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 33776 篇文献，本页显示第 13861 - 13880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13861 | 2025-05-02 |
Establishing a GRU-GCN coordination-based prediction model for miRNA-disease associations
2025-Jan-14, BMC genomic data
IF:1.9Q3
DOI:10.1186/s12863-024-01293-z
PMID:39810100
|
研究论文 | 本研究开发了一种基于GRU-GCN协调的深度学习模型，用于预测miRNA与疾病之间的关联 | 引入了两种标记策略（基于权重和基于多数的定义）来分类miRNA-疾病关联，并开发了一种结合GRU和GCN的新型模型 | 模型性能依赖于标记策略的准确性，且数据集仅来自HMDD，可能限制了模型的泛化能力 | 提高miRNA与疾病关联预测的准确性和效率 | miRNA与疾病的关联 | 生物信息学 | NA | 深度学习 | GRU-GCN | 生物实验数据 | 来自HMDD的miRNA-疾病关联数据集 | NA | NA | NA | NA |
| 13862 | 2025-05-02 |
Diagnosis of Parkinson's disease by eliciting trait-specific eye movements in multi-visual tasks
2025-Jan-14, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-06044-3
PMID:39810187
|
研究论文 | 通过虚拟现实环境中的多任务眼动追踪技术，提取帕金森病特异性眼动异常特征，并利用深度学习算法建立辅助诊断模型 | 在虚拟现实环境中设计多任务以激发帕金森病特异性眼动异常，并首次提出深度学习算法对这些特征进行建模以实现辅助诊断 | 研究样本量相对较小（114名患者和125名健康对照），且仅在虚拟现实环境中验证 | 开发一种基于眼动特征的帕金森病辅助诊断方法 | 帕金森病患者和健康对照者的眼动数据 | 数字病理学 | 帕金森病 | 眼动追踪技术、虚拟现实技术 | 深度学习算法 | 眼动数据 | 114名帕金森病患者和125名健康对照者 | NA | NA | NA | NA |
| 13863 | 2025-05-02 |
Diagnosis and prognosis of melanoma from dermoscopy images using machine learning and deep learning: a systematic literature review
2025-Jan-13, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-024-13423-y
PMID:39806282
|
系统文献综述 | 本文综述了机器学习和深度学习在皮肤镜图像中用于黑色素瘤诊断和预后的最新进展 | 总结了多种深度学习架构（如DenseNet和ResNet）在黑色素瘤检测中的优异表现，并讨论了数据多样性、模型可解释性等挑战 | 存在数据多样性不足、模型可解释性有限以及计算资源需求高的挑战 | 探讨机器学习和深度学习在黑色素瘤诊断和预后中的应用潜力 | 皮肤镜图像 | 数字病理学 | 黑色素瘤 | 机器学习和深度学习 | DenseNet, ResNet, DCNN | 图像 | 34项研究（2016-2024年发表），涉及HAM10000、ISIC等数据集 | NA | NA | NA | NA |
| 13864 | 2025-05-02 |
MDFGNN-SMMA: prediction of potential small molecule-miRNA associations based on multi-source data fusion and graph neural networks
2025-Jan-13, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06040-4
PMID:39806287
|
研究论文 | 提出了一种基于多源数据融合和图神经网络的深度学习方法MDFGNN-SMMA，用于预测小分子与miRNA的潜在关联 | 结合多源数据融合和图神经网络技术，提出了一种新的预测小分子-miRNA关联的计算方法 | 方法依赖于现有数据库的准确性，且未在更广泛的独立数据集上进行验证 | 开发高效的计算方法来预测小分子与miRNA的关联，以替代传统实验方法 | 小分子(SMs)和miRNA | 生物信息学 | NA | Atom Pairs指纹、Molecular ACCess System指纹、K-mer特征 | GAT和GraphSAGE | 分子指纹特征、序列特征 | NA | NA | NA | NA | NA |
| 13865 | 2025-05-02 |
Optimizing hip MRI: enhancing image quality and elevating inter-observer consistency using deep learning-powered reconstruction
2025-Jan-13, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01554-y
PMID:39806303
|
研究论文 | 本研究探讨了深度学习重建（DLR）在优化髋关节MRI中的图像质量和观察者间一致性的潜力 | 利用深度学习重建技术显著减少了扫描时间，同时保持了图像质量，提高了诊断效率 | 研究样本量较小（60名患者），且为回顾性研究 | 优化髋关节MRI扫描，提高图像质量和临床效率 | 60名接受DL-MRI、常规MRI和无DL-MRI检查的患者 | 数字病理 | NA | 深度学习重建（DLR） | NA | MRI图像 | 60名患者 | NA | NA | NA | NA |
| 13866 | 2025-05-02 |
Effect of flipped classroom method on the reflection ability in nursing students in the professional ethics course; Solomon four-group design
2025-Jan-13, BMC medical education
IF:2.7Q1
DOI:10.1186/s12909-024-06556-y
PMID:39806386
|
研究论文 | 本研究探讨了翻转课堂教学方法对护理学生在专业伦理课程中反思能力的影响 | 使用所罗门四组设计来评估翻转课堂对学生反思能力的影响 | 样本量较小，仅80名护理学生参与 | 研究翻转课堂教学方法对护理学生反思能力的影响 | 护理学生 | 教育方法 | NA | 问卷调查 | NA | 问卷数据 | 80名护理学生 | NA | NA | NA | NA |
| 13867 | 2025-05-02 |
Annotation-free deep learning algorithm trained on hematoxylin & eosin images predicts epithelial-to-mesenchymal transition phenotype and endocrine response in estrogen receptor-positive breast cancer
2025-Jan-12, Breast cancer research : BCR
IF:6.1Q1
DOI:10.1186/s13058-025-01959-1
PMID:39800743
|
研究论文 | 本研究开发了一种基于H&E图像的深度学习算法，用于预测ER+乳腺癌的上皮-间质转化表型和内分泌治疗反应 | 无需标注的深度学习算法能够直接从H&E图像中预测EMT表型和内分泌治疗反应 | 研究依赖于公开数据库的数据，可能受到数据质量和样本量的限制 | 预测ER+乳腺癌的EMT表型和内分泌治疗反应 | ER+乳腺癌患者的H&E染色切片 | 数字病理学 | 乳腺癌 | 深度学习 | EfficientNetV2 | 图像 | 来自TCGA数据库的H&E染色切片和一个独立的ER+乳腺癌患者队列 | NA | NA | NA | NA |
| 13868 | 2025-05-02 |
Bird Species Detection Net: Bird Species Detection Based on the Extraction of Local Details and Global Information Using a Dual-Feature Mixer
2025-Jan-06, Sensors (Basel, Switzerland)
DOI:10.3390/s25010291
PMID:39797082
|
research paper | 提出了一种基于局部细节和全局信息双特征混合器的鸟类物种检测网络BSD-Net | 设计了双分支特征混合器和预测平衡模块，有效结合局部和全局信息，解决类别不平衡问题 | 未明确说明模型在复杂背景或极端光照条件下的性能 | 提高鸟类物种检测的准确性 | 鸟类图像数据 | computer vision | NA | deep learning | BSD-Net (包含DBFM和PBM模块) | image | 三个数据集：CUB-200-2011、Poyang Lake Bird dataset和FBD-SV-2024 | NA | NA | NA | NA |
| 13869 | 2025-05-02 |
A Deep Learning-Based Framework Oriented to Pathological Gait Recognition with Inertial Sensors
2025-Jan-05, Sensors (Basel, Switzerland)
DOI:10.3390/s25010260
PMID:39797052
|
research paper | 提出一个基于深度学习的框架，用于通过惯性传感器识别病理步态 | 利用健康受试者模拟步态障碍进行病理步态识别，减少了实验时间和样本量的需求 | 这是一个初步的可行性研究，需要在真实的病理数据上进行更现实的验证 | 开发一个能够识别正常和病理步态行为的系统，以支持临床医生早期检测步态障碍和实时跟踪康复进展 | 19名健康受试者的惯性数据 | machine learning | geriatric disease | 惯性传感器 | CNN | sensor data | 19名健康受试者 | NA | NA | NA | NA |
| 13870 | 2025-05-02 |
DHCT-GAN: Improving EEG Signal Quality with a Dual-Branch Hybrid CNN-Transformer Network
2025-Jan-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25010231
PMID:39797022
|
研究论文 | 提出了一种名为DHCT-GAN的双分支混合CNN-Transformer网络，用于提高EEG信号质量 | 采用双分支混合网络架构，独立学习干净EEG信号和伪迹信号的特征，并通过自适应门控网络融合信息，以生成去噪后的EEG信号 | 未提及具体局限性 | 改进EEG信号质量，有效去除生理伪迹 | EEG信号 | 机器学习 | 神经系统疾病 | EEG信号处理 | GAN, CNN, Transformer | EEG信号数据 | NA | NA | NA | NA | NA |
| 13871 | 2025-05-02 |
An FPGA-Based SiNW-FET Biosensing System for Real-Time Viral Detection: Hardware Amplification and 1D CNN for Adaptive Noise Reduction
2025-Jan-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25010236
PMID:39797026
|
研究论文 | 提出了一种基于FPGA的SiNW-FET生物传感系统，用于实时病毒检测，结合硬件放大和1D CNN进行自适应降噪 | 将SiNW-FET生物传感技术与FPGA实现的深度学习降噪相结合，创建了一个紧凑的系统，能够在实时病毒检测中实现高精度和低功耗 | 研究结果仅基于COMSOL和MATLAB的模拟，未进行物理原型或生物标志物检测实验 | 开发一种便携式、高灵敏度的实时病毒检测系统 | 病毒抗原的抗体-抗原相互作用 | 数字病理 | 病毒感染 | SiNW-FET生物传感技术 | 1D CNN | 阻抗信号 | NA | NA | NA | NA | NA |
| 13872 | 2025-05-02 |
π-PrimeNovo: an accurate and efficient non-autoregressive deep learning model for de novo peptide sequencing
2025-01-02, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-55021-3
PMID:39747823
|
研究论文 | 介绍了一种名为π-PrimeNovo的非自回归深度学习模型，用于高效准确地进行从头肽段测序 | 提出了一种非自回归Transformer模型，通过架构设计和CUDA增强的解码模块实现高精度和快速推理，显著优于现有方法 | 未明确提及具体限制 | 提高肽段测序的准确性和效率，特别是在大规模应用如元蛋白质组学中 | 肽段测序，特别是针对现有数据库中缺失的肽段 | 机器学习 | NA | 串联质谱(MS/MS) | 非自回归Transformer | 质谱数据 | NA | NA | NA | NA | NA |
| 13873 | 2025-05-02 |
Regression study on fruit-setting days of purple eggplant fruit based on in situ VIS-NIRS and attention cycle neural network
2025-Jan, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.17593
PMID:39801230
|
研究论文 | 本研究基于原位可见-近红外光谱和注意力循环神经网络，预测紫茄果实的坐果天数 | 首次提出基于果实光谱特征和循环神经网络回归的坐果天数预测方法，并构建了结合多尺度卷积、多头注意力机制和长短时记忆循环神经网络的回归网络 | NA | 开发紫茄果实成熟度的原位识别技术，以智能确定最佳采收时间 | 紫茄果实 | 计算机视觉 | NA | 可见-近红外光谱(VIS-NIRS) | 结合多尺度卷积、多头注意力机制和LSTM的循环神经网络 | 光谱数据 | 覆盖500-1000 nm波段的原位光谱数据，采集自坐果15-33天的紫茄果实 | NA | NA | NA | NA |
| 13874 | 2025-05-02 |
Enhancing Molecular Network-Based Cancer Driver Gene Prediction Using Machine Learning Approaches: Current Challenges and Opportunities
2025-Jan, Journal of cellular and molecular medicine
IF:4.3Q2
DOI:10.1111/jcmm.70351
PMID:39804102
|
review | 本文综述了机器学习方法在基于分子网络的癌症驱动基因预测中的应用及其挑战与机遇 | 探讨了深度学习，特别是基于图的模型，在提高癌症驱动基因预测的可扩展性和可解释性方面的新机会 | 未提及具体实验验证或实际应用效果的局限性 | 提升基于分子网络的癌症驱动基因预测的准确性和效率 | 癌症驱动基因 | machine learning | cancer | network propagation, graph neural networks, autoencoders, graph embeddings, attention mechanisms | graph-based models | mutation data, protein-protein interaction networks | NA | NA | NA | NA | NA |
| 13875 | 2025-05-02 |
A Deep Learning and PSSM Profile Approach for Accurate SNARE Protein Prediction
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4314-3_5
PMID:39806147
|
研究论文 | 提出了一种结合多尺度卷积神经网络和位置特异性评分矩阵谱的SNARE蛋白准确预测新方法 | 首次将多尺度CNN与PSSM谱结合用于SNARE蛋白识别，显著提高了分类准确性 | 未提及方法在跨物种预测中的泛化能力 | 开发高精度的SNARE蛋白预测工具以阐明其生物学功能 | SNARE蛋白质 | 生物信息学 | NA | PSI-BLAST特征提取 | 多尺度CNN | 蛋白质序列数据 | 未明确说明样本量 | NA | NA | NA | NA |
| 13876 | 2025-05-02 |
Enhancing the visual environment of urban coastal roads through deep learning analysis of street-view images: A perspective of aesthetic and distinctiveness
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317585
PMID:39808675
|
研究论文 | 本研究通过深度学习分析街景图像，结合人类感知数据，探讨城市滨水区视觉景观特征与人类感知之间的关系，并提出改善建议 | 结合深度学习和人类感知数据，首次对城市滨海道路的视觉环境进行美学和独特性感知分类 | 研究仅针对厦门市的滨海道路，可能无法完全代表其他城市的滨水区 | 研究城市滨海道路视觉景观特征与人类感知之间的关系，并提出改善建议 | 厦门市城市滨海道路的街景图像和人类感知数据 | 计算机视觉 | NA | 深度学习 | 线性回归和随机森林 | 图像 | 厦门市滨海道路的街景图像 | NA | NA | NA | NA |
| 13877 | 2025-05-02 |
A networked station system for high-resolution wind nowcasting in air traffic operations: A data-augmented deep learning approach
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316548
PMID:39808682
|
研究论文 | 本研究介绍了一种为马德拉国际机场设计的高分辨率风场临近预报模型，利用六个气象站网络数据和深度学习技术预测风速和风向 | 结合气象站网络数据和深度学习技术，提出了一种能在复杂风场环境下进行高精度风场临近预报的模型 | 研究仅针对马德拉国际机场，模型在其他机场的适用性有待验证 | 提高复杂环境机场的风场临近预报精度，以提升航空运营效率和安全性 | 马德拉国际机场的风速和风向数据 | 机器学习 | NA | 深度学习 | NA | 气象数据 | 六个气象站的数据 | NA | NA | NA | NA |
| 13878 | 2025-05-02 |
Deep Learning for Longitudinal Gross Tumor Volume Segmentation in MRI-Guided Adaptive Radiotherapy for Head and Neck Cancer
2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings
DOI:10.1007/978-3-031-83274-1_7
PMID:40297614
|
research paper | 该研究开发了一系列深度学习模型，用于头颈癌MRI引导的自适应放疗中纵向总肿瘤体积的自动分割 | 提出了基于SegResNet的深度学习模型，并引入了掩码感知注意力模块，以提高放疗中和放疗前肿瘤体积的分割精度 | 研究仅使用了内部测试集进行验证，未提及外部验证的结果 | 提高头颈癌MRI引导的自适应放疗中总肿瘤体积的自动分割精度 | 头颈癌患者的总肿瘤体积（GTV） | digital pathology | head and neck cancer | MRI | SegResNet | image | 未提及具体样本数量，但使用了放疗前和放疗中的MRI数据 | NA | NA | NA | NA |
| 13879 | 2025-05-02 |
Prediction of stress-strain behavior of rock materials under biaxial compression using a deep learning approach
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0321478
PMID:40299820
|
研究论文 | 提出一种基于长短期记忆自动编码器（LSTM-AE）的深度学习方法，用于预测离散元数值模拟中岩石材料的应力-应变曲线 | 使用LSTM网络构建编码器和解码器，提高了岩石材料应力-应变曲线预测的准确性 | LSTM-AE网络在处理大数据集时的扩展性及其对实验室数据集预测的适用性需要进一步验证 | 提高岩石材料应力-应变曲线预测的准确性 | 岩石材料 | 机器学习 | NA | 离散元数值模拟 | LSTM-AE, LSTM, RNN, BPNN, XGBoost | 数值模拟数据 | 10组特殊样本 | NA | NA | NA | NA |
| 13880 | 2025-05-02 |
Indoor fire and smoke detection based on optimized YOLOv5
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0322052
PMID:40299940
|
研究论文 | 本研究提出了一种基于遗传算法优化的YOLOv5模型（HPO-YOLOv5），用于室内火灾和烟雾检测，以提高检测准确性和实时性 | 结合遗传算法优化YOLOv5模型，并引入Grad-CAM技术提供模型预测的可视化解释，同时结合DeepSORT实现火灾进展的实时监测 | 研究仅针对室内场景，未涉及室外或其他复杂环境下的火灾检测 | 提高室内火灾和烟雾检测的准确性和实时性 | 室内火灾和烟雾 | 计算机视觉 | NA | 遗传算法、Grad-CAM、DeepSORT | YOLOv5 | 图像 | 5000张室内火灾和烟雾图像，按80:10:10的比例分为训练集、验证集和测试集 | NA | NA | NA | NA |