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 2381 - 2400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2381 | 2025-10-06 |
High-Performance Automated Detection of Sheep Binocular Eye Temperatures and Their Correlation with Rectal Temperature
2025-Aug-22, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani15172475
PMID:40941270
|
研究论文 | 本研究开发了一种用于自动检测绵羊双眼区域的E-S-YOLO11n模型，并分析了眼温与直肠温度的相关性 | 首次提出E-S-YOLO11n模型用于绵羊双眼区域的自动检测，并系统分析了双眼温度差异及其与直肠温度的关系 | 环境因素可能限制眼温作为直肠温度替代指标的可靠性，眼温与直肠温度相关性较弱且未达到统计学显著性 | 开发非接触式动物体温监测方法，探索眼温与直肠温度的相关性 | 绵羊 | 计算机视觉 | NA | 红外热成像技术(IRT) | YOLO | 热成像图像 | NA | NA | E-S-YOLO11n | 精确率,召回率,mAP@0.5,F1分数,FPS,参数量,模型大小,GFLOPs | NA |
| 2382 | 2025-10-06 |
Small Object Detection in Agriculture: A Case Study on Durian Orchards Using EN-YOLO and Thermal Fusion
2025-Aug-22, Plants (Basel, Switzerland)
DOI:10.3390/plants14172619
PMID:40941783
|
研究论文 | 提出EN-YOLO深度学习模型用于榴莲果园病虫害的小目标检测 | 集成EfficientNet骨干网络和多模态注意力机制，引入大跨度残差边缘保留关键空间信息，采用多模态输入策略 | NA | 开发自动化病虫害检测系统以提升榴莲种植管理效率 | 榴莲果园中的病虫害 | 计算机视觉 | 植物病虫害 | 多模态成像（RGB、近红外、热成像） | YOLO | 图像 | 真实果园数据集 | NA | EN-YOLO, EfficientNet, YOLOv8, YOLOv5-EB, Fieldsentinel-YOLO | 计数准确率, 检测准确率, 泛化能力, 小目标识别能力 | 支持实时无人机部署 |
| 2383 | 2025-10-06 |
Robust Pavement Modulus Prediction Using Time-Structured Deep Models and Perturbation-Based Evaluation on FWD Data
2025-Aug-22, Sensors (Basel, Switzerland)
DOI:10.3390/s25175222
PMID:40942651
|
研究论文 | 提出一种结合时间结构建模和扰动评估的集成框架，用于路面结构模量的鲁棒预测 | 开发了五种时间序列输入策略，设计了混合Wide & Deep ResRNN架构，并采用基于高斯噪声扰动的蒙特卡洛式置信区间估计方法 | 仅使用±3%方差的高斯噪声模拟传感器不确定性，可能无法覆盖所有实际噪声类型 | 提高路面结构模量预测的准确性和鲁棒性 | 路面结构模量 | 机器学习 | NA | Falling Weight Deflectometer (FWD) 数据采集 | SimpleRNN, GRU, LSTM | 时间序列数据 | NA | NA | Wide & Deep ResRNN | 预测准确度, 稳定性 | NA |
| 2384 | 2025-10-06 |
"Frustratingly easy" domain adaptation for cross-species transcription factor binding prediction
2025-Aug-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.21.655414
PMID:40501927
|
研究论文 | 提出一种名为MORALE的领域自适应框架，用于跨物种转录因子结合预测 | 通过对齐跨物种序列嵌入的统计矩，无需对抗训练或复杂架构即可学习物种不变调控特征 | NA | 提高跨物种转录因子结合预测的准确性和泛化能力 | 多物种转录因子ChIP-seq数据集 | 机器学习 | NA | ChIP-seq | 深度学习 | DNA序列数据 | NA | NA | NA | 准确率 | NA |
| 2385 | 2025-10-06 |
Diagnosis of Oral Cancer With Deep Learning. A Comparative Test Accuracy Systematic Review
2025-Aug, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.15330
PMID:40163741
|
系统综述 | 比较深度学习模型与人类专家和其他诊断方法在口腔癌临床检测中的诊断准确性 | 首次通过贝叶斯荟萃分析直接比较深度学习模型与人类专家在口腔癌诊断中的准确性 | 纳入研究数量有限（8项），所有研究均存在偏倚风险，证据等级较低 | 评估深度学习模型在口腔癌诊断中的临床应用价值 | 口腔黏膜病变（癌变与非癌变）的摄影图像 | 计算机视觉 | 口腔癌 | 深度学习 | 深度学习模型 | 图像 | 8项研究纳入的患者口腔黏膜病变图像 | NA | NA | 灵敏度, 特异度 | NA |
| 2386 | 2025-10-06 |
Feasibility study of fully automatic measurement of adenoid size on lateral neck and head radiographs using deep learning
2025-Aug, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06332-0
PMID:40658209
|
研究论文 | 开发并验证基于深度学习的全自动腺样体尺寸测量系统，用于侧位头颈部X光片分析 | 首次实现基于RTMDet和RTMPose网络的腺样体尺寸全自动测量系统 | 回顾性研究，仅包含两个中心的711张X光片 | 开发全自动腺样体尺寸测量系统以提高临床诊断效率 | 头颈部侧位X光片中的腺样体组织 | 计算机视觉 | 耳鼻喉疾病 | X射线成像 | 深度学习 | 医学影像 | 711张侧位头颈部X光片，来自两个医疗中心 | NA | RTMDet, RTMPose | ICC, MAD, RMS, Bland-Altman图 | NA |
| 2387 | 2025-10-06 |
Artificial Intelligence in Diabetes Care: Applications, Challenges, and Opportunities Ahead
2025-Jul-17, Endocrine practice : official journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists
IF:3.7Q2
DOI:10.1016/j.eprac.2025.07.008
PMID:40683367
|
综述 | 本叙述性综述探讨人工智能在糖尿病护理中的最新应用、挑战与未来发展方向 | 整合传统机器学习与深度学习算法在糖尿病并发症筛查、疾病风险预测和临床决策支持中的综合应用 | 基于文献综述方法，缺乏原始数据分析和实验验证 | 评估人工智能在糖尿病护理中的应用潜力与发展方向 | 糖尿病及其并发症（视网膜病变、黄斑水肿、神经病变）患者 | 机器学习 | 糖尿病 | 机器学习、深度学习 | NA | 电子健康记录、医学图像 | NA | NA | NA | NA | NA |
| 2388 | 2025-10-06 |
Modeling inter-reader variability in clinical target volume delineation for soft tissue sarcomas using diffusion model
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17865
PMID:40317577
|
研究论文 | 本研究开发了一种基于扩散模型的深度学习技术，用于生成软组织肉瘤临床靶区(CTV)的多个轮廓，模拟临床实践中不同医师之间的勾画差异 | 首次将扩散模型应用于模拟临床靶区勾画的读者间变异性，能够生成任意数量的不同且合理的CTV轮廓 | 研究样本量相对较小(51例训练集+5例验证集)，需要更大规模的数据验证模型的泛化能力 | 开发能够模拟临床实践中不同医师CTV勾画变异性的自动分割方法 | 软组织肉瘤患者的医学影像数据 | 医学影像分析 | 软组织肉瘤 | FDG-PET, CT, MRI多模态影像 | 扩散模型 | 医学影像 | 51例患者训练集，5例患者独立验证集 | NA | 扩散模型 | Dice指数, 广义能量距离(GED), 召回率, 精确率 | NA |
| 2389 | 2025-10-06 |
Extending Protein Language Models to a Viral Genomic Scale Using Biologically Induced Sparse Attention
2025-Jun-11, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.29.656907
PMID:40501585
|
研究论文 | 提出一种基于生物诱导稀疏注意力的长上下文蛋白质语言模型，可在整个病毒基因组尺度上分析蛋白质序列 | 将Transformer模型的上下文大小扩展到整个病毒基因组，通过基于蛋白质-蛋白质相互作用的稀疏注意力机制捕获长程跨蛋白质相互作用 | 目前仅针对病毒基因组进行验证，尚未扩展到更复杂的真核生物基因组 | 开发能够捕获基因组范围内蛋白质相互作用的深度学习模型 | 病毒基因组中的蛋白质序列 | 自然语言处理 | NA | 蛋白质语言模型 | Transformer | 蛋白质序列数据 | NA | NA | Transformer with sparse attention | 嵌入质量评估 | NA |
| 2390 | 2025-10-06 |
Comparative Analysis of Deep Learning Models for Predicting Causative Regulatory Variants
2025-Jun-11, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.19.654920
PMID:40568119
|
研究论文 | 本研究对深度学习模型在预测遗传变异对增强子活性影响方面进行了比较分析 | 首次在标准化基准和一致训练条件下系统评估多种深度学习模型在预测调控变异方面的性能 | 研究仅针对增强子活性预测，未涵盖其他调控元件；评估数据集和细胞系类型有限 | 评估深度学习模型在预测致病性调控变异方面的性能 | 人类基因组中的非编码变异和增强子活性 | 机器学习 | 复杂人类疾病 | MPRA, raQTL, eQTL | CNN, transformer, hybrid CNN-transformer | 基因组数据, 表观基因组数据 | 54,859个SNP，来自4种人类细胞系，9个数据集 | NA | TREDNet, SEI, Borzoi | NA | NA |
| 2391 | 2025-10-06 |
Association of Deep Learning-Derived Histologic Features of Placental Chorionic Villi with Maternal and Infant Characteristics in the New Hampshire Birth Cohort Study
2025-Apr-23, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.22.25325465
PMID:40313259
|
研究论文 | 本研究利用深度学习技术自动量化胎盘绒毛膜绒毛的组织学特征，并分析其与母婴临床特征的关联 | 首次开发基于深度学习的自动化方法检测超过900万个胎盘绒毛，并通过无监督聚类识别出与生物学分类一致的绒毛亚型 | 研究仅纳入足月胎盘样本，未包含早产胎盘；样本量相对有限 | 建立胎盘绒毛结构的客观标准化方法，探索胎盘结构与母婴特征的关联 | 新罕布什尔州出生队列研究中的1,531个足月胎盘全玻片图像 | 数字病理学 | 妇产科疾病 | 全玻片图像分析 | 深度学习分割模型 | 病理图像 | 1,531个足月胎盘全玻片图像，检测超过900万个绒毛 | NA | NA | 统计显著性(p值) | NA |
| 2392 | 2025-10-06 |
One-click image reconstruction in single-molecule localization microscopy via deep learning
2025-Apr-18, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.13.648574
PMID:40376092
|
研究论文 | 开发了基于深度学习的单分子定位超分辨显微成像一键式图像重建软件AutoDS和AutoDS3D | 通过自动从原始成像数据提取实验参数，显著减少了人工干预，在2D情况下可从预训练模型中选择最优模型，在3D情况下通过图形用户界面实现一键重建 | 未明确说明模型对新实验条件的泛化能力极限 | 简化单分子定位超分辨显微镜的图像重建流程 | 单分子定位超分辨显微镜数据 | 计算机视觉 | NA | 单分子定位超分辨显微镜 | 深度神经网络 | 显微图像 | NA | NA | 基于Deep-STORM和DeepSTORM3D | NA | NA |
| 2393 | 2025-10-06 |
Donor-Specific Digital Twin for Living Donor Liver Transplant Recovery
2025-Feb-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.21.639518
PMID:40568069
|
研究论文 | 本研究通过整合临床基因表达数据和数学模型，为活体肝移植供体开发了个性化渐进机制数字孪生模型 | 首次将全转录组RNA测序数据与肝脏再生数学模型结合，创建可预测个体恢复轨迹的个性化数字孪生模型 | 样本量较小（12名供体），仅针对健康LDLT供体进行研究 | 开发个性化数字孪生模型以预测活体肝移植供体的肝脏恢复轨迹 | 活体肝移植供体的肝脏再生过程 | 数字病理 | 肝移植 | RNA测序, WGCNA, 深度学习 | 深度学习, 数学模型 | 基因表达数据 | 12名健康LDLT供体，在一年内14个时间点采集数据 | NA | NA | NA | NA |
| 2394 | 2025-10-06 |
A pathology-attention multi-instance learning framework for multimodal classification of colorectal lesions
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1592950
PMID:40548052
|
研究论文 | 提出一种病理注意力多示例学习框架PAT-MIL，用于结直肠病变的多模态分类 | 集成动态注意力机制与专家定义文本原型，通过病理知识驱动的语义引导和自适应原型分布优化，实现视觉与文本模态的协同建模 | 未提及模型在更广泛数据集上的泛化能力验证，以及计算效率的具体分析 | 开发无需像素级标注的结直肠病变分类方法，提升数字病理图像分析的准确性和泛化能力 | 结直肠病变的全切片图像(WSI) | 数字病理 | 结直肠癌 | 数字病理图像分析 | 多示例学习(MIL), 注意力机制 | 全切片图像(WSI), 文本原型 | 内部五分类数据集，外部数据集CRS-2024和UniToPatho | NA | PAT-MIL, ABMIL, DSMIL | 准确率, AUC | NA |
| 2395 | 2025-10-06 |
Optimization design of interior space based on the two-stage deep learning network and Single sample-driven method
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0329487
PMID:40929124
|
研究论文 | 提出融合两阶段深度学习网络和单样本驱动机制的室内空间优化设计框架 | 结合Transformer网络的多维特征提取和扩散模型的迭代优化，实现单样本驱动的个性化设计 | NA | 优化室内空间设计流程，提升设计效率和个性化程度 | 室内空间设计 | 计算机视觉 | NA | 深度学习 | Transformer, 扩散模型 | 图像 | 多个公开数据集（InteriorNet、SUN RGB-D、NYU Depth V2、ScanNet） | NA | Transformer, 扩散模型 | 设计周期减少率、空间利用率提升率、比例协调改善率、配色分数提升率 | NA |
| 2396 | 2025-10-06 |
Multi-scale diffusion model for underwater image restoration and enhancement
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0331465
PMID:40929172
|
研究论文 | 提出一种结合物理模型与深度学习的多尺度扩散模型，用于水下图像恢复与增强 | 首次将扩散模型的物理洞察与深度学习相结合，采用编码器-解码器流水线进行图像分解，并通过逆向去噪扩散模型实现像素级优化 | NA | 开发创新的水下图像增强算法，提升视觉质量并在性能指标上超越现有方法 | 水下退化图像 | 计算机视觉 | NA | 深度学习 | 扩散模型 | 图像 | NA | NA | 编码器-解码器 | PSNR, SSIM, UIQM | NA |
| 2397 | 2025-10-06 |
Deep feature engineering for accurate sperm morphology classification using CBAM-enhanced ResNet50
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330914
PMID:40929291
|
研究论文 | 提出一种结合CBAM注意力机制和深度特征工程的深度学习框架，用于精子形态的自动分类 | 首次将卷积块注意力模块与ResNet50架构结合，并采用包含10种特征选择方法的深度特征工程流程 | 在两个相对较小的数据集上进行验证，需要更大规模的多中心验证 | 开发自动、客观的精子形态分类方法以改善男性生育能力评估 | 精子图像 | 计算机视觉 | 生殖系统疾病 | 深度学习 | CNN | 图像 | SMIDS数据集3000张图像（3类），HuSHeM数据集216张图像（4类） | NA | ResNet50, CBAM | 准确率 | NA |
| 2398 | 2025-10-06 |
Self-supervised learning for CT image denoising and reconstruction: a review
2024-Nov, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00424-w
PMID:39465103
|
综述 | 本文综述了自监督学习在CT图像去噪和重建中的应用方法 | 重点关注无需干净/噪声参考即可学习CT图像的自监督学习方法 | NA | 回顾自监督学习在CT图像去噪和重建中的理论与方法演进 | CT图像 | 医学影像 | NA | CT成像 | 深度学习 | CT图像 | NA | NA | NA | NA | NA |
| 2399 | 2025-10-06 |
A deep learning-informed interpretation of why and when dose metrics outside the PTV can affect the risk of distant metastasis in SBRT NSCLC patients
2024-Sep-27, Radiation oncology (London, England)
DOI:10.1186/s13014-024-02519-1
PMID:39334387
|
研究论文 | 本研究通过深度学习模型分析立体定向放射治疗非小细胞肺癌患者中靶区外剂量指标与远处转移风险的关系 | 首次结合深度学习和可解释AI方法系统分析靶区外剂量与远处转移风险的关联，并阐明先前研究结论冲突的原因 | 研究基于单一机构的478例患者数据，需要更大样本量和多中心验证 | 探究立体定向放射治疗中靶区外剂量指标与远处转移风险的关系及其临床意义 | 478例接受SBRT治疗的NSCLC患者 | 数字病理 | 肺癌 | 放射治疗计划分析，剂量测定 | 深度学习模型 | 临床数据，剂量测定数据，肿瘤特征数据 | 478例NSCLC患者 | NA | NA | 风险比，p值 | NA |
| 2400 | 2025-10-06 |
Virtual Screening and Molecular Docking: Discovering Novel METTL3 Inhibitors
2024-Sep-12, ACS medicinal chemistry letters
IF:3.5Q2
DOI:10.1021/acsmedchemlett.4c00216
PMID:39291017
|
研究论文 | 本研究通过结合基于结构的虚拟筛选和几何深度学习算法，从自建数据库中发现了新型METTL3抑制剂 | 提出了一种结合传统结构筛选与几何深度学习DeepDock算法的混合高通量虚拟筛选方案 | NA | 发现新型METTL3抑制剂并研究其生物学功能 | METTL3蛋白及其抑制剂 | 计算生物学 | 癌症 | 虚拟筛选，分子对接，分子动力学模拟 | 深度学习 | 分子结构数据 | 自建内部数据库中的化合物 | DeepDock | 几何深度学习 | 抑制活性 | NA |