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 37720 篇文献，本页显示第 1781 - 1800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1781 | 2025-12-17 |
A graph neural network-based approach for predicting SARS-CoV-2-human protein interactions from multiview data
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0332794
PMID:40997149
|
研究论文 | 本文提出了一种基于多视图图神经网络的深度学习方法，用于预测SARS-CoV-2与人类蛋白质之间的相互作用 | 采用多视图图神经网络结合最优传输集成方法，扩展了实验验证的病毒-宿主相互作用数据，提高了预测准确性 | 初始实验数据集仅包含有限数量的高置信度相互作用，可能影响模型训练 | 开发准确的药物重定位模型，预测SARS-CoV-2与人类蛋白质的相互作用 | SARS-CoV-2病毒蛋白质与人类宿主蛋白质 | 机器学习 | COVID-19 | 深度学习方法，多视图图神经网络，最优传输集成 | 图神经网络 | 蛋白质序列数据、基因本体术语、物理相互作用信息 | 472个高置信度预测相互作用，涉及280个宿主蛋白质和27个SARS-CoV-2蛋白质 | NA | 图神经网络 | ROC-AUC, 平均精度 | NA |
| 1782 | 2025-12-17 |
Better Image Filter for Pansharpening
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3637675
PMID:41343325
|
研究论文 | 本文提出了一种基于深度学习的对称框架，用于寻找比传统调制传递函数定制图像滤波器更优的图像滤波器，以提升全色锐化性能 | 提出一对基于深度学习的对称框架，嵌入可学习的各向异性高斯图像滤波器和任意图像滤波器，以模拟最优图像滤波器，同时捕获图像间的细微偏移并保持全局变形场的平滑性 | 未明确提及具体的数据集规模限制或计算资源需求，可能依赖于特定卫星数据的可用性 | 改进全色锐化方法中的图像滤波器，以提升传统和深度学习方法的性能与泛化能力 | 多光谱图像和全色图像的全色锐化处理 | 计算机视觉 | NA | 深度学习 | 深度学习框架 | 图像 | 多种卫星数据集上的广泛实验，但未指定具体样本数量 | 深度学习框架（未指定具体名称如TensorFlow或PyTorch） | 对称框架（未指定具体架构如CNN或Transformer） | 全色锐化性能、泛化能力（未指定具体指标如准确率或AUC） | NA |
| 1783 | 2025-12-17 |
MMETHANE: interpretable AI for predicting host status from microbial composition and metabolomics data
2024-Dec-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.13.628441
PMID:39713330
|
研究论文 | 本文介绍了一种名为MMETHANE的开源软件包，用于从微生物组成和代谢组学数据预测宿主状态 | MMETHANE结合了先验生物学知识（如系统发育和化学关系），并具有内在可解释性，能输出解释其决策的英文规则集 | NA | 开发一种计算工具，将微生物组组成和代谢物数据与宿主状态联系起来 | 宿主状态预测，涉及微生物组成和代谢组学数据 | 机器学习 | 炎症性肠病 | 微生物测序，代谢组学测量 | 深度学习模型 | 微生物组成数据，代谢组学数据 | 六个数据集，包含配对的微生物组成和代谢组学测量 | NA | NA | NA | NA |
| 1784 | 2025-12-17 |
Automatic detection and classification of beluga whale calls in the St. Lawrence estuary
2024-12-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0030472
PMID:39636175
|
研究论文 | 本文介绍了一种自动分析被动声学数据的流程，用于检测和分类圣劳伦斯河口濒危白鲸的叫声 | 开发了一个结合对象检测和深度学习分类器的自动管道，用于连续分析白鲸声学活动，提供标准且准确的声学存在和发声活动估计 | 研究聚焦于高居住区Baie Sainte-Marguerite，可能不适用于其他区域；未详细讨论算法在更广泛环境中的泛化能力 | 通过被动声学监测为白鲸的监测和保护提供实时时空栖息地使用信息 | 圣劳伦斯河口的濒危白鲸（Delphinapterus leucas） | 机器学习 | NA | 被动声学监测 | 深度学习分类器 | 声学数据 | NA | NA | NA | NA | NA |
| 1785 | 2025-12-17 |
Comparing neural networks against click train detectors to reveal temporal trends in passive acoustic sperm whale detections
2024-12-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0034602
PMID:39692862
|
研究论文 | 本研究比较了人类分析师注释、多假设跟踪点击序列分类器和基于深度学习的声学分类器，用于分类抹香鲸点击序列的存在与否，并研究了地中海抹香鲸亚群在巴利阿里群岛周围的时空分布 | 通过比较人类专家、传统多假设跟踪分类器和深度学习分类器在被动声学监测数据中的表现，揭示了自动分类器在提取生物信息方面的优势和局限性，特别是在处理新站点数据时的性能下降问题 | 两种自动分类器在部署到新站点时性能均有所下降，且深度学习模型的“黑箱”特性使其潜在偏差难以量化 | 比较不同分类方法在被动声学监测中检测抹香鲸点击序列的效果，并分析抹香鲸的时空分布模式 | 抹香鲸（Physeter macrocephalus）的点击序列声学信号 | 自然语言处理 | NA | 被动声学监测（PAM） | 深度学习分类器 | 声学录音 | NA | NA | NA | 与人类标签的一致性百分比 | NA |
| 1786 | 2025-12-17 |
Leveraging laryngograph data for robust voicing detection in speech
2024-11-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0034445
PMID:39565144
|
研究论文 | 本研究提出了一种利用喉部描记数据的有监督发声检测模型，旨在提高语音信号中发声区间检测的鲁棒性和泛化能力 | 采用喉部描记数据作为参考标准，并引入CrossNet架构进行模型适应，同时探索预训练策略以增强模型泛化能力 | 模型性能可能依赖于喉部描记数据的质量和可用性，且未明确说明对非标准语音或噪声环境的适应性 | 开发一种鲁棒且泛化能力强的发声检测方法，以改进语音信号处理中的基频追踪任务 | 语音信号中的发声区间 | 自然语言处理 | NA | 喉部描记术 | 深度学习模型 | 语音信号, 喉部描记数据 | NA | NA | CrossNet | NA | NA |
| 1787 | 2025-12-17 |
Enhancing the analysis of murine neonatal ultrasonic vocalizations: Development, evaluation, and application of different mathematical models
2024-10-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0030473
PMID:39400270
|
研究论文 | 本文首次系统评估了多种神经网络架构在小鼠新生儿超声发声分类任务中的性能，并开发了一个全自动分析流程 | 首次对不同类型神经网络在超声发声分类任务中进行系统比较，并开发了结合熵基检测算法的高可靠性全自动分析流程 | 研究主要针对小鼠新生儿超声发声，尚未在其他物种或年龄组中验证 | 开发并评估适用于啮齿动物超声发声自动分析的深度学习模型 | 小鼠新生儿超声发声 | 机器学习 | NA | 超声发声记录与分析 | CNN, Transformer, 前馈网络 | 音频信号（超声发声） | NA | NA | 自定义全连接网络, 自定义卷积神经网络, 残差神经网络, EfficientNet, Vision Transformer | 准确率, 召回率, 精确率 | NA |
| 1788 | 2025-12-17 |
Toward Explainable Artificial Intelligence for Precision Pathology
2024-01-24, Annual review of pathology
|
综述 | 本文综述了人工智能在精准病理学中的应用，特别关注可解释性AI以提升诊断透明度 | 强调将可解释性AI引入病理学，以解决传统AI黑盒问题，促进生物医学与AI领域的相互理解 | 作为综述文章，未涉及具体实验数据或模型性能验证，主要基于现有文献分析 | 推动可解释性人工智能在精准病理学中的应用，以标准化、定量化方式整合临床、组织学和分子数据 | 组织学图像和分子谱数据，用于疾病分类、组织生物标志物量化和临床结果预测 | 数字病理学 | NA | 深度学习 | NA | 图像, 分子数据 | NA | NA | NA | NA | NA |
| 1789 | 2025-12-17 |
Model for classification of heart failure severity in patients with hypertrophic cardiomyopathy using a deep neural network algorithm with a 12-lead electrocardiogram
2023-12-06, Open heart
IF:2.8Q2
DOI:10.1136/openhrt-2023-002414
PMID:38056911
|
研究论文 | 本研究开发了一种基于深度神经网络算法的模型，利用12导联心电图数据对肥厚型心肌病患者的慢性心力衰竭严重程度进行分类 | 首次应用深度学习方法来识别肥厚型心肌病患者的心力衰竭严重程度，并采用迁移学习策略解决目标样本数量不足的问题 | 样本量相对较小（共463名患者），且依赖特定的临床定义（如NYHA分级和NT-proBNP水平）进行分类，可能限制模型的泛化能力 | 评估数据驱动的机器学习方法是否能有效识别肥厚型心肌病患者的心力衰竭严重程度 | 肥厚型心肌病患者（218名）和非肥厚型心肌病患者（245名） | 机器学习 | 心血管疾病 | 12导联心电图 | 深度神经网络 | 心电图数据 | 463名患者（218名HCM患者和245名非HCM患者） | NA | 残差神经网络 | 加权平均F1分数, 精确度 | NA |
| 1790 | 2025-12-17 |
Pilot Analysis of Surgeon Instrument Utilization Signatures Based on Shannon Entropy and Deep Learning for Surgeon Performance Assessment in a Cadaveric Carotid Artery Injury Control Simulation
2023-12-01, Operative neurosurgery (Hagerstown, Md.)
DOI:10.1227/ons.0000000000000888
PMID:37655892
|
研究论文 | 本研究利用香农熵和深度学习分析外科医生在模拟颈动脉损伤控制中的器械使用特征，以评估手术表现 | 首次将香农熵这一信息论指标应用于手术器械序列分析，结合深度学习自动检测器械，实现对外科医生表现的定量评估 | 研究基于模拟尸体环境，可能无法完全反映真实手术场景；样本量有限，需进一步验证 | 开发自动化、基于视频的定量反馈方法，以改善外科培训和教育 | 外科医生在模拟颈动脉损伤控制中的手术表现 | 计算机视觉 | 心血管疾病 | 深度学习 | CNN | 视频 | 来自公开视频数据集的外科医生手术试验 | NA | NA | 准确率, 平均精确率 | NA |
| 1791 | 2025-12-17 |
AliNA - a deep learning program for RNA secondary structure prediction
2023-12, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.202300113
PMID:37710142
|
研究论文 | 本文提出了一种基于深度学习的RNA二级结构预测方法AliNA，该方法通过数据增强技术有效预测训练数据中未包含的非同源RNA家族的二级结构 | 提出首个结合数据增强技术的深度学习RNA二级结构预测方法，能够有效处理非同源RNA家族，并支持假结结构预测 | 未明确说明方法在超长RNA序列或极端GC含量序列上的性能表现 | 开发能够克服传统热力学方法和同源方法局限性的RNA二级结构预测算法 | 天然RNA变体（参与细胞过程）和人工RNA（如适配体、核糖开关） | 生物信息学 | NA | RNA二级结构预测 | 深度学习 | RNA序列数据、二级结构标注数据 | NA | NA | NA | 预测质量评估（具体指标未说明） | NA |
| 1792 | 2025-12-17 |
Overproduce and select, or determine optimal molecular descriptor subset via configuration space optimization? Application to the prediction of ecotoxicological endpoints
2023-06, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.202200227
PMID:36894503
|
研究论文 | 本文提出了一种通过配置空间优化确定最优分子描述符子集的方法，以改进小中型化学数据集的预测准确性 | 提出开放描述符配置空间方法，将分子描述符生成建模为多准则优化问题，并使用带Choquet积分适应度函数的遗传算法变体 | 未明确说明方法在大型数据集或深度学习场景下的适用性 | 提高化合物生物活性或性质的预测准确性 | 小中型化学数据集中的化合物 | 机器学习 | NA | 分子描述符计算 | 遗传算法 | 化学数据 | NA | NA | 遗传算法变体 | 预测准确性 | NA |
| 1793 | 2025-12-16 |
Smartphone-based detection of COVID-19 and associated pneumonia using thermal imaging and a transfer learning algorithm
2025-Dec, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202300486
PMID:38253344
|
研究论文 | 本研究开发了一种基于智能手机的热成像应用，通过深度学习算法分析人体背部热图像，用于COVID-19及其相关肺炎的检测 | 首次将智能手机热成像与迁移学习算法结合，实现非侵入式、便携式的COVID-19及肺炎筛查，突破传统影像技术（如X光、CT）的医院限制 | 研究未明确样本来源及规模细节，且热成像技术可能受环境温度、个体差异等因素影响，需进一步临床验证 | 开发一种便携、低成本的COVID-19及肺炎筛查工具，适用于医院外环境 | 人体背部热图像 | 计算机视觉 | COVID-19及肺炎 | 热成像技术 | 深度学习算法（基于迁移学习） | 热图像 | NA | NA | NA | 灵敏度, 特异度 | NA |
| 1794 | 2025-12-16 |
CareSleepNet: A Hybrid Deep Learning Network for Automatic Sleep Staging
2024-12, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3426939
PMID:38990749
|
研究论文 | 本文提出了一种名为CareSleepNet的混合深度学习网络，用于从多导睡眠图（PSG）记录中自动进行睡眠分期 | 设计了一个多尺度卷积-Transformer时期编码器来编码每个睡眠时期的局部显著波形特征和全局特征，并基于协同注意力机制开发了一个跨模态上下文编码器来建模不同模态（如EEG和EOG）之间的跨模态上下文关系 | NA | 开发一个自动睡眠分期系统，以辅助睡眠评估和疾病诊断 | 多导睡眠图（PSG）记录，特别是脑电图（EEG）和眼电图（EOG）信号 | 机器学习 | NA | 多导睡眠图（PSG） | CNN, Transformer | 生理信号（时间序列数据） | 使用了三个数据集：一个私有睡眠数据集SSND，以及两个公共数据集Sleep-EDF-153和ISRUC | NA | CareSleepNet（包含多尺度卷积-Transformer时期编码器、基于协同注意力的跨模态上下文编码器、基于Transformer的序列编码器） | NA | NA |
| 1795 | 2025-12-16 |
BP-Net: Monitoring "Changes" in Blood Pressure Using PPG With Self-Contrastive Masking
2024-12, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3422023
PMID:38954566
|
研究论文 | 本文提出了一种名为BP-Net的新方法，通过自对比掩码模型从光电容积脉搏波中监测血压变化，而非直接估计血压值 | 将血压监测问题重新定义为追踪血压在时间间隔内的“变化”，而非直接估计其数值，并引入了自对比掩码模型进行成对时间比较 | 模型在未见过的受试者上的准确率为75.97%/73.19%，仍有提升空间，且泛化能力需进一步验证 | 开发一种基于光电容积脉搏波的深度学习模型，用于检测收缩压的阈值变化，以改善临床血压监测 | 光电容积脉搏波信号及其对应的收缩压变化 | 机器学习 | 心血管疾病 | 光电容积脉搏波 | 深度学习模型 | 生理信号 | 使用PulseDB数据集，具体样本数量未在摘要中明确说明 | NA | BP-Net, 自对比掩码模型 | 准确率 | NA |
| 1796 | 2025-12-16 |
Multiband Convolutional Riemannian Network With Band-Wise Riemannian Triplet Loss for Motor Imagery Classification
2024-12, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3438167
PMID:39102329
|
研究论文 | 提出了一种用于运动想象分类的新型算法，结合多尺度多频带卷积黎曼网络和频带级黎曼三元组损失以提高性能 | 开发了最先进的多频带黎曼网络，通过减少子带数量、引入卷积层和黎曼三元组损失正则化，解决了黎曼网络因协方差矩阵大特征维度导致的过拟合问题 | NA | 提高运动想象脑电信号的分类性能 | 运动想象脑电信号 | 机器学习 | NA | 脑电信号处理 | 卷积神经网络 | 脑电信号 | 公开数据集：BCI Competition IV dataset 2a 和 OpenBMI dataset | NA | 多尺度多频带卷积黎曼网络 | 分类准确率 | NA |
| 1797 | 2025-12-16 |
Predicting miRNA-Disease Associations Based on Spectral Graph Transformer With Dynamic Attention and Regularization
2024-12, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3438439
PMID:39102330
|
研究论文 | 本文提出了一种名为DARSFormer的深度学习模型，用于预测miRNA与疾病之间的关联 | 提出了一种结合动态注意力机制与谱图Transformer的先进模型，有效解决了现有方法在整体效果和对节点位置敏感方面的挑战 | 未在摘要中明确说明 | 预测miRNA与疾病之间的关联 | miRNA与疾病 | 机器学习 | 结直肠癌、食管癌、前列腺癌 | NA | Transformer, 图神经网络 | 图数据 | 基于HMDD v2.0和v3.2数据库 | NA | DARSFormer, 正交图神经网络, 图Transformer | AUC | NA |
| 1798 | 2025-12-16 |
An Eye Movement Classification Method Based on Cascade Forest
2024-12, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3439568
PMID:39106144
|
研究论文 | 提出一种基于级联森林的眼动分类方法，用于将原始眼动数据分类为眼动事件 | 创新性地采用分层集成架构，将级联森林结构与集成学习原理结合，专门用于眼动分类 | NA | 解决眼动分类中参与者适应性差异、类别不平衡和数据稀缺问题 | 原始眼动数据 | 机器学习 | NA | 眼动追踪技术 | 级联森林 | 眼动数据 | NA | NA | 级联森林 | 准确率, 效率 | NA |
| 1799 | 2025-12-16 |
The promising horizon of deep learning and artificial intelligence in flap monitoring
2023-12-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000000748
PMID:37720927
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1800 | 2025-12-16 |
Health Recommendation System using Deep Learning-based Collaborative Filtering
2023-Dec, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2023.e22844
PMID:38144343
|
研究论文 | 本文提出了一种基于深度学习的健康推荐系统，利用受限玻尔兹曼机与协同进化神经网络的结合来优化医疗决策 | 结合受限玻尔兹曼机与协同进化神经网络，构建智能健康推荐系统，实现从传统医疗场景向个性化医疗的转变 | 未明确说明系统在真实医疗环境中的部署挑战或数据隐私保护的具体措施 | 开发高效且有效的健康推荐系统，以支持医疗决策和个性化医疗 | 医疗数据，包括患者健康信息、社交活动及行为分析数据 | 机器学习 | NA | 数据挖掘 | RBM, CNN | 医疗数据集 | NA | TensorFlow, Python | 受限玻尔兹曼机, 协同进化神经网络 | 准确率, 精确率, 召回率, F值 | NA |