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 19281 篇文献，本页显示第 17461 - 17480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17461 | 2025-03-12 |
Enhancing the prediction of vitamin D deficiency levels using an integrated approach of deep learning and evolutionary computing
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2698
PMID:40062307
|
研究论文 | 本文提出了一种结合深度学习和进化计算的新方法，用于预测维生素D缺乏水平 | 创新点在于结合了卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）的混合深度学习模型，并使用遗传算法（GA）优化特征和超参数选择 | 未提及具体局限性 | 研究目的是开发一种非侵入性的预测方法，以确定维生素D缺乏的严重程度 | 维生素D缺乏水平 | 机器学习 | NA | 深度学习，进化计算 | CNN, BiLSTM, GA | 医疗数据 | 基准数据集 | NA | NA | NA | NA |
| 17462 | 2025-03-12 |
Review of models for estimating 3D human pose using deep learning
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2574
PMID:40062308
|
综述 | 本文综述了基于深度学习的3D人体姿态估计模型的最新进展，探讨了准确性、实时性能和数据限制等主要挑战 | 本文总结了3D人体姿态估计领域的最新进展，并提供了主要算法在精度和计算效率方面的比较，为未来研究提供了方向 | 尽管深度学习模型取得了显著进展，但在处理遮挡、实时估计和泛化能力方面仍存在挑战 | 探讨3D人体姿态估计模型的最新进展及其在计算机视觉和人工智能领域的应用 | 3D人体姿态估计模型 | 计算机视觉 | NA | 深度学习 | NA | 图像, 视频 | NA | NA | NA | NA | NA |
| 17463 | 2025-03-11 |
In-situ dynamic correction of progressive ablation fluctuations in laser-induced breakdown spectroscopy (LIBS) using Raman spectroscopy and deep learning
2025-Aug-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.127762
PMID:39999584
|
研究论文 | 本研究开发了一种基于拉曼光谱的原位动态校正方法，用于优化和校正激光诱导击穿光谱（LIBS）动态烧蚀过程中的波动特性 | 结合拉曼光谱和深度学习建模，设计了原位在线反馈校正系统，显著提高了LIBS等离子体温度的分类模型性能 | NA | 提高LIBS作为高精度分析工具的性能 | 金属样品的连续LIBS烧蚀过程 | 机器学习和光谱分析 | NA | 拉曼光谱和激光诱导击穿光谱（LIBS） | 深度卷积神经网络（CNN） | 光谱数据 | NA | NA | NA | NA | NA |
| 17464 | 2025-10-07 |
Two algorithms for improving model-based diagnosis using multiple observations and deep learning
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107185
PMID:39862533
|
研究论文 | 本文提出了两种结合多观测数据和深度学习的模型诊断算法，显著提升了诊断准确率和计算效率 | 首次将多观测数据集成到基于模型的诊断中，并设计了缓存机制消除冗余计算 | 仅在模拟三罐模型上进行实验验证，未在真实复杂系统中测试 | 提升基于模型诊断的准确率和计算效率 | 复杂系统的故障诊断 | 机器学习 | NA | 深度学习 | NA | 多观测数据 | NA | NA | NA | 诊断准确率, 计算时间 | NA |
| 17465 | 2025-10-07 |
Endpoint-aware audio-visual speech enhancement utilizing dynamic weight modulation based on SNR estimation
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107152
PMID:39874821
|
研究论文 | 提出一种基于SNR估计的动态权重调制端点感知音视频语音增强系统 | 通过SNR估计模块动态调整音视频端点信息权重，解决高信噪比环境下冗余信息导致的性能下降问题 | 未明确说明具体的数据集规模和实验环境限制 | 提升音视频语音增强系统在不同噪声环境下的性能 | 音视频语音信号 | 语音增强 | NA | 深度学习，注意力机制 | 端点感知网络(EANet) | 音频，视频 | 基准数据集（未明确具体数量） | NA | 端点感知网络(EANet) | 语音质量，语音可懂度 | NA |
| 17466 | 2025-10-07 |
Multi-knowledge informed deep learning model for multi-point prediction of Alzheimer's disease progression
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107203
PMID:39922154
|
研究论文 | 提出一种融合多知识信息的深度学习模型Mul-KMPP，用于阿尔茨海默病多时间点进展预测 | 提出双路径方法提取全局和局部脑特征，结合AAL解剖知识设计诊断模块，并创建包含诊断损失、预测损失和一致性损失的复合损失函数 | NA | 准确预测阿尔茨海默病的进展过程 | 老年人阿尔茨海默病患者 | 数字病理学 | 阿尔茨海默病 | MRI | 深度学习 | 图像 | 819个样本 | NA | Mul-KMPP | 准确率, 敏感度, 特异度, AUC | NA |
| 17467 | 2025-10-07 |
Spiking-PhysFormer: Camera-based remote photoplethysmography with parallel spike-driven transformer
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107128
PMID:39817982
|
研究论文 | 提出了一种基于脉冲神经网络的混合神经网络模型Spiking-PhysFormer，用于从面部视频中测量心脏活动和生理信号 | 首次将脉冲神经网络引入远程光电容积描记技术领域，设计了并行脉冲驱动变压器块和简化的脉冲自注意力机制 | NA | 开发能效更高的远程生理信号测量方法，降低移动设备部署的计算资源需求 | 面部视频中的脉搏波、心率和呼吸率等生理信号 | 计算机视觉 | 心血管疾病 | 远程光电容积描记技术 | 混合神经网络,SNN,Transformer | 视频 | 四个数据集：PURE、UBFC-rPPG、UBFC-Phys和MMPD | NA | Spiking-PhysFormer，包含ANN补丁嵌入块、SNN变压器块和ANN预测头 | 功耗降低百分比，性能保持度 | NA |
| 17468 | 2025-03-11 |
Accelerating polymer self-consistent field simulation and inverse DSA-lithography with deep neural networks
2025-Mar-14, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0255288
PMID:40062757
|
研究论文 | 本文提出了一种基于深度学习的方法，用于加速自洽场理论（SCFT）模拟，并通过深度神经网络（DNN）直接映射早期SCFT结果到平衡结构，显著减少了模拟时间 | 通过深度神经网络直接映射早期SCFT结果到平衡结构，避免了耗时的SCFT迭代，显著提高了模拟效率 | 需要生成训练数据集，且训练网络的成本可能较高 | 加速自洽场理论（SCFT）模拟，提高计算效率 | 嵌段共聚物（BCP）自组装 | 机器学习 | NA | 深度神经网络（DNN） | DNN | 模拟数据 | NA | NA | NA | NA | NA |
| 17469 | 2025-10-07 |
AI-Driven Drug Discovery for Rare Diseases
2025-Mar-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01966
PMID:39689164
|
综述 | 探讨人工智能在罕见病药物发现领域的应用潜力与最新进展 | 系统阐述AI技术如何通过药物重定位、生物标志物发现等方法突破传统药物研发模式，填补罕见病研究领域的文献空白 | 作为综述文章，未涉及具体实验验证和原始数据 | 加速罕见病的治疗开发并改善患者预后 | 罕见病及其治疗方法的开发 | 机器学习 | 罕见病 | 机器学习(ML), 深度学习(DL) | NA | NA | 全球3亿患者（基于流行病学数据） | NA | NA | NA | NA |
| 17470 | 2025-03-11 |
Systematic Review and Meta-Analysis of Radiation Dose Reduction Studies in Pediatric Head CT
2025-Mar-07, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8730
PMID:40054878
|
系统综述与荟萃分析 | 本文综述了降低儿童头部CT扫描中辐射剂量的研究，并提供了这些研究中辐射剂量减少百分比的荟萃分析 | 本文通过系统综述和荟萃分析，识别了降低儿童头部CT辐射剂量的最常用参数，并强调了临床适应症在比较剂量减少研究中的重要性 | 研究方案的异质性、不完整的方案/结果报告以及机构、扫描仪、患者人口统计和临床适应症的变异性限制了研究结果的普遍性 | 评估和总结降低儿童头部CT扫描中辐射剂量的策略和效果 | 儿童头部CT扫描 | 医学影像 | 儿科疾病 | CT扫描、迭代重建技术 | NA | 医学影像数据 | 20项研究 | NA | NA | NA | NA |
| 17471 | 2025-10-07 |
Impact of Downsampling Size and Interpretation Methods on Diagnostic Accuracy in Deep Learning Model for Breast Cancer Using Digital Breast Tomosynthesis Images
2025-Mar-06, The Tohoku journal of experimental medicine
DOI:10.1620/tjem.2024.J071
PMID:39048348
|
研究论文 | 研究下采样尺寸和图像插值方法对基于数字乳腺断层摄影的深度学习模型诊断准确性的影响 | 首次系统评估不同下采样尺寸和五种插值方法对乳腺癌症诊断深度学习模型性能的影响 | 回顾性研究，样本量相对有限（499例患者） | 优化深度学习模型的预处理步骤以提高乳腺癌症诊断准确性 | 接受乳腺断层摄影检查的患者 | 计算机视觉 | 乳腺癌 | 数字乳腺断层摄影 | 深度学习模型 | 医学图像 | 499例患者（29-90岁，平均50.5岁） | NA | NA | AUC, 95%置信区间 | NA |
| 17472 | 2025-10-07 |
Multimodal optimal matching and augmentation method for small sample gesture recognition
2025-Mar-06, Bioscience trends
IF:5.7Q1
DOI:10.5582/bst.2024.01370
PMID:39864830
|
研究论文 | 提出一种用于小样本手势识别的多模态最优匹配与增强方法，通过结合运动信息和表面肌电信号实现仅需单次采集的高效手势识别 | 引入运动信息到基于表面肌电信号的手势识别中，提出多模态最优匹配信号选择模块和相似度计算增强模块，显著减少数据采集需求 | 方法在特定患者群体和数据集上验证，通用性有待进一步验证 | 提高小样本手势识别的准确率并减少数据采集负担 | 手势识别，特别是针对非健康用户的手势识别 | 人机交互 | 中风 | 表面肌电信号(sEMG)，运动信息 | 深度学习模型 | 生理信号数据，多模态数据 | 自收集中风患者数据，Ninapro DB1数据集，Ninapro DB5数据集 | NA | 多模态最优匹配信号选择模块，相似度计算增强模块，模态类型嵌入模块 | 准确率 | NA |
| 17473 | 2025-10-07 |
MetAssimulo 2.0: a web app for simulating realistic 1D and 2D metabolomic 1H NMR spectra
2025-Mar-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf045
PMID:39862393
|
研究论文 | 介绍MetAssimulo 2.0——一个用于模拟真实1D和2D代谢组学1H NMR光谱的Python网络应用程序 | 扩展了模拟功能至尿液、血液和脑脊液样本，增加了2D J-resolved和关联光谱模拟能力，并增强了血液光谱的真实性 | NA | 解决代谢组学中标记光谱数据有限的问题，支持深度学习算法开发 | 代谢组学NMR光谱模拟 | 机器学习 | NA | 核磁共振光谱 | NA | 光谱数据 | NA | Python | NA | 皮尔逊相关系数 | 网络应用程序 |
| 17474 | 2025-10-07 |
The utility and reliability of a deep learning algorithm as a diagnosis support tool in head & neck non-melanoma skin malignancies
2025-Mar, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-024-08951-z
PMID:39242415
|
研究论文 | 评估深度学习算法作为头颈部非黑色素瘤皮肤恶性肿瘤诊断支持工具的性能 | 使用CE认证的医疗设备作为诊断支持工具，特别关注三种关键诊断的分类性能 | 样本量相对有限（135例患者），需要未来进一步研究验证 | 评估深度学习算法在头颈部皮肤恶性肿瘤诊断中的性能 | 头颈部可疑皮肤病变患者 | 计算机视觉 | 皮肤癌 | 深度学习 | Vision Transformer | 皮肤病变图像 | 135例患者（108例恶性病变，27例良性病变） | NA | Vision Transformer | top-5准确率 | NA |
| 17475 | 2025-10-07 |
gRNAde: Geometric Deep Learning for 3D RNA inverse design
2025-Feb-25, ArXiv
PMID:38827456
|
研究论文 | 介绍了一种基于几何深度学习的3D RNA逆向设计方法gRNAde | 首次将几何深度学习应用于3D RNA逆向设计，考虑结构构象多样性而非单一二级结构 | NA | 开发能够考虑3D结构和动力学的RNA序列设计方法 | RNA分子 | 计算生物学 | NA | 几何深度学习 | 图神经网络 | 3D结构数据 | 14个PDB RNA结构+10个结构化RNA骨架 | PyTorch Geometric | 多状态图神经网络，自回归解码器 | 天然序列恢复率，成功率 | NA |
| 17476 | 2025-10-07 |
Global Deep Forecasting with Patient-Specific Pharmacokinetics
2025-Feb-12, ArXiv
PMID:37965077
|
研究论文 | 提出一种结合全局-局部架构和药代动力学编码器的深度学习方法，用于患者特异性血糖预测 | 开发了新型混合全局-局部架构和患者特异性药代动力学编码器，能够将个体患者的药物治疗效果信息整合到深度学习模型中 | NA | 解决因可变药物管理和个体药代动力学特性带来的医疗时间序列数据预测挑战 | 患者血糖水平时间序列数据 | 机器学习 | 糖尿病 | 深度学习 | 混合全局-局部模型 | 时间序列数据 | 模拟数据和真实世界数据 | NA | 混合全局-局部架构 | 预测准确率 | NA |
| 17477 | 2025-10-07 |
gRNAde: A Geometric Deep Learning Pipeline for 3D RNA Inverse Design
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4079-1_8
PMID:39312140
|
研究论文 | 介绍gRNAde——一种基于几何深度学习的3D RNA逆设计流程，能够根据RNA骨架结构设计序列 | 首个考虑RNA三维结构和构象多样性的几何深度学习逆设计方法，使用SE(3)等变编码器-解码器框架 | NA | 开发能够考虑RNA三维结构和动力学的序列设计方法 | RNA骨架结构、核糖开关、适配体、核酶 | 计算生物学 | NA | 几何深度学习 | 图神经网络 | 3D结构数据 | 来自PDB的现有RNA结构 | PyTorch Geometric | SE(3)等变编码器-解码器 | 天然序列恢复率、计算速度 | NA |
| 17478 | 2025-03-10 |
Forecasting the eddying ocean with a deep neural network
2025-Mar-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-57389-2
PMID:40050275
|
研究论文 | 本文开发了一个名为WenHai的数据驱动全球海洋预报系统，通过训练深度神经网络来预测海洋中尺度涡旋的短期演变 | 首次将深度神经网络应用于全球海洋预报系统，并结合动量、热量和淡水通量的体公式来改进海气相互作用的表示 | 由于大气和海洋的动态特性不同，AI方法在海洋预报中的应用仍具有挑战性 | 提高全球海洋预报能力，特别是中尺度涡旋的短期演变预测 | 海洋中尺度涡旋 | 机器学习 | NA | 深度神经网络 | DNN | 海洋数据 | NA | NA | NA | NA | NA |
| 17479 | 2025-03-10 |
Classifying microfossil radiolarians on fractal pre-trained vision transformers
2025-Mar-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90988-z
PMID:40050318
|
研究论文 | 本文探讨了使用预训练的视觉变换器（ViT）和公式驱动的监督学习（FDSL）技术对微化石（放射虫）进行分类的效果 | 首次将视觉变换器（ViT）和公式驱动的监督学习（FDSL）应用于地质学中的微化石分类，相比传统CNN模型，平均精度提高了6-8% | 未提及具体样本量和数据集的多样性，可能影响模型的泛化能力 | 探索新的深度学习技术在地质学图像分类中的应用 | 微化石（放射虫） | 计算机视觉 | NA | 公式驱动的监督学习（FDSL） | 视觉变换器（ViT） | 图像 | NA | NA | NA | NA | NA |
| 17480 | 2025-03-10 |
Deep learning-based image analysis in muscle histopathology using photo-realistic synthetic data
2025-Mar-06, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-00777-y
PMID:40050400
|
研究论文 | 本文介绍了一种名为SYNTA的新方法，用于生成逼真的合成生物医学图像数据，以解决当前生成模型和基于深度学习的图像分析中的挑战 | SYNTA方法采用完全参数化的方法创建针对特定生物医学任务的逼真合成训练数据集，解决了现有生成模型缺乏代表性和高质量真实数据的问题 | 需要进一步验证SYNTA方法在其他生物医学领域的适用性和效果 | 旨在通过生成逼真的合成生物医学图像数据，改进和加速生物医学图像分析 | 肌肉组织病理学和骨骼肌分析 | 数字病理学 | NA | 深度学习和生成模型 | GAN, Diffusion Models | 图像 | 两个真实世界的数据集 | NA | NA | NA | NA |