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 32373 篇文献，本页显示第 9321 - 9340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9321 | 2025-10-06 |
Deep learning-based CAD system for Alzheimer's diagnosis using deep downsized KPLS
2025-May-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03010-x
PMID:40425715
|
研究论文 | 提出一种基于深度学习的阿尔茨海默病诊断CAD系统，使用深度降维KPLS进行特征处理 | 提出名为深度降维核偏最小二乘(DDKPLS)的新特征降维方法，结合深度学习和极限学习机(ELM) | 仅使用单一Kaggle MRI数据集进行验证，未提及外部验证或临床部署效果 | 开发计算机辅助诊断系统以准确识别阿尔茨海默病不同阶段 | 阿尔茨海默病患者的脑部MRI图像 | 医学影像分析 | 阿尔茨海默病 | MRI脑部成像 | 深度学习, ELM | 医学图像 | Kaggle MRI数据集（具体数量未明确说明） | NA | NA | 准确率, F1分数 | NA |
| 9322 | 2025-10-06 |
Deep learning network enhances imaging quality of low-b-value diffusion-weighted imaging and improves lesion detection in prostate cancer
2025-May-27, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-14354-y
PMID:40426115
|
研究论文 | 使用NAFNet深度学习网络从800 b值DWI生成模拟1500 b值的DLR1500图像，以提升前列腺癌病灶检测性能 | 首次应用NAFNet深度学习网络实现低b值扩散加权成像质量增强，无需硬件升级即可获得高b值图像质量 | 研究样本主要来自单一医疗中心，测试集样本量较小（36例） | 提升低b值扩散加权成像质量并改善前列腺癌病灶检测准确性 | 前列腺癌患者 | 医学影像分析 | 前列腺癌 | 扩散加权成像（DWI） | 深度学习 | 医学影像 | 303例训练验证患者（复旦大学肿瘤中心），36例独立测试患者 | NA | NAFNet | AUC | NA |
| 9323 | 2025-10-06 |
Machine learning decision support model construction for craniotomy approach of pineal region tumors based on MRI images
2025-May-27, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01712-2
PMID:40426149
|
研究论文 | 基于术前MRI图像构建机器学习决策支持模型，用于松果体区肿瘤开颅手术入路推荐 | 首次将机器学习和深度学习算法结合多方位MRI图像应用于松果体区肿瘤手术入路推荐 | 回顾性研究，样本量有限（173例患者），单中心数据 | 构建PRTs手术入路推荐的决策支持模型 | 经放射学诊断为松果体区肿瘤的患者 | 医学影像分析 | 脑肿瘤 | MRI成像 | 机器学习,深度学习 | 医学图像,临床特征 | 173例患者 | NA | ResNet-50,EfficientNetV2-m,ViT | AUC,ROC曲线 | NA |
| 9324 | 2025-10-06 |
Mechanisms and management of self-resolving lumbar disc herniation: bridging molecular pathways to non-surgical clinical success
2025-May-27, Journal of orthopaedic surgery and research
IF:2.8Q1
DOI:10.1186/s13018-025-05959-x
PMID:40426259
|
研究论文 | 通过病例报告和文献综述探讨腰椎间盘突出自发性吸收的机制与非手术治疗策略 | 结合具体临床病例与系统文献综述，全面分析腰椎间盘突出自发性吸收的分子机制和临床预测因素 | 基于单例病例报告，需要更大样本量的研究验证结论 | 阐明腰椎间盘突出自发性吸收的分子机制并探索非手术治疗管理策略 | 腰椎间盘突出患者，特别是自发性吸收病例 | 医学研究 | 腰椎间盘突出症 | MRI成像，系统文献综述 | NA | 医学影像数据，临床病例数据，文献数据 | 1例40岁女性患者病例及系统文献综述 | NA | NA | 视觉模拟评分(VAS)，MRI影像学评估 | NA |
| 9325 | 2025-06-01 |
Advances in Diagnostic Approaches for Alzheimer's Disease: From Biomarkers to Deep Learning Technology
2025-May-27, CNS & neurological disorders drug targets
|
review | 本文综述了阿尔茨海默病（AD）的诊断方法，从生物标志物到深度学习技术的进展 | 结合生物标志物和深度学习技术（如CNN）提高AD诊断的准确性 | 这些技术旨在辅助而非替代临床医生的专业评估 | 探讨阿尔茨海默病的诊断方法及其技术进展 | 阿尔茨海默病（AD）患者 | digital pathology | geriatric disease | MRI, 深度学习技术 | CNN | image | NA | NA | NA | NA | NA |
| 9326 | 2025-10-06 |
Evolutionary Dynamics and Functional Differences in Clinically Relevant Pen β-Lactamases from Burkholderia spp
2025-May-26, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00271
PMID:40314617
|
研究论文 | 通过机器学习和分子动力学模拟研究伯克霍尔德菌属中四种Pen β-内酰胺酶的进化动力学和功能差异 | 结合增强采样分子动力学模拟、马尔可夫状态模型、卷积变分自编码器和BindSiteS-CNN模型，首次系统揭示Pen β-内酰胺酶的动态差异和进化适应机制 | 研究仅限于四种Pen β-内酰胺酶，未涵盖该家族所有成员 | 探究伯克霍尔德菌属中Pen β-内酰胺酶的动力学差异和功能特性 | 四种Pen β-内酰胺酶（PenA、PenI、PenL和PenP） | 机器学习 | 细菌感染 | 增强采样分子动力学模拟，深度学习 | CNN，CVAE，MSMs | 分子动力学模拟数据，序列数据 | 四种Pen β-内酰胺酶 | NA | 卷积变分自编码器，BindSiteS-CNN | NA | NA |
| 9327 | 2025-10-06 |
Detecting microcephaly and macrocephaly from ultrasound images using artificial intelligence
2025-May-26, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01709-x
PMID:40419983
|
研究论文 | 本研究开发了一种基于深度学习从超声图像中检测胎儿小头畸形和大头畸形的模型 | 在资源有限的埃塞俄比亚医疗环境中应用多种深度学习模型进行胎儿头部异常自动检测，并与行业专家性能进行比较 | 数据集规模有限，模型性能有待进一步优化，需要尝试更复杂的模型 | 开发胎儿头部异常检测模型以改善产前诊断工作流程 | 胎儿头部超声图像 | 计算机视觉 | 胎儿发育异常 | 超声成像 | CNN | 图像 | 来自埃塞俄比亚三家医疗机构的超声图像数据 | NA | SegNet, UNet, FCN, MobileNetV2, EfficientNet-B0 | 准确率, 精确率, 召回率, F1分数, Dice系数 | NA |
| 9328 | 2025-10-06 |
Prediction of one-year recurrence among breast cancer patients undergone surgery using artificial intelligence-based algorithms: a retrospective study on prognostic factors
2025-May-26, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-14369-5
PMID:40419997
|
研究论文 | 本研究使用人工智能算法预测乳腺癌术后患者一年内的复发风险 | 比较多种机器学习和深度学习算法在乳腺癌一年复发预测中的表现，并利用SHAP分析识别关键预后因素 | 回顾性研究设计，数据仅来自德黑兰市三个临床中心，样本量有限 | 开发有效的乳腺癌术后一年复发预测模型 | 乳腺癌术后患者 | 机器学习 | 乳腺癌 | 临床数据分析 | 机器学习,深度学习 | 临床数据 | 1156例乳腺癌术后患者数据（445例复发，711例未复发） | NA | 随机森林 | 阳性预测值,阴性预测值,灵敏度,特异性,准确率,F分数,AUC | NA |
| 9329 | 2025-06-01 |
Characterization of immune features and discovery of potential biomarkers for ankylosing spondylitis using deep plasma proteomics
2025-May-26, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.05.052
PMID:40436140
|
research paper | 通过深度血浆蛋白质组学和深度学习策略，研究强直性脊柱炎的免疫特征并发现潜在生物标志物 | 整合随机森林和正交偏最小二乘判别分析构建机器学习模型，识别出与强直性脊柱炎相关的关键蛋白质 | 样本量相对较小，且仅针对血浆蛋白质组进行分析，未涉及其他生物样本 | 优化强直性脊柱炎的临床管理和预后评估 | 强直性脊柱炎患者和健康对照者的血浆样本 | machine learning | 强直性脊柱炎 | 深度定量蛋白质组学，ELISA | RF, OPLS-DA | 蛋白质组数据 | 104名参与者（AS患者和健康对照者），独立队列79名参与者用于ELISA验证 | NA | NA | NA | NA |
| 9330 | 2025-10-06 |
Auxiliary Teaching and Student Evaluation Methods Based on Facial Expression Recognition in Medical Education
2025-May-22, JMIR human factors
IF:2.6Q3
DOI:10.2196/72838
PMID:40402552
|
研究论文 | 提出一种基于面部表情识别技术的医学教育辅助教学和学生评估方法 | 将面部表情识别技术应用于医学教育领域，通过分析学生情绪状态实现教学策略的动态调整 | 面临技术准确性、设备依赖性和隐私保护等挑战 | 改善医学教学效果，优化个性化学习，促进师生互动 | 医学教育中的学生 | 计算机视觉 | NA | 面部表情识别 | 深度学习算法 | 面部图像 | NA | NA | NA | NA | 多角度高清摄像头 |
| 9331 | 2025-10-06 |
A Scoping Review of AI-Driven Digital Interventions in Mental Health Care: Mapping Applications Across Screening, Support, Monitoring, Prevention, and Clinical Education
2025-May-21, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare13101205
PMID:40428041
|
综述 | 本PRISMA-ScR范围综述系统梳理了人工智能在心理健康护理中筛查、支持、监测、预防和临床教育五个阶段的应用现状 | 提出了四支柱框架来系统分类AI在心理健康护理中的应用，并整合了大型语言模型等最新AI技术在心理健康领域的最新实证研究 | 仅纳入36项实证研究，可能存在发表偏倚，且未对研究质量进行系统评估 | 系统梳理人工智能驱动的数字干预在心理健康护理中的应用现状和未来方向 | 心理健康护理的数字干预应用 | 自然语言处理 | 精神疾病 | NA | 机器学习,深度学习,大型语言模型 | 文本,对话数据 | 36项实证研究 | NA | NA | NA | NA |
| 9332 | 2025-10-06 |
Brain Tumour Segmentation and Grading Using Local and Global Context-Aggregated Attention Network Architecture
2025-May-21, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050552
PMID:40428171
|
研究论文 | 开发了一种结合局部和全局上下文注意力网络的LGCNet架构，用于脑肿瘤分割和分级 | 提出了一种结合局部上下文注意力网络和全局上下文注意力网络的聚合架构，能够从任务、维度和尺度中提取信息 | 研究范围仅限于BraTS2019数据集，需要扩展到不同的临床和成像环境 | 设计开发能够更有效检测和分级脑肿瘤的智能模型 | 脑肿瘤 | 计算机视觉 | 脑肿瘤 | 深度学习 | 注意力网络 | 医学图像 | BraTS2019数据集 | NA | LGCNet（局部上下文注意力网络+全局上下文注意力网络） | Dice分数, 灵敏度, 特异性, Hausdorff分数 | NA |
| 9333 | 2025-10-06 |
RDW-YOLO: A Deep Learning Framework for Scalable Agricultural Pest Monitoring and Control
2025-May-21, Insects
IF:2.7Q1
DOI:10.3390/insects16050545
PMID:40429258
|
研究论文 | 提出基于YOLO11改进的RDW-YOLO深度学习框架，用于农业害虫检测与监控 | 引入三个关键创新：重参数化扩张融合模块增强特征提取、双路径下采样模块提升多尺度适应性、改进的Wise-Wasserstein IoU损失函数优化边界框回归 | NA | 开发高精度高效率的农业害虫检测算法 | 农业害虫 | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | 增强版IP102数据集 | NA | YOLO11, RDW-YOLO | mAP@0.5, mAP@0.5:0.95 | NA |
| 9334 | 2025-06-01 |
Improved YOLOv8 Network of Aircraft Target Recognition Based on Synthetic Aperture Radar Imaging Feature
2025-May-21, Sensors (Basel, Switzerland)
DOI:10.3390/s25103231
PMID:40432024
|
研究论文 | 本文提出了一种基于合成孔径雷达（SAR）成像特征的改进YOLOv8网络，用于飞机目标识别 | 采用了Shi-Tomasi角点检测算法和Enhanced Lee滤波算法将灰度图像转换为RGB图像，增强了YOLOv8模型的多维特征提取能力，并集成了Swin Transformer机制以更好地捕捉特征图中的长距离依赖关系 | NA | 提高SAR图像中飞机目标的识别准确率和效率 | SAR图像中的飞机目标 | 计算机视觉 | NA | Shi-Tomasi角点检测算法、Enhanced Lee滤波算法、Swin Transformer机制 | YOLOv8 | 图像 | 两个数据集：ISPRS-SAR-aircraft数据集和SAR-Aircraft-1.0数据集 | NA | NA | NA | NA |
| 9335 | 2025-06-01 |
Optimizing Backbone Networks Through Hybrid-Modal Fusion: A New Strategy for Waste Classification
2025-May-21, Sensors (Basel, Switzerland)
DOI:10.3390/s25103241
PMID:40432034
|
研究论文 | 提出了一种高效的混合模态融合方法HFWC-Net，用于精确的垃圾图像分类 | HFWC-Net结合了CNN和Transformer的层次结构，通过Agent Attention机制和LionBatch优化策略，提高了分类准确性并显著减少了分类时间 | 在复杂环境和多样化垃圾类型中仍可能存在识别准确性和泛化能力的挑战 | 优化垃圾分类的自动化方法，提高分类效率和准确性 | 垃圾图像 | 计算机视觉 | NA | 混合模态融合方法 | HFWC-Net（结合CNN和Transformer） | 图像 | 公共数据集Garbage Classification、TrashNet和自建MixTrash数据集 | NA | NA | NA | NA |
| 9336 | 2025-10-06 |
Multiclassification of Colorectal Polyps from Colonoscopy Images Using AI for Early Diagnosis
2025-May-20, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15101285
PMID:40428278
|
研究论文 | 本研究开发了一种基于深度学习的结直肠息肉多分类框架，用于从结肠镜图像中自动分类息肉类型 | 提出了自定义的CRP-ViT模型，在捕获复杂特征方面表现优异，并开发了用户友好的实时交互界面 | NA | 通过AI模型自动分类结直肠息肉，辅助结直肠癌早期诊断 | 结肠镜图像中的结直肠息肉 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN, Transformer | 图像 | 实时数据集和公开数据集 | NA | VGG16, VGG19, ResNet50, DenseNet121, EfficientNetV2, InceptionNetV3, Vision Transformer (ViT), CRP-ViT | 准确率 | NA |
| 9337 | 2025-10-06 |
Artificial Intelligence and Novel Technologies for the Diagnosis of Upper Tract Urothelial Carcinoma
2025-May-20, Medicina (Kaunas, Lithuania)
DOI:10.3390/medicina61050923
PMID:40428881
|
综述 | 本文综述人工智能和新技术在上尿路尿路上皮癌诊断中的应用 | 系统评估多种AI技术（包括随机森林模型、计算机视觉模型和深度学习工作流）在UTUC诊断中的创新应用 | 纳入研究数量有限（仅12篇），且ChatGPT等技术尚未成熟到能提供诊断治疗建议 | 探讨人工智能和新技术在高级别UTUC早期识别中的应用，以预防转移和促进及时治疗 | 上尿路尿路上皮癌（UTUC） | 数字病理学 | 尿路上皮癌 | 尿液细胞学、CT尿路成像、内窥镜检查、组织病理学分析 | 随机森林, 深度学习, 计算机视觉模型 | 图像, 文本, 放射组学特征 | 基于12篇纳入文献的研究数据 | NA | NA | 诊断准确性 | NA |
| 9338 | 2025-10-06 |
Computational methods for modeling protein-protein interactions in the AI era: Current status and future directions
2025-May-19, Drug discovery today
IF:6.5Q1
DOI:10.1016/j.drudis.2025.104382
PMID:40398752
|
综述 | 本文综述了人工智能时代蛋白质-蛋白质相互作用计算建模方法的现状与未来发展方向 | 系统总结了AI方法在蛋白质相互作用建模中的革命性进展，特别关注深度学习框架和端到端方法的最新创新 | 未提供具体实验验证数据，主要基于文献综述和分析 | 探讨蛋白质-蛋白质相互作用计算建模方法的发展现状和未来趋势 | 蛋白质-蛋白质相互作用建模的计算方法 | 机器学习 | NA | 深度学习, 端到端框架 | 深度学习模型 | 蛋白质结构数据 | NA | AlphaFold及其衍生框架 | NA | NA | NA |
| 9339 | 2025-10-06 |
A Smartphone-Based Non-Destructive Multimodal Deep Learning Approach Using pH-Sensitive Pitaya Peel Films for Real-Time Fish Freshness Detection
2025-May-19, Foods (Basel, Switzerland)
DOI:10.3390/foods14101805
PMID:40428585
|
研究论文 | 提出一种基于智能手机和火龙果皮pH敏感薄膜的多模态深度学习方法，用于实时无损检测鱼类新鲜度 | 首次结合火龙果皮pH智能指示膜与多模态深度学习，设计MDFA模块增强颜色特征提取，并采用CAG-Fusion机制自适应融合图像和化学时序特征 | 仅在特定智能手机（小米14）上测试，未验证在其他设备上的泛化性能 | 开发低成本便携的鱼类新鲜度实时检测方法 | 鱼类新鲜度指标（pH值、TVB-N、TVC） | 计算机视觉 | NA | 高压均质技术、pH敏感薄膜 | CNN, TCN | 图像、化学指标数据 | 3600张指示膜图像 | TensorFlow, PyTorch | MobileNetV2, TCN | 分类准确率, 推理时间 | 智能手机（小米14） |
| 9340 | 2025-10-06 |
Automated Stuttering Detection Using Deep Learning Techniques
2025-May-19, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14103552
PMID:40429548
|
研究论文 | 本研究开发了一种基于深度学习的自动化口吃检测系统 | 首次将CNN和ConvLSTM深度学习模型应用于口吃检测，性能优于先前研究 | NA | 开发自动化口吃检测系统以克服人工测量的局限 | 口吃患者的语音数据 | 自然语言处理 | 言语障碍 | 深度学习 | CNN, ConvLSTM | 语音数据 | FluencyBank和SEP-28K两个基准数据集 | NA | 卷积神经网络, 卷积长短期记忆网络 | 准确率 | NA |