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 33776 篇文献，本页显示第 12201 - 12220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12201 | 2025-05-16 |
Constructing an artificial intelligence-assisted system for the assessment of gastroesophageal valve function based on the hill classification (with video)
2025-Mar-24, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02973-1
PMID:40128700
|
research paper | 本研究开发了一个基于人工智能的Hill分类系统，用于辅助内镜医师评估胃食管瓣膜功能 | 首次将CNN和Transformer架构结合用于Hill分类，并实现模型的多终端部署和实时分类 | 模型在外部测试集上的准确率仍略低于资深内镜医师，且存在一定误分类情况 | 开发人工智能辅助系统以改进胃食管连接处功能评估 | 胃食管瓣膜(GEFV)的形态学分类 | digital pathology | gastroesophageal reflux disease | deep learning | EfficientNet-Hill (CNN+Transformer) | image, video | 1143张GEFV图像和17段胃镜视频 | NA | NA | NA | NA |
| 12202 | 2025-05-16 |
Global research trends and hotspots on imaging of bladder cancer: A bibliometric and visual analysis from 1981 to 2023
2025-Mar-21, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000041907
PMID:40128048
|
研究论文 | 本文对1981年至2023年间膀胱癌影像学领域的文献进行了全面的文献计量分析，揭示了全球研究热点和未来趋势 | 首次对膀胱癌影像学领域进行文献计量分析，识别了最新的研究热点如放射组学、深度学习和多参数MRI | 仅基于Web of Science核心合集的数据，可能未涵盖所有相关文献 | 分析膀胱癌影像学领域的全球研究趋势和热点 | 膀胱癌影像学相关文献 | 数字病理学 | 膀胱癌 | 文献计量分析（VOSviewer, Bibliometrix, Citespace） | NA | 文献数据 | 4462篇文章 | NA | NA | NA | NA |
| 12203 | 2025-05-16 |
Identifying research activity on brain ultrasonography in craniocerebral diseases by bibliometric and visualized analysis of a 20-year journey of global publications
2025-Mar-21, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000041927
PMID:40128044
|
研究论文 | 通过文献计量和可视化分析方法，研究过去20年全球关于脑超声在颅脑疾病中应用的研究趋势和未来方向 | 首次使用VOSviewer和CiteSpace对脑超声研究进行全球范围的文献计量和可视化分析，揭示了研究趋势、国际合作及技术发展 | 研究仅基于Web of Science数据库的文献，可能未涵盖所有相关研究 | 探讨脑超声在颅脑疾病中的应用趋势和未来研究方向 | 全球范围内关于脑超声的研究文献 | 医学影像分析 | 颅脑疾病 | 文献计量分析、可视化分析（VOSviewer、CiteSpace） | NA | 文献数据 | 1251篇文章，涉及5655位作者、1619个机构、84个国家/地区 | NA | NA | NA | NA |
| 12204 | 2025-05-16 |
[A multi-scale supervision and residual feedback optimization algorithm for improving optic chiasm and optic nerve segmentation accuracy in nasopharyngeal carcinoma CT images]
2025-Mar-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|
研究论文 | 提出了一种基于多尺度监督和残差反馈策略的深度学习分割算法（DSRF），用于精确分割鼻咽癌CT图像中的视交叉和视神经 | 设计了混合池化策略的解码器（HPS）以减少小器官特征在池化过程中的损失，并采用多尺度深度监督层和残差反馈模块来增强边界识别和分割精度 | 未提及算法在更大规模数据集上的泛化能力或在实际临床环境中的验证 | 提高鼻咽癌CT图像中视交叉和视神经的分割精度 | 鼻咽癌患者的CT图像中的视交叉和视神经 | 数字病理 | 鼻咽癌 | 深度学习 | CNN | 图像 | 212张鼻咽癌CT图像（来自SegRap2023、StructSeg2019和HaN-Seg2023数据集） | NA | NA | NA | NA |
| 12205 | 2025-05-16 |
[A lightweight classification network for single-lead atrial fibrillation based on depthwise separable convolution and attention mechanism]
2025-Mar-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|
研究论文 | 提出一种基于深度可分离卷积和注意力机制的轻量级网络DSC-AttNet，用于单导联心房颤动的自动诊断 | 结合深度可分离卷积减少模型参数和计算复杂度，嵌入多层混合注意力机制提升特征表达能力 | 样本量相对较小（84例房颤患者+25例房颤患者+18例正常心律受试者），外部验证仅基于两个公开数据集 | 开发适用于可穿戴ECG设备的轻量级房颤自动诊断模型 | 心房颤动患者的心电图数据 | 数字病理学 | 心血管疾病 | 深度学习 | DSC-AttNet（基于深度可分离卷积和注意力机制的CNN） | ECG信号数据 | 总计127例（84+25+18）来自LTAFDB、AFDB和NSRDB公开数据集 | NA | NA | NA | NA |
| 12206 | 2025-05-16 |
Geometric deep learning and multiple-instance learning for 3D cell-shape profiling
2025-Mar-19, Cell systems
IF:9.0Q1
DOI:10.1016/j.cels.2025.101229
PMID:40112779
|
研究论文 | 该研究利用几何深度学习和多实例学习技术开发了MorphoMIL计算流程，用于分析3D细胞和核形态 | 结合几何深度学习和基于注意力的多实例学习，实现了对细胞形态的单细胞和群体水平分析 | NA | 通过细胞形态分析理解细胞状态，应用于药物发现领域 | 黑色素瘤细胞的3D形态 | 数字病理学 | 黑色素瘤 | 几何深度学习，多实例学习 | MorphoMIL（几何深度学习与注意力机制结合） | 3D点云数据 | 超过95,000个经过化学和遗传处理的黑色素瘤细胞 | NA | NA | NA | NA |
| 12207 | 2025-05-16 |
Global or local modeling for XGBoost in geospatial studies upon simulated data and German COVID-19 infection forecasting
2025-Mar-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92995-6
PMID:40087346
|
研究论文 | 本文研究了在空间地理研究中，XGBoost模型采用全局建模还是局部建模更优的问题，并通过模拟数据和德国COVID-19感染预测案例进行了比较 | 探讨了XGBoost在空间地理研究中的全局与局部建模策略，并通过实证分析比较了两种方法的优劣 | 研究结果依赖于数据的平衡性和空间变异性，且局部建模的空间划分需要额外注意 | 比较XGBoost在空间地理研究中的全局建模与局部建模的效果 | 模拟数据和德国COVID-19感染数据 | 机器学习 | COVID-19 | XGBoost | XGBoost | 模拟数据和真实感染数据 | NA | NA | NA | NA | NA |
| 12208 | 2025-05-16 |
Comparison of Deep Learning and Traditional Machine Learning Models for Predicting Mild Cognitive Impairment Using Plasma Proteomic Biomarkers
2025-Mar-08, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms26062428
PMID:40141072
|
research paper | 比较深度学习和传统机器学习模型在利用血浆蛋白质组生物标志物预测轻度认知障碍(MCI)中的表现 | 首次比较了深度学习和传统机器学习模型在预测MCI中的性能，并识别出与MCI相关的关键血浆蛋白质组生物标志物 | 样本量相对较小(239名成人)，且数据来自单一队列(ADNI) | 比较不同机器学习方法在预测轻度认知障碍方面的性能 | 239名成年人及其146种血浆蛋白质组生物标志物 | machine learning | geriatric disease | 血浆蛋白质组分析 | DNN, SVM, LR, NB, RF, KNN, GBM, XGBoost | 生物标志物数据 | 239名来自ADNI队列的成年人 | NA | NA | NA | NA |
| 12209 | 2025-05-16 |
AD-VAE: Adversarial Disentangling Variational Autoencoder
2025-Mar-04, Sensors (Basel, Switzerland)
DOI:10.3390/s25051574
PMID:40096455
|
研究论文 | 提出了一种名为AD-VAE的新框架，用于单人样本人脸识别（SSPP FR），结合了变分自编码器（VAE）和生成对抗网络（GAN）技术 | AD-VAE框架通过结合VAE和GAN技术，能够从受控和野生数据集中学习构建具有代表性的身份保留原型，有效处理姿态、光照和遮挡等变化 | 未明确提及具体限制，但可能包括对极端姿态或遮挡情况的处理能力 | 解决单人样本人脸识别（SSPP FR）中学习鲁棒且具有判别性特征的挑战 | 人脸识别 | 计算机视觉 | NA | VAE, GAN | AD-VAE（结合VAE和GAN的混合模型） | 图像 | 使用了四个受控基准数据集（AR, E-YaleB, CAS-PEAL, FERET）和一个非受控数据集（LFW） | NA | NA | NA | NA |
| 12210 | 2025-05-16 |
Relational similarity-based graph contrastive learning for DTI prediction
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf122
PMID:40127181
|
研究论文 | 本文提出了一种基于关系相似性的图对比学习方法（RSGCL-DTI），用于提高药物-靶标相互作用（DTI）预测的准确性 | 结合药物和蛋白质的结构特征与关系特征，通过图对比学习提取药物间和蛋白质间的关系特征，从而提升DTI预测性能 | NA | 提高药物-靶标相互作用预测的准确性，以促进药物再利用 | 药物和靶标蛋白质 | 机器学习 | NA | 图对比学习 | GNN, CNN, D-MPNN | 图数据 | 四个基准数据集 | NA | NA | NA | NA |
| 12211 | 2025-05-16 |
DS-MVP: identifying disease-specific pathogenicity of missense variants by pre-training representation
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf119
PMID:40127180
|
研究论文 | 提出了一种名为DS-MVP的方法，用于预测人类基因组中错义变异的疾病特异性致病性 | DS-MVP通过预训练深度学习模型学习错义变异的丰富表示，并利用XGBoost模型在特定疾病的小数据集上进行微调，优于现有最先进方法 | 未提及具体样本量或数据集的详细限制 | 提高疾病诊断和临床研究的准确性，通过预测错义变异的疾病特异性致病性 | 人类基因组中的错义变异 | 机器学习 | NA | 深度学习预训练，XGBoost | 深度学习模型，XGBoost | 基因组数据 | NA | NA | NA | NA | NA |
| 12212 | 2025-05-16 |
PCLSurv: a prototypical contrastive learning-based multi-omics data integration model for cancer survival prediction
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf124
PMID:40127182
|
research paper | 介绍了一种名为PCLSurv的创新深度学习框架，用于基于多组学数据的癌症生存预测 | 结合了自动编码器提取组学特异性特征，采用样本级对比学习识别数据视图间的互补特征，并通过原型对比学习增强模型捕捉高层次语义关系的能力 | NA | 提高癌症生存预测的准确性 | 癌症患者 | machine learning | cancer | multi-omics data integration | deep learning framework (PCLSurv) | multi-omics data | 11个癌症数据集 | NA | NA | NA | NA |
| 12213 | 2025-05-16 |
MethPriorGCN: a deep learning tool for inferring DNA methylation prior knowledge and guiding personalized medicine
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf131
PMID:40131311
|
research paper | 提出了一种名为MethPriorGCN的深度学习工具，用于推断DNA甲基化先验知识并指导个性化医疗 | 通过整合层注意力机制和特征加权机制，MethPriorGCN不仅识别了可靠的甲基化数字生物标志物，还实现了卓越的疾病亚型分类准确性 | NA | 系统挖掘已知DNA甲基化与疾病关联中的可靠甲基化先验知识，并开发用于精准医疗应用的稳健计算方法 | DNA甲基化与人类疾病的关联 | machine learning | NA | DNA methylation sequencing | GCN (Graph Convolutional Network) | methylation data | NA | NA | NA | NA | NA |
| 12214 | 2025-05-16 |
scSAMAC: saliency-adjusted masking induced attention contrastive learning for single-cell clustering
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf128
PMID:40131310
|
研究论文 | 提出了一种名为scSAMAC的新方法，用于单细胞数据的聚类分析，通过结合对比学习和负二项式损失到变分自编码器中，提高了聚类的鲁棒性和泛化能力 | scSAMAC方法创新性地整合了对比学习和负二项式损失到变分自编码器中，采用基因特征显著性调整的负样本生成方法构建掩码模块，并开发了包含软k均值损失、Wasserstein距离和对比损失的新损失函数，以及应用多头注意力机制模块增强特征相关性 | 未明确提及具体限制，但可能面临高维稀疏数据处理的挑战 | 提高单细胞数据的聚类性能，以便更好地分析细胞类型 | 单细胞测序数据 | 机器学习 | NA | 单细胞测序技术 | 变分自编码器（VAE）、多头注意力机制 | 单细胞测序数据 | NA | NA | NA | NA | NA |
| 12215 | 2025-05-16 |
A review of neural networks for metagenomic binning
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf065
PMID:40131312
|
综述 | 本文详细回顾了人工神经网络在宏基因组分箱中的应用，比较了34种基于ANN的分箱工具 | 系统比较了34种基于ANN的分箱工具，揭示了深度学习方法的优势，并提出了未来研究方向 | 强调了基准测试实践的不足 | 描述微生物群落的分类多样性 | 宏基因组序列 | 机器学习 | NA | 宏基因组测序 | CNN, autoencoders | 序列数据 | NA | NA | NA | NA | NA |
| 12216 | 2025-05-16 |
FungID: Innovative Fungi Identification Method with Chromogenic Profiling of Colony Color Patterns
2025-Mar-03, Pathogens (Basel, Switzerland)
DOI:10.3390/pathogens14030242
PMID:40137727
|
研究论文 | 介绍了一种名为FungID的新型深度学习算法，通过菌落颜色模式的显色分析来识别真菌物种 | 开发了基于CNN的FungID算法及其用户友好软件，用于通过显色分析快速可靠地识别真菌物种 | 需要仔细评估这些方法的适用范围和局限性 | 提高真菌物种识别的速度和可靠性，为健康、微生物学、生物技术等领域提供额外工具 | 真菌物种 | 计算机视觉 | NA | 显色分析 | CNN | 图像 | 269张图像 | NA | NA | NA | NA |
| 12217 | 2025-05-16 |
Multimodal Artificial Intelligence Models Predicting Glaucoma Progression Using Electronic Health Records and Retinal Nerve Fiber Layer Scans
2025-Mar-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.3.27
PMID:40152766
|
研究论文 | 本研究开发了结合电子健康记录（EHRs）和视网膜神经纤维层光学相干断层扫描（RNFL OCT）扫描的多模态人工智能模型，用于预测青光眼患者是否需要手术 | 首次结合EHR和RNFL OCT扫描数据，使用TabNet深度学习架构预测青光眼手术需求，并证明其优于传统XGBoost模型 | 研究样本仅来自单一学术中心，可能限制模型的泛化能力 | 开发预测青光眼进展的人工智能模型 | 青光眼患者 | 数字病理 | 青光眼 | 光学相干断层扫描（OCT） | TabNet, XGBoost | 结构化临床数据（EHR）、医学影像（RNFL OCT扫描） | 1472名青光眼患者（其中367名进展至需要手术） | NA | NA | NA | NA |
| 12218 | 2025-05-16 |
LOGLformer: Integrating local and global characteristics for depression scale estimation from facial expressions
2025-Mar-01, The Review of scientific instruments
DOI:10.1063/5.0231737
PMID:40130984
|
research paper | 提出了一种名为LOGLFormer的新型混合计算架构，用于从面部表情中估计抑郁量表，整合了CNN的局部属性和transformer的全局模式 | LOGLFormer架构首次整合了CNN和transformer的特性，通过特征对齐模块解决了两种特征集之间的差异，显著提升了自动抑郁检测的性能 | 仅在AVEC2013和AVEC2014两个抑郁数据库上进行了测试，未在其他数据集上验证其泛化能力 | 开发一种能够整合局部和全局面部动态特征的深度学习模型，用于自动抑郁检测 | 抑郁患者的面部表情 | affective computing | depression | deep learning | LOGLFormer (CNN + transformer) | facial expression images | AVEC2013和AVEC2014两个抑郁数据库 | NA | NA | NA | NA |
| 12219 | 2025-05-16 |
Machine Learning in Drug Development for Neurological Diseases: A Review of Blood Brain Barrier Permeability Prediction Models
2025-Mar, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.202400325
PMID:40146590
|
review | 本文回顾了机器学习在预测血脑屏障通透性方面的最新方法 | 总结了利用机器学习和深度学习技术预测血脑屏障通透性的最新进展 | 未提及具体模型性能比较或实际应用效果的局限性 | 探讨机器学习在神经系统疾病药物开发中的应用 | 血脑屏障通透性预测模型 | machine learning | neurological disease | machine learning, deep learning | NA | empirical data | NA | NA | NA | NA | NA |
| 12220 | 2025-05-16 |
Current AI Applications and Challenges in Oral Pathology
2025-Mar, Oral (Basel, Switzerland)
DOI:10.3390/oral5010002
PMID:40357025
|
review | 本文综述了人工智能在口腔病理学中的当前应用与挑战 | 探讨了AI在口腔病理学中的变革潜力，包括提高口腔疾病检测准确性和简化诊断流程 | 数据质量、泛化能力、法律与伦理问题、财务限制以及实践模式转变的需求 | 探索人工智能在口腔病理学中的潜在应用与挑战 | 口腔病理学中的AI应用 | digital pathology | oral diseases | machine learning (ML), deep learning (DL), convolutional neural networks (CNNs), natural language processing (NLP) | CNNs, NLP | image, text | NA | NA | NA | NA | NA |