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 15821 - 15840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15821 | 2025-10-07 |
EvoAI enables extreme compression and reconstruction of the protein sequence space
2025-Jan, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02504-2
PMID:39528677
|
研究论文 | 开发了一种名为EvoAI的混合实验计算方法，用于极端压缩和重建蛋白质序列空间 | 提出EvoScan方法全面分割和扫描高适应性序列空间获取锚点，结合深度学习和大型语言模型从锚点准确重建序列空间 | 需要生物分子功能能够与转录输出耦合 | 设计具有改进功能的蛋白质，理解序列与功能关系 | 蛋白质序列空间，阻遏蛋白 | 机器学习 | NA | 转录输出耦合 | 深度学习模型，大型语言模型 | 蛋白质序列数据 | 82个锚点 | NA | NA | 压缩比 | NA |
| 15822 | 2025-04-27 |
Prediction of traffic accident risk based on vehicle trajectory data
2025, Traffic injury prevention
IF:1.6Q4
DOI:10.1080/15389588.2024.2402936
PMID:39570198
|
研究论文 | 本研究利用车辆轨迹数据开发了一个基于LSTM的交通事故风险预测模型 | 直接从低质量原始轨迹数据中提取事故相关危险状态特征，实现细粒度时间分辨率的事故概率预测 | NA | 进行精确的交通事故风险预测 | 城市道路和高速公路场景下的车辆轨迹数据 | 机器学习 | NA | 深度学习 | LSTM | 车辆轨迹数据 | 超过3000辆车的原始轨迹样本 | NA | NA | NA | NA |
| 15823 | 2025-10-07 |
Automatic segmentation and visualization of cortical and marrow bone in mandibular condyle on CBCT: a preliminary exploration of clinical application
2025-Jan, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-024-00780-4
PMID:39520662
|
研究论文 | 开发基于深度学习的下颌骨髁突皮质骨和骨髓自动分割方法，并探索其临床应用价值 | 提出改进的3D U-Net架构，同时分割皮质骨和骨髓，并开发了可视化定量分析系统辅助诊断 | 初步探索性研究，样本仅来自单一医疗集团的三家中心 | 开发下颌骨髁突自动分割方法并评估其临床应用潜力 | 下颌骨髁突的皮质骨和骨髓组织 | 医学影像分析 | 颞下颌关节疾病 | 锥形束CT成像 | 深度学习 | 3D医学影像 | 490例CBCT图像中的825个髁突样本，来自三家医疗中心 | NA | 3D U-Net | Dice相似系数, Hausdorff距离 | NA |
| 15824 | 2025-10-07 |
Expert level of detection of interictal discharges with a deep neural network
2025-Jan, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.18164
PMID:39530797
|
研究论文 | 开发并验证用于检测脑电图痫样放电的深度神经网络，性能达到专家水平 | 首次将深度神经网络与多位专家在痫样放电检测方面进行系统性比较，并采用混合方法进行外部验证 | 样本量相对有限，专家间存在观察者间变异性 | 评估深度神经网络在脑电图痫样放电自动检测中的临床应用潜力 | 脑电图记录和痫样放电 | 医疗人工智能 | 癫痫 | 脑电图分析 | 深度神经网络 | 脑电图信号 | 内部验证：50例脑电图研究（22例有痫样放电，28例对照）；外部验证：174例脑电图研究 | NA | 深度神经网络 | 灵敏度，特异性，假阳性率，Cohen's κ，Fleiss' κ | NA |
| 15825 | 2025-10-07 |
Enhancing detection of various pancreatic lesions on endoscopic ultrasound through artificial intelligence: a basis for computer-aided detection systems
2025-Jan, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.16814
PMID:39538430
|
研究论文 | 开发基于人工智能的计算机辅助检测系统，用于实时检测和分割内镜超声下的各种胰腺病变 | 首次针对内镜超声开发实时胰腺病变检测和分割的深度学习模型，为计算机辅助检测系统奠定基础 | 单中心研究，需要进一步验证和泛化研究 | 开发用于内镜超声的计算机辅助检测系统，减少操作者依赖性 | 胰腺病变（恶性肿瘤、神经内分泌肿瘤、良性囊肿、胰腺炎等） | 计算机视觉 | 胰腺疾病 | 内镜超声 | 深度学习模型 | 图像 | 165名患者的1497张内镜超声图像 | NA | NA | IoU, PPV, NPV, 准确率, ROC | NA |
| 15826 | 2025-04-25 |
Retraction: Unreferenced English articles' translation quality-oriented automatic evaluation technology using sparse autoencoder under the background of deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322063
PMID:40267925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15827 | 2025-04-27 |
Elevator fault precursor prediction based on improved LSTM-AE algorithm and TSO-VMD denoising technique
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320566
PMID:40273057
|
研究论文 | 提出一种结合VMD、BILSTM和AEAM的电梯故障前兆预测方法，提升预测的稳定性和准确性 | 整合VMD、BILSTM和AEAM算法，提出VMD-BILSTM-AEAM模型，有效解决电梯运行数据中的特征冗余和噪声干扰问题 | 未提及模型在极端噪声环境下的表现或对其他类型机械故障的适用性 | 提升电梯故障前兆预测的准确性和稳定性 | 电梯运行参数（电流、电压、运行速度等） | 机器学习 | NA | VMD（变分模态分解）、BILSTM（双向长短期记忆网络）、AEAM（带注意力机制的自编码器） | VMD-BILSTM-AEAM | 时间序列数据 | 未明确提及具体样本数量，仅提到电梯运行参数数据集 | NA | NA | NA | NA |
| 15828 | 2025-04-27 |
Definer: A computational method for accurate identification of RNA pseudouridine sites based on deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320077
PMID:40273178
|
研究论文 | 提出了一种基于深度学习的计算方法Definer，用于准确识别RNA假尿苷位点 | 结合了NCP和One-hot两种序列编码方案，并利用CNN、GRU和Attention构建深度学习模型 | 仅针对三种物种（智人、酿酒酵母和小鼠）进行了测试 | 准确识别RNA假尿苷位点，以解释该修饰位点的功能机制 | RNA假尿苷位点 | 生物信息学 | NA | 深度学习 | CNN, GRU, Attention | RNA序列数据 | 三种物种（智人、酿酒酵母和小鼠）的基准数据集 | NA | NA | NA | NA |
| 15829 | 2025-04-27 |
Intelligent recognition of human activities using deep learning techniques
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321754
PMID:40273193
|
research paper | 该研究利用深度学习技术，通过集成3D-AlexNet-RF和InceptionV3 Google-Net模型，提高了RGB视频中人类活动识别的准确性 | 采用集成方法结合两种深度学习模型的预测结果，显著提升了人类活动识别的性能 | 研究仅基于HMDB51数据集进行评估，可能在其他数据集上的泛化能力有待验证 | 提升人类活动识别（HAR）的准确性，以改善患者护理、增强安全监控和促进人机交互 | RGB视频中的人类活动 | computer vision | NA | 深度学习 | 3D-AlexNet-RF, InceptionV3 Google-Net | video | HMDB51数据集 | NA | NA | NA | NA |
| 15830 | 2025-04-27 |
ToxDL 2.0: Protein toxicity prediction using a pretrained language model and graph neural networks
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.04.002
PMID:40276117
|
研究论文 | 介绍了一种名为ToxDL 2.0的新型多模态深度学习模型，用于预测蛋白质毒性 | 整合了来自预训练语言模型和AlphaFold2的进化和结构信息，通过图卷积网络（GCN）模块、域嵌入模块和密集模块来预测蛋白质毒性 | 未提及具体局限性 | 开发高效的计算方法来预测蛋白质毒性，替代传统耗时、昂贵且劳动密集型的实验方法 | 蛋白质 | 机器学习 | NA | 预训练语言模型、AlphaFold2、图卷积网络（GCN） | GCN | 蛋白质序列和结构数据 | 原始非冗余测试集（2022年前的蛋白质序列）和独立非冗余测试集（2022年后的蛋白质序列） | NA | NA | NA | NA |
| 15831 | 2025-04-27 |
Frontotemporal dementia: a systematic review of artificial intelligence approaches in differential diagnosis
2025, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2025.1547727
PMID:40276595
|
系统综述 | 本文系统综述了人工智能方法在额颞叶痴呆鉴别诊断中的应用 | 评估了当前机器学习模型在区分额颞叶痴呆与其他神经系统疾病中的优势和局限性，并提出了多模态数据整合的建议 | 样本量小、类别不平衡和缺乏标准化限制了模型的泛化能力 | 提高额颞叶痴呆的早期和准确鉴别诊断 | 额颞叶痴呆及其亚型与其他痴呆症（如阿尔茨海默病）的患者 | 自然语言处理 | 老年疾病 | 机器学习 | SVM, CNN | 神经影像和电生理数据 | 6,544名痴呆患者（包括2,984名额颞叶痴呆患者、3,437名阿尔茨海默病患者、103名轻度认知障碍患者和20名帕金森病痴呆或可能的路易体痴呆患者） | NA | NA | NA | NA |
| 15832 | 2025-04-27 |
Improving healthcare sustainability using advanced brain simulations using a multi-modal deep learning strategy with VGG19 and bidirectional LSTM
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1574428
PMID:40276738
|
research paper | 该研究提出了一种结合深度学习和集成学习方法的多模态方案，用于改进MRI上的脑肿瘤分类 | 结合预训练的VGG19网络、双向LSTM和LightGBM分类器，利用空间特征提取和序列依赖学习的互补优势 | 未提及具体的数据集规模或多样性限制 | 提高脑肿瘤分类的准确性和鲁棒性，以增强医疗成像诊断应用 | MRI图像中的脑肿瘤 | digital pathology | brain tumor | deep learning, ensemble learning | VGG19, Bidirectional LSTM, LightGBM | MRI images | NA | NA | NA | NA | NA |
| 15833 | 2025-10-07 |
Generalizable, sequence-invariant deep learning image reconstruction for subspace-constrained quantitative MRI
2025-Jul, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30433
PMID:39834093
|
研究论文 | 开发了一种对比度不变的深度子空间学习网络，用于跨不同脉冲序列的定量MRI图像重建 | 提出了对比度不变的逐分量网络结构，相比传统时空多分量结构具有更好的性能和泛化能力 | 研究样本量相对有限，特别是在T1-T2-T2*-脂肪分数序列中数据较为稀缺 | 开发能够跨不同脉冲序列工作的深度子空间学习网络 | MRI多任务成像的重建 | 医学影像分析 | NA | MRI多任务成像，T1、T1-T2、T1-T2-T2*-脂肪分数映射序列 | 深度学习网络 | MRI图像 | 共313名受试者（130名T1序列，167名T1-T2序列，16名T1-T2-T2*-脂肪分数序列） | NA | 对比度不变的逐分量网络结构，时空多分量结构 | 图像归一化均方根误差，Bland-Altman分析 | NA |
| 15834 | 2025-10-07 |
Accelerated EPR imaging using deep learning denoising
2025-Jul, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30473
PMID:40096518
|
研究论文 | 本研究利用深度学习技术对3D电子顺磁共振成像的振幅和氧分压图进行去噪处理 | 首次将UNet模型与联合双边滤波器结合应用于EPRI去噪，实现10倍成像加速 | 训练数据集规模有限（共227个3D图像），且包含体外和体内两种数据 | 开发基于深度学习的EPRI去噪方法以提高图像信噪比 | 体外OXO71模型和C3H小鼠后肢纤维肉瘤肿瘤 | 医学影像处理 | 肿瘤 | 电子顺磁共振成像 | 深度学习 | 3D图像 | 227个3D图像（56个体内，171个体外） | MONAI | UNet, Attention UNet, UNETR, Autoencoder | 多尺度结构相似性指数, 边缘敏感度保留 | NA |
| 15835 | 2025-10-07 |
Machine learning explainability for survival outcome in head and neck squamous cell carcinoma
2025-Jul, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.105873
PMID:40121767
|
研究论文 | 本研究结合临床病理参数、治疗相关因素和社会人口学因素构建机器学习模型，用于预测头颈部鳞状细胞癌患者的总生存期，并提供模型可解释性分析 | 首次将TabNet深度学习算法应用于头颈部鳞癌生存预测，并综合使用LIME和SHAP技术提供模型可解释性，探索了多参数组合的预后潜力 | 研究基于单中心数据（419例患者），需要多机构数据集验证和临床试验测试 | 构建头颈部鳞状细胞癌患者的预后预测系统，实现个体化风险分层治疗决策 | 头颈部鳞状细胞癌患者 | 机器学习 | 头颈部鳞状细胞癌 | 机器学习预测模型 | TabNet, XGBoost, 投票集成 | 临床表格数据 | 419名来自瑞典三家大学医院的头颈部鳞癌患者 | NA | TabNet, XGBoost | 准确率 | NA |
| 15836 | 2025-10-07 |
Deep learning-assisted cellular imaging for evaluating acrylamide toxicity through phenotypic changes
2025-Jun, Food and chemical toxicology : an international journal published for the British Industrial Biological Research Association
IF:3.9Q1
DOI:10.1016/j.fct.2025.115401
PMID:40118138
|
研究论文 | 开发结合深度学习与细胞荧光成像的新方法评估丙烯酰胺毒性 | 首次将U-Net细胞分割与ResNet34分类模型结合，通过表型变化直接关联细胞表型与毒性评估 | 验证准确率为80%，仍有提升空间 | 评估丙烯酰胺毒性及其对细胞表型的影响 | 暴露于丙烯酰胺的细胞 | 计算机视觉 | 毒理学 | 细胞荧光成像 | CNN | 图像 | NA | NA | U-Net, ResNet34 | 准确率 | NA |
| 15837 | 2025-04-26 |
Future prospects of deep learning in esophageal cancer diagnosis and clinical decision support (Review)
2025-Jun, Oncology letters
IF:2.5Q3
DOI:10.3892/ol.2025.15039
PMID:40271007
|
review | 本文综述了深度学习在食管癌诊断和临床决策支持中的应用前景 | 深度学习在提高早期食管癌病变检测、区分良恶性病变以及辅助癌症分期和预后方面显示出巨大潜力 | 面临图像质量差异、数据标注不足和泛化能力有限等挑战 | 探讨深度学习在食管癌诊断和临床决策支持中的应用 | 食管癌（EC）及其癌前病变（如Barrett食管） | digital pathology | esophageal cancer | endoscopic examination, pathological analysis, computed tomography | deep learning (DL) | medical images | NA | NA | NA | NA | NA |
| 15838 | 2025-04-26 |
A comprehensive Malabar Spinach dataset for diseases classification
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111532
PMID:40275977
|
研究论文 | 本研究致力于开发针对马拉巴尔菠菜病害的机器视觉算法，以提高病害检测的准确性 | 开发了专门针对马拉巴尔菠菜病害的机器视觉算法，并构建了一个包含健康和患病植株图像的全面数据集 | 研究仅限于马拉巴尔菠菜的特定病害，可能不适用于其他作物 | 提高马拉巴尔菠菜病害的检测准确性，以支持精准农业和有效的作物管理 | 马拉巴尔菠菜的病害检测 | 计算机视觉 | 植物病害 | 机器视觉 | ResNet50 | 图像 | 包含健康和患病马拉巴尔菠菜植株图像的全面数据集 | NA | NA | NA | NA |
| 15839 | 2025-10-07 |
Development of an artificial intelligence-generated, explainable treatment recommendation system for urothelial carcinoma and renal cell carcinoma to support multidisciplinary cancer conferences
2025-May-02, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2025.115367
PMID:40107091
|
研究论文 | 开发用于尿路上皮癌和肾细胞癌的人工智能生成可解释治疗推荐系统，以支持多学科癌症会议 | 首次开发AI生成的可解释治疗推荐系统，为临床肿瘤学多学科会议提供全球参考标准 | 需要前瞻性验证研究结果 | 开发人工智能系统以增加循证治疗推荐，支持多学科癌症会议决策 | 尿路上皮癌和肾细胞癌患者 | 机器学习 | 尿路上皮癌,肾细胞癌 | 机器学习,深度学习 | CatBoost,XGBoost,Random Forest,TabPFN,TabNet,SoftOrdering CNN,FCN | 临床参数 | 1617例尿路上皮癌和880例肾细胞癌的多学科会议推荐 | NA | NA | F1分数 | NA |
| 15840 | 2024-08-07 |
Enhancing multimodal deep learning for improved precision and efficiency in medical diagnostics
2025-May, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20166
PMID:38808949
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |