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 19281 篇文献，本页显示第 18261 - 18280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18261 | 2025-10-07 |
Deepstack-ACE: A deep stacking-based ensemble learning framework for the accelerated discovery of ACE inhibitory peptides
2025-Feb, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2024.12.005
PMID:39709069
|
研究论文 | 提出一种基于深度堆叠的集成学习框架Deepstack-ACE，用于精确识别ACE抑制肽 | 首次将深度堆叠集成学习应用于ACE抑制肽发现，结合五种深度学习模型构建基础分类器 | NA | 加速ACE抑制肽的发现过程 | 血管紧张素转化酶抑制肽 | 机器学习 | 心血管疾病 | 计算肽识别方法 | LSTM, CNN, MLP, GRU, RNN | 肽序列数据 | NA | NA | 深度堆叠集成架构 | 平衡准确度, 灵敏度, 马修斯相关系数 | NA |
| 18262 | 2025-10-07 |
Targeting protein-ligand neosurfaces with a generalizable deep learning tool
2025-Jan-15, Nature
IF:50.5Q1
DOI:10.1038/s41586-024-08435-4
PMID:39814890
|
研究论文 | 开发了一种基于几何深度学习的计算工具，用于设计靶向蛋白质-配体复合物新表面的蛋白质 | 首次将仅基于蛋白质训练的分子表面指纹应用于小分子诱导产生的新表面，展示了在其他深度学习方法中不常见的泛化能力 | 仅在三种药物-蛋白质复合物(Bcl2-venetoclax、DB3-progesterone、PDF1-actinonin)上进行了实验验证 | 设计能够靶向蛋白质-配体复合物新表面的蛋白质，扩展化学诱导蛋白质相互作用的计算工具 | 蛋白质-配体复合物形成的新表面 | 机器学习 | NA | 几何深度学习 | 深度学习 | 分子表面表示 | 三种药物-蛋白质复合物系统 | NA | NA | 亲和力、特异性 | NA |
| 18263 | 2025-10-07 |
Assessment of hard tissue changes after horizontal guided bone regeneration with the aid of deep learning CBCT segmentation
2025-Jan-13, Clinical oral investigations
IF:3.1Q1
DOI:10.1007/s00784-024-06136-w
PMID:39804427
|
研究论文 | 本研究开发基于SegResNet的深度学习模型用于CBCT扫描分割，以评估下颌水平引导骨再生后的硬组织变化 | 首次将SegResNet深度学习模型应用于下颌水平引导骨再生前后的CBCT扫描分割，实现硬组织变化的自动评估 | 训练数据库规模有限（70个CBCT扫描），需要进一步扩大以提高模型鲁棒性 | 评估深度学习模型在分割下颌水平引导骨再生前后CBCT扫描中的性能 | 接受下颌水平引导骨再生治疗的患者 | 医学影像分析 | 颌骨缺损 | 锥形束计算机断层扫描（CBCT） | 深度学习 | 医学影像（CBCT扫描） | 70个CBCT扫描用于训练，10对术前术后CBCT扫描用于测试 | NA | SegResNet | Dice相似系数（DSC）, 交并比（IoU）, 豪斯多夫距离（HD95）, 体积比较 | NA |
| 18264 | 2025-10-07 |
Deep learning predicts DNA methylation regulatory variants in specific brain cell types and enhances fine mapping for brain disorders
2025-Jan-03, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adn1870
PMID:39742481
|
研究论文 | 开发基于Transformer的深度学习模型INTERACT，用于预测特定脑细胞类型中影响DNA甲基化的调控变异 | 首次利用Transformer深度学习模型预测脑细胞类型特异性DNA甲基化调控变异 | NA | 识别脑细胞类型特异性DNA甲基化调控变异，增强脑部疾病的精细定位 | 人类大脑单核DNA甲基化数据 | 机器学习 | 脑部疾病 | 单核DNA甲基化测序 | Transformer | DNA甲基化数据 | NA | NA | Transformer | AUC | NA |
| 18265 | 2025-10-07 |
Temporomandibular joint assessment in MRI images using artificial intelligence tools: where are we now? A systematic review
2025-Jan-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae055
PMID:39563454
|
系统综述 | 系统回顾人工智能在颞下颌关节MRI图像评估中的应用现状 | 首次系统总结AI在颞下颌关节MRI评估中的性能证据，重点关注关节盘评估和内部紊乱诊断 | 研究间存在高度异质性，特别是患者选择方面，需要更多多样化和多中心数据验证 | 评估人工智能算法在颞下颌关节MRI图像分析中的诊断性能 | 颞下颌关节MRI图像中的关节盘位置和内部紊乱 | 医学影像分析 | 颞下颌关节疾病 | MRI | CNN | MRI图像 | 13项研究 | NA | 基于CNN的模型 | 准确率 | NA |
| 18266 | 2025-10-07 |
Physical-aware model accuracy estimation for protein complex using deep learning method
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.01.017
PMID:39916698
|
研究论文 | 提出一种物理感知的深度学习方法DeepUMQA-PA，用于评估蛋白质复合物模型的残基水平质量 | 首次将基于Voronoi剖分的接触面积和方向特征用于蛋白质复合物质量评估，结合几何特征、蛋白质语言模型嵌入和知识统计势能特征 | 方法在柔性蛋白质评估方面表现优异，但未明确说明对其他类型蛋白质复合物的适用性限制 | 开发独立于预测方法的蛋白质复合物模型质量评估方法 | 蛋白质复合物结构模型 | 生物信息学 | NA | 深度学习，Voronoi剖分 | 图神经网络，CNN | 蛋白质结构数据 | CASP15测试集 | NA | 图神经网络，ResNet | Pearson相关系数，Spearman相关系数，MAE | NA |
| 18267 | 2025-10-07 |
The Role and Limitations of Artificial Intelligence in Combating Infectious Disease Outbreaks
2025-Jan, Cureus
DOI:10.7759/cureus.77070
PMID:39917100
|
综述 | 探讨人工智能在传染病爆发管理中的多重应用及其面临的主要限制 | 系统分析AI在疫情预测、诊断、药物发现和疫苗开发等领域的综合应用，并提出人机协同优化全球健康结果的路径 | 数据隐私问题、模型透明度不足、需持续更新以适应新发病原体 | 评估AI在传染病防控中的潜力与障碍 | 传染病爆发管理过程 | 机器学习 | 传染病 | 深度学习、强化学习 | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 18268 | 2025-10-07 |
Role of Artificial Intelligence in the Assessment of Postoperative Pain in the Pediatric Population: A Systematic Review
2025-Jan, Cureus
DOI:10.7759/cureus.77074
PMID:39917118
|
系统综述 | 本系统综述探讨人工智能在评估儿童术后疼痛中的作用 | 首次系统评估AI在儿童术后疼痛管理中的应用现状和效果 | 纳入研究数量有限且异质性高，无法进行荟萃分析，AI工具仍处于早期阶段且多关注单一参数 | 评估人工智能在预测和评估儿童术后疼痛中的作用 | 儿科术后患者 | 医疗人工智能 | 术后疼痛 | 深度学习，机器学习 | 深度学习模型，机器学习模型 | 疼痛评估数据 | 8项研究，共4,470名儿科患者 | NA | NA | 准确率，AUC值 | NA |
| 18269 | 2025-10-07 |
Deep Learning-Based Techniques in Glioma Brain Tumor Segmentation Using Multi-Parametric MRI: A Review on Clinical Applications and Future Outlooks
2025-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29543
PMID:39074952
|
综述 | 本文全面回顾了深度学习在多参数MRI胶质瘤脑肿瘤分割中的应用现状与未来展望 | 系统梳理了从早期CNN到最新注意力机制和Transformer模型的技术演进，并探讨了基因组数据整合等未来方向 | 存在数据质量、梯度消失和模型可解释性等挑战 | 探讨深度学习在多参数MRI胶质瘤分割中的临床应用与发展前景 | 胶质瘤脑肿瘤 | 数字病理 | 脑肿瘤 | 多参数磁共振成像 | CNN, Transformer | 医学影像 | NA | NA | CNN, 注意力机制, Transformer | NA | NA |
| 18270 | 2024-08-07 |
Editorial for "Deep Learning Assisted Classification of T1ρ-MR Based Intervertebral Disc Degeneration Phases"
2025-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29509
PMID:39016471
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18271 | 2025-10-07 |
Multiparametric MRI-Based Deep Learning Radiomics Model for Assessing 5-Year Recurrence Risk in Non-Muscle Invasive Bladder Cancer
2025-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29574
PMID:39167019
|
研究论文 | 本研究开发了一种基于多参数MRI的深度学习放射组学模型，用于评估非肌层浸润性膀胱癌的5年复发风险 | 首次将多参数MRI的放射组学特征、深度学习特征与临床因素整合，构建了优于传统EORTC模型的复发风险评估模型 | 回顾性研究设计，样本量相对有限（191例患者） | 改进非肌层浸润性膀胱癌的5年复发风险评估方法 | 非肌层浸润性膀胱癌患者 | 数字病理 | 膀胱癌 | 多参数MRI，包括T2加权成像、扩散加权成像和动态对比增强序列 | 深度学习模型 | 医学影像 | 191例患者（训练队列115例，验证和测试队列各38例） | NA | NA | AUC, Harrell's concordance index | NA |
| 18272 | 2025-02-08 |
Editorial for "Multiparametric MRI-Based Deep Learning Radiomics Model for Assessing 5-Year Recurrence Risk in Non-Muscle Invasive Bladder Cancer"
2025-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29592
PMID:39258759
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18273 | 2025-02-08 |
A novel deep learning framework for retinal disease detection leveraging contextual and local features cues from retinal images
2025-Feb-07, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03314-0
PMID:39918766
|
研究论文 | 本文提出了一种新的深度学习框架，用于从视网膜图像中提取上下文和局部特征线索，以准确分类视网膜疾病 | 提出了一种结合全局上下文信息和局部细粒度信息的深度学习框架，通过DCM-CNN和LP-CNN模块的协同工作，克服了眼底图像中的类间相似性、类内变异、局部信息有限等挑战 | NA | 提高视网膜疾病的自动诊断准确性 | 视网膜图像 | 计算机视觉 | 视网膜疾病 | 深度学习 | Densely Connected Multidilated Convolution Neural Network (DCM-CNN), Local-Patch-based Convolution Neural Network (LP-CNN) | 图像 | 两个公开的基准数据集：RFMiD和ODIR-5K | NA | NA | NA | NA |
| 18274 | 2025-02-08 |
Automated 24-sector grid-map algorithm for prostate mpMRI improves precision and efficacy of prostate lesion location reporting
2025-Feb, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111897
PMID:39729944
|
研究论文 | 本研究开发了一种基于深度学习的自动前列腺24分区网格图算法，用于提高前列腺病变位置报告的精确性和效率 | 首次开发了一种自动化的24分区网格图算法，用于前列腺多参数磁共振成像（mpMRI）的病变定位，显著提高了定位报告的准确性 | 研究样本量较小，仅使用了50个mpMRI数据集进行验证 | 训练并验证一种基于深度学习的前列腺自动分区映射算法，以提高前列腺病变位置报告的精确性和效率 | 前列腺病变 | 数字病理学 | 前列腺癌 | 深度学习 | 深度学习模型 | 图像 | 50个mpMRI数据集 | NA | NA | NA | NA |
| 18275 | 2025-02-08 |
Applying deep learning for underwater broadband-source detection using a spherical array
2025-Feb-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0035787
PMID:39918577
|
研究论文 | 本文开发了一种基于深度神经网络（DNN）的球形阵列水下宽带源检测和到达方向估计方法 | 该方法通过球形傅里叶变换将元素压力信号转换为球形傅里叶系数作为DNN输入，并采用高斯分布设计DNN标签，显著提高了检测能力并有效抑制了误估计 | 该方法在训练数据中引入白噪声，可能对实际应用中的噪声环境适应性有限 | 提高水下宽带源的被动检测能力 | 水下宽带源 | 机器学习 | NA | 深度神经网络（DNN） | DNN | 声压信号 | 模拟和实验处理结果 | NA | NA | NA | NA |
| 18276 | 2025-02-08 |
Inference of the Mass Composition of Cosmic Rays with Energies from 10^{18.5} to 10^{20} eV Using the Pierre Auger Observatory and Deep Learning
2025-Jan-17, Physical review letters
IF:8.1Q1
DOI:10.1103/PhysRevLett.134.021001
PMID:39913843
|
研究论文 | 本文利用Pierre Auger Observatory的表面探测器和深度学习技术，首次在事件级别上推断出宇宙射线的大气深度最大值X_{max}，并扩展了X_{max}分布的测量范围至100 EeV，揭示了极端能量下宇宙射线的质量组成 | 首次在事件级别上推断X_{max}，并利用深度学习技术扩展了测量范围至100 EeV，提供了极端能量下宇宙射线质量组成的新见解 | NA | 研究极端能量下宇宙射线的质量组成 | 宇宙射线 | 机器学习 | NA | 深度学习 | NA | 探测器数据 | NA | NA | NA | NA | NA |
| 18277 | 2025-10-07 |
Computational Resources for lncRNA Functions and Targetome
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4290-0_13
PMID:39702714
|
综述 | 本文全面综述了长链非编码RNA（lncRNA）功能与靶标组研究领域的计算资源，包括数据库和预测工具 | 提供了跨物种（人类、小鼠、植物等）lncRNA资源的系统性总结，并包含最新版本资源的更新信息 | 作为章节综述，可能未涵盖该领域所有最新进展 | 总结lncRNA研究领域的计算资源，帮助生物学家选择合适的工具 | 长链非编码RNA（lncRNA）及其相关数据库和预测工具 | 生物信息学 | NA | 深度学习、支持向量机、随机森林 | 深度学习, SVM, RF | 基因组数据、表达数据、调控数据 | NA | NA | NA | NA | NA |
| 18278 | 2025-10-07 |
Structure-Based Prediction of lncRNA-Protein Interactions by Deep Learning
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4290-0_16
PMID:39702717
|
研究论文 | 介绍基于三维结构信息预测lncRNA-蛋白质相互作用的基本框架和深度学习方法 | 利用几何深度学习方法处理非欧几里得结构数据，实现lncRNA-蛋白质相互作用的自动表征和学习 | 未提及具体实验验证和性能评估结果 | 预测lncRNA-蛋白质相互作用并解析其机制 | 长非编码RNA（lncRNA）和蛋白质 | 机器学习 | NA | 三维结构分析 | 深度学习 | 非欧几里得结构数据 | NA | NA | 几何深度学习网络 | NA | NA |
| 18279 | 2025-10-07 |
Attention-enhanced corn disease diagnosis using few-shot learning and VGG16
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103172
PMID:39911906
|
研究论文 | 提出一种基于注意力增强和少样本学习的玉米病害诊断方法 | 结合预训练VGG16网络、注意力机制和原型少样本学习，实现高精度玉米病害分类 | NA | 早期检测和分类玉米病害以减少农业损失 | 玉米病害 | 计算机视觉 | 植物病害 | 深度学习 | CNN, Few-Shot Learning | 图像 | NA | NA | VGG16 | 准确率 | NA |
| 18280 | 2025-10-07 |
FedPD: Defending federated prototype learning against backdoor attacks
2025-Apr, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.107016
PMID:39708704
|
研究论文 | 提出FedPD框架，通过交换原型而非模型参数来防御联邦学习中的后门攻击 | 首次在联邦学习中采用原型交换机制，从源头阻断后门攻击通道，同时显著降低通信开销 | 未明确说明在极端非独立同分布数据场景下的性能表现 | 开发高效的联邦学习后门攻击防御方法 | 联邦学习系统及其安全防护 | 机器学习 | NA | 联邦学习 | 深度学习模型 | 分布式训练数据 | NA | 联邦学习框架 | NA | 攻击成功率，主要任务准确率 | NA |