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 36487 篇文献，本页显示第 3561 - 3580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3561 | 2025-11-17 |
Automated framework for multi-domain social media text analysis for business strategy employing multilayer perceptron with Word2Vec features and LIME XAI
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0336240
PMID:41231814
|
研究论文 | 提出一种基于多层感知机和Word2Vec特征的情感分析框架MultiSentiNet，用于社交媒体文本分析以支持商业策略 | 结合多层感知机深度网络与词嵌入特征，并采用LIME XAI技术增强模型可解释性 | NA | 开发高效准确的情感分析框架以支持商业决策 | Twitter、Facebook、Instagram等社交媒体平台生成的文本数据 | 自然语言处理 | NA | 情感分析 | 多层感知机 | 文本 | 三个不同领域的数据集（女性电子商务、美国航空情感、仇恨言论检测） | NA | MultiSentiNet | 准确率, 召回率, 精确率, F1分数 | NA |
| 3562 | 2025-11-17 |
Improving detection accuracy of heterogeneity in biological tissues through the combination of modulation-demodulation frame accumulation techniques and enhanced vgg16
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0329009
PMID:41231817
|
研究论文 | 通过调制-解调帧累积技术与增强VGG16相结合，提高生物组织异质性在多光谱透射图像中的分类准确率 | 首次将调制-解调帧累积技术与增强VGG16模型结合用于多光谱图像异质性检测，提出VGG16_BN_SE_GAP改进架构 | 研究基于仿体实验，尚未在真实人体组织上验证 | 提高生物组织异质性在多光谱透射图像中的检测准确率 | 生物组织仿体的多光谱透射图像 | 计算机视觉 | 乳腺癌 | 多光谱透射成像，调制-解调帧累积技术 | CNN | 多光谱图像 | NA | NA | VGG16, U-Net, VGG16_BN_SE_GAP | 分类准确率, 信噪比 | NA |
| 3563 | 2025-11-17 |
A comparative study of MLP and LSTM neural networks for shale gas production prediction based on numerical simulation data
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0336782
PMID:41231836
|
研究论文 | 基于数值模拟数据，比较MLP和LSTM神经网络在页岩气产量预测中的性能 | 首次系统比较MLP和LSTM在页岩气产量预测中的表现，证明LSTM的门控机制能有效捕捉生产数据中的长期依赖关系 | 仅基于数值模拟数据验证，需要实际油田数据进一步验证模型泛化能力 | 提高页岩气产量预测精度，优化储层开发效率 | 页岩气生产数据 | 机器学习 | NA | 数值模拟 | MLP, LSTM | 数值模拟数据 | 多种工程参数组合下的日产量数据 | NA | 多层感知机, 长短期记忆网络 | 相对误差 | NA |
| 3564 | 2025-11-17 |
CattleNet-XAI: An explainable CNN framework for efficient cattle weight estimation
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0336434
PMID:41231892
|
研究论文 | 提出一种可解释的CNN框架CattleNet-XAI，用于从牛只图像中高效估计体重 | 结合定制CNN架构与可解释AI技术(LIME可视化)，在保持高效性的同时提供模型决策过程的透明度 | 未明确说明数据集规模和多样性限制，可能影响模型泛化能力 | 开发自动化牛只体重估计方法以替代传统人工测量 | 牛只图像及对应体重数据 | 计算机视觉 | NA | 图像预处理(归一化、直方图均衡化)、特征提取 | CNN, Random Forest, Linear Regression | 图像 | NA | NA | 定制CNN(3Conv3Dense), EfficientNetB3, YOLOv5 | MAE, MSE, RMSE | NA |
| 3565 | 2025-11-17 |
DSA-DeepFM: a dual-stage attention-enhanced DeepFM model for predicting anticancer synergistic drug combinations
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf269
PMID:41234327
|
研究论文 | 提出一种融合双阶段注意力机制和因子分解机的深度学习模型DSA-DeepFM，用于预测抗癌协同药物组合 | 首次将双阶段注意力机制与因子分解机结合，通过处理复杂生物特征交互来提升预测性能 | 未明确说明模型在更大规模数据集上的泛化能力及对多药物组合的适用性 | 开发机器学习方法预测抗癌药物协同组合，克服传统生物实验的局限性 | 抗癌药物组合 | 机器学习 | 癌症 | NA | DeepFM, 注意力机制 | 分类特征, 数值特征 | NA | NA | DSA-DeepFM, 双阶段注意力机制, 因子分解机 | 预测准确性, t-SNE可视化 | NA |
| 3566 | 2025-11-17 |
Quantitative evaluation of meibomian gland dysfunction via deep learning-based infrared image segmentation
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1642361
PMID:41234492
|
研究论文 | 本研究利用三种深度学习模型对红外睑板腺图像进行分割，提取定量特征用于睑板腺功能障碍的诊断和严重程度评估 | 首次将DeepLabV3+、U-Net和U-Net++三种先进深度学习模型集成应用于睑板腺功能障碍的定量诊断和分级评估 | 未明确说明样本来源和具体数量，模型在临床诊断流程中的整合程度仍需进一步验证 | 开发基于深度学习的睑板腺功能障碍定量评估方法 | 睑板腺红外图像 | 计算机视觉 | 眼科疾病 | 红外成像 | 深度学习 | 红外图像 | NA | NA | DeepLabV3+, U-Net, U-Net++ | AUC, 微平均AUC, 宏平均AUC | NA |
| 3567 | 2025-11-17 |
SegDecon bridges histology and transcriptomics through AI-based nuclei segmentation and image-informed spatial deconvolution
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.10.041
PMID:41234485
|
研究论文 | 提出SegDecon计算框架，通过AI核分割和图像信息空间解卷积连接组织学与转录组学 | 整合图像衍生细胞计数估计到贝叶斯解卷积中，使用HSV色彩空间变换和深度学习实例分割改进核分割，通过定制Gamma先验优化细胞类型解卷积 | 仅在小鼠脑部空间转录组数据上验证，未提及其他组织或物种的验证 | 改进空间转录组学中细胞组成的精确空间映射 | 小鼠脑部组织 | 数字病理学 | NA | 空间转录组学 | 深度学习实例分割 | 组织图像，空间转录组数据 | NA | NA | 修改的cell2location模型 | 与真实值的相关性 | NA |
| 3568 | 2025-11-17 |
Decoding the anticancer and biofilm-inhibiting efficacy of Adansonia digitata using experimental, AI-powered, and molecular modeling approaches
2025, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2025.1666360
PMID:41234539
|
研究论文 | 本研究通过实验、人工智能和分子建模方法评估猴面包树提取物的抗癌和抑制生物膜形成功效 | 首次结合深度学习分子对接工具GNINA、分子动力学模拟和传统实验方法系统评估猴面包树提取物的生物活性 | 研究仅针对MDA-MB-231乳腺癌细胞系，未涉及其他癌症类型或体内实验验证 | 探索猴面包树提取物作为植物源抗癌药物和生物膜抑制剂的治疗潜力 | 猴面包树乙醇提取物(ADEE)及其对MDA-MB-231乳腺癌细胞和生物膜形成的影响 | 计算生物学, 药物发现 | 乳腺癌 | 分子对接, 分子动力学模拟, 荧光显微镜, Hoechst和AO/EB染色 | 深度学习, 机器学习 | 分子结构数据, 细胞图像, 生物活性数据 | MDA-MB-231乳腺癌细胞系 | GNINA | 深度学习分子对接模型 | 结合亲和力, 构象稳定性, 细胞存活率, 生物膜抑制效果 | NA |
| 3569 | 2025-11-17 |
LESS-Net: a lightweight network for epistaxis image segmentation using similarity-based contrastive learning
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1644589
PMID:41234699
|
研究论文 | 提出一种用于鼻出血图像分割的轻量级半监督框架LESS-Net | 结合一致性正则化和对比学习来利用未标注数据，采用高效MobileViT骨干网络并引入多尺度特征融合模块 | NA | 开发数据高效的深度学习解决方案用于鼻出血自动分割 | 内窥镜鼻出血图像 | 计算机视觉 | 鼻出血 | 内窥镜成像 | 半监督分割网络 | 图像 | 公共鼻出血数据集（具体数量未提及） | NA | MobileViT, 多尺度特征融合模块 | mIoU, Dice系数, 平均召回率 | NA |
| 3570 | 2025-11-17 |
Novel deep learning-based prediction of HER2 expression in breast cancer using multimodal MRI, nomogram, and decision curve analysis
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1593033
PMID:41234727
|
研究论文 | 本研究开发了一种基于深度学习的多模态MRI和临床数据整合框架，用于预测乳腺癌HER2表达状态 | 首次将多序列乳腺MRI与深度学习特征提取和临床数据相结合，构建HER2表达的自动化预测模型 | 回顾性研究设计，数据来自四个医疗中心，可能存在选择偏倚 | 开发稳健的自动化框架来预测乳腺癌HER2表达状态，以指导靶向治疗 | 乳腺癌患者 | 数字病理 | 乳腺癌 | 多序列MRI（T1、T2、DCE序列） | 深度学习 | 医学影像（MRI）、临床数据 | 2,400例乳腺癌病例（1,286例HER2阳性，1,114例HER2阴性），来自6,438名患者的回顾性队列 | Python, R | ResNet50, VGG16, EfficientNet-B0, ViT-Small | AUC, ROC分析, 校准曲线, 决策曲线分析(DCA) | NA |
| 3571 | 2025-11-17 |
Machine learning in lupus nephritis: bridging prediction models and clinical decision-making towards personalized nephrology
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1686057
PMID:41234906
|
综述 | 本文综述了机器学习在狼疮性肾炎预测模型与临床决策中的应用前景 | 系统整合多模态数据源与机器学习方法，探索非侵入性组织学分类和个体化风险分层 | 数据集规模有限、缺乏外部验证、结局定义存在异质性 | 评估机器学习模型在狼疮性肾炎预测、诊断和监测中的转化潜力 | 狼疮性肾炎患者 | 机器学习 | 狼疮性肾炎 | 多模态数据整合（临床、实验室、影像、组织病理、组学数据） | 逻辑回归,决策树,随机森林,支持向量机,神经网络,梯度提升,聚类 | 临床数据,实验室数据,影像数据,组织病理数据,组学数据 | NA | NA | NA | AUC | 大数据框架 |
| 3572 | 2025-11-17 |
ResUbiNet: A Novel Deep Learning Architecture for Ubiquitination Site Prediction
2025, Current genomics
IF:1.8Q3
|
研究论文 | 提出了一种名为ResUbiNet的新型深度学习架构，用于泛素化位点预测 | 结合蛋白质语言模型、氨基酸特性和BLOSUM62矩阵进行序列嵌入，并整合transformer、多核卷积、残差连接和压缩激励模块等先进架构组件 | NA | 准确预测潜在的泛素化位点，以探索泛素化机制及相关疾病发病机制 | 蛋白质泛素化位点 | 生物信息学 | 与泛素化过程相关的疾病 | 蛋白质序列分析 | 深度学习 | 蛋白质序列数据 | NA | NA | ResUbiNet, Transformer, CNN | 交叉验证和外部测试性能 | NA |
| 3573 | 2025-11-17 |
Leveraging hand-crafted radiomics on multicenter FLAIR MRI for predicting disability worsening in people with multiple sclerosis
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1610401
PMID:41235171
|
研究论文 | 本研究利用多中心FLAIR MRI影像组学特征预测多发性硬化患者的残疾恶化 | 首次结合多中心FLAIR MRI影像组学特征与临床特征，使用机器学习方法预测多发性硬化残疾恶化 | 样本量有限，短期纵向变化预测能力不足，需要在更大平衡数据集中验证 | 预测多发性硬化患者的残疾恶化情况 | 247名多发性硬化患者 | 医学影像分析 | 多发性硬化 | FLAIR MRI，影像组学特征提取 | Elastic Net，Balanced Random Forest，Light Gradient-Boosting Machine | MRI影像数据 | 247名来自两个医疗中心的多发性硬化患者 | Pyradiomics，Longitudinal ComBat | LGBM，BRFC | PR AUC，ROC AUC | NA |
| 3574 | 2025-11-17 |
A protein fitness predictive framework based on feature combination and intelligent searching
2024-Dec, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.5211
PMID:39548358
|
研究论文 | 提出一种基于特征组合和智能搜索的蛋白质适应性预测框架scut_ProFP | 整合特征组合和特征选择技术，实现从有限蛋白质序列中提取最相关功能特征信息，并能从低阶突变体泛化到高阶突变体 | 未明确说明模型对超大规模数据集的扩展性及计算效率 | 开发高效的蛋白质适应性预测方法以支持蛋白质工程 | 蛋白质序列及其适应性（fitness）值 | 机器学习 | NA | 特征组合、特征选择 | NA | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 3575 | 2025-11-17 |
Super-resolution multi-contrast unbiased eye atlases with deep probabilistic refinement
2024-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.6.064004
PMID:39554509
|
研究论文 | 提出一种结合超分辨率预处理和深度概率模型的方法，用于创建高分辨率无偏眼部图谱 | 将深度学习超分辨率算法与无监督深度概率方法相结合，生成更广泛的变形场以增强器官边界对齐 | 需要足够数量的受试者样本才能有效优化模板 | 解决在高度变异人群中生成标准化眼部参考图谱的挑战 | 眼部器官（眼眶和视神经）的形态学特征 | 医学影像分析 | 眼科疾病 | 磁共振成像（MRI） | 深度学习, 概率模型 | 多对比度磁共振图像 | NA | NA | NA | Dice系数, Wilcoxon符号秩检验 | NA |
| 3576 | 2025-11-17 |
Leveraging mid-infrared spectroscopic imaging and deep learning for tissue subtype classification in ovarian cancer
2023-Jun-12, The Analyst
DOI:10.1039/d2an01035f
PMID:37218522
|
研究论文 | 本研究结合中红外光谱成像和深度学习技术，实现了卵巢癌组织亚型的无标记自动分类 | 首次使用光学光热红外成像技术实现卵巢组织亚型的无标记定量自动识别，空间分辨率比现有仪器提高10倍 | NA | 开发基于中红外光谱成像和深度学习的卵巢癌组织亚型自动分类方法 | 卵巢癌组织样本 | 数字病理学 | 卵巢癌 | 中红外光谱成像，光学光热红外成像 | 深度学习 | 光谱图像 | 78例患者样本，超过6000万个数据点 | NA | NA | 分类准确度 | NA |
| 3577 | 2025-11-17 |
Predict In-Hospital Code Blue Events using Monitor Alarms through Deep Learning Approach
2018-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC.2018.8513269
PMID:30441177
|
研究论文 | 本研究使用LSTM深度学习模型分析ICU监护仪报警序列，预测院内蓝色代码事件 | 首次将LSTM序列深度学习模型应用于连续监护仪报警序列分析，捕捉蓝色代码事件前的时间依赖特征 | 初步研究，样本量有限，需要进一步验证 | 通过深度学习减少ICU监护仪误报警，提高蓝色代码事件预测准确性 | 重症监护室监护仪报警数据序列 | 医疗健康监测 | 重症监护 | 深度学习序列分析 | LSTM | 时间序列报警数据 | NA | NA | LSTM | AUC, 敏感度, 特异度 | NA |
| 3578 | 2025-11-16 |
Advancing biomedical waste classification through a hybrid ensemble of deep Learning, reinforcement Learning, and differential evolution algorithms
2026-Jan-01, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2025.115210
PMID:41151359
|
研究论文 | 提出一种结合深度学习、强化学习和差分进化算法的混合集成模型，用于生物医学废物分类 | 首次将深度学习、强化学习和差分进化算法通过双异质集成方式结合，并开发了专用的生物分类机器Biosorter | 仅在小型医疗中心进行实际部署验证，需要更大规模的应用测试 | 开发高效的生物医学废物分类系统，改善医疗废物管理 | 制药和生物医学废物，特别是感染性废物的分类 | 计算机视觉 | NA | 图像增强、集成图像分割、决策融合 | CNN, 强化学习, 差分进化算法 | 图像 | 专有数据集和基准数据集 | NA | U-Net, Mask R-CNN, DeepLab Version 3 Plus, Inception Version 3, Residual Network 50, Mobile Network Version 2, Densely Connected Convolutional Network 121 | 准确率, 处理吞吐量, 系统可用性量表(SUS)评分 | NA |
| 3579 | 2025-11-16 |
Accelerating the discovery and optimization of metal-organic framework materials via machine learning
2025-Dec, Advances in colloid and interface science
IF:15.9Q1
DOI:10.1016/j.cis.2025.103671
PMID:40957153
|
综述 | 系统回顾机器学习在金属有机框架材料研究中的应用进展 | 整合最新机器学习技术与MOF研究进展，提供跨学科合作视角 | 未涉及具体实验验证数据，主要基于文献综述 | 加速MOF材料的发现与优化过程 | 金属有机框架材料 | 机器学习 | NA | 机器学习 | 回归分析,分类算法,聚类分析,深度学习,强化学习 | 材料特性数据 | NA | NA | NA | 模型评估指标 | NA |
| 3580 | 2025-11-16 |
A Hybrid Bidirectional Deep Learning Model Using HRV for Prediction of ICU Mortality Risk in TBI Patients
2025-Dec, Journal of healthcare informatics research
IF:5.4Q1
DOI:10.1007/s41666-025-00209-5
PMID:41230239
|
研究论文 | 本研究开发了一种结合权重预测器和双向长短期记忆网络的混合深度学习模型，通过分析心率变异性来预测创伤性脑损伤患者的ICU死亡风险 | 提出了一种结合权重预测器和BiLSTM的混合深度学习架构，通过特征加权和时序模式捕捉来提升心率变异性数据的预测性能 | 模型完全依赖ICU监测的心电图数据，可能受限于数据质量和采集条件 | 通过分析心率变异性准确预测创伤性脑损伤患者在ICU的早期死亡风险 | 创伤性脑损伤患者 | 医疗健康分析 | 创伤性脑损伤 | 心电图信号分析，心率变异性分析 | 混合深度学习模型，BiLSTM | 心电图信号，心率变异性数据 | 来自黄金海岸大学医院和CHARIS系统的创伤性脑损伤患者数据 | NA | 双向长短期记忆网络，权重预测器 | 准确率，AUROC，AUPRC | NA |