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 36434 篇文献，本页显示第 1561 - 1580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1561 | 2025-12-05 |
Multi-task Learning via Adaptation to Similar Tasks for Mortality Prediction of Diverse Rare Diseases
2020, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:33936451
|
研究论文 | 本文提出了一种名为Ada-SiT的多任务学习方法，用于基于电子健康记录数据预测多种罕见疾病的死亡率 | 提出了一种初始化共享的多任务学习方法，能够学习参数初始化并动态测量任务相似性，以快速适应数据不足和任务多样性的挑战 | NA | 解决罕见疾病死亡率预测中的数据不足和临床多样性问题 | 多种罕见疾病患者的电子健康记录数据 | 自然语言处理 | 罕见疾病 | 电子健康记录分析 | LSTM | 纵向电子健康记录数据 | NA | NA | LSTM | NA | NA |
| 1562 | 2025-12-05 |
Deep CHORES: Estimating Hallmark Measures of Physical Activity Using Deep Learning
2020, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:33936455
|
研究论文 | 本研究利用深度学习从手腕加速度计数据中识别身体活动类型并估计能量消耗 | 开发了深度学习网络以从时间序列数据中提取时空表示，用于准确识别身体活动类型和估计能量消耗 | 研究在标准化实验室环境中进行，可能无法完全反映自由生活条件下的身体活动情况 | 评估手腕加速度计在识别身体活动类型和估计能量消耗方面的性能 | 20-89岁的参与者（66%为女性）在实验室环境中执行33种日常活动 | 机器学习 | NA | 三轴加速度计数据采集，便携式代谢单元测量 | 深度学习网络 | 时间序列加速度计数据 | 20-89岁参与者群体，具体人数未明确说明 | NA | NA | F1分数，均方根误差 | NA |
| 1563 | 2025-12-05 |
Inferring ADR causality by predicting the Naranjo Score from Clinical Notes
2020, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:33936480
|
研究论文 | 提出一种结合深度学习和统计学习模型的方法，从患者出院摘要中自动推断药物与不良反应之间的因果关系 | 首次提出使用BERT提取Naranjo问卷相关段落，并结合逻辑回归等统计模型预测Naranjo评分和因果关系 | 未在摘要中明确说明 | 开发自动推断药物不良反应因果关系的方法，替代人工审阅病历 | 患者出院摘要中的药物不良反应因果关系 | 自然语言处理 | NA | 临床文本分析 | BERT, 逻辑回归 | 文本（临床笔记/出院摘要） | 未在摘要中明确说明 | 未在摘要中明确说明 | BERT | 宏平均F1分数, 加权F1分数 | 未在摘要中明确说明 |
| 1564 | 2025-12-05 |
Patient Cohort Retrieval using Transformer Language Models
2020, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:33936491
|
研究论文 | 本文应用基于深度学习的语言模型进行患者队列检索任务，以评估其效果 | 提出一个无需显式特征工程和领域知识的框架，将患者队列检索映射为文档检索任务，并应用多种深度神经网络模型 | NA | 评估深度学习语言模型在患者队列检索任务中的效能 | 电子健康记录（EHRs）中的文档 | 自然语言处理 | NA | NA | Transformer | 文本 | NA | NA | Transformer | NA | NA |
| 1565 | 2025-12-05 |
Extracting and Learning Fine-Grained Labels from Chest Radiographs
2020, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:33936495
|
研究论文 | 本文提出了一种从胸部X光放射学报告中提取细粒度标签的新方法，并训练了一个用于细粒度分类的深度学习模型 | 首次开发了结合词汇驱动概念提取和依赖解析树短语分组的细粒度标签提取方法，并构建了覆盖457个细粒度标签的最大谱系数据集 | NA | 从胸部X光图像中提取和学习细粒度标签 | 胸部X光图像及其放射学报告 | 计算机视觉 | NA | 自然语言处理 | 深度学习模型 | 图像, 文本 | NA | NA | NA | NA | NA |
| 1566 | 2025-12-05 |
Prediction of secondary structure population and intrinsic disorder of proteins using multitask deep learning
2020, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:33936509
|
研究论文 | 本研究开发了一种多任务深度学习框架，用于预测蛋白质的二级结构种群和内在无序性 | 设计了单任务和多任务深度学习框架，通过同时预测二级结构种群来增强内在无序蛋白质/区域的预测性能 | 未明确提及 | 预测蛋白质的二级结构种群和内在无序性，以定量表征蛋白质的结构构象特性 | 蛋白质，特别是内在无序蛋白质和区域 | 机器学习 | NA | 核磁共振化学位移 | 深度学习 | 化学位移数据 | 未明确提及 | 未明确提及 | 未明确提及 | 未明确提及 | 未明确提及 |
| 1567 | 2025-12-05 |
Predicting Tumor Cell Response to Synergistic Drug Combinations Using a Novel Simplified Deep Learning Model
2020, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:33936513
|
研究论文 | 本研究提出了一种新的简化深度学习模型，用于预测肿瘤细胞对协同药物组合的反应 | 与现有模型使用大量化学结构和基因组学特征不同，该模型基于一小套癌症信号通路构建，能更生物意义明确且可解释地模拟多组学数据和药物靶点/机制的整合 | 模型依赖于NCI ALMANAC药物组合筛选数据，可能受数据集的局限性和信号通路选择的限制 | 开发计算模型以预测药物组合的协同效应，促进新型药物组合的发现 | 肿瘤细胞对药物组合的反应 | 机器学习 | 癌症 | 深度学习 | 深度学习模型 | 信号通路数据、药物组合筛选数据 | NA | NA | 简化深度学习模型 | NA | NA |
| 1568 | 2025-12-05 |
Normalizing Clinical Document Titles to LOINC Document Ontology: an Initial Study
2020, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:33936520
|
研究论文 | 本研究探讨了将临床文档标题标准化为LOINC文档本体（DO）的可行性，通过跨五个机构的临床笔记标题映射到DO的五个轴，并利用BERT模型实现自动映射 | 首次将BERT模型应用于临床文档标题到LOINC DO轴的自动映射，并分析了DO轴定义中的歧义问题 | 研究仅基于4,000个手动标注的标题，样本规模有限，且未涉及更广泛的临床文档类型或机构 | 调查LOINC DO在临床文档标准化中的可行性和泛化能力 | 来自五个机构的临床笔记标题 | 自然语言处理 | NA | NA | BERT | 文本 | 4,000个手动标注的临床文档标题 | NA | BERT | NA | NA |
| 1569 | 2025-12-04 |
Dengue forecasting and outbreak detection in Brazil using LSTM: integrating human mobility and climate factors
2026-Mar, Infectious Disease Modelling
IF:3.0Q1
DOI:10.1016/j.idm.2025.11.002
PMID:41321683
|
研究论文 | 本研究开发了一种基于LSTM的深度学习模型，用于预测巴西的登革热病例并检测疫情爆发，整合了人类移动性和气候因素 | 首次将人类移动性数据整合到基于深度学习的登革热预测框架中，以捕捉病毒传播的空间动态 | 未明确提及模型在更广泛地理区域或不同疾病背景下的泛化能力限制 | 提高登革热病例预测和疫情爆发的检测准确性，以支持早期预警系统和公共卫生干预 | 巴西选定城市的登革热病例数据、气候变量和人类移动性数据 | 自然语言处理 | 登革热 | 深度学习 | LSTM | 时间序列数据 | NA | NA | LSTM | MAE, MAPE, CRPS, 准确率, 灵敏度, 特异性, F1分数 | NA |
| 1570 | 2025-12-04 |
LUMIR: an LLM-driven unified agent framework for multi-task infrared spectroscopy reasoning
2026-Jan-08, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2025.344857
PMID:41330688
|
研究论文 | 本文介绍了一个名为LUMIR的LLM驱动的统一智能体框架，用于在低数据条件下实现多任务红外光谱分析的自动化与增强 | 提出了首个将结构化文献知识库、自动化预处理、特征提取和预测建模集成到统一流程中的LLM驱动框架，通过挖掘同行评审文献中的已验证策略并结合小样本学习，实现了在资源有限条件下的鲁棒光谱分析 | 框架在更广泛的光谱类型和极端数据稀缺场景下的泛化能力仍需进一步验证，且依赖于文献知识库的质量和覆盖范围 | 开发一个数据高效、可自动化的统一框架，以解决红外光谱分析中工作流程构建复杂、泛化能力差的问题 | 红外光谱数据 | 机器学习 | NA | 红外光谱分析 | LLM | 光谱数据 | 多个数据集，包括公开的牛奶近红外数据集、中草药、不同储存时长的陈皮、工业废水COD数据集以及Tecator和Corn两个公共基准数据集 | NA | 基于智能体的统一框架（LUMIR） | 与已建立的机器学习和深度学习模型性能相当（具体指标未明确列出，但涉及分类、回归和异常检测任务） | NA |
| 1571 | 2025-12-04 |
AI-driven aging digital twins: A roadmap for clinical translation in precision geriatrics
2026-Jan, Ageing research reviews
IF:12.5Q1
DOI:10.1016/j.arr.2025.102931
PMID:41192800
|
综述 | 本文综述了AI驱动的衰老数字孪生在精准老年医学中的临床转化路线图，探讨了其潜力与挑战 | 提出了基于AI和多源异构数据整合的衰老数字孪生技术，用于实时健康监测、预测分析和个性化干预 | 训练数据集中存在年龄分层偏差，老年人群数据质量差异可能限制模型泛化性，数据隐私、算法透明度和临床验证问题尚未解决 | 探讨AI驱动的衰老数字孪生在精准老年医学中的临床转化潜力 | 衰老及相关疾病（如神经退行性疾病、心血管疾病和癌症） | 机器学习 | 老年疾病 | 深度学习 | NA | 多源异构数据 | NA | NA | NA | NA | NA |
| 1572 | 2025-12-04 |
Artificial intelligence for fall detection in older adults: A comprehensive survey of machine learning, deep learning approaches, and future directions
2026-Jan, Ageing research reviews
IF:12.5Q1
DOI:10.1016/j.arr.2025.102948
PMID:41265569
|
综述 | 本文全面综述了面向老年人的跌倒检测技术，重点关注机器学习与深度学习方法，并探讨了未来研究方向 | 整合了AI驱动系统的监管框架，跨工程、计算机科学和老年学等多个领域，并明确了跌倒检测与骨质疏松症、神经系统疾病等病症之间的联系 | NA | 综述老年人跌倒检测技术的最新进展，特别是应对数据稀缺的挑战，并推动稳健AI系统的临床转化与监管批准 | 老年人跌倒检测系统 | 机器学习和计算机视觉 | 老年疾病 | NA | NA | 传感器数据和视觉数据 | NA | NA | NA | NA | NA |
| 1573 | 2025-12-04 |
Magnetic resonance imaging analysis for Alzheimer's disease diagnosis using artificial intelligence: Methods, challenges, and opportunities
2026-Jan, Ageing research reviews
IF:12.5Q1
DOI:10.1016/j.arr.2025.102943
PMID:41265570
|
综述 | 本文综述了人工智能在利用磁共振成像诊断阿尔茨海默病领域的最新进展、挑战与机遇 | 系统性地总结了AI在MRI数据分析用于AD诊断中的最新方法、性能评估、临床应用潜力与局限性，并指明了未来研究方向 | 作为一篇综述文章，其局限性在于主要整合现有研究，而非提出新的原创方法或模型 | 为阿尔茨海默病的早期、准确诊断提供人工智能辅助的磁共振成像分析方法概述 | 用于阿尔茨海默病诊断的磁共振成像数据及基于此的人工智能模型 | 医学影像分析 | 阿尔茨海默病 | 磁共振成像 | 深度学习 | 磁共振图像 | NA | NA | NA | NA | NA |
| 1574 | 2025-12-04 |
Explainable machine learning and deep learning models for predicting TAS2R-bitter molecule interactions
2026-Jan, Journal of molecular graphics & modelling
IF:2.7Q2
DOI:10.1016/j.jmgm.2025.109187
PMID:41092497
|
研究论文 | 本研究开发了可解释的机器学习和深度学习模型，用于预测苦味分子与TAS2R受体之间的相互作用 | 结合传统机器学习和深度学习方法，构建高性能且易于应用的模型，并通过协同集成增强模型的可解释性，促进对苦味化合物分子特性的全面理解 | NA | 预测苦味分子与TAS2R受体之间的相互作用，以辅助实验研究、药物设计及理解苦味受体功能 | 苦味分子与TAS2R（苦味受体）之间的相互作用 | 机器学习 | NA | NA | 机器学习,深度学习 | 实验验证数据 | NA | NA | NA | NA | NA |
| 1575 | 2025-12-04 |
A multi-task deep learning model based on transformer for simultaneously evaluating the TVB-N and TVC contents of chicken breasts using two different hyperspectral imaging
2025-Dec-25, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.146725
PMID:41106264
|
研究论文 | 本研究开发了一种基于Transformer的多任务深度学习模型，结合双高光谱成像技术，用于同时预测鸡胸肉的总挥发性盐基氮和总活菌数含量 | 提出了一种新颖的多任务交错组Transformer模型，首次将双高光谱成像数据集成到多任务学习中，有效利用双光谱源的互补信息，在预测精度和稳定性上超越了现有CNN和Transformer模型，同时计算成本降低了50% | 研究仅针对鸡胸肉进行，未涉及其他肉类或食品类型；模型在工业环境中的大规模实时应用效果仍需进一步验证 | 开发一种可靠、无损的鸡肉新鲜度批量检测方法，用于肉类质量评估的工业应用 | 鸡胸肉 | 计算机视觉 | NA | 高光谱成像 | Transformer | 高光谱图像 | NA | NA | 多任务交错组Transformer模型 | 决定系数 | NA |
| 1576 | 2025-12-04 |
Characterization of a Novel Mutansucrase (MUT-I) from Leuconostoc pseudomesenteroides G29: Enzymatic Properties and Product Analysis
2025-Dec-03, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c03636
PMID:41258707
|
研究论文 | 本研究对来自Leuconostoc pseudomesenteroides G29的新型突变蔗糖酶MUT-I进行了生化表征，包括其酶学性质、产物分析及其在α-葡聚糖工程中的应用潜力 | 首次对G29菌株的MUT-I酶进行详细生化表征，揭示了其双功能特性（合成葡聚寡糖和引入α-1,3分支），并利用AlphaFold 3深度学习工具识别了关键催化残基 | 研究主要基于体外实验，未涉及体内应用或大规模生产验证 | 表征新型突变蔗糖酶MUT-I的酶学性质，评估其在合成结构明确的α-葡聚糖方面的应用潜力 | 来自Leuconostoc pseudomesenteroides G29的突变蔗糖酶MUT-I及其合成的α-葡聚糖产物 | 生物化学与酶工程 | NA | 酶学表征、产物分析、深度学习结构预测 | 深度学习模型 | 酶学实验数据、结构预测数据 | 单一酶蛋白（重组MUT-I）及其产物 | AlphaFold 3 | AlphaFold 3 | 酶活性参数（Km、kcat）、产物结构分析（链接类型、分子量、热稳定性） | NA |
| 1577 | 2025-12-04 |
Deep learning model for activity cliffs prediction: a comprehensive approach to protein kinase inhibitors
2025-Dec-03, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-025-00721-1
PMID:41331397
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1578 | 2025-12-04 |
Urban expansion identification and change analysis in Panjin China from 1990 to 2020
2025-Dec-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29448-7
PMID:41331411
|
研究论文 | 本研究利用深度学习模型和时间-光谱-纹理组合优化方法，分析了盘锦市1990年至2020年不透水表面的动态变化，以优化城市空间结构和促进可持续发展 | 提出了一种新颖的深度学习模型和时间-光谱-纹理组合优化方法，用于识别基于像素的土地覆盖变化轨迹，并利用分段线性回归模型确定城市扩张的时间节点 | NA | 优化城市空间结构和促进可持续发展 | 盘锦市（中国的一个资源型城市） | 计算机视觉 | NA | 时间-光谱-纹理组合优化方法 | 深度学习模型 | 图像 | NA | NA | NA | 轨迹分类准确率, 宏观F1分数, 城市扩张时间识别准确率 | NA |
| 1579 | 2025-12-04 |
Low-Field Magnetic Resonance Imaging of the Late Gestation Cervix and Birth Outcome Correlation: A Prospective Cohort Study
2025-Dec-03, BJOG : an international journal of obstetrics and gynaecology
DOI:10.1111/1471-0528.70103
PMID:41332358
|
研究论文 | 本研究利用低场MRI对晚期妊娠宫颈进行重建和3D建模，并自动化测量以关联人口统计学和分娩结局 | 开发了一种新颖、准确的自动化系统，用于评估MRI晚期妊娠宫颈生物测量和体积测量，并首次揭示了晚期妊娠宫颈表型可能影响分娩结局 | 研究样本仅包括首次尝试阴道分娩的晚期妊娠妇女，可能限制了结果的普遍性 | 通过低场MRI技术自动化测量宫颈参数，并探索其与人口统计学和分娩结局的相关性 | 晚期妊娠（36-41周）的妇女 | 数字病理学 | NA | 低场MRI，2D T2加权Turbo-Spin-Echo序列 | 3D深度学习分割网络 | MRI图像 | 97名晚期妊娠妇女 | NA | NA | 图像重建质量，分割质量，评分者间变异性 | 0.55T Freemax MRI扫描仪 |
| 1580 | 2025-12-04 |
Assessing the robustness of deep learning based brain age prediction models across multiple EEG datasets
2025-Dec-02, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3639477
PMID:41329579
|
研究论文 | 本研究通过系统评估深度学习模型在多个EEG数据集上的脑年龄预测性能，探讨了数据集偏移对模型泛化能力的影响 | 首次在脑年龄预测任务中系统评估深度学习模型对多个EEG数据集的泛化能力，并测试了1805种超参数配置 | 模型性能在不同数据集间差异显著，部分情况下R²出现负值，表明模型泛化能力仍受数据集特性限制 | 评估基于深度学习的脑年龄预测模型在多个EEG数据集上的鲁棒性和泛化能力 | 五个不同的EEG数据集 | 机器学习 | NA | 脑电图（EEG） | 深度学习模型 | EEG信号 | 五个EEG数据集（具体样本数未说明） | NA | NA | Pearson相关系数, R² | NA |