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 32373 篇文献，本页显示第 3761 - 3780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3761 | 2025-10-06 |
Artificial intelligence in endodontics: Fundamental principles, workflow, and tasks
2024-11, International endodontic journal
IF:5.4Q1
DOI:10.1111/iej.14127
PMID:39056554
|
综述 | 本文系统阐述了人工智能在牙髓病学中的基本原理、工作流程和具体应用 | 首次针对牙髓病学领域系统梳理AI技术框架，填补临床医生对机器学习基础知识的认知空白 | 属于叙述性综述，未包含原始实验数据验证 | 促进人工智能在牙髓病学领域的理解与应用 | 牙髓病学临床实践与教育 | 计算机视觉,自然语言处理 | 牙髓疾病 | NA | 神经网络 | 影像数据,文本数据 | NA | NA | NA | NA | NA |
| 3762 | 2025-10-06 |
Lenition in L2 Spanish: The Impact of Study Abroad on Phonological Acquisition
2024-Sep-21, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci14090946
PMID:39335440
|
研究论文 | 本研究探讨了英语母语者在西班牙留学期间对西班牙语辅音弱化现象的习得情况 | 首次使用深度学习模型Phonet分析二语学习者在留学期间的语音习得过程，而非传统的声学分析方法 | 研究样本仅限于参与留学项目的英语母语者，且未追踪长期语音保持效果 | 评估二语学习者在留学期间对西班牙语辅音弱化现象的习得程度和保持情况 | 参与西班牙留学项目的英语母语学习者 | 自然语言处理 | NA | 语音分析 | RNN | 语音数据 | 参与留学项目的英语母语学习者 | NA | Phonet | 后验概率预测 | NA |
| 3763 | 2025-10-06 |
Deep Learning-Based Electrocardiogram Analysis Predicts Biventricular Dysfunction and Dilation in Congenital Heart Disease
2024-Aug-27, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2024.05.062
PMID:39168568
|
研究论文 | 开发并验证基于深度学习的AI-ECG模型，用于预测先天性心脏病患者的双心室功能障碍和扩张 | 首次在先天性心脏病领域开发AI-ECG模型预测双心室病理生理变化，并进行外部验证 | 功能性单心室患者模型性能最低，存在特定患者群体的预测局限性 | 开发能够预测先天性心脏病患者双心室功能障碍和扩张的人工智能心电图分析模型 | 先天性心脏病患者的心电图-心血管磁共振配对数据 | 医疗人工智能 | 先天性心脏病 | 心电图分析，心血管磁共振 | CNN | 心电图信号，医学影像数据 | 内部队列8,584个ECG-CMR配对（4,941名患者），外部验证队列909个ECG-CMR配对（746名患者） | NA | 卷积神经网络 | AUROC, 精确召回曲线下面积 | NA |
| 3764 | 2025-10-06 |
Deep learning-based fully automatic screening of carotid artery plaques in computed tomography angiography: a multicenter study
2024-08, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2024.04.015
PMID:38789330
|
研究论文 | 开发并验证基于深度学习的全自动算法，用于CT血管造影图像中颈动脉斑块的检测与分类 | 首次提出基于改进3D-UNet和ResUNet架构的两步深度学习系统，实现颈动脉斑块的自动检测和三分类（非钙化、混合型、钙化） | 回顾性研究设计，样本量相对有限（400例患者），需要进一步前瞻性验证 | 开发自动化颈动脉斑块筛查工具以减轻放射科医生工作负担 | 颈动脉斑块 | 计算机视觉 | 心血管疾病 | CT血管造影 | CNN | 医学影像 | 400例患者（中心Ⅰ300例，中心Ⅱ100例） | NA | 3D-UNet, ResUNet | 灵敏度, F1-score, fROC曲线下面积, Cohen's kappa, ROC曲线 | NA |
| 3765 | 2025-10-06 |
Radiomics model and deep learning model based on T1WI image for acute lymphoblastic leukemia identification
2024-08, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2024.04.017
PMID:38796378
|
研究论文 | 基于T1WI图像开发放射组学和深度学习模型用于急性淋巴细胞白血病的准确识别 | 同时构建放射组学模型和深度学习模型进行急性淋巴细胞白血病识别，并比较两种方法的诊断效能 | 样本量相对有限，仅包含604例数据；两种模型在Delong检验中无统计学差异 | 开发高精度的模型用于急性淋巴细胞白血病的准确检测 | 急性淋巴细胞白血病患者和正常儿童的脑部磁共振数据 | 医学影像分析 | 急性淋巴细胞白血病 | 磁共振成像 | 支持向量机, CNN | 医学图像 | 604例脑部磁共振数据（ALL组和正常儿童组） | NA | EfficientNet-B3 | AUC, 敏感性, 特异性, 准确率, 阴性预测值, 阳性预测值 | NA |
| 3766 | 2025-10-06 |
Using a comprehensive atlas and predictive models to reveal the complexity and evolution of brain-active regulatory elements
2024-05-24, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adj4452
PMID:38781344
|
研究论文 | 通过整合表观遗传数据构建大脑顺式调控元件图谱，并利用深度学习模型解析其序列语法和进化特征 | 构建了首个综合性大脑活性调控元件图谱，揭示了调控信息主要通过保守哺乳动物元件内的小序列突变产生的新机制 | 主要基于现有数据资源，可能未覆盖所有类型的脑细胞和发育阶段 | 解析精神病相关非编码变异的功能意义和大脑调控元件的进化机制 | 大脑顺式调控元件、神经胶质细胞、神经元、精神病患者和健康对照 | 生物信息学 | 精神疾病 | 表观遗传学分析、深度学习 | 深度学习模型 | 表观遗传数据、基因组序列数据 | PsychENCODE联盟及已发表数据来源的多脑细胞类型样本 | NA | NA | NA | NA |
| 3767 | 2025-10-06 |
Geometric Scattering on Measure Spaces
2024-May, Applied and computational harmonic analysis
IF:2.6Q1
DOI:10.1016/j.acha.2024.101635
PMID:40686586
|
研究论文 | 提出了一种在测度空间上的几何散射变换通用框架，扩展了传统散射变换到非欧几里得数据结构 | 建立了统一的几何散射模型，适用于更广泛的设置包括有向图、带符号图和带边界流形，并提出了识别有用表示不变群的新准则 | NA | 深化对几何深度学习架构的理论理解，特别是散射变换的稳定性和不变性 | 测度空间、非欧几里得数据结构 | 机器学习 | NA | 散射变换、小波变换 | 几何散射变换 | 图数据、流形数据、球面图像、单细胞数据 | NA | NA | 散射变换 | 收敛速率估计 | NA |
| 3768 | 2025-10-06 |
Inferring Metabolic States from Single Cell Transcriptomic Data via Geometric Deep Learning
2023-Dec-07, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.05.570153
PMID:38105974
|
研究论文 | 提出一种基于几何深度学习的GEFMAP方法，利用单细胞转录组数据预测代谢网络中的反应通量 | 首次利用几何深度学习从单细胞转录组数据推断代谢状态，通过代谢网络的天然图结构学习细胞生物学目标并估计质量平衡的相对通量率 | 代谢组化学异质性导致测量困难，单细胞分辨率代谢组学技术落后于其他多组学模态 | 从单细胞转录组数据推断细胞代谢状态 | 单细胞转录组数据和代谢网络 | 计算生物学, 生物信息学 | NA | scRNAseq, 几何深度学习 | 几何深度学习 | 基因表达数据, 转录组数据 | NA | NA | GEFMAP | NA | NA |
| 3769 | 2025-10-06 |
Federated Transfer Learning for Low-dose PET Denoising: A Pilot Study with Simulated Heterogeneous Data
2023-Mar, IEEE transactions on radiation and plasma medical sciences
IF:4.6Q1
DOI:10.1109/trpms.2022.3194408
PMID:37789946
|
研究论文 | 提出一种联邦迁移学习框架用于解决低剂量PET图像去噪问题 | 首次将联邦迁移学习应用于处理不同机构间低剂量PET协议差异导致的领域偏移问题 | 研究基于模拟数据，尚未在真实临床数据上验证 | 开发能够在保护数据隐私前提下利用异构低剂量PET数据进行去噪的方法 | 低剂量正电子发射断层扫描(PET)图像 | 医学影像处理 | NA | 正电子发射断层扫描(PET) | 深度学习 | 医学影像 | 模拟多机构数据 | NA | NA | NA | NA |
| 3770 | 2025-10-06 |
The Application of Artificial Intelligence Technology in Art Teaching Taking Architectural Painting as an Example
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/8803957
PMID:35619771
|
研究论文 | 本研究探讨人工智能技术在艺术教学中的应用，以建筑绘画为例 | 提出将L-BFGS算法应用于艺术教学领域，并与传统优化算法进行对比 | NA | 研究人工智能技术在艺术教学中的应用效果 | 建筑绘画艺术教学 | 机器学习 | NA | 深度学习技术 | 轻量级深度学习模型 | NA | NA | NA | NA | 准确率 | NA |
| 3771 | 2025-10-06 |
The 2019 n2c2/OHNLP Track on Clinical Semantic Textual Similarity: Overview
2020-Nov-27, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/23375
PMID:33245291
|
综述 | 本文概述了2019年n2c2/OHNLP临床语义文本相似性评测任务的组织过程、数据集构建和参赛系统表现 | 发布了首个大规模真实世界的临床语义文本相似性数据集，并组织了国际性的评测任务 | 训练数据中GE系统句子对占比较大，但系统在Epic系统句子对上表现更好，存在数据分布不平衡问题 | 推动自然语言处理和生物医学信息学界解决临床领域的语义文本相似性任务 | 临床文本句子对 | 自然语言处理 | NA | 语义文本相似性计算 | BERT, XLNet | 文本 | 2054个临床句子对（1642个训练集，412个测试集） | NA | BERT, XLNet | Pearson相关系数 | NA |
| 3772 | 2025-10-06 |
Rapid counting of Kazachstania humilis and Saccharomyces cerevisiae in sourdough by deep learning-based classifier
2025-Sep, Journal of microbiological methods
IF:1.7Q4
DOI:10.1016/j.mimet.2025.107183
PMID:40562078
|
研究论文 | 开发基于深度学习的分类器用于快速计数酸面团中的Kazachstania humilis和Saccharomyces cerevisiae酵母菌落 | 首次使用YOLO深度学习方法和两阶段培养温度区分酵母菌落，实现自动化快速计数 | 仅针对特定两种酵母菌进行验证，未测试其他酵母菌种 | 开发自动化酵母菌落计数方法以监测酸面团发酵过程中的酵母菌群变化 | Kazachstania humilis和Saccharomyces cerevisiae酵母菌 | 计算机视觉 | NA | 微生物培养，两阶段温度培养 | YOLO | 图像 | 酸面团分离的K. humilis和S. cerevisiae菌株，以及面包、清酒和葡萄酒中使用的S. cerevisiae菌株 | NA | YOLO | 准确率 | NA |
| 3773 | 2025-06-13 |
Reassessment of deep learning-based surgical phase recognition in laparoscopic cholecystectomy
2025-Aug-31, Annals of hepato-biliary-pancreatic surgery
IF:1.1Q3
DOI:10.14701/ahbps.25-059
PMID:40499925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3774 | 2025-10-06 |
Leveraging deep learning and structure-based drug repurposing for the discovery of potent Trk-A inhibitors targeting CIPA
2025-Aug, Bioorganic chemistry
IF:4.5Q1
DOI:10.1016/j.bioorg.2025.108680
PMID:40517591
|
研究论文 | 本研究结合深度学习和基于结构的药物重定位方法，发现针对CIPA的强效Trk-A抑制剂 | 首次将深度学习ANN模型与结构基药物重定位相结合筛选Trk-A抑制剂，从FDA已批准药物库中发现新适应症 | 研究仅基于计算模拟验证，缺乏实验验证数据 | 发现针对CIPA疾病的新型、强效且无毒的Trk-A抑制剂 | Trk-A靶向化合物和FDA批准药物库 | 机器学习 | 遗传性感觉和自主神经病（CIPA） | 深度学习、分子对接、分子动力学模拟 | ANN | 生物活性数据、化合物结构数据 | NA | NA | 人工神经网络 | RMSD, RMSF, Rg, H-bonds, PCA, MMGBSA/MMPBSA | NA |
| 3775 | 2025-10-06 |
Decoding tissue complexity: multiscale mapping of chemistry-structure-function relationships through advanced visualization technologies
2025-Jul-10, Journal of materials chemistry. B
DOI:10.1039/d5tb00744e
PMID:40476698
|
综述 | 本文系统探讨了先进生物可视化技术在解码组织多尺度化学-结构-功能关系中的原理、应用与局限 | 重点分析了人工智能驱动的图像分析、多维成像重建和多模态数据整合等变革性技术进步 | NA | 通过先进可视化技术解析生物组织的多尺度复杂性，推动生物材料开发和生物医学研究 | 生物组织和器官的多尺度结构与功能特征 | 生物医学可视化 | NA | 多维成像、多模态数据整合、增强现实 | 深度学习 | 多维图像数据、多模态生物数据 | NA | NA | NA | NA | NA |
| 3776 | 2025-10-06 |
Applying multimodal AI to physiological waveforms improves genetic prediction of cardiovascular traits
2025-Jul-03, American journal of human genetics
IF:8.1Q1
DOI:10.1016/j.ajhg.2025.05.015
PMID:40543505
|
研究论文 | 提出多模态深度学习框架M-REGLE，通过联合分析生理波形数据提升心血管性状的遗传预测能力 | 开发了首个用于多模态生理波形联合表征学习的遗传发现框架，相比单模态方法显著提高了遗传位点发现数量 | 研究主要聚焦心血管性状，未验证在其他生理系统或疾病中的适用性 | 利用多模态生理数据改进复杂性状的遗传关联研究 | 心电图和光电容积脉搏波等生理波形数据 | 机器学习 | 心血管疾病 | GWAS, 深度学习 | 卷积变分自编码器 | 生理波形信号 | 多个生物银行的大规模人群数据 | NA | 卷积变分自编码器 | 遗传位点发现数量, 遗传风险评分预测性能 | NA |
| 3777 | 2025-10-06 |
Hyperspectral Imaging for Rapid Detection of Common Infected Bacteria Based on Fluorescence Effect
2025-07, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500164
PMID:40444593
|
研究论文 | 本研究结合荧光高光谱成像与深度学习算法，开发了一种快速检测伤口常见感染细菌的非侵入性方法 | 首次将荧光高光谱成像技术与空间-光谱多尺度注意力网络相结合，实现低至10 CFU/mL细菌浓度的快速非侵入检测 | 仅针对8种常见细菌进行研究，未涵盖所有可能的致病菌种类 | 开发快速准确的细菌感染检测方法 | 伤口感染中的八种常见细菌 | 计算机视觉 | 细菌感染 | 荧光高光谱成像(FHSI) | 深度学习 | 高光谱图像 | 八种细菌物种的培养板荧光数据 | NA | 空间-光谱多尺度注意力网络(SSMA-Net) | 准确率 | NA |
| 3778 | 2025-10-06 |
Hyperspectral Imaging for Predicting Bladder Cancer Grading: A Novel Diagnostic Approach
2025-07, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500161
PMID:40456708
|
研究论文 | 提出一种基于深度学习的多模态融合模型RVCK-net，通过整合高光谱成像和病理图像实现膀胱癌精准分级 | 首次提出结合高光谱成像和病理图像的多模态融合模型，采用自适应融合机制整合空间和光谱信息 | NA | 提高膀胱癌分级的准确性和诊断一致性 | 膀胱癌组织样本 | 数字病理学 | 膀胱癌 | 高光谱成像, 病理成像 | 深度学习, 多模态融合模型 | 高光谱图像, 病理图像 | NA | NA | RVCK-net | 准确率 | NA |
| 3779 | 2025-10-06 |
PTMFusionNet: A Deep Learning Approach for Predicting Disease Related Post-translational Modification and Classifying Disease Subtypes
2025-Jul, Molecular & cellular proteomics : MCP
IF:6.1Q1
DOI:10.1016/j.mcpro.2025.101009
PMID:40466864
|
研究论文 | 提出一种名为PTMFusionNet的深度学习方法，用于预测疾病相关翻译后修饰并整合蛋白质表达数据进行疾病亚型分类 | 开发了结合层注意力图卷积网络和特征加权图卷积网络的双重GCN模型，能够预测PTM潜力分数并与蛋白质表达数据融合 | NA | 预测疾病相关翻译后修饰并改进疾病亚型分类 | 蛋白质翻译后修饰和疾病亚型 | 机器学习 | 癌症 | 质谱技术 | GCN | 蛋白质表达数据和PTM信息 | 三个数据集（KIPAN、COADREAD和THCA） | NA | Layer-Attention Graph Convolutional Network (LAGCN), Feature Weighting Graph Convolutional Network (FWGCN) | 准确率, F1分数, AUC | NA |
| 3780 | 2025-10-06 |
Enhancing the Accuracy of Skin Lesion Diagnosis Using Hyperspectral Imaging and Deep Learning
2025-07, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500182
PMID:40505653
|
研究论文 | 本研究提出了一种结合高光谱成像和深度学习的新型诊断方法，用于区分皮炎、光化性角化病和脂溢性角化病 | 首次将高光谱成像与深度学习相结合用于皮肤病变诊断，采用Savitzky-Golay滤波和一阶导数光谱分析增强数据质量 | 样本量较小（60个样本），需要进一步研究可扩展性和成本效益优化 | 开发准确诊断皮肤病变的自动化方法 | 皮炎、光化性角化病(AK)、脂溢性角化病(SK)三种皮肤病变 | 计算机视觉 | 皮肤病 | 高光谱成像(HSI), Savitzky-Golay滤波, 一阶导数光谱分析 | 深度学习 | 高光谱图像 | 60个术中临床标本 | NA | NA | 准确率, 灵敏度, 特异性 | NA |