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 4601 - 4620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4601 | 2025-07-30 |
From Detection to Prediction: Advances in m6A Methylation Analysis Through Machine Learning and Deep Learning with Implications in Cancer
2025-Jul-12, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms26146701
PMID:40724951
|
综述 | 本文全面探讨了m6A甲基化的识别、调控机制及其功能后果，并讨论了机器学习算法在m6A位点预测中的应用及其在精准医学和药物开发中的潜力 | 强调了机器学习算法在m6A位点预测中的应用，并探讨了m6A研究在精准医学和药物开发中的潜在应用 | NA | 全面理解m6A生物学及其转化潜力，为未来研究和治疗创新提供新视角 | m6A甲基化及其在生理和病理条件下的作用 | 机器学习 | 癌症 | miCLIP, MeRIP-seq | NA | RNA序列数据 | NA | NA | NA | NA | NA |
| 4602 | 2025-07-30 |
Accelerating Wound Healing Through Deep Reinforcement Learning: A Data-Driven Approach to Optimal Treatment
2025-Jul-11, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12070756
PMID:40722448
|
研究论文 | 本文提出了一种基于深度强化学习的自适应闭环控制框架，用于实时调整伤口治疗策略以加速伤口愈合 | 结合深度学习、最优控制和强化学习，无需复杂非线性伤口愈合动力学的数学模型，实现了治疗策略的实时调整 | 研究目前仅通过计算机模拟和猪伤口模型进行验证，尚未在人类临床环境中广泛应用 | 加速伤口愈合过程 | 伤口愈合过程 | 机器学习 | 伤口愈合 | 深度强化学习 | 深度强化学习算法 | 生物电子传感器数据 | 计算机模拟和猪伤口模型实验 | NA | NA | NA | NA |
| 4603 | 2025-07-30 |
Decentralized Consensus Protocols on SO(4)N and TSO(4)N with Reshaping
2025-Jul-11, Entropy (Basel, Switzerland)
DOI:10.3390/e27070743
PMID:40724459
|
research paper | 本文提出了在Lie群SO(4)及其切丛TSO(4)上的多智能体一致性协议，通过重塑策略实现几乎全局稳定性 | 提出了一种利用重塑策略的一致性协议，能够破坏非一致性平衡点的稳定性，并在SO(4)N或TSO(4)N上实现几乎全局稳定性 | NA | 研究多智能体网络系统中的一致性协议，解决通信限制、时变网络和通信延迟等挑战 | 多智能体网络系统 | machine learning | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4604 | 2025-07-30 |
Use of Radiomics in Characterizing Tumor Hypoxia
2025-Jul-11, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms26146679
PMID:40724929
|
研究论文 | 本文讨论了放射组学在评估肿瘤缺氧中的应用及其在诊断和治疗策略制定中的重要性 | 介绍了放射组学结合机器学习和深度学习提取定量特征的方法及其在缺氧肿瘤中的潜在临床应用 | 缺乏影像标准化和缺氧标记数据集的有限可用性阻碍了放射组学的临床转化 | 探讨放射组学在肿瘤缺氧评估中的应用及其临床潜力 | 肿瘤缺氧 | 数字病理 | 癌症 | MRI, PET, CT | 机器学习, 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 4605 | 2025-07-30 |
AI-Powered Precision: Revolutionizing Atrial Fibrillation Detection with Electrocardiograms
2025-Jul-11, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14144924
PMID:40725616
|
research paper | 本文探讨了人工智能在通过心电图检测心房颤动中的应用及其潜力 | 利用AI技术分析心电图数据，即使在心律失常未活跃时也能识别细微模式，提高早期诊断和风险分层能力 | 存在数据偏见、模型在不同人群中的可靠性问题以及监管考虑等挑战 | 改进心房颤动的早期检测和管理 | 心房颤动患者的心电图数据 | machine learning | cardiovascular disease | ECG | deep learning | ECG信号 | NA | NA | NA | NA | NA |
| 4606 | 2025-07-30 |
Breast Cancer Classification with Various Optimized Deep Learning Methods
2025-Jul-10, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15141751
PMID:40722501
|
研究论文 | 本研究使用11种不同的深度学习算法对乳腺癌病理图像进行分类分析 | 比较了多种深度学习算法在乳腺癌分类中的表现，并发现DenseNet201取得了最高的分类准确率 | 研究仅使用了单模态图像数据，且数据集多样性有限 | 探索深度学习算法在乳腺癌分类中的应用效果 | 乳腺癌病理图像（良性和恶性） | 数字病理 | 乳腺癌 | 深度学习 | ResNet50, ResNet152, VGG16, DenseNet152, MobileNetv2, EfficientB1, NasNet, DenseNet201, ensemble, Tuned Model | 图像 | 10,000张图像（6,172 IDC阴性，3,828 IDC阳性） | NA | NA | NA | NA |
| 4607 | 2025-07-30 |
Machine Learning Framework for Ovarian Cancer Diagnostics Using Plasma Lipidomics and Metabolomics
2025-Jul-10, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms26146630
PMID:40724878
|
研究论文 | 开发了一种结合脂质组学和代谢组学的机器学习框架，用于卵巢癌的早期诊断 | 整合了脂质组学和NMR代谢组学数据，系统评估了特征选择方法和机器学习架构，识别出最优生物标志物组合 | 临床实施需要进一步的标准化 | 开发卵巢癌早期诊断的机器学习方法 | 229名受试者的血浆样本，包括103名浆液性卵巢癌患者、107名良性病例和19名健康对照 | 机器学习 | 卵巢癌 | HPLC-MS, NMR | CNN, XGBoost, SVM-RFE | 代谢组学数据 | 229名受试者（103名卵巢癌患者，107名良性病例，19名健康对照） | NA | NA | NA | NA |
| 4608 | 2025-07-30 |
Harnessing Multi-Omics and Predictive Modeling for Climate-Resilient Crop Breeding: From Genomes to Fields
2025-Jul-10, Genes
IF:2.8Q2
DOI:10.3390/genes16070809
PMID:40725465
|
综述 | 本文综述了利用多组学技术和预测模型开发气候适应性作物品种的当前策略和未来方向 | 整合多组学技术和预测模型，加速气候适应性作物的育种过程 | 面临计算瓶颈、性状复杂性、数据标准化和公平数据共享等技术、生物和伦理挑战 | 开发气候适应性作物品种，确保农业在环境变化中的可持续性 | 作物品种及其分子网络 | 农业生物技术 | NA | 基因组学、转录组学、蛋白质组学、代谢组学、表型组学 | 机器学习、深度学习、多组学辅助基因组选择 | 多组学数据、环境数据 | NA | NA | NA | NA | NA |
| 4609 | 2025-07-30 |
Hybrid Attention-Enhanced Xception and Dynamic Chaotic Whale Optimization for Brain Tumor Diagnosis
2025-Jul-09, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12070747
PMID:40722439
|
research paper | 提出一种结合Xception模型和混合注意力机制的新型脑肿瘤分类技术，通过动态混沌鲸鱼优化算法优化超参数，并开发了一种新颖的学习率调度器 | 整合Xception模型与混合注意力机制，采用动态混沌鲸鱼优化算法优化超参数，开发动态学习率调度器，并根据图像大小调整批处理大小和层冻结方法 | 未提及具体的数据集样本多样性或模型在真实临床环境中的验证情况 | 提高脑肿瘤分类的准确性和效率，以辅助医疗专业人员进行早期检测和治疗规划 | 脑肿瘤图像 | digital pathology | brain tumor | deep learning, transfer learning, ensemble learning | Xception, hybrid attention mechanism | image | 未明确提及具体样本数量，但使用了基准数据集进行验证 | NA | NA | NA | NA |
| 4610 | 2025-07-30 |
Deep Learning-Based Detection of Separated Root Canal Instruments in Panoramic Radiographs Using a U2-Net Architecture
2025-Jul-09, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15141744
PMID:40722496
|
research paper | 本研究开发并评估了一种基于U-Net架构的深度学习模型，用于在全景X光片中自动检测和分割分离的根管器械 | 首次将U-Net架构应用于全景X光片中分离根管器械的自动检测与分割，并在多成像系统中验证了其鲁棒性 | 样本量相对较小（仅191例符合严格纳入标准），建议进行多中心研究以验证模型的普适性 | 提高分离根管器械在全景X光片中的检测准确性，辅助临床诊断和治疗规划 | 全景X光片中的分离根管器械 | digital pathology | dental disease | deep learning | U-Net | image | 191张符合严格纳入标准的全景X光片（来自36800张回顾性审查的影像） | NA | NA | NA | NA |
| 4611 | 2025-07-30 |
In Silico Discovery and Sensory Validation of Umami Peptides in Fermented Sausages: A Study Integrating Deep Learning and Molecular Modeling
2025-Jul-09, Foods (Basel, Switzerland)
DOI:10.3390/foods14142422
PMID:40724243
|
研究论文 | 本研究结合元基因组学和深度学习，高效发现发酵香肠中的潜在鲜味肽 | 整合深度学习和分子建模技术，从发酵香肠中高效发现并验证鲜味肽 | 研究仅针对发酵香肠中的鲜味肽，未涉及其他食品或功能肽 | 开发一种基于元基因组学和深度学习的高通量功能肽发现与验证策略 | 发酵香肠中的鲜味肽 | 机器学习 | NA | 元基因组学、分子对接、分子动力学模拟 | 深度学习模型 | 基因组数据、分子结构数据 | NA | NA | NA | NA | NA |
| 4612 | 2025-07-30 |
RIS-UNet: A Multi-Level Hierarchical Framework for Liver Tumor Segmentation in CT Images
2025-Jul-09, Entropy (Basel, Switzerland)
DOI:10.3390/e27070735
PMID:40724451
|
research paper | 提出了一种名为RIS-UNet的多层次分层框架，用于CT图像中的肝脏肿瘤分割 | 结合了2.5D网络整合层间空间信息，设计了Res-Inception-SE模块以增强特征表示，并采用混合损失函数解决类别不平衡问题 | 未提及在更广泛数据集上的泛化能力或临床实际应用中的表现 | 提高肝脏CT图像中肿瘤分割的准确性和效率 | 肝脏CT图像中的肿瘤 | digital pathology | liver cancer | deep learning | RIS-UNet (结合了2.5D网络、Res-Inception-SE模块) | CT图像 | LiTS17数据集（具体样本数量未提及） | NA | NA | NA | NA |
| 4613 | 2025-07-30 |
Diagnostic, Therapeutic, and Prognostic Applications of Artificial Intelligence (AI) in the Clinical Management of Brain Metastases (BMs)
2025-Jul-08, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci15070730
PMID:40722321
|
research paper | 本文探讨了人工智能（AI）在脑转移瘤（BMs）临床管理中的诊断、治疗和预后应用 | AI通过早期病变检测、精确影像分割和非侵入性分子特征分析，革新了BM的诊断方法，并在手术中和术后放疗规划中提供了个性化治疗的可能 | 数据可用性和变异性、决策可解释性以及伦理、法律和监管问题限制了AI在BM日常临床管理中的广泛应用 | 探索AI在脑转移瘤临床管理中的应用潜力，以优化诊断、治疗和预后 | 脑转移瘤（BMs）患者 | digital pathology | brain metastases | machine learning (ML), deep learning (DL), augmented reality (AR) | ML, DL | imaging, genomic, radiomic | NA | NA | NA | NA | NA |
| 4614 | 2025-07-30 |
Machine Learning and Deep Learning Hybrid Approach Based on Muscle Imaging Features for Diagnosis of Esophageal Cancer
2025-Jul-08, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15141730
PMID:40722480
|
研究论文 | 本研究结合肌肉影像特征与传统食管影像特征，构建深度学习诊断模型，用于食管癌的诊断 | 创新性地将肌肉影像特征与食管影像特征结合，构建多模态融合模型，提升诊断准确性 | N分期预测模型的准确率仍有提升空间，需进一步优化 | 开发基于CT影像的食管癌病理亚型、T分期和N分期的预测模型 | 1066名接受根治性食管切除术的患者 | 数字病理 | 食管癌 | CT成像 | 2D和3D神经网络、逻辑回归（LR）、支持向量机（SVM）、多层感知器（MLP） | 影像 | 1066名患者的CT影像数据 | NA | NA | NA | NA |
| 4615 | 2025-07-30 |
AI-Prediction of Neisseria gonorrhoeae Resistance at the Point of Care from Genomic and Epidemiologic Data
2025-Jul-08, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare13141643
PMID:40724667
|
研究论文 | 开发了一种混合机器学习和深度学习框架，用于实时预测淋病奈瑟菌的抗生素耐药性 | 结合临床变量和基因组单元ig构建预测管道，使用CatBoost模型和三层神经网络，显著提高了耐药性预测的准确率 | 需要在资源匮乏的环境中进行进一步验证以确认其普适性和鲁棒性 | 提高淋病奈瑟菌抗生素耐药性的实时预测能力 | 3786株淋病奈瑟菌分离株 | 机器学习 | 淋病 | 机器学习（ML）、深度学习（DL）、全基因组关联研究（GWAS） | CatBoost、三层神经网络 | 临床元数据、表型耐药性数据、基因组数据 | 3786株淋病奈瑟菌分离株 | NA | NA | NA | NA |
| 4616 | 2025-07-30 |
Hybrid Deep Learning Framework for High-Accuracy Classification of Morphologically Similar Puffball Species Using CNN and Transformer Architectures
2025-Jul-05, Biology
DOI:10.3390/biology14070816
PMID:40723375
|
研究论文 | 本文提出了一种基于深度学习的混合框架，用于高精度分类形态相似的马勃菌物种 | 结合CNN和Transformer架构的混合深度学习框架，首次应用于马勃菌物种的高精度分类 | 研究仅针对8种马勃菌物种，可能无法推广到其他真菌分类 | 开发一种能够准确分类形态相似马勃菌物种的深度学习模型 | 8种生态和分类学上重要的马勃菌物种 | 计算机视觉 | NA | 深度学习 | CNN, Transformer (包括ConvNeXt-Base, Swin Transformer, ViT, MaxViT, EfficientNet-B3) | 图像 | 1600张图像（每种200张），分为训练集70%、验证集15%和测试集15% | NA | NA | NA | NA |
| 4617 | 2025-07-30 |
Entropy-Regularized Attention for Explainable Histological Classification with Convolutional and Hybrid Models
2025-Jul-03, Entropy (Basel, Switzerland)
DOI:10.3390/e27070722
PMID:40724439
|
研究论文 | 提出了一种结合注意力和熵正则化的统一框架，以提高组织学图像分类的可解释性 | 引入了注意力分支和基于熵的正则化器CAM Fostering，改进了Grad-CAM可视化，同时保持了分类性能 | 仅在六种骨干架构和五个H&E染色数据集上进行了验证，可能在其他架构和数据集上的效果未知 | 提高组织学图像分类模型的可解释性 | 组织学图像 | 数字病理学 | 非霍奇金淋巴瘤 | 深度学习 | CNN, ViT, ResNet-50, DenseNet-201, EfficientNet-b0, ResNeXt-50, ConvNeXt, CoatNet-small | 图像 | 五个H&E染色数据集 | NA | NA | NA | NA |
| 4618 | 2025-07-30 |
RGCN-BA: relational graph convolutional network with batch awareness for single-cell RNA sequencing clustering
2025-Jul-02, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf378
PMID:40728858
|
研究论文 | 本文提出了一种名为RGCN-BA的深度学习框架，用于单细胞RNA测序数据的聚类和批次效应校正 | RGCN-BA首次将细胞聚类和批次效应校正整合到一个统一的模型中，利用关系图卷积网络处理批次信息 | NA | 提高单细胞RNA测序数据分析的准确性和效率 | 单细胞RNA测序数据 | 生物信息学 | NA | 单细胞RNA测序 | 关系图卷积网络(RGCN) | 基因表达数据 | NA | NA | NA | NA | NA |
| 4619 | 2025-07-30 |
Locality blended next-generation reservoir computing for attention accuracy
2025-Jul-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0273597
PMID:40720789
|
研究论文 | 本文扩展了一种机器学习算法——下一代储层计算（NGRC），用于预测由Ikeda映射生成的合成数据，Ikeda映射是一种非线性光学腔注入激光束的模型 | 通过强调局部相位空间中设计的简单多项式模型，并在区域间混合这些模型，提出了一种称为局部混合下一代储层计算的新方法，从而在较小数据集上实现优于深度学习方法的性能，并提供了新的可解释性水平 | NA | 扩展下一代储层计算（NGRC）算法，以预测非线性光学腔模型（Ikeda映射）生成的时间序列数据 | 由Ikeda映射生成的合成数据 | 机器学习 | NA | 下一代储层计算（NGRC） | 局部混合下一代储层计算 | 时间序列数据 | NA | NA | NA | NA | NA |
| 4620 | 2025-07-30 |
Deep Learning-Based Detection of Ocular Surface Squamous Neoplasia from Ocular Surface Images
2025-Jul, Ocular oncology and pathology
IF:0.9Q4
DOI:10.1159/000543766
PMID:40726605
|
研究论文 | 本研究探讨了人工智能模型在利用裂隙灯图像检测眼表鳞状上皮瘤（OSSN）中的应用 | 首次应用深度学习算法（MobileNetV2、Xception和DenseNet121）对OSSN进行三元分类（OSSN、非OSSN眼表病变和正常眼表） | 研究为回顾性观察研究，样本量相对较小（n=634），且仅使用单一成像模式（裂隙灯图像） | 探索人工智能在眼表鳞状上皮瘤检测中的应用潜力 | 眼表鳞状上皮瘤（OSSN）、非OSSN眼表病变（OOSD）和正常眼表图像 | 计算机视觉 | 眼表鳞状上皮瘤 | 深度学习 | MobileNetV2、Xception、DenseNet121 | 图像 | 634张裂隙灯图像（OSSN组163张，OOSD组202张，正常组269张） | NA | NA | NA | NA |