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 1901 - 1920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1901 | 2025-06-06 |
Utility of artificial intelligence-based conversation voice analysis for detecting cognitive decline
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325177
PMID:40455724
|
研究论文 | 本研究开发了一种基于人工智能的对话语音分析模型，用于检测认知衰退 | 利用短对话语音样本通过AI模型检测认知衰退，无需专业环境或设备 | 样本量较小（263名患者），且仅基于Mini-Mental State Examination分数进行标签 | 开发一种便捷的认知衰退筛查工具 | 认知衰退患者和认知正常人群 | 自然语言处理 | 老年疾病 | 机器学习 | 全耦合神经网络 | 语音 | 263名患者的语音样本，其中20个样本用于准确性评估 | NA | NA | NA | NA |
| 1902 | 2025-06-06 |
A novel spectral analysis-based grading system for gastrointestinal activity
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323440
PMID:40455773
|
研究论文 | 本文介绍了一种基于频谱分析的新型胃肠道活动分级系统，用于客观评估胃肠动力 | 提出了一种创新的无监督分级系统，通过频谱特征分析肠鸣音来评估胃肠动力，避免了传统方法依赖个人判断和大规模标注数据集的问题 | 虽然验证了方法的可靠性，但仍需进一步研究以确认其在更广泛临床环境中的适用性 | 开发一种客观评估胃肠动力的方法，辅助医生量化胃肠道活动 | 肠鸣音（由消化气体和液体在蠕动过程中产生的声音信号） | 数字病理 | 胃肠道疾病 | 频谱特征分析 | 无监督学习 | 音频 | NA | NA | NA | NA | NA |
| 1903 | 2025-06-06 |
An efficient non-parametric feature calibration method for few-shot plant disease classification
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1541982
PMID:40458225
|
research paper | 提出一种基于特征适应评分（FAS）度量的方法，用于少样本植物病害分类 | 利用FAS评分与测试准确率的严格正相关关系，无需训练网络即可确定适用于少样本植物病害分类的Swin-Transformer V2-F6网络结构，并设计了PDFC算法进行特征校准 | NA | 解决植物病害图像数据不足的问题，提高少样本植物病害分类的准确率 | 植物病害图像 | computer vision | plant disease | few-shot learning | Swin-Transformer V2 | image | PlantVillage数据集及其他数据集 | NA | NA | NA | NA |
| 1904 | 2025-06-06 |
Ventricular volume adjustment of brain regions depicts brain changes associated with HIV infection and aging better than intracranial volume adjustment
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1516168
PMID:40458466
|
research paper | 该研究探讨了在分析HIV感染和衰老相关的大脑结构变化时，采用侧脑室（LV）体积调整比颅内体积（ICV）调整更能揭示潜在的萎缩模式 | 提出了使用侧脑室体积调整作为新的分析方法，以更准确地识别HIV感染和衰老相关的大脑萎缩模式，尤其是在HIV相关神经认知障碍（HAND）的研究中 | 研究仅基于MRI T1图像数据，未考虑其他可能的神经影像学或临床数据 | 比较不同体积调整策略在识别HIV感染和衰老相关大脑萎缩模式中的效果 | HIV感染者和健康对照者的大脑结构变化 | digital pathology | HIV感染 | MRI T1成像 | deep learning models | image | NA | NA | NA | NA | NA |
| 1905 | 2025-10-06 |
Active Machine Learning for Pre-procedural Prediction of Time-Varying Boundary Condition After Fontan Procedure Using Generative Adversarial Networks
2025-Jan, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-024-03640-8
PMID:39480609
|
研究论文 | 本研究应用机器学习技术预测Fontan手术后随时间变化的边界条件，以改进手术规划 | 提出了新颖的多样性感知生成对抗主动学习框架，能够在有限心血管病例数据上成功训练预测性深度神经网络 | 基于虚拟队列合成数据，实际临床应用需要进一步验证 | 开发用于手术规划的术后边界条件预测方法 | Fontan手术患者的术前和术后静脉血流条件 | 机器学习 | 心血管疾病 | 机器学习，计算流体动力学 | GAN, 深度神经网络 | 血流模拟数据 | 14组实验（基于虚拟队列） | NA | 生成对抗网络 | 预测准确度，决定系数 | NA |
| 1906 | 2025-10-06 |
Automatic localization and deep convolutional generative adversarial network-based classification of focal liver lesions in computed tomography images: A preliminary study
2025-Jan, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.16803
PMID:39542428
|
研究论文 | 开发基于深度学习的肝脏局灶性病变自动定位与分类系统，用于CT图像分析 | 使用生成对抗网络进行数据增强，开发端到端的肝脏病变定位与分类系统 | 初步研究，样本量相对有限，需要进一步验证 | 开发辅助医生进行肝脏病变诊断的深度学习系统 | 肝脏局灶性病变 | 计算机视觉 | 肝脏疾病 | 计算机断层扫描 | GAN, CNN | 医学影像 | 1589名患者，17335张切片，3195个肝脏局灶性病变 | NA | 深度卷积生成对抗网络 | 平均精度, 准确率, 置信区间 | NA |
| 1907 | 2025-10-06 |
Prediction of Proteolysis-Targeting Chimeras Retention Time Using XGBoost Model Incorporated with Chromatographic Conditions
2025-Jan-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01732
PMID:39786356
|
研究论文 | 本研究开发了一种结合色谱条件的XGBoost模型，用于预测蛋白质降解靶向嵌合体（PROTACs）的保留时间 | 首次将色谱条件描述符与分子指纹和描述符结合，构建了专门针对PROTACs保留时间预测的优化XGBoost模型 | 模型性能依赖于有限的PROTAC-RT数据集，且仅验证了6种实验确定的化合物 | 开发准确预测PROTACs化合物保留时间的计算方法 | 蛋白质降解靶向嵌合体（PROTACs）化合物 | 机器学习 | NA | 液相色谱-质谱联用（LC-MS） | XGBoost, RF, KNN, SVM, FCNN | 化学分子数据 | 从文献收集的PROTAC-RT数据集 | XGBoost, Scikit-learn | 全连接神经网络 | R², RMSE | NA |
| 1908 | 2025-10-06 |
Development and Validation of a Machine Learning Method Using Vocal Biomarkers for Identifying Frailty in Community-Dwelling Older Adults: Cross-Sectional Study
2025-01-16, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/57298
PMID:39819744
|
研究论文 | 开发并验证基于语音生物标志物的机器学习方法，用于识别社区老年居民的衰弱状态 | 首次使用基于深度学习的声学特征作为语音生物标志物来预测衰弱状态，相比传统方法和单纯人口统计学数据具有更好性能 | 样本量较小（127名参与者），研究设计为横断面研究无法建立因果关系 | 开发用于识别社区老年居民衰弱状态的分类模型 | 50岁及以上的社区居住老年人 | 机器学习 | 老年疾病 | 语音记录分析，图片描述任务 | 深度学习 | 语音数据，人口统计学数据 | 127名50岁及以上参与者 | NA | NA | 准确率，AUC | NA |
| 1909 | 2025-10-06 |
Pose Analysis in Free-Swimming Adult Zebrafish, Danio rerio: "Fishy" Origins of Movement Design
2025, Brain, behavior and evolution
DOI:10.1159/000543081
PMID:39681106
|
研究论文 | 本研究通过无标记追踪和无监督机器学习分析成年斑马鱼自由游动时的姿态配置 | 首次使用DeepLabCut和B-SOiD机器学习软件联合分析斑马鱼游动姿态，提出鱼类运动的三级前后弯曲约束假说 | 仅分析12只斑马鱼数据，样本量有限；依赖视觉分析进行后验聚类合并 | 验证运动演化假说：通过利用身体与介质间的被动反作用力最小化神经控制的运动设计 | 成年斑马鱼（Danio rerio）的自由游动行为 | 计算机视觉 | NA | 无标记姿态追踪，无监督多变量时间序列分析 | 深度学习 | 视频序列 | 12只自由行为斑马鱼，超过14,000个连续帧 | DeepLabCut, B-SOiD | NA | 聚类分析，多维尺度分析 | NA |
| 1910 | 2025-10-06 |
Ensemble learning-based predictor for driver synonymous mutation with sequence representation
2025-Jan, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012744
PMID:39761306
|
研究论文 | 提出一种基于集成学习的同义突变效应预测器EPEL，用于识别癌症中的驱动同义突变 | 首次将DNA形状特征和基于化学分子BERT预训练模型的深度学习特征整合到同义突变效应评估中 | 深度学习方法的DNA序列表示在本研究中未能显著提升驱动同义突变的识别效果 | 开发高精度的驱动同义突变预测方法 | 人类癌症中的同义突变 | 机器学习 | 癌症 | DNA序列分析，深度学习特征提取 | 集成学习，树模型 | DNA序列数据 | NA | NA | BERT | 预测准确率 | NA |
| 1911 | 2025-10-06 |
Integrative analysis of cuproptosis-related lncRNAs: Unveiling prognostic significance, immune microenvironment, and copper-induced mechanisms in prostate cancer
2025-Jan, Cancer pathogenesis and therapy
DOI:10.1016/j.cpt.2024.03.004
PMID:39872368
|
研究论文 | 本研究通过整合分析铜死亡相关lncRNAs，揭示了其在前列腺癌预后预测、免疫微环境调节和铜诱导机制中的重要作用 | 首次将铜死亡相关lncRNAs与前列腺癌预后关联，并采用多层级注意力图神经网络构建预后模型，同时通过细胞实验验证关键lncRNAs与铜死亡的相关性 | 研究样本仅来自TCGA数据库的492例患者，缺乏外部验证队列 | 探索铜死亡相关lncRNAs在前列腺癌预后预测和免疫微环境中的作用机制 | 前列腺癌患者和相关的长链非编码RNA | 生物信息学 | 前列腺癌 | RNA测序，拷贝数变异分析，细胞实验 | 图神经网络 | 基因表达数据，拷贝数变异数据 | 492例前列腺癌患者 | MLA-GNN | 多层级注意力图神经网络 | AUC, 疾病无进展生存期 | NA |
| 1912 | 2025-10-06 |
Machine learning-based risk predictive models for diabetic kidney disease in type 2 diabetes mellitus patients: a systematic review and meta-analysis
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1495306
PMID:40099258
|
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2型糖尿病患者糖尿病肾病风险中的性能和临床适用性 | 首次对机器学习模型预测2型糖尿病患者糖尿病肾病风险进行系统综述和荟萃分析，比较不同机器学习算法的性能表现 | 模型开发和验证过程中存在数据偏倚，仅少数研究进行了外部验证 | 评估机器学习模型在预测2型糖尿病患者糖尿病肾病风险中的性能和临床适用性 | 2型糖尿病患者的糖尿病肾病风险预测 | 机器学习 | 糖尿病肾病 | 机器学习算法 | 随机森林,传统回归机器学习,深度学习 | 临床数据 | 26项研究，94个机器学习模型 | NA | NA | AUC,95%置信区间 | NA |
| 1913 | 2025-06-04 |
Artificial intelligence in ophthalmology: opportunities, challenges, and ethical considerations
2025, Medical hypothesis, discovery & innovation ophthalmology journal
DOI:10.51329/mehdiophthal1517
PMID:40453785
|
综述 | 本文探讨了人工智能在眼科领域的应用现状、挑战及伦理考量 | 全面回顾了AI在眼科多个子领域（如角膜疾病、白内障手术、糖尿病视网膜病变等）中的高精度诊断应用，并系统分析了当前面临的挑战与伦理问题 | 数据集存在偏差、外部验证有限、监管障碍以及透明度等伦理问题 | 评估AI在眼科领域的应用潜力与实施障碍 | 眼科疾病诊断与管理 | 数字病理 | 眼科疾病 | 深度学习、机器学习 | CNN、深度学习模型 | 图像、临床数据 | NA | NA | NA | NA | NA |
| 1914 | 2025-06-04 |
Integrating support vector machines and deep learning features for oral cancer histopathology analysis
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf034
PMID:40454251
|
研究论文 | 本研究提出了一种结合支持向量机(SVM)和深度学习特征的方法，用于口腔癌组织病理学图像分类以检测异常增生 | 通过融合基于InceptionResNet-v2和视觉变换器(ViT)模型提取的深度学习特征训练的SVM分类器，解决了类别不平衡问题，并显著提高了分类性能 | NA | 提高口腔癌异常增生的检测准确率 | 口腔癌组织病理学图像 | 数字病理学 | 口腔癌 | 深度学习特征提取 | SVM, InceptionResNet-v2, ViT | 图像 | NA | NA | NA | NA | NA |
| 1915 | 2025-10-06 |
A Radiograph Dataset for the Classification, Localization, and Segmentation of Primary Bone Tumors
2025-Jan-16, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-04311-y
PMID:39820508
|
研究论文 | 本文建立了用于原发性骨肿瘤分类、定位和分割的X射线影像数据集BTXRD | 首个公开的原发性骨肿瘤X射线数据集，包含临床信息、全局标签和肿瘤实例的精确标注 | 数据集规模相对有限，仅包含3,746张图像 | 解决骨肿瘤诊断领域缺乏公开X射线数据集的问题，支持计算机辅助诊断算法开发 | 原发性骨肿瘤的X射线影像 | 数字病理 | 骨肿瘤 | X射线成像 | NA | 医学影像 | 3,746张骨图像（1,879张正常，1,867张肿瘤） | NA | NA | NA | NA |
| 1916 | 2025-06-03 |
Do Sharpness-Based Optimizers Improve Generalization in Medical Image Analysis?
2025, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/ACCESS.2025.3568641
PMID:40443707
|
research paper | 本文评估了基于锐度的优化器在医学图像分析中提高深度学习模型泛化能力的有效性 | 首次系统评估了多种基于锐度的优化器在医学图像数据集上的表现，发现SAM是唯一能一致提升泛化性能的方法 | 研究仅使用了三种医学图像数据集，可能无法代表所有医学图像场景 | 评估基于锐度的优化器在医学图像分析中提高模型泛化能力的有效性 | 医学图像数据集（乳腺超声、胸部X光和结肠组织病理学图像） | digital pathology | breast cancer, lung disease, colon disease | deep learning optimization | CNN, vision transformers | image | 三种医学图像数据集 | NA | NA | NA | NA |
| 1917 | 2025-06-03 |
Advances in Electrocardiogram-Based Artificial Intelligence Reveal Multisystem Biomarkers
2025, Journal of clinical & experimental cardiology
PMID:40443717
|
review | 本文讨论了基于心电图的人工智能在临床心脏病学中的进展、局限性和未来方向 | 利用基于心电图的深度学习模型识别心脏壁运动异常，并超越人类专家解释 | 讨论了深度学习模型在基于心电图的人工智能应用中的局限性和公平性考虑 | 探讨人工智能在临床心脏病学中的应用，提供创新的诊断、预后和治疗解决方案 | 心电图数据 | machine learning | cardiovascular disease | Deep Learning | DL | ECG数据 | NA | NA | NA | NA | NA |
| 1918 | 2025-06-03 |
XLLC-Net: A lightweight and explainable CNN for accurate lung cancer classification using histopathological images
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322488
PMID:40445896
|
研究论文 | 该研究介绍了一种轻量级且可解释的CNN模型XLLC-Net，用于从组织病理学图像中准确分类肺癌 | XLLC-Net是一种轻量级CNN模型，仅包含300万个参数，显著降低了计算资源需求，同时集成了可解释AI技术（如Saliency Map和GRAD-CAM）以增强模型的可解释性 | 研究仅关注了LC25000数据集中的三类肺癌，未包含其他类型的癌症或更广泛的数据集 | 开发一种轻量级且可解释的深度学习模型，用于肺癌的准确分类 | 组织病理学图像中的三类肺癌 | 数字病理学 | 肺癌 | 深度学习 | CNN | 图像 | LC25000数据集中的三类肺癌样本 | NA | NA | NA | NA |
| 1919 | 2025-06-03 |
Deep learning reconstruction of free-breathing, diffusion-weighted imaging of the liver: A comparison with conventional free-breathing acquisition
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320362
PMID:40445963
|
研究论文 | 本研究比较了自由呼吸下使用深度学习重建的扩散加权成像（FB-DL-DWI）与传统扩散加权成像（FB-C-DWI）在肝脏MRI中的图像质量和实体性肝脏局灶性病变（FLL）评估 | 首次在自由呼吸条件下应用深度学习重建技术进行肝脏扩散加权成像，并与传统方法进行对比 | FB-DL-DWI表现出比FB-C-DWI更强的人工感觉（P<0.001） | 比较两种扩散加权成像技术在肝脏MRI中的表现 | 199名接受临床肝脏MRI检查的患者 | 医学影像分析 | 肝脏疾病 | 扩散加权成像（DWI），深度学习重建 | 深度学习模型（具体类型未说明） | 医学影像数据 | 199名患者（其中110名患有慢性肝病），138个实体性肝脏局灶性病变 | NA | NA | NA | NA |
| 1920 | 2025-06-03 |
Prediction of drug-target interactions based on substructure subsequences and cross-public attention mechanism
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324146
PMID:40445972
|
研究论文 | 提出了一种基于子结构子序列和交叉公共注意力机制的药物-靶点相互作用预测模型SSCPA-DTI | 采用多特征信息挖掘模块(MIMM)提取药物和蛋白质的原始及子结构特征，并利用交叉公共注意力模块(CPA)整合特征及提取相互作用信息，提高了预测准确性和可解释性 | 仅在三个公共数据集上进行了实验，未在其他数据集上验证模型的泛化能力 | 提高药物-靶点相互作用预测的准确性和可解释性 | 药物和蛋白质的相互作用 | 机器学习 | NA | 深度学习 | SSCPA-DTI (基于注意力机制的模型) | 序列数据(SMILES序列和蛋白质序列) | 三个公共数据集 | NA | NA | NA | NA |