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 19013 篇文献，本页显示第 11221 - 11240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11221 | 2025-10-06 |
Coinciding Diabetic Retinopathy and Diabetic Macular Edema Grading With Rat Swarm Optimization Algorithm for Enhanced Capsule Generation Adversarial Network
2025-Feb, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24709
PMID:39487733
|
研究论文 | 提出一种结合鼠群优化算法的增强胶囊生成对抗网络，用于糖尿病视网膜病变和糖尿病黄斑水肿的联合分级 | 首次将鼠群优化算法与增强胶囊生成对抗网络结合，用于DR和DME的联合分级任务 | 使用ISBI 2018不平衡数据集，可能影响模型在平衡数据上的泛化能力 | 开发自动化的糖尿病眼病分级系统以实现早期诊断 | 糖尿病视网膜病变和糖尿病黄斑水肿患者 | 计算机视觉 | 糖尿病眼病 | 眼底图像分析 | GAN, Capsule Network | 图像 | ISBI 2018 IDRiD不平衡数据集 | Python | 增强胶囊生成对抗网络 | 准确率 | NA |
| 11222 | 2025-10-06 |
Potential value of novel multiparametric MRI radiomics for preoperative prediction of microsatellite instability and Ki-67 expression in endometrial cancer
2025-01-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87966-w
PMID:39863695
|
研究论文 | 开发了一种新型混合放射组学方法，用于术前预测子宫内膜癌的微卫星不稳定性和Ki-67表达 | 首次将多参数MRI、深度学习和多通道图像分析相结合，采用新兴注意力机制提取特征 | 回顾性研究，样本量有限（156例患者） | 预测子宫内膜癌的微卫星不稳定性和Ki-67表达状态 | 子宫内膜癌患者 | 数字病理 | 子宫内膜癌 | 多参数磁共振成像 | XGBoost | 医学影像 | 156例子宫内膜癌患者 | NA | 注意力机制 | AUC,准确率 | NA |
| 11223 | 2025-10-06 |
The tumour histopathology "glossary" for AI developers
2025-Jan, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012708
PMID:39847582
|
综述 | 本文为AI开发者提供肿瘤组织病理学基础概念指南，旨在促进人工智能在癌症研究中的应用 | 首次系统性地为计算研究人员构建肿瘤组织病理学知识框架，涵盖细胞类型识别、肿瘤微环境等核心概念 | 未涉及具体的AI算法实现细节，主要侧重于基础概念传授 | 弥合计算科学与组织病理学之间的知识鸿沟，加速AI在癌症研究中的转化应用 | AI开发者与计算研究人员 | 数字病理 | 肿瘤 | HE染色, 免疫组织化学, 多重抗体染色 | NA | 组织病理学图像 | NA | NA | NA | NA | NA |
| 11224 | 2025-10-06 |
Rapid response to fast viral evolution using AlphaFold 3-assisted topological deep learning
2025, Virus evolution
IF:5.5Q1
DOI:10.1093/ve/veaf026
PMID:40352163
|
研究论文 | 提出一种结合AlphaFold 3和拓扑深度学习的多任务策略，用于快速预测病毒突变对蛋白质相互作用和结合自由能的影响 | 首次将AlphaFold 3与多任务拓扑拉普拉斯模型结合，无需实验结构即可预测病毒突变效应 | 与实验结构相比，性能存在轻微下降（PCC降低1.1%，RMSE增加9.3%） | 开发快速响应病毒快速进化的计算方法 | SARS-CoV-2刺突蛋白受体结合域与人类ACE2复合物 | 机器学习 | COVID-19 | 深度突变扫描，蛋白质-蛋白质相互作用分析 | 拓扑深度学习，多任务学习 | 蛋白质结构数据，突变数据 | 4个实验DMS数据集，包括SARS-CoV-2 HK.3变体 | NA | 多任务拓扑拉普拉斯 | Pearson相关系数，均方根误差 | NA |
| 11225 | 2025-10-06 |
Comparison of Deep Learning Models for Objective Auditory Brainstem Response Detection: A Multicenter Validation Study
2025 Jan-Dec, Trends in hearing
IF:2.6Q1
DOI:10.1177/23312165251347773
PMID:40457875
|
研究论文 | 本研究通过多中心验证比较了九种深度学习模型在客观检测听觉脑干反应方面的性能 | 首次在大规模多中心数据集上系统评估多种深度学习模型（包括CNN、Transformer及混合架构）对ABR检测的泛化能力 | 研究仍依赖于现有临床数据质量，模型在更广泛人群中的表现需要进一步验证 | 评估深度学习模型在真实临床环境中对听觉脑干反应的客观检测能力 | 听觉脑干反应信号 | 医疗人工智能 | 听力障碍 | 听觉脑干反应检测 | CNN, Transformer, 混合模型 | 生理信号时间序列数据 | 主要数据集包含128,123个标记ABR，来自13,813名参与者，涵盖广泛年龄和听力水平 | NA | AlexNet, VGG, ResNet, Transformer, PatchTST, Differential Transformer, Differential PatchTST, ResTransformer, ResPatchTST | 准确率, AUC | NA |
| 11226 | 2025-10-06 |
RRFNet: A free-anchor brain tumor detection and classification network based on reparameterization technology
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325483
PMID:40522942
|
研究论文 | 提出一种基于重参数化技术的无锚框脑肿瘤检测和分类网络RRFNet | 使用RepConv和RepC3构建主干网络，结合FGConcat特征图拼接模块优化脑肿瘤检测模型 | 未提及具体的数据集限制或泛化能力评估 | 提高脑肿瘤自动检测和分类的准确性和效率 | 脑部CT或MRI图像中的肿瘤区域 | 计算机视觉 | 脑肿瘤 | 深度学习 | CNN | 医学图像 | NA | NA | RepConv, RepC3, FGConcat | mAP | NA |
| 11227 | 2025-10-06 |
Artificial Intelligence in Obsessive-Compulsive Disorder: A Systematic Review
2025, Current treatment options in psychiatry
DOI:10.1007/s40501-025-00359-8
PMID:40524733
|
系统综述 | 本系统综述综合分析了人工智能在强迫症领域的应用现状和前景 | 重点关注了深度学习技术的新应用，特别是生成式人工智能和自然语言处理在强迫症领域的创新应用 | 纳入的研究中84.6%使用二手数据分析，可能限制研究结果的普适性 | 系统评估人工智能在强迫症早期症状检测、治疗训练、临床决策支持等方面的应用潜力 | 强迫症患者及相关临床数据 | 自然语言处理 | 精神疾病 | 机器学习，深度学习 | 生成式AI，NLP模型 | 临床数据，文本数据 | 基于13篇纳入文献的二次数据分析 | NA | NA | NA | NA |
| 11228 | 2025-10-06 |
Corrigendum: An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique
2025, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2025.1570979
PMID:40529250
|
correction | 对先前发表的关于使用深度学习技术增强MRI图像中脑肿瘤模式检测与分割的文章进行修正 | NA | NA | NA | NA | NA | 脑肿瘤 | NA | NA | MRI图像 | NA | NA | NA | NA | NA |
| 11229 | 2025-06-18 |
Asymmetric scatter kernel estimation neural network for digital breast tomosynthesis
2025-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.S2.S22008
PMID:40520916
|
research paper | 提出了一种基于非对称散射核叠加的深度学习方法，用于数字乳腺断层合成（DBT）中的散射估计 | 该方法考虑了散射形成的物理基础，通过生成散射振幅分布、散射核宽度和非对称因子图，改进了现有端到端训练方法的不足 | NA | 改进数字乳腺断层合成中的散射估计方法 | 数字乳腺断层合成（DBT）投影数据 | digital pathology | breast cancer | deep learning | CNN | image | 数值模拟体模数据和物理实验数据 | NA | NA | NA | NA |
| 11230 | 2025-06-18 |
Comparing percent breast density assessments of an AI-based method with expert reader estimates: inter-observer variability
2025-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.S2.S22011
PMID:40520917
|
research paper | 比较基于AI的方法与专家评估的乳腺密度百分比，研究观察者间变异性 | 使用深度学习模型MAI-VAS进行乳腺密度评估，相比专家评估具有更低观察者间变异性 | 研究仅基于1328名女性的数据，可能无法代表更广泛人群 | 评估AI方法与专家在乳腺密度评估和乳腺癌风险预测方面的一致性和准确性 | 1328名女性的乳腺筛查数据 | digital pathology | breast cancer | deep learning | MAI-VAS | image | 1328名女性 | NA | NA | NA | NA |
| 11231 | 2025-06-18 |
A Hybrid Deep Learning-Based Approach for Visual Field Test Forecasting
2025 Sep-Oct, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100803
PMID:40520474
|
研究论文 | 本研究提出了一种混合深度学习框架，用于提高视野测试预测的灵活性和准确性 | 结合RNN和CNN，并引入深度变换器进行时空建模，提高了预测性能和鲁棒性 | 中晚期青光眼病例数据可靠性低仍是一个挑战 | 提高视野测试预测的准确性和灵活性 | 健康人群和青光眼患者 | 计算机视觉 | 青光眼 | 深度学习 | RNN, CNN, Hybrid-VF-Net | 图像 | 1750名受试者，包含19437次Humphrey视野测试 | NA | NA | NA | NA |
| 11232 | 2025-06-18 |
Keystone microbial taxa identified by deep learning reveal mechanisms of phosphorus stoichiometric homeostasis in submerged macrophytes under different hydrodynamic states
2025-Aug-15, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2025.123721
PMID:40311292
|
研究论文 | 本研究通过深度学习识别关键微生物类群，探讨了不同水动力状态下沉水植物磷化学计量稳态的机制 | 开发了基于深度学习的Keystoneness Taxa Identification (DLKTI)框架，用于识别关键微生物类群，并揭示了这些类群对沉水植物根际磷代谢的影响 | 研究仅针对两种沉水植物（Vallisneria natans和Myriophyllum spicatum），可能无法推广到其他植物或生态系统 | 优化植物修复策略，提高水生生态系统富营养化管理的效率 | 沉水植物（Vallisneria natans和Myriophyllum spicatum）及其根际微生物群落 | 生态学与深度学习 | NA | 深度学习 | DLKTI框架 | 微生物群落数据 | NA | NA | NA | NA | NA |
| 11233 | 2025-06-18 |
Comprehensive smartphone image dataset for fish species identification in Bangladesh's freshwater ecosystems
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111629
PMID:40521139
|
research paper | 本文介绍了一个用于孟加拉国淡水生态系统鱼类物种识别的智能手机图像数据集 | 提供了一个包含24,925张图像、涵盖21种淡水鱼类物种的全面数据集，支持鱼类物种识别和生物多样性研究 | 数据集仅涵盖孟加拉国的淡水鱼类，可能不适用于其他地区或海洋鱼类 | 为水生生物多样性研究、渔业管理以及机器学习模型开发提供数据支持 | 孟加拉国淡水生态系统中的21种常见鱼类 | computer vision | NA | 智能手机图像采集 | deep learning | image | 24,925张图像，涵盖21种鱼类 | NA | NA | NA | NA |
| 11234 | 2025-06-18 |
False data injection attack dataset for classification, identification, and detection for IIoT in Industry 5.0
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111692
PMID:40521148
|
research paper | 该论文介绍了UKMNCT_IIoT_FDIA数据集，用于分类、识别和检测工业5.0中IIoT的虚假数据注入攻击 | 提出了一个独立且全面的数据集，覆盖多种网络配置和攻击场景，以反映IIoT中FDI攻击的动态特性 | 未提及具体的数据集规模或实验环境的局限性 | 提高工业5.0中IIoT环境的安全性，通过有效检测虚假数据注入攻击 | 工业物联网（IIoT）设备和虚假数据注入（FDI）攻击 | machine learning | NA | machine learning (ML) and deep learning (DL) algorithms | NA | network configurations and attack scenarios | NA | NA | NA | NA | NA |
| 11235 | 2025-06-18 |
High-resolution RGB image dataset for wheat seed varietal identification and purity assessment
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111690
PMID:40521154
|
research paper | 该论文介绍了一个公开可用的高分辨率小麦种子图像数据集，用于小麦品种识别和纯度评估 | 提供了一个特定地区的高分辨率小麦种子图像数据集，填补了现有数据的空白 | 数据集仅包含巴基斯坦三个主要小麦品种，可能无法代表所有地区的小麦品种 | 解决小麦种子品种识别和纯度评估的问题，以提高小麦产量 | 小麦种子（Akbar-19, Dilkash-20, Urooj-22三个品种） | computer vision | NA | NA | NA | image | 每个品种125粒纯种种子，共375粒 | NA | NA | NA | NA |
| 11236 | 2025-06-18 |
Multitask Deep Learning for Automated Detection of Endoleak at Digital Subtraction Angiography during Endovascular Aneurysm Repair
2025-07, Radiology. Artificial intelligence
DOI:10.1148/ryai.240392
PMID:40266029
|
research paper | 开发并评估一种新型多任务深度学习框架，用于在真实世界的腹主动脉瘤血管内修复术（EVAR）过程中自动检测和定位主动脉数字减影血管造影（DSA）中的内漏 | 提出了一种基于多任务学习的卷积神经网络，用于内漏的自动检测和定位，性能优于人类专家 | 研究为回顾性设计，样本量相对较小（220例患者） | 开发自动化工具以提高EVAR手术中内漏检测的准确性和效率 | 接受EVAR手术患者的主动脉DSA图像 | digital pathology | cardiovascular disease | digital subtraction angiography | CNN | image | 220例患者（中位年龄74岁，181名男性） | NA | NA | NA | NA |
| 11237 | 2025-06-18 |
Automated classification of oral potentially malignant disorders and oral squamous cell carcinoma using a convolutional neural network framework: a cross-sectional study
2025-Jul, Lancet regional health. Americas
DOI:10.1016/j.lana.2025.101138
PMID:40519355
|
研究论文 | 本研究旨在开发和评估用于自动分类口腔潜在恶性病变（OPMD）和口腔鳞状细胞癌（OSCC）临床图像的AI模型，并探索使用Grad-CAM进行可解释性分析 | 采用深度学习方法和Grad-CAM技术，实现了对OPMD和OSCC临床图像的自动分类，并探索了模型的可解释性 | 研究仅进行了内部测试，未进行外部验证 | 开发AI模型以辅助口腔潜在恶性病变和口腔鳞状细胞癌的诊断 | 口腔潜在恶性病变（OPMD）和口腔鳞状细胞癌（OSCC）的临床图像 | 计算机视觉 | 口腔癌 | 深度学习 | CNN（包括ConvNeXt和MobileNet） | 图像 | 778张临床图像 | NA | NA | NA | NA |
| 11238 | 2025-06-18 |
Deep learning can predict global earthquake-triggered landslides
2025-Jul, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwaf179
PMID:40520459
|
research paper | 该研究开发了一个深度学习模型，用于预测全球范围内地震引发的滑坡概率 | 首次构建了包含过去50年38次最灾难性地震引发的约40万个滑坡的全球数据库，并开发了无需依赖当地先验知识的深度学习模型 | 模型虽然具有较高的空间准确性（约82%），但仍可能存在特定地区或地震类型下的预测偏差 | 提高地震触发滑坡的预测速度和准确性，以支持灾害快速响应和事前规划 | 全球范围内的地震触发滑坡 | machine learning | NA | 深度学习 | 深度学习模型 | 滑坡数据库 | 约40万个滑坡数据，涉及38次重大地震 | NA | NA | NA | NA |
| 11239 | 2025-06-18 |
Preoperative Identification of Papillary Thyroid Carcinoma Subtypes and Lymph Node Metastasis via Deep Learning-Assisted Surface-Enhanced Raman Spectroscopy
2025-Jun-17, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c05698
PMID:40464771
|
research paper | 开发了一种深度学习辅助的表面增强拉曼散射（SERS）芯片，用于术前诊断甲状腺乳头状癌（PTC）组织学亚型和评估淋巴结转移 | 结合深度学习和SERS技术，首次实现了对PTC亚型和淋巴结转移的高精度术前诊断 | 研究样本量未明确说明，可能影响结果的普遍性 | 提高甲状腺乳头状癌术前诊断的准确性，为个性化治疗提供依据 | 甲状腺乳头状癌（PTC）患者及其细针穿刺（FNA）样本 | digital pathology | thyroid cancer | surface-enhanced Raman spectroscopy (SERS), fine-needle aspiration (FNA) | CNN | Raman spectral data | NA | NA | NA | NA | NA |
| 11240 | 2025-06-18 |
Enhancing image quality in fast neutron-based range verification of proton therapy using a deep learning-based prior in LM-MAP-EM reconstruction
2025-Jun-17, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ade198
PMID:40472868
|
研究论文 | 本研究探讨了在基于快中子（FN）的质子治疗范围验证中，使用卷积神经网络预测的先验信息进行列表模式（LM）最大后验（MAP）期望最大化（EM）图像重建的方法 | 采用条件生成对抗网络（pix2pix）从逐步增加噪声的数据中学习，模拟真实条件下的探测器分辨率效应，以提高图像重建质量 | 模型在高噪声场景下的鲁棒性有限，其有效性高度依赖于数据质量 | 提高质子治疗范围验证中基于快中子的图像重建质量 | 基于CT的肺癌患者模型中的85 MeV质子笔形束 | 数字病理 | 肺癌 | 蒙特卡洛模拟 | 条件生成对抗网络（pix2pix） | 图像 | NA | NA | NA | NA | NA |