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 33074 篇文献，本页显示第 15481 - 15500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15481 | 2025-03-29 |
Explainable Siamese Neural Networks for Detection of High Fall Risk Older Adults in the Community Based on Gait Analysis
2025-Feb-22, Journal of functional morphology and kinesiology
IF:2.6Q1
DOI:10.3390/jfmk10010073
PMID:40137325
|
research paper | 该研究提出了一种基于步态分析的深度学习新方法，用于检测社区中高跌倒风险的老年人 | 将生物力学时间序列数据转化为视觉表示，并应用CNN和SNN进行跌倒风险评估，同时利用Grad-CAM增强模型的可解释性 | 未提及具体的数据集规模限制或模型在其他人群中的泛化能力 | 提高老年人跌倒风险预测的准确性，以实施及时预防措施 | 社区中的老年人 | machine learning | geriatric disease | gait analysis | CNN, SNN, RF | time-series data, visual representations | NA | NA | NA | NA | NA |
| 15482 | 2025-03-29 |
A Narrative Review on the Role of Artificial Intelligence (AI) in Colorectal Cancer Management
2025-Feb, Cureus
DOI:10.7759/cureus.79570
PMID:40144438
|
review | 本文综述了人工智能（AI）在结直肠癌管理中的作用及其潜在优势 | 探讨了AI在结直肠癌筛查、病理评估、精准手术和术后护理中的创新应用 | 多中心研究和随机试验的缺乏限制了AI在标准实践中全面评估和整合的可能性 | 评估AI在结直肠癌管理中的应用及其对临床实践的潜在影响 | 结直肠癌患者，特别是35岁以上的成年患者 | digital pathology | colorectal cancer | deep learning | NA | NA | 122篇文献（包括随机对照试验、队列研究、荟萃分析等） | NA | NA | NA | NA |
| 15483 | 2025-03-29 |
Explainable artificial intelligence with UNet based segmentation and Bayesian machine learning for classification of brain tumors using MRI images
2025-01-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84692-7
PMID:39753735
|
研究论文 | 本文提出了一种结合UNet分割和贝叶斯机器学习的新型可解释人工智能技术，用于MRI图像中脑肿瘤的分类 | 提出了一种新的可解释人工智能技术XAISS-BMLBT，结合了MEDU-Net+分割、ResNet50特征提取和贝叶斯正则化人工神经网络（BRANN）分类，以及改进的径向移动优化模型进行超参数调优 | 未提及具体的数据集大小和多样性，可能影响模型的泛化能力 | 提高脑肿瘤在MRI图像中的分割和分类准确率，以辅助医生进行更快速和准确的诊断 | MRI图像中的脑肿瘤 | 数字病理学 | 脑肿瘤 | MRI扫描、深度学习 | UNet、ResNet50、BRANN | 图像 | 使用了基准数据库，但未提及具体样本数量 | NA | NA | NA | NA |
| 15484 | 2025-03-29 |
Assessment of choroidal vessels in healthy eyes using 3-dimensional vascular maps and a semi-automated deep learning approach
2025-01-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85189-7
PMID:39753934
|
研究论文 | 使用3D深度学习方法和半自动化技术评估健康眼睛中的脉络膜血管 | 采用3D深度学习方法结合半自动化技术对脉络膜血管进行非侵入性评估，创新性地提供了脉络膜血管的三维可视化 | 研究样本量较小（80只眼睛），且为回顾性研究，可能存在选择偏差 | 评估健康眼睛中脉络膜血管的特征及其与年龄和性别的关系 | 健康眼睛的脉络膜血管 | 数字病理学 | NA | swept-source OCT, 深度学习 | ResUNet | OCT扫描图像 | 80只眼睛（来自53名患者） | NA | NA | NA | NA |
| 15485 | 2025-03-29 |
pACP-HybDeep: predicting anticancer peptides using binary tree growth based transformer and structural feature encoding with deep-hybrid learning
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84146-0
PMID:39747941
|
research paper | 提出了一种名为pACP-HybDeep的高可靠性模型，用于准确预测抗癌肽 | 结合了基于注意力机制的ProtBERT-BFD编码器和CTDT结构信息编码，以及基于k近邻的二叉树生长算法和CNN+RNN深度学习模型 | 未提及模型在更广泛数据集上的表现或实际临床应用中的潜在限制 | 开发一种高效可靠的抗癌肽预测工具 | 抗癌肽 | machine learning | cancer | ProtBERT-BFD编码器, CTDT结构信息编码, k近邻算法 | CNN+RNN | peptide sequences | 三个独立数据集Ind-S1, Ind-S2, Ind-S3 | NA | NA | NA | NA |
| 15486 | 2025-03-29 |
A deep learning-based multi-view approach to automatic 3D landmarking and deformity assessment of lower limb
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84387-z
PMID:39747979
|
研究论文 | 提出一种基于深度学习的多视角方法，用于自动3D地标检测和下肢畸形评估 | 采用多视角渲染和金字塔式卷积神经网络整合技术，自动检测CT图像中的3D地标，提高地标检测和指标评估的速度与准确性 | 未提及具体样本量及数据来源的多样性，可能影响模型的泛化能力 | 开发一种自动检测下肢CT图像中3D地标的方法，以可靠诊断骨骼疾病 | 下肢CT图像中的骨骼地标 | 计算机视觉 | 骨骼疾病 | CT扫描 | 金字塔式CNN | 3D图像 | NA | NA | NA | NA | NA |
| 15487 | 2025-03-29 |
Non-invasive blood glucose monitoring using PPG signals with various deep learning models and implementation using TinyML
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84265-8
PMID:39753714
|
研究论文 | 本研究提出了一种创新的1秒信号分割方法，并评估了三种先进深度学习模型在利用PPG信号估计血糖水平方面的性能 | 创新的1秒信号分割技术显著提高了准确性和计算效率，并在嵌入式设备上实现了即时血糖估计 | 训练数据在手术和麻醉期间收集，可能影响模型在正常状态下的泛化能力 | 开发一种非侵入性、准确且方便的血糖监测方法 | PPG信号 | 机器学习 | 糖尿病 | PPG | 深度学习模型 | 信号数据 | 手术和麻醉期间收集的训练数据及单独测试数据集 | NA | NA | NA | NA |
| 15488 | 2025-03-29 |
Automated assessment of task-based performance of digital mammography and tomosynthesis systems using an anthropomorphic breast phantom and deep learning-based scoring
2025-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.S1.S13005
PMID:39416764
|
研究论文 | 本文提出了一种基于深度学习的自动化评分方法，用于评估数字乳腺X线摄影（DM）和数字乳腺断层合成（DBT）系统的任务性能 | 使用具有随机羟基磷灰石微钙化的逼真乳腺体模和基于Resnet-18架构的半自动化深度学习图像评分方法，解决了现有体模方法背景不真实、评分主观和信号模式不具代表性的问题 | 研究仅基于体模实验，未涉及真实临床数据 | 开发一种客观的任务型图像质量评估方法，用于乳腺X线摄影和断层合成系统 | 数字乳腺X线摄影（DM）和数字乳腺断层合成（DBT）系统 | 数字病理学 | 乳腺癌 | 深度学习和ROC分析 | Resnet-18 | 图像 | 实验使用临床乳腺X线摄影系统收集的2D和伪3D乳腺X线照片 | NA | NA | NA | NA |
| 15489 | 2025-03-29 |
SUMO-LMNet: Lossless mapping network for predicting SUMOylation sites in SUMO1 and SUMO2 using high-dimensional features
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.03.005
PMID:40143924
|
研究论文 | 介绍了一种名为SUMO-LMNet的深度学习框架，用于精确预测SUMO1和SUMO2的SUMOylation位点 | SUMO-LMNet整合了无损映射策略和深度学习架构，提高了预测准确性和可解释性，并引入了Combined Heatmap Feature Analysis (CHFA)进行数据集范围的评估 | Grad-CAM在单个预测中突出关键特征，但在样本间缺乏一致性，且未提供数据集范围的特征重要性评估 | 提高SUMO1和SUMO2修饰位点的预测准确性，以助于基因调控和疾病机制的研究 | SUMO1和SUMO2的SUMOylation位点 | 机器学习 | NA | 深度学习 | CNN | 序列数据 | NA | NA | NA | NA | NA |
| 15490 | 2025-03-29 |
SympCoughNet: symptom assisted audio-based COVID-19 detection
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1551298
PMID:40144457
|
research paper | 提出了一种名为SympCoughNet的深度学习网络，通过结合咳嗽声音和临床症状数据来检测COVID-19 | 首次将临床症状数据与咳嗽声音结合用于COVID-19检测，并采用症状编码通道加权增强特征处理 | 错误的症状输入可能影响预测结果 | 提高COVID-19检测的准确性和便捷性 | COVID-19患者 | machine learning | COVID-19 | 深度学习 | CNN | 音频和临床数据 | UK COVID-19 Vocal Audio Dataset | NA | NA | NA | NA |
| 15491 | 2025-03-29 |
A multi-modal deep learning solution for precise pneumonia diagnosis: the PneumoFusion-Net model
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1512835
PMID:40144549
|
research paper | 提出了一种名为PneumoFusion-Net的多模态深度学习模型，用于精确诊断肺炎 | 整合了CT图像、临床文本、实验室数值结果和放射学报告，首次在肺炎诊断中实现了多模态数据的深度融合 | 模型仅在单一数据集上进行验证，需要更多外部数据验证其泛化能力 | 开发一个高精度的肺炎分类系统，区分细菌性和病毒性肺炎 | 肺炎患者的CT图像及相关临床数据 | digital pathology | pneumonia | deep learning | PneumoFusion-Net | CT images, clinical text, numerical lab test results, radiology reports | 10,095份肺炎CT图像及相关临床数据 | NA | NA | NA | NA |
| 15492 | 2025-03-29 |
Multimodal diagnosis of Alzheimer's disease based on resting-state electroencephalography and structural magnetic resonance imaging
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1515881
PMID:40144547
|
研究论文 | 提出了一种基于静息态脑电图和结构磁共振成像的多模态阿尔茨海默病诊断模型 | 首次探索深度学习与脑电图多模态结合用于阿尔茨海默病诊断，设计了多模态联合注意力机制以增强模态间协作 | 未提及模型在其他神经退行性疾病上的泛化能力 | 提升多模态阿尔茨海默病诊断的准确性和脑电图在多模态研究中的应用 | 阿尔茨海默病患者 | 数字病理学 | 阿尔茨海默病 | 静息态脑电图（EEG），结构磁共振成像（sMRI） | CNN，随机森林 | EEG信号，MRI图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 15493 | 2025-03-29 |
Review of applications of deep learning in veterinary diagnostics and animal health
2025, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2025.1511522
PMID:40144529
|
review | 本文综述了深度学习在兽医诊断和动物健康领域的应用 | 系统性地回顾了深度学习在兽医医学中的多种诊断应用，并分析了其发展趋势和潜在影响 | 需要更大更多样的数据集，存在可解释性问题，需专家参与模型开发以确保有效性 | 探讨深度学习在兽医诊断领域的应用及其未来发展方向 | 兽医诊断和动物健康 | machine learning | NA | deep learning | NA | radiography, cytology, health record, MRI, environmental data, photo/video imaging, ultrasound | 39篇主要研究文章 | NA | NA | NA | NA |
| 15494 | 2025-03-29 |
YO-AFD: an improved YOLOv8-based deep learning approach for rapid and accurate apple flower detection
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1541266
PMID:40144752
|
研究论文 | 提出了一种基于YOLOv8改进的YO-AFD深度学习方法，用于快速准确地检测苹果花 | 设计了新的注意力模块ISAT，结合了IRMB和SCSA模块，并引入了基于FIoU的回归损失函数，以提高模型对不同尺度特征的关注和关键特征的提取能力 | 未提及具体的数据集规模或多样性限制，可能影响模型的泛化能力 | 提高苹果花的检测准确性和速度，以评估果树生长状态、预测花期和早期产量估计 | 苹果花 | 计算机视觉 | NA | 深度学习 | YOLOv8, ISAT, C2f-IS | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 15495 | 2025-03-29 |
Feasibility study of single-image super-resolution scanning system based on deep learning for pathological diagnosis of oral epithelial dysplasia
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1550512
PMID:40144879
|
研究论文 | 本研究评估了基于深度学习的超分辨率扫描系统在口腔上皮异常增生（OED）数字扫描和诊断中的可行性 | 结合深度学习和超分辨率扫描技术，提高了口腔上皮组织病理切片的成像清晰度，解决了现有数字扫描仪成像速度慢、数据量大等问题 | 研究样本量较小，仅使用了40张病理切片进行模型训练 | 评估基于深度学习的超分辨率数字切片扫描系统在OED病理诊断中的可行性 | 口腔上皮异常增生（OED）的病理切片 | 数字病理 | 口腔潜在恶性疾病 | 深度学习 | NA | 图像 | 40张口腔上皮组织病理切片和200张确诊OED的切片 | NA | NA | NA | NA |
| 15496 | 2025-10-07 |
Multiplex Detection of Foodborne Pathogens using 3D Nanostructure Swab and Deep Learning-Based Classification of Raman Spectra
2024-08, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202308317
PMID:38564785
|
研究论文 | 提出了一种结合3D纳米结构拭子和深度学习拉曼信号分类的多重食源性病原体检测方法 | 首次将3D纳米结构拭子捕获技术与便携式拉曼仪器及深度学习分类算法相结合，实现快速准确的多种食源性细菌检测 | NA | 开发简单、快速、灵敏的食源性病原体检测方法以支持食品安全监测 | 食源性细菌 | 机器学习 | 食源性疾病 | 拉曼光谱技术 | CNN | 光谱数据 | NA | NA | 1D卷积神经网络 | 准确率 | NA |
| 15497 | 2025-10-07 |
Variants in tubule epithelial regulatory elements mediate most heritable differences in human kidney function
2024-Jun-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.18.599625
PMID:38948875
|
研究论文 | 通过GWAS和单细胞染色质可及性分析揭示肾小管上皮细胞调控元件中的遗传变异是人类肾功能遗传差异的主要决定因素 | 开发了ChromKid深度学习模型预测肾脏细胞类型特异性染色质可及性，并首次系统性地将肾功能遗传变异定位到特定细胞类型的调控元件 | 研究主要关注常见遗传变异，可能未涵盖罕见变异的影响；功能验证实验仅在体外细胞模型中进行 | 识别影响肾功能的遗传变异及其作用的细胞类型和分子机制 | 人类肾功能相关的遗传变异和肾脏细胞类型特异性调控元件 | 基因组学 | 肾脏疾病 | GWAS, scATAC-seq, 深度学习, CRISPRi, 增强子检测 | 深度学习模型 | 基因组数据, 表观基因组数据, 单细胞测序数据 | NA | NA | ChromKid | NA | NA |
| 15498 | 2025-10-07 |
Enhancing Global Estimation of Fine Particulate Matter Concentrations by Including Geophysical a Priori Information in Deep Learning
2024-May-10, ACS ES&T air
DOI:10.1021/acsestair.3c00054
PMID:38751607
|
研究论文 | 通过将地球物理先验信息融入深度学习模型，改进全球细颗粒物浓度估算 | 开发了包含地球物理估计的损失函数，引入空气质量空间交叉验证新方法，通过整合地球物理PM解决监测稀少区域性能下降问题 | 模型性能仍依赖于地面监测站密度，在监测站极稀疏区域估算精度可能受限 | 提高全球细颗粒物浓度分布的估算精度 | 1998-2019年全球月度PM2.5浓度数据 | 机器学习 | NA | 卫星遥感、数值模拟、地面监测 | CNN | 卫星数据、模拟数据、监测数据 | 1998-2019年全球月度PM2.5浓度数据 | NA | 卷积神经网络 | 决定系数(R²) | NA |
| 15499 | 2025-10-07 |
MA-PEP: A novel anticancer peptide prediction framework with multimodal feature fusion based on attention mechanism
2024-Apr, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.4966
PMID:38532681
|
研究论文 | 提出一种基于注意力机制的多模态特征融合抗癌肽预测框架MA-PEP | 利用多重注意力机制进行特征增强和融合，整合分子级化学特征和序列信息 | 未明确说明模型在未见数据上的泛化能力及计算复杂度 | 提高抗癌肽预测性能 | 抗癌肽（ACPs） | 机器学习 | 癌症 | 多模态特征融合 | 深度学习 | 序列数据，化学特征 | 多个基准数据集（未指定具体样本量） | NA | 基于注意力机制的融合架构 | 预测性能（未指定具体指标） | NA |
| 15500 | 2025-10-07 |
Deep learning from latent spatiotemporal information of the heart: Identifying advanced bioimaging markers from echocardiograms
2024-Mar, Biophysics reviews
IF:2.9Q2
DOI:10.1063/5.0176850
PMID:38559589
|
研究论文 | 利用深度学习从超声心动图的潜在时空信息中提取先进生物成像标记物 | 开发新型时空深度学习模型，基于未标记像素数据构建个性化4D心脏网格并提取潜在时间成像特征 | 依赖于手动和主观的人工追踪，存在异质性问题 | 改善超声心动图的采集、处理和数据分析流程标准化 | 心脏时空成像数据和心血管疾病 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习 | 超声心动图视频序列 | NA | NA | 时空深度学习模型 | NA | NA |