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 12021 - 12040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12021 | 2025-10-07 |
Topology-based protein classification: A deep learning approach
2025-02, Biochemical and biophysical research communications
IF:2.5Q3
DOI:10.1016/j.bbrc.2024.151240
PMID:39742787
|
研究论文 | 本研究开发了一种基于蛋白质拓扑结构的深度学习方法用于蛋白质超家族分类 | 首次将蛋白质拓扑数据与深度学习和Delaunay三角剖分相结合用于蛋白质分类 | NA | 利用人工智能技术减轻结构生物学家的工作负担并处理生物大数据 | 蛋白质超家族 | 计算生物学 | NA | Delaunay三角剖分 | 深度神经网络 | 蛋白质结构拓扑数据 | 18个充分代表性的蛋白质超家族 | NA | 深度神经网络 | 准确率 | NA |
| 12022 | 2025-10-07 |
Investigating the Quality of DermaMNIST and Fitzpatrick17k Dermatological Image Datasets
2025-Feb-01, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04382-5
PMID:39893183
|
研究论文 | 本文对DermaMNIST、HAM10000和Fitzpatrick17k三个皮肤病图像数据集进行质量分析，识别数据质量问题并评估其对基准结果的影响 | 首次系统性地分析皮肤病图像数据集的数据质量问题，包括重复数据、数据泄露、错误标签等问题，并提出数据集修正方案 | 仅分析了三个特定皮肤病数据集，可能不适用于其他医学图像数据集 | 评估皮肤病图像数据集的质量问题及其对深度学习模型性能的影响 | DermaMNIST、HAM10000和Fitzpatrick17k皮肤病图像数据集 | 数字病理学 | 皮肤病 | 深度学习 | 深度神经网络 | 图像 | 三个皮肤病数据集（具体数量未明确说明） | NA | NA | 基准测试结果 | NA |
| 12023 | 2025-10-07 |
AI-based prediction of androgen receptor expression and its prognostic significance in prostate cancer
2025-Feb-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88199-7
PMID:39893198
|
研究论文 | 开发基于人工智能的深度学习模型，通过全切片图像中的雄激素受体区域特征预测前列腺癌生化复发风险 | 首次将雄激素受体区域特征与深度学习结合用于前列腺癌预后预测，相比传统预测模型具有更高准确性 | 仅基于两个中心的545名患者数据，样本代表性可能有限，未在更广泛人群中验证 | 提高前列腺癌患者术后生化复发的预测准确性，辅助临床治疗决策 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | 全切片图像分析 | 深度学习 | 病理图像 | 来自两个中心的545名患者 | NA | NA | 准确率 | NA |
| 12024 | 2025-10-07 |
Evaluation of Image Quality and Scan Time Efficiency in Accelerated 3D T1-Weighted Pediatric Brain MRI Using Deep Learning-Based Reconstruction
2025-Feb, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.0701
PMID:39898398
|
研究论文 | 评估基于深度学习的重建算法在加速3D T1加权儿童脑部MRI中对扫描时间和图像质量的影响 | 首次在儿童脑部MRI中应用深度学习重建算法，实现了扫描时间显著缩短（29.3%-40.7%）的同时提升图像质量 | 单中心回顾性研究，样本量有限（46例），病灶显著性在两种协议间无显著差异 | 评估深度学习重建算法在加速儿童脑部MRI中的性能表现 | 46名接受脑部MRI检查的儿科患者 | 医学影像分析 | 儿科脑部疾病 | 3D T1加权MRI | 深度学习 | 医学影像 | 46名儿科患者 | NA | NA | 变异系数、相对对比度、表观信噪比、表观对比噪声比、图像质量评分、伪影评估、噪声评估、灰白质区分度、病灶显著性 | 3T MRI扫描仪（SIGNA Premier；GE HealthCare） |
| 12025 | 2025-10-07 |
Accuracy of a Cascade Network for Semi-Supervised Maxillary Sinus Detection and Sinus Cyst Classification
2025-Feb, Clinical implant dentistry and related research
IF:3.7Q1
DOI:10.1111/cid.13431
PMID:39898709
|
研究论文 | 开发基于深度学习的级联网络，用于锥形束CT图像中上颌窦区域的半监督检测和窦囊肿分类 | 提出结合半监督伪标签训练策略的级联网络，在减少人工标注需求的同时保持高精度 | NA | 为上颌窦底提升手术规划提供临床诊断辅助支持 | 上颌窦黏膜囊肿 | 计算机视觉 | 口腔颌面部疾病 | 锥形束CT | CNN, Transformer | 医学图像 | 541名患者的45,136张上颌窦图像 | NA | ResNet-50 | 准确率, 精确率, 召回率, F1分数, 平均精确率, 精确率-召回率曲线 | NA |
| 12026 | 2025-10-07 |
AFMDD: Analyzing Functional Connectivity Feature of Major Depressive Disorder by Graph Neural Network-Based Model
2025-Feb, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1089/cmb.2024.0505
PMID:39899351
|
研究论文 | 提出基于图神经网络的AFMDD模型，用于分析重度抑郁症的功能连接特征并实现抑郁症识别 | 首次专门针对抑郁症功能连接特征设计图神经网络模型，并发现多个新的功能连接特征 | 模型准确率为73.15%，仍有提升空间 | 开发用于抑郁症诊断的功能连接特征分析模型 | 抑郁症患者的功能连接网络 | 机器学习 | 抑郁症 | 功能连接分析 | 图神经网络 | 脑功能连接网络数据 | NA | NA | AFMDD | 准确率 | NA |
| 12027 | 2025-10-07 |
Capturing continuous, long timescale behavioral changes in Drosophila melanogaster postural data
2025-Feb, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012753
PMID:39899595
|
研究论文 | 本研究通过深度学习技术连续记录果蝇的全身姿态数据，分析其跨时间尺度的行为模式 | 首次实现连续7天100帧/秒的果蝇长期行为记录，建立了近20亿个姿态实例的数据集，发现了黎明后一小时行为模式的独特性 | 实验在无特征环境中进行，可能限制了自然行为表达；样本量相对有限（47只果蝇） | 探索果蝇在长时间尺度下的行为变化规律 | 黑腹果蝇（Drosophila melanogaster） | 计算机视觉 | NA | 深度学习姿态估计 | 深度学习 | 视频图像 | 47只果蝇个体 | SLEAP | NA | NA | NA |
| 12028 | 2025-10-07 |
Development and validation of fully automated robust deep learning models for multi-organ segmentation from whole-body CT images
2025-Feb, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.104911
PMID:39899952
|
研究论文 | 开发并验证用于全身CT图像多器官分割的全自动鲁棒深度学习模型 | 提出两阶段训练策略，利用nnU-Net网络在包含成人和儿科患者的多样化数据集上实现多器官自动分割 | 数据集主要来自公共数据库，可能无法覆盖所有临床场景的变异性 | 开发能够从全身CT图像中自动分割多个器官的深度学习框架 | 成人和儿科患者的全身CT图像 | 计算机视觉 | NA | CT成像 | 深度学习 | CT图像 | 4082个CT图像，包含300例儿科病例 | nnU-Net | nnU-Net | Dice系数, 其他图像分割指标 | NA |
| 12029 | 2025-10-07 |
Synthetic data generation in motion analysis: A generative deep learning framework
2025-Feb, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine
DOI:10.1177/09544119251315877
PMID:39902572
|
研究论文 | 提出一种基于变分自编码器的数据增强策略，用于生成运动分析中的合成生物力学数据 | 在运动分析领域引入有效的生成式深度学习数据增强方法 | NA | 开发运动分析中的数据增强策略以解决数据收集困难的问题 | 髋关节和膝关节的角度和力矩、地面反作用力等生物力学变量 | 机器学习 | NA | 运动分析 | VAE, LSTM | 运动生物力学数据 | NA | NA | 变分自编码器, 长短期记忆网络 | nRMSE | NA |
| 12030 | 2025-10-07 |
Foundation Models in Radiology: What, How, Why, and Why Not
2025-Feb, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240597
PMID:39903075
|
综述 | 探讨基础模型在放射学领域的定义、训练方法、优势与挑战 | 系统性地阐述放射学领域基础模型的训练范式、能力评估及临床应用路径 | 未涉及具体模型性能的定量分析 | 统一基础模型的技术进展与放射学临床需求 | 放射学领域的基础模型 | 医学影像分析 | NA | 深度学习 | 基础模型 | 文本与影像数据 | 基于大规模未标注数据 | NA | NA | NA | NA |
| 12031 | 2025-10-07 |
Artificial intelligence-based cardiovascular/stroke risk stratification in women affected by autoimmune disorders: a narrative survey
2025-01-02, Rheumatology international
IF:3.2Q2
DOI:10.1007/s00296-024-05756-5
PMID:39745536
|
综述 | 探讨人工智能在自身免疫性疾病女性患者心血管/中风风险分层中的应用 | 首次将人工智能模型与自身免疫生物标志物和颈动脉超声影像特征结合用于女性心血管风险预测 | 仅针对女性患者进行研究，未包含男性对照群体 | 开发基于人工智能的心血管/中风风险分层系统 | 患有自身免疫性疾病的女性患者 | 机器学习 | 心血管疾病 | 颈动脉超声，生物标志物检测 | 机器学习，深度学习 | 医学影像，临床参数，生物标志物数据 | NA | NA | NA | NA | NA |
| 12032 | 2025-10-07 |
Current status, challenges, and prospects of artificial intelligence applications in wound repair theranostics
2025, Theranostics
IF:12.4Q1
DOI:10.7150/thno.105109
PMID:39897550
|
综述 | 本文全面总结了人工智能在伤口修复诊疗中的应用现状、挑战与前景 | 系统性地提出了AI在伤口管理中实现闭环护理系统的概念框架，涵盖诊断、监测和治疗全流程 | 尚未实现AI在伤口管理中的全面闭环应用系统 | 为AI驱动的伤口修复诊疗提供科学依据和技术支持 | 皮肤损伤及其修复过程 | 数字病理 | 皮肤损伤 | NA | 机器学习,深度学习,神经网络 | 图像 | NA | NA | NA | NA | NA |
| 12033 | 2025-10-07 |
Unsupervised monocular depth estimation with omnidirectional camera for 3D reconstruction of grape berries in the wild
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317359
PMID:39899513
|
研究论文 | 提出一种基于无监督单目深度估计的方法，使用全景相机在野外环境中重建葡萄果粒的3D位置 | 将基于深度学习的无监督单目深度估计方法扩展到全景相机应用，解决了传统3D重建方法在纹理缺失、高度对称和密集排列的葡萄果粒上的局限性 | 在纹理缺失表面、高度对称形状和密集排列的果粒环境下进行3D重建存在挑战 | 构建一个系统来识别葡萄修剪过程中需要移除的果粒 | 日本鲜食葡萄果粒 | 计算机视觉 | NA | 无监督单目深度估计 | 深度学习 | 视频 | NA | NA | NA | NA | NA |
| 12034 | 2025-10-07 |
Adaptive wavelet base selection for deep learning-based ECG diagnosis: A reinforcement learning approach
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0318070
PMID:39899639
|
研究论文 | 提出一种基于强化学习的心电图信号自适应小波基选择框架，用于改善深度学习心电图诊断性能 | 首次将强化学习应用于心电图信号的小波基自适应选择，能够根据个体信号特征动态优化小波基选择策略 | 仅在PTB-XL数据集上进行验证，需要更多临床数据集验证泛化能力 | 提升基于深度学习的心电图诊断准确率 | 心电图信号 | 机器学习 | 心血管疾病 | 小波变换，强化学习 | 强化学习，深度学习 | 心电图信号 | PTB-XL临床数据集 | NA | 强化学习代理 | 分类准确率 | NA |
| 12035 | 2025-10-07 |
BCL6 (B-cell lymphoma 6) expression in adenomyosis, leiomyomas and normal myometrium
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317136
PMID:39903727
|
研究论文 | 本研究通过免疫组化和深度学习神经网络分析BCL6蛋白在子宫腺肌症、子宫肌瘤和正常子宫肌层中的表达差异 | 首次结合自动化免疫组化和深度学习神经网络技术量化BCL6蛋白在子宫良性病变中的表达并进行样本分类 | 未研究BCL6在子宫内膜异位症中的表达，样本时间跨度较长（2009-2017年） | 探究BCL6蛋白在子宫良性病变发病机制中的作用 | 子宫腺肌症、子宫肌瘤和正常子宫肌层组织样本 | 数字病理学 | 子宫良性疾病 | 免疫组织化学，深度学习神经网络 | 深度学习神经网络 | 组织切片图像 | 2009-2017年间全子宫切除术的石蜡包埋组织块 | NA | 监督式深度学习神经网络 | 精确度 | NA |
| 12036 | 2025-10-07 |
Image recognition technology for bituminous concrete reservoir panel cracks based on deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0318550
PMID:39903732
|
研究论文 | 本研究提出了一种基于改进Xception网络的深度学习模型，用于沥青混凝土板裂缝检测 | 改进了Xception网络，引入了自适应激活函数、动态注意力机制和多级残差连接，优化了特征提取和特征加权 | NA | 开发有效的沥青混凝土板裂缝检测方法 | 沥青混凝土板裂缝 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 大型面板图像数据集 | NA | 改进的Xception网络 | 准确率, Matthews相关系数 | NA |
| 12037 | 2025-10-07 |
Surface defect detection on industrial drum rollers: Using enhanced YOLOv8n and structured light for accurate inspection
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316569
PMID:39908278
|
研究论文 | 本文设计了一种基于线结构光的图像采集系统，并提出改进的YOLOv8n深度学习网络模型，用于实现工业滚筒表面缺陷的高效检测 | 使用线结构光作为系统光源弥补传统光源缺陷特征反映不足的问题；采用可变形卷积增强主干网络特征提取能力；提出新的特征融合模块；使用Wise-IoU替换CIoU损失函数 | 标准矩形边界框可能限制对细长缺陷的检测精度，未来可探索旋转边界框和更广泛的数据集多样性 | 提高工业滚筒表面缺陷检测的效率和准确性 | 工业滚筒表面缺陷 | 计算机视觉 | NA | 线结构光成像 | YOLOv8n | 图像 | NA | NA | YOLOv8n | mAP, 检测时间 | NA |
| 12038 | 2025-10-07 |
An intelligent spam detection framework using fusion of spammer behavior and linguistic
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313628
PMID:39913432
|
研究论文 | 提出一种融合垃圾邮件发送者行为和语言特征的智能垃圾邮件检测框架 | 首次将垃圾邮件发送者行为特征与语言特征相融合，通过特征交互自动学习复杂关系 | 未提及具体的数据集规模和跨领域泛化能力 | 开发高效的垃圾邮件检测模型，解决特征选择和特征依赖关系捕获的挑战 | 垃圾邮件评论 | 自然语言处理 | NA | 深度学习 | CLSTM | 文本 | NA | NA | CLSTM | 准确率 | NA |
| 12039 | 2025-10-07 |
A hybrid approach for intrusion detection in vehicular networks using feature selection and dimensionality reduction with optimized deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0312752
PMID:39913503
|
研究论文 | 提出一种结合特征选择和降维的混合方法，用于车辆网络中的入侵检测 | 采用基于相关性的特征选择和主成分分析进行特征工程，结合训练后模型权重量化来优化模型大小 | 仅使用CICIDS2017数据集进行验证，未在其他数据集上测试泛化能力 | 开发轻量级高效的车辆网络入侵检测系统 | 车辆自组织网络(VANET)中的恶意流量 | 机器学习 | NA | 特征选择, 降维分析 | 深度学习 | 网络流量数据 | CICIDS2017数据集 | NA | 全连接层 | F1分数, 模型大小 | NA |
| 12040 | 2025-10-07 |
DeepPFP: a multi-task-aware architecture for protein function prediction
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae579
PMID:39905954
|
研究论文 | 提出一种名为DeepPFP的多任务感知架构，用于解决蛋白质功能预测中的泛化问题 | 结合模型无关元学习与蛋白质语言模型，能够捕获不同序列-功能映射任务间的共享特征 | 仅在五个域外深度突变扫描数据集上进行了训练验证 | 开发能够跨领域泛化的蛋白质功能预测模型 | 蛋白质序列与功能关系 | 生物信息学 | NA | 深度突变扫描，进化尺度建模 | 蛋白质语言模型，元学习模型 | 蛋白质序列数据 | 五个DMS数据集，包括SARS-CoV-2和Ube4b数据集（其中Ube4b使用500个样本子集） | NA | DeepPFP | 皮尔逊相关系数 | NA |