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 16751 篇文献，本页显示第 1081 - 1100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1081 | 2025-11-11 |
Advanced artificial intelligence combined with SERS platforms for diagnosis and therapeutic effects of cancer in clinical applications
2025-Oct-31, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.127053
PMID:41207163
|
综述 | 本文综述了人工智能与表面增强拉曼光谱技术结合在癌症诊断和治疗效果监测中的临床应用 | 将人工智能算法与传统SERS技术结合，实现光谱数据的自动化处理和精准分类，提升癌症诊断效率 | 面临数据标准化、模型可解释性和监管审批等转化挑战 | 探讨AI-SERS技术在临床肿瘤学中的应用前景 | 多种癌症类型包括乳腺癌、肺癌、前列腺癌、皮肤癌、口腔癌、胃肠癌、结直肠癌、胰腺癌和卵巢癌 | 机器学习 | 癌症 | 表面增强拉曼光谱(SERS) | 传统机器学习,深度学习 | 光谱数据 | NA | NA | NA | NA | NA |
| 1082 | 2025-11-11 |
An integrated deep learning model accelerates luciferase based high throughput drug screening
2025-Oct-09, European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences
IF:4.3Q1
DOI:10.1016/j.ejps.2025.107315
PMID:41067316
|
研究论文 | 开发集成深度学习模型加速基于荧光素酶的高通量药物筛选 | 首次将深度学习模型整合到荧光素酶高通量筛选流程中，实现化合物筛选准确率和效率的显著提升 | 研究仅基于五种特定信号通路系统，模型在其他信号通路系统的泛化能力有待验证 | 通过人工智能技术加速药物开发流程，降低研发成本 | 18,840种化合物及其在五种荧光素酶检测系统中的HTS数据 | 机器学习 | 炎症性疾病,肿瘤,代谢综合征 | 荧光素酶检测,HTS | 深度学习 | 化合物结构数据,分子特征数据,HTS数值 | 18,840种化合物，约100,000个HTS数据点 | NA | 集成深度学习模型 | 筛选准确率,筛选效率 | NA |
| 1083 | 2025-10-05 |
Correction: Javeed et al. A Hybrid Deep Learning-Driven SDN Enabled Mechanism for Secure Communication in Internet of Things (IoT). Sensors 2021, 21, 4884
2025-Sep-15, Sensors (Basel, Switzerland)
DOI:10.3390/s25185739
PMID:41013172
|
correction | 对先前发表的关于物联网安全通信的混合深度学习驱动SDN机制论文进行更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1084 | 2025-11-11 |
Progress and new challenges in image-based profiling
2025-Aug-07, ArXiv
PMID:40799808
|
综述 | 回顾基于图像的细胞表型分析的计算方法发展历程，总结当前流程与局限，并展望未来研究方向 | 系统梳理深度学习技术对图像特征提取、可扩展性和多模态数据整合的根本性重塑，强调单细胞分析和批次效应校正等来自单细胞转录组学的方法学进步 | 未深入讨论广泛的生物学应用，主要聚焦技术演进层面 | 为研究人员提供基于图像的细胞表型分析领域进展和新挑战的路线图 | 显微镜图像数据驱动的细胞表型分析 | 计算机视觉 | NA | 显微镜成像技术 | 深度学习 | 显微镜图像 | NA | NA | NA | NA | NA |
| 1085 | 2025-11-11 |
BMR-YOLO: A deep learning approach for fall detection in complex environments
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335992
PMID:41202040
|
研究论文 | 提出一种基于YOLOv8n架构优化的BMR-YOLO深度学习框架，用于复杂环境下的跌倒检测 | 在YOLOv8n基础上引入四项改进：BiFormer视觉变换器与双层路由注意力、C2f_rvb模块替换、MultiSEAM注意力机制检测头、方向感知SIoU回归指标 | NA | 提升复杂环境下（特别是遮挡和光照不良条件）跌倒检测的准确性和鲁棒性 | 跌倒检测 | 计算机视觉 | 老年疾病 | 深度学习 | YOLO, CNN, Transformer | 图像 | 超过10,000张标注图像（BMR-fall数据集）并使用UR跌倒检测数据集进行交叉验证 | PyTorch | YOLOv8n, BiFormer, C2f_rvb, MultiSEAM | mAP@0.5 | 6.5 GFLOPs计算成本 |
| 1086 | 2025-11-10 |
Adaptive dual-window enhancement and multi-scale texture prior fusion for robust kidney CT classification
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335585
PMID:41202049
|
研究论文 | 提出结合自适应双窗增强和多尺度纹理先验融合的肾脏CT分类框架 | 提出自适应双窗增强模块动态调整窗宽窗位生成互补视图，并结合多尺度纹理先验实现细粒度结构建模 | NA | 提升肾脏CT图像的自动分类性能 | 肾脏CT图像 | 计算机视觉 | 肾脏疾病 | CT成像 | 深度学习 | 医学图像 | NA | NA | ConvNeXtV2 | 准确率,F1分数,AUC | NA |
| 1087 | 2025-11-11 |
Novel dual convolution adaptive focus neural network for book genre classification
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0331011
PMID:41202081
|
研究论文 | 提出一种新型双卷积自适应聚焦神经网络CPPDE-YOLO，用于提升书籍封面分类的准确性 | 整合PConv和PWConv算子、动态采样技术和高效多尺度注意力机制，优化YOLOv8框架 | NA | 通过改进算法显著提升图像分类准确率，提高现代图书检索系统的管理效率 | 书籍封面图像 | 计算机视觉 | NA | NA | CNN, YOLO | 图像 | NA | YOLOv8 | CPPDE-YOLO, DualConv, 跨阶段部分网络融合残差块 | Top_1 Accuracy, Top_5 Accuracy | NA |
| 1088 | 2025-11-10 |
Segmentation of cortical bone, trabecular bone, and medullary pores from micro-CT images using 2D and 3D deep learning models
2025-Dec, Anatomical record (Hoboken, N.J. : 2007)
DOI:10.1002/ar.25633
PMID:39905914
|
研究论文 | 使用2D和3D深度学习模型从微型CT图像中分割皮质骨、骨小梁和髓质孔 | 开发了名为BONe的新型深度学习模型，首次在微型CT扫描的水獭长骨数据上同时训练2D和3D分割模型并进行对比分析 | 3D模型计算成本巨大限制了可扩展性和实用性，且在薄骨小梁等细节标记上表现略逊于2D模型 | 开发快速准确的骨组织自动分割方法以替代耗时易错的手动分割 | 水獭长骨的微型CT扫描图像 | 计算机视觉 | NA | 微型CT扫描 | CNN | 图像 | 水獭长骨的微型CT扫描数据集 | NA | BONe (Bone One-shot Network) | 分割准确性，泛化能力，计算效率 | NA |
| 1089 | 2025-11-10 |
Ensemble Learning Model: A Novel Technique to Detect Malignancy in Effusion Cytology
2025-Nov-08, Cytopathology : official journal of the British Society for Clinical Cytology
IF:1.2Q3
DOI:10.1111/cyt.70036
PMID:41205194
|
研究论文 | 本研究开发了一种集成学习模型，用于检测积液细胞学中的恶性肿瘤 | 首次在积液细胞学中应用六模型集成深度学习方法 | NA | 开发用于积液细胞学恶性肿瘤检测的深度学习模型 | 积液细胞学样本 | 数字病理学 | 癌症 | 细胞学染色 | 集成学习,迁移学习 | 图像 | 110例积液细胞学病例（59例良性，51例恶性），755张显微照片 | Jupyter Notebook | DenseNet121,Xception,ResNet50,MobileNetV2,InceptionV3,VGG16 | 灵敏度,特异度,准确度,精确度,阴性预测值,F1分数,AUROC | NA |
| 1090 | 2025-11-10 |
Structure-Guided Engineering of High-Affinity Antibodies Against Zika Virus Using Deep Learning and Molecular Dynamics
2025-Nov-08, Chemistry & biodiversity
IF:2.3Q3
DOI:10.1002/cbdv.202502769
PMID:41205205
|
研究论文 | 本研究利用深度学习和分子动力学模拟优化针对寨卡病毒包膜蛋白的中和抗体 | 结合深度学习与分子动力学模拟进行抗体工程优化，通过双点突变设计高亲和力抗体变体 | 研究结果为计算机预测，需要未来实验验证其实际效果 | 开发针对寨卡病毒的高亲和力抗体治疗剂 | 寨卡病毒包膜蛋白DIII区域和抗体变体 | 计算生物学 | 寨卡病毒感染 | 深度学习，分子动力学模拟，分子对接 | 深度学习模型 | 蛋白质结构数据，序列数据 | 通过双点突变设计的抗体变体库，重点分析Variant-213和Variant-206 | DeepPurpose, FoldX, SoluProt | NA | 结合亲和力，溶解度，结构稳定性，结合能(-76.90 kcal/mol) | NA |
| 1091 | 2025-11-10 |
Toward robust surgical phase recognition via deep ensemble learning
2025-Nov-08, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03543-6
PMID:41206386
|
研究论文 | 本研究通过深度集成学习方法提升手术阶段识别的鲁棒性 | 首次系统研究集成学习在手术阶段识别中的应用，通过组合多种深度学习架构的互补优势来提升性能 | 研究仅限于Cholec80数据集，未在其他手术数据集上验证泛化能力 | 提高手术阶段自动识别的准确性和鲁棒性 | 手术视频中的阶段识别 | 计算机视觉 | NA | 深度学习 | 集成学习 | 手术视频 | Cholec80数据集 | NA | 多种深度学习架构集成 | F1-score, 准确率, Jaccard Index | NA |
| 1092 | 2025-11-10 |
Hierarchical graph-guided contextual representation learning for Neurodegenerative pattern recognition in MRI
2025-Nov-07, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.111276
PMID:41205374
|
研究论文 | 提出一种用于MRI神经退行性疾病模式识别的可解释分类器RG-ViT | 将残差连接集成到图神经网络框架中，通过图结构表示MRI斑块，克服标准基于斑块方法的空间断开问题 | NA | 开发可解释的深度学习模型用于神经退行性疾病的MRI诊断 | 多发性硬化症(MS)、帕金森病(PD)和阿尔茨海默病(AD) | 医学影像分析 | 神经退行性疾病 | 磁共振成像(MRI) | 图神经网络(GNN), Vision Transformer(ViT) | 医学影像 | NA | NA | 残差图神经网络增强Vision Transformer(RG-ViT) | 准确率, F1分数 | NA |
| 1093 | 2025-11-10 |
Performance of Machine Learning Models Based on Medical Imaging in Predicting the expression of PD-L1 and CD8+TILs in Thoracic cancer: A Systematic Review and Meta-Analysis
2025-Nov-07, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.10.002
PMID:41206268
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析评估基于医学影像的AI模型在预测胸部肿瘤免疫微环境（PD-L1表达和CD8+TILs）中的性能 | 首次系统评估AI驱动医学影像在预测胸部肿瘤PD-L1和CD8+TILs中的表现，并进行定量荟萃分析 | 研究间存在显著异质性（I² > 75%），限制了模型的普适性 | 评估AI驱动医学影像在预测胸部肿瘤免疫微环境中的进展 | 胸部肿瘤患者的医学影像数据 | 医学影像分析 | 胸部肿瘤 | 医学影像分析 | 深度学习模型 | 医学影像 | 68项研究（其中25项符合荟萃分析条件） | NA | NA | AUC, 敏感度, 特异度 | NA |
| 1094 | 2025-11-10 |
Deep Learning Denoising Algorithm for Improved Assessment of Coronary Arteries in Transcatheter Aortic Valve Implantation CT Imaging
2025-Nov-07, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.10.030
PMID:41206269
|
研究论文 | 本研究评估了深度学习去噪算法在TAVI术前CT成像中对冠状动脉图像质量和诊断准确性的改善效果 | 开发了专门用于TAVI术前CT成像的深度学习去噪技术，显著提升了冠状动脉评估的图像质量 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 评估深度学习去噪技术在TAVI术前CT冠状动脉成像中的图像质量和诊断准确性 | 200例重度主动脉瓣狭窄患者 | 医学影像分析 | 心血管疾病 | CT成像，深度学习去噪 | 深度学习 | CT医学影像 | 200例患者，800支血管，1787个节段 | NA | NA | SNR, CNR, AUC, 准确率, 敏感性, 特异性 | NA |
| 1095 | 2025-11-10 |
Accuracy and time efficiency of deep learning-based method for single-crown design compared with a conventional CAD software program: A systematic review
2025-Nov-07, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.10.046
PMID:41206332
|
系统综述 | 系统评价基于深度学习的单颗牙冠设计与传统CAD软件在准确性和时间效率方面的比较 | 首次系统评估深度学习技术在牙冠设计领域相较于传统CAD系统的性能优势 | 仅纳入体外研究，研究数量有限（7项），可能存在发表偏倚 | 比较深度学习软件与传统CAD系统在单颗牙冠设计中的准确性和时间效率 | 单颗牙冠的形态重建和工作时间 | 数字病理 | 牙科疾病 | 计算机辅助设计与制造（CAD-CAM） | 深度学习 | 牙科图像数据 | 7项符合条件的研究 | NA | NA | 准确性, 时间效率, 内部适合度差异 | NA |
| 1096 | 2025-11-10 |
A deep learning framework for lysine 2-hydroxyisobutyrylation site prediction using evolutionary feature representation
2025-Nov-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-15883-z
PMID:41198716
|
研究论文 | 开发基于深度学习的赖氨酸2-羟基异丁酰化位点预测框架BLOS-Khib，利用进化特征表示实现跨物种预测 | 首次将BLOSUM62矩阵编码的进化信息与卷积神经网络结合用于Khib位点预测，发现43个氨基酸肽段长度是最优序列上下文，并验证了跨物种预测的可行性 | 仅基于序列信息进行预测，未考虑蛋白质三维结构和细胞环境等影响因素 | 开发准确预测赖氨酸2-羟基异丁酰化位点的计算方法 | 六种分类学多样性生物（人类、小麦、弓形虫、水稻、白色念珠菌、灰葡萄孢菌）的蛋白质序列 | 生物信息学 | NA | 序列分析，进化特征表示 | CNN | 蛋白质序列数据 | 六种不同物种的独立测试集 | NA | 卷积神经网络 | AUC | NA |
| 1097 | 2025-11-10 |
Using the improved YOLOv11 model to enhance computer vision applications for building crack detection algorithms
2025-Nov-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22160-6
PMID:41198750
|
研究论文 | 本研究提出基于YOLOv11改进的模型，用于提升建筑裂缝检测的精度和实时效率 | 引入C3K2-SG模块增强复杂背景下的裂缝检测能力，FPSConv模块优化多尺度裂缝检测，Inner_MPDIoU损失函数提升小目标定位精度 | NA | 提升建筑裂缝检测算法的精度和实时效率 | 建筑裂缝（垂直裂缝、水平裂缝、多级裂缝、复杂裂缝） | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | NA | NA | YOLOv11改进模型 | mAP@0.5, 精确率, 召回率 | NA |
| 1098 | 2025-11-10 |
Deep learning for sports motion recognition with a high-precision framework for performance enhancement
2025-Nov-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22701-z
PMID:41198767
|
研究论文 | 提出一种结合小波变换的进化并行循环网络(EPRN)，用于高精度体育动作识别 | 提出EPRN框架，通过并行循环路径增强时序建模，并结合小波变换特征提取保留多分辨率运动细节 | 未涉及多模态数据融合，实时应用需要开发轻量级变体 | 提高体育动作识别的精度和鲁棒性，用于运动表现分析和损伤预防 | 体育动作数据 | 计算机视觉 | NA | 小波变换 | LSTM, GRU, CNN, EPRN | 运动数据 | 基准体育动作数据集 | NA | 进化并行循环网络(EPRN) | 均方根误差(RMSE), 结构相似性指数(SSIM) | NA |
| 1099 | 2025-11-10 |
A two-stage architecture for soundscape classification and preservation
2025-Nov-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22819-0
PMID:41198782
|
研究论文 | 提出一种结合深度学习与声景理论的两阶段开放集音频分类系统 | 将变分自编码器与卷积神经网络结合，通过重建误差分析识别独特声音，首次实现沙弗声景理论的量化验证 | 仅在有限数据集上进行验证，需要更多真实场景数据测试泛化能力 | 开发能够自动分类和保护声景的计算方法 | 环境声音和城市声景 | 音频信号处理 | NA | 双耳录音，梅尔频谱分析 | VAE, CNN | 音频，梅尔频谱图 | UrbanSound8K, ESC-50, URBAN-SED, TUT城市声场景数据集，以及意大利佩斯卡拉大学社区的双耳录音数据集 | NA | 变分自编码器，卷积神经网络 | 准确率 | NA |
| 1100 | 2025-11-10 |
IoT assisted fetal health classification using mother optimization algorithm with deep learning approach on cardiotocogram data
2025-Nov-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22827-0
PMID:41198785
|
研究论文 | 提出一种基于物联网和深度学习的胎儿健康分类方法，通过优化算法和GCN模型实现胎儿健康状态的自动识别 | 结合物联网技术、母亲优化算法和图卷积神经网络，实现胎儿健康的多类别分类 | 未明确说明样本数据的具体规模和多样性限制 | 准确分类胎儿健康状态为正常、可疑和病理三类 | 胎儿健康相关的卡托科图数据 | 机器学习 | 产科疾病 | 物联网传感器数据采集 | GCN | 时间序列生理信号数据 | 使用Kaggle胎儿健康分类数据集，具体数量未明确说明 | 未明确指定 | 图卷积神经网络 | 未明确列出具体指标 | 未明确说明 |