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 16221 - 16240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16221 | 2025-10-07 |
Deep Learning for Biomarker Discovery in Cancer Genomes
2025-Jan-08, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.06.631471
PMID:39829845
|
研究论文 | 提出一种用于癌症基因组生物标志物发现的端到端深度学习框架 | 开发了多示例学习深度学习框架，可直接从原始体细胞突变数据中识别生物标志物，无需人工特征提取 | 仅使用公共数据库数据，未在更广泛临床环境中验证 | 开发基于深度学习的生物标志物发现方法，提升精准肿瘤学中的基因组数据分析能力 | 3,184名癌症患者的基因组数据 | 机器学习 | 癌症 | NGS | 深度学习 | 基因组序列数据 | 3,184名癌症患者（来自TCGA和CPTAC数据库） | NA | 多示例学习框架 | 准确率, 灵敏度, 特异性 | NA |
| 16222 | 2025-10-07 |
HerbMet: Enhancing metabolomics data analysis for accurate identification of Chinese herbal medicines using deep learning
2025-Jan, Phytochemical analysis : PCA
IF:3.0Q2
DOI:10.1002/pca.3437
PMID:39165116
|
研究论文 | 开发基于深度学习的HerbMet系统，利用代谢组学数据准确鉴定中草药 | 提出结合1D-ResNet架构和双dropout正则化模块的AI系统，有效解决小样本量、高维数据和过拟合问题 | NA | 开发高性能人工智能系统用于中草药的准确鉴定 | 中草药，特别是同属不同种的中草药 | 机器学习 | NA | 代谢组学 | CNN | 代谢组学数据 | NA | NA | 1D-ResNet, 多层感知机 | 准确率, F1分数 | CPU, GPU |
| 16223 | 2025-10-07 |
Deep learning-based models for preimplantation mouse and human embryos based on single-cell RNA sequencing
2025-Jan, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02511-3
PMID:39543284
|
研究论文 | 本研究利用深度学习工具整合和分类单细胞RNA测序数据，定义小鼠和人类胚胎细胞类型、谱系和状态 | 开发了基于深度学习的模型，能够以无偏方式分类细胞类型，同时识别用于鉴定谱系、细胞类型和状态的基因集 | 研究材料难以获取和处理，主要依赖公开可用数据 | 整合和分类多个单细胞转录组数据集，定义胚胎发育过程中的细胞类型和状态 | 小鼠和人类胚胎细胞，以及体外多能干细胞模型 | 生物信息学 | NA | 单细胞RNA测序 | 深度学习 | 单细胞转录组数据 | 公开可用的小鼠和人类早期发育阶段数据 | NA | NA | NA | NA |
| 16224 | 2024-12-18 |
Correction: Deep Learning to Estimate Cardiovascular Risk From Chest Radiographs
2025-Jan, Annals of internal medicine
IF:19.6Q1
DOI:10.7326/ANNALS-24-03386
PMID:39680924
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16225 | 2025-10-07 |
Breast cancer classification in point-of-care ultrasound imaging-the impact of training data
2025-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.1.014502
PMID:39830074
|
研究论文 | 本研究通过比较不同训练数据增强技术，旨在提高用于分类床旁超声(POCUS)图像的深度学习网络性能 | 比较了多种数据增强技术对乳腺癌POCUS图像分类性能的影响，包括传统增强方法和CycleGAN生成方法 | 未详细说明数据集的详细特征和样本分布，未与其他先进分类方法进行充分比较 | 提高床旁超声(POCUS)图像中乳腺癌分类的准确性 | 乳腺组织超声图像 | 计算机视觉 | 乳腺癌 | 超声成像 | 深度学习分类网络,CycleGAN | 超声图像 | 两个乳腺组织图像数据集(POCUS和标准超声) | NA | CycleGAN | AUC,95%置信区间 | NA |
| 16226 | 2025-01-22 |
Knowledgebase-Driven Exploration and Experimental Verification of Simvastatin's Inhibitory Impact on P2X7/NLRP3 Inflammasome Pathway
2025-Jan, Chemical biology & drug design
IF:3.2Q3
DOI:10.1111/cbdd.70048
PMID:39834043
|
研究论文 | 本研究通过知识库驱动的方法和实验验证，探讨了辛伐他汀对P2X7/NLRP3炎症小体通路的抑制作用及其在抑郁症模型中的抗抑郁效果 | 首次结合机器/深度学习方法预测辛伐他汀的潜在作用靶点，并通过实验验证其在抑郁症模型中的抗抑郁机制 | 研究仅基于大鼠模型，未涉及人类临床试验，结果的普适性有待进一步验证 | 阐明辛伐他汀通过抑制P2X7/NLRP3炎症小体通路发挥抗抑郁作用的机制 | 慢性轻度应激（CMS）诱导的抑郁症模型大鼠 | 机器学习 | 抑郁症 | 机器/深度学习方法 | NA | 行为数据、蛋白质和mRNA表达数据 | 抑郁症模型大鼠 | NA | NA | NA | NA |
| 16227 | 2025-01-22 |
End-to-end underwater acoustic transmission loss prediction with adaptive multi-scale dilated network
2025-Jan-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0034857
PMID:39835828
|
研究论文 | 本文提出了一种端到端的水下声学传输损失预测架构，利用深度学习方法有效建模物理现象，显著减少计算时间和成本 | 提出了一种名为MultiScale-DUNet的U-Net模型，集成了自适应多尺度扩张模块，能够快速准确地预测完整声场 | 研究仍处于初期阶段，尚未在实际应用中广泛验证 | 预测水下声学传输损失，以应用于水下探测和实时水下监测等领域 | 水下声学传播 | 机器学习 | NA | 深度学习 | U-Net | 声学数据 | NA | NA | NA | NA | NA |
| 16228 | 2025-10-07 |
Multimodal Image Confidence: A Novel Method for Tumor and Organ Boundary Representation
2025-Feb-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2024.09.020
PMID:39303999
|
研究论文 | 提出一种名为多模态图像置信度(MMC)的创新算法，利用多模态医学图像的互补优势为感兴趣区域内的每个体素分配置信度 | 无需模型训练，通过可解释的数学模型基于体素间相关性传播体素置信度，区别于基于深度学习的方法 | NA | 解决医学图像中肿瘤和危及器官边界模糊的问题，提高放疗计划和其他任务的准确性 | 鼻咽癌病例和胶质瘤病例 | 数字病理 | 鼻咽癌, 胶质瘤 | 多模态医学成像 | NA | 3D医学图像 | 156例鼻咽癌病例和1251例胶质瘤病例 | NA | NA | 定性评估, 定量分析 | NA |
| 16229 | 2025-01-20 |
Development and Validation of KCPREDICT: A Deep Learning Model for Early Detection of Coronary Artery Lesions in Kawasaki Disease Patients
2025-Jan-18, Pediatric cardiology
IF:1.5Q2
DOI:10.1007/s00246-024-03762-9
PMID:39825907
|
研究论文 | 本研究开发并验证了一种名为KCPREDICT的深度学习模型，用于早期检测川崎病患者的冠状动脉病变 | 开发了一种新的深度学习算法KCPREDICT，利用24个特征（包括基本患者信息、五个经典川崎病临床体征和14个实验室测量值）来区分川崎病患者的冠状动脉病变 | 研究数据仅来自上海儿童医学中心，可能限制了模型的普遍适用性 | 开发并验证一种人工智能算法，以区分川崎病患者的冠状动脉病变，支持入院时的诊断决策 | 川崎病患者 | 机器学习 | 心血管疾病 | 深度学习 | 决策树模型 | 临床数据 | 1474例川崎病病例 | NA | NA | NA | NA |
| 16230 | 2025-10-07 |
Explainable analysis of infrared and visible light image fusion based on deep learning
2025-Jan-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-79684-6
PMID:39820058
|
研究论文 | 本文基于深度学习研究红外与可见光图像融合的可解释性分析方法 | 结合CNN局部上下文提取和Transformer全局注意力机制的多模态图像融合模型，并采用DDFImage算法生成局部解释信息 | NA | 增强模型理解与应用的可信度 | 红外与可见光图像融合技术 | 计算机视觉 | NA | 图像融合技术 | CNN, Transformer | 红外图像, 可见光图像 | NA | NA | CNN, Transformer | NA | NA |
| 16231 | 2025-10-07 |
Improving timing resolution of BGO for TOF-PET: a comparative analysis with and without deep learning
2025-Jan-17, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-024-00711-6
PMID:39821728
|
研究论文 | 比较传统时间估计方法与基于深度学习方法在提高BGO闪烁体TOF-PET时间分辨率方面的性能 | 首次系统比较单阈值、双阈值和CNN方法在BGO闪烁体时间分辨率提升中的表现，发现CNN在短晶体中具有显著优势 | CNN方法需要更复杂的波形数字化处理，计算复杂度较高 | 提高BGO闪烁体在飞行时间正电子发射断层扫描中的时间分辨率 | BGO闪烁晶体和NUV-HD-MT硅光电倍增管信号 | 医学影像处理 | NA | 飞行时间正电子发射断层扫描，Cherenkov光子探测 | CNN | 数字化波形信号 | 2×2×3 mm³和2×2×20 mm³两种尺寸的BGO晶体 | NA | 卷积神经网络 | 符合时间分辨率，半高全宽 | NA |
| 16232 | 2025-10-07 |
Biologically relevant integration of transcriptomics profiles from cancer cell lines, patient-derived xenografts, and clinical tumors using deep learning
2025-Jan-17, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adn5596
PMID:39823329
|
研究论文 | 开发了一种名为MOBER的深度学习方法，用于整合癌症细胞系、患者来源异种移植模型和临床肿瘤的转录组学数据 | 同时提取生物学意义嵌入并去除混杂信息，能够识别与临床肿瘤转录相似性最高的临床前模型 | NA | 提高癌症临床前模型的临床转化能力 | 癌症细胞系、患者来源异种移植模型和临床肿瘤 | 机器学习 | 癌症 | 转录组学分析 | 深度学习 | 转录组数据 | 932个癌症细胞系、434个患者来源异种移植模型和11,159个临床肿瘤 | NA | NA | NA | NA |
| 16233 | 2025-10-07 |
Multi-label segmentation of carpal bones in MRI using expansion transfer learning
2025-Jan-17, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adabae
PMID:39823747
|
研究论文 | 开发了一种基于扩张迁移学习的深度学习方法来分割MRI中的八块腕骨 | 首次提出基于CNN的MRI人类腕骨多标签分割方法，引入了扩张迁移学习(ETL)架构 | 仅使用了15个MRI扫描的小型数据集 | 开发用于治疗规划和腕部动态分析的腕骨分割方法 | 人类腕骨 | 医学影像分析 | 骨科疾病 | MRI | CNN | 3D MRI图像 | 15个3.0-T MRI扫描，来自5名健康受试者 | NA | 改进的3D U-Net | Dice相似系数, 平均表面距离, Hausdorff距离 | NA |
| 16234 | 2025-10-07 |
Predicting EV battery state of health using long short term degradation feature extraction and FEA TimeMixer
2025-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85492-3
PMID:39819968
|
研究论文 | 提出一种基于长短时电池退化特征提取和FEA-TimeMixer模型的新能源汽车电池健康状态预测方法 | 引入新型自动SOH提取算法、使用自编码器融合长短时SOH退化趋势特征、在TimeMixer模型中引入频率增强注意力机制 | NA | 提高不同预测长度下电池健康状态预测的准确性 | 新能源汽车电池 | 机器学习 | NA | 经验退化模型、完全集合经验模态分解与自适应噪声 | 自编码器, TimeMixer | 离线充电数据 | NA | NA | FEA-TimeMixer | 平均绝对误差 | NA |
| 16235 | 2025-10-07 |
A deep learning based detection algorithm for anomalous behavior and anomalous item on buses
2025-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85962-8
PMID:39820021
|
研究论文 | 提出一种基于深度学习的公交车异常行为和异常物品检测算法 | 提出改进的YOLOv5算法MD-AODA，结合车载人脸检测与目标跟踪的口罩检测策略，以及基于几何尺度转换的大尺寸异常物品识别方法 | NA | 开发公交车场景下的异常行为和物品检测系统 | 公交车乘客行为和携带物品 | 计算机视觉 | NA | 视频分析 | CNN | 视频 | 实际公交车视频数据 | NA | YOLOv5 | 准确率, 时效性 | 嵌入式视频分析系统 |
| 16236 | 2025-10-07 |
Mitochondrial segmentation and function prediction in live-cell images with deep learning
2025-Jan-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-55825-x
PMID:39820041
|
研究论文 | 开发名为MoDL的深度学习算法，用于活细胞线粒体图像分割和功能预测 | 首次将线粒体形态分割与功能预测结合，采用集成学习策略，能够通过小样本训练预测未知细胞类型的线粒体功能 | NA | 通过分析线粒体形态特征预测其功能，探索线粒体形态与功能之间的复杂关系 | 活细胞中的线粒体 | 计算机视觉 | NA | 超分辨率成像 | 深度学习 | 图像 | 20,000个手动标注的线粒体用于分割训练，超过100,000张超分辨率图像用于功能预测训练 | NA | NA | 分割准确度 | NA |
| 16237 | 2025-10-07 |
PHARAOH: A collaborative crowdsourcing platform for phenotyping and regional analysis of histology
2025-Jan-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-55780-z
PMID:39820318
|
研究论文 | 介绍PHARAOH——一个用于组织学表型分析和区域分析的协作式众包平台 | 采用弱监督、人在环的学习框架，通过组织图像特征将组织区域聚类为形态均匀的簇进行批量标注 | NA | 促进定制计算机视觉模型的开发与共享，用于组织学表型分析和区域分析 | 组织病理学图像 | 数字病理学 | NA | 弱监督学习 | 深度学习 | 组织图像 | NA | NA | NA | NA | NA |
| 16238 | 2025-10-07 |
Harnessing deep learning to detect bronchiolitis obliterans syndrome from chest CT
2025-Jan-16, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-00732-x
PMID:39820581
|
研究论文 | 本研究开发了一种基于深度学习的CT影像分析方法，用于检测肺移植后的闭塞性细支气管炎综合征 | 首次将深度神经网络应用于BOS检测，采用协同训练方法解决小样本数据场景下的模型训练问题 | 研究样本量较小（75例患者），需要在更大规模数据集中验证 | 开发基于CT影像的BOS早期检测方法 | 肺移植后患者，包括26例BOS患者和49例非BOS患者 | 计算机视觉 | 肺移植后并发症 | CT影像分析 | DNN | CT扫描图像 | 75例肺移植后患者（26例BOS，49例非BOS） | NA | NA | ROC-AUC | NA |
| 16239 | 2025-10-07 |
Comparative analysis of deep learning models for crack detection in buildings
2025-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85983-3
PMID:39820575
|
研究论文 | 本文开发并比较了多种深度学习模型用于建筑物裂缝检测 | 开发了新颖的深度学习图像处理方法解决数据稀缺问题，并对多种模型进行综合比较分析 | NA | 实现建筑物结构表面裂缝的精确、快速和自动识别 | 砖砌建筑物表面图像 | 计算机视觉 | NA | 深度学习图像处理 | CNN | 图像 | 24,000张图像 | NA | Inception V3,VGG-16,RESNET-50,VGG-19,Inception ResNetV2,CNN-RES MLP | 准确率,精确率,召回率,ROC值 | NA |
| 16240 | 2025-10-07 |
The segmentation of nanoparticles with a novel approach of HRU2-Net†
2025-Jan-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86085-w
PMID:39820790
|
研究论文 | 提出了一种基于HRU2-Net的纳米颗粒分割新方法 | 在U-Net模型基础上进行改进，引入多层次语义信息融合机制 | NA | 提高纳米颗粒分割的准确性和效果 | 纳米颗粒 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | U-Net, HRU2-Net | MIoU, 准确率 | NA |