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 19270 篇文献，本页显示第 14101 - 14120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14101 | 2025-05-16 |
Artificial intelligence meets genomic selection: comparing deep learning and GBLUP across diverse plant datasets
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1568705
PMID:40364946
|
研究论文 | 本文通过比较深度学习模型和GBLUP方法在14个植物育种数据集上的表现，探讨了基因组选择在植物育种中的应用 | 深度学习模型能够捕捉复杂的非线性遗传模式，尤其在小型数据集中表现优于GBLUP方法 | 两种方法在不同性状和情景下表现不一，没有一种方法在所有情况下都优于另一种 | 提高基因组选择在植物育种中的实施效果 | 14个来自不同植物育种项目的真实数据集 | 机器学习 | NA | 基因组选择(GS) | 深度学习(DL), GBLUP | 基因组数据 | 14个数据集 | NA | NA | NA | NA |
| 14102 | 2025-05-16 |
sEMG-based gesture recognition using multi-stream adaptive CNNs with integrated residual modules
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1487020
PMID:40365011
|
research paper | 该研究提出了一种基于多流自适应卷积神经网络与残差模块（MSACNN-RM）的表面肌电信号手势识别方法，以提高特征提取和学习能力 | 结合多流卷积神经网络、自适应卷积神经网络和残差模块，增强了模型对复杂数据模式的提取和理解能力 | 未考虑个体间肌电信号差异，未来需开发通用多手势识别算法并优化网络以减少计算负担 | 提高表面肌电信号手势识别的准确性和多手势识别性能 | 表面肌电信号（sEMG）手势识别 | machine learning | NA | surface electromyography (sEMG) | multi-stream adaptive convolutional neural networks with residual modules (MSACNN-RM) | sEMG信号数据 | Ninapro DB1、Ninapro DB2和Ninapro DB4数据集 | NA | NA | NA | NA |
| 14103 | 2025-05-16 |
A predictive nomogram of thyroid nodules based on deep learning ultrasound image analysis
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1504412
PMID:40365227
|
research paper | 本研究通过深度学习超声图像分析，建立了一个预测甲状腺结节良恶性的列线图模型 | 结合深度学习和患者临床超声特征，构建的列线图模型比单独使用C-TIRADS或深度学习模型具有更高的准确性 | 研究为回顾性研究，可能存在选择偏倚 | 提高甲状腺结节良恶性的预测性能 | 甲状腺结节 | digital pathology | thyroid disease | deep learning ultrasound image analysis | deep learning model, nomogram model | ultrasound image | 2247个甲状腺结节（1573个用于训练和测试，674个用于验证） | NA | NA | NA | NA |
| 14104 | 2025-05-16 |
Deep learning and radiomics-driven algorithm for automated identification of May-Thurner syndrome in Iliac CTV imaging
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1526144
PMID:40365495
|
research paper | 本研究旨在通过深度学习和放射组学技术，开发一种自动化识别髂静脉CTV成像中May-Thurner综合征（MTS）的算法 | 结合深度学习和放射组学技术，首次开发了针对MTS的自动化分割模型和诊断放射组学特征 | 研究样本量相对有限（490例），且未提及外部验证数据集的独立验证结果 | 开发自动化MTS检测系统，提高诊断效率和准确性 | 髂静脉CTV扫描图像 | digital pathology | cardiovascular disease | CTV成像 | UPerNet | image | 490例（201例MTS阳性，289例阴性） | NA | NA | NA | NA |
| 14105 | 2025-05-16 |
Cryptographic key generation using deep learning with biometric face and finger vein data
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1545946
PMID:40365578
|
研究论文 | 提出了一种利用深度学习和多模态生物特征（人脸和手指静脉）生成加密密钥的新方法 | 结合FaceNet和VGG19预训练模型进行特征提取，使用Siamese Neural Network (SNN) 和模糊提取器，实现了安全且可复现的加密密钥生成 | NA | 提高生物特征加密的准确性和鲁棒性，探索抗量子攻击的可扩展系统 | 人脸和手指静脉的生物特征数据 | 机器学习 | NA | 深度学习 | FaceNet, VGG19, Siamese Neural Network (SNN) | 图像 | NA | NA | NA | NA | NA |
| 14106 | 2025-05-15 |
Fingerprinting of Boletus bainiugan: FT-NIR spectroscopy combined with machine learning a new workflow for storage period identification
2025-Aug, Food microbiology
IF:4.5Q1
DOI:10.1016/j.fm.2025.104743
PMID:40086983
|
研究论文 | 本研究通过FT-NIR光谱结合机器学习方法，开发了一种用于鉴定牛肝菌储存期的新工作流程 | 结合FT-NIR光谱与机器学习（特别是CNN和BPNN模型）来鉴定牛肝菌的储存时间，并首次应用DD-SIMCA模型完全区分新旧样品 | 研究仅分析了储存0、1和2年的样品，未涵盖更长的储存期 | 开发一种低成本、用户友好的方法，实时确定供应链中牛肝菌的储存期 | 牛肝菌（Boletus bainiugan） | 机器学习 | NA | 高效液相色谱（HPLC）、傅里叶变换近红外光谱（FT-NIR） | CNN、BPNN、DD-SIMCA、PLSR | 光谱数据 | 831份牛肝菌样品（储存0、1和2年） | NA | NA | NA | NA |
| 14107 | 2025-05-15 |
Light scattering imaging modal expansion cytometry for label-free single-cell analysis with deep learning
2025-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108726
PMID:40112688
|
研究论文 | 本研究开发了一种基于深度学习的模态扩展细胞术，用于无标记单细胞分析 | 提出了一种新的网络优化方法，结合对抗损失、L1距离损失和VGG感知损失，将单模光散射图像扩展为多模态图像 | 实验验证仅限于模拟图像、标准球体和特定细胞类型（如宫颈癌细胞和白血病细胞） | 开发一种无标记单细胞分析方法，用于药物开发、疾病诊断和个性化医疗 | 宫颈癌细胞和白血病细胞 | 数字病理学 | 宫颈癌、白血病 | 光散射成像 | 深度学习 | 图像 | 模拟图像、标准球体和多种细胞类型（如宫颈癌细胞和白血病细胞） | NA | NA | NA | NA |
| 14108 | 2025-05-15 |
The impact of training image quality with a novel protocol on artificial intelligence-based LGE-MRI image segmentation for potential atrial fibrillation management
2025-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108722
PMID:40112687
|
研究论文 | 本研究开发了一种基于深度学习的自动化分割流程，通过标准化标记协议提高LGE-MRI图像分割的准确性和效率，以支持心房颤动患者的消融治疗 | 采用标准化标记协议和预训练的RIFE模型，显著提高了神经网络在心房LGE-MRI图像分割中的性能 | 研究结果依赖于手动标记的数据，可能存在主观误差，且样本量未明确说明 | 开发高效的自动化深度学习分割流程，以改善心房颤动患者的消融治疗效果 | 心房颤动患者的LGE-MRI图像 | 数字病理学 | 心血管疾病 | LGE-MRI | nnU-Net, smpU-Net++, RIFE | 图像 | NA | NA | NA | NA | NA |
| 14109 | 2025-05-15 |
Artificial intelligence for chronic total occlusion percutaneous coronary interventions
2025-May-13, The Journal of invasive cardiology
IF:1.6Q3
DOI:10.25270/jic/25.00089
PMID:40359582
|
review | 本文回顾了人工智能在慢性完全闭塞（CTO）诊断和经皮冠状动脉介入治疗（PCI）成功率预测中的最新进展 | 探讨了AI在CTO PCI中的创新应用，特别是在诊断和治疗决策支持方面的潜力 | 未提及具体的研究样本量或模型性能的详细比较 | 评估AI在CTO PCI领域的应用效果和前景 | 慢性完全闭塞（CTO）和经皮冠状动脉介入治疗（PCI） | machine learning | cardiovascular disease | NA | neural networks, deep learning | clinical parameters, imaging | NA | NA | NA | NA | NA |
| 14110 | 2025-05-15 |
Compressed chromatographic fingerprint of Artemisiae argyi Folium empowered by 1D-CNN: Reduce mobile phase consumption using chemometric algorithm
2025-May-10, Journal of chromatography. A
DOI:10.1016/j.chroma.2025.465874
PMID:40101658
|
研究论文 | 本研究提出了一种结合一维卷积神经网络（1D-CNN）与高效液相色谱（HPLC）的压缩指纹图谱分析技术，旨在提高复杂系统中多种化合物的分析效率并减少有机溶剂的使用 | 结合1D-CNN与HPLC，开发压缩指纹图谱技术，显著减少分析时间和有机溶剂消耗 | 在分析的十种化合物中，仅九种取得了良好结果，表明模型对某些化合物的解释力有待提高 | 提高复杂系统中化合物分析的效率并减少有机溶剂消耗 | 艾叶（Artemisiae argyi Folium, AAF） | 化学计量学 | NA | 高效液相色谱（HPLC），一维卷积神经网络（1D-CNN） | 1D-CNN | 色谱数据 | NA | NA | NA | NA | NA |
| 14111 | 2025-05-15 |
A novel framework for esophageal cancer grading: combining CT imaging, radiomics, reproducibility, and deep learning insights
2025-May-10, BMC gastroenterology
IF:2.5Q2
DOI:10.1186/s12876-025-03952-6
PMID:40348987
|
research paper | 该研究提出了一种结合CT成像、放射组学、可重复性和深度学习的新框架，用于食管癌分级 | 结合放射组学和深度学习特征，通过注意力机制增强模型准确性，并采用多种机器学习模型进行癌症分级 | 研究为回顾性研究，可能受到数据质量和手动分割肿瘤区域的主观性影响 | 创建可靠的食管癌分级框架，提高诊断准确性和可解释性 | 2560名食管癌患者的CT扫描图像和临床信息 | digital pathology | esophageal cancer | CT imaging, radiomics, deep learning | DenseNet121, EfficientNet-B0, Random Forest, XGBoost, CatBoost | image, clinical information | 2560名食管癌患者 | NA | NA | NA | NA |
| 14112 | 2025-05-15 |
Automated detection of arrhythmias using a novel interpretable feature set extracted from 12-lead electrocardiogram
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109957
PMID:40090185
|
研究论文 | 本研究提出了一种基于特征的方法，用于从12导联心电图中自动检测心律失常，该方法在保持与深度学习相当性能的同时提供了更高的临床可解释性 | 提出了一种新颖的可解释特征集，结合数学技术如傅里叶变换、小波变换和互相关来评估心电图特征，并通过SHAP值分析优化特征集 | 在外部测试数据集上的性能有所下降（F1分数从81%降至68%） | 开发一种兼具高准确性和临床可解释性的心律失常自动诊断系统 | 12导联心电图数据 | 机器学习 | 心血管疾病 | 傅里叶变换、小波变换、互相关 | eXtreme Gradient Boosting (XGBoost) | 心电图信号 | 未明确提及具体样本数量，但使用了大规模心电图数据库 | NA | NA | NA | NA |
| 14113 | 2025-05-15 |
Extraction of fetal heartbeat locations in abdominal phonocardiograms using deep attention transformer
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110002
PMID:40096767
|
research paper | 提出了一种名为FHSU-NETR的深度学习模型，用于从原始PCG信号中直接提取胎儿和母亲的心率 | 利用transformer的自注意力机制，增强模型模拟远程交互和捕获全局上下文的能力 | 研究仅验证了20名正常受试者的数据，样本量较小 | 提高胎儿健康监测的可及性和可靠性 | 胎儿和母亲的心率 | machine learning | 心血管疾病 | Phonocardiography (PCG) | U-NetR, transformer | PCG信号 | 20名正常受试者，包括一例胎儿心动过速心律失常病例 | NA | NA | NA | NA |
| 14114 | 2025-05-15 |
Artificial Intelligence Advancements in Oncology: A Review of Current Trends and Future Directions
2025-Apr-13, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13040951
PMID:40299653
|
综述 | 本文回顾了人工智能在肿瘤学中的最新进展，重点关注计算机辅助诊断的早期检测、个性化治疗策略和药物发现 | 探讨了人工智能与纳米医学和免疫疗法的整合，以及比较了AI模型与传统诊断方法的优势 | 数据质量、算法偏见和临床验证等挑战限制了广泛采用 | 探索人工智能在肿瘤学中的应用及其潜力，以改善癌症诊断、治疗和管理 | 癌症研究和治疗 | 机器学习 | 癌症 | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 14115 | 2025-05-15 |
Advances in Artificial Intelligence and Machine Learning for Precision Medicine in Necrotizing Enterocolitis and Neonatal Sepsis: A State-of-the-Art Review
2025-Apr-13, Children (Basel, Switzerland)
DOI:10.3390/children12040498
PMID:40310141
|
review | 本文综述了人工智能和机器学习在坏死性小肠结肠炎（NEC）和新生儿败血症精准医学中的最新进展 | AI和ML模型在NEC风险分层、早期诊断和治疗策略优化方面展现出比传统临床方法更高的准确性，并发现了与疾病发作和严重程度相关的新生物标志物 | 数据异质性、模型可解释性以及需要大规模验证研究等挑战仍然存在 | 探索AI和ML在NEC预测、早期诊断和管理中的应用 | 坏死性小肠结肠炎（NEC）和新生儿败血症 | machine learning | necrotizing enterocolitis, neonatal sepsis | AI, ML, deep learning | NA | medical imaging, clinical data | NA | NA | NA | NA | NA |
| 14116 | 2025-05-15 |
The Relevance of General Intelligence Measurement in Deep Learning for Healthcare
2025-04-08, Studies in health technology and informatics
DOI:10.3233/SHTI250052
PMID:40200449
|
research paper | 探讨通用智能测量在医疗健康领域深度学习中的重要性 | 研究了不同层次的泛化（局部、广泛和极端）在医疗AI系统中的贡献和限制，并指出现有评估方法的不足 | 现有评估泛化难度的指标仍不充分，需要开发新的评估方法 | 提高AI系统在复杂临床环境中的有效性和适应性 | 医疗AI系统 | machine learning | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14117 | 2025-05-15 |
Deep-Learning-Based AI-Model for Predicting Dental Plaque in the Young Permanent Teeth of Children Aged 8-13 Years
2025-Apr-07, Children (Basel, Switzerland)
DOI:10.3390/children12040475
PMID:40310101
|
研究论文 | 本研究开发了一种基于深度学习的AI模型，用于预测8-13岁儿童年轻恒牙中的牙菌斑 | 使用U-Net Transformer模型在牙菌斑检测和分割中表现出优于经验丰富的儿科牙医的临床性能 | 样本量较小，仅包含31名患者的506张牙齿图像 | 开发一种快速、可靠的牙菌斑检测和分割方法，以改善儿童口腔健康管理 | 8-13岁儿童的年轻恒牙 | 计算机视觉 | 口腔疾病 | 深度学习 | U-Net Transformer | 图像 | 31名患者的506张牙齿图像 | NA | NA | NA | NA |
| 14118 | 2025-05-15 |
Molecular Modelling in Bioactive Peptide Discovery and Characterisation
2025-Apr-03, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15040524
PMID:40305228
|
review | 本文综述了分子建模在生物活性肽发现和表征中的应用及其最新进展 | 整合人工智能技术，特别是深度学习模型如AlphaFold和蛋白质语言模型(PLMs)，显著提升了肽构象和相互作用的预测能力 | 现有方法在整合非经典氨基酸和环化结构方面仍面临挑战 | 探讨分子建模技术在生物活性肽发现和表征中的应用及其发展 | 生物活性肽的结构特性及其与生物靶标的相互作用 | 生物信息学 | NA | 分子建模、分子对接、分子动力学(MD)、虚拟筛选、深度学习 | AlphaFold、蛋白质语言模型(PLMs) | 蛋白质序列和结构数据 | NA | NA | NA | NA | NA |
| 14119 | 2025-05-15 |
Past, Present, and Future: A History Lesson in Artificial Intelligence
2025-Apr, Gastrointestinal endoscopy clinics of North America
DOI:10.1016/j.giec.2024.09.003
PMID:40021228
|
review | 回顾人工智能在过去50年的发展历程及其在医学领域的应用 | 总结了AI在胃肠病学中的革命性应用，并展望了未来的发展方向 | 需要解决透明度、责任和伦理问题 | 探讨人工智能在医学领域的历史、现状和未来趋势 | 人工智能在胃肠病学中的应用 | machine learning | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14120 | 2025-05-15 |
The Global and Regional Burden of Gallbladder and Biliary Tract Cancer and Attributable Risk Factors: Trends and Predictions
2025-Apr, Liver international : official journal of the International Association for the Study of the Liver
IF:6.0Q1
DOI:10.1111/liv.70025
PMID:40116757
|
research paper | 该研究全面评估了1990年至2021年胆囊及胆道癌(GBTC)的全球和区域疾病负担及其可归因风险因素，并利用深度学习模型进行趋势预测 | 提出了一种分层加权长短期记忆网络模型(SW-LSTM)用于趋势预测，克服了传统模型的不足 | 低和中低SDI地区的部分指标未观察到显著的时期和队列效应 | 评估GBTC的全球疾病负担并预测其趋势，以改进预防和治疗策略 | 全球范围内的胆囊及胆道癌(GBTC)疾病负担 | machine learning | 胆囊癌及胆道癌 | Joinpoint回归分析、年龄-时期-队列模型(APCM)、分层加权LSTM网络(SW-LSTM) | SW-LSTM | 流行病学数据 | 1990-2021年全球疾病负担研究数据 | NA | NA | NA | NA |