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 1342 篇文献，本页显示第 601 - 620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 601 | 2025-05-08 |
Explainable AI-driven scalogram analysis and optimized transfer learning for sleep apnea detection with single-lead electrocardiograms
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109769
PMID:39923592
|
研究论文 | 本研究提出了一种利用单导联心电图信号和深度学习技术检测睡眠呼吸暂停的新方法 | 采用连续小波变换将心电图信号转换为时频域标量图，并优化预训练的GoogLeNet架构作为迁移学习模型，提高了分类性能 | 研究依赖于特定数据集，可能在其他数据集上的泛化能力有限 | 开发一种高效、准确的睡眠呼吸暂停检测方法 | 睡眠呼吸暂停患者的心电图信号 | 数字病理学 | 睡眠呼吸暂停 | 连续小波变换 | GoogLeNet | 心电图信号 | PhysioNet Apnea ECG数据集、UCDDB数据集和MIT-BIH多导睡眠图数据集 | NA | NA | NA | NA |
| 602 | 2025-05-08 |
Does Deep Learning Reconstruction Improve Ureteral Stone Detection and Subjective Image Quality in the CT Images of Patients with Metal Hardware?
2025-Mar, Journal of endourology
IF:2.9Q1
DOI:10.1089/end.2024.0666
PMID:39932744
|
研究论文 | 本研究比较了在金属髋关节假体存在下，低剂量和常规剂量CT扫描结合或不结合深度学习重建（DLR）和金属伪影减少（MAR）技术对输尿管结石检测和图像质量的影响 | 首次在尸体模型中评估了DLR和MAR技术对低剂量CT扫描在金属假体存在下输尿管结石检测和图像质量的改善效果 | 研究样本量较小（仅10个泌尿系统组合），且仅在尸体模型中进行 | 评估DLR和MAR技术是否能改善金属假体患者低剂量CT扫描的输尿管结石检测和图像质量 | 植入输尿管结石的尸体模型（含双侧髋关节假体） | 医学影像 | 泌尿系统疾病 | CT扫描（常规剂量和超低剂量），深度学习重建（DLR），金属伪影减少（MAR） | 深度学习 | CT图像 | 10个植入4-6mm输尿管结石的泌尿系统组合（尸体模型） | NA | NA | NA | NA |
| 603 | 2025-05-08 |
Functional near-infrared spectroscopy (fNIRS) in patients with major depressive disorder, generalized anxiety disorder and their comorbidity: Comparison with healthy controls
2025-Mar, Asian journal of psychiatry
IF:3.8Q1
DOI:10.1016/j.ajp.2025.104382
PMID:39933260
|
研究论文 | 本研究使用fNIRS-VFT任务比较了广泛性焦虑障碍(GAD)、重度抑郁症(MDD)及其共病(CMG)患者与健康对照组的前额叶功能差异，并评估了fNIRS设备作为认知任务诊断工具的可靠性 | 结合全连接层和Dropout层的深度学习模型对fNIRS数据进行分类，探索了不同脑区激活模式在精神障碍诊断中的价值 | 样本量相对有限，未考虑其他可能的混杂因素 | 评估fNIRS在精神障碍诊断中的应用价值 | GAD、MDD、CMG患者及健康对照组 | 数字病理 | 精神疾病 | fNIRS | 全连接层与Dropout层结合的深度学习模型 | 脑血流动力学数据 | 296人(75 GAD, 75 MDD, 71 CMG, 75 HC) | NA | NA | NA | NA |
| 604 | 2025-05-08 |
Review on computational methods for the detection and classification of Parkinson's Disease
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109767
PMID:39938340
|
review | 本文对帕金森病(PD)的计算检测和分类方法进行了系统性综述 | 聚焦PD生物标志物和多种成像模态，深入分析现有机器学习与深度学习模型的性能及局限性 | 现有PD诊断数据集适用性有限，需要扩展其应用范围 | 系统调研PD诊断方法以提升诊断准确性 | 帕金森病的影像学特征和生物标志物 | machine learning | geriatric disease | MRI成像 | machine learning, deep learning | image | NA | NA | NA | NA | NA |
| 605 | 2025-05-08 |
Deep learning paradigms in lung cancer diagnosis: A methodological review, open challenges, and future directions
2025-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.104914
PMID:39938402
|
review | 本文全面探讨了深度学习在肺癌诊断中的应用，包括结节检测、分类和预后预测 | 深度学习在肺癌诊断中展现出卓越性能，有时甚至超越人类专家准确率，并推动了计算机辅助诊断系统的发展 | 面临数据质量和可解释性等挑战 | 提升肺癌诊断的精确性和效率 | 肺癌诊断中的深度学习模型 | digital pathology | lung cancer | NA | deep neural networks | image | NA | NA | NA | NA | NA |
| 606 | 2025-10-07 |
Deep learning assisted prediction of osteogenic capability of orthopedic implant surfaces based on early cell morphology
2025-Mar-15, Acta biomaterialia
IF:9.4Q1
DOI:10.1016/j.actbio.2025.01.059
PMID:39894326
|
研究论文 | 本研究开发了一种基于早期细胞形态和深度学习的骨科植入物表面成骨能力预测方法 | 首次将深度学习应用于基于早期细胞形态的植入物表面成骨能力预测，开发了OIODNet模型和成骨预测器应用 | NA | 开发高效筛选骨科植入物表面成骨能力的方法 | 钛及其合金植入物表面 | 计算机视觉 | 骨科疾病 | 细胞形态成像，碱性磷酸酶活性检测 | 深度学习 | 图像 | NA | NA | OIODNet | 准确率，精确率，召回率，F1分数，AUC | NA |
| 607 | 2025-10-07 |
ERNIE-ac4C: A Novel Deep Learning Model for Effectively Predicting N4-acetylcytidine Sites
2025-Mar-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.168978
PMID:39900287
|
研究论文 | 提出一种结合ERNIE-RNA语言模型和二维CNN的深度学习模型ERNIE-ac4C，用于准确预测RNA中的N4-乙酰胞苷修饰位点 | 首次将ERNIE-RNA语言模型与二维CNN结合，融合序列特征和注意力图特征进行ac4C位点预测 | 未明确说明模型的具体局限性 | 开发高效准确的ac4C修饰位点预测方法 | RNA中的N4-乙酰胞苷修饰位点 | 生物信息学 | NA | 深度学习 | CNN, 语言模型 | RNA序列数据 | NA | NA | ERNIE-RNA, 二维CNN | 准确率 | NA |
| 608 | 2025-10-07 |
DOGpred: A Novel Deep Learning Framework for Accurate Identification of Human O-linked Threonine Glycosylation Sites
2025-Mar-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.168977
PMID:39900285
|
研究论文 | 开发了一种名为DOGpred的新型深度学习框架，用于准确识别人类O-连接苏氨酸糖基化位点 | 提出结合传统特征描述符和预训练蛋白质语言模型嵌入的双路径深度学习架构，并采用基于注意力的特征融合机制 | NA | 开发计算工具以准确预测蛋白质上的O-连接苏氨酸糖基化位点 | 人类蛋白质的O-连接苏氨酸糖基化位点 | 生物信息学 | NA | 深度学习，蛋白质序列分析 | CNN, RNN | 蛋白质序列特征 | NA | NA | 堆叠1D CNN，基于注意力的堆叠RNN | NA | NA |
| 609 | 2025-05-07 |
TIMS2Rescore: A Data Dependent Acquisition-Parallel Accumulation and Serial Fragmentation-Optimized Data-Driven Rescoring Pipeline Based on MS2Rescore
2025-Mar-07, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.4c00609
PMID:39915959
|
研究论文 | 介绍了一种名为TIMS2Rescore的数据驱动重评分工作流程，专为timsTOF仪器的DDA-PASEF数据优化 | 结合了新的timsTOF MSPIP谱预测模型和基于深度学习的肽离子迁移率预测器IM2Deep，直接支持Bruker原始质谱数据和多种搜索引擎结果 | 未明确提及具体限制 | 提高质谱数据分析的准确性和效率，以支持蛋白质组学研究 | 血浆蛋白质组学、免疫肽组学（HLA I类和II类）和元蛋白质组学数据集 | 蛋白质组学 | NA | 质谱技术（MS）、离子迁移技术、PASEF技术 | 深度学习模型 | 质谱数据 | NA | NA | NA | NA | NA |
| 610 | 2025-10-07 |
Developing an interpretable machine learning model for diagnosing gout using clinical and ultrasound features
2025-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.111959
PMID:39893823
|
研究论文 | 开发基于临床数据和超声特征的痛风诊断机器学习模型，并应用SHAP进行模型解释 | 结合临床特征和超声特征构建可解释的痛风诊断模型，首次应用SHAP分析阐明特征贡献度 | 研究样本量有限（共609例），外部验证队列样本较少（n=92） | 开发用于痛风预测的机器学习模型 | 来自两个机构的609例患者的首次跖趾关节超声数据 | 机器学习 | 痛风 | 超声检查 | Logistic Regression, Random Forest, LASSO, XGBoost | 临床数据和超声特征 | 609例患者（机构1：571例，机构2：92例） | NA | NA | AUC, Brier score | NA |
| 611 | 2025-10-07 |
ABIET: An explainable transformer for identifying functional groups in biological active molecules
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109740
PMID:39894011
|
研究论文 | 提出一种可解释的Transformer模型ABIET，用于识别生物活性分子中对药物-靶点相互作用最关键的功能基团 | 首次将注意力权重用于功能基团识别，提出考虑双向相互作用、分层提取和激活变换的注意力分数处理策略 | NA | 提高Transformer模型在药物发现中的可解释性，识别关键分子区域 | 生物活性分子及其功能基团 | 自然语言处理 | NA | SMILES表示 | Transformer | 分子结构文本数据 | NA | NA | Transformer-encoder | 重要性评分 | NA |
| 612 | 2025-10-07 |
Deep Learning-Based Accelerated MR Cholangiopancreatography Without Fully-Sampled Data
2025-Mar, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70002
PMID:39907193
|
研究论文 | 本研究开发了一种基于深度学习的加速磁共振胰胆管成像重建方法，无需全采样数据 | 首次在3T和0.55T场强下应用深度学习重建加速MRCP采集，并比较了监督学习和自监督学习两种训练策略 | 研究仅纳入35名健康志愿者，样本量有限，且未在患者群体中验证 | 加速磁共振胰胆管成像采集过程，同时保持图像质量 | 35名健康志愿者的MRCP扫描数据 | 医学影像分析 | 肝胆胰疾病 | 磁共振成像 | 深度学习 | 医学影像 | 35名健康志愿者 | NA | NA | 峰值信噪比, 结构相似性 | NA |
| 613 | 2025-10-07 |
ZFP-CanPred: Predicting the effect of mutations in zinc-finger proteins in cancers using protein language models
2025-Mar, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2025.01.020
PMID:39909391
|
研究论文 | 开发基于蛋白质语言模型的深度学习工具ZFP-CanPred，用于预测锌指蛋白中致癌驱动突变 | 首次利用蛋白质语言模型从突变位点结构邻域提取表征，专门针对锌指蛋白的癌症驱动突变进行预测 | 模型仅针对锌指蛋白的错义突变进行研究，未涉及其他类型突变或蛋白质家族 | 开发高精度预测锌指蛋白致癌突变的计算工具 | 锌指蛋白中的错义突变 | 生物信息学 | 癌症 | 蛋白质语言模型 | 深度学习 | 蛋白质序列和结构数据 | 331个突变的精选数据集 | NA | ZFP-CanPred | 准确率,F1分数,AUC | NA |
| 614 | 2025-10-07 |
Automated dysphagia characterization in head and neck cancer patients using videofluoroscopic swallowing studies
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109759
PMID:39914196
|
研究论文 | 提出一种基于视频荧光吞咽研究(VFSS)的自动化分析框架，用于头颈癌患者的吞咽困难表征 | 首次开发集成深度学习标注、吞咽动态参数提取和机器学习分类的自动化VFSS分析框架 | 数据集规模有限且VFSS数据存在变异性 | 开发自动化工具用于头颈癌患者吞咽困难的客观评估 | 头颈癌患者、健康个体和非头颈癌相关吞咽困难患者 | 计算机视觉 | 头颈癌 | 视频荧光吞咽研究(VFSS) | 深度学习, 机器学习 | 视频 | 包含健康个体、头颈癌放疗前后患者及非头颈癌吞咽困难患者的多个队列 | NA | NA | 准确率, 平均像素误差 | NA |
| 615 | 2025-05-07 |
You get the best of both worlds? Integrating deep learning and traditional machine learning for breast cancer risk prediction
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109733
PMID:39914201
|
研究论文 | 本文提出了一种结合深度学习和传统机器学习的方法，用于基于图像的乳腺癌风险预测 | 创新性地将深度学习与传统机器学习方法结合，用于乳腺癌风险预测，并在性能上取得了提升 | 需要进一步的验证以确认其临床适用性 | 开发一种基于图像的乳腺癌风险预测模型，以提高筛查的个性化水平 | 乳腺癌风险预测 | 计算机视觉 | 乳腺癌 | 深度学习与传统机器学习结合 | 深度学习与传统机器学习模型 | 图像 | 3720例对照组和1471例风险病例的乳腺X光片 | NA | NA | NA | NA |
| 616 | 2025-05-04 |
Utilizing deep learning for automatic segmentation of the cochleae in temporal bone computed tomography
2025-Mar, Acta radiologica (Stockholm, Sweden : 1987)
DOI:10.1177/02841851241307333
PMID:39840644
|
研究论文 | 利用深度学习在颞骨计算机断层扫描中自动分割耳蜗 | 比较了三种深度学习模型（3D U-Net、UNETR和SegResNet）在耳蜗自动分割中的性能，并发现SegResNet表现最佳 | 样本量相对较小，仅包含231个样本，且仅测试了三种CT类型 | 评估深度学习在颞骨CT中自动分割耳蜗的实用性，以区分异常和正常图像 | 颞骨CT图像中的耳蜗 | 计算机视觉 | NA | CT扫描 | 3D U-Net, UNETR, SegResNet | 图像 | 231个样本（77个正常和154个异常） | NA | NA | NA | NA |
| 617 | 2025-05-04 |
A novel hybrid ViT-LSTM model with explainable AI for brain stroke detection and classification in CT images: A case study of Rajshahi region
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109711
PMID:39847947
|
研究论文 | 提出了一种结合ViT和LSTM的混合模型，用于CT图像中脑卒中的检测和分类，并通过可解释AI方法提高预测的可靠性 | 首次将Vision Transformer (ViT)和LSTM结合用于脑卒中检测，并引入可解释AI方法增强模型的可信度 | 研究主要基于Rajshahi地区的数据，可能在其他地区的泛化性有待验证 | 开发自动化解决方案以提高脑卒中CT图像诊断的准确性和及时性 | CT图像中的脑卒中特征 | 计算机视觉 | 脑卒中 | 深度学习 | ViT-LSTM混合模型 | CT图像 | BrSCTHD-2023数据集（来源：Rajshahi Medical College Hospital）和Kaggle脑卒中数据集 | NA | NA | NA | NA |
| 618 | 2025-05-04 |
Interpretable COVID-19 chest X-ray detection based on handcrafted feature analysis and sequential neural network
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109659
PMID:39847942
|
research paper | 该研究提出两种新算法DC-GLM和CAMSGNeT，用于提高COVID-19胸部X光检测的可解释性和准确性 | 引入了动态共现灰度矩阵(DC-GLM)和上下文自适应多尺度Gabor网络(CAMSGNeT)，以增强纹理特征提取和模型可解释性 | 未提及具体的数据集规模限制或计算资源需求 | 开发更可解释、精确且资源高效的COVID-19胸部X光检测方法 | COVID-19患者的胸部X光图像 | digital pathology | COVID-19 | DC-GLM, CAMSGNeT | sequential neural network | image | 两个数据集（具体数量未提及） | NA | NA | NA | NA |
| 619 | 2025-05-04 |
A multimodal deep learning model for cervical pre-cancers and cancers prediction: Development and internal validation study
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109710
PMID:39847948
|
研究论文 | 开发并验证了一种基于深度学习的多模态模型，用于预测宫颈癌前病变和癌症 | 结合临床数据和阴道镜图像的多模态深度学习模型，在预测CIN2+状态方面表现优于单独使用图像或临床数据的模型及临床医生的阴道镜印象 | 需要外部验证研究以评估模型的泛化能力 | 开发一种能够提高宫颈癌筛查和诊断客观性和可重复性的深度学习模型 | 6356例LEEP锥切/锥活检病例（金标准诊断） | 数字病理 | 宫颈癌 | 深度学习 | 多模态深度学习模型 | 临床数据和阴道镜图像 | 6356例病例 | NA | NA | NA | NA |
| 620 | 2025-05-04 |
Opportunistic AI for enhanced cardiovascular disease risk stratification using abdominal CT scans
2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本研究提出了一种基于深度学习的DL-CVDi评分，用于通过常规腹部CT扫描预测心血管疾病风险 | 利用常规腹部CT扫描中的机会性生物标志物，通过深度生存学习预测心血管疾病风险，提高了现有基线模型的预测一致性 | 未来研究需要在多民族队列中验证结果，并探索其在合并症患者中的效用 | 开发一种新型生物标志物，用于心血管疾病风险分层 | 心血管疾病风险预测 | 数字病理学 | 心血管疾病 | CT扫描 | 深度学习 | 图像 | NA | NA | NA | NA | NA |