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 1223 篇文献，本页显示第 561 - 580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 561 | 2025-10-06 |
AI-echocardiography: Current status and future direction
2025-Jun, Journal of cardiology
IF:2.5Q2
DOI:10.1016/j.jjcc.2025.02.005
PMID:40023671
|
综述 | 本文综述了人工智能在超声心动图领域的当前应用状况、技术局限性和未来发展方向 | 探讨了基于大语言模型的零样本预测和自动报告生成等前沿技术，分析了AI在心血管疾病预测中的非参数依赖能力 | 依赖大量历史训练数据，专业标注需求可能限制技术普及 | 总结AI在超声心动图分析中的应用现状并展望未来发展方向 | 超声心动图数据和心血管疾病 | 医学影像分析 | 心血管疾病 | 深度学习，大语言模型 | 深度学习模型 | 超声心动图影像 | 基于大规模历史训练数据 | NA | NA | NA | 大规模计算资源 |
| 562 | 2025-10-06 |
Chemical Properties-Based Deep Learning Models for Recommending Rational Daily Diet Combinations to Diabetics Through Large-Scale Virtual Screening of α-Glucosidase Dietary-Derived Inhibitors and Verified In Vitro
2025-Jun-18, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c03646
PMID:40472393
|
研究论文 | 基于化学性质开发深度学习模型，通过大规模虚拟筛选α-葡萄糖苷酶膳食来源抑制剂并体外验证，为糖尿病患者推荐合理的日常饮食组合 | 首次结合三种基于化学性质的深度学习模型（α-葡萄糖苷酶抑制剂、安全性和药物相互作用）进行大规模膳食化合物筛选，发现59个新型抑制剂并验证协同效应 | 研究主要基于虚拟筛选和体外验证，尚未进行临床实验验证 | 开发基于深度学习的饮食推荐系统，帮助糖尿病患者选择合理的日常饮食组合 | 膳食来源化合物，特别是α-葡萄糖苷酶抑制剂 | 机器学习 | 糖尿病 | 虚拟筛选，体外验证实验 | 深度学习模型 | 化学性质数据 | FooDB数据库中约70,000种食物来源化合物，筛选出75种潜在AGIs | NA | NA | 体外验证的抑制效果 | NA |
| 563 | 2025-10-06 |
Explainable AI predicting Alzheimer's disease with latent multimodal deep neural networks
2025-Jun-18, Journal of biopharmaceutical statistics
IF:1.2Q2
DOI:10.1080/10543406.2025.2511194
PMID:40528446
|
研究论文 | 提出一种新颖的潜在多模态深度学习框架，利用临床、神经影像和遗传数据预测阿尔茨海默病认知状态 | 引入潜在多模态深度学习框架，结合注意力机制和交叉注意力层提升预测性能，并计算模态重要性分数增强模型可解释性 | 样本量相对有限（322名患者），数据来源单一（仅ADNI数据库） | 预测阿尔茨海默病认知状态 | 阿尔茨海默病患者 | 机器学习 | 阿尔茨海默病 | 验证性因子分析(CFA) | 深度神经网络 | 临床数据, 神经影像数据, 遗传数据 | 322名55-92岁患者 | NA | 多模态深度神经网络 | 平均绝对误差(MAE), 均方误差(MSE) | NA |
| 564 | 2025-10-06 |
Identifying and predicting EEG microstates with sequence-to-sequence deep learning models for online applications
2025-Jun-17, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ade1f8
PMID:40480246
|
研究论文 | 提出基于序列到序列深度学习框架的EEG微状态在线识别与预测方法 | 首次将序列到序列深度学习模型应用于EEG微状态分析，实现从离线聚类到在线模型-数据混合计算范式的转变 | 在两个公共数据集上验证，样本规模和多样性可能有限 | 开发适用于跨被试、跨数据集和多任务场景的EEG微状态在线分析方法 | 脑电图微状态 | 机器学习 | NA | 脑电图 | 序列到序列深度学习模型 | EEG信号序列数据 | 两个公共数据集 | NA | 序列到序列架构 | 准确率 | NA |
| 565 | 2025-10-06 |
NLP-like deep learning aided in identification and validation of thiosulfinate tolerance clusters in diverse bacteria
2025-Jun-17, mSphere
IF:3.7Q2
DOI:10.1128/msphere.00023-25
PMID:40525872
|
研究论文 | 本研究应用类似自然语言处理的深度学习技术识别和验证了多种细菌中的硫代亚磺酸盐耐受基因簇 | 首次将NLP-like技术应用于细菌基因簇识别，解决了传统方法因序列多样性而难以识别的问题 | 研究主要聚焦于植物病原菌，在其他细菌类型中的应用仍需验证 | 开发新方法识别细菌中难以发现的硫代亚磺酸盐耐受基因簇 | 多种植物病原菌及其基因簇 | 自然语言处理, 生物信息学 | 植物细菌性疾病 | 自然语言处理技术, 基因序列分析, 蛋白质结构预测 | 深度学习 | 基因序列数据, 蛋白质序列数据 | RefSeq细菌数据库中的多个菌株，包括97-1R、pv. FDAARGOS 389和pv. tomato DC3000 | DeepBGC | NA | 实验验证 | NA |
| 566 | 2025-10-06 |
Innovative deep learning and signal decomposition approaches for enhanced spatial and temporal suspended sediment concentration prediction
2025-Jun-17, Environmental science and pollution research international
DOI:10.1007/s11356-025-36581-3
PMID:40526349
|
研究论文 | 本研究提出新型混合深度学习方法来提高悬浮泥沙浓度的时空预测精度 | 结合多种深度学习模型与信号分解技术，首次将CEEMDAN和SVMD与DDNN结合用于SSC预测 | 研究仅限于美国科罗拉多河下游的四个连续监测站数据 | 开发精确可靠的悬浮泥沙浓度预测方法以改善河流管理 | 美国科罗拉多河下游的悬浮泥沙浓度 | 机器学习 | NA | 小波变换相干性分析，信号分解技术 | LSTM, BiLSTM, GRU, DDNN | 时间序列数据 | 2008年至2022年美国科罗拉多河下游四个连续监测站的数据集 | NA | 密集深度神经网络 | 均方误差，均方根误差，纳什-萨克利夫效率，相关系数R | NA |
| 567 | 2025-10-06 |
ABNN: Adaptive-Gating Binary Neural Network With Dynamic Activation Quantization for Industrial Health Status Prediction
2025-Jun-17, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3577620
PMID:40526547
|
研究论文 | 提出一种用于工业健康状态预测的自适应门控二值神经网络，通过动态激活量化优化边缘设备部署 | 提出趋势感知编码器优化输入层二值化过程、可学习精度指示器动态调整推理精度、自适应门控卷积在保持拟合能力的同时提升表示能力 | 未明确说明模型在极端工业环境下的鲁棒性测试结果 | 解决工业边缘场景资源受限和实时性要求下的设备健康状态预测问题 | 工业边缘场景中的复杂工业设备 | 机器学习 | NA | 二值神经网络、FPGA硬件加速 | 二值神经网络 | 工业设备状态数据 | NA | NA | 自适应门控二值神经网络 | 准确率、效率 | FPGA硬件加速器 |
| 568 | 2025-10-06 |
Beyond the Posts: Analyzing Breast Implant Illness Discourse With Natural Language Processing and Deep Learning
2025-Jun-16, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf047
PMID:40173420
|
研究论文 | 使用自然语言处理和深度学习分析社交媒体上关于乳房植入物疾病的患者认知和情感反应 | 首次使用基于1.24亿条X平台推文训练的Robust optimizing BERT模型分析乳房植入物疾病相关讨论，并发现社交媒体讨论与植入物取出率之间的强相关性 | 研究仅基于社交媒体数据，无法证明因果关系，且数据来源局限于单一平台 | 分析社交媒体上患者对乳房植入物疾病的认知和情感反应，及其与临床决策的关系 | 社交媒体上关于乳房植入物疾病的讨论帖子 | 自然语言处理 | 乳房植入物疾病 | 自然语言处理 | BERT, 深度学习模型 | 文本 | 6099条帖子（2014-2023年） | NA | Robust optimizing Bidirectional Encoder Representations from Transformers | 皮尔逊相关系数 | NA |
| 569 | 2025-10-06 |
Rate of brain aging associates with future executive function in Asian children and older adults
2025-Jun-16, eLife
IF:6.4Q1
DOI:10.7554/eLife.97036
PMID:40522287
|
研究论文 | 本研究探讨脑年龄变化率与未来执行功能的关联，并在新加坡老年人和儿童群体中验证脑年龄模型的泛化能力 | 首次在亚洲儿童和老年人群体中验证脑年龄模型的泛化性，并发现脑年龄差距变化率与未来执行功能存在关联 | 样本仅来自新加坡人群，模型在儿童群体上需要微调才能适用 | 研究脑年龄变化率与认知功能的关联，并验证脑年龄模型在不同人群中的泛化能力 | 新加坡老年人（55-88岁）和儿童（4-11岁） | 医学影像分析 | NA | 脑年龄预测 | 深度学习 | 神经解剖学影像数据 | 新加坡老年人和儿童群体 | NA | NA | 模型泛化能力，脑年龄预测准确性 | NA |
| 570 | 2025-10-06 |
Discovery of CYP1A1 Inhibitors for Host-Directed Therapy against Sepsis
2025-Jun-12, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.5c00493
PMID:40442943
|
研究论文 | 本研究通过深度学习、虚拟筛选和生物评估发现新型CYP1A1小分子抑制剂，用于治疗多重耐药细菌引起的脓毒症 | 首次将CYP1A1确定为宿主导向治疗靶点，并通过深度学习发现具有卓越活性的新型小分子抑制剂 | 未明确说明临床前研究阶段及动物模型验证数据 | 开发针对多重耐药细菌脓毒症的宿主导向治疗方法 | 细胞色素P4501A1（CYP1A1）酶及其小分子抑制剂 | 药物发现 | 脓毒症 | 深度学习, 虚拟筛选, 生物评估 | 深度学习模型 | 化学结构数据, 生物活性数据 | NA | NA | NA | 细菌载量减少率（70%以上）, 巨噬细胞吞噬功能增强 | NA |
| 571 | 2025-10-06 |
[A preliminary exploration of an intelligent system for personalized tooth morphology reconstruction based on deep learning]
2025-Jun-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology
|
研究论文 | 本研究构建了一种基于深度学习的牙齿可变形深度隐式网络，用于个性化牙齿形态重建 | 将隐式模板与深度学习技术相结合，构建了新型的T-DDIN神经网络，实现了个性化的高精度牙齿缺损形态修复 | 样本量相对有限（550个口内扫描模型），且仅针对特定类型的牙齿缺损进行评估 | 开发智能系统实现个性化牙齿形态重建 | 牙齿缺损患者的口内扫描模型 | 计算机视觉 | 牙齿缺损 | 口内扫描 | 深度学习神经网络 | 三维扫描模型 | 550个口内扫描模型（500个训练，50个测试） | NA | 牙齿可变形深度隐式网络 | 三维偏差,咬合调整体积,牙尖角度偏差,修复时间 | NA |
| 572 | 2025-10-06 |
Automated interpretation of cardiotocography using deep learning in a nationwide multicenter study
2025-Jun-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02849-4
PMID:40467683
|
研究论文 | 本研究开发了一种基于深度学习的自动化胎心监护解读模型，并在全国多中心数据集上进行了验证 | 使用全国14家医院的大规模胎心监护数据集，由认证产科医生提供可靠标注，解决了以往研究数据规模小和临床相关性不足的问题 | 需要在前瞻性研究中进一步评估模型的临床适用性 | 开发临床适用的自动化胎心监护解读模型以改善胎儿预后 | 胎心监护信号 | 医疗人工智能 | 产科疾病 | 胎心监护技术 | 深度学习 | 生理信号数据 | 22,522例分娩数据，来自14家医院，共519,800人分钟的分析数据 | NA | NA | AUC, PRC | NA |
| 573 | 2025-10-06 |
Development of Deep Learning Models to Screen Posterior Staphylomas in Highly Myopic Eyes Using UWF-OCT Images
2025-Jun-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.6.25
PMID:40504567
|
研究论文 | 开发基于深度学习模型利用超广角光学相干断层扫描图像筛查高度近视眼后巩膜葡萄肿 | 首次使用UWF-OCT图像开发深度学习模型用于后巩膜葡萄肿筛查，并比较了七种不同网络架构的性能 | 回顾性单中心研究，样本量相对有限 | 开发用于高度近视眼后巩膜葡萄肿筛查的深度学习模型 | 高度近视患者 | 计算机视觉 | 眼科疾病 | 超广角光学相干断层扫描 | CNN | 图像 | 训练集1428张图像来自438名患者，测试集216张图像来自69名患者 | NA | VGG16,VGG19,ResNet18,ResNet50,ResNet101,DenseNet121,DenseNet161 | AUC,敏感度 | NA |
| 574 | 2025-06-19 |
High-precision inversion of vegetation parameters in the AI era: Integrating hyperspectral remote sensing and deep learning
2025-Jun-02, Innovation (Cambridge (Mass.))
DOI:10.1016/j.xinn.2025.100868
PMID:40528880
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 575 | 2025-10-06 |
Employing transfer learning for breast cancer detection using deep learning models
2025-Jun, PLOS digital health
DOI:10.1371/journal.pdig.0000907
PMID:40523018
|
研究论文 | 本研究利用迁移学习和四种预训练深度学习模型进行乳腺癌检测 | 结合四种预训练模型作为特征提取器，并采用多种监督学习分类器进行乳腺癌检测 | 仅使用BUSI数据集进行验证，未在其他数据集上测试模型泛化能力 | 提高乳腺癌检测的准确性和效率 | 乳腺癌医学图像 | 计算机视觉 | 乳腺癌 | 深度学习 | CNN | 医学图像 | BUSI数据集 | TensorFlow, Keras | Mobilenetv2, Inceptionv3, ResNet50, VGG16 | 准确率 | NA |
| 576 | 2025-06-18 |
Preoperative Identification of Papillary Thyroid Carcinoma Subtypes and Lymph Node Metastasis via Deep Learning-Assisted Surface-Enhanced Raman Spectroscopy
2025-Jun-17, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c05698
PMID:40464771
|
research paper | 开发了一种深度学习辅助的表面增强拉曼散射（SERS）芯片，用于术前诊断甲状腺乳头状癌（PTC）组织学亚型和评估淋巴结转移 | 结合深度学习和SERS技术，首次实现了对PTC亚型和淋巴结转移的高精度术前诊断 | 研究样本量未明确说明，可能影响结果的普遍性 | 提高甲状腺乳头状癌术前诊断的准确性，为个性化治疗提供依据 | 甲状腺乳头状癌（PTC）患者及其细针穿刺（FNA）样本 | digital pathology | thyroid cancer | surface-enhanced Raman spectroscopy (SERS), fine-needle aspiration (FNA) | CNN | Raman spectral data | NA | NA | NA | NA | NA |
| 577 | 2025-06-18 |
Enhancing image quality in fast neutron-based range verification of proton therapy using a deep learning-based prior in LM-MAP-EM reconstruction
2025-Jun-17, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ade198
PMID:40472868
|
研究论文 | 本研究探讨了在基于快中子（FN）的质子治疗范围验证中，使用卷积神经网络预测的先验信息进行列表模式（LM）最大后验（MAP）期望最大化（EM）图像重建的方法 | 采用条件生成对抗网络（pix2pix）从逐步增加噪声的数据中学习，模拟真实条件下的探测器分辨率效应，以提高图像重建质量 | 模型在高噪声场景下的鲁棒性有限，其有效性高度依赖于数据质量 | 提高质子治疗范围验证中基于快中子的图像重建质量 | 基于CT的肺癌患者模型中的85 MeV质子笔形束 | 数字病理 | 肺癌 | 蒙特卡洛模拟 | 条件生成对抗网络（pix2pix） | 图像 | NA | NA | NA | NA | NA |
| 578 | 2025-06-18 |
Ultrasound for breast cancer detection: A bibliometric analysis of global trends between 2004 and 2024
2025-Jun-16, Medical ultrasonography
IF:1.8Q3
DOI:10.11152/mu-4443
PMID:39420819
|
研究论文 | 本文通过文献计量学方法对2004年至2024年间超声在乳腺癌诊断中的研究趋势进行了全面分析 | 首次对超声在乳腺癌诊断中的全球研究趋势进行了文献计量学分析和可视化 | 仅分析了2004年至2024年间的文献，可能未涵盖最新研究进展 | 深入了解超声在乳腺癌诊断中的研究现状和未来趋势 | 3523篇来自82个国家/地区2176个机构的文章 | 数字病理 | 乳腺癌 | 超声成像 | CNN, 深度学习 | 文献数据 | 3523篇文章 | NA | NA | NA | NA |
| 579 | 2025-06-18 |
Fast and accurate lung cancer subtype classication and localization based on Intraoperative frozen sections of lung adenocarcinoma
2025-Jun-16, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ade157
PMID:40472860
|
研究论文 | 本研究开发了一种基于深度神经网络的辅助诊断系统，用于手术冷冻切片的肺癌亚型分类和定位 | 结合多实例学习与EMA/SimAM/SE注意力增强的ResSimAM_Hybrid模型，实现了冷冻切片中肺癌亚型的高精度分类和定位 | 研究仅针对肺腺癌的冷冻切片，未涉及其他类型肺癌或其他诊断技术 | 开发AI辅助诊断系统以减少病理学家的工作量并提高诊断准确性 | 肺腺癌的手术冷冻切片 | 数字病理学 | 肺癌 | 深度学习 | ResSimAM_Hybrid, FSG-TL Model | 图像 | 未明确提及具体样本数量，但涉及40,000×60,000像素的全切片图像 | NA | NA | NA | NA |
| 580 | 2025-06-18 |
Think deep in the tractography game: deep learning for tractography computing and analysis
2025-Jun-16, Brain structure & function
IF:2.7Q3
DOI:10.1007/s00429-025-02938-0
PMID:40522497
|
review | 本文综述了基于深度学习的纤维束成像计算与分析的最新进展和挑战 | 探讨深度学习在纤维束成像领域的潜在革命性影响 | 仅提供简要总结，未涉及具体实验或详细技术分析 | 探索深度学习在纤维束成像计算与分析中的应用 | 纤维束成像技术 | machine learning | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |