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 32373 篇文献，本页显示第 15301 - 15320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15301 | 2025-10-07 |
Artificial Intelligence Predicts Hospitalization for Acute Heart Failure Exacerbation in Patients Undergoing Myocardial Perfusion Imaging
2024-May-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.123.266761
PMID:38548351
|
研究论文 | 本研究开发了一种结合临床、负荷试验和影像参数的人工智能模型，用于预测接受SPECT/CT心肌灌注成像患者因急性心力衰竭加重住院的风险 | 首次将临床风险因素、负荷变量、SPECT成像参数和深度学习生成的钙化评分整合到AI模型中预测心力衰竭住院风险 | 研究基于单中心数据开发模型，外部验证队列规模相对有限 | 评估人工智能模型能否预测接受心肌灌注成像患者的心力衰竭住院风险 | 接受SPECT/CT心肌灌注成像的心力衰竭患者 | 医学影像分析 | 心血管疾病 | SPECT/CT心肌灌注成像，深度学习钙化评分 | 深度学习 | 临床数据，负荷试验数据，医学影像数据 | 内部队列4,766名患者，外部验证队列2,912名患者 | NA | NA | ROC曲线下面积 | NA |
| 15302 | 2025-10-07 |
scMeFormer: a transformer-based deep learning model for imputing DNA methylation states in single cells enhances the detection of epigenetic alterations in schizophrenia
2024-Jan-25, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.25.577200
PMID:38328094
|
研究论文 | 提出一种基于Transformer的深度学习模型scMeFormer，用于单细胞DNA甲基化状态插补，并应用于精神分裂症表观遗传学研究 | 首次将Transformer架构应用于单细胞DNA甲基化数据插补，能够在仅保留10%原始CpG位点覆盖度的情况下实现高保真插补 | 未明确说明模型在不同组织类型或疾病中的泛化能力 | 开发单细胞DNA甲基化状态插补方法以增强表观遗传学分析 | 人类前额叶皮层单细胞DNA甲基化数据 | 深度学习 | 精神分裂症 | 单细胞DNA甲基化测序 | Transformer | DNA甲基化状态数据 | 4名精神分裂症患者和4名神经典型对照的前额叶皮层样本 | NA | Transformer | 插补保真度，差异甲基化区域检测能力 | NA |
| 15303 | 2025-10-07 |
Lightweight model-based sheep face recognition via face image recording channel
2024-Jan-03, Journal of animal science
IF:2.7Q1
DOI:10.1093/jas/skae066
PMID:38477672
|
研究论文 | 提出一种基于YOLOv7的轻量级绵羊面部识别模型YOLOv7-SFR，通过面部图像采集通道和多种优化策略提升识别性能 | 开发了绵羊面部图像采集通道解决人工采集效率低的问题，并在YOLOv7基础上引入混洗注意力模块、Dyhead检测头和深度可分离卷积实现模型轻量化 | 仅使用50只小尾寒羊作为研究对象，样本多样性可能有限 | 开发轻量级绵羊面部识别模型以满足精准畜牧业实际应用需求 | 50只1-3岁小尾寒羊的面部图像 | 计算机视觉 | NA | 图像采集通道，数据增强 | CNN | 图像 | 50只绵羊，经数据增强后共22,000张面部图像 | PyTorch | YOLOv7, YOLOv7-SFR | mAP@0.5, 模型大小, 平均识别时间 | NA |
| 15304 | 2025-03-15 |
Diagnostic-therapeutic management of pulmonary nodules
2024, Klinicka onkologie : casopis Ceske a Slovenske onkologicke spolecnosti
DOI:10.48095/ ccko2024408
PMID:39772821
|
综述 | 本文全面回顾了肺结节的诊断和治疗方法，重点讨论了基于结节形态、大小和生长潜力的恶性潜力评估 | 文章详细分析了现代影像技术，特别是人工智能（AI）在肺结节诊断中的应用，并强调了多学科方法在肺结节诊断和管理中的重要性 | 文章未提及具体的研究局限性 | 优化肺结节的临床诊断和管理，以减少肺癌的死亡率并改善患者预后 | 肺结节 | 数字病理学 | 肺癌 | 人工智能（AI），深度学习技术 | 深度学习 | 影像数据 | NA | NA | NA | NA | NA |
| 15305 | 2025-10-07 |
Discrimination of benign and malignant breast lesions on dynamic contrast-enhanced magnetic resonance imaging using deep learning
2023-Dec-01, Journal of cancer research and therapeutics
IF:1.4Q4
DOI:10.4103/jcrt.jcrt_325_23
PMID:38156926
|
研究论文 | 本研究评估了深度迁移学习和微调方法在乳腺动态对比增强磁共振成像中区分良恶性病变的能力 | 比较了三种深度学习模型在乳腺DCE-MRI中的性能，并开发了三种微调策略进一步提升模型性能 | 研究样本量有限，仅使用50个额外病变进行验证集测试 | 评估深度学习模型在乳腺DCE-MRI中区分良恶性病变的诊断效能 | 乳腺动态对比增强磁共振成像中的良恶性病变 | 计算机视觉 | 乳腺癌 | 动态对比增强磁共振成像 | CNN | 医学影像 | 训练集未明确数量，验证集包含50个病变 | NA | VGG19, ResNet50, DenseNet201 | 准确率, 精确率, 召回率, F1分数, AUC, Kappa系数 | NA |
| 15306 | 2025-10-07 |
Deep Learning-Based Diagnostic System for Velopharyngeal Insufficiency Based on Videofluoroscopy in Patients With Repaired Cleft Palates
2023 Nov-Dec 01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000009560
PMID:37815288
|
研究论文 | 本研究开发了基于视频荧光检查的深度学习诊断系统，用于评估腭裂修复术后患者的腭咽闭合不全 | 首次将六种深度学习算法应用于视频荧光检查数据诊断VPI，并与人类专家诊断结果进行系统比较 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 开发基于深度学习的腭咽闭合不全自动诊断系统 | 腭裂修复术后接受腭咽功能评估的患者 | 计算机视觉 | 腭咽闭合不全 | 视频荧光检查 | CNN | 视频图像 | 714例病例（2010年1月至2019年6月） | NA | VGGNet, ResNet, Xception, ResNext, DenseNet, SENet | AUC | NA |
| 15307 | 2025-10-07 |
Using a New Deep Learning Method for 3D Cephalometry in Patients With Cleft Lip and Palate
2023 Jul-Aug 01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000009299
PMID:36944601
|
研究论文 | 本研究开发了一种基于3D点云图卷积神经网络的新深度学习方法，用于唇腭裂患者的头影测量标志点自动定位 | 首次将PointNet++模型应用于唇腭裂患者的3D头影测量，通过点云图卷积神经网络分析点间关系进行标志点预测 | 训练数据集规模有限（150例患者），部分标志点检测成功率较低（3个标志点在2mm误差范围内的SDR低于70%） | 开发适用于唇腭裂患者的自动3D头影测量系统 | 唇腭裂患者 | 计算机视觉 | 唇腭裂 | 计算机断层扫描 | 图卷积神经网络 | 3D点云数据 | 150例唇腭裂患者 | NA | PointNet++ | 平均距离误差, 成功检测率 | NA |
| 15308 | 2025-03-14 |
"Optimizing sEMG Gesture Recognition with Stacked Autoencoder Neural Network for Bionic Hand"
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103207
PMID:40071216
|
研究论文 | 本研究提出了一种使用堆叠自编码器神经网络（SAE）进行表面肌电图（sEMG）手势识别的新方法 | 利用堆叠自编码器神经网络进行层次表示学习，从原始sEMG信号中提取有意义的特征，提高了手势分类的精度和鲁棒性 | NA | 优化sEMG手势识别，以增强仿生手的控制技术 | 表面肌电图（sEMG）信号 | 机器学习 | NA | MODWT分解（最大重叠离散小波变换） | 堆叠自编码器神经网络（SAE） | sEMG信号 | NA | NA | NA | NA | NA |
| 15309 | 2025-03-14 |
MOF-KAN: Kolmogorov-Arnold Networks for Digital Discovery of Metal-Organic Frameworks
2025-Mar-13, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c00211
PMID:40015927
|
研究论文 | 本文介绍了一种名为MOF-KAN的新型深度学习架构，首次将Kolmogorov-Arnold Networks (KANs)应用于金属有机框架(MOFs)的数字发现 | MOF-KAN是首个将KANs应用于MOFs数字发现的架构，通过精细调整网络架构，其在预测MOFs的多种性能上优于标准的多层感知器(MLPs)，并在低数据量情况下表现出色 | NA | 开发一种准确且数据高效的方法，以导航复杂的化学和结构空间，用于功能性材料（如MOFs）的数字发现 | 金属有机框架(MOFs) | 机器学习 | NA | 深度学习 | Kolmogorov-Arnold Networks (KANs) | 化学和结构数据 | NA | NA | NA | NA | NA |
| 15310 | 2025-03-14 |
A multi-objective function for deep learning-based automatic energy efficiency power allocation in multicarrier noma system using hybrid heuristic improvement
2025-Mar-13, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2461046
PMID:40079096
|
研究论文 | 本文提出了一种基于深度学习的多目标函数，用于在多载波NOMA系统中自动分配能效功率，采用混合启发式改进方法 | 提出了混合缝纫训练和狐猴优化算法（HSTLO）来优化系统参数，并开发了扩张密集循环神经网络（DDRNN）模型以增强系统性能 | 未提及具体的数据集或实验环境，可能限制了结果的普适性 | 提高多载波NOMA系统的能效（EE）并优化系统性能 | 多载波NOMA系统 | 机器学习 | NA | 混合启发式优化算法、深度学习 | 扩张密集循环神经网络（DDRNN） | NA | NA | NA | NA | NA | NA |
| 15311 | 2025-03-14 |
Pd-Modified Microneedle Array Sensor Integration with Deep Learning for Predicting Silica Aerogel Properties in Real Time
2025-Mar-12, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c17680
PMID:40019213
|
研究论文 | 本研究开发了一种集成Pd/Au传感器和深度学习算法的系统，用于实时预测硅气凝胶的物理特性 | 利用电化学阻抗数据、频率和时间参数，结合深度学习模型，实时预测硅气凝胶的物理特性，显著提高了生产过程的优化和监控效率 | 研究主要针对硅气凝胶，未涉及其他材料的预测 | 通过人工智能预测材料特性，优化硅气凝胶的生产过程 | 硅气凝胶的物理特性，包括孔径、孔体积和表面积 | 机器学习 | NA | 电化学阻抗测量 | 深度神经网络 | 电化学阻抗数据、频率和时间参数 | NA | NA | NA | NA | NA |
| 15312 | 2025-03-14 |
Protein-ligand interaction prediction based on heterogeneity maps and data enhancement
2025-Mar-12, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2025.2475229
PMID:40072484
|
研究论文 | 本文提出了一种基于异构图和数据增强的蛋白质-配体相互作用预测模型HGEF-Net，旨在提高药物发现和重定位的效率 | 提出了异质信息学习模块和多层次对比学习的数据增强策略，以及异质注意力整合框架，有效融合分子内和分子间特征，提升模型在稀疏、不平衡数据集上的性能 | NA | 提高蛋白质-配体相互作用预测的准确性和效率，以支持药物发现和重定位 | 蛋白质-配体相互作用 | 机器学习 | NA | 深度学习 | HGEF-Net | 分子数据 | BindingDB数据集和Davis数据集 | NA | NA | NA | NA |
| 15313 | 2025-03-14 |
In-depth and high-throughput spatial proteomics for whole-tissue slice profiling by deep learning-facilitated sparse sampling strategy
2025-Mar-11, Cell discovery
IF:13.0Q1
DOI:10.1038/s41421-024-00764-y
PMID:40064869
|
研究论文 | 本文介绍了一种通过深度学习辅助的稀疏采样策略（S4P）实现高分辨率空间蛋白质组学的方法，用于全组织切片的深度和高通量分析 | 开发了一种新的稀疏采样策略（S4P），结合计算辅助图像重建方法，显著减少了样本数量，实现了厘米级样本的高分辨率空间蛋白质组学分析 | 当前蛋白质组学方法的多重检测能力有限，高空间分辨率的全组织切片映射需要大量的质谱匹配时间 | 实现高分辨率、深度覆盖的空间蛋白质组学分析，以揭示组织和器官中细胞的异质性分布及其功能 | 小鼠大脑组织 | 数字病理学 | NA | 质谱（MS） | 深度学习 | 图像 | 小鼠大脑组织，映射超过9000种蛋白质 | NA | NA | NA | NA |
| 15314 | 2025-03-14 |
Advancements in machine learning and biomarker integration for prenatal Down syndrome screening
2025-Mar-10, Turkish journal of obstetrics and gynecology
IF:1.0Q4
DOI:10.4274/tjod.galenos.2025.12689
PMID:40062699
|
综述 | 本文综述了机器学习和生物标志物整合在产前唐氏综合症筛查中的应用及其进展 | 通过整合母体血清标志物、颈项透明层测量和超声图像，结合随机森林和深度学习卷积神经网络等算法，将检测率提高到85%以上，同时保持低假阳性率 | 需要进一步研究以优化算法，验证其在不同人群中的有效性，并将这些前沿方法纳入常规临床实践 | 提高产前唐氏综合症筛查的准确性和早期检测能力 | 唐氏综合症患者及其正常发育的同龄人的基因组数据 | 机器学习 | 唐氏综合症 | 非侵入性产前检测 | 随机森林, 深度学习卷积神经网络 | 基因组数据, 超声图像 | NA | NA | NA | NA | NA |
| 15315 | 2025-03-14 |
Myocardial perfusion imaging SPECT left ventricle segmentation with graphs
2025-Mar-10, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-025-00728-5
PMID:40063231
|
研究论文 | 本研究评估了在心肌灌注成像SPECT左心室分割过程中，先验信息整合与深度学习方法的比较，以及四种准直技术对五个不同数据集的影响 | 提出了一种新的基于连续图的分割方法，结合心脏几何的先验信息自动分割左心室体积，并比较了不同准直技术对分割结果的影响 | 研究样本量较小，仅包含80名患者，且未涉及更多类型的准直器 | 评估先验信息整合对分割方法性能的提升，以及不同准直技术对心脏几何投影的影响 | 心肌灌注成像SPECT中的左心室分割 | 计算机视觉 | 心血管疾病 | SPECT, 连续最大流最小割算法(CMF), 均匀流形逼近与投影(UMAP) | 基于图的分割方法 | 图像 | 80名患者，包括40名来自混合黑箱准直器，10名来自多针孔(MPH)，10名来自低能量高分辨率(LEHR)，10名来自CardioC，10名来自CardioD准直器 | NA | NA | NA | NA |
| 15316 | 2025-03-14 |
Linear attention based spatiotemporal multi graph GCN for traffic flow prediction
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93179-y
PMID:40065014
|
研究论文 | 本研究提出了一种名为LASTGCN的新型深度学习模型，用于交通流量预测，该模型结合了多因素融合单元、多图卷积网络和线性注意力机制 | LASTGCN模型引入了多因素融合单元动态整合气象因素，采用多图卷积网络处理空间相关性，并使用线性注意力机制RWKV块高效处理历史交通数据 | 模型在实时应用中的适应性需要进一步优化 | 提高交通流量预测的准确性和鲁棒性，特别是在长期预测方面 | 高速公路交通数据 | 机器学习 | NA | 深度学习 | GCN, RWKV | 交通数据 | 真实世界的高速公路交通数据集 | NA | NA | NA | NA |
| 15317 | 2025-03-14 |
Enhancing SLAM algorithm with Top-K optimization and semantic descriptors
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90968-3
PMID:40065015
|
研究论文 | 本文提出了一种结合Top-K优化的SLAM算法，用于高效处理LiDAR点云数据，生成语义描述符和全局语义地图 | 该算法通过Top-K优化减少了计算复杂度，提高了处理速度，并在保持推理准确性和效率的同时，显著节省了边缘设备深度学习算法的计算资源 | NA | 解决边缘设备在处理LiDAR点云数据时面临的计算挑战，提高机器人的语义理解能力和姿态估计精度 | LiDAR点云数据 | 计算机视觉 | NA | Top-K优化 | SLAM算法 | 点云数据 | NA | NA | NA | NA | NA |
| 15318 | 2025-03-14 |
An intelligent ransomware based cyberthreat detection model using multi head attention-based recurrent neural networks with optimization algorithm in IoT environment
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92711-4
PMID:40065000
|
研究论文 | 本文提出了一种基于多头注意力机制的循环神经网络与优化算法相结合的智能勒索软件检测模型，用于物联网环境中的网络安全 | 提出了一种新颖的多头注意力机制循环神经网络与增强型大猩猩部队优化算法相结合的模型（MHARNN-EGTOCRD），用于检测和分类物联网环境中的勒索软件攻击 | 实验验证仅在勒索软件检测数据集上进行，未涉及其他类型网络攻击的检测 | 开发一种高效可靠的勒索软件检测机制，以应对物联网环境中的网络安全威胁 | 物联网环境中的勒索软件攻击 | 机器学习 | NA | 深度学习（DL）和机器学习（ML）方法 | 多头注意力机制循环神经网络（MHARNN）与长短期记忆网络（LSTM）结合 | 勒索软件检测数据集 | NA | NA | NA | NA | NA |
| 15319 | 2025-03-14 |
Enhancing cybersecurity through script development using machine and deep learning for advanced threat mitigation
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92676-4
PMID:40065042
|
研究论文 | 本文探讨了利用机器学习和深度学习方法增强脚本开发的网络安全，通过使用Fashion MNIST数据集和卷积神经网络模型，展示了这些技术在提升网络安全方面的有效性 | 本文的创新点在于将机器学习和深度学习技术应用于脚本开发中，以自动化和智能化的方式提升网络安全，这在传统安全措施难以应对复杂威胁的背景下具有重要意义 | 本文的局限性在于仅使用了Fashion MNIST数据集进行实验，可能无法全面反映所有网络安全场景的复杂性 | 研究目的是通过机器学习和深度学习技术提升脚本开发的网络安全 | 研究对象是脚本开发过程中的网络安全问题 | 机器学习 | NA | 机器学习和深度学习 | 卷积神经网络（CNN） | 图像数据（Fashion MNIST数据集） | Fashion MNIST数据集 | NA | NA | NA | NA |
| 15320 | 2025-03-14 |
Rolling bearing remaining useful life prediction using deep learning based on high-quality representation
2025-Mar-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93165-4
PMID:40065075
|
研究论文 | 本文提出了一种基于深度学习的方法，用于预测滚动轴承的剩余使用寿命（RUL），以提高旋转机械的可靠性和性能 | 结合一维深度卷积自编码器（1D-DCAE）和多层双向长短期记忆网络（Bi-LSTM）与时间模式注意力机制（TPA），有效提取振动信号中的高质量健康指标（HIs）并捕捉时间依赖性 | 实验仅在PHM2012轴承数据集上进行，未涉及其他数据集或实际工业环境中的验证 | 提高滚动轴承剩余使用寿命（RUL）预测的准确性和鲁棒性 | 滚动轴承 | 机器学习 | NA | 深度学习 | 1D-DCAE, Bi-LSTM, TPA | 振动信号 | PHM2012轴承数据集 | NA | NA | NA | NA |