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 15961 - 15980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15961 | 2025-10-07 |
MCNN-AAPT: accurate classification and functional prediction of amino acid and peptide transporters in secondary active transporters using protein language models and multi-window deep learning
2024-Nov-22, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2431664
PMID:39576667
|
研究论文 | 开发结合蛋白质语言模型和多窗口深度学习的技术，用于二级主动转运体中氨基酸和肽转运体的准确分类及功能预测 | 首次整合三种前沿蛋白质语言模型（ProtTrans、ESM-1b、ESM-2）与多窗口扫描深度学习架构，实现局部和全局序列模式的联合捕捉 | 研究仅基于448个二级主动转运体样本，模型泛化能力需进一步验证 | 建立计算框架对二级主动转运体中的氨基酸和肽转运体进行功能分类及溶质载体蛋白关联预测 | 二级主动转运体（含36个溶质载体蛋白） | 生物信息学 | 癌症 | 蛋白质语言模型，多窗口深度学习 | 深度学习神经网络 | 蛋白质序列数据 | 448个二级主动转运体（来自UniProt和TCDB数据库） | NA | 多窗口扫描架构 | 准确率，灵敏度，特异性，马修斯相关系数 | NA |
| 15962 | 2025-10-07 |
Artificial intelligence-based morphologic classification and molecular characterization of neuroblastic tumors from digital histopathology
2024-Nov-08, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00745-0
PMID:39511421
|
研究论文 | 开发基于深度学习的AI模型，通过数字病理图像对神经母细胞瘤进行形态学分类和分子特征分析 | 采用注意力机制的多实例学习和自监督学习方法，使用迄今最大规模的神经母细胞瘤队列进行病理分类和MYCN扩增状态评估 | NA | 开发AI辅助的神经母细胞瘤分类系统 | 神经母细胞瘤 | 数字病理学 | 神经母细胞瘤 | H&E染色全切片图像 | 深度学习 | 图像 | 迄今最大规模报道的队列 | NA | 注意力机制多实例学习(aMIL), 自监督学习(SSL) | 诊断类别识别, 分级识别, 有丝分裂-核碎裂指数(MKI)评估, MYCN扩增状态识别 | NA |
| 15963 | 2025-10-07 |
An initial game-theoretic assessment of enhanced tissue preparation and imaging protocols for improved deep learning inference of spatial transcriptomics from tissue morphology
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae476
PMID:39367648
|
研究论文 | 通过改进组织制备和成像方案提升基于深度学习的空间转录组学形态学推断性能 | 首次从博弈论角度评估组织制备和成像方案对空间转录组学深度学习模型性能的影响，提出临床级标准化流程 | 研究样本量较小（仅13例结直肠癌患者），需要更大规模验证 | 评估改进的组织处理与成像方案对深度学习模型从组织形态推断空间转录组性能的影响 | 结直肠癌患者的组织样本 | 数字病理 | 结直肠癌 | 空间转录组学，自动化H&E染色，全玻片成像 | CNN | 组织图像 | 13例病理T分期III期结直肠癌患者 | TensorFlow | Inceptionv3 | 数据Shapley值 | NA |
| 15964 | 2025-10-07 |
Deep autoencoder-based behavioral pattern recognition outperforms standard statistical methods in high-dimensional zebrafish studies
2024-Sep, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012423
PMID:39255309
|
研究论文 | 本研究开发了一种基于深度自编码器的行为模式识别方法，用于分析斑马鱼高维行为数据并识别环境毒物引起的异常行为 | 使用半监督深度自编码器提取斑马鱼正常行为特征，相比传统统计方法能识别更多毒物诱导的异常行为模式 | NA | 开发更有效的行为模式识别方法以检测环境毒物对斑马鱼神经行为的影响 | 斑马鱼幼虫的行为数据 | 机器学习 | 神经毒性疾病 | 行为分析 | 深度自编码器 | 行为数据 | NA | NA | 自编码器 | NA | NA |
| 15965 | 2025-10-07 |
Artificial Intelligence for Early Detection of Pediatric Eye Diseases Using Mobile Photos
2024-08-01, JAMA network open
IF:10.5Q1
|
研究论文 | 开发基于深度学习的人工智能模型，通过移动设备拍摄的照片早期检测儿童眼部疾病 | 首次使用移动照片和AI技术实现儿童近视、斜视和上睑下垂的便捷家庭筛查 | 研究为横断面设计，样本量相对有限，不同年龄组间存在性能差异 | 开发AI模型用于儿童眼部疾病的早期检测 | 被诊断患有近视、斜视或上睑下垂的儿童患者 | 计算机视觉 | 眼科疾病 | 深度学习 | 深度学习模型 | 图像 | 476名患者的1419张图像（225名女性，47.27%；299名6-12岁儿童，62.82%） | NA | NA | 敏感度, 特异度, 准确率, AUC, 阳性预测值, 阴性预测值, 阳性似然比, 阴性似然比, F1分数 | NA |
| 15966 | 2025-10-07 |
Identification of an ANCA-Associated Vasculitis Cohort Using Deep Learning and Electronic Health Records
2024-Jun-10, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.09.24308603
PMID:38946986
|
研究论文 | 本研究开发了一种基于深度学习的电子健康记录分析模型，用于准确识别ANCA相关性血管炎病例 | 首次将深度学习模型应用于电子健康记录中的临床文本分析，相比传统基于规则的方法能识别更多ANCA相关性血管炎病例 | 研究数据来源于单一医疗系统，模型性能需在更广泛人群中验证 | 开发更准确的ANCA相关性血管炎病例识别方法 | 电子健康记录中的临床文档 | 自然语言处理 | ANCA相关性血管炎 | 电子健康记录分析 | 深度学习 | 文本 | 数据集I: 6,000个注释片段，数据集II: 3,008个注释片段，数据集III: 7,500个注释片段，测试队列: 2,000个样本 | NA | NA | PPV, 敏感度, F分数, AUROC, AUPRC | NA |
| 15967 | 2025-10-07 |
Identification and Structural Characterization of Twisted Atomically Thin Bilayer Materials by Deep Learning
2024-Mar-06, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.3c04815
PMID:38407030
|
研究论文 | 利用深度学习技术识别和表征扭曲原子级薄层二维材料的厚度和扭转角度 | 首次结合语义分割CNN和光学显微镜实现MoS₂薄层厚度识别与扭转角度预测的自动化方法 | 模型训练主要基于合成图像数据集，实际应用效果需进一步验证 | 开发自动化检测扭曲原子级薄层二维材料的方法 | 化学气相沉积生长的二硫化钼(MoS₂)薄层材料 | 计算机视觉 | NA | 光学显微镜，化学气相沉积(CVD)，二次谐波产生，拉曼光谱 | CNN | 图像 | 超过10,000张合成图像，涵盖六边形到三角形几何形状 | NA | 语义分割CNN | NA | NA |
| 15968 | 2025-02-28 |
Predicting epidermal growth factor receptor mutation status of lung adenocarcinoma based on PET/CT images using deep learning
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1458374
PMID:39735601
|
研究论文 | 本研究旨在开发基于18F-FDG PET/CT图像的深度学习模型，用于预测肺腺癌（LUAD）患者的表皮生长因子受体（EGFR）突变状态 | 利用深度学习模型预测EGFR突变状态，结合PET/CT图像和临床特征，提高了预测的准确性 | 研究仅基于两个机构的430名患者，样本量可能不足以代表所有肺腺癌患者 | 开发预测肺腺癌患者EGFR突变状态的深度学习模型 | 430名非小细胞肺癌患者 | 计算机视觉 | 肺癌 | 18F-FDG PET/CT成像 | Inception V3 | 图像 | 430名非小细胞肺癌患者 | NA | NA | NA | NA |
| 15969 | 2025-10-07 |
DeepOmicsAE: Representing Signaling Modules in Alzheimer's Disease with Deep Learning Analysis of Proteomics, Metabolomics, and Clinical Data
2023-12-15, Journal of visualized experiments : JoVE
DOI:10.3791/65910
PMID:38163278
|
研究论文 | 提出DeepOmicsAE工作流程，利用自编码器分析多组学数据以识别阿尔茨海默病的信号模块 | 开发了针对多组学数据优化的自编码器工作流程，提供参数优化方法，并能识别与临床特征互作的分子信号模块 | 样本量相对较小(142人)，仅使用死后脑样本数据 | 开发多组学数据分析方法以研究阿尔茨海默病的分子机制 | 健康个体和阿尔茨海默病患者的死后脑样本 | 机器学习 | 阿尔茨海默病 | 蛋白质组学,代谢组学,临床数据分析 | 自编码器 | 蛋白质组数据,代谢组数据,临床数据 | 142人(包括健康对照和阿尔茨海默病患者) | NA | 自编码器 | NA | NA |
| 15970 | 2025-10-07 |
Artificial Intelligence-based System for Detecting Attention Levels in Students
2023-12-15, Journal of visualized experiments : JoVE
DOI:10.3791/65931
PMID:38163270
|
研究论文 | 提出基于人工智能的系统，通过分析学生面部表情、视线方向、身体姿态和生物特征数据来检测课堂注意力水平 | 整合多种数据源（面部表情、视线方向、身体姿态和生物特征）构建注意力检测系统 | 需要创建标记数据集，整合不同类型数据存在挑战 | 开发AI系统自动识别学生注意力水平，帮助教师优化教学过程 | 课堂学生 | 机器学习 | NA | 深度学习 | 深度学习模型 | 图像数据, 传感器数据, 生物特征数据 | NA | NA | NA | NA | NA |
| 15971 | 2025-10-07 |
Brain analysis to approach human muscles synergy using deep learning
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10228-y
PMID:39996071
|
研究论文 | 本研究通过深度学习分析脑电信号和肌电信号来探索人体肌肉协同作用 | 结合脑电信号和肌电信号进行协同分析，并开发了从脑连接图重建肌肉信号的新方法 | NA | 研究手部运动过程中脑电和肌电信号的相互作用，估计肌肉与脑信号之间的协同作用 | 脑电信号和肌电信号 | 机器学习 | NA | 脑电图，肌电图，图论分析 | 神经网络，卷积网络 | 脑电信号，肌电信号 | NA | NA | NA | 相关系数，均方误差 | NA |
| 15972 | 2025-10-07 |
Automated classification of coronary LEsions fRom coronary computed Tomography angiography scans with an updated deep learning model: ALERT study
2025-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11308-z
PMID:39792162
|
研究论文 | 本研究评估更新版深度学习模型CorEx-2.0在冠状动脉CT血管造影扫描中自动分类冠状动脉病变的诊断性能 | 使用最新更新的深度学习模型CorEx-2.0进行冠状动脉狭窄定量分析，并与两位专家读片者进行独立比较 | 单中心回顾性研究，样本量较小（50例患者），缺乏多中心验证 | 评估深度学习模型在冠状动脉CT血管造影中定量测量冠状动脉狭窄的诊断性能 | 接受冠状动脉CT血管造影检查以排除阻塞性冠状动脉疾病的患者 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管造影 | 深度学习模型 | 医学影像 | 50例患者，150条血管 | NA | CorEx-2.0 | 灵敏度, Cohen's kappa, 线性加权kappa, 一致率 | NA |
| 15973 | 2025-10-07 |
Combining deep learning and machine learning techniques to track air pollution in relation to vegetation cover utilizing remotely sensed data
2025-Mar, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.124323
PMID:39914214
|
研究论文 | 结合深度学习和机器学习技术，利用遥感数据追踪空气污染与植被覆盖的关系 | 首次将机器学习(XGB、SVM、RF)和深度学习(Unet、Unet++、MAnet、Linknet)模型集成应用于达卡市空气污染与植被覆盖关系研究 | 未使用高分辨率影像和未整合社会经济数据 | 研究空气污染物(PM2.5和PM10)浓度上升与城市绿地减少之间的关系 | 孟加拉国达卡市的空气污染和植被覆盖 | 环境遥感 | NA | 遥感技术 | 集成机器学习模型,深度学习分割模型 | 遥感影像数据 | 1990-2022年期间的时序数据 | NA | Unet, Unet++, MAnet, Linknet | NA | NA |
| 15974 | 2025-10-07 |
Carbon source dosage intelligent determination using a multi-feature sensitive back propagation neural network model
2025-Mar, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.124341
PMID:39933376
|
研究论文 | 提出一种基于SHAP和敏感性分析的多特征敏感反向传播神经网络模型，用于污水处理厂碳源投加的智能确定 | 结合SHAP和敏感性分析构建多特征敏感BPNN模型，引入理论公式提升预测精度，采用反馈调节处理异常数据 | 模型在短期和有限数据条件下开发，可能对数据质量敏感 | 解决污水处理厂反硝化阶段碳源投加不经济和出水总氮浓度不稳定的问题 | 污水处理厂的碳源投加过程 | 机器学习 | NA | 深度学习 | BPNN | 过程参数数据 | NA | NA | 多特征敏感反向传播神经网络 | R, 出水总氮浓度改善率, 碳源投加减少率 | NA |
| 15975 | 2025-10-07 |
Deep learning-driven behavioral analysis reveals adaptive responses in Drosophila offspring after long-term parental microplastic exposure
2025-Mar, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.124502
PMID:39933380
|
研究论文 | 通过深度学习分析果蝇幼虫行为，研究父母代长期暴露于微塑料对后代的跨代影响 | 首次结合深度学习行为追踪技术与跨代实验设计，揭示长期微塑料暴露诱导果蝇后代产生适应性行为反应 | 仅使用聚苯乙烯微塑料，未研究其他类型微塑料的影响；仅观察幼虫阶段行为变化 | 评估微塑料对陆地生物的跨代影响及潜在适应性反应 | 黑腹果蝇（Drosophila melanogaster）及其后代幼虫 | 行为分析 | NA | 深度学习行为追踪 | 深度学习 | 行为视频数据 | 不同时间点（第2、8、14天）采集的后代幼虫 | NA | NA | 爬行速度、爬行角速度 | NA |
| 15976 | 2025-10-07 |
Hybrid deep learning downscaling of GCMs for climate impact assessment and future projections in Oman
2025-Mar, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.124522
PMID:39951996
|
研究论文 | 本研究开发了一种混合深度学习方法来降尺度全球环流模型，用于阿曼地区的气候影响评估和未来预测 | 提出了一种结合序列到序列模型、时序卷积网络编码器和Transformer解码器的新型混合深度学习方法 | 研究仅针对阿曼Wadi Dayqah流域，结果可能不适用于其他地区 | 开发准确的GCM降尺度方法以评估气候变化影响和水资源管理 | 阿曼Wadi Dayqah流域的气候数据和水文响应 | 机器学习 | NA | 气候模型降尺度，水文建模 | 序列到序列模型，TCN，Transformer，LSTM，随机森林 | 气候数据，降水温度数据，水文数据 | 14个GCM模型，1992-2006年校准数据，2007-2011年验证数据 | NA | 时序卷积网络，Transformer，LSTM | NSE，RMSE，BIAS，相对误差 | NA |
| 15977 | 2025-10-07 |
Deep learning enhanced light sheet fluorescence microscopy for in vivo 4D imaging of zebrafish heart beating
2025-Feb-25, Light, science & applications
DOI:10.1038/s41377-024-01710-z
PMID:39994185
|
研究论文 | 提出一种深度学习增强的光片荧光显微镜方法，用于斑马鱼心脏跳动的活体4D成像 | 开发了U-net集成Transformer(UI-Trans)网络，能够同时学习精细细节和复杂全局特征，在极低光照(0.03%)和采集时间(3.3%)下实现快速体积成像 | NA | 解决生物医学研究中长时间高分辨率时空动态成像的挑战 | 斑马鱼心脏 | 计算机视觉 | 心血管疾病 | 光片荧光显微镜(LSFM)，共焦线扫描LSFM(LS-LSFM) | CNN, Transformer | 荧光图像 | NA | NA | U-net, Transformer, UI-Trans | 信噪比(SNR)，对比度 | NA |
| 15978 | 2025-10-07 |
Progress on intelligent metasurfaces for signal relay, transmitter, and processor
2025-Feb-25, Light, science & applications
DOI:10.1038/s41377-024-01729-2
PMID:39994200
|
综述 | 本文系统回顾了智能超表面在无线通信中作为信号中继器、发射器和处理器三种模式的应用进展 | 提出智能超表面作为主动重塑无线通信环境的新范式，区别于传统被动适应环境的方法 | 讨论了智能超表面实际部署中的关键问题 | 探索智能超表面在提升无线通信数据速率方面的潜力 | 智能超表面及其在无线通信系统中的应用 | 无线通信 | NA | 智能超表面技术 | 深度学习算法 | 无线信号 | NA | NA | NA | NA | NA |
| 15979 | 2025-02-27 |
Ultrasound Thyroid Nodule Segmentation Algorithm Based on DeepLabV3+ with EfficientNet
2025-Feb-25, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01436-3
PMID:40000546
|
研究论文 | 本文提出了一种基于DeepLabV3+与EfficientNet的超声甲状腺结节分割算法，旨在提高超声图像中甲状腺结节分割的准确性 | 首次将EfficientNet-B7作为DeepLabV3+架构的主干网络应用于甲状腺结节分割 | NA | 提高超声图像中甲状腺结节分割的准确性 | 超声图像中的甲状腺结节 | 计算机视觉 | 甲状腺疾病 | 深度学习 | DeepLabV3+ with EfficientNet-B7 | 图像 | 来自郑州大学第一附属医院的数据集及两个公共数据集 | NA | NA | NA | NA |
| 15980 | 2025-10-07 |
Three-dimensional, multimodal synchrotron data for machine learning applications
2025-Feb-24, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04605-9
PMID:39994193
|
研究论文 | 本文提供了一个独特的多模态同步辐射数据集，用于开发先进的深度学习和数据融合流程 | 提供了首个锌掺杂沸石13X样品的空间分辨三维多模态同步辐射数据集 | 使用简单空间隔离的双相材料，可能无法代表更复杂的多相系统 | 开发用于超分辨率、多模态数据融合和3D重建算法的机器学习技术 | 锌掺杂沸石13X样品片段 | 机器学习 | NA | 同步辐射显微X射线计算机断层扫描、X射线衍射计算机断层扫描 | NA | 三维图像数据、X射线衍射数据 | 单个锌掺杂沸石13X片段 | NA | NA | NA | NA |