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 19278 篇文献，本页显示第 15301 - 15320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15301 | 2025-10-07 |
Online and Cross-User Finger Movement Pattern Recognition by Decoding Neural Drive Information from Surface Electromyogram
2025-Apr, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065725500145
PMID:39907499
|
研究论文 | 提出一种结合神经解码方法和无监督域适应学习的肌电手指运动模式识别新方法 | 首次在精细运动单元水平实现肌电模式识别，采用两阶段在线表面肌电分解和模糊加权决策策略 | 研究样本量有限（15名受试者），未在更广泛人群中验证 | 解决跨用户变异性问题，提高肌电控制系统的鲁棒性 | 手指伸肌的表面肌电信号和七种灵巧手指运动模式 | 神经接口与假肢控制 | NA | 表面肌电信号分解，运动单元活动特征提取 | 深度学习模型 | 表面肌电信号 | 15名受试者 | NA | NA | 识别准确率 | NA |
| 15302 | 2025-10-07 |
Adjacent point aided vertebral landmark detection and Cobb angle measurement for automated AIS diagnosis
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种基于脊柱刚性结构信息的椎体关键点检测框架，用于青少年特发性脊柱侧弯的自动诊断 | 设计了LAD-Net深度学习架构，通过相邻中心迭代校正(ACIC)和角点特征优化融合(CFOF)模块有效修正错误检测的标志点 | NA | 提高脊柱X射线图像中参数测量和诊断准确性，完成AIS的智能诊断 | 青少年特发性脊柱侧弯患者的脊柱X射线图像 | 计算机视觉 | 脊柱侧弯 | X射线成像 | CNN | 医学图像 | NA | NA | LAD-Net | 标志点检测精度，Lenke分类准确率 | NA |
| 15303 | 2025-10-07 |
Fast In Vivo Two-Photon Fluorescence Imaging via Lateral and Axial Resolution Restoration With Self-Supervised Learning
2025-Apr, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202400489
PMID:39909559
|
研究论文 | 开发了一种基于自监督学习的深度学习框架LARR，用于提升双光子荧光成像的分辨率和速度 | 提出侧向和轴向分辨率恢复(LARR)框架，通过自监督训练方案实现4倍轴向和16倍侧向分辨率增强，突破成像分辨率与速度之间的矛盾 | NA | 解决双光子荧光成像系统中高分辨率与高速度之间的矛盾 | 双光子荧光成像系统 | 计算机视觉 | NA | 双光子荧光成像 | 深度学习 | 图像 | NA | NA | LARR | 信噪比, 结构相似性指数 | NA |
| 15304 | 2025-10-07 |
Antimicrobial resistance recommendations via electronic health records with graph representation and patient population modeling
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108616
PMID:39913994
|
研究论文 | 提出一种基于电子健康记录和图形神经网络的抗菌药物耐药性推荐框架 | 采用深度图神经网络建模医疗事件关联、结合群体级患者图形结构解决罕见标签不平衡问题、使用多任务学习策略同时推荐多种AMR | NA | 利用电子健康记录数据生成抗菌药物耐药性推荐，改善临床决策时效性 | 尿路感染患者 | 机器学习 | 尿路感染 | 电子健康记录分析 | 图神经网络 | 电子健康记录 | 超过110,000名患者 | NA | 图神经网络 | AUROC | NA |
| 15305 | 2025-10-07 |
Why does my medical AI look at pictures of birds? Exploring the efficacy of transfer learning across domain boundaries
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108634
PMID:39913993
|
研究论文 | 本研究探讨了在医学深度学习中使用领域内预训练与跨领域预训练的效果差异 | 首次系统比较医学图像领域内预训练与自然图像跨领域预训练在CT图像任务上的性能差异 | 领域内预训练优势仅限于CT图像领域，不适用于其他医学成像模态 | 验证领域内预训练在医学深度学习中的有效性 | CT图像切片 | 计算机视觉 | NA | 自监督对比学习 | 深度学习模型 | 医学图像,自然图像 | RadNet-12M数据集(超过1200万CT图像切片,来自90,663次扫描), RadNet-1.28M数据集(128万CT图像切片) | NA | NA | 准确率,AUC,DICE分数 | NA |
| 15306 | 2025-10-07 |
Protein ligand structure prediction: From empirical to deep learning approaches
2025-Apr, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.102998
PMID:39914050
|
综述 | 本文系统回顾了从经验方法到深度学习方法在蛋白质-配体结构预测领域的发展 | 提供了经验方法和深度学习方法在蛋白质-配体结构预测中的统一视角，并基于是否需要模板蛋白结构对计算方法进行了新的分类 | 作为综述文章，不包含原始实验数据或模型验证 | 回顾和比较蛋白质-配体结构预测的不同计算方法 | 蛋白质-配体复合物的三维结构和结合能预测方法 | 机器学习 | NA | 深度学习，经验方法 | 深度学习模型 | 蛋白质-配体复合物结构数据 | NA | NA | NA | NA | NA |
| 15307 | 2025-10-07 |
Meta-learning guidance for robust medical image synthesis: Addressing the real-world misalignment and corruptions
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种用于医学图像合成的元学习引导方法，解决真实世界数据中的错位和损坏问题 | 结合元学习重加权方案、非局部特征损失函数以及图像合成网络与空间变换配准网络的联合训练 | 仅在受控合成场景和特定公共数据集上验证，未在更广泛的真实临床环境中测试 | 开发能够处理医学图像数据中错位、伪影和变形等损坏的鲁棒图像合成方法 | 医学图像合成 | 医学影像 | NA | 深度学习 | CNN, STN | 医学图像 | NA | NA | 空间变换网络 | NA | NA |
| 15308 | 2025-03-23 |
Correction for Quach et al., Deep learning-driven bacterial cytological profiling to determine antimicrobial mechanisms in Mycobacterium tuberculosis
2025-Apr, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2504475122
PMID:40117323
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15309 | 2025-10-07 |
Deep learning assisted prediction of osteogenic capability of orthopedic implant surfaces based on early cell morphology
2025-Mar-15, Acta biomaterialia
IF:9.4Q1
DOI:10.1016/j.actbio.2025.01.059
PMID:39894326
|
研究论文 | 本研究开发了一种基于早期细胞形态和深度学习的骨科植入物表面成骨能力预测方法 | 首次将深度学习应用于基于早期细胞形态的植入物表面成骨能力预测，开发了OIODNet模型和成骨预测器应用 | NA | 开发高效筛选骨科植入物表面成骨能力的方法 | 钛及其合金植入物表面 | 计算机视觉 | 骨科疾病 | 细胞形态成像，碱性磷酸酶活性检测 | 深度学习 | 图像 | NA | NA | OIODNet | 准确率，精确率，召回率，F1分数，AUC | NA |
| 15310 | 2025-10-07 |
ERNIE-ac4C: A Novel Deep Learning Model for Effectively Predicting N4-acetylcytidine Sites
2025-Mar-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.168978
PMID:39900287
|
研究论文 | 提出一种结合ERNIE-RNA语言模型和二维CNN的深度学习模型ERNIE-ac4C，用于准确预测RNA中的N4-乙酰胞苷修饰位点 | 首次将ERNIE-RNA语言模型与二维CNN结合，融合序列特征和注意力图特征进行ac4C位点预测 | 未明确说明模型的具体局限性 | 开发高效准确的ac4C修饰位点预测方法 | RNA中的N4-乙酰胞苷修饰位点 | 生物信息学 | NA | 深度学习 | CNN, 语言模型 | RNA序列数据 | NA | NA | ERNIE-RNA, 二维CNN | 准确率 | NA |
| 15311 | 2025-10-07 |
DOGpred: A Novel Deep Learning Framework for Accurate Identification of Human O-linked Threonine Glycosylation Sites
2025-Mar-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.168977
PMID:39900285
|
研究论文 | 开发了一种名为DOGpred的新型深度学习框架，用于准确识别人类O-连接苏氨酸糖基化位点 | 提出结合传统特征描述符和预训练蛋白质语言模型嵌入的双路径深度学习架构，并采用基于注意力的特征融合机制 | NA | 开发计算工具以准确预测蛋白质上的O-连接苏氨酸糖基化位点 | 人类蛋白质的O-连接苏氨酸糖基化位点 | 生物信息学 | NA | 深度学习，蛋白质序列分析 | CNN, RNN | 蛋白质序列特征 | NA | NA | 堆叠1D CNN，基于注意力的堆叠RNN | NA | NA |
| 15312 | 2025-05-07 |
TIMS2Rescore: A Data Dependent Acquisition-Parallel Accumulation and Serial Fragmentation-Optimized Data-Driven Rescoring Pipeline Based on MS2Rescore
2025-Mar-07, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.4c00609
PMID:39915959
|
研究论文 | 介绍了一种名为TIMS2Rescore的数据驱动重评分工作流程，专为timsTOF仪器的DDA-PASEF数据优化 | 结合了新的timsTOF MSPIP谱预测模型和基于深度学习的肽离子迁移率预测器IM2Deep，直接支持Bruker原始质谱数据和多种搜索引擎结果 | 未明确提及具体限制 | 提高质谱数据分析的准确性和效率，以支持蛋白质组学研究 | 血浆蛋白质组学、免疫肽组学（HLA I类和II类）和元蛋白质组学数据集 | 蛋白质组学 | NA | 质谱技术（MS）、离子迁移技术、PASEF技术 | 深度学习模型 | 质谱数据 | NA | NA | NA | NA | NA |
| 15313 | 2025-10-07 |
Developing an interpretable machine learning model for diagnosing gout using clinical and ultrasound features
2025-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.111959
PMID:39893823
|
研究论文 | 开发基于临床数据和超声特征的痛风诊断机器学习模型，并应用SHAP进行模型解释 | 结合临床特征和超声特征构建可解释的痛风诊断模型，首次应用SHAP分析阐明特征贡献度 | 研究样本量有限（共609例），外部验证队列样本较少（n=92） | 开发用于痛风预测的机器学习模型 | 来自两个机构的609例患者的首次跖趾关节超声数据 | 机器学习 | 痛风 | 超声检查 | Logistic Regression, Random Forest, LASSO, XGBoost | 临床数据和超声特征 | 609例患者（机构1：571例，机构2：92例） | NA | NA | AUC, Brier score | NA |
| 15314 | 2025-10-07 |
ABIET: An explainable transformer for identifying functional groups in biological active molecules
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109740
PMID:39894011
|
研究论文 | 提出一种可解释的Transformer模型ABIET，用于识别生物活性分子中对药物-靶点相互作用最关键的功能基团 | 首次将注意力权重用于功能基团识别，提出考虑双向相互作用、分层提取和激活变换的注意力分数处理策略 | NA | 提高Transformer模型在药物发现中的可解释性，识别关键分子区域 | 生物活性分子及其功能基团 | 自然语言处理 | NA | SMILES表示 | Transformer | 分子结构文本数据 | NA | NA | Transformer-encoder | 重要性评分 | NA |
| 15315 | 2025-10-07 |
Deep Learning-Based Accelerated MR Cholangiopancreatography Without Fully-Sampled Data
2025-Mar, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70002
PMID:39907193
|
研究论文 | 本研究开发了一种基于深度学习的加速磁共振胰胆管成像重建方法，无需全采样数据 | 首次在3T和0.55T场强下应用深度学习重建加速MRCP采集，并比较了监督学习和自监督学习两种训练策略 | 研究仅纳入35名健康志愿者，样本量有限，且未在患者群体中验证 | 加速磁共振胰胆管成像采集过程，同时保持图像质量 | 35名健康志愿者的MRCP扫描数据 | 医学影像分析 | 肝胆胰疾病 | 磁共振成像 | 深度学习 | 医学影像 | 35名健康志愿者 | NA | NA | 峰值信噪比, 结构相似性 | NA |
| 15316 | 2025-10-07 |
ZFP-CanPred: Predicting the effect of mutations in zinc-finger proteins in cancers using protein language models
2025-Mar, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2025.01.020
PMID:39909391
|
研究论文 | 开发基于蛋白质语言模型的深度学习工具ZFP-CanPred，用于预测锌指蛋白中致癌驱动突变 | 首次利用蛋白质语言模型从突变位点结构邻域提取表征，专门针对锌指蛋白的癌症驱动突变进行预测 | 模型仅针对锌指蛋白的错义突变进行研究，未涉及其他类型突变或蛋白质家族 | 开发高精度预测锌指蛋白致癌突变的计算工具 | 锌指蛋白中的错义突变 | 生物信息学 | 癌症 | 蛋白质语言模型 | 深度学习 | 蛋白质序列和结构数据 | 331个突变的精选数据集 | NA | ZFP-CanPred | 准确率,F1分数,AUC | NA |
| 15317 | 2025-10-07 |
Automated dysphagia characterization in head and neck cancer patients using videofluoroscopic swallowing studies
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109759
PMID:39914196
|
研究论文 | 提出一种基于视频荧光吞咽研究(VFSS)的自动化分析框架，用于头颈癌患者的吞咽困难表征 | 首次开发集成深度学习标注、吞咽动态参数提取和机器学习分类的自动化VFSS分析框架 | 数据集规模有限且VFSS数据存在变异性 | 开发自动化工具用于头颈癌患者吞咽困难的客观评估 | 头颈癌患者、健康个体和非头颈癌相关吞咽困难患者 | 计算机视觉 | 头颈癌 | 视频荧光吞咽研究(VFSS) | 深度学习, 机器学习 | 视频 | 包含健康个体、头颈癌放疗前后患者及非头颈癌吞咽困难患者的多个队列 | NA | NA | 准确率, 平均像素误差 | NA |
| 15318 | 2025-05-07 |
You get the best of both worlds? Integrating deep learning and traditional machine learning for breast cancer risk prediction
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109733
PMID:39914201
|
研究论文 | 本文提出了一种结合深度学习和传统机器学习的方法，用于基于图像的乳腺癌风险预测 | 创新性地将深度学习与传统机器学习方法结合，用于乳腺癌风险预测，并在性能上取得了提升 | 需要进一步的验证以确认其临床适用性 | 开发一种基于图像的乳腺癌风险预测模型，以提高筛查的个性化水平 | 乳腺癌风险预测 | 计算机视觉 | 乳腺癌 | 深度学习与传统机器学习结合 | 深度学习与传统机器学习模型 | 图像 | 3720例对照组和1471例风险病例的乳腺X光片 | NA | NA | NA | NA |
| 15319 | 2025-10-07 |
Triboelectric Nanogenerator-Based Flexible Acoustic Sensor for Speech Recognition
2025-Feb-19, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c21563
PMID:39912319
|
研究论文 | 本研究提出了一种基于摩擦纳米发电机的柔性声学传感器，结合深度学习技术用于语音识别 | 采用PVDF/GO复合纳米纤维膜作为介电层，设计仿刺绣棚环状结构，结合多层注意力卷积网络实现高精度语音识别 | NA | 开发低成本、高稳定性、高保真和高灵敏度的人机交互声学传感器 | 语音信号识别 | 人机交互 | NA | 静电纺丝 | CNN | 音频信号 | NA | NA | 多层注意力卷积网络(MLACN) | 准确率 | NA |
| 15320 | 2025-10-07 |
Multi-task learning for automated contouring and dose prediction in radiotherapy
2025-Feb-18, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adb23d
PMID:39904047
|
研究论文 | 本研究应用多任务学习方法整合放疗中的自动轮廓勾画和剂量预测任务 | 首次将多任务学习应用于放疗自动轮廓勾画和剂量预测的联合优化，利用任务间共享信息提升效率 | 研究仅在前列腺癌和头颈癌数据集上进行验证，未涵盖其他癌症类型 | 开发高效的放疗自动治疗计划系统 | 前列腺癌和头颈癌患者 | 医学影像分析 | 前列腺癌,头颈癌 | 深度学习 | 多任务学习 | 医学影像数据 | 内部前列腺癌数据集和公开头颈癌数据集(OpenKBP) | NA | NA | 平均绝对差异,Dice系数 | NA |