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 19279 篇文献，本页显示第 10641 - 10660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10641 | 2025-10-06 |
Application of deep learning for diagnosis of shoulder diseases in older adults: a narrative review
2025-Jan, Ewha medical journal
IF:0.3Q3
DOI:10.12771/emj.2025.e6
PMID:40704206
|
综述 | 探讨深度学习在老年人肩部疾病诊断中的应用现状与潜力 | 系统综述深度学习在肩部疾病自动化诊断中的创新应用，包括图像分割、运动分析和骨质疏松量化 | 需要大规模前瞻性验证研究来确保通用性和临床工作流程整合 | 评估深度学习技术在老年人肩部疾病诊断与管理中的应用价值 | 老年人肩部疾病患者 | 计算机视觉 | 老年疾病 | MRI, CT, X射线 | CNN | 医学影像 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 10642 | 2025-10-06 |
Differential Privacy Enabled Robust Asynchronous Federated Multitask Learning: A Multigradient Descent Approach
2025-Aug, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3571953
PMID:40531632
|
研究论文 | 提出一种结合差分隐私的鲁棒异步联邦多任务学习方法，通过多梯度下降解决数据异构和拜占庭攻击问题 | 首次将联邦学习重构为多目标优化问题，提出联邦多梯度下降算法，并开发半异步聚合方法和分布式差分隐私技术 | 未明确说明具体应用场景下的性能限制和计算开销分析 | 解决联邦学习中的数据异构、设备异构、隐私泄露和非凸损失等实际问题 | 边缘计算设备和分布式数据源 | 机器学习 | NA | 联邦学习，差分隐私 | 深度学习模型 | 分布式数据 | NA | NA | NA | 收敛性分析 | 边缘计算设备 |
| 10643 | 2025-10-06 |
AI-CMCA: a deep learning-based segmentation framework for capillary microfluidic chip analysis
2025-Jul-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-11508-7
PMID:40691244
|
研究论文 | 提出基于深度学习的毛细管微流控芯片分析框架AI-CMCA，用于自动化流体路径检测与追踪 | 首次将深度学习分割技术应用于毛细管微流控芯片分析，结合迁移学习特征初始化、编码器-解码器语义分割和序列帧分析 | 仅测试了五种架构，未明确说明训练数据规模和多样性限制 | 开发自动化毛细管微流控芯片流体路径分析框架 | 毛细管微流控芯片中的流体运动 | 计算机视觉 | NA | 深度学习分割 | CNN | 图像序列 | NA | NA | U-Net,MobileNetV2,PAN,FPN,PSP-Net,DeepLabV3+ | IoU,F1-score | 适用于智能手机或边缘设备部署的轻量级设计 |
| 10644 | 2025-10-06 |
Deep Learning Algorithms to Predict Differential Renal Function <40% in Unilateral Hydronephrosis Based on Key Parameters of Urinary Tract Ultrasound
2025-06, Urology
IF:2.1Q2
DOI:10.1016/j.urology.2025.04.009
PMID:40210002
|
研究论文 | 基于尿路超声关键参数开发深度学习算法预测单侧肾积水患者分肾功能<40% | 首次将肾盂前后径、上盏扩张和肾脏长度比等超声参数结合机器学习模型用于预测分肾功能受损 | 回顾性研究设计，样本仅来自单一医疗中心 | 开发预测单侧肾积水儿童分肾功能<40%的机器学习模型 | 802例肾积水儿童患者 | 机器学习 | 肾积水 | 尿路超声，利尿肾图 | 随机森林, 逻辑回归, 支持向量机 | 超声参数，临床数据 | 802例儿童患者 | NA | NA | AUROC, 灵敏度, 特异度 | NA |
| 10645 | 2025-10-06 |
Fully volumetric body composition analysis for prognostic overall survival stratification in melanoma patients
2025-May-12, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-06507-1
PMID:40355935
|
研究论文 | 本研究利用深度学习对黑色素瘤患者的基线CT扫描进行全容积身体成分分析，以预测总生存期 | 首次采用全容积身体成分分析方法，利用常规CT扫描无需额外检查即可实现生存期预测 | 样本量相对有限，需要进一步多中心验证 | 探索基于深度学习的身体成分分析在黑色素瘤患者总生存期预测中的价值 | 黑色素瘤患者 | 数字病理 | 黑色素瘤 | CT扫描 | 深度学习网络 | 医学影像 | 495名患者（内部队列）+ 428名患者（外部验证） | NA | NA | 风险比(HR), P值 | NA |
| 10646 | 2025-10-06 |
Deep Learning-Based Prediction of Glaucoma Severity and Progression Using Imo/TEMPO Screening Program
2025 Nov-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100805
PMID:40697390
|
研究论文 | 开发DeepISP深度学习模型，基于快速筛查视野检查预测青光眼患者的全面视野信息和疾病进展 | 首次开发能够同时预测当前视野状态和视野进展的多任务神经网络，并采用数据增强技术合成训练数据 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 开发基于深度学习的青光眼严重程度和进展预测模型 | 青光眼患者 | 医学人工智能 | 青光眼 | 视野检查，深度学习 | 多任务神经网络 | 医学影像数据，视野检查数据 | 187个真实ISP测试（112名患者）和3470个合成ISP测试（883名患者） | NA | 多任务神经网络 | 平均绝对误差，平均F1分数，曲线下面积 | NA |
| 10647 | 2025-10-06 |
SpatialCVGAE: Consensus Clustering Improves Spatial Domain Identification of Spatial Transcriptomics Using VGAE
2025-Sep, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-024-00676-1
PMID:39680300
|
研究论文 | 提出基于共识聚类的空间转录组数据分析框架SpatialCVGAE，用于提高空间域识别的稳定性与准确性 | 首次将共识聚类与变分图自编码器结合用于空间转录组数据，通过集成多个潜在表示的聚类结果提升模型鲁棒性 | NA | 解决空间转录组数据聚类分析中的不稳定性问题 | 空间转录组数据 | 生物信息学 | NA | 空间转录组技术 | VGAE | 基因表达数据、空间图数据 | NA | PyTorch | 变分图自编码器 | 稳定性、准确性 | NA |
| 10648 | 2025-10-06 |
EnDM-CPP: A Multi-view Explainable Framework Based on Deep Learning and Machine Learning for Identifying Cell-Penetrating Peptides with Transformers and Analyzing Sequence Information
2025-Sep, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-024-00673-4
PMID:39714579
|
研究论文 | 提出一种基于深度学习和机器学习的多视图可解释框架EnDM-CPP，用于识别细胞穿透肽并分析序列信息 | 结合Transformer架构的语言模型特征（ProtT5和ESM-2）与传统序列特征，采用多模型集成策略提高预测性能 | NA | 开发计算方法来预测潜在的细胞穿透肽，以促进药物递送载体的开发 | 细胞穿透肽（CPPs） | 机器学习 | NA | 序列分析 | CNN, TextCNN, SVM, CatBoost, Logistic Regression | 蛋白质序列数据 | 整合三个基准数据集（CPPsite 2.0、MLCPP 2.0和CPP924）以提高多样性和减少同源性 | NA | Transformer, CNN, TextCNN | 准确率, 马修斯相关系数 | NA |
| 10649 | 2025-10-06 |
MultiKD-DTA: Enhancing Drug-Target Affinity Prediction Through Multiscale Feature Extraction
2025-Sep, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00697-4
PMID:40019659
|
研究论文 | 提出一种通过多尺度特征提取增强药物-靶点亲和力预测的深度学习架构 | 创新性地结合图神经网络、预训练大规模蛋白质模型和注意力机制，采用多尺度特征提取方法 | NA | 提高药物-靶点相互作用亲和力预测的准确性 | 药物分子和蛋白质靶点 | 机器学习 | NA | 深度学习 | 图神经网络, 双向长短期记忆网络, 注意力机制 | 分子结构图, 蛋白质序列 | 两个公开数据集 | NA | 多尺度卷积网络, ESM-2预训练模型 | NA | NA |
| 10650 | 2025-10-06 |
iEnhancer-GDM: A Deep Learning Framework Based on Generative Adversarial Network and Multi-head Attention Mechanism to Identify Enhancers and Their Strength
2025-Sep, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00703-9
PMID:40335860
|
研究论文 | 提出基于生成对抗网络和多头注意力机制的深度学习框架iEnhancer-GDM，用于识别增强子及其强度预测 | 引入Wasserstein生成对抗网络进行数据增强，结合多头注意力机制和多尺度卷积神经网络提升模型性能 | 增强子训练数据集规模有限，可能导致模型过拟合和分类准确率问题 | 开发增强子识别及其强度预测的计算方法 | DNA增强子序列 | 生物信息学 | NA | DNA序列分析 | GAN, CNN, LSTM, 多头注意力机制 | DNA序列数据 | NA | NA | WGAN-GP, 多尺度CNN, 双向LSTM, 多头注意力机制 | 准确率 | NA |
| 10651 | 2025-10-06 |
ResNeXt-Based Rescoring Model for Proteoform Characterization in Top-Down Mass Spectra
2025-Sep, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00701-x
PMID:40381130
|
研究论文 | 提出基于ResNeXt的深度学习模型PrSMBooster，用于在自上而下质谱中重新评分蛋白质形态谱匹配以提高鉴定准确性 | 首次将ResNeXt架构与集成机器学习方法相结合用于蛋白质形态表征的重新评分，通过整合逻辑回归、XGBoost、决策树和支持向量机作为弱学习器提取特征 | 未明确说明模型对特定类型蛋白质形态的适用性限制，且依赖外部数据集进行验证 | 提高自上而下蛋白质组学中蛋白质形态鉴定的准确性 | 蛋白质形态谱匹配 | 机器学习 | NA | 自上而下质谱法 | ResNeXt, 集成学习 | 质谱数据 | 47个独立质谱数据集，涵盖多个物种 | NA | ResNeXt | 错误发现率 | NA |
| 10652 | 2025-10-06 |
NPI-HetGNN: A Prediction Model of ncRNA-Protein Interactions Based on Heterogeneous Graph Neural Networks
2025-Sep, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00716-4
PMID:40455400
|
研究论文 | 提出基于异构图神经网络的NPI-HetGNN模型用于预测非编码RNA与蛋白质的相互作用 | 结合序列特性和异质连接拓扑构建初始特征，通过元路径游走聚合语义信息，并引入能量约束自注意力模块增强特征提取能力 | 缺乏湿实验室验证条件，仅采用计算验证 | 开发计算模型预测非编码RNA与蛋白质相互作用 | 非编码RNA和蛋白质 | 机器学习 | NA | 异构图神经网络 | GNN | 序列数据, 网络拓扑数据 | 四个基准数据集 | NA | HetGNN | NA | NA |
| 10653 | 2025-10-06 |
Continuous noninvasive blood pressure estimation using tissue blood flow measured by diffuse correlation spectroscopy
2025-Sep, APL bioengineering
IF:6.6Q1
DOI:10.1063/5.0266243
PMID:40697813
|
研究论文 | 本研究提出了一种基于漫相关光谱技术测量组织血流量的无创连续血压监测方法 | 首次将漫相关光谱技术测量的组织血流量与深度学习相结合，实现无创连续血压估计 | 样本量较小（12名受试者），需要进一步扩大验证规模 | 开发无创连续血压监测技术 | 人体血压和组织血流量 | 机器学习 | 心血管疾病 | 漫相关光谱技术 | 深度学习 | 组织血流量数据、血压数据 | 12名受试者 | NA | BFBP模型 | 平均绝对误差, 英国高血压协会标准评级 | NA |
| 10654 | 2025-10-06 |
Impact of prompting on large language model performance: ChatGPT-4 performance on the 2023 hand surgery self-assessment examination
2025-Sep, Journal of hand and microsurgery
IF:0.3Q4
DOI:10.1016/j.jham.2025.100326
PMID:40708759
|
研究论文 | 评估ChatGPT-4在手外科自我评估考试中的表现及提示工程对其性能的影响 | 首次评估GPT-4在手外科专业考试中的表现，并分析通过提供历史考试题目进行提示对其性能的影响 | 排除视频类题目，样本量有限，提示后性能提升无统计学显著性 | 评估大型语言模型在医学专业考试中的表现及其学习能力 | 2023年手外科认证维护自我评估考试的文本和图像题目 | 自然语言处理 | 手外科疾病 | 提示工程，图像识别 | 大型语言模型 | 文本，图像 | 2023年手外科SAE全部文本和图像题目，以及2014-2020年5个历史SAE题目 | NA | GPT-4 | 正确率，Fisher精确检验 | NA |
| 10655 | 2025-10-06 |
Diffraction-informed deep learning for molecular-specific holograms of breast cancer cells
2025-Sep, APL bioengineering
IF:6.6Q1
DOI:10.1063/5.0246495
PMID:40708806
|
研究论文 | 提出一种名为HoloNet的新型深度学习架构，用于直接分析乳腺癌细胞的衍射图像，实现细胞类型分类和分子标记物定量 | 专门针对衍射图像特性设计的深度学习架构，能够直接处理原始衍射图像而无需计算重建，在细胞诊断中实现高精度分类和分子标记物量化 | NA | 解决透镜自由数字在线全息术产生的衍射图像在人类解读和计算重建方面的挑战 | 乳腺癌细胞 | 计算成像 | 乳腺癌 | 透镜自由数字在线全息术 | 深度学习 | 衍射图像 | NA | NA | HoloNet | 精度 | NA |
| 10656 | 2025-10-06 |
Risk score stratification of cutaneous melanoma patients based on whole slide images analysis by deep learning
2025-Aug, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20538
PMID:39853986
|
研究论文 | 开发基于全切片图像分析的深度学习模型SmartProg-MEL，用于皮肤黑色素瘤患者的风险分层和生存预测 | 首次利用弱监督深度学习方法从HE染色全切片图像中提取形态学特征，实现皮肤黑色素瘤患者的自动化风险分层 | 样本量相对有限，外部验证队列规模较小 | 改进原发性皮肤黑色素瘤的风险分层，指导辅助治疗决策 | I-III期皮肤黑色素瘤患者 | 数字病理学 | 皮肤黑色素瘤 | HE染色全切片图像分析 | 深度神经网络 | 全切片图像 | 发现队列342例，外部验证队列161例和63例 | NA | SmartProg-MEL | 一致性指数 | NA |
| 10657 | 2025-10-06 |
Detecting wing fractures in chickens using deep learning, photographs and computed tomography scanning
2025-Aug, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2025.105264
PMID:40398294
|
研究论文 | 本研究评估了三种深度学习模型在通过CT扫描和照片检测鸡翅骨折和挫伤方面的适用性 | 首次将深度学习技术应用于结合CT扫描和照片的鸡翅骨折与挫伤自动检测，相比传统人工检查更客观高效 | 样本量有限（306个CT扫描和285张照片），挫伤检测模型准确率相对较低（82%） | 开发自动化技术以改进家禽屠宰场的动物福利监测 | 鸡翅膀的骨折和软组织损伤（挫伤） | 计算机视觉 | 动物损伤 | 计算机断层扫描（CT）、摄影 | 深度学习 | CT扫描图像、照片 | 306个CT扫描和285张照片 | NA | 3D ResNet34, 2D EfficientNetV2_s | 准确率 | NA |
| 10658 | 2025-10-06 |
HCCD: A handwritten camera-captured dataset for document enhancement under varied degradation conditions
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111849
PMID:40697364
|
研究论文 | 本文提出了一个用于真实场景下手写文档增强和识别任务的手写相机拍摄数据集HCCD | 与现有在受控环境下使用扫描仪或智能手机拍摄的数据集不同，HCCD包含实时相机拍摄的手写文档，具有多种自然退化特征 | NA | 解决智能手机拍摄的退化手写文档增强问题 | 手写文档图像 | 计算机视觉 | NA | 计算机视觉成像技术 | NA | 图像 | 多个人贡献的不同书写风格的手写文档 | NA | NA | NA | NA |
| 10659 | 2025-07-26 |
Comments on "deep learning for kidney trauma detection: CT image algorithm performance and external validation. - experimental study"
2025-Jul-25, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002703
PMID:40705511
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10660 | 2025-10-06 |
Multi-cascaded heart disease prediction using hybrid deep learning and optimization techniques
2025-Jul-24, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2525981
PMID:40707398
|
研究论文 | 提出一种基于混合深度学习和优化技术的多级联心脏病预测模型 | 开发了MI-FHCO优化算法进行特征选择，并采用多级联深度学习网络进行疾病预测 | NA | 提高心脏病预测的准确率 | 心脏病患者数据 | 机器学习 | 心血管疾病 | NaN填充方法、数据归一化 | 深度学习 | 医疗数据 | NA | NA | 多级联深度学习网络(MDLNet) | 准确率 | NA |