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 33344 篇文献，本页显示第 16021 - 16040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16021 | 2025-10-07 |
ConvNext Mitosis Identification-You Only Look Once (CNMI-YOLO): Domain Adaptive and Robust Mitosis Identification in Digital Pathology
2024-10, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2024.102130
PMID:39233013
|
研究论文 | 提出一种名为CNMI-YOLO的两阶段深度学习方法，用于数字病理学中的有丝分裂细胞识别 | 结合YOLOv7架构进行细胞检测和ConvNeXt架构进行细胞分类，解决领域自适应问题 | 未明确说明模型在更广泛癌症类型中的性能表现 | 提高不同类型癌症中有丝分裂细胞的识别准确性 | 组织病理学图像中的有丝分裂细胞 | 数字病理学 | 癌症 | 深度学习 | CNN, Transformer | 图像 | 使用有丝分裂领域泛化挑战2022数据集，包含黑色素瘤和肉瘤外部测试集 | NA | YOLOv7, ConvNeXt, Faster-RCNN, Swin Transformer | 精确率, 召回率, F1分数 | NA |
| 16022 | 2025-10-07 |
Hessian Regularized
L
2
,
1
-Nonnegative Matrix Factorization and Deep Learning for miRNA-Disease Associations Prediction
2024-03, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-023-00594-8
PMID:38099958
|
研究论文 | 提出一种结合Hessian正则化非负矩阵分解与深度学习的混合算法，用于预测miRNA与疾病之间的关联关系 | 提出新型迭代融合方法整合所有相似性，有效降低初始miRNA-疾病关联矩阵的稀疏性；设计混合模型框架结合深度学习、矩阵分解和奇异值分解来捕获非线性特征 | NA | 预测miRNA与疾病之间的潜在关联关系，为医学研究提供初步见解 | microRNAs（miRNAs）与人类疾病（特别是肿瘤疾病） | 机器学习 | 肿瘤疾病 | 矩阵分解，深度学习 | 非负矩阵分解，深度学习模型 | miRNA-疾病关联矩阵，相似性矩阵 | NA | NA | Hessian正则化L2,1-非负矩阵分解，奇异值分解 | AUC, AUPR | NA |
| 16023 | 2025-10-07 |
Analysis and review of techniques and tools based on machine learning and deep learning for prediction of lysine malonylation sites in protein sequences
2024-01-19, Database : the journal of biological databases and curation
DOI:10.1093/database/baad094
PMID:38245002
|
综述 | 对基于机器学习和深度学习的蛋白质序列赖氨酸丙二酰化位点预测技术及工具进行全面分析与比较 | 提出混合架构集成多种分类器，并在最新数据集上评估比较现有工具性能 | 现有方法存在特征提取不当、高维特征和分类器效率低等特定缺陷 | 开发有效的赖氨酸丙二酰化位点预测方法 | 蛋白质序列中的赖氨酸丙二酰化位点 | 机器学习 | NA | 蛋白质序列分析 | 机器学习模型,深度学习模型 | 蛋白质序列数据 | 基于最新数据库提取的新数据集 | NA | 混合架构 | NA | NA |
| 16024 | 2025-10-07 |
Current status of artificial intelligence methods for skin cancer survival analysis: a scoping review
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1243659
PMID:38711781
|
综述 | 分析人工智能方法在皮肤癌生存分析中的应用现状 | 首次系统综述AI在皮肤癌生存分析中的多模态数据整合能力，指出深度学习在黑色素瘤病理解读中的集中应用及扩展其他皮肤恶性肿瘤研究的创新空间 | 仅纳入14篇符合标准的文献，覆盖病种范围有限（主要关注黑色素瘤），未充分整合遗传学与临床数据 | 评估人工智能技术在皮肤癌生存分析领域的应用现状与发展方向 | 皮肤癌患者的生存数据分析 | 自然语言处理, 机器学习 | 皮肤癌 | 深度学习, 自然语言处理 | 监督学习, 无监督学习, 深度学习, NLP | 遗传数据, 临床病史, 人口统计学数据, 病理数据 | 14篇符合纳入标准的文献 | NA | NA | NA | NA |
| 16025 | 2025-10-07 |
SHINE: protein language model-based pathogenicity prediction for short inframe insertion and deletion variants
2023-01-19, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbac584
PMID:36575831
|
研究论文 | 开发基于蛋白质语言模型的短框内插入缺失变异致病性预测工具SHINE | 首次将预训练蛋白质语言模型应用于框内插入缺失变异的致病性预测，通过蛋白质序列和多序列比对构建潜在特征表示 | 训练数据中已知致病性变异数量有限 | 提高短框内插入缺失变异致病性预测的准确性 | 蛋白质序列中的短框内插入缺失变异 | 自然语言处理 | NA | 蛋白质语言模型，多序列比对 | 监督机器学习模型 | 蛋白质序列数据 | 来自ClinVar和gnomAD的培训数据，两个不同来源的测试数据集 | NA | 蛋白质语言模型 | 预测性能 | NA |
| 16026 | 2025-10-07 |
With or without human interference for precise age estimation based on machine learning?
2022-May, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-022-02796-z
PMID:35157129
|
研究论文 | 比较基于人工干预特征提取和自主特征提取的两种卷积神经网络在牙齿年龄估计中的性能 | 首次在同一图像分析任务中同时应用人工干预和自主特征提取两种方法进行对比研究 | 仅针对牙齿年龄估计任务，未验证在其他医学影像任务中的普适性 | 探索机器学习和深度学习在医学影像分析中的最优特征提取方法 | 牙齿X光影像 | 计算机视觉 | NA | 医学影像分析 | CNN | 图像 | NA | NA | 自定义CNN架构 | MAE, 准确率 | NA |
| 16027 | 2025-10-07 |
MVP predicts the pathogenicity of missense variants by deep learning
2021-01-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-020-20847-0
PMID:33479230
|
研究论文 | 提出基于深度残差网络的错义变异致病性预测新方法MVP | 首次将深度残差网络应用于错义变异致病性预测，并针对功能缺失不耐受基因和耐受基因分别训练模型 | 未明确说明模型在特定遗传疾病类型中的泛化能力 | 开发更准确的错义变异致病性预测方法 | 错义基因变异 | 机器学习 | 先天性心脏病 | 深度残差网络 | 深度学习 | 基因变异数据 | 包含癌症突变热点和发育障碍新生变异的大规模训练数据集 | NA | 深度残差网络 | 致病性变异优先排序性能 | NA |
| 16028 | 2025-10-07 |
Template-based prediction of protein structure with deep learning
2020-Dec-29, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-020-07249-8
PMID:33372607
|
研究论文 | 提出基于深度学习的ThreaderAI方法用于蛋白质三级结构预测 | 将模板-查询序列比对任务重新定义为计算机视觉中的像素分类问题，并首次应用深度残差神经网络进行预测 | NA | 提高蛋白质三级结构预测的准确性，特别是针对远缘同源蛋白 | 蛋白质序列和结构 | 计算机视觉, 机器学习 | NA | 深度学习, 蛋白质结构预测 | CNN, 深度残差神经网络 | 序列谱, 预测的结构特征, 残基-残基接触 | SCOPe数据集和CASP13的TBM-hard数据 | NA | ResNet | TM-score | NA |
| 16029 | 2025-03-22 |
Low-speed impact localization of wind turbine blades with a single sensor utilizing multiscale feature fusion convolutional neural networks
2025-Jun, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2025.107598
PMID:39955861
|
研究论文 | 本文提出了一种基于深度学习的单传感器冲击定位方法，用于风力涡轮机叶片的低速冲击定位 | 设计了一种多尺度特征融合卷积神经网络，并结合卷积块注意力模块，从单传感器信号中自适应提取特征，实现精确的区域级源定位 | NA | 开发一种用于评估和定位复合材料结构（如风力涡轮机叶片）冲击的方法 | 风力涡轮机叶片的低速冲击响应 | 机器学习 | NA | 完全集成经验模态分解与自适应噪声 | 多尺度特征融合卷积神经网络 | 声发射信号 | 钢球跌落实验模拟的风力涡轮机叶片翼梁低速冲击响应 | NA | NA | NA | NA |
| 16030 | 2025-03-22 |
Automated Bone Cancer Detection Using Deep Learning on X-Ray Images
2025-Apr, Surgical innovation
IF:1.2Q3
DOI:10.1177/15533506241299886
PMID:39679470
|
研究论文 | 本文提出了一种基于深度学习的自动化骨癌检测方法，使用X射线图像进行骨癌分类 | 提出了一种结合Golden Search优化算法和深度学习的计算机辅助诊断方法（GSODL-CADBCC），用于骨癌分类 | 未提及具体的数据集规模或多样性限制，也未讨论模型在其他类型医学图像上的泛化能力 | 开发一种自动化系统，用于从X射线图像中准确区分健康骨骼和癌变骨骼 | X射线图像中的骨骼 | 计算机视觉 | 骨癌 | 深度学习，Golden Search优化算法，双边滤波 | SqueezeNet，LSTM | X射线图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 16031 | 2025-03-22 |
Deep Learning Neural Network Based on PSO for Leukemia Cell Disease Diagnosis from Microscope Images
2025-Mar-20, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01474-x
PMID:40113730
|
研究论文 | 本文提出了一种基于粒子群优化（PSO）的深度学习神经网络方法，用于从显微镜图像中诊断白血病细胞疾病 | 结合深度学习和PSO方法进行特征提取和优化，使用多种机器学习算法进行分析，提高了白血病细胞诊断的准确性 | 未提及样本的具体数量和多样性，可能影响模型的泛化能力 | 提高白血病细胞疾病的诊断准确性 | 显微镜图像中的白血病细胞 | 计算机视觉 | 白血病 | 深度学习，粒子群优化（PSO） | GoogLeNet, ResNet-50, 决策树（DT）, 支持向量机（SVM）, K近邻（K-NN） | 图像 | NA | NA | NA | NA | NA |
| 16032 | 2025-03-22 |
An improved Artificial Protozoa Optimizer for CNN architecture optimization
2025-Mar-13, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107368
PMID:40112636
|
研究论文 | 本文提出了一种名为MAPOCNN的新型神经架构搜索方法，利用改进的人工原生动物优化器（APO）来优化卷积神经网络（CNN）的架构 | 引入了改进的人工原生动物优化器（MAPO），结合原生动物的趋光行为，以缓解早熟收敛的风险，从而探索更广泛的CNN架构并找到更优的解决方案 | NA | 优化卷积神经网络（CNN）的架构 | 卷积神经网络（CNN） | 机器学习 | NA | 神经架构搜索（NAS） | CNN | 图像 | 基准数据集（包括Rectangle和Mnist-random） | NA | NA | NA | NA |
| 16033 | 2025-03-22 |
Multi-scale structural similarity embedding search across entire proteomes
2025-Mar-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.28.640875
PMID:40093062
|
研究论文 | 本文提出了一种可扩展的结构相似性搜索策略，用于处理大量实验确定的结构和通过AI/DL方法预测的计算结构模型 | 利用蛋白质语言模型和深度神经网络架构将3D结构转换为固定长度的向量，实现高效的大规模比较 | 模型虽然能够预测单域结构之间的TM分数，但在处理多域结构时可能存在局限性 | 开发一种可扩展且高效的结构相似性搜索方法，以应对3D生物分子结构信息的快速增长 | 实验确定的结构和通过AI/DL方法预测的计算结构模型 | 生物信息学 | NA | AI/DL方法 | 深度神经网络 | 3D结构数据 | NA | NA | NA | NA | NA |
| 16034 | 2025-03-22 |
Deep Huber quantile regression networks
2025-Mar-05, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107364
PMID:40112635
|
研究论文 | 本文介绍了深度Huber分位数回归网络（DHQRN），该网络能够预测Huber分位数，并作为分位数回归神经网络（QRNN）和期望分位数回归神经网络（ERNN）的扩展 | 提出了深度Huber分位数回归网络（DHQRN），能够预测更一般的Huber分位数，并嵌套了QRNN和ERNN作为极限情况 | 未明确提及具体局限性 | 研究目的是通过深度学习算法预测概率分布的更多功能（如分位数和期望分位数），以量化预测的不确定性 | 房屋价格预测，具体案例为澳大利亚墨尔本和美国波士顿的房价 | 机器学习 | NA | 深度学习 | 深度Huber分位数回归网络（DHQRN） | 房价数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 16035 | 2025-03-22 |
Dynamic MRI with Locally Low-Rank Subspace Constraint: Towards 1-Second Temporal Resolution Aided by Deep Learning
2025-Feb-27, Research square
DOI:10.21203/rs.3.rs-5448452/v1
PMID:40060040
|
研究论文 | 本文提出了一种结合局部低秩子空间约束和深度学习的动态MRI重建框架，旨在提高动态对比增强成像的时空分辨率 | 结合局部低秩子空间模型和神经网络，实现了从几秒到1秒的灵活时间分辨率，显著提高了图像质量 | 未明确提及具体样本量或临床验证结果 | 解决动态MRI中空间和时间分辨率平衡的挑战，提升动态对比增强成像的质量 | 高风险的乳腺癌患者，以及头颈部和脑部MRI应用 | 医学影像处理 | 乳腺癌 | 动态对比增强MRI（DCE-MRI） | 神经网络 | MRI图像 | NA | NA | NA | NA | NA |
| 16036 | 2025-10-07 |
Applications of deep learning in trauma radiology: A narrative review
2025-Feb, Biomedical journal
IF:4.1Q2
DOI:10.1016/j.bj.2024.100743
PMID:38679199
|
综述 | 本文综述了深度学习在创伤放射学中的应用现状与未来发展 | 系统总结了深度学习在创伤影像各模态（FAST超声、X射线、CT）中的具体应用场景，并提出了联邦学习、模型可解释性、多模态数据整合等未来发展方向 | 临床采用仍然有限，需要多学科团队合作开发实用的现实世界解决方案 | 探讨深度学习在创伤放射学领域的应用潜力与发展方向 | 创伤影像数据（FAST超声、X射线、CT扫描） | 医学影像分析 | 创伤性疾病 | 深度学习 | NA | 医学影像（超声、X射线、CT） | NA | NA | NA | NA | NA |
| 16037 | 2025-10-07 |
ECG-surv: A deep learning-based model to predict time to 1-year mortality from 12-lead electrocardiogram
2025-Feb, Biomedical journal
IF:4.1Q2
DOI:10.1016/j.bj.2024.100732
PMID:38697480
|
研究论文 | 开发了一种基于深度学习的ECG-surv模型，用于从12导联心电图预测1年死亡率 | 首次提出能同时处理删失数据和非结构化心电图数据的深度学习生存分析模型 | 模型在不同心电图设备采集的数据上性能有所差异 | 利用深度学习技术改进基于心电图的生存预测 | 心电图数据和患者生存时间数据 | 机器学习 | 心血管疾病 | 12导联心电图 | 深度神经网络 | 心电图信号 | 独立测试集和外部验证集 | NA | 特征提取神经网络+时间事件分析神经网络 | C-index | NA |
| 16038 | 2025-03-22 |
Current Status of Artificial Intelligence Use in Colonoscopy
2025, Digestion
IF:3.0Q2
DOI:10.1159/000543345
PMID:39724867
|
研究论文 | 本文探讨了人工智能在结肠镜检查中的应用现状及其对结直肠癌筛查的影响 | 介绍了实时计算机辅助检测系统和用于组织病理学预测的计算机辅助诊断系统，这些系统有助于区分肿瘤性和非肿瘤性病变 | 存在霍桑效应和潜在过度诊断等偏差，需要大规模临床试验验证AI的长期效益 | 评估人工智能在提高结肠镜检查质量和结直肠癌筛查效果方面的潜力 | 结肠镜检查中的结直肠息肉检测和诊断 | 数字病理学 | 结直肠癌 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 16039 | 2025-03-22 |
On-board synthetic 4D MRI generation from 4D CBCT for radiotherapy of abdominal tumors: A feasibility study
2024-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17347
PMID:39137256
|
研究论文 | 本研究评估了基于人工智能方法从4D CBCT生成合成4D MRI的可行性，用于腹部肿瘤的放射治疗 | 提出了一种基于深度学习的合成4D MRI生成方法，利用4D CBCT图像和运动建模信息，为传统kV-based LINAC的腹部放射治疗提供潜在的改进方案 | 合成MRI的生成可能面临纹理生成的挑战，且容易产生幻觉，影响运动准确性 | 评估在传统放射治疗设备上生成合成4D MRI的可行性，以改善腹部肿瘤的治疗定位 | 腹部肿瘤 | 医学影像处理 | 腹部肿瘤 | 深度学习，卷积神经网络（CNN） | CNN | 4D CBCT图像，4D MRI图像 | 1000个参考CT的变形样本 | NA | NA | NA | NA |
| 16040 | 2025-03-22 |
Prediction of Perceived Exertion Ratings in National Level Soccer Players Using Wearable Sensor Data and Machine Learning Techniques
2024-12, Journal of sports science & medicine
DOI:10.52082/jssm.2024.744
PMID:39649569
|
研究论文 | 本研究旨在通过可穿戴传感器数据和机器学习技术预测国家级足球运动员的主观感知运动强度评分（RPE） | 使用深度学习架构和多种机器学习算法预测RPE，并评估不同模型的效果和泛化能力 | 研究仅针对26名男性职业足球运动员，样本量相对较小 | 评估机器学习模型在预测国家级足球运动员RPE方面的效果 | 26名男性职业足球运动员 | 机器学习 | NA | 机器学习算法和深度学习架构 | 深度学习模型、树基机器学习模型（如ExtraTree） | 传感器数据（心率、GPS、加速度计数据）和RPE评分 | 5402次训练会话和732次比赛观察，涉及26名运动员 | NA | NA | NA | NA |