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 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 | 2025-05-04 |
Primer on machine learning applications in brain immunology
2025, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2025.1554010
PMID:40313869
|
综述 | 本文回顾了单细胞和空间技术在脑免疫学中的应用，以及机器学习方法在数据分析中的进展 | 探讨了机器学习特别是深度学习方法如自编码器和图神经网络在单细胞组学数据分析中的新应用 | 主要面向湿实验室生物学家，可能缺乏对计算方法的深入技术细节 | 总结单细胞组学在脑免疫学研究中的最新进展及其与人工智能的结合 | 脑免疫学中的单细胞和空间组学数据 | 机器学习 | 脑恶性肿瘤和神经退行性疾病 | 单细胞组学和空间组学技术 | 自编码器、图神经网络 | 单细胞和空间组学数据 | NA | NA | NA | NA | NA |
| 12202 | 2025-05-04 |
Radiomics-driven neuro-fuzzy framework for rule generation to enhance explainability in MRI-based brain tumor segmentation
2025, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2025.1550432
PMID:40313917
|
研究论文 | 提出了一种结合3D U-Net和放射组学特征的混合AI框架，用于MRI脑肿瘤分割并生成可解释的决策规则 | 将深度学习模型与自适应神经模糊推理系统(ANFIS)相结合，提高了模型的可解释性 | 实验仅限于小规模的高影响力放射组学特征集 | 提高MRI脑肿瘤分割的可解释性以促进临床应用 | 脑肿瘤MRI图像 | 数字病理学 | 脑肿瘤 | MRI, 放射组学特征提取 | 3D U-Net, ANFIS | MRI图像 | BraTS2020数据集 | NA | NA | NA | NA |
| 12203 | 2025-05-04 |
Enhanced Disc Herniation Classification Using Grey Wolf Optimization Based on Hybrid Feature Extraction and Deep Learning Methods
2024-Dec-26, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography11010001
PMID:39852681
|
research paper | 该研究提出了一种基于灰狼优化、混合特征提取和深度学习方法增强的椎间盘突出分类方法 | 结合灰狼优化算法与混合特征提取及深度学习方法，提升椎间盘突出分类性能 | NA | 提高椎间盘突出的分类准确性 | 腰椎间盘突出病例 | digital pathology | geriatric disease | deep learning | NA | image | NA | NA | NA | NA | NA |
| 12204 | 2025-10-07 |
Development of a Deep Learning System for Intraoperative Identification of Cancer Metastases
2024-Dec-01, Annals of surgery
IF:7.5Q1
DOI:10.1097/SLA.0000000000006294
PMID:38577794
|
研究论文 | 开发用于术中识别癌症转移的深度学习手术引导系统原型 | 开发首个能够术中识别腹膜表面转移的深度学习手术引导系统原型 | 需要多机构临床环境中的进一步开发和验证 | 开发用于术中识别腹膜表面转移的人工智能系统 | 经组织学证实涉及胃肠道的腺癌患者 | 计算机视觉 | 胃肠道癌症 | 深度学习 | 深度学习系统 | 腹腔镜图像 | 132名患者的4287个可见腹膜表面病变和365个活检腹膜表面病变的3650个图像块 | NA | NA | AUC, 准确率 | NA |
| 12205 | 2025-05-04 |
Deep learning-based design and experimental validation of a medicine-like human antibody library
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf023
PMID:39851074
|
研究论文 | 本文描述了一种基于深度学习的模型，用于计算生成具有高人类抗体可变区域的文库，这些区域的固有物理化学性质类似于已上市抗体生物治疗药物的可变区域 | 利用生成式深度学习算法计算生成具有理想开发属性的新型抗体序列，这是首次实现计算生成可开发的人类抗体文库 | 研究仅针对IGHV3-IGKV1种系对的抗原无关人类抗体，可能不适用于其他类型的抗体 | 加速基于抗体的生物治疗药物的计算发现，并扩展可药物抗原空间 | 人类抗体可变区域 | 机器学习 | NA | 深度学习 | 生成式深度学习模型 | 序列数据 | 训练数据集包含31416个满足计算开发性标准的人类抗体，生成了100000个可变区域序列，实验评估了51个高度多样化的计算生成抗体 | NA | NA | NA | NA |
| 12206 | 2025-05-04 |
Dendrites endow artificial neural networks with accurate, robust and parameter-efficient learning
2024-Sep-13, ArXiv
PMID:39314509
|
研究论文 | 本文提出了一种新型的人工神经网络架构，通过融入生物树突的结构化连接和受限采样特性，提高了学习精度、鲁棒性和参数效率 | 引入生物树突的特性到人工神经网络中，解决了传统深度学习算法参数过多、易过拟合的问题 | 未提及具体的应用场景限制或实验数据的局限性 | 提升人工神经网络的学习效率、鲁棒性和参数效率 | 人工神经网络（ANNs）及其学习策略 | 机器学习 | NA | NA | dendritic ANNs | 图像数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 12207 | 2025-10-07 |
Deep Learning-Based Localization and Detection of Malpositioned Endotracheal Tube on Portable Supine Chest Radiographs in Intensive and Emergency Medicine: A Multicenter Retrospective Study
2024-02-01, Critical care medicine
IF:7.7Q1
DOI:10.1097/CCM.0000000000006046
PMID:38095506
|
研究论文 | 开发基于深度学习的计算机辅助检测系统，用于定位和检测重症与急诊医学中便携式仰卧胸片上气管插管的位置异常 | 首次采用DeepLabv3+与ResNeSt50结合DenseNet121的混合架构，在 multicenter 回顾性研究中实现气管插管分割与位置异常分类的双重任务 | 回顾性研究设计，数据来源于单一医疗体系的不同分院，需要前瞻性研究进一步验证 | 开发自动检测气管插管位置异常的计算机辅助诊断系统 | 重症监护室和急诊科患者的便携式仰卧胸部X光片 | 计算机视觉 | 呼吸系统疾病 | 胸部X光成像 | CNN | 医学图像 | 训练集5767张图像（NTUH-1519），测试集1611张图像（NTUH-20: 955张，NTUH-YB: 656张） | NA | DeepLabv3+, ResNeSt50, DenseNet121 | Dice系数, AUC | NA |
| 12208 | 2025-05-04 |
Lesion classification and diabetic retinopathy grading by integrating softmax and pooling operators into vision transformer
2024, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2024.1442114
PMID:39835306
|
research paper | 该研究提出了一种结合softmax和池化操作的视觉Transformer模型，用于病灶分类和糖尿病视网膜病变分级 | 引入了集成自注意力机制，结合softmax和线性模块，以提高效率和表达能力，同时通过代理令牌减少计算复杂度 | 未提及具体的数据集规模或模型在更大规模数据集上的泛化能力 | 开发一种高效的自动化糖尿病视网膜病变分级方法 | 糖尿病视网膜病变的医学图像 | digital pathology | diabetic retinopathy | vision transformer | Transformer | image | NA | NA | NA | NA | NA |
| 12209 | 2025-05-04 |
Multimodal data deep learning method for predicting symptomatic pneumonitis caused by lung cancer radiotherapy combined with immunotherapy
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1492399
PMID:39845959
|
研究论文 | 本研究开发了一种基于深度学习的多模态融合模型，用于预测肺癌患者在接受放疗联合免疫治疗时出现的症状性肺炎 | 结合深度图像特征、放射组学特征和临床数据，构建了一个性能优于传统放射组学模型的深度学习模型 | 研究基于回顾性数据，样本量相对有限（261例患者） | 开发能够准确预测肺癌患者放疗和免疫治疗相关肺炎的模型 | 接受胸部放疗联合免疫治疗的肺癌患者 | 数字病理 | 肺癌 | CT扫描、放射组学分析 | ResNet34、DNN | CT图像、临床数据 | 261例肺癌患者 | NA | NA | NA | NA |
| 12210 | 2025-10-07 |
NuFold: A Novel Tertiary RNA Structure Prediction Method Using Deep Learning with Flexible Nucleobase Center Representation
2023-Sep-22, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.20.558715
PMID:37790488
|
研究论文 | 提出一种名为NuFold的新型深度学习方法，用于准确预测RNA三级结构 | 采用灵活的核苷碱基中心表示法，能够准确重现所有可能的核苷酸构象 | NA | 开发计算方法来预测RNA三级结构，弥合RNA序列数据与结构认知之间的差距 | RNA分子及其三级结构 | 机器学习 | NA | 深度学习 | 深度学习架构 | RNA序列数据 | NA | NA | NuFold | NA | NA |
| 12211 | 2025-10-07 |
Pooled tagging and hydrophobic targeting of endogenous proteins for unbiased mapping of unfolded protein responses
2023-Jul-14, bioRxiv : the preprint server for biology
DOI:10.1101/2023.07.13.548611
PMID:37503003
|
研究论文 | 开发了一种通过高通量基因标记和深度学习图像分析来研究蛋白质组动力学和功能的高效方法 | 结合高通量基因标记、荧光标记测序、深度学习图像分析和单细胞RNA测序，实现蛋白质错误折叠的空间限制诱导和细胞区室特异性响应映射 | NA | 系统水平理解蛋白质组组织和功能，绘制蛋白质错误折叠的区室特异性响应图谱 | 内源性标记蛋白质，细胞池 | 计算生物学 | NA | 高通量基因标记，单细胞RNA测序，荧光标记测序 | 深度学习 | 图像，基因表达数据 | NA | NA | NA | NA | NA |
| 12212 | 2025-05-03 |
Robust DEEP heterogeneous ensemble and META-learning for honey authentication
2025-Aug-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.144001
PMID:40184746
|
研究论文 | 本研究提出了一种结合多种分析技术和深度学习模型的新框架，用于区分纯蜂蜜与掺假蜂蜜 | 通过元学习整合多种分析技术和深度学习模型，扩展了输入特征空间，提高了预测性能 | 未提及具体的数据来源和样本采集细节 | 解决蜂蜜掺假问题，保障消费者健康和经济诚信 | 纯蜂蜜与掺假蜂蜜（蔗糖糖浆、葡萄糖浆或焦糖味冰淇淋配料） | 分析化学 | NA | 多种分析技术 | CNN, 元学习 | NA | NA | NA | NA | NA | NA |
| 12213 | 2025-05-03 |
Sliding-window enhanced olfactory visual images combined with deep learning to predict TVB-N content in chilled mutton
2025-Jul, Meat science
IF:5.7Q1
DOI:10.1016/j.meatsci.2025.109791
PMID:40048988
|
研究论文 | 本研究提出了一种新颖的嗅觉可视化图像数据增强方法，结合深度学习准确预测冷藏羊肉中的总挥发性盐基氮（TVB-N）含量 | 提出滑动窗口方法增强嗅觉可视化图像，结合深度学习模型提高TVB-N含量预测的准确性 | NA | 准确预测冷藏羊肉中的TVB-N含量，用于现场评估羊肉新鲜度 | 冷藏羊肉 | 计算机视觉 | NA | 嗅觉可视化传感器阵列 | InceptionNetV3, ResNet50, MobileNetV3, PLSR, SVR, RF | 图像 | NA | NA | NA | NA | NA |
| 12214 | 2025-05-03 |
DisDock: A Deep Learning Method for Metal Ion-Protein Redocking
2025-Jun, Proteins
IF:3.2Q2
DOI:10.1002/prot.26791
PMID:39838957
|
研究论文 | 提出了一种名为DisDock的深度学习方法，用于预测蛋白质与金属离子的对接结构 | 结合U-net架构与自注意力模块，利用几何信息揭示原子相互作用的潜在特征 | 未提及具体局限性 | 预测金属离子与蛋白质的结合结构 | 金属蛋白 | 机器学习 | NA | 深度学习 | U-net与自注意力模块结合 | 距离矩阵 | 来自MOAD的高质量金属蛋白数据集 | NA | NA | NA | NA |
| 12215 | 2025-05-03 |
Dynamic Prediction and Intervention of Serum Sodium in Patients with Stroke Based on Attention Mechanism Model
2025-Jun, Journal of healthcare informatics research
IF:5.4Q1
DOI:10.1007/s41666-025-00192-x
PMID:40309130
|
研究论文 | 本研究开发了一种基于多头注意力机制的深度学习模型，用于实时预测中风患者的血清钠浓度并提供个性化干预建议 | 引入了时间-特征融合多头注意力（TFF-MHA）模型，能够处理复杂的动态特征和长时间序列数据，优于现有模型 | 模型依赖于公开数据集，可能无法涵盖所有临床场景 | 优化中风患者的血清钠管理策略，提供临床决策支持工具 | ICU中风患者 | 医疗信息学 | 中风 | 深度学习 | TFF-MHA（时间-特征融合多头注意力模型） | 时间序列临床数据 | MIMIC-III（2346例）和MIMIC-IV（896例）数据集 | NA | NA | NA | NA |
| 12216 | 2025-05-03 |
Integrating Plasma Cell-Free DNA Fragment End Motif and Size with Genomic Features Enables Lung Cancer Detection
2025-May-02, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-24-1517
PMID:40136052
|
研究论文 | 通过整合血浆游离DNA片段末端基序、大小及基因组特征，开发了一种提高肺癌检测准确性的深度学习方法 | 结合cfDNA片段末端基序与大小特征及基因组覆盖度，开发了性能优于单一特征的集成分类器，并在不同种族人群中验证了其泛化能力 | 样本量相对有限，尤其是高加索人验证队列仅包含50例患者和50例对照 | 提高肺癌早期检测的准确性 | 肺癌患者与健康对照的血浆游离DNA | 数字病理学 | 肺癌 | 全基因组测序 | 深度学习分类器 | 基因组数据 | 韩国发现数据集（218例患者+2559例对照）、韩国验证数据集（111例患者+1136例对照）、高加索人验证队列（50例患者+50例对照） | NA | NA | NA | NA |
| 12217 | 2025-05-03 |
Deep Learning-Based Prediction of Decoy Spectra for False Discovery Rate Estimation in Spectral Library Searching
2025-May-02, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.4c00304
PMID:40252226
|
研究论文 | 本研究探讨了基于深度学习的诱饵光谱预测方法，用于光谱库搜索中的假发现率估计 | 提出了无需模板光谱即可生成诱饵光谱的shuffle-and-predict方法，提高了诱饵光谱的多样性和数量 | 未明确说明该方法在预测库场景下的具体性能限制 | 改进蛋白质组学数据分析中的假发现率估计方法 | 预测光谱库和诱饵光谱 | 机器学习 | NA | 深度学习 | NA | 光谱数据 | NA | NA | NA | NA | NA |
| 12218 | 2025-05-03 |
A multimodal and fully automated system for prediction of pathological complete response to neoadjuvant chemotherapy in breast cancer
2025-May-02, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adr1576
PMID:40305609
|
研究论文 | 开发了一种多模态集成全自动管道系统（MIFAPS），用于预测乳腺癌患者对新辅助化疗的病理完全缓解 | 整合了多模态数据（MRI、全切片图像和临床风险因素）的全自动系统，显著优于单模态模型 | 需要进一步验证系统的临床适用性和泛化能力 | 提高乳腺癌患者对新辅助化疗病理完全缓解的预测准确性 | 1004名局部晚期乳腺癌患者 | 数字病理学 | 乳腺癌 | 深度学习 | MIFAPS | 图像、临床数据 | 1004名患者 | NA | NA | NA | NA |
| 12219 | 2025-05-03 |
A depression detection approach leveraging transfer learning with single-channel EEG
2025-May-02, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/adcfc8
PMID:40314182
|
research paper | 提出一种利用单通道脑电图（EEG）和迁移学习技术检测抑郁症的方法 | 采用单通道EEG信号和迁移学习技术，解决了多通道EEG在日常生活应用中的限制，并通过图像转换提高了模型性能 | 可用的抑郁症EEG数据有限，可能影响模型在区分抑郁症患者和健康受试者方面的效果 | 开发一种基于单通道EEG信号的抑郁症检测模型 | 抑郁症患者和健康个体的EEG信号 | machine learning | geriatric disease | EEG信号处理和迁移学习 | ResNet152V2 | EEG信号（转换为图像） | 有限数量的受试者 | NA | NA | NA | NA |
| 12220 | 2025-05-03 |
Heuristic multi-scale feature fusion with attention-based CNN for sentiment analysis
2025-May-02, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2498735
PMID:40314204
|
研究论文 | 提出了一种基于注意力机制的启发式多尺度特征融合CNN模型，用于情感分析 | 结合了多尺度特征融合和注意力机制的CNN模型，并使用改进的FORSO算法进行参数调优 | 未提及具体的数据集规模和模型计算复杂度 | 提高情感分析的准确率 | 用户生成的文本数据 | 自然语言处理 | NA | BERT, Transformers, word2vector | MFF-AACNet (基于注意力机制的CNN) | 文本 | 未提及具体数量，数据来自公开资源 | NA | NA | NA | NA |