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 33366 篇文献，本页显示第 13341 - 13360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13341 | 2025-05-03 |
Reconstructing illusory camouflage patterns on moth wings using computer vision
2025-Apr, Journal of the Royal Society, Interface
DOI:10.1098/rsif.2024.0757
PMID:40304197
|
research paper | 利用计算机视觉技术重建蛾翅膀上的伪装图案，探索动物颜色图案如何利用深度感知机制产生错觉 | 首次利用先进的计算机视觉算法（如单图像单目深度估计）来重建动物颜色图案产生的潜在视觉错觉 | 研究仅针对六种蛾类物种，且深度感知模型的性能受限于自然世界的经验 | 探索动物颜色图案如何利用单目深度线索（如阴影）产生三维错觉，以实现伪装等功能 | 六种蛾类（鳞翅目）的翅膀图案 | computer vision | NA | intrinsic image decomposition, deep learning | Retinex-based model, deep-learning models | image | 六种蛾类物种的翅膀图案 | NA | NA | NA | NA |
| 13342 | 2025-05-03 |
Deep Equilibrium Unfolding Learning for Noise Estimation and Removal in Optical Molecular Imaging
2025-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种端到端模型驱动的深度平衡展开Mamba（DEQ-UMamba），用于光学分子成像中的噪声估计和去除 | 结合近端梯度下降技术和学习的空间-频率特性，将复杂噪声结构解耦为统计分布，实现荧光图像中的有效噪声估计和抑制 | 未明确提及具体局限性 | 解决光学分子成像中因高帧率和低激发剂量导致的图像噪声问题 | 荧光图像 | 计算机视觉 | NA | 光学分子成像 | DEQ-UMamba | 图像 | 临床和体内数据集 | NA | NA | NA | NA |
| 13343 | 2025-05-03 |
ResViT FusionNet Model: An explainable AI-driven approach for automated grading of diabetic retinopathy in retinal images
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109656
PMID:39823821
|
research paper | 提出了一种名为ResViT FusionNet的混合模型，用于糖尿病视网膜病变的自动分级 | 结合了CNN（特别是ResNet50）和Vision Transformers（ViTs）的优势，并采用可解释AI技术（如LIME和Grad-CAM）提高模型的透明度和可解释性 | 未提及具体的数据集规模或模型在多样化数据集上的泛化能力 | 开发一种自动、准确且个性化的机器学习方法，用于早期糖尿病视网膜病变的检测和治疗 | 糖尿病视网膜病变（DR）的视网膜图像 | computer vision | 糖尿病视网膜病变 | 数据增强（包括像素值重缩放、水平翻转、旋转和缩放） | ResViT FusionNet（结合CNN和ViT的混合模型） | 图像 | NA | NA | NA | NA | NA |
| 13344 | 2025-05-03 |
Residual-attention deep learning model for atrial fibrillation detection from Holter recordings
2025 Mar-Apr, Journal of electrocardiology
IF:1.3Q3
|
研究论文 | 本研究开发了一种基于残差注意力机制的深度学习模型，用于从Holter记录中检测心房颤动 | 结合残差网络与注意力机制，能够捕捉长程依赖关系和复杂时间模式，在外部数据集验证中表现优异 | 需要更大规模队列的进一步验证和发展 | 开发用于心房颤动检测的深度学习模型 | Holter记录的心电信号 | 机器学习 | 心血管疾病 | 深度学习 | CNN, 注意力机制 | 心电信号 | 661个Holter记录，由心脏病专家手动标注 | NA | 残差注意力网络 | 灵敏度, 特异性, AUC-ROC | NA |
| 13345 | 2025-05-03 |
GestaltGAN: synthetic photorealistic portraits of individuals with rare genetic disorders
2025-Mar, European journal of human genetics : EJHG
IF:3.7Q2
DOI:10.1038/s41431-025-01787-z
PMID:39815041
|
研究论文 | 使用改进的StyleGAN架构生成罕见遗传疾病患者的合成逼真肖像 | 提出GestaltGAN模型，能够生成保留疾病特征同时保护患者隐私的合成肖像，并开发了一种生成清晰详细平均患者肖像的技术 | 仅针对GestaltMatcher数据库中20种最常见疾病进行训练，样本覆盖范围有限 | 探索生成神经网络在合成罕见疾病准确肖像方面的应用 | 罕见遗传疾病患者的面部特征 | 计算机视觉 | 遗传疾病 | StyleGAN架构改进、REAL-ESRGAN超分辨率技术 | GAN | 图像 | GestaltMatcher数据库中20种最常见疾病的患者肖像数据，外加63名人类专家验证 | NA | NA | NA | NA |
| 13346 | 2025-05-03 |
Artificial intelligence-based biomarkers for treatment decisions in oncology
2025-Mar, Trends in cancer
IF:14.3Q1
DOI:10.1016/j.trecan.2024.12.001
PMID:39814650
|
review | 本文综述了人工智能在肿瘤治疗决策中的应用，特别是通过深度学习和大型语言模型提供成本效益高的生物标志物 | 提出了基于人工智能的生物标志物，用于支持癌症治疗决策，包括深度学习和大型语言模型的应用 | 讨论了这些技术的当前局限性，并提出了在常规临床实践中采用的下一步步骤 | 探索人工智能在肿瘤治疗决策中的应用，以减少社会经济差异并提高治疗的可及性 | 实体肿瘤的治疗决策 | digital pathology | solid tumors | deep learning, large language models | DL, LLMs | medical imaging, electronic health records | NA | NA | NA | NA | NA |
| 13347 | 2025-05-03 |
Enhancing plant morphological trait identification in herbarium collections through deep learning-based segmentation
2025 Mar-Apr, Applications in plant sciences
IF:2.7Q2
DOI:10.1002/aps3.70000
PMID:40308899
|
研究论文 | 本文提出了一种基于深度学习的植物标本图像分割方法，用于去除非植物背景并提升植物形态特征识别的分类性能 | 提出了一种新颖的深度学习分割方法，用于植物标本图像中非植物背景的去除，显著减少了训练数据准备的所需人工工作量 | NA | 提升植物标本数字化收藏中植物形态特征识别的准确性 | 植物标本数字化扫描图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 13348 | 2025-05-03 |
Diffusion transformer model with compact prior for low-dose PET reconstruction
2025-Feb-07, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adac25
PMID:39832449
|
研究论文 | 提出一种基于扩散变换器模型（DTM）和紧凑先验的低剂量PET重建方法，以提高图像重建质量 | 首次将扩散模型和变换器模型结合用于PET重建，通过病灶细化块和交替方向乘子法增强病灶区域的恢复能力和细节保留 | 未提及具体的数据集规模或模型计算复杂度 | 提高低剂量PET图像的重建质量，减少辐射暴露同时保证可靠的成像效果 | 低剂量PET图像 | 数字病理 | NA | 扩散变换器模型（DTM） | 扩散模型与Transformer结合 | 医学图像（PET） | NA | NA | NA | NA | NA |
| 13349 | 2025-05-03 |
Working-memory load decoding model inspired by brain cognition based on cross-frequency coupling
2025-Feb, Brain research bulletin
IF:3.5Q2
|
研究论文 | 提出了一种基于跨频耦合的脑认知启发的多频多尺度混合Sinc卷积神经网络（MBSincNex），用于工作记忆负荷的解码 | 首次将跨频耦合机制应用于工作记忆负荷的解码，提出MBSincNex模型整合多频多尺度Sinc卷积，有效提取EEG数据的时频信息 | 研究仅基于自收集的三分类工作记忆数据集，未在其他公开数据集上验证模型的泛化能力 | 开发能够有效解码工作记忆负荷的深度学习模型 | 工作记忆过程中的脑电信号 | 脑机接口 | NA | EEG信号分析 | MBSincNex（多频多尺度混合Sinc卷积神经网络） | 脑电信号 | 自收集的三分类工作记忆数据集 | NA | NA | NA | NA |
| 13350 | 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 |
| 13351 | 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 |
| 13352 | 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 |
| 13353 | 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 |
| 13354 | 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 |
| 13355 | 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 |
| 13356 | 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 |
| 13357 | 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 |
| 13358 | 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 |
| 13359 | 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 |
| 13360 | 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 |