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 3941 - 3960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3941 | 2025-10-06 |
A comparative study of bone density in elderly people measured with AI and QCT
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1582960
PMID:40771941
|
研究论文 | 本研究通过AI模型与QCT方法比较，验证基于常规CT扫描的骨密度AI预测在骨质疏松诊断中的临床价值 | 首创双验证框架验证基于深度学习的骨密度预测算法，并评估多厂商CT设备间测量一致性 | 回顾性研究设计，样本量相对有限（702例患者） | 验证AI骨密度预测与QCT的诊断等效性，评估跨设备测量一致性，确定AI衍生骨密度在骨质疏松分类中的临床效用 | 702名患者（2019-2022年）的配对CT/QCT数据集 | 医学影像分析 | 骨质疏松症 | 定量CT（QCT），常规胸腹部CT扫描 | 深度学习模型 | CT影像数据 | 702名患者的多中心回顾性数据 | NA | NA | AUC, 准确率, 灵敏度, 特异性, R²值 | NA |
| 3942 | 2025-10-06 |
Artificial intelligence in neurodegenerative diseases research: a bibliometric analysis since 2000
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1607924
PMID:40771972
|
文献计量分析 | 对2000-2025年神经退行性疾病人工智能研究领域的文献计量分析 | 首次系统分析神经退行性疾病AI研究领域的知识图谱和发展轨迹 | 仅基于Web of Science数据库的1402篇文献，可能存在收录偏差 | 探索人工智能在神经退行性疾病研究中的发展态势和研究热点 | 神经退行性疾病研究领域的科学文献 | 文献计量学 | 神经退行性疾病 | 文献计量分析 | NA | 文献元数据 | 1402篇出版物（1159篇文章，243篇综述） | VOSviewer, CiteSpace, Bibliometrix R | NA | 合作中心性（0.24），篇均引用次数（31.68） | NA |
| 3943 | 2025-10-06 |
Domain adaptive deep possibilistic clustering for EEG-based emotion recognition
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1592070
PMID:40772260
|
研究论文 | 提出一种结合深度领域不变特征学习与可能性聚类的领域自适应框架，用于解决基于EEG的情绪识别中的领域偏移问题 | 将最大均值差异重新表述为模糊熵正则化框架下的单中心聚类任务，并引入自适应加权损失和记忆库策略增强伪标签可靠性 | NA | 开发鲁棒的跨领域脑电信号情绪识别方法 | 脑电信号(EEG) | 机器学习 | NA | 脑电信号采集 | 深度聚类 | 脑电信号 | 三个基准数据集(SEED, SEED-IV, DEAP) | NA | 深度可能性聚类 | 识别准确率, 泛化能力 | NA |
| 3944 | 2025-10-06 |
EPI-DynFusion: enhancer-promoter interaction prediction model based on sequence features and dynamic fusion mechanisms
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1614222
PMID:40772277
|
研究论文 | 提出基于序列特征和动态融合机制的增强子-启动子相互作用预测模型EPI-DynFusion | 结合Transformer和BiGRU架构的动态特征融合机制，并引入卷积块注意力模块(CBAM)增强对关键区域的关注能力 | 仅基于DNA序列信息进行预测，未考虑其他表观遗传因素 | 开发高效的计算模型来预测增强子-启动子相互作用 | DNA序列中的增强子-启动子相互作用 | 生物信息学 | NA | DNA序列分析 | CNN, Transformer, BiGRU | DNA序列数据 | 六个基准细胞系数据 | NA | CNN, Transformer, BiGRU, CBAM | AUROC, AUPR | NA |
| 3945 | 2025-10-06 |
Advancing dermoscopy through a synthetic hair benchmark dataset and deep learning-based hair removal
2024-11, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.29.11.116003
PMID:39564076
|
研究论文 | 开发用于皮肤镜图像脱毛的合成毛发基准数据集和深度学习模型 | 创建了模拟多种毛发类型和尺寸的合成毛发皮肤镜图像数据集，并设计了专注于有效脱毛同时保留黑色素瘤病变完整性的CNN模型 | NA | 提高皮肤镜图像清晰度以改善黑色素瘤早期检测 | 皮肤镜图像中的毛发和黑色素瘤病变 | 计算机视觉 | 黑色素瘤 | 皮肤镜检查 | CNN | 图像 | NA | NA | NA | NA | NA |
| 3946 | 2025-10-06 |
An end-to-end recurrent compressed sensing method to denoise, detect and demix calcium imaging data
2024-Sep, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-024-00892-w
PMID:40771998
|
研究论文 | 提出一种基于深度学习的端到端方法DeepCaImX，用于钙成像数据的去噪、检测和解混 | 首个能够同时生成准确神经元足迹和提取干净神经元活动轨迹的神经网络 | 使用模拟数据集进行训练，需在真实实验数据中进一步验证 | 开发自动化高速钙成像数据分析管道 | 钙成像数据中的神经元空间足迹和时间活动轨迹 | 计算机视觉 | NA | 双光子钙成像 | LSTM | 钙成像数据 | 模拟数据集和体内实验数据 | NA | 压缩感知启发的神经网络，包含循环层和全连接层 | 分割质量、时间轨迹提取质量、处理速度 | NA |
| 3947 | 2025-10-06 |
Enhanced Partial Fourier MRI With Zero-Shot Deep Untrained Priors
2024, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/access.2024.3508761
PMID:40766109
|
研究论文 | 提出一种基于零样本无监督深度学习的部分傅里叶重建新方法 | 将传统相位约束与零样本深度学习技术相结合，无需训练数据即可实现图像重建和先验学习 | 未明确说明方法在特定病理条件下的适用性限制 | 提升部分傅里叶磁共振成像的重建质量 | 磁共振图像 | 医学影像处理 | NA | 部分傅里叶磁共振成像 | 无训练生成先验网络 | 磁共振图像数据 | fastMRI数据集、QALAS多对比度数据集和低场数据集 | NA | 未训练人工神经网络 | NRMSE（归一化均方根误差） | NA |
| 3948 | 2025-04-24 |
Geneformer: a deep learning model for exploring gene networks
2023-12, Science China. Life sciences
DOI:10.1007/s11427-023-2431-x
PMID:37672186
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3949 | 2025-10-06 |
Population Specific Biomarkers of Human Aging: A Big Data Study Using South Korean, Canadian, and Eastern European Patient Populations
2018-10-08, The journals of gerontology. Series A, Biological sciences and medical sciences
DOI:10.1093/gerona/gly005
PMID:29340580
|
研究论文 | 本研究开发了一种基于深度学习的血液老化时钟模型，使用加拿大、韩国和东欧人群的血液样本数据，提高了对个体人群年龄预测的准确性 | 首次结合多个人群特异性数据集开发血液老化时钟，证明人群特异性老化模式的存在，并验证了血液老化时钟与全因死亡率之间的关联 | 研究仅包含四个特定人群的数据，可能无法完全代表全球所有人群的老化特征 | 开发更准确的人群特异性人类老化生物标志物，评估抗衰老疗法 | 加拿大、韩国、东欧和美国人群的血液样本数据 | 机器学习 | 老年疾病 | 血液检测 | 深度学习 | 血液样本数据 | 加拿大、韩国、东欧人群的大规模组合数据集，以及NHANES的美国人群公开样本 | NA | NA | 预测准确性 | NA |
| 3950 | 2025-10-06 |
A classification method of motor imagery based on brain functional networks by fusing PLV and ECSP
2025-Oct, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107684
PMID:40450930
|
研究论文 | 提出一种融合相位锁定值和增强共空间模式的脑功能网络构建方法，用于运动想象分类 | 融合边缘特征和节点特征构建新型脑功能网络，并设计注意力多尺度特征卷积神经网络进行验证 | NA | 增强大脑状态解码能力，评估运动想象过程中脑区相关节点的功能连接变化 | 左右手抓握任务的运动想象脑电信号 | 脑机接口 | NA | 脑电图，相位锁定值，增强共空间模式 | CNN | 脑电信号 | SHU_Dataset和BCI IV 2a数据集 | NA | 注意力多尺度特征卷积神经网络 | 准确率 | NA |
| 3951 | 2025-10-06 |
CDAFormer: Hybrid Transformer-based contrastive domain adaptation framework for unsupervised hyperspectral change detection
2025-Oct, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107633
PMID:40505164
|
研究论文 | 提出基于混合Transformer的对比域自适应框架CDAFormer，用于无监督高光谱变化检测 | 首次将混合Transformer与对比域自适应结合，通过分别对齐两个域的变化和未变化差异特征来实现无监督域适应 | 未明确说明对计算资源的需求和模型训练时间成本 | 解决高光谱图像变化检测中的域适应问题，提升模型在无标注数据下的检测性能 | 高光谱图像 | 计算机视觉 | NA | 高光谱成像 | Transformer | 高光谱图像 | NA | NA | 混合Transformer, 全连接层 | NA | NA |
| 3952 | 2025-10-06 |
Physics-informed neural networks for solving inverse problems in phase field models
2025-Oct, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107665
PMID:40554300
|
研究论文 | 本研究将物理信息神经网络应用于相场模型中的逆问题求解 | 将PINNs研究重点从正问题转向逆问题，实现了关键各向异性材料参数的反演，并扩展了在多物理场耦合系统中的应用 | NA | 解决相场模型中的逆问题，包括扩散、流动和相变问题 | 材料科学中的相场模型、温度场和流场控制方程 | 机器学习 | NA | 物理信息神经网络 | PINNs | 数值模拟数据 | NA | NA | 结合数据驱动和物理驱动模块的神经网络 | 预测值与理论值的一致性 | NA |
| 3953 | 2025-10-06 |
Multifrequency Time-Dependent Deep Image Prior for Real-Time Free-Breathing Cardiac Imaging
2025-Sep, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70114
PMID:40760871
|
研究论文 | 本研究提出了一种多频率时间依赖深度图像先验方法，用于实现自由呼吸条件下的实时心脏磁共振成像 | 引入了多频率流形参数化时间，无需假设运动周期性；采用零样本深度学习联合估计线圈灵敏度 | 与传统扫描相比，边缘锐度和图像对比度评分较低 | 开发无需屏息或心电图门控的高时间分辨率功能性心脏成像技术 | 健康受试者和心律失常患者 | 医学影像 | 心血管疾病 | MRI, 2D自由呼吸非门控黄金角螺旋bSSFP序列 | 深度图像先验 | 动态MRI图像 | 健康受试者和患者（包括心律失常患者） | 零样本深度学习 | Time-DIP, Multifrequency Time-DIP | 图像质量指标，左心室功能测量，时间分辨率，混叠伪影减少 | NA |
| 3954 | 2025-10-06 |
Understanding the Pathophysiology of Mental Diseases and Early Diagnosis Thanks to Electrophysiological Tools: Some Insights and Empirical Facts
2025-Sep, Clinical EEG and neuroscience
IF:1.6Q3
DOI:10.1177/15500594241227485
PMID:38238934
|
研究论文 | 探讨神经生理学工具在精神疾病病理生理机制研究和早期诊断中的应用价值 | 聚焦三种高流行性精神疾病中神经生理学技术的新进展，结合机器学习方法提升诊断效能 | 未提及研究样本量的具体限制，主要基于现有文献证据进行论述 | 评估电生理工具在精神疾病诊断和治疗监测中的应用潜力 | 三种精神疾病：痴呆亚型、精神分裂症和成瘾障碍 | 医学神经科学 | 精神疾病 | 脑电图、失匹配负波、认知事件相关电位 | 深度学习 | 电生理信号 | NA | NA | NA | NA | NA |
| 3955 | 2025-10-06 |
af2rave: protein ensemble generation with physics-based sampling
2025-Aug-06, Digital discovery
IF:6.2Q1
DOI:10.1039/d5dd00201j
PMID:40621440
|
研究论文 | 介绍af2rave开源Python包，通过改进的AlphaFold2-RAVE协议结合物理驱动采样生成蛋白质构象集合 | 改进了原有AlphaFold2-RAVE协议，通过特征选择模块自动识别重要集体变量，显著减少对系统先验知识的需求 | NA | 开发高效生成蛋白质构象集合的计算方法 | 蛋白质构象集合 | 计算生物学 | NA | 分子动力学模拟，多序列比对 | AlphaFold2 | 蛋白质序列和结构数据 | 腺苷激酶(ADK)、人DDR1激酶、SARS-CoV-2刺突蛋白受体结合域等多个系统 | Python | AlphaFold2-RAVE | 构象采样效率，计算成本 | NA |
| 3956 | 2025-10-06 |
BlurryScope enables compact, cost-effective scanning microscopy for HER2 scoring using deep learning on blurry images
2025-Aug-06, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01882-x
PMID:40764388
|
研究论文 | 开发了一种名为BlurryScope的快速扫描光学显微镜，利用连续图像采集和深度学习技术，为组织切片自动检测分析提供经济紧凑的解决方案 | 通过运动模糊图像实现HER2评分分类，设备成本显著低于商业数字病理扫描仪且体积更小 | NA | 开发经济高效的自动化数字病理扫描解决方案 | 免疫组化染色的乳腺癌组织切片 | 数字病理 | 乳腺癌 | 免疫组化染色，光学显微镜扫描 | 深度学习 | 图像 | 284个独特患者组织核心 | NA | NA | 准确率 | NA |
| 3957 | 2025-10-06 |
Pyramidal attention-based T network for brain tumor classification: a comprehensive analysis of transfer learning approaches for clinically reliable and reliable AI hybrid approaches
2025-Aug-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-11574-x
PMID:40764518
|
研究论文 | 提出一种基于金字塔注意力的T型网络用于脑肿瘤分类，并全面分析迁移学习方法在临床可靠AI混合方法中的应用 | 结合层次金字塔注意力机制和基于T块的双分区特征提取，采用自卷积扩张神经分类器，自适应聚焦脑MRI图像中的信息区域 | NA | 开发临床可部署、可解释的自动化脑肿瘤分类模型 | 脑肿瘤MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | CNN, LSTM, ANN | 图像 | 7023张图像，包含四种类型：胶质瘤、脑膜瘤、无肿瘤、垂体瘤 | NA | PABT-Net, VGG19, MobileNet, NASNet | 准确率, 精确率, 召回率, 特异性, F1分数, AUC, 混淆矩阵, ROC分析, Jaccard相似指数, Cohen's Kappa值 | NA |
| 3958 | 2025-10-06 |
Scalable and lightweight deep learning for efficient high accuracy single-molecule localization microscopy
2025-Aug-05, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-62662-5
PMID:40764305
|
研究论文 | 提出轻量级深度学习框架LiteLoc用于高效处理单分子定位显微镜数据 | 采用轻量级神经网络架构并整合CPU和GPU并行处理，在保持定位精度的同时显著降低延迟和能耗 | NA | 开发可扩展的高通量单分子定位显微镜数据分析框架 | 单分子定位显微镜数据 | 计算机视觉 | NA | 单分子定位显微镜 | 深度学习 | 显微镜图像 | NA | NA | 轻量级神经网络 | 定位精度, 处理速度, 资源效率 | CPU, GPU |
| 3959 | 2025-10-06 |
A deep learning framework for gender sensitive speech emotion recognition based on MFCC feature selection and SHAP analysis
2025-Aug-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-14016-w
PMID:40764384
|
研究论文 | 提出一种基于MFCC特征选择和SHAP分析的性别敏感语音情感识别深度学习框架 | 相比现有深度学习方法在语音情感识别任务中实现了15%的性能提升，并采用SHAP分析进行特征选择 | NA | 开发高精度的语音情感识别系统 | 语音信号中的情感状态（快乐、悲伤、愤怒、恐惧、惊讶和中性） | 自然语言处理 | NA | MFCC特征提取，SHAP分析 | CNN, RNN, LSTM | 语音数据 | NA | NA | 卷积神经网络，循环神经网络，长短期记忆网络 | 准确率 | NA |
| 3960 | 2025-10-06 |
Road damage detection based on improved YOLO algorithm
2025-Aug-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-14461-7
PMID:40764422
|
研究论文 | 提出一种基于改进YOLOv5算法的道路损伤检测方法 | 集成通道注意力和空间注意力双分支注意力机制，结合GIoU损失函数增强检测精度和定位能力 | NA | 开发高效准确的道路损伤自动检测技术 | 道路损伤和路面病害 | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | 公共数据集 | NA | YOLOv5 | 检索率,平均值,调和均值F1,PCI | NA |