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 |
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 |
| 782 | 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 |
| 783 | 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 |
| 784 | 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 |
| 785 | 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 |
| 786 | 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 |
| 787 | 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 |
| 788 | 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 |
| 789 | 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 |
| 790 | 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 |
| 791 | 2025-10-05 |
Modality-AGnostic Image Cascade (MAGIC) for Multi-Modality Cardiac Substructure Segmentation
2025-Jun-12, ArXiv
PMID:40980770
|
研究论文 | 提出一种模态无关图像级联方法用于多模态心脏亚结构分割 | 通过复制nnU-Net编码解码分支实现单一模型处理多模态数据，解决深度学习在跨模态和重叠结构分割中的泛化问题 | 在57%情况下优于对比模型，但统计差异有限 | 开发能够跨模态分割心脏亚结构的深度学习模型 | 20个心脏亚结构（心脏、心腔、大血管、瓣膜、冠状动脉和传导节点） | 数字病理 | 心血管疾病 | CT, MR-Linac, CCTA | U-Net | 医学影像 | 训练集76例，验证集15例，测试集30例 | nnU-Net | U-Net | Dice相似系数, Wilcoxon符号秩检验 | NA |
| 792 | 2025-10-05 |
Deep Learning of Cellular Metabolic Flux Distributions Predicts Lifespan
2025-May-27, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.22.623650
PMID:39651232
|
研究论文 | 本研究通过深度学习分析酵母代谢通量分布来预测寿命差异 | 首次发现代谢网络冗余性是寿命差异的根本原因，并识别出控制衰老速率的核心反应网络 | 研究仅限于单倍体酵母细胞，尚未在更复杂生物体中验证 | 探究遗传相同生物在相同环境下寿命差异的根本机制 | 单倍体单细胞酵母 | 机器学习 | 衰老相关疾病 | 代谢网络建模，基因敲除 | RNN, CfNN, CNN | 代谢通量分布数据，图像化通量数据 | 812个可行突变体，66,400个单个细胞，406,500个通量分布 | NA | 回归神经网络，分类神经网络，卷积神经网络 | NA | NA |
| 793 | 2025-10-05 |
Estimation of 3D Ground Reaction Force and 2D Center of Pressure Using Deep Learning and Load Cells Across Various Gait Conditions
2025-May-26, Sensors (Basel, Switzerland)
DOI:10.3390/s25113357
PMID:40968943
|
研究论文 | 提出一种使用鞋内三轴载荷传感器和深度学习模型估计三维地面反作用力和二维压力中心的方法 | 使用最小传感器配置在多种步态条件下实现精确的GRF和CoP估计，性能优于或相当于先前研究 | 内外侧方向分量精度较低，斜坡条件下垂直GRF误差相对较高 | 开发适用于真实环境的地面反作用力和压力中心估计系统 | 健康年轻成年人的步态数据 | 机器学习 | NA | 载荷传感器测量 | FCNN, CNN, LSTM, Transformer | 传感器数据 | 40名健康年轻成年人 | NA | 全连接神经网络, 卷积神经网络, 序列到序列LSTM, Transformer | 均方根误差 | NA |
| 794 | 2025-10-05 |
Classification of Electroencephalography Motor Execution Signals Using a Hybrid Neural Network Based on Instantaneous Frequency and Amplitude Obtained via Empirical Wavelet Transform
2025-May-23, Sensors (Basel, Switzerland)
DOI:10.3390/s25113284
PMID:40968836
|
研究论文 | 本研究比较传统分类器与混合神经网络在基于脑电图的运动执行信号分类中的性能 | 提出结合经验小波变换提取瞬时频率和幅度特征与混合神经网络的脑电信号分类方法 | 仅包含33名参与者的数据，仅进行二分类任务 | 改进脑机接口系统中的脑电手势识别性能 | 33名参与者执行的七种不同手势的脑电图记录 | 脑机接口 | NA | 经验小波变换 | 混合神经网络 | 脑电图信号 | 33名参与者 | NA | 混合神经网络 | 分类准确率 | NA |
| 795 | 2025-10-05 |
LivecellX: A Scalable Deep Learning Framework for Single-Cell Object-Oriented Analysis in Live-Cell Imaging
2025-May-14, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.23.639532
PMID:40060645
|
研究论文 | 介绍LivecellX——一个基于深度学习的可扩展框架，用于活细胞成像中的单细胞定向分析 | 提出了分割校正新任务，开发了创新的评估指标和机器学习技术，并设计了轨迹级校正算法 | NA | 解决活细胞成像中细胞分割和追踪的准确性问题 | 活细胞成像中的单细胞动态 | 计算机视觉 | NA | 活细胞成像 | CNN | 图像 | 来自两种不同类型显微镜的新型成像数据集 | PyTorch, TensorFlow | CS-Net | 分割精度，轨迹分析准确性 | 并行计算 |
| 796 | 2025-10-05 |
Explainable deep learning for identifying cancer driver genes based on the Cancer Dependency Map
2025-May-02, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.28.651122
PMID:40654945
|
研究论文 | 开发可解释深度学习模型识别癌症驱动基因并分析突变模式 | 结合生物信息学知识构建监督学习模型xNNDriver和无监督可解释自编码器xAEDriver，同时识别单个驱动基因和多重驱动变异模式 | 未明确说明模型验证的具体数据集规模和外部验证结果 | 识别癌症驱动基因和突变模式，理解肿瘤进展机制 | 癌症细胞系和肿瘤样本中的驱动基因与突变 | 生物信息学 | 癌症 | 基因组依赖图谱分析 | 深度学习, 自编码器 | 基因组突变数据, 依赖评分数据 | NA | NA | 自编码器 | NA | NA |
| 797 | 2025-10-05 |
Mapping individualized multi-scale hierarchical brain functional networks from fMRI by self-supervised deep learning
2025-Apr-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.07.647618
PMID:40291726
|
研究论文 | 提出一种自监督深度学习框架，从fMRI数据中映射个体化的多尺度分层脑功能网络 | 首次通过自监督深度学习同时计算多尺度功能网络并量化其跨尺度层次结构 | 方法依赖于fMRI数据质量，在外部验证队列数量有限 | 表征个体化多尺度脑功能网络的层次组织结构 | 人脑功能网络 | 机器学习 | 神经精神疾病 | fMRI | 深度学习 | 神经影像数据 | 人类连接组计划数据集及两个外部队列 | NA | 自监督深度学习框架 | 功能网络同质性，与生物表型关联性 | NA |
| 798 | 2024-08-07 |
Correction to: Deep Learning Glioma Grading with the Tumor Microenvironment Analysis Protocol for Comprehensive Learning, Discovering, and Quantifying Microenvironmental Features
2025-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01160-4
PMID:38864948
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 799 | 2025-10-05 |
Sli2Vol+: Segmenting 3D Medical Images Based on an Object Estimation Guided Correspondence Flow Network
2025 Feb-Mar, IEEE Winter Conference on Applications of Computer Vision. IEEE Winter Conference on Applications of Computer Vision
DOI:10.1109/wacv61041.2025.00357
PMID:41001582
|
研究论文 | 提出一种基于目标估计引导对应流网络的自监督框架，用于仅需单张标注切片即可完成3D医学图像分割 | 开发了目标估计引导对应流网络，通过生成伪标签学习可靠切片间对应关系，有效减少重建误差传播并处理切片间不连续性 | 依赖单张标注切片的质量，在复杂解剖结构或严重病理情况下性能可能受限 | 降低3D医学图像分割的标注负担，提高自监督分割方法的准确性和鲁棒性 | 3D医学图像中的各种解剖结构 | 医学图像分析 | 多器官疾病 | 自监督学习 | 深度学习 | 3D医学图像 | 多个不同数据集，每个训练和测试体积仅需单张标注切片 | PyTorch | Object Estimation Guided Correspondence Flow Network | 分割准确性，泛化能力评估 | NA |
| 800 | 2025-10-05 |
Fine-grained Prototype Network for MRI Sequence Classification
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出一种用于MRI序列分类的细粒度原型网络SequencesNet | 结合CNN和改进视觉Transformer的特征提取网络，添加特征选择模块和原型分类模块以捕捉细粒度差异 | 计算复杂度较高，模型泛化能力有待提升 | 解决MRI序列分类中类间差异细微而类内差异显著的问题 | 腹部MRI序列图像 | 医学影像分析 | 腹部疾病 | 磁共振成像 | CNN, Transformer | 医学图像 | 公共腹部MRI序列分类数据集和私有数据集 | NA | 改进的视觉Transformer，3DResNet18，TransFG | 准确率，召回率，精确率 | NA |