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 781 - 800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2025-10-05 |
Deep-Learning-Driven High Spatial Resolution Attenuation Imaging for Ultrasound Tomography (AI-UT)
2025-09, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3592578
PMID:40705570
|
研究论文 | 提出基于深度学习的高空间分辨率超声衰减成像方法，用于乳腺超声断层扫描 | 利用声速与衰减的空间相关性作为模型约束，结合深度学习实现高分辨率衰减成像 | NA | 开发高空间分辨率、低方差的超声衰减成像方法 | 人体乳腺组织 | 医学影像处理 | 乳腺癌 | 超声断层扫描 | 深度学习 | 射频数据 | 来自QTI BACT扫描仪的60个角度视图数据 | NA | NA | 空间分辨率，方差 | NA |
| 782 | 2025-10-05 |
Can AI find the cavities in caries prediction and diagnosis?
2025-Sep, Evidence-based dentistry
DOI:10.1038/s41432-025-01181-0
PMID:40715738
|
评论 | 对人工智能在儿童早期龋齿检测和预测中应用的系统性综述与荟萃分析进行评论 | 首次对AI在儿童早期龋齿检测和预测领域进行系统性综述与定量荟萃分析 | 仅纳入英文文献，部分研究全文不可获取，样本量有限（21项研究） | 评估人工智能在儿童早期龋齿检测和预测中的效果与应用潜力 | 儿童早期龋齿（ECC） | 机器学习 | 龋齿 | 机器学习（ML）、深度学习（DL）、神经网络（NN） | 深度学习算法 | 医学影像数据 | 21项研究（7项检测研究，14项预测研究） | NA | NA | 准确率、灵敏度、特异性、汇总接收者操作特征曲线 | NA |
| 783 | 2025-10-05 |
Collaborative Integration of AI and Human Expertise to Improve Detection of Chest Radiograph Abnormalities
2025-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.240277
PMID:40668130
|
研究论文 | 开发了一种融合眼动数据和放射学报告的协作AI系统，用于改善胸部X光片异常检测并纠正感知错误 | 首次将眼动追踪数据与放射学报告相结合，通过多模态大模型识别和纠正放射科医生的感知错误 | 使用模拟错误数据集而非真实临床环境，错误类型有限且样本量相对较小 | 提高胸部X光片异常检测的诊断准确性 | 胸部X光片中的异常区域 | 计算机视觉 | 胸部疾病 | 眼动追踪，多模态分析 | CNN，深度学习 | 图像，眼动数据，文本报告 | 来自REFLACX和EGD-CXR公共数据集的332个异常样本 | NA | 多模态大模型 | 准确率，置信区间，满意度比例 | NA |
| 784 | 2025-10-05 |
Deciphering the unique autoregulatory mechanisms and substrate specificity of the understudied DCLK3 kinase linked to neurodegenerative diseases
2025-Sep-01, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2025.110664
PMID:40902973
|
研究论文 | 本研究揭示了未充分研究的DCLK3激酶在神经退行性疾病中的独特自调控机制和底物特异性 | 首次发现DCLK3通过自磷酸化其截短尾部实现与催化结构域的结合，这一调控机制不同于其旁系同源物DCLK1；并成功预测并验证了Tau蛋白作为DCLK3的潜在底物 | 研究主要基于体外实验和计算预测，需要进一步在体内模型中验证DCLK3的功能机制 | 阐明DCLK3激酶的自调控机制和底物特异性，探索其在神经退行性疾病中的治疗潜力 | DCLK3激酶及其与Tau蛋白的相互作用 | 计算生物学 | 神经退行性疾病 | 深度学习模型、肽库数据集、体外测定、质谱分析 | 深度学习 | 肽序列数据、质谱数据 | NA | NA | NA | NA | NA |
| 785 | 2025-10-05 |
[Extracorporeal Membrane Oxygenation( ECMO) as an Emerging Technology:Present and Future]
2025-Sep, Kyobu geka. The Japanese journal of thoracic surgery
PMID:40998332
|
综述 | 本文从临床医生视角综述体外膜肺氧合(ECMO)技术的最新进展与未来发展方向 | 介绍了新型硅胶膜肺与MPC聚合物涂层在大型动物模型中实现长达100天无血栓支持，以及人工智能在实时决策和生存预测中的应用探索 | NA | 探讨ECMO作为新兴技术的发展现状与未来趋势 | ECMO相关技术设备与临床应用 | 医疗技术 | 呼吸循环衰竭 | 体外膜肺氧合, 表面涂层技术, 人工智能 | 深度学习 | NA | 大型动物模型 | NA | NA | 设备使用寿命, 血栓形成情况 | NA |
| 786 | 2025-10-05 |
DM-Net: a physics-model-independent direct mapping approach for calibration-free multi-coil MRI
2025-Sep-01, Research square
DOI:10.21203/rs.3.rs-7174070/v1
PMID:40951291
|
研究论文 | 提出一种不依赖物理模型的直接映射方法DM-Net，用于无需校准的多线圈MRI重建 | 首次提出不显式使用线圈敏感度的物理模型独立直接映射方法，无需预计算线圈敏感度即可实现最优重建 | 仅在17名受试者的5440张图像上进行训练和测试，样本规模有限 | 开发无需校准的多线圈磁共振图像重建方法 | 多线圈磁共振图像 | 医学影像重建 | NA | 3DFT（傅里叶变换） | CNN | 医学影像 | 17名受试者的5440张图像 | NA | 密集连接卷积网络 | NA | NA |
| 787 | 2025-10-05 |
A machine learning approach for automated injuries classification on postmortem images
2025-Sep-01, Journal of forensic and legal medicine
IF:1.2Q3
DOI:10.1016/j.jflm.2025.102955
PMID:41016353
|
研究论文 | 本研究开发了一种基于机器学习的自动化方法，用于在尸体图像上对瘀伤和擦伤两类损伤进行语义分割 | 首次将U-Net、FPN和LinkNet三种深度学习架构与EfficientNetB3和ResNet50骨干网络结合应用于尸体损伤分类，并采用自定义损失函数结合图像变换和类别平衡技术的优化策略 | 仅针对瘀伤和擦伤两类损伤进行研究，未涵盖其他类型损伤 | 开发自动化尸体损伤分类的人工智能方法 | 尸体损伤图像中的瘀伤和擦伤 | 计算机视觉 | NA | 图像分析 | 深度学习 | 图像 | NA | NA | U-Net,FPN,LinkNet,EfficientNetB3,ResNet50 | 灵敏度,特异度 | NA |
| 788 | 2025-10-05 |
TCM-navigator, a deep learning-based workflow for generation and evaluation of traditional Chinese medicine-like compounds for drug development
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf498
PMID:41004131
|
研究论文 | 开发基于深度学习的TCM-navigator工作流，用于生成和评估类中药化合物以促进药物开发 | 首个专门针对中药特性设计的定量评估模型TCM-Identifier，以及能够生成370万类中药分子的TCM-Generator | 未明确说明模型在真实药物开发场景中的验证效果和临床应用限制 | 解决中药研究中数据稀缺、网络复杂和数据表示不一致等问题，促进中药现代化药物开发 | 中药样分子化合物 | 机器学习 | NA | 深度学习，化学语言模型 | LSTM, 消息传递神经网络 | 化学分子数据 | 生成370万个类中药分子 | AttentiveFP | LSTM, AttentiveFP | NA | NA |
| 789 | 2025-10-05 |
Multi-Omics Feature Selection to Identify Biomarkers for Hepatocellular Carcinoma
2025-Aug-28, Metabolites
IF:3.4Q2
DOI:10.3390/metabo15090575
PMID:41002959
|
研究论文 | 本研究通过多组学特征选择方法识别肝细胞癌的生物标志物 | 提出了一种结合递归特征选择和基于Transformer深度学习模型的新方法，用于多组学数据整合分析 | 样本量有限，需要在更大独立队列中验证发现的生物标志物 | 识别肝细胞癌的新型生物标志物以改善早期检测 | 肝细胞癌患者和肝硬化患者的血清样本 | 机器学习 | 肝细胞癌 | 非靶向和靶向质谱分析 | Transformer | 多组学数据 | 肝细胞癌病例和肝硬化对照的血清样本 | NA | Transformer | NA | NA |
| 790 | 2025-10-05 |
ERLD-HC: Entropy-Regularized Latent Diffusion for Harmony-Constrained Symbolic Music Generation
2025-Aug-25, Entropy (Basel, Switzerland)
DOI:10.3390/e27090901
PMID:41008027
|
研究论文 | 提出一种结合变分自编码器、潜在扩散模型和熵正则化条件随机场的符号音乐生成框架ERLD-HC | 在扩散过程的UNet交叉注意力层引入熵正则化CRF模块，实现谐波条件控制，平衡算法驱动方法的理论正确性与基于规则方法的灵活性 | 尚未提供直接的外部弦条件控制 | 解决符号音乐生成中违反音乐规则的问题，特别是谐波结构控制 | 符号音乐 | 机器学习 | NA | 深度学习 | VAE, Diffusion, CRF | MIDI符号音乐数据 | Lakh MIDI数据集 | NA | UNet | 谐波规则违反率, 旋律自然度 | NA |
| 791 | 2025-10-05 |
Convolutional slime mold deep learning model for diagnosis of PD
2025-Aug-20, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2542942
PMID:40835536
|
研究论文 | 开发了一种基于增强卷积黏菌注意力模型的帕金森病诊断系统，通过语音分析实现疾病检测 | 提出增强卷积黏菌注意力(ECSMA)模型，结合卡方特征统计进行特征选择，优化帕金森病诊断效果 | NA | 开发高效的帕金森病检测方案，降低医疗成本并识别疾病发展阶段 | 人类语音录音 | 机器学习 | 帕金森病 | 语音分析 | 深度学习 | 语音录音 | NA | NA | 增强卷积黏菌注意力模型(ECSMA) | NA | NA |
| 792 | 2025-10-05 |
Molecular origin of the differential stabilities of the protofilaments in different polymorphs: molecular dynamics simulation and deep learning
2025-Aug, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2427364
PMID:39552194
|
研究论文 | 通过分子动力学模拟和深度学习研究α-突触核蛋白不同多晶型中原丝差异稳定性的分子机制 | 结合分子动力学模拟和深度神经网络分析，首次揭示了不同多晶型中四级结构排列如何通过反馈回路影响残基关键作用的分子机制 | 研究聚焦于特定片段和突变，可能无法完全代表所有α-突触核蛋白多晶型的复杂性 | 探究α-突触核蛋白不同多晶型结构稳定性的分子基础及其与帕金森病的关联 | α-突触核蛋白片段及其E46K突变体在不同多晶型（棒状和螺旋状）中的构象行为 | 机器学习 | 帕金森病 | 分子动力学模拟 | DNN | 分子构象数据 | NA | NA | 深度神经网络 | NA | NA |
| 793 | 2025-10-05 |
A novel deep learning model for diabetic retinopathy detection in retinal fundus images using pre-trained CNN and HWBLSTM
2025-Aug, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2314269
PMID:38373067
|
研究论文 | 提出一种结合预训练CNN和HWBLSTM的深度学习模型，用于从视网膜眼底图像中检测糖尿病视网膜病变 | 提出HWBLSTM（He加权双向长短期记忆网络）结合迁移学习的新方法，并采用HGFPDFGC预处理技术和EGORGA分割算法 | 仅使用APTOS和MESSIDOR两个数据集进行验证，未提及在其他数据集上的泛化能力 | 开发糖尿病视网膜病变的自动检测和分级系统 | 糖尿病视网膜病变患者 | 计算机视觉 | 糖尿病视网膜病变 | 视网膜眼底成像 | CNN, LSTM | 图像 | APTOS和MESSIDOR数据集（具体数量未提及） | NA | Squeeze Net, HWBLSTM | 准确率，计算开销 | NA |
| 794 | 2025-10-05 |
Integrating Artificial Intelligence in Dermatological Cancer Screening and Diagnosis: Efficacy, Challenges, and Future Directions
2025-08, Annual review of biomedical data science
IF:7.0Q1
|
综述 | 探讨人工智能在皮肤癌筛查和诊断中的整合应用，分析其效能、挑战及未来发展方向 | 系统性地整合了AI在皮肤癌诊断中的临床应用前景，并首次深入探讨了视觉语言模型在该领域的潜在价值 | 缺乏具体临床验证数据，主要基于文献综述而非原始研究 | 评估人工智能技术在皮肤癌筛查和诊断中的应用效果与挑战 | 皮肤癌筛查和诊断过程 | 计算机视觉 | 皮肤癌 | 深度学习 | 视觉语言模型 | 皮肤病图像 | NA | NA | NA | NA | NA |
| 795 | 2025-10-05 |
Embedding Methods for Electronic Health Record Research
2025-08, Annual review of biomedical data science
IF:7.0Q1
|
综述 | 本文系统阐述嵌入方法在电子健康记录数据分析与研究中的应用价值及实施策略 | 全面梳理多种嵌入技术（词嵌入、图嵌入等）在医疗数据整合与分析中的创新应用，并建立嵌入质量评估框架 | 未涉及具体临床实施案例的定量分析，缺乏对不同医疗系统适配性的深入探讨 | 探索嵌入技术如何提升电子健康记录数据在机器学习模型中的效用 | 电子健康记录中的多维度、非结构化医疗数据 | 自然语言处理, 机器学习 | NA | 词嵌入, 图嵌入, 深度学习 | 深度学习模型 | 电子健康记录文本数据 | NA | NA | NA | 与传统模型对比的性能评估 | NA |
| 796 | 2025-10-05 |
Artificial intelligence-augmented ultrasound diagnosis of follicular-patterned thyroid neoplasms: a multicenter retrospective study
2025-Aug, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103351
PMID:40697959
|
研究论文 | 开发并验证基于深度学习的人工智能系统用于滤泡型甲状腺肿瘤的术前超声诊断 | 提出新颖的OverLoCK模型（Overview-first-Look-Closely-next ConvNet with Context-Mixing Dynamic Kernels），通过多中心大样本数据验证AI在甲状腺肿瘤诊断中的应用价值 | 回顾性研究设计，需要进一步的前瞻性研究在真实临床环境中验证结果 | 提高滤泡型甲状腺肿瘤的术前诊断准确性，减少不必要的手术干预 | 滤泡型甲状腺肿瘤患者，包括甲状腺滤泡腺瘤、滤泡癌和滤泡亚型乳头状甲状腺癌 | 计算机视觉 | 甲状腺癌 | 超声成像 | CNN | 图像 | 3817名患者，9393张超声图像（来自中国11个中心） | NA | OverLoCK | AUC,准确率,敏感性,特异性,阳性预测值,阴性预测值,F1分数 | NA |
| 797 | 2025-10-05 |
Age Sensitive Hippocampal Functional Connectivity: New Insights from 3D CNNs and Saliency Mapping
2025-Jul-02, ArXiv
PMID:41019221
|
研究论文 | 本研究开发了一种可解释的深度学习框架，通过3D CNN和显著性映射预测基于海马功能连接的大脑年龄 | 结合3D CNN和LayerCAM显著性映射技术，首次实现对海马功能连接年龄敏感模式的可视化解读 | 研究主要关注海马功能连接，未考虑其他脑区或分子机制对大脑老化的影响 | 探索海马功能连接随年龄变化的功能重组机制 | 人类海马体及其与皮层区域的功能连接 | 医学影像分析 | 老年疾病 | 功能磁共振成像（fMRI），种子点功能连接分析 | 3D CNN | 3D脑功能连接图像 | NA | NA | 3D CNN | NA | NA |
| 798 | 2025-10-05 |
Characterizing control between interacting subsystems with deep Jacobian estimation
2025-Jul-02, ArXiv
PMID:41019219
|
研究论文 | 提出一种基于深度学习的非线性控制理论框架，通过Jacobian矩阵表征生物子系统间的相互作用 | 开发JacobianODE方法直接从时间序列数据估计任意动力系统的Jacobian矩阵，克服了传统线性方法的局限性 | 未明确说明方法在更广泛生物系统中的适用性限制 | 理解生物子系统间的控制机制和相互作用 | 生物子系统相互作用，包括脑区网络和基因调控网络 | 机器学习 | NA | 深度学习，时间序列分析 | 深度学习，RNN | 时间序列数据 | NA | NA | JacobianODE | NA | NA |
| 799 | 2025-10-05 |
Fetal Sleep: A Cross-Species Review of Physiology, Measurement, and Classification
2025-Jun-27, ArXiv
PMID:41019222
|
综述 | 本文系统回顾了胎儿睡眠的生理特征、测量方法和分类技术，并比较了人类与大型动物模型的睡眠模式差异 | 首次跨物种综合比较胎儿睡眠模式，系统梳理八十年来的研究成果，并提出开发客观多模态非侵入性胎儿睡眠监测技术的方向 | 主要基于文献回顾，缺乏原始实验数据验证 | 为开发胎儿睡眠监测技术提供理论基础，支持产前护理的早期诊断和干预 | 人类胎儿和大型动物模型的胎儿睡眠 | 生物医学工程 | 胎儿发育异常 | 侵入性动物实验技术、非侵入性人类监测方法 | 基于规则的方法、深度学习 | 生理信号数据 | NA | NA | NA | NA | NA |
| 800 | 2025-10-05 |
Improving spliced alignment by modeling splice sites with deep learning
2025-Jun-15, ArXiv
PMID:40980762
|
研究论文 | 通过深度学习建模剪接位点来改进剪接比对方法 | 使用一维卷积神经网络学习剪接信号，首次将深度学习模型整合到剪接比对工具中 | 目前主要针对脊椎动物和昆虫基因组，在其他物种上的适用性有待验证 | 提高剪接比对的准确性，特别是在处理噪声长读长RNA-seq数据和远缘同源蛋白时 | 脊椎动物和昆虫基因组的剪接位点 | 生物信息学 | NA | RNA-seq，蛋白质序列比对 | CNN | 基因组序列，RNA-seq数据，蛋白质序列 | NA | NA | 1D-CNN | 连接点准确率 | NA |