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 33229 篇文献，本页显示第 14641 - 14660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14641 | 2025-04-18 |
Using interactive deep learning to track cells: A report on a 3-day hands-on training program at IUPAB 2024
2024, Biophysics and physicobiology
IF:1.6Q4
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14642 | 2025-10-07 |
Deep reinforced cognitive analytics algorithm (DRCAM): An advanced method to early detection of cognitive skill impairment using deep learning and reinforcement learning
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103277
PMID:40230557
|
研究论文 | 提出一种结合深度学习和强化学习的深度强化认知分析算法，用于早期检测认知技能损伤 | 整合多模态学习和强化干预的认知障碍诊断新方法，结合多模态Transformer进行特征融合 | 仅提及与传统方法相比的改进，未详细说明具体局限性 | 开发先进的认知障碍早期检测和管理方法 | 认知技能损伤患者 | 机器学习 | 老年疾病 | 多模态数据融合 | CNN,LSTM,DQN,TCN,Transformer | 神经影像数据,可穿戴传感器数据,神经心理学测试分数,文本评估 | NA | NA | 多模态Transformer,CNN-LSTM混合模型,深度Q网络,时序卷积网络 | 准确率 | NA |
| 14643 | 2025-10-07 |
FaciaVox: A diverse multimodal biometric dataset of facial images and voice recordings
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111489
PMID:40231156
|
研究论文 | 介绍了一个包含戴口罩和不戴口罩条件下的人脸图像和语音记录的多模态生物识别数据集FaciaVox | 创建了首个同时包含戴口罩和不戴口罩条件下的人脸图像与语音记录的多模态生物识别数据集，具有多样化的参与者群体和采集环境 | NA | 为多模态生物识别研究提供基础数据集资源 | 100名来自20个不同国家的参与者 | 多模态生物识别 | NA | 图像采集, 语音录制 | NA | 图像, 音频 | 100名参与者，每人提供18张人脸图像和60个音频记录，总计1800张图像和6000个音频文件 | NA | NA | NA | NA |
| 14644 | 2025-10-07 |
HCBiLSTM-WOA: hybrid convolutional bidirectional long short-term memory with water optimization algorithm for autism spectrum disorder
2025-May, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2399016
PMID:39290085
|
研究论文 | 提出一种结合混合卷积双向长短期记忆网络和水优化算法的自闭症谱系障碍检测方法 | 首次将混合卷积双向LSTM与水优化算法结合用于ASD检测，能够自动调整超参数并实现ASD阶段分类 | 未详细说明数据隐私保护具体措施，ASD风险因素的不确定性可能影响模型泛化能力 | 开发高效的自闭症谱系障碍早期检测和分类方法 | 幼儿、儿童、青少年和成人的自闭症谱系障碍数据 | 机器学习 | 自闭症谱系障碍 | 深度学习 | CNN, BiLSTM | 结构化医疗数据 | 包含ASD和非ASD数据的实时数据集 | NA | 混合卷积双向长短期记忆网络 | 准确率, kappa统计量, 灵敏度, 特异性, 对数损失, AUROC | NA |
| 14645 | 2025-10-07 |
Deep Learning-Based Heterogeneity Correction of the Homogeneous Dose Distribution for Single Brain Tumors in Gamma Knife Radiosurgery
2025-May, Advances in radiation oncology
IF:2.2Q2
DOI:10.1016/j.adro.2025.101757
PMID:40231287
|
研究论文 | 开发基于深度学习的伽玛刀放射外科中脑肿瘤剂量分布异质性校正方法 | 首次使用条件生成对抗网络将均匀剂量分布转换为包含异质性效应的合成剂量，无需额外CT扫描 | 需要更多样化的患者队列进行进一步验证和优化 | 开发无需额外CT扫描的脑肿瘤放射治疗异质性校正方法 | 122名伽玛刀放射外科患者（100名回顾性收集，22名前瞻性收集） | 医学影像分析 | 脑肿瘤 | 磁共振成像，计算机断层扫描，伽玛刀放射外科 | 条件生成对抗网络 | 医学影像数据 | 122名患者 | NA | 条件生成对抗网络 | γ通过率，处方等剂量Dice系数 | NA |
| 14646 | 2025-10-07 |
Multimodal sentiment analysis leveraging the strength of deep neural networks enhanced by the XGBoost classifier
2025-May, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2313066
PMID:38340022
|
研究论文 | 提出一种结合LSTM和XGBoost的混合模型用于多模态情感分析 | 首次将长短期记忆网络与XGBoost分类器结合，形成混合LXGB模型 | NA | 解决跨文本、图像和音频等多数据源的情感理解复杂任务 | 多模态情感数据 | 自然语言处理,机器学习 | NA | 多模态情感分析 | LSTM,XGBoost | 文本,图像,音频 | CMU-MOSEI数据集 | NA | LSTM,XGBoost | 准确率 | NA |
| 14647 | 2025-10-07 |
Optical multilayer thin film structure inverse design: From optimization to deep learning
2025-Apr-18, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112222
PMID:40230531
|
综述 | 本文回顾了光学多层薄膜结构逆向设计从传统优化方法到深度学习算法的最新研究进展 | 系统比较了传统优化算法与深度学习算法在光学多层薄膜逆向设计中的差异，并探讨了该领域的最新发展现状 | 作为综述文章，不包含原始实验数据或算法验证 | 探讨光学多层薄膜结构逆向设计算法的演变与发展趋势 | 光学多层薄膜结构 | 机器学习 | NA | 光学薄膜设计 | 深度学习算法 | NA | NA | NA | NA | NA | NA |
| 14648 | 2025-10-07 |
Deep Learning-Powered Colloidal Digital SERS for Precise Monitoring of Cell Culture Media
2025-Apr-16, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.5c01071
PMID:40177940
|
研究论文 | 提出一种基于深度学习的胶体数字SERS平台，用于精确监测细胞培养基质量 | 将SERS光谱转换为基于强度阈值的二进制'开/关'信号，实现单分子事件可视化并降低假阳性 | NA | 开发新型过程分析技术，实现生物制造中小分子关键工艺参数和质量属性的快速准确监测 | AMBIC 1.1哺乳动物细胞培养基 | 机器学习 | NA | 表面增强拉曼光谱(SERS) | 深度学习 | 光谱数据 | NA | NA | NA | 准确性, 重现性, 精确度 | NA |
| 14649 | 2025-10-07 |
Discovery and Characterization of Novel Receptor-Interacting Protein Kinase 1 Inhibitors Using Deep Learning and Virtual Screening
2025-Apr-16, ACS chemical neuroscience
IF:4.1Q2
DOI:10.1021/acschemneuro.5c00180
PMID:40181215
|
研究论文 | 本研究结合深度学习模型和虚拟筛选技术发现并表征了两种新型RIPK1激酶抑制剂 | 首次将指纹图注意力网络(FP-GAT)与分子对接虚拟筛选相结合，从1300万化合物库中筛选RIPK1抑制剂 | 仅发现两种先导化合物，需要进一步结构修饰优化活性 | 发现新型RIPK1激酶抑制剂用于治疗神经退行性疾病和炎症疾病 | RIPK1激酶及其抑制剂 | 机器学习 | 神经退行性疾病,炎症疾病 | 分子对接虚拟筛选,分子动力学模拟,结合自由能计算 | 图注意力网络(GAT) | 化合物分子结构数据 | 从1300万化合物库中筛选，最终获得43个化合物进行实验验证 | 深度学习框架 | 指纹图注意力网络(FP-GAT) | 抑制活性(IC50),有效浓度(EC50) | NA |
| 14650 | 2025-10-07 |
Transforming pulmonary health care: the role of artificial intelligence in diagnosis and treatment
2025-Apr-15, Expert review of respiratory medicine
IF:2.9Q2
DOI:10.1080/17476348.2025.2491723
PMID:40210489
|
综述 | 本文探讨人工智能在呼吸系统疾病诊断与治疗中的临床应用、技术进展及挑战 | 系统综述AI在呼吸系统疾病领域的预测模型、影像诊断和个性化治疗的最新进展 | 依赖现有文献的选择性检索，可能存在发表偏倚；未进行系统性荟萃分析 | 评估人工智能在呼吸系统疾病诊疗中的技术应用与发展前景 | 肺炎、哮喘和慢性阻塞性肺疾病等呼吸系统疾病 | 数字病理 | 肺部疾病 | 深度学习 | NA | 医学影像、临床数据 | NA | NA | NA | NA | NA |
| 14651 | 2025-10-07 |
Multicenter Development and Validation of a Multimodal Deep Learning Model to Predict Moderate to Severe Acute Kidney Injury
2025-Apr-15, Clinical journal of the American Society of Nephrology : CJASN
IF:8.5Q1
DOI:10.2215/CJN.0000000695
PMID:40232856
|
研究论文 | 开发并验证了一种结合结构化数据和非结构化文本的多模态深度学习模型，用于预测中重度急性肾损伤 | 首次将结构化数据（生命体征、实验室数值）与非结构化临床笔记信息相结合，使用中间融合深度学习架构预测急性肾损伤 | 研究排除了入院时血清肌酐≥3.0mg/dL、已存在终末期肾病或在到达病房或ICU前已发生≥2期AKI的患者 | 开发能够早期预测中重度急性肾损伤的深度学习模型 | 威斯康星大学（2009-2020年）和芝加哥大学医学中心（2016-2022年）收治的成年住院患者 | 医疗人工智能 | 急性肾损伤 | 深度学习，自然语言处理 | RNN | 结构化数据（生命体征、实验室数值）和非结构化文本（临床笔记） | 推导队列：339,998例入院；验证队列：84,581例入院；其中12,748例（3%）发展为≥2期AKI | NA | 中间融合深度学习循环神经网络 | AUC-ROC, 精确召回曲线下面积 | NA |
| 14652 | 2025-10-07 |
A deep learning framework for enhanced mass spectrometry data analysis and biomarker screening
2025-Apr-15, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2488501
PMID:40232885
|
研究论文 | 提出一种用于增强质谱数据分析和生物标志物筛选的深度学习框架 | 集成预处理、分类和生物标志物选择的全流程深度学习框架，专门针对高维质谱数据分析挑战 | NA | 提升复杂质谱数据的分类性能并促进生物标志物筛选 | 质谱数据 | 机器学习 | NA | 质谱分析 | 深度学习 | 质谱数据 | NA | NA | NA | NA | NA |
| 14653 | 2025-10-07 |
A Multimodal Approach for Early Identification of Mild Cognitive Impairment and Alzheimer's Disease with Fusion Network using Eye Movements and Speech
2025-Apr-15, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3561043
PMID:40232896
|
研究论文 | 本研究开发了一种融合眼动和语音特征的多模态深度学习网络，用于早期识别轻度认知障碍和阿尔茨海默病 | 首次将眼动追踪和语音分析相结合，利用融合神经网络整合多种生物行为特征进行MCI/AD诊断 | 样本量相对较小（78名参与者），需要更大规模的研究验证 | 开发早期识别轻度认知障碍和阿尔茨海默病的非侵入性诊断方法 | 78名参与者（37名健康对照，20名MCI患者，21名AD患者） | 数字病理 | 阿尔茨海默病 | 眼动追踪，语音分析 | 融合神经网络 | 眼动数据，语音数据 | 78名参与者（37名对照，20名MCI，21名AD） | NA | 融合神经网络 | 准确率 | NA |
| 14654 | 2025-10-07 |
ProtNote: a multimodal method for protein-function annotation
2025-Apr-15, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf170
PMID:40233101
|
研究论文 | 提出一种名为ProtNote的多模态深度学习方法，利用自由文本进行蛋白质功能注释，支持监督学习和零样本预测 | 通过结合自由文本实现蛋白质功能的零样本预测，能够泛化到训练集中未见的蛋白质功能 | NA | 开发能够预测蛋白质序列与功能关系的深度学习方法 | 蛋白质序列及其功能注释 | 自然语言处理, 机器学习 | NA | 多模态深度学习 | 多模态深度学习模型 | 蛋白质序列, 自由文本 | NA | NA | ProtNote | GO注释预测性能, EC编号预测性能 | NA |
| 14655 | 2025-10-07 |
Study on Ultrasound-Assisted Diagnosis of CHB Complicated with NAFLD Hepatic Fibrosis Based on Deep Learning
2025-Apr-15, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01331-3
PMID:40234347
|
研究论文 | 基于深度学习的二维肝脏影像自动分类模型用于诊断慢性乙型肝炎合并非酒精性脂肪肝肝纤维化 | 首次将深度学习技术应用于CHB合并NAFLD肝纤维化的超声辅助诊断，并验证AI辅助诊断对各级医师诊断性能的提升 | 回顾性研究设计，样本来源单一医疗机构，缺乏外部验证 | 开发并评估用于CHB合并NAFLD肝纤维化自动诊断的深度学习模型 | 慢性乙型肝炎合并非酒精性脂肪肝患者 | 计算机视觉 | 肝病 | 二维超声，FibroScan，肝活检 | 深度学习 | 二维肝脏图像 | 2803名患者提供20540张图像用于训练，150名患者提供922张图像用于验证 | NA | NA | 灵敏度，特异性，准确率，AUC | NA |
| 14656 | 2025-04-17 |
Correction: Deep learning approach for discrimination of liver lesions using nine time-phase images of contrast-enhanced ultrasound
2025-Apr-15, Journal of medical ultrasonics (2001)
DOI:10.1007/s10396-025-01544-1
PMID:40234354
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14657 | 2025-10-07 |
AutoGP: An intelligent breeding platform for enhancing maize genomic selection
2025-Apr-14, Plant communications
IF:9.4Q1
DOI:10.1016/j.xplc.2025.101240
PMID:39789848
|
研究论文 | 开发了一个名为AutoGP的智能育种平台，用于增强玉米基因组选择 | 整合了基因型提取、表型提取和基因组选择模型，提供用户友好的网络界面，包含高效测序芯片、智能手机视频表型提取流程和广泛的模型池 | NA | 加速高产量作物品种的培育，简化基因组选择流程 | 玉米（Zea mays） | 机器学习 | NA | 基因组测序、单核苷酸多态性分析、表型提取 | 支持向量机、极端梯度提升、梯度提升决策树、多层感知器、随机森林、深度学习模型 | 基因型数据、表型数据、视频数据 | 玉米完全双列设计加不平衡育种样杂交群体数据集 | NA | 深度学习基因组选择、深度学习全基因组关联研究、基因组预测深度神经网络、SoyDNGP | 预测准确性 | 网络平台 |
| 14658 | 2025-10-07 |
Depth-of-interaction encoding techniques for pixelated PET detectors enabled by machine learning methods and fast waveform digitization
2025-Apr-14, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adc96d
PMID:40185124
|
研究论文 | 本研究开发了一种基于机器学习和快速波形数字化的深度相互作用编码技术，用于像素化PET探测器的多级DOI分类 | 无需修改探测器设计即可从商用像素化探测器获取DOI信息，采用高速波形采样和机器学习方法分析整个闪烁波形 | 研究主要针对20mm长晶体，对于其他尺寸晶体的适用性需要进一步验证 | 开发多级深度相互作用分类技术以提升PET系统性能 | 像素化PET探测器和闪烁晶体波形 | 医学影像处理 | NA | 快速波形数字化，Domino Ring Sampler (DRS4)采样技术 | LSTM, 经典机器学习算法 | 闪烁波形数据，时频特征 | 2×2×20mm长窄晶体 | NA | 长短期记忆网络 | 分类准确率，定位误差，训练效率 | NA |
| 14659 | 2025-04-17 |
Molecular endotypes and theratypes in osteoarthritis: transforming a concept into reality with deep learning and multiomics
2025-Apr-14, Annals of the rheumatic diseases
IF:20.3Q1
DOI:10.1016/j.ard.2025.03.009
PMID:40234175
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14660 | 2025-10-07 |
Basin-informed flood frequency analysis using deep learning exhibits consistent projected regional patterns over CONUS
2025-Apr-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97610-2
PMID:40222992
|
研究论文 | 使用深度学习分析气候变化对美国本土洪水频率的影响并预测未来趋势 | 首次将LSTM模型与流域特征结合进行洪水频率分析，并生成交互式地图展示历史与预测洪水变化 | 研究仅限于美国本土638个河流站点，未涵盖全球其他区域 | 分析气候变化对洪水趋势的影响并支持适应性规划 | 美国本土638个河流站点的长期径流量 | 机器学习 | NA | CMIP5气候预测数据降尺度与偏差校正 | LSTM | 气象数据、径流数据 | 美国本土638个河流站点 | NA | LSTM | 径流模拟精度 | NA |