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 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 |
Predicting municipal solid waste generation using artificial intelligence: A hybrid approach of entropy analysis and SHAP for optimal feature selection
2025-Aug, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2025.115012
PMID:40639006
|
研究论文 | 本研究提出一种结合互信息和SHAP的混合特征选择方法，用于提高城市固体废物生成的预测精度 | 首次将互信息与SHAP解释性分析相结合进行特征选择，能同时捕捉线性和非线性关系 | 在数据质量较差的地区（如Boralesgamuwa）模型性能显著下降，凸显数据一致性的重要性 | 提高城市固体废物生成预测精度以支持可持续废物管理 | 三个城市的固体废物生成数据：美国奥斯汀、澳大利亚巴拉瑞特和斯里兰卡Boralesgamuwa | 机器学习 | NA | 互信息分析，SHAP可解释性分析 | FFNN, LSTM | 气象数据，社会经济数据 | 三个城市的时间序列数据，包含人口、收入、CPI和滞后废物变量 | NA | 前馈神经网络，长短期记忆网络 | 决定系数，均方根误差 | NA |
| 3762 | 2025-10-06 |
Tranquillyzer: A Flexible Neural Network Framework for Structural Annotation and Demultiplexing of Long-Read Transcriptomes
2025-Jul-31, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.25.666829
PMID:40766630
|
研究论文 | 提出一种用于长读长单细胞RNA测序数据结构注释和分离的灵活神经网络框架 | 采用混合神经网络架构和全局上下文感知设计，能够精确识别因测序噪声或文库构建变异导致的移位、部分降解或重复的结构元件 | NA | 开发用于长读长单细胞转录组数据处理的结构注释和分离框架 | 长读长单细胞RNA测序数据 | 生物信息学 | NA | Oxford Nanopore Technologies (ONT), 单细胞RNA测序 | 混合神经网络 | 长读长单细胞RNA测序数据 | NA | PyTorch, TensorFlow | 混合神经网络架构 | NA | 标准GPU |
| 3763 | 2025-10-06 |
On the Utility of Virtual Staining for Downstream Applications as it relates to Task Network Capacity
2025-Jul-31, ArXiv
PMID:40766889
|
研究论文 | 系统研究虚拟染色技术对下游临床应用（如分割和分类）的效用与任务网络容量的关系 | 首次系统性地将任务网络容量作为评估虚拟染色效用的关键因素，揭示了网络容量足够大时虚拟染色可能不会改善甚至降低任务性能 | 研究主要基于生物数据集进行实证评估，未涉及所有可能的临床场景和任务类型 | 评估虚拟染色技术对下游生物或临床任务的实际效用 | 生物医学图像及其虚拟染色结果 | 数字病理 | NA | 深度学习图像到图像转换 | 深度学习网络 | 图像 | NA | NA | 图像到图像转换网络 | 分割性能, 分类性能 | NA |
| 3764 | 2025-10-06 |
Toroidal indentation for measuring cell and tissue mechanical anisotropy
2025-Jul-30, Acta biomaterialia
IF:9.4Q1
DOI:10.1016/j.actbio.2025.07.064
PMID:40749995
|
研究论文 | 开发了一种基于环形压痕和深度学习的方法来测量生物材料和细胞在不同尺度下的力学各向异性 | 提出了使用环形压头结合有限元模拟和深度学习模型来量化生物材料各向异性弹性模量的新方法 | 方法基于线性不可压缩横向各向同性材料模型，可能不适用于非线性或可压缩材料 | 开发一种通用的压痕方法来估计生物材料从宏观组织到单细胞尺度的各向异性弹性模量 | 各向异性肌肉组织、细胞单层和单细胞 | 生物力学 | NA | 压痕测试、有限元建模、深度学习 | 深度学习模型 | 力学测试数据、模拟数据 | NA | NA | NA | 各向异性程度(E:E比值) | NA |
| 3765 | 2025-10-06 |
Predicting In-Hospital Mortality in Intensive Care Unit Patients Using Causal SurvivalNet With Serum Chloride and Other Causal Factors: Cross-Country Study
2025-Jul-24, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/70118
PMID:40706028
|
研究论文 | 通过大规模跨国多队列研究开发基于血清氯水平的深度学习模型预测ICU患者院内死亡率 | 首次将因果图分析与深度学习相结合，建立个性化生存曲线预测模型，并发现血清氯水平与ICU患者预后的非线性关系 | 研究基于回顾性数据，可能存在未测量的混杂因素 | 分析ICU入院时血清氯水平与院内死亡率的关系，建立个性化生存预测模型 | 重症监护室患者 | 医疗人工智能 | 重症监护疾病 | 因果图分析，限制性立方样条，Cox比例风险模型 | 深度学习模型 | 临床数据 | 189,462名ICU患者（美国和中国四个队列） | NA | Causal SurvivalNet | Brier分数，风险比 | NA |
| 3766 | 2025-10-06 |
Association between the retinal age gap and systemic diseases in the Japanese population: the Nagahama study
2025-Jul, Japanese journal of ophthalmology
IF:2.1Q2
DOI:10.1007/s10384-025-01205-3
PMID:40304887
|
研究论文 | 本研究探讨视网膜年龄差（深度学习预测的视网膜年龄与实际年龄之差）作为日本人群系统性健康生物标志物的潜力 | 首次在日本人群中验证视网膜年龄差与系统性疾病的关联，并采用纵向分析方法 | 纵向分析未发现基线视网膜年龄差与疾病发病的显著关联，仅观察到边际关联 | 研究视网膜年龄差作为系统性健康生物标志物的临床应用价值 | 日本长滨研究的参与者 | 数字病理 | 心血管疾病 | 深度学习 | 深度学习模型 | 视网膜图像 | 微调队列2,261人，分析队列6,070人 | NA | NA | 平均绝对误差 | NA |
| 3767 | 2025-10-06 |
Assessing Algorithmic Fairness With a Multimodal Artificial Intelligence Model in Men of African and Non-African Origin on NRG Oncology Prostate Cancer Phase III Trials
2025-May, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI-24-00284
PMID:40344545
|
研究论文 | 评估多模态人工智能模型在前列腺癌临床试验中针对非洲裔和非非洲裔男性的算法公平性 | 首次在前列腺癌临床试验中评估多模态AI模型在不同种族亚组中的算法公平性和泛化能力 | 种族分类仅基于非洲裔和非非洲裔，未考虑其他种族群体 | 评估多模态AI算法在前列腺癌预后预测中的种族公平性 | 来自5项NRG肿瘤学前列腺癌III期临床试验的5,708名患者 | 数字病理学 | 前列腺癌 | 数字组织病理学, 临床数据分析 | 深度学习 | 图像, 临床数据 | 5,708名患者（948名非洲裔，4,731名非非洲裔，29名种族未知） | NA | 多模态人工智能模型 | 亚分布风险比, 累积发病率, Gray检验, Cox比例风险模型, Fine-Gray模型 | NA |
| 3768 | 2025-10-06 |
Hyperspectral imaging with deep learning for quantification of tissue hemoglobin, melanin, and scattering
2024-09, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.29.9.093507
PMID:39247058
|
研究论文 | 本研究开发了一种基于深度学习的高光谱成像方法，用于快速量化组织中血红蛋白、黑色素和散射特性 | 利用人工神经网络替代传统迭代最小二乘法，实现了4000倍以上的计算速度提升，并能实时处理高光谱数据 | 模型训练基于模拟数据，可能在实际应用中存在泛化性问题 | 开发快速量化组织光学特性的高光谱成像分析方法 | 人体活体组织 | 计算机视觉 | NA | 高光谱成像 | ANN | 高光谱图像 | 24,000个模拟光谱组合用于训练，6,000个独立测试 | NA | 人工神经网络 | 均方根误差 | NA |
| 3769 | 2025-10-06 |
A survey of brain functional network extraction methods using fMRI data
2024-08, Trends in neurosciences
IF:14.6Q1
DOI:10.1016/j.tins.2024.05.011
PMID:38906797
|
综述 | 本文系统综述了基于功能磁共振成像数据提取脑功能网络的经典与先进方法 | 全面涵盖静态与动态功能网络提取方法，系统比较各类方法的原理、优缺点及相互关系 | NA | 探讨脑功能网络分析方法及其在脑功能研究和脑疾病病理生理机制理解中的应用 | 功能磁共振成像数据 | 医学影像分析 | 脑部疾病 | 功能磁共振成像 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 3770 | 2025-10-06 |
A Top-Down Design Approach for Generating a Peptide PROTAC Drug Targeting Androgen Receptor for Androgenetic Alopecia Therapy
2024-06-27, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.4c00828
PMID:38836467
|
研究论文 | 本研究开发了一种针对雄激素性脱发治疗的肽类PROTAC药物生成方法 | 结合ProteinMPNN和RFdiffusion等前沿技术，创建了肽类PROTAC药物开发新范式，并整合透皮微针贴片技术用于药物递送 | 未明确说明样本规模和实验验证的详细限制条件 | 开发针对雄激素性脱发的肽类PROTAC治疗方法 | 雄激素受体(AR)和Von Hippel-Lindau(VHL)蛋白 | 计算生物学, 药物开发 | 雄激素性脱发 | ProteinMPNN, RFdiffusion, Alphafold2-multimer, ZDOCK, 透皮微针贴片技术 | 深度学习模型 | 蛋白质结构数据, 肽序列数据 | NA | NA | NA | 结合能力验证 | NA |
| 3771 | 2025-10-06 |
Deep learning-based identification of genetic variants: application to Alzheimer's disease classification
2022-03-10, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbac022
PMID:35183061
|
研究论文 | 提出一种基于深度学习的遗传变异识别方法SWAT-CNN，用于阿尔茨海默病分类 | 开发了三步法的全基因组深度学习方法，结合滑动窗口关联测试识别表型相关SNPs | 仅在ADNI数据集上进行测试，样本量相对有限 | 开发基于深度学习的遗传变异识别方法用于疾病分类 | 阿尔茨海默病患者和认知正常老年人的遗传数据 | 机器学习 | 阿尔茨海默病 | 全基因组关联分析(GWAS) | CNN | 基因组数据 | 981个样本(650名认知正常老年人，331名AD患者) | NA | CNN | AUC | NA |
| 3772 | 2025-10-06 |
Preparation and Mechanical Properties of High Silicon Molybdenum Cast Iron Materials: Based on Deep Learning Model
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/4825356
PMID:39262918
|
研究论文 | 本研究通过深度学习模型研究高硅钼铸铁材料的制备与力学性能，重点关注其耐磨性和耐腐蚀性 | 结合深度学习模型研究钼和钒元素添加对高铬铸铁性能的影响，探索材料性能优化新方法 | 研究主要关注静态腐蚀性能，未涉及动态磨损条件下的性能评估 | 开发具有更好耐磨性和耐腐蚀性的高铬铸铁材料 | 高铬铸铁材料及其合金元素（钼、钒） | 材料科学 | NA | 静态腐蚀测试、亚临界处理工艺 | 深度学习模型 | 材料性能数据、微观结构数据 | NA | NA | NA | 耐腐蚀性、耐磨性、硬度、韧性 | NA |
| 3773 | 2025-10-06 |
Automatic recognition of adrenal incidentalomas using a two-stage cascade network: a multicenter study
2025-Dec, Annals of medicine
IF:4.9Q1
DOI:10.1080/07853890.2025.2540596
PMID:40772430
|
研究论文 | 本研究开发了一种基于深度学习的两阶段级联网络，用于在多中心非增强CT图像中自动识别肾上腺偶发瘤 | 首次提出两阶段级联网络架构，结合3D Res-Unet分割网络和分类器，实现肾上腺偶发瘤的自动识别 | 回顾性研究设计，样本量相对有限（778例患者） | 开发自动识别肾上腺偶发瘤的深度学习系统 | 肾上腺偶发瘤患者 | 计算机视觉 | 肾上腺疾病 | CT成像 | CNN | 3D医学图像 | 778名患者（来自三个医疗中心） | NA | 3D Res-Unet | Dice相似系数, AUC, 准确率, 灵敏度, 特异性 | NA |
| 3774 | 2025-10-06 |
ChewNet: A multimodal dataset for invivo and invitro beef and plant-based burger patty boluses with images, texture, and force profiles
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111890
PMID:40778379
|
研究论文 | 本文提出了一个包含牛肉和植物基汉堡肉饼咀嚼过程中图像、质地和力分布的多模态数据集 | 首次同时包含人体实验和仿生机器人咀嚼实验的多模态食品咀嚼数据集，涵盖咀嚼过程中的实时图像、力学参数和质地分析 | 仅包含3名健康成年男性参与者，样本规模有限 | 研究食品咀嚼过程中食团特性的变化规律，开发能够从图像预测咀嚼食品机械和质地特性的深度学习模型 | 牛肉和植物基汉堡肉饼的咀嚼过程 | 食品科学, 机器人学, 机器学习 | 吞咽障碍, 颌部疾病 | 质地剖面分析(TPA), 仿生机器人咀嚼 | NA | 图像, 力学数据, 质地参数 | 3名健康成年男性参与者，牛肉和植物基汉堡肉饼样本 | NA | NA | NA | NA |
| 3775 | 2025-10-06 |
Crop field segmentation and irrigation water source attribution for groundwater monitoring and projection toward conservation in the Texas High Plains
2025-Sep-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.180031
PMID:40639040
|
研究论文 | 本研究通过整合遥感数据和深度学习模型，开发了一种监测和预测德克萨斯高平原地下水消耗的数据驱动方法 | 结合一维卷积神经网络与长短期记忆网络(1DCNN-LSTM)的集成深度学习模型，用于作物分类和农田分割，实现了高精度的地下水来源归因分析 | 研究仅限于德克萨斯高平原的Castro和Hale县，模型在其他地区的适用性需要进一步验证 | 监测和预测地下水消耗，支持可持续水资源管理 | 德克萨斯高平原地区的高粱、棉花和玉米种植区 | 遥感分析, 水文建模 | NA | 遥感技术, 现场地下水监测, 水平衡方法 | 1DCNN, LSTM, 集成学习 | 遥感影像, 时间序列数据, 现场监测数据 | Castro和Hale县1995-2024年的作物种植数据 | NA | 1DCNN-LSTM集成模型, Segment Anything Model (SAM) | 准确率, F1分数, 马修斯相关系数, RMSE, 相关系数R | NA |
| 3776 | 2025-10-06 |
Deep learning based aerosol particle classification for the detection of ship emissions
2025-Sep-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.180041
PMID:40644880
|
研究论文 | 本研究开发了一种结合单颗粒质谱技术和深度学习的监测系统，用于实时检测船舶排放的气溶胶颗粒 | 首次将卷积神经网络应用于单颗粒质谱数据的自动分类，实现了对船舶重油燃烧排放颗粒的实时识别 | 监测距离限制在约1.3公里范围内，样本来源相对有限 | 开发自动化的气溶胶颗粒分类系统以检测船舶排放污染 | 船舶排放的气溶胶颗粒，特别是含钒、镍、铁离子的重油燃烧颗粒 | 环境监测 | NA | 单颗粒质谱技术(SPMS) | CNN | 质谱数据 | 一周监测期内检测到21艘船舶经过80次 | NA | 卷积神经网络 | 准确率92% | NA |
| 3777 | 2025-10-06 |
Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning
2025-Sep, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04883-2
PMID:40088296
|
研究论文 | 本研究开发了一种基于深度学习的自动化系统，用于肝脏磁共振弹性成像质量控制和肝硬度测量 | 首次使用深度学习完全自动化肝脏MRE质量控制和肝硬度测量流程 | 回顾性单中心研究，样本量相对有限 | 通过深度学习自动化肝脏磁共振弹性成像质量控制和肝硬度测量 | 69名患者的146次2D MRE扫描，共897个MRE幅度切片 | 医学影像分析 | 肝纤维化 | 磁共振弹性成像 | CNN | 医学影像 | 69名患者（37名男性，平均年龄51.6岁），146次2D MRE扫描，897个MRE幅度切片 | NA | SqueezeNet, U-Net | 准确率, 精确率, 召回率, 平均LSM误差, Cohen's Kappa系数, 组内相关系数 | NA |
| 3778 | 2025-10-06 |
Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI
2025-Sep, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29798
PMID:40259798
|
研究论文 | 开发并评估基于深度学习的模型，使用双参数前列腺MRI对临床显著前列腺癌进行分类，并优化MRI协议选择 | 首次将深度学习模型集成到临床工作流程中，实现基于个体风险的MRI协议个性化选择 | 研究为回顾性和前瞻性混合设计，样本来源有限 | 开发前列腺癌风险分层模型并优化MRI扫描方案 | 前列腺癌患者 | 医学影像分析 | 前列腺癌 | 双参数MRI (bpMRI), 多参数MRI (mpMRI) | 深度学习 | 医学影像 | 26,129例前列腺MRI研究用于训练验证，回顾性队列151例患者，前瞻性队列142例初治患者 | NA | 3D ResNet-50 | AUC, 敏感性, 特异性 | 实时MRI工作流程，处理延迟14-16秒 |
| 3779 | 2025-04-24 |
Editorial for "Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI"
2025-Sep, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29806
PMID:40264361
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3780 | 2025-10-06 |
StarVasc: hyper-dimensional and spectral feature expansion for lightweight vascular enhancement
2025-Aug-10, Journal of robotic surgery
IF:2.2Q2
DOI:10.1007/s11701-025-02644-3
PMID:40783657
|
研究论文 | 提出一种用于机器人手术成像的无监督血管对比度增强轻量级框架StarVasc | 采用星形操作模块实现超维特征扩展，并设计光谱特征增强模块在不依赖高光谱输入的情况下学习光谱线索 | NA | 开发适用于机器人手术视觉系统的血管对比度增强方法 | 机器人手术成像中的血管结构 | 计算机视觉 | NA | 无监督学习 | GAN | 图像 | NA | NA | 编码器-解码器架构,紧凑生成对抗网络 | 无参考质量指标,视觉评估 | NA |