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 32371 篇文献，本页显示第 3801 - 3820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3801 | 2025-08-11 |
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 | 介绍了一个名为Tranquillyzer的灵活神经网络框架，用于长读长转录组的结构注释和解复用 | 采用混合神经网络架构和全局上下文感知设计，能够精确识别结构元素，即使元素因测序噪声或文库构建变异性而发生移位、部分降解或重复 | 未明确提及具体限制 | 开发一个灵活、可扩展的框架，用于处理长读长单细胞RNA测序数据 | 长读长单细胞RNA测序数据 | 生物信息学 | NA | Oxford Nanopore Technologies (ONT) 长读长单细胞RNA测序 | 混合神经网络 | RNA测序数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 3802 | 2025-08-11 |
Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-Based Tool
2025-Jul-16, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2025.100847
PMID:40680854
|
研究论文 | 开发并验证了一种基于深度学习的计算病理学工具Deep-Breast-Cancer-Recurrence (BCR)-Auto，用于从常规H&E染色全切片图像中预测乳腺癌复发风险 | 提出了一种新的深度学习模型Deep-BCR-Auto，显著优于现有的弱监督模型，并展示了在独立数据集上的强泛化能力 | 研究可能受到数据集规模和多样性的限制，特别是在服务不足人群中的代表性 | 开发一种成本效益高的计算病理学工具，用于乳腺癌复发风险预测 | 乳腺癌患者 | 计算病理学 | 乳腺癌 | 深度学习 | Deep-BCR-Auto | H&E染色全切片图像 | 两个独立队列：The Cancer Genome Atlas Program乳腺癌数据集和俄亥俄州立大学内部数据集 | NA | NA | NA | NA |
| 3803 | 2025-08-11 |
Artificial intelligence in pediatric otolaryngology: A state-of-the-art review of opportunities and pitfalls
2025-Jul, International journal of pediatric otorhinolaryngology
IF:1.2Q3
DOI:10.1016/j.ijporl.2025.112369
PMID:40334638
|
综述 | 本文综述了人工智能在儿科耳鼻喉科中的应用现状、机遇与挑战 | 强调了针对儿童独特生理和发育特征定制AI应用的必要性，并指出了当前知识空白 | 成人训练数据的泛化能力不足以及儿科数据相对缺乏 | 探讨AI在儿科耳鼻喉科中的应用潜力与未来发展方向 | 儿科耳鼻喉科疾病 | 医疗人工智能 | 儿科耳鼻喉疾病（如中耳炎、腺样体肥大、儿童阻塞性睡眠呼吸暂停等） | 深度学习、预测建模、联邦学习 | 深度学习模型、大型语言模型 | 图像数据、临床数据 | NA | NA | NA | NA | NA |
| 3804 | 2025-08-11 |
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
|
research paper | 提出了一种名为PTMFusionNet的深度学习方法，用于预测疾病相关的翻译后修饰(PTM)并整合蛋白质表达数据以分类疾病亚型 | PTMFusionNet结合了两个图卷积网络模型(LAGCN和FWGCN)，能够预测PTM潜力分数并将其与蛋白质表达数据整合，优于现有基准算法 | NA | 预测疾病相关的翻译后修饰并整合蛋白质表达数据以改进疾病亚型分类 | 蛋白质翻译后修饰(PTM)和蛋白质表达数据 | machine learning | NA | mass spectrometry | GCN (Graph Convolutional Network), LAGCN, FWGCN | protein intensity and PTM information | 三个数据集(KIPAN, COADREAD, THCA) | NA | NA | NA | NA |
| 3805 | 2025-08-11 |
UniScore, a Unified and Universal Measure for Peptide Identification by Multiple Search Engines
2025-Jul, Molecular & cellular proteomics : MCP
IF:6.1Q1
DOI:10.1016/j.mcpro.2025.101010
PMID:40466863
|
研究论文 | 提出UniScore作为一种度量标准，用于整合和标准化多种搜索引擎在基于LC/MS/MS的自下而上蛋白质组学数据分析中的输出 | UniScore仅通过匹配候选肽的氨基酸序列与产物离子谱来计算，独立于分数值使用基于目标-诱饵方法的错误发现率控制接受标准，相比其他使用深度学习的光谱预测的重新评分方法，能够以最小的计算资源处理更大规模的数据 | NA | 开发一种统一且通用的度量标准，用于整合和标准化多种搜索引擎在蛋白质组学数据分析中的输出 | 基于LC/MS/MS的自下而上蛋白质组学数据 | 蛋白质组学 | NA | LC/MS/MS, 数据依赖采集(DDA) | NA | 质谱数据 | 大规模全球蛋白质组数据和磷酸化蛋白质组数据 | NA | NA | NA | NA |
| 3806 | 2025-08-11 |
Accelerated Non-Contrast-Enhanced Three-Dimensional Cardiovascular Magnetic Resonance Deep Learning Reconstruction
2025-Jul, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/RCM37399
PMID:40776949
|
研究论文 | 本研究探讨了Adaptive CS-Net深度学习算法在非对比增强三维心血管磁共振成像中的重建效果 | 首次评估Adaptive CS-Net算法在REACT非对比三维全心成像中的表现，并与传统压缩感知方法进行比较 | 样本量较小(30名参与者)，且仅针对特定血管区域进行评估 | 评估深度学习重建算法在心血管磁共振成像中的性能 | 非对比增强三维全心磁共振图像 | 数字病理 | 心血管疾病 | REACT序列，bSSFP序列，压缩感知 | Adaptive CS-Net | 磁共振图像 | 30名参与者 | NA | NA | NA | NA |
| 3807 | 2025-08-11 |
Artificial Intelligence-based Approaches for Characterizing Plaque Components From Intravascular Optical Coherence Tomography Imaging: Integration Into Clinical Decision Support Systems
2025-Jul, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/RCM39210
PMID:40776963
|
综述 | 本文综述了基于人工智能的方法在冠状动脉内光学相干断层扫描（IVOCT）图像中斑块特征分析的应用及其临床转化 | 整合AI技术于IVOCT分析流程，减少对预定义标准的依赖，实现更灵活全面的斑块特征分析 | 现有方法评估的斑块特征范围有限，且多局限于特定监管或研究环境 | 促进IVOCT技术在临床实践中的常规应用，支持临床决策 | 冠状动脉粥样硬化斑块 | 数字病理学 | 心血管疾病 | IVOCT | CNN | 图像 | NA | NA | NA | NA | NA |
| 3808 | 2025-08-11 |
Harnessing Artificial Intelligence in Interventional Cardiology: A Systematic Review of Current Applications
2025-Jul, Cureus
DOI:10.7759/cureus.87494
PMID:40777718
|
系统综述 | 本文系统综述了人工智能在介入心脏病学中的当前应用、方法和前景 | 探讨了AI在介入心脏病学中的创新应用，如提高诊断准确性和手术效率，以及个性化治疗指导 | 面临数据隐私、算法透明度和普适性等挑战 | 评估AI在介入心脏病学中的应用及其潜力 | 介入心脏病学中的AI技术及其临床应用 | 医疗人工智能 | 心血管疾病 | 机器学习(ML)和深度学习(DL) | ML和DL | 医疗影像和临床数据 | 20项研究 | NA | NA | NA | NA |
| 3809 | 2025-08-11 |
Deep learning-assisted terahertz intelligent detection and identification of cancer tissue
2025-Jul, Fundamental research
IF:5.7Q1
DOI:10.1016/j.fmre.2025.03.013
PMID:40777781
|
research paper | 提出了一种基于深度学习的太赫兹智能检测系统DECANet，用于癌症组织的早期筛查和识别 | 结合太赫兹检测技术和人工智能技术，开发了一种端到端的癌症组织分类系统 | 研究仅针对乳腺癌和皮肤癌组织，未涉及其他类型癌症 | 开发一种非侵入性、高分辨率的癌症早期诊断工具 | 乳腺癌和皮肤癌组织 | digital pathology | breast cancer, skin cancer | THz detection technique | DECANet (dense and efficient channel attention network) | THz signals | 乳腺癌和皮肤癌组织样本（具体数量未提及） | NA | NA | NA | NA |
| 3810 | 2025-08-11 |
Advancing Spine Fracture Detection: The Role of Artificial Intelligence in Clinical Practice
2025-Jul, Korean journal of neurotrauma
DOI:10.13004/kjnt.2025.21.e22
PMID:40778250
|
review | 本文综述了人工智能在脊柱骨折检测中的最新进展及其在临床实践中的应用 | 总结了深度学习和机器学习模型在脊柱骨折诊断中的最新进展，并探讨了AI辅助工作流程在提高诊断效率方面的潜力 | 数据集变异性大、需要大规模标注数据集以及评估指标的标准化不足 | 提高脊柱骨折的诊断准确性和效率，改善患者管理 | 脊柱骨折 | medical imaging | osteoporosis, trauma, and degenerative diseases | deep learning (DL), machine learning (ML) | DL, ML | medical imaging | NA | NA | NA | NA | NA |
| 3811 | 2025-08-11 |
Advancing smart communities with a deep learning framework for sustainable resource management
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0329492
PMID:40773471
|
research paper | 该研究提出了一种深度学习框架，用于优化智能社区的可持续资源管理 | 结合了LSTM、CNN和自编码器，提高了资源预测精度和异常检测能力 | 数据来源局限于阿姆斯特丹和新加坡的开放数据平台，可能影响模型的普适性 | 优化智能社区的资源管理系统，实现可持续发展 | 智能社区的能源、水资源和废物管理系统 | machine learning | NA | 深度学习 | LSTM, CNN, autoencoder | 时空数据 | 来自阿姆斯特丹开放数据平台、新加坡政府开放数据门户以及众包平台FixMyStreet和OneService的数据 | NA | NA | NA | NA |
| 3812 | 2025-08-11 |
FCMI-YOLO: An efficient deep learning-based algorithm for real-time fire detection on edge devices
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0329555
PMID:40773480
|
research paper | 提出了一种名为FCMI-YOLO的高效深度学习算法，用于边缘设备上的实时火灾检测 | 引入了FasterNext模块、跨尺度特征融合模块(CCFM)和混合局部通道注意力机制(MLCA)，并提出了Inner-DIoU损失函数来优化边界框回归 | 未提及算法在极端环境下的性能表现 | 解决在硬件资源受限条件下，准确性和推理速度之间的权衡问题 | 边缘设备上的实时火灾检测 | computer vision | NA | deep learning | YOLO | image | 自定义火灾数据集 | NA | NA | NA | NA |
| 3813 | 2025-08-11 |
GNN-RMNet: Leveraging graph neural networks and GPS analytics for driver behavior and route optimization in logistics
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0328899
PMID:40773479
|
研究论文 | 本文提出了一种名为GNN-RMNet的混合深度学习系统，用于物流中的驾驶员行为分析和路线异常检测 | 结合GNN、ResNet和MobileNet，实现了可解释、可扩展且高效的驾驶员行为分析和路线异常检测 | 未来部署需要考虑网络安全、数据隐私和多模态传感器集成等问题 | 开发智能系统以监控驾驶员行为并识别路线异常，优化物流网络 | 物流网络中的驾驶员行为和车辆路线 | 机器学习 | NA | GPS分析和车辆传感器数据流 | GNN、ResNet、MobileNet | 时空GPS轨迹和车辆传感器数据 | 真实世界的GPS-车辆传感器数据集 | NA | NA | NA | NA |
| 3814 | 2025-08-11 |
Study on the effect of light distribution on the greenhouse environment in Chinese solar greenhouse
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0328302
PMID:40773526
|
研究论文 | 研究光照分布对中国日光温室内部环境的影响 | 结合实验测量与深度学习模型（LSTM）研究日光温室内的光热环境分布及其对作物生长的影响 | 研究仅针对特定高度和水平范围内的光照和温度变化，未涵盖所有可能的温室环境条件 | 探究日光温室内光照环境对内部条件的影响，为调控温室光温环境提供数据和理论依据 | 日光温室内的光照和温度分布 | 农业工程 | NA | 深度学习 | LSTM | 环境监测数据（光照、温度） | 实验测量数据，具体样本量未明确说明 | NA | NA | NA | NA |
| 3815 | 2025-08-11 |
Robust skeletal motion tracking using temporal and spatial synchronization of two video streams
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0328969
PMID:40773500
|
研究论文 | 该研究提出了一种结合时间和空间同步的双视频流三维人体骨骼跟踪系统，用于上肢康复活动的精确运动追踪 | 通过集成90°辅助摄像头和线性回归深度误差校正模型，显著提高了单摄像头系统在遮挡和非正面视角情况下的深度估计精度 | 研究主要集中在上肢活动，未涉及全身运动追踪 | 开发一种经济高效且可扩展的远程患者监测和运动功能评估解决方案 | 上肢康复活动中的骨骼运动 | 计算机视觉 | 康复医学 | 双摄像头系统、线性回归模型、卡尔曼滤波 | 线性回归、卡尔曼滤波 | 视频流 | NA | NA | NA | NA | NA |
| 3816 | 2025-08-11 |
Liver MRI proton density fat fraction inference from contrast enhanced CT images using deep learning: A proof-of-concept study
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0328867
PMID:40779568
|
研究论文 | 本研究探讨了使用深度学习从对比增强CT图像推断肝脏MRI质子密度脂肪分数的可行性 | 首次尝试使用深度学习模型从CECT图像预测MRI-PDFF值，为肝脏脂肪定量提供了一种更经济、更易获取的替代方法 | 在从CECT图像精确推断MRI-PDFF值方面能力有限 | 探索从对比增强CT图像推断肝脏MRI质子密度脂肪分数的可行性，以改善代谢功能障碍相关脂肪性肝病的早期诊断 | 活体肝移植候选者的CECT和MRI-PDFF图像数据 | 数字病理学 | 代谢功能障碍相关脂肪性肝病 | 深度学习 | 3D U-Net | 医学影像 | 94名患者 | NA | NA | NA | NA |
| 3817 | 2025-08-11 |
Assessing the adversarial robustness of multimodal medical AI systems: insights into vulnerabilities and modality interactions
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1606238
PMID:40776910
|
research paper | 本研究探讨了多模态医疗AI系统在对抗性攻击下的鲁棒性，比较了单模态与多模态模型的性能差异 | 研究发现多模态模型相比单模态模型在对抗性攻击下表现出更强的鲁棒性，支持多模态整合对深度学习系统稳健性的积极影响 | 研究仅涉及图像和文本两种模态，未涵盖其他可能的多模态组合 | 评估医疗AI系统在对抗性攻击场景下的脆弱性及模态间交互作用 | 多模态医疗AI系统 | machine learning | NA | 对抗性攻击测试 | 多模态大模型 | 图像和文本 | NA | NA | NA | NA | NA |
| 3818 | 2025-08-11 |
The application of artificial intelligence in forensic pathology: a systematic literature review
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1583743
PMID:40776925
|
系统综述 | 本文系统评估了人工智能在法医病理学中的最新应用及其未来发展方向 | 总结了人工智能在法医病理学多个领域中的创新应用，包括死后分析、伤口分析、硅藻测试和微生物组分析等 | 样本量较小，不同应用间性能差异大，AI决策在法律背景下的可解释性有待提高 | 评估人工智能在法医病理学中的应用现状和未来发展方向 | 法医病理学中的各类应用场景 | 法医病理学 | NA | 深度学习 | NA | 多模态数据 | 18篇符合纳入标准的文章 | NA | NA | NA | NA |
| 3819 | 2025-08-11 |
Data-driven non-intrusive reduced order modelling of selective laser melting additive manufacturing process using proper orthogonal decomposition and convolutional autoencoder
2025, Advanced modeling and simulation in engineering sciences
IF:2.0Q3
DOI:10.1186/s40323-025-00305-6
PMID:40777044
|
研究论文 | 本研究提出并比较了两种数据驱动的非侵入式降阶模型（ROMs）用于增材制造（AM）过程：POD-ANN和CAE-MLP模型 | 结合降阶建模技术与机器学习算法，提出POD-ANN和CAE-MLP两种新模型，用于增材制造过程的分析 | 虽然两种模型均表现出良好的预测性能，但CAE-MLP模型在预测精度和性能上优于POD-ANN模型 | 提高增材制造过程分析的精度和效率 | 增材制造（AM）过程 | 机器学习 | NA | POD, ANN, CAE, MLP | POD-ANN, CAE-MLP | 数值模拟数据 | NA | NA | NA | NA | NA |
| 3820 | 2025-08-11 |
Deriving equivalent symbol-based decision models from feedforward neural networks
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1618149
PMID:40777518
|
研究论文 | 该研究探讨了从前馈神经网络（FNNs）中提取可解释的符号模型（如决策树）的方法，以提高AI系统的透明度和信任度 | 提出了一种系统方法，利用FNNs中的分布式表示来识别符号组件，并将神经网络激活映射到决策树边缘，从而生成可解释的符号模型 | 研究仅针对前馈神经网络，未涉及其他类型的神经网络 | 提高AI系统的透明度和信任度，通过提取可解释的符号模型来阐明神经网络的运作 | 前馈神经网络（FNNs）和符号模型（如决策树） | 机器学习 | NA | 分布式表示、符号组件识别 | FNNs, 决策树 | NA | NA | NA | NA | NA | NA |