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 19287 篇文献，本页显示第 9161 - 9180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9161 | 2025-10-06 |
TrimNN: Characterizing cellular community motifs for studying multicellular topological organization in complex tissues
2025-Jan-17, Research square
DOI:10.21203/rs.3.rs-5584635/v1
PMID:39877090
|
研究论文 | 提出一种基于图神经网络的方法TrimNN，用于识别空间转录组和蛋白质组数据中的细胞群落基序 | 采用自下而上的方法识别保守的细胞组织模式，将细胞生态位定义为可计数的拓扑块，具有可解释性和通用性 | NA | 研究复杂组织中多细胞拓扑组织的协调规则 | 空间转录组和蛋白质组数据中的细胞空间排列 | 计算生物学 | NA | 空间转录组学、空间蛋白质组学 | 图神经网络 | 空间组学数据 | NA | NA | TrimNN | NA | NA |
| 9162 | 2025-10-06 |
Improvement of mask R-CNN and deep learning for defect detection and segmentation in electronic products
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0329945
PMID:40920847
|
研究论文 | 提出基于YOLOv5和Mask R-CNN的多任务联合学习框架Y-MaskNet，用于电子产品的缺陷检测与分割 | 结合YOLOv5的高效目标检测能力和Mask R-CNN的精细分割能力，通过多任务学习框架优化模型整体性能 | NA | 提高电子产品缺陷检测与分割的准确率和效率 | 电子产品缺陷 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | PCB缺陷数据集 | PyTorch | YOLOv5, Mask R-CNN | mAP@[0.5:0.95], IoU | NA |
| 9163 | 2025-10-06 |
Bibliometric Analysis of Research Articles on Embedded Internet of Health Things (IoHT) Fall Detection in the Elderly Published from 2006 to 2025
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S537047
PMID:40927577
|
文献计量分析 | 对2006年至2025年嵌入式健康物联网老年人跌倒检测研究文章进行文献计量分析 | 首次对嵌入式健康物联网老年人跌倒检测领域进行系统的文献计量分析，涵盖近20年的研究发展轨迹 | 仅基于Scopus数据库，可能存在文献收录不全；缺乏标准数据集和公平的人口统计代表性 | 分析嵌入式健康物联网老年人跌倒检测领域的研究现状、发展趋势和研究空白 | 2006-2025年期间发表的嵌入式健康物联网老年人跌倒检测相关研究文章 | 健康物联网 | 老年疾病 | 文献计量分析，科学图谱可视化 | 机器学习，深度学习 | 文献元数据，引文数据 | 79篇出版物 | VOSviewer | NA | 引文分析，科学图谱 | NA |
| 9164 | 2025-10-06 |
Efficient spatio-temporal modeling for sign language recognition using CNN and RNN architectures
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1630743
PMID:40927705
|
研究论文 | 本研究使用CNN和RNN架构进行坦桑尼亚手语识别，提出带ELU激活函数的CNN-GRU模型以提升性能 | 提出使用ELU激活函数的CNN-GRU架构来增强学习效率和性能，在手语识别中实现94%的准确率 | 在独立手语者设置中性能差异显著，最高准确率仅66%，手部优势特征优化仍面临挑战 | 开发能够捕捉视频帧时空关系特征的高效深度学习算法用于手语识别 | 坦桑尼亚手语数据集 | 计算机视觉 | NA | 深度学习 | CNN, LSTM, GRU | 视频 | 使用手机自拍摄像头收集的坦桑尼亚手语数据集 | NA | CNN-LSTM, CNN-GRU | 准确率 | NA |
| 9165 | 2025-09-12 |
Deploying a novel deep learning framework for segmentation of specific anatomical structures on cone-beam CT
2025-Oct, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-025-00831-4
PMID:40445488
|
研究论文 | 本研究开发了一种基于深度学习的新型框架，用于在锥束CT图像上自动分割特定解剖结构 | 采用nnUNetv2框架实现高精度解剖结构分割，在牙科CBCT图像处理中表现出色 | 样本量相对较小（70名患者），且下颌管分割性能相对较低 | 通过深度学习算法自动预测CBCT图像中的解剖结构，以增强诊断和治疗规划流程 | 70名患者的CBCT图像数据，包含鼻腔、上颌窦、腭前管、下颌管等解剖结构 | 计算机视觉 | NA | 锥束CT成像，深度学习分割 | nnUNetv2 | 医学影像 | 70名患者的CBCT数据，共28,350个切片（每例405个切片） | NA | NA | NA | NA |
| 9166 | 2025-09-12 |
Beyond explainable AI: Enhancing trust and robustness in machine learning for sleep apnea diagnosis
2025-Oct, Sleep medicine reviews
IF:11.2Q1
DOI:10.1016/j.smrv.2025.102152
PMID:40819476
|
评论 | 本文扩展了对睡眠呼吸暂停诊断中机器学习可解释性工具的批判，提出结合无监督ML和非线性非参数统计方法的综合策略以增强临床信任 | 主张超越传统XAI方法，通过无监督学习和统计方法结合来验证特征重要性并减少模型偏差 | 未提供具体实验验证或实际临床数据支持所提出方法的有效性 | 提升机器学习在睡眠呼吸暂停诊断中的可信度和鲁棒性 | 睡眠呼吸暂停诊断的机器学习模型及其特征解释方法 | machine learning | 睡眠呼吸暂停 | 无监督ML（特征聚合、高变基因选择），非线性非参数统计方法（如Spearman相关） | NA | NA | NA | NA | NA | NA | NA |
| 9167 | 2025-09-12 |
Artificial intelligence in gastric cancer: a systematic review of machine learning and deep learning applications
2025-Sep-11, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05181-7
PMID:40932499
|
系统综述 | 本文系统评估了机器学习和深度学习在胃癌管理中的应用、性能及局限性 | 全面总结了AI在胃癌早期检测、诊断、治疗规划和预后预测中的跨模态应用性能 | 存在算法偏差、数据集多样性不足、可解释性差及临床整合障碍 | 评估ML和DL模型在胃癌管理中的表现与应用 | 胃癌患者的临床影像和多模态数据 | 数字病理 | 胃癌 | 机器学习、深度学习 | CNN | 内镜图像、CT影像、病理图像、多模态数据 | 59项符合纳入标准的研究 | NA | NA | NA | NA |
| 9168 | 2025-09-12 |
Identifying 14-3-3 interactome binding sites with deep learning
2025-Sep-10, Digital discovery
IF:6.2Q1
DOI:10.1039/d5dd00132c
PMID:40837623
|
研究论文 | 开发深度学习框架预测蛋白质与14-3-3蛋白的结合位点 | 首次构建集成深度学习模型预测14-3-3相互作用组结合位点，尤其针对内在无序蛋白 | 模型在外部序列上平衡准确率为75%，仍有提升空间；实验验证仅覆盖8个预测肽段 | 预测蛋白质与14-3-3蛋白的结合位点以理解细胞信号网络 | 14-3-3蛋白及其相互作用蛋白质（约300个序列） | 生物信息学 | 阿尔茨海默病（涉及tau蛋白结合） | 深度学习、X射线晶体学、分子动力学模拟 | 集成深度学习模型 | 蛋白质序列数据 | 约300个医学相关蛋白质序列，实验验证8个预测肽段 | NA | NA | NA | NA |
| 9169 | 2025-09-12 |
Enhancing Protein Structure Learning using a Size-Guided Conditional Mixture-of-Experts
2025-Sep-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3607904
PMID:40928909
|
研究论文 | 提出一种基于蛋白质大小引导的条件混合专家模型，用于提升蛋白质结构深度学习性能 | 首次将蛋白质大小作为先验知识引入深度学习框架，通过条件混合专家模型自适应激活子网络 | NA | 改进蛋白质结构深度学习方法，提升蛋白质性质预测精度 | 蛋白质结构与性质 | 机器学习 | NA | 深度学习 | 条件混合专家模型(Conditional Mixture-of-Experts) | 蛋白质结构表示 | 在8个任务、2种蛋白质表示形式、3种数据集划分共48种测试设置上进行验证 | NA | NA | NA | NA |
| 9170 | 2025-09-12 |
Enhancing Automated Seizure Detection via Self-Calibrating Spatial-Temporal EEG Features with SC-LSTM
2025-Sep-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3607766
PMID:40928912
|
研究论文 | 提出一种新型混合深度学习架构SC-LSTM，通过自适应时空特征提取增强癫痫发作自动检测 | 整合自校准空间特征重建模块(SCConvNet)和双向LSTM网络，实现并行时空特征提取，显著提升对患者特异性EEG变异的捕捉能力 | 仅在新生儿EEG数据集上验证，未明确说明模型在其他年龄组或癫痫类型的泛化能力 | 开发高精度、稳定的自动化癫痫发作检测方法以支持个体化诊断 | 新生儿癫痫患者的脑电图(EEG)信号 | 机器学习 | 癫痫 | 脑电图(EEG)分析，K折交叉验证 | SC-LSTM（自校准卷积网络与双向LSTM的混合架构） | 多通道时间序列EEG信号 | 两个真实世界新生儿EEG数据集（具体样本量未明确说明） | NA | NA | NA | NA |
| 9171 | 2025-09-12 |
InterVelo: A Mutually Enhancing Model for Estimating Pseudotime and RNA Velocity in Multi-Omic Single-Cell Data
2025-Sep-10, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf500
PMID:40929041
|
研究论文 | 提出InterVelo深度学习框架，用于在多组学单细胞数据中同时估计伪时间和RNA速率 | 通过无监督细胞时间引导RNA速率估计，同时利用RNA速率优化伪时间方向，实现双向增强学习 | NA | 改进单细胞数据中转录动态的推断精度 | 多组学单细胞数据 | 计算生物学 | NA | 单细胞多组学测序 | 深度学习框架 | 单细胞多组学数据 | 模拟和真实数据集（未指定具体样本数量） | NA | NA | NA | NA |
| 9172 | 2025-09-12 |
Explainable Deep Learning Framework for Classifying Mandibular Fractures on Panoramic Radiographs
2025-Sep-10, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000011892
PMID:40929658
|
研究论文 | 开发基于全景X光片的可解释深度学习框架，用于自动分类下颌骨骨折 | 结合新颖的临床相关分类系统和可解释AI技术（Grad-CAM和LIME）提升模型决策透明度 | 需要更大规模、多机构数据集进一步验证泛化能力 | 实现下颌骨骨折的自动分类以辅助颌面创伤诊疗 | 下颌骨骨折患者 | 计算机视觉 | 颌面创伤 | 全景X光成像 | CNN | 图像 | 800张来自面部创伤患者的全景X光片 | NA | NA | NA | NA |
| 9173 | 2025-09-12 |
Automatic infant 2D pose estimation from videos: Comparing seven deep neural network methods
2025-Sep-10, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-025-02816-x
PMID:40931295
|
研究论文 | 比较七种深度神经网络方法在婴儿视频中自动进行2D姿态估计的性能 | 首次系统评估主流姿态估计方法在婴儿视频上的表现，并引入基于躯干长度的误差指标及检测可靠性分析 | 方法主要在成人数据上训练，未针对婴儿进行专门微调（除DeepLabCut和MediaPipe外） | 评估和比较深度学习模型在婴儿姿态估计任务中的性能 | 婴儿视频数据（包含仰卧位和复杂场景） | 计算机视觉 | NA | 深度学习，机器学习 | AlphaPose, DeepLabCut/DeeperCut, Detectron2, HRNet, MediaPipe/BlazePose, OpenPose, ViTPose | 视频 | NA | NA | NA | NA | NA |
| 9174 | 2025-09-12 |
Advanced digital image forensics: A hybrid framework for copy-move forgery detection in multimedia security
2025-Sep, Journal of forensic sciences
IF:1.5Q2
DOI:10.1111/1556-4029.70076
PMID:40361265
|
研究论文 | 提出一种用于多媒体安全中复制-移动伪造检测的混合框架，结合频域滤波、关键点提取、深度学习模型和聚类技术 | 整合FFT频域滤波、SIFT与ORB关键点提取、MobilenetV2和VGG16特征提取以及注意力机制，提升检测准确性和鲁棒性 | NA | 开发高精度数字图像伪造检测方法，保障图像完整性验证 | 数字图像及其可能存在的复制-移动伪造区域 | 计算机视觉 | NA | 快速傅里叶变换(FFT)、SIFT、ORB、DBSCAN聚类、注意力机制 | MobilenetV2, VGG16 | 图像 | 基于五个基准复制-移动伪造数据集进行广泛测试 | NA | NA | NA | NA |
| 9175 | 2025-09-12 |
Early diagnosis of mild cognitive impairment and Alzheimer's disease using multimodal feature-based deep learning models in a Chinese elderly population
2025-Sep, Asian journal of psychiatry
IF:3.8Q1
DOI:10.1016/j.ajp.2025.104632
PMID:40743680
|
研究论文 | 本研究利用基于多模态特征（ERP和中医体质）的深度学习模型，在中国老年人群中实现轻度认知障碍和阿尔茨海默病的早期诊断 | 首次融合事件相关电位（ERP）和中医体质特征，并采用图卷积网络（GCN）进行跨被试分类，在认知障碍早期诊断中表现出色 | 样本量较小（共90名参与者），且仅针对中国老年人群，结果泛化性需进一步验证 | 评估基于融合ERP和中医特征的深度学习模型在认知障碍跨被试分类中的效能 | 中国老年人群（包括健康对照组、轻度认知障碍患者和阿尔茨海默病患者） | 机器学习 | 老年疾病 | ERP（事件相关电位）、中医体质问卷、深度学习 | EEGNet、CNN-LSTM、GCN（图卷积网络）、多尺度特征重建GCN、多层感知机 | 脑电信号、问卷数据 | 90名参与者（30名健康对照、30名MCI患者、30名AD患者） | NA | NA | NA | NA |
| 9176 | 2025-09-12 |
Spectral computed tomography thermometry for thermal ablation: applicability and needle artifact reduction
2025-Sep, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.105093
PMID:40850158
|
研究论文 | 评估光谱CT测温在微波消融中的适用性，并比较基于衰减与基于物理密度的测温方法，同时探索最优金属伪影减少技术 | 首次系统比较光谱CT中基于衰减和基于物理密度的测温方法，并测试多种MAR技术（包括O-MAR、深度学习MAR和光谱CT组合）对测温精度的影响 | 研究基于体外凝胶模型，未涉及人体组织；样本量较小（4个模型，23次扫描） | 提高肝肿瘤热消融过程中温度监测的精确性和可靠性 | 肝肿瘤热消融过程中的温度分布 | 医学影像 | 肝肿瘤 | 光谱CT，微波消融，金属伪影减少（MAR）技术 | NA | CT影像 | 4个嵌入温度传感器的凝胶模型，进行23次CT扫描 | NA | NA | NA | NA |
| 9177 | 2025-09-12 |
A weakly-supervised deep learning model for fast localisation and delineation of the skeleton, internal organs, and spinal canal on whole-body diffusion-weighted MRI (WB-DWI)
2025-Aug-28, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109043
PMID:40929938
|
研究论文 | 提出一种弱监督深度学习模型，用于在全身扩散加权MRI上快速定位和勾画骨骼、内部器官及椎管 | 使用基于图谱方法生成的“软标签”训练3D残差U-Net，实现快速且可重复的概率图生成，速度比传统方法快12倍 | 模型在肋骨区域的骨骼勾画性能相对较低（Dice评分0.67），且仅在晚期前列腺癌和多发性骨髓瘤患者中验证 | 开发自动化算法以支持癌症成像生物标志物（ADC和TDV）的量化测量 | 晚期前列腺癌（APC）和多发性骨髓瘤（MM）患者的全身扩散加权MRI扫描 | 数字病理 | 前列腺癌 | WB-DWI（全身扩散加权磁共振成像） | 3D Residual U-Net | image | 532例患者扫描用于训练和验证，45例患者用于测试 | NA | NA | NA | NA |
| 9178 | 2025-05-08 |
Retraction: "Diagnostic Classification and Prognostic Prediction Using Common Genetic Variants in Autism Spectrum Disorder: Genotype-Based Deep Learning"
2025-05-06, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/76833
PMID:40331761
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9179 | 2025-05-01 |
Predicting Mortality with Deep Learning: Are Metrics Alone Enough?
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.250224
PMID:40304577
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9180 | 2024-12-12 |
Integrating Deep Learning with Biology: A New Frontier in Triple-Negative Breast Cancer Treatment Prediction?
2025-01, Radiology. Artificial intelligence
DOI:10.1148/ryai.240740
PMID:39660996
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |