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 36465 篇文献，本页显示第 9801 - 9820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9801 | 2025-10-06 |
MOPDDI: Predicting Drug-Drug Interaction Events Based on Multimodal Mutual Orthogonal Projection and Intermodal Consistency Loss
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3343911
PMID:38109247
|
研究论文 | 提出基于多模态互正交投影和模态间一致性损失的药物相互作用事件预测新方法 | 首次引入多模态互正交投影模块消除模态间冗余共同信息，并采用模态间一致性损失确保各模态预测特征的一致性 | 未明确说明方法在未知药物相互作用预测上的泛化能力 | 准确预测药物相互作用事件机制 | 药物相互作用事件 | 机器学习 | NA | 多模态数据分析 | 深度学习 | 多模态药物数据 | NA | NA | 多模态互正交投影模块 | 准确率, AUPR | NA |
| 9802 | 2025-10-06 |
Prediction of Drug-Target Interactions With High- Quality Negative Samples and a Network-Based Deep Learning Framework
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3354953
PMID:38227407
|
研究论文 | 本文提出了一种基于高质量负样本选择和网络深度学习的药物-靶点相互作用预测方法 | 发现随机选择负样本的隐藏偏差并提出基于复杂网络理论的负样本选择方法，构建整合多源信息的异质图神经网络预测框架 | 未明确说明模型的计算复杂度和在实际药物发现中的验证效果 | 提高药物-靶点相互作用预测的准确性和可靠性 | 药物分子和蛋白质靶点 | 机器学习 | NA | 图神经网络，异质网络分析 | 图神经网络 | 网络拓扑数据，基因本体注释，通路注释 | NA | NA | 异质图神经网络 | NA | NA |
| 9803 | 2025-10-06 |
Dual Representation Learning for Predicting Drug-Side Effect Frequency Using Protein Target Information
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3350083
PMID:38241108
|
研究论文 | 提出一种基于深度学习的药物副作用频率预测模型，利用蛋白质靶点信息等多源异质特征 | 首次同时利用药物靶蛋白信息、分子图、指纹和化学相似性等多源异质特征，并学习药物和副作用的双重表示向量 | 对于没有明确靶蛋白的药物预测效果较差，需通过Adaboost方法进行补偿 | 预测药物副作用频率，评估治疗风险和药物重定位 | 药物及其副作用 | 机器学习 | NA | 深度学习 | 深度学习 | 分子图、指纹、化学相似性、蛋白质靶点信息 | NA | NA | 双重表示学习 | NA | NA |
| 9804 | 2025-10-06 |
Property-Guided Few-Shot Learning for Molecular Property Prediction With Dual-View Encoder and Relation Graph Learning Network
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3381896
PMID:38536684
|
研究论文 | 提出一种用于分子性质预测的属性引导少样本学习模型PG-DERN | 引入双视图编码器整合节点和子图信息，构建关系图学习模块改善信息传播效率，设计属性引导特征增强模块传递相似属性信息 | NA | 解决药物发现中分子性质预测任务在数据有限场景下的准确性问题 | 药物分子 | 机器学习 | NA | 少样本学习 | 图神经网络,元学习 | 分子结构数据 | 四个基准数据集 | NA | 双视图编码器,关系图学习网络,MAML | 准确率 | NA |
| 9805 | 2025-10-06 |
[Artificial intelligence in healthcare]
2025-Mar, Klinicka mikrobiologie a infekcni lekarstvi
PMID:40678962
|
综述 | 本文概述了人工智能在医疗领域的历史、原理及具体应用 | 系统总结了AI在医学影像、文档分析和临床决策支持中的综合应用 | 存在潜在错误、伦理困境和误用风险 | 探讨人工智能在医疗保健领域的应用与挑战 | 医疗人工智能技术及应用 | 医疗人工智能 | NA | 机器学习，深度学习，神经网络 | NA | 医学影像，医疗文档，临床数据 | NA | NA | NA | NA | NA |
| 9806 | 2025-10-06 |
Alzheimer's Disease Detection in EEG Sleep Signals
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3478380
PMID:39392730
|
研究论文 | 本研究探索利用睡眠脑电图信号通过半监督深度学习技术早期检测阿尔茨海默病 | 首次将半监督深度学习应用于睡眠EEG信号的阿尔茨海默病检测，重点解决临床数据稀缺问题 | 数据可用性有限是主要限制因素 | 开发基于睡眠EEG信号的阿尔茨海默病早期检测方法 | 通过多导睡眠图采集的睡眠相关脑电图信号 | 机器学习 | 阿尔茨海默病 | 多导睡眠图，脑电图 | 半监督深度学习模型 | 脑电图信号 | NA | NA | NA | 准确率 | NA |
| 9807 | 2025-10-06 |
Interpretable Dynamic Directed Graph Convolutional Network for Multi-Relational Prediction of Missense Mutation and Drug Response
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3483316
PMID:39423073
|
研究论文 | 提出一种可解释的动态有向图卷积网络框架，用于预测错义突变与药物反应之间的多关系 | 首次将动态有向图卷积网络应用于错义突变-药物反应预测，通过方向性图结构区分敏感性与耐药性关系，并集成加权机制提升模型可解释性 | 未明确说明模型在更大规模数据集上的泛化能力及计算效率 | 解决肿瘤异质性背景下错义突变与药物反应间的复杂关系预测问题 | 错义突变与药物反应间的多关系数据 | 机器学习 | 肿瘤癌症 | 图神经网络 | GCN | 图数据 | NA | NA | 动态有向图卷积网络 | 预测准确性, 可解释性评估 | NA |
| 9808 | 2025-10-06 |
UnBias: Unveiling Bias Implications in Deep Learning Models for Healthcare Applications
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3484951
PMID:39495690
|
研究论文 | 本研究提出UnBias方法评估深度学习模型中的偏见，并通过COVID-19检测案例研究分析不同神经网络架构的偏见影响 | 提出UnBias方法用于检测深度学习模型中偏见渗入学习过程的实例，揭示模型注意力从主要特征偏移的现象 | NA | 评估深度学习模型在医疗应用中的偏见及其伦理影响，推动公平可信AI发展 | 深度学习模型在医疗应用中的偏见表现 | 机器学习 | COVID-19 | 深度学习 | CNN | 胸部X光扫描图像 | 来自多个公开数据库的胸部X光扫描数据集 | NA | ResNet50V2, DenseNet121, InceptionV3, Xception | NA | NA |
| 9809 | 2025-10-06 |
Forecasting Epidemic Spread With Recurrent Graph Gate Fusion Transformers
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3488274
PMID:39475731
|
研究论文 | 提出一种名为ReGraFT的新型序列到序列模型，用于COVID-19的长期预测 | 整合多图门控循环单元与自适应图结构，结合滞后政策数据，系统比较不同图类型 | 过度依赖历史COVID-19数据，对时滞数据的利用潜力有限 | 改进流行病传播预测的准确性和鲁棒性 | 美国各州的感染率、政策变化和州际旅行数据 | 机器学习 | COVID-19 | 深度学习 | Seq2Seq, GNN, RNN, Transformer | 时间序列数据、图数据 | NA | NA | 多图门控循环单元(MGRU)、自归一化启动(SNP)层、全连接层、池化机制、注意力结构 | 均方根误差(RMSE) | NA |
| 9810 | 2025-10-06 |
Scaling Synthetic Brain Data Generation
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3520156
PMID:40030742
|
研究论文 | 介绍Wirehead——一种可扩展的内存数据管道，显著提升神经影像学中深度学习实时合成数据生成的性能 | 通过独立并行进程运行多个生成器，将数据生成与训练解耦，实现近乎线性的性能提升 | 在优化生成-训练平衡和资源分配方面存在未来研究机会 | 解决神经影像学研究中高质量数据集有限的问题，加速深度学习实验周期 | 合成脑部数据生成 | 神经影像学 | NA | 合成数据生成 | NA | 脑部影像数据 | 可高效处理TB级数据 | NA | NA | 吞吐量提升倍数 | MongoDB数据库，并行生成器架构 |
| 9811 | 2025-10-06 |
DSANIB: Drug-Target Interaction Predictions With Dual-View Synergistic Attention Network and Information Bottleneck Strategy
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3497591
PMID:40030194
|
研究论文 | 提出一种名为DSANIB的新方法，通过双视图协同注意力网络和信息瓶颈策略预测药物-靶点相互作用 | 结合双视图注意力网络显式学习药物-靶点对的局部相互作用，并采用信息瓶颈策略过滤冗余信息 | NA | 改进药物-靶点相互作用预测的准确性和可解释性 | 药物和靶点分子 | 机器学习 | NA | 深度学习 | 注意力网络 | 分子结构数据 | NA | NA | 双视图协同注意力网络 | NA | NA |
| 9812 | 2025-10-06 |
Artificial Intelligence in Cancer Diagnosis: A Game-changer in Healthcare
2025, Current pharmaceutical biotechnology
IF:2.2Q3
|
综述 | 本文综述了人工智能在癌症早期检测中的潜在应用、技术方法和实施挑战 | 系统整合了AI在癌症筛查、风险分层和诊断复发的多场景应用，并强调深度学习处理复杂医学数据的优势 | 存在数据质量、算法偏见、资源需求和实施标准化等挑战 | 探讨人工智能在癌症早期诊断中的临床应用价值 | 无症状高危人群、有症状患者和癌症复发监测群体 | 医疗人工智能 | 癌症 | CT、乳腺X线摄影、病理切片分析、外周血分析 | 逻辑回归, 神经网络, 深度学习 | 医学影像、病理数据、血液检测数据 | NA | NA | NA | NA | NA |
| 9813 | 2025-10-06 |
Prognostic Value Of Deep Learning Based RCA PCAT and Plaque Volume Beyond CT-FFR In Patients With Stent Implantation
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究探讨基于深度学习的右冠状动脉周脂肪组织衰减和斑块体积对经皮冠状动脉介入治疗患者预后的预测价值 | 首次证明基于深度学习的右冠状动脉周脂肪组织衰减和斑块体积比CT-FFR更能预测主要不良心血管事件 | 回顾性研究设计，样本量相对较小（183例患者） | 评估深度学习提取的影像特征对冠心病患者预后的预测能力 | 接受经皮冠状动脉介入治疗和冠状动脉CTA检查的患者 | 医学影像分析 | 心血管疾病 | 冠状动脉计算机断层扫描血管成像 | 深度学习 | 医学影像 | 183例接受PCI治疗的患者 | NA | NA | 风险比, 95%置信区间, p值 | 人工智能辅助工作站 |
| 9814 | 2025-10-06 |
Hybrid deep learning optimization for smart agriculture: Dipper throated optimization and polar rose search applied to water quality prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327230
PMID:40690512
|
研究论文 | 提出一种结合Dipper Throated优化和Polar Rose搜索的混合元启发式框架，用于智能农业中的水质预测 | 首次将DTO生物启发算法与PRS搜索相结合，通过二元特征选择和元启发式优化的统一流程增强深度学习模型性能 | NA | 开发精准的水质预测模型以支持智能农业灌溉决策 | 马铃薯等需高质量灌溉的农作物 | 机器学习 | NA | 水质预测 | RBFN | 水质数据 | NA | NA | 径向基函数网络 | 分类准确率, ANOVA检验, Wilcoxon检验 | NA |
| 9815 | 2025-10-06 |
Evolution from the physical process-based approaches to machine learning approaches to predicting urban floods: a literature review
2025, Environmental systems research
DOI:10.1186/s40068-025-00409-3
PMID:40692624
|
文献综述 | 本文综述了过去二十年来从物理过程模型到机器学习方法的城市洪水预测研究演变 | 重点关注AI驱动、实时和社区集成方法在城市洪水预测中的最新进展，并系统比较了不同方法的优劣 | 许多城市缺乏应用这些先进工具所需的数据、传感器或系统，且许多模型独立运行，未与城市规划或社区工作有效整合 | 分析城市洪水预测方法从传统物理过程模型到机器学习方法的发展历程 | 城市洪水预测模型和方法 | 机器学习 | NA | GIS, LiDAR, 卫星影像, 物联网, 深度学习 | 混合模型, 深度学习 | 气象数据, 传感器数据, 社交媒体数据, 卫星图像 | NA | NA | NA | NA | NA |
| 9816 | 2025-10-06 |
High-throughput end-to-end aphid honeydew excretion behavior recognition method based on rapid adaptive motion-feature fusion
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1609222
PMID:40692669
|
研究论文 | 提出一种基于快速自适应运动特征融合的端到端蚜虫蜜露排泄行为识别方法 | 开发了首个包含蚜虫细粒度行为的数据集，提出快速自适应运动特征融合算法，并在RT-DETR检测模型中引入样条自适应非线性激活函数和Kolmogorov-Arnold网络 | NA | 开发高效实时的蚜虫蜜露排泄行为自动识别方法 | 蚜虫的爬行运动、腿部弹动和蜜露排泄行为 | 计算机视觉 | NA | 深度学习 | RT-DETR | 视频图像 | NA | PyTorch | RT-DETR, ResNet50, RK50模块 | 平均精度, mAP50 | NA |
| 9817 | 2025-10-06 |
Classifying office workers with and without cervicogenic headache or neck and shoulder pain using posture-based deep learning models: a multicenter retrospective study
2025, Frontiers in pain research (Lausanne, Switzerland)
DOI:10.3389/fpain.2025.1614143
PMID:40692757
|
研究论文 | 基于习惯性坐姿图像开发深度学习模型，用于分类有无颈源性头痛或颈肩痛的办公室工作人员 | 首次使用深度学习模型从习惯性坐姿图像中自动识别颈源性头痛和颈肩痛，并利用类激活映射可视化模型关注区域 | 静态姿势与肌肉骨骼疼痛之间的复杂关系需要临床实践中采用多模式评估方法 | 开发用于分类办公室工作人员有无颈源性头痛和颈肩痛的深度学习模型 | 531名办公室工作人员（135名颈源性头痛，365名颈肩痛，108名同时患有两种病症，139名对照组） | 计算机视觉 | 肌肉骨骼疾病 | 数字图像分析 | CNN | 图像 | 904张习惯性坐姿图像，来自531名办公室工作人员 | NA | VGG19, ResNet50, EfficientNet B5 | AUC, 准确率, 灵敏度, 特异性, F1分数 | NA |
| 9818 | 2025-10-06 |
Deep learning for enhancement of low-resolution and noisy scanning probe microscopy images
2025, Beilstein journal of nanotechnology
IF:2.6Q2
DOI:10.3762/bjnano.16.83
PMID:40692894
|
研究论文 | 本研究使用深度学习方法提升低分辨率和噪声扫描探针显微镜图像的质量与分辨率 | 首次系统比较传统方法与深度学习模型在AFM图像增强中的表现，并证明深度学习能完全消除常见伪影 | 未详细说明具体使用的深度学习模型架构和训练数据规模 | 提升原子力显微镜图像的分辨率和质量，减少测量时间 | 低分辨率AFM图像 | 计算机视觉 | NA | 原子力显微镜 | 深度学习模型 | 图像 | NA | NA | NA | 保真度, 图像质量, 专家评估 | NA |
| 9819 | 2025-10-06 |
Multidisciplinary Evaluation of an AI-Based Pneumothorax Detection Model: Clinical Comparison with Physicians in Edge and Cloud Environments
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S535405
PMID:40693169
|
研究论文 | 评估基于Google Cloud Vertex AI开发的气胸检测深度学习模型在云环境和边缘环境中的诊断性能，并与多专科医师进行临床对比 | 首次在云环境和边缘环境中同时评估AI气胸检测模型性能，并与不同经验水平的医师进行多学科比较，特别关注微小气胸病例的检测能力 | 单中心回顾性研究，样本量有限(152例)，缺乏外部验证 | 评估AI模型在气胸检测中的诊断准确性及其临床适用性 | 152例匿名胸部X光片(76例气胸，76例正常)，15名来自4个专科的医师 | 计算机视觉 | 肺疾病 | 胸部X光成像，计算机断层扫描(CT) | 深度学习 | 医学图像 | 152例胸部X光片，患者年龄中位数50岁(范围18-95)，67.1%为男性 | Google Cloud Vertex AI, AutoML Vision | AutoML Vision自动生成的深度学习架构 | 敏感度，特异度，F1分数，诊断准确度 | Google Cloud Vertex AI平台，云环境和边缘环境部署 |
| 9820 | 2025-10-06 |
MSPO: A machine learning hyperparameter optimization method for enhanced breast cancer image classification
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251361603
PMID:40693252
|
研究论文 | 提出一种多策略鹦鹉优化器(MSPO)用于改进乳腺癌图像分类的机器学习超参数优化方法 | 在原始鹦鹉优化器基础上集成Sobol序列初始化、非线性递减惯性权重和混沌参数等策略，增强全局探索能力和收敛稳定性 | NA | 开发高效的超参数优化方法以提升乳腺癌图像分类性能 | 乳腺癌图像分类 | 计算机视觉 | 乳腺癌 | NA | CNN | 图像 | BreaKHis乳腺癌图像数据集 | NA | ResNet18 | 准确率,精确率,召回率,F1分数 | NA |