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 10741 - 10760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10741 | 2025-05-15 |
A hybrid object detection approach for visually impaired persons using pigeon-inspired optimization and deep learning models
2025-Mar-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92239-7
PMID:40113884
|
research paper | 提出了一种结合鸽群优化和深度学习模型的混合物体检测方法，用于帮助视障人士安全导航 | 结合了YOLOv10框架、CapsNet和InceptionV3的特征提取模型融合，以及MHA-BiLSTM分类方法，并使用鸽群优化算法进行超参数调优 | 仅在室内物体检测数据集上进行了验证，未涉及室外复杂环境 | 开发可靠精确的物体检测系统以帮助视障人士安全导航 | 视障人士及其周围环境中的物体 | computer vision | NA | deep learning, pigeon-inspired optimization | YOLOv10, CapsNet, InceptionV3, MHA-BiLSTM | image | Indoor Objects Detection数据集（具体数量未提及） | NA | NA | NA | NA |
| 10742 | 2025-05-15 |
Comparison of MRI and CT based deep learning radiomics analyses and their combination for diagnosing intrahepatic cholangiocarcinoma
2025-Mar-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92263-7
PMID:40113926
|
research paper | 本研究比较了基于MRI和CT的深度学习放射组学分析及其组合在诊断肝内胆管癌中的效果 | 开发了CT-MRI跨模态模型，其AUC值最高，显示出在肝脏恶性肿瘤检测中的潜在临床意义 | 样本量相对较小，训练和测试队列分别为124和54例患者 | 评估深度学习放射组学分析在诊断肝内胆管癌中的效果 | 178例经病理证实的原发性肝癌患者 | digital pathology | liver cancer | deep learning radiomics analysis | DL radiomics models (DLRS, R, DLRR) | image | 178例患者（124例训练队列，54例测试队列） | NA | NA | NA | NA |
| 10743 | 2025-05-15 |
Data-driven analysis for the evaluation of cortical mechanics of non-adherent cells
2025-Mar-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94315-4
PMID:40113954
|
研究论文 | 本文提出了一种结合微米级陷阱阵列和深度学习方法的新技术，用于自动化分析非粘附细胞的皮质力学 | 引入易于制造的可重复使用的聚二甲基硅氧烷基微阱阵列，并应用深度学习方法直接从提取的曲线中自动分析细胞弹性 | 深度学习模型在从原始数据中提取细胞弹性时的决定系数较低（0.47） | 评估非粘附细胞的皮质力学，并研究不同细胞骨架药物对其变形能力的影响 | 悬浮细胞 | 生物医学工程 | NA | 原子力显微镜（AFM）和深度学习 | 深度学习模型 | AFM提取的曲线数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 10744 | 2025-05-15 |
Development of PDAC diagnosis and prognosis evaluation models based on machine learning
2025-Mar-20, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-13929-z
PMID:40114140
|
研究论文 | 本研究利用机器学习技术结合血清生物标志物，建立了胰腺导管腺癌（PDAC）的鉴别诊断和预后评估模型，旨在提高早期诊断率和患者生存率 | 首次将多种机器学习模型（RF、NNET、SVM、GBM）和DeepSurv深度学习模型应用于PDAC的诊断和预后预测，并基于DeepSurv的风险预测提供个性化治疗建议 | 样本量相对较小（117例PDAC患者），可能影响模型的泛化能力 | 提高PDAC的早期诊断准确率和预后评估效果 | 胰腺导管腺癌（PDAC）患者 | 机器学习 | 胰腺癌 | 机器学习/深度学习 | Random Forest (RF), Neural Network (NNET), Support Vector Machine (SVM), Gradient Boosting Machine (GBM), DeepSurv | 血清生物标志物数据 | 117例PDAC患者 | NA | NA | NA | NA |
| 10745 | 2025-05-15 |
Evaluation of De Vries et al.: Quantifying cellular shapes and how they correlate to cellular responses
2025-Mar-19, Cell systems
IF:9.0Q1
DOI:10.1016/j.cels.2025.101242
PMID:40112776
|
comments | 对De Vries等人的研究进行评价，探讨细胞形状量化及其与细胞反应的相关性 | NA | NA | 评估De Vries等人的研究，探讨细胞形状与细胞反应的关系 | 细胞形状及其反应 | machine learning | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10746 | 2025-05-15 |
Emotion Forecasting: A Transformer-Based Approach
2025-Mar-18, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/63962
PMID:40101216
|
研究论文 | 本研究利用深度学习和移动设备数据，实时监测和预测精神病患者的情绪状态 | 结合HMM预处理和transformer模型，提高了多元时间序列预测的稳定性，并利用注意力机制捕获更长的时间依赖性 | 数据依赖于移动设备和穿戴设备，可能受设备可用性和数据完整性的限制 | 实现精神病患者情绪状态的实时监测和预测，以提前发现风险情况并调整治疗方案 | 精神病患者 | 自然语言处理 | 精神疾病 | HMM, transformer | transformer, HMM | 时间序列数据 | NA | NA | NA | NA | NA |
| 10747 | 2025-05-15 |
Monitoring and early warning of ovarian cancer using high-dimensional non-parametric EWMA control chart based on sliding window
2025-Mar-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86576-w
PMID:40091066
|
研究论文 | 本文开发了一种基于高维经验似然比检验的滑动窗口EWMA控制图，用于卵巢癌的监测和早期预警 | 提出了一种新的滑动窗口EWMA控制图，适用于高维数据且无需降维，避免了信息损失并简化了监测过程 | 未提及具体样本量或数据来源的局限性 | 开发一种更有效的卵巢癌监测和早期预警方法 | 卵巢肿瘤患者 | 机器学习 | 卵巢癌 | 高维经验似然比检验 | EWMA控制图 | 高维数据 | NA | NA | NA | NA | NA |
| 10748 | 2025-05-15 |
A differentiable Gillespie algorithm for simulating chemical kinetics, parameter estimation, and designing synthetic biological circuits
2025-Mar-17, eLife
IF:6.4Q1
DOI:10.7554/eLife.103877
PMID:40095799
|
research paper | 本文提出了一种可微分的Gillespie算法（DGA），用于模拟化学动力学、参数估计和设计合成生物电路 | 利用深度学习的最新突破，开发了完全可微分的Gillespie算法变体，通过平滑函数近似不连续操作，支持反向传播计算梯度 | NA | 开发一种可微分的Gillespie算法，用于化学动力学模拟、参数学习和合成生物电路设计 | 化学反应网络和基因启动子的随机模型 | 合成生物学 | NA | 可微分Gillespie算法（DGA） | NA | mRNA表达水平的实验测量数据 | 两个不同的启动子 | NA | NA | NA | NA |
| 10749 | 2025-05-15 |
Multilingual hope speech detection from tweets using transfer learning models
2025-Mar-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88687-w
PMID:40089522
|
研究论文 | 该研究利用迁移学习模型从推文中检测多语言希望言论 | 首次探索了乌尔都语和英语中希望言论的检测，特别是基于翻译的技术 | 仅针对英语和乌尔都语进行研究，未涵盖其他语言 | 自动检测社交媒体中的希望言论，以促进积极公共话语 | 社交媒体推文中的希望言论 | 自然语言处理 | NA | 迁移学习 | Bert transformer | 文本 | 多语言数据集（英语和乌尔都语） | NA | NA | NA | NA |
| 10750 | 2025-05-15 |
A MEMS seismometer respiratory monitor for work of breathing assessment and adventitious lung sounds detection via deep learning
2025-Mar-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93011-7
PMID:40089574
|
研究论文 | 开发了一种基于MEMS地震计的呼吸监测设备，用于通过深度学习评估呼吸功和检测异常肺音 | 利用微型贴片式地震计定量监测呼吸功和肺音，结合数据融合深度学习模型提高检测准确性 | 研究仅在124名患者中进行，需要更大规模的临床验证 | 开发一种客观、定量的呼吸健康监测方法 | 患者的呼吸功和肺音 | 数字病理学 | 慢性阻塞性肺疾病(COPD)和肺炎 | 深度学习 | 数据融合深度学习模型 | 振动信号 | 124名患者 | NA | NA | NA | NA |
| 10751 | 2025-05-15 |
Deep learning prioritizes cancer mutations that alter protein nucleocytoplasmic shuttling to drive tumorigenesis
2025-Mar-14, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-57858-8
PMID:40087285
|
research paper | 该研究通过开发深度学习模型pSAM，系统地分析了癌症中可能影响蛋白质核质穿梭的突变（SAMs），并验证了这些突变如何通过干扰核定位信号影响肿瘤抑制功能 | 开发了深度学习模型pSAM，首次从序列决定因素的角度解码核质穿梭，并系统地鉴定了影响核定位的癌症突变 | 研究仅涉及11种癌症类型，可能无法涵盖所有相关突变 | 理解遗传变异如何通过影响蛋白质核质穿梭驱动肿瘤发生 | 癌症中的突变（SAMs）及其对蛋白质核质穿梭的影响 | machine learning | cancer | deep learning | pSAM | genetic variants | 11种癌症类型的突变数据 | NA | NA | NA | NA |
| 10752 | 2025-05-15 |
Comparative analysis of deep learning architectures for breast region segmentation with a novel breast boundary proposal
2025-Mar-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92863-3
PMID:40087354
|
research paper | 比较不同深度学习架构在动态对比增强磁共振成像（DCE-MRI）中乳腺区域分割的性能，并提出一种新的乳腺边界定义方法 | 提出了一种新的乳腺边界定义方法，并比较了多种深度学习模型在乳腺分割任务中的性能 | 研究仅基于58例DCE-MRI扫描，样本量相对较小 | 提高乳腺区域分割的准确性，降低计算成本和环境影响 | 动态对比增强磁共振成像（DCE-MRI）中的乳腺区域 | digital pathology | breast cancer | DCE-MRI | UNet, UNet++, DenseNet, FCNResNet50, FCNResNet101, DeepLabv3ResNet50, DeepLabv3ResNet101 | image | 58例DCE-MRI扫描 | NA | NA | NA | NA |
| 10753 | 2025-05-15 |
Structured hashing with deep learning for modality, organ, and disease content sensitive medical image retrieval
2025-Mar-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93418-2
PMID:40087467
|
研究论文 | 提出了一种基于深度学习的结构化哈希方法MODHash，用于医学图像检索，能够根据用户偏好检索具有模态、器官和疾病内容语义相似性的图像 | MODHash通过最小化特定特征的分类损失和Cauchy交叉熵损失来训练网络，提高了医学图像检索的准确性和效率 | 实验仅在放射学数据集上进行，未涉及其他类型的医学图像 | 开发一种高效的基于内容的医学图像检索系统，以满足临床实践中对大规模异质医学图像的需求 | 医学图像 | 计算机视觉 | NA | 深度学习 | 深度神经哈希（DNH） | 图像 | 来自Kaggle、Mendeley和Figshare的公开数据集中的放射学数据 | NA | NA | NA | NA |
| 10754 | 2025-05-15 |
Performance and limitation of machine learning algorithms for diabetic retinopathy screening and its application in health management: a meta-analysis
2025-Mar-14, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-025-01336-1
PMID:40087776
|
meta-analysis | 本研究通过荟萃分析评估了机器学习和深度学习算法在糖尿病视网膜病变筛查中的性能和局限性 | 首次通过大规模荟萃分析全面评估了AI算法在糖尿病视网膜病变筛查中的表现 | 算法判别能力有限，AUC在不同研究间无统计学差异 | 评估机器学习和深度学习算法在糖尿病视网膜病变诊断中的效果 | 糖尿病视网膜病变筛查 | machine learning | 糖尿病视网膜病变 | meta-analysis | machine learning, deep learning | retinal images | 1,371,517张视网膜图像（来自76项研究） | NA | NA | NA | NA |
| 10755 | 2025-05-15 |
[Development of an abdominal acupoint localization system based on AI deep learning]
2025-Mar-12, Zhongguo zhen jiu = Chinese acupuncture & moxibustion
|
research paper | 开发了一种基于AI深度学习的腹部穴位定位系统 | 构建了一个多任务CNN架构，用于定位神阙穴和人体边界，并推导其他关键穴位的位置 | NA | 开发一个腹部穴位定位系统，以支持中医远程教育、诊断辅助和高级中医设备 | 腹部穴位（神阙穴、上脘穴、曲骨穴和双侧大横穴） | computer vision | NA | 卷积神经网络（CNN） | CNN | image | NA | NA | NA | NA | NA |
| 10756 | 2025-05-15 |
Explainable multiscale temporal convolutional neural network model for sleep stage detection based on electroencephalogram activities
2025-Mar-07, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/adb90c
PMID:39983236
|
research paper | 提出了一种基于脑电图活动的可解释多尺度时间卷积神经网络模型（MTCNN），用于自动睡眠阶段检测 | 使用多尺度神经生理学模拟内核捕捉不同频率和时间长度的睡眠相关脑电图活动，提高了模型的可解释性和性能 | 模型在跨受试者范式和留出几天分析中的性能仍有提升空间 | 开发自动睡眠阶段检测模型以减少繁琐的手动标记过程 | 睡眠阶段的脑电图活动 | machine learning | 睡眠障碍 | 脑电图（EEG） | 多尺度时间卷积神经网络（MTCNN） | 脑电图数据 | 153天的多导睡眠图数据 | NA | NA | NA | NA |
| 10757 | 2025-05-15 |
Deep-Learning-Based Analysis of Electronic Skin Sensing Data
2025-Mar-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25051615
PMID:40096464
|
综述 | 本文综述了深度学习技术在电子皮肤（e-skin）数据分析中的应用，包括数据特征提取、模式识别以及在健康监测和人机交互中的使用 | 深度学习技术能够自动提取e-skin数据的特征并识别模式，显著提升了数据分析能力，特别是在处理复杂信号和实时响应方面 | 数据标注不足和计算资源需求高限制了e-skin的应用 | 综述深度学习技术在e-skin数据分析中的应用，并为后续研究提供启示 | 电子皮肤（e-skin）数据 | 机器学习 | NA | 深度学习 | CNN, RNN, transformer | 时间序列、多模态数据 | NA | NA | NA | NA | NA |
| 10758 | 2025-05-15 |
A deep learning model for characterizing altered gyro-sulcal functional connectivity in abstinent males with methamphetamine use disorder and associated emotional symptoms
2025-Mar-06, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhaf062
PMID:40120102
|
研究论文 | 本研究旨在探讨甲基苯丙胺使用障碍患者精细脑回-脑沟信号在精神病理学中的功能贡献及其与情绪症状的关联 | 提出了一种利用脑回-脑沟分区的时空图卷积网络深度学习模型，在区分甲基苯丙胺使用障碍患者与健康对照者的静息态功能磁共振成像数据方面达到了最高平均分类准确率 | 样本仅限于男性戒断期甲基苯丙胺使用障碍患者，未包括女性患者或急性期患者 | 研究甲基苯丙胺过度使用及其相关情绪戒断症状的神经机制 | 48名男性戒断期甲基苯丙胺使用障碍患者和48名年龄性别匹配的健康对照者 | 神经影像分析 | 药物滥用障碍 | 静息态功能磁共振成像 | 时空图卷积网络 | 影像数据 | 96人（48名患者和48名对照） | NA | NA | NA | NA |
| 10759 | 2025-05-15 |
Machine Learning-Based Computer Vision for Depth Camera-Based Physiotherapy Movement Assessment: A Systematic Review
2025-Mar-05, Sensors (Basel, Switzerland)
DOI:10.3390/s25051586
PMID:40096440
|
系统综述 | 本文系统综述了基于深度相机的机器学习计算机视觉技术在物理治疗运动评估中的应用 | 全面分析了2020至2024年间的研究，揭示了三种主要实施场景及数据收集与处理方法 | 现实世界验证有限，数据集多样性不足，算法泛化能力有待提高 | 探索机器学习计算机视觉在物理治疗运动评估中的实施、效果与局限性 | 物理治疗运动评估 | 计算机视觉 | NA | RGB-D, 骨骼数据 | 传统机器学习, 深度学习 | 深度相机数据 | 18篇符合纳入标准的研究 | NA | NA | NA | NA |
| 10760 | 2025-05-15 |
Automated Segmentation of Breast Cancer Focal Lesions on Ultrasound Images
2025-Mar-05, Sensors (Basel, Switzerland)
DOI:10.3390/s25051593
PMID:40096452
|
研究论文 | 本文提出了一种自动化分割乳腺超声图像中病灶的方法 | 结合随机森林分类器和基于像素亮度差异的病灶轮廓提取方法，实现高效病灶检测与分割 | 深度学习方法的模型验证不足且训练数据收集复杂 | 开发自动化检测和分割乳腺超声图像中病理病灶的方法 | 乳腺超声图像中的病灶 | 数字病理 | 乳腺癌 | 超声成像 | 随机森林 | 超声视频 | 52个包含组织学证实可疑病灶的超声视频 | NA | NA | NA | NA |