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 7161 - 7180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7161 | 2025-10-06 |
Predicting heavy metal concentration in crop grain using automated machine learning models
2025-Jun, Ying yong sheng tai xue bao = The journal of applied ecology
DOI:10.13287/j.1001-9332.202506.018
PMID:40607569
|
研究论文 | 本研究使用自动化机器学习模型预测作物籽粒中的重金属浓度 | 首次将自动化机器学习(AutoML)应用于作物重金属浓度预测，并比较了六种不同模型的性能 | 基于文献数据的二次分析，样本来源和实验条件存在异质性 | 预测作物籽粒中重金属浓度并识别关键影响因素 | 作物籽粒中的铬(Cr)、镉(Cd)、铅(Pb)、砷(As)和汞(Hg)浓度 | 机器学习 | NA | 自动化机器学习 | 深度学习,分布式随机森林,极端随机树,堆叠集成,梯度提升机,广义线性模型 | 结构化数据 | 来自54篇文献的791个数据集 | AutoML | DL,DRF,XRT,SE,GBM,GLM | 预测精度 | NA |
| 7162 | 2025-10-06 |
Toward diffusion MRI in the diagnosis and treatment of pancreatic cancer
2025-May-28, Medical oncology (Northwood, London, England)
DOI:10.1007/s12032-025-02759-5
PMID:40434720
|
研究论文 | 探讨扩散磁共振成像在胰腺癌诊断和治疗中的潜在应用价值 | 结合多种扩散成像技术（DWI、DTI、IVIM、DKI）与新兴人工智能分析，提供组织微结构信息 | 缺乏标准化协议和稳健的数据分析流程，需要进一步临床验证 | 提高胰腺癌的早期检测能力和治疗效果评估 | 胰腺癌患者 | 医学影像分析 | 胰腺癌 | 扩散磁共振成像（dMRI）、扩散加权成像（DWI）、扩散张量成像（DTI）、体素内不相干运动（IVIM）、扩散峰度成像（DKI） | 深度学习 | 磁共振影像 | NA | NA | NA | NA | NA |
| 7163 | 2025-10-06 |
Galileo-an Artificial Intelligence tool for evaluating pre-implantation kidney biopsies
2025-May, Journal of nephrology
IF:2.7Q2
DOI:10.1007/s40620-024-02094-4
PMID:39356416
|
研究论文 | 开发名为Galileo的人工智能工具，用于评估肾移植前的活检组织 | 专门针对肾移植前活检评估设计的首个AI工具，能显著提升诊断效率并减少观察者间差异 | 需要进一步基于移植物存活等硬终点进行改进验证 | 开发辅助病理学家评估肾移植前活检的人工智能工具 | 肾脏穿刺活检和楔形活检的全切片图像 | 数字病理 | 肾脏疾病 | 全切片图像分析 | 深度学习算法 | 图像 | 多中心队列的全切片图像数据集 | Aiforia Create平台 | NA | 精确度, 灵敏度, F1分数, 总面积误差 | NA |
| 7164 | 2025-10-06 |
TransMA: an explainable multi-modal deep learning model for predicting properties of ionizable lipid nanoparticles in mRNA delivery
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf307
PMID:40581984
|
研究论文 | 提出一种可解释的多模态深度学习模型TransMA，用于预测mRNA递送中可电离脂质纳米颗粒的转染效率 | 采用多模态分子结构融合架构，结合3D Transformer和Mamba分别提取分子空间和序列特征，并设计mol-attention机制对齐不同粒度原子特征 | NA | 加速高转染效率mRNA药物递送系统的筛选过程 | 可电离脂质纳米颗粒(LNPs) | 机器学习 | NA | 深度学习 | Transformer, Mamba | 分子结构数据 | 当前最大的LNPs数据集，包括Hela和RAW细胞系 | NA | 3D Transformer, Mamba, 多模态融合架构 | 转染效率预测性能 | NA |
| 7165 | 2025-10-06 |
An order-preserving batch-effect correction method based on a monotonic deep learning framework
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf247
PMID:40586320
|
研究论文 | 基于单调深度学习框架开发了一种保持顺序的批次效应校正方法 | 在批次效应校正方法中首次引入顺序保持特征，解决了现有方法忽略这一重要特性的问题 | NA | 开发具有顺序保持特征的批次效应校正方法 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | 深度学习网络 | 基因表达数据 | NA | NA | 单调深度学习网络 | 聚类性能, 基因间相关性, 差异表达信息 | NA |
| 7166 | 2025-10-06 |
SORBET: Automated cell-neighborhood analysis of spatial transcriptomics or proteomics for interpretable sample classification via GNN
2025-Apr-21, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.30.573739
PMID:38260586
|
研究论文 | 提出SORBET几何深度学习框架，通过图卷积网络分析空间转录组和蛋白质组数据实现可解释的样本分类 | 首次在空间转录组数据上进行表型预测，开发了新颖的数据增强技术确保预测鲁棒性 | NA | 整合空间信息与多重分子数据准确预测表型 | 转移性黑色素瘤、非小细胞肺癌和结直肠癌样本 | 数字病理 | 黑色素瘤,非小细胞肺癌,结直肠癌 | 空间转录组学,空间蛋白质组学,CosMx,成像质谱流式,CODEX | 图卷积网络 | 空间分子数据,细胞图像 | 多个数据集（转移性黑色素瘤、非小细胞肺癌和结直肠癌样本） | 几何深度学习框架 | 图卷积网络 | 准确率 | NA |
| 7167 | 2025-10-06 |
Role of artificial intelligence in early diagnosis and treatment of infectious diseases
2025-01, Infectious diseases (London, England)
DOI:10.1080/23744235.2024.2425712
PMID:39540872
|
综述 | 本文全面综述了人工智能在传染病早期诊断与治疗中的关键作用 | 系统整合了AI在传染病诊断工具、疫情预测、治疗策略优化和药物研发等多方面的应用潜力 | 探讨了AI在传染病管理中面临的伦理考量、挑战和局限性 | 评估人工智能在传染病早期诊断和治疗中的应用价值 | 传染病诊断与治疗系统 | 医疗人工智能 | 传染病 | 机器学习算法、深度学习、图像识别系统 | NA | 患者个体数据、医学影像数据 | NA | NA | NA | NA | NA |
| 7168 | 2025-10-06 |
TGEL-transformer: Fusing educational theories with deep learning for interpretable student performance prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327481
PMID:40587446
|
研究论文 | 提出融合教育理论与深度学习的TGEL-Transformer框架，用于可解释的学生表现预测 | 融合多元智能理论和社会认知理论，设计双通道特征处理模块、理论指导的四头注意力机制和可解释预测层 | NA | 解决传统教育数据挖掘方法难以整合异构特征数据，以及现有深度学习模型缺乏教育理论指导的问题 | 学生表现预测 | 教育数据挖掘 | NA | 深度学习 | Transformer | 教育数据 | 6,608名学生，外部验证480名跨文化数据 | NA | TGEL-Transformer | RMSE, R2 | NA |
| 7169 | 2025-10-06 |
Enhanced E-commerce decision-making through sentiment analysis using machine learning-based approaches and IoT
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0326744
PMID:40587469
|
研究论文 | 通过结合物联网和机器学习技术提升电子商务决策能力，重点关注情感分析和需求预测 | 将物联网设备数据收集与多种机器学习算法相结合，在电子商务决策中实现超越简单推荐的高级功能 | 未明确说明研究样本规模和具体数据来源 | 提升电子商务决策能力，改善客户购物体验 | 电子商务客户行为数据和偏好数据 | 自然语言处理 | NA | 情感分析，需求预测 | 逻辑回归,朴素贝叶斯,SVM,随机森林,AdaBoosting,GRU,LSTM | 文本数据 | NA | NA | GRU,LSTM | 准确率,F1分数,精确率,召回率 | NA |
| 7170 | 2025-10-06 |
An explainable-by-design end-to-end AI framework based on prototypical part learning for lesion detection and classification in Digital Breast Tomosynthesis images
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.06.008
PMID:40599244
|
研究论文 | 提出基于原型部分学习的可解释端到端AI框架，用于数字乳腺断层合成图像中的病灶检测和分类 | 结合YOLO系列模型和ProtoPNet构建可解释的AI系统，通过原型部分学习提供预测解释 | 数据集限制和需要更准确的地面实况标注影响了最终指标 | 开发透明AI系统加速DBT扫描分析并确保可解释性 | 数字乳腺断层合成图像中的乳腺病灶 | 计算机视觉 | 乳腺癌 | 数字乳腺断层合成 | CNN | 医学图像 | NA | PyTorch | YOLOv5,YOLOv8,ProtoPNet | 召回率,准确率 | NA |
| 7171 | 2025-10-06 |
A Deep Convolutional Neural Network Model for Lung Disease Detection Using Chest X-Ray Imaging
2025, Pulmonary medicine
IF:2.0Q3
DOI:10.1155/pm/6614016
PMID:40599379
|
研究论文 | 提出一种基于定制卷积神经网络和预训练模型的自动化系统，用于通过胸部X射线和CT扫描检测多种肺部疾病 | 结合定制CNN与预训练模型，采用图像增强方法处理胸部影像数据，在肺部疾病检测中实现高性能指标 | 仅使用单一来源数据集（Kaggle），样本量相对有限，未进行多中心验证 | 开发自动化肺部疾病检测系统，提高诊断效率和准确性 | 肺部疾病（肺炎和COVID-19）患者的胸部X射线和CT影像 | 计算机视觉 | 肺部疾病 | 医学影像分析 | CNN | 图像 | 6400张影像 | NA | 定制卷积神经网络,预训练模型 | 准确率,精确率,召回率,F1分数 | NA |
| 7172 | 2025-10-06 |
Application progress of artificial intelligence in managing thyroid disease
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1578455
PMID:40600013
|
综述 | 系统回顾人工智能在甲状腺疾病管理中的应用进展，重点关注诊断创新、治疗个性化及临床实施挑战 | 首次系统梳理自1990年代以来AI在甲状腺疾病管理中的演进历程，涵盖多模态数据整合与临床转化障碍分析 | 存在数据隐私、模型可解释性及临床适用性等挑战，数据异质性和伦理问题尚未完全解决 | 评估人工智能在甲状腺疾病管理中的应用效果与发展前景 | 甲状腺疾病患者（特别是甲状腺切除术后患者）的诊疗数据 | 医学人工智能 | 甲状腺疾病 | 机器学习、深度学习 | NA | 超声图像、CT/MRI影像、组织病理学数据、电子健康记录、可穿戴传感器数据 | NA | NA | NA | 良恶性结节鉴别率、不必要细针穿刺减少频率 | NA |
| 7173 | 2025-10-06 |
GAN-enhanced deep learning for improved Alzheimer's disease classification and longitudinal brain change analysis
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1587026
PMID:40600033
|
研究论文 | 本文提出一种结合GAN增强的深度学习方法，用于阿尔茨海默病分类和纵向脑变化分析 | 集成ResNet101与LSTM网络，引入PDPO和DCK创新层增强特征提取，并利用GAN模型识别AD的进展性 | 未明确说明模型计算复杂度、过拟合风险等具体限制 | 提高阿尔茨海默病分类准确性并分析疾病进展模式 | 阿尔茨海默病患者、轻度认知障碍患者和认知正常人群 | 医学影像分析 | 阿尔茨海默病 | 脑影像分析 | CNN, LSTM, GAN | 医学影像数据 | ADNI和OASIS数据集 | NA | ResNet101, LSTM | 准确率 | NA |
| 7174 | 2025-10-06 |
Comparative analysis of convolutional neural networks and transformer architectures for breast cancer histopathological image classification
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1606336
PMID:40600038
|
研究论文 | 比较卷积神经网络和Transformer架构在乳腺癌组织病理图像分类中的性能 | 首次系统比较14种深度学习模型（包括CNN和Transformer架构）在乳腺癌病理图像分类任务中的表现，特别关注基础模型在数字病理中的应用潜力 | 仅使用BreakHis v1数据集，未在其他数据集上验证模型泛化能力；未详细分析模型计算效率和部署可行性 | 评估不同深度学习架构在乳腺癌病理图像分类中的性能差异 | 乳腺癌组织病理图像 | 数字病理 | 乳腺癌 | 组织病理学检查 | CNN, Transformer | 图像 | BreakHis v1数据集 | NA | AlexNet, VGG16, InceptionV3, ResNet50, Densenet121, MobileNetV2, ResNeXt, RegNet, EfficientNet_B0, ConvNeXT, ViT, DINOV2, UNI, GigaPath | 准确率, 特异性, 召回率, F1分数, Cohen's Kappa系数, ROC曲线, AUC | NA |
| 7175 | 2025-10-06 |
AlzheimerViT: harnessing lightweight vision transformer architecture for proactive Alzheimer's screening
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1568312
PMID:40600046
|
研究论文 | 本研究提出了一种轻量级视觉变换器架构AlzheimerViT，用于基于MRI图像的阿尔茨海默病早期筛查 | 采用轻量级自注意力机制的视觉变换器架构，结合全面的数据预处理和增强技术，在阿尔茨海默病预测中实现了高性能 | 研究基于单一数据集(OASIS-3)，需要进一步验证在其他数据集上的泛化能力 | 开发可靠的阿尔茨海默病早期筛查模型 | 阿尔茨海默病患者的大脑MRI图像 | 计算机视觉 | 阿尔茨海默病 | MRI脑成像 | Vision Transformer (ViT) | 图像 | OASIS-3数据集中的MRI图像 | NA | 轻量级视觉变换器 | 准确率, 精确率, 召回率, 特异性, Kappa分数, AUC ROC分数 | NA |
| 7176 | 2025-10-06 |
Auxiliary Diagnosis of Pulmonary Nodules' Benignancy and Malignancy Based on Machine Learning: A Retrospective Study
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S518166
PMID:40600198
|
研究论文 | 基于机器学习模型预测肺结节良恶性的回顾性研究 | 开发了注意力机制增强的前馈神经网络(Atten_FNN)，并首次结合SHAP可解释性分析识别关键临床预测因子 | 单中心回顾性研究，跨中心泛化能力有限 | 开发非侵入性早期诊断方法，准确区分肺结节良恶性 | 3355例肺结节患者（良性1156例，恶性2199例） | 机器学习 | 肺癌 | CT影像，病理检查 | SVM, RF, XGBoost, FNN, Atten_FNN | 电子医疗记录，CT影像特征，实验室生物标志物 | 3355例患者 | NA | 前馈神经网络(带注意力机制) | AUC, 准确率, 敏感度, F1分数, 特异性 | NA |
| 7177 | 2025-10-06 |
[Research Trends Using Artificial Intelligence in the MRI from 1989 to 2023: Analysis Using Text Mining]
2025, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-1480
PMID:40603060
|
研究论文 | 通过文本挖掘分析1989-2023年间MRI领域人工智能研究的趋势 | 首次使用文本挖掘方法系统分析MRI领域人工智能研究的发展趋势和热点演变 | 仅基于PubMed数据库的论文标题进行分析，未涉及全文内容 | 可视化MRI领域人工智能相关研究领域并理解研究趋势 | 1989-2023年间PubMed数据库中MRI领域应用人工智能的论文标题 | 自然语言处理 | NA | 文本挖掘 | NA | 文本 | 2870篇论文标题 | NA | NA | Jaccard系数 | NA |
| 7178 | 2025-10-06 |
Elucidating linear programs by neural encodings
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1549085
PMID:40607448
|
研究论文 | 本文提出通过神经编码方法增强线性规划模型的可解释性 | 首次将可解释人工智能方法应用于线性规划模型，通过神经编码方式实现LP的解释 | 在低扰动水平下，Saliency和LIME归因方法难以区分 | 提高线性规划模型的可解释性，揭示输入与输出之间的关系 | 线性规划模型及其解决方案 | 机器学习 | NA | 神经编码方法 | 神经网络 | 数值数据 | 包括高达10k维度的大规模线性规划问题 | NA | NA | 归因方法评估 | NA |
| 7179 | 2025-10-06 |
Boosting the performance of molecular property prediction via graph-text alignment and multi-granularity representation enhancement
2024-11, Journal of molecular graphics & modelling
IF:2.7Q2
DOI:10.1016/j.jmgm.2024.108843
PMID:39173218
|
研究论文 | 提出一种通过图-文本对齐和多粒度表示增强来提升分子属性预测性能的方法 | 使用对比损失和交叉注意力在嵌入空间中对齐和融合图与文本特征，并整合原子、功能基团和分子层面的多粒度信息 | NA | 提高分子属性预测的准确性 | 分子 | 机器学习 | NA | 深度学习 | 多模态模型 | 图数据, 文本数据 | NA | NA | 交叉注意力机制 | 准确率 | NA |
| 7180 | 2025-10-06 |
Integrative deep learning with prior assisted feature selection
2024-09-10, Statistics in medicine
IF:1.8Q1
DOI:10.1002/sim.10148
PMID:38923006
|
研究论文 | 提出了一种结合先验信息的集成深度学习特征选择方法(PANDA)，用于生物医学数据的整合分析 | 在整合分析框架中引入专用特征选择层，并利用集成学习方法从先前研究中提取先验信息来辅助特征选择 | NA | 开发能够处理生物医学数据中'小样本大特征'挑战的整合分析方法 | 基因与疾病关系的复杂模式 | 机器学习 | 皮肤黑色素瘤 | 深度学习 | 深度学习 | 基因数据 | NA | NA | PANDA | 特征选择性能, 结果预测准确性 | NA |