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 4161 - 4180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4161 | 2025-10-06 |
Learning Genetic Perturbation Effects with Variational Causal Inference
2025-Jun-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.05.657988
PMID:40501829
|
研究论文 | 提出一种结合机制因果模型与变分深度学习的混合方法SCCVAE，用于预测单细胞水平基因扰动效应 | 首次将机制因果模型与变分自编码器结合，通过学习的调控网络表示扰动变化，实现未见扰动的外推预测 | 未明确说明模型在超大规模数据集上的计算效率及对特定细胞类型的泛化能力 | 开发能准确预测单细胞水平基因扰动效应的计算模型 | 单细胞转录组数据及基因扰动响应 | 机器学习 | NA | Perturb-seq, 单细胞转录组测序 | 变分自编码器, 因果模型 | 单细胞转录组数据 | NA | NA | 变分自编码器 | 外推预测性能 | NA |
| 4162 | 2025-10-06 |
Local mean suppression filter for effective background identification in fluorescence images
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110296
PMID:40375425
|
研究论文 | 提出一种用于荧光显微镜图像背景识别的局部均值抑制滤波器 | 通过变化邻域尺寸生成多标签并累积决策的局部均值比较方法 | NA | 开发有效的荧光图像背景识别方法 | 具有密集低对比度前景的荧光显微镜图像 | 计算机视觉 | NA | 荧光显微镜成像 | 非线性滤波器 | 荧光显微镜图像 | NA | Python 3 | 局部均值抑制滤波器 | NA | NA |
| 4163 | 2025-10-06 |
Towards artificial intelligence application in pain medicine
2025-03, Recenti progressi in medicina
DOI:10.1701/4460.44555
PMID:40084580
|
综述 | 本文概述人工智能在疼痛医学领域的最新应用进展 | 系统总结了人工智能技术在自动疼痛评估（APA）中的创新应用，包括通过生物信号、面部表情和语音模式分析实现客观疼痛诊断 | 存在验证困难、参数选择复杂和技术实施伦理问题等挑战 | 探讨人工智能技术在疼痛医学领域的应用潜力与发展方向 | 疼痛患者（包括新生儿和无法沟通的患者） | 自然语言处理, 机器学习 | 疼痛相关疾病 | NA | 深度学习, 机器学习 | 生物信号, 面部图像, 语音数据 | NA | NA | 自然语言处理系统 | NA | NA |
| 4164 | 2025-10-06 |
Deep Learning Analysis of Google Street View to Assess Residential Built Environment and Cardiovascular Risk in a U.S. Midwestern Retrospective Cohort
2025-Feb-04, European journal of preventive cardiology
IF:8.4Q1
DOI:10.1093/eurjpc/zwaf038
PMID:39903569
|
研究论文 | 本研究使用Google街景图像和深度学习技术分析居住环境特征与心血管风险之间的关系 | 首次结合Google街景图像和深度学习技术大规模分析建成环境特征与心血管疾病风险的关联 | 需要未来研究验证这些关联并深入理解潜在机制 | 调查建成环境特征（包括住宅绿化和人行道）与心血管风险的关系 | 美国中西部俄亥俄州东北部地区的49,887名个体 | 计算机视觉 | 心血管疾病 | Google街景图像分析 | 深度学习 | 图像 | 49,887名个体，其中2,083人经历主要不良心血管事件 | NA | NA | 风险比(HR), 置信区间(CI) | NA |
| 4165 | 2025-10-06 |
Detection and severity assessment of obstructive sleep apnea according to deep learning of single-lead electrocardiogram signals
2025-02, Journal of sleep research
IF:3.4Q2
DOI:10.1111/jsr.14285
PMID:39021352
|
研究论文 | 基于单导联心电图信号开发深度学习模型用于阻塞性睡眠呼吸暂停的检测与严重程度评估 | 首次将单导联心电图信号与时频域信息融合的深度学习模型应用于阻塞性睡眠呼吸暂停的检测和严重程度分级 | 样本量相对有限（375例患者），未提及模型在更广泛人群中的泛化能力验证 | 开发便捷的阻塞性睡眠呼吸暂停检测和严重程度评估方法 | 接受多导睡眠图检查的375例患者 | 医疗人工智能 | 阻塞性睡眠呼吸暂停 | 单导联心电图信号分析 | 深度学习 | 心电图信号 | 375例患者 | NA | 包含信号预处理、特征提取、时频域信息融合和分类模块的深度学习架构 | 准确率, Bland-Altman一致性分析 | NA |
| 4166 | 2024-10-30 |
Deep Learning-Based Method for Rapid 3D Whole-Heart Modeling in Congenital Heart Disease: Correspondence
2025, Cardiology
IF:1.9Q3
DOI:10.1159/000542318
PMID:39467517
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4167 | 2025-10-06 |
Human intention recognition for trauma resuscitation: An interpretable deep learning approach for medical process data
2025-01, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2024.104767
PMID:39746431
|
研究论文 | 开发了一种可解释的深度学习方法，用于自动识别创伤复苏过程中的医疗目标追求 | 采用双门控循环单元结构从时间和活动类型两个层面学习特征，并利用注意力权重增强模型可解释性 | 仅针对两种复苏目标（气道稳定和循环支持）进行验证，样本量相对有限 | 自动识别创伤复苏过程中的医疗目标追求，辅助临床决策 | 儿科创伤复苏事件日志 | 医疗过程分析 | 创伤 | 深度学习 | GRU | 事件日志 | 381例儿科创伤复苏记录 | NA | 双GRU结构 | AUC | NA |
| 4168 | 2025-10-06 |
Unveiling pathology-related predictive uncertainty of glomerular lesion recognition using prototype learning
2025-01, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2024.104745
PMID:39746430
|
研究论文 | 提出一种基于原型学习的肾小球病变识别预测不确定性分析框架 | 首次结合专家知识和学习方法构建病理相关特征表征，提出多维度不确定性融合和权重重分配预测校正方法 | 未明确说明样本量的具体规模和多样性限制 | 分析肾小球病变识别中的病理相关预测不确定性及其对模型性能的影响 | 肾小球病变的病理图像 | 数字病理 | 慢性肾脏病 | 深度学习，原型学习 | 深度学习模型 | 病理图像 | NA | NA | 原型学习网络 | Spearman相关系数, Pearson相关系数, c指数 | NA |
| 4169 | 2025-10-06 |
Cell type prediction with neighborhood-enhanced cellular embedding using deep learning on hematoxylin and eosin-stained images
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.07.026
PMID:40735431
|
研究论文 | 本研究利用深度学习模型通过H&E染色图像预测结肠癌和乳腺癌肿瘤微环境中的细胞类型 | 提出基于邻域增强细胞嵌入的方法，结合转导半监督学习策略提升细胞类型预测性能 | 模型性能在不同癌症类型和数据集间存在差异，乳腺癌数据集上部分模型准确率相对较低 | 开发基于H&E染色图像的细胞类型预测方法 | 结肠癌和乳腺癌样本中的肿瘤浸润细胞 | 数字病理学 | 结肠癌,乳腺癌 | H&E染色,细胞分割,邻域增强特征提取 | 深度学习 | 病理图像 | 结肠癌和乳腺癌两个数据集，包含多个样本集(S1-S5) | NA | Base-4, Base-4+, Base-7 | 准确率 | NA |
| 4170 | 2025-10-06 |
Machine learning in the differential diagnosis of ulcerative colitis and Crohn's disease: a systematic review
2025, Translational gastroenterology and hepatology
IF:3.8Q2
DOI:10.21037/tgh-24-117
PMID:40755733
|
系统综述 | 系统回顾机器学习在溃疡性结肠炎和克罗恩病鉴别诊断中的应用研究 | 首次系统性地总结了2000-2024年间机器学习在IBD亚型鉴别诊断中的应用现状和发展趋势 | 纳入研究主要为回顾性研究（87%），可能存在选择偏倚 | 评估机器学习在炎症性肠病亚型鉴别诊断中的临床应用价值 | 溃疡性结肠炎和克罗恩病患者 | 机器学习 | 炎症性肠病 | 机器学习 | 随机森林,支持向量机,深度学习 | 内镜数据,粪便生物标志物数据 | 15,140例患者样本 | NA | NA | 模型评估指标 | NA |
| 4171 | 2025-10-06 |
Diaproteo: A supervised learning framework for early detection of diabetes mellitus based on proteomic profiles
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251362281
PMID:40755961
|
研究论文 | 提出一个基于蛋白质组学特征的监督学习框架Diaproteo，用于糖尿病早期检测 | 结合传统机器学习算法和前沿深度学习架构，在蛋白质组学数据上实现糖尿病早期预测 | NA | 开发糖尿病早期检测的预测模型 | 糖尿病患者的临床特征、遗传标记和生活方式变量 | 机器学习 | 糖尿病 | 蛋白质组学分析 | Extra Trees, CNN | 蛋白质组学数据、临床特征、遗传标记、生活方式变量 | NA | NA | 卷积神经网络 | 准确率, 精确率, 召回率, F1分数 | NA |
| 4172 | 2025-10-06 |
SMF-net: semantic-guided multimodal fusion network for precise pancreatic tumor segmentation in medical CT image
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1622426
PMID:40756121
|
研究论文 | 提出一种语义引导多模态融合网络SMF-Net，用于医学CT图像中胰腺肿瘤的精确分割 | 结合CNN-Transformer混合编码器，引入AMBERT渐进特征提取模块和MTT多模态令牌变换器，融合视觉与语义特征，并采用半监督学习解决多模态数据稀缺问题 | 未明确说明模型计算复杂度及在更大规模数据集上的验证 | 实现胰腺肿瘤的精确自动化分割，提升胰腺癌临床诊断效率 | 胰腺肿瘤CT图像 | 医学图像分析 | 胰腺癌 | CT成像 | CNN, Transformer | 医学CT图像 | 与株洲中心医院合作构建的多模态胰腺肿瘤数据集MPTD | NA | CNN-Transformer混合编码器, AMBERT, MTT, MEAM, DAS-Net | Dice系数 | NA |
| 4173 | 2025-10-06 |
A CT-Based Deep Learning Radiomics Scoring System for Predicting the Prognosis to Repeat TACE in Patients with Hepatocellular Carcinoma: A Multicenter Cohort Study
2025, Journal of hepatocellular carcinoma
IF:4.2Q2
DOI:10.2147/JHC.S525920
PMID:40756248
|
研究论文 | 开发基于CT的深度学习放射组学评分系统预测肝细胞癌患者重复TACE治疗的预后 | 首次结合深度学习评分和手工放射组学特征构建HRD评分系统，优于传统ART和ABCR评分 | 回顾性研究设计，样本量相对有限（310例患者） | 预测肝细胞癌患者重复经动脉化疗栓塞治疗的预后 | 肝细胞癌患者 | 数字病理 | 肝细胞癌 | CT成像 | 深度学习 | CT图像 | 310例来自三家医院的患者 | NA | NA | AUC, 校准曲线, 决策曲线分析, 总体生存期 | NA |
| 4174 | 2025-10-06 |
Ethical AI in medical text generation: balancing innovation with privacy in public health
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1583507
PMID:40756387
|
研究论文 | 提出一种结合隐私保护技术和可解释模型架构的创新框架，用于实现医学文本生成的伦理合规 | 将基于知识的推理与深度学习相结合，并集成同态加密和安全多方计算等隐私增强技术，同时在系统设计层面嵌入伦理原则 | 未提及具体实验验证和性能评估结果 | 解决医学文本生成中的伦理挑战，包括公平性、隐私保护和可解释性 | 医学文本生成系统 | 自然语言处理 | NA | 深度学习 | 混合模型 | 医学文本数据 | NA | NA | 符号推理与数据驱动学习相结合架构 | NA | NA |
| 4175 | 2025-10-06 |
Nursing Students' Use of Digital Resources for Self-Directed Learning in Bioscience
2025 Jan-Dec, SAGE open nursing
IF:2.0Q2
DOI:10.1177/23779608251363870
PMID:40756467
|
研究论文 | 探讨护理专业一年级学生如何利用数字资源支持生物科学课程的自主学习 | 基于多媒体学习认知理论，首次系统分析数字资源在护理学生生物科学自主学习中的应用机制 | 采用定性研究方法，样本量有限，结果可能缺乏普适性 | 探索数字资源如何支持护理专业一年级学生的生物科学自主学习 | 护理专业一年级学生 | 教育技术 | NA | 半结构化访谈，反思性主题分析 | NA | 定性访谈数据 | 未明确具体样本数量 | NVivo | NA | NA | NA |
| 4176 | 2025-10-06 |
Lightweight deep learning system for automated bone age assessment in Chinese children: enhancing clinical efficiency and diagnostic accuracy
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1604133
PMID:40756505
|
研究论文 | 提出一种基于中国05标准的轻量级深度学习系统，用于中国儿童骨龄自动评估 | 采用轻量级两阶段深度学习框架，结合YOLOv8精准定位和改进的EfficientNetB3精细分类，参数量比同类模型减少56-86% | 需要解决技术、伦理和临床应用采纳等挑战 | 提升骨龄评估的临床效率和诊断准确性 | 中国儿童手部X光片中的13个关键骨骺 | 计算机视觉 | 生长发育障碍 | X光成像 | CNN | 图像 | 未明确说明 | PyTorch | YOLOv8, EfficientNetB3 | mAP, IoU, 准确率 | 未明确说明 |
| 4177 | 2025-10-06 |
Artificial intelligence and machine learning in the development of vaccines and immunotherapeutics-yesterday, today, and tomorrow
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1620572
PMID:40756816
|
综述 | 回顾人工智能和深度学习在疫苗与免疫治疗剂开发中的历史应用、当前进展及未来挑战 | 系统阐述AI/DL如何通过预测框架、多组学数据整合和个性化设计推动疫苗研发范式变革，并提出替代动物实验的颠覆性前景 | 未涉及具体算法实现细节和临床验证数据，主要聚焦方法论层面的讨论 | 探讨AI/DL技术加速精准化、个性化疫苗与免疫治疗剂开发的路径 | 传染病和癌症的疫苗与免疫治疗剂 | 机器学习 | 传染病,癌症 | 多组学数据整合,系统疫苗学 | 深度学习 | 多组学数据,临床数据 | NA | NA | NA | NA | NA |
| 4178 | 2025-10-06 |
BuoyancyNet: a deep learning approach for assessing float buoyancy in mussel aquaculture
2025, Journal of the Royal Society of New Zealand
IF:2.1Q2
DOI:10.1080/03036758.2025.2488415
PMID:40756829
|
研究论文 | 本文提出了一种基于深度学习的贝类养殖浮标浮力评估方法BuoyancyNet | 首次将视觉Transformer与一维卷积层结合用于连续浮标空间关系学习，在复杂环境条件下实现稳健性能 | NA | 开发可扩展的自动化监测解决方案以解决贻贝养殖中的浮力管理问题 | 贻贝养殖场中的浮标 | 计算机视觉 | NA | 深度学习 | Vision Transformer, CNN | 图像 | 超过36,000张浮标图像 | NA | Vision Transformer with 1D convolutional layers | 多分类准确率 | NA |
| 4179 | 2025-10-06 |
Deep learning-based seabird detection in fisheries for seabird protection
2025, Journal of the Royal Society of New Zealand
IF:2.1Q2
DOI:10.1080/03036758.2025.2500998
PMID:40756846
|
研究论文 | 开发基于YOLO的深度学习模型用于自动检测与渔船互动的海鸟，以保护海鸟免受渔业误捕 | 首次将YOLO模型应用于无约束真实海洋场景中的海鸟检测，解决了先前模型主要在受控环境中评估的局限性 | NA | 通过自动化检测减少渔业作业中对海鸟的误捕，保护新西兰海鸟种群 | 与渔船互动的海鸟 | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | NA | NA | YOLO | mAP@50, mAP@50-95 | NA |
| 4180 | 2025-10-06 |
A multitask framework based on CA-EfficientNetV2 for the prediction of glioma molecular biomarkers
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1609594
PMID:40757022
|
研究论文 | 提出基于CA-EfficientNetV2的多任务深度学习框架，用于同时预测胶质瘤IDH突变和MGMT启动子甲基化状态 | 结合坐标注意力机制的EfficientNetV2模型，采用K-means聚类和Vision Transformer生成优化伪标签，并利用果蝇优化算法分配权重 | NA | 开发非侵入性方法预测胶质瘤分子生物标志物 | 胶质瘤患者MRI数据 | 计算机视觉 | 胶质瘤 | MRI | CNN, Vision Transformer | 医学图像 | NA | NA | CA-EfficientNetV2, Vision Transformer, T2-net, T1C-net, TU-net | 准确率, AUC | NA |