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 19269 篇文献，本页显示第 4781 - 4800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4781 | 2025-11-27 |
Explainable detection: a transformer-based language modeling approach for Bengali news title classification with comparative explainability analysis using ML and DL
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1537432
PMID:41280879
|
研究论文 | 本研究采用基于Transformer的语言建模方法进行孟加拉语新闻标题分类，并结合可解释性分析技术 | 首次在孟加拉语低资源语言文本分类中系统比较传统机器学习、LSTM和Transformer模型性能，并集成XAI技术进行预测解释 | 孟加拉语数据集存在固有噪声，需要大量预处理工作，且低资源语言数据获取困难 | 开发具有可解释性的孟加拉语新闻标题分类方法，推动低资源语言自然语言处理发展 | 孟加拉语新闻标题文本数据 | 自然语言处理 | NA | 自然语言处理，特征工程 | 机器学习模型，LSTM，Transformer | 文本 | 从网上收集的近期孟加拉语新闻文章 | NA | LSTM，XLM-RoBERTa Base | 准确率 | NA |
| 4782 | 2025-11-27 |
MobileNet-GDR: a lightweight algorithm for grape leaf disease identification based on improved MobileNetV4-small
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1702071
PMID:41281328
|
研究论文 | 提出基于改进MobileNetV4-small的轻量级葡萄叶片病害识别算法MobileNet-GDR | 构建基于深度可分离卷积和分组卷积的高效特征提取模块，优化特征融合过程并引入PReLU激活函数增强非线性表示能力 | 仅针对葡萄叶片病害识别，未验证在其他作物病害上的泛化能力 | 解决现有深度学习模型在移动设备上计算复杂度高、部署困难的问题 | 葡萄叶片病害图像 | 计算机视觉 | 植物病害 | 图像分类 | CNN | 图像 | NA | NA | MobileNetV4-small, MobileNet-GDR | 准确率, FPS, 参数量, FLOPs | 移动设备 |
| 4783 | 2025-11-27 |
Biomarker integration and biosensor technologies enabling AI-driven insights into biological aging
2025, Frontiers in aging
IF:3.3Q2
DOI:10.3389/fragi.2025.1703698
PMID:41281356
|
综述 | 探讨生物标志物整合与生物传感技术如何通过人工智能推动对生物衰老机制的深入理解 | 首次系统整合CRP、IGF-1、IL-6和GDF-15四种关键生物标志物，结合AI与生物传感技术构建精准衰老评估框架 | 未涉及具体临床验证数据，缺乏不同人群队列的适用性分析 | 开发基于AI和生物传感技术的生物年龄精准量化方法 | 四种关键生物标志物（CRP、IGF-1、IL-6、GDF-15）及其在衰老过程中的作用机制 | 机器学习 | 老年疾病 | 生物传感技术 | 机器学习,深度学习,生成模型 | 高维生物标志物数据 | NA | NA | NA | NA | NA |
| 4784 | 2025-11-27 |
Using artificial intelligence and radiomics to analyze imaging features of neurodegenerative diseases
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1624867
PMID:41281560
|
研究论文 | 提出一种结合人工智能和影像组学的框架，用于分析神经退行性疾病的影像特征和疾病进展模式 | 开发了名为NeuroSage的生物信息架构，结合符号推理、深度学习和多模态特征对齐，并引入符号对齐策略(CAIS)确保临床可解释性 | NA | 改善神经退行性疾病的早期诊断和个性化治疗规划 | 阿尔茨海默病和帕金森病等神经退行性疾病患者 | 医学影像分析 | 神经退行性疾病 | 影像组学分析 | 图神经网络,深度学习 | 结构影像,行为数据 | 多个数据集包括ADNI、PPMI、ABIDE、YouTubePD和PDVD | NA | NeuroSage | F1分数 | NA |
| 4785 | 2025-11-27 |
Parkinson's disease detection using spectrogram-based multi-model feature fusion networks
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1706317
PMID:41281573
|
研究论文 | 提出一种基于声谱图多模型特征融合的帕金森病检测方法 | 使用三种预训练CNN模型进行特征融合，克服单一模型过拟合和泛化能力差的问题 | 样本量相对较小（131名受试者），需要在更大数据集上验证泛化能力 | 开发非侵入性、低成本的帕金森病辅助诊断工具 | 帕金森病患者和健康对照者的语音数据 | 数字病理学 | 帕金森病 | 语音分析 | CNN | 声谱图 | 61名PD患者和70名健康对照，共生成2,476张声谱图 | NA | DenseNet121, MobileNetV3-Large, ShuffleNetV2 | 准确率, AUC | NA |
| 4786 | 2025-11-27 |
Triboelectric nanogenerators for neural data interpretation: bridging multi-sensing interfaces with neuromorphic and deep learning paradigms
2025, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2025.1691017
PMID:41281720
|
综述 | 探讨摩擦纳米发电机与深度学习及神经形态计算相结合在神经数据解析中的应用 | 首次系统综述自驱动摩擦纳米发电机与深度学习模型、神经形态计算范式在神经信号解析中的协同创新 | 属于小型综述，未包含原始实验数据验证 | 推动神经数据采集与解析技术在计算神经科学和脑机接口领域的发展 | 神经信号（脑电图、肌电图、心肺动力学信号）和老年人群健康监测 | 计算神经科学 | 老年疾病 | 摩擦纳米发电机传感技术 | CNN, RNN, SNN | 生物物理信号 | NA | NA | NA | NA | 神经形态计算系统 |
| 4787 | 2025-11-27 |
Target fishing: from "needle in haystack" to "precise guidance"--new technology, new strategy and new opportunity
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1673688
PMID:41282634
|
综述 | 系统讨论药物靶点捕获技术的最新进展，重点分析人工智能与深度学习对药物研发范式的变革作用 | 提出深度学习与知识图谱深度融合的新策略，实现从'广谱筛选'到'精准捕获'的研究方法转变 | NA | 为学术界提供理论框架，构建从基础研究到临床应用的桥梁，推动精准药物研发进入智能驱动新时代 | 药物靶点发现技术 | 自然语言处理, 机器学习 | NA | 深度学习, 知识图谱, 多组学数据整合 | 深度表示学习模型 | 多组学数据, 临床数据 | NA | NA | NA | 靶点预测准确性 | NA |
| 4788 | 2025-11-26 |
Decoding the spectrum of meat quality: advances in hyperspectral imaging for multi-attribute analysis
2025-Dec-25, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.146912
PMID:41197306
|
综述 | 本文系统评述了高光谱成像技术在新鲜肉类多属性质量分析中的最新进展与应用 | 全面探讨了人工智能、深度学习和数据融合等前沿数据分析方法在提升高光谱成像预测可靠性和实际应用中的作用 | NA | 评估高光谱成像技术在新鲜肉类质量多参数同时检测中的应用价值 | 新鲜牛肉、猪肉和禽肉的质量参数 | 计算机视觉 | NA | 高光谱成像 | 深度学习 | 高光谱图像 | NA | NA | NA | 预测可靠性 | NA |
| 4789 | 2025-11-26 |
Food defect detection technologies based on deep learning and prospects in detection of unsound wheat kernels
2025-Dec-25, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.146910
PMID:41207261
|
综述 | 本文系统综述了基于深度学习的食品缺陷检测技术在不完善小麦籽粒检测中的研究现状与发展前景 | 聚焦深度学习技术在不完善小麦籽粒检测中的创新应用，涵盖图像采集系统、特征提取、模型优化、多模态融合和轻量化部署等关键技术进展 | 主要关注技术层面综述，缺乏具体实验数据验证和实际应用效果的系统评估 | 推动智能小麦质量检测技术发展，为智慧农业实践提供理论支持和方法指导 | 不完善小麦籽粒及其对粮食加工和储存的影响 | 计算机视觉 | NA | 机器视觉，深度学习 | 深度学习模型 | 图像数据 | NA | NA | NA | NA | NA |
| 4790 | 2025-11-26 |
Automated lesion detection in endoscopic imagery for small animal models - a pilot study
2025-Dec-17, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2025-0179
PMID:40960131
|
研究论文 | 本研究开发了一种基于YOLOv7的自动化系统，用于检测和分类小鼠结肠镜检查视频中的肿瘤病变 | 首次将预训练于人类息肉图像的YOLOv7模型应用于小鼠结肠肿瘤检测，并结合粪便检测器和颜色过滤器提升检测性能 | 仅为初步研究，需要进一步评估系统性能 | 开发自动化工具以解决小鼠结肠镜检查视频分析中资源有限和人工审查耗时的问题 | 小鼠结肠镜检查视频中的肿瘤病变 | 计算机视觉 | 结直肠癌 | 结肠镜检查 | CNN | 视频 | 28只小鼠的150个视频，其中125个包含肿瘤，时间跨度为6周 | NA | YOLOv7 | 精确度, 召回率, 准确率 | NA |
| 4791 | 2025-10-06 |
Research progress and future prospects in intelligent lung sound diagnosis: models, lightweight design, and hardware platform implementation
2025-Dec-17, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2025-0197
PMID:40968576
|
综述 | 系统回顾了智能肺音诊断技术的研究进展，重点关注肺音分类模型构建、模型轻量化设计及硬件平台部署 | 深入探讨了基于软硬件协同设计的嵌入式平台部署路径，推动健康监测系统发展 | NA | 智能肺音识别技术在医疗辅助诊断领域的应用与发展 | 肺音信号 | 数字病理 | 呼吸系统疾病 | 深度学习 | NA | 音频信号 | NA | NA | NA | NA | 边缘设备、嵌入式系统、FPGA |
| 4792 | 2025-11-26 |
Robust Radiomic Signatures of Intervertebral Disc Degeneration From MRI
2025-Dec-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005435
PMID:40539398
|
研究论文 | 本研究通过深度学习分割和影像组学特征识别，开发了用于椎间盘退变分类的稳健影像组学特征 | 首次通过深度学习分割结合影像组学特征识别出对椎间盘退变分类具有稳健性的特征，特别是2D球形度和四分位距 | 回顾性研究设计，样本仅来自芬兰北部出生队列，可能限制结果的普适性 | 从T2加权MRI中识别稳健的影像组学特征用于椎间盘退变分类 | 椎间盘退变患者 | 数字病理学 | 椎间盘退变疾病 | T2加权磁共振成像 | 深度学习分割模型 | 医学影像 | 1397名45-47岁受试者的腰椎MRI扫描 | NA | NA | 平衡准确率, Cohen's kappa, Spearman相关系数 | NA |
| 4793 | 2025-11-26 |
Application of deep learning reconstruction in abdominal magnetic resonance cholangiopancreatography for image quality improvement and acquisition time reduction
2025-Dec, Journal of the Formosan Medical Association = Taiwan yi zhi
DOI:10.1016/j.jfma.2024.10.017
PMID:39455401
|
研究论文 | 比较深度学习与传统重建方法在腹部磁共振胰胆管成像中的应用，评估其对图像质量和采集时间的改善效果 | 首次系统评估深度学习重建在腹部MRI中的临床应用价值，证明其能同时提升图像质量和缩短采集时间 | 回顾性研究设计，样本量相对有限（144例患者），需多中心前瞻性研究进一步验证 | 评估深度学习重建方法在腹部磁共振成像中改善图像质量和加速采集的潜力 | 接受腹部MRI检查的患者 | 医学影像分析 | 腹部疾病 | 磁共振成像（MRI），磁共振胰胆管成像（MRCP） | 深度学习 | 医学影像 | 144例患者（平均年龄62.2±14.1岁，83名男性） | NA | NA | 信噪比（SNR），对比噪声比（CNR），主观图像质量评分 | NA |
| 4794 | 2025-11-26 |
KuSarcasm: Automated annotation of a sarcasm dataset using hybrid NLP techniques
2025-Dec, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.112215
PMID:41278145
|
研究论文 | 介绍KuSarcasm库尔德语讽刺表达检测数据集的构建方法和自动标注技术 | 首个针对低资源库尔德索拉尼语的讽刺检测数据集，采用结合多语言情感分类和语义相似度评分的混合NLP方法进行自动标注 | 主要依赖手动数据收集，语言资源有限可能影响模型泛化能力 | 开发库尔德索拉尼语的自动讽刺检测数据集和标注方法 | 库尔德索拉尼语文本数据，包括谚语、诗歌、习语和数字出版物 | 自然语言处理 | NA | 光学字符识别(OCR)、网络爬虫、多语言情感分类、语义相似度计算 | Transformer | 文本 | 16,833个条目 | NA | mBERT, SBERT | NA | NA |
| 4795 | 2025-11-26 |
Deep learning-enabled design of macrocyclic peptide binders
2025-Dec, Nature chemical biology
IF:12.9Q1
DOI:10.1038/s41589-025-02062-4
PMID:41094129
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4796 | 2025-11-26 |
Construction of a deep learning model and identification of BSG, PPARD, and SLC16A8 expression as potential indicators in the context of strategies for precision therapy to acute myeloid leukemia
2025-Dec, Hematology (Amsterdam, Netherlands)
DOI:10.1080/16078454.2025.2592516
PMID:41284982
|
研究论文 | 通过单细胞RNA测序分析急性髓系白血病中T细胞异质性，构建深度学习预后风险模型并识别BSG、PPARD和SLC16A8作为精准治疗潜在生物标志物 | 首次在AML中基于特定T细胞亚群（Cluster 4）构建随机森林和LASSO回归预后模型，并鉴定BSG、PPARD和SLC16A8三个独立预后基因 | 未明确说明样本量具体数值，需要外部数据集进一步验证模型普适性 | 研究AML肿瘤微环境中T细胞异质性，开发预后预测模型和精准治疗策略 | 急性髓系白血病患者样本中的T细胞亚群 | 生物信息学 | 急性髓系白血病 | 单细胞RNA测序（scRNA-seq） | 随机森林, LASSO回归 | 单细胞RNA测序数据 | AML患者样本（具体数量未明确） | NA | NA | ROC曲线下面积（AUC） | NA |
| 4797 | 2025-11-26 |
RADIFUSION: a multi-radiomics deep learning based breast cancer risk prediction model using sequential mammographic images with image attention and bilateral asymmetry refinement
2025-Nov-25, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae1ee4
PMID:41223545
|
研究论文 | 提出一种基于多组学深度学习的乳腺癌风险预测模型RADIFUSION，利用序列乳腺X光图像进行风险评估 | 融合线性图像注意力机制、影像组学特征、新型门控机制和多视角融合，并引入双侧不对称性微调策略 | 仅在单一筛查队列（8723名患者）中验证，需要更多外部数据验证泛化能力 | 开发基于序列乳腺X光图像的乳腺癌风险预测模型 | 乳腺癌筛查人群 | 数字病理 | 乳腺癌 | 乳腺X光摄影 | 深度学习 | 序列医学图像 | 8723名患者，其中独立测试集1749名女性 | NA | RADIFUSION（融合线性图像注意力的深度学习架构） | AUC（1年AUC，2年AUC，3年AUC） | NA |
| 4798 | 2025-11-26 |
Deep Learning-Decoded Raman Spectroscopy for Hour-Scale iPSC Pluripotency Assessment via Lipid-Protein Biomarkers
2025-Nov-25, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03560
PMID:41230979
|
研究论文 | 结合深度学习与拉曼光谱技术，实现诱导多能干细胞多能性的小时级无标记评估 | 首次实现基于拉曼光谱的小时级iPSC多能性无标记评估，在培养基扰动1小时即可检测多能性异常，比形态变化更早 | 未明确说明样本规模和数据集的多样性限制 | 开发快速无标记的iPSC多能性评估方法 | 诱导多能干细胞(iPSC) | 机器学习 | 再生医学 | 拉曼光谱 | CNN | 光谱数据 | NA | NA | 一维卷积神经网络(1D-CNN) | 准确率 | NA |
| 4799 | 2025-11-26 |
Breast cancer diagnosis from histopathological images and molecular signatures by fusing features with an explainable AI-based residual tabular network model
2025-Nov-25, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-025-00709-x
PMID:41286231
|
研究论文 | 提出一种基于可解释人工智能的残差表格网络模型，通过融合组织病理学图像和分子蛋白表达数据进行乳腺癌多模态诊断 | 首次结合组织病理学图像和分子蛋白表达数据进行多模态乳腺癌诊断，采用自适应组织感知高斯滤波、熵增强图分水岭分割和自适应海星优化等创新方法，并集成SHAP和LIME实现模型可解释性 | 未提及外部验证数据集和临床实际应用场景的测试结果 | 开发可解释的多模态人工智能模型用于乳腺癌精准诊断 | 乳腺癌组织病理学图像和分子蛋白表达数据 | 数字病理学 | 乳腺癌 | 组织病理学成像, 蛋白表达分析 | CNN, 残差网络 | 图像, 表格数据 | NA | Python | ResTab Net, 残差卷积块, 稠密层 | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 4800 | 2025-11-26 |
Artificial intelligence in protein-based detection and inhibition of AMR pathways
2025-Nov-25, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-025-00710-4
PMID:41286386
|
综述 | 本文综述了人工智能在抗微生物耐药性相关蛋白质检测、结构表征和抑制剂设计中的应用框架 | 系统整合了AI在AMR蛋白质功能注释、结构预测、分子对接、生物标志物识别和抑制剂设计等多个环节的最新工具与方法 | 作为综述文章，未涉及具体实验验证和性能比较分析 | 抗微生物耐药性(AMR)的高通量监测和精准干预策略开发 | 抗性相关蛋白质、耐药基因、抑制剂分子 | 生物信息学，计算生物学 | 抗微生物耐药性感染 | 质谱分析，分子对接，分子动力学模拟，宏基因组测序 | 深度学习，图神经网络，自然语言处理，大型语言模型，变分自编码器，生成对抗网络，扩散模型 | 蛋白质序列，蛋白质结构，质谱数据，宏基因组数据，科学文献文本 | NA | TensorFlow，PyTorch | DeepGO，DeepGOPlus，DeepGO-SE，PFresGO，DPFunc，ProtENN，GraphSite，GrASP，AlphaFold，RoseTTAFold，ProtGPT-2，ESMFold，DeepNovo，Casanovo，Prosit，DeepARG，HMD-ARG，BacEffluxPred，DeepInteract，Pred_PPI，PLIP，DeepAIPs-Pred，DeepAIPs-SFLA，SBSM-Pro，Deep Stacked-AVPs，pNPs-CapsNet | NA | NA |