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 10601 - 10620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10601 | 2025-05-17 |
[Comparison of the Impact of Deep Learning Techniques on Low-noise Head CT Images]
2025, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-1537
PMID:40175157
|
研究论文 | 比较两种深度学习技术在低噪声头部CT图像上对脑CT值、图像噪声内容及白质与灰质对比噪声比的影响 | 比较了两种深度学习技术（AiCE和PixelShine）在低噪声头部CT图像上的效果，揭示了它们在减少图像噪声、改变CT值及影响白质与灰质对比噪声比方面的差异 | 研究样本量较小（21名正常患者），且仅针对无异常发现的正常患者，可能限制了结果的广泛适用性 | 比较深度学习技术对低噪声头部CT图像质量的影响 | 低噪声头部CT图像 | 医学影像处理 | NA | 深度学习技术（AiCE和PixelShine） | 深度学习 | CT图像 | 21名无异常发现的正常患者 | NA | NA | NA | NA |
| 10602 | 2025-05-17 |
Developing predictive models for µ opioid receptor binding using machine learning and deep learning techniques
2025, Experimental biology and medicine (Maywood, N.J.)
DOI:10.3389/ebm.2025.10359
PMID:40177220
|
研究论文 | 本研究旨在开发机器学习和深度学习模型，用于预测化学物质与µ阿片受体（MOR）的结合活性 | 结合机器学习和深度学习技术，开发了多种预测模型，用于识别MOR结合剂，可能有助于开发非成瘾性或低成瘾性药物 | 模型的马修斯相关系数在0.528-0.654和0.408之间，仍有提升空间 | 预测化学物质与µ阿片受体的结合活性，以辅助开发非成瘾性或低成瘾性阿片类镇痛药 | 化学物质及其与µ阿片受体的结合活性数据 | 机器学习 | NA | 分子描述符计算 | 随机森林、k近邻、支持向量机、多层感知机、LSTM | 分子描述符数据 | 从公共数据库和文献中收集的化学物质数据 | NA | NA | NA | NA |
| 10603 | 2025-05-17 |
Using deep learning artificial intelligence for sex identification and taxonomy of sand fly species
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320224
PMID:40179129
|
research paper | 开发了一种基于深度学习的AI系统，用于自动识别沙蝇的性别和分类三种不同物种 | 首次将深度学习技术应用于沙蝇的性别识别和物种分类，实现了超过95%的分类准确率 | 研究仅针对三种沙蝇物种，可能无法推广到其他物种 | 开发自动化工具以提高沙蝇分类和性别识别的准确性和效率 | 沙蝇（Phlebotomus alexandri, Phlebotomus papatasi, Phlebotomus sergenti） | computer vision | leishmaniasis | 深度学习 | CNN | image | 两年内本地采集和制备的沙蝇样本 | NA | NA | NA | NA |
| 10604 | 2025-05-17 |
Active learning regression quality prediction model and grinding mechanism for ceramic bearing grinding processing
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320494
PMID:40193368
|
研究论文 | 探讨陶瓷轴承磨削加工中的质量预测，重点关注磨削参数对表面粗糙度的影响 | 使用主动学习回归模型进行模型构建和优化，并结合多种深度学习模型进行磨削加工质量预测实验 | 实验仅覆盖特定磨削参数范围，可能无法涵盖所有实际生产中的复杂情况 | 优化陶瓷轴承磨削加工质量预测和磨削参数 | 陶瓷轴承磨削加工过程 | 机器学习 | NA | 主动学习回归模型，深度学习 | 回归模型，深度学习模型 | 实验数据 | 多种磨削参数条件下的实验数据 | NA | NA | NA | NA |
| 10605 | 2025-05-17 |
Ensemble deep learning for Alzheimer's disease diagnosis using MRI: Integrating features from VGG16, MobileNet, and InceptionResNetV2 models
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0318620
PMID:40193955
|
research paper | 该研究开发并评估了一种创新的深度学习集成模型，用于从MRI扫描中精确识别阿尔茨海默病的标志物 | 集成VGG16、MobileNet和InceptionResNetV2三种预训练模型的特征，克服了单个模型在处理不同图像形状和纹理时的局限性 | NA | 提高阿尔茨海默病的诊断准确性，支持初级放射科医生简化诊断流程，促进早期检测和及时治疗 | 阿尔茨海默病患者 | digital pathology | geriatric disease | MRI | ensemble of VGG16, MobileNet, and InceptionResNetV2 | image | NA | NA | NA | NA | NA |
| 10606 | 2025-05-17 |
Accurate total consumer price index forecasting with data augmentation, multivariate features, and sentiment analysis: A case study in Korea
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321530
PMID:40359407
|
研究论文 | 本文提出了一种结合数据增强、多变量特征和情感分析的新框架，用于准确预测韩国的总消费者价格指数（CPI） | 提出了一种新颖的混合CNN-LSTM机制，结合多变量输入、数据增强和情感指数，以提高CPI预测的准确性 | CPI数据的月度频率导致时间序列相对稀疏，且外部因素（如政策变化和疫情）增加了CPI的波动性 | 准确预测韩国的总消费者价格指数（CPI），以支持更及时有效的经济政策制定 | 韩国的总消费者价格指数（CPI）及其12类商品和服务的462个项目 | 机器学习 | NA | 数据增强、情感分析 | CNN-LSTM | 时间序列数据、文本数据 | NA | NA | NA | NA | NA |
| 10607 | 2025-05-17 |
Neurocognitive Latent Space Regularization for Multi-Label Diagnosis from MRI
2025, Predictive Intelligence in Medicine. PRIME (Workshop)
DOI:10.1007/978-3-031-74561-4_16
PMID:40365134
|
research paper | 该研究提出了一种通过潜在空间正则化方法提高MRI脑部研究中深度学习模型可解释性的技术 | 通过成对解缠技术对多标签分类器的潜在空间进行正则化，使得潜在空间中两个脑MRI表示之间的差异与其神经心理学测试分数的差异相似 | 研究样本量相对较小，特别是HIV无HAND组仅有32个样本 | 提高MRI脑部研究中深度学习模型的可解释性，促进神经科学发现 | 156名对照者、165名轻度认知障碍(MCI)患者、166名HIV相关认知障碍(HAND)患者和32名HIV无HAND患者 | digital pathology | geriatric disease | MRI | multi-label classifier | image | 519人(156对照+165MCI+166HAND+32HIV无HAND) | NA | NA | NA | NA |
| 10608 | 2025-05-17 |
Advancing patient care: Machine learning models for predicting grade 3+ toxicities in gynecologic cancer patients treated with HDR brachytherapy
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0312208
PMID:40367095
|
研究论文 | 该研究开发并比较了机器学习模型，用于预测接受高剂量率（HDR）近距离放射治疗的妇科癌症患者的3级或更高毒性 | 应用多种机器学习模型预测妇科癌症患者HDR近距离放射治疗后的3级或更高毒性，为个性化放射治疗提供新方法 | 研究为回顾性分析，样本量相对较小（233例患者） | 开发预测妇科癌症患者HDR近距离放射治疗后3级或更高毒性的机器学习模型 | 接受HDR近距离放射治疗的妇科癌症患者 | 机器学习 | 妇科癌症 | HDR近距离放射治疗 | Logistic Regression, Random Forest, K-Nearest Neighbors, Support Vector Machines, Gaussian Naive Bayes, Multi-Layer Perceptron Neural Networks, XGBoost | 临床数据、剂量学数据 | 233例妇科癌症患者 | NA | NA | NA | NA |
| 10609 | 2025-05-17 |
Diagnosis of pneumonia from chest X-ray images using YOLO deep learning
2025, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2025.1576438
PMID:40370634
|
research paper | 提出了一种使用Fast-YOLO深度学习网络从胸部X光图像中诊断肺炎的新方法 | 设计了YOLOv11网络结构，整合了C3k2模块、DCNv2和DynamicConv，提高了特征表示能力并降低了计算复杂度 | NA | 提高肺炎诊断的准确性和实时性 | 胸部X光图像 | computer vision | pneumonia | deep learning | Fast-YOLO, YOLOv11 | image | 包含五个类别的肺炎数据集 | NA | NA | NA | NA |
| 10610 | 2025-05-17 |
High-precision lung cancer subtype diagnosis on imbalanced exosomal data via Exo-LCClassifier
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1583081
PMID:40370696
|
research paper | 提出了一种名为Exo-LCClassifier的创新深度学习方法，用于预测肺癌亚型，解决了基因表达数据高维度和不平衡的挑战 | 整合了特征选择、一维卷积神经网络(1D CNN)和改进的Wasserstein生成对抗网络(WGAN)，通过数据增强和分类提高诊断准确性 | 未提及在实际临床环境中的验证情况，可能影响其临床应用的可推广性 | 解决肺癌基因表达数据分析中的不平衡学习问题，提高肺癌亚型诊断的准确性 | 肺癌亚型的基因表达数据 | digital pathology | lung cancer | DESeq2, WGAN, 1D CNN | 1D CNN, WGAN | gene expression data | 未明确提及具体样本数量，但使用了外部GEO肺癌数据集进行验证 | NA | NA | NA | NA |
| 10611 | 2025-05-16 |
Letter to 'Automated CT image prescription of the gallbladder using deep learning: Development, evaluation, and health promotion'
2025 Jan-Dec, Acute medicine & surgery
IF:1.5Q2
DOI:10.1002/ams2.70065
PMID:40370970
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10612 | 2025-05-17 |
Prediction of prognosis in acute ischemic stroke after mechanical thrombectomy based on multimodal MRI radiomics and deep learning
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1587347
PMID:40371075
|
研究论文 | 本研究探讨了基于多模态MRI影像组学和深度学习的CRD模型在预测接受机械取栓治疗的急性缺血性卒中患者不良预后中的价值 | 首次结合临床数据、影像组学特征和深度学习模型构建了综合预测模型CRD，在预测急性缺血性卒中预后方面表现出色 | 回顾性研究设计可能导致选择偏倚，样本量相对有限(222例患者) | 开发更准确的工具预测急性缺血性卒中患者机械取栓后的不良预后 | 接受机械取栓治疗的急性缺血性卒中患者 | 数字病理学 | 心血管疾病 | 多模态MRI | ResNet101与逻辑回归结合的CRD模型 | 医学影像 | 222例患者(训练组155例，验证组67例) | NA | NA | NA | NA |
| 10613 | 2025-05-17 |
Review of different convolutional neural networks used in segmentation of prostate during fusion biopsy
2025, Central European journal of urology
IF:1.4Q3
DOI:10.5173/ceju.2024.0064
PMID:40371421
|
综述 | 本文综述了不同卷积神经网络在前列腺融合活检分割中的应用 | 强调了U-Net架构在高级医学图像分析中的主导地位，并指出所有算法在自动前列腺分割中均达到Dice相似系数74%以上的高精度 | 不同研究间评估分割结果的方法存在显著异质性，且需要更大样本量的未来研究来验证结果 | 探索深度学习算法在前列腺融合活检中加速前列腺轮廓勾画的潜力 | 前列腺癌患者的多参数磁共振成像（mpMRI）数据 | 数字病理学 | 前列腺癌 | 多参数磁共振成像（mpMRI） | CNN, U-Net | 医学图像 | NA | NA | NA | NA | NA |
| 10614 | 2025-05-17 |
An Explainable Deep Learning Framework for Predicting Postoperative Radiotherapy-Induced Vaginal Stenosis in Surgically Treated Cervical Cancer Patients
2025, Annali italiani di chirurgia
IF:0.9Q3
DOI:10.62713/aic.4011
PMID:40375370
|
研究论文 | 开发并验证了一个可解释的深度学习框架，用于预测宫颈癌患者术后放疗引起的阴道狭窄风险 | 结合Squeeze-and-Excitation网络和Grad-CAM可视化，提高了模型的准确性和可解释性 | 研究样本量较小（140例患者），且为回顾性研究 | 预测宫颈癌患者术后放疗引起的阴道狭窄风险，以实现早期个性化干预 | 接受根治性子宫切除术及放疗的宫颈癌患者 | 数字病理 | 宫颈癌 | CT成像 | SE-Inception, ResNet50, Random Forest | 图像 | 140例患者（51例发生阴道狭窄） | NA | NA | NA | NA |
| 10615 | 2025-10-07 |
Applicability of Deep Learning to Dynamically Identify the Different Organs of the Pelvic Floor in the Midsagittal Plane
2024-Dec, International urogynecology journal
IF:1.8Q3
DOI:10.1007/s00192-024-05841-0
PMID:38913129
|
研究论文 | 本研究开发并验证了卷积神经网络在动态超声图像中识别盆底器官的可行性 | 首次将深度学习应用于动态超声图像中盆底器官的自动识别，比较了三种不同CNN架构的性能 | 样本量相对有限，某些器官（如膀胱和子宫）的分割精度较低 | 验证深度学习在盆底动态超声图像中识别不同器官的适用性 | 盆底器官，包括膀胱、子宫、肛门和肛提肌 | 计算机视觉 | 盆底疾病 | 动态超声成像，Valsalva动作 | CNN | 超声视频 | 110名患者（86名训练，24名测试） | NA | UNet, FPN, LinkNet | Dice相似性指数 | NA |
| 10616 | 2025-05-17 |
Protein engineering using variational free energy approximation
2024-12-01, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-54814-w
PMID:39617781
|
研究论文 | 本文提出了一种名为PREVENT的模型，通过变分自由能近似方法生成稳定且功能性的蛋白质变体 | PREVENT模型通过学习蛋白质的序列和热力学景观，生成热力学稳定的功能性蛋白质变体，相比传统方法具有更高的效率和成功率 | 研究仅针对E. coli磷酸转移酶N-乙酰-L-谷氨酸激酶(EcNAGK)的40种变体进行了评估，需要更多样本来验证模型的普适性 | 加速蛋白质工程过程，生成稳定且功能性的蛋白质变体 | E. coli磷酸转移酶N-乙酰-L-谷氨酸激酶(EcNAGK) | 蛋白质工程 | NA | 变分自由能近似 | PREVENT | 蛋白质序列和结构数据 | 40种EcNAGK变体 | NA | NA | NA | NA |
| 10617 | 2025-10-07 |
Integrative Network Analysis Reveals Novel Moderators of Aβ-Tau Interaction in Alzheimer's Disease
2024-Oct-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.14.599092
PMID:39554095
|
研究论文 | 本研究采用深度学习网络整合方法分析阿尔茨海默病中Aβ与tau蛋白相互作用的调节因子 | 首次应用BIONIC深度学习网络整合方法结合蛋白质组学和蛋白质相互作用数据，发现GPNMB+小胶质细胞是Aβ-tau相互作用的新型调节因子 | 研究基于ROSMAP队列数据，需要在其他独立队列中验证结果的普适性 | 揭示阿尔茨海默病中淀粉样蛋白β与tau蛋白相互作用的调节机制 | 轻度认知障碍和早期阿尔茨海默病患者 | 生物医学信息学 | 阿尔茨海默病 | 蛋白质组学, 蛋白质-蛋白质相互作用分析 | 深度学习 | 蛋白质组数据, 基因表达数据, 组织病理学数据 | ROSMAP队列样本 | BIONIC | 深度学习网络整合模型 | 线性回归分析, 互信息分析, Benjamini-Hochberg校正 | NA |
| 10618 | 2025-10-07 |
Deep-learning-enabled antibiotic discovery through molecular de-extinction
2024-Jul, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-024-01201-x
PMID:38862735
|
研究论文 | 通过深度学习从灭绝生物蛋白质组中挖掘具有抗菌活性的多肽分子 | 首次将深度学习应用于分子去灭绝领域，从灭绝生物中发掘新型抗生素多肽 | 仅验证了69种预测多肽的实验活性，尚未进行大规模临床验证 | 开发新型抗生素以解决抗生素耐药性问题 | 灭绝生物的蛋白质组多肽序列 | 机器学习 | 细菌感染 | 深度学习预测、多肽合成、实验验证 | 神经网络 | 多肽序列数据 | 10,311,899条多肽序列 | NA | 序列编码器+神经网络集成模型 | 抗菌活性预测准确率 | NA |
| 10619 | 2025-05-17 |
Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10781599
PMID:40039079
|
研究论文 | 该研究探讨了在卷积神经网络（CNN）模型中添加扩散加权MRI（dMRI）作为输入对阿尔茨海默病分类和痴呆严重程度推断的价值，并在印度和北美人群数据集中进行了测试 | 研究了dMRI作为输入对CNN模型性能的提升，并评估了使用3D CycleGAN方法在训练前对成像数据集进行协调的效果 | 研究主要基于特定的数据集（ADNI和NIMHANS），可能在其他人群中的泛化能力有限 | 提升阿尔茨海默病分类和痴呆严重程度推断的准确性 | 印度和北美人群的脑部MRI扫描数据 | 数字病理学 | 阿尔茨海默病 | 扩散加权MRI（dMRI） | CNN, 3D CycleGAN | MRI图像 | ADNI和NIMHANS队列的数据集 | NA | NA | NA | NA |
| 10620 | 2025-05-17 |
Advantages of Modeling Photoplethysmography (PPG) Signals using Variational Autoencoders
2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC53108.2024.10782502
PMID:40039209
|
research paper | 本文提出了一种基于变分自编码器（VAE）的PPG信号建模方法，并探讨了其优势和应用 | 提出了一种名为PPG-VAE的模型，能够识别PPG心跳波的局部斜率、去除高频噪声，并生成与现有信号形态匹配的新信号段 | 未提及具体的研究限制 | 探索PPG信号处理的新方法，提高信号分析和合成的能力 | PPG信号 | machine learning | NA | VAE | VAE | signal | NA | NA | NA | NA | NA |