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 11701 - 11720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11701 | 2025-05-15 |
Machine learning-based radiomics using MRI to differentiate early-stage Duchenne and Becker muscular dystrophy in children
2025-Mar-22, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-08538-7
PMID:40121488
|
研究论文 | 本研究利用MRI T2加权Dixon序列的放射组学特征，开发了一种机器学习分类模型，用于早期区分Duchenne和Becker肌营养不良症 | 结合放射组学和机器学习方法，首次在早期阶段有效区分DMD和BMD | 样本量较小（62例患者），且为回顾性研究 | 提高早期Duchenne和Becker肌营养不良症的鉴别诊断准确性 | 36-60月龄的肌营养不良症儿童患者（41例DMD，21例BMD） | 数字病理学 | 肌营养不良症 | MRI T2加权Dixon序列 | 机器学习算法（未指定具体模型） | 医学影像 | 62例患者（41例DMD，21例BMD） | NA | NA | NA | NA |
| 11702 | 2025-05-15 |
Meeting Global Health Needs via Infectious Disease Forecasting: Development of a Reliable Data-Driven Framework
2025-Mar-21, JMIR public health and surveillance
IF:3.5Q1
DOI:10.2196/59971
PMID:40116728
|
研究论文 | 开发了一个标准化、可靠且可信赖的传染病预测框架和可视化仪表板，用于支持全球健康决策 | 提出了一个集成多种建模技术的通用预测管道，能够适应不同疾病和地理区域，并通过可视化仪表板提供关键分析指标 | 没有单一的最佳模型适用于所有疾病、地区和国家的组合 | 满足现实世界操作决策的需求，开发一个通用的传染病预测框架 | 六种人畜共患疾病（布鲁氏菌病、弯曲杆菌病、中东呼吸综合征、Q热、蜱传脑炎和图拉菌病）在四大洲八个国家的传播情况 | 机器学习 | 传染病 | 统计、机器学习和深度学习模型 | 集成模型 | 人口统计、景观、气候和社会经济因素等多维特征数据 | 四大洲八个国家的六种人畜共患疾病数据，平均每种疾病使用2326个特征 | NA | NA | NA | NA |
| 11703 | 2025-05-15 |
RNAmigos2: accelerated structure-based RNA virtual screening with deep graph learning
2025-Mar-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-57852-0
PMID:40118849
|
research paper | 介绍了一种名为RNAmigos2的基于深度图学习的RNA虚拟筛选方法，显著提高了筛选速度和准确性 | 首次将数据驱动的虚拟筛选流程应用于RNA，结合粗粒度3D建模、合成数据增强和RNA特异性自监督学习，实现了比传统分子对接快10,000倍的速度 | RNA领域的数据有限，且机器学习在该领域的应用仍不成熟 | 开发一种高效的RNA虚拟筛选方法，以加速RNA药物的发现 | RNA分子及其潜在药物靶点 | machine learning | NA | deep graph learning, synthetic data augmentation, RNA-specific self-supervision | deep learning | 3D RNA structure data | 20,000-compound in-vitro microarray | NA | NA | NA | NA |
| 11704 | 2025-05-15 |
Bulldogs stenosis degree classification using synthetic images created by generative artificial intelligence
2025-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92769-0
PMID:40119072
|
research paper | 本研究开发了一种自动深度学习模型，用于分类斗牛犬鼻狭窄的严重程度 | 使用包括真实和AI生成的样本在内的图像，测试了五种神经网络架构，并比较了模型与专业兽医解剖学评估者的性能 | DenseNet201的中位F-score为54.04%，性能仍有提升空间 | 开发自动分类斗牛犬鼻狭窄严重程度的深度学习模型 | 斗牛犬的鼻孔图像 | computer vision | nasal stenosis | generative artificial intelligence | DenseNet201 | image | 1020张斗牛犬鼻孔图像（包括真实和AI生成的样本） | NA | NA | NA | NA |
| 11705 | 2025-05-15 |
Exploring the impact of hyperparameter and data augmentation in YOLO V10 for accurate bone fracture detection from X-ray images
2025-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93505-4
PMID:40119100
|
研究论文 | 本研究探讨了超参数和数据增强技术对YOLO V10架构在X射线图像中准确检测骨折性能的影响 | 通过结合特定的超参数组合和目标增强策略，显著提高了骨折检测的准确性和精确度 | 研究仅针对YOLO V10架构，未与其他最新模型进行对比 | 提高X射线图像中骨折检测的准确性和精确度 | X射线图像中的骨折 | 计算机视觉 | 骨折 | 图像非锐化掩模方法和对比度受限的自适应直方图均衡化 | YOLO V10 | 图像 | NA | NA | NA | NA | NA |
| 11706 | 2025-05-15 |
Merging synthetic and real embryo data for advanced AI predictions
2025-Mar-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94680-0
PMID:40119109
|
研究论文 | 本文探讨了如何通过结合合成和真实的胚胎数据来提高AI在胚胎形态评估中的预测准确性 | 使用两种生成模型（包括扩散模型和生成对抗网络）生成合成胚胎图像，并与真实图像结合训练分类模型，显著提高了分类性能 | 合成图像的逼真度仍有提升空间，且需要更多外部数据集的验证 | 提高辅助生殖技术中胚胎形态评估的准确性 | 胚胎图像 | 计算机视觉 | 生殖健康 | 生成模型（扩散模型和生成对抗网络） | CNN | 图像 | 两个数据集（一个公开可用，一个现有公共数据集） | NA | NA | NA | NA |
| 11707 | 2025-05-15 |
A fusion model to predict the survival of colorectal cancer based on histopathological image and gene mutation
2025-Mar-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91420-2
PMID:40113813
|
研究论文 | 提出了一种基于组织病理学图像和基因突变的多模态深度学习计算框架，用于预测结直肠癌患者的5年生存率 | 首次将组织病理学图像与分子数据结合，使用Multimodal Compact Bilinear Pooling (MCBP)方法预测结直肠癌患者的生存率 | 样本量较小（84例），且仅使用了TCGA数据库的数据 | 预测结直肠癌患者的5年生存率，以辅助临床决策 | 结直肠癌患者 | 数字病理学 | 结直肠癌 | mRNA测序、基因突变分析 | MCBP | 图像、文本（临床信息）、基因数据 | 84例（来自TCGA数据库，包含组织病理学图像、临床信息、mRNA测序数据和基因突变数据） | NA | NA | NA | NA |
| 11708 | 2025-05-15 |
Spatio-temporal epidemic forecasting using mobility data with LSTM networks and attention mechanism
2025-Mar-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94089-9
PMID:40113855
|
research paper | 本研究提出了一种结合LSTM网络和多头注意力机制的深度学习模型，用于短期预测传染病趋势，以日本COVID-19确诊病例和住院数据为例 | 结合LSTM网络和多头注意力机制，利用移动数据捕捉时空动态，提高预测准确性 | 研究仅基于日本的数据，可能在其他地区的适用性有限 | 短期预测传染病趋势以辅助决策制定和疫情控制策略开发 | COVID-19确诊病例和住院数据 | machine learning | COVID-19 | NA | LSTM, attention mechanism | 时间序列数据，移动数据 | 日本COVID-19确诊病例和住院数据 | NA | NA | NA | NA |
| 11709 | 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 |
| 11710 | 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 |
| 11711 | 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 |
| 11712 | 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 |
| 11713 | 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 |
| 11714 | 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 |
| 11715 | 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 |
| 11716 | 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 |
| 11717 | 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 |
| 11718 | 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 |
| 11719 | 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 |
| 11720 | 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 |