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 32372 篇文献，本页显示第 1701 - 1720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1701 | 2025-10-06 |
Deep-Learning Driven Identification of Novel Antimicrobial Peptides
2025-Sep-16, Chemistry (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/chem.202501918
PMID:40801152
|
研究论文 | 本研究通过深度学习驱动的流程识别新型抗菌肽 | 结合HydrAMP和AMPlify两种深度学习算法进行抗菌肽的识别与筛选 | 仅对三种候选肽进行了实验验证，样本量有限 | 加速发现新型抗菌肽并进行机制表征 | 色氨酸富集短肽序列 | 机器学习 | 细菌感染 | 深度学习算法，生物物理分析 | 深度学习 | 肽序列数据 | 3种合成肽，多种革兰氏阳性和阴性细菌菌株 | NA | HydrAMP, AMPlify | 抗菌活性评估 | NA |
| 1702 | 2025-10-06 |
AI-driven hazard prioritization of plastic additives using Tox21 bioassays and self-supervised graph transformers
2025-Sep-16, Environmental toxicology and chemistry
IF:3.6Q2
DOI:10.1093/etojnl/vgaf228
PMID:40971996
|
研究论文 | 本研究利用Tox21生物测定数据和自监督图变换器模型，对塑料添加剂的潜在毒性进行AI驱动的危害优先级排序 | 首次将GROVER算法（结合变换器和自监督预训练的图神经网络）应用于塑料添加剂毒性预测，克服传统图神经网络的局限性 | 研究依赖于Tox21数据库的现有数据，可能无法覆盖所有塑料添加剂的完整毒性特征 | 筛选高用量塑料添加剂的潜在毒性，支持监管决策 | ECHA塑料添加剂倡议中400多种高用量塑料添加剂 | 机器学习 | NA | Tox21生物测定 | 图变换器,图神经网络 | 化学结构数据,生物活性数据 | 超过7,000种化学物质的Tox21数据集，包含171种塑料添加剂 | GROVER | GROVER（基于变换器的图神经网络架构） | F1分数 | NA |
| 1703 | 2025-10-06 |
Deep learning enhanced thermographic modeling for early and precise mastitis detection in Sahiwal cows
2025-Sep-16, Research in veterinary science
IF:2.2Q1
DOI:10.1016/j.rvsc.2025.105899
PMID:40972062
|
研究论文 | 本研究探索结合热成像和深度学习技术增强泌乳奶牛乳腺炎检测的方法 | 首次将CNN模型应用于Sahiwal奶牛乳腺热成像分析，实现健康、亚临床乳腺炎和临床乳腺炎的自动分类 | 研究样本仅限于Sahiwal品种奶牛，未验证在其他奶牛品种上的适用性 | 开发基于深度学习的乳腺炎早期精准检测方法 | Sahiwal奶牛的乳房区域 | 计算机视觉 | 乳腺炎 | 热成像技术 | CNN | 热成像图像 | NA | NA | CNN | 准确率,精确率,召回率,F1分数 | NA |
| 1704 | 2025-10-06 |
Adaptive High-Distance RGB Imaging for Accurate Dairy Cow Feed Intake Estimation1
2025-Sep-16, Journal of animal science
IF:2.7Q1
DOI:10.1093/jas/skaf247
PMID:40972117
|
研究论文 | 提出基于RGB图像的奶牛饲料摄入量估计方法，为牧场管理提供成本效益高的智能测量解决方案 | 创新性地将自注意力机制和多尺度融合技术与ResNet结合，设计用于饲料总量估计的深度学习模型 | NA | 开发准确估计奶牛饲料摄入量的智能测量方法 | 奶牛饲料堆 | 计算机视觉 | NA | RGB成像 | CNN | 图像 | NA | NA | U2-Net, ResNet | MAE, RMSE | NA |
| 1705 | 2025-10-06 |
The interpretable deep learning framework and validation for seizure detection in pediatric electroencephalography: An improved accuracy and performance analysis
2025-Sep-16, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103276
PMID:40972406
|
研究论文 | 提出用于儿科脑电图癫痫发作检测的可解释深度学习框架，并比较两种新型模型 | 设计了带压缩激励模块的全卷积网络（SE-FCN）和基于Transformer的模型（TransNet），能输出通道显著性权重并生成热力图推断致痫区 | 模型在跨被试验证协议下性能仍有提升空间，临床验证需进一步扩展 | 开发可解释的深度学习框架用于儿科脑电图癫痫发作检测 | 儿科癫痫患者的脑电图数据 | 深度学习 | 癫痫 | 脑电图（EEG） | CNN, Transformer | 脑电图时序数据 | CHB-MIT儿科脑电图数据集中的22名患者 | NA | SE-FCN, TransNet | AUC, 准确率 | NA |
| 1706 | 2025-10-06 |
Insights into AI-Driven malaria diagnosis: A systematic review with implications for Plasmodium knowlesi
2025-Sep-15, Acta tropica
IF:2.1Q2
|
系统综述 | 系统评估人工智能在疟疾诊断中的应用，特别关注诺氏疟原虫血期分类的研究现状 | 首次针对诺氏疟原虫血期分类的AI研究进行深入比较分析，重点评估CNN、迁移学习、集成学习和目标检测模型的有效性 | 现有研究数量有限，存在标注数据集不足、类别不平衡和模型可解释性等问题 | 评估人工智能技术在疟原虫血期分类中的应用效果 | 诺氏疟原虫及其血期形态 | 计算机视觉 | 疟疾 | 显微镜检查 | CNN, 迁移学习, 集成学习, 目标检测 | 血液显微图像 | NA | NA | YOLO, Faster R-CNN | NA | NA |
| 1707 | 2025-10-06 |
Enhanced epileptic seizure detection using CNNs with convolutional block attention and short-term memory networks
2025-Sep-15, Behavioural brain research
IF:2.6Q3
DOI:10.1016/j.bbr.2025.115831
PMID:40962227
|
研究论文 | 提出一种结合CNN、CBAM注意力机制和LSTM的深度学习模型，用于从EEG信号中检测癫痫发作 | 首次将卷积块注意力模块(CBAM)与CNN-LSTM结合，使模型能聚焦处理关键信息 | 仅在公开的波恩大学数据集上进行验证，未说明临床适用性 | 开发准确的癫痫发作检测方法以改善患者生活质量 | 癫痫患者的脑电图(EEG)信号 | 机器学习 | 癫痫 | 脑电图(EEG)信号分析 | CNN, LSTM | 时序信号数据 | 波恩大学公开数据集中的三类EEG信号 | NA | CNN_CBAM_LSTM | 准确率 | NA |
| 1708 | 2025-10-06 |
Can classical statistics and deep learning converge on explainable, causally driven target discovery?
2025-Sep-15, DNA research : an international journal for rapid publication of reports on genes and genomes
IF:3.9Q1
DOI:10.1093/dnares/dsaf024
PMID:40971794
|
综述 | 探讨传统统计方法与深度学习在复杂疾病因果机制发现中的融合应用 | 提出结合深度学习可扩展性与统计遗传学推断能力的混合模型框架 | 当前深度学习模型存在过拟合风险、可解释性不足及缺乏标准化评估框架 | 开发新一代计算工具揭示复杂疾病的分子基础并加速遗传发现向有效治疗的转化 | 复杂疾病的遗传变异与多组学数据 | 机器学习 | 复杂疾病 | 全基因组关联研究, 多组学数据整合 | 深度学习, 统计模型 | 基因组数据, 多组学数据 | NA | NA | NA | NA | NA |
| 1709 | 2025-10-06 |
Fully automatic bile duct segmentation in magnetic resonance cholangiopancreatography for biliary surgery planning using deep learning
2025-Sep-15, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112415
PMID:40972245
|
研究论文 | 本研究开发了一种基于深度学习的全自动胆管分割方法，用于磁共振胰胆管成像数据的3D重建，以辅助胆道手术规划 | 首次实现了对扩张和非扩张胆管的自动准确3D重建，并验证了模型在真实手术场景中的实用性 | 样本量相对有限（249例），外部验证集仅包含10例数据 | 开发自动准确的胆管3D重建方法，辅助制定最佳手术方案并指导精确胆管手术 | 胆管系统（包括扩张和非扩张胆管） | 医学影像分析 | 胆道疾病 | 磁共振胰胆管成像（MRCP） | 深度学习语义分割模型 | 3D医学影像 | 249例患者（208例训练集，41例测试集），外加10例外部验证集 | nnU-Net | U-Net | Dice相似系数（DSC）, 相关系数, 一致性界限（LoA） | NA |
| 1710 | 2025-10-06 |
Epicardial and Pericardial Adipose Tissue: Anatomy, physiology, Imaging, Segmentation, and Treatment Effects
2025-Sep-13, The British journal of radiology
DOI:10.1093/bjr/tqaf223
PMID:40971601
|
综述 | 本文综述了心外膜和心包脂肪组织的解剖学特征、生理功能、影像学评估方法及其在心血管疾病中的作用 | 系统区分了心外膜脂肪组织（EAT）和心包脂肪组织（PAT）的不同生理作用，并重点讨论了基于深度学习的图像分割技术在量化这些脂肪组织中的最新进展 | 不同研究间存在相互矛盾的证据，且影像学评估缺乏标准化的扫描和图像重建方案 | 探讨心外膜和心包脂肪组织的特征及其在心血管疾病风险评估和治疗中的作用 | 心外膜脂肪组织（EAT）和心包脂肪组织（PAT） | 数字病理学 | 心血管疾病 | CT, MRI, 超声心动图 | 深度学习 | 医学影像 | NA | NA | NA | 准确性, 可重复性 | NA |
| 1711 | 2025-10-06 |
Deep learning-based volume of interest imaging in helical CT for image quality improvement and radiation dose reduction
2025-Sep-13, The British journal of radiology
DOI:10.1093/bjr/tqaf128
PMID:40971630
|
研究论文 | 开发基于深度学习的螺旋CT感兴趣区域成像技术，用于改善图像质量并降低辐射剂量 | 提出基于残差U-Net架构的VOI-Net深度学习方法来校正螺旋CT中的截断伪影，实现辐射剂量降低或感兴趣区域内图像质量提升 | 仅通过模拟评估了3例患者病例（1例胸部CT和2例腹盆腔CT），样本量有限 | 开发螺旋CT感兴趣区域成像技术以降低辐射剂量或改善感兴趣区域内图像质量 | 间质性肺病患者的胸部CT和肝肿瘤患者的腹盆腔CT | 医学影像处理 | 间质性肺病, 肝肿瘤 | 螺旋CT成像 | 深度学习 | CT图像 | 3例患者病例（1例胸部CT，2例腹盆腔CT） | NA | 残差U-Net | 均方根误差 | NA |
| 1712 | 2025-10-05 |
Deep learning black box and pattern recognition analysis using Guided Grad-CAM for phytolith identification
2025-Sep-12, Annals of botany
IF:3.6Q1
DOI:10.1093/aob/mcaf088
PMID:40445063
|
研究论文 | 应用可视化解释器分析训练好的VGG19模型在识别燕麦、大麦和小麦属多细胞植硅体时的决策依据 | 首次将Guided Grad-CAM等可视化解释技术应用于考古植物学中的植硅体识别，揭示了深度学习模型的决策机制 | 研究仅限于三个植物属的植硅体识别，样本多样性有限 | 验证深度学习模型在植硅体分类中的学习效果，并与考古植物学家的手动方法进行比较 | 燕麦、大麦和小麦属的多细胞植硅体 | 计算机视觉 | NA | 显微镜成像 | CNN | 图像 | 未明确说明具体样本数量，但包含多个显微镜图像 | NA | VGG19 | 定性分析（关键特征识别百分比） | NA |
| 1713 | 2025-10-06 |
ResFusionNet-TSMT: A residual network for pesticide detection using surface-enhanced Raman spectroscopy
2025-Sep-12, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2025.128852
PMID:40972279
|
研究论文 | 提出一种基于表面增强拉曼光谱的农药检测残差网络模型ResFusionNet-TSMT | 首次将ResNet的局部特征提取能力与Transformer的全局依赖建模相结合，采用双流架构处理原始和多尺度光谱输入，并引入注意力池化机制和类别注意力机制 | NA | 开发用于农药分类和浓度量化的深度学习框架 | 农药样品 | 机器学习 | NA | 表面增强拉曼光谱(SERS) | CNN,Transformer | 光谱数据 | NA | NA | ResNet,Transformer | 准确率,F1分数,平均绝对误差,相关系数R | NA |
| 1714 | 2025-10-06 |
An enhanced convolutional neural network architecture for nondestructive detection of microbial contamination on eggshells through hyperspectral imaging
2025-Sep-12, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.126943
PMID:40972378
|
研究论文 | 本研究开发了一种结合高光谱成像和深度学习技术的非破坏性方法，用于检测蛋壳微生物污染 | 提出了一种改进的卷积神经网络架构CA-DSC-CNN，融合通道注意力和深度可分离卷积，有效建模光谱-空间特征并降低计算复杂度 | 样本数量相对有限（108个蛋样本），需要在更大数据集上验证模型泛化能力 | 开发可靠的非破坏性方法检测蛋壳微生物污染，提高鸡蛋加工和储存安全性 | 鸡蛋蛋壳 | 计算机视觉 | NA | 高光谱成像 | CNN | 高光谱图像 | 108个鸡蛋样本 | NA | CA-DSC-CNN | 相关系数,均方根误差 | NA |
| 1715 | 2025-10-06 |
Medical multimodal foundation models in clinical diagnosis and treatment: Applications, challenges, and future directions
2025-Sep-12, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103265
PMID:40972405
|
综述 | 本文全面分析医疗多模态基础模型在临床诊疗中的最新进展、应用场景及未来发展方向 | 首次系统梳理医疗多模态基础模型在数据集、模型架构和临床应用三个关键方面的整合分析，并探讨多模态表征优化的挑战与机遇 | 作为综述文章未涉及原始实验验证，主要基于现有文献分析 | 探讨医疗多模态基础模型在临床诊断和治疗中的应用潜力与发展方向 | 医疗多模态基础模型及其临床应用 | 医疗人工智能 | 多器官疾病 | 深度学习 | 多模态基础模型 | 多器官多模态数据 | NA | NA | NA | NA | NA |
| 1716 | 2025-10-06 |
Automated intravascular ultrasound image processing and quantification of coronary artery anomalies: The AIVUS-CAA software
2025-Sep-11, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109065
PMID:40972478
|
研究论文 | 开发用于冠状动脉异常患者血管内超声图像自动处理和量化的软件工具 | 首个针对冠状动脉异常患者提供自动管腔分割和心脏相位识别的零/低代码软件 | 仅针对右冠状动脉异常患者进行验证，样本量相对有限 | 开发自动化IVUS图像分析工具以改善冠状动脉异常的临床评估 | 冠状动脉异常患者的血管内超声图像 | 数字病理 | 心血管疾病 | 血管内超声(IVUS) | 深度学习模型 | 医学图像 | 76名患者(152项研究)，共10,741帧IVUS图像 | NA | NA | Dice系数, 敏感度, 特异度, 组内相关系数(ICC) | NA |
| 1717 | 2025-10-06 |
Digital Twin for the Win: Personalized Cardiac Electrophysiology
2025-Sep-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.03.674034
PMID:40950065
|
研究论文 | 开发了一种集成计算、实验和机器学习的框架，用于生成人类诱导多能干细胞来源心肌细胞的数字孪生体 | 通过结合合成数据生成和深度学习，实现了从单个记录快速生成完全参数化的细胞特异性数字孪生体 | 研究主要基于体外培养的诱导多能干细胞来源心肌细胞，尚未直接应用于临床患者 | 开发个性化心脏电生理学数字孪生技术，用于个性化诊断、靶向治疗和预测性安全药理学 | 人类诱导多能干细胞来源心肌细胞 | 计算生物学 | 心脏疾病 | 电压钳记录技术，合成数据生成 | 深度神经网络 | 电生理记录数据 | 超过100万个计算性iPSC-CMs组成的合成群体 | NA | 全连接深度神经网络 | 波形重现保真度，参数推断准确性 | NA |
| 1718 | 2025-10-06 |
Deep learning-driven whole-slide image analysis predicts chemo-resistance and motility subtypes in muscle-invasive bladder cancer
2025-Sep-04, Genes & genomics
IF:1.6Q3
DOI:10.1007/s13258-025-01677-0
PMID:40906037
|
研究论文 | 本研究开发了一种基于深度学习分析全玻片图像的方法，用于预测肌层浸润性膀胱癌的化疗耐药性和运动性亚型 | 首次使用深度学习分析常规组织学WSI作为分子分型的低成本替代方案，能够有效预测与化疗耐药相关的转录组亚型 | 样本量相对有限（192张WSI来自152名患者），需要进一步验证 | 评估深度学习模型对WSI的斑块级预测是否能准确预测转录组衍生的CrM亚型并反映肿瘤微环境特征 | 肌层浸润性膀胱癌（MIBC）患者 | 数字病理学 | 膀胱癌 | 全玻片图像分析 | CNN, 随机森林 | 图像 | 192张全玻片图像，来自152名TCGA-BLCA患者 | NA | densenet169 | 平衡准确度 | NA |
| 1719 | 2025-10-06 |
Development and validation of a backpropagation neural network model for predicting nursing unit staffing needs: A cross-sectional study
2025-Sep-04, International journal of nursing studies
IF:7.5Q1
DOI:10.1016/j.ijnurstu.2025.105207
PMID:40972497
|
研究论文 | 本研究开发并验证了一种反向传播神经网络模型，用于预测护理单元人员配置需求 | 将效率评估与深度学习技术相结合，开发护理人员配置预测模型 | 需要多中心验证和外部因素整合以实现更广泛应用 | 优化临床科室护理人员配置 | 55个护理单元的数据 | 机器学习 | NA | 数据包络分析 | 反向传播神经网络 | 医疗运营数据 | 55个护理单元（13个用于训练，42个用于预测） | NA | 反向传播神经网络 | 均方误差, Pearson相关系数, Bland-Altman分析, 决定系数 | NA |
| 1720 | 2025-10-06 |
Automated analysis of C. elegans behavior by LabGym: an open-source, AI-powered platform
2025-Sep-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.28.672961
PMID:40950071
|
研究论文 | 介绍用于秀丽隐杆线虫行为自动分析的AI开源平台LabGym | 开发首个基于深度学习的开源平台，能自动分类和量化多线虫视频中的运动行为参数 | 未明确说明模型在复杂行为场景下的泛化能力 | 开发自动化行为分析平台以克服线虫轮廓均匀带来的分析挑战 | 秀丽隐杆线虫 | 计算机视觉 | NA | 视频分析 | 深度学习模型 | 视频 | NA | NA | NA | 准确率 | NA |