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 32373 篇文献，本页显示第 11801 - 11820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11801 | 2025-05-09 |
Hybrid-RViT: Hybridizing ResNet-50 and Vision Transformer for Enhanced Alzheimer's disease detection
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0318998
PMID:39951414
|
research paper | 开发了一种名为Hybrid-RViT的新型深度学习模型，用于增强阿尔茨海默病的检测 | 结合了预训练的卷积神经网络ResNet-50和Vision Transformer (ViT)，以分类不同阶段的阿尔茨海默病脑部MRI图像 | NA | 提高阿尔茨海默病的早期检测准确率，以预防疾病进展并制定有效治疗方案 | 脑部MRI图像 | digital pathology | geriatric disease | deep learning | Hybrid-RViT (ResNet-50 + ViT) | image | NA | NA | NA | NA | NA |
| 11802 | 2025-05-09 |
Fast fault diagnosis of smart grid equipment based on deep neural network model based on knowledge graph
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315143
PMID:39951439
|
研究论文 | 本文提出了一种基于知识图谱和深度神经网络模型的智能电网设备快速故障诊断方法 | 创新性地将YOLOv4目标检测算法与知识图谱结合，统一了输入多模态信息的表征和存储 | 未提及具体实验样本量和在不同类型设备上的泛化能力 | 提高智能电网设备故障诊断的准确率和效率 | 智能电网设备 | 机器学习 | NA | 深度学习、知识图谱 | YOLOv4 | 多模态信息 | 未提及具体样本量 | NA | NA | NA | NA |
| 11803 | 2025-05-09 |
The multiple uses of artificial intelligence in exercise programs: a narrative review
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1510801
PMID:39957989
|
综述 | 本文综述了人工智能在促进体育活动、训练、运动和健康结果中的应用 | 阐明了人工智能在体育活动中的多种应用，填补了实际应用理解的空白 | 仅包括2014年以后发表的英文随机对照试验，排除了机器人辅助的研究 | 探讨人工智能在体育活动、训练、运动和健康结果中的应用 | 儿童、青少年、成人、老年人和残疾人等不同人群 | 机器学习 | NA | 人工智能、机器学习和深度学习 | NA | NA | 15项符合条件的研究 | NA | NA | NA | NA |
| 11804 | 2025-05-09 |
A preoperative predictive model based on multi-modal features to predict pathological complete response after neoadjuvant chemoimmunotherapy in esophageal cancer patients
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1530279
PMID:39958355
|
research paper | 本研究旨在开发一个多模态模型，结合治疗前的CT影像组学、病理组学特征及临床变量，预测局部晚期食管癌患者对新辅助化疗免疫治疗的病理完全缓解 | 提出了一个结合影像组学、病理组学及临床特征的多模态预测模型，其预测性能优于单一模态模型 | 样本量相对较小（223例），且研究时间范围较短（2021年8月至2023年12月） | 预测食管癌患者对新辅助化疗免疫治疗的病理完全缓解 | 局部晚期食管癌患者 | digital pathology | esophageal cancer | CT影像组学、病理组学 | SVM | image | 223例食管癌患者 | NA | NA | NA | NA |
| 11805 | 2025-05-09 |
ASAP-DTA: Predicting drug-target binding affinity with adaptive structure aware networks
2024-Dec, Journal of bioinformatics and computational biology
IF:0.9Q4
DOI:10.1142/S0219720024500288
PMID:39961610
|
research paper | 提出了一种基于图深度学习的药物-靶标结合亲和力预测模型ASAP-DTA，利用自适应结构感知池化进行图处理 | 整合了自注意力机制与增强的图神经网络，通过聚类相邻节点并按注意力分数加权形成最终分子表示，显著改进了图特征提取 | 未提及模型在更大规模或更复杂数据集上的表现 | 高效预测药物-靶标结合亲和力，减少药物再利用的资源浪费 | 药物-靶标结合亲和力 | machine learning | NA | graph-based deep learning | graph neural network with self-attention mechanism | 2D molecular graph | multiple benchmark datasets including KIBA dataset | NA | NA | NA | NA |
| 11806 | 2025-10-07 |
Liquid Biopsy-Based Detection and Response Prediction for Depression
2024-11-26, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c08233
PMID:39501510
|
研究论文 | 通过基于深度学习的血浆细胞外囊泡光谱分析开发抑郁症检测和治疗反应预测方法 | 首次将深度学习和拉曼光谱分析结合应用于血浆细胞外囊泡，实现抑郁症的客观诊断和抗抑郁药物反应预测 | 样本来源仅限于血浆细胞外囊泡，未与其他生物标志物进行对比验证 | 开发基于液体活检的抑郁症客观诊断和治疗反应预测方法 | 抑郁症患者、健康个体和恐慌障碍患者的血浆细胞外囊泡 | 机器学习 | 抑郁症 | 拉曼光谱分析，细胞外囊泡分离 | 深度学习 | 光谱信号 | 未明确样本数量，包含抑郁症患者、健康个体和恐慌障碍患者 | NA | NA | AUC | NA |
| 11807 | 2025-10-07 |
Integrative analysis of H&E and IHC identifies prognostic immune subtypes in HPV related oropharyngeal cancer
2024-Oct-03, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00604-w
PMID:39363031
|
研究论文 | 本研究通过整合H&E染色和免疫组化图像，识别HPV相关口咽癌中的预后免疫亚型 | 首次将H&E与IHC图像配准整合，增强对肿瘤免疫微环境功能特征的表征能力 | 回顾性研究，样本量有限（88例原发肿瘤和70例淋巴结组织） | 改善HPV阳性口咽癌患者分层和预后评估 | HPV阳性口咽鳞状细胞癌患者 | 数字病理学 | 口咽癌 | H&E染色，免疫组化 | 深度学习 | 病理图像 | 88例原发肿瘤和70例淋巴结组织图像 | NA | NA | p值，多变量Cox回归分析 | NA |
| 11808 | 2025-10-07 |
Automated Cytometric Gating with Human-Level Performance Using Bivariate Segmentation
2024-May-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.06.592739
PMID:38766268
|
研究论文 | 提出一种名为UNITO的深度学习框架，通过将细胞级分类任务转化为基于图像的语义分割问题，实现自动化细胞分选门控 | 首次将图像分割技术应用于细胞分选门控，能够生成与人工门控相似的轮廓，提供更好的可解释性和可视化检查能力 | 未明确说明训练数据的具体规模和多样性限制 | 开发自动化细胞分选门控方法以减少人工操作负担 | 流式细胞术数据中的细胞亚群 | 数字病理 | NA | 流式细胞术 | 深度学习 | 图像 | 三个独立队列 | NA | 语义分割 | 与专家共识比较 | 每个样本预门控和门控推理约需2分钟 |
| 11809 | 2025-10-07 |
Assessment of malalignment factors related to Invisalign treatment time aided by automated imaging processes
2023-Mar-01, The Angle orthodontist
DOI:10.2319/031622-225.1
PMID:36327333
|
研究论文 | 通过自动化成像流程评估与Invisalign治疗时间相关的错位因素 | 使用深度学习方法自动分割牙齿并识别标志点，结合复合评分系统预测治疗时间 | 样本量有限（116名患者），某些牙齿移动类型与治疗时间的关联性证据不足 | 识别影响Invisalign治疗持续时间的错位类型和严重程度预测因素 | 接受Invisalign治疗的116名患者的数字口腔扫描模型 | 计算机视觉 | 牙科错位畸形 | 数字口腔扫描，深度学习 | 深度学习 | 数字三维模型图像 | 116名患者 | NA | NA | P值，相关系数 | NA |
| 11810 | 2025-10-07 |
Identification of geographic origins of Morus alba Linn. through surfaced enhanced Raman spectrometry and machine learning algorithms
2023, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2023.2180433
PMID:36803175
|
研究论文 | 本研究结合表面增强拉曼光谱和机器学习算法开发了一种鉴定桑叶地理起源的新方法 | 首次将表面增强拉曼光谱与深度学习算法相结合用于桑叶地理起源鉴定 | 仅涵盖中国五个省份的样本，样本来源范围有限 | 开发基于光谱分析和机器学习的地理起源鉴定方法 | 桑叶（Morus alba Linn） | 机器学习 | 糖尿病 | 表面增强拉曼光谱 | CNN | 光谱数据 | 来自安徽、广东、河北、河南和江苏五个省份的桑叶样本 | NA | 卷积神经网络 | 准确率 | NA |
| 11811 | 2025-10-07 |
Retracted: Diagnostic Classification and Prognostic Prediction Using Common Genetic Variants in Autism Spectrum Disorder: Genotype-Based Deep Learning
2021-04-07, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/24754
PMID:33714937
|
研究论文 | 本研究利用深度学习模型基于常见遗传变异对自闭症谱系障碍进行诊断分类和预后预测 | 首次将卷积神经网络应用于自闭症常见遗传变异数据，相比传统筛查工具准确率提升约13% | 仅基于常见遗传变异进行分析，未考虑罕见变异和环境因素对自闭症的影响 | 开发基于遗传数据的自闭症早期筛查和诊断分类方法 | 自闭症谱系障碍患者及其家庭 | 机器学习 | 自闭症谱系障碍 | 基因组数据分析，卡方检验 | CNN | 基因型数据 | 数千个有自闭症风险的单纯型家庭 | NA | 卷积神经网络 | AUC, 准确率 | NA |
| 11812 | 2025-05-08 |
Aflatoxin detection in naturally contaminated peanuts based on vision transformer and multi-scale convolutional fusion
2025-Aug-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144300
PMID:40220445
|
research paper | 提出了一种结合Vision Transformer和多尺度卷积融合的改进1D-MCFViT模型，用于自然条件下花生中黄曲霉毒素的检测 | 结合Vision Transformer和多尺度卷积融合，使用自编码器网络和高斯重采样技术增强模型特征判别能力 | 未提及具体样本量或实验条件的局限性 | 提高自然条件下花生中黄曲霉毒素的检测准确率 | 自然污染的花生 | computer vision | NA | autoencoder network, Gaussian resampling | 1D-MCFViT, Vision Transformer, CNN | RGB图像, 光谱曲线 | NA | NA | NA | NA | NA |
| 11813 | 2025-05-08 |
A lightweight spatial and spectral CNN model for classifying floating marine plastic debris using hyperspectral images
2025-Jul, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.117965
PMID:40252351
|
研究论文 | 提出了一种轻量级的空间和光谱CNN模型（LSS-HCNN），用于利用高光谱图像对漂浮的海洋塑料垃圾进行分类 | LSS-HCNN模型通过空间和光谱卷积提取特征，并结合Squeeze-and-Excitation（SE）块提高可解释性，显著降低了计算复杂度和参数数量 | 未提及具体局限性 | 开发高效且自动化的海洋塑料垃圾检测方法，以应对海洋塑料污染问题 | 漂浮的海洋塑料垃圾 | 计算机视觉 | NA | 高光谱成像 | CNN | 高光谱图像 | 三个高光谱数据集和四个专门的漂浮塑料数据集，包括一个新的塑料垃圾数据集 | NA | NA | NA | NA |
| 11814 | 2025-10-07 |
Automatic Vertical Root Fracture Detection on Intraoral Periapical Radiographs With Artificial Intelligence-Based Image Enhancement
2025-Jun, Dental traumatology : official publication of International Association for Dental Traumatology
IF:2.3Q2
DOI:10.1111/edt.13027
PMID:39829209
|
研究论文 | 本研究探索基于人工智能图像增强和迁移学习的垂直根折自动检测方法 | 首次将粒子群优化算法与深度学习图像增强技术结合用于根折检测，并采用多模型融合策略 | 样本量相对有限（378张影像），仅评估了四种神经网络架构 | 提高口腔根尖片中垂直根折的诊断准确性 | 牙齿根尖片中的垂直根折 | 计算机视觉 | 牙科疾病 | 数字影像分析 | CNN | 影像 | 378张口腔根尖片（195例骨折，183例对照） | NA | DenseNet,ConvNext,Inception121,MobileNetV2 | 准确率,精确率,召回率,F1分数,AUC,kappa值 | NA |
| 11815 | 2025-10-07 |
Automated Detection and Severity Prediction of Wheat Rust Using Cost-Effective Xception Architecture
2025-Jun, Plant, cell & environment
DOI:10.1111/pce.15413
PMID:39898421
|
研究论文 | 提出基于计算机视觉的小麦锈病严重程度预测方法，通过深度学习分类和图像分割技术实现自动化检测 | 首次将Xception架构应用于小麦锈病检测，结合Grabcut分割和CIELAB色彩空间分析，提供低成本自动化解决方案 | 仅针对小麦叶锈病和条锈病，方法在田间条件下的实际应用效果需进一步验证 | 开发自动化小麦锈病检测和严重程度预测系统 | 小麦叶片（健康和感染锈病） | 计算机视觉 | 植物病害 | 数字彩色图像分析 | CNN | 图像 | NA | NA | Xception | 疾病严重程度比率 | NA |
| 11816 | 2025-05-08 |
SERS based determination of ceftriaxone, ampicillin, and vancomycin in serum using WS2/Au@Ag nanocomposites and a 2D-CNN regression model
2025-May-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.125850
PMID:39929115
|
research paper | 开发了一种基于表面增强拉曼光谱（SERS）和二维卷积神经网络（2D-CNN）回归模型的快速检测新生儿败血症治疗中抗生素浓度的方法 | 结合超灵敏SERS与2D-CNN深度学习模型，实现了对复杂混合血清溶液中多种抗生素浓度的同时高精度预测 | 研究仅针对三种抗生素（头孢曲松、氨苄西林和万古霉素）进行了验证，未涵盖其他可能的治疗药物 | 开发一种快速、准确的抗生素治疗药物监测（TDM）方法，以优化新生儿败血症的治疗 | 头孢曲松、氨苄西林和万古霉素三种抗生素在血清中的浓度 | machine learning | neonatal sepsis | surface-enhanced Raman spectroscopy (SERS) | 2D-CNN | spectroscopic data | NA | NA | NA | NA | NA |
| 11817 | 2025-05-08 |
Detection of Heavy Metal Copper Stress in Apple Rootstocks Using Surface-Enhanced Raman Spectroscopy
2025-May-07, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c00126
PMID:40264342
|
research paper | 利用表面增强拉曼光谱（SERS）结合深度学习模型快速准确检测苹果砧木中的重金属铜胁迫水平 | 结合SERS与1D-SAE-CNN深度学习模型，实现了对苹果砧木中铜胁迫水平的快速准确分类 | 研究仅针对铜胁迫，未涉及其他重金属污染物的检测 | 开发一种快速准确检测苹果砧木中重金属铜胁迫水平的方法 | 苹果砧木 | digital pathology | NA | 表面增强拉曼光谱（SERS）、扫描电子显微镜-能谱分析（SEM-EDS）、微拉曼成像 | 一维堆叠自编码卷积神经网络（1D-SAE-CNN） | 光谱数据、图像数据 | 10种常见铜胁迫浓度的苹果砧木样本 | NA | NA | NA | NA |
| 11818 | 2025-05-08 |
Response to Letter: "Skin Cancer Detection Using Deep Learning Approaches" by Haque et al
2025-May-07, Cancer biotherapy & radiopharmaceuticals
DOI:10.1089/cbr.2025.0122
PMID:40329831
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11819 | 2025-05-08 |
A Deep Learning Approach for Mandibular Condyle Segmentation on Ultrasonography
2025-May-06, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01527-1
PMID:40329156
|
研究论文 | 本研究开发并评估了一种基于深度学习的计算机诊断软件，用于超声图像中下颌髁突的分割 | 首次将YOLOv8深度学习AI模型应用于下颌髁突超声图像的分割，并取得了较高的性能指标（F1分数0.93，敏感性0.90，精确度0.96） | 研究仅使用了回顾性的超声图像数据，样本量相对有限（668张图像） | 开发并评估用于下颌髁突超声图像分割的计算机辅助诊断工具 | 成人下颌髁突的超声图像 | 数字病理 | 口腔颌面部疾病 | 超声成像 | YOLOv8 | 图像 | 668张回顾性超声图像 | NA | NA | NA | NA |
| 11820 | 2025-05-08 |
Deep Learning for Classification of Solid Renal Parenchymal Tumors Using Contrast-Enhanced Ultrasound
2025-May-06, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01525-3
PMID:40329155
|
研究论文 | 本研究评估了深度学习模型在利用对比增强超声（CEUS）图像分类不同亚型实性肾实质肿瘤的能力，并比较了它们的分类性能 | 首次使用深度学习模型（ResNet-18和RepVGG）对CEUS图像中的肾实质肿瘤亚型进行分类，并比较了两种模型的性能 | 研究为回顾性设计，样本量相对较小（237例），且仅使用了单一影像学方法（CEUS） | 评估深度学习模型在肾实质肿瘤亚型分类中的应用价值 | 237例肾肿瘤的CEUS图像（包括46例AML、118例ccRCC、48例pRCC和25例chRCC） | 数字病理 | 肾癌 | 对比增强超声（CEUS） | ResNet-18, RepVGG | 图像 | 237例肾肿瘤CEUS图像 | NA | NA | NA | NA |