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 15321 - 15340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15321 | 2025-05-02 |
Enhancing Molecular Network-Based Cancer Driver Gene Prediction Using Machine Learning Approaches: Current Challenges and Opportunities
2025-Jan, Journal of cellular and molecular medicine
IF:4.3Q2
DOI:10.1111/jcmm.70351
PMID:39804102
|
review | 本文综述了机器学习方法在基于分子网络的癌症驱动基因预测中的应用及其挑战与机遇 | 探讨了深度学习，特别是基于图的模型，在提高癌症驱动基因预测的可扩展性和可解释性方面的新机会 | 未提及具体实验验证或实际应用效果的局限性 | 提升基于分子网络的癌症驱动基因预测的准确性和效率 | 癌症驱动基因 | machine learning | cancer | network propagation, graph neural networks, autoencoders, graph embeddings, attention mechanisms | graph-based models | mutation data, protein-protein interaction networks | NA | NA | NA | NA | NA |
| 15322 | 2025-05-02 |
A Deep Learning and PSSM Profile Approach for Accurate SNARE Protein Prediction
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4314-3_5
PMID:39806147
|
研究论文 | 提出了一种结合多尺度卷积神经网络和位置特异性评分矩阵谱的SNARE蛋白准确预测新方法 | 首次将多尺度CNN与PSSM谱结合用于SNARE蛋白识别，显著提高了分类准确性 | 未提及方法在跨物种预测中的泛化能力 | 开发高精度的SNARE蛋白预测工具以阐明其生物学功能 | SNARE蛋白质 | 生物信息学 | NA | PSI-BLAST特征提取 | 多尺度CNN | 蛋白质序列数据 | 未明确说明样本量 | NA | NA | NA | NA |
| 15323 | 2025-05-02 |
Enhancing the visual environment of urban coastal roads through deep learning analysis of street-view images: A perspective of aesthetic and distinctiveness
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317585
PMID:39808675
|
研究论文 | 本研究通过深度学习分析街景图像，结合人类感知数据，探讨城市滨水区视觉景观特征与人类感知之间的关系，并提出改善建议 | 结合深度学习和人类感知数据，首次对城市滨海道路的视觉环境进行美学和独特性感知分类 | 研究仅针对厦门市的滨海道路，可能无法完全代表其他城市的滨水区 | 研究城市滨海道路视觉景观特征与人类感知之间的关系，并提出改善建议 | 厦门市城市滨海道路的街景图像和人类感知数据 | 计算机视觉 | NA | 深度学习 | 线性回归和随机森林 | 图像 | 厦门市滨海道路的街景图像 | NA | NA | NA | NA |
| 15324 | 2025-05-02 |
A networked station system for high-resolution wind nowcasting in air traffic operations: A data-augmented deep learning approach
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316548
PMID:39808682
|
研究论文 | 本研究介绍了一种为马德拉国际机场设计的高分辨率风场临近预报模型，利用六个气象站网络数据和深度学习技术预测风速和风向 | 结合气象站网络数据和深度学习技术，提出了一种能在复杂风场环境下进行高精度风场临近预报的模型 | 研究仅针对马德拉国际机场，模型在其他机场的适用性有待验证 | 提高复杂环境机场的风场临近预报精度，以提升航空运营效率和安全性 | 马德拉国际机场的风速和风向数据 | 机器学习 | NA | 深度学习 | NA | 气象数据 | 六个气象站的数据 | NA | NA | NA | NA |
| 15325 | 2025-05-02 |
Deep Learning for Longitudinal Gross Tumor Volume Segmentation in MRI-Guided Adaptive Radiotherapy for Head and Neck Cancer
2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings
DOI:10.1007/978-3-031-83274-1_7
PMID:40297614
|
research paper | 该研究开发了一系列深度学习模型，用于头颈癌MRI引导的自适应放疗中纵向总肿瘤体积的自动分割 | 提出了基于SegResNet的深度学习模型，并引入了掩码感知注意力模块，以提高放疗中和放疗前肿瘤体积的分割精度 | 研究仅使用了内部测试集进行验证，未提及外部验证的结果 | 提高头颈癌MRI引导的自适应放疗中总肿瘤体积的自动分割精度 | 头颈癌患者的总肿瘤体积（GTV） | digital pathology | head and neck cancer | MRI | SegResNet | image | 未提及具体样本数量，但使用了放疗前和放疗中的MRI数据 | NA | NA | NA | NA |
| 15326 | 2025-05-02 |
Prediction of stress-strain behavior of rock materials under biaxial compression using a deep learning approach
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321478
PMID:40299820
|
研究论文 | 提出一种基于长短期记忆自动编码器（LSTM-AE）的深度学习方法，用于预测离散元数值模拟中岩石材料的应力-应变曲线 | 使用LSTM网络构建编码器和解码器，提高了岩石材料应力-应变曲线预测的准确性 | LSTM-AE网络在处理大数据集时的扩展性及其对实验室数据集预测的适用性需要进一步验证 | 提高岩石材料应力-应变曲线预测的准确性 | 岩石材料 | 机器学习 | NA | 离散元数值模拟 | LSTM-AE, LSTM, RNN, BPNN, XGBoost | 数值模拟数据 | 10组特殊样本 | NA | NA | NA | NA |
| 15327 | 2025-05-02 |
Indoor fire and smoke detection based on optimized YOLOv5
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322052
PMID:40299940
|
研究论文 | 本研究提出了一种基于遗传算法优化的YOLOv5模型（HPO-YOLOv5），用于室内火灾和烟雾检测，以提高检测准确性和实时性 | 结合遗传算法优化YOLOv5模型，并引入Grad-CAM技术提供模型预测的可视化解释，同时结合DeepSORT实现火灾进展的实时监测 | 研究仅针对室内场景，未涉及室外或其他复杂环境下的火灾检测 | 提高室内火灾和烟雾检测的准确性和实时性 | 室内火灾和烟雾 | 计算机视觉 | NA | 遗传算法、Grad-CAM、DeepSORT | YOLOv5 | 图像 | 5000张室内火灾和烟雾图像，按80:10:10的比例分为训练集、验证集和测试集 | NA | NA | NA | NA |
| 15328 | 2025-05-02 |
Unlocking Responsive and Unresponsive Signatures: A Transfer Learning Approach for Automated Classification in Cutaneous Leishmaniasis Lesions
2025, Transboundary and emerging diseases
IF:3.5Q1
DOI:10.1155/tbed/5018632
PMID:40302757
|
研究论文 | 本研究开发了一种基于迁移学习的深度学习模型，用于自动分类皮肤利什曼病病变的反应性与非反应性 | 首次探索基于图像的方法来区分皮肤利什曼病的反应性与非反应性病例，并应用迁移学习解决样本量有限的问题 | 样本量较小，需要进一步扩大数据集以优化模型性能 | 开发自动化工具以区分皮肤利什曼病病变的反应性，从而指导治疗策略和改善患者预后 | 皮肤利什曼病病变图像 | 数字病理学 | 皮肤利什曼病 | 迁移学习 | DenseNet161, VGG16, ResNet18 | 图像 | 102张病变图像（每类51张，均匀分布在训练、测试和验证集中） | NA | NA | NA | NA |
| 15329 | 2025-05-02 |
Prediction of the Therapeutic Response to Neoadjuvant Chemotherapy for Rectal Cancer Using a Deep Learning Model
2025, Journal of the anus, rectum and colon
DOI:10.23922/jarc.2024-085
PMID:40302856
|
research paper | 开发了一种基于深度学习模型的非侵入性预测方法，用于预测直肠癌患者对新辅助化疗的治疗反应 | 使用深度学习模型（残差卷积神经网络）从化疗前的CT图像中预测直肠癌患者对新辅助化疗的病理反应 | 样本量较小（57名患者），且仅针对SOX化疗方案 | 优化直肠癌新辅助化疗的治疗方案 | 直肠癌患者 | digital pathology | rectal cancer | CT imaging | CNN | image | 57名患者（49名用于训练和验证，8名用于测试） | NA | NA | NA | NA |
| 15330 | 2025-05-02 |
Automatic pelvic fracture segmentation: a deep learning approach and benchmark dataset
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1511487
PMID:40303367
|
research paper | 提出了一种基于深度学习的自动骨盆骨折分割方法，并公开了一个基准数据集 | 采用两个顺序网络进行解剖分割和骨折分割，并引入距离加权损失、多尺度深度监督和平滑过渡策略以提高性能 | 未提及方法在极端骨折情况下的表现或泛化能力 | 开发自动骨盆骨折分割方法以辅助创伤诊断和图像引导复位手术 | 骨盆骨折的CT图像 | digital pathology | pelvic fracture | CT | CNN | image | 150 CTs | NA | NA | NA | NA |
| 15331 | 2025-05-02 |
Application and research progress of artificial intelligence in allergic diseases
2025, International journal of medical sciences
IF:3.2Q1
DOI:10.7150/ijms.105422
PMID:40303497
|
综述 | 本文综述了人工智能在过敏性疾病中的应用和研究进展，重点关注哮喘等疾病 | 总结了人工智能在过敏性疾病预测、诊断、治疗和管理中的最新应用 | 简要分析了各种智能辅助方法的优势和局限性 | 为研究团队和医务人员提供人工智能在过敏性疾病中应用的参考 | 哮喘、特应性皮炎、食物过敏、过敏性鼻炎和荨麻疹等过敏性疾病 | 自然语言处理 | 过敏性疾病 | 强化学习、机器学习、深度学习、自然语言处理 | NA | 文本、视觉和听觉数据 | NA | NA | NA | NA | NA |
| 15332 | 2025-05-02 |
Artificial intelligence in traditional Chinese medicine: advances in multi-metabolite multi-target interaction modeling
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1541509
PMID:40303920
|
综述 | 本文综述了人工智能在传统中医多代谢物多靶点相互作用建模中的应用与进展 | 整合人工智能的多组学技术、中医专用数据库、机器学习和深度学习等方法，推动中医向精准医学转变 | 数据异质性、模型可解释性有限、因果混杂以及实际应用中鲁棒性验证不足 | 探讨人工智能在中医靶点预测中的应用，提升其可靠性和可扩展性 | 传统中医的多代谢物和多靶点干预机制 | 人工智能在医学中的应用 | 复杂疾病 | 多组学技术、机器学习、深度学习 | ML、DL、零样本学习、端到端架构、自监督对比学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 15333 | 2025-05-02 |
Association prediction of lncRNAs and diseases using multiview graph convolution neural network
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1568270
PMID:40303981
|
研究论文 | 提出了一种基于多视图图卷积神经网络的方法MVIGCN，用于预测lncRNA与疾病的关联 | 整合多模态数据构建异质网络，通过注意力机制建模拓扑特征和多尺度关系，提高预测准确性 | 网络复杂性可能导致计算成本较高，且模型性能依赖于数据质量 | 解码lncRNA在疾病生物学中的功能，为治疗靶点优先排序提供工具 | lncRNA与疾病的关联 | 机器学习 | NA | 图卷积网络(GCN) | MVIGCN | 多模态数据 | NA | NA | NA | NA | NA |
| 15334 | 2025-10-07 |
PLPTP: A Motif-based Interpretable Deep Learning Framework Based on Protein Language Models for Peptide Toxicity Prediction
2025-Jun-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169115
PMID:40158838
|
研究论文 | 提出一种基于蛋白质语言模型的深度学习框架PLPTP，用于肽毒性预测 | 整合ESM2、BiLSTM和DNN模型，并结合基序分析增强模型可解释性，使用Focal Loss处理类别不平衡问题 | NA | 提高肽毒性预测的准确性，促进更安全的肽类药物设计 | 肽序列 | 生物信息学 | NA | 深度学习 | ESM2, BiLSTM, DNN | 肽序列数据 | NA | NA | ESM2, BiLSTM, 深度神经网络 | 多个评估指标 | NA |
| 15335 | 2025-10-07 |
AI-Driven Microscopy: Cutting-Edge Approach for Breast Tissue Prognosis Using Microscopic Images
2025-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24788
PMID:39748498
|
研究论文 | 提出一种基于深度学习的AI驱动显微镜方法，用于乳腺组织微观图像的预后分析 | 将挤压激励模块和扩张密集卷积块集成到密集卷积网络中，结合注意力机制和多尺度特征提取技术 | 未明确说明数据集的具体规模和多样性限制 | 开发快速精确的临床诊断、病程分析和预后预测的计算机辅助分析方法 | 乳腺组织微观图像中的良恶性病变和八种乳腺亚型 | 数字病理学 | 乳腺癌 | 显微镜成像 | CNN | 图像 | NA | TensorFlow, PyTorch | DenseNet, VGGNet-19, ResNet152V2, EfficientNetV2-B1, DenseNet-121 | 准确率 | NA |
| 15336 | 2025-10-07 |
Highly-Efficient Differentiation of Reactive Lymphocytes in Peripheral Blood Using Multi-Object Detection Network With Large Kernels
2025-May, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24775
PMID:39760201
|
研究论文 | 提出一种高效的多目标检测网络用于外周血中反应性淋巴细胞的自动检测 | 引入空间到深度卷积(SPD-Conv)、动态大核注意力机制(DLKA)和渐进特征金字塔网络(AFPM)来提升密集小目标检测性能 | NA | 开发计算机辅助诊断系统用于反应性淋巴细胞检测 | 外周血中的反应性淋巴细胞和其他白细胞 | 计算机视觉 | 病毒感染相关疾病 | 深度学习 | 多目标检测网络 | 医学图像 | NA | NA | SPD-Conv, DLKA, AFPN | mAP50 | NA |
| 15337 | 2025-10-07 |
Enhancing panoramic dental imaging with AI-driven arch surface fitting: achieving improved clarity and accuracy through an optimal reconstruction zone
2025-05-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf006
PMID:39832267
|
研究论文 | 开发基于AI的自动化全景牙科成像方法，通过3D U-Net生成牙弓曲面并定义最优重建区域 | 提出使用3D U-Net深度学习模型生成牙弓曲面并定义最优3D重建区域的新方法 | 需要进一步测试在不同牙颌面结构患者中的鲁棒性能 | 开发自动生成更清晰、对齐良好的全景牙科视图的方法 | 312名患者的锥形束CT扫描数据 | 数字病理 | 牙科疾病 | 锥形束CT扫描 | 3D U-Net | 医学影像 | 312名患者（平均年龄40岁，41.3%男性，58.7%女性） | NA | 3D U-Net | 牙根与牙槽骨对比度，交并比，像素值 | NA |
| 15338 | 2025-10-07 |
Deep learning-based segmentation of the mandibular canals in cone-beam CT reaches human-level performance
2025-05-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae069
PMID:39932925
|
研究论文 | 本研究开发了一种基于深度学习的下颌管分割方法，在锥形束CT数据中达到人类专家水平的性能 | 首次实现基于深度学习的下颌管自动分割，在准确性和可靠性方面达到人类专家水平 | 样本量相对较小（90个CBCT扫描），验证集仅包含1个样本 | 为牙科种植治疗规划提供可靠高效的下颌管识别支持工具 | 下颌管解剖结构 | 计算机视觉 | 牙科疾病 | 锥形束CT成像 | CNN | 医学影像 | 90个CBCT扫描（训练集69个，验证集1个，测试集20个） | NA | 分层卷积神经网络 | Dice相似系数, 95% Hausdorff距离, 平均对称表面距离, 5点Likert量表 | NA |
| 15339 | 2025-10-07 |
Deep learning image enhancement for confident diagnosis of TMJ osteoarthritis in zero-TE MR imaging
2025-05-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae063
PMID:39989448
|
研究论文 | 评估深度学习技术在零回波时间MRI中用于去噪和伪影减少的有效性及其在颞下颌关节骨关节炎诊断中的临床应用价值 | 开发了一种新的深度学习技术，可同时实现ZTE-MRI的去噪和伪影减少，显著提高图像质量和诊断准确性 | 样本量较小（仅30名患者），需要更大规模的研究验证 | 评估深度学习图像增强技术在ZTE-MRI中的效果及其在颞下颌关节骨关节炎诊断中的临床应用 | 颞下颌关节（TMJ） | 医学影像分析 | 颞下颌关节骨关节炎 | 零回波时间MRI（ZTE-MRI），锥形束CT（CBCT） | 深度学习 | 医学影像 | 30名患者 | NA | NA | 信噪比（SNR），3点评分系统，Cohen's κ系数 | NA |
| 15340 | 2025-10-07 |
Predicting and Explaining Cognitive Load, Attention, and Working Memory in Virtual Multitasking
2025-May, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3549850
PMID:40063446
|
研究论文 | 本研究利用深度学习模型预测虚拟现实多任务环境中的认知负荷、注意力与工作记忆，并通过SHAP分析解释关键特征 | 首次结合眼动追踪、头部运动与生理指标（心率、皮电反应）综合预测虚拟现实多任务场景中的认知状态，并采用可解释性分析方法 | 依赖单一公开数据集（VRWalking），模型架构相对简单，未进行跨场景验证 | 开发能够预测和解释虚拟现实多任务环境中用户认知状态的模型 | 虚拟现实多任务环境中的用户认知状态（身体负荷、心理负荷、工作记忆、注意力） | 机器学习 | NA | 眼动追踪，头部运动追踪，心率监测，皮电反应测量 | 深度学习 | 时间序列生理数据，运动追踪数据 | VRWalking公开数据集（具体样本量未明确说明） | NA | NA | 准确率 | NA |