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 33150 篇文献，本页显示第 11041 - 11060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11041 | 2025-10-07 |
Foundation model of neural activity predicts response to new stimulus types and anatomy
2024-Aug-31, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.21.533548
PMID:36993435
|
研究论文 | 通过训练神经活动基础模型，准确预测小鼠对新视觉刺激的神经响应并推断神经元解剖特征 | 首次将基础模型范式应用于神经科学，实现了跨小鼠个体、跨刺激类型和跨任务（从神经活动预测到解剖特征预测）的强泛化能力 | 模型训练依赖于大规模神经活动数据采集，目前仅针对视觉皮层进行了验证 | 构建能够泛化到新刺激类型和预测解剖特征的大脑基础模型 | 小鼠视觉皮层神经元活动 | 计算神经科学 | NA | 神经活动记录，功能连接组学 | 基础模型 | 神经活动数据，自然视频刺激，解剖数据 | 多只小鼠的大规模神经活动记录 | NA | NA | 预测准确率 | NA |
| 11042 | 2025-10-07 |
Lightning Pose: improved animal pose estimation via semi-supervised learning, Bayesian ensembling and cloud-native open-source tools
2024-Jul, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02319-1
PMID:38918605
|
研究论文 | 提出Lightning Pose系统，通过半监督学习、贝叶斯集成和云原生工具改进动物姿态估计 | 结合半监督学习利用未标记视频数据、设计处理遮挡的网络架构、集成集成学习和卡尔曼平滑的后处理技术 | NA | 开发更准确可靠的动物姿态估计方法 | 动物行为视频数据 | 计算机视觉 | NA | 深度学习 | CNN | 视频 | NA | PyTorch Lightning | NA | 准确性 | 云平台 |
| 11043 | 2025-10-07 |
Digital profiling of cancer transcriptomes from histology images with grouped vision attention
2024-Jan-19, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.28.560068
PMID:37808782
|
研究论文 | 开发了一种基于分组视觉注意力的Transformer模型，用于从组织学图像预测癌症转录组 | 首次将Transformer架构应用于组织学图像进行转录组预测，并采用预训练策略解决数据量不足的问题 | 模型在组织水平训练，空间基因表达预测能力仍需进一步验证 | 从组织学图像中预测癌症转录组特征 | 9种癌症类型的肿瘤样本和正常组织样本 | 数字病理学 | 癌症 | 空间转录组学，全切片组织学成像 | Transformer | 组织学图像，基因表达数据 | 预训练：1,802个正常组织样本；微调评估：4,331个肿瘤样本；验证：1,305个肿瘤样本 | NA | Transformer | Pearson相关系数，均方根误差 | NA |
| 11044 | 2025-10-07 |
Deep Trans-Omic Network Fusion for Molecular Mechanism of Alzheimer's Disease
2024, Journal of Alzheimer's disease : JAD
DOI:10.3233/JAD-240098
PMID:38728189
|
研究论文 | 提出新型深度学习模型MoFNet，通过整合多组学数据和先验功能相互作用来研究阿尔茨海默病的分子机制 | 首次建模从DNA到RNA和蛋白质的动态信息流，整合多组学数据与SNP、基因和蛋白质间的先验功能相互作用 | NA | 发现功能连接的多组学特征，研究阿尔茨海默病的分子机制及其上游遗传贡献因素 | 阿尔茨海默病患者的多组学数据（SNP、基因、蛋白质） | 机器学习 | 阿尔茨海默病 | 多组学数据整合分析 | 深度学习 | 基因组数据，转录组数据，蛋白质组数据 | ROS/MAP队列数据 | NA | MoFNet | 预测性能 | NA |
| 11045 | 2025-10-07 |
A review of epilepsy detection and prediction methods based on EEG signal processing and deep learning
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1468967
PMID:39618710
|
综述 | 本文综述了基于脑电图信号处理和深度学习的癫痫检测与预测方法 | 系统梳理了癫痫EEG信号处理的关键环节，按患者独立性对文献进行分类，并区分了通用分类指标和特定癫痫预测标准两种评估方法 | 公开数据集缺乏癫痫类型多样性且采集环境受限，信号预处理方法有限，难以完全反映实际应用场景 | 通过深度学习方法实现癫痫脑电图信号的高效检测与预测 | 癫痫患者的脑电图信号 | 机器学习 | 癫痫 | 脑电图信号处理 | CNN, RNN | 脑电图信号 | NA | NA | NA | 通用分类指标，特定癫痫预测标准 | NA |
| 11046 | 2025-10-07 |
MLR-predictor: a versatile and efficient computational framework for multi-label requirements classification
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1481581
PMID:39664103
|
研究论文 | 提出一种名为MLR-predictor的多标签需求分类计算框架，通过创新性文本向量化方法和问题转换策略提升分类性能 | 采用OkapiBM25模型将需求文本转换为统计向量，并将多标签分类问题转化为多类分类问题，结合逻辑回归分类器实现高效分类 | NA | 开发高效的多标签需求分类计算框架以提升软件需求分类性能 | 软件需求文本数据 | 自然语言处理 | NA | 文本挖掘，机器学习 | 逻辑回归 | 文本 | 三个公共基准需求分类数据集 | NA | OkapiBM25 | 宏F1值，F1分数 | NA |
| 11047 | 2025-10-07 |
The regulatory landscape of 5' UTRs in translational control during zebrafish embryogenesis
2023-Nov-23, bioRxiv : the preprint server for biology
DOI:10.1101/2023.11.23.568470
PMID:38045294
|
研究论文 | 本研究通过大规模平行报告基因分析和深度学习模型揭示了斑马鱼胚胎发生过程中5' UTR在翻译调控中的调控景观 | 首次在脊椎动物早期发育中建立了5' UTR翻译调控的定量模型，发现了86个具有不同核糖体招募能力的调控基序 | 研究仅聚焦于斑马鱼胚胎发生的早期阶段，未涵盖其他发育阶段或物种 | 解析5' UTR在翻译调控中的调控特征和作用机制 | 斑马鱼胚胎发育过程中的5' UTR序列 | 计算生物学 | NA | 大规模平行报告基因分析，多核糖体分析，深度学习 | 深度学习模型 | 序列数据，翻译效率数据 | 18,154个5' UTR序列 | NA | DaniO5P | NA | NA |
| 11048 | 2025-10-07 |
CatSkill: Artificial Intelligence-Based Metrics for the Assessment of Surgical Skill Level from Intraoperative Cataract Surgery Video Recordings
2025 Jul-Aug, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100764
PMID:40385240
|
研究论文 | 开发并验证基于人工智能的白内障手术视频分析系统，用于评估外科医生的手术技能水平 | 首次提出白内障手术评估指标(CSAMs)，通过深度学习分析手术视频自动评估医生在维持眼球中立位、居中和显微镜对焦方面的技能 | 回顾性研究，仅包含620例手术视频，需要更大样本量验证 | 开发AI系统评估白内障手术医生的专业技能水平 | 620例完整白内障手术视频，由主治医生和眼科住院医师完成 | 计算机视觉 | 白内障 | 视频分析，深度学习分割 | CNN | 手术视频 | 620例白内障手术视频(430例用于分析，254例主治医生，176例住院医师) | NA | FPN(VGG16) | Dice系数,AUC | NA |
| 11049 | 2025-10-07 |
GENERATIVE DEEP LEARNING APPROACH TO PREDICT POSTTREATMENT OPTICAL COHERENCE TOMOGRAPHY IMAGES OF AGE-RELATED MACULAR DEGENERATION AFTER 12 MONTHS
2025-Jun-01, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000004409
PMID:39841905
|
研究论文 | 本研究开发了一种生成式深度学习模型，用于预测年龄相关性黄斑变性患者治疗12个月后的光学相干断层扫描图像 | 首次将条件生成对抗网络应用于预测年龄相关性黄斑变性的长期治疗结果，并验证了整合临床数据对预测性能的提升作用 | 研究样本量相对有限（533只眼），且仅针对初治的湿性年龄相关性黄斑变性患者 | 预测湿性年龄相关性黄斑变性患者的长期解剖学反应，实现个体化治疗管理 | 513名初治湿性年龄相关性黄斑变性患者的533只眼 | 计算机视觉 | 年龄相关性黄斑变性 | 光学相干断层扫描(OCT)、荧光素血管造影、吲哚菁绿血管造影 | 条件生成对抗网络(cGAN) | 医学图像 | 533只眼（来自513名患者） | NA | 条件生成对抗网络 | 准确率 | NA |
| 11050 | 2025-10-07 |
Optimizing Skin Cancer Diagnosis: A Modified Ensemble Convolutional Neural Network for Classification
2025-Jun, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24792
PMID:39888306
|
研究论文 | 提出一种结合随机猫群优化和集成卷积神经网络的皮肤癌分类方法 | 提出随机猫群优化算法与集成卷积神经网络相结合的新方法，用于皮肤癌分期分类 | NA | 优化皮肤癌诊断，提高分类准确性 | 皮肤癌病变图像 | 计算机视觉 | 皮肤癌 | 图像处理 | CNN, DNN | 图像 | HAM10000和ISIC数据集 | Keras | 集成卷积神经网络, 深度神经网络 | 准确率, 召回率, 特异性, 精确率, F1分数 | NA |
| 11051 | 2025-02-20 |
Letter to the Editor: "A Deep Learning System to Predict Epithelial Dysplasia in Oral Leukoplakia"
2025-Jun, Journal of dental research
IF:5.7Q1
DOI:10.1177/00220345251317097
PMID:39966688
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11052 | 2025-04-25 |
Response to the Letter to the Editor: "A Deep Learning System to Predict Epithelial Dysplasia in Oral Leukoplakia"
2025-Jun, Journal of dental research
IF:5.7Q1
DOI:10.1177/00220345251329356
PMID:40269482
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11053 | 2025-10-07 |
Accuracy of an Automated Bone Scan Index Measurement System Enhanced by Deep Learning of the Female Skeletal Structure in Patients with Breast Cancer
2025-Jun, Nuclear medicine and molecular imaging
IF:1.3Q3
DOI:10.1007/s13139-025-00905-5
PMID:40385368
|
研究论文 | 本研究验证了通过深度学习女性骨骼结构增强的自动化骨扫描指数测量系统VSBONE在乳腺癌患者中的诊断准确性 | VSBONE系统从2.1版本升级到3.0版本，整合了957名女性骨骼结构的深度学习数据，专门针对乳腺癌患者优化 | 研究样本量相对有限（220名日本患者），且为回顾性研究设计 | 验证更新版VSBONE系统在乳腺癌患者中的诊断准确性 | 220名接受骨闪烁扫描的日本乳腺癌患者 | 医学影像分析 | 乳腺癌 | 骨闪烁扫描、单光子发射计算机断层扫描/计算机断层扫描(SPECT/CT) | 深度学习 | 医学影像 | 220名乳腺癌患者（20例骨转移，200例非骨转移） | NA | NA | 诊断准确率、分割错误率、相关系数 | NA |
| 11054 | 2025-10-07 |
Classification of differentially activated groups of fibroblasts using morphodynamic and motile features
2025-Jun, APL bioengineering
IF:6.6Q1
DOI:10.1063/5.0250502
PMID:40385989
|
研究论文 | 提出基于人工智能的分类框架，通过分析成纤维细胞的形态动力学和运动特征来识别和表征不同激活状态的成纤维细胞 | 首次将形态动力学和运动特征与分子标记相结合，提供了一种新颖的细胞分类方法 | 传统分子标记在多种成纤维细胞亚型中存在共表达，难以区分特定激活状态 | 识别和表征不同激活状态的成纤维细胞，以更好地靶向肿瘤微环境 | 与乳腺癌细胞系共培养的成纤维细胞 | 计算机视觉 | 乳腺癌 | 无标记活细胞成像 | 深度学习,机器学习 | 图像 | NA | NA | NA | NA | NA |
| 11055 | 2025-10-07 |
Gluten identification from food images using advanced deep learning and transfer learning methods
2025-Jun, Journal of food science and technology
DOI:10.1007/s13197-024-06158-y
PMID:40386197
|
研究论文 | 本文提出了一种基于深度学习的麸质图像分类方法，旨在帮助乳糜泻患者识别含麸质食物 | 首次将EfficientNet预训练模型应用于麸质食物图像分类，并取得了高精度识别效果 | 数据集仅包含Food101中的常见食物食谱，可能无法覆盖所有麸质食物类型 | 开发能够准确识别含麸质食物的图像分类系统 | 食物图像中的麸质识别 | 计算机视觉 | 乳糜泻 | NA | CNN | 图像 | 20,000张训练图像，2,000张测试图像 | NA | EfficientNet | 准确率 | NA |
| 11056 | 2025-10-07 |
Near-zero photon bioimaging by fusing deep learning and ultralow-light microscopy
2025-May-27, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2412261122
PMID:40388622
|
研究论文 | 提出一种结合深度学习和超低光显微镜的近零光子生物成像方法 | 在kHz速率和比标准显微镜低10,000倍的辐照度下实现生物成像，能够从每像素仅0.01光子的极低信号重建图像 | 未明确说明具体应用场景的限制条件 | 开发在极低光照条件下实现高保真生物成像的技术 | 多细胞和亚细胞结构特征 | 生物医学成像 | NA | 超低光显微镜，深度学习图像重建 | 深度学习 | 光子稀疏图像 | NA | NA | NA | 成像保真度 | NA |
| 11057 | 2025-05-21 |
[Technological innovation and future development of quantitative research on acupuncture manipulation techniques]
2025-May-25, Zhen ci yan jiu = Acupuncture research
DOI:10.13702/j.1000-0607.20250319
PMID:40390611
|
综述 | 本文全面回顾了针灸操作技术定量研究的生物力学基础和技术演变，并探讨了其未来发展方向 | 通过计算机视觉、深度学习和多模态感知融合等技术，实现了针灸操作量化的创新应用 | NA | 推动针灸从经验实践向数据驱动的精准医学转变，为中医现代化和国际标准化提供理论基础和技术支持 | 针灸操作技术 | 数字病理学 | NA | 计算机视觉、深度学习、多模态感知融合 | NA | 生物力学参数 | NA | NA | NA | NA | NA |
| 11058 | 2025-10-07 |
Effectiveness of Artificial Intelligence in detecting sinonasal pathology using clinical imaging modalities: a systematic review
2025-May-19, Rhinology
IF:4.8Q1
DOI:10.4193/Rhin25.044
PMID:40388840
|
系统综述 | 本系统综述评估人工智能在通过放射影像检测鼻窦病理方面的有效性和临床相关性 | 首次系统评估AI在鼻窦病理检测中的方法学和临床价值，涵盖多种影像模态和AI架构 | 现有研究主要为回顾性、单中心研究，使用内部数据库为主，泛化能力有待验证 | 评估AI在鼻窦病理检测中的方法学质量和临床适用性 | 鼻窦病理的放射影像学检测 | 医学影像分析 | 鼻窦疾病 | CT, MRI | CNN, 机器学习分类器 | 医学影像 | 53项研究，其中85%为回顾性研究，68%为单中心研究 | NA | 卷积神经网络 | AUC, 准确率, 敏感度, 特异度, 精确率, F1分数 | NA |
| 11059 | 2025-10-07 |
Utilizing Deep Learning to Identify Electron-Dense Deposits in Renal Biopsy Electron Microscopy Images
2025-May-19, American journal of nephrology
IF:4.3Q1
DOI:10.1159/000546131
PMID:40388893
|
研究论文 | 开发基于深度学习的平台自动分类肾脏活检电镜图像中电子致密沉积物的位置 | 首次将深度学习应用于肾脏活检电镜图像中电子致密沉积物的自动定位分类 | 模型性能仍低于专业电镜病理学家，仅使用单一医疗中心数据 | 开发自动分类肾脏活检电镜图像中电子致密沉积物位置的深度学习平台 | 肾脏活检电镜图像中的电子致密沉积物 | 数字病理 | 肾脏疾病 | 电子显微镜 | CNN | 图像 | 来自1039例肾脏活检的4303张电镜图像 | NA | ResNet18 | AUC, 准确率, Cohen's Kappa | NA |
| 11060 | 2025-10-07 |
Analysis of the Evolutionary Process of Spatial Microdamage Propagation in Silicon Nitride Bearings Using Deep Learning-Driven Molecular Dynamics
2025-May-19, Langmuir : the ACS journal of surfaces and colloids
IF:3.7Q2
DOI:10.1021/acs.langmuir.5c00466
PMID:40389365
|
研究论文 | 本研究结合深度学习与分子动力学，揭示了氮化硅轴承表面空间微损伤的动态演化机制 | 首次提出基于3D点云重建和机器学习势函数的分子动力学建模方法，揭示了微损伤扩展与弹塑性变形的动态耦合机制 | NA | 揭示氮化硅轴承表面空间微损伤的动态演化机制，为陶瓷轴承寿命预测和抗损伤设计提供理论支持 | 氮化硅轴承表面的空间微损伤 | 计算材料科学, 分子动力学模拟 | NA | 分子动力学模拟, 3D点云重建, 机器学习势函数 | 深度学习, 原子相互作用模型 | 3D点云数据, 原子尺度模拟数据 | NA | NA | 深度势能原子相互作用模型 | NA | NA |