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 33224 篇文献，本页显示第 11681 - 11700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11681 | 2025-05-15 |
Compressed chromatographic fingerprint of Artemisiae argyi Folium empowered by 1D-CNN: Reduce mobile phase consumption using chemometric algorithm
2025-May-10, Journal of chromatography. A
DOI:10.1016/j.chroma.2025.465874
PMID:40101658
|
研究论文 | 本研究提出了一种结合一维卷积神经网络（1D-CNN）与高效液相色谱（HPLC）的压缩指纹图谱分析技术，旨在提高复杂系统中多种化合物的分析效率并减少有机溶剂的使用 | 结合1D-CNN与HPLC，开发压缩指纹图谱技术，显著减少分析时间和有机溶剂消耗 | 在分析的十种化合物中，仅九种取得了良好结果，表明模型对某些化合物的解释力有待提高 | 提高复杂系统中化合物分析的效率并减少有机溶剂消耗 | 艾叶（Artemisiae argyi Folium, AAF） | 化学计量学 | NA | 高效液相色谱（HPLC），一维卷积神经网络（1D-CNN） | 1D-CNN | 色谱数据 | NA | NA | NA | NA | NA |
| 11682 | 2025-05-15 |
A novel framework for esophageal cancer grading: combining CT imaging, radiomics, reproducibility, and deep learning insights
2025-May-10, BMC gastroenterology
IF:2.5Q2
DOI:10.1186/s12876-025-03952-6
PMID:40348987
|
research paper | 该研究提出了一种结合CT成像、放射组学、可重复性和深度学习的新框架，用于食管癌分级 | 结合放射组学和深度学习特征，通过注意力机制增强模型准确性，并采用多种机器学习模型进行癌症分级 | 研究为回顾性研究，可能受到数据质量和手动分割肿瘤区域的主观性影响 | 创建可靠的食管癌分级框架，提高诊断准确性和可解释性 | 2560名食管癌患者的CT扫描图像和临床信息 | digital pathology | esophageal cancer | CT imaging, radiomics, deep learning | DenseNet121, EfficientNet-B0, Random Forest, XGBoost, CatBoost | image, clinical information | 2560名食管癌患者 | NA | NA | NA | NA |
| 11683 | 2025-05-15 |
Automated detection of arrhythmias using a novel interpretable feature set extracted from 12-lead electrocardiogram
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109957
PMID:40090185
|
研究论文 | 本研究提出了一种基于特征的方法，用于从12导联心电图中自动检测心律失常，该方法在保持与深度学习相当性能的同时提供了更高的临床可解释性 | 提出了一种新颖的可解释特征集，结合数学技术如傅里叶变换、小波变换和互相关来评估心电图特征，并通过SHAP值分析优化特征集 | 在外部测试数据集上的性能有所下降（F1分数从81%降至68%） | 开发一种兼具高准确性和临床可解释性的心律失常自动诊断系统 | 12导联心电图数据 | 机器学习 | 心血管疾病 | 傅里叶变换、小波变换、互相关 | eXtreme Gradient Boosting (XGBoost) | 心电图信号 | 未明确提及具体样本数量，但使用了大规模心电图数据库 | NA | NA | NA | NA |
| 11684 | 2025-05-15 |
Extraction of fetal heartbeat locations in abdominal phonocardiograms using deep attention transformer
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110002
PMID:40096767
|
research paper | 提出了一种名为FHSU-NETR的深度学习模型，用于从原始PCG信号中直接提取胎儿和母亲的心率 | 利用transformer的自注意力机制，增强模型模拟远程交互和捕获全局上下文的能力 | 研究仅验证了20名正常受试者的数据，样本量较小 | 提高胎儿健康监测的可及性和可靠性 | 胎儿和母亲的心率 | machine learning | 心血管疾病 | Phonocardiography (PCG) | U-NetR, transformer | PCG信号 | 20名正常受试者，包括一例胎儿心动过速心律失常病例 | NA | NA | NA | NA |
| 11685 | 2025-05-15 |
Optimizing Immunotherapy: The Synergy of Immune Checkpoint Inhibitors with Artificial Intelligence in Melanoma Treatment
2025-Apr-16, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15040589
PMID:40305346
|
综述 | 本文综述了人工智能（AI）在优化黑色素瘤免疫检查点抑制剂（ICI）治疗中的潜力，重点关注预测模型、生物标志物识别和治疗反应预测 | AI与RNAseq分析结合开发个性化ICI治疗，机器学习模型识别与nivolumab清除相关的预后细胞因子特征，深度学习算法在肿瘤微环境分析中表现出高准确性 | 临床验证和实施挑战仍然存在 | 优化黑色素瘤的免疫治疗 | 黑色素瘤患者 | 数字病理学 | 黑色素瘤 | RNAseq, 电子健康记录（EHR）数据分析 | 机器学习, 深度学习 | 影像数据, 实验室数据, EHR数据 | NA | NA | NA | NA | NA |
| 11686 | 2025-05-15 |
Artificial Intelligence Advancements in Oncology: A Review of Current Trends and Future Directions
2025-Apr-13, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13040951
PMID:40299653
|
综述 | 本文回顾了人工智能在肿瘤学中的最新进展，重点关注计算机辅助诊断的早期检测、个性化治疗策略和药物发现 | 探讨了人工智能与纳米医学和免疫疗法的整合，以及比较了AI模型与传统诊断方法的优势 | 数据质量、算法偏见和临床验证等挑战限制了广泛采用 | 探索人工智能在肿瘤学中的应用及其潜力，以改善癌症诊断、治疗和管理 | 癌症研究和治疗 | 机器学习 | 癌症 | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 11687 | 2025-05-15 |
Advances in Artificial Intelligence and Machine Learning for Precision Medicine in Necrotizing Enterocolitis and Neonatal Sepsis: A State-of-the-Art Review
2025-Apr-13, Children (Basel, Switzerland)
DOI:10.3390/children12040498
PMID:40310141
|
review | 本文综述了人工智能和机器学习在坏死性小肠结肠炎（NEC）和新生儿败血症精准医学中的最新进展 | AI和ML模型在NEC风险分层、早期诊断和治疗策略优化方面展现出比传统临床方法更高的准确性，并发现了与疾病发作和严重程度相关的新生物标志物 | 数据异质性、模型可解释性以及需要大规模验证研究等挑战仍然存在 | 探索AI和ML在NEC预测、早期诊断和管理中的应用 | 坏死性小肠结肠炎（NEC）和新生儿败血症 | machine learning | necrotizing enterocolitis, neonatal sepsis | AI, ML, deep learning | NA | medical imaging, clinical data | NA | NA | NA | NA | NA |
| 11688 | 2025-05-15 |
The Relevance of General Intelligence Measurement in Deep Learning for Healthcare
2025-04-08, Studies in health technology and informatics
DOI:10.3233/SHTI250052
PMID:40200449
|
research paper | 探讨通用智能测量在医疗健康领域深度学习中的重要性 | 研究了不同层次的泛化（局部、广泛和极端）在医疗AI系统中的贡献和限制，并指出现有评估方法的不足 | 现有评估泛化难度的指标仍不充分，需要开发新的评估方法 | 提高AI系统在复杂临床环境中的有效性和适应性 | 医疗AI系统 | machine learning | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11689 | 2025-05-15 |
Deep-Learning-Based AI-Model for Predicting Dental Plaque in the Young Permanent Teeth of Children Aged 8-13 Years
2025-Apr-07, Children (Basel, Switzerland)
DOI:10.3390/children12040475
PMID:40310101
|
研究论文 | 本研究开发了一种基于深度学习的AI模型，用于预测8-13岁儿童年轻恒牙中的牙菌斑 | 使用U-Net Transformer模型在牙菌斑检测和分割中表现出优于经验丰富的儿科牙医的临床性能 | 样本量较小，仅包含31名患者的506张牙齿图像 | 开发一种快速、可靠的牙菌斑检测和分割方法，以改善儿童口腔健康管理 | 8-13岁儿童的年轻恒牙 | 计算机视觉 | 口腔疾病 | 深度学习 | U-Net Transformer | 图像 | 31名患者的506张牙齿图像 | NA | NA | NA | NA |
| 11690 | 2025-05-15 |
Molecular Modelling in Bioactive Peptide Discovery and Characterisation
2025-Apr-03, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15040524
PMID:40305228
|
review | 本文综述了分子建模在生物活性肽发现和表征中的应用及其最新进展 | 整合人工智能技术，特别是深度学习模型如AlphaFold和蛋白质语言模型(PLMs)，显著提升了肽构象和相互作用的预测能力 | 现有方法在整合非经典氨基酸和环化结构方面仍面临挑战 | 探讨分子建模技术在生物活性肽发现和表征中的应用及其发展 | 生物活性肽的结构特性及其与生物靶标的相互作用 | 生物信息学 | NA | 分子建模、分子对接、分子动力学(MD)、虚拟筛选、深度学习 | AlphaFold、蛋白质语言模型(PLMs) | 蛋白质序列和结构数据 | NA | NA | NA | NA | NA |
| 11691 | 2025-05-15 |
Deep Learning-Assisted SERS for Therapeutic Drug Monitoring of Clozapine in Serum on Plasmonic Metasurfaces
2025-Apr-02, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.5c00391
PMID:40111434
|
研究论文 | 提出了一种结合人工神经网络(ANNs)与表面增强拉曼光谱(SERS)的新方法，用于快速监测血清中的氯氮平及其代谢物 | 首次将ANN与SERS技术结合在等离子体超表面上，用于氯氮平及其代谢物的治疗药物监测 | NA | 开发一种快速、精确的治疗药物监测方法，以优化氯氮平的治疗效果并减少副作用 | 氯氮平及其两种主要代谢物(去甲氯氮平和氯氮平-N-氧化物)在人体血清中的浓度 | 生物医学诊断 | 精神分裂症 | 表面增强拉曼光谱(SERS) | 人工神经网络(ANNs) | 光谱数据 | NA | NA | NA | NA | NA |
| 11692 | 2025-05-15 |
Past, Present, and Future: A History Lesson in Artificial Intelligence
2025-Apr, Gastrointestinal endoscopy clinics of North America
DOI:10.1016/j.giec.2024.09.003
PMID:40021228
|
review | 回顾人工智能在过去50年的发展历程及其在医学领域的应用 | 总结了AI在胃肠病学中的革命性应用，并展望了未来的发展方向 | 需要解决透明度、责任和伦理问题 | 探讨人工智能在医学领域的历史、现状和未来趋势 | 人工智能在胃肠病学中的应用 | machine learning | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11693 | 2025-05-15 |
Artificial intelligence based detection and control strategies for river water pollution: A comprehensive review
2025-Apr, Journal of contaminant hydrology
IF:3.5Q2
DOI:10.1016/j.jconhyd.2025.104541
PMID:40112582
|
综述 | 本文详细综述了基于人工智能（AI）的技术和算法在河流水质污染检测与控制中的实际应用 | 突出了机器学习（ML）和深度学习（DL）技术的关键进展，包括ANN、DNN、LSTM和RF，并探讨了物联网（IoT）技术在实时监测和预测能力增强中的作用 | NA | 评估和综述AI技术在河流水质污染检测与控制领域的应用 | 河流水质污染 | 机器学习 | NA | 机器学习（ML）、深度学习（DL）、物联网（IoT） | ANN、DNN、LSTM、RF | 水质相关数据集 | 分析了2019年至2024年间超过110篇研究文章 | NA | NA | NA | NA |
| 11694 | 2025-05-15 |
The Global and Regional Burden of Gallbladder and Biliary Tract Cancer and Attributable Risk Factors: Trends and Predictions
2025-Apr, Liver international : official journal of the International Association for the Study of the Liver
IF:6.0Q1
DOI:10.1111/liv.70025
PMID:40116757
|
research paper | 该研究全面评估了1990年至2021年胆囊及胆道癌(GBTC)的全球和区域疾病负担及其可归因风险因素，并利用深度学习模型进行趋势预测 | 提出了一种分层加权长短期记忆网络模型(SW-LSTM)用于趋势预测，克服了传统模型的不足 | 低和中低SDI地区的部分指标未观察到显著的时期和队列效应 | 评估GBTC的全球疾病负担并预测其趋势，以改进预防和治疗策略 | 全球范围内的胆囊及胆道癌(GBTC)疾病负担 | machine learning | 胆囊癌及胆道癌 | Joinpoint回归分析、年龄-时期-队列模型(APCM)、分层加权LSTM网络(SW-LSTM) | SW-LSTM | 流行病学数据 | 1990-2021年全球疾病负担研究数据 | NA | NA | NA | NA |
| 11695 | 2025-05-15 |
Rapid left ventricle mesh prediction by adaptive deformable model fitting
2025-Mar-28, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adc237
PMID:40101357
|
research paper | 提出了一种快速且无需训练的自适应可变形模型拟合框架，用于左心室网格预测 | 通过自适应网格模块和两阶段拟合方案，消除了对标注数据集的依赖，提高了跨不同心脏病理的泛化能力 | 在扩张型心肌病临床数据集中的Dice系数平均为0.78，仍有提升空间 | 克服现有方法在计算复杂度、对大规模配对训练数据的依赖以及跨心脏病理泛化能力有限的问题 | 左心室的三维网格重建 | digital pathology | cardiovascular disease | proper orthogonal decomposition, polyharmonic spline interpolation | adaptive deformable model | cardiac magnetic resonance imaging | 三个心脏磁共振成像数据集，包括扩张型心肌病临床数据集 | NA | NA | NA | NA |
| 11696 | 2025-05-15 |
Deep learning techniques for proton dose prediction across multiple anatomical sites and variable beam configurations
2025-Mar-27, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adc236
PMID:40101365
|
research paper | 评估质子治疗中束流掩模实现和数据聚合对基于人工智能的剂量预测准确性的影响 | 结合束流掩模和数据聚合显著提高了质子治疗剂量预测的准确性，特别是在复杂病例中 | 数据聚合在低剂量区域可能产生负面影响 | 提高质子治疗中剂量预测的准确性 | 541例前列腺和632例头颈部质子治疗计划 | machine learning | prostate cancer, head and neck cancer | proton therapy | CNN | medical imaging | 541 prostate and 632 head and neck proton therapy plans | NA | NA | NA | NA |
| 11697 | 2025-05-15 |
Fast and Accurate Prediction of Tautomer Ratios in Aqueous Solution via a Siamese Neural Network
2025-Mar-25, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00041
PMID:40091187
|
研究论文 | 本研究开发了一个名为sPhysNet-Taut的深度学习模型，用于快速准确预测水溶液中互变异构体的比例 | 采用Siamese神经网络架构，基于实验数据微调，直接预测水溶液中互变异构体的比例，性能优于现有方法 | 模型依赖于MMFF94优化的分子几何结构，可能不适用于所有类型的分子 | 提高计算药物发现中互变异构体比例预测的准确性和速度 | 药物类分子的互变异构体 | 机器学习 | NA | 深度学习 | Siamese神经网络 | 分子几何结构数据 | 100个互变异构体数据集和SAMPL2挑战数据集 | NA | NA | NA | NA |
| 11698 | 2025-05-15 |
Development and validation of a postoperative prognostic model for hormone receptor positive early stage breast cancer recurrence
2025-Mar-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92872-2
PMID:40121273
|
研究论文 | 开发并验证了一种基于Transformer的深度学习预后模型HERPAI，用于预测激素受体阳性早期乳腺癌患者的复发风险 | 首次为低复发风险患者开发了基于Transformer的深度学习预后模型，并在多中心数据中进行了验证 | 研究为回顾性设计，可能存在选择偏倚 | 开发预测激素受体阳性早期乳腺癌复发的预后模型 | 激素受体阳性/HER2阴性早期(T1-2N0-1)浸润性乳腺癌患者 | 数字病理 | 乳腺癌 | 深度学习 | Transformer | 临床和病理数据 | 6340名患者(5424名用于训练和验证，916名用于外部测试) | NA | NA | NA | NA |
| 11699 | 2025-05-15 |
A novel framework for segmentation of small targets in medical images
2025-Mar-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94437-9
PMID:40121297
|
research paper | 提出了一种名为STS-Net的新型框架，专门用于医学图像中小目标的精确分割 | 采用ResNeXt50-32x4d架构作为编码器，并在编码阶段整合注意力机制以增强网络的特征表示能力 | 在训练样本数量有限的情况下，现有网络对小目标的分割仍存在困难 | 解决医学图像中小目标分割的挑战 | 医学图像中的小目标 | digital pathology | NA | deep learning | CNN | image | 四个公开数据集 | NA | NA | NA | NA |
| 11700 | 2025-05-15 |
Deep-ProBind: binding protein prediction with transformer-based deep learning model
2025-Mar-22, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06101-8
PMID:40121399
|
研究论文 | 本文提出了一种名为Deep-ProBind的深度学习模型，用于预测蛋白质结合位点 | 结合了序列和结构信息，采用transformer和进化注意力机制，以及SHAP算法进行特征选择，显著提高了预测准确率 | 未提及具体的数据集规模限制或模型泛化能力测试 | 开发高准确率的蛋白质结合位点预测工具 | 蛋白质结合位点 | 生物信息学 | NA | BERT, PsePSSM-DWT, SHAP, DNN | transformer, Deep Neural Network | 序列数据, 结构数据 | 基准数据集和独立样本集（具体数量未提及） | NA | NA | NA | NA |