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 36465 篇文献，本页显示第 3081 - 3100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3081 | 2025-11-22 |
MPIDNN-GPPI: multi-protein language model with an improved deep neural network for generalized protein‒protein interaction prediction
2025-Nov-19, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-025-12228-y
PMID:41257586
|
研究论文 | 提出一种基于蛋白质序列的蛋白质-蛋白质相互作用预测框架MPIDNN-GPPI，通过整合两种蛋白质语言模型和改进的深度神经网络实现跨物种通用PPI预测 | 整合Ankh和ESM-2两种蛋白质语言模型，结合多头注意力机制和深度神经网络，提升跨物种PPI预测的泛化能力 | 对于验证PPI数据有限的物种预测性能仍需提升 | 开发具有强泛化能力的蛋白质-蛋白质相互作用预测模型 | 多种物种的蛋白质-蛋白质相互作用数据 | 生物信息学 | NA | 蛋白质语言模型，深度神经网络 | DNN，多头注意力机制 | 蛋白质序列数据 | 来自STRING数据库的9个PPI数据集，涵盖哺乳动物和植物物种 | NA | Ankh，ESM-2，深度神经网络，多头注意力机制 | AUC | NA |
| 3082 | 2025-11-22 |
Infrared thermography for detecting compensatory load in people with haemophilia: a cross-sectional study
2025-Nov-19, Thrombosis journal
IF:2.6Q2
DOI:10.1186/s12959-025-00798-6
PMID:41257739
|
研究论文 | 本研究探索红外热成像技术在血友病患者中监测代偿性负荷的潜力 | 首次将红外热成像技术与深度学习相结合用于血友病患者全身温度映射分析，识别代偿性负荷模式 | 样本量较小（24名参与者），横断面研究设计无法确定因果关系 | 评估红外热成像技术在检测血友病患者代偿性负荷中的应用价值 | 24名6-76岁血友病患者，包括出血后、骨科手术后或血友病性关节病患者 | 数字病理 | 血友病 | 红外热成像技术 | 深度学习 | 热成像图像 | 24名血友病患者 | NA | NA | 温度变化模式识别 | NA |
| 3083 | 2025-11-20 |
Prediction of the Ki-67 proliferation index in lung adenocarcinoma using an interpretable CT-based deep learning radiomics model: a two-center study
2025-Nov-19, BMC pulmonary medicine
IF:2.6Q2
DOI:10.1186/s12890-025-03983-5
PMID:41257742
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3084 | 2025-11-22 |
A multi-representation deep-learning framework for accurate multicancer classification
2025-Nov-19, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-07325-1
PMID:41257847
|
研究论文 | 开发了一种集成突变衍生成像和数值基因组特征的多表示深度学习框架用于多癌种分类 | 提出首个整合突变衍生成像特征和数值基因组特征的多表示深度学习框架，通过空间变异图和数值特征矩阵的双模态融合实现多癌种分类 | 研究仅基于10,112名患者的队列，需要更大规模的外部验证和进一步的转化研究 | 开发并评估一种新型框架，通过整合互补的突变衍生特征来推进癌症分类 | 10,112名患者，涵盖33种癌症类型 | 数字病理学 | 多癌种分类 | 基因组测序，KEGG通路富集分析 | CNN, Transformer | 基因组数据，图像数据 | 10,112名患者，33种癌症类型 | PyTorch | ResNet-18, Transformer | 精确度，召回率，F1分数，准确率 | NA |
| 3085 | 2025-11-22 |
Exploring the Feasibility of a Deep Learning Algorithm for Postoperative Outcome Assessment in Unilateral Cleft Lip Repair: A Pilot Study
2025-Nov-19, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000012199
PMID:41263442
|
研究论文 | 本研究探索深度学习算法在单侧唇裂修复术后效果评估中的可行性 | 首次将基于EfficientNet-B1架构的卷积神经网络应用于唇裂术后效果评估，利用真实世界修正手术结果进行训练 | 仅为初步研究，样本量有限，需要进一步验证 | 开发AI辅助的唇裂术后效果评估系统，识别需要修正手术的患者 | 单侧唇裂修复术后患者 | 计算机视觉 | 唇裂 | 深度学习 | CNN | 图像 | 500张标准化术后面部照片 | NA | EfficientNet-B1 | 准确率, AUC, 召回率 | NA |
| 3086 | 2025-11-22 |
Integrative profiling of condensation-prone RNAs during early development
2025-Nov-19, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2025.101065
PMID:41265448
|
研究论文 | 通过整合转录组学分析和可解释深度学习框架，识别并表征了一类在早期发育中具有凝结倾向的RNA（smOOPs） | 发现新型发育凝结倾向RNA类别smOOPs，并首次揭示其序列组成特征与相分离机制的关联 | RNA特征与凝结形成的因果关系仍需进一步实验验证 | 探究RNA特征在生物分子凝结体形成中的作用机制 | 早期发育过程中的凝结倾向RNA（smOOPs） | 生物信息学 | NA | 转录组学测序，深度学习分析 | 深度学习 | RNA序列数据，蛋白质结合数据 | NA | NA | 可解释深度学习框架 | NA | NA |
| 3087 | 2025-11-22 |
Utilizing Temporal Inductive Path Neural Networks for Accurate Voice-Based Depression Classification: A Detailed Approach for Analyzing Speech Patterns to Identify Mental Health States
2025-Nov-19, Journal of voice : official journal of the Voice Foundation
IF:2.5Q1
DOI:10.1016/j.jvoice.2025.10.003
PMID:41266172
|
研究论文 | 提出一种基于语音的抑郁症分类方法，使用时序归纳路径神经网络分析语音模式以识别心理健康状态 | 首次使用时序归纳路径神经网络结合二元皇家战斗优化器进行抑郁症语音分类，实现了参数优化和准确检测 | 时序归纳路径神经网络缺乏自适应优化策略来确定最优参数 | 开发一种准确的声音基础抑郁症分类系统，帮助克服传统精神健康护理的障碍 | 抑郁症患者的语音录音 | 自然语言处理 | 抑郁症 | 语音分析，多目标匹配同步压缩线性调频变换 | TIPNN | 音频 | NA | Python | 时序归纳路径神经网络 | 准确率，精确率，灵敏度，特异性，F1分数 | NA |
| 3088 | 2025-11-22 |
MeNet: A mixed-effect deep neural network for multi-environment genomic prediction of agronomic traits
2025-Nov-19, Plant communications
IF:9.4Q1
DOI:10.1016/j.xplc.2025.101620
PMID:41267404
|
研究论文 | 提出一种混合效应深度神经网络MeNet，用于多环境下农艺性状的基因组预测 | 将混合效应模型的统计严谨性与神经网络的非线性建模能力相结合，通过双嵌入机制动态调整遗传相关性和基因组变异的贡献 | NA | 提高多环境下农艺性状基因组预测的准确性和稳健性 | 水稻、小麦和玉米的农艺性状 | 机器学习 | NA | 基因组预测 | 深度神经网络 | 基因组数据 | 3个作物数据集（12个水稻性状×3环境，小麦产量×4环境，3个玉米性状） | NA | MeNet | 预测准确率 | NA |
| 3089 | 2025-11-22 |
A Dual-stage Deep Learning Framework for Breast Ultrasound Image Segmentation and Classification
2025-Nov-18, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02298-6
PMID:41249662
|
研究论文 | 提出一种双阶段深度学习框架，用于乳腺超声图像的分割和良恶性分类 | 设计模块化双阶段流程，可灵活集成不同主干网络架构，适配特定任务需求 | NA | 支持乳腺癌诊断，提升早期检测能力 | 乳腺超声图像中的肿块区域 | 医学影像分析 | 乳腺癌 | 超声成像 | 深度学习 | 超声图像 | 两个乳腺超声数据集 | NA | DeepLabV3+, ResNet34, MobileNetV3-Small, EfficientNet-B0 | 诊断准确率 | NA |
| 3090 | 2025-11-22 |
AI-driven pre-screening for colorectal cancer using complete blood counts: toward broader population impact
2025-Nov-18, International journal of colorectal disease
IF:2.5Q1
DOI:10.1007/s00384-025-05030-5
PMID:41251828
|
研究论文 | 开发基于常规血常规数据的透明人工智能模型用于结直肠癌预筛查 | 首次利用常规血常规数据开发可解释AI模型进行结直肠癌预筛查，相比传统方法更具可及性和成本效益 | 回顾性研究设计，模型灵敏度(64%)低于粪便免疫化学测试(88%)，仅在部分亚组中与FIT比较 | 开发基于血常规数据的结直肠癌预筛查工具以改善风险分层和资源分配 | 28,450名45-75岁在血常规检查后六个月内接受结肠镜检查的个体 | 机器学习 | 结直肠癌 | 血常规检测 | 岭回归 | 结构化医疗数据 | 28,450名个体（439例CRC，2,955例高级别腺瘤，21,662例良性发现） | NA | 岭回归 | AUC, 灵敏度, 特异性 | NA |
| 3091 | 2025-11-19 |
Development and validation of an AI-augmented deep learning model for survival prediction in de novo metastatic colorectal cancer
2025-Nov-18, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-03974-2
PMID:41251848
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3092 | 2025-11-22 |
Explainable multi stream deep learning for fine grained camel breed classification using a Novel Arabian and Non Arabian dataset
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-19146-9
PMID:41253851
|
研究论文 | 提出一种可解释的多流深度学习架构，用于细粒度骆驼品种分类 | 引入新颖的阿拉伯与非阿拉伯骆驼图像数据集，并提出分层自适应框架的多流深度学习架构 | 某些品种间视觉相似度高，数据集存在不平衡问题 | 实现细粒度的骆驼品种自动识别和牲畜管理 | 阿拉伯和非阿拉伯骆驼品种 | 计算机视觉 | NA | 图像分类 | CNN | 图像 | 1,620张骆驼图像 | NA | DenseNet121, MobileNetV2, InceptionV3, ResNet50 | 准确率 | NA |
| 3093 | 2025-11-22 |
A Custom Annotated Dataset for Segmentation of Pulmonary Veins, Arteries, and Airways
2025-Nov-18, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06074-6
PMID:41253855
|
研究论文 | 本文提出了一个包含肺静脉、肺动脉和气道综合标注的CT数据集，并开发了基于MONAI的深度学习分割模型 | 创建了首个大规模公开的肺结构多组织标注数据集，采用两阶段优化策略显著提升了小气道分支的分割性能 | 数据集主要基于LUNA16数据集，可能对某些特定肺病类型的泛化能力有限 | 解决肺结构分割领域缺乏大规模标注数据的问题，推动肺病管理技术的发展 | 肺静脉、肺动脉、气道管腔和气道壁的3D分割 | 数字病理 | 肺病 | 计算机断层扫描(CT) | 深度学习分割模型 | 3D CT图像 | 254个CT扫描样本 | MONAI | NA | Dice相似系数(DSC) | NA |
| 3094 | 2025-11-22 |
Explainable AI based cervical cancer prediction using FSAE feature engineering and H2O AutoML
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23593-9
PMID:41253874
|
研究论文 | 提出一种结合FSAE特征工程和H2O AutoML的可解释AI框架用于宫颈癌预测 | 集成堆叠自编码器特征提取和Fisher Score特征选择的混合机器学习框架，结合LIME和SHAP实现模型可解释性 | 未明确说明样本数据集的具体规模和来源限制 | 开发可解释的宫颈癌预测模型以改善患者预后和医疗资源分配 | 宫颈癌患者数据 | 机器学习 | 宫颈癌 | 特征工程，AutoML | 自编码器，深度学习 | 医疗数据 | NA | H2O AutoML | 堆叠自编码器 | 准确率，AUC，对数损失，F1分数，错误率 | NA |
| 3095 | 2025-11-22 |
Novel transfer learning approach for detecting mango fruit type and quality assessment
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24210-5
PMID:41253908
|
研究论文 | 提出一种结合迁移学习和机器学习的新方法，用于芒果品种分类和质量评估 | 提出创新的IncepForestNet特征工程方法，结合Inception V3和随机森林进行特征提取和概率特征发现 | NA | 开发准确的芒果品种分类和质量评估方法以优化供应链管理 | 芒果水果 | 计算机视觉 | NA | 迁移学习，机器学习 | CNN, Random Forest | 图像 | NA | NA | Inception V3, IncepForestNet | 准确率, k-fold验证 | NA |
| 3096 | 2025-11-22 |
A comparative machine and deep learning approach for predicting ultimate bearing capacity of shallow foundations in cohesionless soil
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22812-7
PMID:41253938
|
研究论文 | 开发基于Python的机器学习与深度学习框架预测无黏性土中浅基础的极限承载力 | 首次系统比较11种机器学习模型与5种深度学习模型在浅基础承载力预测中的性能，并采用SHAP方法解释模型特征重要性 | 仅基于116组实验数据，样本规模有限；仅针对无黏性土条件 | 预测无黏性土中浅基础的极限承载力 | 浅基础 | 机器学习 | NA | NA | GPR, XGBoost, GBM, RF, CatBoost, ANN, DNN | 数值数据 | 116组基础实验数据 | Python | 人工神经网络, 深度神经网络 | 决定系数(R), 平均绝对百分比误差(MAPE) | NA |
| 3097 | 2025-11-22 |
A novel hybrid deep learning and chaotic dynamics approach for thyroid cancer classification
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24334-8
PMID:41253983
|
研究论文 | 提出一种结合深度学习和混沌动力学的甲状腺癌分类方法，通过小波变换和混沌系统增强特征判别能力 | 首次将CDF9/7小波与n-scroll混沌系统结合用于医学图像分类，通过混沌调制增强特征表示 | 仅在公开数据集上进行验证，需要更多临床数据验证实际应用效果 | 开发高精度甲状腺癌自动分类方法以辅助临床诊断 | 甲状腺超声图像 | 计算机视觉 | 甲状腺癌 | 超声成像 | CNN | 图像 | DDTI数据集1638张图像（819恶性/819良性），TCIA数据集，ISIC皮肤病变子集 | NA | 自适应卷积神经网络，EfficientNetV2-S, Swin-T, ViT-B/16, ConvNeXt-T | 准确率, 敏感度, 特异度, F1分数, AUC | 峰值显存1125MB，每张图像处理时间28.7ms |
| 3098 | 2025-11-22 |
Artificial intelligence powered intelligent energy management framework for hydrogen storage and dispatch in smart microgrids
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24408-7
PMID:41253996
|
研究论文 | 提出一种结合长短期记忆神经网络和磷虾群算法的AI驱动智能能源管理框架，用于优化智能微电网中氢能的存储和调度 | 首次将LSTM短期预测与KHA优化算法相结合，用于氢能充放电调度优化，在真实微电网场景中验证了框架的有效性 | 采用简化的恒定效率假设建模光伏阵列、电解槽和燃料电池，未考虑详细的电化学动力学 | 开发智能能源管理框架以提升氢能集成微电网的灵活性和可靠性 | 智能微电网中的氢能存储和调度系统 | 机器学习 | NA | NA | LSTM | 时间序列数据 | 基于埃及阿斯旺地区真实案例的15分钟分辨率数据 | NA | LSTM, Krill Herd Algorithm | MAPE, 电网输入减少量, 光伏削减量, 能源自给率, 二氧化碳减排量 | NA |
| 3099 | 2025-11-22 |
Whistles characterisation using artificial intelligence reveals responses of short-beaked common dolphins to a bio-inspired acoustic mitigation device for fishing nets
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24256-5
PMID:41253985
|
研究论文 | 本研究开发了一种半自动深度学习方法来识别海豚哨声轮廓，并应用于分析短吻普通海豚对生物启发式声学缓解装置的反应 | 开发了名为'绘制你自己的轮廓'(DYOC)的半自动深度学习方法，首次对比斯开湾短吻普通海豚种群哨声特征进行了表征 | 研究仅基于808分钟的音频记录，样本来源局限于比斯开湾特定区域 | 评估海豚哨声特征及其对外部环境变量的响应 | 野生自由活动的短吻普通海豚 | 生物声学分析 | NA | 声学记录分析 | CNN | 音频 | 808分钟音频记录，包含8,730个哨声轮廓 | PyTorch | YOLOv8m, ResNet18 | 标注效率（比手动标注快6倍） | NA |
| 3100 | 2025-11-22 |
Biologically explainable multi-omics feature demonstrates greater learning potential by identifying tissue of origin, stages, and subtypes for pan-cancer classification
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24352-6
PMID:41253994
|
研究论文 | 开发了一种基于多组学数据的可解释深度学习框架，用于癌症组织起源、分期和亚型的精准分类 | 结合基因集富集分析和Cox回归分析构建可解释AI模型，采用混合特征选择方法识别癌症相关特征 | NA | 开发临床适用的精准治疗模型，解决癌症原发器官识别、分期和亚型确定等挑战 | 来自30种不同器官起源癌症的7632个样本 | 机器学习 | 泛癌 | 转录组、甲基化组、microRNA测序 | 自编码器, ANN | 多组学数据 | 7632个样本 | NA | 自编码器, 人工神经网络 | 准确率 | NA |