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 32922 篇文献，本页显示第 9281 - 9300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9281 | 2025-10-06 |
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，用于滤泡性淋巴瘤的组织学分级和预后预测 | 首次将3D PET肿瘤图像与表格数据通过Transformer模型融合，并集成多种可解释性分析模块 | 回顾性研究设计，样本量相对有限（513例患者） | 开发用于滤泡性淋巴瘤非侵入性分级和预后预测的深度学习模型 | 滤泡性淋巴瘤患者 | 数字病理 | 滤泡性淋巴瘤 | PET成像 | Transformer | 3D图像,表格数据 | 513例滤泡性淋巴瘤患者，来自5个独立医院中心 | NA | Transformer | AUC,准确率 | NA |
| 9282 | 2025-10-06 |
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 | 开发基于深度学习的全自动系统用于心脏转甲状腺素蛋白淀粉样变性病的闪烁成像检测和分级 | 首次在多种示踪剂、多扫描仪和多中心数据集上开发全自动ATTR-CM检测和分级系统 | 部分外部数据集样本量较小，未标记数据集仅用于回顾性评估 | 开发自动化工具提升ATTR-CM的诊断效率 | 心脏转甲状腺素蛋白淀粉样变性病患者 | 医学影像分析 | 心脏淀粉样变性 | 闪烁成像，深度学习 | 深度学习分类模型 | 闪烁成像图像 | 6个数据集共3732名患者（含3215名未标记患者） | NA | 集成学习模型 | 准确率，灵敏度，特异性，AUC，F1分数 | NA |
| 9283 | 2025-10-06 |
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 | 本研究通过深度学习算法分析μCT图像，首次评估冷冻保存对牙釉质微裂纹的影响 | 首次开发可扩展且精确的量化方法，能够自动分割仅2-3体素宽的微裂纹 | 样本量较小（仅5颗牙齿），裂纹模式可能受拔牙钳使用影响 | 研究冷冻保存对牙釉质微裂纹形成和演变的影响 | 人类牙齿 | 计算机视觉 | 牙科疾病 | μCT分析 | 深度学习 | 医学图像 | 5颗牙齿（冷冻保存前后对比） | Dragonfly | 4-phase semantic segmentation U-Net | 定性评估，裂纹/釉质比率量化 | NA |
| 9284 | 2025-10-06 |
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 | 总结人工智能驱动的蛋白质-配体相互作用预测领域的最新进展 | 系统梳理了AI方法在配体结合位点预测、结合姿态估计、评分函数开发和虚拟筛选等关键任务中的创新应用 | 对不同蛋白质-配体对的泛化能力仍然存在挑战 | 提升基于结构的药物发现中蛋白质-配体相互作用预测的准确性和效率 | 蛋白质-配体相互作用 | 机器学习 | NA | 分子对接 | 图神经网络,混合密度网络,Transformer,扩散模型 | 蛋白质结构数据,配体数据 | NA | NA | 几何深度学习,序列嵌入,蛋白质-配体共生成框架 | NA | NA |
| 9285 | 2025-10-06 |
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
|
系统综述 | 系统回顾基于EEG的重度抑郁症检测中浅层和深度学习技术的进展 | 首次系统性地综述了EEG特征结合人工智能技术在MDD检测中的应用，涵盖多种EEG标记物和机器学习方法 | EEG指标在MDD背景下的可解释性仍需进一步研究 | 探索基于EEG的MDD客观诊断方法，理解其神经机制并识别潜在生物标志物 | 重度抑郁症患者与健康对照组的EEG数据 | 机器学习 | 重度抑郁症 | 脑电图 | 浅层学习,深度学习 | EEG信号 | 基于22项研究的汇总数据 | NA | NA | NA | NA |
| 9286 | 2025-10-06 |
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
|
评论 | 探讨生物医学语音技术中可解释人工智能的必要性及其在临床环境中的重要性 | 强调在生物医学语音技术领域，除了模型准确性外，可解释性对临床应用的至关重要性 | NA | 分析AI模型在生物医学语音技术中的可解释性需求 | 语音作为生物标志物的AI检测模型 | 自然语言处理 | 神经退行性疾病,呼吸系统疾病,精神疾病,情绪障碍 | 语音分析 | 深度学习 | 语音 | NA | NA | NA | 准确性 | NA |
| 9287 | 2025-10-06 |
[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 | 本研究提出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分析 | 首次将YOLOv8深度学习模型应用于无pI标记的血红蛋白等电聚焦电泳图像分析，无需依赖专业人员经验且不受泳道变形等因素影响 | 研究仅针对血红蛋白等电聚焦电泳图像，模型在其他类型电泳图像上的适用性尚未验证 | 开发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 | 计算机视觉 | 地中海贫血 | 等电聚焦电泳，微阵列等电聚焦 | YOLOv8 | 图像 | 1665张无pI标记的血红蛋白等电聚焦图像 | NA | YOLOv8n | 检测准确率，推理时间，线性度，相关系数 | 有限计算资源 |
| 9288 | 2025-10-06 |
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
|
研究论文 | 提出一种结合深度生成模型和物理模拟的混合协议，用于开发靶向IL23R/IL23的肽类生物分子 | 首次将LSTM生成模型、GRU分类器与分子动力学模拟相结合，用于肽类抑制剂开发 | NA | 开发靶向IL23R/IL23相互作用的肽类抑制剂 | 白细胞介素-23受体(IL23R)及其相关细胞因子白细胞介素-23(IL23) | 机器学习 | 自身免疫性疾病 | 分子动力学模拟 | LSTM, GRU | 分子结构数据 | NA | NA | LSTM, GRU | 结合亲和力, 稳定性, IC50 | NA |
| 9289 | 2025-10-06 |
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 | 提出了一种名为m6A-SPP的新型深度学习框架，用于有效预测RNA N6-甲基腺苷修饰位点 | 整合了序列特征和理化性质的双模块架构，结合预训练BERT模型与CNN进行RNA序列表示，并融合三种关键理化属性 | NA | 准确预测RNA N6-甲基腺苷修饰位点，以理解其生物学功能及在疾病中的作用 | RNA N6-甲基腺苷修饰位点 | 生物信息学 | NA | RNA修饰位点预测 | BERT, CNN | RNA序列数据，理化性质数据 | 包含8个细胞系（如HEK293T和HeLa）和3种组织类型（包括脑、肝和肾）的单核苷酸分辨率m6A数据集 | NA | DNABERT, CNN, 混合深度学习架构 | NA | NA |
| 9290 | 2025-10-06 |
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 | 本研究通过结合网络遮挡敏感性分析和精细人脑图谱，识别了脑龄预测模型中各脑区的贡献度 | 开发了可解释性方案NOSA，首次系统揭示了不同脑区在生命周期各阶段对脑龄预测的贡献模式 | 研究样本年龄范围有限（8-80岁），未涵盖婴幼儿和极高龄群体 | 提高脑龄预测深度学习模型的可解释性，识别关键贡献脑区 | 人类大脑结构和功能区域 | 医学影像分析 | 老年疾病 | 脑磁共振成像 | CNN | 脑影像数据 | 训练集3054人，测试集555人，年龄范围8-80岁 | NA | 全卷积神经网络 | NA | NA |
| 9291 | 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 |
| 9292 | 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 |
| 9293 | 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 |
| 9294 | 2025-06-10 |
Insights into "Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis"
2025-May-30, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.04.046
PMID:40450446
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9295 | 2025-06-10 |
Response to Letter to the Editor regarding "Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis"
2025-May-30, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.05.012
PMID:40450443
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9296 | 2025-10-06 |
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
|
系统综述 | 本文系统评估了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 | 首次对ML和DL在钩端螺旋体病预测诊断中的应用进行系统性综述，识别了常用算法和性能表现 | 纳入研究数量有限（17篇），公开数据集使用不足（仅35%），多数研究依赖私有数据 | 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 | 钩端螺旋体病相关研究文献 | 机器学习 | 钩端螺旋体病 | NA | 支持向量机,人工神经网络,决策树,卷积神经网络 | 临床记录,医院数据,区域监测系统数据 | 17项研究纳入定性分析 | NA | U-Net | 准确率 | NA |
| 9297 | 2025-10-06 |
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 | 提出一种基于图结构的病理知识标准化表示方法PathoGraph，用于系统组织病理学知识 | 首次提出基于图的病理知识表示方法，能够全面捕捉多尺度疾病特征和病理学家专业知识 | NA | 系统组织病理学知识以促进计算利用和AI技术整合 | 病理数据（切片和诊断报告）中的知识元素 | 数字病理学 | 肿瘤疾病 | 图表示方法 | NA | 病理切片、诊断报告 | NA | NA | 图结构 | NA | NA |
| 9298 | 2025-10-06 |
Leveraging Social Media Data to Understand the Impact of COVID-19 on Residents' Dietary Behaviors: Observational Study
2025-May-23, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/51638
PMID:40409748
|
研究论文 | 利用Twitter社交媒体数据分析COVID-19疫情对居民饮食行为的影响 | 首次结合社交媒体图像和文本数据，通过深度学习分析疫情对饮食行为、情绪和肥胖关系的多层次影响 | 研究仅基于Twitter数据，可能无法代表全部人群；依赖用户自发发布内容，存在选择偏差 | 探究COVID-19疫情对居民饮食行为、情绪和肥胖关系的影响 | Twitter平台上与食物相关的推文图像和文本数据 | 自然语言处理,计算机视觉 | COVID-19 | 社交媒体数据分析,情感分析 | CNN | 图像,文本 | 约200,000条2019-2021年期间的食物相关推文 | NA | ResNet-101 | 相关系数,P值 | NA |
| 9299 | 2025-10-06 |
Identifying Disinformation on the Extended Impacts of COVID-19: Methodological Investigation Using a Fuzzy Ranking Ensemble of Natural Language Processing Models
2025-May-21, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/73601
PMID:40397945
|
研究论文 | 本研究开发了一种融合预训练语言模型和模糊排序集成方法的深度学习框架，用于检测关于COVID-19长期影响的不实信息 | 提出了一种创新的基于模糊排序的集成方法，结合重新参数化的Gompertz函数来融合多个预训练语言模型的预测结果 | 数据集规模相对有限（共2927个样本），且仅基于文本内容进行训练 | 开发一个鲁棒且可泛化的深度学习框架来检测与COVID-19长期影响相关的错误信息 | 关于COVID-19长期影响和再感染风险的网络信息 | 自然语言处理 | COVID-19 | 自然语言处理 | 预训练语言模型,集成学习 | 文本 | 2927个样本（566个真实样本，2361个虚假样本） | scikit-learn | RoBERTa,DeBERTa,XLNet,HAN | 准确率,精确率,召回率,F1分数,AUC | Tesla T4（用于HAN训练）,RTX A5000（用于其他模型训练） |
| 9300 | 2025-10-06 |
Prediction of Spontaneous Breathing Trial Outcome in Critically Ill-Ventilated Patients Using Deep Learning: Development and Verification Study
2025-May-21, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/64592
PMID:40397953
|
研究论文 | 开发基于深度学习的人工智能模型，用于预测危重症机械通气患者自主呼吸试验结果 | 提出新型混合CNN-MLP架构，通过交错CNN和MLP层实现特征学习和融合，提高模型灵活性和预测精度 | 研究为回顾性队列研究，数据来源于单一医疗中心，需要进一步前瞻性验证 | 建立数据驱动方法预测自主呼吸试验结果，提供客观高效的呼吸机脱机评估工具 | 台湾中部某医疗中心重症监护室20岁及以上机械通气患者 | 医疗人工智能 | 呼吸系统疾病 | 深度学习 | CNN, MLP | 临床数据 | 3686名患者，6536条自主呼吸试验前临床记录 | NA | 混合CNN-MLP | 精确度, 召回率, 特异性, F1分数 | NA |