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 14901 - 14920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14901 | 2025-10-07 |
Enhanced Superpixel-Guided ResNet Framework with Optimized Deep-Weighted Averaging-Based Feature Fusion for Lung Cancer Detection in Histopathological Images
2025-Mar-21, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15070805
PMID:40218155
|
研究论文 | 提出一种基于超像素引导的ResNet框架，通过深度加权平均特征融合和优化技术实现肺癌组织病理图像的自动检测 | 结合改进的SLIC超像素分割、多ResNet架构特征提取、深度加权平均特征融合技术以及粒子群和红鹿优化算法的特征选择 | 未提及数据集的具体来源和规模，未来需要进一步优化和探索混合模型 | 通过深度学习技术提高肺癌组织病理图像分类的准确性和效率 | 肺癌组织病理图像 | 数字病理学 | 肺癌 | 组织病理图像分析 | CNN, SVM, DT, RF, KNN, MLP | 图像 | NA | NA | ResNet-50, ResNet-101, ResNet-152 | 准确率 | NA |
| 14902 | 2025-10-07 |
NucleoSeeker-precision filtering of RNA databases to curate high-quality datasets
2025-03, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqaf021
PMID:40104673
|
研究论文 | 开发了名为NucleoSeeker的工具，用于从蛋白质数据库(PDB)中筛选高质量RNA结构数据集 | 提出了首个统一框架，结合多种工具简化RNA结构数据筛选流程，提供结构、序列和注释级别的多重过滤功能 | 未明确说明工具处理的数据规模上限和计算效率 | 解决RNA结构预测中数据质量差和冗余问题，提升深度学习模型训练效果 | 蛋白质数据库(PDB)中的RNA结构数据 | 生物信息学 | NA | 数据筛选与质量控制 | NA | RNA结构数据 | NA | NA | NA | NA | NA |
| 14903 | 2025-10-07 |
Reconstructing 3D chromosome structures from single-cell Hi-C data with SO(3)-equivariant graph neural networks
2025-03, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqaf027
PMID:40124711
|
研究论文 | 提出一种基于SO(3)-等变图神经网络的机器学习方法，用于从单细胞Hi-C数据重建染色体三维结构 | 首次将SO(3)-等变图神经网络应用于单细胞Hi-C数据的三维染色体结构重建 | 未明确说明方法在极低信噪比数据下的性能表现 | 从稀疏的单细胞Hi-C数据中准确重建染色体的三维空间结构 | 单细胞染色体三维结构 | 机器学习 | NA | 单细胞Hi-C技术 | 图神经网络 | 染色体接触数据 | NA | NA | SO(3)-等变图神经网络 | NA | NA |
| 14904 | 2025-10-07 |
OVision A raspberry Pi powered portable low cost medical device framework for cancer diagnosis
2025-Feb-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91914-z
PMID:40021723
|
研究论文 | 提出一种基于树莓派的低成本便携式医疗设备框架OVision，用于辅助癌症病理诊断 | 利用树莓派开发无需互联网连接和高性能基础设施的独立诊断设备，显著降低成本同时保持诊断准确性 | 目前仅针对卵巢癌亚型进行概念验证，需要进一步验证在其他癌症类型的适用性 | 开发低成本便携式医疗设备以改善资源有限地区的癌症诊断可及性 | 卵巢癌组织病理切片 | 数字病理 | 卵巢癌 | 深度学习 | NA | 组织病理图像 | NA | NA | NA | 准确率 | 树莓派 |
| 14905 | 2025-10-07 |
Schizophrenia recognition based on three-dimensional adaptive graph convolutional neural network
2025-02-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84497-8
PMID:39900572
|
研究论文 | 提出基于三维自适应图卷积神经网络的脑电图分类模型用于精神分裂症识别 | 首次将三维空间特征与自适应图卷积结合，能动态学习脑网络节点间相互作用 | 未明确说明样本量大小和模型泛化能力验证 | 开发精神分裂症的早期诊断和识别方法 | 首发精神分裂症患者的脑电图数据 | 机器学习 | 精神分裂症 | 脑电图信号分析 | 图卷积神经网络, 图注意力网络 | 脑电图信号 | NA | NA | 3D-AGCN, GAT+GCN | 分类准确率 | NA |
| 14906 | 2025-10-07 |
Automated strabismus detection and classification using deep learning analysis of facial images
2025-01-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88154-6
PMID:39890897
|
研究论文 | 提出一种基于深度学习的面部图像分析方法，用于自动检测和分类斜视 | 首次使用卷积神经网络实现斜视的自动检测和八类偏差角度分类 | 数据集规模有限，多分类任务仅包含622张图像 | 开发自动斜视检测和分类系统以辅助医疗诊断 | 面部图像中的斜视患者和正常对照者 | 计算机视觉 | 斜视 | 面部图像采集 | CNN | 图像 | 二分类：4,257张面部图像（1,599正常，2,658斜视）；多分类：622张图像（480斜视，142正常） | NA | CNN | 敏感度，准确率，F1分数，召回率 | NA |
| 14907 | 2025-10-07 |
An interpretable machine learning model for seasonal precipitation forecasting
2025, Communications earth & environment
IF:8.1Q1
DOI:10.1038/s43247-025-02207-2
PMID:40125292
|
研究论文 | 提出一种名为TelNet的可解释机器学习模型，用于季节降水预测 | 开发了具有变量选择权重的序列到序列模型，支持实例和提前期预测解释 | 训练数据量有限，这是气候预测领域的常见问题 | 开发短期到中期提前期的季节降水预测模型 | 目标区域的季节降水值和气候指数 | 机器学习 | NA | 序列到序列机器学习 | 序列到序列模型 | 时间序列数据（降水值和气候指数） | 小数据集，通过多次重采样训练、验证和测试集 | NA | 编码器-解码器-头部架构 | 确定性性能、概率性能、准确性、校准度 | NA |
| 14908 | 2025-10-07 |
AADNet: Exploring EEG Spatiotemporal Information for Fast and Accurate Orientation and Timbre Detection of Auditory Attention Based on a Cue-Masked Paradigm
2025, 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.2025.3555542
PMID:40168202
|
研究论文 | 提出基于线索掩蔽范式的AADNet深度学习模型，用于快速准确解码脑电信号中的听觉注意定向和音色信息 | 提出线索掩蔽听觉注意范式防止信息泄露，开发端到端深度学习模型AADNet利用短时间窗口脑电信号的时空信息 | NA | 开发快速准确的听觉注意解码技术，用于神经导向助听设备和其他辅助听力设备 | 脑电信号中的听觉注意定向和音色检测 | 脑机接口 | 听力障碍 | 脑电图 | 深度学习 | 脑电信号 | NA | NA | AADNet | 准确率 | NA |
| 14909 | 2025-10-07 |
Practical implementation and impact of the 4R principles in ethnopharmacology: Pursuing a more humane approach to research
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1543316
PMID:40223937
|
研究论文 | 探讨4R原则在民族药理学研究中的实际应用及其影响，追求更人性化的研究方法 | 在传统3R原则基础上引入'责任'原则，强化研究人员对实验动物福利的伦理义务 | 未提供具体实施案例的量化数据支持 | 推动民族药理学研究中动物实验的伦理管理 | 民族药理学研究中的动物实验伦理框架 | 民族药理学 | NA | 3D器官oids、深度学习技术 | NA | NA | NA | NA | NA | NA | NA |
| 14910 | 2025-10-07 |
Enhancing multilevel tea leaf recognition based on improved YOLOv8n
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1540670
PMID:40225027
|
研究论文 | 提出改进的T-YOLOv8n模型用于多层级茶叶识别，通过集成CBAM注意力模块和BiFPN多尺度特征融合提升检测性能 | 提出重叠标签茶叶数据集生成方法，集成CBAM和BiFPN改进YOLOv8n模型，结合CIOU和Focal Loss优化边界框预测 | NA | 提升自动化茶叶采摘中不同类别茶叶的识别精度 | 茶叶图像中的多层级复合特征 | 计算机视觉 | NA | 深度学习 | CNN, YOLO | 图像 | NA | PyTorch | YOLOv8n, CBAM, BiFPN | mAP50, 精确率, 召回率 | 边缘计算环境 |
| 14911 | 2025-10-07 |
Color Fundus Photography and Deep Learning Applications in Alzheimer Disease
2024-Dec, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2024.08.005
PMID:39748801
|
研究论文 | 开发并评估两种基于视网膜彩色眼底照片的深度学习模型用于阿尔茨海默病分类 | 首次使用纯视网膜彩色眼底照片训练两种不同深度学习模型进行AD分类，其中ADRET模型采用BERT风格的自监督学习CNN架构 | 需要在更大和更多样化人群中进一步验证，需要整合技术来协调眼底照片并减少成像相关噪声 | 开发基于视网膜图像的阿尔茨海默病筛查方法 | 阿尔茨海默病患者和对照组 | 计算机视觉 | 阿尔茨海默病 | 彩色眼底摄影 | CNN, U-Net, 自监督学习 | 图像 | 两个独立数据集（UK Biobank和学术机构数据） | NA | U-Net, Transformer风格CNN | 准确率, 灵敏度, 特异性, 接收者操作特征曲线 | NA |
| 14912 | 2025-10-07 |
Integrating Interpretability in Machine Learning and Deep Neural Networks: A Novel Approach to Feature Importance and Outlier Detection in COVID-19 Symptomatology and Vaccine Efficacy
2024-11-29, Viruses
DOI:10.3390/v16121864
PMID:39772174
|
研究论文 | 提出一种整合传统机器学习和深度神经网络可解释性技术的新方法，用于分析COVID-19症状特征重要性和异常检测 | 通过全局和局部解释方法弥合可解释机器学习模型与强大深度学习架构之间的差距 | 仅使用2020年早期疫情数据，样本特征可能存在时间局限性 | 改进对COVID-19症状学的理解并增强早期病例检测能力 | 2020年早期接受COVID-19检测的个体，包括自我报告症状和检测结果 | 机器学习 | COVID-19 | 特征重要性分析，异常检测 | 机器学习模型，深度神经网络 | 医疗数据，症状数据 | NA | NA | NA | NA | NA |
| 14913 | 2025-10-07 |
HLAPepBinder: An Ensemble Model for The Prediction Of HLA-Peptide Binding
2024-Oct, Iranian journal of biotechnology
IF:1.6Q4
DOI:10.30498/ijb.2024.459448.3927
PMID:40225296
|
研究论文 | 开发了一个名为HLAPepBinder的集成机器学习模型，用于预测HLA-肽结合 | 首次使用随机森林方法整合九个预测器的结果，提供全面的预测框架，无需手动模型选择 | 缺乏可靠的阴性数据，通常假设未知相互作用为阴性 | 提高HLA-肽结合预测的准确性和效率 | HLA-肽结合对 | 机器学习 | 癌症 | 集成机器学习 | 随机森林 | 肽序列数据 | NA | NA | 随机森林 | 预测准确性，资源效率 | 有限计算环境 |
| 14914 | 2025-10-07 |
Reproducible image-based profiling with Pycytominer
2024-Jul-02, ArXiv
PMID:38045474
|
研究论文 | 介绍Pycytominer——一个用于图像分析后处理的开源Python工具包 | 开发了用户友好的开源工具包，专门用于实现图像分析中的生物信息学步骤（图像特征分析） | NA | 开发用于高通量显微镜图像分析后处理的工具 | 单细胞特征数据 | 生物信息学 | NA | 高通量显微镜 | NA | 图像 | NA | Python | NA | NA | NA |
| 14915 | 2025-10-07 |
Application of deep learning radiomics in oral squamous cell carcinoma-Extracting more information from medical images using advanced feature analysis
2024-06, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2024.101840
PMID:38548062
|
系统综述 | 本文通过系统综述和荟萃分析评估深度学习影像组学在口腔鳞状细胞癌中的应用 | 首次对深度学习影像组学在OSCC中的应用进行系统综述和定量荟萃分析 | 存在轻微发表偏倚(P=0.03)，纳入研究数量有限(26项) | 评估深度学习影像组学在口腔鳞状细胞癌中的应用效果 | 口腔鳞状细胞癌(OSCC)的医学影像 | 医学影像分析 | 口腔鳞状细胞癌 | 影像组学特征分析 | 深度学习算法 | 医学影像 | 26项研究，包含64,731张医学影像 | NA | NA | 灵敏度, 特异性 | NA |
| 14916 | 2025-10-07 |
Deep Learning-Based Prediction Modeling of Major Adverse Cardiovascular Events After Liver Transplantation
2024-Jun, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2024.03.005
PMID:38993485
|
研究论文 | 本研究验证了基于深度学习的模型在预测肝移植术后主要不良心血管事件(MACE)方面的能力 | 首次使用双向门控循环单元(BiGRU)深度学习模型和纵向索赔数据预测肝移植术后心血管事件风险 | 使用回顾性索赔数据，可能存在数据完整性和准确性的限制 | 开发能够预测肝移植患者术后主要不良心血管事件风险的预测模型 | 肝移植接受者 | 机器学习 | 心血管疾病 | 深度学习建模 | BiGRU | 结构化医疗数据(人口统计学特征、诊断、药物、手术数据) | 18,304名肝移植接受者(平均年龄57.4岁，女性占39.1%) | NA | 双向门控循环单元(BiGRU) | AUC-ROC, AUC-PR | NA |
| 14917 | 2025-10-07 |
A Systematic Review of Natural Language Processing Methods and Applications in Thyroidology
2024-Jun, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2024.03.007
PMID:38938930
|
系统综述 | 系统回顾自然语言处理技术在甲状腺疾病领域的应用现状、挑战与未来方向 | 首次系统梳理NLP在甲状腺学领域的应用现状，涵盖多种方法学和数据源分析 | 临床文档记录不一致、模型可移植性差、缺乏外部验证、尚未应用于临床实践 | 总结自然语言处理在甲状腺相关疾病研究中的应用现状与挑战 | 甲状腺疾病相关研究文献 | 自然语言处理 | 甲状腺疾病 | 自然语言处理 | 深度学习, 基于规则的方法, 传统机器学习, 混合方法 | 电子健康记录, 健康论坛数据, 医学文献数据库, 基因组数据库 | 24项符合条件的研究 | NA | NA | NA | NA |
| 14918 | 2025-10-07 |
Deep learning based digital pathology for predicting treatment response to first-line PD-1 blockade in advanced gastric cancer
2024-05-08, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-05262-z
PMID:38720336
|
研究论文 | 本研究开发了一种基于深度学习的数字病理方法，用于预测晚期胃癌患者对一线PD-1联合化疗的治疗反应 | 首次创建了免疫检查点抑制剂反应评分（ICIsRS）作为源自全切片图像的新型组织病理学生物标志物，并开发了集成模型ICIsNet | 回顾性研究设计，样本量相对有限（264例患者），需要进一步前瞻性验证 | 预测晚期胃癌患者对一线PD-1联合化疗的治疗反应 | 晚期胃癌患者 | 数字病理 | 胃癌 | H&E染色 | 深度学习集成模型 | 病理图像 | 264例晚期胃癌患者的313张全切片图像，包含148,181个图像块 | NA | 集成模型（三种深度学习架构） | AUC | NA |
| 14919 | 2025-10-07 |
Deep learning imaging phenotype can classify metabolic syndrome and is predictive of cardiometabolic disorders
2024-05-08, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-05163-1
PMID:38720370
|
研究论文 | 本研究开发了一种基于深度学习从非增强腹部CT扫描中提取影像表型的方法，用于分类代谢综合征并预测未来心血管代谢疾病 | 提出了一种基于深度学习的影像表型，在代谢综合征分类和心血管代谢疾病预测方面优于传统放射组学特征和临床定义 | 研究样本量有限（约2000人），且仅使用非增强腹部CT扫描数据 | 开发基于深度学习的影像表型用于代谢异常评估和心血管代谢疾病预测 | 代谢综合征患者和心血管代谢疾病高风险人群 | 医学影像分析 | 心血管代谢疾病 | 非增强腹部计算机断层扫描 | 深度学习 | 医学影像 | 超过2000名个体用于代谢综合征分类，超过1300名个体用于疾病预测 | NA | NA | AUC | NA |
| 14920 | 2025-10-07 |
Deep-Learning-Based Nanomechanical Vibration for Rapid and Label-Free Assay of Epithelial Mesenchymal Transition
2024-01-30, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.3c10811
PMID:38169507
|
研究论文 | 开发基于深度学习与纳米机械振动相结合的无标记、快速上皮间质转化检测方法 | 首次从力学角度研究癌细胞集落，结合纳米振动生物力学指纹与深度学习实现表型分类 | NA | 开发癌细胞上皮/间质表型分类的无标记检测方法 | 癌细胞集落 | 机器学习 | 癌症 | 纳米机械振动检测 | 深度学习 | 振动数据 | NA | NA | NA | 准确率 | NA |