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 33074 篇文献，本页显示第 7681 - 7700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7681 | 2025-10-06 |
Fundus Refraction Offset as a Personalized Biomarker for 12-Year Risk of Retinal Detachment
2025-Jul-01, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.66.9.1
PMID:40590806
|
研究论文 | 本研究探讨了新型解剖学指标眼底屈光偏移作为视网膜脱离风险的个性化生物标志物的潜力 | 首次提出眼底屈光偏移作为独立于传统屈光度数的视网膜脱离风险分层生物标志物 | 研究样本仅来自英国生物银行，需在更广泛人群中验证 | 评估眼底屈光偏移对12年内视网膜脱离风险的预测价值 | 英国生物银行中无视网膜脱离病史的参与者 | 数字病理学 | 视网膜疾病 | 深度学习，光学相干断层扫描 | 深度学习模型 | 眼底图像，光学相干断层扫描数据 | 9320名参与者（主分析），7127名参与者（亚组分析） | NA | NA | 风险比，置信区间，P值 | NA |
| 7682 | 2025-10-06 |
Language models learn to represent antigenic properties of human influenza A(H3) virus
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03275-2
PMID:40592976
|
研究论文 | 本研究比较多种机器学习方法预测甲型H3N2流感病毒HA1蛋白序列的抗原特性 | 首次将深度学习语言模型应用于流感病毒抗原特性预测，并在细粒度特征上优于传统方法 | 研究仅针对甲型H3N2流感病毒HA1蛋白，未验证其他病毒或蛋白 | 评估从流感病毒基因组信息可靠预测抗原特性的能力 | 甲型H3N2流感病毒HA1蛋白序列 | 自然语言处理 | 流感 | 基因组测序 | BiLSTM, ProtBERT | 蛋白质序列 | NA | NA | BiLSTM, ProtBERT | 抗原图谱坐标重建准确度，氨基酸替换排序准确度 | NA |
| 7683 | 2025-10-06 |
SE(3)-equivariant ternary complex prediction towards target protein degradation
2025-Jul-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-61272-5
PMID:40593782
|
研究论文 | 提出一种名为DeepTernary的SE(3)-等变深度学习模型，用于预测靶向蛋白降解中的三元复合物结构 | 首个使用SE(3)-等变编码器和基于查询的解码器的端到端深度学习方法，无需事先接触已知PROTACs即可实现最先进性能 | 未明确说明模型在更广泛蛋白质类型上的泛化能力 | 开发能够准确快速预测靶向蛋白降解三元复合物结构的计算方法 | PROTACs和分子胶降解剂(MGD)诱导形成的三元复合物结构 | 计算生物学 | NA | 深度学习 | SE(3)-等变神经网络 | 蛋白质结构数据 | 基于精心整理的TernaryDB数据库 | NA | SE(3)-等变编码器, 基于查询的解码器 | 埋藏表面积与实验降解效价指标的相关性 | NA |
| 7684 | 2025-10-06 |
Artificial intelligence derived grading of mustard gas induced corneal injury and opacity
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-08042-x
PMID:40594758
|
研究论文 | 开发基于人工智能的临床分类模型，用于客观评估活体兔眼角膜芥子气损伤和混浊程度 | 首次将AI技术应用于活体兔眼化学损伤评估，结合Mask-RCNN分割和ResNet50分类实现可靠分级 | 仅使用401张内部兔眼角膜图像，样本量有限 | 建立客观的角膜损伤分级系统以减少诊断错误并促进临床前研究转化 | 活体兔眼角膜图像 | 计算机视觉 | 角膜损伤 | 临床立体显微镜成像 | CNN, 迁移学习 | 图像 | 401张兔眼角膜图像 | TensorFlow, PyTorch | Mask-RCNN, VGG16, ResNet101, DenseNet121, InceptionV3, ResNet50 | 准确率 | NA |
| 7685 | 2025-10-06 |
Associations of street-view greenspace exposure with cardiovascular health (Life's Essential 8) among women in midlife
2025-Jul-01, Biology of sex differences
IF:4.9Q1
DOI:10.1186/s13293-025-00718-3
PMID:40598663
|
研究论文 | 本研究通过深度学习分析街景图像中的绿地暴露，探讨中年女性居住区绿地与心血管健康（Life's Essential 8）的关联 | 首次使用街景图像而非卫星数据评估地面绿地暴露，并采用综合心血管健康评分LE8体系分析多维度健康指标 | 研究对象主要为美国马萨诸塞州女性群体，样本代表性有限；观察性研究无法确定因果关系 | 探究街景绿地暴露与中年女性心血管健康的关联性 | 767名中年女性（平均年龄46-51岁） | 计算机视觉 | 心血管疾病 | 深度学习算法分析街景图像 | 深度学习模型 | 街景图像、问卷调查、血液检测数据 | 767名女性参与者 | NA | NA | 线性回归系数(β)、95%置信区间 | NA |
| 7686 | 2025-10-06 |
Advancing Spike Sorting Through Gradient-Based Preprocessing and Nonlinear Reduction With Agglomerative Clustering
2025-Jul, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.70650
PMID:40607611
|
研究论文 | 提出一种基于梯度预处理和非线性降维结合凝聚聚类的尖峰排序方法 | 引入数学技术进行数据预处理，结合非线性变换（UMAP和谱嵌入）优化尖峰波形特征提取 | NA | 开发高精度的全自动尖峰排序方法 | 神经系统单个神经元产生的电事件（尖峰） | 机器学习 | NA | 尖峰排序 | 无监督聚类 | 电生理信号 | NA | NA | UMAP, 谱嵌入, 基于密度的聚类算法 | 准确率 | NA |
| 7687 | 2025-07-06 |
Deep learning approaches for attenuation correction in myocardial perfusion imaging
2025-Jul, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2025.102277
PMID:40615168
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7688 | 2025-10-06 |
An Integrated Framework for Automated Image Segmentation and Personalized Wall Stress Estimation of Abdominal Aortic Aneurysms
2025-Jun-12, Research square
DOI:10.21203/rs.3.rs-6630234/v1
PMID:40585219
|
研究论文 | 提出一个集成框架，用于自动分割腹主动脉瘤CTA图像并估算个性化血管壁应力 | 结合基于块的扩张改进U-Net模型、NURBS优化分割和NEMA应力分析，实现高效精准的AAA计算分析 | 未明确说明模型在多样化数据集上的泛化能力及临床验证结果 | 开发自动化AAA图像分割和血管壁应力估算方法 | 腹主动脉瘤患者的CTA影像数据 | 医学图像分析 | 心血管疾病 | 计算机断层扫描血管造影(CTA) | CNN | 医学图像 | NA | NA | 改进的U-Net | 处理速度(每帧17±0.02毫秒) | NA |
| 7689 | 2025-10-06 |
Fine-Grained Classification of Pressure Ulcers and Incontinence-Associated Dermatitis Using Multimodal Deep Learning: Algorithm Development and Validation Study
2025-May-01, JMIR AI
DOI:10.2196/67356
PMID:40605794
|
研究论文 | 开发并验证用于压力性损伤和失禁性皮炎细粒度分类的多模态深度学习框架 | 首次提出结合伤口图像和分类患者数据的多模态深度学习框架，实现压力性损伤和失禁性皮炎的精确区分和细粒度分类 | 细粒度分类性能仍有提升空间，IAD分类F1分数相对较低，需要进一步扩展数据集多样性 | 开发能够准确区分压力性损伤和失禁性皮炎并对其伤口严重程度进行细粒度分类的深度学习模型 | 压力性损伤和失禁性皮炎的伤口图像 | 计算机视觉 | 皮肤疾病 | 深度学习 | CNN, Transformer | 图像, 分类患者数据 | 1555张伤口图像 | NA | TinyViT, ConvNeXtV2 | F1-score, 准确率, 精确率, 召回率 | NA |
| 7690 | 2025-10-06 |
Comparison of Deep Learning Approaches Using Chest Radiographs for Predicting Clinical Deterioration: Retrospective Observational Study
2025-Apr-10, JMIR AI
DOI:10.2196/67144
PMID:40605772
|
研究论文 | 本研究比较了不同计算机视觉模型和数据增强方法在利用胸部X光片预测临床恶化风险方面的性能 | 首次系统比较五种深度学习架构和四种数据增强方法在胸部X光片预测临床恶化中的应用效果 | 回顾性观察研究设计，仅包含单一医疗系统的数据 | 验证和比较不同计算机视觉模型预测住院患者临床恶化的能力 | 威斯康星大学卫生系统2009-2020年住院的成年患者 | 计算机视觉 | 呼吸系统疾病 | 胸部X光摄影 | CNN, Transformer | 医学影像 | 21,817例患者入院记录，其中1,655例(7.6%)发生临床恶化 | NA | VGG16, DenseNet121, Vision Transformer, ResNet50, Inception V3 | AUROC, AUPRC | NA |
| 7691 | 2025-10-06 |
Deep learning-based reconstruction for three-dimensional volumetric brain MRI: a qualitative and quantitative assessment
2025-Mar-27, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01647-8
PMID:40148785
|
研究论文 | 评估基于自适应压缩感知网络的深度学习重建方法在脑部MRI中的性能表现 | 首次将深度学习重建与压缩感知技术结合应用于三维脑部MRI，实现扫描时间减半而不损失图像质量 | 样本量较小（10名健康志愿者和22名患者），需要更大规模研究验证 | 验证深度学习重建方法在脑部MRI扫描时间优化和图像质量保持方面的效果 | 健康志愿者和临床患者的三维脑部MRI数据 | 医学影像分析 | 脑部疾病 | 磁共振成像，压缩感知技术 | 深度学习重建网络 | 三维脑部MRI图像 | 10名健康志愿者和22名患者 | NA | 自适应压缩感知网络 | 图像质量评分，信噪比，锐度，解剖结构清晰度，伪影评估，体积测量准确性 | NA |
| 7692 | 2025-10-06 |
Deep learning and explainable artificial intelligence for investigating dental professionals' satisfaction with CAD software performance
2025-Feb, Journal of prosthodontics : official journal of the American College of Prosthodontists
DOI:10.1111/jopr.13900
PMID:39010644
|
研究论文 | 使用深度学习和可解释人工智能研究牙科专业人员对CAD软件性能的满意度 | 首次将深度学习和可解释人工智能相结合用于牙科领域的行为分析，通过MLP-ANN模型和XAI方法揭示影响用户满意度的关键因素 | 研究样本仅限于436名牙科专业人员，未涉及更广泛的用户群体 | 调查牙科专业人员对CAD软件性能的满意度及其影响因素 | 牙科学生、牙医和牙科技师 | 机器学习 | NA | 行为分析 | MLP-ANN | 问卷调查数据 | 436名牙科专业人员 | NA | 多层感知器人工神经网络 | 准确率,精确率,召回率 | NA |
| 7693 | 2025-10-06 |
Few-shot network intrusion detection method based on multi-domain fusion and cross-attention
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327161
PMID:40601763
|
研究论文 | 提出一种基于多域融合和交叉注意力的小样本网络入侵检测方法 | 结合多域特征融合与双向交叉注意力机制，采用双分支特征提取器捕获空间和频域特征，并引入基于改进Mamba架构的分层特征编码模块 | NA | 解决现实场景中攻击样本有限和域偏移显著导致检测性能下降的问题 | 网络流量数据 | 机器学习 | NA | 二维离散余弦变换(2D-DCT) | 深度学习 | 网络流量序列 | CICIDS2017和CICIDS2018两个基准数据集 | NA | 双分支特征提取器, 双向交叉注意力模块, 改进Mamba架构 | 准确率 | NA |
| 7694 | 2025-10-06 |
Feasibility of real-time artificial intelligence-assisted anatomical structure recognition during endoscopic submucosal dissection
2025, Endoscopy international open
IF:2.2Q2
DOI:10.1055/a-2615-8008
PMID:40611836
|
研究论文 | 评估实时人工智能辅助内镜黏膜下剥离术中解剖结构识别的可行性 | 首次开发用于ESD手术的实时AI解剖结构识别系统，提供术中定向支持 | 概念验证研究，样本量有限，需要进一步研究确认临床效益 | 提高内镜黏膜下剥离术的安全性和手术速度 | 猪模型中的内镜黏膜下剥离手术 | 计算机视觉 | NA | 内镜成像 | 深度学习 | 图像 | 30例ESD手术的1011张内镜静态图像，12例猪模型ESD手术 | NA | NA | Dice系数 | NA |
| 7695 | 2025-10-06 |
Update of machine learning for ultrasound diagnosis of metabolic dysfunction-associated steatotic liver disease: a bright future for deep learning
2025, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.19645
PMID:40611943
|
综述 | 本文综述并分析了机器学习算法在代谢功能障碍相关脂肪性肝病超声诊断中的应用，特别关注深度学习的优势与潜力 | 重点关注深度学习在超声诊断中的图像识别和分类能力，强调AI在该领域的应用前景 | NA | 提高诊断准确性，扩大初级保健中的MASLD筛查，支持早期诊断、预防和治疗 | 代谢功能障碍相关脂肪性肝病(MASLD) | 医学影像分析 | 代谢功能障碍相关脂肪性肝病 | 超声诊断 | 深度学习 | 超声影像 | NA | NA | NA | NA | NA |
| 7696 | 2025-10-06 |
Identification of atrial fibrillation using heart rate variability: a meta-analysis
2025, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2025.1581683
PMID:40612371
|
荟萃分析 | 通过心率变异性识别心房颤动的荟萃分析研究 | 首次系统评估人工智能算法利用心率变异性模式识别心房颤动的诊断性能 | 仅纳入12项诊断研究，样本来源和算法类型存在异质性 | 评估基于心率变异性的人工智能算法在心房颤动识别中的诊断准确性 | 心房颤动患者的心率变异性数据 | 机器学习 | 心血管疾病 | 心率变异性分析 | 深度学习算法 | 心电图数据 | 来自12项诊断研究的汇总数据 | NA | NA | 灵敏度, 特异度, AUC | NA |
| 7697 | 2025-10-06 |
Biologically inspired hybrid model for Alzheimer's disease classification using structural MRI in the ADNI dataset
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1590599
PMID:40612382
|
研究论文 | 提出一种混合CNN-SNN架构，利用ADNI数据集中的结构MRI数据进行阿尔茨海默病阶段分类 | 首次将卷积神经网络与脉冲神经网络结合，通过SNN模拟神经退行性疾病的时间动态特性，即使使用静态sMRI输入 | 研究仅基于ADNI数据集，需要外部验证；模型性能在移除SNN模块时显著下降 | 开发生物启发的计算模型以改进阿尔茨海默病的早期诊断和分期 | 阿尔茨海默病患者、轻度认知障碍患者和认知正常受试者 | 医学影像分析 | 阿尔茨海默病 | 结构MRI | CNN, SNN | 医学影像 | ADNI数据集中的三类受试者（AD、MCI、CN） | NA | 混合CNN-SNN架构，使用泄漏积分发放神经元 | 准确率, 精确率, 召回率, F1分数 | NA |
| 7698 | 2025-10-06 |
Comparing machine learning models with a focus on tone in grooming chat logs
2025, Frontiers in pediatrics
IF:2.1Q2
DOI:10.3389/fped.2025.1591828
PMID:40612489
|
研究论文 | 本研究比较深度学习模型与传统机器学习模型在检测网络聊天室中儿童诱骗对话的效果，并分析诱骗者使用的语气对检测能力的影响 | 首次将大型语言模型LLaMA 3.2 1B应用于儿童诱骗检测，并系统分析不同语气（积极/消极）对检测性能的影响 | 研究仅基于PAN12聊天日志数据集，可能无法涵盖所有类型的诱骗对话模式 | 提高自动检测网络儿童诱骗对话的能力，保护儿童在线安全 | 网络聊天室中的儿童诱骗对话和诱骗者 | 自然语言处理 | NA | 情感分类，深度学习 | SVM, 大型语言模型 | 文本聊天记录 | PAN12聊天日志数据集中的诱骗对话 | NA | DistilBERT, LLaMA 3.2 1B | 精确率, 召回率, F1分数 | NA |
| 7699 | 2025-10-06 |
Transfer deep learning and explainable AI framework for brain tumor and Alzheimer's detection across multiple datasets
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1618550
PMID:40612575
|
研究论文 | 提出一种结合迁移学习和可解释AI的框架，用于跨多个数据集的脑肿瘤和阿尔茨海默病检测 | 将迁移学习与可解释AI技术相结合，采用混合CNN-VGG16模型，并通过SHAP提供模型决策过程的透明视图 | NA | 提高MRI图像分类的准确性，增强医疗领域AI应用的可信度 | 脑肿瘤和阿尔茨海默病的MRI图像 | 计算机视觉 | 脑肿瘤,阿尔茨海默病 | MRI | CNN,VGG16 | 图像 | 三个不同的MRI数据集（脑肿瘤分类、阿尔茨海默病检测和另一个脑肿瘤数据集） | NA | CNN-VGG16混合模型 | 准确率 | NA |
| 7700 | 2025-10-06 |
Corn variety identification based on improved EfficientNet lightweight neural network
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1603073
PMID:40612609
|
研究论文 | 提出改进的EfficientNet轻量级神经网络模型用于玉米果穗品种识别 | 减少EfficientNetB0模型的MBConv模块数量，引入CBAM注意力机制和空洞卷积增强特征提取能力 | 仅针对5个玉米品种进行验证，样本多样性有限 | 实现玉米果穗的智能筛选和品种知识产权保护 | 玉米果穗图像 | 计算机视觉 | NA | 深度学习 | CNN | RGB图像 | 6529张玉米果穗图像，涵盖5个品种 | NA | EfficientNetB0, MBConv, CBAM, SCD_EFTNet | Recall, Precision, mAP, 推理时间 | NA |