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 10761 - 10780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10761 | 2025-05-16 |
Integrating ultrasound radiomics and clinicopathological features for machine learning-based survival prediction in patients with nonmetastatic triple-negative breast cancer
2025-Feb-18, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-13635-w
PMID:39966783
|
研究论文 | 本研究评估了基于超声放射组学和临床病理特征的机器学习模型在三阴性乳腺癌患者生存分析中的预测价值 | 结合超声放射组学和临床病理特征开发了新的预测模型，用于三阴性乳腺癌患者的生存分析 | 研究样本量相对较小，且需要外部验证以进一步确认模型的泛化能力 | 评估机器学习模型在三阴性乳腺癌患者生存分析中的预测价值 | 非转移性三阴性乳腺癌患者 | 数字病理 | 乳腺癌 | 超声放射组学 | 深度学习算法 | 图像 | 训练队列306例，内部验证队列77例，前瞻性外部验证队列82例 | NA | NA | NA | NA |
| 10762 | 2025-05-16 |
Multicenter study on predicting postoperative upper limb muscle strength improvement in cervical spinal cord injury patients using radiomics and deep learning
2025-Feb-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-72539-0
PMID:39962172
|
research paper | 本研究旨在评估基于机器学习的放射组学方法在预测脊髓损伤患者预后方面的准确性 | 结合放射组学和深度迁移学习特征，利用MRI图像预测颈椎脊髓损伤患者术后上肢肌力改善情况 | 样本量较小（82例患者），且为回顾性研究 | 评估放射组学方法在预测脊髓损伤患者预后中的准确性 | 82例颈椎脊髓损伤患者 | digital pathology | spinal cord injury | MRI, 放射组学, 深度迁移学习 | random forest (RF), ResNet34 | MRI图像 | 82例患者（49例预后良好，33例预后不良） | NA | NA | NA | NA |
| 10763 | 2025-05-16 |
SS-DTI: A deep learning method integrating semantic and structural information for drug-target interaction prediction
2025-Feb, Journal of bioinformatics and computational biology
IF:0.9Q4
DOI:10.1142/S0219720025500027
PMID:40134345
|
research paper | 提出了一种名为SS-DTI的深度学习方法，整合语义和结构信息用于药物-靶点相互作用预测 | SS-DTI是一种新颖的端到端深度学习方法，整合了药物和蛋白质的语义与结构信息，通过多尺度语义特征提取块和GCNs来捕获局部和全局信息 | NA | 提高药物-靶点相互作用预测的准确性和效率 | 药物和蛋白质分子 | machine learning | NA | deep learning | GCNs (Graph Convolutional Networks) | 序列数据和结构数据 | 四个基准数据集 | NA | NA | NA | NA |
| 10764 | 2025-05-16 |
Drug repurposing for non-small cell lung cancer by predicting drug response using pathway-level graph convolutional network
2025-Feb, Journal of bioinformatics and computational biology
IF:0.9Q4
DOI:10.1142/S0219720025500015
PMID:40134346
|
research paper | 该研究提出了一种基于通路-通路相互作用网络的图卷积网络模型，用于预测药物反应并识别非小细胞肺癌的潜在药物再利用候选药物 | 该模型首次将已知的生物通路-通路相互作用整合到药物反应预测中，通过图卷积操作更有效地表示癌细胞系的特征 | 研究仅基于GDSC1000数据集进行验证，未在其他独立数据集上测试模型性能 | 开发更有效的药物反应预测模型以识别非小细胞肺癌的潜在再利用药物 | 非小细胞肺癌(NSCLC)和现有药物 | machine learning | lung cancer | graph convolutional network | GCN | pathway-pathway interaction network | GDSC1000数据集 | NA | NA | NA | NA |
| 10765 | 2025-05-16 |
The Role of Artificial Intelligence in Health Care
2025-Jan-14, Nigerian journal of physiological sciences : official publication of the Physiological Society of Nigeria
DOI:10.54548/njps.v39i1.1
PMID:40156806
|
review | 本文综述了人工智能在医疗保健领域的广泛应用及其面临的挑战 | 全面探讨了AI在疾病诊断、个性化治疗、精准医学、医疗管理等多个医疗保健领域的创新应用 | AI应用面临资金问题、监管障碍、数据隐私担忧以及与算法偏见和透明度相关的伦理考虑 | 探讨人工智能在医疗保健领域的角色和潜力 | 医疗保健系统及其相关技术应用 | machine learning | NA | machine learning, deep learning, statistical analysis | NA | NA | NA | NA | NA | NA | NA |
| 10766 | 2025-05-16 |
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/ams2.70049
PMID:40018053
|
research paper | 开发了一种基于深度学习的全自动系统，用于胆囊的精确检测和急性胆囊炎的快速评估 | 首次利用CT图像而非超声图像进行急性胆囊炎的AI诊断，避免了医生选择偏倚，并集成了多种模型实现全自动化 | 需要进一步的临床验证 | 开发辅助识别需要紧急手术患者的计算机辅助系统 | 急性胆囊炎患者和对照参与者 | digital pathology | acute cholecystitis | deep learning | VGG-16, U-Net | CT image | 250 AC患者和270对照参与者的图像 | NA | NA | NA | NA |
| 10767 | 2025-05-16 |
Technical implications of a novel deep learning system in the segmentation and evaluation of computed tomography angiography before transcatheter aortic valve replacement
2025 Jan-Dec, Therapeutic advances in cardiovascular disease
IF:2.6Q2
DOI:10.1177/17539447251321589
PMID:40123453
|
研究论文 | 本研究比较了Cvpilot、3mensio和Volume Viewer系统在经导管主动脉瓣置换术（TAVR）前主动脉根部分割和技术评估中的实用性 | 探索了Cvpilot系统在自动分割和主动脉根部技术评估中的有效性，并与现有系统进行了比较 | 研究仅在一个中心进行，样本量相对较小（154例患者） | 评估Cvpilot系统在TAVR前主动脉根部分割和测量中的准确性和可靠性 | 154例接受TAVR的患者 | 数字病理 | 心血管疾病 | 计算机断层扫描血管造影（CTA） | 深度学习系统 | 医学影像 | 154例患者 | NA | NA | NA | NA |
| 10768 | 2025-05-16 |
Optimising window size of semantic of classification model for identification of in-text citations based on context and intent
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309862
PMID:40127378
|
研究论文 | 本文研究了基于上下文和意图的文本引用分类模型的最佳窗口大小选择 | 通过比较不同窗口大小对文本引用分类的影响，提出了针对长文本引用更有效的大窗口策略 | 研究仅使用了两种基准数据集，可能无法涵盖所有类型的文本引用场景 | 优化自然语言处理中文本引用分类模型的窗口大小选择 | 科学文献中的文本引用 | 自然语言处理 | NA | Word2Vec嵌入 | CNN, GRU, LSTM, SVM, 决策树, 朴素贝叶斯 | 文本 | 两个包含大量文本引用的基准数据集 | NA | NA | NA | NA |
| 10769 | 2025-05-16 |
Weighted-VAE: A deep learning approach for multimodal data generation applied to experimental T. cruzi infection
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315843
PMID:40127396
|
research paper | 提出了一种加权变分自编码器（W-VAE）用于处理缺失和有限的多模态数据，以分类健康个体和处于T. cruzi感染急性或慢性阶段的个体 | W-VAE是一种深度生成架构，通过新的损失函数、加权因子和掩蔽机制提高了生成数据的质量 | 研究基于小鼠模型，可能无法直接推广到人类 | 自动诊断健康个体和处于T. cruzi感染不同阶段的个体 | 健康个体和处于T. cruzi感染急性或慢性阶段的个体 | machine learning | Chagas disease | Weighted Variational Auto-Encoder (W-VAE) | VAE | multimodal data (electrocardiography signals, echocardiography images, Doppler spectrum, ELISA antibody titers) | NA | NA | NA | NA | NA |
| 10770 | 2025-05-16 |
Diagnosis and activity prediction of SLE based on serum Raman spectroscopy combined with a two-branch Bayesian network
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1467027
PMID:40129980
|
研究论文 | 本研究提出了一种基于血清拉曼光谱和双分支贝叶斯网络的系统性红斑狼疮(SLE)诊断和活动性预测方法 | 开发了一种新型的双分支贝叶斯网络(DBayesNet)模型，结合拉曼光谱技术，用于SLE的快速识别和活动性评估 | 样本量相对较小(80例SLE患者和81例对照)，需要更大规模的研究验证 | 开发一种快速准确的SLE诊断和活动性评估方法 | 系统性红斑狼疮(SLE)患者 | 数字病理学 | 系统性红斑狼疮 | 拉曼光谱 | DBayesNet(双分支贝叶斯网络)，包含BayConv模块、Attention模块和BayLinear层 | 光谱数据 | 161例(80例SLE患者和81例对照，包括干燥综合征、未分化结缔组织病、主动脉炎患者和健康人) | NA | NA | NA | NA |
| 10771 | 2025-05-16 |
Optimization of Decision Support Technology for Offshore Oil Condition Monitoring with Carbon Neutrality as the Goal in the Enterprise Development Process
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0319858
PMID:40131882
|
研究论文 | 本研究探讨了在追求碳中和的企业发展过程中，将Faster R-CNN算法与MobileNet v2架构结合，用于海上石油状况监测与分类 | 提出了一种基于MobileNet v2和Faster R-CNN融合的海洋石油状况监测与分类模型，该模型在损失值和识别准确率方面表现优异 | NA | 优化海上石油状况监测的决策支持技术，以支持企业碳中和目标 | 海上石油状况监测与分类 | 计算机视觉 | NA | 深度学习 | Faster R-CNN与MobileNet v2融合模型 | 图像 | NA | NA | NA | NA | NA |
| 10772 | 2025-05-16 |
A predictive machine learning model for cannabinoid effect based on image detection of reactive oxygen species in microglia
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320219
PMID:40131976
|
研究论文 | 本文开发了一种基于图像检测小胶质细胞中活性氧(ROS)的机器学习模型，用于预测大麻素效应 | 结合共聚焦显微镜图像与CNN深度学习模型，预测大麻二酚(CBD)对免疫细胞ROS水平的影响 | 研究仅使用HMC3细胞系，未涉及其他细胞类型或体内模型 | 评估大麻二酚(CBD)对神经炎症中ROS水平的影响 | 人小胶质细胞(HMC3)中的活性氧(ROS) | 数字病理学 | 神经退行性疾病 | 共聚焦显微镜成像，CellROX荧光ROS指示剂 | CNN | 图像 | HMC3细胞系在三种免疫激活剂(LPS/Aβ42/GP120)条件下的ROS图像数据 | NA | NA | NA | NA |
| 10773 | 2025-05-16 |
Multimodal deep learning for predicting PD-L1 biomarker and clinical immunotherapy outcomes of esophageal cancer
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1540013
PMID:40134428
|
research paper | 该研究开发了一种多模态深度学习模型，用于预测食管癌患者的PD-L1生物标志物水平和免疫治疗结果 | 提出了一种整合病理特征、放射组学特征和临床信息的新型多模态深度学习模型，用于预测PD-L1水平和免疫治疗反应 | 研究样本量相对较小，且仅来自单一医疗中心 | 预测食管癌患者的PD-L1生物标志物水平和免疫治疗效果 | 食管鳞状细胞癌（ESCC）患者 | digital pathology | esophageal cancer | 免疫组织化学、CT扫描 | multimodal deep learning | image, clinical variables | 220例患者用于PD-L1表达水平分析，75例患者用于免疫治疗反应分析 | NA | NA | NA | NA |
| 10774 | 2025-05-16 |
Beyond the Greater Angkor Region: Automatic large-scale mapping of Angkorian-period reservoirs in satellite imagery using deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320452
PMID:40138322
|
研究论文 | 利用深度学习技术自动大规模识别卫星图像中的吴哥时期水库 | 首次使用Deeplab V3+深度学习模型进行语义分割，自动识别吴哥时期水库，显著提高了考古学家的工作效率 | 模型仅针对吴哥时期水库进行训练，可能无法直接应用于其他类型的考古特征 | 通过自动识别卫星图像中的考古特征，加速对吴哥文化圈以外区域的全面测绘 | 吴哥时期水库 | 计算机视觉 | NA | 卫星遥感、深度学习 | Deeplab V3+ | 卫星图像 | NA | NA | NA | NA | NA |
| 10775 | 2025-05-16 |
Deep Learning-Based Auto-Segmentation for Liver Yttrium-90 Selective Internal Radiation Therapy
2025 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338251327081
PMID:40152005
|
研究论文 | 评估一种基于深度学习的自动分割方法用于Y-90选择性内放射治疗中的肝脏轮廓描绘 | 使用U-Net3D架构构建的深度学习模型在肝脏分割中优于传统的基于Atlas的方法 | NA | 评估深度学习自动分割方法在Y-90选择性内放射治疗中的肝脏轮廓描绘效果 | 接受Y-90选择性内放射治疗的患者的CT图像 | 数字病理 | 肝癌 | CT成像 | U-Net3D | 图像 | NA | NA | NA | NA | NA |
| 10776 | 2025-05-16 |
Artificial intelligence meets genomic selection: comparing deep learning and GBLUP across diverse plant datasets
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1568705
PMID:40364946
|
研究论文 | 本文通过比较深度学习模型和GBLUP方法在14个植物育种数据集上的表现，探讨了基因组选择在植物育种中的应用 | 深度学习模型能够捕捉复杂的非线性遗传模式，尤其在小型数据集中表现优于GBLUP方法 | 两种方法在不同性状和情景下表现不一，没有一种方法在所有情况下都优于另一种 | 提高基因组选择在植物育种中的实施效果 | 14个来自不同植物育种项目的真实数据集 | 机器学习 | NA | 基因组选择(GS) | 深度学习(DL), GBLUP | 基因组数据 | 14个数据集 | NA | NA | NA | NA |
| 10777 | 2025-05-16 |
sEMG-based gesture recognition using multi-stream adaptive CNNs with integrated residual modules
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1487020
PMID:40365011
|
research paper | 该研究提出了一种基于多流自适应卷积神经网络与残差模块（MSACNN-RM）的表面肌电信号手势识别方法，以提高特征提取和学习能力 | 结合多流卷积神经网络、自适应卷积神经网络和残差模块，增强了模型对复杂数据模式的提取和理解能力 | 未考虑个体间肌电信号差异，未来需开发通用多手势识别算法并优化网络以减少计算负担 | 提高表面肌电信号手势识别的准确性和多手势识别性能 | 表面肌电信号（sEMG）手势识别 | machine learning | NA | surface electromyography (sEMG) | multi-stream adaptive convolutional neural networks with residual modules (MSACNN-RM) | sEMG信号数据 | Ninapro DB1、Ninapro DB2和Ninapro DB4数据集 | NA | NA | NA | NA |
| 10778 | 2025-05-16 |
A predictive nomogram of thyroid nodules based on deep learning ultrasound image analysis
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1504412
PMID:40365227
|
research paper | 本研究通过深度学习超声图像分析，建立了一个预测甲状腺结节良恶性的列线图模型 | 结合深度学习和患者临床超声特征，构建的列线图模型比单独使用C-TIRADS或深度学习模型具有更高的准确性 | 研究为回顾性研究，可能存在选择偏倚 | 提高甲状腺结节良恶性的预测性能 | 甲状腺结节 | digital pathology | thyroid disease | deep learning ultrasound image analysis | deep learning model, nomogram model | ultrasound image | 2247个甲状腺结节（1573个用于训练和测试，674个用于验证） | NA | NA | NA | NA |
| 10779 | 2025-05-16 |
Deep learning and radiomics-driven algorithm for automated identification of May-Thurner syndrome in Iliac CTV imaging
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1526144
PMID:40365495
|
research paper | 本研究旨在通过深度学习和放射组学技术，开发一种自动化识别髂静脉CTV成像中May-Thurner综合征（MTS）的算法 | 结合深度学习和放射组学技术，首次开发了针对MTS的自动化分割模型和诊断放射组学特征 | 研究样本量相对有限（490例），且未提及外部验证数据集的独立验证结果 | 开发自动化MTS检测系统，提高诊断效率和准确性 | 髂静脉CTV扫描图像 | digital pathology | cardiovascular disease | CTV成像 | UPerNet | image | 490例（201例MTS阳性，289例阴性） | NA | NA | NA | NA |
| 10780 | 2025-05-16 |
Cryptographic key generation using deep learning with biometric face and finger vein data
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1545946
PMID:40365578
|
研究论文 | 提出了一种利用深度学习和多模态生物特征（人脸和手指静脉）生成加密密钥的新方法 | 结合FaceNet和VGG19预训练模型进行特征提取，使用Siamese Neural Network (SNN) 和模糊提取器，实现了安全且可复现的加密密钥生成 | NA | 提高生物特征加密的准确性和鲁棒性，探索抗量子攻击的可扩展系统 | 人脸和手指静脉的生物特征数据 | 机器学习 | NA | 深度学习 | FaceNet, VGG19, Siamese Neural Network (SNN) | 图像 | NA | NA | NA | NA | NA |