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 11201 - 11220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11201 | 2025-10-07 |
DKCN-Net: Deep kronecker convolutional neural network-based lung disease detection with federated learning
2025-Jun, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出基于深度克罗内克卷积神经网络和联邦学习的肺部疾病检测方法 | 结合联邦学习保护数据隐私，提出新型DKCN-Net网络架构，集成深度克罗内克神经网络和平行卷积神经网络 | NA | 开发在保护隐私前提下实现高稳定性肺部疾病检测的深度学习技术 | 肺部CT图像中的疾病检测 | 计算机视觉 | 肺癌 | CT成像 | CNN, 联邦学习 | CT图像 | 来自LIDC-IDRI数据库的CT图像 | NA | DKCN-Net, DKN, PCNN, 3D-FCN | 准确率, 损失率, 均方误差, 真阳性率, 真阴性率 | NA |
| 11202 | 2025-10-07 |
Bootstrap inference and machine learning reveal core differential plasma metabolic connectome signatures in major depressive disorder
2025-Jun-01, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2025.02.109
PMID:40044084
|
研究论文 | 通过自助法推断和机器学习识别重度抑郁症患者血浆代谢连接组的核心差异特征 | 首次在大规模人群中构建代谢相关性网络并识别MDD特异的网络特征，突破了传统单一生化标志物分析的局限 | 研究基于横断面数据，无法确定代谢网络改变与抑郁症的因果关系 | 揭示重度抑郁症的代谢网络特征并开发诊断模型 | 182,053名UK Biobank参与者（9,425名MDD患者和172,628名健康对照） | 机器学习 | 重度抑郁症 | 血浆代谢组学 | 深度学习, 机器学习, XGBoost | 代谢组数据 | 182,053人 | NA | NA | 准确率, AUROC | NA |
| 11203 | 2025-10-07 |
Development of a digital algorithm for assessing tumor-stroma ratio, tumor budding and tumor infiltrating lymphocytes in vulvar squamous cell carcinomas
2025-Jun, Annals of diagnostic pathology
IF:1.5Q3
|
研究论文 | 开发用于评估外阴鳞状细胞癌中肿瘤-间质比率、肿瘤出芽和肿瘤浸润淋巴细胞的全自动数字算法 | 首次针对VSCC开发集成TSR、TB和TILs评估的深度学习算法，实现无需人工校正的自动化定量分析 | 样本量较小（41例VSCC），需在更大队列中验证算法并与临床预后关联 | 开发数字化评估方法并探索p16状态对肿瘤微环境特征的影响 | 外阴鳞状细胞癌组织样本 | 数字病理 | 外阴鳞状细胞癌 | 免疫组织化学染色（CD3/细胞角蛋白、CD8/细胞角蛋白） | 深度学习 | 病理组织图像 | 41例VSCC病例（独立训练集+研究队列） | NA | NA | 一致性分析（与人工评估对比） | NA |
| 11204 | 2025-05-13 |
Enhancing atrial fibrillation detection in PPG analysis with sparse labels through contrastive learning
2025-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108698
PMID:40054320
|
研究论文 | 本研究探讨了自监督对比学习在基于PPG的心房颤动检测中的应用，以减少对标记数据的依赖 | 使用自监督对比学习框架（SimCLR和BYOL）预训练模型，显著减少了对标记数据的需求，并在少量标记数据上微调后取得了优于监督学习的效果 | 研究仅针对PPG数据，未验证在其他生理信号上的适用性 | 提高基于PPG的心房颤动检测的准确性，同时减少对标记数据的依赖 | PPG信号数据 | 机器学习 | 心血管疾病 | 对比学习（SimCLR和BYOL） | 自监督学习模型 | PPG信号 | 1,209小时未标记PPG数据（来自VitalDB数据库）以及少量标记数据（来自MIMIC III、UMass和DeepBeat数据集） | NA | NA | NA | NA |
| 11205 | 2025-05-13 |
Automated Detection of Microcracks Within Second Harmonic Generation Images of Cartilage Using Deep Learning
2025-Jun, Journal of orthopaedic research : official publication of the Orthopaedic Research Society
IF:2.1Q2
DOI:10.1002/jor.26071
PMID:40113341
|
research paper | 该研究开发了一个基于YOLOv8的深度学习模型，用于自动检测、分割和量化软骨微裂纹 | 首次使用YOLOv8深度学习模型自动化检测软骨微裂纹，显著提高了检测效率和准确性 | 模型在微裂纹方向估计上存在中等程度的变异性，数据集需要扩展到更多解剖区域和疾病阶段 | 开发自动化工具以促进软骨微裂纹研究，并理解早期软骨损伤 | 关节软骨中的微裂纹 | digital pathology | osteoarthritis | second harmonic generation (SHG) imaging | YOLOv8 | image | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 11206 | 2025-05-13 |
Computer-aided assessment for enlarged fetal heart with deep learning model
2025-May-16, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112288
PMID:40343273
|
研究论文 | 本文提出了一种基于YOLO架构的深度学习方法，用于自动化胎儿心脏扩大的评估 | 使用YOLOv8结合CBAM模块以及ResNeXtBlock残差网络，提高了胎儿心脏扩大检测的准确性和预测一致性 | 需要进一步验证以确认其临床适用性 | 通过自动化评估胎儿心脏扩大，提高产前筛查的准确性和效率 | 胎儿心脏扩大的超声视频 | 计算机视觉 | 先天性心脏病 | 深度学习 | YOLOv8, YOLOv11, ResNeXtBlock | 超声视频 | NA | NA | NA | NA | NA |
| 11207 | 2025-05-13 |
NeuroPred-AIMP: Multimodal Deep Learning for Neuropeptide Prediction via Protein Language Modeling and Temporal Convolutional Networks
2025-May-12, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00444
PMID:40258183
|
研究论文 | 提出了一种名为NeuroPred-AIMP的多模态深度学习模型，用于通过蛋白质语言建模和时间卷积网络预测神经肽 | 结合蛋白质语言模型(ESM)的全局语义表示和时间卷积网络(TCN)的多尺度结构特征，引入残差增强的自适应特征融合机制，动态重新校准特征贡献，实现进化和局部序列信息的稳健整合 | 依赖于有限的实验验证数据，可能影响模型的泛化能力 | 提高神经肽识别的准确性，以促进神经系统疾病治疗和基于肽的药物设计 | 神经肽 | 自然语言处理 | 神经系统疾病 | 蛋白质语言建模，时间卷积网络 | ESM, TCN | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 11208 | 2025-05-13 |
COLOR: A Compositional Linear Operation-Based Representation of Protein Sequences for Identification of Monomer Contributions to Properties
2025-May-12, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00205
PMID:40272990
|
research paper | 该论文提出了一种基于可解释深度学习模型的蛋白质序列表示方法，用于识别单体对蛋白质特性的贡献 | 引入具有可解释步骤的深度学习模型，直接追踪单体贡献，并提出新的定量分析指标 | 主要应用于分类任务，如结合位点识别，且在这些任务中准确率有限（40-45%） | 开发一种可解释的蛋白质序列表示方法，用于识别关键功能基序 | 蛋白质序列，特别是抗癌肽（ACP）、抗菌肽（AMP）和胶原蛋白 | natural language processing | NA | 深度学习，可解释AI（XAI） | DL | 蛋白质序列数据 | 主要包含抗癌肽（ACP）、抗菌肽（AMP）和胶原蛋白的数据集 | NA | NA | NA | NA |
| 11209 | 2025-05-13 |
Development and evaluation of an early childhood caries prediction model: a deep learning-based hybrid statistical modelling approach
2025-May-12, European archives of paediatric dentistry : official journal of the European Academy of Paediatric Dentistry
IF:2.3Q2
DOI:10.1007/s40368-025-01046-1
PMID:40354021
|
研究论文 | 开发并评估了一种基于深度学习的混合统计模型，用于预测儿童早期龋齿（ECC） | 结合了bootstrap方法、逻辑回归建模（LRM）和多层前馈神经网络（MLFFNN）的混合统计方法，提高了预测的准确性和可解释性 | 样本量较小（157对亲子），且研究设计为横断面研究，可能限制了结果的普遍性 | 开发并评估一种高准确性和可解释性的儿童早期龋齿预测模型 | 157对亲子 | 机器学习 | 儿童早期龋齿 | bootstrap方法、逻辑回归建模（LRM）、多层前馈神经网络（MLFFNN） | 混合统计模型（LRM + MLFFNN） | 问卷调查数据 | 157对亲子 | NA | NA | NA | NA |
| 11210 | 2025-05-13 |
Enhancing segmentation accuracy of the common iliac vein in OLIF51 surgery in intraoperative endoscopic video through gamma correction: a deep learning approach
2025-May-11, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03388-z
PMID:40349282
|
研究论文 | 本研究开发并评估了一种深度学习模型，用于在OLIF51手术中从术中内窥镜视频中分割髂总静脉，以减少血管损伤风险 | 采用U-Net++与ResNet18结合的结构，并应用伽马校正预处理以提高分割精度 | 需要进一步研究和模型优化以适应临床应用 | 提高OLIF51手术中髂总静脉的分割准确性以减少血管损伤风险 | 髂总静脉 | 计算机视觉 | 退行性腰骶椎疾病 | 深度学习 | U-Net, U-Net++ with ResNet18 | 内窥镜视频图像 | 614张OLIF51手术内窥镜图像 | NA | NA | NA | NA |
| 11211 | 2025-05-13 |
Climate change prediction in Saudi Arabia using a CNN GRU LSTM hybrid deep learning model in al Qassim region
2025-May-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00607-0
PMID:40346151
|
研究论文 | 使用CNN-GRU-LSTM混合深度学习模型预测沙特阿拉伯Al-Qassim地区的气候变化趋势 | 提出了一种独特的CNN-GRU-LSTM混合深度学习架构，用于预测气候变化，并在所有四种气候情景中优于传统回归方法 | 研究仅针对沙特阿拉伯Al-Qassim地区，可能无法推广到其他地区 | 预测气候变化趋势，以指导环境政策和城市发展决策 | Al-Qassim地区的气候数据 | 机器学习 | NA | SMOGN（合成少数过采样技术回归与高斯噪声） | CNN-GRU-LSTM混合模型 | 气候数据（温度、露点温度、能见度距离、海平面气压） | 数据集分为训练集（70%）、验证集（15%）和测试集（15%） | NA | NA | NA | NA |
| 11212 | 2025-05-13 |
Scoping review of deep learning research illuminates artificial intelligence chasm in otolaryngology-head and neck surgery
2025-May-10, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01693-0
PMID:40346307
|
综述 | 本文通过范围综述分析了1996年至2023年间耳鼻咽喉头颈外科（OHNS）领域的深度学习研究，揭示了该领域人工智能（AI）技术的临床验证不足 | 首次全面评估了OHNS领域深度学习研究的现状，揭示了AI技术在该领域临床验证的严重缺失 | 仅分析了已发表的研究，可能未涵盖未发表或正在进行的研究 | 评估OHNS领域深度学习研究的现状和临床验证情况 | 1996-2023年间发表的OHNS领域深度学习研究 | 人工智能在医疗健康中的应用 | 耳鼻咽喉头颈外科疾病 | 深度学习 | CNN | 图像 | 444篇符合纳入标准的研究文章 | NA | NA | NA | NA |
| 11213 | 2025-05-13 |
Advances in research on receptor heterogeneity in breast cancer liver metastasis
2025-May-09, Bioscience trends
IF:5.7Q1
DOI:10.5582/bst.2025.01046
PMID:40240168
|
review | 本文综述了乳腺癌肝转移中受体异质性的研究进展及其对治疗策略的影响 | 深入探讨了受体状态变化的分子机制，并提出了结合人工智能深度学习模型预测肝转移受体状态的新方向 | 未提及具体实验数据或样本量，可能缺乏实证支持 | 探讨乳腺癌肝转移中受体异质性对治疗策略和预后的影响 | 乳腺癌肝转移患者及其受体状态变化 | digital pathology | breast cancer | NA | deep learning | NA | NA | NA | NA | NA | NA |
| 11214 | 2025-05-11 |
Author Correction: Deep learning and genome-wide association meta-analyses of bone marrow adiposity in the UK Biobank
2025-May-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59574-9
PMID:40346038
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11215 | 2025-05-13 |
Multiparameter MRI-based model integrating radiomics and deep learning for preoperative staging of laryngeal squamous cell carcinoma
2025-May-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01270-1
PMID:40346120
|
研究论文 | 本研究建立了一个基于多参数MRI的模型，结合放射组学和深度学习，用于喉鳞状细胞癌的术前分期 | 结合放射组学和深度学习特征，构建了一个综合模型，显著提高了术前分期的准确性 | 研究仅基于两个中心的数据，可能存在一定的样本偏差 | 提高喉鳞状细胞癌术前分期的准确性，为临床决策提供指导 | 401例经组织学确认的喉鳞状细胞癌患者 | 数字病理 | 喉鳞状细胞癌 | MRI | ResNet 18, 随机森林(RF) | MRI图像 | 401例患者（训练集：213例；内部测试集：91例；外部测试集：97例） | NA | NA | NA | NA |
| 11216 | 2025-05-13 |
Addressing significant challenges for animal detection in camera trap images: a novel deep learning-based approach
2025-May-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90249-z
PMID:40346172
|
research paper | 提出了一种新颖的两阶段深度学习框架，用于解决相机陷阱图像中动物检测的实际挑战 | 采用两阶段深度学习框架，结合全局模型和专家模型，显著提高了动物检测的准确性和适用性 | 模型在新地点的适用性可能仍受背景和物种相似性的影响 | 提高相机陷阱图像中动物检测的自动化水平和准确性 | 24种哺乳动物 | computer vision | NA | deep learning, Transfer Learning | YOLOv5, agglomerative clustering | image | 1.3 million images from 91 camera traps, 120,000 images for testing | NA | NA | NA | NA |
| 11217 | 2025-05-13 |
Deep learning for Parkinson's disease classification using multimodal and multi-sequences PET/MR images
2025-May-09, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-025-01245-3
PMID:40346391
|
research paper | 使用深度学习方法通过多模态和多序列PET/MR图像对帕金森病进行分类 | 提出了一种改进的18层ResNet18模型，结合多模态和多序列图像，提高了帕金森病(PD)和多系统萎缩(MSA)的分类准确率 | 研究为回顾性分析，样本量相对有限(206患者+38健康对照)，外部验证未进行 | 开发高性能辅助工具以准确诊断PD和MSA | 帕金森病(PD)患者、多系统萎缩(MSA)患者和健康对照(NC) | digital pathology | geriatric disease | PET/MR成像 | 改进的ResNet18 | 多模态医学图像(PET/MR) | 206名患者(PD/MSA)和38名健康对照 | NA | NA | NA | NA |
| 11218 | 2025-05-13 |
SMFF-DTA: using a sequential multi-feature fusion method with multiple attention mechanisms to predict drug-target binding affinity
2025-May-09, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-025-02222-x
PMID:40346536
|
研究论文 | 提出了一种名为SMFF-DTA的序列多特征融合方法，用于高效准确地预测药物-靶标结合亲和力 | 采用序列方法表示药物和靶标的结构信息及理化性质，并引入多重注意力机制以紧密捕捉相互作用特征 | 未明确提及具体局限性 | 加速药物筛选过程，提高药物-靶标结合亲和力预测的准确性和效率 | 药物和靶标的结合亲和力 | 机器学习 | NA | 深度学习 | 多重注意力机制 | 1D序列数据 | 未明确提及具体样本量 | NA | NA | NA | NA |
| 11219 | 2025-10-07 |
EPIPDLF: a pretrained deep learning framework for predicting enhancer-promoter interactions
2025-May-06, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae716
PMID:40036975
|
研究论文 | 开发了一种基于深度学习的增强子-启动子相互作用预测框架EPIPDLF | 提出了一种仅基于基因组序列即可预测增强子-启动子相互作用的可解释深度学习框架 | NA | 预测增强子与启动子之间的相互作用 | 基因组序列中的增强子和启动子 | 生物信息学 | NA | 深度学习 | 深度学习 | 基因组序列 | 六个基准数据集 | NA | EPIPDLF | NA | NA |
| 11220 | 2025-05-13 |
JAX-RNAfold: scalable differentiable folding
2025-May-06, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf203
PMID:40279486
|
research paper | 介绍了一个名为JAX-RNAfold的开源软件包，用于改进的可微分RNA折叠算法，可扩展到1,250个核苷酸 | 提出了一个显著改进的可微分折叠算法，能够在单个GPU上处理多达1,250个核苷酸，并允许将可微分折叠作为模块集成到更大的深度学习流程中 | NA | 优化RNA设计中的可微分折叠算法，提高其可扩展性和实用性 | RNA序列 | machine learning | NA | differentiable folding | deep learning | RNA序列数据 | NA | NA | NA | NA | NA |