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 5601 - 5620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5601 | 2025-10-06 |
Deep learning-based laser weed control compared to conventional herbicide application across three vegetable production systems
2025-Aug, Pest management science
IF:3.8Q1
DOI:10.1002/ps.8912
PMID:40555698
|
研究论文 | 比较基于深度学习的激光除草技术与传统除草剂在三种蔬菜生产系统中的效果 | 首次在多种蔬菜生产系统中系统评估商业激光除草单元与传统除草剂的杂草控制效果对比 | 对马齿苋和一年生禾本科杂草效果较差，需要进一步优化不同环境和杂草物种的应用 | 评估激光除草技术在蔬菜生产系统中的有效性和可行性 | 甜菜、菠菜和豌豆三种蔬菜作物及其相关杂草 | 农业技术 | 杂草管理 | 激光除草技术 | 深度学习 | 田间试验数据 | 在新泽西州和纽约州进行的三个研究试验 | NA | NA | 杂草覆盖率、杂草密度、杂草生物量、作物生长抑制率、作物生物量 | NA |
| 5602 | 2025-10-06 |
Brain Age Prediction: Deep Models Need a Hand to Generalize
2025-Aug-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70254
PMID:40667664
|
研究论文 | 本研究通过综合预处理、数据增强和模型正则化技术提升基于T1加权MRI的脑年龄预测模型的泛化能力 | 提出结合预处理、数据增强和正则化的综合方法，显著缩小脑年龄预测模型的泛化差距 | 模型性能仍受限于医学影像训练数据量，且在不同数据集上的改进效果存在差异 | 提高深度学习模型在脑年龄预测任务中的泛化能力和临床适用性 | T1加权磁共振成像数据 | 医学影像分析 | 阿尔茨海默病 | T1加权MRI | CNN | 医学影像 | 英国生物银行数据集、ADNI数据集和AIBL数据集 | NA | SFCN-reg, VGG-16 | 平均绝对误差, 扫描重扫描误差 | NA |
| 5603 | 2025-10-06 |
Deep learning can predict cardiovascular events from liver imaging
2025-Aug, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2025.101427
PMID:40671834
|
研究论文 | 本研究开发了一种基于视觉Transformer的深度学习模型，能够通过肝脏MRI图像预测心血管事件风险 | 首次将视觉Transformer应用于肝脏MRI数据，以自监督方式提取特征来预测心血管风险，无需手动特征选择 | 需要进一步的前瞻性研究和外部验证来确定临床实用性 | 通过肝脏MRI图像增强心血管风险预测能力 | 英国生物银行中的肝脏MRI数据 | 计算机视觉 | 心血管疾病 | 磁共振成像(MRI) | Transformer | 图像 | 44,672个肝脏MRI扫描 | NA | Vision Transformer | AUC, F-statistic, log-rank test | NA |
| 5604 | 2025-10-06 |
Identifying and Evaluating Salt-Tolerant Halophytes Along a Tropical Coastal Zone: Growth Response and Desalination Potential
2025-Aug, Plant-environment interactions (Hoboken, N.J.)
DOI:10.1002/pei3.70072
PMID:40672803
|
研究论文 | 本研究通过深度学习图像识别和温室实验评估加纳海岸带盐生植物的耐盐性和脱盐潜力 | 结合深度学习图像识别技术与温室实验，系统评估热带海岸带盐生植物在不同盐浓度和土壤类型下的生长响应和脱盐能力 | 仅选取五种盐生植物进行研究，样本量有限；实验条件为受控温室环境，与野外自然条件存在差异 | 探索加纳海岸带盐生植物的耐盐特性和土壤脱盐潜力 | 加纳海岸带盐生植物 | 计算机视觉 | NA | 深度学习图像识别，温室实验 | NA | 图像，实验数据 | 五种盐生植物，三种盐浓度(0、25、50 dS/m)，两种土壤类型(海沙和耕地土壤) | NA | NA | 相对生长速率(RGR)，性能指数(PI)，土壤电导率(EC)，总溶解固体(TDS)，pH值，钠离子和氯离子含量 | NA |
| 5605 | 2025-10-06 |
ViCoW: A dataset for colorization and restoration of Vietnam War imagery
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111815
PMID:40673188
|
研究论文 | 发布越南战争时期图像着色与修复的数据集ViCoW | 提供首个专门针对越南战争时期历史影像的高分辨率图像对数据集，包含原始彩色帧与对应灰度版本 | 数据集规模相对有限（1896对图像），仅包含四部越南电影素材 | 支持历史图像修复与着色研究，促进数字遗产保护 | 越南战争时期历史影像 | 计算机视觉 | NA | ITU-R BT.601亮度公式 | 深度学习模型 | 图像 | 1896对高分辨率图像（来自四部越南电影） | NA | NA | NA | NA |
| 5606 | 2025-10-06 |
Smartphone image dataset for machine learning-based monitoring and analysis of mango growth stages
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111780
PMID:40673194
|
研究论文 | 本文开发了一个用于芒果生长阶段监测和分析的标准化智能手机图像数据集 | 创建了孟加拉国首个标准化的芒果生长阶段图像数据集，填补了该国农业领域机器学习应用的数据空白 | 数据集仅包含单一品种芒果在特定地区的图像，可能无法完全代表所有芒果品种和生长环境 | 开发标准化的芒果生长阶段图像数据集以支持机器学习在农业监测中的应用 | 芒果生长阶段的图像数据 | 计算机视觉 | NA | 智能手机图像采集 | NA | 图像 | 2004张图像，分为四个生长阶段：早期果实、未成熟、成熟和成熟期 | NA | NA | NA | NA |
| 5607 | 2025-10-06 |
Deep learning empowers genomic selection of pest-resistant grapevine
2025-Aug, Horticulture research
IF:7.6Q1
DOI:10.1093/hr/uhaf128
PMID:40673235
|
研究论文 | 本研究结合深度学习与基因组选择技术，开发了预测葡萄抗虫性的方法 | 首次将深度卷积神经网络应用于葡萄叶片虫害评估，并结合多组学数据进行基因组选择 | 研究仅针对葡萄品种，样本量为231个种质资源 | 开发基于深度学习的基因组选择方法培育抗虫葡萄品种 | 葡萄叶片虫害表型和基因组数据 | 计算机视觉,机器学习 | 植物虫害 | 基因组重测序,转录组测序,植物表型组学 | CNN,DCNN | 图像,基因组数据,转录组数据 | 231个葡萄种质资源 | NA | VGG16,DCNN-PDS | 准确率,相关系数 | NA |
| 5608 | 2025-07-20 |
Deep learning's crystal ball: Predicting HCC surgery success with multimodal imaging
2025-Aug-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001410
PMID:40680277
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5609 | 2025-10-06 |
[A multi-feature fusion-based model for fetal orientation classification from intrapartum ultrasound videos]
2025-Jul-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|
研究论文 | 本研究提出了一种基于多特征融合的智能分析模型，用于从产时超声视频中分类胎儿方位 | 结合Yolov8与多种注意力机制（CBAM、ECA、PSA）和AIFI特征交互模块进行多特征融合 | NA | 构建智能分析模型以分类产时超声视频中的胎儿方位 | 产时超声视频中的胎儿关键结构（眼睛、面部、头部、丘脑、脊柱） | 计算机视觉 | 产科疾病 | 超声成像 | CNN | 视频, 图像 | NA | NA | Yolov8, CBAM, ECA, PSA, AIFI | 准确率, PR曲线下面积, ROC曲线下面积, Kappa一致性检验 | NA |
| 5610 | 2025-10-06 |
Computer vision techniques for high-speed atomic force microscopy of DNA molecules
2025-Jul-16, Nanotechnology
IF:2.9Q2
DOI:10.1088/1361-6528/ade888
PMID:40570888
|
研究论文 | 本研究探讨深度学习技术在高速原子力显微镜DNA分子图像分析中的应用 | 首次将全卷积网络和YOLOv8目标检测模型应用于HSAFM图像分析，实现DNA分子的自动识别和分类 | 研究仅针对三核苷酸重复扩展疾病和脆性X综合征样本，未验证在其他疾病类型的泛化能力 | 开发自动化的HSAFM图像分析方法以加速基于基因组学的疾病诊断 | DNA分子，特别是来自三核苷酸重复扩展疾病和脆性X综合征患者的样本 | 计算机视觉 | 遗传疾病 | 高速原子力显微镜(HSAFM) | FCN, YOLO | 图像 | 20000张包含DNA分子的图像，识别出248个标记分子，其中33个为真实目标 | NA | 全卷积网络, YOLOv8 | 准确率, AUC, 平均精度 | NA |
| 5611 | 2025-10-06 |
An interpretable machine learning model for predicting bone marrow invasion in patients with lymphoma via 18F-FDG PET/CT: a multicenter study
2025-Jul-15, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-03110-8
PMID:40665334
|
研究论文 | 开发并验证一种可解释的机器学习模型，通过整合临床数据、PET/CT参数、影像组学特征和深度学习特征来预测淋巴瘤患者的骨髓侵犯 | 首次开发结合临床数据、PET/CT参数、影像组学特征和深度学习特征的可解释机器学习模型用于预测淋巴瘤骨髓侵犯 | 样本量相对较小（159例患者），且为回顾性研究设计 | 开发非侵入性方法预测淋巴瘤患者的骨髓侵犯，减少对骨髓活检的依赖 | 159例新诊断的淋巴瘤患者 | 医学影像分析 | 淋巴瘤 | 18F-FDG PET/CT成像 | ExtraTrees分类器 | 临床数据、PET/CT图像、影像组学特征、深度学习特征 | 159例患者（118例来自中心I，41例来自中心II） | NA | NA | AUC, 准确率 | NA |
| 5612 | 2025-10-06 |
A cryptosystem for face recognition based on optical interference and phase truncation theory
2025-Jul-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-06990-y
PMID:40659666
|
研究论文 | 提出一种基于光学干涉和相位截断理论的人脸图像加密系统，用于安全传输和存储 | 提出振幅-相位分离异步加密(APSAE)技术，通过异步分别加密振幅和相位分量来缓解固有漏洞 | NA | 解决人脸图像数据隐私泄露问题，推进安全生物识别系统发展 | 人脸图像数据 | 计算机视觉 | NA | 光学干涉，相位截断理论 | 深度学习 | 图像 | LFW数据集 | NA | NA | 准确率 | NA |
| 5613 | 2025-10-06 |
Quantification of Optical Coherence Tomography Features in >3500 Patients with Inherited Retinal Disease Reveals Novel Genotype-Phenotype Associations
2025-Jul-03, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.07.03.25330767
PMID:40630585
|
研究论文 | 开发深度学习算法AIRDetect-OCT，用于大规模量化遗传性视网膜疾病患者的OCT特征，揭示基因型-表型关联 | 首次在超过3500名分子特征明确的IRD患者中应用深度学习算法进行大规模OCT特征量化分析，发现新的基因型-表型关联 | 回顾性研究设计，手动标注仅覆盖部分数据，模型对EZ-loss和RPE-loss的分割性能相对较低 | 量化遗传性视网膜疾病患者的SD-OCT图像特征，探索基因型与表型之间的关联 | 3,534名经临床和分子确诊的遗传性视网膜疾病患者 | 数字病理学 | 遗传性视网膜疾病 | 光谱域光学相干断层扫描 | 神经网络 | 医学图像 | 3,534名患者，7,405个SD-OCT体积，272,168个b扫描，涵盖176个独特基因 | NA | AIRDetect-OCT | Dice分数 | NA |
| 5614 | 2025-10-06 |
Beyond static structures: protein dynamic conformations modeling in the post-AlphaFold era
2025-Jul-02, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf340
PMID:40663654
|
综述 | 本文回顾了后AlphaFold时代蛋白质动态构象建模的基本概念、计算方法进展与核心挑战 | 系统阐述从静态结构预测向多状态动态构象建模的范式转变，提出后AlphaFold时代蛋白质动力学研究的新方向 | 存在数据局限性、方法学约束和评估指标不完善等挑战 | 促进人工智能驱动的结构生物学中蛋白质构象研究的持续发展 | 蛋白质动态构象与多状态转换 | 结构生物学 | NA | 深度学习 | NA | 蛋白质结构数据 | NA | NA | AlphaFold | NA | NA |
| 5615 | 2025-10-06 |
Kinase-inhibitor binding affinity prediction with pretrained graph encoder and language model
2025-Jul-02, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf338
PMID:40663653
|
研究论文 | 提出一种名为Kinhibit的新型框架，用于预测激酶与抑制剂之间的结合亲和力 | 整合自监督图对比学习与多视图分子图表示，结合结构信息蛋白质语言模型(ESM-S)进行特征提取，并采用特征融合方法优化抑制剂和激酶特征的融合 | NA | 开发更先进的激酶-抑制剂结合亲和力预测方法以解决现有挑战 | 激酶抑制剂结合亲和力 | 机器学习 | 癌症 | 图对比学习，蛋白质语言模型 | 图神经网络，语言模型 | 分子图数据，蛋白质序列数据 | 三个MAPK信号通路激酶(RAF、MEK、ERK)和MAPK-All数据集 | NA | ESM-S | 准确率 | NA |
| 5616 | 2025-10-06 |
PREDAC-FluB: predicting antigenic clusters of seasonal influenza B viruses with protein language model embedding based convolutional neural network
2025-Jul-02, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf308
PMID:40665740
|
研究论文 | 开发了一种基于蛋白质语言模型嵌入和卷积神经网络的混合深度学习框架PREDAC-FluB，用于预测季节性乙型流感病毒的抗原簇 | 首次提出整合ESM-2蛋白质语言模型嵌入、六种物理化学描述符和连续编码的多模态序列表示方法，结合CNN空间特征提取和UMAP引导聚类 | 仅针对乙型流感病毒进行研究，未包含甲型流感病毒 | 准确预测乙型流感病毒的抗原变异，为疫苗株选择提供辅助方法 | 季节性乙型流感病毒，包括B/Victoria系和B/Yamagata系 | 生物信息学 | 流感 | 蛋白质序列分析，深度学习 | CNN | 蛋白质序列数据 | 9036个B/Victoria系和4520个B/Yamagata系流感病毒对 | NA | 卷积神经网络 | AUROC | NA |
| 5617 | 2025-10-06 |
NASNet-DTI: accurate drug-target interaction prediction using heterogeneous graphs and node adaptation
2025-Jul-02, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf342
PMID:40668556
|
研究论文 | 提出一种基于异质图和节点自适应学习的药物-靶点相互作用预测新框架NASNet-DTI | 构建包含药物-药物、靶点-靶点、药物-靶点多重关系的异质图，并采用节点自适应学习策略动态确定每个节点的最优聚合深度 | 未明确说明模型在更大规模数据集上的泛化能力及计算效率 | 提高药物-靶点相互作用预测的准确性以促进药物研发 | 药物分子和靶点蛋白质 | 生物信息学 | NA | 深度学习 | 图卷积网络 | 分子结构数据、蛋白质序列数据、相互作用数据 | 多个数据集（具体数量未说明） | NA | 图卷积网络 | 预测准确率 | NA |
| 5618 | 2025-10-06 |
Advancing genome-based precision medicine: a review on machine learning applications for rare genetic disorders
2025-Jul-02, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf329
PMID:40668553
|
综述 | 本文综述了机器学习在基于基因组的精准医学中应用于罕见遗传病的研究现状与前景 | 系统分析混合机器学习模型和实时基因组分析等新兴技术，提出可解释性模型和数据共享框架的未来发展方向 | 面临计算复杂性、数据稀缺性和伦理问题等关键挑战 | 促进机器学习在罕见遗传病精准医疗中的应用发展 | 罕见遗传病患者的基因组数据 | 机器学习 | 罕见遗传病 | 基因组测序 | 深度学习,集成方法 | 基因组数据 | NA | NA | NA | NA | NA |
| 5619 | 2025-10-06 |
Deep Learning Radiomics Based on MRI for Differentiating Benign and Malignant Parapharyngeal Space Tumors
2025-Jul, The Laryngoscope
DOI:10.1002/lary.32043
PMID:39932109
|
研究论文 | 本研究基于MRI开发深度学习影像组学模型用于鉴别咽旁间隙肿瘤的良恶性 | 首次将深度学习特征与传统影像组学特征融合构建DLR模型用于咽旁间隙肿瘤诊断 | 回顾性研究，样本量相对有限（217例），仅来自两个医疗中心 | 建立咽旁间隙肿瘤术前诊断工具以指导临床决策 | 咽旁间隙肿瘤患者 | 医学影像分析 | 头颈部肿瘤 | MRI | 深度学习模型，影像组学模型，融合模型 | 医学影像 | 217例患者（训练集145例，测试集72例） | NA | NA | AUC, 特异性, 敏感性 | NA |
| 5620 | 2025-10-06 |
Challenges in Implementing Endoscopic Artificial Intelligence: The Impact of Real-World Imaging Conditions on Barrett's Neoplasia Detection
2025-Jul, United European gastroenterology journal
IF:5.8Q1
DOI:10.1002/ueg2.12760
PMID:40116287
|
研究论文 | 本研究评估了基于高质量专家图像训练的巴雷特瘤变检测系统在真实世界异质图像条件下的性能下降，并提出了三种增强鲁棒性的策略 | 首次量化评估内镜AI系统在真实临床环境中因图像质量异质性导致的性能下降，并提出多种鲁棒性增强策略 | 研究仅针对巴雷特瘤变检测，样本量相对有限（共490名患者），未涵盖所有可能的内镜图像伪影类型 | 评估内镜AI系统在真实临床环境中的性能表现并开发鲁棒性增强方法 | 巴雷特瘤变患者的内镜图像 | 计算机视觉 | 巴雷特食管癌 | 内镜成像 | 深度学习 | 图像 | 490名巴雷特患者（训练集373名，测试集117名） | NA | NA | AUC, 敏感度, 特异度 | NA |