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 36491 篇文献，本页显示第 20341 - 20360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20341 | 2025-10-07 |
Contrast quality control for segmentation task based on deep learning models-Application to stroke lesion in CT imaging
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1434334
PMID:39995787
|
研究论文 | 提出一种基于深度学习模型的对比度质量控制方法，用于CT影像中卒中病灶分割任务 | 首次将Fisher比率用于评估医学影像对比度质量，并确定分割模型学习失效的临界对比度阈值 | 方法目前仅应用于CT影像中的卒中病灶分割，尚未验证在其他任务中的适用性 | 解决CT影像中亚急性卒中病灶分割因图像对比度不足导致的挑战 | CT脑部影像中的卒中病灶 | 医学影像分析 | 卒中 | CT成像 | 深度学习分割模型 | CT影像 | NA | NA | NA | Fisher比率 | NA |
| 20342 | 2025-10-07 |
Deep Learning for Predicting Biomolecular Binding Sites of Proteins
2025, Research (Washington, D.C.)
DOI:10.34133/research.0615
PMID:39995900
|
综述 | 本文综述了深度学习在预测蛋白质生物分子结合位点方面的应用与发展趋势 | 提出了结合序列和结构信息的多模态混合模型，以及几何深度学习在结合位点预测中的创新应用 | 计算需求大，动态建模困难，结构方法需要高质量结构数据 | 开发计算高效且灵活的模型，以捕捉真实世界生物分子相互作用的复杂性 | 蛋白质生物分子结合位点 | 机器学习 | NA | 深度学习 | 几何深度学习，混合模型 | 序列数据，结构数据 | NA | NA | NA | 预测准确性 | NA |
| 20343 | 2025-10-07 |
Identifying relevant EEG channels for subject-independent emotion recognition using attention network layers
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1494369
PMID:39995952
|
研究论文 | 本研究使用注意力机制识别跨被试情感识别中相关的EEG通道 | 首次将注意力网络层应用于识别跨被试情感识别中一致相关的EEG通道 | 仅在三个特定数据集上验证，未考虑更多样化的实验条件 | 提升跨被试情感识别模型的性能 | 人类情感状态 | 脑机接口 | NA | 脑电图(EEG) | 深度学习,注意力机制 | EEG信号 | 三个独立数据集(SEED, SEED-IV, SEED-V) | NA | 注意力网络 | 准确率 | NA |
| 20344 | 2025-10-07 |
Exploring artificial intelligence in orthopaedics: A collaborative survey from the ISAKOS Young Professional Task Force
2025-Jan, Journal of experimental orthopaedics
IF:2.0Q2
DOI:10.1002/jeo2.70181
PMID:39996084
|
调查论文 | 通过国际调查分析人工智能在骨科领域的应用现状、挑战和未来发展方向 | 首次由ISAKOS青年专业人员工作组开展的全球性骨科AI应用调查，揭示了骨科医生对AI技术的认知差异和应用障碍 | 样本量相对有限（211名骨科医生），男性比例偏高（92.9%），可能存在选择偏差 | 建立骨科人工智能应用的学术讨论基础，阐明关键模式、挑战和未来发展方向 | 骨科医生群体 | 医学人工智能 | 骨科疾病 | 问卷调查 | NA | 问卷调查数据 | 211名骨科医生 | NA | NA | 百分比统计 | NA |
| 20345 | 2025-10-07 |
SegCSR: Weakly-Supervised Cortical Surfaces Reconstruction from Brain Ribbon Segmentations
2024-Dec-10, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.10.626888
PMID:39713375
|
研究论文 | 提出一种基于脑部MRI带状分割的弱监督皮质表面重建方法 | 无需依赖传统流程生成的伪标签，通过联合学习微分同胚流直接从未分割的脑部MRI带状分割中重建皮质表面 | 在深度脑沟区域仍需正则化处理，性能依赖于分割质量 | 开发无需伪标签监督的皮质表面重建方法 | 脑部MRI图像中的皮质表面 | 医学图像处理 | 神经系统疾病 | 脑部MRI | 深度学习 | 医学图像 | 两个大规模脑部MRI数据集 | NA | NA | 准确度, 规则性 | NA |
| 20346 | 2025-10-07 |
DECA: harnessing interpretable transformer model for cellular deconvolution of chromatin accessibility profile
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf069
PMID:39987573
|
研究论文 | 提出基于视觉Transformer的DECA模型，用于从批量染色质可及性数据中解卷积细胞类型信息 | 首次将视觉Transformer应用于染色质可及性数据的细胞解卷积，其多头注意力机制生成的补丁注意力与Hi-C检测的染色质相互作用具有一致性 | 未明确说明模型在处理极高稀疏性单细胞数据时的具体表现 | 开发深度学习模型解决批量ATAC-seq数据中细胞异质性问题 | 染色质可及性图谱和细胞类型组成 | 计算生物学 | 泛癌症 | ATAC-seq, 单细胞ATAC-seq, Hi-C | Transformer | 染色质可及性数据 | NA | NA | Vision Transformer | NA | NA |
| 20347 | 2025-10-07 |
An arrhythmia classification using a deep learning and optimisation-based methodology
2024-Oct, Journal of medical engineering & technology
DOI:10.1080/03091902.2025.2463574
PMID:39949269
|
研究论文 | 提出一种基于深度学习和优化方法的心电图信号分类方法 | 结合EfficientNet-B0特征提取与混合特征选择方法（两种滤波方法+自适应秃鹰搜索优化算法） | NA | 心电图信号的五类心律失常分类 | 心电图信号 | 机器学习 | 心血管疾病 | ECG信号处理 | CNN | 图像（灰度图和尺度图） | NA | NA | EfficientNet-B0 | 准确率 | NA |
| 20348 | 2025-10-07 |
A combination of deep learning models and type-2 fuzzy for EEG motor imagery classification through spatiotemporal-frequency features
2024-Oct, Journal of medical engineering & technology
DOI:10.1080/03091902.2025.2463577
PMID:39950750
|
研究论文 | 提出一种结合深度学习和2型模糊的混合架构FCLNET，用于脑电运动想象分类 | 首次将2型模糊函数作为CNN激活函数处理不确定性，并采用贝叶斯优化调整超参数 | 仅使用公开竞赛数据集进行验证，未在更广泛临床场景测试 | 开发鲁棒的脑电信号分类方法以提升脑机接口系统性能 | 脑电信号中的运动想象模式 | 生物医学信号处理 | NA | 脑电信号处理 | CNN, LSTM | 脑电信号 | BCI Competition IV-2a数据库和BCI Competition IV-1数据库 | NA | Compact-CNN, LSTM, FCLNET | 分类准确率 | NA |
| 20349 | 2025-10-07 |
AESurv: autoencoder survival analysis for accurate early prediction of coronary heart disease
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae479
PMID:39323093
|
研究论文 | 开发了一种基于自编码器的生存分析模型AESurv，用于利用DNA甲基化和临床特征准确预测冠心病发病时间 | 首次将自编码器与生存分析相结合，通过低维表征学习处理高维DNA甲基化数据，在冠心病预测中实现了优于传统生存分析模型的性能 | 研究仅在美国印第安人群和绝经后女性两个特定队列中进行验证，模型在其他人群中的普适性需要进一步验证 | 开发准确的冠心病时间-事件预测模型以支持早期干预策略 | 美国印第安成年人（Strong Heart Study队列）和绝经后女性（Women's Health Initiative队列） | 机器学习 | 心血管疾病 | DNA甲基化分析 | 自编码器 | DNA甲基化数据和临床特征数据 | 两个前瞻性队列研究：Strong Heart Study和Women's Health Initiative | NA | 自编码器 | C指数, 时间-事件平均AUROC | NA |
| 20350 | 2025-10-07 |
DeepComBat: A statistically motivated, hyperparameter-robust, deep learning approach to harmonization of neuroimaging data
2024-Aug-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.26708
PMID:39056477
|
研究论文 | 提出一种基于条件变分自编码器和ComBat方法的深度学习神经影像数据协调方法DeepComBat | 结合统计方法和深度学习的优势，在考虑特征间多变量关系的同时放宽了先前深度学习协调方法的强假设 | NA | 开发能够有效去除神经影像数据批次效应的协调方法 | 认知老化队列的皮层厚度测量数据 | 神经影像分析 | 老年疾病 | 神经影像分析 | 条件变分自编码器 | 神经影像数据 | NA | NA | 条件变分自编码器 | 定性评估,定量评估 | NA |
| 20351 | 2025-10-07 |
Patients Perceptions of Artificial Intelligence in a Deep Learning-Assisted Diabetic Retinopathy Screening Event: A Real-World Assessment
2024-May, Journal of diabetes science and technology
IF:4.1Q2
DOI:10.1177/19322968241234378
PMID:38404014
|
研究论文 | 通过深度学习辅助的糖尿病视网膜病变筛查活动，评估患者对人工智能在医疗中应用的看法 | 在真实世界场景中评估患者对AI辅助医疗筛查的接受度和认知水平 | 研究对象主要为初级保健患者且教育水平较低，样本代表性可能受限 | 了解患者对人工智能在医疗保健中应用的看法和接受度 | 糖尿病患者群体，主要为初级保健患者 | 数字病理 | 糖尿病视网膜病变 | 深度学习 | NA | 调查问卷数据 | 参与筛查活动的糖尿病患者群体 | NA | NA | NA | NA |
| 20352 | 2025-10-07 |
Among Artificial Intelligence/Machine Learning Methods, Automated Gradient-Boosting Models Accurately Score Intraoral Plaque in Non-Standardized Images
2024, Journal of the California Dental Association
DOI:10.1080/19424396.2024.2422146
PMID:39990046
|
研究论文 | 开发并测试用于非标准化口腔图像的自动图像选择和牙菌斑评分方法 | 首次实现无需深度学习模型即可对非标准化牙菌斑图像进行准确自动评分 | 需要手动图像分割，样本量相对有限 | 开发自动牙菌斑评分系统用于儿童预防试验 | 435张照片中的1650颗乳牙（D、E、F、G牙齿） | 计算机视觉 | 口腔疾病 | 图像处理，机器学习 | 支持向量机，梯度提升 | 图像 | 435张照片中的1650颗牙齿 | Python, OpenCV, Scikit-learn, Jupyter Notebooks | 支持向量机-高斯，梯度提升分类和回归模型 | AUC-ROC, R2, 训练时间 | 未明确指定 |
| 20353 | 2025-10-07 |
Federated learning for diagnosis of age-related macular degeneration
2023, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2023.1259017
PMID:37901412
|
研究论文 | 本文提出了一种联邦学习方法，用于训练深度学习模型对年龄相关性黄斑变性进行光学相干断层扫描图像分类 | 结合四种独特的域适应技术解决多机构数据分布不均导致的域偏移问题，并比较了残差网络和视觉变换器编码器在联邦学习中的表现 | 仅使用二元分类任务，未探索更深层模型和其他联邦学习策略 | 开发保护数据隐私的分布式深度学习模型用于AMD诊断 | 年龄相关性黄斑变性患者的眼科光学相干断层扫描图像 | 计算机视觉 | 年龄相关性黄斑变性 | 光学相干断层扫描 | 深度学习 | 图像 | NA | NA | ResNet, Vision Transformer | NA | NA |
| 20354 | 2025-10-07 |
A primer on deep learning in genomics
2019-01, Nature genetics
IF:31.7Q1
DOI:10.1038/s41588-018-0295-5
PMID:30478442
|
综述 | 本文提供基因组学中深度学习应用的入门指南和前景展望 | 整合深度学习在基因组分析中的成功应用案例，并提供交互式在线教程 | NA | 为基因组分析领域的深度学习应用提供指导性框架 | 基因组数据 | 机器学习 | NA | 基因组分析 | 深度学习 | 基因组数据 | NA | NA | NA | NA | NA |
| 20355 | 2025-02-26 |
A multidimensional adaptive transformer network for fatigue detection
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10224-2
PMID:39991017
|
研究论文 | 本文提出了一种多维自适应Transformer网络，用于检测驾驶疲劳状态 | 引入了一种多维Transformer架构，能够自适应地为不同信息维度分配权重，从而提升特征压缩和结构信息提取的效果 | 当前研究主要集中在时间维度信息提取，可能忽略了EEG数据的其他维度 | 提高驾驶疲劳状态检测的准确性和泛化能力 | 驾驶员的脑电图（EEG）信号 | 机器学习 | NA | EEG信号分析 | Transformer | EEG信号 | 使用了SEED-VIG和SFDE数据集 | NA | NA | NA | NA |
| 20356 | 2025-10-07 |
Cost-efficient training of hyperspectral deep learning models for the detection of contaminating grains in bulk oats by fluorescent tagging
2025-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.125856
PMID:39923708
|
研究论文 | 本研究开发了一种基于荧光标记和深度学习的高光谱图像分析方法，用于检测燕麦中的异种谷物污染 | 提出使用荧光标记目标物来高效生成高光谱深度学习模型所需的标注数据，解决了手动标注耗时且易出错的问题 | 研究主要针对未涂层斯佩尔特小麦粒在燕麦中的检测，对其他谷物污染物的泛化能力需要进一步验证 | 开发成本效益高的高光谱深度学习模型训练方法，用于检测燕麦中的污染谷物 | 燕麦中的斯佩尔特小麦污染谷物 | 计算机视觉 | NA | 高光谱成像，荧光标记 | 深度学习分割模型 | 高光谱图像 | 被斯佩尔特小麦污染的燕麦混合物 | NA | 实例分割模型 | RMSE | NA |
| 20357 | 2025-10-07 |
In situ self-cleaning PAN/Cu2O@Ag/Au@Ag flexible SERS sensor coupled with chemometrics for quantitative detection of thiram residues on apples
2025-May-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143032
PMID:39855070
|
研究论文 | 开发了一种具有自清洁功能的柔性SERS传感器，结合化学计量学算法用于苹果表面福美双残留的定量检测 | 首次将自清洁柔性SERS传感器与深度学习算法结合，实现了福美双的快速原位定量检测和传感器可回收利用 | 传感器回收次数有限（至少5次），检测回收率存在波动（88.32%-111.80%） | 开发用于食品安全监测的快速原位检测技术 | 苹果表面的福美双农药残留 | 化学传感与检测 | 食品安全 | 表面增强拉曼散射，静电纺丝，光催化降解 | CNN, CARS-PLS | 拉曼光谱数据 | 未明确说明 | 未明确说明 | 未明确说明 | 相关系数，检测限，回收率 | NA |
| 20358 | 2025-10-07 |
Improving binding affinity prediction by emphasizing local features of drug and protein
2025-Apr, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种强调药物和蛋白质局部特征的深度学习模型以改进结合亲和力预测 | 首次同时从药物分子子图和蛋白质序列子序列中全面提取局部特征，通过多流CNN和GCN架构保留微观结构特征 | 仅使用Davis和KIBA两个数据集进行验证，未在其他数据集上测试泛化能力 | 提高药物-蛋白质结合亲和力预测的准确性 | 药物分子和靶蛋白 | 机器学习 | NA | 深度学习 | CNN, GCN | 蛋白质序列，药物分子图结构 | Davis和KIBA数据集 | NA | Multi-Stream CNN, Multi-Stream GCN | NA | NA |
| 20359 | 2025-10-07 |
Hybrid optimization enabled DenseNet for autism spectrum disorders using MRI image
2025-Apr, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种基于混合优化算法的DenseNet模型，用于通过MRI图像检测自闭症谱系障碍 | 结合Jaya算法和缝纫训练优化算法提出新型JSTO优化方法，并应用于DenseNet模型训练 | 仅使用Abide 1数据集进行验证，未在其他数据集测试泛化能力 | 开发高效准确的ASD早期检测方法 | 自闭症谱系障碍患者的脑部MRI图像 | 计算机视觉 | 自闭症谱系障碍 | MRI | DenseNet | 图像 | 基于Abide 1数据集的样本（具体数量未明确说明） | NA | DenseNet | 准确率, 真阳性率, 真阴性率, 未加权平均召回率, 假阴性率, 假阳性率 | NA |
| 20360 | 2025-10-07 |
Deep learning and radiomics-based vascular calcification characterization in dental cone beam computed tomography as a predictive tool for cardiovascular disease: a proof-of-concept study
2025-Apr, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.12.010
PMID:39827035
|
研究论文 | 本研究开发了一种基于深度学习和影像组学的自动化方法，用于在牙科锥形束CT扫描中检测血管钙化并预测心血管疾病 | 首次将深度学习和影像组学结合应用于牙科CBCT扫描，实现血管钙化的自动检测和心血管疾病预测 | 样本量较小(148例扫描)，椎动脉钙化检测性能较低(0.53) | 开发自动化工具用于血管钙化检测和心血管疾病风险预测 | 颅外颈动脉钙化、颅内颈动脉钙化和椎动脉钙化 | 医学影像分析 | 心血管疾病 | 锥形束计算机断层扫描 | 深度学习 | 医学影像 | 148例CBCT扫描，135个钙化区域 | nnU-Net | nnU-Net | 边界框准确度,AUC-ROC | NA |