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 1546 篇文献，本页显示第 961 - 980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 961 | 2025-10-06 |
Deep learning based solar forecasting for optimal PV BESS sizing in ultra fast charging stations
2025-Sep-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-17408-0
PMID:40925891
|
研究论文 | 提出一种结合深度学习太阳能预测与遗传算法的优化框架，用于超快速充电站中光伏和电池储能系统的最优容量规划 | 将门控循环单元(GRU)模型用于光伏输出预测，并结合遗传算法针对工作日和周末需求曲线进行优化配置 | 未提及具体数据集的时空覆盖范围和研究区域的局限性 | 优化超快速充电站中光伏和电池储能系统的容量配置以提高经济性 | 超快速充电站、光伏系统、电池储能系统 | 机器学习 | NA | 太阳能预测、遗传算法优化 | GRU | 时间序列数据、电力需求数据、太阳能发电数据 | NA | NA | GRU | 净现值(NPV)、能源充足率(ESR)、自给率(AR) | NA |
| 962 | 2025-10-06 |
A Deep Learning Approach for Tracking Colorectal Cancer-Derived Extracellular Vesicles in Colon and Lung Models
2025-Sep-08, ACS biomaterials science & engineering
IF:5.4Q2
DOI:10.1021/acsbiomaterials.5c00380
PMID:40857079
|
研究论文 | 开发基于深度学习的方法追踪结直肠癌来源的细胞外囊泡在结肠和肺模型中的行为 | 首次将深度学习技术应用于结直肠癌来源细胞外囊泡的追踪和定量分析 | 研究基于体外3D模型，尚未进行临床验证 | 探索细胞外囊泡在结直肠癌转移中的作用机制 | 结直肠癌来源的细胞外囊泡 | 计算机视觉 | 结直肠癌 | 深度学习,3D组织模型 | 深度学习模型 | 图像数据 | NA | NA | NA | 定量分析指标 | NA |
| 963 | 2025-10-06 |
Large-Scale Dermatopathology Dataset for Lesion Segmentation: Model Development and Analysis
2025-Sep-08, Journal of Korean medical science
IF:3.0Q1
DOI:10.3346/jkms.2025.40.e220
PMID:40923506
|
研究论文 | 构建大规模皮肤病理学图像数据集并开发基于深度学习的病变分割模型 | 创建了包含34,376张组织病理学切片图像的多机构大规模数据集，涵盖正常皮肤和六种常见皮肤病变 | 数据集可能仍存在某些特定疾病的局限性 | 开发AI辅助诊断工具以支持皮肤病理学家实现更一致的诊断 | 皮肤组织病理学图像，包括正常皮肤和六种皮肤病变 | 数字病理学 | 皮肤癌 | 组织病理学成像 | 深度学习分割模型 | 图像 | 34,376张组织病理学切片图像，来自四个机构 | NA | NA | Dice系数 | NA |
| 964 | 2025-10-06 |
Deep Learning-Assisted Organogel Pressure Sensor for Alphabet Recognition and Bio-Mechanical Motion Monitoring
2025-Sep-08, Nano-micro letters
IF:31.6Q1
DOI:10.1007/s40820-025-01912-z
PMID:40924231
|
研究论文 | 开发了一种基于钴纳米颗粒氮掺杂碳纳米管/PVA/明胶有机凝胶的压力传感器，结合深度学习技术实现字母识别和生物力学运动监测 | 首次报道具有抗冻、自粘、自愈合特性的多功能有机凝胶压力传感器，在宽湿度范围(-20°C至95% RH)和零下温度条件下保持稳定性能 | NA | 开发高性能可穿戴传感器用于人机交互和健康监测 | 有机凝胶压力传感器及其在字母识别和人体运动监测中的应用 | 机器学习 | NA | 电化学阻抗谱 | 深度学习 | 传感器信号数据 | NA | NA | NA | 准确率 | NA |
| 965 | 2025-10-06 |
Immunoelectron microscopy: a comprehensive guide from sample preparation to high-resolution imaging
2025-Sep-08, Discover nano
DOI:10.1186/s11671-025-04346-z
PMID:40924310
|
综述 | 本文系统介绍了免疫电子显微镜技术的完整工作流程，从样品制备到高分辨率成像的全面指南 | 提出了基于系统随机采样和深度学习算法的定量分析框架，包括FIB-SEM 3D重建和CLEM多模态整合策略 | 前包埋标记技术细胞结构保存有限，后包埋标记技术需要平衡树脂渗透和抗原表位掩蔽问题 | 提供免疫电子显微镜技术的系统性分析和工作流程指南 | 生物分子在亚细胞尺度的空间定位 | 数字病理 | 肿瘤 | 免疫电子显微镜，FIB-SEM 3D重建，CLEM | 深度学习算法 | 电子显微镜图像，3D重建数据 | NA | NA | NA | 各向同性分辨率（5nm） | NA |
| 966 | 2025-10-06 |
HPDAF: A practical tool for predicting drug-target binding affinity using multimodal features
2025-Sep-08, European journal of medicinal chemistry
IF:6.0Q1
DOI:10.1016/j.ejmech.2025.118153
PMID:40934535
|
研究论文 | 介绍一种名为HPDAF的多模态深度学习工具，用于提高药物-靶标结合亲和力预测的准确性 | 独特整合三种生化信息类型（蛋白质序列、药物分子图、蛋白结合口袋结构相互作用数据），并采用新型分层注意力机制动态强调最相关的结构信息 | NA | 提高药物-靶标结合亲和力预测准确性以促进药物发现和设计 | 药物-靶标结合亲和力 | 机器学习 | NA | 多模态深度学习 | 深度学习 | 蛋白质序列, 药物分子图, 结构相互作用数据 | 使用CASF-2016和CASF-2013基准数据集 | NA | 分层注意力机制 | 预测性能指标 | NA |
| 967 | 2025-10-06 |
Dosiomics-guided deep learning for radiation esophagitis prediction in lung cancer: optimal region of interest definition via multi-branch fusion auxiliary learning
2025-Sep-06, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.111121
PMID:40921328
|
研究论文 | 本研究开发了一种结合剂量组学和深度学习的模型，通过多任务辅助学习自动定义感兴趣区域，用于预测肺癌放疗患者的放射性食管炎 | 提出剂量组学引导的深度学习网络，通过多任务辅助学习基于辐射剂量分布图像自动定义准确客观的感兴趣区域 | 回顾性研究设计，样本量相对有限，需要外部验证 | 开发预测肺癌患者放射性食管炎的深度学习模型 | 接受放疗的肺癌患者 | 医学影像分析 | 肺癌 | 剂量组学，深度学习 | CNN | 辐射剂量分布图像 | 488例来自三家医院的患者（训练集235例，内部验证集101例，外部验证集1为57例，外部验证集2为95例） | NA | ResNet34 | AUC | NA |
| 968 | 2025-10-06 |
A Comprehensive Review on the Application of Artificial Intelligence for Predicting Postsurgical Recurrence Risk in Early-Stage Non-Small Cell Lung Cancer Using Computed Tomography, Positron Emission Tomography, and Clinical Data
2025-Sep, Journal of medical radiation sciences
IF:1.8Q3
DOI:10.1002/jmrs.860
PMID:39844750
|
综述 | 本文系统回顾了基于CT、PET和临床数据的人工智能技术在预测早期非小细胞肺癌术后复发风险中的应用 | 首次全面评估了结合放射组学、机器学习和深度学习的多模态方法在早期NSCLC复发预测中的综合应用潜力 | 纳入研究存在样本量小、缺乏外部验证、可解释性不足和多模态影像技术融合不充分等问题 | 评估人工智能技术在预测早期非小细胞肺癌术后复发风险中的应用效果和发展前景 | 早期非小细胞肺癌患者 | 数字病理 | 肺癌 | CT, PET, PET/CT | 机器学习, 深度学习 | 影像数据, 临床数据 | 16项符合纳入标准的研究 | NA | NA | NA | NA |
| 969 | 2025-10-06 |
Artificial intelligence in metalloprotein binding site prediction: A systematic review bridging bioinformatics and biotechnology
2025-Sep, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.146666
PMID:40885350
|
系统综述 | 本文系统综述了人工智能在金属蛋白结合位点预测中的应用，连接生物信息学与生物技术领域 | 提出了基于数据集特征、研究目标和性能权衡的结构化决策框架来指导模型选择 | 数据不平衡、金属离子代表性不足和结构异质性限制了模型的泛化能力 | 系统评估人工智能在金属蛋白结合位点预测中的方法与应用 | 金属蛋白及其金属结合位点 | 生物信息学 | NA | 机器学习,深度学习 | Random Forest,CNN | 序列数据,结构数据 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 970 | 2025-10-06 |
Analyzing Depression in College Students Using NLP and Transformer Models: Implications for Career and Educational Counseling
2025-Sep, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.70828
PMID:40922618
|
研究论文 | 本研究开发了一种结合RoBERTa Transformer和GRU层的自然语言处理框架，用于通过社交媒体内容检测大学生抑郁症状 | 提出结合RoBERTa Transformer与GRU层的混合架构，并整合多模态嵌入（行为、时间和上下文元数据）来增强情感分析能力 | 研究依赖于社交媒体数据，可能无法完全代表所有学生群体，且模型性能可能受平台特定语言特征影响 | 开发自动化系统检测大学生抑郁症状，为学业和职业咨询提供支持 | 大学生的社交媒体帖子 | 自然语言处理 | 抑郁症 | 自然语言处理 | Transformer, GRU | 文本数据（社交媒体帖子） | 来自Twitter和Reddit的真实世界数据集 | PyTorch, TensorFlow | RoBERTa, GRU | 准确率 | NA |
| 971 | 2025-10-06 |
Automated Coffee Roast Level Classification Using Machine Learning and Deep Learning Models
2025-Sep, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.70532
PMID:40923385
|
研究论文 | 本研究评估多种机器学习和深度学习模型用于咖啡烘焙程度自动分类 | 使用Xception作为特征提取器的CNN模型，并结合多种传统ML模型进行咖啡烘焙程度分类，实现完全自动化解决方案 | NA | 开发可靠、可扩展的咖啡烘焙程度自动分类方法 | 咖啡豆烘焙程度 | 计算机视觉 | NA | 图像分析 | CNN, AdaBoost, random forest, SVM | 图像 | 1,600张高质量图像，均衡分布在绿色、浅度、中度和深度四个烘焙等级 | NA | Xception | 准确率, F1分数 | NA |
| 972 | 2025-10-06 |
High-resolution imaging system for integration into intelligent noncontact total body scanner
2025-Sep, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.30.9.096001
PMID:40927515
|
研究论文 | 开发了一种用于全身扫描仪的高分辨率光学皮肤成像模块和软件，通过焦点堆栈方法生成超聚焦皮肤镜图像 | 采用电调谐液体透镜快速捕获不同焦点图像序列，结合焦点堆栈和深度学习超分辨率技术提升图像质量 | 与接触式皮肤镜标准相比，个别病变分辨率存在差异；超分辨率技术可能影响原始数据真实性 | 开发用于早期黑色素瘤检测的高分辨率非接触式皮肤成像系统 | 皮肤病变和皮肤地形 | 计算机视觉 | 黑色素瘤 | 焦点堆栈成像、深度学习超分辨率 | 分类模型 | 图像 | NA | NA | NA | 分辨率(28μm)、采集速度(50帧/秒) | NA |
| 973 | 2025-09-12 |
Application of Convolutional Neural Network Image Analysis and Machine Learning to Basic Blood Tests for Intelligent Diagnostic Assistance
2025-Sep-11, International journal of laboratory hematology
IF:2.2Q3
DOI:10.1111/ijlh.14550
PMID:40932175
|
研究论文 | 开发基于卷积神经网络和机器学习的血液细胞图像识别与诊断辅助系统，用于智能血液疾病诊断 | 结合外周血细胞形态图像识别与全血细胞计数数据，构建诊断辅助深度学习系统，实现高精度细胞分类和疾病区分 | 研究仅基于特定血液分析仪（Sysmex XN-9000）数据，未涉及其他设备或多中心验证 | 评估血液细胞图像识别深度学习系统及诊断辅助系统在常规检查中的临床性能 | 健康受试者及ALL、AML、ML、MPN、MDS患者的血液样本 | 计算机视觉 | 血液疾病 | 深度学习图像分析、血液细胞形态学识别 | CNN | 图像、数值数据 | 1,476,727张血液细胞图像用于训练，128,716张图像（来自589份涂片）用于评估 | NA | NA | NA | NA |
| 974 | 2025-09-12 |
Artificial intelligence in gastric cancer: a systematic review of machine learning and deep learning applications
2025-Sep-11, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05181-7
PMID:40932499
|
系统综述 | 本文系统评估了机器学习和深度学习在胃癌管理中的应用、性能及局限性 | 全面总结了AI在胃癌早期检测、诊断、治疗规划和预后预测中的跨模态应用性能 | 存在算法偏差、数据集多样性不足、可解释性差及临床整合障碍 | 评估ML和DL模型在胃癌管理中的表现与应用 | 胃癌患者的临床影像和多模态数据 | 数字病理 | 胃癌 | 机器学习、深度学习 | CNN | 内镜图像、CT影像、病理图像、多模态数据 | 59项符合纳入标准的研究 | NA | NA | NA | NA |
| 975 | 2025-09-12 |
Identifying 14-3-3 interactome binding sites with deep learning
2025-Sep-10, Digital discovery
IF:6.2Q1
DOI:10.1039/d5dd00132c
PMID:40837623
|
研究论文 | 开发深度学习框架预测蛋白质与14-3-3蛋白的结合位点 | 首次构建集成深度学习模型预测14-3-3相互作用组结合位点，尤其针对内在无序蛋白 | 模型在外部序列上平衡准确率为75%，仍有提升空间；实验验证仅覆盖8个预测肽段 | 预测蛋白质与14-3-3蛋白的结合位点以理解细胞信号网络 | 14-3-3蛋白及其相互作用蛋白质（约300个序列） | 生物信息学 | 阿尔茨海默病（涉及tau蛋白结合） | 深度学习、X射线晶体学、分子动力学模拟 | 集成深度学习模型 | 蛋白质序列数据 | 约300个医学相关蛋白质序列，实验验证8个预测肽段 | NA | NA | NA | NA |
| 976 | 2025-09-12 |
Enhancing Protein Structure Learning using a Size-Guided Conditional Mixture-of-Experts
2025-Sep-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3607904
PMID:40928909
|
研究论文 | 提出一种基于蛋白质大小引导的条件混合专家模型，用于提升蛋白质结构深度学习性能 | 首次将蛋白质大小作为先验知识引入深度学习框架，通过条件混合专家模型自适应激活子网络 | NA | 改进蛋白质结构深度学习方法，提升蛋白质性质预测精度 | 蛋白质结构与性质 | 机器学习 | NA | 深度学习 | 条件混合专家模型(Conditional Mixture-of-Experts) | 蛋白质结构表示 | 在8个任务、2种蛋白质表示形式、3种数据集划分共48种测试设置上进行验证 | NA | NA | NA | NA |
| 977 | 2025-09-12 |
Enhancing Automated Seizure Detection via Self-Calibrating Spatial-Temporal EEG Features with SC-LSTM
2025-Sep-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3607766
PMID:40928912
|
研究论文 | 提出一种新型混合深度学习架构SC-LSTM，通过自适应时空特征提取增强癫痫发作自动检测 | 整合自校准空间特征重建模块(SCConvNet)和双向LSTM网络，实现并行时空特征提取，显著提升对患者特异性EEG变异的捕捉能力 | 仅在新生儿EEG数据集上验证，未明确说明模型在其他年龄组或癫痫类型的泛化能力 | 开发高精度、稳定的自动化癫痫发作检测方法以支持个体化诊断 | 新生儿癫痫患者的脑电图(EEG)信号 | 机器学习 | 癫痫 | 脑电图(EEG)分析，K折交叉验证 | SC-LSTM（自校准卷积网络与双向LSTM的混合架构） | 多通道时间序列EEG信号 | 两个真实世界新生儿EEG数据集（具体样本量未明确说明） | NA | NA | NA | NA |
| 978 | 2025-09-12 |
InterVelo: A Mutually Enhancing Model for Estimating Pseudotime and RNA Velocity in Multi-Omic Single-Cell Data
2025-Sep-10, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf500
PMID:40929041
|
研究论文 | 提出InterVelo深度学习框架，用于在多组学单细胞数据中同时估计伪时间和RNA速率 | 通过无监督细胞时间引导RNA速率估计，同时利用RNA速率优化伪时间方向，实现双向增强学习 | NA | 改进单细胞数据中转录动态的推断精度 | 多组学单细胞数据 | 计算生物学 | NA | 单细胞多组学测序 | 深度学习框架 | 单细胞多组学数据 | 模拟和真实数据集（未指定具体样本数量） | NA | NA | NA | NA |
| 979 | 2025-09-12 |
Attention Gated-VGG with deep learning-based features for Alzheimer's disease classification
2025-Sep-10, Neurodegenerative disease management
IF:2.3Q3
DOI:10.1080/17582024.2025.2554495
PMID:40929122
|
研究论文 | 提出基于注意力门控VGG和深度学习的特征提取方法用于阿尔茨海默病分类 | 结合WOA-based ResNet特征提取和注意力门控VGG模型，在AD分类中实现高精度 | NA | 早期检测和分类阿尔茨海默病 | 阿尔茨海默病患者影像数据 | 计算机视觉 | 阿尔茨海默病 | 深度学习，图像预处理，数据增强 | Attention Gated-VGG, CNN, ResNet | 图像 | NA | NA | NA | NA | NA |
| 980 | 2025-09-12 |
Explainable Deep Learning Framework for Classifying Mandibular Fractures on Panoramic Radiographs
2025-Sep-10, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000011892
PMID:40929658
|
研究论文 | 开发基于全景X光片的可解释深度学习框架，用于自动分类下颌骨骨折 | 结合新颖的临床相关分类系统和可解释AI技术（Grad-CAM和LIME）提升模型决策透明度 | 需要更大规模、多机构数据集进一步验证泛化能力 | 实现下颌骨骨折的自动分类以辅助颌面创伤诊疗 | 下颌骨骨折患者 | 计算机视觉 | 颌面创伤 | 全景X光成像 | CNN | 图像 | 800张来自面部创伤患者的全景X光片 | NA | NA | NA | NA |