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 1136 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2025-10-06 |
Deep Learning in Gene Regulatory Network Inference: A Survey
2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3442536
PMID:39137088
|
综述 | 本文对12种基于深度学习模型的基因调控网络推断方法进行了全面分析 | 首次系统性地对基于深度学习的GRN推断方法进行分类和评估，并追踪了这些方法的发展演变 | 仅分析了12种方法，可能未能涵盖该领域所有相关研究 | 为生命科学家选择合适的基因调控网络推断方法提供指导 | 基因调控网络推断方法 | 机器学习 | NA | 深度学习 | NA | 基因表达数据 | NA | NA | NA | 有效性，可扩展性 | NA |
| 62 | 2025-10-06 |
KGRACDA: A Model Based on Knowledge Graph from Recursion and Attention Aggregation for CircRNA-Disease Association Prediction
2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3447110
PMID:39167510
|
研究论文 | 提出基于知识图谱和注意力聚合的KGRACDA模型，用于预测环状RNA与疾病关联 | 结合图结构的显式特征和隐式嵌入信息，通过递归方法构建多跳子图并优化图注意力机制，挖掘局部深度信息 | 未明确说明模型在特定疾病类型上的泛化能力 | 预测环状RNA与疾病之间的关联关系 | 环状RNA和人类疾病 | 生物信息学 | 人类疾病 | 知识图谱，深度学习 | 图注意力网络 | 多源异质数据，知识图谱 | 大规模多源异质数据集 | NA | 递归注意力聚合，多头注意力机制 | 预测准确率 | NA |
| 63 | 2025-10-06 |
Parallel Convolutional Contrastive Learning Method for Enzyme Function Prediction
2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3447037
PMID:39167509
|
研究论文 | 提出一种并行卷积对比学习方法用于酶功能预测 | 结合卷积神经网络与对比学习的并行架构，能更好处理类别不平衡问题 | NA | 提高酶功能预测的精度 | 酶蛋白序列 | 生物信息学 | NA | 蛋白质语言模型 | CNN, 对比学习 | 蛋白质序列 | NA | NA | 并行CNN, ESM-2 | AUC | NA |
| 64 | 2025-10-06 |
CTsynther: Contrastive Transformer Model for End-to-End Retrosynthesis Prediction
2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3455381
PMID:39240741
|
研究论文 | 提出了一种用于单步逆合成预测的端到端深度学习模型CTsynther | 在Transformer架构中引入对比学习概念，采用混合全局和局部注意力机制，无需外部反应模板或专业知识 | NA | 有机化学和药物合成中的逆合成预测 | 化学分子SMILES表示 | 自然语言处理 | NA | 深度学习 | Transformer | 文本(SMILES) | NA | NA | Transformer | 准确率 | NA |
| 65 | 2025-10-06 |
CMCN: Chinese medical concept normalization using continual learning and knowledge-enhanced
2024-11, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102965
PMID:39241561
|
研究论文 | 本研究提出了一种结合持续学习和知识增强的中文医学概念规范化模型 | 利用多态语义信息和多任务学习进行知识增强，并通过持续学习保留重要医学特征 | 中文医学语义和本体资源匮乏，中文疾病数据集的规模有限 | 中文医学概念规范化研究 | 中文疾病名称 | 自然语言处理 | 多种疾病 | 深度学习 | GCBM-BSCL | 文本 | 自建的中文疾病数据集 | NA | 多任务学习，持续学习 | Accuracy@1, Accuracy@5, Accuracy@10 | NA |
| 66 | 2025-10-06 |
GenoM7GNet: An Efficient N7-Methylguanosine Site Prediction Approach Based on a Nucleotide Language Model
2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3459870
PMID:39302806
|
研究论文 | 提出一种基于核苷酸语言模型的高效N7-甲基鸟苷位点预测方法GenoM7GNet | 首次将BERT预训练模型应用于RNA序列的m7G位点预测，结合一维CNN进行特征学习和分类 | 未明确说明模型在其他类型RNA修饰预测中的泛化能力 | 开发高效的m7G位点预测方法以替代耗时耗能的传统实验方法 | RNA序列中的N7-甲基鸟苷修饰位点 | 生物信息学 | NA | RNA测序 | BERT, CNN | RNA序列数据 | NA | NA | BERT, 一维卷积神经网络 | 准确率, 灵敏度, 特异性, 马修斯相关系数, AUC | NA |
| 67 | 2025-10-06 |
RECOMED: A comprehensive pharmaceutical recommendation system
2024-11, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102981
PMID:39306906
|
研究论文 | 开发了一个综合药物推荐系统RECOMED，通过考虑人群、疾病和药物特征向医生和患者推荐药物 | 结合矩阵分解和深度学习模型，整合药物相互作用知识和情感分析，相比传统方法显著提升推荐准确率 | 系统准确性与临床准确性不同，需要更大数据集以获得更精确结果 | 构建高精度的药物推荐系统，辅助医生和患者用药决策 | 患者、医生、药物信息 | 自然语言处理 | NA | 情感分析，自然语言处理 | 神经网络，矩阵分解 | 文本，评分数据，药物信息 | 2304名患者作为训练集，660名患者作为验证集 | Python | NA | 准确率，灵敏度，命中率 | NA |
| 68 | 2025-10-06 |
Improving Antifreeze Proteins Prediction With Protein Language Models and Hybrid Feature Extraction Networks
2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3467261
PMID:39316498
|
研究论文 | 提出一种结合蛋白质语言模型和混合特征提取网络的深度学习新方法AFP-Deep，用于提高抗冻蛋白预测性能 | 整合预训练蛋白质语言模型的嵌入表示和进化上下文特征，通过混合特征提取网络增强嵌入与抗冻模式的相关性 | NA | 开发更准确的抗冻蛋白预测方法 | 抗冻蛋白 | 机器学习 | NA | 蛋白质序列分析 | 深度学习,混合神经网络 | 蛋白质序列 | NA | NA | 混合特征提取网络 | AUPRC | NA |
| 69 | 2025-10-06 |
A Protein-Context Enhanced Master Slave Framework for Zero-Shot Drug Target Interaction Prediction
2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3468434
PMID:39331551
|
研究论文 | 提出一种蛋白质上下文增强的主从框架用于零样本药物靶点相互作用预测 | 提出PCMS框架通过主学习器学习目标蛋白质上下文信息并自适应生成从学习器参数，实现无需先验数据的零样本预测 | 未明确说明框架在新发现蛋白质上的泛化能力限制及计算复杂度分析 | 解决新发现靶点蛋白质在缺乏已知相互作用数据时的药物靶点相互作用预测问题 | 药物分子与靶点蛋白质的相互作用关系 | 机器学习 | NA | 深度学习 | 主从学习框架 | 药物-靶点蛋白质对数据 | 两个公共数据集 | NA | 主学习器,从学习器 | 多种评估指标 | NA |
| 70 | 2025-10-06 |
Generative Biomedical Event Extraction With Constrained Decoding Strategy
2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3480088
PMID:39401115
|
研究论文 | 提出基于T5预训练语言模型的生物医学事件生成方法，采用约束解码策略和课程学习算法 | 首次将序列到序列生成范式应用于生物医学事件抽取，引入约束解码算法指导序列生成 | 仅在Genia 2011和Genia 2013两个数据集上验证，未在其他生物医学数据集测试 | 解决传统抽取式方法存在的级联错误问题，提升生物医学事件抽取性能 | 生物医学事件 | 自然语言处理 | NA | 序列到序列生成，约束解码，课程学习 | T5 | 文本 | Genia 2011和Genia 2013两个公共基准数据集 | NA | T5 | NA | NA |
| 71 | 2025-10-06 |
Enhancing Autism Spectrum Disorder identification in multi-site MRI imaging: A multi-head cross-attention and multi-context approach for addressing variability in un-harmonized data
2024-11, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102998
PMID:39442245
|
研究论文 | 提出一种多头部交叉注意力和多上下文框架，用于解决多站点MRI数据中的扫描仪差异问题，以增强自闭症谱系障碍的识别 | 提出CCMSMCF框架整合多头部注意力跨尺度模块和残差多上下文模块，实现一定程度的数据内部协调，使其对扫描仪和站点不敏感 | 方法在完全未协调数据上的泛化能力仍需进一步验证 | 开发能够跨不同扫描仪和站点有效工作的自闭症谱系障碍识别模型 | 自闭症谱系障碍患者的多站点fMRI数据 | 医学影像分析 | 自闭症谱系障碍 | fMRI功能连接性分析 | 深度学习 | MRI图像 | ABIDE-I数据集中的多站点多扫描仪数据 | NA | 多头部注意力跨尺度模块(MHACSM), 残差多上下文模块(RMCN) | NA | NA |
| 72 | 2025-10-06 |
Use of Artificial Intelligence in Cobb Angle Measurement for Scoliosis: Retrospective Reliability and Accuracy Study of a Mobile App
2024-11-01, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/50631
PMID:39486021
|
研究论文 | 评估基于深度学习的移动AI应用在脊柱侧凸Cobb角自动测量中的可靠性和准确性 | 开发了完全自动化的Cobb角测量AI应用，无需医生手动测量，消除了观察者间差异性 | 回顾性研究，样本仅来自单一医疗中心 | 验证AI应用在脊柱侧凸Cobb角自动测量中的性能 | 脊柱侧凸患儿的脊柱X光片 | 医学影像分析 | 脊柱侧凸 | X射线成像 | 深度学习 | X光图像 | 601名患儿（89名男性，512名女性），802张全脊柱X光片 | NA | NA | Bland-Altman检验，组内相关系数(ICC)，绝对误差，一致性界限(LoAs) | 移动应用 |
| 73 | 2025-10-06 |
MMD-DTA: A Multi-Modal Deep Learning Framework for Drug-Target Binding Affinity and Binding Region Prediction
2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3451985
PMID:39208057
|
研究论文 | 提出一种多模态深度学习框架MMD-DTA，用于预测药物-靶点结合亲和力及结合区域 | 通过无监督学习同时预测结合亲和力和结合区域，整合药物和靶点的序列与结构多模态信息 | NA | 预测药物-靶点结合亲和力及识别结合区域 | 药物分子和靶点蛋白 | 机器学习 | NA | 深度学习 | 图神经网络 | 序列数据, 结构数据 | NA | NA | 图神经网络, 目标结构特征提取网络 | 关键评估指标 | NA |
| 74 | 2025-10-06 |
Multi-modality deep learning-based [68Ga]Ga-DOTA-FAPI-04 PET polar map generation: potential value in detecting reactive fibrosis after myocardial infarction
2024-Nov, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-06850-3
PMID:39060373
|
研究论文 | 本研究开发了一种基于多模态深度学习的[68Ga]Ga-DOTA-FAPI-04 PET极坐标图生成方法，用于检测心肌梗死后反应性纤维化 | 提出融合多模态图像补偿PET图像中心脏结构信息丢失的深度学习方法，提高极坐标图生成准确性 | 样本量相对有限（87例患者），需要进一步验证 | 提高[68Ga]Ga-DOTA-FAPI-04 PET极坐标图生成准确性，探索其在检测心肌梗死后反应性纤维化中的价值 | 87例ST段抬高型心肌梗死患者 | 医学影像分析 | 心血管疾病 | PET/MR成像，深度学习 | 深度学习模型 | 多模态医学影像（PET/MR图像） | 87例患者的133对[68Ga]Ga-DOTA-FAPI-04 PET/MR图像，其中26例用于纵向分析 | NA | NA | 准确性，相关系数（LVESV%, LVEDV%, LVEF%） | NA |
| 75 | 2025-10-06 |
Enhancing the diagnostic capacity of [18F]PSMA-1007 PET/MRI in primary prostate cancer staging with artificial intelligence and semi-quantitative DCE: an exploratory study
2024-Nov-08, EJNMMI reports
DOI:10.1186/s41824-024-00225-5
PMID:39510993
|
研究论文 | 探索人工智能和半定量DCE分析在增强[18F]PSMA-1007 PET/MRI对原发性前列腺癌分期诊断能力中的应用 | 首次将深度学习管道与半定量DCE分析结合应用于PSMA-放射性配体PET/MRI，提高前列腺癌诊断准确性 | 样本量较小（仅7例患者），属于探索性研究 | 提高原发性前列腺癌分期的诊断能力 | 原发性前列腺癌患者 | 数字病理 | 前列腺癌 | PET/MRI, DCE-MRI, DWI, T2加权成像 | 深度学习 | 医学影像 | 7例前列腺癌患者 | NA | NA | DICE系数 | NA |
| 76 | 2025-10-06 |
Multimodal Artificial Intelligence in Medicine
2024-Nov-01, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000000000556
PMID:39167446
|
综述 | 本文探讨了多模态人工智能在医学领域的应用、优势及面临的挑战 | 提出多模态Transformer模型能够有效处理医疗领域中的文本、图像和结构化数据等多模态数据 | 多模态人工智能模型的临床应用面临伦理和环境挑战 | 研究多模态人工智能在医学诊断和治疗中的应用潜力 | 医疗多模态数据（文本、图像、结构化数据） | 自然语言处理,计算机视觉,机器学习 | NA | 多模态深度学习 | Transformer | 文本,图像,结构化数据 | NA | NA | Transformer | 美国医师执照考试题库基准测试 | NA |
| 77 | 2025-10-06 |
Accurate de novo design of high-affinity protein binding macrocycles using deep learning
2024-Nov-18, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.18.622547
PMID:39605685
|
研究论文 | 提出基于深度学习的RFpeptides流程，用于从头设计高亲和力蛋白结合大环化合物 | 首次开发基于去噪扩散模型的蛋白结合大环化合物设计方法，无需大规模筛选即可精确控制结合模式 | 仅测试了四种不同蛋白目标，样本规模有限 | 开发高效的大环肽配体设计方法用于诊断和治疗应用 | 蛋白结合大环化合物 | 机器学习 | NA | 去噪扩散模型 | 扩散模型 | 蛋白质序列和结构数据 | 针对4种不同蛋白质各测试不超过20个大环化合物设计 | NA | RFpeptides | 结合亲和力(Kd), 半数抑制浓度(IC50), Ca RMSD | NA |
| 78 | 2025-10-06 |
Promoted production of Fe(IV)/Fe(V) intermediates in the calcium peroxide/ferrate(VI) process for low-damage removal of algal contaminants and membrane fouling control
2024-11-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.135709
PMID:39236536
|
研究论文 | 本研究创新性地将过氧化钙与高铁酸盐耦合用于超滤过程中藻类污染物的低损伤去除和膜污染控制 | 首次将过氧化钙与高铁酸盐耦合，促进Fe(IV)/Fe(V)中间体生成，实现藻类污染物的低损伤去除和膜污染控制 | NA | 开发一种新的膜污染控制方法，从促进Fe(IV)/Fe(V)中间体生成的角度控制藻类膜污染 | 藻类污染物和超滤膜污染 | 环境工程 | NA | 超滤技术，化学氧化技术 | LSTM | 过滤过程数据 | NA | NA | 长短期记忆深度学习网络 | 过滤体积预测 | NA |
| 79 | 2025-10-06 |
Generative adversarial networks accurately reconstruct pan-cancer histology from pathologic, genomic, and radiographic latent features
2024-Nov-15, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adq0856
PMID:39546597
|
研究论文 | 开发并验证了能够从病理、基因组和影像学潜在特征重建癌症组织学的生成对抗网络HistoXGAN | 首次提出能够从多种特征提取器生成的特征向量重建代表性组织学的定制生成对抗网络，并展示了从影像学图像重建肿瘤组织学的虚拟活检能力 | 对生成特征生物学意义的理解仍然具有挑战性 | 开发能够从多模态特征重建癌症组织学的人工智能模型 | 29种癌症亚型的组织学图像 | 数字病理 | 泛癌种 | 生成对抗网络 | GAN | 组织学图像, 基因组数据, 影像学图像 | 29种癌症亚型 | NA | HistoXGAN | 肿瘤分级保留度, 组织学亚型保留度, 基因表达模式保留度 | NA |
| 80 | 2025-10-06 |
Leveraging Deep Learning of Chest Radiograph Images to Identify Individuals at High Risk for Chronic Obstructive Pulmonary Disease
2024-Nov-15, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.14.24317055
PMID:39606360
|
研究论文 | 本研究通过深度学习分析常规胸部X光片，识别慢性阻塞性肺疾病高风险个体 | 将已开发的CXR-Lung-Risk卷积神经网络模型应用于COPD风险预测，并在外部验证中证明其超越传统临床风险评分的预测价值 | 研究基于特定医疗机构的门诊患者数据，需进一步验证在其他人群中的适用性 | 评估深度学习模型在胸部X光片上识别COPD高风险个体的能力 | 无肺癌、COPD或肺气肿的门诊患者，包括有吸烟史和无吸烟史人群 | 计算机视觉 | 慢性阻塞性肺疾病 | 胸部X光成像 | CNN | 图像 | 主要分析：27,848人（12,550名有吸烟史者，15,298名无吸烟史者）；次要分析：2,097人 | NA | CXR-Lung-Risk | AUC | NA |