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 1341 - 1360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1341 | 2025-04-22 |
Capsule DenseNet++: Enhanced autism detection framework with deep learning and reinforcement learning-based lifestyle recommendation
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110038
PMID:40120178
|
研究论文 | 提出了一种结合深度学习和强化学习的自闭症检测框架，并提供了基于强化学习的个性化生活方式建议 | 提出了Capsule DenseNet++深度学习模型和基于PPO算法的个性化生活方式推荐系统，提高了自闭症检测的准确性和干预效果 | 研究仅在沙特阿拉伯的两个数据集上进行了测试，可能在其他地区或人群中的适用性有限 | 开发一个准确的自闭症检测框架并提供个性化生活方式建议 | 自闭症谱系障碍(ASD)患者，特别是沙特阿拉伯的幼儿 | 机器学习 | 自闭症谱系障碍 | 深度学习, 强化学习 | Capsule DenseNet++, PPO | 结构化数据 | 两个数据集：自闭症筛查数据和沙特阿拉伯幼儿ASD筛查数据 | NA | NA | NA | NA |
| 1342 | 2025-04-22 |
HistoMSC: Density and topology analysis for AI-based visual annotation of histopathology whole slide images
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109991
PMID:40120181
|
research paper | 提出了一种用于组织病理学全切片图像自动视觉注释的端到端框架 | 结合深度学习模型实现细胞核的精确定位和分类，并通过空间数据聚合扩展稀疏分布细胞核的类别，引入了一种新颖且经济高效的定位方法 | 未提及具体样本量或数据集大小，可能影响结果的普遍性 | 开发一个自动视觉注释框架，以辅助病理学家分析和解释全切片图像 | 组织病理学全切片图像中的细胞核 | digital pathology | neoplastic cases | U-Net, ResNet-50, YOLO, 生成方法, 核密度估计, Morse-Smale理论 | U-Net, ResNet-50, YOLO | image | NA | NA | NA | NA | NA |
| 1343 | 2025-04-22 |
Synergistic eigenanalysis of covariance and Hessian matrices for enhanced binary classification on health datasets
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109985
PMID:40132299
|
研究论文 | 提出了一种结合协方差矩阵和Hessian矩阵特征分析的新方法，用于增强健康数据集上的二元分类性能 | 首次将协方差矩阵和Hessian矩阵的特征分析相结合，通过投影到两个矩阵的最相关特征方向空间，实现了最优类别可分性 | 方法在理想数据条件下（如类均值周围的各向同性和主导领先特征值）表现最佳，实际应用中可能受限 | 提高二元分类任务的性能，特别是在健康数据集上 | 健康数据集和神经网络数据集 | 机器学习 | NA | 特征分析 | 深度学习模型 | 结构化数据 | NA | NA | NA | NA | NA |
| 1344 | 2025-04-22 |
Advancements in automated nuclei segmentation for histopathology using you only look once-driven approaches: A systematic review
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110072
PMID:40138968
|
系统综述 | 本文系统综述了基于YOLO框架的自动化细胞核分割技术在组织病理学图像分析中的进展、挑战和应用 | 全面评估YOLO框架在组织病理学细胞核分割中的独特优势，并与传统分割方法进行对比分析 | 处理细胞核外观变异、优化模型架构以提高在组织病理学图像上的性能、提升跨数据集的泛化能力等方面仍存在挑战 | 探索和评估YOLO框架在组织病理学图像细胞核分割中的方法和应用 | 组织病理学图像中的细胞核 | 数字病理学 | NA | YOLO框架 | CNN | 图像 | NA | NA | NA | NA | NA |
| 1345 | 2025-04-22 |
Distinguishing severe sleep apnea from habitual snoring using a neck-wearable piezoelectric sensor and deep learning: A pilot study
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110070
PMID:40147187
|
研究论文 | 本研究开发了一种结合颈部可穿戴压电传感器和深度学习的模型，用于准确区分严重睡眠呼吸暂停综合征（SAS）与习惯性打鼾 | 创新性地结合了颈部可穿戴压电传感器和混合深度学习模型（1D CNN和GRU），为早期和精确区分严重SAS与习惯性打鼾提供了新方法 | 样本量较小（60名成人），未来研究需要扩大样本量、多样化患者群体并在真实世界环境中进行外部验证 | 解决成人严重睡眠呼吸暂停综合征（SAS）诊断不足的问题 | 60名成人习惯性打鼾者 | 机器学习 | 睡眠呼吸暂停综合征 | 颈部可穿戴压电传感器 | 1D CNN和GRU混合模型 | 振动信号（70-250Hz）和颈动脉搏动信号（0.01-1.5Hz） | 60名成人习惯性打鼾者（初始数据集来自20名参与者，包含1167个静默样本、1304个打鼾样本和399个噪音样本） | NA | NA | NA | NA |
| 1346 | 2025-04-22 |
Impact of sex differences on subject-independent EEG-based emotion recognition models
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110036
PMID:40147184
|
research paper | 该研究探讨了性别差异对基于EEG的独立于受试者的情绪识别模型的影响，并利用注意力网络层和逻辑回归分析揭示了情绪调节的性别差异 | 使用注意力网络层识别与情绪预测更相关的大脑区域，并通过逻辑回归分析评估性别对情绪预测的影响，揭示了情绪调节的性别差异 | 研究主要关注情绪音频-视觉刺激引发的皮层激活模式，未涉及其他类型刺激或更广泛的情感状态 | 提高独立于受试者的EEG情绪识别模型的准确性和可解释性 | EEG信号和情绪状态 | machine learning | NA | EEG | attention network, logistic regression | EEG信号 | NA | NA | NA | NA | NA |
| 1347 | 2025-04-22 |
Enhancing visual speech perception through deep automatic lipreading: A systematic review
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110019
PMID:40157316
|
综述 | 本文对自动唇读技术的研究趋势进行了系统的文献综述，重点关注深度学习在提升听力障碍者沟通能力中的应用 | 采用PRISMA协议对2014年至2024年中的114篇原创研究文章进行系统分析，总结了自动唇读技术的研究趋势、数据集、任务分类及系统架构 | 面临数据量不足、环境条件不佳和语言多样性等挑战 | 提升听力障碍者的沟通能力 | 自动唇读技术 | 自然语言处理 | 听力障碍 | 深度学习 | 深度学习模型 | 视频 | 114篇研究文章 | NA | NA | NA | NA |
| 1348 | 2025-04-22 |
A data-driven personalized approach to predict blood glucose levels in type-1 diabetes patients exercising in free-living conditions
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110015
PMID:40164029
|
research paper | 该研究评估了数据驱动方法在自由生活条件下准确预测1型糖尿病患者运动时血糖水平的能力 | 结合多种机器学习和深度学习模型，采用个性化与群体模型微调相结合的方法预测血糖水平 | 部分患者的预测仍具有挑战性，且难以解释为何某些患者更难预测 | 评估数据驱动方法在预测1型糖尿病患者运动时血糖水平的准确性和安全性 | 1型糖尿病患者在自由生活条件下的血糖水平 | machine learning | diabetes | continuous glucose monitoring, insulin pumps, carbohydrate intake, exercise intensity and duration, physical activity-related information | XGBoost, Random Forest, LSTM, CNN-LSTM, Dual-encoder with Attention layer | continuous glucose monitoring data, insulin pump data, carbohydrate intake data, exercise data, physical activity data | 79名1型糖尿病患者，每人4周的数据 | NA | NA | NA | NA |
| 1349 | 2025-04-22 |
A novel hybrid feature fusion approach using handcrafted features with transfer learning model for enhanced skin cancer classification
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110104
PMID:40168807
|
research paper | 提出了一种新颖的混合特征融合方法，结合手工特征与迁移学习模型，用于增强皮肤癌分类 | 结合了GLCM、RDWT和DenseNet121特征的混合特征融合方法，显著提高了分类准确率 | 未提及具体的数据集规模限制或模型泛化能力的测试 | 提高皮肤癌诊断的准确性和可靠性 | 皮肤病变图像 | digital pathology | skin cancer | Grey-Level Co-Occurrence Matrix (GLCM), Redundant Discrete Wavelet Transform (RDWT), transfer learning | DenseNet121, XGBoost, ensemble classifier | image | NA | NA | NA | NA | NA |
| 1350 | 2025-04-22 |
Multimodal learning-based speech enhancement and separation, recent innovations, new horizons, challenges and real-world applications
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110082
PMID:40174498
|
综述 | 本文全面回顾了基于多模态学习的语音增强和分离技术的最新进展及其在现实世界中的应用 | 探讨了多模态学习如何整合音频、视觉和文本等多种感官信息以提高语音增强和分离的性能，并介绍了多种深度学习架构和融合策略 | 在噪声和动态的现实环境中，各种方法的同步性、模型鲁棒性和实时应用的可扩展性仍面临挑战 | 研究多模态学习在语音增强和分离领域的应用及其未来发展方向 | 语音增强和分离技术 | 自然语言处理 | NA | 多模态学习 | Transformers, CNN, GNN, VAE, GAN, Diffusion Models | 音频信号、视觉线索、文本数据 | NA | NA | NA | NA | NA |
| 1351 | 2025-04-22 |
A domain adaptation model for carotid ultrasound: Image harmonization, noise reduction, and impact on cardiovascular risk markers
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110030
PMID:40179806
|
研究论文 | 本文提出了一种基于生成对抗网络（GAN）的模型，用于解决超声图像中的域适应问题，包括图像协调和降噪 | 将图像协调和降噪任务制定为图像到图像的翻译任务，同时保持图像内容（解剖结构）不变 | 下游风险标志物计算可能会受到影响 | 解决超声图像中因不同系统或参数设置导致的域适应问题 | 颈动脉超声图像 | 计算机视觉 | 心血管疾病 | GAN | GAN | 图像 | NA | NA | NA | NA | NA |
| 1352 | 2025-04-22 |
How did we get there? AI applications to biological networks and sequences
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110064
PMID:40184941
|
综述 | 本文全面概述了人工智能在基因组学、蛋白质组学和系统生物学中的当前应用状态 | 强调了深度学习模型在序列嵌入、基序发现、基因表达和蛋白质结构预测中的准确性和效率提升 | 未具体提及研究的局限性 | 探索人工智能在复杂生物数据中的应用潜力 | 基因组学、蛋白质组学和系统生物学中的数据 | 机器学习 | NA | 深度学习 | 深度学习模型 | 生物序列和网络数据 | NA | NA | NA | NA | NA |
| 1353 | 2025-04-22 |
Prediction of IUGR condition at birth by means of CTG recordings and a ResNet model
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110123
PMID:40184939
|
research paper | 本研究开发了一种基于CTG信号和ResNet模型的深度学习方法来预测出生时的IUGR状况 | 采用两步训练过程的ResNet架构，通过区分‘假定’和‘确认’数据集来最小化数据损失，提高了预测准确性 | 尽管使用了较大数据集，但与其他文献相比的样本量未具体说明，且未提及模型在其他独立数据集上的验证情况 | 提高出生时IUGR状况的早期检测准确性 | 产前CTG信号 | digital pathology | geriatric disease | CTG, deep learning | ResNet | signal | 未具体说明，但提及使用了非常大的数据集 | NA | NA | NA | NA |
| 1354 | 2025-04-22 |
Hybrid deep learning framework for diabetic retinopathy classification with optimized attention AlexNet
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110054
PMID:40154203
|
research paper | 提出了一种基于混合深度学习框架的糖尿病视网膜病变分类方法，使用优化的注意力AlexNet模型 | 结合了元启发式优化算法改进的注意力AlexNet模型（At-AlexNet-ImNO），用于糖尿病视网膜病变的分类 | 未提及具体的数据集偏差或模型泛化能力的限制 | 提高糖尿病视网膜病变的自动分类准确率 | 糖尿病视网膜病变的眼底图像 | digital pathology | diabetic retinopathy | metaheuristic optimization, deep learning | Attention AlexNet based Improved Nutcracker Optimizer (At-AlexNet-ImNO) | image | APTOS-2019 Blindness-Detection 和 EyePacs 两个基准数据集 | NA | NA | NA | NA |
| 1355 | 2025-10-07 |
Validation of a Deep Learning Model for Diabetic Retinopathy on Patients with Young-Onset Diabetes
2025-May, Ophthalmology and therapy
IF:2.6Q2
DOI:10.1007/s40123-025-01116-z
PMID:40087218
|
研究论文 | 验证深度学习模型在年轻发病糖尿病患者中筛查糖尿病视网膜病变的性能 | 首次在年轻糖尿病患者（18-45岁）中系统验证深度学习系统性能，特别关注年轻患者特有的视网膜光泽特征对模型的影响 | 研究队列中98.8%为1型糖尿病患者，可能限制结果对其他类型糖尿病的泛化能力；视网膜光泽干扰参考标签准确性 | 评估深度学习系统在年轻糖尿病患者中筛查糖尿病视网膜病变的性能差异 | 321名18-45岁年轻糖尿病患者，分为18-25岁和26-45岁两个队列 | 数字病理 | 糖尿病视网膜病变 | 眼底摄影 | 深度学习系统 | 眼底图像 | 321名患者 | NA | NA | 敏感度, 特异度 | NA |
| 1356 | 2025-10-07 |
Deep-Learning-Assisted Analysis of Early Biomarker Changes in Treatment-Naïve Patients with Neovascular AMD Under Intravitreal Faricimab
2025-May, Ophthalmology and therapy
IF:2.6Q2
DOI:10.1007/s40123-025-01125-y
PMID:40133689
|
研究论文 | 本研究应用基于深度学习的语义分割算法量化新生血管性年龄相关性黄斑变性患者的关键OCT生物标志物，并评估玻璃体腔内faricimab治疗的短期疗效 | 首次将AI驱动的生物标志物分割算法应用于faricimab治疗新生血管性年龄相关性黄斑变性的疗效评估，实现了关键生物标志物的客观量化分析 | 研究样本量较小（40眼），回顾性研究设计，缺乏长期随访数据 | 评估玻璃体腔内faricimab在初治新生血管性年龄相关性黄斑变性患者中的短期疗效 | 38名初治新生血管性年龄相关性黄斑变性患者的40只眼睛 | 数字病理学 | 年龄相关性黄斑变性 | 光学相干断层扫描 | 深度学习 | 医学影像 | 38名患者的40只眼睛 | NA | 语义分割算法 | p值 | NA |
| 1357 | 2025-10-07 |
A Deep Learning Segmentation Model for Detection of Active Proliferative Diabetic Retinopathy
2025-May, Ophthalmology and therapy
IF:2.6Q2
DOI:10.1007/s40123-025-01127-w
PMID:40146482
|
研究论文 | 开发一种深度学习分割模型用于检测活动性增殖性糖尿病视网膜病变 | 通过标注新生血管和视网膜前出血来识别需要立即治疗的PDR患者，现有DL算法缺乏此能力 | 样本量相对有限（637张活动性PDR图像），阳性预测值较低（57%） | 开发能够准确检测活动性增殖性糖尿病视网膜病变的深度学习模型 | 糖尿病视网膜病变患者的六视野视网膜图像 | 计算机视觉 | 糖尿病视网膜病变 | 视网膜成像 | 深度学习分割模型 | 视网膜图像 | 938张六视野视网膜图像（637张活动性PDR，301张非活动性PDR），来自199名患者 | NA | NA | 灵敏度, 特异度, 阴性预测值, 阳性预测值 | NA |
| 1358 | 2025-04-21 |
Virtual screening and characterization of novel myogenic peptides from bovine collagen hydrolysates: Targeting myomaker
2025-May, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.116267
PMID:40253143
|
研究论文 | 本研究通过虚拟筛选和表征牛骨胶原水解物中的新型肌原性肽，探索其通过靶向Myomaker促进肌肉分化和再生的机制 | 首次发现肽AGPPGPPGPAGK能与Myomaker形成稳定复合物，并通过调节能量代谢促进成肌细胞分化 | HRH1在细胞分化能量代谢中的调控作用需进一步验证 | 阐明牛骨胶原促进肌肉分化和再生的分子机制 | 牛骨胶原水解物中的肽序列（特别是AGPPGPPGPAGK）及其与Myomaker的相互作用 | 生物信息学与分子生物学 | 肌肉衰老 | 肽组学、分子对接、动力学模拟、深度学习预测、转录组分析 | 深度学习工具（未指定具体模型） | 肽序列数据、分子模拟数据、转录组数据 | 未明确说明样本数量（基于牛骨胶原水解物的肽组学分析） | NA | NA | NA | NA |
| 1359 | 2025-04-21 |
Progress in machine learning-supported electronic nose and hyperspectral imaging technologies for food safety assessment: A review
2025-May, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.116285
PMID:40253192
|
综述 | 本文综述了机器学习支持的电子鼻和高光谱成像技术在食品安全评估中的应用进展 | 结合电子鼻和高光谱成像技术与机器学习算法，提供食品安全评估的综合视角 | 技术应用主要局限于实验室环境，缺乏标准化协议，影响测试的可重复性和实际应用 | 探讨机器学习如何提升电子鼻和高光谱成像技术在食品安全评估中的性能 | 食品安全评估中的电子鼻和高光谱成像技术 | 机器学习 | NA | 电子鼻(e-nose)、高光谱成像(HSI) | 人工神经网络(ANN)、深度学习(DL) | NA | NA | NA | NA | NA | NA |
| 1360 | 2025-10-07 |
Deep learning-based prediction of tumor aggressiveness in RCC using multiparametric MRI: a pilot study
2025-May, International urology and nephrology
IF:1.8Q3
DOI:10.1007/s11255-024-04300-5
PMID:39671158
|
研究论文 | 本研究开发了一种基于卷积神经网络的多参数MRI融合模型，用于术前预测肾细胞癌的肿瘤侵袭性 | 首次将多b值图像与临床特征通过CNN融合模型结合，用于RCC侵袭性预测 | 样本量较小（47例患者），为初步研究 | 开发非侵入性方法预测肾细胞癌的肿瘤侵袭性 | 47例经病理证实的肾细胞癌患者 | 计算机视觉 | 肾细胞癌 | 多参数磁共振成像 | CNN | 医学影像 | 47例患者（37名男性，10名女性） | NA | 卷积神经网络 | AUC | NA |