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 4961 - 4980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4961 | 2025-10-06 |
LymoNet: An Advanced Neck Lymph Node Detection Network for Ultrasound Images
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3515995
PMID:40030474
|
研究论文 | 提出基于YOLOv8的颈部淋巴结检测网络LymoNet，用于超声图像中正常、炎症和转移性淋巴结的检测与分类 | 集成坐标注意力和多头自注意力机制增强关键特征学习，并引入医学知识嵌入提升分类性能 | NA | 开发高精度的自动化颈部淋巴结检测方法以辅助临床诊断 | 颈部淋巴结超声图像 | 计算机视觉 | 癌症转移 | 超声成像 | CNN | 图像 | NA | PyTorch | YOLOv8 | mAP@0.5 | NA |
| 4962 | 2025-10-06 |
RTGN: Robust Traditional Chinese Medicine Graph Networks for Patient Similarity Learning
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3510884
PMID:40030577
|
研究论文 | 提出一种鲁棒的中医图网络用于患者相似性学习 | 首次构建中医胃肠恶性肿瘤真实世界数据集，开发结合自注意力和自监督策略的孪生网络架构，设计融合中西医方法的患者相似性度量 | 依赖医师生理感官判断可能导致患者评估的非标准化描述和干扰 | 在中医背景下研究患者相似性学习 | 中医胃肠恶性肿瘤患者 | 机器学习 | 胃肠恶性肿瘤 | 图神经网络 | 图神经网络, 孪生网络 | 图结构数据 | 719名患者的406种多维信息 | NA | RTGN, 自注意力机制 | 患者检索准确率, 聚类性能 | NA |
| 4963 | 2025-10-06 |
Fusing Micro- and Macro-Scale Information to Predict Anticancer Synergistic Drug Combinations
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3500789
PMID:40030241
|
研究论文 | 提出一种融合微观和宏观尺度信息预测抗癌药物协同作用的新方法MMFSynergy | 同时精细表征药物和细胞系的微观与宏观尺度信息，并考虑跨尺度信息的交互作用 | NA | 预测抗癌药物的协同组合 | 药物组合和细胞系 | 机器学习 | 癌症 | 深度学习 | Transformer | 药物和蛋白质数据 | 基于两个公共数据集 | NA | Transformer Encoder | NA | NA |
| 4964 | 2025-10-06 |
Analysis of Research Hotspots and Development Trends in the Diagnosis of Lung Diseases Using Low-Dose CT Based on Bibliometrics
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 基于文献计量学分析低剂量CT在肺部疾病诊断中的研究热点和发展趋势 | 首次系统梳理低剂量CT在肺部疾病诊断领域的研究演进轨迹，揭示从技术改进到健康风险评估再到AI辅助诊断的研究路径转变 | 仅基于Web of Science英文文献，可能遗漏其他语言的重要研究成果 | 探索低剂量CT在肺部疾病诊断领域的研究热点和发展趋势 | 2005年至2024年6月期间发表的关于低剂量CT和肺部疾病的文献 | 医学影像分析 | 肺癌 | 文献计量分析，CiteSpace软件分析 | NA | 文献数据 | Web of Science核心合集中2005-2024年6月的相关文献 | CiteSpace | NA | 中心性指标，关键词频率 | NA |
| 4965 | 2025-10-06 |
Deep learning-based text generation for plant phenotyping and precision agriculture
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1564394
PMID:40535926
|
研究论文 | 提出一种结合深度学习文本生成与领域知识的植物表型分析计算框架 | 开发了混合生成模型、生物约束优化策略和环境感知模块的新型框架 | NA | 提高植物表型分析的准确性、可解释性和适应性 | 植物表型特征 | 计算机视觉 | NA | 深度学习文本生成 | 生成模型 | 高维成像数据 | NA | NA | 混合生成模型 | 预测准确性、可解释性、可扩展性 | NA |
| 4966 | 2025-10-06 |
Robust Palmprint Recognition via Multi-Stage Noisy Label Selection and Correction
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3588040
PMID:40668719
|
研究论文 | 提出一种多阶段噪声标签选择与校正框架，用于提升噪声标签环境下掌纹识别的鲁棒性 | 首次提出结合自监督学习、傅里叶分析和原型校正的多阶段噪声标签处理框架 | 未明确说明计算复杂度及在极低质量图像上的适用性 | 解决实际应用中掌纹识别受噪声标签影响的问题 | 约束和非约束环境下的掌纹图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 多个掌纹数据库（具体数量未说明） | NA | NA | 准确率 | NA |
| 4967 | 2025-10-06 |
Brain tumor segmentation using deep learning: high performance with minimized MRI data
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1616293
PMID:40697313
|
研究论文 | 本研究开发了一种基于深度学习的大脑肿瘤分割方法，通过最小化所需的MRI序列数量实现高性能分割 | 证明了仅使用T1C和FLAIR两种MRI序列即可达到或优于传统四序列组合的分割性能 | 研究主要针对胶质瘤分割，未验证其他类型脑肿瘤的适用性 | 优化脑肿瘤分割流程，减少MRI序列依赖 | 胶质瘤的增强肿瘤区域和肿瘤核心区域 | 医学影像分析 | 脑肿瘤 | MRI成像 | 3D U-Net | 医学影像 | 训练集285例，测试集358例（包含2018 BraTS验证集66例和2021 BraTS数据集292例） | NA | 3D U-Net | Dice系数, 敏感性, 特异性, Hausdorff距离 | NA |
| 4968 | 2025-10-06 |
Progress and current trends in prediction models for the occurrence and prognosis of cancer and cancer-related complications: a bibliometric and visualization analysis
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1556521
PMID:40697367
|
文献计量分析 | 通过文献计量和可视化分析方法探讨癌症相关预测模型的研究热点与未来趋势 | 首次采用文献计量学方法系统分析癌症预测模型领域的研究现状和发展趋势 | 仅基于Web of Science数据库，可能遗漏其他重要数据库中的相关研究 | 识别癌症相关预测模型的研究热点和未来发展方向 | 癌症预测模型相关学术文献 | 文献计量学 | 癌症 | 文献计量分析，可视化分析 | NA | 文献数据 | 1,556篇出版物 | VOSviewer, CiteSpace | NA | NA | NA |
| 4969 | 2025-10-06 |
Integrating deep learning and clinical characteristics for early prediction of endometrial cancer using multimodal ultrasound imaging: a multicenter study
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1600242
PMID:40697376
|
研究论文 | 本研究开发了一种结合多模态超声成像和临床特征的深度学习模型，用于子宫内膜癌的早期预测 | 首次将多模态超声图像（二维和彩色多普勒）与临床风险因素通过深度学习进行整合，构建子宫内膜癌早期诊断模型 | 回顾性研究设计，样本量相对有限，需要更大规模的前瞻性多中心试验验证 | 提高子宫内膜癌的早期诊断准确性 | 611名患者（132例子宫内膜癌，479例非子宫内膜癌） | 医学影像分析 | 子宫内膜癌 | 多模态超声成像 | 深度学习模型 | 超声图像 | 1,443张多模态超声图像（来自611名患者） | NA | NA | AUC | NA |
| 4970 | 2025-10-06 |
FGA-Corn: an integrated system for precision pesticide application in center leaf areas using deep learning vision
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1571228
PMID:40697871
|
研究论文 | 开发了一种基于深度学习视觉的玉米中心叶片区域精准农药喷洒集成系统 | 提出FGA-Corn集成系统，包含FCRF机械结构、ASDS决策算法和GMA-YOLOv8检测算法，在YOLOv8n基础上引入GHG2S骨干网络和混合局部通道注意力机制 | NA | 解决传统农药喷洒浪费和环境污染问题，实现精准农业施药 | 玉米作物的中心叶片区域 | 计算机视觉 | NA | 深度学习视觉 | CNN | 图像 | D1和D2两个数据集 | YOLOv8 | YOLOv8n, GHG2S, GhostConv, SimAM, Mixed Local Channel Attention | mAP@0.5, 检测准确率, 农药输送率, 输送精度, 模型大小, 计算复杂度 | NA |
| 4971 | 2025-10-06 |
Development and validation of a deep learning-based pathomics signature for prognosis and chemotherapy benefits in colorectal cancer: a retrospective multicenter cohort study
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1602909
PMID:40698083
|
研究论文 | 开发并验证基于深度学习的病理组学特征用于结直肠癌预后预测和化疗获益评估 | 首次从H&E染色全切片图像中开发可解释的多示例学习模型构建病理组学特征，结合SHAP和Grad-CAM提升模型可解释性 | 回顾性研究设计，需要前瞻性研究进一步验证 | 提高结直肠癌预后预测准确性并指导辅助化疗决策 | 结直肠癌患者 | 数字病理 | 结直肠癌 | 全切片图像分析，转录组测序 | 多示例学习 | 病理图像，转录组数据 | 883张切片来自两个独立队列 | 深度学习框架 | 多示例学习模型 | 净重分类指数，综合判别指数 | NA |
| 4972 | 2025-10-06 |
Dynamic Multi-Image Weighting for Automated Detection and Diagnosis of Abnormal Urinary Tract on Voiding Cystourethrography with a Deep Learning System: A Retrospective, Large-Scale, Multicenter Study
2025, Research (Washington, D.C.)
DOI:10.34133/research.0771
PMID:40698328
|
研究论文 | 开发用于排尿性膀胱尿道造影的深度学习诊断系统，通过动态多图像加权实现尿路异常的自动检测与诊断 | 提出新型架构实现单张VCUG图像的膀胱、尿道和输尿管自动分割与诊断，并动态评估每张图像的相对重要性 | 回顾性研究，数据来源于15家中国医院，可能存在选择偏倚 | 开发自动诊断尿路异常的深度学习系统并评估其临床辅助价值 | 排尿性膀胱尿道造影图像中的膀胱、尿道和输尿管 | 计算机视觉 | 泌尿系统疾病 | VCUG成像技术 | 深度学习 | 医学图像 | 1,660名患者的7,899张VCUG图像 | NA | NA | AUC, 诊断一致性 | NA |
| 4973 | 2025-10-06 |
Deep learning for pediatric chest x-ray diagnosis: Repurposing a commercial tool developed for adults
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0328295
PMID:40705715
|
研究论文 | 本研究评估了将成人胸部X光AI诊断工具(Lunit INSIGHT CXR)重新应用于儿科患者的诊断性能 | 首次系统评估商用成人AI工具在儿科胸部X光诊断中的适应性和性能表现 | 研究样本仅包含2-14岁儿童，未涵盖婴幼儿群体；使用单中心数据 | 验证成人AI诊断工具在儿科胸部X光中的适用性 | 958例2-14岁儿童的连续正面胸部X光片 | 医学影像分析 | 儿科胸部疾病 | 胸部X光摄影 | 深度学习 | 医学影像 | 958例儿童胸部X光片，其中200例(20.9%)存在相关病理发现 | NA | Lunit INSIGHT CXR | AUC, 敏感性, 特异性 | 商用AI工具 |
| 4974 | 2025-10-06 |
Multi-modal deep learning for intelligent landscape design generation: A novel CBS3-LandGen model
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0328138
PMID:40705822
|
研究论文 | 提出了一种基于多模态深度学习的智能景观设计生成模型CBS3-LandGen | 首次将ConvNeXt、BART和StyleGAN3集成到多模态架构中，实现图像与文本数据的协同生成优化 | 未明确说明模型在复杂地形和特殊设计需求下的适应性 | 开发智能景观设计生成方法以提高设计效率和精准度 | 景观设计方案的自动生成 | 计算机视觉 | NA | 多模态深度学习 | CNN,Transformer,GAN | 图像,文本 | DeepGlobe和COCO数据集 | PyTorch | ConvNeXt,BART,StyleGAN3 | FID,IS | NA |
| 4975 | 2025-10-06 |
FedGAN: Federated diabetic retinopathy image generation
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0326579
PMID:40705831
|
研究论文 | 提出FedGAN联邦学习框架，用于生成糖尿病视网膜病变的合成医学图像 | 将生成对抗网络与跨机构联邦学习相结合，在保护隐私的前提下生成高质量合成医学图像 | NA | 解决医学AI中数据稀缺和隐私保护的挑战，实现机构间的安全协作 | 糖尿病视网膜病变图像 | 计算机视觉 | 糖尿病视网膜病变 | GAN | GAN | 医学图像 | NA | NA | DCGAN | 真实感评分 | NA |
| 4976 | 2025-10-06 |
Correction: Deep learning-based text generation for plant phenotyping and precision agriculture
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1648292
PMID:40708587
|
correction | 对一篇关于基于深度学习的植物表型和精准农业文本生成文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4977 | 2025-10-06 |
Ultrasound radiomics models improve preoperative diagnosis and reduce unnecessary biopsies in indeterminate thyroid nodules
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1615304
PMID:40708722
|
研究论文 | 开发超声影像组学模型用于术前诊断不确定甲状腺结节并减少不必要活检 | 首次针对病理结果确认的不确定甲状腺结节开发超声影像组学模型，并显著减少不必要活检 | 回顾性研究，样本量有限（197个结节） | 提高不确定甲状腺结节的诊断准确性并减少不必要手术 | 不确定甲状腺结节 | 医学影像分析 | 甲状腺结节 | 超声影像 | 影像组学模型 | 超声图像 | 197个不确定甲状腺结节（训练集136个，验证集61个） | Pyradiomics, 3-Dimensional Slicer | Radunion模型, Radsize模型 | 灵敏度, 特异度, 阳性预测值, 阴性预测值, 准确率, ROC分析 | NA |
| 4978 | 2025-10-06 |
Neural signals, machine learning, and the future of inner speech recognition
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1637174
PMID:40708808
|
综述 | 本文综述机器学习在内隐语音识别领域的应用、挑战与未来发展 | 将现有内隐语音识别方法纳入结构化数学框架进行整合，提出认知模型并开展机器学习方法的对比分析 | 当前技术存在神经信号采集质量不足等局限 | 探索机器学习在内隐语音识别中的应用与改进方法 | 内隐语音相关的神经信号 | 机器学习 | NA | 神经信号采集与预处理 | SVM,随机森林,CNN | 神经信号 | NA | NA | 卷积神经网络 | NA | NA |
| 4979 | 2025-10-06 |
ABCFold: easier running and comparison of AlphaFold 3, Boltz-1, and Chai-1
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf153
PMID:40708869
|
研究论文 | 开发了ABCFold工具，简化AlphaFold 3、Boltz-1和Chai-1的使用与结果比较 | 提供标准化输入流程，支持多种结构预测工具的并行运行和结果统一展示 | 未明确说明对特定类型目标的预测性能差异 | 简化深度学习蛋白质结构预测工具的使用流程 | 蛋白质及其复合物的原子结构预测 | 计算生物学 | NA | 深度学习结构预测 | AlphaFold 3, Boltz-1, Chai-1 | 蛋白质序列，多序列比对(MSA) | NA | Python, JavaScript | NA | 立体冲突分析 | NA |
| 4980 | 2025-10-06 |
Hybrid representation learning for human m6A modifications with chromosome-level generalizability
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf170
PMID:40708868
|
研究论文 | 提出两种混合深度学习模型用于预测人类m6A修饰位点，并评估其在染色体水平的泛化能力 | 整合局部序列特征和上下文嵌入的混合深度学习模型，首次在染色体水平验证模型泛化能力 | 深度全局表示在染色体独立设置中可能过拟合 | 开发具有染色体水平泛化能力的m6A修饰位点预测模型 | 人类m6A修饰位点 | 生物信息学 | NA | 深度学习 | CNN, 混合深度学习模型 | 基因组序列数据 | NA | NA | Hybrid Model, Hybrid Deep Model | 准确率, 精确率, 召回率, F1分数, AUC | NA |