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 32373 篇文献，本页显示第 7221 - 7240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7221 | 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 |
| 7222 | 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 |
| 7223 | 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 |
| 7224 | 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 |
| 7225 | 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 |
| 7226 | 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 |
| 7227 | 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 |
| 7228 | 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 |
| 7229 | 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 |
| 7230 | 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 |
| 7231 | 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 |
| 7232 | 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 |
| 7233 | 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 |
| 7234 | 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 |
| 7235 | 2025-10-06 |
deepAFT: A nonlinear accelerated failure time model with artificial neural network
2024-08-30, Statistics in medicine
IF:1.8Q1
DOI:10.1002/sim.10152
PMID:38894557
|
研究论文 | 提出基于深度人工神经网络的非线性加速失效时间模型deepAFT方法用于生存分析 | 首次将深度人工神经网络应用于加速失效时间模型框架，能够处理各种非线性形式的协变量效应 | 未明确说明模型计算复杂度和训练时间要求 | 开发更准确和灵活的非线性生存分析模型 | 生存结果数据与解释变量之间的关系建模 | 机器学习 | 淋巴瘤 | 生存分析 | 人工神经网络 | 生存数据 | NA | NA | 深度人工神经网络 | 预测准确度 | NA |
| 7236 | 2025-10-06 |
An explainable long short-term memory network for surgical site infection identification
2024-07, Surgery
IF:3.2Q1
DOI:10.1016/j.surg.2024.03.006
PMID:38616153
|
研究论文 | 提出一种可解释的长短期记忆网络模型用于从电子健康记录中识别手术部位感染 | 在LSTM模型中引入注意力机制增强模型的可解释性，相比传统机器学习方法在敏感度方面有显著提升 | 数据来源于单一医疗系统，可能影响模型的泛化能力 | 开发自动化的手术部位感染监测系统以减少人工图表审查的工作量 | 犹他大学医疗系统2016年1月至2021年6月的9,185例手术事件 | 自然语言处理 | 手术部位感染 | 电子健康记录分析 | LSTM | 结构化数据和临床笔记 | 9,185例手术事件，其中4.7%存在手术部位感染 | NA | 长短期记忆网络（LSTM） | AUC, 敏感度 | NA |
| 7237 | 2025-10-06 |
Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT
2024-Jun-27, Research square
DOI:10.21203/rs.3.rs-4536158/v1
PMID:38978567
|
研究论文 | 开发了一种名为TACIT的无监督细胞注释算法，用于大规模空间生物学中的细胞类型和状态识别 | 提出无需训练数据的无监督算法，使用预定义特征进行细胞注释，通过无偏阈值区分阳性细胞与背景 | NA | 解决空间生物学中细胞类型和状态识别的挑战 | 细胞类型和细胞状态 | 空间生物学 | 炎症性腺体疾病 | 空间转录组学、空间蛋白质组学、多组学检测 | 无监督算法 | 空间生物学数据 | 5个数据集，包含5,000,000个细胞，51种细胞类型 | NA | TACIT | 准确性、可扩展性 | NA |
| 7238 | 2025-10-06 |
Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT
2024-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.31.596861
PMID:38895230
|
研究论文 | 开发了一种名为TACIT的无监督细胞注释算法，用于大规模空间生物学中的细胞类型和状态识别 | 提出无需训练数据的无监督算法，使用预定义特征和无偏阈值区分阳性细胞与背景，专注于相关标记识别多组学检测中的模糊细胞 | NA | 解决空间生物学中细胞类型和状态识别的耗时和易出错问题 | 细胞类型和细胞状态 | 空间生物学 | 炎症性腺体疾病 | 空间转录组学、空间蛋白质组学、多组学检测 | 无监督算法 | 空间生物学数据 | 5个数据集（5,000,000个细胞；51种细胞类型）来自三个生态位（脑、肠道、腺体） | NA | TACIT | 准确性、可扩展性 | NA |
| 7239 | 2025-10-06 |
Decoding biological age from face photographs using deep learning
2023-Sep-12, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.09.12.23295132
PMID:37745558
|
研究论文 | 开发并验证了从面部照片估计生物年龄的深度学习系统FaceAge | 首次使用深度学习从面部照片客观量化生物年龄，并验证其在癌症预后和临终决策中的临床价值 | 研究主要基于癌症患者，在其他疾病中的适用性需要进一步验证 | 开发能够从面部照片估计生物年龄的深度学习系统，并评估其临床效用 | 健康人群和癌症患者的面部照片 | 计算机视觉 | 癌症 | 深度学习 | 深度学习模型 | 图像 | 58,851名健康个体和6,196名癌症患者 | NA | FaceAge | 生存分析，临床预测模型性能 | NA |
| 7240 | 2025-10-06 |
Construction of a Fritillaria alkaloids database to develop a multi-dimensional matching strategy for comprehensive annotation of known and unknown components
2025-Oct, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.116827
PMID:40597534
|
研究论文 | 本研究构建了贝母生物碱多维数据库FasMID，并开发了整合四维结构信息的多维匹配策略，用于已知和未知成分的全面注释 | 开发了将固相萃取与LC/IM-QTOF-MS结合的维度增强方法，建立了包含248种贝母生物碱的多维数据库，提出了整合多维特征匹配策略 | 预测精度有待通过扩大样本来源和优化深度学习算法进一步提升 | 开发贝母生物碱的精确表征方法，提高已知和未知成分的鉴定准确性 | 贝母中的生物碱成分 | 机器学习 | NA | 固相萃取,液相色谱/离子淌度-四极杆飞行时间质谱 | 机器学习,深度学习 | 质谱数据,碰撞截面数据 | 248种贝母生物碱 | NA | NA | 鉴定准确率 | NA |