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 301 - 320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2025-10-05 |
A deep learning approach for brain tumour classification and detection in MRI images using YOLOv7
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1508326
PMID:41040522
|
研究论文 | 本研究使用YOLOv7深度学习模型对脑部MRI图像中的肿瘤进行分类和检测 | 采用最新的YOLOv7模型进行脑肿瘤检测与分类，并在扩展IoU范围内评估模型性能 | 仅使用2870张标注图像，数据集规模相对有限 | 开发基于深度学习的脑肿瘤自动检测与分类系统 | 脑部MRI图像中的肿瘤区域 | 计算机视觉 | 脑肿瘤 | MRI成像 | YOLO | 图像 | 2870张标注的脑部MRI图像，包含四种类型：垂体瘤、胶质瘤、脑膜瘤和无肿瘤 | NA | YOLOv7 | 召回率, 边界框检测准确率, mAP | NA |
| 302 | 2025-10-05 |
BioSemAF-BiLSTM: a protein sequence feature extraction framework based on semantic and evolutionary information
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1616880
PMID:41040660
|
研究论文 | 提出了一种结合语义和进化信息的蛋白质序列特征提取框架BioSemAF-BiLSTM，用于预测S-亚磺酰化位点 | 首次将序列压缩方法应用于评估蛋白质序列特征充分性，并开发了自适应特征融合模块增强特征交互 | 特征提取存在11%的信息损失率，可能影响模型性能上限 | 开发计算框架准确识别蛋白质S-亚磺酰化位点 | 蛋白质序列及其S-亚磺酰化修饰位点 | 生物信息学 | NA | 蛋白质序列分析，深度学习 | BiLSTM | 蛋白质序列数据 | 基准数据集（具体数量未说明） | fastText, 自定义深度学习框架 | Bidirectional LSTM, 自适应特征融合模块 | 准确率, 灵敏度, 特异性 | NA |
| 303 | 2025-10-05 |
A bibliometric review of deep learning in crop monitoring: trends, challenges, and future perspectives
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1636898
PMID:41041084
|
综述 | 本文通过文献计量学方法系统分析深度学习在作物监测中的应用趋势、挑战与未来前景 | 首次对2000-2024年间650余篇文献进行系统的文献计量与知识图谱分析，揭示深度学习与遥感技术融合的研究格局 | 基于文献计量分析，缺乏对具体技术方法的实验验证和性能比较 | 系统梳理人工智能特别是深度学习在农业监测中的应用现状与发展趋势 | 2000-2024年间发表的650余篇关于深度学习和农业监测的学术文献 | 机器学习 | NA | 文献计量分析，知识图谱分析，遥感技术（无人机，卫星） | CNN | 文献数据，遥感图像数据 | 650+篇学术出版物 | NA | NA | NA | NA |
| 304 | 2025-10-05 |
Fusion-driven multimodal learning for biomedical time series in surgical care
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1605406
PMID:41041272
|
研究论文 | 提出一种融合驱动的多模态学习方法，用于外科护理中的生物医学时间序列预测 | 开发了自适应多模态融合网络和动态跨模态学习策略，通过注意力对齐、图表示学习和模态自适应融合机制增强多模态数据整合 | NA | 解决生物医学时间序列预测中多模态数据融合的挑战，提升临床决策的准确性和鲁棒性 | 生物医学时间序列数据，包括生理信号、影像数据和电子健康记录 | 机器学习 | 外科护理相关疾病 | 深度学习 | 深度学习框架 | 多模态时间序列数据（生理信号、影像、电子健康记录） | NA | NA | 自适应多模态融合网络（AMFN） | 预测准确性、鲁棒性、可解释性 | NA |
| 305 | 2025-10-05 |
Correlation does not equal causation: the imperative of causal inference in machine learning models for immunotherapy
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1630781
PMID:41041318
|
系统综述 | 本文探讨机器学习在免疫治疗中因果推断的重要性及当前实践差距 | 首次系统性地揭示免疫治疗研究中因果推断的缺失问题，并介绍新兴因果机器学习模型 | 基于文献综述，缺乏原始数据验证；未详细讨论具体实施技术细节 | 推动因果推断在免疫治疗机器学习模型中的应用 | 免疫检查点抑制剂研究（90项研究）和黑色素瘤回顾性研究（36项研究） | 机器学习 | 免疫治疗相关疾病 | 多组学数据整合，因果推断方法 | Targeted-BEHRT, CIMLA, CURE | 多模态数据（影像、基因组学、临床记录） | 126项研究（90+36） | NA | 因果机器学习架构 | 模型可解释性，临床适用性 | NA |
| 306 | 2025-10-05 |
MLVI-CNN: a hyperspectral stress detection framework using machine learning-optimized indices and deep learning for precision agriculture
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1631928
PMID:41041588
|
研究论文 | 提出一种结合机器学习优化指数和深度学习的超光谱胁迫检测框架，用于精准农业中的作物胁迫早期检测 | 开发了两个新型超光谱指数MLVI和H_VSI，并首次将其与CNN模型结合用于作物胁迫分类，能比传统指数提前10-15天检测到胁迫 | NA | 实现作物胁迫的早期准确检测，促进可持续农业和粮食安全 | 作物水分和结构胁迫 | 计算机视觉 | NA | 超光谱成像 | CNN | 超光谱图像 | NA | NA | CNN | 准确率, 相关系数 | NA |
| 307 | 2025-10-05 |
Artificial Intelligence in Clinical Diagnosis and Treatment of Dry Eye: Workflows, Effectiveness, and Evaluation
2024 Oct-Dec, Journal of current ophthalmology
IF:1.2Q3
DOI:10.4103/joco.joco_172_24
PMID:41041032
|
综述 | 本文综述人工智能在干眼症临床诊疗中的应用，探讨其工作流程、有效性及未来发展方向 | 系统总结AI在干眼症诊疗中的完整工作流程，并提出云端治疗管理等新兴应用方向 | AI在干眼症应用中仍面临某些需要解决的挑战 | 探讨人工智能在干眼症临床诊断和治疗中的应用价值与发展前景 | 干眼症患者及相关临床数据 | 医学人工智能 | 干眼症 | 数据分析、图像识别 | 机器学习、深度学习 | 临床数据、图像数据 | 基于48项原始研究的汇总分析 | NA | NA | 诊断效率、准确性、客观性 | NA |
| 308 | 2025-10-05 |
Reliable Active Learning via Influence Functions
2023-Nov, Transactions on machine learning research
PMID:41036166
|
研究论文 | 提出一种基于影响函数的可靠主动学习框架，解决深度学习中主动学习算法性能不可靠的问题 | 通过影响函数、伪标签和多样性选择来高效估计样本对模型在整个数据集上性能的影响 | NA | 提高主动学习在深度学习架构中的可靠性和性能 | 深度学习模型中的样本选择策略 | 机器学习 | NA | 主动学习 | 深度学习架构 | NA | NA | NA | NA | NA | NA |
| 309 | 2025-10-05 |
Applications of artificial intelligence and nanotechnology in vaccine development
2025-Nov-10, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2025.126096
PMID:40886810
|
综述 | 探讨人工智能和纳米技术在疫苗开发中的协同应用及其对传统疫苗研发局限性的突破 | 提出人工智能与纳米技术协同整合的创新范式，通过AI算法优化抗原设计结合纳米载体精准递送，实现个性化免疫策略开发 | 未提及具体临床转化挑战和规模化生产成本控制等实践性限制 | 推动疫苗研发技术革新以应对新发传染病和复杂疾病挑战 | 疫苗设计、递送系统和免疫优化策略 | 机器学习 | 传染病 | 基因组学、蛋白质组学、免疫组学数据分析 | 机器学习,深度学习 | 基因组数据,蛋白质组数据,免疫学数据 | NA | NA | NA | NA | NA |
| 310 | 2025-10-05 |
Label-free classification of nanoscale drug delivery systems using hyperspectral imaging and convolutional neural networks
2025-Nov-10, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2025.126065
PMID:40885220
|
研究论文 | 本研究开发了一种结合高光谱成像和深度学习技术的无标记纳米药物递送系统分类方法 | 首次将3D卷积神经网络与高光谱成像结合用于无标记脂质体分类，并采用SMOTE技术解决药物数据集中的类别不平衡问题 | 研究中未明确说明样本量的具体数值，且方法在更广泛的纳米颗粒类型上的适用性有待验证 | 开发无标记、非侵入性的纳米药物递送系统表征方法 | 治疗性脂质体（对照组和阿霉素负载脂质体） | 计算机视觉 | NA | 高光谱成像，暗场成像 | 3D CNN | 高光谱图像 | NA | NA | 3D CNN | 准确率，F1分数，Cohen's Kappa | NA |
| 311 | 2025-10-05 |
Harnessing artificial intelligence to advance insights in systemic sclerosis skin and lung disease
2025-Nov-01, Current opinion in rheumatology
IF:5.2Q1
DOI:10.1097/BOR.0000000000001114
PMID:40767529
|
综述 | 本文综述了截至2024年人工智能在系统性硬化症皮肤和肺部疾病研究中的应用进展 | 系统总结了人工智能在系统性硬化症研究中从预测建模到患者分型的多种创新应用 | 基于相对较小的患者队列进行研究，且为综述性文章而非原始研究 | 推进系统性硬化症皮肤和肺部疾病的研究 | 系统性硬化症患者 | 医学人工智能 | 系统性硬化症 | 数字图像分析，深度学习 | 监督机器学习，无监督机器学习 | 医学影像，临床数据，皮肤活检 | 相对较小的SSc队列 | NA | NA | NA | NA |
| 312 | 2025-10-05 |
Does Sequence Clustering Confound AlphaFold2?
2025-Nov-01, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169376
PMID:40780395
|
评论 | 本文回应了多篇论文对AF-Cluster方法的误解和错误结论，并进一步分析证实了局部进化耦合在AlphaFold2多构象预测中的重要作用 | 通过进一步分析证实局部进化耦合在AF-Cluster预测中的关键作用，反驳了相关文献中的错误主张 | NA | 澄清AlphaFold2多构象采样方法中的误解，解释深度学习模型预测结果的原理 | 蛋白质多构象状态预测方法 | 结构生物学 | NA | 深度学习 | AlphaFold2 | 蛋白质序列 | NA | NA | AlphaFold2 | NA | NA |
| 313 | 2025-10-05 |
FoldExplorer: Fast and Accurate Protein Structure Search with Sequence-Enhanced Graph Embedding
2025-Nov-01, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169412
PMID:40889693
|
研究论文 | 提出一种名为FoldExplorer的新型深度学习方法，用于快速准确的蛋白质结构搜索 | 结合图注意力神经网络和蛋白质语言模型，联合编码结构和序列信息，生成专门用于蛋白质结构搜索的嵌入表示 | NA | 开发高效的蛋白质结构搜索方法以应对蛋白质结构数据库的指数级扩张 | 蛋白质结构 | 生物信息学 | NA | 图注意力神经网络，蛋白质语言模型 | 图神经网络 | 蛋白质结构数据，序列数据 | NA | NA | 图注意力神经网络 | 几何相似性搜索精度，分类准确率 | NA |
| 314 | 2025-10-05 |
Use of Artificial Intelligence to Detect Cardiac Rhythm Disturbances in Athletes: A Scoping Review
2025 Nov-Dec, Journal of veterinary internal medicine
IF:2.1Q1
DOI:10.1111/jvim.70257
PMID:41017277
|
综述 | 本文通过范围综述评估人工智能在运动员（特别是马匹）心电图心律失常检测中的应用现状与潜力 | 首次系统综述AI技术在运动性心律失常检测中的应用，特别关注兽医医学领域及跨物种比较 | 样本量较小且物种特异性心电图形态学差异限制了在兽医医学中的广泛应用 | 评估人工智能在心电图心律失常检测中的应用，特别关注在运动物种中的当前和潜在用途 | 人类、马和犬类运动员的心电图数据 | 机器学习 | 心血管疾病 | 心电图分析 | 深度学习,CNN | 心电图信号 | 包含17项研究（13项人类研究、3项马研究、1项犬研究） | NA | 卷积神经网络 | 准确率 | NA |
| 315 | 2025-10-05 |
Comparative Study of a Variant Neural Relational Inference Deep Learning Model and Dynamical Network Analysis for p53-DNA Allosteric Interactions
2025-Nov-01, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169374
PMID:40769488
|
研究论文 | 本研究比较了改进的神经关系推理深度学习模型与动态网络分析在p53-DNA变构相互作用中的表现 | 通过集成Transformer的多头自注意力模块改进神经关系推理模型，首次系统比较深度学习与动态网络分析在蛋白质变构研究中的差异 | 研究主要针对p53-DNA系统，未验证在其他蛋白质体系中的普适性 | 比较不同计算方法在蛋白质变构相互作用研究中的性能差异 | p53蛋白与DNA的变构相互作用，包括野生型和突变型p53 | 机器学习 | NA | 动态网络分析，深度学习 | 神经关系推理(NRI)，Transformer | 蛋白质结构数据，分子动力学数据 | 野生型和突变型p53-DNA复合物 | NA | 改进的神经关系推理模型，多头自注意力机制 | 准确性，全面性 | NA |
| 316 | 2025-10-05 |
Transforming sleep medicine: the evolving role of artificial intelligence
2025-Nov-01, Current opinion in pulmonary medicine
IF:2.8Q2
DOI:10.1097/MCP.0000000000001210
PMID:40855966
|
综述 | 探讨人工智能在睡眠医学中不断发展的角色及其对临床实践的影响 | 系统阐述AI技术在睡眠医学领域的应用演进，包括诊断优化和个性化治疗的新范式 | 存在患者隐私保护、算法偏见和数据透明度等伦理挑战，尚未完全解决临床应用障碍 | 阐明AI在睡眠医学中的发展现状，为临床医生提供应用指导 | 睡眠障碍患者（如阻塞性睡眠呼吸暂停、失眠、发作性睡病）及相关医疗数据 | 医疗人工智能 | 睡眠障碍 | 多导睡眠监测、消费级睡眠设备数据采集 | 机器学习,深度学习 | 生理信号数据,医疗设备数据 | NA | NA | NA | NA | NA |
| 317 | 2025-10-05 |
Ptgs2+ CPTC Function as a "Force-Immune Axis" by Responding to Acupuncture and Mediating M2 Macrophage Activation for Anti-Inflammatory Effects
2025-Oct-15, FASEB journal : official publication of the Federation of American Societies for Experimental Biology
IF:4.4Q2
DOI:10.1096/fj.202501175RR
PMID:41017691
|
研究论文 | 本研究通过单细胞测序发现腹部中线筋膜中Ptgs2+ CPTC亚群能响应针刺机械刺激并通过Il6-Il6st-Stat3通路激活M2巨噬细胞产生抗炎效应 | 首次确立Ptgs2+ CPTC作为连接机械刺激与免疫调控的“力-免疫轴”，揭示了针灸作用的细胞机制 | 研究聚焦于腹部中线筋膜，其他筋膜区域的普适性需进一步验证 | 探索筋膜组织中细胞对机械刺激的响应机制及免疫调节作用 | 大鼠腹部中线筋膜中的Cd34+/Pdgfra+端细胞（CPTC）及其亚群 | 数字病理 | 炎症性疾病 | 单细胞测序, 细胞形态学分析 | 深度学习 | 单细胞测序数据, 细胞形态数据 | 痢疾大鼠模型 | NA | NA | NA | NA |
| 318 | 2025-10-05 |
Role of artificial intelligence in gastric diseases
2025-Oct-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i37.111327
PMID:41025012
|
综述 | 本文综述人工智能在胃部疾病诊疗中的应用现状与发展趋势 | 发现AI效能与用户专业水平呈反比关系，中等专业水平从业者获益最大；开发了多模态临床决策支持系统 | 训练数据存在地域偏见、监管障碍、患者隐私和AI问责伦理问题、AI开发集中于科技巨头 | 探讨人工智能在胃部疾病诊断和管理中的应用价值 | 胃部疾病诊疗过程 | 数字病理 | 胃部疾病 | 多模态集成（内镜图像、临床病史、实验室结果、基因组数据） | 深度学习, 大语言模型 | 图像, 文本, 基因组数据 | NA | NA | 多智能体架构 | 病变检测率96%, 分类准确率82%-87% | NA |
| 319 | 2025-10-03 |
Correction for Li et al., Comprehensive tissue deconvolution of cell-free DNA by deep learning for disease diagnosis and monitoring
2025-Oct-07, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2525325122
PMID:41032527
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 320 | 2025-10-05 |
Morphological Signatures of Salt Crystals under Controlled Humidity Using Advanced Image Analysis
2025-Oct-02, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.5c04762
PMID:40965417
|
研究论文 | 通过控制湿度研究盐结晶形态特征，并利用图像分析和深度学习进行精确量化与预测 | 结合湿度控制室与先进图像分析技术，首次系统量化不同湿度下盐结晶的形态特征，并实现97%准确率的盐类识别 | 仅研究两种盐类（氯化钠和氯化铵），在玻璃基板上的结晶行为，未涉及其他盐类或不同基底材料 | 探究控制湿度对盐结晶形态的影响规律，开发基于图像分析的盐类识别方法 | 氯化钠（NaCl）和氯化铵（NH4Cl）盐晶体 | 计算机视觉 | NA | 高分辨率成像，MATLAB图像分析 | 深度学习神经网络 | 图像 | 两种盐类在控制湿度条件下的结晶样本 | MATLAB | NA | 准确率 | NA |