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 12261 - 12280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12261 | 2025-05-03 |
Hybrid data augmentation strategies for robust deep learning classification of corneal topographic maptopographic map
2025-Jan-30, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adabea
PMID:39832385
|
research paper | 本研究探讨了不同数据增强策略对定制卷积神经网络模型在角膜地形图分类中性能的影响，并提出了一种混合数据增强方法 | 提出了一种结合传统变换、生成对抗网络和特定生成模型的混合数据增强方法，显著提高了模型准确率并缓解了过拟合问题 | 未提及具体的数据集规模和多样性限制 | 提高角膜地形图分类的深度学习模型性能 | 角膜地形图 | digital pathology | NA | generative adversarial networks, specific generative models | CNN | image | NA | NA | NA | NA | NA |
| 12262 | 2025-05-03 |
GMmorph: dynamic spatial matching registration model for 3D medical image based on gated Mamba
2025-Jan-29, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adaacd
PMID:39813811
|
研究论文 | 提出了一种基于门控Mamba的动态空间匹配配准模型GMmorph，用于3D医学图像的非线性对齐 | 从空间匹配的角度提出了一种双分支交互配准模型架构，引入了动态匹配模块和门控mamba层，以平衡高精度和低折叠率 | 未提及模型在处理极端异常组织时的表现 | 克服深度学习配准方法在复杂位移和全局局部特征交互方面的不足，提高配准精度和鲁棒性 | 单模态和多模态医学图像（包括正常脑部、脑肿瘤和肺部图像） | 数字病理 | 脑肿瘤、肺部疾病 | 深度学习 | GMmorph（基于门控Mamba的双分支模型） | 3D医学图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 12263 | 2025-05-03 |
PPDock: Pocket Prediction-Based Protein-Ligand Blind Docking
2025-Jan-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01373
PMID:39814581
|
研究论文 | 提出了一种基于口袋预测的蛋白质-配体盲对接方法PPDock，通过两阶段对接范式显著提高了对接准确性和效率 | 采用两阶段对接范式（口袋预测后进行基于口袋的对接），克服了传统方法难以识别正确口袋的问题 | 未明确说明方法在超大规模蛋白质复合体上的适用性 | 提升蛋白质-配体盲对接的准确性和效率以促进药物发现 | 蛋白质结合位点（口袋）与配体的对接构象 | 计算生物学 | NA | 深度学习 | PPDock（新型盲对接架构） | 蛋白质结构数据 | 基准测试数据集（未明确数量） | NA | NA | NA | NA |
| 12264 | 2025-05-03 |
ds-FCRN: three-dimensional dual-stream fully convolutional residual networks and transformer-based global-local feature learning for brain age prediction
2025-Jan-18, Brain structure & function
IF:2.7Q3
DOI:10.1007/s00429-024-02889-y
PMID:39826018
|
研究论文 | 本研究开发了一种结合3D双流全卷积残差网络和Transformer的深度学习模型，用于基于灰质密度图的脑年龄预测 | 提出创新的3D双流全卷积残差网络(ds-FCRN)结合Transformer的全局-局部特征学习范式，并使用Shapley值解释不同脑区对预测精度的影响 | 研究仅基于健康参与者数据，未考虑疾病状态对脑年龄预测的影响 | 开发具有高预测准确性和可解释性的脑年龄预测深度学习模型 | 来自UKB数据库的16,377名45-82岁健康参与者的灰质密度图 | 数字病理学 | 老年疾病 | T1 MRI | 3D ds-FCRN + Transformer | 医学影像 | 16,377名健康参与者(训练集) + 3,276名健康参与者(测试集) | NA | NA | NA | NA |
| 12265 | 2025-05-03 |
Explainable Predictive Model for Suicidal Ideation During COVID-19: Social Media Discourse Study
2025-Jan-17, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/65434
PMID:39823631
|
研究论文 | 该研究利用自然语言处理技术分析社交媒体文本，开发可解释的自杀意念预测模型 | 提出混合深度学习网络架构(BERT+CNN+LSTM)并结合可解释AI技术分析COVID-19期间自杀意念特征变化 | 研究样本中自杀相关帖子比例较低(0.9%)，可能影响模型泛化能力 | 检测COVID-19疫情期间社交媒体中表现的自杀意念并分析其影响因素 | 社交媒体用户发布的文本内容 | 自然语言处理 | 心理健康疾病 | TF-IDF, Word2vec, BERT, LIME, SHAP | BERT+CNN+LSTM混合模型 | 文本 | 从348,110条记录中筛选3,154条(1,338条自杀相关，1,816条非自杀相关) | NA | NA | NA | NA |
| 12266 | 2025-05-03 |
Preparing physiotherapists for the future: the development and evaluation of an innovative curriculum
2025-Jan-17, BMC medical education
IF:2.7Q1
DOI:10.1186/s12909-024-06537-1
PMID:39825299
|
研究论文 | 本研究评估了荷兰HAN应用科学大学物理治疗系设计的创新课程PACE的实施情况 | PACE课程采用基于预设学习成果、个性化学习目标、灵活学习路径和程序化评估的综合学习方法，区别于传统教育 | 需要改进自主学习支持和促进深度学习的教学策略 | 评估创新课程PACE的实施效果，为未来课程开发提供信息 | 2021-2022年度的本科物理治疗学生和参与该课程的教师 | 教育创新 | NA | 混合方法设计，包括问卷、焦点小组、深度访谈和全国进度测试 | NA | 问卷数据、访谈数据和测试成绩 | 82名一年级学生和36名教师 | NA | NA | NA | NA |
| 12267 | 2025-05-03 |
TopoQual polishes circular consensus sequencing data and accurately predicts quality scores
2025-Jan-16, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-06020-0
PMID:39815230
|
research paper | 介绍了一种名为TopoQual的新工具，旨在提高PacBio HiFi测序数据的碱基质量预测准确性 | TopoQual利用部分顺序比对（POA）、拓扑平行碱基和深度学习算法来优化共识序列，显著提高了碱基质量预测的准确性 | 目前的研究主要集中在PacBio HiFi测序数据上，对于其他测序技术的适用性尚未验证 | 提高PacBio HiFi测序数据在体细胞变异检测中的碱基质量预测准确性 | PacBio HiFi测序数据 | genomics | NA | circular consensus sequencing (CCS), high fidelity (HiFi) technology, partial order alignments (POA), deep learning | deep learning algorithms | sequencing data | NA | NA | NA | NA | NA |
| 12268 | 2025-05-03 |
Causality-driven candidate identification for reliable DNA methylation biomarker discovery
2025-Jan-15, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56054-y
PMID:39814752
|
研究论文 | 提出了一种基于因果驱动的深度正则化框架，用于可靠地识别DNA甲基化生物标志物候选 | 结合因果思维、深度学习和生物先验知识，通过对比方案和空间关系正则化处理非因果混杂因素 | 未明确提及具体局限性 | 提高DNA甲基化生物标志物发现的可靠性，减少资源浪费 | DNA甲基化生物标志物候选 | 生物信息学 | 多种人类疾病 | DNA甲基化测序 | 深度学习 | DNA甲基化数据 | 涉及多种人类疾病、样本来源和测序技术的模拟和应用 | NA | NA | NA | NA |
| 12269 | 2025-05-03 |
Fast and accurate deep learning scans for signatures of natural selection in genomes using FASTER-NN
2025-Jan-15, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-07480-7
PMID:39814854
|
research paper | 介绍了一种名为FASTER-NN的深度学习模型，用于在基因组中快速准确地检测自然选择的特征 | FASTER-NN通过扩张卷积处理等位基因频率和基因组位置，提高了检测自然选择的敏感性，且执行时间不受样本大小和染色体长度的影响 | 未提及具体的局限性 | 开发一种能够精确检测自然选择特征的深度学习分类器 | 基因组中的自然选择特征 | machine learning | NA | CNN | FASTER-NN | genomic data | NA | NA | NA | NA | NA |
| 12270 | 2025-05-03 |
Signatures of H3K4me3 modification predict cancer immunotherapy response and identify a new immune checkpoint-SLAMF9
2025-Jan-15, Respiratory research
IF:4.7Q1
DOI:10.1186/s12931-024-03093-6
PMID:39815269
|
研究论文 | 本研究通过分析H3K4me3修饰模式，构建了一个预测癌症免疫治疗反应的风险评分系统，并发现SLAMF9在免疫抑制和免疫治疗抵抗中的作用 | 首次构建了基于H3K4me3修饰模式的风险评分系统（H3K4me3-RS），并发现SLAMF9作为新的免疫检查点基因 | 研究主要基于生物信息学分析，实验验证部分仅限于小鼠黑色素瘤模型 | 探索H3K4me3修饰与抗肿瘤免疫之间的调控关系，并开发预测免疫治疗反应的生物标志物系统 | 肺癌腺癌（LUAD）患者和多种癌症类型的样本 | 癌症免疫学 | 肺癌 | RNA-seq, 深度学习分析 | PCA, 深度学习模型 | 基因表达数据 | 12,159个癌症样本（来自26种癌症类型）和725个癌症样本（来自5个免疫治疗队列） | NA | NA | NA | NA |
| 12271 | 2025-05-03 |
Optimizing pain management in breast cancer care: Utilizing 'All of Us' data and deep learning to identify patients at elevated risk for chronic pain
2025-Jan, Journal of nursing scholarship : an official publication of Sigma Theta Tau International Honor Society of Nursing
IF:2.4Q1
DOI:10.1111/jnu.13009
PMID:39056443
|
研究论文 | 本研究利用深度学习方法和'All of Us'数据开发了一个预测模型，用于识别乳腺癌患者中慢性疼痛高风险人群 | 创新点在于结合时间序列和静态数据，使用基于Transformer的时间序列分类器进行预测 | NA | 开发预测模型以识别乳腺癌患者中慢性疼痛高风险人群 | 乳腺癌患者 | 机器学习 | 乳腺癌 | 深度学习 | Transformer-based time-series classifier | 人口统计、诊断和社会调查数据 | 1131名患者 | NA | NA | NA | NA |
| 12272 | 2025-05-03 |
An ensemble deep learning framework for energy demand forecasting using genetic algorithm-based feature selection
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310465
PMID:39813218
|
研究论文 | 提出了一种集成深度学习方法，结合遗传算法进行特征选择，用于能源需求预测 | 集成遗传算法与多种预测模型（LSTM、BiLSTM、GRU）进行特征选择，并使用堆叠集成技术结合预测结果 | 未提及模型在实际应用中的泛化能力或在不同地理区域的适用性 | 提高能源需求预测的准确性和鲁棒性 | 历史能源消耗数据、天气变量和时间特征 | 机器学习 | NA | 遗传算法、深度学习 | LSTM、BiLSTM、GRU、集成学习 | 时间序列数据 | 数据集被分为工作日和周末子集，进行了十次模拟 | NA | NA | NA | NA |
| 12273 | 2025-05-03 |
Dynamics and triggers of misinformation on vaccines
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316258
PMID:39813203
|
research paper | 该研究分析了2016至2021年间意大利社交媒体上关于疫苗的辩论，探讨了虚假信息的动态和触发因素 | 揭示了虚假信息不仅是新闻生态系统的寄生虫，而且是一种能够压倒主流媒体疫苗相关内容生产的自主力量 | 研究仅关注意大利的社交媒体平台，可能无法完全代表其他地区的情况 | 探讨疫苗相关虚假信息的动态和触发因素，以及其对公众参与的影响 | 意大利社交媒体平台（Facebook、Instagram、Twitter、YouTube）上的疫苗辩论内容 | natural language processing | NA | symbolic transfer entropy analysis, deep learning models | deep learning | text | 6年（2016-2021）的意大利社交媒体数据 | NA | NA | NA | NA |
| 12274 | 2025-05-03 |
A framework for assessing reliability of observer annotations of aerial wildlife imagery, with insights for deep learning applications
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316832
PMID:39813190
|
研究论文 | 提出一个评估空中野生动物图像观察者标注可靠性的框架，并探讨其对深度学习应用的影响 | 通过聚类多个观察者的标注并选择模式分类，计算个体观察者与聚合标注集之间的一致性指标，评估标注可靠性 | 样本量有限，可能影响结果的普遍性 | 评估空中野生动物图像观察者标注的可靠性，以提高深度学习模型的训练数据质量 | 新墨西哥州迁徙水禽的无人机图像 | 计算机视觉 | NA | NA | 深度学习 | 图像 | 12张无人机图像 | NA | NA | NA | NA |
| 12275 | 2025-05-03 |
A novel multi-user collaborative cognitive radio spectrum sensing model: Based on a CNN-LSTM model
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316291
PMID:39813223
|
研究论文 | 提出了一种基于CNN-LSTM模型的多用户协作认知无线电频谱感知模型，以提高频谱感知的准确性和效率 | 结合CNN的局部特征提取能力和LSTM处理序列数据的优势，并引入多头自注意力机制，优化了动态复杂环境下的模型适应性和鲁棒性 | NA | 提升多用户协作认知无线电系统中的频谱感知性能 | 认知无线电系统中的多用户协作频谱感知 | 机器学习 | NA | NA | CNN-LSTM | 序列数据 | 不同数量的次级用户（16、24、32、40、48） | NA | NA | NA | NA |
| 12276 | 2025-05-03 |
Deep learning methods for improving the accuracy and efficiency of pathological image analysis
2025 Jan-Mar, Science progress
IF:2.6Q2
DOI:10.1177/00368504241306830
PMID:39814425
|
研究论文 | 本研究提出了一种结合U-Net和EfficientNetV2的深度学习模型，用于提高病理图像分析的准确性和效率 | 开发了一种新的热图生成算法，结合了精细的图像预处理、数据增强策略、集成学习、注意力机制和深度特征融合技术 | NA | 提高病理图像分析的准确性和效率 | 病理图像 | 数字病理 | NA | 深度学习 | U-Net, EfficientNetV2 | 图像 | NA | NA | NA | NA | NA |
| 12277 | 2025-05-03 |
Machine Learning Approaches for Neuroblastoma Risk Prediction and Stratification
2025, Critical reviews in oncogenesis
DOI:10.1615/CritRevOncog.2024056447
PMID:39819432
|
研究论文 | 本文探讨了机器学习在神经母细胞瘤风险预测和分层中的应用及其潜力 | 利用大规模生物和临床数据，机器学习模型能够检测传统方法常忽视的复杂模式，从而实现更个性化的治疗和更好的患者预后 | 数据规模有限、模型可解释性、数据变异性以及临床整合困难等问题阻碍了更广泛的应用 | 通过机器学习改进神经母细胞瘤的早期诊断、风险评估和治疗决策 | 神经母细胞瘤患者 | 机器学习 | 神经母细胞瘤 | 支持向量机、随机森林、深度学习 | SVM、随机森林、深度学习模型 | 生物和临床数据 | NA | NA | NA | NA | NA |
| 12278 | 2025-05-03 |
Multispectral imaging-based detection of apple bruises using segmentation network and classification model
2025-Jan, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.70003
PMID:39832229
|
研究论文 | 提出了一种结合多光谱成像系统和深度学习的方法，用于准确检测苹果的损伤程度和损伤时间 | 改进了DeepLabV3+网络，采用深度可分离卷积和高效通道注意力机制，并替换损失函数为焦点损失，提高了损伤区域分割的准确性；改进DenseNet121，使用余弦退火算法调整学习率，引入压缩-激励注意力机制和高斯误差线性单元激活函数，提高了损伤程度和时间的识别准确率 | NA | 准确检测苹果的损伤程度和损伤时间 | 苹果 | 计算机视觉 | NA | 多光谱成像 | DeepLabV3+, EfficientNetV2, DenseNet121, ShuffleNetV2 | 图像 | 测试集中两种类型的苹果 | NA | NA | NA | NA |
| 12279 | 2025-05-03 |
Deep learning in neurosurgery: a systematic literature review with a structured analysis of applications across subspecialties
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1532398
PMID:40308224
|
系统文献综述 | 本研究系统综述了深度学习在神经外科实践中的应用，全面了解深度学习在神经外科中的角色 | 提供了深度学习技术在神经外科各亚专科中的具体应用、局限性和未来方向的系统综述 | 深度学习模型在神经外科实践中的整合面临挑战和限制 | 系统评估深度学习在神经外科实践中的应用及其潜力 | 神经外科各亚专科的深度学习应用研究 | 数字病理 | 神经外科相关疾病 | 深度学习 | DL算法 | 视频、图像、CT、MRI和超声数据 | 181篇符合条件的研究文章 | NA | NA | NA | NA |
| 12280 | 2025-05-03 |
An android-smartphone application for rice panicle detection and rice growth stage recognition using a lightweight YOLO network
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1561632
PMID:40308302
|
研究论文 | 本研究开发了一个基于改进YOLOv8模型的安卓智能手机应用，用于水稻穗检测和生长阶段识别 | 提出了YOLO_ECO模型，通过C2f-Faster-EMA模块、Slim Neck结构和LSCD头部等改进，显著提升了检测效率和精度 | NA | 提高精准田间管理水平以最大化粮食产量 | 水稻穗及其生长阶段（孕穗期、抽穗期和灌浆期） | 计算机视觉 | NA | 深度学习 | YOLO_ECO（改进的YOLOv8） | 图像 | NA | NA | NA | NA | NA |