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 6381 - 6400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6381 | 2025-10-06 |
nuTCRacker: Predicting the Recognition of HLA-I-Peptide Complexes by αβTCRs for Unseen Peptides
2025-Jul, European journal of immunology
IF:4.5Q2
DOI:10.1002/eji.202451607
PMID:40629982
|
研究论文 | 提出一种名为nuTCRacker的新型深度学习方法，用于预测αβTCR对HLA-I-肽复合物的识别能力，特别针对训练数据中未出现的肽段 | 能够对训练数据中未出现的抗原肽段进行准确预测，解决了现有方法无法准确预测未见肽段的局限性 | 仅能对部分未见肽段进行准确预测，且预测性能依赖于训练数据的特定条件 | 开发能够预测αβTCR识别HLA-I-肽复合物的计算方法，以促进T细胞库选择和靶向细胞免疫疗法的发展 | αβT细胞受体（TCR）和HLA-I-肽复合物 | 机器学习 | 癌症 | 深度学习 | 深度学习模型 | 生物序列数据 | 来自公共资源的大型数据集和一个小型细胞验证数据集 | NA | nuTCRacker | AUC | NA |
| 6382 | 2025-10-06 |
SetBERT: the deep learning platform for contextualized embeddings and explainable predictions from high-throughput sequencing
2025-Jul-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf370
PMID:40563247
|
研究论文 | 提出SetBERT深度学习平台，用于从高通量测序数据生成情境化嵌入和可解释预测 | 通过利用序列间相互作用处理非结构化HTS数据，显著提升分类准确性并实现自主可解释预测 | 未明确说明模型在处理超大规模数据集时的计算效率限制 | 开发能够处理高通量测序数据并理解微生物群落功能关系的深度学习平台 | 微生物群落的高通量测序数据 | 机器学习 | NA | 高通量测序 | BERT | DNA序列数据 | NA | PyTorch, TensorFlow | SetBERT | 准确率 | NA |
| 6383 | 2025-10-06 |
miR-143 and miR-145 in Colorectal Cancer: A Digital Pathology Approach on Expressions and Protein Correlations
2025-Jul, APMIS : acta pathologica, microbiologica, et immunologica Scandinavica
IF:2.2Q3
DOI:10.1111/apm.70051
PMID:40642870
|
研究论文 | 本研究采用数字病理学方法重新评估结直肠癌中miR-143和miR-145的表达及其与蛋白质靶标的关联 | 首次在原生肿瘤微环境中使用原位方法验证miRNA表达，并与先前报道的组织匀浆分析结果形成对比 | 仅发现11个miRNA-蛋白质关系中的4个存在显著相关性，样本量有限（100例患者） | 重新评估结直肠癌中miR-143和miR-145的表达模式及其与已验证蛋白质靶标的关系 | 100名结直肠癌患者的临床样本 | 数字病理学 | 结直肠癌 | 原位杂交, 免疫组织化学, 基于深度学习的上皮分割 | 深度学习 | 病理图像 | 100名结直肠癌患者 | NA | NA | 相关性分析 | NA |
| 6384 | 2025-10-06 |
Understanding the Impact of Seasonal Weather Dynamics on Rice Disease Occurrence Using Neural Networks: A Case Study of Panicle Blast and Grain Rot
2025-Jun-30, Phytopathology
IF:2.6Q2
DOI:10.1094/PHYTO-01-25-0004-FI
PMID:40586730
|
研究论文 | 本研究利用长短期记忆神经网络分析季节性天气动态对水稻穗瘟病和穗腐病发生的影响 | 首次提出基于纯气象数据驱动的深度学习方法揭示气象条件与水稻病害发生的隐藏关系 | 仅使用气象数据，未考虑其他可能影响病害发生的因素如土壤条件、栽培管理等 | 探究季节性天气动态对水稻穗瘟病和穗腐病发生的影响机制 | 水稻穗瘟病和穗腐病 | 机器学习 | 植物病害 | 气象数据分析 | LSTM | 时间序列气象数据 | 180天的七种气象变量时间序列数据 | NA | 长短期记忆网络 | 准确率 | NA |
| 6385 | 2025-10-06 |
Artificial Intelligence in cancer epigenomics: a review on advances in pan-cancer detection and precision medicine
2025-Jun-14, Epigenetics & chromatin
IF:4.2Q1
DOI:10.1186/s13072-025-00595-5
PMID:40517231
|
综述 | 本文综述人工智能在癌症表观基因组学中的应用进展，重点关注泛癌检测和精准医学 | 系统探讨AI与DNA甲基化分析的协同作用，推动多癌种早期检测和精准肿瘤学发展 | 早期癌症检测灵敏度有限、AI算法黑箱问题、缺乏多样化人群验证 | 探索人工智能如何通过DNA甲基化分析推进癌症精准医疗 | DNA甲基化谱和癌症表观遗传数据 | 机器学习 | 泛癌种 | DNA甲基化分析 | 深度学习网络, 图模型 | 表观遗传数据 | NA | NA | NA | 诊断准确率 | NA |
| 6386 | 2025-06-16 |
Commentary on "Photodiagnosis with deep learning: A GAN and autoencoder-based approach for diabetic retinopathy detection" by Gencer et al., 2025
2025-Jun-13, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2025.104666
PMID:40516582
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6387 | 2025-10-06 |
Deep convolutional neural networks for early detection of interproximal caries using bitewing radiographs: A systematic review
2025-Jun, Evidence-based dentistry
DOI:10.1038/s41432-025-01134-7
PMID:40114013
|
系统综述 | 系统综述深度卷积神经网络在咬翼片上检测邻面龋的应用效果 | 首次系统评估不同深度卷积神经网络模型在咬翼片邻面龋检测中的性能比较，特别指出YOLOv8模型的优势 | 纳入研究数量有限（仅10篇），样本量差异大（112-3989名参与者），仅40%研究在参考标准领域偏倚风险较低 | 评估深度卷积神经网络在咬翼片上检测邻面龋的诊断准确性和临床应用价值 | 咬翼片X光影像中的邻面龋病变 | 计算机视觉 | 龋齿 | 口腔X射线成像 | CNN | 医学影像 | 10项研究，参与者数量从112到3989不等 | NA | YOLOv8, 深度卷积神经网络 | 诊断准确性 | NA |
| 6388 | 2025-10-06 |
Analysis of influenza-like illness trends in Saudi Arabia: a comparative study of statistical and deep learning techniques
2025-Jun, Osong public health and research perspectives
IF:2.1Q3
DOI:10.24171/j.phrp.2025.0080
PMID:40501115
|
研究论文 | 比较Holt-Winters统计方法和LSTM深度学习模型在沙特阿拉伯流感样疾病趋势预测中的性能 | 首次在中东流行病学建模中整合区域特异性外生变量（气候条件和人口流动趋势）进行流感预测 | 研究期间包含COVID-19大流行可能影响流感数据模式，模型在高峰发病率波动期间表现不稳定 | 开发和评估流感样疾病周发病率预测模型 | 沙特阿拉伯2017-2022年每周流感样疾病发病率数据 | 机器学习 | 流感 | 时间序列分析 | LSTM, Holt-Winters | 时间序列数据 | 2017-2022年沙特阿拉伯每周流感数据 | NA | LSTM | RMSE, MAE, R2, PBIAS | NA |
| 6389 | 2025-10-06 |
Accurate classification of benign and malignant breast tumors in ultrasound imaging with an enhanced deep learning model
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1526260
PMID:40635689
|
研究论文 | 本研究开发了一种增强型深度学习模型RcdNet，用于超声图像中乳腺肿瘤良恶性的准确分类 | 提出结合深度可分离卷积和CBAM注意力模块的RcdNet模型，增强对超声图像关键病灶区域的识别能力 | 未提及模型在实时超声诊断系统中的具体应用挑战 | 通过深度学习技术构建可靠的乳腺超声图像良恶性分类模型，提高诊断准确性和一致性 | 乳腺超声图像中的良性和恶性肿瘤 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 图像 | 未明确说明具体样本数量 | NA | RcdNet, ResNet, MobileNet, RegNet, ViT, ResNeXt | 准确率, 精确率, 召回率, F1分数 | NA |
| 6390 | 2025-10-06 |
Deep learning-based feature selection for detection of autism spectrum disorder
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1594372
PMID:40636395
|
研究论文 | 提出一种结合深度学习与优化特征选择算法的自闭症谱系障碍检测方法 | 采用混合堆叠稀疏去噪自编码器和多层感知器模型，并集成改进的徒步优化算法进行特征选择 | 样本量有限，仅使用ABIDE I数据集 | 开发更准确的自闭症谱系障碍检测模型 | 自闭症谱系障碍患者的静息态功能磁共振成像数据 | 机器学习 | 自闭症谱系障碍 | 静息态功能磁共振成像 | SSDAE, MLP | 神经影像数据 | ABIDE I数据集 | NA | 堆叠稀疏去噪自编码器, 多层感知器 | 准确率, 敏感度, 特异度 | NA |
| 6391 | 2025-10-06 |
Fourier convolutional decoder: reconstructing solar flare images via deep learning
2025, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-025-11283-6
PMID:40636402
|
研究论文 | 开发傅里叶卷积解码器用于太阳耀斑图像重建 | 提出定制化的过完备自编码器架构，能够在模拟数据上训练并生成接近真实地面的输出 | 在实验观测数据上的性能相比模拟数据有所下降 | 解决天文图像重建中计算资源消耗大和需要专家解释的问题 | 太阳耀斑图像 | 计算机视觉 | NA | 深度学习 | 自编码器 | 图像 | NA | NA | 傅里叶卷积解码器 | MS-SSIM, LPIPS, PSNR, Dice系数, Hausdorff距离 | CPU, GPU |
| 6392 | 2025-10-06 |
Leveraging learned monocular depth prediction for pose estimation and mapping on unmanned underwater vehicles
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1609765
PMID:40642204
|
研究论文 | 提出一种融合视觉与声学传感器的框架，用于无人水下航行器在复杂水下环境中的定位与建图 | 结合深度学习单目深度预测与基于FFT的稀疏深度先验，实现仅凭视觉数据的网箱相对姿态估计和深度预测 | NA | 提升无人水下航行器在动态水下环境（特别是水产养殖场景）中的定位与建图能力 | 无人水下航行器、水产养殖网箱 | 计算机视觉 | NA | 深度学习、快速傅里叶变换、声学测量 | 深度学习模型 | 视觉数据、声学数据 | 工业级水产养殖场收集的数据集 | NA | NA | 实时定位精度、3D地图质量 | NA |
| 6393 | 2025-10-06 |
Optimization-Based Image Reconstruction Regularized with Inter-Spectral Structural Similarity for Limited-Angle Dual-Energy Cone-Beam CT
2024-Dec-18, ArXiv
PMID:39764397
|
研究论文 | 提出一种基于能谱间结构相似性正则化的优化重建方法，用于解决有限角度双能锥束CT的图像重建问题 | 无需X射线能谱测量或配对数据集进行模型训练，通过能谱间结构相似性正则化有效减少有限角度伪影 | NA | 开发一种实用的图像重建方法，促进快速低剂量双能锥束CT的临床应用 | 四个物理体模和三个数字体模 | 医学影像 | NA | 双能锥束CT成像 | NA | CT投影数据 | 七个体模（四个物理体模和三个数字体模） | NA | NA | NA | NA |
| 6394 | 2025-10-06 |
The Current Application and Future Potential of Artificial Intelligence in Renal Cancer
2024-11, Urology
IF:2.1Q2
DOI:10.1016/j.urology.2024.07.010
PMID:39029807
|
综述 | 本文通过文献回顾探讨人工智能在肾癌评估、管理和预后预测中的应用现状与未来潜力 | 系统梳理了72项具有临床影响力的AI肾癌研究，涵盖影像学、组织病理学和预后预测等多个领域 | 基于叙述性综述方法，可能存在文献选择偏倚 | 评估人工智能在肾癌领域的应用现状并展望未来发展潜力 | 肾癌相关研究 | 医疗人工智能 | 肾癌 | 监督/无监督机器学习、深度学习、自然语言处理、神经网络、影像组学、病理组学 | NA | 医学影像、组织病理数据 | 72项相关研究 | NA | NA | NA | NA |
| 6395 | 2025-10-06 |
An Automated Multi-scale Feature Fusion Network for Spine Fracture Segmentation Using Computed Tomography Images
2024-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01091-0
PMID:38622384
|
研究论文 | 提出一种用于CT图像中脊柱骨折自动分割的多尺度特征融合深度学习模型 | 设计了包含特征融合模块、注意力机制和空间金字塔池化的新型多尺度特征融合架构 | NA | 开发自动脊柱骨折分割方法以辅助临床决策 | 脊柱骨折的CT图像 | 计算机视觉 | 脊柱骨折 | 计算机断层扫描(CT) | 深度学习 | 医学图像 | NA | NA | 多尺度特征融合网络,包含FFM,SEM,ASPP,RCBAM,RBRAB,LPRAB模块 | 准确度 | NA |
| 6396 | 2025-10-06 |
Improved Dementia Prediction in Cerebral Small Vessel Disease Using Deep Learning-Derived Diffusion Scalar Maps From T1
2024-09, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.124.047449
PMID:39145386
|
研究论文 | 开发了一种从T1图像合成扩散张量成像标量图(FA/MD)的深度学习方法，用于改善脑小血管病患者的痴呆预测 | 首次提出从常规T1图像合成扩散张量成像标量图的方法，解决了扩散张量成像采集时间长且临床不常规可用的问题 | 在SCANS数据集上的结构相似性指数相对较低，合成FA图的质量有待进一步提升 | 提高脑小血管病患者痴呆预测的准确性 | 脑小血管病患者和正常对照人群 | 医学影像分析 | 脑小血管病 | 扩散张量成像，磁共振成像 | 深度学习 | 医学影像 | 训练集：4998名UK Biobank参与者；验证集：4个外部数据集共753名患者和1000名正常对照 | NA | NA | 结构相似性指数，c-index | NA |
| 6397 | 2025-10-06 |
Greater benefits of deep learning-based computer-aided detection systems for finding small signals in 3D volumetric medical images
2024-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.4.045501
PMID:38988989
|
研究论文 | 本研究评估基于卷积神经网络的计算机辅助检测系统在三维医学影像中对小信号检测性能的提升效果 | 首次系统比较深度学习CADe系统在3D与2D医学影像搜索中对不同尺寸信号检测效果的差异，并揭示眼动探索行为与系统效益的关联性 | 研究使用数字乳腺断层合成体模而非真实患者数据，样本量相对有限（16名非专家观察者） | 评估基于深度学习的计算机辅助检测系统在三维医学影像中提升小信号检测准确性的效果 | 数字乳腺断层合成体模中的微钙化小信号和较大肿块信号 | 计算机视觉 | 乳腺癌 | 数字乳腺断层合成成像 | CNN | 3D volumetric medical images, 2D cross-sectional images | 16名非专家观察者，数字乳腺断层合成体模数据 | NA | NA | AUC, ROC曲线下面积变化 | NA |
| 6398 | 2025-10-06 |
When liver disease diagnosis encounters deep learning: Analysis, challenges, and prospects
2023-Mar, ILIVER..
DOI:10.1016/j.iliver.2023.02.002
PMID:40636411
|
综述 | 本文系统综述了深度学习在肝脏疾病诊断研究中的应用现状、挑战与前景 | 使用桑基图展示数据模态、肝脏研究主题与应用之间的关系，并总结了各主题的深度学习方法及其趋势 | 基于139篇文献的分析可能未涵盖该领域所有研究，且综述性质文章缺乏原始实验验证 | 探讨深度学习在肝脏疾病诊断研究中的应用与发展前景 | 肝脏疾病诊断相关研究 | 数字病理学 | 肝脏疾病 | NA | 深度学习 | 多模态数据 | 基于139篇文献的分析 | NA | NA | NA | NA |
| 6399 | 2025-10-06 |
Application of biological big data and radiomics in hepatocellular carcinoma
2023-Mar, ILIVER..
DOI:10.1016/j.iliver.2023.01.003
PMID:40636408
|
综述 | 本文综述了生物大数据和影像组学在肝细胞癌研究中的应用进展 | 整合多组学数据与影像组学技术，为肝细胞癌提供新的诊断、预后和治疗思路 | NA | 总结生物大数据和影像组学在肝细胞癌领域的研究进展 | 肝细胞癌 | 数字病理学 | 肝癌 | 基因组学,转录组学,蛋白质组学,液体活检,超声,CT,MRI | NA | 组学数据,医学影像 | NA | NA | NA | NA | NA |
| 6400 | 2025-10-06 |
Machine Learning to Predict Successful Opioid Dose Reduction or Stabilization After Spinal Cord Stimulation
2022-08-01, Neurosurgery
IF:3.9Q1
DOI:10.1227/neu.0000000000001969
PMID:35384918
|
研究论文 | 本研究开发机器学习模型预测脊髓刺激术后阿片类药物剂量成功减少或稳定的可能性 | 首次开发基于机器学习的模型预测脊髓刺激术后阿片类药物使用变化，并比较深度学习与传统逻辑回归的性能差异 | 研究基于回顾性数据库分析，可能存在选择偏倚；模型性能仍有提升空间（AUROC约0.74） | 预测脊髓刺激术后阿片类药物剂量减少或稳定的成功率 | 接受脊髓刺激术的患者 | 机器学习 | 疼痛管理 | 数据库分析 | 逻辑回归, 深度神经网络 | 结构化医疗数据 | 7022名患者 | NA | 深度神经网络 | AUROC | NA |