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 3661 - 3680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3661 | 2025-11-16 |
Automatic Body Region Classification in CT Scans Using Deep Learning
2025-Sep-26, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01662-9
PMID:41006721
|
研究论文 | 本研究开发了一种基于深度学习的CT扫描自动身体区域分类方法 | 在多种采集协议和患者群体下实现高精度的全身CT区域分类 | 数据集仅包含45个医疗中心的5485个扫描样本，可能需要更多样化的数据验证泛化能力 | 优化医学影像诊断和分析工作流程中的身体区域自动分类 | 全身CT扫描图像 | 医学影像分析 | NA | CT扫描 | 深度学习 | CT图像 | 5485个匿名NIFTI格式CT扫描，来自45个医疗中心 | NA | NA | 准确率, 精确率, 召回率, F1分数 | NA |
| 3662 | 2025-11-16 |
AML diagnostics in the 21st century: Use of AI
2025-Jun, Seminars in hematology
IF:5.0Q1
|
综述 | 探讨人工智能在21世纪急性髓系白血病诊断领域的关键作用、进展与挑战 | 系统阐述AI技术（包括深度学习、大语言模型和可解释AI）在整合多层级诊断数据和生成诊断报告方面的创新应用 | 存在监管障碍、数据隐私问题、系统互操作性挑战以及合成数据的伦理规范需求 | 分析人工智能在急性髓系白血病诊断中的转型潜力与发展前景 | 急性髓系白血病的诊断流程与数据 | 数字病理学 | 白血病 | 细胞形态学、免疫分型、细胞遗传学、分子检测 | 深度学习, 机器学习, 大语言模型, 可解释AI | 多模态诊断数据 | NA | NA | 深度学习分类器, 自动核型分析 | NA | NA |
| 3663 | 2025-11-16 |
Optimizing Biophysical Large-Scale Brain Circuit Models With Deep Neural Networks
2025-Apr-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.07.647497
PMID:40291740
|
研究论文 | 提出一种利用深度神经网络优化生物物理大规模脑回路模型的新框架DELSSOME | 通过深度学习直接预测模型参数是否产生真实脑动力学，绕过了传统需要重复数值积分的方法 | NA | 优化生物物理脑回路模型的参数以增强生物合理性 | 反馈抑制控制平均场模型和脑动力学数据 | 计算神经科学 | NA | 平均场建模 | 深度神经网络 | 脑动力学数据 | NA | NA | NA | 速度提升倍数 | NA |
| 3664 | 2025-11-16 |
Improved CRISPR/Cas9 off-target prediction with DNABERT and epigenetic features
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335863
PMID:41223195
|
研究论文 | 提出结合DNABERT预训练模型和表观遗传特征的CRISPR/Cas9脱靶效应预测新方法 | 首次将预训练的DNA基础模型与多模态表观遗传特征整合用于脱靶预测，通过可解释性技术揭示模型决策机制 | 未明确说明模型在临床环境中的实际验证效果和泛化能力 | 提高CRISPR/Cas9脱靶效应的计算预测准确性 | CRISPR/Cas9基因编辑系统的脱靶效应 | 生物信息学 | NA | CRISPR/Cas9, DNABERT, 表观遗传特征(H3K4me3, H3K27ac, ATAC-seq) | 深度学习, 预训练语言模型 | 基因组序列, 表观遗传数据 | 七个不同的脱靶数据集 | DNABERT | DNABERT | 预测准确性 | NA |
| 3665 | 2025-11-16 |
Automatic uterus segmentation in transvaginal ultrasound using U-Net and nnU-Net
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0336237
PMID:41223242
|
研究论文 | 本研究使用U-Net和nnU-Net深度学习模型在经阴道超声图像中实现子宫自动分割 | 首次在经阴道超声数据上系统比较U-Net和nnU-Net两种先进分割模型，并发现针对特定成像类型单独训练能获得更好性能 | 需要进一步验证模型在经阴道超声数据集上的鲁棒性 | 开发自动子宫分割方法以辅助妇科疾病诊断 | 124名子宫腺肌症患者的经阴道超声数据 | 医学图像分析 | 子宫腺肌症 | 经阴道超声 | CNN | 图像, 视频截图, 3D体积截图 | 124名患者，包含静态图像122张、视频截图472张、3D体积截图452张 | NA | U-Net, nnU-Net | Dice分数 | NA |
| 3666 | 2025-11-16 |
"Good and bad investments" in public health stocks amid the COVID-19 shock: evidence from a transformer-based model
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1644055
PMID:41229468
|
研究论文 | 基于Transformer深度学习模型分析COVID-19疫情期间公共卫生相关股票的投资表现和动态演变 | 首次将Transformer架构应用于公共卫生危机期间的资本市场研究，揭示疫情不同阶段对投资行为的动态影响 | 仅涵盖中国证券市场55只公共卫生指数成分股，样本范围有限 | 研究公共卫生紧急事件对资本市场风险结构和投资行为的影响 | 中证公共卫生指数55只成分股 | 自然语言处理,机器学习 | COVID-19 | 深度学习 | Transformer | 金融时间序列数据 | 55只股票 | NA | Transformer | 投资回报率,预测准确性,筛选能力 | NA |
| 3667 | 2025-11-16 |
More than just a heatmap: elevating XAI with rigorous evaluation metrics
2025, Frontiers in medical technology
IF:2.7Q3
DOI:10.3389/fmedt.2025.1674343
PMID:41229616
|
研究论文 | 提出结合CNN和SNN的SpikeNet框架及XAlign评估指标，用于医学影像的可解释性分析 | 提出混合CNN-SNN框架实现高效处理与原生可解释性，并创新性地开发了量化解释与专家标注对齐程度的XAlign指标 | 仅在TCGA-LGG和BUSI两个数据集上进行验证，需要更多临床数据验证泛化能力 | 提升医学影像深度学习的可解释性和计算效率 | 脑胶质瘤MRI影像和乳腺超声影像 | 计算机视觉,数字病理 | 脑肿瘤,乳腺肿瘤 | 磁共振成像,超声成像 | CNN,SNN | 医学影像 | TCGA-LGG数据集(22折交叉验证),BUSI数据集(5折交叉验证) | PyTorch | SpikeNet(CNN-SNN混合架构) | 准确率,精确率,召回率,F1分数,AUROC,AUPRC,XAlign | NVIDIA RTX 3090,批大小16,FP32精度 |
| 3668 | 2025-11-16 |
Abnormal classification of electrocardiogram scatter plot based on token selection vision transformer
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251395553
PMID:41229940
|
研究论文 | 提出一种基于令牌选择视觉变换器的ECG散点图异常分类方法 | 在网络深层引入令牌选择模块，动态筛选最具判别性的图像块用于最终分类 | NA | 改进心律失常自动分类技术 | 心电图散点图 | 计算机视觉 | 心血管疾病 | ECG散点图分析 | Vision Transformer | 图像 | NA | NA | Transformer | 准确率 | NA |
| 3669 | 2025-11-16 |
A scoping review of TSR analysis in colorectal cancer: implications for automated solutions
2025, Oncology reviews
IF:3.1Q2
DOI:10.3389/or.2025.1605383
PMID:41230203
|
综述 | 本文通过范围综述评估结直肠癌中肿瘤-间质比(TSR)的预后价值、评分方法差异及其自动化量化进展 | 首次系统评估TSR自动化量化方法在结直肠癌中的应用现状与挑战 | 自动化TSR量化方法仍处于早期阶段，特别是在感兴趣区域选择和风险分层方面存在不足 | 评估TSR的预后价值、评分方法差异并探索自动化TSR量化解决方案 | 结直肠癌组织样本中的肿瘤-间质比例 | 数字病理学 | 结直肠癌 | 组织病理学分析 | 深度学习 | 组织病理图像 | 76篇符合纳入标准的文献（来自950篇初筛文献） | NA | NA | Kappa分数, 像素级精度, 区块级精度 | NA |
| 3670 | 2025-11-16 |
Deep learning-based temporal change detection of broadleaved weed infestation in rice fields using UAV multispectral imagery
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1655391
PMID:41230234
|
研究论文 | 本研究提出基于深度学习的时序变化检测方法，利用无人机多光谱影像监测水稻田中阔叶杂草的时空动态 | 首次将深度前馈神经网络与无人机多光谱影像结合，实现水稻田阔叶杂草侵染的时序变化检测和精准施药潜力评估 | 研究仅针对阔叶杂草，未考虑其他杂草类型；分析时段限于营养生长阶段 | 开发精准农业中的杂草监测方法，优化除草剂施用策略 | 水稻田中的阔叶杂草侵染动态 | 计算机视觉 | NA | 无人机多光谱成像 | DFNN | 多光谱影像 | PadiU Putra水稻田的多时序无人机影像数据 | NA | 深度前馈神经网络 | R² | NA |
| 3671 | 2025-11-16 |
Reimagining Mental Health with Artificial Intelligence: Early Detection, Personalized Care, and a Preventive Ecosystem
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S559626
PMID:41230404
|
综述 | 探讨人工智能在心理健康领域早期检测、个性化治疗和预防症状升级方面的应用潜力 | 提出'心理数字签名'概念，构建以患者为中心的预防性心理健康生态系统 | 许多高准确率报告来自单中心或有限数据集，外部验证方法存在差异，样本量和人群多样性不足 | 探索人工智能在心理健康管理中的创新应用 | 心理健康障碍患者 | 自然语言处理,机器学习 | 精神疾病 | 自然语言处理,深度学习,多模态数据分析 | 深度学习 | 语音,文本,生物传感器数据 | NA | NA | NA | 准确率 | NA |
| 3672 | 2025-11-16 |
A Deep Learning Model to Predict the ncRNA-Protein Interactions Based on Sequences Information Only
2025, Bioinformatics and biology insights
IF:2.3Q3
DOI:10.1177/11779322251391075
PMID:41230504
|
研究论文 | 提出一种基于序列信息预测非编码RNA与蛋白质相互作用的深度学习模型RPI-SDA-XGBoost | 结合堆叠降噪自编码器和XGBoost元学习器，仅使用序列信息即可预测ncRNA-蛋白质相互作用 | 未明确说明模型的计算资源需求和训练时间 | 开发计算方法来研究ncRNA-蛋白质相互作用 | 非编码RNA和蛋白质的相互作用 | 生物信息学 | 癌症 | 序列特征提取 | 深度学习,集成学习 | 生物序列数据 | 五个基准数据集：RPI_369, RPI_488, RPI_1807, RPI_2241, NPInterv2.0 | XGBoost | 堆叠降噪自编码器 | 准确率,精确率 | NA |
| 3673 | 2025-11-16 |
Long short-term memory-based deep learning model for the discovery of antimicrobial peptides targeting Mycobacterium tuberculosis
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf274
PMID:41230490
|
研究论文 | 开发基于长短期记忆网络的深度学习模型，用于发现针对结核分枝杆菌的抗菌肽 | 首次将长短期记忆网络与迁移学习相结合，构建可分类和生成结核病特异性抗菌肽的可重复深度学习协议 | 结核病特异性抗菌肽数据稀缺限制了靶向开发 | 发现针对结核分枝杆菌的新型抗菌肽 | 抗菌肽，特别是针对结核分枝杆菌的活性肽 | 自然语言处理 | 结核病 | 深度学习，序列分析 | LSTM, BiLSTM | 肽序列数据 | 大型通用抗菌肽语料库和精选的结核病特异性序列 | NA | 单向LSTM，双向LSTM，带注意力机制的LSTM | 准确率，AUC | NA |
| 3674 | 2025-11-16 |
A poisson flow-based data augmentation and lightweight diagnosis framework for imbalanced rolling bearing faults
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0332994
PMID:41052065
|
研究论文 | 提出一种基于泊松流的数据增强和轻量级诊断框架，用于解决不平衡滚动轴承故障诊断问题 | 首次将泊松流生成模型与轻量级残差网络结合，通过建模高维潜在空间中的样本演化来合成真实的少数类样本 | 仅在CWRU基准数据集上验证，未在其他工业场景中测试 | 解决滚动轴承故障诊断中的类别不平衡问题 | 滚动轴承故障振动信号 | 机器学习 | NA | 连续小波变换(CWT) | 生成模型, CNN | 振动信号，时频表示 | CWRU基准数据集 | NA | 残差网络(ResNet) | 诊断准确率，鲁棒性，泛化能力 | NA |
| 3675 | 2025-11-16 |
Machine Learning to Predict Potential Energy Surface of Resveratrol Drug: A Quantum-Level Calculation
2024-Nov-14, ACS medicinal chemistry letters
IF:3.5Q2
DOI:10.1021/acsmedchemlett.4c00382
PMID:39563810
|
研究论文 | 使用ANI-1x神经网络势能预测白藜芦醇药物的势能面 | 首次将ANI-1x深度学习技术应用于抗帕金森药物白藜芦醇的量子级势能面预测 | 仅针对单一分子进行验证，未涉及更复杂的药物分子体系 | 开发快速准确的药物分子势能面预测方法 | 白藜芦醇（3,5,4'-三羟基芪）分子 | 机器学习 | 帕金森病 | 密度泛函理论，量子化学计算 | 神经网络 | 量子化学计算数据 | NA | ANI | ANI-1x | NA | NA |
| 3676 | 2025-11-16 |
Predictive Modeling and Drug Repurposing for Type-II Diabetes
2024-Nov-14, ACS medicinal chemistry letters
IF:3.5Q2
DOI:10.1021/acsmedchemlett.4c00358
PMID:39563823
|
研究论文 | 本研究使用机器学习和深度学习模型预测DPP-4抑制剂，并通过药物重定位策略发现潜在糖尿病治疗药物 | 首次将多任务深度神经网络应用于DPP-4抑制剂预测，并成功从FDA批准药物中识别出具有潜力的重定位候选药物 | 研究基于计算预测和分子对接，需要后续实验验证 | 开发预测模型识别DPP-4抑制剂，探索糖尿病药物重定位 | DPP-4抑制剂化合物和FDA批准药物 | 机器学习 | 糖尿病 | 分子对接，分子动力学 | SVM, RF, NB, MTDNN | 化合物结构数据 | 6,750个化合物和100个FDA批准药物 | NA | 多任务深度神经网络 | 准确率, 相关系数 | NA |
| 3677 | 2025-11-16 |
A high-resolution canopy height model of the Earth
2023-11, Nature ecology & evolution
IF:13.9Q1
DOI:10.1038/s41559-023-02206-6
PMID:37770546
|
研究论文 | 本研究开发了一种概率深度学习模型，通过融合GEDI星载激光雷达数据和Sentinel-2光学卫星图像，生成了2020年全球10米分辨率的冠层高度地图 | 首次实现了全球范围10米高分辨率的冠层高度测绘，并开发了能够量化估计不确定性的概率深度学习模型 | 模型主要针对高冠层碳储量区域进行了优化，对其他植被类型的适用性需进一步验证 | 开发高分辨率全球冠层高度测绘方法以支持生态系统管理和气候变化缓解 | 全球陆地植被冠层高度 | 遥感与地理信息系统 | NA | 星载激光雷达(GEDI)、光学卫星遥感(Sentinel-2)、深度学习 | 概率深度学习模型 | 激光雷达点云数据、多光谱卫星图像 | 全球陆地范围 | NA | NA | 不确定性量化、冠层高度估计精度 | NA |
| 3678 | 2025-11-16 |
Lyme rashes disease classification using deep feature fusion technique
2023-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13519
PMID:38009027
|
研究论文 | 提出一种基于深度特征融合技术的莱姆病皮疹分类方法 | 开发了新的深度特征融合系统，通过元分类器整合三种深度学习模型的特征 | NA | 自动分类莱姆病皮疹以辅助临床诊断 | 莱姆病皮疹图像（游走性红斑图像） | 计算机视觉 | 莱姆病 | 深度学习 | CNN | 图像 | NA | NA | DenseNet201, InceptionV3, Exception | 准确率 | NA |
| 3679 | 2025-11-15 |
Benchmarking AI-driven acoustic monitoring for floating marine debris: Challenges in deep learning-based debris extraction
2026-Jan, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.118655
PMID:40929868
|
研究论文 | 评估主流深度学习模型在声纳图像中自动提取漂浮海洋垃圾的性能 | 首次系统评估深度学习模型在声纳图像中提取低对比度漂浮垃圾的性能，并引入包含1000张声纳图像的“严苛漂浮垃圾”数据集 | 数据稀缺性以及声学成像固有的物理特性（包括距离相关分辨率和视角敏感性）限制了模型性能 | 开发更强大的AI驱动系统用于自主监测漂浮海洋垃圾 | 声纳图像中的漂浮海洋垃圾（塑料袋、瓶子、金属罐和混合垃圾） | 计算机视觉 | NA | 声纳成像技术 | 深度学习分割模型 | 声纳图像 | 1000张声纳图像，包含4类垃圾（塑料袋、瓶子、金属罐、混合垃圾），每张图像含2-4个手动标注实例 | NA | NA | IoU（交并比） | NA |
| 3680 | 2025-11-15 |
Remote sensing and image analysis of macro-plastic litter: A review
2026-Jan, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.118630
PMID:40929867
|
综述 | 本文综述了遥感技术和人工智能图像分析在宏观塑料垃圾检测领域的最新进展 | 系统整合了多种遥感平台（网络摄像头、无人机、气球、飞机和卫星）与AI图像分析技术在塑料垃圾监测中的联合应用，提出了量化指标标准化的重要观点 | 研究中存在量化指标不一致、环境干扰、分辨率限制和协议不统一等挑战，影响跨研究比较和数据协调 | 评估遥感技术和AI图像分析在海洋塑料污染监测中的应用效果和发展潜力 | 沿海、河流和其他水生环境中的宏观塑料垃圾 | 计算机视觉 | NA | 遥感技术、图像分析 | 深度学习模型 | 遥感图像 | NA | NA | NA | 垃圾覆盖面积、体积、重量、单位面积物品数量 | NA |