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 32372 篇文献，本页显示第 2021 - 2040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2021 | 2025-10-06 |
Deep Learning for the Accurate Prediction of Triggered Drug Delivery
2025-01, IEEE transactions on nanobioscience
IF:3.7Q3
DOI:10.1109/TNB.2024.3426291
PMID:39018211
|
研究论文 | 本研究结合实验测量与深度学习技术开发预测模型，用于准确预测脂质体和金属有机框架纳米载体在不同触发条件下的药物释放行为 | 首次将深度学习技术应用于纳米药物递送系统的触发释放预测，显著优于传统线性预测方法 | 研究主要关注脂质体和金属有机框架两类纳米载体，未涉及其他类型纳米载体 | 开发准确的药物触发释放预测模型以改善癌症治疗策略 | 脂质体和金属有机框架纳米载体及其药物释放行为 | 机器学习 | 癌症 | 纳米药物递送系统、超声波触发、微波触发、紫外光触发、pH触发 | 深度学习 | 实验测量数据 | NA | NA | NA | 预测准确度 | NA |
| 2022 | 2025-10-06 |
Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository
2025, NeuroImage. Clinical
DOI:10.1016/j.nicl.2025.103752
PMID:39987858
|
研究论文 | 对南德克萨斯阿尔茨海默病研究中心尸检库进行多图谱多模态形态测量分析的首次研究报告 | 开发了专门处理尸检神经影像数据的流程，包括识别福尔马林信号的轻量深度网络和修复各向异性分辨率MRI扫描的合成工具 | 尸检扫描中区域脑容量测量具有挑战性，组织固定引起的收缩效应需要特别处理 | 研究共病性痴呆症的神经病理学机制 | 阿尔茨海默病及相关神经退行性疾病患者的大脑组织 | 数字病理学 | 阿尔茨海默病 | MRI神经影像，组织学检查 | 深度学习网络 | 多模态MRI图像，组织学数据 | 200个大脑捐赠，100个经过整理的MRI会话 | NA | 轻量深度网络 | 组织分离准确度，体积测量敏感度 | NA |
| 2023 | 2025-10-06 |
BanglaNewsClassifier: A machine learning approach for news classification in Bangla Newspapers using hybrid stacking classifiers
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321291
PMID:40489455
|
研究论文 | 提出一种用于孟加拉语新闻分类的混合堆叠分类器方法 | 首次将双向长短期记忆网络与支持向量机结合的堆叠元分类器应用于孟加拉语新闻分类 | 仅针对孟加拉语单一语言，未涉及多语言对比分析 | 开发高效的孟加拉语新闻自动分类系统 | 孟加拉语新闻文章 | 自然语言处理 | NA | TF-IDF向量化, word2Vec嵌入 | BiLSTM, SVM, 堆叠分类器 | 文本 | 118,404篇孟加拉语新闻文章 | NA | 双向长短期记忆网络, 支持向量机 | 准确率, 混淆矩阵, ROC曲线 | NA |
| 2024 | 2025-10-06 |
Deep learning-based embedding of functional connectivity profiles for precision functional mapping
2025, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.129
PMID:40918268
|
研究论文 | 本研究使用变分自编码器将功能连接图谱嵌入低维潜在空间，实现多样本同时比较 | 首次使用变分自编码器同时嵌入来自不同解剖位置、个体和群体平均的功能连接图谱，突破传统空间相似性只能两两比较的限制 | 未提及模型在更大规模数据集上的泛化能力验证 | 开发用于精确功能映射的可视化和探索性分析方法 | 人类大脑功能连接图谱 | 机器学习 | NA | 功能磁共振成像 | VAE | 神经影像数据 | NA | NA | 变分自编码器 | 潜在空间结构保持度 | NA |
| 2025 | 2025-10-06 |
MDWC-Net: a multi-scale dynamic-weighting context network for precise spinal X-ray segmentation
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1651296
PMID:40951635
|
研究论文 | 提出一种用于脊柱X射线图像精确分割的多尺度动态加权上下文网络MDWC-Net | 引入三个创新模块（MSCAW、DFCB、BIEB）解决脊柱X射线图像分割中的尺度变化大、边界模糊等挑战 | 仅在280张脊柱X射线图像上训练和评估，样本量相对有限 | 提高脊柱X射线图像分割的准确性和鲁棒性 | 脊柱X射线图像中的脊椎结构 | 数字病理 | 脊柱疾病 | X射线成像 | CNN | 图像 | 280张脊柱X射线图像（来自河南省人民医院），按7:1:2比例分为训练集、验证集和测试集 | NA | 编码器-解码器架构 | Dice系数, MIoU, GPA, 敏感性 | NA |
| 2026 | 2025-10-06 |
Radiomics and ischemic stroke research: bibliometric insights and visual trends (2004-2024)
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1606388
PMID:40948650
|
文献计量分析 | 通过文献计量学方法分析2004-2024年间影像组学在缺血性脑卒中研究中的发展趋势和热点 | 首次对缺血性脑卒中影像组学研究进行系统的文献计量学分析，揭示该领域的发展轨迹和新兴趋势 | 依赖文献数据库的完整性，可能存在收录偏差；分析结果受所选分析工具和方法的影响 | 系统梳理影像组学在缺血性脑卒中研究中的发展脉络和研究热点 | 2004-2024年间发表的缺血性脑卒中影像组学研究文献 | 医学影像分析 | 缺血性脑卒中 | CT, MRI | 深度学习 | 医学影像 | NA | CiteSpace, VOSviewer | NA | NA | NA |
| 2027 | 2025-10-06 |
AI/ML-empowered approaches for predicting T Cell-mediated immunity and beyond
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1651533
PMID:40948755
|
研究论文 | 本研究评估基于AlphaFold 3的AI计算方法预测T细胞受体-肽/MHC复合物特异性 | 首次将AlphaFold 3应用于TCR-pMHC相互作用预测，通过深度学习结构建模实现免疫原性表位的高通量筛选 | 预测模型仍处于早期阶段，距离广泛应用还需进一步研究 | 开发精准预测T细胞免疫原性的方法，推动T细胞介导的免疫治疗和药物设计 | T细胞受体与肽/MHC复合物的相互作用 | 机器学习 | 肿瘤、感染性疾病、自身免疫疾病 | 深度学习结构建模，计算机高通量筛选 | 深度神经网络 | 蛋白质结构数据 | NA | AlphaFold | AlphaFold 3 | 准确性 | NA |
| 2028 | 2025-10-06 |
Olfactory EEG based Alzheimer disease classification through transformer based feature fusion with tunable Q-factor wavelet coefficient mapping
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1638922
PMID:40948808
|
研究论文 | 本研究提出一种基于嗅觉脑电信号的阿尔茨海默病分类方法，通过Transformer特征融合与可调Q因子小波系数映射实现疾病检测 | 首次将Transformer特征融合与可调Q因子小波系数映射结合用于嗅觉脑电信号的阿尔茨海默病分类 | NA | 开发基于脑电信号的阿尔茨海默病早期诊断方法 | 健康个体、遗忘型轻度认知障碍患者和阿尔茨海默病患者 | 机器学习 | 阿尔茨海默病 | 脑电图 | Transformer | 脑电信号 | NA | NA | Transformer | 准确率 | NA |
| 2029 | 2025-10-06 |
Unlocking artificial intelligence, machine learning and deep learning to combat therapeutic resistance in metastatic castration-resistant prostate cancer: a comprehensive review
2025, Ecancermedicalscience
IF:1.2Q4
DOI:10.3332/ecancer.2025.1953
PMID:40949469
|
综述 | 探讨人工智能、机器学习和深度学习在解决转移性去势抵抗性前列腺癌治疗耐药性中的作用 | 整合基因组学、蛋白质组学和临床参数的多组学数据，通过AI方法揭示耐药分子机制并预测治疗反应 | 数据异质性和监管问题阻碍AI成果向临床实践的转化 | 对抗转移性去势抵抗性前列腺癌的治疗耐药性 | 转移性去势抵抗性前列腺癌(mCRPC) | 机器学习 | 前列腺癌 | NA | NA | 基因组学数据,蛋白质组学数据,临床参数 | NA | NA | NA | NA | NA |
| 2030 | 2025-10-06 |
Automated seed counting using image processing and deep learning
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1659781
PMID:40949545
|
研究论文 | 本研究开发了基于图像处理和深度学习的自动化种子计数方法并集成到移动应用中 | 首次将图像处理和深度学习方法集成到移动应用中实现自动化种子计数，提供两种互补的技术方案 | 图像处理方法依赖受控环境条件，深度学习方法对视觉复杂或密集聚集的种子准确性不一致 | 开发自动化种子计数方法以替代传统人工计数 | 农业种子 | 计算机视觉 | NA | 图像处理,深度学习 | NA | 图像 | NA | NA | NA | 准确率,处理速度 | 移动应用 |
| 2031 | 2025-10-06 |
DSA-net: a lightweight and efficient deep learning-based model for pea leaf disease identification
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1642453
PMID:40949565
|
研究论文 | 提出一种轻量高效的深度学习模型DSA-Net用于豌豆叶片病害识别 | 结合改进的MobileNet-V3_small、可变形卷积、自注意力机制和加性注意力机制，增强对病害几何变化和全局特征的建模能力 | NA | 提高豌豆叶片病害识别的准确率和实时性，满足现代农业对低成本高效诊断的需求 | 豌豆叶片病害 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | 7915个样本，包含健康叶片和4种病害（褐斑病、潜叶蝇、白粉病、根腐病）共5个类别 | NA | MobileNet-V3_small, DSA-Net | 准确率 | 边缘设备 |
| 2032 | 2025-10-06 |
MOSSNet: multiscale and oriented sorghum spike detection and counting in UAV images
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1526142
PMID:40949571
|
研究论文 | 提出一种用于无人机图像中多尺度和定向高粱穗检测与计数的深度学习模型MOSSNet | 提出可变形卷积空间注意力模块增强小目标特征捕捉能力，集成圆形平滑标签有效表示形态特征，采用Wise IoU定位损失函数优化网络损失 | 未在不同生长阶段验证模型性能，尚未实现实时检测工作流程 | 开发精准的高粱穗检测与计数方法以监测生长状况和预测产量 | 无人机拍摄的高粱穗图像 | 计算机视觉 | NA | 无人机成像技术 | CNN | 图像 | NA | NA | MOSSNet | mAP, RMSEa, MAEa, RMSE, MAE | NA |
| 2033 | 2025-10-06 |
Federated learning and differential privacy: Machine learning and deep learning for biomedical image data classification
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251358531
PMID:40949674
|
研究论文 | 本研究评估了前馈神经网络、高斯过程和深度神经网络在联邦学习框架下对生物医学图像数据分类的效果，并引入差分隐私技术保护患者隐私 | 将联邦学习与差分隐私技术相结合应用于生物医学图像分类，在保护患者隐私的同时保持模型性能 | FNN模型存在过拟合问题，验证准确率(68.75%)明显低于训练准确率(86.49%) | 评估在隐私保护前提下生物医学图像数据分类的机器学习方法效果 | 生物医学图像数据 | 计算机视觉 | NA | 生物医学图像分析 | FNN, GP, MLP, DNN | 图像 | NA | NA | 前馈神经网络, 高斯过程, 多层感知机 | 准确率, 相关系数, 平均绝对误差, 均方根误差, 相对绝对误差, 相对均方根误差 | NA |
| 2034 | 2025-10-06 |
Deep learning applied in epilepsy: Bibliometric and visual analysis
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251375840
PMID:40949669
|
文献计量分析 | 通过文献计量和可视化分析方法研究深度学习在癫痫领域的应用现状和发展趋势 | 首次采用文献计量学方法对深度学习在癫痫领域的研究进行系统性可视化分析 | 仅纳入Web of Science数据库的英文文献，可能存在文献收录不全的局限性 | 分析深度学习在癫痫领域的研究趋势、热点和前沿发展 | 2006-2025年间发表的1266篇深度学习应用于癫痫的研究文献 | 机器学习 | 癫痫 | 文献计量分析，脑电图处理，脑成像分析 | 深度学习 | 文献数据，脑电图，医学影像 | 1266篇论文，来自290个国家/地区的1957个机构 | CiteSpace, VOSviewer, Bibliometrix | NA | NA | NA |
| 2035 | 2025-10-06 |
Single-scan adaptive graph filtering for dynamic PET denoising by exploring intrinsic spatio-temporal structure
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1659122
PMID:40950959
|
研究论文 | 提出一种新型单次扫描自适应时空图滤波技术，用于动态PET图像去噪 | 无需外部训练数据，直接利用单次采集数据构建自适应图滤波器，探索数据内在时空结构 | 仅通过模拟和真实数据集验证，尚未在更广泛的临床场景中测试 | 开发针对动态PET图像的高效去噪方法 | 动态正电子发射断层扫描(PET)数据 | 医学图像处理 | NA | 动态PET成像 | 图滤波 | PET正弦图数据 | 模拟和真实数据集 | NA | 时空图滤波(ST-GF) | NA | NA |
| 2036 | 2025-10-06 |
Lightweight CNN for accurate brain tumor detection from MRI with limited training data
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1636059
PMID:40950994
|
研究论文 | 开发了一种轻量级CNN模型，用于在有限训练数据下从MRI图像中准确检测脑肿瘤 | 在有限数据条件下实现了高精度的脑肿瘤检测，相比需要大量数据的基线模型表现更优 | 仅使用189张MRI图像的小数据集，需要进一步扩大数据集验证模型泛化能力 | 开发轻量级深度学习模型用于脑肿瘤的早期检测 | 脑部MRI图像 | 计算机视觉 | 脑肿瘤 | 磁共振成像(MRI) | CNN | 图像 | 189张灰度脑部MRI图像 | TensorFlow, TFlearn | 五层CNN架构(包含三个卷积层、两个池化层和一个全连接层) | 准确率, 精确率, 召回率, F1分数, ROC AUC | NA |
| 2037 | 2025-10-06 |
Multi-omics modality completion and knowledge distillation for drug response prediction in cervical cancer
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1622600
PMID:40951335
|
研究论文 | 提出MKDR深度学习框架，通过多组学模态补全和知识蒸馏技术提升宫颈癌药物反应预测准确性 | 结合变分自编码器模态补全和知识蒸馏技术，将完整组学数据信息迁移到不完整样本 | 未明确说明模型在其他癌症类型或临床样本上的泛化能力 | 提高宫颈癌药物反应预测准确性以支持个性化治疗策略开发 | 宫颈癌细胞系 | 机器学习 | 宫颈癌 | 多组学数据整合分析 | 变分自编码器,知识蒸馏 | 多组学数据（基因表达、拷贝数变异、突变数据） | NA | NA | MKDR-Student | MSE,R²,MAE,Spearman相关系数,Pearson相关系数 | NA |
| 2038 | 2025-10-06 |
Development of fully automated deep-learning-based approach for prediction of sentinel lymph node metastasis in breast cancer patients using ultrasound imaging
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1592521
PMID:40951361
|
研究论文 | 开发基于深度学习的全自动方法，利用超声影像预测乳腺癌患者前哨淋巴结转移 | 提出融合多种分割算法和CNN模型的集成方法，实现自动ROI勾画和预测，性能优于资深和初级放射科医生 | 回顾性研究设计，样本量相对有限（692例），需要更多外部验证 | 开发预测乳腺癌前哨淋巴结转移的深度学习模型 | 692例女性乳腺癌患者的超声影像数据 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 超声图像 | 692例患者（训练集405例，内部验证集174例，外部测试集113例） | NA | DeepLabV3,U-Net,U-Net++,ResNet50,ResNet101,DenseNet121 | AUC,准确率,Dice系数,ROC曲线,校准曲线,DCA | NA |
| 2039 | 2025-10-06 |
Intelligent Recognition and Segmentation of Blunt Craniocerebral Injury CT Images Based on DeepLabV3+ Model
2024-Oct-25, Fa yi xue za zhi
|
研究论文 | 基于DeepLabV3+模型实现钝性颅脑损伤CT图像的智能识别与分割 | 首次将DeepLabV3+模型应用于法医学领域钝性颅脑损伤的自动诊断，并探索了活体CT图像训练模型在尸体CT图像上的应用价值 | 直接使用活体颅脑损伤模型进行尸体损伤识别存在一定局限性，在尸体CT图像上的分割性能相对较差 | 探索深度学习在法医学钝性颅脑损伤自动诊断中的应用价值 | 钝性颅脑损伤CT图像，包括活体和尸体来源 | 计算机视觉 | 颅脑损伤 | CT成像 | CNN | 医学图像 | 活体CT图像5486张（训练/验证/测试集），活体盲测集255张损伤图像+156张正常图像，尸体盲测集340张损伤图像+120张正常图像 | NA | DeepLabV3+ | Dice系数,准确率,精确率,F1值 | NA |
| 2040 | 2025-10-06 |
A comparison of antibody-antigen complex sequence-to-structure prediction methods and their systematic biases
2024-Sep, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.5127
PMID:39167052
|
研究论文 | 比较六种抗体-抗原复合物序列到结构预测方法的性能并分析其系统偏差 | 首次系统比较包括AlphaFold-Multimer和RoseTTAFold在内的六种抗体-抗原复合物预测方法，并发现模型质量与界面三级结构基序常见度的关联 | 结构数据库中界面几何数据稀缺可能限制机器学习在抗体-抗原相互作用预测中的应用 | 评估当前抗体-抗原复合物结构预测方法的性能并探索其系统偏差 | 抗体-抗原复合物 | 机器学习 | NA | 蛋白质-蛋白质相互作用预测 | 深度学习,复合方法,同源建模 | 蛋白质序列和结构数据 | NA | AlphaFold-Multimer, RoseTTAFold, ClusPro, Rosetta, AbAdapt | NA | 结构预测质量,三级结构基序匹配度 | NA |