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 14321 - 14340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14321 | 2025-10-07 |
HCAR-AM ground nut leaf net: Hybrid convolution-based adaptive ResNet with attention mechanism for detecting ground nut leaf diseases with adaptive segmentation
2025-Feb, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2424248
PMID:39552170
|
研究论文 | 提出一种基于混合卷积的自适应ResNet与注意力机制模型，用于花生叶部病害检测与自适应分割 | 结合自适应TransResunet++分割、HP-BWCF优化算法和HCAR-AM分类模型，通过双阶段特征提取提升检测精度 | NA | 开发高效的花生叶部病害检测系统 | 花生叶片图像 | 计算机视觉 | 植物病害 | 深度学习 | CNN, ResNet, 注意力机制 | 图像 | NA | NA | 自适应TransResunet++, HCAR-AM, ResNet | 多种性能指标 | NA |
| 14322 | 2025-03-27 |
Integration of Artificial Intelligence for Diagnostic Methods in Musculoskeletal Conditions: A Systematic Review
2025-Feb, Cureus
DOI:10.7759/cureus.79391
PMID:40130121
|
系统综述 | 本文探讨并评估了人工智能技术在肌肉骨骼疾病诊断方法中的整合，以提高评估准确性 | 强调了AI技术在提高肌肉骨骼诊断准确性和效率方面的潜力，特别是通过机器学习和深度学习技术 | 部署AI工具用于诊断目的的问题需要更多关注 | 探索和评估AI技术在肌肉骨骼疾病诊断方法中的整合 | 肌肉骨骼疾病 | 数字病理学 | 肌肉骨骼疾病 | 机器学习（ML）、深度学习（DL）、卷积神经网络（CNNs） | CNN | 图像 | NA | NA | NA | NA | NA |
| 14323 | 2025-03-27 |
Deep learning-based discovery of compounds for blood pressure lowering effects
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83924-0
PMID:39747442
|
研究论文 | 本研究利用深度学习建立了一个预测模型，用于发现具有降压效果的化合物 | 利用深度学习预测化合物的生物活性，为识别药物副作用提供潜在解决方案，并发现新的降压化合物 | 仅验证了50个分子的预测结果，样本量相对较小 | 预测和验证具有降压效果的化合物，以帮助避免临床用药中的低血压副作用并辅助降压药物的发现 | 26,000种化合物 | 机器学习 | 心血管疾病 | 深度学习，分子对接 | 深度学习模型 | 化合物数据 | 26,000种化合物，其中50个分子用于验证 | NA | NA | NA | NA |
| 14324 | 2025-03-27 |
The development of an efficient artificial intelligence-based classification approach for colorectal cancer response to radiochemotherapy: deep learning vs. machine learning
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84023-w
PMID:39748016
|
研究论文 | 开发了一种基于人工智能的高效分类方法，用于预测结直肠癌对放化疗的反应，比较了深度学习和机器学习的效果 | 比较了七种人工智能模型在预测结直肠癌对放化疗反应中的表现，并采用了三种特征选择策略来优化分类准确性 | 未提及样本的具体数量，且仅比较了有限的几种模型和特征选择方法 | 开发一种高效的人工智能分类方法，用于预测结直肠癌患者对放化疗的反应 | 结直肠癌患者 | 机器学习 | 结直肠癌 | 特征选择方法包括互信息、F-classif和卡方检验 | 决策树、K近邻、Adaboost、随机森林、梯度提升、多层感知机和CNN | 基因数据 | NA | NA | NA | NA | NA |
| 14325 | 2025-03-27 |
LaMoD: Latent Motion Diffusion Model For Myocardial Strain Generation
2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco)
DOI:10.1007/978-3-031-75291-9_13
PMID:40123747
|
research paper | 本文提出了一种名为LaMoD的潜在运动扩散模型，用于从标准心脏磁共振（CMR）视频中预测高精度的DENSE运动 | LaMoD利用预训练的配准网络编码器学习图像序列中的潜在运动特征，并通过概率潜在扩散模型从这些特征中重建准确运动 | 在具有细微外观变化的区域，准确性可能降低，且误差会随时间传播 | 提高标准CMR图像中运动分析的准确性，从而改善心脏患者的心肌应变分析 | 心脏磁共振（CMR）成像视频 | digital pathology | cardiovascular disease | DENSE CMR, 潜在扩散模型 | diffusion model | video | NA | NA | NA | NA | NA |
| 14326 | 2025-03-27 |
Automatic brain quantification in children with unilateral cerebral palsy
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1540480
PMID:40129724
|
研究论文 | 本研究开发并验证了一种基于深度学习的自动化流程，用于量化单侧脑瘫儿童的无病变脑体积 | 利用深度学习自动量化无病变脑体积，特别是在解剖结构严重改变的脑部中表现出稳健的分割性能 | 样本量相对较小（35名患者用于训练，54名儿童用于验证），且年龄范围较广（1-17岁） | 探索单侧脑瘫儿童脑部结构与功能之间的关系 | 单侧脑瘫儿童 | 数字病理学 | 脑瘫 | T1加权和FLAIR MRI | 深度学习模型 | MRI图像 | 训练集35名患者（5-15岁），验证集54名儿童（7-16岁），独立数据集36名儿童（1-17岁） | NA | NA | NA | NA |
| 14327 | 2025-03-27 |
Laser induced forward transfer imaging using deep learning
2025, Discover applied sciences
DOI:10.1007/s42452-025-06679-x
PMID:40129928
|
研究论文 | 提出了一种通过深度学习技术提高激光诱导正向转移（LIFT）精度和效率的新方法 | 利用深度学习直接从供体图像预测铜滴在受体上的沉积情况，为LIFT参数优化提供了新思路 | 预测结果与实验图像相比仍存在一定误差（平均RMSE为9.63），需要进一步优化以减少误差 | 提高激光诱导正向转移技术的精度和效率 | 铜滴在受体基板上的沉积图像 | 计算机视觉 | NA | 激光诱导正向转移（LIFT） | 神经网络 | 图像 | NA | NA | NA | NA | NA |
| 14328 | 2025-03-27 |
Prediction of adverse drug reactions based on pharmacogenomics combination features: a preliminary study
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1448106
PMID:40129949
|
研究论文 | 该研究基于药物基因组学组合特征预测药物不良反应（ADRs），提出了一种新的深度学习架构DGANet | 提出了一种新的深度学习架构DGANet，结合CNN和交叉特征学习潜在的药物-基因-ADR关联，用于ADRs预测 | 研究为初步研究，可能存在数据量和模型泛化能力的限制 | 预测药物不良反应（ADRs）的发生 | 药物和基因表达变化 | 机器学习 | NA | 药物基因组学数据 | CNN | 基因组学数据 | NA | NA | NA | NA | NA |
| 14329 | 2025-03-27 |
Code generation system based on MDA and convolutional neural networks
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1491958
PMID:40135112
|
研究论文 | 该论文介绍了一个基于MDA和卷积神经网络的代码生成系统，旨在通过计算机视觉和深度学习技术从系统描述图中生成源代码 | 结合计算机视觉、深度学习和MDA技术，实现从系统描述图自动生成源代码 | 神经网络训练过程中存在硬件限制 | 开发一个简化软件开发流程的平台，连接规划、结构化和开发阶段 | 系统描述图和相应案例研究 | 计算机视觉 | NA | 计算机视觉、深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 14330 | 2025-03-26 |
Artificial Intelligence Models to Identify Patients with High Probability of Glaucoma Using Electronic Health Records
2025 May-Jun, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100671
PMID:40124313
|
研究论文 | 本研究开发了人工智能模型，利用电子健康记录（EHRs）中的数据识别高概率青光眼患者，无需眼科影像或临床数据 | 利用非眼科的结构化EHR数据（如人口统计、实验室结果、测量、药物和诊断）开发AI模型，无需专用眼科影像或临床数据即可识别青光眼高风险患者 | 需要进一步研究受保护类别特征（如种族/民族）对模型性能和公平性的影响 | 开发AI模型以早期识别青光眼高风险患者 | 64,735名18岁以上、在EHR中有至少两次眼相关诊断记录的患者 | 机器学习 | 青光眼 | 机器学习与深度学习 | 惩罚逻辑回归、XGBoost、1D-CNN和堆叠自编码器 | 结构化电子健康记录数据 | 64,735名患者，其中7,268名（11.22%）有青光眼诊断 | NA | NA | NA | NA |
| 14331 | 2025-10-07 |
Applications of Artificial Intelligence in Dental Medicine: A Critical Review
2025-Apr, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2024.11.009
PMID:39843259
|
综述 | 本文对人工智能在牙科医学中的应用现状进行批判性评估，分析关键观点、挑战和局限性 | 系统性地批判性评估AI在牙科医学各专业领域的应用现状，并识别当前研究中的方法论局限和伦理问题 | 数据质量不一致、偏倚风险、缺乏透明度、临床验证有限 | 评估AI在牙科医学中的应用现状，识别研究挑战和局限性 | 牙科医学中的人工智能应用研究 | machine learning | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14332 | 2025-10-07 |
Weakly supervised multi-modal contrastive learning framework for predicting the HER2 scores in breast cancer
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种弱监督多模态对比学习框架，用于预测乳腺癌HER2评分 | 首次将多模态对比学习引入HER2评分预测，通过多模态注意力对比学习模块实现不同模态间的语义对齐 | 仅使用弱监督的WSI级别标签，未利用像素级或区域级标注 | 开发多模态深度学习框架以提升乳腺癌HER2评分预测性能 | 乳腺癌组织切片图像（H&E和IHC） | 数字病理 | 乳腺癌 | 免疫组织化学（IHC），苏木精-伊红（H&E）染色 | 深度学习，对比学习 | 全切片图像（WSI） | NA | NA | 多头自注意力机制（MHSA） | NA | NA |
| 14333 | 2025-10-07 |
[Transformation of free-text radiology reports into structured data]
2025-Apr, Radiologie (Heidelberg, Germany)
DOI:10.1007/s00117-025-01422-4
PMID:39934245
|
研究论文 | 探讨使用大语言模型将非结构化放射学报告转换为结构化数据的方法与挑战 | 系统分析大语言模型在放射学报告结构化处理中的应用潜力，并提出结合领域特定知识和上下文信息的改进方法 | 处理语言歧义、缩写和表达变异性方面仍存在挑战 | 研究放射学报告自动结构化处理的方法和架构 | 自然语言放射学报告 | 自然语言处理 | NA | 大语言模型 | 深度学习模型,神经网络 | 文本 | NA | NA | NA | 准确率 | NA |
| 14334 | 2025-10-07 |
Genomic prediction with NetGP based on gene network and multi-omics data in plants
2025-Apr, Plant biotechnology journal
IF:10.1Q1
DOI:10.1111/pbi.14577
PMID:39950326
|
研究论文 | 提出基于基因网络和多组学数据的NetGP深度学习模型，用于植物基因组预测 | 首次提出基于Pearson共线性选择的SNP特征提取技术，并开发了新型深度学习模型NetGP | NA | 提高植物性状预测的准确性 | 植物基因组和表型数据 | 机器学习 | NA | 基因组选择，多组学数据分析 | 深度学习 | 基因组数据，转录组数据，多组学数据 | NA | NA | NetGP | 预测准确率 | NA |
| 14335 | 2025-03-26 |
Artificial intelligence-driven forecasting and shift optimization for pediatric emergency department crowding
2025-Apr, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooae138
PMID:40124532
|
研究论文 | 本研究开发并评估了一个基于人工智能（AI）的系统，用于预测儿科急诊科（PED）的拥挤情况，并通过机器学习操作（MLOps）优化医生班次安排 | 结合先进的深度学习模型与MLOps架构，实现持续模型更新，提升预测准确性，并在COVID-19等事件导致的数据漂移中表现出韧性 | 单中心设计和固定的人员配置模型，需多中心验证和在动态人员配置环境中的实施 | 预测儿科急诊科拥挤情况并优化医生班次安排 | 352,843例儿科急诊科入院数据 | 机器学习 | 儿科急诊 | 机器学习操作（MLOps） | Temporal Convolutional Network, Time-series Dense Encoder, Reversible Instance Normalization, Neural High-order Time Series model, Neural Basis Expansion Analysis | 时间序列数据 | 352,843例儿科急诊科入院数据 | NA | NA | NA | NA |
| 14336 | 2025-03-26 |
Deep-Learning-Assisted Understanding of the Self-Assembly of Miktoarm Star Block Copolymers
2025-Mar-25, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c00811
PMID:40074545
|
research paper | 该研究应用深度学习技术解析了AB型星形嵌段共聚物PEO-PS在蒸发诱导自组装系统中的相行为 | 首次将深度学习技术应用于复杂拓扑结构嵌段共聚物的自组装行为研究，成功预测了三维合成场图并揭示了参数与结构之间的关联 | 研究仅针对特定类型的星形嵌段共聚物(PEO-PS)，结论可能不适用于其他拓扑结构的共聚物 | 探索复杂拓扑结构嵌段共聚物的自组装行为规律 | AB型星形嵌段共聚物PEO-PS | soft matter science | NA | deep learning | neural network | experimental data | 包含两种聚合物特性和三种合成条件参数的数据集 | NA | NA | NA | NA |
| 14337 | 2025-03-26 |
From 1-D to 3-D: LIBS Pseudohyperspectral Data Cube Deep Learning Mechanism Used in Nuclear Metal Materials Classification
2025-Mar-25, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c05707
PMID:40085530
|
研究论文 | 提出一种名为LIBS伪高光谱数据立方体的新光谱数据机制，将1-D LIBS光谱转化为3-D数据立方体，以提高核金属材料分类的准确性 | 引入两个额外维度捕捉光谱变化信息，使LIBS系统在处理不稳定光谱时更加稳健，并充分利用深度学习算法 | 未明确提及具体局限性 | 提高核电站中不稳定光谱的分类准确性 | 核金属材料 | 机器学习 | NA | LIBS（激光诱导击穿光谱） | 深度学习算法（含注意力机制） | 光谱数据 | NA | NA | NA | NA | NA |
| 14338 | 2025-03-26 |
Leveraging Deep Learning for Urban Health Insights: Transforming Street-Level Imagery into Cardiovascular Risk Indicators
2025-Mar-25, European journal of preventive cardiology
IF:8.4Q1
DOI:10.1093/eurjpc/zwaf148
PMID:40130376
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14339 | 2025-03-26 |
DASNet: A Convolutional Neural Network with SE Attention Mechanism for ccRCC Tumor Grading
2025-Mar-24, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00693-8
PMID:40126867
|
research paper | 该研究提出了一种名为DASNet的卷积神经网络，结合SE注意力机制，用于通过CT图像对透明细胞肾细胞癌（ccRCC）进行分级 | 引入了Domain Adaptive Squeeze-and-Excitation Network (DASNet)，结合SE注意力机制和域对抗神经网络（DANNs）来提高分类准确性和模型的泛化能力 | 未提及具体的数据集规模或潜在的过拟合问题 | 开发一种非侵入性且高效的ccRCC分级方法，以促进早期检测和治疗干预 | 透明细胞肾细胞癌（ccRCC）的CT图像 | digital pathology | renal cell carcinoma | Computed Tomography (CT), deep learning, machine learning | CNN, EfficientNet, RegNet, DANN | image | NA | NA | NA | NA | NA |
| 14340 | 2025-03-26 |
Effectiveness Evaluation for Clinical Depression Detection Using Deep Learning Based Synthetic House-Tree-Person Test
2025-Mar-24, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3553502
PMID:40126963
|
研究论文 | 本文介绍了一种基于深度学习的合成屋树人测试（S-HTP）的抑郁症检测方法DeHTP，旨在减少诊断过程中的主观影响 | 提出了一种无需人际互动的灵活便捷的抑郁症检测方法DeHTP，其性能优于传统的人工S-HTP分析，并揭示了22个与抑郁症相关的绘图特征 | 方法的有效性可能受到分析师专业能力的限制 | 开发一种基于深度学习的抑郁症检测方法，以减少诊断过程中的主观影响 | 抑郁症患者 | 数字病理学 | 抑郁症 | 深度学习 | DeHTP | 图像 | 基于先前研究中与抑郁症相关的50个结论的指南 | NA | NA | NA | NA |