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 19013 篇文献，本页显示第 17561 - 17580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17561 | 2025-10-07 |
KaMLs for Predicting Protein pK a Values and Ionization States: Are Trees All You Need?
2025-Jan-30, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.09.622800
PMID:39605739
|
研究论文 | 开发基于决策树和图注意力网络的KaML模型，用于准确预测蛋白质pKa值和电离状态 | 提出酸和碱分别处理、使用AlphaFold结构进行数据增强、在理论pKa数据库上进行模型预训练等创新方法 | 机器学习方法受到实验数据稀缺的限制 | 提高蛋白质电离状态预测的准确性，促进生物学理解和计算机辅助药物发现 | 蛋白质电离状态和pKa值 | 机器学习 | NA | 机器学习，数据增强 | 决策树，图注意力网络(GAT) | 蛋白质结构数据，实验pKa数据 | PKAD-3数据库中的实验数据 | NA | 决策树，图注意力网络 | pKa值预测准确度，电离状态分类准确度 | NA |
| 17562 | 2025-10-07 |
EPISeg: Automated segmentation of the spinal cord on echo planar images using open-access multi-center data
2025-Jan-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.07.631402
PMID:39829895
|
研究论文 | 开发了一种基于深度学习的自动分割模型EPISeg，用于在梯度回波平面成像数据上分割脊髓 | 首个专门针对梯度回波EPI图像的脊髓自动分割模型，对不同的采集协议和常见伪影具有鲁棒性 | NA | 改进脊髓功能磁共振成像数据的预处理分割流程 | 脊髓梯度回波平面成像数据 | 医学影像分析 | 神经系统疾病 | 功能磁共振成像，梯度回波平面成像 | 深度学习 | 医学影像 | 多中心数据集，具体数量未明确说明 | NA | NA | 分割质量 | NA |
| 17563 | 2025-10-07 |
CPI-Pred: A deep learning framework for predicting functional parameters of compound-protein interactions
2025-Jan-21, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.16.633372
PMID:39896624
|
研究论文 | 提出一个名为CPI-Pred的深度学习框架，用于预测化合物-蛋白质相互作用的功能参数 | 整合了新型消息传递神经网络生成的化合物表示和最先进蛋白质语言模型生成的酶表示，采用创新的序列池化和交叉注意力机制 | NA | 准确预测化合物-蛋白质相互作用的功能参数 | 酶和化合物的相互作用 | 机器学习 | NA | 深度学习 | 消息传递神经网络,蛋白质语言模型 | 氨基酸序列,化合物结构表示 | 迄今为止最大的酶动力学参数数据集 | NA | 消息传递神经网络,蛋白质语言模型 | NA | NA |
| 17564 | 2025-10-07 |
G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery for all organisms using multi-omics data
2025-Jan-09, Research square
DOI:10.21203/rs.3.rs-5776937/v1
PMID:39866874
|
研究论文 | 介绍G2PDeep-v2这一基于深度学习的网络平台，用于多组学数据的表型预测和生物标志物发现 | 开发了支持所有生物体（人类、植物、动物、病毒）的通用型深度学习网络平台，提供自动化超参数调优和可视化分析功能 | NA | 构建一个通用的深度学习框架，用于表型预测和生物标志物发现 | 所有生物体的多组学数据（包括人类、植物、动物和病毒） | 机器学习 | 复杂疾病 | 多组学数据分析 | 深度学习模型 | 多组学数据 | NA | NA | NA | NA | 高性能计算资源 |
| 17565 | 2025-10-07 |
Unlocking the power of AI for phenotyping fruit morphology in Arabidopsis
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae123
PMID:39937596
|
研究论文 | 本研究开发了一种基于深度学习的实例分割模型和流程，用于自动化表型拟南芥果实形态 | 首次将深度学习应用于多亲本高级世代杂交群体的果实形态表型分析，实现了大规模自动化表型测量 | 分割任务的精确度相对较低（55.9%），器官水平性状表型的精确性和适应性仍需进一步验证 | 评估深度学习在植物果实形态表型分析中的有效性，建立表型与基因型关联 | 拟南芥果实形态 | 计算机视觉 | NA | 图像表型分析 | 实例分割模型 | 图像 | 332,194个单独果实 | NA | NA | 平均精确度,检测精确度,分割精确度 | NA |
| 17566 | 2025-10-07 |
Deep learning in gonarthrosis classification: a comparative study of model architectures and single vs. multi-model methods
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1413820
PMID:39974355
|
研究论文 | 本研究比较了单模型和多模型深度学习方法在膝关节骨关节炎KL分级分类中的性能 | 首次系统比较单模型与多模型方法在KL分级中的效果，并评估七种CNN架构在四种不同任务中的表现 | 需要临床验证，未来应探索集成建模和更先进的数据增强技术 | 比较单模型和多模型深度学习方法在膝关节骨关节炎KL分级分类中的性能 | 膝关节前后位X射线图像 | 计算机视觉 | 骨关节炎 | X射线成像，CLAHE对比度增强 | CNN | 图像 | 14,607张来自三家医院的标注膝关节X射线图像 | YOLOv5 | NfNet-F0/F1, EfficientNet-B0/B3, Inception-ResNet-v2, VGG16 | F1-score, 准确率 | NA |
| 17567 | 2025-10-07 |
Dynamic Visualization of Computer-Aided Peptide Design for Cancer Therapeutics
2025, Drug design, development and therapy
DOI:10.2147/DDDT.S497126
PMID:39974609
|
综述 | 通过文献计量学分析探讨计算机辅助肽设计在癌症治疗领域的研究现状、热点和未来趋势 | 首次采用文献计量学方法系统分析计算机辅助抗癌肽设计领域的发展脉络和研究热点 | 仅基于Web of Science数据库的1547篇文献，可能存在收录范围限制 | 探索计算机辅助肽设计在癌症治疗领域的研究现状和发展趋势 | 2006-2024年间计算机辅助抗癌肽设计相关的研究文献 | 生物信息学 | 癌症 | 文献计量分析,分子动力学模拟,分子对接,深度学习 | NA | 文献数据 | 1547篇相关出版物 | CiteSpace,VOSviewer,Bibliometrix,Origin | NA | NA | NA |
| 17568 | 2025-10-07 |
Research trends in livestock facial identification: a review
2025-Jan, Journal of animal science and technology
IF:2.7Q1
DOI:10.5187/jast.2025.e4
PMID:39974780
|
综述 | 本文综述了基于视频处理和卷积神经网络的动物面部识别技术在精准畜牧业中的应用 | 整合视频处理与CNN深度学习技术，实现动物生长估计、个体识别和行为监测的自动化 | NA | 探讨视频处理和CNN深度学习在畜牧业面部识别中的研究趋势和应用 | 牲畜动物 | 计算机视觉 | NA | 视频处理, 深度学习 | CNN | 视频数据 | NA | NA | NA | NA | NA |
| 17569 | 2025-10-07 |
Research progress of MRI-based radiomics in hepatocellular carcinoma
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1420599
PMID:39980543
|
综述 | 本文系统评估基于MRI影像组学在肝细胞癌诊疗中的研究进展与应用价值 | 首次系统综述2018-2025年间MRI影像组学在肝细胞癌多维度临床应用的最新进展 | 领域内方法可解释性不足，需要进一步验证研究 | 评估影像组学方法学并阐述MRI影像组学在肝细胞癌诊疗中的临床进展 | 肝细胞癌患者 | 数字病理 | 肝癌 | MRI影像组学 | 深度学习, 机器学习 | 医学影像 | 93篇文献的系统分析 | NA | NA | NA | NA |
| 17570 | 2025-10-07 |
A pelvis MR transformer-based deep learning model for predicting lung metastases risk in patients with rectal cancer
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1496820
PMID:39980546
|
研究论文 | 开发基于骨盆MR图像和临床特征的Transformer深度学习模型，用于预测直肠癌患者肺转移风险 | 首次将Transformer架构应用于直肠癌肺转移预测，并整合骨盆MR图像与临床特征 | 样本量相对有限（819例患者），仅使用单一医疗中心数据 | 开发准确预测直肠癌肺转移风险的深度学习模型 | 经组织学确认的直肠癌患者 | 计算机视觉 | 直肠癌 | 磁共振成像（MRI） | Transformer, CNN | 医学图像（T2WI和DWI MR图像） | 819例直肠癌患者 | NA | Transformer, ResNet18, EfficientNetb0, MobileNet, ShuffleNet, DenseNet | AUC, 灵敏度, 特异度, 准确率 | NA |
| 17571 | 2025-10-07 |
Machine learning-based myocardial infarction bibliometric analysis
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1477351
PMID:39981082
|
文献计量分析 | 通过文献计量学方法分析2008-2024年机器学习在心肌梗死领域的研究趋势和热点 | 首次系统分析机器学习在心肌梗死领域的文献计量特征，识别新兴研究方向和国际合作模式 | 仅基于Web of Science数据库的1036篇文献，可能存在收录偏差 | 探索机器学习在心肌梗死领域的研究趋势、热点和未来发展方向 | 2008-2024年间心肌梗死与机器学习相关的1036篇学术文献 | 机器学习 | 心肌梗死 | 文献计量分析 | NA | 文献元数据 | 1036篇出版物 | CiteSpace, Bibliometrix, VOSviewer | NA | 发文量、影响因子、被引频次 | NA |
| 17572 | 2025-10-07 |
Development and validation of a deep learning-enhanced prediction model for the likelihood of pulmonary embolism
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1506363
PMID:39981086
|
研究论文 | 开发并验证了一种基于深度学习的肺栓塞风险预测模型PE-Mind | 使用卷积神经网络结合三个定制模块增强预测性能，开发了实时临床操作的Web服务器PulmoRiskAI | 未明确说明样本来源和数据收集的时间范围 | 开发精确高效的肺栓塞风险预测模型以改进现有临床工具的局限性 | 急性深静脉血栓形成患者 | 机器学习 | 肺栓塞 | 临床数据分析 | CNN | 临床特征数据 | NA | NA | 卷积神经网络,残差模块 | 准确率,AUC | NA |
| 17573 | 2025-10-07 |
Deep learning based analysis of dynamic video ultrasonography for predicting cervical lymph node metastasis in papillary thyroid carcinoma
2025-Mar, Endocrine
IF:3.0Q2
DOI:10.1007/s12020-024-04091-w
PMID:39556263
|
研究论文 | 本研究开发了一种基于深度学习的动态视频超声分析模型，用于预测甲状腺乳头状癌患者的颈淋巴结转移风险 | 首次将深度学习应用于动态超声视频分析来预测颈淋巴结转移，相比传统静态图像方法具有更高准确性和鲁棒性 | 研究为单中心回顾性研究，样本量相对有限（388例患者），需要多中心前瞻性验证 | 开发深度学习模型辅助临床医生更准确预测甲状腺乳头状癌患者的颈淋巴结转移风险 | 甲状腺乳头状癌患者及其甲状腺结节 | 计算机视觉 | 甲状腺癌 | 超声成像 | CNN | 视频,图像 | 388例患者的717个甲状腺结节 | NA | DenseNet121 | AUROC,敏感性,特异性 | NA |
| 17574 | 2025-10-07 |
Early-Stage Melanoma Cancer Diagnosis Framework for Imbalanced Data From Dermoscopic Images
2025-Mar, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.24736
PMID:39573895
|
研究论文 | 提出一种用于皮肤镜图像中早期黑色素瘤诊断的深度学习框架，解决数据不平衡问题 | 结合CNN、DenseNet、批量归一化层、最大池化和ReLU激活函数的新型框架，有效解决过拟合问题 | NA | 开发自动化的黑色素瘤早期诊断方法 | 皮肤镜图像中的黑色素瘤病变 | 计算机视觉 | 黑色素瘤皮肤癌 | 皮肤镜成像 | CNN, DenseNet | 图像 | ISIC-2019数据集和HAM-10000数据集的大量样本 | NA | CNN, DenseNet | 准确率, 微平均准确率 | NA |
| 17575 | 2025-10-07 |
The Future of Surgical Diagnostics: Artificial Intelligence-Enhanced Detection of Ganglion Cells for Hirschsprung Disease
2025-Feb, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2024.102189
PMID:39577743
|
研究论文 | 开发人工智能增强方法用于术中检测赫希施普龙病中的神经节细胞 | 首次将深度学习模型与热力图定位技术结合应用于术中冰冻切片神经节细胞检测，显著提升诊断准确性和效率 | 研究样本来自3个中心的164名患者，样本来源相对有限 | 开发人工智能辅助诊断系统改善赫希施普龙病的手术决策 | 赫希施普龙病患者组织切片中的神经节细胞 | 数字病理学 | 赫希施普龙病 | 苏木精-伊红染色，全玻片成像 | CNN | 病理图像 | 164名患者的668张玻片（366张冰冻切片，302张FFPE切片） | NA | ResNet-50 | 准确率 | NA |
| 17576 | 2025-10-07 |
Discovery of anticancer peptides from natural and generated sequences using deep learning
2025-Feb, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2024.138880
PMID:39706427
|
研究论文 | 本研究通过深度学习模型从天然和生成序列中发现抗癌肽，并进行了广泛的实验验证 | 提出基于三通道深度学习架构的CNBT-ACPred预测模型，结合大规模体外和体内实验验证，显著提升预测性能 | NA | 开发高效的抗癌肽预测方法并发现新型抗癌肽 | 抗癌肽(ACPs) | 机器学习 | 癌症 | 深度学习 | 深度学习模型 | 蛋白质序列数据 | Uniprot数据库380万条序列，生成模型10万条序列，最终验证41条候选肽 | NA | 三通道深度学习架构 | 准确率,MCC | NA |
| 17577 | 2025-10-07 |
Deep proximal gradient network for absorption coefficient recovery in photoacoustic tomography
2025-Jan-22, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ada868
PMID:39788080
|
研究论文 | 提出一种基于深度学习的近端梯度网络方法，用于光声层析成像中光学吸收系数的恢复 | 首次将深度近端梯度下降机制应用于光声层析成像的光学反演问题，通过级联结构单元迭代更新吸收系数 | 仅通过模拟、体模实验和体内研究验证，尚未在临床大规模应用中测试 | 提高光声层析成像中定量恢复光学吸收系数的准确性和效率 | 生物组织的光学吸收特性 | 医学影像处理 | NA | 光声层析成像 | 深度学习 | 声学测量数据 | NA | NA | 级联结构单元网络 | 相对误差, 峰值信噪比, 结构相似性 | NA |
| 17578 | 2025-02-21 |
Severity grading of hypertensive retinopathy using hybrid deep learning architecture
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108585
PMID:39862474
|
研究论文 | 本文提出了一种混合深度学习架构，用于高血压视网膜病变（HR）的严重程度分级 | 引入了一种结合预训练ResNet-50和修改后的Vision Transformer（ViT）架构的混合模型，通过全局和局部自注意力机制增强模型性能，并提出了基于解耦表示和分类器（DRC）的训练方法以解决类别不平衡问题 | 缺乏公开可用的HR分级数据集，且存在高类别不平衡问题 | 开发一种准确的高血压视网膜病变严重程度分级方法 | 高血压视网膜病变（HR）的严重程度分级 | 计算机视觉 | 高血压视网膜病变 | 深度学习 | 混合模型（ResNet-50 + 修改后的Vision Transformer） | 图像 | NA | NA | NA | NA | NA |
| 17579 | 2025-02-21 |
A bio-lattice deep learning framework for modeling discrete biological materials
2025-Apr, Journal of the mechanical behavior of biomedical materials
IF:3.3Q3
DOI:10.1016/j.jmbbm.2025.106900
PMID:39891961
|
研究论文 | 本文提出了一种基于机器学习的多尺度框架，结合深度神经网络（DNNs）、有限元方法（FEM）和受晶格弹簧模型（LSM）启发的微观结构描述，用于研究离散、空间异质材料的行为 | 提出了一种新颖的机器学习多尺度框架，结合DNNs、FEM和LSM，用于研究离散、空间异质材料的行为，并开发了一个无假设的晶格框架 | 未明确提及具体局限性 | 研究离散、空间异质材料的力学行为 | 生物组织的微观结构和宏观材料行为 | 机器学习 | NA | 深度神经网络（DNNs）、有限元方法（FEM）、晶格弹簧模型（LSM） | 深度神经网络（DNNs） | 微观结构数据 | NA | NA | NA | NA | NA |
| 17580 | 2025-02-21 |
ViroNia: LSTM based proteomics model for precise prediction of HCV
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109573
PMID:39733555
|
研究论文 | 本文介绍了ViroNia，一种基于LSTM的蛋白质组学模型，用于高精度预测HCV病毒蛋白分类 | ViroNia利用LSTM架构进行病毒蛋白分类，展示了其在分类任务中的高效性，并优于其他深度学习架构如Simple RNN、GRU、1d CNN和双向LSTM | 尽管ViroNia在分类任务中表现出色，但其在更广泛数据集上的泛化能力尚未验证 | 开发高精度的病毒蛋白分类模型，以支持病毒研究和干预设计 | HCV病毒蛋白 | 自然语言处理 | NA | LSTM | LSTM | 蛋白质序列 | 2250个蛋白质序列 | NA | NA | NA | NA |