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 1660 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2025-10-05 |
Explainable artificial intelligence-based cyber resilience in internet of things networks using hybrid deep learning with improved chimp optimization algorithm
2025-Sep-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-15146-x
PMID:41006487
|
研究论文 | 提出一种基于可解释人工智能的混合深度学习优化方法，用于提升物联网网络中的网络威胁检测和解释能力 | 结合混合深度学习模型与改进的黑猩猩优化算法，并引入SHAP增强模型可解释性 | 未明确说明模型在更广泛物联网场景中的泛化能力 | 提高物联网环境中网络威胁检测的准确性和可解释性 | 物联网网络中的网络攻击和异常行为 | 机器学习 | NA | NA | CNN, BiGRU | 网络流量数据 | Edge-IIoT和BoT-IoT数据集 | NA | CNN-BiGRU混合架构 | 准确率 | NA |
| 402 | 2025-10-05 |
Revolutionary hybrid ensembled deep learning model for accurate and robust side-channel attack detection in cloud computing
2025-Sep-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89794-4
PMID:41006528
|
研究论文 | 提出一种混合集成深度学习模型用于云计算环境中侧信道攻击的准确鲁棒检测 | 集成CNN、LSTM和AutoEncoder的混合模型，并引入注意力机制以关注关键数据段 | 仅使用ASCAD基准数据集进行评估，未在其他数据集验证泛化能力 | 开发云计算环境中鲁棒的侧信道攻击检测模型 | 侧信道攻击检测 | 机器学习 | NA | 深度学习 | CNN,LSTM,AutoEncoder | 功率轨迹数据 | ASCAD基准数据集 | NA | 混合集成深度学习模型 | 准确率 | 云计算环境 |
| 403 | 2025-10-05 |
A Deep Learning Method for Diagnosis of Oral Potentially Malignant Disorders
2025-Sep-26, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.106138
PMID:41016582
|
研究论文 | 开发并验证用于诊断口腔潜在恶性疾病的双阶段深度学习方法 | 提出双阶段深度学习架构，分别用于区分口腔潜在恶性疾病与其他口腔黏膜病变，以及分类具体亚型 | NA | 开发AI诊断工具提升口腔潜在恶性疾病的诊断准确率 | 口腔潜在恶性疾病患者 | 数字病理 | 口腔癌前病变 | 深度学习 | 深度学习模型 | 临床图像 | 内部数据集3,305例，外部多中心数据集1,756例 | NA | 双阶段架构（CLA OPMD-OOML和CLA OPMDs） | F1分数 | NA |
| 404 | 2025-10-05 |
Mapping the Evolution of China's Traditional Chinese Medicine Education Policies: Insights From a BERTopic-Based Descriptive Study
2025-Sep-25, JMIR medical education
IF:3.2Q1
DOI:10.2196/72660
PMID:40997298
|
研究论文 | 使用BERTopic模型分析中国中医药教育政策的演变趋势和核心议题 | 首次将深度学习方法BERTopic应用于中医药教育政策分析，提供数据驱动的政策演变视角 | 数据来源主要限于官方文件和高校档案，可能未涵盖所有相关政策文本 | 系统分析中国中医药教育政策的研究主题和演变趋势 | 中医药教育政策相关文档 | 自然语言处理 | NA | 主题建模 | BERTopic | 文本 | 来自教育部、国家中医药管理局、PKU法律信息库和中医药高校档案的政策文档 | BERTopic | BERT-based | 主题识别和聚类分析 | NA |
| 405 | 2025-10-05 |
Intelligent temporal causal inference framework for wastewater treatment plant nitrogen removal: Multi-stage spurious causal elimination
2025-Sep-25, Bioresource technology
IF:9.7Q1
DOI:10.1016/j.biortech.2025.133394
PMID:41015305
|
研究论文 | 提出一种名为AquaCausal的新型混合因果推断框架，用于污水处理厂生物脱氮过程的因果关系识别 | 集成时间感知PCMCI算法、深度学习和多阶段机制来消除虚假因果关系 | 基于模拟数据集，需要在实际场景中进一步验证 | 建立可解释的污水处理厂生物脱氮机制模型 | 污水处理厂氮去除过程 | 机器学习 | NA | 因果推断，深度学习 | 混合因果推断框架 | 时间序列模拟数据 | 经过校准的污水处理厂模型生成的扰动模拟数据集 | PCMCI, 深度学习框架 | 多阶段因果推断框架 | 因果关系减少率，核心因果关系识别数量 | NA |
| 406 | 2025-10-05 |
Metabolic profiling of Yangxinshi tablet based on time-staggered ion list dynamic detection integrated with metabolic molecular network
2025-Sep-23, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.128910
PMID:41016099
|
研究论文 | 开发基于时间交错离子列表动态检测与代谢分子网络整合的分析策略，系统表征养心氏片在大鼠体内的代谢特征 | 创新性地建立了BS-VPMDF-tsPIL-AE数据采集模式，结合代谢分子网络和深度学习辅助质量缺陷过滤技术 | NA | 系统表征中药复方养心氏片在体内的代谢特征，推进中药药效物质基础研究 | 大鼠血浆和尿液样本中的药物源性成分 | 代谢组学 | 心血管疾病 | 质谱分析、代谢分子网络、深度学习辅助质量缺陷过滤 | 深度学习 | 质谱数据 | 大鼠血浆和尿液样本（具体数量未明确说明） | R编程、Python | NA | NA | NA |
| 407 | 2025-10-05 |
Leveraging learned representations and multitask learning for lysine methylation site discovery
2025-Sep-21, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.27.672583
PMID:40950037
|
研究论文 | 本研究开发了一种基于Transformer的深度学习模型MethylSight 2.0，用于预测赖氨酸甲基化位点，并通过质谱实验验证了68个新位点 | 首次将Transformer架构应用于赖氨酸甲基化位点预测，并采用多任务学习整合其他赖氨酸翻译后修饰信息 | 未明确说明模型在特定癌症类型或组织中的泛化能力 | 提高赖氨酸甲基化位点预测的准确性，推动赖氨酸甲基化组图谱的完善 | 蛋白质赖氨酸甲基化位点 | 机器学习 | 癌症 | 质谱分析，深度学习 | Transformer | 蛋白质序列数据 | NA | NA | Transformer | 准确率 | NA |
| 408 | 2025-10-05 |
Intelligent Fish Recognition Method Based on Variable-Step Size Learning Rate Optimization Strategy
2025-Sep-21, Foods (Basel, Switzerland)
DOI:10.3390/foods14183274
PMID:41008245
|
研究论文 | 提出一种基于变步长学习率优化策略的智能鱼类识别方法 | 通过分析学习率规律对网络精度的影响，提出变步长学习率优化策略，显著减少优化次数并提升准确率 | NA | 提高鱼类分类的效率和准确性 | 多物种干扰鱼类 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | ResNet18, ShuffleNet, EfficientNet, MobileNetV3, YOLOv8 | 准确率 | NA |
| 409 | 2025-10-05 |
MetaChrome: An Open-Source, User-Friendly Tool for Automated Metaphase Chromosome Analysis
2025-Sep-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.02.673813
PMID:41019638
|
研究论文 | 开发了一个用于自动中期染色体分析的开源软件平台MetaChrome | 采用经过精细调优的Cellpose分割模型，结合染色体特异性FISH探针和免疫荧光标记蛋白的共定位分析，相比传统图像处理方法提高了分割精度 | NA | 解决中期染色体自动分割和FISH信号共定位分析的挑战 | DNA-FISH染色体图像 | 数字病理学 | NA | DNA荧光原位杂交(FISH)，高通量成像(HTI) | 深度学习 | 图像 | 手动标注的中期染色体数据集 | NA | Cellpose | 分割精度 | NA |
| 410 | 2025-10-05 |
Pathologist-interpretable breast cancer subtyping and stratification from AI-inferred nuclear features
2025-Sep-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.04.674077
PMID:41019630
|
研究论文 | 开发可解释的AI模型EXPAND，通过提取12个病理学家可理解的核特征来预测乳腺癌亚型和患者生存 | 首个专注于病理学家使用的诺丁汉分级标准中12个核特征的可解释AI模型 | NA | 开发可解释的AI模型用于乳腺癌亚型分类和生存预测 | 乳腺癌患者肿瘤切片 | 数字病理学 | 乳腺癌 | 数字病理图像分析 | 深度学习模型 | 病理图像 | NA | NA | EXPAND | AUC | NA |
| 411 | 2025-10-05 |
AI bone lesion classifier with sensitivity-driven optimization for radiographs
2025-Sep-05, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.107075
PMID:41016074
|
研究论文 | 开发了一种基于深度学习的X射线骨病变分类器，通过灵敏度驱动优化实现高灵敏度检测 | 采用灵敏度驱动方法最小化假阴性，并生成注意力图谱增强模型可解释性 | 数据集仅包含310名患者的1177张X射线图像，样本规模有限 | 开发用于X射线骨病变检测的深度学习分类器，在保持临床实用性的同时实现高灵敏度 | 上肢和下肢X射线图像中的原发性骨病变 | 计算机视觉 | 骨肿瘤 | X射线成像 | CNN | 图像 | 310名患者的1177张X射线图像（547例异常，630例正常） | NA | MobileNetV2 | 灵敏度, 特异性, 准确率, AUC, 95%置信区间 | NA |
| 412 | 2025-10-05 |
Deep learning model trained using multi-energy computed tomography (CT) data shows better metal artifact reduction for lumbar CT imaging
2025-Sep-05, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.107076
PMID:41016075
|
研究论文 | 开发基于多能量CT数据的深度学习金属伪影减少模型，用于腰椎CT成像 | 首次使用多能量虚拟单色图像训练深度学习金属伪影减少模型，并在更宽能量范围内评估性能 | 样本量有限（93例患者），仅针对腰椎植入物患者进行研究 | 比较基于单能量和多能量CT数据的深度学习金属伪影减少模型性能 | 腰椎植入物患者的CT图像 | 医学影像处理 | 脊柱疾病 | 多能量CT扫描，虚拟单色图像重建 | 深度学习模型 | CT图像 | 93例腰椎植入物患者 | NA | NA | PSNR, SSIM | NA |
| 413 | 2025-10-05 |
High-Performance Open-Source AI for Breast Cancer Detection and Localization in MRI
2025-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.240550
PMID:40560044
|
研究论文 | 开发并评估用于乳腺MRI扫描中乳腺癌检测和定位的开源深度学习模型 | 使用迄今为止最大的乳腺MRI数据集训练深度学习模型，并公开提供代码和权重以促进进一步开发 | 回顾性研究设计，数据主要来自单一医疗中心 | 开发高性能开源AI系统用于乳腺癌的检测和定位 | 乳腺MRI扫描图像 | 计算机视觉 | 乳腺癌 | MRI | 深度学习 | 医学图像 | 30,672个矢状面MRI检查（52,598个乳房）来自9,986名女性患者，验证集包括6,615个乳房（矢状面）和7,058个乳房（轴位面），外加第二个临床站点的1,840个乳房 | NA | NA | AUC, 特异性, 敏感性 | NA |
| 414 | 2025-10-05 |
Multi-Receptor Skin with Highly Sensitive Tele-Perception Somatosensory Flexible Electronics in Healthcare: Multimodal Sensing and AI-Powered Diagnostics
2025-Sep, Advanced healthcare materials
IF:10.0Q1
DOI:10.1002/adhm.202502901
PMID:40619754
|
综述 | 系统回顾柔性电子技术在医疗监测领域的进展，重点关注多模态传感平台与人工智能算法的集成 | 整合多模态传感与人工智能算法，创新柔性基底、可拉伸互连和传感器架构，实现电生理、生物物理和生化信号同步采集 | 存在异质传感器集成、长期功能稳定性和体内生物相容性等技术挑战 | 推动柔性电子技术在智能医疗和个性化医疗中的应用发展 | 柔性电子设备与医疗监测系统 | 医疗电子 | NA | 多模态传感，能量采集，无线通信协议 | 深度学习 | 电生理信号，生物物理信号，生化信号 | NA | NA | NA | NA | 边缘计算 |
| 415 | 2025-10-05 |
Prediction of Early Neoadjuvant Chemotherapy Response of Breast Cancer through Deep Learning-based Pharmacokinetic Quantification of DCE MRI
2025-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.240769
PMID:40631989
|
研究论文 | 通过基于深度学习的动态对比增强MRI药代动力学量化预测乳腺癌新辅助化疗早期反应 | 使用深度学习进行回顾性药代动力学量化，提高了病理完全缓解预测的泛化能力 | 回顾性研究设计，数据来自2002-2016年，可能存在选择偏倚 | 提高乳腺癌新辅助化疗后病理完全缓解预测的准确性和泛化性 | 乳腺癌患者 | 医学影像分析 | 乳腺癌 | 动态对比增强MRI，药代动力学量化 | 深度学习 | MRI影像 | 1073名女性乳腺癌患者，来自四个公共数据集 | NA | NA | AUC | NA |
| 416 | 2025-10-05 |
MR-Transformer: A Vision Transformer-based Deep Learning Model for Total Knee Replacement Prediction Using MRI
2025-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.240373
PMID:40668131
|
研究论文 | 开发基于Vision Transformer的深度学习模型MR-Transformer，利用MRI预测膝关节骨关节炎进展为全膝关节置换的风险 | 首次将Vision Transformer架构应用于膝关节MRI分析，利用ImageNet预训练和三维空间相关性进行预测 | 回顾性研究设计，样本量相对有限，随访时间最长9年 | 预测膝关节骨关节炎进展为全膝关节置换的风险 | 膝关节骨关节炎患者 | 计算机视觉 | 骨关节炎 | MRI扫描 | Transformer | 三维MRI图像 | 骨关节炎倡议数据库353对病例对照，多中心骨关节炎研究数据库270对病例对照 | NA | Vision Transformer | AUC, 敏感性, 特异性 | NA |
| 417 | 2025-10-05 |
Predicting arterial pressure without prejudice: towards effective hypotension prediction models
2025-Sep, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2025.06.016
PMID:40685291
|
评论 | 讨论选择偏差对低血压预测模型的影响及有效算法开发建议 | 通过对比有偏和无偏数据训练的深度学习模型，揭示选择偏差对模型学习动脉波形信息能力的影响 | 基于已有研究的讨论性分析，未提供原始实验数据 | 开发有效的低血压预测算法并解决选择偏差问题 | 动脉波形数据和低血压预测模型 | 机器学习 | 心血管疾病 | NA | 深度学习 | 动脉波形数据 | NA | NA | NA | 阳性预测值 | NA |
| 418 | 2025-10-05 |
Deep-Learning-Driven High Spatial Resolution Attenuation Imaging for Ultrasound Tomography (AI-UT)
2025-09, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3592578
PMID:40705570
|
研究论文 | 提出基于深度学习的高空间分辨率超声衰减成像方法，用于乳腺超声断层扫描 | 利用声速与衰减的空间相关性作为模型约束，结合深度学习实现高分辨率衰减成像 | NA | 开发高空间分辨率、低方差的超声衰减成像方法 | 人体乳腺组织 | 医学影像处理 | 乳腺癌 | 超声断层扫描 | 深度学习 | 射频数据 | 来自QTI BACT扫描仪的60个角度视图数据 | NA | NA | 空间分辨率，方差 | NA |
| 419 | 2025-10-05 |
Can AI find the cavities in caries prediction and diagnosis?
2025-Sep, Evidence-based dentistry
DOI:10.1038/s41432-025-01181-0
PMID:40715738
|
评论 | 对人工智能在儿童早期龋齿检测和预测中应用的系统性综述与荟萃分析进行评论 | 首次对AI在儿童早期龋齿检测和预测领域进行系统性综述与定量荟萃分析 | 仅纳入英文文献，部分研究全文不可获取，样本量有限（21项研究） | 评估人工智能在儿童早期龋齿检测和预测中的效果与应用潜力 | 儿童早期龋齿（ECC） | 机器学习 | 龋齿 | 机器学习（ML）、深度学习（DL）、神经网络（NN） | 深度学习算法 | 医学影像数据 | 21项研究（7项检测研究，14项预测研究） | NA | NA | 准确率、灵敏度、特异性、汇总接收者操作特征曲线 | NA |
| 420 | 2025-10-05 |
Collaborative Integration of AI and Human Expertise to Improve Detection of Chest Radiograph Abnormalities
2025-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.240277
PMID:40668130
|
研究论文 | 开发了一种融合眼动数据和放射学报告的协作AI系统，用于改善胸部X光片异常检测并纠正感知错误 | 首次将眼动追踪数据与放射学报告相结合，通过多模态大模型识别和纠正放射科医生的感知错误 | 使用模拟错误数据集而非真实临床环境，错误类型有限且样本量相对较小 | 提高胸部X光片异常检测的诊断准确性 | 胸部X光片中的异常区域 | 计算机视觉 | 胸部疾病 | 眼动追踪，多模态分析 | CNN，深度学习 | 图像，眼动数据，文本报告 | 来自REFLACX和EGD-CXR公共数据集的332个异常样本 | NA | 多模态大模型 | 准确率，置信区间，满意度比例 | NA |