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 1382 篇文献，本页显示第 1021 - 1040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1021 | 2025-10-07 |
Interpretation of basal nuclei in brain dopamine transporter scans using a deep convolutional neural network
2025-May-01, Nuclear medicine communications
IF:1.3Q3
DOI:10.1097/MNM.0000000000001963
PMID:39962871
|
研究论文 | 本研究开发了一种基于深度卷积神经网络的模型，用于自动解释脑部多巴胺转运体扫描中的基底核图像 | 首次将迁移学习应用于多巴胺转运体SPECT扫描的基底核自动分类，解决了传统视觉分析和半定量方法的主观性和操作者依赖性问题 | 研究为回顾性研究，样本量相对有限（416例患者），需要进一步前瞻性验证 | 通过深度学习辅助帕金森病的临床诊断 | 临床不确定帕金森综合征患者的基底核多巴胺转运体SPECT扫描图像 | 计算机视觉 | 帕金森病 | DAT SPECT, 99m Tc-TRODAT-1成像 | CNN | 医学图像 | 416例临床不确定帕金森综合征患者 | NA | Xception, InceptionV3, ResNet101 | 准确率, 宏F1分数, kappa值 | NA |
| 1022 | 2025-05-13 |
GLEAM: A multimodal deep learning framework for chronic lower back pain detection using EEG and sEMG signals
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109928
PMID:40054171
|
研究论文 | 介绍了一种名为GLEAM的多模态深度学习框架，用于通过EEG和sEMG信号检测慢性下腰痛强度 | 开发了一种新型去噪GAN用于清理EEG和sEMG信号，设计并集成了新的ETLSTM架构作为GLEAM模型中的分类器，引入了GLEAM混合深度学习框架以实现稳健可靠的LBP强度评估 | NA | 诊断下腰痛强度，提供创新的诊断和治疗解决方案 | 下腰痛患者 | 机器学习 | 下腰痛 | EEG和sEMG信号处理 | GAN-Convolution-Transformer, ETLSTM | EEG和sEMG信号 | NA | NA | NA | NA | NA |
| 1023 | 2025-05-13 |
Accurate phenotyping of luminal A breast cancer in magnetic resonance imaging: A new 3D CNN approach
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109903
PMID:40054167
|
research paper | 本研究提出了一种基于3D CNN的新方法，用于在MRI中准确表型luminal A型乳腺癌 | 提出了一种基于定量医学成像生物标志物（QIB）的新3D CNN模型，用于诊断luminal A型乳腺癌，其性能优于现有方法 | 数据集中存在类别不平衡问题，采用了类别加权策略进行缓解 | 提高luminal A型乳腺癌的诊断准确性和效率，为患者制定个性化治疗方案 | luminal A型乳腺癌和非luminal A型病变 | digital pathology | breast cancer | MRI | 3D CNN | 3D volumetric MRI images | 公共领域MRI乳腺癌数据集（Duke-Breast-Cancer-MRI） | NA | NA | NA | NA |
| 1024 | 2025-05-13 |
A multi-stage fusion deep learning framework merging local patterns with attention-driven contextual dependencies for cancer detection
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109916
PMID:40054172
|
research paper | 提出了一种多阶段融合深度学习框架，结合局部模式和注意力驱动的上下文依赖，用于癌症检测 | 提出了PADBSRNet模型和PADBSRNet-ViT混合方法，整合了多种注意力机制和特征融合策略，有效提取局部-全局上下文特征 | 未提及具体局限性 | 提高癌症诊断的速度和准确性 | 脑肿瘤、皮肤癌和肺癌 | digital pathology | brain tumor, skin cancer, lung cancer | deep learning | PADBSRNet, ViT | image | Figshare Brain Tumor Dataset, IQ-OTH/NCCD Dataset, Skin Cancer: Malignant vs. Benign Dataset | NA | NA | NA | NA |
| 1025 | 2025-05-13 |
Artificial intelligence applied to epilepsy imaging: Current status and future perspectives
2025-May, Revue neurologique
IF:2.8Q2
DOI:10.1016/j.neurol.2025.03.006
PMID:40175210
|
review | 本文综述了人工智能在癫痫影像学中的应用现状及未来展望 | 探讨了深度学习和机器学习在癫痫影像学中的多种应用，包括病灶检测、癫痫灶的侧向化和定位、术后结果预测以及癫痫患者与健康个体的自动区分 | 需要严格的数据监管措施以确保患者数据安全，且依赖大规模数据集 | 提升癫痫的诊断和治疗水平 | 癫痫影像学数据 | 数字病理 | 癫痫 | 深度学习（DL）和机器学习（ML） | NA | 神经影像数据 | NA | NA | NA | NA | NA |
| 1026 | 2025-10-07 |
Unlocking new frontiers in epilepsy through AI: From seizure prediction to personalized medicine
2025-May, Epilepsy & behavior : E&B
IF:2.3Q2
DOI:10.1016/j.yebeh.2025.110327
PMID:40043598
|
综述 | 探讨人工智能在癫痫护理中的革命性作用，包括癫痫发作检测、诊断精度提升和个性化治疗 | 系统阐述AI技术在癫痫管理中的综合应用前景及多学科协作推进临床实施的新范式 | 模型准确性、可解释性存在挑战，在不同患者群体中的适用性仍需验证 | 评估人工智能在癫痫护理领域的转化潜力及实施路径 | 癫痫患者护理与管理体系 | 机器学习 | 癫痫 | 脑电图分析 | 机器学习,深度学习 | 脑电图信号 | NA | NA | NA | 准确性,可解释性 | NA |
| 1027 | 2025-05-13 |
Artificial intelligence for the detection of interictal epileptiform discharges in EEG signals
2025-May, Revue neurologique
IF:2.8Q2
DOI:10.1016/j.neurol.2025.04.001
PMID:40221359
|
review | 本文回顾了利用人工智能技术检测脑电图信号中的间歇性癫痫样放电（IEDs）的各种方法，评估了它们的性能和局限性 | 探讨了从传统机器学习到深度学习技术在IED检测中的应用，并强调了AI工具在临床工作流程中的整合 | 需要公开代码、标准化数据集和指标，以优化临床实施 | 提高间歇性癫痫样放电（IEDs）检测的准确性和效率 | 脑电图（EEG）信号中的间歇性癫痫样放电（IEDs） | 自然语言处理 | 癫痫 | 深度学习，传统机器学习 | NA | EEG信号 | NA | NA | NA | NA | NA |
| 1028 | 2025-05-12 |
Using explainable machine learning to predict the irritation and corrosivity of chemicals on eyes and skin
2025-May-15, Toxicology letters
IF:2.9Q2
DOI:10.1016/j.toxlet.2025.03.008
PMID:40180199
|
研究论文 | 本研究采用可解释的机器学习方法预测化学物质对眼睛和皮肤的刺激性和腐蚀性 | 结合大量实验数据开发多种机器学习和深度学习模型，并通过多层次的解释性分析提供预测结果的深入见解 | 模型在外部验证集上的平衡准确率分别为73.0%和75.1%，仍有提升空间 | 评估农药、化妆品和眼科药物中化学物质的潜在刺激性 | 化学物质对眼睛和皮肤的刺激性和腐蚀性 | 机器学习 | NA | 机器学习和深度学习 | 多种机器学习和深度学习模型 | 实验数据 | 3316个眼刺激实验数据点和3080个皮肤刺激实验数据点 | NA | NA | NA | NA |
| 1029 | 2025-05-12 |
Quantitative analysis and clinical determinants of orthodontically induced root resorption using automated tooth segmentation from CBCT imaging
2025-May-08, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-06052-9
PMID:40340630
|
research paper | 本研究应用深度学习和CBCT技术定量分析正畸诱导的牙根吸收（OIRR）及其风险因素，以提高评估的准确性和效率 | 利用深度学习自动分割CBCT图像中的牙齿，实现OIRR的精确量化，并分析其临床影响因素 | 研究样本量较小（108例），且部分因素对牙根吸收的解释方差较低（3%至15.4%） | 提高正畸诱导牙根吸收的评估准确性和临床决策支持 | 108名正畸患者的CBCT扫描数据 | digital pathology | geriatric disease | CBCT成像 | 深度学习模型 | 3D图像 | 108名正畸患者 | NA | NA | NA | NA |
| 1030 | 2025-05-12 |
Hearing vocals to recognize schizophrenia: speech discriminant analysis with fusion of emotions and features based on deep learning
2025-May-08, BMC psychiatry
IF:3.4Q2
DOI:10.1186/s12888-025-06888-z
PMID:40340671
|
研究论文 | 开发了一种基于深度学习的精神分裂症语音判别模型，结合不同情感刺激和特征 | 结合不同情感刺激和特征融合，提高了精神分裂症检测的准确性和特异性 | 样本量相对较小，且仅使用固定文本进行语音分析 | 提高精神分裂症的准确检测 | 精神分裂症患者和健康对照者 | 自然语言处理 | 精神分裂症 | log-Mel频谱图和MFCCs提取 | CNN | 语音 | 156名精神分裂症患者和74名健康对照者 | NA | NA | NA | NA |
| 1031 | 2025-05-12 |
Optimizing the dynamic treatment regime of outpatient rehabilitation in patients with knee osteoarthritis using reinforcement learning
2025-May-08, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-025-01609-9
PMID:40340812
|
研究论文 | 本研究通过构建膝关节骨关节炎数据库并应用强化学习算法，开发了一种动态治疗推荐系统，以优化膝关节骨关节炎的个性化治疗方案 | 结合特征选择和强化学习技术，提出了一种创新的治疗方法优化方案，为慢性病管理提供了新的可能性 | 研究依赖于模拟实验验证算法有效性，实际临床应用效果有待进一步验证 | 优化膝关节骨关节炎患者的门诊康复动态治疗方案 | 膝关节骨关节炎患者 | 机器学习 | 膝关节骨关节炎 | 随机森林特征选择，强化学习算法（DDPG、DQN、BCQ） | DDPG、DQN、BCQ | 临床问卷数据 | 大量临床数据（具体数量未提及） | NA | NA | NA | NA |
| 1032 | 2025-05-12 |
A multi-label deep residual shrinkage network for high-density surface electromyography decomposition in real-time
2025-May-08, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-025-01639-3
PMID:40340912
|
研究论文 | 提出了一种名为ML-DRSNet的新型实时高密度表面肌电图分解算法，结合多标签学习和深度残差收缩网络以提高准确性和降低延迟 | 首次将多标签学习与深度残差收缩网络(DRSNet)结合用于HD-sEMG分解，显著提高了分解精度并降低了延迟 | 仅在一个公共sEMG数据集上进行了评估，需要更多临床数据验证 | 提高表面肌电图分解的准确性和实时性 | 运动单位尖峰序列(MUSTs) | 生物医学信号处理 | 神经肌肉疾病 | 高密度表面肌电图(HD-sEMG) | 深度残差收缩网络(DRSNet), 多标签深度卷积神经网络(ML-DCNN) | 生物电信号 | 公共sEMG数据集 | NA | NA | NA | NA |
| 1033 | 2025-05-12 |
Predicting adenine base editing efficiencies in different cellular contexts by deep learning
2025-May-08, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03586-7
PMID:40340964
|
研究论文 | 本研究通过深度学习模型BEDICT2.0预测腺嘌呤碱基编辑在不同细胞环境中的效率 | 开发了BEDICT2.0深度学习模型，能够高精度预测腺嘌呤碱基编辑在细胞系和肝脏中的效率，并验证了其在体外和体内环境中的适用性 | 模型在细胞系和肝脏中的预测准确性存在差异，且未在其他类型的细胞或组织中验证 | 预测腺嘌呤碱基编辑在不同细胞环境中的效率，以纠正致病突变 | 腺嘌呤碱基编辑（ABEs）在细胞系和鼠肝脏中的应用 | 机器学习 | NA | 腺嘌呤碱基编辑（ABEs）、深度测序 | 深度学习模型（BEDICT2.0） | 基因序列数据 | 2,195个致病突变和12,000个引导RNA | NA | NA | NA | NA |
| 1034 | 2025-05-12 |
The published role of artificial intelligence in drug discovery and development: a bibliometric and social network analysis from 1990 to 2023
2025-May-08, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-00988-4
PMID:40341055
|
研究论文 | 本文通过文献计量和社交网络分析方法，系统分析了1990年至2023年间人工智能在药物发现和开发中的应用，揭示了该领域的演变、趋势和关键贡献者 | 首次全面分析了AI在药物发现和开发领域的文献计量特征，识别了高产作者、活跃机构、高影响力期刊以及国际合作模式 | 研究仅基于Web of Science数据库，可能未涵盖所有相关文献 | 系统分析AI在药物发现和开发领域的应用，理解该领域的演变、趋势和关键贡献者 | 1990-2023年间发表的4059篇科学文献，涉及13932位作者和1071种期刊 | 药物发现与开发 | NA | 文献计量分析、社交网络分析 | NA | 文献数据 | 4059篇科学出版物 | NA | NA | NA | NA |
| 1035 | 2025-05-12 |
Effective data selection via deep learning processes and corresponding learning strategies in ultrasound image classification
2025-May-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00416-5
PMID:40341123
|
research paper | 本研究提出了一种通过深度学习和创新学习策略优化数据选择的新方法，以增强迁移学习在医学影像分类中的应用 | 提出了一种两阶段网络架构，通过原始网络和True网络的协同工作，优化数据选择并提高分类准确性，无需额外训练数据 | 方法在数据集已达上限且无法扩展的情况下特别有效，但在数据量充足的情况下可能优势不明显 | 提高数据有限情况下医学影像分类的迁移学习效果 | 甲状腺结节超声图像和皮肤镜图像 | computer vision | 甲状腺疾病 | 深度学习 | ResNet101, Vision Transformer, CNN | image | NA | NA | NA | NA | NA |
| 1036 | 2025-05-12 |
Real time intelligent garbage monitoring and efficient collection using Yolov8 and Yolov5 deep learning models for environmental sustainability
2025-May-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99885-x
PMID:40341180
|
研究论文 | 本文提出了一种基于YOLOv8和YOLOv5深度学习模型的实时智能垃圾监测和高效收集系统，以应对城市垃圾管理问题 | 采用两阶段轻量级深度学习模型（YOLOv5和YOLOv8）进行垃圾分类，显著减少参数和计算成本，同时提高垃圾检测和分类的准确性 | 需要进一步研究目标遮挡问题、CPU和GPU硬件优化以及机器人系统集成 | 提高城市垃圾管理的效率和准确性，促进环境可持续发展 | 城市中的垃圾箱及其内部和外部的垃圾 | 计算机视觉 | NA | 深度学习 | YOLOv8, YOLOv5, EfficientNet | 图像 | 公共数据集和新构建的垃圾数据集 | NA | NA | NA | NA |
| 1037 | 2025-05-12 |
Clinical assessment and interpretation of dysarthria in ALS using attention based deep learning AI models
2025-May-08, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01654-7
PMID:40341287
|
研究论文 | 提出一种基于注意力的深度学习AI模型，用于评估ALS患者的构音障碍严重程度 | 采用注意力机制的深度学习模型提高了构音障碍评估的准确性，同时保持了临床可解释性 | 模型性能依赖于有限的样本量和远程收集的录音数据 | 提高ALS患者构音障碍评估的精确度和临床实用性 | ALS患者的语音录音 | 自然语言处理 | ALS（肌萎缩侧索硬化症） | 深度学习 | 基于注意力的深度学习模型 | 音频 | 125名参与者的2,102条录音 | NA | NA | NA | NA |
| 1038 | 2025-05-12 |
Leveraging retinanet based object detection model for assisting visually impaired individuals with metaheuristic optimization algorithm
2025-May-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99903-y
PMID:40341297
|
research paper | 提出了一种基于RetinaNet和元启发式优化算法的对象检测模型，用于帮助视觉障碍人士 | 结合RetinaNet、EfficientNetB0、LSTM-AE和蒲公英优化器(DO)进行对象检测和分类，提高了准确率 | 仅在室内对象检测数据集上进行了验证，未测试室外复杂环境 | 改进实时对象检测方法，帮助视觉障碍人士识别物体 | 视觉障碍人士日常需要识别的物体 | computer vision | NA | Weiner filter, RetinaNet, EfficientNetB0, LSTM-AE, Dandelion Optimizer | RetinaNet, EfficientNetB0, LSTM-AE | image | 室内对象检测数据集(具体数量未提及) | NA | NA | NA | NA |
| 1039 | 2025-05-12 |
Monitoring and deformation of deep excavation engineering based on DFOS technology and hybrid deep learning
2025-May-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01120-0
PMID:40341437
|
研究论文 | 提出了一种结合CNN、LSTM和自注意力机制的混合神经网络模型CNN-LSTM-SAM，用于深基坑位移预测 | 整合了CNN的数据特征提取能力、LSTM的长期记忆功能和自注意力机制的信息加权能力，提高了预测精度 | CNN-LSTM-SAM模型在深基坑位移分析中的应用有限 | 提高深基坑变形监测和预测的精度 | 深基坑工程 | 机器学习 | NA | DFOS技术 | CNN-LSTM-SAM | 时间序列监测数据 | 大连东港商务区某内支撑深基坑工程的位移数据 | NA | NA | NA | NA |
| 1040 | 2025-05-12 |
Deep learning-enhanced anti-noise triboelectric acoustic sensor for human-machine collaboration in noisy environments
2025-May-08, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59523-6
PMID:40341503
|
研究论文 | 开发了一种基于柔性纳米柱结构的抗噪声摩擦电声传感器（Anti-noise TEAS），并结合CNN深度学习模型（Anti-noise TEAS-DLM），用于嘈杂环境中的人机协作 | 通过接触传感直接捕获喉部混合模式振动的声学基频信号，并通过优化设备结构缓冲有效抑制环境噪声，结合深度学习模型实现高保真语义解码 | NA | 开发一种在嘈杂环境中实现高效人机语音交互的系统 | 人机协作系统，特别是在嘈杂环境中的应用 | 机器学习和人机交互 | NA | 深度学习，摩擦电传感 | CNN | 声学信号 | 在模拟虚拟和现实嘈杂环境中进行评估 | NA | NA | NA | NA |