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 5461 - 5480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5461 | 2025-10-06 |
Reflections on dynamic prediction of Alzheimer's disease: advancements in modeling longitudinal outcomes and time-to-event data
2025-Jul-17, BMC medical research methodology
IF:3.9Q1
DOI:10.1186/s12874-025-02618-x
PMID:40676602
|
综述 | 本文对阿尔茨海默病动态预测方法进行了全面调查，涵盖传统统计方法和深度学习技术 | 系统比较了四种动态预测方法框架在阿尔茨海默病预测中的应用，强调实时个体化预测的优势 | 存在数据缺失、假设违反、模型可解释性等挑战，未来需考虑更多数据类型和复杂纵向数据 | 调查阿尔茨海默病动态预测方法，支持临床医学和决策制定 | 阿尔茨海默病患者 | 机器学习 | 阿尔茨海默病 | NA | 深度学习 | 纵向数据，时间事件数据 | 基于18项研究的综合分析 | NA | 两阶段模型，联合模型，landmark模型，深度学习模型 | NA | NA |
| 5462 | 2025-07-21 |
A Review of Metadata and Deep Learning Strategies for Skin Lesion Classification
2025-Jul-17, The Journal of investigative dermatology
IF:5.7Q1
DOI:10.1016/j.jid.2025.06.1593
PMID:40683340
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5463 | 2025-10-06 |
Imaging analysis using Artificial Intelligence to predict outcomes after endovascular aortic aneurysm repair: protocol for a retrospective cohort study
2025-Jul-16, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2024-098724
PMID:40669892
|
研究论文 | 使用人工智能分析影像数据预测主动脉瘤腔内修复术后结局的回顾性队列研究方案 | 首次将AI驱动的影像分析应用于主动脉瘤腔内修复术后并发症的预测模型开发 | 回顾性研究设计，样本量相对有限（500例患者） | 开发预测主动脉瘤腔内修复术后结局的AI模型并研究术后主动脉形态变化 | 接受择期主动脉瘤腔内修复术的500例患者 | 医学影像分析 | 心血管疾病 | CT血管造影 | 深度学习 | 医学影像 | 500例患者，训练集70%（350例），测试集30%（150例） | PRAEVAorta 2 | NA | 风险分层准确率 | NA |
| 5464 | 2025-10-06 |
Deep learning-based high-resolution time inference for deciphering dynamic gene regulation from fixed embryos
2025-Jul-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-61907-7
PMID:40670357
|
研究论文 | 提出一种基于深度学习的方法，从固定果蝇胚胎图像中精确推断发育时间，用于解析动态基因调控 | 开发多尺度集成深度学习方法，首次实现从固定胚胎核形态以1分钟分辨率推断绝对发育时间 | 方法目前仅应用于果蝇胚胎，在其他生物系统中的适用性有待验证 | 解析胚胎发育过程中复杂基因调控网络的时空动态 | 果蝇胚胎，内源性分割基因Krüppel和hunchback | 计算机视觉 | NA | 固定胚胎成像，定量成像 | 深度学习 | 图像 | 野生型果蝇胚胎 | NA | 多尺度集成深度学习 | 1分钟时间分辨率 | NA |
| 5465 | 2025-10-06 |
Interpretable deep learning framework for understanding molecular changes in human brains with Alzheimer's disease: implications for microglia activation and sex differences
2025-Jul-16, npj aging
IF:4.1Q2
DOI:10.1038/s41514-025-00258-5
PMID:40670382
|
研究论文 | 开发可解释深度学习框架分析阿尔茨海默病患者脑组织基因表达变化，重点关注小胶质细胞激活和性别差异 | 首次发现与AD女性更显著神经元丢失相关的性别连锁转录因子对(ZFX/ZFY)，揭示了AD性别二态性的新机制 | 基于批量组织RNA-seq数据，可能无法完全解析细胞类型特异性变化 | 利用人工智能研究阿尔茨海默病脑组织基因表达失调，发现新的疾病生物学机制 | 阿尔茨海默病患者和对照组的脑组织样本 | 机器学习 | 阿尔茨海默病 | RNA-seq | MLP | 基因表达数据 | 来自ROSMAP、MAYO和MSBB三个队列的多个脑区域样本 | NA | 多层感知器 | 分类准确率, 预测性能 | NA |
| 5466 | 2025-10-06 |
Hybrid genetic algorithm and deep learning techniques for advanced side-channel attacks
2025-Jul-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06375-1
PMID:40670393
|
研究论文 | 提出结合遗传算法与深度学习技术的侧信道攻击优化方法 | 首次将遗传算法框架应用于侧信道攻击模型的超参数优化，克服了网格搜索可扩展性差和贝叶斯优化高维空间处理困难的问题 | 仅在受保护的AES实现上进行评估，未测试其他加密算法场景 | 优化侧信道分析中神经网络模型的超参数配置 | 受保护的AES加密实现 | 机器学习 | NA | 侧信道分析 | 神经网络 | 侧信道轨迹数据 | NA | NA | NA | 密钥恢复准确率 | NA |
| 5467 | 2025-10-06 |
Automatic segmentation of liver structures in multi-phase MRI using variants of nnU-Net and Swin UNETR
2025-Jul-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07084-5
PMID:40670420
|
研究论文 | 本研究评估了多种深度学习架构在多相MRI中自动分割肝脏结构（包括肝实质、门静脉、肝静脉和病变）的性能 | 首次系统比较nnU-Net变体和Swin UNETR在多相Gd-EOB-DTPA增强T1加权VIBE MRI扫描中的肝脏结构分割性能，并确定晚期动脉期作为最佳配准相位 | 病变和腹水分割对所有模型都具有挑战性，样本量相对有限（78例标注数据） | 开发自动分割肝脏结构的深度学习模型，以改善肝脏疾病评估和手术规划 | 病理肝脏的多相MRI扫描，包括肝实质、肝静脉、门静脉、主动脉、病变和腹水 | 医学影像分析 | 肝脏疾病 | Gd-EOB-DTPA增强T1加权VIBE MRI，多相对比增强成像 | CNN, Transformer | 多相MRI图像 | 458例T1加权VIBE扫描，其中78例手动标注，额外47例用于跨扫描仪评估 | NA | nnU-Net, ResEnc nnU-Net, Swin UNETR | DSC（Dice相似系数）, 95%置信区间 | NA |
| 5468 | 2025-10-06 |
In Silico tool for predicting, designing and scanning IL-2 inducing peptides
2025-Jul-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-08388-2
PMID:40670434
|
研究论文 | 开发了一种用于预测IL-2诱导肽的计算工具IL2pred | 首次开发了结合人工智能和对齐方法的集成模型来预测IL-2诱导肽 | 主要数据集中IL-2诱导和非诱导肽均为MHC结合物 | 开发预测IL-2诱导肽的计算方法 | IL-2诱导肽和非诱导肽 | 生物信息学 | 癌症 | 肽序列分析 | 机器学习,深度学习,大语言模型 | 肽序列数据 | 主要数据集6,574个肽（3,429个IL-2诱导肽和3,145个非诱导肽） | NA | Extra Tree,集成模型 | AUC,MCC | NA |
| 5469 | 2025-10-06 |
Enhancing pathological feature discrimination in diabetic retinopathy multi-classification with self-paced progressive multi-scale training
2025-Jul-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07050-1
PMID:40670454
|
研究论文 | 提出一种结合自步渐进学习和多尺度图像重建的深度学习框架，用于糖尿病视网膜病变的多分类任务 | 引入自步渐进学习策略（从简单到复杂样本训练）和随机多尺度图像重建的数据增强方法，结合KL散度协同正则化的集成学习 | 未明确说明模型在小样本情况下的泛化能力及在真实临床环境中的验证效果 | 提升糖尿病视网膜病变多分类任务中病理特征的判别能力 | 糖尿病视网膜病变患者眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | CNN | 图像 | APTOS和MESSIDOR-Kaggle整合数据集 | NA | ResNet-50 | AUC, 召回率, 精确度 | NA |
| 5470 | 2025-10-06 |
Artificial intelligence-based diabetes risk prediction from longitudinal DXA bone measurements
2025-Jul-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10136-5
PMID:40670456
|
研究论文 | 本研究利用纵向DXA骨测量数据开发人工智能模型预测糖尿病风险 | 首次使用纵向DXA骨成分测量数据预测糖尿病发病风险，并比较传统模型与深度学习模型的表现 | 回顾性研究设计，数据来源于单一卡塔尔人群，可能存在选择偏倚 | 探索DXA骨测量数据作为糖尿病发病预测因子的潜力 | 卡塔尔成年人，包括糖尿病患者和健康对照 | 机器学习 | 糖尿病 | 双能X射线吸收测定法(DXA) | 传统机器学习模型,深度学习模型 | 骨密度测量数据 | 1,382名参与者（男性725人，女性657人） | NA | NA | 准确率,AUROC,召回率 | NA |
| 5471 | 2025-10-06 |
Fusion of microscopic and diffraction images with VGG net for budding yeast recognition in imaging flow cytometry
2025-Jul-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-09320-4
PMID:40670500
|
研究论文 | 提出融合显微与衍射图像并结合VGG网络的方法，用于成像流式细胞术中的芽殖酵母识别 | 首次将图像融合技术与深度学习分类算法相结合应用于MDIFC，通过优化融合权重显著提升分类性能 | 仅针对芽殖酵母进行验证，未测试其他细胞类型或更复杂生物样本 | 提高成像流式细胞术中细胞分类的准确率和处理速度 | 芽殖酵母细胞的三个亚群：单细胞、芽殖细胞和聚集细胞 | 计算机视觉 | NA | 显微-衍射成像流式细胞术(MDIFC) | CNN, SVM, RF | 图像 | NA | NA | VGG-net | 准确率, 吞吐量(细胞数/秒) | NA |
| 5472 | 2025-10-06 |
Image quality and radiation dose of reduced-dose abdominopelvic computed tomography (CT) with silver filter and deep learning reconstruction
2025-Jul-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-11184-7
PMID:40670595
|
研究论文 | 评估使用银滤器和深度学习重建的低剂量腹盆CT与标准剂量迭代重建CT在图像质量和辐射剂量方面的比较 | 首次将银滤器与深度学习重建技术结合应用于腹盆CT扫描，实现辐射剂量显著降低的同时保持图像质量不劣于标准剂量 | 研究样本量有限（182例患者），且仅针对特定BMI分组进行分析 | 评估低剂量CT结合深度学习重建技术在腹盆成像中的图像质量和辐射剂量表现 | 182名接受腹盆CT扫描的患者（平均年龄63±14岁，100名男性） | 医学影像 | NA | 计算机断层扫描（CT），深度学习重建（DLR），迭代重建（IR） | 深度学习 | 医学影像 | 182例患者 | NA | NA | 图像噪声，信噪比（SNR），对比噪声比（CNR） | NA |
| 5473 | 2025-10-06 |
Development and evaluation of a deep learning-based system for dental age estimation using the demirjian method on panoramic radiographs
2025-Jul-16, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-06420-5
PMID:40670936
|
研究论文 | 开发并评估基于深度学习的系统，用于在全景X光片上使用Demirjian方法自动估算牙齿年龄 | 首次将YOLOv11深度学习模型应用于牙齿发育分期，实现了牙齿年龄的自动估算 | 模型在特定牙齿组（如第一磨牙B组）表现较差，需要在更多样化人群中进行验证 | 开发自动牙齿年龄估算系统，并与传统手动方法进行比较 | 牙齿发育分期和年龄估算 | 计算机视觉 | NA | 全景X光成像 | CNN | 医学图像 | 4800张全景X光片用于模型训练验证，650名个体（325名女性，325名男性）用于方法比较 | Python | YOLOv11 | 精确率, 召回率, F1分数, mAP | NA |
| 5474 | 2025-07-21 |
Automatic quantification, grading and five-year prediction of myopic fundus tessellation: a multi-center, longitudinal deep learning study
2025-Jul-16, Science China. Life sciences
DOI:10.1007/s11427-025-3002-y
PMID:40681822
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5475 | 2025-10-06 |
Cellular optical imaging techniques: a dynamic advancing frontier
2025-Jul-16, Science China. Life sciences
DOI:10.1007/s11427-024-2916-5
PMID:40681818
|
综述 | 本文综述了用于细胞研究的超分辨率光学成像技术的最新进展 | 系统总结了包括结构光照明显微镜、点扫描超分辨率显微镜、单分子定位显微镜及数学与深度学习超分辨率算法在内的多种前沿技术 | NA | 回顾超分辨率光学成像技术在细胞研究中的最新发展与应用 | 细胞成像技术 | 生物医学成像 | NA | 结构光照明显微镜(SIM), 点扫描超分辨率显微镜(PS-SR), 单分子定位显微镜(SMLM), 深度学习超分辨率算法 | NA | 光学图像 | NA | NA | NA | 空间分辨率(约20nm), 信噪比 | NA |
| 5476 | 2025-10-06 |
Developing Nationwide Estimates of Built Environment Quality Characteristics Using Street-View Imagery and Computer Vision
2025-Jul-15, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c00966
PMID:40607680
|
研究论文 | 利用街景图像和计算机视觉技术开发美国全国建成环境质量特征的估算方法 | 首次使用计算机视觉和街景图像系统评估全美建成环境质量，并明确处理社会人口统计和时间偏差 | 对西班牙裔/拉丁裔和夏威夷原住民或太平洋岛民群体的预测准确性较低，犯罪安全指标未达到理想效果 | 开发全国范围的建成环境质量评估方法以支持流行病学研究、城市规划策略和公共卫生干预 | 美国所有城市的建成环境质量特征 | 计算机视觉 | NA | 街景图像分析,深度学习 | 深度学习模型 | 图像 | 72,516份亚马逊土耳其机器人调查问卷，1.2亿个街景位置点 | NA | NA | 交叉验证准确率 | NA |
| 5477 | 2025-10-06 |
A Large Language Model-Powered Map of Metabolomics Research
2025-Jul-15, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c01672
PMID:40608399
|
研究论文 | 本研究使用大型语言模型构建了代谢组学研究领域的综合图谱，分析了超过80,000篇文献 | 结合PubMedBERT和GPT-4o mini进行文献主题建模，首次创建了代谢组学研究的交互式可视化图谱 | 研究仅基于文献摘要进行分析，可能无法完全反映全文内容 | 构建代谢组学研究领域的综合知识图谱，识别研究趋势和发展方向 | 代谢组学领域的科学文献 | 自然语言处理 | NA | 文献挖掘，主题建模 | BERT, GPT-4, 神经网络主题模型 | 文本 | 超过80,000篇科学文献 | PubMedBERT, GPT-4o, t-SNE | BERT, Transformer | NA | NA |
| 5478 | 2025-10-06 |
SaeGraphDTI: drug-target interaction prediction based on sequence attribute extraction and graph neural network
2025-Jul-15, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06195-0
PMID:40670964
|
研究论文 | 提出基于序列属性提取和图神经网络的药物-靶点相互作用预测模型SaeGraphDTI | 结合序列特征提取器和图神经网络，通过补充关系网络和基于网络的节点信息更新来获得更全面的特征表示 | NA | 准确预测药物-靶点相互作用以缩短药物开发周期和降低成本 | 药物和靶点序列 | 机器学习 | NA | 序列特征提取 | 图神经网络 | 序列数据, 网络关系数据 | 四个公共数据集 | NA | SaeGraphDTI | 多个关键指标 | NA |
| 5479 | 2025-10-06 |
A novel framework integrating GeoAI and human perceptions to estimate walkability in Wuhan, China
2025-Jul-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-09779-1
PMID:40659718
|
研究论文 | 开发了一个集成GeoAI和人类感知的层次化评估框架，用于评估中国武汉的可步行性 | 提出了结合高精度图像分割技术和主观测量的综合评估框架，并开发了性能提升15%的DS-HRNet深度学习模型 | 研究仅针对武汉市中心区域，样本量相对有限（120名志愿者） | 开发高精度的城市可步行性评估方法 | 城市街道环境和人类感知 | 计算机视觉 | 慢性疾病 | 街景图像分析，问卷调查 | 深度学习 | 图像 | 113,900张街景图像和120名志愿者问卷 | NA | DS-HRNet | 分割准确率 | NA |
| 5480 | 2025-10-06 |
Mortality and antibiotic timing in deep learning-derived surviving sepsis campaign risk groups: a multicenter study
2025-Jul-14, Critical care (London, England)
DOI:10.1186/s13054-025-05493-6
PMID:40660326
|
研究论文 | 使用深度学习模型对脓毒症患者进行风险分层，并评估不同抗生素使用时机对死亡率的影响 | 首次使用深度学习模型客观地将脓毒症患者分层为类似SSC风险组别，并基于此分析抗生素使用时机与死亡率的关系 | 观察性研究设计，需要前瞻性研究验证结果 | 评估基于深度学习风险分层的脓毒症患者抗生素使用时机与死亡率的关系 | 34,087名成年脓毒症疑似患者 | 医疗人工智能 | 脓毒症 | 深度学习 | 深度学习模型 | 临床患者数据 | 34,087名患者来自两个大型医疗系统（2016-2024年） | NA | NA | 死亡率，抗生素使用时间中位数 | NA |