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 13861 - 13880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13861 | 2025-04-10 |
Detection of COVID-19, lung opacity, and viral pneumonia via X-ray using machine learning and deep learning
2025-Apr-07, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110131
PMID:40198984
|
research paper | 该研究结合机器学习和深度学习技术，通过X光图像自动诊断COVID-19及其他肺部疾病 | 采用CNN、SVM及迁移学习技术（如ResNet18、EfficientNet-CNN和Xception-CNN），在X光图像分类中达到高准确率（最高99.20%） | 数据集多样性和代表性不足，可能影响模型的泛化能力 | 提升COVID-19及其他肺部疾病的早期诊断效率和准确性 | 胸部X光图像 | digital pathology | COVID-19, lung opacity, viral pneumonia | machine learning, deep learning, transfer learning | CNN, SVM, ResNet18, EfficientNet-CNN, Xception-CNN | image | 21,165张胸部X光图像 | NA | NA | NA | NA |
| 13862 | 2025-04-10 |
Development and validation of a deep learning model based on cascade mask regional convolutional neural network to noninvasively and accurately identify human round spermatids
2025-Apr-02, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.03.059
PMID:40185275
|
研究论文 | 开发并验证了一种基于级联掩膜区域卷积神经网络（R-CNN）的深度学习模型，用于非侵入性且准确地识别人类圆形精子细胞 | 首次使用深度学习模型非侵入性地识别人类圆形精子细胞，避免了传统Hoechst染色的毒性问题 | 研究样本量相对较小（3457张图像），且模型在临床广泛应用前需进一步验证 | 评估深度学习模型在非侵入性识别人类圆形精子细胞方面的能力 | 人类圆形精子细胞（hRSs） | 计算机视觉 | 男性不育症 | 流式细胞术分析 | 级联掩膜区域卷积神经网络（R-CNN） | 图像 | 3457张光学显微镜图像 | NA | NA | NA | NA |
| 13863 | 2025-04-10 |
An explainable deep learning platform for molecular discovery
2025-Apr, Nature protocols
IF:13.1Q1
DOI:10.1038/s41596-024-01084-x
PMID:39653800
|
研究论文 | 介绍了一个可解释的深度学习平台，用于分子发现，特别是抗生素的结构类别 | 提出了一个基于图神经网络的可解释深度学习平台，能够识别预测活性的化学子结构，提高分子发现的效率 | 需要实验数据生成和模型实现，且平台的应用范围虽然广泛，但具体效果可能因分子类型而异 | 开发一个可解释的深度学习平台，用于高效发现具有特定活性的分子结构类别 | 抗生素的结构类别，以及其他小分子如抗癌、抗病毒和抗衰老药物 | 机器学习 | NA | 图神经网络 | GNN | 化学结构数据 | NA | NA | NA | NA | NA |
| 13864 | 2025-04-10 |
Deep learning signature to predict postoperative anxiety in patients receiving lung cancer surgery
2025, Frontiers in surgery
IF:1.6Q2
DOI:10.3389/fsurg.2025.1573370
PMID:40196195
|
研究论文 | 本研究旨在建立并验证一种基于MRI的深度学习特征，用于预测接受肺癌手术患者的术后焦虑 | 利用ResNet-152算法训练深度学习特征，首次将MRI-T1WI图像与术后焦虑预测相结合 | 样本量较小（202例患者），且仅使用了MRI-T1WI图像 | 预测接受肺癌手术患者的术后焦虑 | 接受肺癌手术的患者 | 数字病理学 | 肺癌 | MRI | ResNet-152 | 图像 | 202例接受肺癌手术的患者 | NA | NA | NA | NA |
| 13865 | 2025-04-10 |
A study on early diagnosis for fracture non-union prediction using deep learning and bone morphometric parameters
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1547588
PMID:40196347
|
研究论文 | 本研究利用深度学习和骨形态计量参数开发了一种用于骨折不愈合早期诊断的模型 | 提出了Vision Mamba Triplet Attention and Edge Feature Decoupling Module UNet (VM-TE-UNet)用于骨折区域分割，并建立了基于微CT指标的早期诊断模型 | 研究仅使用了12只大鼠的骨折动物模型，样本量较小 | 开发骨折不愈合的早期诊断模型 | 大鼠骨折模型 | 数字病理 | 骨折 | micro-CT成像 | VM-TE-UNet | 图像 | 12只大鼠的2448张micro-CT图像 | NA | NA | NA | NA |
| 13866 | 2025-04-10 |
Point-SPV: end-to-end enhancement of object recognition in simulated prosthetic vision using synthetic viewing points
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1549698
PMID:40196449
|
研究论文 | 本文介绍了一种名为Point-SPV的端到端深度学习模型，旨在增强模拟假体视觉中的物体识别能力 | Point-SPV通过模拟视点（代表潜在的注视位置）并在这些点周围的图像块上训练模型，初步实现了基于注视的优化，专注于任务导向的视觉表示 | NA | 提升模拟假体视觉系统中的物体识别性能 | 视觉假体系统及视觉障碍患者 | 计算机视觉 | 视力障碍 | 深度学习 | 端到端深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 13867 | 2025-04-10 |
Transfer learning improves performance in volumetric electron microscopy organelle segmentation across tissues
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf021
PMID:40196751
|
research paper | 该研究展示了迁移学习在体积电子显微镜（VEM）图像中跨组织器官分割性能的提升 | 通过在多组织器官的VEM数据上进行预训练并在目标数据集上微调，实现了高性能的多种细胞器分割，且所需的新训练数据量相对较少 | 需要一定量的手动标注数据进行微调，且性能可能受预训练数据与目标数据之间的差异影响 | 提高体积电子显微镜图像中细胞器分割的自动化水平和性能 | 哺乳动物组织中的细胞器（如线粒体和内质网） | digital pathology | NA | serial block face scanning electron microscopy | deep learning segmentation algorithms | volumetric electron microscopy images | 四个VEM数据集（包括一个新的大鼠肝脏数据集，尺寸为7000×7000×219像素） | NA | NA | NA | NA |
| 13868 | 2025-04-10 |
HTRecNet: a deep learning study for efficient and accurate diagnosis of hepatocellular carcinoma and cholangiocarcinoma
2025, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2025.1549811
PMID:40196844
|
研究论文 | 本研究提出了一种名为HTRecNet的深度学习框架，用于高效准确诊断肝细胞癌（HCC）和胆管癌（CCA） | HTRecNet结合了复杂的数据增强策略以优化特征提取，即使在样本量有限的情况下也能保持稳健性能 | 研究样本中CCA的样本量相对较少（180例），可能影响模型在CCA诊断上的泛化能力 | 开发自动化诊断方法以提高肝细胞癌和胆管癌的诊断效率和准确性 | 肝细胞癌（HCC）和胆管癌（CCA）的组织病理学图像 | 数字病理学 | 肝癌 | 深度学习 | HTRecNet（自定义深度学习框架） | 图像 | 5,432张组织病理学图像（其中5,096张用于训练和验证，336张用于外部测试） | NA | NA | NA | NA |
| 13869 | 2025-04-09 |
Nondestructive detection of cadmium content in oilseed rape leaves under different silicon environments using deep transfer learning and Vis-NIR hyperspectral imaging
2025-Jul-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143799
PMID:40081073
|
研究论文 | 提出了一种基于深度迁移学习和可见-近红外高光谱成像技术的油菜叶片镉含量无损检测方法 | 开发了迁移堆叠去噪自编码器(T-SDAE)算法，实现了不同硅环境下油菜叶片镉含量预测模型的迁移 | NA | 实现不同硅环境下油菜叶片镉含量的准确无损检测 | 油菜叶片 | 计算机视觉 | NA | 可见-近红外高光谱成像技术 | T-SDAE, SVR | 高光谱图像 | NA | NA | NA | NA | NA |
| 13870 | 2025-04-09 |
An efficient method for chili pepper variety classification and origin tracing based on an electronic nose and deep learning
2025-Jul-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143850
PMID:40101378
|
研究论文 | 本文提出了一种结合电子鼻和深度学习的方法，用于辣椒品种分类和产地溯源 | 提出了一种传感器感知卷积网络（SACNet），集成了电子鼻技术，通过传感器注意力模块自适应关注各传感器的重要性，并引入局部感知和广域感知结构以捕获气体信息特征 | 方法依赖于电子鼻系统的气体样本采集，可能在实际应用中受到环境因素的影响 | 解决辣椒品种和产地快速准确识别的问题 | 辣椒 | 机器学习 | NA | 电子鼻（e-nose） | CNN（SACNet） | 气体数据 | 三个数据集（Dataset A、B、C），具体样本数量未提及 | NA | NA | NA | NA |
| 13871 | 2025-04-09 |
Ensemble network using oblique coronal MRI for Alzheimer's disease diagnosis
2025-Apr-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121151
PMID:40147601
|
研究论文 | 本研究提出了一种基于倾斜冠状MRI的集成网络方法，用于阿尔茨海默病的诊断 | 采用倾斜冠状MRI切片和集成学习方法，提高了诊断准确率 | 研究依赖于ADNI数据集，可能限制了方法的普适性 | 开发一种更可靠的阿尔茨海默病诊断方法 | 阿尔茨海默病患者、轻度认知障碍患者和正常老年人 | 数字病理学 | 老年疾病 | MRI | 集成学习 | 图像 | ADNI数据集中的样本 | NA | NA | NA | NA |
| 13872 | 2025-04-09 |
How local is "local"? Deep learning reveals locality of the induced magnetic field of polycyclic aromatic hydrocarbons
2025-Apr-14, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0257558
PMID:40197568
|
研究论文 | 本文利用深度学习研究多环芳香分子中磁响应的局部性 | 采用新颖的图神经网络（GNNs）结合环图表示法预测分子周围空间的核独立化学位移（NICS），并通过k-hop扩展策略克服GNNs泛化问题 | 尽管模型在小分子（最多4个环）上训练，但能准确预测更大分子（最多15个环）的磁响应，但仍需验证更复杂分子的适用性 | 探究多环芳香分子中磁响应的局部性 | 多环芳香分子 | 机器学习 | NA | 图神经网络（GNNs） | GNN | 分子结构数据 | 训练集包含最多4个环的分子，测试集扩展到最多15个环的分子 | NA | NA | NA | NA |
| 13873 | 2025-04-09 |
WPR-Net: A Deep Learning Protocol for Highly Accelerated NMR Spectroscopy with Faithful Weak Peak Reconstruction
2025-Apr-08, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c04830
PMID:40067126
|
research paper | 提出一种深度学习架构WPR-Net，用于高度加速的NMR光谱学并可靠重建弱峰 | 该深度学习协议能够消除欠采样伪影，并在高度稀疏采样密度或严重噪声条件下重建高质量多维NMR光谱信号 | NA | 加速多维NMR光谱学的实现并提高弱峰重建的准确性 | 多维NMR光谱信号 | machine learning | NA | NMR spectroscopy | deep learning architecture (WPR-Net) | spectral data | NA | NA | NA | NA | NA |
| 13874 | 2025-04-09 |
Deep learning assisted high-resolution microscopy image processing for phase segmentation in functional composite materials
2025-Apr-08, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13413
PMID:40195694
|
research paper | 该研究提出了一种基于深度学习的图像处理方法，用于高分辨率显微镜图像的相位分割和成分检测 | 提出了一种新的基于FFT的分割工作流程，并利用训练好的U-Net模型进行相位分割，这在复合材料的相位和成分检测中是一个尚未充分探索的领域 | NA | 开发一种高效的高分辨率显微镜图像分析方法，用于电池研究中的相位分割和成分检测 | 高分辨率透射电子显微镜（TEM）图像中的复合材料的相位和成分 | computer vision | NA | 深度学习 | U-Net | image | NA | NA | NA | NA | NA |
| 13875 | 2025-04-09 |
Protein-Ligand Structure and Affinity Prediction in CASP16 Using a Geometric Deep Learning Ensemble and Flow Matching
2025-Apr-08, Proteins
IF:3.2Q2
DOI:10.1002/prot.26827
PMID:40195868
|
研究论文 | 本文介绍了一种名为MULTICOM_ligand的深度学习方法，用于预测蛋白质-配体结构和结合亲和力，并在CASP16中表现优异 | 提出了一个结合结构共识排序和无监督姿势排序的深度学习集成方法，以及一个新的深度生成流匹配模型，用于联合预测结构和结合亲和力 | 未提及具体局限性 | 解决蛋白质-配体结构和结合亲和力预测的基础性问题，以支持生物技术和药物发现 | 蛋白质-配体结构和结合亲和力 | 机器学习 | NA | 深度学习 | 深度学习集成和流匹配模型 | 蛋白质-配体结构数据 | NA | NA | NA | NA | NA |
| 13876 | 2025-04-09 |
Dimensionality Reduction of Genetic Data using Contrastive Learning
2025-Apr-07, Genetics
IF:3.3Q2
DOI:10.1093/genetics/iyaf068
PMID:40194517
|
research paper | 该论文介绍了一种利用对比学习进行遗传数据降维的框架，以生成类似PCA的群体可视化 | 定义了一种优于常用对比学习损失函数的损失函数，并针对SNP基因型数据集定制了数据增强方案 | 未明确提及具体局限性 | 开发一种适用于遗传数据的降维方法，以更好地保留局部和全局结构 | 狗和人类的基因型数据 | machine learning | NA | 对比学习 | 深度学习神经网络 | SNP基因型数据 | 两个数据集（狗和人类基因型） | NA | NA | NA | NA |
| 13877 | 2025-04-09 |
Severity Classification of Pediatric Spinal Cord Injuries Using Structural MRI Measures and Deep Learning: A Comprehensive Analysis Across All Vertebral Levels
2025-Apr-07, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8770
PMID:40194851
|
research paper | 本研究通过结构MRI测量和深度学习技术，对儿童脊髓损伤的严重程度进行分类 | 结合横截面积、前后宽度和左右宽度等结构参数与深度学习技术，首次在儿童脊髓损伤中进行全面分析 | 样本量较小，仅61名参与者，且仅包括慢性脊髓损伤患者 | 评估儿童脊髓损伤患者的结构特征，并开发基于深度学习的分类方法 | 20名慢性脊髓损伤儿童和41名正常发育儿童 | digital pathology | spinal cord injury | MRI扫描和深度学习 | CNN | MRI图像 | 61名儿童（20名脊髓损伤患者和41名正常发育儿童） | NA | NA | NA | NA |
| 13878 | 2025-04-09 |
Transformer-based artificial intelligence on single-cell clinical data for homeostatic mechanism inference and rational biomarker discovery
2025-Mar-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.24.25324556
PMID:40196278
|
research paper | 该研究开发了一种基于Transformer的人工智能流程，用于单细胞临床数据分析，以推断稳态机制并发现生物标志物 | 提出了一个通用的、可解释的AI流程，包括用于预测的MIST模型和用于可解释性的单细胞FastShap模型，能够解释70-82%的血细胞群体大小变化 | 研究仅针对血液细胞群体，未涉及其他组织或细胞类型 | 利用单细胞数据分析生物系统中的模式和机制，并发现潜在的临床相关生物标志物 | 循环红细胞（RBC）、白细胞（WBC）和血小板（PLT）的单细胞测量数据 | machine learning | sepsis, heart disease, diabetes | single-cell measurement | Transformer (MIST), FastShap | single-cell clinical data | 大量常规临床数据（具体数量未提及） | NA | NA | NA | NA |
| 13879 | 2025-04-09 |
Synthetic Diffusion Tensor Imaging Maps Generated by 2D and 3D Probabilistic Diffusion Models: Evaluation and Applications
2025-Feb-25, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.21.639511
PMID:40060678
|
research paper | 评估和比较2D和3D概率扩散模型生成的合成扩散张量成像（DTI）图的质量及其在下游任务中的应用 | 首次评估和比较2D和3D DDPMs生成的合成DTI图的质量及其在下游任务中的表现，并展示3D合成优于2D切片生成 | 研究仅评估了MD图，未涵盖DTI所有参数；下游任务仅涉及性别分类和痴呆分类 | 解决DTI数据稀缺和隐私问题，并通过合成数据增强深度学习方法的训练数据 | 合成DTI MD图及其在性别分类和痴呆分类任务中的应用 | digital pathology | dementia | denoising diffusion probabilistic models (DDPMs) | 2D和3D CNNs | image | NA | NA | NA | NA | NA |
| 13880 | 2025-10-07 |
CellSAM: A Foundation Model for Cell Segmentation
2025-Feb-16, bioRxiv : the preprint server for biology
DOI:10.1101/2023.11.17.567630
PMID:38045277
|
研究论文 | 提出一种用于细胞分割的通用基础模型CellSAM，通过提示工程方法在多种细胞成像数据上实现跨域泛化 | 基于Segment Anything Model开发提示工程方法进行掩码生成，结合目标检测器CellFinder自动检测细胞并提示SAM生成分割结果 | 未明确说明模型在特定复杂场景下的性能限制或对某些特殊细胞类型的适用性 | 开发能够跨域泛化的通用细胞分割模型 | 哺乳动物细胞、酵母和细菌的细胞成像数据 | 计算机视觉 | NA | 细胞成像技术 | 基础模型,目标检测模型 | 细胞成像数据 | NA | NA | Segment Anything Model (SAM) | 零样本性能,少样本学习性能 | NA |