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 1370 篇文献，本页显示第 381 - 400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 381 | 2025-05-17 |
TissueProf: An ImageJ/Fiji Plugin for Tissue Profiling Based on Fluorescent Signals
2025-Apr, The European journal of neuroscience
DOI:10.1111/ejn.70094
PMID:40180584
|
research paper | 开发了一个名为TissueProf的ImageJ/Fiji插件，用于基于荧光信号的组织分析 | 提供了一个半自动化的图像分析流程，具有用户输入灵活性，结合了深度学习网络和空间分析 | 需要手动校正细胞分割，可能仍存在一定的用户工作量 | 减少研究人员在多通道显微镜图像分析中的工作量和时间消耗 | 荧光免疫组织化学图像中的细胞群体 | digital pathology | NA | 荧光免疫组织化学 | deep learning networks | image | NA | NA | NA | NA | NA |
| 382 | 2025-05-17 |
AI/ML modeling to enhance the capability of in vitro and in vivo tests in predicting human carcinogenicity
2025-Apr, Mutation research. Genetic toxicology and environmental mutagenesis
DOI:10.1016/j.mrgentox.2025.503858
PMID:40185541
|
研究论文 | 本研究旨在开发一种基于深度学习的计算机模型，通过多任务学习方法预测人类致癌性 | 采用图神经网络(GNN)结合多任务学习框架，整合多种辅助任务提升人类致癌性预测能力 | 未提及具体的数据集规模限制或模型泛化能力测试 | 提高人类致癌性预测的准确性 | 化学物质的致癌性预测 | 机器学习 | 癌症 | 深度学习 | GNN, MTL | 化学物质数据 | NA | NA | NA | NA | NA |
| 383 | 2025-10-07 |
Automated Detection of Oral Malignant Lesions Using Deep Learning: Scoping Review and Meta-Analysis
2025-Apr, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.15188
PMID:39489724
|
综述与荟萃分析 | 通过范围综述和荟萃分析评估深度学习在口腔恶性病变自动检测领域的研究进展 | 首次对深度学习在口腔病变自动检测领域进行系统性范围综述和定量荟萃分析 | 仅纳入14项研究，其中仅3项符合荟萃分析条件，样本量有限 | 评估深度学习在口腔恶性病变自动检测中的效果和应用进展 | 口腔恶性病变的临床图像数据 | 计算机视觉 | 口腔癌 | 深度学习 | 深度学习算法 | 临床图像 | 14项研究（其中3项用于荟萃分析） | NA | NA | 灵敏度, 特异度 | NA |
| 384 | 2025-05-16 |
Modeling Temporal Dependencies in Brain Functional Connectivity to Identify Autism Spectrum Disorders Based on Heterogeneous rs-fMRI Data
2025-Apr-30, Experimental neurobiology
IF:1.8Q4
DOI:10.5607/en24028
PMID:40313229
|
研究论文 | 本研究通过探索脑功能连接的时间动态变化，利用深度学习框架结合注意力机制和LSTM神经网络，识别自闭症谱系障碍（ASD）的风险个体 | 首次将动态功能连接的时间依赖性抽象为高级表征，并用于ASD的识别，结合注意力机制和LSTM的深度学习框架在分类性能上优于传统方法 | 研究依赖于ABIDE数据库的异质性rs-fMRI数据，可能影响模型的泛化能力 | 开发基于动态脑功能连接的ASD客观生物标志物 | 自闭症谱系障碍（ASD）患者 | 数字病理学 | 自闭症谱系障碍 | rs-fMRI | LSTM结合注意力机制 | 图像 | 来自ABIDE数据库的异质性rs-fMRI数据 | NA | NA | NA | NA |
| 385 | 2025-05-16 |
Evaluating Traditional, Deep Learning and Subfield Methods for Automatically Segmenting the Hippocampus From MRI
2025-Apr-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70200
PMID:40143669
|
研究论文 | 评估传统方法、深度学习和海马亚区方法在MRI中自动分割海马体的性能 | 首次独立比较传统方法、深度学习方法和海马亚区分割方法在单一研究中的性能 | 大多数方法在临床数据上表现较差，且存在过度分割的问题，特别是在海马体前边界 | 评估和比较不同自动海马体分割方法的性能 | 海马体 | 神经影像 | 认知障碍 | MRI | 深度学习 | 图像 | 3个数据集，包含手动分割的海马体标签 | NA | NA | NA | NA |
| 386 | 2025-05-15 |
Artificial Intelligence Advancements in Oncology: A Review of Current Trends and Future Directions
2025-Apr-13, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13040951
PMID:40299653
|
综述 | 本文回顾了人工智能在肿瘤学中的最新进展，重点关注计算机辅助诊断的早期检测、个性化治疗策略和药物发现 | 探讨了人工智能与纳米医学和免疫疗法的整合，以及比较了AI模型与传统诊断方法的优势 | 数据质量、算法偏见和临床验证等挑战限制了广泛采用 | 探索人工智能在肿瘤学中的应用及其潜力，以改善癌症诊断、治疗和管理 | 癌症研究和治疗 | 机器学习 | 癌症 | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 387 | 2025-05-15 |
Advances in Artificial Intelligence and Machine Learning for Precision Medicine in Necrotizing Enterocolitis and Neonatal Sepsis: A State-of-the-Art Review
2025-Apr-13, Children (Basel, Switzerland)
DOI:10.3390/children12040498
PMID:40310141
|
review | 本文综述了人工智能和机器学习在坏死性小肠结肠炎（NEC）和新生儿败血症精准医学中的最新进展 | AI和ML模型在NEC风险分层、早期诊断和治疗策略优化方面展现出比传统临床方法更高的准确性，并发现了与疾病发作和严重程度相关的新生物标志物 | 数据异质性、模型可解释性以及需要大规模验证研究等挑战仍然存在 | 探索AI和ML在NEC预测、早期诊断和管理中的应用 | 坏死性小肠结肠炎（NEC）和新生儿败血症 | machine learning | necrotizing enterocolitis, neonatal sepsis | AI, ML, deep learning | NA | medical imaging, clinical data | NA | NA | NA | NA | NA |
| 388 | 2025-05-15 |
The Relevance of General Intelligence Measurement in Deep Learning for Healthcare
2025-04-08, Studies in health technology and informatics
DOI:10.3233/SHTI250052
PMID:40200449
|
research paper | 探讨通用智能测量在医疗健康领域深度学习中的重要性 | 研究了不同层次的泛化（局部、广泛和极端）在医疗AI系统中的贡献和限制，并指出现有评估方法的不足 | 现有评估泛化难度的指标仍不充分，需要开发新的评估方法 | 提高AI系统在复杂临床环境中的有效性和适应性 | 医疗AI系统 | machine learning | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 389 | 2025-05-15 |
Deep-Learning-Based AI-Model for Predicting Dental Plaque in the Young Permanent Teeth of Children Aged 8-13 Years
2025-Apr-07, Children (Basel, Switzerland)
DOI:10.3390/children12040475
PMID:40310101
|
研究论文 | 本研究开发了一种基于深度学习的AI模型，用于预测8-13岁儿童年轻恒牙中的牙菌斑 | 使用U-Net Transformer模型在牙菌斑检测和分割中表现出优于经验丰富的儿科牙医的临床性能 | 样本量较小，仅包含31名患者的506张牙齿图像 | 开发一种快速、可靠的牙菌斑检测和分割方法，以改善儿童口腔健康管理 | 8-13岁儿童的年轻恒牙 | 计算机视觉 | 口腔疾病 | 深度学习 | U-Net Transformer | 图像 | 31名患者的506张牙齿图像 | NA | NA | NA | NA |
| 390 | 2025-05-15 |
Molecular Modelling in Bioactive Peptide Discovery and Characterisation
2025-Apr-03, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15040524
PMID:40305228
|
review | 本文综述了分子建模在生物活性肽发现和表征中的应用及其最新进展 | 整合人工智能技术，特别是深度学习模型如AlphaFold和蛋白质语言模型(PLMs)，显著提升了肽构象和相互作用的预测能力 | 现有方法在整合非经典氨基酸和环化结构方面仍面临挑战 | 探讨分子建模技术在生物活性肽发现和表征中的应用及其发展 | 生物活性肽的结构特性及其与生物靶标的相互作用 | 生物信息学 | NA | 分子建模、分子对接、分子动力学(MD)、虚拟筛选、深度学习 | AlphaFold、蛋白质语言模型(PLMs) | 蛋白质序列和结构数据 | NA | NA | NA | NA | NA |
| 391 | 2025-05-15 |
Past, Present, and Future: A History Lesson in Artificial Intelligence
2025-Apr, Gastrointestinal endoscopy clinics of North America
DOI:10.1016/j.giec.2024.09.003
PMID:40021228
|
review | 回顾人工智能在过去50年的发展历程及其在医学领域的应用 | 总结了AI在胃肠病学中的革命性应用，并展望了未来的发展方向 | 需要解决透明度、责任和伦理问题 | 探讨人工智能在医学领域的历史、现状和未来趋势 | 人工智能在胃肠病学中的应用 | machine learning | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 392 | 2025-05-15 |
The Global and Regional Burden of Gallbladder and Biliary Tract Cancer and Attributable Risk Factors: Trends and Predictions
2025-Apr, Liver international : official journal of the International Association for the Study of the Liver
IF:6.0Q1
DOI:10.1111/liv.70025
PMID:40116757
|
research paper | 该研究全面评估了1990年至2021年胆囊及胆道癌(GBTC)的全球和区域疾病负担及其可归因风险因素，并利用深度学习模型进行趋势预测 | 提出了一种分层加权长短期记忆网络模型(SW-LSTM)用于趋势预测，克服了传统模型的不足 | 低和中低SDI地区的部分指标未观察到显著的时期和队列效应 | 评估GBTC的全球疾病负担并预测其趋势，以改进预防和治疗策略 | 全球范围内的胆囊及胆道癌(GBTC)疾病负担 | machine learning | 胆囊癌及胆道癌 | Joinpoint回归分析、年龄-时期-队列模型(APCM)、分层加权LSTM网络(SW-LSTM) | SW-LSTM | 流行病学数据 | 1990-2021年全球疾病负担研究数据 | NA | NA | NA | NA |
| 393 | 2025-10-07 |
EBMGP: a deep learning model for genomic prediction based on Elastic Net feature selection and bidirectional encoder representations from transformer's embedding and multi-head attention pooling
2025-Apr-19, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik
DOI:10.1007/s00122-025-04894-z
PMID:40253568
|
研究论文 | 提出一种基于弹性网络特征选择和Transformer嵌入与多头注意力池化的深度学习基因组预测模型EBMGP | 将SNP视为'单词'，相似LD水平的相邻SNP组视为'句子'，采用BERT式嵌入方法建模遗传互作，并提出多头注意力池化机制 | NA | 通过基因组估计育种值增强早期选择能力，加速育种进程 | 植物和动物基因组数据 | 机器学习 | NA | 基因组预测 | Transformer | 基因组数据 | 四个不同的动植物数据集 | NA | Transformer,多头注意力机制 | 准确率 | NA |
| 394 | 2025-10-07 |
Self-Supervised Learning with Adaptive Frequency-Time Attention Transformer for Seizure Prediction and Classification
2025-Apr-07, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci15040382
PMID:40309845
|
研究论文 | 提出一种结合自适应频时注意力Transformer的自监督学习方法，用于癫痫发作预测和分类 | 在Transformer架构中引入自适应频时注意力机制，通过自适应频率滤波模块在频域进行全局和局部滤波，并与时序注意力机制结合 | 未明确说明对EEG信号中特定类型噪声的处理效果，以及在不同医疗设备采集数据上的泛化能力 | 提高癫痫发作预测和分类的准确性，减少对标注数据的依赖 | 脑电图信号 | 机器学习 | 癫痫 | 脑电图分析 | Transformer | 脑电图信号 | TUSZ、TUAB和TUEV数据集 | NA | Transformer with Adaptive Frequency-Time Attention | AUROC, 平衡准确率, 加权F1分数, Cohen's kappa | NA |
| 395 | 2025-10-07 |
Flood resilience through hybrid deep learning: Advanced forecasting for Taipei's urban drainage system
2025-Apr, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.124835
PMID:40056592
|
研究论文 | 本研究提出混合深度学习模型用于台北市中山抽水站的城市排水系统洪水预测 | 结合知识图谱整合多源数据，并首次将CNN-BP混合模型应用于城市排水系统的多输入多输出多步预测 | 研究仅针对台北市特定抽水站，模型在其他地区的适用性有待验证 | 通过先进预测技术提升城市排水系统的洪水抵御能力 | 台北市中山抽水站的排水系统水位数据 | 深度学习 | NA | 深度学习预测 | CNN, BPNN | 水位时间序列数据 | 台北市中山抽水站的实时监测数据 | NA | CNN-BP混合架构 | R, RMSE | NA |
| 396 | 2025-10-07 |
Effect of training sample size, image resolution and epochs on filamentous and floc-forming bacteria classification using machine learning
2025-Apr, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.124803
PMID:40056595
|
研究论文 | 本研究探讨训练样本量、图像分辨率和训练周期对基于机器学习的丝状和絮状细菌分类性能的影响 | 系统量化了三个关键模型变量（样本量、分辨率、训练周期）对细菌分割模型精度和计算需求的综合影响 | 研究主要关注特定类型的丝状和絮状细菌，结果可能不适用于其他微生物形态 | 优化人工智能分割模型在废水处理厂细菌检测中的准确性和计算效率 | 废水处理中的丝状细菌和絮状细菌 | 计算机视觉 | NA | 图像分析 | 深度学习 | 图像 | 最多500张细菌图像 | NA | NA | 准确率 | NA |
| 397 | 2025-10-07 |
Integrating flora, fauna, and indigenous practices into spatial optimization for prescribed burning
2025-Apr, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.124833
PMID:40058039
|
研究论文 | 开发了一种整合火灾风险和生态共存能力的空间优化方法，用于指导计划烧除的区域规划 | 首次将植物适应性、动物行为和传统土地管理实践等'共存因素'整合到区域尺度的计划烧除空间优化框架中 | 研究仅应用于嘉陵江流域，方法在其他地区的适用性需要进一步验证 | 开发可持续的火灾管理策略，通过空间优化实现火灾与生态系统的共存 | 嘉陵江流域（中国）的火险易发山区生态系统 | 空间优化 | NA | 空间优化、机器学习、深度学习 | NA | 空间数据、生态数据、火险数据 | 嘉陵江流域整个研究区域 | Zonation 5 | NA | 空间相关性分析、优先级分类 | NA |
| 398 | 2025-10-07 |
Chemically Engineered Peptide Efficiently Blocks Malaria Parasite Entry into Red Blood Cells
2025-Apr-01, Biochemistry
IF:2.9Q3
DOI:10.1021/acs.biochem.4c00465
PMID:40062812
|
研究论文 | 通过化学肽工程开发出一种能高效阻断疟原虫入侵红细胞的环肽抑制剂 | 通过残基插入、骨架环化和引入额外二硫键的化学工程策略，设计出比天然配体亲和力提高20倍的环肽 | 研究主要基于体外实验，尚未进行体内验证 | 设计肽类抑制剂以干扰疾病相关的蛋白质-蛋白质相互作用 | 疟原虫入侵红细胞过程及相关蛋白(AMA1/RON2) | 生物医学工程 | 疟疾 | 化学肽工程、表面等离子共振、体外寄生虫生长抑制实验 | AlphaFold2 | 蛋白质结构数据 | NA | ColabFold | AlphaFold2 | 亲和力倍数增强、抑制效力 | NA |
| 399 | 2025-10-07 |
Phyloformer: Fast, Accurate, and Versatile Phylogenetic Reconstruction with Deep Neural Networks
2025-Apr-01, Molecular biology and evolution
IF:11.0Q1
DOI:10.1093/molbev/msaf051
PMID:40066802
|
研究论文 | 提出基于深度神经网络的快速准确系统发育重建方法Phyloformer | 结合无似然推断和几何深度学习，实现比传统方法更快的进化距离估计和系统发育重建 | 序列数量增加时拓扑准确性落后于最大似然方法 | 开发快速准确的系统发育重建方法 | 基因序列和系统发育树 | 机器学习 | NA | 深度神经网络 | 深度学习模型 | 多序列比对数据 | 3,801个经验基因比对数据集 | NA | Phyloformer | Kuhner-Felsenstein度量, 拓扑准确性 | GPU加速 |
| 400 | 2025-10-07 |
Enhancing short-term algal bloom forecasting through an anti-mimicking hybrid deep learning method
2025-Apr, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.124832
PMID:40068506
|
研究论文 | 提出一种抗模仿混合深度学习模型用于提高短期藻华预测精度 | 开发了结合TCN、注意力机制和BiLSTM的混合深度学习模型，并采用新型DILATE损失函数同时考虑形状和时间损失 | 研究基于单一水库数据，模型在其他水域的泛化能力有待验证 | 提高藻华短期预测准确性，解决时间序列预测中的数据复制问题 | 中国九龙江东水库的藻华动态数据 | 机器学习 | NA | 原位监测 | TCN, BiLSTM, 注意力机制 | 时间序列数据 | 江东水库叶绿素a小时监测数据 | NA | Temporal Convolutional Network, Bidirectional LSTM, 注意力机制 | R, 平均绝对百分比误差, 均方根误差, Kling-Gupta效率 | NA |