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!

Sample Image
添加微信请说明来意
Sample Image
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。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期:202501-202512] [清除筛选条件]
当前共找到 16751 篇文献,本页显示第 2261 - 2280 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
2261 2025-10-15
Biomolecular Interaction Prediction: The Era of AI
2025-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
综述 本文全面综述了深度学习在生物分子相互作用预测中的应用及其对药物发现的推动作用 系统总结了利用序列数据、结构信息和功能注释等多种特征来增强生物分子相互作用预测的深度学习算法 NA 提升生物分子相互作用预测的准确性以促进药物发现和分子生物学研究 蛋白质、核酸和小分子等各类靶分子 机器学习 NA 深度学习 NA 序列数据、结构信息、功能注释 NA NA NA NA NA
2262 2025-10-15
DeepSecMS Advances DIA-Based Selenoproteome Profiling Through Cys-to-Sec Proxy Training
2025-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
研究论文 本研究开发了DeepSecMS方法,通过基于半胱氨酸的代理训练策略提升基于DIA的硒蛋白组分析能力 提出基于深度学习的代理训练策略,利用大量半胱氨酸肽段数据预测稀有硒代半胱氨酸肽段特征 硒代半胱氨酸在蛋白质组中极为稀有,可能影响模型对极罕见硒蛋白的识别能力 开发新型计算方法以增强硒蛋白组的全面分析能力 人类硒蛋白组中的硒代半胱氨酸肽段 机器学习 NA 数据非依赖采集质谱,深度学习 深度学习 质谱数据,肽段序列 大规模半胱氨酸肽段数据集 NA NA MS2预测准确率,保留时间预测,离子迁移率预测 NA
2263 2025-10-15
Generating human facial animation by aggregation deep network and low-rank active learning with table tennis applications
2025-Aug-01, Scientific reports IF:3.8Q1
研究论文 提出一种基于情感语音生成逼真人脸动画的新方法,应用于乒乓球直播场景 结合深度网络聚合与低秩主动学习,通过声学特征识别音素-情感组合并选择关键面部帧 NA 开发能够实时生成与语音和情感表达高度匹配的面部动画技术 人脸动画生成 计算机视觉 NA 主动学习、形变技术 深度学习 语音信号、视频帧 NA NA NA NA iOS和Android移动操作系统
2264 2025-10-15
Structural similarities reveal an expansive conotoxin family with a two-finger toxin fold
2025-Jul-05, bioRxiv : the preprint server for biology
研究论文 通过结构生物信息学方法揭示六个芋螺毒素超家族具有共同的进化起源和双指毒素折叠结构 首次发现六个序列同源性低的芋螺毒素超家族具有共同的双指毒素折叠结构,并识别出广泛存在于原口动物中的2FTX蛋白家族 基于结构相似性的进化推断仍需更多实验验证 研究芋螺毒素的结构特征和进化关系 芋螺毒素超家族和原口动物分泌蛋白 结构生物信息学 NA NMR结构解析, 深度学习结构预测, 结构比较分析 深度学习 蛋白质序列和结构数据 六个芋螺毒素超家族和多种原口动物蛋白质 NA NA 结构相似性 NA
2265 2025-10-15
Advancements in Caries Diagnostics Using Bitewing Radiography: A Systematic Review of Deep Learning Approaches
2025-Jun-22, Caries research IF:2.9Q1
系统综述 系统回顾了深度学习在咬翼片X光影像龋齿诊断中的应用进展 首次系统评估深度学习在咬翼片龋齿诊断中的模型架构、数据集特征和诊断性能 研究方法存在异质性、缺乏标准化、数据集多样性有限、临床验证不足以及存在偏倚和数据透明度问题 评估深度学习在咬翼片X光影像龋齿诊断中的应用效果 咬翼片X光影像中的龋齿病变 计算机视觉 龋齿 咬翼片X光摄影 深度学习 X光影像 23项研究,图像数量从112到8,539张不等 NA ResNet, YOLO 准确率 NA
2266 2025-10-15
AI-enabled CT-guided end-to-end quantification of total cardiac activity in 18FDG cardiac PET/CT for detection of cardiac sarcoidosis
2025-Jun, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2
研究论文 开发基于深度学习的全自动管道,通过CT衰减图分割心脏结构并量化18F-FDG PET活动以检测心脏结节病 首次提出基于CT衰减图的全自动深度学习分割方法用于心脏FDG PET定量分析 样本量较小(69例患者),需更大规模验证 开发自动化方法量化心脏FDG PET活动以改善心脏结节病检测 疑似心脏结节病患者 数字病理学 心脏结节病 PET/CT成像, 18F-FDG PET 深度学习 医学影像(CT和PET图像) 69例患者(29例确诊心脏结节病) NA NA AUC, 敏感性, 特异性 NA
2267 2025-10-15
Computational characterization of lymphocyte topology on whole slide images of glomerular diseases
2025-Apr-14, medRxiv : the preprint server for health sciences
研究论文 本研究通过计算方式量化肾小球疾病中淋巴细胞拓扑结构,并验证其临床相关性 开发了基于图的生境聚类算法识别密集与稀疏淋巴细胞生境,并提取26种高通量定量病理特征 样本量相对有限(N=333),仅使用H&E染色全切片图像 量化淋巴细胞炎症拓扑结构并测试其临床相关性 155例局灶节段性肾小球硬化症(FSGS)和178例微小病变病(MCD)患者 数字病理学 肾脏疾病 全切片图像分析,深度学习分割 深度学习模型 图像 333名NEPTUNE/CureGN参与者 NA NA 一致性指数,Kaplan-Meier生存分析 NA
2268 2025-10-15
Correction: Zafar et al. Skin Lesion Analysis and Cancer Detection Based on Machine/Deep Learning Techniques: A Comprehensive Survey. Life 2023, 13, 146
2025-Feb-18, Life (Basel, Switzerland)
correction 对已发表论文《基于机器/深度学习技术的皮肤病变分析和癌症检测:全面综述》的更正说明 NA NA NA NA digital pathology skin cancer NA NA NA NA NA NA NA NA
2269 2025-06-10
Re: Using Deep Learning To Differentiate Among Histology Renal Tumor Types in Computed Tomography Scans
2025-Nov, European urology IF:25.3Q1
NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
2270 2025-10-14
ChargeNet: E(3) Equivariant Graph Attention Network for Atomic Charge Prediction
2025-Oct-13, Journal of chemical information and modeling IF:5.6Q1
研究论文 提出一种E(3)等变图注意力网络ChargeNet,用于精确预测原子电荷 引入先进的等变图注意力神经网络,通过全局图注意力机制和多尺度注意力建模长程原子静电相互作用 NA 开发高精度、强泛化能力的原子电荷预测方法以推动药物设计与发现 分子结构和原子电荷 机器学习 NA 量子化学计算,机器学习 图注意力网络 分子结构数据 NA NA E(3)等变图注意力网络 预测准确率 NA
2271 2025-10-14
Manual and automated facial de-identification techniques for patient imaging with preservation of sinonasal anatomy
2025-Oct, International journal of computer assisted radiology and surgery IF:2.3Q2
研究论文 提出一种保留鼻窦解剖结构的面部去标识化方法,并开发两种自动化工作流程 在保护患者隐私的同时保留鼻窦、鼻甲等耳鼻喉科相关解剖结构,解决了现有方法会遮蔽这些关键区域的问题 需要进一步使用活体患者照片验证效果 开发可靠的面部去标识化方法以保护患者隐私 成人头部CT扫描图像 医学影像处理 耳鼻喉疾病 CT扫描,种子生长技术,图像分割 深度学习模型 医学影像 20例成人头部CT 3D Slicer, nnU-Net nnU-Net Dice系数,修正Hausdorff距离,匹配率 NA
2272 2025-10-14
Transformer-based robotic ultrasound 3D tracking for capsule robot in GI tract
2025-Oct, International journal of computer assisted radiology and surgery IF:2.3Q2
研究论文 提出一种基于Transformer和CNN的混合深度学习框架,用于胶囊机器人在胃肠道中的实时3D超声跟踪 首次将Transformer架构与CNN结合应用于胶囊机器人超声跟踪,能够处理长距离3D跟踪并在跟踪丢失时主动重新定位 仅在离体结肠模型中进行验证,尚未在活体动物和人体试验中评估生理影响 开发能够克服超声成像视野窄、气体区域可视性差和平面外运动检测困难的胶囊机器人跟踪系统 胃肠道胶囊机器人 计算机视觉 胃肠道疾病 B模式超声成像 CNN, Transformer 超声图像 离体结肠模型 NA CNN-Transformer混合架构 质心定位误差, 检测准确率, 帧率 NA
2273 2025-10-14
Large-scale protein clustering in the age of deep learning
2025-Oct, Current opinion in structural biology IF:6.1Q1
综述 本文探讨了深度学习时代大规模蛋白质聚类方法的发展与应用 引入深度学习技术扩展了蛋白质相似性度量和聚类方法的广度、深度和多样性 NA 研究蛋白质聚类方法及其在功能注释转移中的应用 蛋白质家族和整个蛋白质宇宙 生物信息学 NA 蛋白质序列分析、结构解析 深度学习 蛋白质序列、结构数据 大规模蛋白质数据集 NA NA NA NA
2274 2025-10-14
Identifying visible tissue in intraoperative ultrasound: a method and application
2025-Oct, International journal of computer assisted radiology and surgery IF:2.3Q2
研究论文 提出一种识别术中超声可见组织的迭代滤波和拓扑方法,用于检测声影并构建感知显著性置信图 开发了新型探头-组织接触分析框架,在体内数据上实现优于深度学习和统计方法的声影分类性能 方法性能需在更广泛临床场景中验证,参数扰动和散斑噪声可能影响算法鲁棒性 改进术中超声扫描的探头-组织接触分析技术 术中超声扫描中的可见组织和探头-组织接触界面 医学影像分析 NA 超声成像 NA 超声图像 包含体内数据和医学体模数据的专用数据集 NA NA Fβ分数, 归一化均方根误差 NA
2275 2025-10-14
Development and Validation of a Deep Learning System for the Provision of a District-Wide Diabetes Retinal Screening Service
2025 Sep-Oct, Clinical & experimental ophthalmology
研究论文 开发并验证一种用于地区性糖尿病视网膜筛查的双模态深度学习系统 提出结合眼底照片和光学相干断层扫描的双模态深度学习系统,用于糖尿病视网膜病变筛查 7.4%的图像无法分级,样本主要来自医院糖尿病诊所和普通诊所 评估深度学习系统在检测威胁视力糖尿病视网膜病变方面的性能和有效性 748名糖尿病患者(年龄≥10岁) 计算机视觉 糖尿病视网膜病变 眼底摄影,光学相干断层扫描 深度学习 图像 748名前瞻性招募的糖尿病患者 NA NA 灵敏度,特异度,AUC NA
2276 2025-10-14
Retinal Vessel Traits and Age-Related Eye Disease in the Canadian Longitudinal Study on Aging
2025 Sep-Oct, Clinical & experimental ophthalmology
研究论文 本研究利用加拿大老龄化纵向研究数据,探讨视网膜血管特征与青光眼和年龄相关性黄斑变性之间的关联 首次在大型前瞻性队列中同时使用横断面和纵向数据分析视网膜血管特征与眼部疾病的时序关系,并发现反向因果关系的证据 青光眼和AMD为自我报告诊断,可能存在误分类偏倚 研究视网膜血管特征与年龄相关性眼病的关联 加拿大老龄化纵向研究的30,097名参与者 数字病理学 年龄相关性眼病 深度学习算法 深度学习 视网膜图像 30,097名参与者,随访率92% NA QUARTZ OR值, 95%置信区间, β系数 NA
2277 2025-10-13
Model predictive control of nonlinear dynamical systems based on long sequence stable Koopman network
2025-Nov, ISA transactions IF:6.3Q1
研究论文 提出一种基于长序列稳定Koopman网络的非线性动力系统模型预测控制方法 提出SDKN-MPC方法,通过稳定Koopman求解器算法获得稳定Koopman算子,结合神经网络训练嵌入函数,解决了传统深度学习方法收敛慢和长期预测稳定性不足的问题 NA 解决非线性动力系统的控制问题 非线性动力系统 机器学习 NA Koopman算子方法 神经网络 动力系统数据 NA NA 稳定深度Koopman网络 收敛速度,预测性能 NA
2278 2025-10-13
Exploring stable isotope patterns in monthly precipitation across Southeast Asia using contemporary deep learning models and SHapley Additive exPlanations (SHAP) techniques
2025-Oct, Isotopes in environmental and health studies IF:1.1Q4
研究论文 本研究使用深度神经网络和SHAP技术分析东南亚地区降水稳定同位素模式及其与气候因子的关系 首次将深度神经网络与SHAP可解释性技术结合应用于热带地区降水稳定同位素模拟,揭示了气候因子与同位素含量的非线性相互作用 研究仅涵盖东南亚六个关键站点,区域覆盖范围有限,且站点分布不均匀 开发能够准确模拟降水稳定同位素含量的机器学习模型,理解大尺度气候模式与局部气象参数对同位素的影响 东南亚六个站点的月降水稳定同位素数据(曼谷、吉隆坡、雅加达、哥打巴鲁、查亚普拉、新加坡) 机器学习 NA 稳定同位素分析 DNN, PLSR 气象数据、同位素数据 东南亚6个站点的月降水数据 NA 深度神经网络 准确率 NA
2279 2025-08-07
Dynamic and interpretable deep learning model for predicting respiratory failure following cardiac surgery
2025-Aug-05, BMC anesthesiology IF:2.3Q2
NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
2280 2025-05-03
Should end-to-end deep learning replace handcrafted radiomics?
2025-Oct, European journal of nuclear medicine and molecular imaging IF:8.6Q1
NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
回到顶部