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 1101 - 1120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1101 | 2025-10-06 |
Optimization of deep learning models for inference in low resource environments
2025-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110615
PMID:40716232
|
研究论文 | 评估深度学习模型在医疗应用中的优化技术效果，针对低资源环境进行推理优化 | 在医疗AI领域系统评估多种优化技术对模型推理性能的影响，专注于低资源环境的实际应用需求 | 研究仅针对特定医疗影像任务进行评估，未涵盖所有可能的医疗AI应用场景 | 优化深度学习模型在低资源环境中的推理性能，促进医疗AI的临床转化 | 放射学、组织病理学和医学RGB影像领域的AI工作负载 | 医疗人工智能 | 结直肠癌,糖尿病足溃疡,脑部疾病 | 磁共振成像(MRI),苏木精-伊红(H&E)染色,RGB成像 | 深度学习模型 | 医学影像 | NA | NA | NA | 推理速度,延迟,内存使用量,模型效用 | 多种硬件配置的低资源环境 |
| 1102 | 2025-10-06 |
CLT-MambaSeg: An integrated model of Convolution, Linear Transformer and Multiscale Mamba for medical image segmentation
2025-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110736
PMID:40716230
|
研究论文 | 提出一种融合卷积、线性Transformer和多尺度Mamba的医学图像分割模型CLT-MambaSeg | 首次将卷积、线性Transformer和多尺度Mamba架构集成，并提出记忆引导增强生成对抗网络解决数据有限问题 | NA | 医学图像分割，平衡特征定位、全局上下文建模和计算效率 | 医学图像 | 计算机视觉 | 皮肤病、乳腺疾病、结肠疾病 | 深度学习 | CNN, Transformer, Mamba, GAN | 医学图像 | 五个基准数据集：CVC-ClinicDB、BUSI、PH2、ISIC-2016、ISIC-2017 | NA | CLT-MambaSeg, SREx, MVLTrans, MeGA-GAN | NA | NA |
| 1103 | 2025-10-06 |
Enhancing reconstruction-based out-of-distribution detection in brain MRI with model and metric ensembles
2025-Sep-01, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109045
PMID:40915097
|
研究论文 | 本研究通过模型和指标集成优化基于重建的自编码器，以提升脑部MRI中分布外检测的性能 | 探索简单OOD检测模型的潜力，专门针对OOD检测优化深度学习策略，并系统评估重建指标选择 | 局部伪影检测效果较差，不同伪影类型的检测性能存在差异 | 优化基于重建的自编码器用于医学图像中的分布外检测 | 脑部MRI图像中的合成局部和全局伪影 | 计算机视觉 | 脑部疾病 | MRI | 自编码器 | 图像 | NA | NA | 自编码器 | 精确率-召回率曲线下面积, LPIPS, SSIM对比度分量 | NA |
| 1104 | 2025-10-06 |
Optimized multi-stage network with multi-dimensional spatiotemporal interactions for septal and apical hypertrophic cardiomyopathy classification using 12-lead ECGs
2025-Sep, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00492-6
PMID:40917150
|
研究论文 | 提出一种优化的多阶段网络用于基于12导联心电图的心肌肥厚分类 | 结合1D和2D卷积的多维时空交互网络，引入全局-局部交互注意力机制和多损失联合优化策略 | NA | 通过12导联心电图准确识别室间隔肥厚和心尖肥厚型心肌病 | 肥厚型心肌病患者的心电图数据 | 医学图像分析 | 心血管疾病 | 12导联心电图 | CNN | 心电图信号 | NA | NA | 多阶段网络,1D卷积分支,2D卷积分支 | F1-score | NA |
| 1105 | 2025-09-08 |
Commentary on: "Diagnosis of lymph node metastasis in oral squamous cell carcinoma by an MRI-based deep learning model"
2025-Sep-05, Oral oncology
IF:4.0Q2
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1106 | 2025-10-06 |
Lung lobe segmentation: performance of open-source MOOSE, TotalSegmentator, and LungMask models compared to a local in-house model
2025-Sep-04, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-025-00623-9
PMID:40908427
|
研究论文 | 比较开源肺叶分割模型与本地训练模型在肺叶分割任务中的性能表现 | 首次系统比较MOOSE、TotalSegmentator和LungMask等开源肺叶分割工具，并与在更具代表性临床数据集上训练的nnU-Net模型进行对比 | 研究样本量相对有限（内部数据集164例，外部验证55例），且仅针对肺叶分割任务进行评估 | 评估深度学习肺叶分割模型的性能，特别是处理复杂病例的能力 | 肺叶分割 | 医学图像分割 | 肺疾病 | 计算机断层扫描 | 深度学习分割模型 | CT图像 | 内部数据集164例CT扫描，外部验证集55例 | nnU-Net | nnU-Net | Dice相似系数, 鲁棒豪斯多夫距离, 归一化表面距离 | NA |
| 1107 | 2025-10-06 |
Comparative multi-task deep learning models for protein-nucleic acid interaction prediction: Unveiling the superior efficacy of the PNI-MAMBA architecture
2025-Sep-04, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.147419
PMID:40914361
|
研究论文 | 本文提出了一种基于深度学习的多任务学习框架，用于预测蛋白质-核酸相互作用 | 引入了新颖的结合位点注意力机制以捕捉关键结合位点信息，并开发了基于Mamba网络架构的PNI-MAMBA模型系列 | NA | 准确预测蛋白质-核酸相互作用并识别结合位点 | 蛋白质-核酸相互作用 | 机器学习 | NA | 深度学习 | 多任务学习框架 | DNA和RNA数据集 | NA | NA | FCN, Transformer, Mamba | 准确率, 鲁棒性 | NA |
| 1108 | 2025-10-06 |
PreRBP: Interpretable Deep Learning for RNA-Protein Binding Site Prediction with Attention Mechanism
2025-Sep-04, Analytical biochemistry
IF:2.6Q2
DOI:10.1016/j.ab.2025.115968
PMID:40914406
|
研究论文 | 本研究开发了名为PreRBP的可解释深度学习模型，用于预测RNA-蛋白质结合位点 | 结合了RNA序列和二级结构特征，采用注意力机制提高模型可解释性，并应用四种欠采样算法处理类别不平衡问题 | 仅使用27个公开数据集，模型输入特征可能仍有改进空间 | 开发更准确的RNA-蛋白质结合位点预测方法 | RNA-蛋白质结合位点 | 生物信息学 | NA | RNA二级结构分析，高阶编码方法 | CNN, BiLSTM | RNA序列数据，结构数据 | 27个RNA-蛋白质结合位点公开数据集 | NA | 卷积神经网络，双向长短时记忆网络 | AUC | NA |
| 1109 | 2025-10-06 |
Soft Bioelectronic Interfaces for Continuous Peripheral Neural Signal Recording and Robust Cross-Subject Decoding
2025-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202414732
PMID:40433949
|
研究论文 | 本研究开发了软性生物电子接口用于连续记录外周神经信号，并建立了跨被试的稳健解码模型 | 采用低阻抗软性导电聚合物电极实现与神经组织的稳定接触，结合手工特征和深度学习特征并引入参数共享与适应训练策略 | 目前仅在清醒动物中进行验证，尚未在人类被试中测试 | 提升外周神经信号解码的准确性以促进神经科学研究、神经疾病治疗和人机接口开发 | 外周神经组织和神经生理信号 | 生物医学工程 | 神经系统疾病 | 神经信号记录技术 | 神经网络 | 神经电生理信号 | 动物实验样本 | NA | NA | 泛化能力 | NA |
| 1110 | 2025-10-06 |
Protein Spatial Structure Meets Artificial Intelligence: Revolutionizing Drug Synergy-Antagonism in Precision Medicine
2025-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202507764
PMID:40775740
|
综述 | 系统探讨蛋白质三维空间结构与人工智能技术相结合在药物协同-拮抗作用预测中的最新研究进展与应用前景 | 整合蛋白质空间结构与人工智能技术预测药物协同-拮抗作用，为精准医疗提供新方法 | NA | 评估蛋白质位点可药性及预测药物协同-拮抗作用 | 蛋白质三维空间结构、药物相互作用、多靶点药物 | 机器学习 | 癌症、传染病、代谢疾病 | 分子对接技术 | 机器学习、深度学习 | 多源生物数据 | NA | NA | NA | NA | NA |
| 1111 | 2025-10-06 |
Automated Honey Bee Subspecies Identification Using Advanced Wing Venation Analysis and Adaptive Hierarchical Clustering
2025-Sep, Ecology and evolution
IF:2.3Q2
DOI:10.1002/ece3.72101
PMID:40909012
|
研究论文 | 提出一种结合自适应图像处理和拓扑感知聚类的计算框架，用于实现可扩展、无标签的蜜蜂亚种识别 | 整合自适应图像处理与拓扑感知聚类，无需预定义标签即可动态推断亚种聚类，能够有效识别杂交种群和表型中间体 | 未明确说明在极端噪声条件下的性能表现，且对图像质量有一定依赖 | 开发可扩展的蜜蜂亚种自动识别方法以支持生物多样性保护和授粉韧性 | 蜜蜂翅膀脉序图像 | 计算机视觉 | NA | 翅膀脉序分析 | 自适应层次聚类(AHC) | 图像 | 26,481张翅膀图像 | NA | NA | 轮廓系数, 分类准确率 | NA |
| 1112 | 2025-10-06 |
PhenoLearn: a user-friendly toolkit for image annotation and deep learning-based phenotyping for biological datasets
2025-Sep-06, Journal of evolutionary biology
IF:2.1Q3
DOI:10.1093/jeb/voaf058
PMID:40366779
|
研究论文 | 介绍PhenoLearn工具包，帮助生物学家通过深度学习对2D标本图像进行注释和表型分析 | 开发了用户友好的图形界面工具包，使非计算机专业的生物学家能够轻松使用深度学习技术 | NA | 为生物学家提供易于使用的深度学习工具，用于生物数据集中的图像注释和表型分析 | 2D标本图像，特别是鸟类羽毛区域分割 | 计算机视觉 | NA | 深度学习，图像分割 | 深度学习模型 | 图像 | NA | NA | NA | 预测准确度，运行时间 | GPU和CPU（比较有无GPU时的运行时间） |
| 1113 | 2025-10-06 |
Research based on EEG for addiction level assessment methods and parietal/occipital lobes brain function analysis
2025-Sep-06, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2551014
PMID:40913522
|
研究论文 | 提出一种基于脑电图的甲基苯丙胺使用障碍评估方法，结合深度学习、可视化和时频域分析 | 使用增强型紧凑卷积神经网络ECCN-Net进行EEG分类，结合CAM可视化识别关键脑区通道 | NA | 开发准确的成瘾程度评估方法并分析顶叶/枕叶脑功能 | 甲基苯丙胺使用障碍患者的脑电图数据 | 机器学习 | 药物成瘾 | 脑电图 | CNN | 脑电图信号 | NA | NA | ECCN-Net | 准确率 | NA |
| 1114 | 2025-10-06 |
Artificial intelligence-assisted assessment of metabolic response to tebentafusp in metastatic uveal melanoma: a long axial field-of-view [18F]FDG PET/CT study
2025-Sep-06, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07504-8
PMID:40913640
|
研究论文 | 本研究评估人工智能辅助的[18F]FDG长轴视野PET/CT在转移性葡萄膜黑色素瘤患者接受tebentafusp治疗中的代谢反应评估可行性和预后价值 | 首次将人工智能辅助量化与长轴视野PET/CT结合用于tebentafusp治疗的转移性葡萄膜黑色素瘤代谢反应评估 | 样本量较小（15例患者），部分生存分析结果仅显示趋势而未达统计学显著性 | 探索AI辅助的PET/CT代谢参数在转移性葡萄膜黑色素瘤治疗监测和预后评估中的应用价值 | 接受tebentafusp治疗的转移性葡萄膜黑色素瘤患者 | 数字病理 | 葡萄膜黑色素瘤 | [18F]FDG PET/CT成像，循环肿瘤DNA检测 | 深度学习 | 医学影像（PET/CT），分子生物学数据 | 15例转移性葡萄膜黑色素瘤患者 | RECOMIA平台 | NA | 总生存期，p值 | NA |
| 1115 | 2025-10-06 |
Multi-task learning for classification and prediction of adolescent idiopathic scoliosis based on fringe-projection three-dimensional imaging
2025-Sep-06, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-025-09340-8
PMID:40913670
|
研究论文 | 基于条纹投影三维成像开发多任务学习模型用于青少年特发性脊柱侧凸的分类和预测 | 首次将多任务深度学习应用于脊柱侧凸评估，通过联合学习Cobb角预测和曲线分类任务提取共享形态特征 | 未明确说明样本来源和数据集划分细节，缺乏外部验证结果 | 开发无创无辐射的脊柱侧凸诊断框架以替代传统X射线评估 | 青少年特发性脊柱侧凸患者 | 计算机视觉 | 脊柱侧凸 | 条纹投影三维成像 | 深度学习 | 三维表面数据 | NA | NA | 多任务深度学习模型 | 平均绝对误差,均方根误差,相关系数,决定系数,灵敏度,阳性预测值 | NA |
| 1116 | 2025-10-06 |
Interictal Epileptiform Discharge Detection using Dual-domain Features and GAN
2025-Sep-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3605257
PMID:40911454
|
研究论文 | 提出一种融合卷积层和Transformer的IED检测器，结合GAN进行数据增强，用于自动检测癫痫样放电 | 首次将卷积层与Transformer结合用于IED检测，并提出基于Transformer的GAN进行数据增强 | IED数据稀缺问题仍未完全解决，模型在更广泛数据集上的泛化能力有待验证 | 开发自动检测癫痫样放电的深度学习模型 | 癫痫患者的脑电图数据 | 机器学习 | 癫痫 | 脑电图 | CNN, Transformer, LSTM, GAN | 脑电图时间序列数据 | 两个数据集（具体数量未明确说明） | NA | Transformer, CNN, LSTM, GAN | 准确率, 灵敏度, 精确率 | NA |
| 1117 | 2025-10-06 |
3D foot kinetics estimation from distributed vGRF from smart insoles via 1D domain transformation
2025-Sep-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3605296
PMID:40911460
|
研究论文 | 通过深度学习将智能鞋垫采集的分布式垂直地面反作用力转换为三维动力学参数 | 提出Ke2KeNet模型实现从一维vGRF信号到三维动力学参数的高精度转换，并优化了鞋垫压力传感器布局 | 仅针对健康受试者进行研究，未涉及病理步态 | 开发从智能鞋垫数据估计三维足部动力学参数的方法 | 健康受试者的步行动力学数据 | 生物力学 | NA | 深度学习域转换 | 1D序列到序列模型 | 一维压力分布序列 | 健康受试者（具体数量未说明） | NA | Ke2KeNet, 1D序列到序列模型 | 与跑步机数据的对比评估 | NA |
| 1118 | 2025-10-06 |
Multimodal deep learning methods for speech and language rehabilitation: a cross-sectional observational study
2025-Sep-05, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2025.2551708
PMID:40911624
|
研究论文 | 本文提出了一种改进的多模态深度学习康复流程，整合音频、视频和文本信息为言语语言康复提供个性化治疗 | 采用交叉注意力融合的多模态分层Transformer架构模型，能够联合建模语音声学特征、面部动态、唇部发音和语言上下文 | NA | 开发智能多模态深度学习系统以革新言语语言康复治疗的未来 | 患有沟通障碍的患者（包括神经系统疾病、发育迟缓和身体残疾引起的障碍） | 自然语言处理 | 神经系统疾病 | 深度学习 | Transformer | 音频,视频,文本 | NA | NA | 交叉注意力融合多模态分层Transformer | 准确率,患者参与度,可测量的治疗效益 | NA |
| 1119 | 2025-10-06 |
Development and clinical assessment of a novel AI-based diagnostic model for Hirschsprung's disease
2025-Sep-05, Updates in surgery
IF:2.4Q2
DOI:10.1007/s13304-025-02284-0
PMID:40913191
|
研究论文 | 开发基于深度学习的AI诊断模型，利用对比灌肠图像诊断先天性巨结肠症 | 首次将YOLOv8算法应用于先天性巨结肠症的对比灌肠图像诊断，提供了一种非侵入性的准确诊断方法 | 研究样本量相对有限（725张图像），外部验证的特异性（72.22%）有待进一步提升 | 提高先天性巨结肠症的诊断准确性，同时减少侵入性检查 | 先天性巨结肠症患者的对比灌肠图像 | 计算机视觉 | 先天性巨结肠症 | 对比灌肠成像 | 深度学习 | 图像 | 725张对比灌肠图像（2013-2022年经组织病理学确认的HD患者） | PyTorch, Python | YOLOv8 | 平均精度均值(mAP), 精确率, 召回率, F1分数, 灵敏度, 特异性, 准确率 | NA |
| 1120 | 2025-10-06 |
Heart disease risk prediction based on deep learning multi-scale convolutional enhanced Swin Transformer model
2025-Sep-05, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2556004
PMID:40913335
|
研究论文 | 提出一种基于多尺度卷积增强Swin Transformer的心脏病风险预测模型 | 结合多分支卷积网络与Swin Transformer模块，通过通道注意力机制优化多尺度特征提取，并集成SHAP分析增强模型可解释性 | 仅使用克利夫兰心脏病数据集进行验证，未在其他数据集测试泛化能力 | 开发心脏病早期风险预测的深度学习模型 | 心脏病患者临床数据 | 机器学习 | 心血管疾病 | 深度学习 | CNN, Transformer | 结构化临床数据 | 克利夫兰心脏病数据集 | NA | 多尺度卷积增强Swin Transformer (MSCST) | 准确率, AUC | NA |