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 1430 篇文献，本页显示第 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2025-06-03 |
Deep Learning-Based Chronic Obstructive Pulmonary Disease Exacerbation Prediction Using Flow-Volume and Volume-Time Curve Imaging: Retrospective Cohort Study
2025-May-15, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/69785
PMID:40373296
|
研究论文 | 本研究利用深度学习和呼吸功能测试图像预测慢性阻塞性肺疾病(COPD)急性加重事件 | 结合临床数据和呼吸功能测试图像(流量-容积环和容积-时间曲线)的AI模型，相比仅使用临床变量的模型，能更准确地预测COPD急性加重事件 | 回顾性研究设计可能引入选择偏倚，且仅来自两家教学医院的数据可能限制结果的普遍性 | 开发能更准确预测COPD急性加重的AI模型 | COPD患者 | 数字病理 | 慢性阻塞性肺疾病 | 深度学习 | AI-PFT-Clin模型(结合临床和图像数据的AI模型) | 图像(流量-容积环和容积-时间曲线)和临床数据 | 10,492例COPD病例(开发队列6,870例，外部验证队列3,622例) | NA | NA | NA | NA |
| 362 | 2025-10-06 |
Assessing the Severity of Connective Tissue-Related Interstitial Lung Disease Using Computed Tomography Quantitative Analysis Parameters
2025 May-Jun 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001693
PMID:39761506
|
研究论文 | 本研究通过CT定量分析参数预测结缔组织病相关间质性肺病患者的肺功能损伤并评估疾病严重程度 | 结合CT深度学习模型和密度阈值方法，首次系统评估蜂窝状改变在CTD-ILD严重程度分级中的预测价值 | 回顾性研究设计，样本量相对有限（105例患者），缺乏外部验证 | 预测CTD-ILD患者肺功能损伤并评估疾病严重程度 | 结缔组织病相关间质性肺病患者和健康对照者 | 数字病理 | 间质性肺病 | 计算机断层扫描定量分析，深度学习模型，密度阈值分割 | 深度学习模型 | 胸部高分辨率CT图像 | 105例CTD-ILD患者（46男59女，中位年龄64岁）和80例健康对照 | NA | RDNet | AUC, 敏感性, 特异性, 相关系数 | NA |
| 363 | 2025-10-06 |
Deep Learning Reconstruction for Enhanced Resolution and Image Quality in Breath-Hold MRCP: A Preliminary Study
2025 May-Jun 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001680
PMID:39761494
|
研究论文 | 本研究评估增强分辨率深度学习重建技术在磁共振胰胆管成像中的图像质量提升效果 | 首次将增强分辨率深度学习重建技术应用于单次屏气MRCP成像，显著提升图像分辨率和质量 | 样本量较小（34例患者），为初步研究，需要更大规模验证 | 评估ER-DLR技术在MRCP图像重建中的性能表现 | 胆道和胰腺疾病患者的MRCP图像 | 医学影像分析 | 胆道胰腺疾病 | 磁共振成像，深度学习重建 | 深度学习 | 医学影像 | 34例胆道胰腺疾病患者 | NA | NA | 信噪比, 对比度, 对比噪声比, 斜率, 图像噪声评分, 对比度评分, 伪影评分, 锐度评分, 整体图像质量评分 | 3T MRI系统 |
| 364 | 2025-06-02 |
DeepCR: predicting cytokine receptor proteins through pretrained language models and deep learning networks
2025-May-31, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2025.2512448
PMID:40448687
|
研究论文 | 本文提出了一种结合预训练语言模型和多窗口卷积神经网络的分类框架，用于快速准确识别细胞因子受体蛋白 | 首次专门针对细胞因子受体蛋白进行分类研究，结合PLMs和mCNN架构，无需手动特征提取 | 未提及模型在更广泛蛋白质数据集上的泛化能力 | 开发高效识别细胞因子受体蛋白的计算方法 | 细胞因子受体蛋白 | 计算生物学 | 自身免疫性疾病 | 预训练语言模型(ProtTrans, ESM), 多窗口CNN | PLMs+mCNN | 蛋白质序列 | NA | NA | NA | NA | NA |
| 365 | 2025-06-02 |
Attention-driven deep learning framework for EEG analysis in ADHD detection
2025-May-31, Applied neuropsychology. Child
DOI:10.1080/21622965.2025.2512919
PMID:40449519
|
research paper | 提出一种基于注意力机制的深度学习框架，用于分析EEG信号以检测ADHD | 模型整合注意力机制以选择性关注关键EEG特征，提升分类性能 | NA | 提高ADHD检测的准确性 | 被诊断为ADHD的儿童及对照组儿童的EEG记录 | machine learning | ADHD | EEG | 深度学习框架（含注意力机制） | EEG信号 | 来自IEEE DataPort的EEG记录数据集，包含ADHD儿童和对照组 | NA | NA | NA | NA |
| 366 | 2025-06-02 |
Unified estimation of rice canopy leaf area index over multiple periods based on UAV multispectral imagery and deep learning
2025-May-30, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01398-1
PMID:40442795
|
研究论文 | 本研究利用无人机多光谱遥感技术和深度学习模型，实现了水稻冠层叶面积指数(LAI)的多时期统一估算 | 结合无人机多光谱遥感和CNN技术，提出了一种高效准确的水稻LAI多时期估算方法，并通过特征筛选提高了模型精度 | 未来可进一步探索更多特征提取和变量筛选方法，通过优化模型结构提高精度和稳定性 | 开发高效准确的水稻生长监测方法 | 水稻冠层叶面积指数(LAI) | 农业遥感 | NA | 无人机多光谱遥感 | MLP, CNN | 多光谱图像 | NA | NA | NA | NA | NA |
| 367 | 2025-06-02 |
Evaluation of machine learning and deep learning algorithms for fire prediction in Southeast Asia
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00628-9
PMID:40442135
|
研究论文 | 评估机器学习和深度学习算法在东南亚火灾预测中的应用 | 比较了六种不同的ML和DL模型在东南亚火灾预测中的表现，并针对不同地区的时空动态特点推荐了最优模型 | 未提及模型在其他地区或不同时间尺度上的泛化能力 | 提高东南亚地区火灾预测的准确性以支持火灾管理决策 | 东南亚地区的植被火灾 | 机器学习 | NA | VIIRS卫星数据 | MLP, CNN, LSTM, CNN-LSTM, ConvLSTM | 卫星图像数据 | 东南亚多国（文莱、印尼、马来西亚等）的火灾数据 | NA | NA | NA | NA |
| 368 | 2025-06-02 |
An efficient dual-branch framework via implicit self-texture enhancement for arbitrary-scale histopathology image super-resolution
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02503-z
PMID:40442141
|
research paper | 提出了一种基于隐式自纹理增强的双分支框架（ISTE），用于任意尺度病理图像超分辨率 | ISTE框架通过特征聚合分支和纹理学习分支，结合两阶段纹理增强策略，有效提升病理图像超分辨率的局部细节和高频纹理细节 | 未明确提及具体局限性 | 解决病理图像任意尺度超分辨率问题，提升图像质量以支持下游病理分析任务 | 病理图像 | digital pathology | lung cancer | deep learning-based single-image super-resolution (SISR), implicit neural representation (INR) | dual-branch framework (ISTE) | image | 公开数据集（TMA、HistoSR和TCGA肺癌数据集） | NA | NA | NA | NA |
| 369 | 2025-06-02 |
A deep learning model for prediction of lysine crotonylation sites by fusing multi-features based on multi-head self-attention mechanism
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04058-5
PMID:40442183
|
研究论文 | 提出了一种基于多头自注意力机制的深度学习模型DeepMM-Kcr，用于预测赖氨酸巴豆酰化位点 | 融合了自然语言处理特征和手工特征，并采用多头自注意力机制进行特征融合，构建了基于CNN、双向GRU和多层感知机的深度学习框架 | NA | 快速准确地识别赖氨酸巴豆酰化修饰位点，以研究其生物学效应 | 赖氨酸巴豆酰化位点 | 机器学习 | NA | 深度学习 | CNN, 双向GRU, 多层感知机 | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 370 | 2025-06-02 |
Evaluating statistical consistency for the ocean component of earth system models using physics informed convolutional autoencoder
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03092-7
PMID:40442217
|
研究论文 | 本文提出了一种基于物理信息卷积自编码器（PIConvAE）的深度学习方法O-ESM-DCT，用于评估地球系统模型（ESMs）海洋组分的统计一致性 | O-ESM-DCT采用物理信息卷积自编码器模型，在少量模拟数据下实现快速收敛，并通过数据保真度和物理驱动损失作为一致性评估指标 | 传统深度学习方法在小数据环境下缺乏鲁棒性且难以保证收敛 | 开发一种高效评估地球系统模型海洋组分统计一致性的方法 | 地球系统模型（ESMs）的海洋组分 | 机器学习 | NA | 深度学习 | 卷积自编码器（PIConvAE） | 模型模拟数据 | 少量模拟数据 | NA | NA | NA | NA |
| 371 | 2025-06-02 |
Hierarchical Information-guided robotic grasp detection
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03313-z
PMID:40442259
|
研究论文 | 提出了一种名为GraspFormer的新型机器人抓取检测方法，通过独特的编码器-解码器框架和Grasp Transformer Block来解决复杂环境中抓取检测的挑战 | 引入了层次信息引导的自注意力机制(HIGSA)和自适应深度通道调制器(DCM)，以增强特征交互和竞争，同时建模长距离依赖关系 | 未提及具体的实验环境限制或数据集的局限性 | 提高机器人在复杂动态环境中的抓取准确性和效率 | 机器人抓取检测 | 计算机视觉 | NA | 深度学习 | Transformer, CNN | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 372 | 2025-06-02 |
Gaussian random fields as an abstract representation of patient metadata for multimodal medical image segmentation
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03393-x
PMID:40442267
|
research paper | 提出了一种新颖的多模态分割方法，将患者元数据以高斯随机场的形式引入训练流程，用于慢性伤口的检测和监测 | 首次将患者数据整合到慢性伤口分割工作流中，通过高斯随机场表达患者元数据，并使用特定元数据类别训练个体模型后通过距离变换平均合并预测掩码 | 未提及方法在其他类型伤口或医学图像分割任务中的泛化能力 | 开发创新的深度学习方法以减少慢性伤口对患者和临床医生的影响 | 糖尿病患者的慢性伤口 | digital pathology | diabetes | deep learning | multimodal segmentation model | multimodal medical image | Diabetic Foot Ulcer Challenge 2022测试集 | NA | NA | NA | NA |
| 373 | 2025-06-02 |
Recent advances in antibody optimization based on deep learning methods
2025-May-28, Journal of Zhejiang University. Science. B
DOI:10.1631/jzus.B2400387
PMID:40436639
|
review | 本文综述了基于深度学习的抗体优化方法的最新进展 | 探讨了人工智能算法，特别是深度学习方法在抗体优化中的应用及其潜在解决方案 | 讨论了当前通用深度学习算法在抗体优化中面临的挑战 | 优化抗体的性质以加速抗体药物的开发 | 抗体 | machine learning | NA | deep learning | NA | NA | NA | NA | NA | NA | NA |
| 374 | 2025-06-02 |
A hybrid explainable federated-based vision transformer framework for breast cancer prediction via risk factors
2025-May-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96527-0
PMID:40419634
|
research paper | 提出了一种可解释的联邦学习框架，结合Vision Transformer和CNN，用于乳腺癌预测 | 结合了联邦学习、Vision Transformer和CNN的混合模型，并引入可解释AI技术提高模型透明度 | 未提及具体的数据集规模和多样性限制 | 开发一个隐私保护且准确的乳腺癌预测框架 | 乳腺癌预测 | digital pathology | breast cancer | federated learning, XAI | Vision Transformer (ViT), CNN | image, risk factors data | NA | NA | NA | NA | NA |
| 375 | 2025-06-02 |
Foldclass and Merizo-search: scalable structural similarity search for single- and multi-domain proteins using geometric learning
2025-May-06, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf277
PMID:40326701
|
research paper | 开发了一种基于嵌入的快速结构比较方法Foldclass和结合深度学习自动域分割工具Merizo的Merizo-search，用于检测蛋白质结构间的相似性 | 结合Foldclass嵌入方法和Merizo自动域分割工具，实现了对多域蛋白质结构的快速结构相似性搜索 | 未提及具体性能限制或在不同数据集上的泛化能力 | 解决大规模蛋白质结构存储、搜索和关系检测的挑战，特别是在多域结构方面 | 单域和多域蛋白质结构 | 生物信息学 | NA | 深度学习, 几何学习 | NA | 蛋白质结构数据 | 3.65亿个域来自Encyclopedia of Domains | NA | NA | NA | NA |
| 376 | 2025-06-02 |
Development of a novel machine learning model to automate vertebral column segmentation utilizing biplanar full-body imaging
2025-May-03, The spine journal : official journal of the North American Spine Society
DOI:10.1016/j.spinee.2025.05.003
PMID:40324481
|
research paper | 开发了一种基于机器学习的模型，用于自动化从双平面全身成像中分割脊柱 | 采用两阶段深度学习模型，结合UNET架构，首次在双平面全身X光图像中实现脊柱的自动分割，包括复杂脊柱病理情况 | 研究为回顾性设计，样本量相对有限（250例），且仅在单一医疗中心进行 | 开发能够自动化从双平面全身放射影像中分割脊柱的人工智能算法 | 退变性脊柱侧弯（DS）患者的脊柱影像 | computer vision | degenerative scoliosis | biplanar full-body imaging | CNN with UNET architecture | X-ray image | 250例患者影像（200训练/50测试） | NA | NA | NA | NA |
| 377 | 2025-06-02 |
PLM-DBPs: enhancing plant DNA-binding protein prediction by integrating sequence-based and structure-aware protein language models
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf245
PMID:40439671
|
research paper | 提出了一种名为PLM-DBPs的深度学习框架，通过整合基于序列和结构感知的蛋白质语言模型来增强植物DNA结合蛋白的预测 | 整合基于序列和结构感知的蛋白质语言模型，显著提高了植物DNA结合蛋白的预测准确性 | 虽然基于序列的蛋白质语言模型在DNA结合蛋白预测中表现良好，但整合结构信息可以进一步提高预测准确性，但未提及具体的数据集规模或模型泛化能力 | 增强植物DNA结合蛋白的预测准确性 | 植物DNA结合蛋白 | machine learning | NA | 蛋白质语言模型(PLMs), 深度学习 | ANN | 蛋白质序列和结构数据 | NA | NA | NA | NA | NA |
| 378 | 2025-06-01 |
Machine Learning-Based Rupture Risk Prediction for Intracranial Aneurysms: A Systematic Review and Meta-Analysis
2025-May-30, Neurosurgery
IF:3.9Q1
DOI:10.1227/neu.0000000000003531
PMID:40444989
|
meta-analysis | 本文通过系统综述和荟萃分析评估了机器学习在预测颅内动脉瘤破裂风险中的应用，并与PHASES评分进行了比较 | 机器学习模型在预测颅内动脉瘤破裂风险中展现出比传统PHASES评分更高的特异性，且结合血流动力学参数可进一步提升模型准确性 | 需要前瞻性研究来验证机器学习模型在临床整合中的实用性 | 评估机器学习在预测颅内动脉瘤破裂风险中的应用效果 | 颅内动脉瘤患者 | machine learning | cardiovascular disease | machine learning | deep learning | clinical data | 36项研究，涉及22,462名患者 | NA | NA | NA | NA |
| 379 | 2025-06-01 |
Load demand forecasting in air conditioning a rotor Hopfield neural network approach optimized by a new optimization algorithm
2025-May-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02568-w
PMID:40436955
|
研究论文 | 本文提出了一种新的改进转子Hopfield神经网络（RHNN）与分数阶季节优化算法（FO-SOA）相结合的方法，用于空调系统的负荷需求预测 | 结合了改进的转子Hopfield神经网络和分数阶季节优化算法，优化了负荷需求预测的准确性和可靠性 | 未提及具体的数据来源和样本量细节，可能影响方法的普适性验证 | 优化空调系统的负荷需求预测，以提高能源管理效率和室内环境舒适度 | 空调系统的负荷需求 | 机器学习 | NA | 分数阶季节优化算法（FO-SOA） | 转子Hopfield神经网络（RHNN） | 历史负荷数据、环境温度、湿度、占用模式等 | NA | NA | NA | NA | NA |
| 380 | 2025-06-01 |
Predicting abnormal fetal growth using deep learning
2025-May-29, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01704-0
PMID:40437236
|
研究论文 | 本研究利用深度学习技术提高胎儿生长异常预测的准确性 | 开发了一种深度学习模型，在检测SGA和LGA方面显著优于当前临床标准Hadlock公式，并减少了人口统计学和技术变量上的偏差 | 未提及模型在临床实际应用中的潜在挑战或局限性 | 提高胎儿生长异常的预测准确性 | 胎儿生长异常（SGA和LGA） | 数字病理 | 胎儿生长异常 | 深度学习 | 深度学习模型 | 超声图像 | 65,752名患者的94,538次检查产生的433,096张超声图像 | NA | NA | NA | NA |