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 10101 - 10120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10101 | 2025-06-01 |
Personalized prediction of gait freezing using dynamic mode decomposition
2025-May-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88110-4
PMID:40437121
|
research paper | 本文探讨了一种基于动态模式分解（DMD）的方法，用于预测帕金森病患者步态冻结（FoG）的发生 | 引入基于DMD的三重指标来预测和分类FoG，实现了86.5%的分类准确率和81.97%的早期预测率 | 方法的实时性可能受数据处理需求的影响，且DMD的‘黑箱’特性使得特征和分类边界的解释存在困难 | 提高帕金森病患者步态冻结（FoG）的早期预测能力，以改善患者生活质量 | 晚期帕金森病患者的步态冻结（FoG）现象 | machine learning | Parkinson's disease | dynamic mode decomposition (DMD) | NA | acceleration signals | NA | NA | NA | NA | NA |
| 10102 | 2025-06-01 |
An interpretable deep learning framework using FCT-SMOTE and BO-TabNet algorithms for reservoir water sensitivity damage prediction
2025-May-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99659-5
PMID:40437186
|
研究论文 | 提出了一种可解释的深度学习框架，结合FCT-SMOTE和BO-TabNet算法，用于预测储层水敏损害 | 结合贝叶斯优化与TabNet建模复杂油田表格数据，整合FCT和SMOTE技术解决数据缺失和不平衡问题，实现了从传统定性分析到定量因子分析的进步 | 仅基于15个不同油田的270条数据进行验证，样本量和多样性可能有限 | 解决油气钻完井操作中高维和不可预测的挑战，提高储层水敏损害预测的准确性 | 天然岩心样本中的储层水敏损害 | 机器学习 | NA | FCT-SMOTE, BO-TabNet | TabNet, Tab Transformer, Hopular, TabDDPM | 表格数据 | 15个不同油田的270条数据 | NA | NA | NA | NA |
| 10103 | 2025-06-01 |
Integrating SEResNet101 and SE-VGG19 for advanced cervical lesion detection: a step forward in precision oncology
2025-May-28, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-14353-z
PMID:40437403
|
研究论文 | 该研究比较了SEResNet101和SE-VGG19两种深度学习模型在宫颈病变分类中的性能，发现SEResNet101在所有评估指标上均表现更优 | 整合SEResNet101和SE-VGG19两种先进深度学习模型用于宫颈病变检测，显著提高了诊断精确度 | 需要多中心试验验证研究结果并促进临床广泛应用 | 提高宫颈癌筛查的准确性和精确度 | 宫颈病变（低级别鳞状上皮内病变LSIL和高级别鳞状上皮内病变HSIL） | 数字病理学 | 宫颈癌 | 深度学习 | SEResNet101, SE-VGG19 | 图像 | 3,305张高质量的阴道镜图像 | NA | NA | NA | NA |
| 10104 | 2025-06-01 |
Real-time segmentation and detection of ponticulus posticus in lateral cephalometric radiographs using YOLOv8: a step towards enhanced clinical evaluation
2025-May-28, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-06196-8
PMID:40437474
|
研究论文 | 本研究开发了一种基于YOLOv8-seg模型的深度学习方法，用于在侧位头影测量X光片中实时分割和检测Ponticulus posticus（PP） | 首次将YOLOv8-seg模型应用于PP的检测，提高了检测的准确性和效率 | 研究仅使用了1000张X光片，样本量相对较小，且模型在PP边界不清晰时的性能未完全评估 | 开发一种自动检测PP的方法，以辅助正畸诊断和临床决策 | 侧位头影测量X光片中的Ponticulus posticus（PP） | 数字病理 | 颅椎病理 | YOLOv8-seg模型 | YOLOv8 | 图像 | 1000张侧位头影测量X光片 | NA | NA | NA | NA |
| 10105 | 2025-06-01 |
NeuroScale: evolutional scale-based protein language models enable prediction of neuropeptides
2025-May-28, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-025-02243-6
PMID:40437538
|
研究论文 | 本文介绍了NeuroScale，一种基于进化尺度建模的多通道神经网络模型，用于精确预测神经肽 | NeuroScale通过整合GoogLeNet框架，有效捕捉多尺度神经肽特征，实现了稳健且准确的分类 | NA | 开发更有效的计算方法以准确识别神经肽 | 神经肽（NPs） | 自然语言处理 | NA | 进化尺度建模（ESM） | 多通道神经网络模型，GoogLeNet | 蛋白质序列 | NA | NA | NA | NA | NA |
| 10106 | 2025-06-01 |
A highly scalable deep learning language model for common risks prediction among psychiatric inpatients
2025-May-28, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-025-04150-7
PMID:40437564
|
研究论文 | 开发了一种基于Transformer的可扩展深度学习语言模型，用于精神病住院患者的常见风险预测 | 首次探索基于Transformer的语言模型在精神病住院患者常见风险评估中的性能，并开发了多任务半结构化Transformer语言模型（SSTL） | 研究仅限于三种精神病诊断（精神分裂症、双相情感障碍和抑郁症），且外部验证队列样本量相对较小 | 开发并验证一种可扩展的风险评估模型，用于精神病住院患者的常见风险预测 | 精神病住院患者，特别是首次住院的精神分裂症、双相情感障碍和抑郁症患者 | 自然语言处理 | 精神疾病 | 深度学习语言模型 | Transformer, SSTL | 文本（首次医疗记录、实验室检查、医嘱、心理量表） | 7451名患者（训练队列）和1180名患者（外部验证队列） | NA | NA | NA | NA |
| 10107 | 2025-10-06 |
Artificial Intelligence Tools for Preconception Cardiomyopathy Screening Among Women of Reproductive Age
2025-May-27, Annals of family medicine
IF:4.4Q1
DOI:10.1370/afm.230627
PMID:40300816
|
研究论文 | 评估人工智能工具在育龄女性中检测左心室收缩功能障碍的诊断性能 | 首次将深度学习应用于12导联心电图和数字听诊器记录，用于育龄女性心肌病筛查 | 样本量较小（仅200名参与者），单中心研究 | 评估人工智能工具在育龄女性中检测左心室收缩功能障碍的诊断性能 | 育龄女性（18-49岁） | 数字病理 | 心血管疾病 | 心电图，数字听诊器记录，超声心动图 | 深度学习 | 心电图信号，听诊器录音 | 200名女性参与者（两个队列各100名） | NA | NA | 曲线下面积 | NA |
| 10108 | 2025-10-06 |
Multiple-Basin Go̅-Martini for Investigating Conformational Transitions and Environmental Interactions of Proteins
2025-May-27, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00256
PMID:40359486
|
研究论文 | 提出了一种结合Go̅-Martini模型和指数混合方案的多势阱Go̅-Martini方法，用于研究蛋白质在显式环境中的构象转变 | 将Go̅-Martini模型与指数混合方案相结合，首次实现了在显式环境中模拟蛋白质自发构象转变 | 方法尚未在更广泛的蛋白质体系中进行验证，计算效率仍需进一步提升 | 开发新的计算方法研究蛋白质构象转变及其与环境相互作用的机制 | 蛋白质构象转变过程及其与环境（特别是膜环境）的相互作用 | 计算生物学 | NA | 分子动力学模拟，粗粒化模型 | Go̅-Martini模型 | 分子模拟数据 | 5个代表性蛋白质案例（GlnBP, Arc, Hinge, SemiSWEET, TRAAK） | NA | 多势阱Go̅-Martini | 构象转变路径分析，中间态识别，蛋白质-环境相互作用分析 | 分子动力学模拟计算资源 |
| 10109 | 2025-10-06 |
Reliable protein-protein docking with AlphaFold, Rosetta, and replica exchange
2025-May-27, eLife
IF:6.4Q1
DOI:10.7554/eLife.94029
PMID:40424178
|
研究论文 | 提出一种结合AlphaFold结构模板与物理增强采样算法的蛋白质复合物结构预测新方法 | 将深度学习架构与基于物理的副本交换对接算法相结合，利用AF置信度评估蛋白质灵活性和对接准确性 | 研究基于254个蛋白质靶标的有限数据集，未在更大规模数据集上验证 | 提高蛋白质-蛋白质对接和复合物结构预测的准确性 | 蛋白质复合物结构，特别是存在构象变化的结合伴侣 | 计算生物学 | NA | 蛋白质结构预测，分子对接 | 深度学习，物理模拟 | 蛋白质结构数据 | 254个蛋白质靶标，包含97个AF预测失败案例 | AlphaFold, Rosetta, ReplicaDock 2.0 | AlphaFold-multimer, 副本交换算法 | CAPRI质量标准，成功率 | NA |
| 10110 | 2025-10-06 |
Comparison of lower limb kinematic and kinetic estimation during athlete jumping between markerless and marker-based motion capture systems
2025-May-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02739-9
PMID:40425708
|
研究论文 | 比较无标记与基于标记的运动捕捉系统在运动员跳跃过程中下肢运动学和动力学参数估计的差异 | 首次在从事高强度跳跃运动的运动员群体中系统验证无标记运动捕捉系统对下肢关节运动学和动力学参数的测量准确性 | 样本量较小（14名男性运动员），髋关节矢状面运动学测量精度需要进一步验证 | 验证无标记运动捕捉系统在运动员跳跃测试中的测量有效性 | 14名男性一级大学运动员 | 生物力学分析 | 运动损伤 | 运动捕捉技术 | 深度学习算法 | 运动数据、力学数据 | 14名男性运动员，每人至少完成3次深蹲跳、下落跳和反向跳跃 | Theia3D, Vicon Nexus | NA | 皮尔逊相关系数, 均方根差, 极值误差, 统计参数映射 | 10台红外相机, 6台高分辨率相机, 2个测力平台 |
| 10111 | 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 |
| 10112 | 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 |
| 10113 | 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 |
| 10114 | 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 |
| 10115 | 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 |
| 10116 | 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 |
| 10117 | 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 |
| 10118 | 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 |
| 10119 | 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 |
| 10120 | 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 |