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 8521 - 8540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8521 | 2025-10-06 |
Review on Advancement of AI in Nutrigenomics
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4690-8_23
PMID:40553346
|
综述 | 探讨人工智能在营养基因组学研究中的进展及其在个性化营养中的应用 | AI与营养基因组学的融合实现了对基因-饮食相互作用的革命性理解，通过先进算法生成前所未有的精准个性化营养建议 | 面临数据隐私问题和算法偏差等挑战，需要谨慎的验证和实施策略 | 研究人工智能如何推动营养基因组学发展及其在个性化营养中的实际应用 | 基因-饮食相互作用、个体营养反应、个性化营养建议 | 机器学习 | 2型糖尿病 | 连续血糖监测(CGM)、代谢分析 | 机器学习算法、深度学习方法 | 遗传数据、饮食数据 | NA | NA | NA | NA | NA |
| 8522 | 2025-10-06 |
Review on Advancement of AI in Synthetic Biology
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4690-8_26
PMID:40553349
|
综述 | 本文综述了人工智能在合成生物学领域的最新进展及其应用 | 系统阐述了AI如何推动合成生物学在预测建模、优化设计和复杂生物系统构建方面的创新 | 高质量生物数据集构建困难以及计算与实验科学家之间的跨学科协作障碍 | 探讨人工智能在合成生物学发展中的作用和未来前景 | 合成生物学中的基因组编辑、代谢通路优化和生物电路设计等 | 机器学习 | NA | CRISPR-cas9, 从头蛋白质设计, 基因电路开发 | 深度学习, 机器学习 | 生物数据集 | NA | NA | NA | NA | NA |
| 8523 | 2025-10-06 |
DeepPredict: a state-of-the-art web server for protein secondary structure and relative solvent accessibility prediction
2025, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2025.1607402
PMID:40546733
|
研究论文 | 介绍DeepPredict蛋白质二级结构和相对溶剂可及性预测网络服务器 | 集成Porter6和PaleAle6两个深度学习模型，利用预训练蛋白质语言模型ESM-2无需多序列比对即可实现快速准确预测 | NA | 开发高性能蛋白质二级结构和相对溶剂可及性预测工具 | 蛋白质序列 | 生物信息学 | NA | 蛋白质语言模型 | 深度学习 | 蛋白质序列数据 | NA | NA | ESM-2 | NA | 网络服务器 |
| 8524 | 2025-10-06 |
Is AI currently capable of identifying wild oysters? A comparison of human annotators against the AI model, ODYSSEE
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1587033
PMID:40546741
|
研究论文 | 比较ODYSSEE AI模型与人类标注者在识别野生牡蛎方面的性能表现 | 首次系统比较深度学习模型与专家/非专家在牡蛎识别任务上的表现，并分析预测误差来源 | 模型准确率(63%)低于人类标注者(专家74%，非专家75%)，存在过度预测活牡蛎数量的问题 | 评估AI模型在牡蛎礁监测中的可行性，改进种群统计方法 | 野生牡蛎礁中的活体牡蛎 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像, 视频 | NA | NA | ODYSSEE | 准确率, 推理速度 | NA |
| 8525 | 2025-10-06 |
Self-supervised and few-shot learning for robust bioaerosol monitoring
2025, Aerobiologia
IF:2.2Q3
DOI:10.1007/s10453-025-09850-4
PMID:40547191
|
研究论文 | 本研究结合自监督学习和少样本学习技术，使用大量未标记数据和少量标记样本对全息花粉图像进行分类 | 首次将自监督学习与少样本学习相结合用于生物气溶胶监测，显著减少对大量标注数据的依赖 | 仅针对花粉颗粒进行研究，未验证在其他类型生物气溶胶上的适用性 | 优化实时生物气溶胶监测工作流程，降低模型在不同场景下的适应成本 | 花粉颗粒的全息图像 | 计算机视觉 | 过敏性疾病 | 全息成像技术 | 深度学习模型 | 图像 | 大量未标记环境空气颗粒图像+每类少量标记样本 | NA | NA | 分类准确率 | NA |
| 8526 | 2025-10-06 |
The association between pancreatic diseases and pancreatic fat content: a cross-sectional study from the UK Biobank
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1591652
PMID:40547526
|
研究论文 | 基于英国生物银行数据的横断面研究，探讨胰腺疾病与胰腺脂肪含量之间的关联 | 首次在大规模人群中结合MRI和深度学习模型(nnUNet)量化胰腺脂肪沉积，并区分胰腺内分泌与外分泌疾病的不同影响 | 横断面研究设计无法确定因果关系，存在反向因果关系的可能性 | 研究胰腺疾病对胰腺脂肪积累的影响，识别关键疾病类型和潜在中介因素 | 英国生物银行中的61,088名参与者 | 数字病理 | 胰腺疾病 | MRI, 深度学习器官分割 | 深度学习 | 医学影像 | 61,088名参与者 | nnUNet | nnUNet | P值 | NA |
| 8527 | 2025-10-06 |
Current application, possibilities, and challenges of artificial intelligence in the management of rheumatoid arthritis, axial spondyloarthritis, and psoriatic arthritis
2025, Therapeutic advances in musculoskeletal disease
IF:3.4Q2
DOI:10.1177/1759720X251343579
PMID:40547599
|
综述 | 本叙述性综述概述了人工智能在类风湿关节炎、中轴型脊柱关节炎和银屑病关节炎的诊断、管理和预后中的当前应用与挑战 | 系统总结了AI在三种关节炎疾病中的多模态应用前景，包括多源数据整合和以患者为中心的创新方向 | 存在数据质量、模型可解释性和伦理考量等挑战，需要确保临床应用的可靠性和公平性 | 探讨人工智能在关节炎疾病管理中的当前应用、可能性和挑战 | 类风湿关节炎(RA)、中轴型脊柱关节炎(axSpA)和银屑病关节炎(PsA)患者 | 医疗人工智能 | 关节炎 | 机器学习,深度学习,影像技术(骶髂关节X线,磁共振成像,计算机断层扫描),电子健康记录,自然语言处理,可穿戴设备 | 预测模型,临床决策支持系统 | 影像数据,电子健康记录,遗传标记,免疫分析数据 | NA | NA | NA | 诊断准确性,预测性能 | NA |
| 8528 | 2025-10-06 |
The use of artificial intelligence in stereotactic ablative body radiotherapy for hepatocellular carcinoma
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1576494
PMID:40547913
|
综述 | 本文综述了人工智能在肝细胞癌立体定向消融体部放疗中的最新应用进展 | 系统总结了AI技术在SABR工作流程中的多领域应用创新，包括自动轮廓勾画、基于知识的计划设计、深度学习通量预测等 | 许多AI模型基于有限数据集训练且缺乏外部验证，存在过拟合和泛化能力不足的问题 | 探讨人工智能如何提升肝细胞癌立体定向放疗的精准性、效率和个体化水平 | 肝细胞癌患者 | 数字病理 | 肝癌 | 立体定向消融体部放疗 | 深度学习,机器学习 | 医学影像,临床数据 | NA | NA | NA | 轮廓勾画时间,剂量学质量 | NA |
| 8529 | 2025-10-06 |
Development and validation of a deep learning algorithm for discriminating glioma recurrence from radiation necrosis on MRI
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1573700
PMID:40548110
|
研究论文 | 开发并验证基于深度学习的MRI图像胶质瘤复发与放射性坏死自动鉴别算法 | 首次采用多种CNN模型从常规MRI序列中自动学习区分胶质瘤复发与放射性坏死的影像学特征 | 回顾性研究、样本量有限（特别是放射性坏死病例仅42例）、未进行外部验证 | 开发自动鉴别胶质瘤复发与放射性坏死的深度学习算法 | 接受胶质瘤切除术后放疗并出现可疑复发灶的患者 | 计算机视觉 | 胶质瘤 | MRI | CNN | 医学影像 | 234例患者（192例胶质瘤复发，42例放射性坏死） | NA | ResNet10, MresNet, Vgg16 | 敏感度, 特异度, 准确率, AUC | NA |
| 8530 | 2025-10-06 |
Application of deep learning based on convolutional neural network model in multimodal ultrasound diagnosis of unexplained cervical lymph node enlargement
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1542265
PMID:40548118
|
研究论文 | 本研究应用基于卷积神经网络的深度学习模型对不明原因颈部淋巴结肿大的多模态超声图像进行病理分类 | 首次将预训练的CNN模型应用于多模态超声图像（二维成像、彩色多普勒血流成像和弹性成像）进行颈部淋巴结病理分类，并开发了用户友好的在线服务器 | 回顾性研究设计，样本仅来自三家医院，可能存在选择偏倚 | 开发基于深度学习的多模态超声诊断系统，用于准确分类颈部淋巴结病理类型 | 586例不明原因颈部淋巴结肿大患者 | 计算机视觉 | 淋巴结疾病 | 多模态超声成像（2D成像、CDFI、弹性成像） | CNN | 医学图像 | 586例患者 | NA | ResNet | AUC | NA |
| 8531 | 2025-10-06 |
Deep learning-based time series prediction for precision field crop protection
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1575796
PMID:40551773
|
研究论文 | 提出一种基于深度学习的时空感知数据融合网络(SADF-Net)和资源感知自适应决策算法(RAADA)，用于精准农业中的时间序列预测和资源优化 | 开发了结合空间特征提取、时序建模和注意力机制的多模态数据融合架构，并引入基于强化学习的自适应决策算法实现动态资源分配 | NA | 解决传统时间序列模型在处理复杂农业数据时的局限性，为精准农业提供可操作的资源优化和环境保护方案 | 农作物保护与资源管理 | 机器学习 | NA | 卫星影像、物联网传感器、气象预报 | CNN, RNN, 注意力机制, 强化学习 | 多模态数据（图像、传感器读数、气象数据） | 大规模农业数据集 | NA | SADF-Net, RAADA | 产量预测准确率、资源优化效果、环境影响缓解程度 | NA |
| 8532 | 2025-10-06 |
A BERT-based rice enhancer identification model combined with sequence-representation differential entropy interpretation
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1618174
PMID:40551770
|
研究论文 | 提出了一种结合BERT特征提取和SVM分类的水稻增强子识别模型，并通过序列表示微分熵分析解释模型性能优化机制 | 首次将DNABERT-2与SVM结合用于水稻增强子识别，并引入微分熵分析提供模型性能优化的可视化解释框架 | 未明确说明模型在其他作物基因组中的泛化能力，也未讨论计算资源需求 | 开发高效准确的水稻增强子识别方法并探索模型性能优化机制 | 水稻基因增强子序列 | 自然语言处理,生物信息学 | NA | 基因组序列分析 | BERT,SVM | DNA序列数据 | NA | PyTorch（基于DNABERT-2推断）,Scikit-learn（SVM） | DNABERT-2 | 准确率 | NA |
| 8533 | 2025-10-06 |
Recent Applications of Artificial Intelligence and Related Technical Challenges in MALDI MS and MALDI-MSI: A Mini Review
2025, Mass spectrometry (Tokyo, Japan)
DOI:10.5702/massspectrometry.A0175
PMID:40551965
|
综述 | 本文综述了人工智能在MALDI质谱和质谱成像中的最新应用及相关技术挑战 | 重点关注AI在MALDI-TOF MS和MALDI-MSI数据分析中的监督机器学习应用，并强调样本制备技术对深度学习模型数据质量的重要性 | 该技术仍处于早期初步阶段，在鉴定、定量和解释方面需要更有效的方法 | 回顾人工智能在质谱数据分析中的应用现状和技术挑战 | MALDI-TOF质谱和质谱成像数据 | 机器学习 | NA | MALDI-TOF质谱，质谱成像 | 人工神经网络 | 质谱数据，二维空间映射数据 | NA | NA | NA | NA | NA |
| 8534 | 2025-10-06 |
Tooth image segmentation and root canal measurement based on deep learning
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1565403
PMID:40552111
|
研究论文 | 基于深度学习的牙齿图像分割与根管测量方法研究 | 采用注意力U-Net网络进行牙齿描述符识别，结合集成深度学习方法实现自动分割与测量 | 未明确说明样本来源及数据多样性限制 | 开发自动化的牙齿分割和根管测量方法，辅助临床根管诊疗 | 锥形束CT图像中的牙齿结构 | 计算机视觉 | 牙科疾病 | 锥形束CT成像 | CNN | 医学图像 | NA | NA | Attention U-Net | Dice系数,Jaccard系数,Hausdorff距离,平均表面距离,相对误差 | NA |
| 8535 | 2025-10-06 |
Multi-atlas ensemble graph neural network model for major depressive disorder detection using functional MRI data
2025, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2025.1537284
PMID:40552311
|
研究论文 | 提出一种基于多图谱集成图神经网络模型，利用静息态功能磁共振成像数据检测重度抑郁症 | 首次将多脑区分割图谱的功能连接特征集成到图神经网络模型中，相比单图谱模型能更准确捕捉大脑复杂性并检测区分性特征 | 未明确说明模型在不同人群和临床环境中的泛化能力验证 | 开发能够从rs-fMRI图像中检测区分性特征的集成GNN模型，用于MDD诊断 | 重度抑郁症患者的功能磁共振成像数据 | 医学影像分析 | 重度抑郁症 | 静息态功能磁共振成像 | 图神经网络 | 功能磁共振成像图像 | 大型多中心MDD数据集（具体样本数未明确说明） | NA | 集成图神经网络 | 准确率, 灵敏度, 特异性, 精确率, F1分数 | NA |
| 8536 | 2025-10-06 |
Recognition of common shortwave protocols and their subcarrier modulations based on multi-scale convolutional GRU
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0326536
PMID:40554517
|
研究论文 | 提出一种多尺度卷积GRU模型用于短波通信协议及其子载波调制方式的自动识别 | 结合多尺度卷积和双向GRU的混合架构，同时增强空间特征多样性和序列学习能力 | 仅针对三种特定短波协议(CLOVER-2000, 2GALE, 3GALE)及其十二种子载波调制格式进行验证 | 解决复杂环境下短波通信协议和调制方式的自动识别问题 | 短波通信信号 | 信号处理 | NA | 短波通信信号分析 | CNN, GRU | 时序信号 | 45,000个标注样本（包含仿真和USRP采集的真实数据） | NA | 多尺度卷积GRU (MSC-GRU) | 准确率 | 标准GPU |
| 8537 | 2025-10-06 |
Systematic review of generative adversarial networks (GANs) in cell microscopy: Trends, practices, and impact on image augmentation
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0291217
PMID:40554529
|
系统综述 | 系统回顾生成对抗网络在细胞显微镜图像增强中的应用趋势、实践方法和影响 | 首次系统性地总结分析GAN在细胞显微镜图像增强中的配置模式和实践标准 | 仅纳入46项符合条件的研究，存在选择偏倚风险，且未在PROSPERO注册 | 分析GAN在细胞显微镜图像增强中的应用趋势、常见实践和影响 | 使用GAN生成细胞显微镜图像的研究文献 | 计算机视觉 | NA | 细胞显微镜成像 | GAN | 图像 | 46项研究，29个公开数据集 | NA | StyleGAN | NA | NA |
| 8538 | 2025-10-06 |
A flow pattern recognition method for gas-liquid two-phase flow based on dilated convolutional channel attention mechanism
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325784
PMID:40554565
|
研究论文 | 提出一种基于扩张卷积通道注意力机制的气液两相流流型识别方法ED-DenseNet | 通过引入多分支结构，在Dense Blocks中集成ECA注意力机制和在Transition Layers中使用扩张卷积，实现多尺度特征提取和精细化通道信息处理 | 实验数据集规模有限 | 提高气液两相流流型图像识别准确率 | 气液两相流图像，包含环状流、泡状流、搅动流、分散流和段塞流五种流型 | 计算机视觉 | NA | 图像识别 | CNN | 图像 | NA | NA | DenseNet, ED-DenseNet | 准确率 | NA |
| 8539 | 2025-10-06 |
An integrated IKOA-CNN-BiGRU-Attention framework with SHAP explainability for high-precision debris flow hazard prediction in the Nujiang river basin, China
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0326587
PMID:40554568
|
研究论文 | 提出一种可解释的深度学习框架用于中国怒江流域泥石流灾害高精度预测 | 集成改进开普勒优化算法、CNN、双向门控循环单元和注意力机制的可解释深度学习框架，首次结合SHAP方法量化关键影响因素 | 研究区域限定于怒江流域云南段，模型在其他地理区域的适用性需进一步验证 | 开发高精度可解释的泥石流灾害预测方法 | 怒江流域云南段159条泥石流易发沟谷 | 机器学习 | NA | 深度学习 | CNN, BiGRU, Attention | 泥石流监测数据 | 159条泥石流易发沟谷 | NA | IKOA-CNN-BiGRU-Attention | 均方根误差, 平均绝对误差, 平均绝对百分比误差 | NA |
| 8540 | 2025-10-06 |
The impact of artificial intelligence on the endoscopic assessment of inflammatory bowel disease-related neoplasia
2025, Therapeutic advances in gastroenterology
IF:3.9Q1
DOI:10.1177/17562848251348574
PMID:40556746
|
综述 | 本文综述了人工智能在炎症性肠病相关肿瘤内镜评估中的应用现状与前景 | 首次系统总结AI技术在IBD相关肿瘤内镜检测中的专门应用，突出其在IBD人群中的独特价值 | IBD相关肿瘤的临床数据相较于散发性结直肠肿瘤仍然有限 | 总结AI技术在检测IBD相关肿瘤中的应用证据，分析潜在益处、局限性和未来方向 | 炎症性肠病患者的结直肠肿瘤 | 数字病理 | 炎症性肠病 | 内镜检查 | 机器学习,深度学习 | 内镜图像 | NA | NA | NA | 灵敏度 | NA |