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 32372 篇文献，本页显示第 13361 - 13380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13361 | 2025-10-07 |
Neurosurgery inpatient outcome prediction for discharge planning with deep learning and transfer learning
2025-Feb, British journal of neurosurgery
IF:1.0Q3
DOI:10.1080/02688697.2022.2151565
PMID:36458628
|
研究论文 | 本研究使用深度学习和迁移学习预测神经外科住院患者的出院时间和出院目的地等临床结局 | 首次将迁移学习应用于神经外科住院患者的自由文本医疗数据，通过每日查房记录实现动态预测 | 研究样本量相对有限（1341例住院记录），仅基于单中心数据 | 开发能够辅助神经外科出院规划的住院患者结局预测模型 | 神经外科住院患者 | 自然语言处理 | 神经外科疾病 | 深度学习 | 人工神经网络 | 文本数据（入院记录和查房记录） | 1341例住院记录 | NA | 人工神经网络 | AUC | NA |
| 13362 | 2025-10-07 |
iMFP-LG: Identify Novel Multi-functional Peptides Using Protein Language Models and Graph-based Deep Learning
2025-Jan-15, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzae084
PMID:39585308
|
研究论文 | 提出了一种基于蛋白质语言模型和图注意力网络的多功能肽识别方法iMFP-LG | 首次结合蛋白质语言模型和图注意力网络进行多功能肽识别，并通过可视化注意力模式增强模型可解释性 | 仅从UniRef90数据库中筛选候选肽，未涵盖所有已知肽段 | 开发准确有效的多功能肽识别技术以促进其发现和机制理解 | 多功能生物活性肽和多功能治疗肽 | 生物信息学 | NA | 蛋白质语言模型，图注意力网络 | GAT | 氨基酸序列数据 | 数百万个已知肽段（来自UniRef90数据库） | NA | 图注意力网络 | NA | NA |
| 13363 | 2025-04-23 |
EnsembleSE: identification of super-enhancers based on ensemble learning
2025-Jan-15, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elaf003
PMID:40251827
|
research paper | 提出了一种基于集成学习的超增强子识别方法EnsembleSE，用于更有效地识别基因调控网络中的超增强子 | 集成不同模型的优势，提出基于集成策略的模型，增强模型的泛化能力，并设计了一种结合局部结构和全局信息的多角度特征表示方法 | 需要大量标记数据进行训练，限制了其在生物数据中的进一步应用 | 提高超增强子识别的准确性和效率，以支持基因调控网络和疾病机制的研究 | 超增强子（SEs） | machine learning | NA | ensemble learning | ensemble model | sequence data | 在小鼠和人类数据集上进行了评估 | NA | NA | NA | NA |
| 13364 | 2025-10-07 |
FedPneu: Federated Learning for Pneumonia Detection across Multiclient Cross-Silo Healthcare Datasets
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出基于联邦学习的肺炎检测模型FedPneu，通过多客户端架构在保护数据隐私的同时实现肺炎早期检测 | 采用联邦学习框架解决医疗影像数据隐私问题，在多客户端架构下实现分布式肺炎检测 | 仅测试了2-5个客户端架构，未探索更多客户端场景；最高准确率为85.632%，仍有提升空间 | 开发隐私保护的肺炎检测深度学习模型 | X射线影像数据 | 计算机视觉 | 肺炎 | X射线成像 | 深度学习 | 医学影像 | NA | NA | NA | 准确率, 损失值, 计算时间 | NA |
| 13365 | 2025-10-07 |
All-atom RNA structure determination from cryo-EM maps
2025-Jan, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-024-02149-8
PMID:38396075
|
研究论文 | 开发了一种从冷冻电镜图谱中自动确定全原子RNA结构的新方法EMRNA | 首个整合深度学习核苷酸检测、三维骨架追踪和全原子构建的自动化RNA结构测定方法 | 验证数据集中在37-423个核苷酸长度和2.0-6.0Å分辨率的RNA图谱 | 解决从冷冻电镜图谱中确定RNA结构的挑战 | RNA分子结构 | 结构生物学 | NA | 冷冻电镜(cryo-EM) | 深度学习 | 冷冻电镜图谱 | 140个不同的RNA图谱(37-423个核苷酸) | NA | NA | 均方根偏差(RMSD), TM-score, 残基覆盖率, 序列匹配率 | NA |
| 13366 | 2025-10-07 |
Integrative deep learning framework predicts lipidomics-based investigation of preservatives on meat nutritional biomarkers and metabolic pathways
2025, Critical reviews in food science and nutrition
IF:7.3Q1
DOI:10.1080/10408398.2023.2295016
PMID:38127336
|
综述 | 基于脂质组学、代谢组学和蛋白质组学分析，探讨防腐剂对肉制品代谢途径和营养生物标志物的影响，并提出深度学习框架预测脂质结合趋势 | 提出整合深度学习框架DisoLipPred，利用深度循环网络和迁移学习预测蛋白质无序区域的脂质结合趋势 | 传统肉品质量评估工具无法阐明防腐剂影响肉制品质量的内在机制和途径 | 研究防腐剂对肉制品营养生物标志物和代谢途径的影响 | 肉制品及其营养生物标志物 | 机器学习 | NA | 脂质组学, 代谢组学, 蛋白质组学 | 深度循环网络, 深度神经网络, 卷积神经网络, 人工神经网络 | 蛋白质序列数据, 多组学数据 | NA | NA | NA | NA | NA |
| 13367 | 2025-04-23 |
Transforming physical fitness and exercise behaviors in adolescent health using a life log sharing model
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1562151
PMID:40255372
|
研究论文 | 本研究探讨了基于深度学习的生命日志共享模型（LLSM）在通过个性化公共卫生干预增强青少年身体素质和锻炼行为方面的潜力 | 开发了一种混合时空卷积神经网络-双向长短期记忆（TS-CNN-BiLSTM）模型，整合了多模态生命日志数据的时间、文本和视觉特征，用于分类和预测身体活动行为 | 未提及具体局限性 | 通过个性化公共卫生干预增强青少年身体素质和锻炼行为 | 青少年 | 机器学习 | NA | 深度学习 | TS-CNN-BiLSTM | 多模态生命日志数据（运动类型、持续时间、强度） | 两个数据集：Geo-Life Log（带位置数据）和Time-Life Log（不带位置数据） | NA | NA | NA | NA |
| 13368 | 2025-04-23 |
RNA secondary structure prediction by conducting multi-class classifications
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.04.001
PMID:40256169
|
研究论文 | 本研究提出了一种通过多类别分类预测RNA二级结构的简单方法，无需复杂的后处理步骤 | 将RNA二级结构预测视为多个多类别分类问题，避免了复杂的后处理步骤，并引入了数据增强和跨RNA家族评估性能下降缓解方法 | 未提及具体的数据集规模或模型在特定RNA家族上的局限性 | 改进RNA二级结构预测的准确性和简化预测流程 | RNA二级结构 | 自然语言处理 | NA | 深度学习 | 注意力机制和CNN | RNA序列数据 | NA | NA | NA | NA | NA |
| 13369 | 2025-04-23 |
Enhancing Gamma Knife Cone-beam Computed Tomography Image Quality Using Pix2pix Generative Adversarial Networks: A Deep Learning Approach
2025 Jan-Mar, Journal of medical physics
IF:0.7Q4
DOI:10.4103/jmp.jmp_140_24
PMID:40256180
|
研究论文 | 本研究开发了一种改进的Pix2Pix卷积神经网络框架，用于提升锥形束计算机断层扫描（CBCT）图像质量，并减少Hounsfield单位（HU）的变异 | 使用改进的Pix2Pix生成对抗网络（GAN）框架，将CBCT图像转换为高质量合成CT（sCT）图像，显著提升了图像质量 | 研究样本量较小（50名患者），可能影响模型的泛化能力 | 提升CBCT图像质量，使其更接近CT图像，以用于放射外科手术 | 50名接受伽玛刀治疗的患者 | 计算机视觉 | NA | 锥形束计算机断层扫描（CBCT） | Pix2Pix GAN | 图像 | 50名患者的7484张512×512像素的切片图像（40名用于训练，10名用于测试） | NA | NA | NA | NA |
| 13370 | 2025-04-23 |
Evaluation of Low-dose Computed Tomography Images Reconstructed Using Artificial Intelligence-based Adaptive Filtering for Denoising: A Comparison with Computed Tomography Reconstructed with Iterative Reconstruction Algorithm
2025 Jan-Mar, Journal of medical physics
IF:0.7Q4
DOI:10.4103/jmp.jmp_115_24
PMID:40256183
|
research paper | 本研究评估了基于人工智能的自适应滤波去噪技术在低剂量计算机断层扫描（CT）图像重建中的应用，并与迭代重建算法进行了比较 | 首次比较了AI去噪工具PixelShine与迭代重建算法在不同低剂量条件下的图像质量，发现AI在33%标准剂量下表现更优 | 研究样本量有限（85例），且为回顾性研究 | 评估AI去噪技术在低剂量CT图像重建中的诊断价值 | 低剂量CT图像 | digital pathology | NA | 低剂量CT扫描 | deep learning | medical image | 85例CT扫描病例（32例FBP重建，53例IR重建） | NA | NA | NA | NA |
| 13371 | 2025-04-23 |
A new method for early diagnosis and treatment of meniscus injury of knee joint in student physical fitness tests based on deep learning method
2025, BioImpacts : BI
IF:2.2Q3
DOI:10.34172/bi.30419
PMID:40256232
|
research paper | 提出了一种基于深度学习的膝关节半月板损伤早期诊断和治疗方法，用于学生体能测试 | 采用增强版的U-Net算法进行图像分割，结合集成方法进行损伤类型识别，提高了诊断的准确性和及时性 | 研究仅基于MRI图像数据集，未涉及其他类型的医学影像数据 | 提高学生体能测试中膝关节半月板损伤的早期诊断和治疗效果 | 学生体能测试中的膝关节半月板损伤 | digital pathology | 膝关节半月板损伤 | MRI | U-Net | image | 一个知名的膝关节损伤MRI图像数据集 | NA | NA | NA | NA |
| 13372 | 2025-04-23 |
The diagnostic and prognostic value of C1orf174 in colorectal cancer
2025, BioImpacts : BI
IF:2.2Q3
DOI:10.34172/bi.30566
PMID:40256241
|
research paper | 该研究通过生物信息学和机器学习算法分析RNA和microRNA测序数据，鉴定结直肠癌中的差异表达基因，并验证了C1orf174的诊断和预后价值 | 发现了五个新的预后基因，包括C1orf174，并通过机器学习算法确定了高准确度的诊断标志物组合 | 研究依赖于TCGA数据库的数据，未提及独立验证队列的结果 | 鉴定结直肠癌的新型生物标志物，用于早期检测和预后评估 | 结直肠癌患者和正常对照的RNA和microRNA测序数据 | digital pathology | colorectal cancer | RNA-seq, microRNA sequencing, Real-time PCR | Deep learning, Decision Tree, SVM | RNA-seq data, microRNA data | 631个样本（398例患者和233例正常对照） | NA | NA | NA | NA |
| 13373 | 2025-04-23 |
Mortality prediction of heart transplantation using machine learning models: a systematic review and meta-analysis
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1551959
PMID:40256322
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估机器学习模型在预测心脏移植后死亡率中的性能 | 比较了多种机器学习算法在心脏移植后死亡率预测中的表现，并识别了影响模型准确性的因素 | 研究存在显著的异质性和偏倚，需要标准化方法和进一步的外部验证以提高临床适用性 | 评估机器学习算法在预测心脏移植后死亡率中的性能并优化决策过程 | 心脏移植患者 | 机器学习 | 心血管疾病 | 机器学习算法（如随机森林、CatBoost、神经网络等） | 随机森林、CatBoost、神经网络、K近邻 | 临床数据 | 17项研究纳入综述，12项研究纳入荟萃分析 | NA | NA | NA | NA |
| 13374 | 2025-04-23 |
Machine learning vs human experts: sacroiliitis analysis from the RAPID-axSpA and C-OPTIMISE phase 3 axSpA trials
2025, Rheumatology advances in practice
IF:2.1Q3
DOI:10.1093/rap/rkae118
PMID:40256636
|
研究论文 | 本研究评估了深度学习模型在检测轴型脊柱关节炎（axSpA）患者骶髂关节炎中的性能，并与专家评估进行了比较 | 使用深度学习模型减少诊断时间并最小化读者间差异，首次在RAPID-axSpA和C-OPTIMISE试验中进行评估 | 模型在C-OPTIMISE队列中的特异性较低（56%），Cohen's κ值仅为0.48 | 评估深度学习模型在检测axSpA患者骶髂关节炎中的性能，以加速诊断并减少医疗资源使用 | RAPID-axSpA（n=277）和C-OPTIMISE（n=739）试验中的axSpA患者 | 数字病理学 | 轴型脊柱关节炎 | 深度学习 | 深度学习模型（基于迁移学习） | X光影像 | RAPID-axSpA（277例）和C-OPTIMISE（739例）患者的基线X光影像 | NA | NA | NA | NA |
| 13375 | 2025-10-07 |
SVMVGGNet-16: A Novel Machine and Deep Learning Based Approaches for Lung Cancer Detection Using Combined SVM and VGGNet-16
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出结合SVM和VGGNet-16的混合模型SVMVGGNet-16，用于肺癌检测和分类 | 首次将VGGNet-16与SVM结合形成混合模型，利用CNN的特征提取能力和SVM的分类优势 | 仅使用单一数据集，需要扩展数据集并进行临床验证 | 提高肺癌检测的准确性和可靠性 | 肺癌CT图像 | 计算机视觉 | 肺癌 | 医学影像分析 | CNN,SVM | 图像 | LIDC-IDRI数据集 | NA | VGGNet-16 | 准确率,AUC,召回率,精确率,F1分数 | NA |
| 13376 | 2025-04-23 |
Attention-aware Deep Learning Models for Dermoscopic Image Classification for Skin Disease Diagnosis
2025, Current medical imaging
IF:1.1Q3
|
research paper | 该研究利用深度学习模型结合注意力机制对皮肤镜图像进行分类，以提高皮肤疾病的诊断准确性 | 在预训练的CNN架构中集成了通道注意力和空间注意力机制，优化了特征提取和分类精度 | 未提及模型在临床环境中的实际应用效果或外部验证结果 | 利用深度学习方法分析皮肤镜图像，提高皮肤疾病的诊断准确性 | 七种类型的皮肤疾病 | computer vision | skin disease | deep learning, attention mechanism | CNN (RegNetX, EfficientNetB3, VGG19, ResNet-152) | image | NA | NA | NA | NA | NA |
| 13377 | 2025-10-07 |
Rectify ViT Shortcut Learning by Visual Saliency
2024-Dec, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3310531
PMID:37703160
|
研究论文 | 提出一种新颖的显著性引导视觉Transformer模型，用于纠正ViT中的捷径学习问题 | 首次在ViT框架中解决捷径学习问题，并提出无需眼动数据的视觉显著性引导方法 | 依赖计算视觉显著性模型的准确性，可能无法完全替代真实眼动数据 | 纠正视觉Transformer中的捷径学习问题，提高模型泛化能力和可解释性 | 自然图像和医学图像 | 计算机视觉 | NA | 视觉显著性建模，自注意力机制 | Transformer | 图像 | NA | NA | Vision Transformer (ViT) | NA | NA |
| 13378 | 2025-10-07 |
Medical Transformer: Universal Encoder for 3-D Brain MRI Analysis
2024-Dec, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3308712
PMID:37738193
|
研究论文 | 提出一种用于3D脑部MRI分析的通用编码器Medical Transformer，通过多视图方法和自监督学习实现高效迁移学习 | 将3D体积图像建模为2D图像切片序列，采用多视图方法利用3D体积三个平面的信息，同时提供参数高效的训练 | 仅使用健康脑部MRI数据进行预训练，在部分训练样本场景下的性能仍有提升空间 | 开发适用于医学图像分析的通用迁移学习框架 | 3D脑部磁共振成像(MRI) | 医学影像分析 | 脑部疾病 | 磁共振成像(MRI) | Transformer | 3D医学图像 | 大规模正常健康脑部MRI数据集 | NA | Transformer | 参数减少率, 分类性能, 回归性能, 分割性能 | NA |
| 13379 | 2025-10-07 |
Advancements in automated classification of chronic obstructive pulmonary disease based on computed tomography imaging features through deep learning approaches
2024 Nov-Dec, Respiratory medicine
IF:3.5Q2
DOI:10.1016/j.rmed.2024.107809
PMID:39299523
|
综述 | 本文综述了基于CT影像特征通过深度学习方法自动分类慢性阻塞性肺疾病的最新研究进展 | 系统总结了深度学习在COPD分类中分析关键放射学特征（气道改变、肺气肿和血管特征）的创新应用 | 未涉及具体实验验证，主要基于文献综述，缺乏实证数据支持 | 为COPD的个性化管理和治疗提供新视角 | 慢性阻塞性肺疾病（COPD）患者 | 医学影像分析 | 慢性阻塞性肺疾病 | 计算机断层扫描（CT） | 深度学习 | CT影像 | NA | NA | NA | NA | NA |
| 13380 | 2025-10-07 |
Deep Learning-Based Reconstruction Algorithm With Lung Enhancement Filter for Chest CT: Effect on Image Quality and Ground Glass Nodule Sharpness
2024-09, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.0472
PMID:39197828
|
研究论文 | 评估结合深度学习图像重建算法与肺部增强滤波器对胸部CT图像质量和磨玻璃结节清晰度的影响 | 首次将肺部增强滤波器与深度学习图像重建算法相结合，显著提升磨玻璃结节边缘清晰度 | 研究基于体模实验，未涉及真实患者数据验证 | 优化低剂量胸部CT的图像重建质量 | 胸部体模中的人工磨玻璃结节 | 医学影像处理 | 肺部结节 | CT扫描 | 深度学习图像重建 | CT图像 | 5个不同密度的人工磨玻璃结节，4个辐射剂量水平，共12组重建图像 | NA | Truefidelity | 图像噪声，信噪比，对比噪声比，半高全宽值 | 256排CT扫描仪（Revolution Apex CT, GE Healthcare） |