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 14301 - 14320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14301 | 2025-03-28 |
Protein language model-based prediction for plant miRNA encoded peptides
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2733
PMID:40134870
|
研究论文 | 提出了一种基于蛋白质语言模型的植物miRNA编码肽预测方法pLM4PEP，该方法整合了ESM2肽嵌入与机器学习技术 | 利用蛋白质语言模型ESM2改进植物miPEPs的特征表示，相较于依赖人工编码特征的传统方法具有显著优势 | 训练数据中已知植物miPEPs的数量有限可能影响模型性能 | 开发更准确的植物miRNA编码肽预测方法 | 植物miRNA编码肽(miPEPs)及其他生物活性肽 | 生物信息学 | NA | 蛋白质语言模型(ESM2)、机器学习 | pLM4PEP（集成ESM2与机器学习） | 蛋白质序列数据 | 未明确说明具体样本量，但使用了包含其他生物活性肽的多样化数据集 | NA | NA | NA | NA |
| 14302 | 2025-03-28 |
DeepSpoofNet: a framework for securing UAVs against GPS spoofing attacks
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2714
PMID:40134872
|
研究论文 | 提出DeepSpoofNet框架，用于保护无人机免受GPS欺骗攻击 | 结合高级特征选择技术和强大的神经网络架构，提出一种混合NN模型（ANOVA + CNN-BiLSTM），显著提高了GPS欺骗攻击检测的准确性和性能 | 当前最先进研究中存在的挑战包括数据集不平衡、特征选择次优以及在资源受限环境中的攻击检测准确性 | 解决无人机GPS欺骗攻击检测中的挑战 | 无人机（UAVs）及其GPS接收器 | 机器学习 | NA | 深度学习、特征选择 | CNN、BiLSTM、混合NN模型 | GPS信号数据 | NA | NA | NA | NA | NA |
| 14303 | 2025-03-28 |
Automatic cassava disease recognition using object segmentation and progressive learning
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2721
PMID:40134883
|
研究论文 | 本研究开发了一种基于深度学习的框架，用于在现实条件下早期、准确且高效地检测木薯病害 | 提出了一种结合自监督对象分割技术和渐进学习算法（PLA）的方法，利用三元组损失和分类损失学习鲁棒的特征嵌入 | NA | 开发一种适用于大规模农业使用的木薯病害检测方法 | 木薯病害 | 计算机视觉 | 植物病害 | 自监督对象分割技术，渐进学习算法（PLA） | 深度学习 | 图像 | Kaggle竞赛中的Cassava Leaf Disease Classification (CLDC)数据集 | NA | NA | NA | NA |
| 14304 | 2025-03-28 |
Optimal intrusion detection for imbalanced data using Bagging method with deep neural network optimized by flower pollination algorithm
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2745
PMID:40134887
|
研究论文 | 本文提出了一种基于元启发式和深度学习技术的新型入侵检测系统（IDS），用于处理物联网网络中的不平衡数据问题 | 结合花授粉算法（FPA）和深度神经网络（DNN）的混合方法，并采用RB Bagging策略处理类别不平衡问题 | 未明确提及具体局限性 | 开发高效的入侵检测系统以管理物联网网络中的风险和漏洞 | 物联网网络中的入侵检测 | 机器学习 | NA | 花授粉算法（FPA），深度神经网络（DNN） | DNN | 网络流量数据 | 四个公共数据集（NSL-KDD, UNSW NB-15, CIC-IDS-2017, BoT-IoT） | NA | NA | NA | NA |
| 14305 | 2025-03-28 |
Development of a cryptocurrency price prediction model: leveraging GRU and LSTM for Bitcoin, Litecoin and Ethereum
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2675
PMID:40134889
|
research paper | 该研究开发了一种利用GRU和LSTM模型预测比特币、莱特币和以太坊价格的加密货币价格预测模型 | 比较了GRU和LSTM在加密货币价格预测中的表现，发现GRU模型优于LSTM | 未考虑社交媒体趋势和交易量等可能影响加密货币价格的其他变量 | 开发高精度的加密货币价格预测模型 | 比特币(BTC)、莱特币(LTC)和以太坊(ETH)三种主要加密货币 | machine learning | NA | NA | GRU, LSTM | time-series data | 历史价格数据来自CryptoDataDownload，按80:20的比例划分训练集和测试集 | NA | NA | NA | NA |
| 14306 | 2025-02-12 |
Response to Letter to the Editor Regarding: Multimodal Deep Learning-Based Radiomics Approach for Predicting Surgical Outcomes in Patients With Cervical Ossification of the Posterior Longitudinal Ligament
2025-Apr-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005296
PMID:39931786
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14307 | 2025-10-07 |
Neoadjuvant Chemotherapy Response in Triple-Negative Apocrine Carcinoma: Comparing Apocrine Morphology, Androgen Receptor, and Immune Phenotypes
2025-Apr-01, Archives of pathology & laboratory medicine
IF:3.7Q1
DOI:10.5858/arpa.2023-0561-OA
PMID:38960391
|
研究论文 | 本研究评估了三阴性乳腺癌对新辅助化疗的反应，并分析了顶浆分泌形态、雄激素受体状态和肿瘤浸润淋巴细胞的影响 | 首次在TNBC中系统比较顶浆分泌形态、AR表达和免疫表型对NAC反应的预测价值，并采用深度学习模型量化TILs | 单中心回顾性研究，样本量有限，顶浆分泌形态亚型病例数较少 | 评估三阴性乳腺癌对新辅助化疗的反应及其预测因素 | 232例接受新辅助化疗后手术切除的三阴性乳腺癌患者 | 数字病理学 | 乳腺癌 | 免疫组织化学，深度学习 | 深度学习模型 | 病理图像，临床数据 | 232例TNBC患者 | NA | NA | 病理完全缓解率，P值 | NA |
| 14308 | 2025-10-07 |
Multi-type stroke lesion segmentation: comparison of single-stage and hierarchical approach
2025-Apr, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03243-4
PMID:39549224
|
研究论文 | 本研究比较了单阶段和分层方法在脑部CT扫描中多类型卒中病灶分割的性能 | 首次系统比较单阶段直接分割与分层分类后分割两种方法在多类型卒中病灶分割中的表现 | 数据集仅来自单一国家机构，可能影响模型泛化能力 | 开发有效的多类型卒中病灶自动分割方法以辅助临床决策 | 脑部CT扫描图像中的缺血性和出血性卒中病灶 | 计算机视觉 | 卒中 | CT扫描 | CNN, Transformer | 医学图像 | 6650张图像（1130例缺血性卒中，1093例出血性卒中，4427例非卒中） | PyTorch, TensorFlow | ResNet, ResNeXt, ViT, U-Net, U-Net++, DeepLabV3 | AUC, IoU | NA |
| 14309 | 2025-03-27 |
Deep learning-based prediction of Monte Carlo dose distribution for heavy ion therapy
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100735
PMID:40129728
|
研究论文 | 提出了一种基于深度学习的模型，用于快速预测重离子治疗中的蒙特卡洛模拟剂量分布 | 开发了Cascade Hierarchically Densely 3D U-Net (CHD U-Net)模型，能够在几秒钟内预测蒙特卡洛剂量分布，且准确率高于现有方法 | 样本量相对较小，仅包含67例头颈患者和30例胸腹患者 | 提高重离子治疗中剂量分布的预测准确性和计算效率 | 头颈和胸腹部位的重离子治疗患者 | 医学影像分析 | 癌症 | 深度学习 | CHD U-Net | CT图像和TPSDose数据 | 67例头颈患者和30例胸腹患者 | NA | NA | NA | NA |
| 14310 | 2025-03-27 |
External validation of an algorithm to detect vertebral level mislabeling and autocontouring errors
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100738
PMID:40129727
|
research paper | 该研究对外部验证了一种椎体自动轮廓工具的算法，并研究了一种后处理方法以提高其性能至临床可接受水平 | 开发了一种后处理技术，显著提高了椎体定位的准确性 | 在外部数据集上的性能相比原始训练数据集有所下降 | 验证和改进椎体自动轮廓工具的临床适用性 | CT扫描中的椎体 | digital pathology | NA | machine learning, deep learning | NA | CT scans | 81例CT扫描（40例来自机构A，41例来自机构B） | NA | NA | NA | NA |
| 14311 | 2025-03-27 |
ADAM: automated digital phenotyping and morphological texture analysis of bone biopsy images using deep learning
2025-Apr, JBMR plus
IF:3.4Q2
DOI:10.1093/jbmrpl/ziaf028
PMID:40129969
|
研究论文 | 开发了一种名为ADAM的自动化流程，用于通过深度学习对骨活检图像进行数字表型分析和形态纹理分析 | ADAM流程能够快速生成组织与细胞图谱，并在无需额外染色的情况下，通过亮场显微镜图像进行骨细胞计数 | 对于形态异质性较高的骨细胞计数，如破骨细胞和成骨细胞，其相关系数相对较低 | 提高骨活检图像分析的自动化程度和准确性，以改善病理工作流程和诊断洞察 | 未脱钙骨活检图像中的组织与细胞成分 | 数字病理学 | 骨病 | 深度学习 | NA | 图像 | 最多20张图像 | NA | NA | NA | NA |
| 14312 | 2025-03-27 |
High-dimensional imaging using combinatorial channel multiplexing and deep learning
2025-Mar-25, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-025-02585-0
PMID:40133518
|
research paper | 介绍了一种名为CombPlex的组合染色平台和算法框架，通过深度学习技术显著增加可测量的蛋白质数量 | 提出组合多路复用技术(CombPlex)，通过组合染色和深度学习算法，将22种蛋白质的染色压缩至5个成像通道，实现准确重建 | 未提及具体的技术实施难度或在实际应用中的潜在问题 | 开发一种能够量化多种蛋白质在单细胞分辨率下的表达并保留空间信息的成像技术 | 多种组织和癌症类型中的蛋白质表达 | digital pathology | cancer | 组合染色平台(CombPlex)和深度学习算法 | 深度学习 | 图像 | 涉及多种组织和癌症类型，但未提及具体样本数量 | NA | NA | NA | NA |
| 14313 | 2025-03-27 |
A statistical method for high-throughput emergence rate calculation for soybean breeding plots based on field phenotypic characteristics
2025-Mar-24, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01356-x
PMID:40122826
|
research paper | 本研究提出了一种基于无人机和地面测量数据的高通量大豆出苗率统计方法，旨在提高密集种植环境下育种筛选的效率和准确性 | 结合背景分割、深度学习目标检测和生长归一化思想，提出了一种新的高通量大豆出苗率统计方法，解决了现有方法在密集环境下的低通量、低效率和精度不足问题 | 方法在极端密集或高度重叠的种植环境下可能仍存在计数误差 | 开发一种高效、精确的大豆出苗率统计方法，以加速育种筛选过程 | 密集种植环境下的大豆幼苗 | digital agriculture | NA | 无人机遥感成像、深度学习目标检测 | Yolov8n | 遥感图像 | 未明确说明具体样本数量，但涉及密集种植环境下的大豆幼苗图像数据 | NA | NA | NA | NA |
| 14314 | 2025-03-27 |
Construction and validation of a risk stratification model based on Lung-RADS® v2022 and CT features for predicting the invasive pure ground-glass pulmonary nodules in China
2025-Mar-23, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01937-3
PMID:40121609
|
研究论文 | 基于Lung-RADS® v2022和CT特征构建并验证了一种用于预测中国纯磨玻璃肺结节侵袭性的风险分层模型 | 结合Lung-RADS® v2022框架和GGN-血管关系类型（GVR），建立了补充性cLung-RADS® v2022模型，显著提高了对纯磨玻璃结节侵袭性的预测性能 | 研究样本量相对有限（526例患者，572个肺结节），且仅在中国人群中进行验证 | 开发并验证一种改进的风险分层模型，用于预测纯磨玻璃肺结节的侵袭性 | 纯磨玻璃肺结节（pGGNs） | 数字病理学 | 肺癌 | CT成像 | cLung-RADS® v2022 | 医学影像 | 526名患者（共572个肺结节），分为训练集（169例）和验证集（403例） | NA | NA | NA | NA |
| 14315 | 2025-03-27 |
Prolonged water body types dataset of urban agglomeration in central China from 1990 to 2021
2025-Mar-22, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04794-3
PMID:40121204
|
research paper | 该研究利用Landsat卫星数据和弱监督深度学习技术，生成了1990-2021年间长江中游城市群多种内陆水体的年度地图 | 采用弱监督深度学习技术进行长期水体类型制图，并提供了高精度、长时间跨度的水体分类系统 | NA | 为水资源管理和湿地保护提供数据支持 | 长江中游城市群的内陆水体 | machine learning | NA | 弱监督深度学习 | NA | 卫星图像 | 14000个验证点 | NA | NA | NA | NA |
| 14316 | 2025-03-27 |
Predicting response to neoadjuvant chemotherapy in muscle-invasive bladder cancer via interpretable multimodal deep learning
2025-Mar-22, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01560-y
PMID:40121304
|
研究论文 | 开发了一种可解释的基于图的多模态晚期融合深度学习框架（GMLF），用于预测肌肉浸润性膀胱癌（MIBC）对新辅助化疗的反应 | 结合组织病理学、细胞类型数据和基因表达谱，发现了新的组织病理学、细胞和分子决定因素，包括TP63、CCL5和DCN等关键基因特征 | 研究基于特定临床试验（SWOG S1314-COXEN）的数据，可能限制了结果的普遍性 | 提高肌肉浸润性膀胱癌患者对新辅助化疗反应的预测准确性，优化治疗策略 | 肌肉浸润性膀胱癌（MIBC）患者 | 数字病理学 | 膀胱癌 | RNA测序 | GMLF（基于图的多模态晚期融合深度学习框架） | 图像、基因表达数据 | 来自SWOG S1314-COXEN临床试验的数据（具体样本数量未提及） | NA | NA | NA | NA |
| 14317 | 2025-03-27 |
Characterizing multivariate regional hubs for schizophrenia classification, sex differences, and brain age estimation using explainable AI
2025-Mar-04, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.02.28.25323105
PMID:40093221
|
research paper | 该研究利用结构MRI、人口统计学和可解释人工智能（AI）技术，探索精神分裂症分类、性别差异和脑年龄的多变量区域模式 | 结合深度学习模型与SHAP方法，识别与精神分裂症分类、性别差异及脑年龄预测相关的个性化多变量脑区模式 | 未提及样本量是否足够大以覆盖不同亚组人群，以及模型在其他独立数据集上的验证情况 | 研究精神分裂症分类、性别差异和脑年龄预测的神经生物学机制 | 精神分裂症患者和健康对照者的脑结构MRI数据 | digital pathology | schizophrenia | structural MRI, explainable AI | SVC, KNN, DL, LR, RR, SVR | image, demographics | NA | NA | NA | NA | NA |
| 14318 | 2025-03-27 |
An integrative nomogram based on MRI radiomics and clinical characteristics for prognosis prediction in cervical spinal cord Injury
2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-024-08609-8
PMID:39672993
|
研究论文 | 基于MRI影像组学和临床特征构建预测颈脊髓损伤患者预后的列线图模型 | 结合手动定义的影像组学特征和通过深度学习迁移学习方法提取的特征，构建了一个综合预测模型 | 样本量相对较小（168例患者），且仅使用了T1WI和T2WI两种MRI序列 | 预测颈脊髓损伤患者的预后 | 168名颈脊髓损伤患者 | 数字病理学 | 颈脊髓损伤 | MRI影像组学分析，深度学习迁移学习 | Lasso回归，深度学习模型 | MRI图像（T1WI和T2WI），临床数据 | 168名颈脊髓损伤患者 | NA | NA | NA | NA |
| 14319 | 2025-03-27 |
Deep learning model for automated detection of fresh and old vertebral fractures on thoracolumbar CT
2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-024-08623-w
PMID:39708132
|
研究论文 | 开发了一种深度学习系统，用于在胸腰椎CT上自动分割压缩性骨折椎体并区分新鲜和陈旧性骨折 | 使用3D V-Net进行图像分割，结合ResNet和DenseNet模型进行分类，能够自动且准确地识别和分类椎体骨折 | 样本量相对较小，外部验证和前瞻性验证的样本数量有限 | 开发一种自动化系统，辅助临床医生识别和分类胸腰椎压缩性骨折 | 胸腰椎骨折患者 | 计算机视觉 | 骨科疾病 | CT成像 | 3D V-Net, ResNet, DenseNet | 医学影像 | 训练数据集238个椎体，内部验证59个，外部验证34个，前瞻性验证48个 | NA | NA | NA | NA |
| 14320 | 2025-03-27 |
Ensemble approach to deep learning seabed classification using multichannel ship noisea)
2025-Mar-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0036221
PMID:40135961
|
研究论文 | 本研究利用合成数据训练神经网络，通过多通道水听器声谱图预测海底类型，并应用于实际测量数据 | 采用集成建模和多通道数据处理技术提高预测性能，并量化多通道数据对神经网络训练的影响 | 实验中水声速仅轻微向上折射，预期在更复杂声速剖面下多通道的优势会更明显 | 开发一种基于深度学习的海底分类方法 | 海底类型 | 机器学习 | NA | 多通道水听器声谱图分析 | ResNet-18 | 声谱图 | SBCEX 2017实验测量数据 | NA | NA | NA | NA |