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 1226 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2025-05-10 |
Machine Learning in the Management of Patients Undergoing Catheter Ablation for Atrial Fibrillation: Scoping Review
2025-Feb-10, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/60888
PMID:39928932
|
综述 | 本文通过范围综述评估了机器学习在心房颤动导管消融患者管理中的应用现状 | 系统比较了不同机器学习模型在特定临床任务中的表现，并总结了该领域的优势与局限性 | 大多数模型缺乏外部验证，存在高偏倚风险 | 评估机器学习在心房颤动导管消融患者管理中的应用证据 | 接受心房颤动导管消融治疗的患者 | 机器学习 | 心血管疾病 | 机器学习 | CNN | 人口统计学数据、临床特征、影像学数据、电生理信号 | 23项纳入研究 | NA | NA | NA | NA |
| 282 | 2025-05-10 |
Arthroscopy-validated Diagnostic Performance of 7-Minute Five-Sequence Deep Learning Super-Resolution 3-T Shoulder MRI
2025-Feb, Radiology
IF:12.1Q1
DOI:10.1148/radiol.241351
PMID:39964264
|
research paper | 该研究验证了7分钟三倍并行成像加速的深度学习超分辨率3-T肩部MRI在诊断肩部病变中的临床效果 | 首次通过关节镜验证了深度学习超分辨率MRI在肩部病变诊断中的良好性能 | 样本量相对较小（121名成人），且为回顾性研究 | 验证加速深度学习MRI在肩部病变诊断中的临床效果 | 成人肩痛患者 | digital pathology | shoulder conditions | 深度学习超分辨率MRI | DL | MRI图像 | 121名成人（平均年龄55岁±14，75名男性） | NA | NA | NA | NA |
| 283 | 2025-05-10 |
Change analysis of surface water clarity in the Persian Gulf and the Oman Sea by remote sensing data and an interpretable deep learning model
2025-Feb, Environmental science and pollution research international
DOI:10.1007/s11356-025-36018-x
PMID:39966320
|
研究论文 | 利用遥感数据和可解释深度学习模型分析波斯湾和阿曼海水体透明度的变化 | 结合MODIS-Aqua影像、统计测试和深度学习模型，首次全面监测波斯湾和阿曼海2002至2018年的水体透明度变化，并应用解释技术确定关键影响因素 | 研究时间跨度有限（2002-2018年），且仅基于MODIS-Aqua影像数据 | 监测波斯湾和阿曼海的水体透明度变化以评估生态系统健康状况和水质 | 波斯湾和阿曼海的水体透明度及相关环境参数 | 遥感与环境监测 | NA | MODIS-Aqua遥感影像、统计测试、深度学习模型 | CNN、LSTM | 遥感影像、环境参数数据 | 2002至2018年波斯湾和阿曼海的遥感监测数据 | NA | NA | NA | NA |
| 284 | 2025-05-10 |
A practical deep learning model for core temperature prediction of specialized workers in high-temperature environments
2025-Feb, Journal of thermal biology
IF:2.9Q1
DOI:10.1016/j.jtherbio.2025.104079
PMID:39970650
|
研究论文 | 本文开发了一种结合卡尔曼滤波和长期序列预测深度学习模型的无创核心温度预测模型，用于高温环境下特种作业人员的健康监测 | 结合卡尔曼滤波和长期序列预测深度学习模型，利用皮肤温度和心率作为输入特征，实现个性化实时核心温度预测 | 实验样本量较小（13名参与者），且仅在34至40°C的环境温度范围内进行验证 | 解决高温环境下特种作业人员核心温度的实时监测和预测问题 | 高温环境下特种作业人员的核心温度 | 机器学习 | NA | 卡尔曼滤波和长期序列预测深度学习模型 | LSTM | 皮肤温度和心率数据 | 13名参与者的实验数据 | NA | NA | NA | NA |
| 285 | 2025-05-10 |
Radiomics and Deep Learning Prediction of Immunotherapy-Induced Pneumonitis From Computed Tomography
2025-Feb, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI-24-00198
PMID:39977708
|
研究论文 | 该研究利用放射组学和深度学习技术，通过计算机断层扫描（CT）预测免疫治疗引起的肺炎（PN） | 首次结合放射组学特征和深度学习模型（CNN）预测免疫治疗引起的肺炎，相比传统放射组学方法，深度学习模型表现出更高的预测性能 | 结合放射组学和深度学习的模型相比仅使用CNN的模型并未显示出显著改进 | 预测癌症患者在免疫检查点抑制剂（ICI）治疗期间可能发生的肺炎，以提高治疗安全性和有效性 | 接受ICI治疗的癌症患者 | 数字病理学 | 肺癌 | 计算机断层扫描（CT） | CNN | 图像 | 671名患者的2,700份胸部CT扫描数据 | NA | NA | NA | NA |
| 286 | 2025-05-09 |
Application of Surface-Enhanced Raman Spectroscopy in Head and Neck Cancer Diagnosis
2025-Feb-25, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c02796
PMID:39951652
|
review | 本文综述了表面增强拉曼光谱（SERS）在头颈癌诊断和治疗中的应用现状及前景 | 展示了SERS在液体活检、单分子检测、肿瘤微环境表征以及与人工智能结合方面的创新应用 | 未提及具体的技术实施难点或临床转化障碍 | 探讨SERS技术在头颈癌精准诊疗领域的应用潜力 | 头颈癌的分子生物学诊断、组织水平识别和治疗监测 | 数字病理学 | 头颈癌 | 表面增强拉曼光谱（SERS） | 机器学习与深度学习算法 | 光谱数据 | NA | NA | NA | NA | NA |
| 287 | 2025-05-09 |
Stacked CNN-based multichannel attention networks for Alzheimer disease detection
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85703-x
PMID:39962097
|
research paper | 该研究提出了一种基于堆叠CNN和多通道注意力网络的轻量级模型SCCAN，用于MRI图像中的阿尔茨海默病检测 | 提出了一种结合堆叠CNN和通道注意力模块的新型模型SCCAN，通过多层次特征提取和通道维度上的特征选择，有效减少噪声并提升特征权重效果 | 模型在较小数据集上训练，可能在大规模数据集上的泛化能力有待验证 | 开发一种高效的阿尔茨海默病自动识别系统 | 阿尔茨海默病患者的MRI图像 | digital pathology | geriatric disease | MRI | CNN, Channel Attention Network | image | ADNI1 Complete 1Yr 1.5T, Kaggle和OASIS-1数据集 | NA | NA | NA | NA |
| 288 | 2025-05-09 |
Dense convolution-based attention network for Alzheimer's disease classification
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85802-9
PMID:39962113
|
研究论文 | 提出了一种名为DenseAttentionNetwork (DANet)的轻量级模型，用于在3D MRI图像中检测阿尔茨海默病 | 结合密集连接和线性注意力机制，以较少的参数实现高效预测，并克服标准自注意力的一些限制 | 未提及具体的局限性 | 开发一个高效且参数较少的模型，用于阿尔茨海默病的分类 | 3D MRI图像 | 数字病理学 | 阿尔茨海默病 | 3D MRI成像 | CNN与线性注意力机制结合的DANet | 3D图像 | 多机构数据集，具体数量未提及 | NA | NA | NA | NA |
| 289 | 2025-05-09 |
Multimodal surface-based transformer model for early diagnosis of Alzheimer's disease
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90115-y
PMID:39962212
|
研究论文 | 提出了一种基于多模态表面特征的Transformer模型，用于阿尔茨海默病的早期诊断 | 首次利用多模态、轻量级的皮层表面特征（来自MRI和PET扫描）替代计算密集型的3D体积特征，并采用中间融合方法和交叉注意力机制高效整合不同模态的特征 | 研究仅基于ADNI系列数据集，未在其他独立数据集上验证 | 开发一种计算效率更高的阿尔茨海默病早期诊断方法 | 阿尔茨海默病患者 | 数字病理学 | 阿尔茨海默病 | MRI, PET扫描 | Transformer | 图像 | ADNI系列数据集（具体数量未提及） | NA | NA | NA | NA |
| 290 | 2025-05-09 |
A unified framework harnessing multi-scale feature ensemble and attention mechanism for gastric polyp and protrusion identification in gastroscope imaging
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90034-y
PMID:39962226
|
研究论文 | 本研究提出了一种名为MultiAttentiveScopeNet的深度学习模型，用于提高胃镜图像中胃息肉和隆起物的识别准确率 | 结合多层特征集成和注意力机制，提高胃镜图像分析的准确性和可解释性 | NA | 解决胃息肉和隆起物在胃镜图像中的诊断挑战 | 胃镜图像 | 计算机视觉 | 胃部疾病 | 深度学习 | CNN | 图像 | 大型多类胃镜图像数据集 | NA | NA | NA | NA |
| 291 | 2025-05-09 |
A hybrid optimization-enhanced 1D-ResCNN framework for epileptic spike detection in scalp EEG signals
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90164-3
PMID:39962290
|
research paper | 提出了一种结合1D残差卷积神经网络(1D-ResCNN)和混合优化策略的深度学习架构，用于头皮脑电信号中的癫痫尖峰检测 | 结合LAMB和AdamW算法的混合优化策略，提高了模型效率和收敛速度，同时从时域和频域脑电数据中提取特征 | NA | 开发一种高效、准确的癫痫尖峰实时检测方法 | 头皮脑电信号中的癫痫尖峰 | digital pathology | epilepsy | 1D-ResCNN, LAMB, AdamW | 1D-ResCNN | EEG signals | CHB-MIT数据集(12名患者的24通道脑电记录)和Siena数据集(14名成人患者的脑电数据) | NA | NA | NA | NA |
| 292 | 2025-05-09 |
Research on the development of an intelligent prediction model for blood pressure variability during hemodialysis
2025-Feb-17, BMC nephrology
IF:2.2Q2
DOI:10.1186/s12882-025-03959-x
PMID:39962403
|
research paper | 开发一种智能预测模型，用于预测血液透析期间血压变异性 | 利用机器学习和深度学习模型预测血液透析期间的血压波动，并通过SHAP方法识别关键特征，开发临床应用程序 | 研究数据仅来自两家医院，可能缺乏广泛代表性 | 预测血液透析期间的血压波动（IDH和IDHTN），以减少并发症 | 血液透析患者 | machine learning | cardiovascular disease | machine learning, SHAP | XGBoost, CatBoost, RF | clinical data | 67,524次血液透析会话（47,053次用于模型训练和测试，20,471次用于外部验证） | NA | NA | NA | NA |
| 293 | 2025-05-09 |
Predicting visual field global and local parameters from OCT measurements using explainable machine learning
2025-Feb-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89557-1
PMID:39956834
|
研究论文 | 该研究开发了五种回归模型，用于从光学相干断层扫描（OCT）数据预测视野（VF）测量，并通过SHAP分析提高模型的可解释性，同时开发了一个名为OCT to VF Predictor的临床软件工具 | 引入了点态归一化和步长概念，在点态敏感性预测中获得了2.51 dB的平均绝对误差，灰度预测模型的平均结构相似性指数达到77%，并通过SHAP分析为青光眼诊断提供了关键特征见解 | 研究样本量相对有限（268只青光眼和226只正常眼），且未提及模型在其他疾病或更大样本中的泛化能力 | 通过机器学习和可解释AI工具预测青光眼患者的视野参数，辅助眼科医生进行诊断 | 青光眼患者和正常人的眼睛（共494只眼，包括早期、中期和晚期青光眼） | 机器学习 | 青光眼 | 光学相干断层扫描（OCT） | 回归模型 | 医学影像数据 | 268只青光眼（86早期、72中期、110晚期）和226只正常眼 | NA | NA | NA | NA |
| 294 | 2025-05-09 |
RNA-protein interaction prediction using network-guided deep learning
2025-Feb-16, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-07694-9
PMID:39956833
|
research paper | 介绍了一种名为ZHMolGraph的网络引导深度学习方法，用于预测RNA-蛋白质相互作用 | 整合了图神经网络和无监督大型语言模型，显著提高了对未知RNA和蛋白质相互作用的预测准确性 | RNA数量有限且灵活性高，可能限制了深度学习模型的有效性 | 提高RNA-蛋白质相互作用的计算预测准确性 | RNA和蛋白质的相互作用 | machine learning | NA | graph neural network, unsupervised large language models | ZHMolGraph | RNA-protein interaction data | 两个基准数据集，包括未知RNA和蛋白质的数据集 | NA | NA | NA | NA |
| 295 | 2025-05-09 |
Advanced prognostic modeling with deep learning: assessing long-term outcomes in liver transplant recipients from deceased and living donors
2025-Feb-16, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-06183-1
PMID:39956905
|
研究论文 | 本研究利用深度学习开发了一种先进的预后模型，用于评估肝移植后的长期结果，特别关注区分死亡和活体供体移植 | 使用Deeplearning4j多层感知器分类器进行长期生存分析，并验证了其在肝移植后生存预测中的实用性 | 研究仅基于UNOS数据库的数据，可能无法涵盖所有相关变量 | 开发一个先进的预后模型来预测肝移植后的长期结果 | 肝移植受者，包括死亡和活体供体移植的受者 | 机器学习 | 肝病 | 深度学习 | Deeplearning4j Multilayer Perceptron (MLP) | 临床、人口统计和移植相关变量 | 353,589条记录（1998年至2023年） | NA | NA | NA | NA |
| 296 | 2025-05-09 |
Development and validation of MRI-derived deep learning score for non-invasive prediction of PD-L1 expression and prognostic stratification in head and neck squamous cell carcinoma
2025-Feb-16, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00837-5
PMID:39956910
|
研究论文 | 开发并验证了一种基于MRI的深度学习评分（DLS），用于无创预测头颈部鳞状细胞癌（HNSCC）患者的PD-L1表达状态及其对免疫检查点抑制剂（ICI）治疗的预后分层效果 | 利用ResNet-101卷积神经网络和基于transformer的注意力机制模型，融合多序列MRI特征，首次实现了对HNSCC患者PD-L1表达的无创预测和预后分层 | 研究样本来自两个机构，可能存在选择偏倚；模型性能在外部验证队列中有所下降 | 开发非侵入性预测HNSCC患者PD-L1表达的方法，并评估其对免疫治疗预后的预测价值 | 头颈部鳞状细胞癌（HNSCC）患者 | 数字病理 | 头颈部鳞状细胞癌 | MRI（T1WI、T2WI和对比增强T1WI） | ResNet-101 CNN与transformer融合模型 | 医学影像 | 来自两个机构的610名HNSCC患者（四个队列） | NA | NA | NA | NA |
| 297 | 2025-05-09 |
Deep learning for detecting and early predicting chronic obstructive pulmonary disease from spirogram time series
2025-Feb-15, NPJ systems biology and applications
IF:3.5Q1
DOI:10.1038/s41540-025-00489-y
PMID:39955293
|
研究论文 | 提出了一种名为DeepSpiro的深度学习新方法，用于从肺活量时间序列中检测和早期预测慢性阻塞性肺疾病(COPD) | 开发了DeepSpiro，一个包含四个关键组件的深度学习框架，能够基于细微数据模式预测未来COPD风险，预测时间跨度可达1-5年或更长 | NA | 早期预测慢性阻塞性肺疾病(COPD)的未来风险 | 肺活量时间序列数据 | 机器学习 | 慢性阻塞性肺疾病 | 深度学习 | DeepSpiro(包含SpiroSmoother, SpiroEncoder, SpiroExplainer, SpiroPredictor) | 时间序列数据(Volume-Flow曲线) | UK Biobank数据集 | NA | NA | NA | NA |
| 298 | 2025-05-09 |
Machine learning via DARTS-Optimized MobileViT models for pancreatic Cancer diagnosis with graph-based deep learning
2025-Feb-15, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02923-x
PMID:39955532
|
研究论文 | 本研究提出了一种结合基于图的数据表示和DARTS优化的MobileViT模型的新方法，以提高胰腺癌诊断的准确性和可靠性 | 创新性地将基于图的深度学习与机器学习技术结合，使用DARTS优化的MobileViT模型进行胰腺癌诊断，性能优于传统CNN和Vision Transformer模型 | 未提及具体的研究局限性 | 提高胰腺癌诊断的准确性和可靠性 | 胰腺CT图像 | 计算机视觉 | 胰腺癌 | Harris角点检测算法、DARTS、KNN、SVM、RF、XGBoost | MobileViTv2_150、MobileViTv2_200、CNN、Vision Transformer | 图像 | NA | NA | NA | NA | NA |
| 299 | 2025-05-09 |
AlphaFold prediction of structural ensembles of disordered proteins
2025-Feb-14, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56572-9
PMID:39952928
|
research paper | 本文介绍了AlphaFold-Metainference方法，利用AlphaFold预测的距离作为分子动力学模拟的结构约束，构建有序和无序蛋白质的结构集合 | 将AlphaFold预测的距离用于分子动力学模拟，构建无序蛋白质的结构集合，填补了深度学习在无序蛋白质预测领域的空白 | 方法依赖于AlphaFold的预测准确性，且需要进一步验证在更广泛无序蛋白质上的适用性 | 探索深度学习方法在预测无序蛋白质结构集合中的应用 | 有序和无序蛋白质 | machine learning | NA | AlphaFold, 分子动力学模拟 | AlphaFold | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 300 | 2025-05-09 |
Reducing inference cost of Alzheimer's disease identification using an uncertainty-aware ensemble of uni-modal and multi-modal learners
2025-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86110-y
PMID:39952976
|
research paper | 提出一种基于MRI和FDG PET的多模态深度学习方法，通过结合MRI模型的不确定性估计来减少对FDG PET扫描的依赖，从而降低阿尔茨海默病识别的推理成本 | 结合MRI模型的不确定性估计（使用蒙特卡洛dropout和证据深度学习生成）来决定是否需要FDG PET扫描，仅在必要时输入FDG PET到多模态模型中 | 假设MRI和FDG PET数据在模型训练时可用，但在实际临床中可能并非总是如此 | 优化阿尔茨海默病的识别方法，减少对昂贵且有辐射的FDG PET扫描的依赖 | 阿尔茨海默病患者 | digital pathology | geriatric disease | MRI, FDG PET, Monte Carlo dropout, evidential deep learning | multi-modal deep learning | image | NA | NA | NA | NA | NA |