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 19313 篇文献，本页显示第 9301 - 9320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9301 | 2025-10-06 |
Automatic classification of HEp-2 specimens by explainable deep learning and Jensen-Shannon reliability index
2025-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103030
PMID:39637573
|
研究论文 | 提出基于可解释深度学习的HEp-2标本自动分类方法，结合Jensen-Shannon可靠性指数提升分类可信度 | 采用迁移学习与预训练模型，提出针对不平衡数据集的特征选择方法，引入改进的梯度加权类激活映射和基于Jensen-Shannon散度的样本质量指数 | 尚未解决有丝分裂纺锤体识别挑战，未来需扩展方法以覆盖混合模式 | 开发计算机辅助系统用于HEp-2图像分析和ANA模式分类 | HEp-2细胞图像标本 | 计算机视觉 | 结缔组织病 | 间接免疫荧光检测 | 深度学习 | 图像 | 来自两家不同医院的两个独立数据集 | NA | 预训练深度学习模型 | 强度识别准确率，ANA模式识别准确率 | NA |
| 9302 | 2025-10-06 |
Advances in diagnosis and prognosis of bacteraemia, bloodstream infection, and sepsis using machine learning: A comprehensive living literature review
2025-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103008
PMID:39705768
|
文献综述 | 本文对机器学习在菌血症、血流感染和脓毒症诊断与预后中的应用进行了全面的动态文献综述 | 提供了动态更新的文献综述，强调在早期疾病阶段的研究空白和实时非侵入性数据采集技术的潜力 | 早期疾病阶段研究不足，序列深度学习模型在外部数据集表现不佳，现实场景实施面临挑战 | 评估机器学习在血液相关感染管理中的诊断和预后应用 | 菌血症、血流感染和脓毒症患者 | 机器学习 | 脓毒症 | 机器学习 | 序列深度学习模型,传统机器学习模型 | 电子健康记录,生化标志物,生命体征,时间趋势数据 | NA | NA | NA | NA | NA |
| 9303 | 2025-10-06 |
Fraud detection in healthcare claims using machine learning: A systematic review
2025-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103061
PMID:39756221
|
系统综述 | 本文系统综述了机器学习技术在医疗保险欺诈检测中的应用研究 | 对过去二十年医疗保险欺诈检测的机器学习研究进行全面系统分析，涵盖不同算法类型和数据来源 | 数据不一致、缺乏标准化、隐私问题以及标记欺诈案例数量有限 | 分析医疗保险欺诈检测中机器学习技术的研究现状、挑战和机遇 | 医疗保险索赔数据 | 机器学习 | NA | 机器学习 | 无监督学习, 监督学习, 深度学习 | 医疗索赔数据 | 137篇研究论文，涉及16个国家的数据，其中美国96篇、中国11篇、澳大利亚5篇 | NA | NA | NA | NA |
| 9304 | 2025-10-06 |
ECGEFNet: A two-branch deep learning model for calculating left ventricular ejection fraction using electrocardiogram
2025-02, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103065
PMID:39809042
|
研究论文 | 提出一种名为ECGEFNet的双分支深度学习模型，通过心电图计算左心室射血分数 | 创新性地整合原始数值信号和波形图，提出融合注意力机制和双分支特征融合模块解决分支间信息交互不足的问题 | 仅使用内部数据集进行验证，缺乏外部验证 | 开发基于心电图的心脏功能障碍实时监测方法 | 左心室收缩功能障碍患者 | 机器学习 | 心血管疾病 | 心电图 | 深度学习 | 信号数据, 图像数据 | 大型内部数据集（具体数量未说明） | NA | 双分支架构 | 准确率, 平均绝对误差 | NA |
| 9305 | 2025-10-06 |
Artificial intelligence-powered image analysis: A paradigm shift in infectious disease detection
2025-01, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103025
PMID:39608041
|
研究论文 | 本研究开发了一种基于人工智能的医学图像分析方法，用于提高传染病检测的诊断准确性 | 首次将模糊环境下的超软集(HSS)与多准则决策框架(MCDM)相结合，开创了AI驱动诊断的新方法 | NA | 通过分析医学影像提高传染病诊断准确性 | 传染病医学图像 | 计算机视觉 | 传染病 | 医学影像分析 | NA | 图像 | NA | NA | NA | NA | NA |
| 9306 | 2025-10-06 |
A Multi-task learning U-Net model for end-to-end HEp-2 cell image analysis
2025-01, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.103031
PMID:39608042
|
研究论文 | 提出一种多任务学习U-Net模型，用于HEp-2细胞图像的端到端分析 | 首次采用多任务学习架构同时处理HEp-2细胞图像分析的三个关键任务：强度分类、分割和模式分类 | NA | 开发自动化HEp-2细胞图像分析方法以辅助自身免疫疾病诊断 | HEp-2细胞图像 | 计算机视觉 | 自身免疫疾病 | 间接免疫荧光显微镜技术 | CNN | 图像 | 使用最大的公开HEp-2图像数据集 | NA | U-Net | NA | NA |
| 9307 | 2025-10-06 |
SpaGraphCCI: Spatial cell-cell communication inference through GAT-based co-convolutional feature integration
2025 Jan-Dec, IET systems biology
IF:1.9Q3
DOI:10.1049/syb2.70000
PMID:39846423
|
研究论文 | 提出一种基于图注意力网络和共卷积特征整合的深度学习方法SpaGraphCCI，用于从空间多模态数据推断细胞间相互作用 | 首次通过GAT-based共卷积特征整合方法有效融合空间转录组数据的基因表达和图像特征 | NA | 开发能够有效整合空间多模态数据以推断细胞间通信的计算方法 | 空间转录组数据中的细胞间相互作用 | 生物信息学 | 乳腺癌 | 空间转录组技术 | GAT, 深度学习 | 基因表达数据, 组织图像 | 多个平台数据集（包括单细胞分辨率数据集和点分辨率数据集）及人类乳腺癌数据集 | NA | 图注意力网络, 共卷积特征整合 | AUC | NA |
| 9308 | 2025-10-06 |
The optimised model of predicting protein-metal ion ligand binding residues
2025 Jan-Dec, IET systems biology
IF:1.9Q3
DOI:10.1049/syb2.70001
PMID:39873344
|
研究论文 | 本研究开发了预测蛋白质-金属离子配体结合残基的优化模型 | 融合氨基酸及其衍生信息作为特征参数，并首次将深度学习算法应用于该预测任务，在Ca和Mg离子结合残基预测上取得了优于先前研究的结果 | NA | 准确预测蛋白质-金属离子配体结合残基 | 蛋白质-金属离子配体结合残基 | 机器学习 | NA | NA | 经典机器学习算法,深度学习算法 | 蛋白质序列数据 | NA | NA | NA | 验证矩阵 | NA |
| 9309 | 2025-10-06 |
ACP-DPE: A Dual-Channel Deep Learning Model for Anticancer Peptide Prediction
2025 Jan-Dec, IET systems biology
IF:1.9Q3
DOI:10.1049/syb2.70010
PMID:40119615
|
研究论文 | 提出一种基于双通道深度学习的抗癌肽预测模型ACP-DPE | 结合双向门控循环单元和扩张卷积的双通道架构，分别捕捉肽序列依赖关系和氨基酸局部关系 | NA | 开发深度学习模型用于抗癌肽预测 | 抗癌肽序列 | 机器学习 | 癌症 | 深度学习 | Bi-GRU, CNN | 肽序列数据 | NA | NA | 双通道架构（Bi-GRU模块+扩张卷积模块） | 准确率, 灵敏度 | NA |
| 9310 | 2025-10-06 |
TNFR-LSTM: A Deep Intelligent Model for Identification of Tumour Necroses Factor Receptor (TNFR) Activity
2025 Jan-Dec, IET systems biology
IF:1.9Q3
DOI:10.1049/syb2.70007
PMID:40156875
|
研究论文 | 开发了一种名为DEEP-TNFR的深度学习模型，用于准确预测肿瘤坏死因子受体（TNFR）活性 | 结合相对位置、反向位置和统计矩特征，系统比较六种深度学习分类器，其中LSTM表现最佳并超越先前研究 | NA | 提高TNFR活性识别的准确性，支持炎症、癌症和自身免疫疾病相关研究 | 肿瘤坏死因子受体（TNFR） | 自然语言处理 | 癌症 | 深度学习 | FCN, CNN, RNN, LSTM, Bi-LSTM, GRU | 序列数据 | NA | NA | 全连接网络, 卷积神经网络, 简单循环神经网络, 长短期记忆网络, 双向长短期记忆网络, 门控循环单元 | 准确率, 特异性, 灵敏度, 马修斯相关系数 | NA |
| 9311 | 2025-10-06 |
Improved in Silico Identification of Protein-Protein Interactions Using Deep Learning Approach
2025 Jan-Dec, IET systems biology
IF:1.9Q3
DOI:10.1049/syb2.70008
PMID:40275540
|
研究论文 | 开发了一种基于深度学习的蛋白质-蛋白质相互作用预测模型Deep_PPI | 提出使用双卷积头架构处理蛋白质对，并采用Keras二进制轮廓编码技术和PaddVal长度均衡策略 | NA | 改进蛋白质-蛋白质相互作用的计算机识别方法 | 多种物种的蛋白质-蛋白质相互作用 | 生物信息学 | 癌症，自身免疫性疾病，恶性贫血 | 深度学习 | CNN | 蛋白质序列 | 人类、秀丽隐杆线虫、大肠杆菌和智人等多个物种数据集 | Keras | 一维卷积神经网络 | 交叉验证准确率 | NA |
| 9312 | 2025-10-06 |
LTR-Net: A deep learning-based approach for financial data prediction and risk evaluation in enterprises
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0328013
PMID:40748872
|
研究论文 | 提出一种结合LSTM、Transformer和ResNet的深度学习模型LTR-Net，用于企业金融数据预测和风险评估 | 首次将LSTM、Transformer和ResNet集成到统一框架中，通过时序依赖建模、全局信息捕获和深度特征提取模块协同处理金融数据 | NA | 解决金融数据预测和风险评估这一复杂多任务问题 | 企业金融数据 | 机器学习 | NA | 深度学习 | LSTM, Transformer, ResNet | 时间序列数据 | Kaggle金融困境预测数据集和雅虎财经股市数据 | NA | LSTM, Transformer, ResNet | MSE, RMSE, MAE, AUC | NA |
| 9313 | 2025-10-06 |
A comparative study of machine learning models for automated detection and classification of retinal diseases in Ghana
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327743
PMID:40748964
|
研究论文 | 本研究开发并比较了多种CNN模型在加纳视网膜疾病自动检测和分类中的性能 | 首次在加纳地区使用多种先进CNN模型进行视网膜疾病自动检测，并采用高斯过程贝叶斯优化方法进行超参数调优 | 数据集规模有限，需要在临床环境中进一步验证模型性能 | 开发和比较机器学习模型用于视网膜疾病的自动检测和分类 | 视网膜疾病患者的光学相干断层扫描图像 | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描 | CNN | 图像 | 来自WATBORG眼科诊所的OCT图像 | NA | DenseNet121, ResNet50, Inception V3, MobileNet | F1分数, 精确率, 召回率, AUC | NA |
| 9314 | 2025-10-06 |
AI-Driven fetal distress monitoring SDN-IoMT networks
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0328099
PMID:40743297
|
研究论文 | 本研究提出了一种基于生成对抗网络和自编码器的AI驱动框架，用于解决胎儿监护中数据不平衡问题 | 首次将Wasserstein距离的GAN与自编码器结合应用于SDN-IoMT网络，解决胎儿监护数据不平衡问题 | 仅使用CTU-UHB单一数据集进行验证，未在其他临床数据集上测试 | 改善产前胎儿监护性能，解决胎心监护数据不平衡问题 | 孕妇临床数据，特别是胎心率和减速特征 | 医疗物联网 | 产科疾病 | 胎心宫缩监护 | GAN, 自编码器 | 临床监护数据 | CTU-UHB数据集 | NA | 生成对抗网络, 自编码器 | 准确率, 召回率, 精确率, F1分数 | Mininet仿真平台 |
| 9315 | 2025-10-06 |
Dynamic Personalized Federated Learning for Cross-Spectral Palmprint Recognition
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3592508
PMID:40737152
|
研究论文 | 提出一种动态个性化联邦学习模型DPFed-Palm用于解决跨光谱掌纹识别中的隐私保护和数据非独立同分布问题 | 提出动态权重选择策略和组合损失函数，结合FedAvg与个性化联邦学习的聚合策略，有效提升模型特征表示能力 | NA | 开发隐私保护的跨光谱掌纹识别方法 | 多光谱掌纹图像 | 计算机视觉 | NA | 多光谱成像 | 深度学习 | 图像 | 三个公共数据集（PolyU multispectral, IITD, CASIA） | 联邦学习 | DPFed-Palm | 识别性能, 隐私保护效果 | NA |
| 9316 | 2025-10-06 |
An adaptive mechanism of improved heuristic algorithm and multiscale feature integration with residual GRU for emotion with mental health recognition
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10302-5
PMID:40756004
|
研究论文 | 提出一种结合改进启发式算法和多尺度特征融合的自适应深度学习模型用于情绪与心理健康识别 | 提出多尺度融合特征自适应残差门控循环单元(MFF-ARGRU)和改进随机变量雕刻优化算法(IRV-SOA)用于情绪识别 | NA | 开发自动化系统用于早期精确识别心理健康问题 | 从在线公共数据源收集的文本数据 | 自然语言处理 | 心理健康疾病 | 文本挖掘 | BiLSTM, GRU | 文本 | NA | NA | BiLSTM-HA, MFF-ARGRU | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 9317 | 2025-10-06 |
LETA: Tooth Alignment Prediction Based on Dual-branch Latent Encoding
2025-09, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2024.3413857
PMID:40184274
|
研究论文 | 提出基于双分支潜在编码的3D牙齿对齐预测系统LETA，用于自动预测牙齿的正确3D姿态变换 | 从真实对齐牙齿中提取特征指导网络学习，采用改进的点卷积操作和注意力网络分别提取局部形状特征和全局上下文特征 | NA | 开发自动化牙齿对齐预测系统以减少正畸医生工作量 | 口内扫描仪获取的3D牙齿网格 | 计算机视觉 | 牙齿畸形 | 3D点云处理 | CNN, 注意力网络 | 3D点云数据 | 9,868个口内扫描表面 | NA | 双分支编码器-投影器-求解器架构 | NA | NA |
| 9318 | 2025-05-08 |
Letter to the Editor: Deep Learning and Numerical Analysis for Bladder Outflow Obstruction and Detrusor Underactivity Diagnosis in Men: A Novel Urodynamic Evaluation Scheme
2025-Sep, Neurourology and urodynamics
IF:1.8Q3
DOI:10.1002/nau.70049
PMID:40329494
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9319 | 2025-10-06 |
Predicting the Effects of Charge Mutations on the Second Osmotic Virial Coefficient for Therapeutic Antibodies via Coarse-Grained Molecular Simulations and Deep Learning Methods
2025-Aug-04, Molecular pharmaceutics
IF:4.5Q1
|
研究论文 | 通过粗粒度分子模拟和深度学习方法预测电荷突变对治疗性抗体第二维里系数的影响 | 结合粗粒度分子模拟和深度神经网络，系统探索大量电荷突变（约10^10种）对蛋白质自相互作用的影响 | 研究仅限于三种模型治疗性单克隆抗体，需要进一步验证在其他蛋白质体系中的适用性 | 评估改变表面电荷分布如何影响蛋白质自相互作用，以第二维里系数量化 | 三种模型治疗性单克隆抗体（MAbs） | 机器学习 | NA | 粗粒度分子模拟，深度学习方法 | MLP（多层感知器） | 分子模拟数据 | 约10^10个突变（单突变、双突变和三突变） | NA | 多层感知器 | 计算效率，预测精度 | NA |
| 9320 | 2025-10-06 |
Colorimetric detection of bisphenol A in water: a smartphone-based sensor using inverse opal molecularly imprinted photonic crystal hydrogel
2025-Aug-04, The Analyst
DOI:10.1039/d4an01426j
PMID:40685994
|
研究论文 | 开发了一种基于智能手机的传感器，用于水中双酚A的比色检测 | 结合反蛋白石分子印迹光子晶体水凝胶与智能手机深度学习模型，实现实时定量检测 | NA | 开发高灵敏度、高选择性的双酚A检测方法 | 水样中的双酚A分子 | 传感器技术 | NA | 分子印迹技术、光子晶体技术、比色检测 | 深度学习回归模型 | 图像 | NA | NA | NA | 检测限、响应时间 | 智能手机 |