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 11741 - 11760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11741 | 2025-05-09 |
RNA-protein interaction prediction using network-guided deep learning
2025-Feb-16, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-07694-9
PMID:39956833
|
research paper | 介绍了一种名为ZHMolGraph的网络引导深度学习方法，用于预测RNA-蛋白质相互作用 | 整合了图神经网络和无监督大型语言模型，显著提高了对未知RNA和蛋白质相互作用的预测准确性 | RNA数量有限且灵活性高，可能限制了深度学习模型的有效性 | 提高RNA-蛋白质相互作用的计算预测准确性 | RNA和蛋白质的相互作用 | machine learning | NA | graph neural network, unsupervised large language models | ZHMolGraph | RNA-protein interaction data | 两个基准数据集，包括未知RNA和蛋白质的数据集 | NA | NA | NA | NA |
| 11742 | 2025-05-09 |
Advanced prognostic modeling with deep learning: assessing long-term outcomes in liver transplant recipients from deceased and living donors
2025-Feb-16, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-06183-1
PMID:39956905
|
研究论文 | 本研究利用深度学习开发了一种先进的预后模型，用于评估肝移植后的长期结果，特别关注区分死亡和活体供体移植 | 使用Deeplearning4j多层感知器分类器进行长期生存分析，并验证了其在肝移植后生存预测中的实用性 | 研究仅基于UNOS数据库的数据，可能无法涵盖所有相关变量 | 开发一个先进的预后模型来预测肝移植后的长期结果 | 肝移植受者，包括死亡和活体供体移植的受者 | 机器学习 | 肝病 | 深度学习 | Deeplearning4j Multilayer Perceptron (MLP) | 临床、人口统计和移植相关变量 | 353,589条记录（1998年至2023年） | NA | NA | NA | NA |
| 11743 | 2025-05-09 |
Development and validation of MRI-derived deep learning score for non-invasive prediction of PD-L1 expression and prognostic stratification in head and neck squamous cell carcinoma
2025-Feb-16, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00837-5
PMID:39956910
|
研究论文 | 开发并验证了一种基于MRI的深度学习评分（DLS），用于无创预测头颈部鳞状细胞癌（HNSCC）患者的PD-L1表达状态及其对免疫检查点抑制剂（ICI）治疗的预后分层效果 | 利用ResNet-101卷积神经网络和基于transformer的注意力机制模型，融合多序列MRI特征，首次实现了对HNSCC患者PD-L1表达的无创预测和预后分层 | 研究样本来自两个机构，可能存在选择偏倚；模型性能在外部验证队列中有所下降 | 开发非侵入性预测HNSCC患者PD-L1表达的方法，并评估其对免疫治疗预后的预测价值 | 头颈部鳞状细胞癌（HNSCC）患者 | 数字病理 | 头颈部鳞状细胞癌 | MRI（T1WI、T2WI和对比增强T1WI） | ResNet-101 CNN与transformer融合模型 | 医学影像 | 来自两个机构的610名HNSCC患者（四个队列） | NA | NA | NA | NA |
| 11744 | 2025-05-09 |
Deep learning for detecting and early predicting chronic obstructive pulmonary disease from spirogram time series
2025-Feb-15, NPJ systems biology and applications
IF:3.5Q1
DOI:10.1038/s41540-025-00489-y
PMID:39955293
|
研究论文 | 提出了一种名为DeepSpiro的深度学习新方法，用于从肺活量时间序列中检测和早期预测慢性阻塞性肺疾病(COPD) | 开发了DeepSpiro，一个包含四个关键组件的深度学习框架，能够基于细微数据模式预测未来COPD风险，预测时间跨度可达1-5年或更长 | NA | 早期预测慢性阻塞性肺疾病(COPD)的未来风险 | 肺活量时间序列数据 | 机器学习 | 慢性阻塞性肺疾病 | 深度学习 | DeepSpiro(包含SpiroSmoother, SpiroEncoder, SpiroExplainer, SpiroPredictor) | 时间序列数据(Volume-Flow曲线) | UK Biobank数据集 | NA | NA | NA | NA |
| 11745 | 2025-05-09 |
Machine learning via DARTS-Optimized MobileViT models for pancreatic Cancer diagnosis with graph-based deep learning
2025-Feb-15, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02923-x
PMID:39955532
|
研究论文 | 本研究提出了一种结合基于图的数据表示和DARTS优化的MobileViT模型的新方法，以提高胰腺癌诊断的准确性和可靠性 | 创新性地将基于图的深度学习与机器学习技术结合，使用DARTS优化的MobileViT模型进行胰腺癌诊断，性能优于传统CNN和Vision Transformer模型 | 未提及具体的研究局限性 | 提高胰腺癌诊断的准确性和可靠性 | 胰腺CT图像 | 计算机视觉 | 胰腺癌 | Harris角点检测算法、DARTS、KNN、SVM、RF、XGBoost | MobileViTv2_150、MobileViTv2_200、CNN、Vision Transformer | 图像 | NA | NA | NA | NA | NA |
| 11746 | 2025-05-09 |
AlphaFold prediction of structural ensembles of disordered proteins
2025-Feb-14, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56572-9
PMID:39952928
|
research paper | 本文介绍了AlphaFold-Metainference方法，利用AlphaFold预测的距离作为分子动力学模拟的结构约束，构建有序和无序蛋白质的结构集合 | 将AlphaFold预测的距离用于分子动力学模拟，构建无序蛋白质的结构集合，填补了深度学习在无序蛋白质预测领域的空白 | 方法依赖于AlphaFold的预测准确性，且需要进一步验证在更广泛无序蛋白质上的适用性 | 探索深度学习方法在预测无序蛋白质结构集合中的应用 | 有序和无序蛋白质 | machine learning | NA | AlphaFold, 分子动力学模拟 | AlphaFold | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 11747 | 2025-05-09 |
Reducing inference cost of Alzheimer's disease identification using an uncertainty-aware ensemble of uni-modal and multi-modal learners
2025-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86110-y
PMID:39952976
|
research paper | 提出一种基于MRI和FDG PET的多模态深度学习方法，通过结合MRI模型的不确定性估计来减少对FDG PET扫描的依赖，从而降低阿尔茨海默病识别的推理成本 | 结合MRI模型的不确定性估计（使用蒙特卡洛dropout和证据深度学习生成）来决定是否需要FDG PET扫描，仅在必要时输入FDG PET到多模态模型中 | 假设MRI和FDG PET数据在模型训练时可用，但在实际临床中可能并非总是如此 | 优化阿尔茨海默病的识别方法，减少对昂贵且有辐射的FDG PET扫描的依赖 | 阿尔茨海默病患者 | digital pathology | geriatric disease | MRI, FDG PET, Monte Carlo dropout, evidential deep learning | multi-modal deep learning | image | NA | NA | NA | NA | NA |
| 11748 | 2025-05-09 |
Early detection of Parkinson's disease using a multi area graph convolutional network
2025-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82027-0
PMID:39952991
|
研究论文 | 本研究提出了一种创新的深度学习方法，用于早期帕金森病的检测 | 引入了多区域注意力时空有向图卷积网络（Ma-ST-DGN），通过重构人体骨骼特征和使用多区域自注意力机制，提高了对帕金森病潜在迹象的敏感性 | 研究仅基于一个特定的帕金森病步态数据集（PD-Walk），可能限制了模型的泛化能力 | 提高早期帕金森病检测的准确性和运动识别模型的鲁棒性 | 帕金森病患者和健康个体的步态数据 | 计算机视觉 | 帕金森病 | 深度学习 | Ma-ST-DGN（多区域注意力时空有向图卷积网络） | 视频 | 95名帕金森病患者和96名健康个体的步行视频 | NA | NA | NA | NA |
| 11749 | 2025-05-09 |
Detection and classification of glomerular lesions in kidney graft biopsies using 2-stage deep learning approach
2025-Feb-14, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000041560
PMID:39960931
|
研究论文 | 使用两阶段深度学习方法检测和分类肾移植活检中的肾小球病变 | 采用两阶段分类策略，结合U-Net和MobileNetV2模型，有效检测和分类肾小球病变，提供了一种潜在的活检分诊系统 | 样本量相对较小（137张活检切片，来自80名患者），且未提及模型在其他数据集上的泛化能力 | 评估深度学习在肾移植活检中检测和分类肾小球病变的有效性 | 肾移植患者的肾活检切片 | 数字病理学 | 肾脏疾病 | 深度学习 | U-Net, MobileNetV2, VGG16 | 图像 | 137张肾活检切片，来自80名肾移植患者（中位年龄52岁，65%男性，35%女性） | NA | NA | NA | NA |
| 11750 | 2025-05-09 |
Coordinating multiple mental faculties during learning
2025-Feb-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89732-4
PMID:39939457
|
research paper | 该研究提出了一个控制器-外围架构模型，解释大脑多个区域如何协调支持快速学习 | 提出了控制器-外围架构模型，解释了大脑区域间的协调机制，并验证了该模型在快速学习中的有效性 | 模型主要针对视觉学习和少数示例图像的情况，可能不适用于其他类型的学习或更复杂的情境 | 研究大脑多个区域如何协调以支持复杂行为和学习 | 大脑区域间的协调机制，特别是视觉流、海马体和前额叶皮层的互动 | 神经科学 | NA | 计算建模 | 控制器-外围架构模型 | 脑部活动数据 | NA | NA | NA | NA | NA |
| 11751 | 2025-05-09 |
Understanding the Engagement and Interaction of Superusers and Regular Users in UK Respiratory Online Health Communities: Deep Learning-Based Sentiment Analysis
2025-Feb-13, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/56038
PMID:39946690
|
研究论文 | 通过深度学习情感分析探讨英国呼吸在线健康社区中超级用户与普通用户的参与和互动 | 使用BioBERT模型对呼吸在线健康社区中的情感分布和动态进行分析，揭示了超级用户在维持社区积极氛围中的关键作用 | 研究仅基于两个英国呼吸在线健康社区的数据，可能无法推广到其他类型的健康社区或其他国家的社区 | 理解呼吸在线健康社区中超级用户与普通用户互动的情感分布及其对长期疾病自我管理的影响 | 英国呼吸在线健康社区（Asthma UK和British Lung Foundation）中的超级用户和普通用户 | 自然语言处理 | 呼吸系统疾病 | Bio-Bidirectional Encoder Representation from Transformers (BioBERT) | BioBERT | 文本 | 两个英国呼吸在线健康社区的数据（AUK：2006-2016年；BLF：2012-2016年） | NA | NA | NA | NA |
| 11752 | 2025-05-09 |
Automated grading of oleaster fruit using deep learning
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89358-6
PMID:39939355
|
研究论文 | 本研究开发了一种基于深度学习的实时机器视觉系统，用于自动化分级沙枣果实 | 首次将Mask R-CNN和YOLOv8模型应用于沙枣果实的分级，并在不同传送带速度下验证了系统的有效性 | 研究仅针对伊朗国家标准定义的四种质量等级，未考虑其他可能的分级标准 | 开发高效的自动化沙枣果实分级方法以满足全球市场需求 | 沙枣果实 | 计算机视觉 | NA | 深度学习 | Mask R-CNN, YOLOv8 | 视频帧 | 四种不同质量等级的沙枣果实视频帧数据集，采集自不同传送带速度(4.82至21.51 cm/s) | NA | NA | NA | NA |
| 11753 | 2025-05-09 |
Learning based lower limb joint kinematic estimation using open source IMU data
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89716-4
PMID:39939380
|
研究论文 | 本研究提出了一种基于深度学习的框架，利用惯性测量单元（IMUs）估计下肢关节运动学 | 通过结合迁移学习，减少了模型对新用户数据收集的依赖，并提高了估计准确性 | 多用户数据训练的模型由于步态模式差异导致准确性较低 | 开发一种高效且可访问的下肢关节运动学估计方法 | 下肢关节运动学 | 机器学习 | NA | 深度学习 | 深度学习模型 | IMU数据 | 开源数据集 | NA | NA | NA | NA |
| 11754 | 2025-05-09 |
Pre- and post- COVID-19 trends related to dementia caregiving on Twitter
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82405-8
PMID:39939632
|
研究论文 | 研究分析了COVID-19疫情前后Twitter上痴呆症护理者的主要关注点 | 使用BERT模型和主题建模分析社交媒体数据，揭示疫情前后痴呆症护理者关注点的变化 | 仅分析了英语推文，可能无法代表全球所有地区的护理者情况 | 了解如何更好地支持和参与痴呆症护理者在COVID-19疫情后的需求 | Twitter上与痴呆症护理相关的推文 | 自然语言处理 | 老年病 | BERT, 主题建模 | BERT | 文本 | 44,527条推文 | NA | NA | NA | NA |
| 11755 | 2025-05-09 |
Deep learning-based prediction of possibility for immediate implant placement using panoramic radiography
2025-Feb-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89219-2
PMID:39939654
|
研究论文 | 本研究探讨了基于深度学习的全景X光片预测即刻种植牙可能性的可行性 | 首次使用深度学习模型对即刻种植牙可能性进行预测，并验证了其高准确性 | 样本量相对有限，仅包含201名患者的874颗牙齿数据 | 评估深度学习在预测即刻种植牙可能性方面的应用 | 201名患者的874颗待拔牙齿 | 数字病理 | 牙科疾病 | 全景X光摄影 | DenseNet121, ResNet18, ResNet101, ResNeXt101, InceptionNetV3, InceptionResNetV2 | 图像 | 201名患者的874颗牙齿（440颗难以即刻种植，434颗可即刻种植） | NA | NA | NA | NA |
| 11756 | 2025-10-07 |
An assessment of breast cancer HER2, ER, and PR expressions based on mammography using deep learning with convolutional neural networks
2025-Feb-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83597-9
PMID:39924532
|
研究论文 | 本研究开发了一种基于注意力机制的深度学习模型，通过乳腺X线摄影图像预测乳腺癌HER2、ER和PR受体表达 | 首次将卷积块注意力模块(CBAM)与ResNet-18结合应用于乳腺X线摄影图像，无需手动分割肿块即可预测三种受体表达 | 样本量相对有限，仅来自两个医疗中心，需要更大规模的外部验证 | 开发基于深度学习的乳腺癌生物标志物预测模型 | 经病理证实的乳腺癌患者的乳腺X线摄影图像 | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | CNN | 图像 | 来自两个中心的乳腺癌患者乳腺X线图像 | NA | CBAM ResNet-18, ResNet-18, VGG-19 | AUC, 准确率, F1分数 | NA |
| 11757 | 2025-05-09 |
Deep Learning Model Compression and Hardware Acceleration for High-Performance Foreign Material Detection on Poultry Meat Using NIR Hyperspectral Imaging
2025-Feb-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25030970
PMID:39943610
|
研究论文 | 本研究通过结合训练后量化和硬件加速技术，优化了基于高光谱成像（HSI）的深度学习模型推理，用于禽肉中异物的实时检测 | 采用训练后量化和硬件加速技术优化深度学习模型推理，显著提高了高光谱数据处理的实时性 | 研究基于模拟的高光谱线扫描相机数据，未在实际工业环境中验证 | 解决高光谱数据高维度和深度学习模型计算复杂度带来的实时检测挑战 | 禽肉加工中的异物检测 | 计算机视觉 | NA | 高光谱成像（HSI） | 深度学习模型 | 高光谱图像 | 模拟数据（140-250只禽类/分钟的产线速度） | NA | NA | NA | NA |
| 11758 | 2025-10-07 |
Global genotype by environment prediction competition reveals that diverse modeling strategies can deliver satisfactory maize yield estimates
2025-Feb-05, Genetics
IF:3.3Q2
DOI:10.1093/genetics/iyae195
PMID:39576009
|
研究论文 | 通过全球基因型与环境预测竞赛分析多种建模策略在玉米产量预测中的表现 | 首次公开的基因组到田间计划竞赛展示了多种建模方法在基因型与环境互作预测中的可比性能 | 研究结果仅限于竞赛数据集和特定评估框架，未在更广泛环境中验证 | 评估不同建模策略在预测基因型与环境互作对玉米产量影响的性能 | 玉米产量预测 | 计算生物学 | NA | 基因组测序、表型测量、气象监测 | 随机森林, 岭回归, 最小二乘法, 深度学习, 机制模型, 模型集成 | 基因组变异数据, 表型数据, 气象数据, 田间管理记录 | 9年收集的大型数据集 | NA | NA | 产量预测精度 | NA |
| 11759 | 2025-05-09 |
RGANet: A Human Activity Recognition Model for Extracting Temporal and Spatial Features from WiFi Channel State Information
2025-Feb-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25030918
PMID:39943556
|
research paper | 提出了一种名为RGANet的模型，用于从WiFi信道状态信息中提取时空特征以进行人类活动识别 | 通过改进残差网络（ResNet）而非简单CNN，有效提取空间特征并保留时间信息，随后将提取的空间特征输入改进的GRU模型进行时间序列学习 | 未明确提及具体局限性 | 提升基于WiFi的人类活动识别（HAR）的准确率 | 人类活动识别 | machine learning | NA | WiFi Channel State Information (CSI) | ResNet, GRU | 无线信号数据 | UT_HAR数据集和NTU-FI HAR数据集 | NA | NA | NA | NA |
| 11760 | 2025-10-07 |
An Efficient Lightweight Multi Head Attention Gannet Convolutional Neural Network Based Mammograms Classification
2025-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS
DOI:10.1002/rcs.70043
PMID:39921233
|
研究论文 | 提出一种基于轻量级多头注意力Gannet卷积神经网络的乳腺X线摄影图像分类方法 | 首次将轻量级多头注意力机制与Gannet卷积神经网络结合，并采用自适应量子平衡优化器与人工蜂群算法进行特征选择 | 仅在两个公开数据集上进行验证，未提及临床实际应用效果 | 开发自动化乳腺癌检测和分类系统以辅助医疗专业人员 | 乳腺X线摄影图像 | 计算机视觉 | 乳腺癌 | 维纳滤波、非锐化掩蔽、自适应直方图均衡化、灰度共生矩阵 | CNN | 图像 | CBIS-DDSM和MIAS两个数据集 | NA | LMGCNN（轻量级多头注意力Gannet卷积神经网络） | 准确率 | NA |