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 8681 - 8700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8681 | 2025-06-10 |
Advancing prenatal healthcare by explainable AI enhanced fetal ultrasound image segmentation using U-Net++ with attention mechanisms
2025-Jun-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04631-y
PMID:40467763
|
研究论文 | 本文提出了一种基于可解释AI增强的U-Net++与注意力机制的胎儿超声图像分割方法，用于提升产前医疗保健 | 结合U-Net++的嵌套跳跃连接和ResNet-34的残差学习，引入注意力机制增强低对比度、噪声超声数据的特征提取，并集成Grad-CAM++提供模型决策解释 | 未明确提及具体临床验证样本量或跨中心数据泛化能力 | 开发高精度且可解释的胎儿超声图像自动分割框架以标准化胎儿发育评估 | 胎儿超声图像 | 数字病理 | 产前诊断 | 深度学习与可解释AI（XAI） | U-Net++ with ResNet-34 backbone and attention mechanisms | 超声图像 | 未明确说明（基于大规模胎儿超声图像库评估） | NA | NA | NA | NA |
| 8682 | 2025-06-10 |
Deep learning model applied to real-time delineation of colorectal polyps
2025-Jun-04, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-03047-y
PMID:40468304
|
研究论文 | 本研究评估了基于YOLACT的实时息肉描绘模型（RTPoDeMo）在结肠镜视频中的实时应用性能 | 首次将YOLACT模型应用于医学领域的实时息肉检测与分割，并开发了RTPoDeMo模型 | 研究仅基于2188张结肠镜图像，样本量相对有限 | 提高结肠镜检查中息肉的实时检测和分割准确性 | 结肠镜视频中的息肉 | 计算机视觉 | 结直肠癌 | 深度学习 | YOLACT, Mask-RCNN, YOLACT++ | 图像 | 2188张结肠镜图像 | NA | NA | NA | NA |
| 8683 | 2025-06-10 |
Machine learning in dentistry and oral surgery: charting the course with bibliometric insights
2025-Jun-04, Head & face medicine
IF:2.4Q2
DOI:10.1186/s13005-025-00521-w
PMID:40468381
|
研究论文 | 通过文献计量学方法全面分析机器学习在牙科和口腔外科中的应用，以识别研究趋势、热点和未来方向 | 利用VOSviewer和CiteSpace软件进行文献计量分析，揭示机器学习在牙科和口腔外科中的研究热点和趋势 | 数据可用性和安全性、算法偏见以及'黑盒模型'等挑战仍需解决 | 分析机器学习在牙科和口腔外科中的应用趋势和未来发展方向 | 2010年至2024年间发表的与牙科和口腔外科中机器学习相关的2234篇独特出版物 | 机器学习 | 牙科和口腔外科疾病 | 文献计量分析 | 传统机器学习算法和深度学习算法 | 文献数据 | 2234篇出版物 | NA | NA | NA | NA |
| 8684 | 2025-06-10 |
Multimodal deep learning for chemical toxicity prediction and management
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95720-5
PMID:40461585
|
研究论文 | 本文提出了一种多模态深度学习方法，用于化学毒性的预测和管理 | 引入了结合化学性质数据和分子结构图像的集成研究数据集，并采用Vision Transformer (ViT)架构和多层感知机(MLP)进行多毒性预测，显著提高了预测性能 | 由于安全限制和化学数据的结构复杂性，全面的化学毒性预测数据集开发仍然有限 | 提高化学毒性预测的准确性 | 化学毒性的多标签预测 | 机器学习 | NA | 深度学习 | Vision Transformer (ViT), Multilayer Perceptron (MLP) | 图像, 数值数据 | NA | NA | NA | NA | NA |
| 8685 | 2025-06-10 |
Identification of Gingival Inflammation Surface Image Features Using Intraoral Scanning and Deep Learning
2025-Jun, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2025.01.002
PMID:39875279
|
研究论文 | 本研究结合口腔内扫描和深度学习算法，开发了一种自动识别牙龈炎症表面特征的方法 | 首次将口腔内扫描(IOS)与深度学习算法结合，用于牙龈炎症表面特征的自动识别，并评估其与临床指标的相关性 | 样本量相对较小(120名患者)，且仅针对牙周炎患者进行研究 | 开发一种客观、可量化的牙龈炎症识别方法，以辅助临床诊断 | 牙周炎患者的牙龈炎症表面特征 | 数字病理 | 牙周病 | 口腔内扫描(IOS) | GC-U-Net | 图像 | 120名牙周炎患者 | NA | NA | NA | NA |
| 8686 | 2025-06-10 |
An explainable transformer model integrating PET and tabular data for histologic grading and prognosis of follicular lymphoma: a multi-institutional digital biopsy study
2025-Jun, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07090-9
PMID:39883138
|
研究论文 | 开发了一种可解释的多模态融合Transformer模型，用于非侵入性识别滤泡性淋巴瘤(FL)的分级和预后 | 首次将3D PET肿瘤图像与表格数据通过Transformer模型融合，并引入可解释性模块（如Grad-CAM和SHAP分析）增强临床可解释性 | 研究为回顾性设计，样本量相对有限（513例患者）且来自特定医疗机构 | 开发深度学习模型作为数字活检工具，用于滤泡性淋巴瘤的无创分级和预后评估 | 滤泡性淋巴瘤患者 | 数字病理学 | 滤泡性淋巴瘤 | PET成像 | Transformer | 图像（3D PET）和表格数据 | 513例FL患者（来自5个医疗中心） | NA | NA | NA | NA |
| 8687 | 2025-06-10 |
Artificial intelligence-based cardiac transthyretin amyloidosis detection and scoring in scintigraphy imaging: multi-tracer, multi-scanner, and multi-center development and evaluation study
2025-Jun, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07117-1
PMID:39907796
|
研究论文 | 本研究利用深度学习技术，基于多示踪剂、多扫描仪和多中心数据集，开发并评估了一种全自动检测和评分心脏转甲状腺素蛋白淀粉样变性（ATTR-CM）的方法 | 首次在多示踪剂、多扫描仪和多中心数据集上开发全自动ATTR-CM检测和评分系统，并通过Grad-CAM和显著性图解释模型决策过程 | 部分外部数据集样本量较小（如数据集#3仅41例患者），且未标记数据集（数据集#6）的验证结果依赖专家确认 | 开发自动化工具提升转甲状腺素蛋白淀粉样心肌病（ATTR-CM）的诊断效率和准确性 | 全身闪烁扫描图像中的ATTR-CM病变 | 数字病理学 | 心血管疾病 | 深度学习 | CNN（基于Grad-CAM和显著性图分析） | 医学影像（闪烁扫描图像） | 6个数据集共3737例（含标记数据522例+未标记数据3215例），涉及99mTc-MDP/DPD/HDP/PYP四种示踪剂和12台扫描仪 | NA | NA | NA | NA |
| 8688 | 2025-06-10 |
The effect of cryopreservation on enamel microcracks - A μCT analysis using a deep learning algorithm
2025-Jun, Cryobiology
IF:2.3Q3
DOI:10.1016/j.cryobiol.2025.105207
PMID:39929328
|
研究论文 | 本研究通过μCT分析和深度学习算法，探讨了冷冻保存对牙釉质微裂纹的影响 | 首次利用深度学习算法实现了对牙釉质微裂纹的自动分割和定量评估 | 样本量较小（仅5颗牙齿），且未考虑牙齿提取过程中钳子使用的影响 | 研究冷冻保存对牙釉质微裂纹的影响 | 人类牙齿 | 数字病理学 | 牙科疾病 | μCT分析 | U-Net | 图像 | 5颗牙齿（冷冻保存前后对比） | NA | NA | NA | NA |
| 8689 | 2025-06-10 |
Recent advances in AI-driven protein-ligand interaction predictions
2025-Jun, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103020
PMID:39999605
|
综述 | 本文总结了AI驱动的蛋白质-配体相互作用预测领域的最新进展 | 介绍了AI模型（如图神经网络、混合密度网络、Transformer和扩散模型）在预测性能上的提升，以及几何深度学习和基于序列的嵌入在配体结合位点预测中的应用 | 跨不同蛋白质-配体对的泛化能力仍然是一个挑战 | 提高结构药物发现的准确性和效率 | 蛋白质-配体相互作用 | 机器学习 | NA | AI驱动的计算方法 | 图神经网络、混合密度网络、Transformer、扩散模型 | 蛋白质-配体相互作用数据 | NA | NA | NA | NA | NA |
| 8690 | 2025-06-10 |
Advances in EEG-based detection of Major Depressive Disorder using shallow and deep learning techniques: A systematic review
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110154
PMID:40273818
|
系统性综述 | 本文系统综述了基于EEG的重度抑郁症检测在浅层和深度学习技术方面的进展 | 整合了EEG特征与AI技术，探索了多种EEG标记物在MDD诊断中的应用 | 需要进一步研究以增强EEG指标在MDD背景下的可解释性 | 促进对MDD神经机制的理解并识别潜在的诊断生物标志物 | 重度抑郁症（MDD）患者和健康对照组 | 机器学习 | 重度抑郁症 | EEG | 浅层和深度学习 | EEG信号 | 22项研究（初始搜索5603篇，筛选后纳入22篇） | NA | NA | NA | NA |
| 8691 | 2025-06-10 |
Beyond accuracy: The need for explainable AI in biomedical voice technology
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110240
PMID:40379565
|
research paper | 本文探讨了在生物医学语音技术中，除了准确性外，可解释AI的重要性 | 强调了在临床环境中，高表现深度学习模型的可解释性和透明度的重要性 | 未具体提及研究的局限性 | 研究生物医学语音技术中AI的可解释性需求 | 语音和声音作为非侵入性生物标志物 | natural language processing | neurodegenerative and respiratory diseases, psychiatric and emotional disorders | NA | deep learning models | voice data | NA | NA | NA | NA | NA |
| 8692 | 2025-06-10 |
[Rapid identification and analysis of hemoglobin isoelectric focusing electrophoresis images based on deep learning]
2025-Jun, Se pu = Chinese journal of chromatography
DOI:10.3724/SP.J.1123.2024.05012
PMID:40394749
|
研究论文 | 本文提出了一种基于深度学习的目标检测算法，用于快速识别血红蛋白等电聚焦电泳图像中的条带，并进行定量和分类 | 采用YOLOv8模型直接输出电泳条带信息，不依赖专业人员经验，不受泳道变形或条带变形等因素影响，且无需pI标记物即可定性确定条带 | 模型训练仅使用了1665张无pI标记的血红蛋白IEF图像，可能在其他类型电泳图像上的泛化能力有限 | 开发一种快速、准确的血红蛋白等电聚焦电泳图像自动分析方法 | 血红蛋白等电聚焦电泳图像 | 数字病理学 | 成人地中海贫血 | 等电聚焦电泳(mIEF) | YOLOv8 | 图像 | 1665张无pI标记的血红蛋白IEF图像 | NA | NA | NA | NA |
| 8693 | 2025-06-10 |
A hybrid protocol for peptide development: integrating deep generative models and physics simulations for biomolecular design targeting IL23R/IL23
2025-Jun, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.144652
PMID:40419055
|
research paper | 本文提出了一种结合深度生成模型和物理模拟的混合协议，用于开发针对IL23R/IL23的生物分子设计 | 结合LSTM网络、GRU分类器和分子动力学模拟，开发了一种新型的抑制肽P4，其IC值为2 μM | 未提及具体实验样本数量或进一步的临床前验证 | 开发针对IL23R/IL23轴的肽类调节剂，用于治疗自身免疫性疾病 | 白细胞介素-23受体（IL23R）及其相关细胞因子白细胞介素-23（IL23） | machine learning | autoimmune diseases | LSTM, GRU, molecular dynamics (MD) simulations | LSTM, GRU | molecular data | NA | NA | NA | NA | NA |
| 8694 | 2025-06-10 |
m6A-SPP: Identification of RNA N6-methyladenosine modification sites through multi-source biological features and a hybrid deep learning architecture
2025-Jun, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.144789
PMID:40449782
|
研究论文 | 本文介绍了一种名为m6A-SPP的新型深度学习框架，用于有效预测RNA N6-甲基腺苷（m6A）修饰位点 | 结合了序列特征和RNA的物理化学特性，通过两个专门模块进行整合，并利用预训练的DNABERT和CNN进行序列表示处理 | NA | 准确预测m6A修饰位点，以理解其生物学功能及在疾病中的作用 | RNA N6-甲基腺苷（m6A）修饰位点 | 自然语言处理 | NA | 深度学习 | BERT, CNN | RNA序列数据 | 包含8种细胞系（如HEK293T和HeLa）和3种组织类型（包括脑、肝和肾）的数据集 | NA | NA | NA | NA |
| 8695 | 2025-06-10 |
Network Occlusion Sensitivity Analysis Identifies Regional Contributions to Brain Age Prediction
2025-Jun-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70239
PMID:40470724
|
研究论文 | 该研究通过结合网络遮挡敏感性分析(NOSA)和精细人脑图谱，揭示了卷积神经网络(CNN)在脑龄预测中不同脑区的贡献 | 开发了可解释性方案NOSA结合精细人脑图谱，首次系统揭示了脑龄预测模型中各脑区的贡献模式 | 研究样本年龄范围有限(8-80岁)，未涵盖更广年龄段 | 提高脑龄预测模型的可解释性，识别关键贡献脑区 | 人脑结构和功能 | 数字病理学 | 老年疾病 | 深度学习 | CNN | 脑影像数据 | 训练集3054例，测试集555例(年龄8-80岁) | NA | NA | NA | NA |
| 8696 | 2025-06-07 |
Deep learning for microbiome-informed precision nutrition
2025-Jun, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwaf148
PMID:40475064
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8697 | 2025-06-10 |
PeruFoodNet: A unique dataset of traditional peruvian food for image recognition systems and allergenic ingredient inference
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111604
PMID:40486219
|
research paper | 介绍了一个名为PeruFoodNet的数据集，包含4000张传统秘鲁菜肴的图片，用于图像识别系统和过敏成分推断 | 创建了一个独特的秘鲁菜肴数据集，可用于图像识别和过敏成分识别 | 数据集主要由作者自己拍摄，可能缺乏多样性 | 促进图像识别和分类研究，帮助识别菜肴中的过敏成分 | 传统秘鲁菜肴 | computer vision | NA | Deep Learning | NA | image | 4000张图片，涵盖40种最受欢迎的秘鲁菜肴，每种菜肴100张图片 | NA | NA | NA | NA |
| 8698 | 2025-06-10 |
Investigation of Short-term Crystalline Lens Positional Shifts Following ICL Implantation Using SS-OCT Integrated With Multi-task Deep Learning
2025-Jun, Journal of refractive surgery (Thorofare, N.J. : 1995)
DOI:10.3928/1081597X-20250506-06
PMID:40488484
|
research paper | 研究使用SS-OCT结合多任务深度学习评估ICL植入后短期晶状体位置变化 | 首次结合SS-OCT和多任务深度学习定量评估ICL植入后晶状体倾斜和偏心变化 | 样本量较小(42眼)，仅评估短期(1周内)变化 | 评估ICL植入对晶状体位置的短期影响 | 26名患者(42眼)的ICL植入手术前后晶状体位置 | digital pathology | ophthalmic disease | SS-OCT | multi-task deep learning | medical image | 42 eyes from 26 patients | NA | NA | NA | NA |
| 8699 | 2025-06-10 |
Machine Learning and Deep Learning Techniques for Prediction and Diagnosis of Leptospirosis: Systematic Literature Review
2025-May-29, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/67859
PMID:40440642
|
系统性文献综述 | 本文通过系统性文献综述评估了机器学习和深度学习技术在预测和诊断钩端螺旋体病中的应用 | 首次系统性地总结了ML和DL在钩端螺旋体病预测与诊断中的应用情况，并分析了算法性能、数据来源和验证方法 | 纳入研究的样本量较小（17篇），且大多数研究使用私有数据集（65%），缺乏公开数据集的应用 | 评估机器学习和深度学习技术在钩端螺旋体病预测和诊断中的应用效果 | 钩端螺旋体病的预测和诊断 | 机器学习 | 钩端螺旋体病 | 机器学习(ML)和深度学习(DL) | 支持向量机、人工神经网络、决策树、CNN（特别是U-Net CNN） | 临床记录、医院数据、区域监测系统数据 | 17项研究（从374篇初筛文献中筛选） | NA | NA | NA | NA |
| 8700 | 2025-06-10 |
PathoGraph: A Graph-Based Method for Standardized Representation of Pathology Knowledge
2025-May-27, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04906-z
PMID:40425649
|
研究论文 | 提出了一种基于图的知识表示方法PathoGraph，用于系统化组织病理学知识以促进其计算应用 | PathoGraph能够全面且结构化地捕捉多尺度疾病特征及病理学家的专业知识，并通过大规模自动化构建验证其计算效用 | NA | 系统化组织病理学知识以促进其在数据驱动的生物医学研究和临床实践中的计算应用 | 病理学数据（包括切片和诊断报告）中的知识 | 数字病理学 | 肿瘤疾病 | 图表示方法 | NA | 图像、文本 | NA | NA | NA | NA | NA |