像数据集 | NA | NA | NA | NA |
| 1819 | 2025-04-23 |
The diagnostic and prognostic value of C1orf174 in colorectal cancer
2025, BioImpacts : BI
IF:2.2Q3
DOI:10.34172/bi.30566
PMID:40256241
|
research paper | 该研究通过生物信息学和机器学习算法分析RNA和microRNA测序数据，鉴定结直肠癌中的差异表达基因，并验证了C1orf174的诊断和预后价值 | 发现了五个新的预后基因，包括C1orf174，并通过机器学习算法确定了高准确度的诊断标志物组合 | 研究依赖于TCGA数据库的数据，未提及独立验证队列的结果 | 鉴定结直肠癌的新型生物标志物，用于早期检测和预后评估 | 结直肠癌患者和正常对照的RNA和microRNA测序数据 | digital pathology | colorectal cancer | RNA-seq, microRNA sequencing, Real-time PCR | Deep learning, Decision Tree, SVM | RNA-seq data, microRNA data | 631个样本（398例患者和233例正常对照） | NA | NA | NA | NA |
| 1820 | 2025-04-23 |
Mortality prediction of heart transplantation using machine learning models: a systematic review and meta-analysis
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1551959
PMID:40256322
|
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心脏移植后死亡率中的性能 | 比较了多种机器学习算法在心脏移植后死亡率预测中的表现，并识别了影响模型准确性的因素 | 研究存在显著的异质性和偏倚，需要标准化方法和进一步的外部验证以提高临床适用性 | 评估机器学习算法在预测心脏移植后死亡率中的性能并优化决策过程 | 心脏移植患者 | 机器学习 | 心血管疾病 | 机器学习算法（如随机森林、CatBoost、神经网络等） | 随机森林、CatBoost、神经网络、K近邻 | 临床数据 | 17项研究纳入综述，12项研究纳入荟萃分析 | NA | NA | NA | NA |