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 33632 篇文献，本页显示第 12401 - 12420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12401 | 2025-05-13 |
From classical approaches to artificial intelligence, old and new tools for PDAC risk stratification and prediction
2025-Jul, Seminars in cancer biology
IF:12.1Q1
DOI:10.1016/j.semcancer.2025.03.004
PMID:40147701
|
review | 本文探讨了胰腺导管腺癌（PDAC）风险分层的演变，比较了传统流行病学框架与AI驱动的方法 | 提出将AI技术整合到PDAC风险分层中，以动态模型整合多种数据集，发现新的相互作用和风险特征 | 临床转化中的挑战包括数据稀缺、模型可解释性和外部验证 | 开发可扩展的个性化预测工具，以改善PDAC的早期检测和患者预后 | 胰腺导管腺癌（PDAC） | machine learning | pancreatic cancer | genome-wide association studies, polygenic risk scores, radiomics | machine learning, deep learning | genetic, clinical, lifestyle, imaging data | NA | NA | NA | NA | NA |
| 12402 | 2025-05-13 |
Evaluating crash risk factors of farm equipment vehicles on county and non-county roads using interpretable tabular deep learning (TabNet)
2025-Jul, Accident; analysis and prevention
DOI:10.1016/j.aap.2025.108048
PMID:40252392
|
研究论文 | 本研究利用可解释的表格深度学习模型TabNet评估了农用设备车辆在县道和非县道上的碰撞风险因素 | 首次应用TabNet模型分析农用设备车辆事故严重性因素，并比较县道与非县道差异，提供特征重要性和SHAP图的可解释性 | 研究基于特定数据集，可能无法完全代表所有地区的农用设备车辆事故情况 | 评估农用设备车辆在不同类型道路上的碰撞风险因素，为制定针对性安全措施提供依据 | 涉及农用设备车辆的交通事故 | 机器学习 | NA | TabNet, SMOTE, SHAP | TabNet | 表格数据 | 未明确说明具体样本量（农用设备车辆事故数据） | NA | NA | NA | NA |
| 12403 | 2025-10-07 |
A general deep learning model for predicting and classifying pea protein content via visible and near-infrared spectroscopy
2025-Jun-30, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143617
PMID:40049135
|
研究论文 | 本研究开发了一种基于改进卷积神经网络架构的PeaNet模型，用于通过可见光和近红外光谱预测和分类豌豆蛋白含量 | 提出了一种通用的深度学习模型PeaNet，在豌豆蛋白含量预测和分类任务中显著优于传统机器学习模型和常规深度学习架构 | 模型仅在52个豌豆品种的156个光谱数据集上验证，样本多样性可能有限 | 开发快速准确的豌豆蛋白含量检测方法，用于育种和食品质量控制 | 豌豆蛋白含量 | 机器学习 | NA | 可见光和近红外光谱 | CNN | 光谱数据 | 52个豌豆品种的156个光谱数据集 | NA | 改进的卷积神经网络 | R值, 分类准确率 | NA |
| 12404 | 2025-05-13 |
Forecasting climate change effects on Saline Lakes through advanced remote sensing and deep learning
2025-Jun-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.179582
PMID:40324314
|
研究论文 | 本研究通过先进的遥感和深度学习技术预测气候变化对盐湖的影响 | 结合SRGAN和MRS技术提升卫星图像分辨率，并利用CA-Markov模型和LSTM算法高精度预测盐湖未来变化 | 研究结果依赖于RCP8.5气候情景假设，可能无法涵盖所有潜在气候变化情况 | 预测气候变化对盐湖特征及周边生态环境的影响 | 查卡湖、图兹湖和拉扎扎湖等盐湖 | 遥感与深度学习 | NA | SRGAN、MRS、CA-Markov建模、LSTM算法 | SRGAN、LSTM | 卫星图像 | 查卡湖、图兹湖和拉扎扎湖等多个盐湖的长期观测数据 | NA | NA | NA | NA |
| 12405 | 2024-12-05 |
Correction to: Deep learning-based reconstruction improves the image quality of low-dose CT enterography in patients with inflammatory bowel disease
2025-Jun, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04694-x
PMID:39630201
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12406 | 2024-12-12 |
Evaluating deep learning and radiologist performance in volumetric prostate cancer analysis with biparametric MRI and histopathologically mapped slides
2025-Jun, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04734-6
PMID:39658736
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12407 | 2025-10-07 |
DKCN-Net: Deep kronecker convolutional neural network-based lung disease detection with federated learning
2025-Jun, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出基于深度克罗内克卷积神经网络和联邦学习的肺部疾病检测方法 | 结合联邦学习保护数据隐私，提出新型DKCN-Net网络架构，集成深度克罗内克神经网络和平行卷积神经网络 | NA | 开发在保护隐私前提下实现高稳定性肺部疾病检测的深度学习技术 | 肺部CT图像中的疾病检测 | 计算机视觉 | 肺癌 | CT成像 | CNN, 联邦学习 | CT图像 | 来自LIDC-IDRI数据库的CT图像 | NA | DKCN-Net, DKN, PCNN, 3D-FCN | 准确率, 损失率, 均方误差, 真阳性率, 真阴性率 | NA |
| 12408 | 2025-10-07 |
Bootstrap inference and machine learning reveal core differential plasma metabolic connectome signatures in major depressive disorder
2025-Jun-01, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2025.02.109
PMID:40044084
|
研究论文 | 通过自助法推断和机器学习识别重度抑郁症患者血浆代谢连接组的核心差异特征 | 首次在大规模人群中构建代谢相关性网络并识别MDD特异的网络特征，突破了传统单一生化标志物分析的局限 | 研究基于横断面数据，无法确定代谢网络改变与抑郁症的因果关系 | 揭示重度抑郁症的代谢网络特征并开发诊断模型 | 182,053名UK Biobank参与者（9,425名MDD患者和172,628名健康对照） | 机器学习 | 重度抑郁症 | 血浆代谢组学 | 深度学习, 机器学习, XGBoost | 代谢组数据 | 182,053人 | NA | NA | 准确率, AUROC | NA |
| 12409 | 2025-10-07 |
Development of a digital algorithm for assessing tumor-stroma ratio, tumor budding and tumor infiltrating lymphocytes in vulvar squamous cell carcinomas
2025-Jun, Annals of diagnostic pathology
IF:1.5Q3
|
研究论文 | 开发用于评估外阴鳞状细胞癌中肿瘤-间质比率、肿瘤出芽和肿瘤浸润淋巴细胞的全自动数字算法 | 首次针对VSCC开发集成TSR、TB和TILs评估的深度学习算法，实现无需人工校正的自动化定量分析 | 样本量较小（41例VSCC），需在更大队列中验证算法并与临床预后关联 | 开发数字化评估方法并探索p16状态对肿瘤微环境特征的影响 | 外阴鳞状细胞癌组织样本 | 数字病理 | 外阴鳞状细胞癌 | 免疫组织化学染色（CD3/细胞角蛋白、CD8/细胞角蛋白） | 深度学习 | 病理组织图像 | 41例VSCC病例（独立训练集+研究队列） | NA | NA | 一致性分析（与人工评估对比） | NA |
| 12410 | 2025-05-13 |
Enhancing atrial fibrillation detection in PPG analysis with sparse labels through contrastive learning
2025-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108698
PMID:40054320
|
研究论文 | 本研究探讨了自监督对比学习在基于PPG的心房颤动检测中的应用，以减少对标记数据的依赖 | 使用自监督对比学习框架（SimCLR和BYOL）预训练模型，显著减少了对标记数据的需求，并在少量标记数据上微调后取得了优于监督学习的效果 | 研究仅针对PPG数据，未验证在其他生理信号上的适用性 | 提高基于PPG的心房颤动检测的准确性，同时减少对标记数据的依赖 | PPG信号数据 | 机器学习 | 心血管疾病 | 对比学习（SimCLR和BYOL） | 自监督学习模型 | PPG信号 | 1,209小时未标记PPG数据（来自VitalDB数据库）以及少量标记数据（来自MIMIC III、UMass和DeepBeat数据集） | NA | NA | NA | NA |
| 12411 | 2025-05-13 |
Automated Detection of Microcracks Within Second Harmonic Generation Images of Cartilage Using Deep Learning
2025-Jun, Journal of orthopaedic research : official publication of the Orthopaedic Research Society
IF:2.1Q2
DOI:10.1002/jor.26071
PMID:40113341
|
research paper | 该研究开发了一个基于YOLOv8的深度学习模型，用于自动检测、分割和量化软骨微裂纹 | 首次使用YOLOv8深度学习模型自动化检测软骨微裂纹，显著提高了检测效率和准确性 | 模型在微裂纹方向估计上存在中等程度的变异性，数据集需要扩展到更多解剖区域和疾病阶段 | 开发自动化工具以促进软骨微裂纹研究，并理解早期软骨损伤 | 关节软骨中的微裂纹 | digital pathology | osteoarthritis | second harmonic generation (SHG) imaging | YOLOv8 | image | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 12412 | 2025-05-13 |
Computer-aided assessment for enlarged fetal heart with deep learning model
2025-May-16, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112288
PMID:40343273
|
研究论文 | 本文提出了一种基于YOLO架构的深度学习方法，用于自动化胎儿心脏扩大的评估 | 使用YOLOv8结合CBAM模块以及ResNeXtBlock残差网络，提高了胎儿心脏扩大检测的准确性和预测一致性 | 需要进一步验证以确认其临床适用性 | 通过自动化评估胎儿心脏扩大，提高产前筛查的准确性和效率 | 胎儿心脏扩大的超声视频 | 计算机视觉 | 先天性心脏病 | 深度学习 | YOLOv8, YOLOv11, ResNeXtBlock | 超声视频 | NA | NA | NA | NA | NA |
| 12413 | 2025-05-13 |
NeuroPred-AIMP: Multimodal Deep Learning for Neuropeptide Prediction via Protein Language Modeling and Temporal Convolutional Networks
2025-May-12, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00444
PMID:40258183
|
研究论文 | 提出了一种名为NeuroPred-AIMP的多模态深度学习模型，用于通过蛋白质语言建模和时间卷积网络预测神经肽 | 结合蛋白质语言模型(ESM)的全局语义表示和时间卷积网络(TCN)的多尺度结构特征，引入残差增强的自适应特征融合机制，动态重新校准特征贡献，实现进化和局部序列信息的稳健整合 | 依赖于有限的实验验证数据，可能影响模型的泛化能力 | 提高神经肽识别的准确性，以促进神经系统疾病治疗和基于肽的药物设计 | 神经肽 | 自然语言处理 | 神经系统疾病 | 蛋白质语言建模，时间卷积网络 | ESM, TCN | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 12414 | 2025-05-13 |
COLOR: A Compositional Linear Operation-Based Representation of Protein Sequences for Identification of Monomer Contributions to Properties
2025-May-12, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00205
PMID:40272990
|
research paper | 该论文提出了一种基于可解释深度学习模型的蛋白质序列表示方法，用于识别单体对蛋白质特性的贡献 | 引入具有可解释步骤的深度学习模型，直接追踪单体贡献，并提出新的定量分析指标 | 主要应用于分类任务，如结合位点识别，且在这些任务中准确率有限（40-45%） | 开发一种可解释的蛋白质序列表示方法，用于识别关键功能基序 | 蛋白质序列，特别是抗癌肽（ACP）、抗菌肽（AMP）和胶原蛋白 | natural language processing | NA | 深度学习，可解释AI（XAI） | DL | 蛋白质序列数据 | 主要包含抗癌肽（ACP）、抗菌肽（AMP）和胶原蛋白的数据集 | NA | NA | NA | NA |
| 12415 | 2025-05-13 |
Development and evaluation of an early childhood caries prediction model: a deep learning-based hybrid statistical modelling approach
2025-May-12, European archives of paediatric dentistry : official journal of the European Academy of Paediatric Dentistry
IF:2.3Q2
DOI:10.1007/s40368-025-01046-1
PMID:40354021
|
研究论文 | 开发并评估了一种基于深度学习的混合统计模型，用于预测儿童早期龋齿（ECC） | 结合了bootstrap方法、逻辑回归建模（LRM）和多层前馈神经网络（MLFFNN）的混合统计方法，提高了预测的准确性和可解释性 | 样本量较小（157对亲子），且研究设计为横断面研究，可能限制了结果的普遍性 | 开发并评估一种高准确性和可解释性的儿童早期龋齿预测模型 | 157对亲子 | 机器学习 | 儿童早期龋齿 | bootstrap方法、逻辑回归建模（LRM）、多层前馈神经网络（MLFFNN） | 混合统计模型（LRM + MLFFNN） | 问卷调查数据 | 157对亲子 | NA | NA | NA | NA |
| 12416 | 2025-05-13 |
Enhancing segmentation accuracy of the common iliac vein in OLIF51 surgery in intraoperative endoscopic video through gamma correction: a deep learning approach
2025-May-11, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03388-z
PMID:40349282
|
研究论文 | 本研究开发并评估了一种深度学习模型，用于在OLIF51手术中从术中内窥镜视频中分割髂总静脉，以减少血管损伤风险 | 采用U-Net++与ResNet18结合的结构，并应用伽马校正预处理以提高分割精度 | 需要进一步研究和模型优化以适应临床应用 | 提高OLIF51手术中髂总静脉的分割准确性以减少血管损伤风险 | 髂总静脉 | 计算机视觉 | 退行性腰骶椎疾病 | 深度学习 | U-Net, U-Net++ with ResNet18 | 内窥镜视频图像 | 614张OLIF51手术内窥镜图像 | NA | NA | NA | NA |
| 12417 | 2025-05-13 |
Climate change prediction in Saudi Arabia using a CNN GRU LSTM hybrid deep learning model in al Qassim region
2025-May-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00607-0
PMID:40346151
|
研究论文 | 使用CNN-GRU-LSTM混合深度学习模型预测沙特阿拉伯Al-Qassim地区的气候变化趋势 | 提出了一种独特的CNN-GRU-LSTM混合深度学习架构，用于预测气候变化，并在所有四种气候情景中优于传统回归方法 | 研究仅针对沙特阿拉伯Al-Qassim地区，可能无法推广到其他地区 | 预测气候变化趋势，以指导环境政策和城市发展决策 | Al-Qassim地区的气候数据 | 机器学习 | NA | SMOGN（合成少数过采样技术回归与高斯噪声） | CNN-GRU-LSTM混合模型 | 气候数据（温度、露点温度、能见度距离、海平面气压） | 数据集分为训练集（70%）、验证集（15%）和测试集（15%） | NA | NA | NA | NA |
| 12418 | 2025-05-13 |
Scoping review of deep learning research illuminates artificial intelligence chasm in otolaryngology-head and neck surgery
2025-May-10, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01693-0
PMID:40346307
|
综述 | 本文通过范围综述分析了1996年至2023年间耳鼻咽喉头颈外科（OHNS）领域的深度学习研究，揭示了该领域人工智能（AI）技术的临床验证不足 | 首次全面评估了OHNS领域深度学习研究的现状，揭示了AI技术在该领域临床验证的严重缺失 | 仅分析了已发表的研究，可能未涵盖未发表或正在进行的研究 | 评估OHNS领域深度学习研究的现状和临床验证情况 | 1996-2023年间发表的OHNS领域深度学习研究 | 人工智能在医疗健康中的应用 | 耳鼻咽喉头颈外科疾病 | 深度学习 | CNN | 图像 | 444篇符合纳入标准的研究文章 | NA | NA | NA | NA |
| 12419 | 2025-05-11 |
Author Correction: Deep learning and genome-wide association meta-analyses of bone marrow adiposity in the UK Biobank
2025-May-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59574-9
PMID:40346038
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12420 | 2025-05-13 |
Multiparameter MRI-based model integrating radiomics and deep learning for preoperative staging of laryngeal squamous cell carcinoma
2025-May-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01270-1
PMID:40346120
|
研究论文 | 本研究建立了一个基于多参数MRI的模型，结合放射组学和深度学习，用于喉鳞状细胞癌的术前分期 | 结合放射组学和深度学习特征，构建了一个综合模型，显著提高了术前分期的准确性 | 研究仅基于两个中心的数据，可能存在一定的样本偏差 | 提高喉鳞状细胞癌术前分期的准确性，为临床决策提供指导 | 401例经组织学确认的喉鳞状细胞癌患者 | 数字病理 | 喉鳞状细胞癌 | MRI | ResNet 18, 随机森林(RF) | MRI图像 | 401例患者（训练集：213例；内部测试集：91例；外部测试集：97例） | NA | NA | NA | NA |