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 1226 篇文献，本页显示第 981 - 1000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 981 | 2025-02-12 |
Correction to "DL 101: Basic Introduction to Deep Learning With Its Application in Biomedical Related Fields"
2025-Feb-28, Statistics in medicine
IF:1.8Q1
DOI:10.1002/sim.10349
PMID:39932330
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 982 | 2025-02-12 |
Attention-Based Interpretable Multiscale Graph Neural Network for MOFs
2025-Feb-11, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c01525
PMID:39841881
|
研究论文 | 本文提出了一种基于注意力的可解释多尺度图神经网络（MSAIGNN），用于金属有机框架（MOFs）的气体分离和存储性能预测 | 引入了多尺度晶体图的构建方法，通过基于不同距离范围内的原子间相互作用将晶体图分解为多个子图，并考虑了晶体的全局结构，提出了具有自注意力机制的图池化机制的MSAIGNN模型，该模型结合了三体键角信息，考虑了不同尺度的结构特征，并最小化了冗余相互作用的干扰 | 未明确提及具体局限性 | 研究目的是通过深度学习预测复杂多孔晶体结构（如MOFs）的性能 | 金属有机框架（MOFs） | 机器学习 | NA | 图神经网络（GNNs） | MSAIGNN（多尺度原子相互作用图神经网络） | 晶体图数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 983 | 2025-02-12 |
QuanFormer: A Transformer-Based Precise Peak Detection and Quantification Tool in LC-MS-Based Metabolomics
2025-Feb-11, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c04531
PMID:39868899
|
研究论文 | 本文介绍了一种基于Transformer架构的深度学习工具QuanFormer，用于在基于液相色谱-质谱联用的代谢组学分析中精确检测和量化峰信号 | QuanFormer结合了卷积神经网络（CNN）的特征提取能力和Transformer架构的全局计算能力，通过使用近20,000个标注的兴趣区域（ROIs）进行数据训练，实现了独特的预测，并在测试集上达到了96.5%的平均精度值 | 尽管QuanFormer在不重新训练的情况下能够区分真假峰的准确率超过90%，但其在更广泛数据集上的泛化能力仍需进一步验证 | 开发一种能够提高代谢组学分析中峰检测和量化准确性的工具 | 液相色谱-质谱联用（LC-MS）数据中的峰信号 | 机器学习 | 乳腺癌 | 液相色谱-质谱联用（LC-MS） | Transformer, CNN | 质谱数据 | 近20,000个标注的兴趣区域（ROIs） | NA | NA | NA | NA |
| 984 | 2025-02-12 |
Carbon Dioxide Sensing Based on Off-Axis Integrated Cavity Absorption Spectroscopy Combined with the Informer and Multilayer Perceptron Models
2025-Feb-11, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c06057
PMID:39882837
|
研究论文 | 本文提出了一种基于离轴积分腔输出光谱（OA-ICOS）和深度学习模型的二氧化碳传感器，结合Informer和多层感知器（MLP）模型进行光谱数据处理和浓度预测 | 结合Informer模型进行光谱时间序列滤波，并使用MLP模型直接从滤波后的光谱数据中提取特征并预测二氧化碳浓度，显著提高了信噪比和检测精度 | 未提及具体的数据集规模或实验环境的多样性，可能影响模型的泛化能力 | 提高基于光谱的二氧化碳传感器的检测精度和信噪比 | 二氧化碳光谱数据 | 光谱学 | NA | 离轴积分腔输出光谱（OA-ICOS） | Informer, 多层感知器（MLP） | 光谱时间序列数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 985 | 2025-02-12 |
Diffusion-driven multi-modality medical image fusion
2025-Feb-11, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03300-6
PMID:39932643
|
研究论文 | 本文提出了一种基于扩散驱动的多模态医学图像融合方法，旨在解决现有深度学习方法在图像细节和颜色信息融合不足的问题 | 提出了一种利用潜在空间中多模态图像信息分布关系的扩散驱动方法，并设计了局部和全局网络（LAGN）以更好地保留不同模态的互补信息 | NA | 提高多模态医学图像融合的质量，以提供更全面的临床诊断信息 | MRI/CT、MRI/PET和MRI/SPECT图像 | 计算机视觉 | NA | 扩散驱动方法 | 局部和全局网络（LAGN） | 医学图像 | 三个数据集（MRI/CT、MRI/PET和MRI/SPECT图像），16名医生和医学生参与评估 | NA | NA | NA | NA |
| 986 | 2025-02-12 |
Recent Development, Applications, and Patents of Artificial Intelligence in Drug Design and Development
2025-Feb-10, Current drug discovery technologies
|
综述 | 本文综述了人工智能在药物设计和开发中的最新进展、应用及专利 | 本文重点介绍了人工智能和深度学习在药物设计中的创新应用，并讨论了相关专利，与已发表材料形成区分 | NA | 探讨人工智能在药物设计和开发中的应用，以提高药物发现的效率和成功率 | 药物设计和开发 | 机器学习 | NA | 深度学习（DL）、人工神经网络（ANNs） | 深度学习算法、机器学习算法 | 临床试验数据、基因组学数据、蛋白质组学数据、微阵列数据 | NA | NA | NA | NA | NA |
| 987 | 2025-02-12 |
A multi-model feature fusion based transfer learning with heuristic search for copy-move video forgery detection
2025-Feb-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88592-2
PMID:39922840
|
研究论文 | 本文提出了一种基于多模型特征融合的迁移学习方法，结合启发式搜索，用于检测视频中的复制-移动伪造 | 提出了一种新的ECMVFD-FTLTDO模型，结合了ResNet50、MobileNetV3和EfficientNetB7三种模型的特征融合迁移学习过程，并使用Tasmanian Devil Optimizer优化ERNN分类器参数 | 模型对训练数据的依赖性较高，且需要合适的超参数范围 | 检测和分类视频内容中的复制-移动伪造 | 视频内容 | 计算机视觉 | NA | 迁移学习 | ResNet50, MobileNetV3, EfficientNetB7, ERNN | 视频 | GRIP和VTD数据集 | NA | NA | NA | NA |
| 988 | 2025-02-12 |
Deep learning based gasket fault detection: a CNN approach
2025-Feb-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85223-8
PMID:39922855
|
研究论文 | 本文提出了一种基于深度学习的垫片故障检测方法，采用卷积神经网络（CNN）来自动识别和评估散热器图像中的垫片错位或安装错误 | 开发了一种基于CNN架构的垫片检测系统，结合了特征提取和分类的深度学习算法，实现了垫片故障的自动化检测 | 未提及具体的数据集规模或实验环境限制 | 自动化检测垫片错位或安装错误，提升产品质量控制效率 | 散热器图像中的垫片 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 989 | 2025-02-12 |
A deep learning-driven multi-layered steganographic approach for enhanced data security
2025-Feb-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89189-5
PMID:39922893
|
研究论文 | 本文提出了一种基于深度学习的多层隐写框架，以增强数据安全性 | 结合Huffman编码、LSB嵌入和深度学习编码器-解码器，提高了隐写术的不可感知性、鲁棒性和安全性 | 未提及具体局限性 | 解决传统隐写方法在有效载荷容量、检测易感性和抗攻击鲁棒性方面的局限性 | 数字图像数据 | 计算机视觉 | NA | Huffman编码、LSB嵌入、深度学习编码器-解码器 | 深度学习编码器-解码器 | 图像 | 使用了Tiny ImageNet、COCO和CelebA等基准数据集 | NA | NA | NA | NA |
| 990 | 2025-02-12 |
Applying genetic algorithm to extreme learning machine in prediction of tumbler index with principal component analysis for iron ore sintering
2025-Feb-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88755-1
PMID:39922958
|
研究论文 | 本研究提出了一种结合遗传算法和极限学习机的集成模型，用于预测铁矿烧结过程中的转鼓指数 | 通过主成分分析降低数据维度，并结合遗传算法优化极限学习机，提高了模型的鲁棒性和泛化性能 | 模型仅在单一烧结厂的年度生产数据上进行了验证，可能缺乏广泛适用性 | 准确预测铁矿烧结过程中的转鼓指数，以优化烧结矿的质量 | 铁矿烧结过程中的转鼓指数 | 机器学习 | NA | 主成分分析（PCA），遗传算法（GA） | 极限学习机（ELM），遗传算法优化的极限学习机（GA-ELM） | 生产数据 | 一年内的实际生产数据 | NA | NA | NA | NA |
| 991 | 2025-02-12 |
Molecular optimization using a conditional transformer for reaction-aware compound exploration with reinforcement learning
2025-Feb-08, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-025-01437-x
PMID:39922979
|
研究论文 | 本文提出了一种名为TRACER的框架，用于结合分子属性优化与合成路径生成，以解决现有分子生成模型忽视有机合成可行性的问题 | TRACER框架通过条件transformer模型预测给定反应物在特定反应类型约束下的产物，有效生成了具有高活性的化合物 | NA | 设计具有理想属性的分子，以促进药物发现 | 分子生成与优化 | 机器学习 | NA | 条件transformer模型 | transformer | 分子结构数据 | NA | NA | NA | NA | NA |
| 992 | 2024-08-07 |
Correction to: Deep Learning Glioma Grading with the Tumor Microenvironment Analysis Protocol for Comprehensive Learning, Discovering, and Quantifying Microenvironmental Features
2025-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01160-4
PMID:38864948
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 993 | 2025-10-07 |
An intelligent fruit freshness monitoring system using hydrophobic indicator labels based on methylcellulose, k-carrageenan, and sodium tripolyphosphate, combined with deep learning
2025-Feb, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.140001
PMID:39828157
|
研究论文 | 本研究开发了一种基于甲基纤维素、κ-卡拉胶和三聚磷酸钠的疏水性指示标签，结合深度学习技术实现水果新鲜度的智能监测 | 采用计算机模拟技术预测指示剂颜色变化，显著减少实验时间与成本；提出标签区域裁剪算法(ALC)结合轻量级CNN，有效降低背景干扰 | NA | 开发智能包装技术用于实时监测水果新鲜度 | 芒果、猕猴桃和葡萄三种水果 | 计算机视觉 | NA | pH响应型智能包装技术 | CNN | 图像 | 三种水果（芒果、猕猴桃、葡萄）的新鲜度实验 | NA | 轻量级卷积神经网络 | 准确率 | NA |
| 994 | 2025-02-12 |
Wastewater quality prediction based on channel attention and TCN-BiGRU model
2025-Feb-01, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-13627-0
PMID:39891761
|
研究论文 | 本文提出了一种结合通道注意力机制、时间卷积网络（TCN）和双向门控循环单元（BiGRU）的新模型CA-TCN-BiGRU，用于预测关键水质指标 | 提出了结合通道注意力机制、TCN和BiGRU的CA-TCN-BiGRU模型，能够同时预测多个水质指标，并在数据预处理和通道注意力机制的影响下显著提升预测精度 | 研究仅基于惠州一家污水处理厂的数据进行训练和测试，模型的泛化能力需要进一步验证 | 提高水质预测的准确性，为水资源管理提供科学依据 | 污水处理厂的水质数据 | 机器学习 | NA | 深度学习 | CA-TCN-BiGRU | 时间序列数据 | 来自惠州一家污水处理厂的数据 | NA | NA | NA | NA |
| 995 | 2025-02-12 |
Inverse design of nanophotonic devices enabled by optimization algorithms and deep learning: recent achievements and future prospects
2025-Feb, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2024-0536
PMID:39927200
|
综述 | 本文综述了纳米光子器件逆向设计的最新进展，探讨了人工智能和优化方法在自动化设计过程中的应用 | 结合人工智能和优化算法，提出了一种新的纳米光子器件逆向设计方法，突破了传统直觉驱动的前向设计方法的局限性 | 当前逆向设计方法仍面临一些挑战，如计算复杂性、设计空间探索的局限性等 | 探索纳米光子器件的逆向设计方法，以推动下一代光子学的发展 | 纳米光子器件 | 机器学习 | NA | 优化算法、深度学习 | 判别模型、生成模型、强化学习 | NA | NA | NA | NA | NA | NA |
| 996 | 2025-10-07 |
MMPD-DTA: Integrating Multi-Modal Deep Learning with Pocket-Drug Graphs for Drug-Target Binding Affinity Prediction
2025-Feb-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01528
PMID:39833138
|
研究论文 | 提出一种名为MMPD-DTA的多模态深度学习模型，通过整合靶点、口袋和药物的图结构与序列信息来预测药物-靶点结合亲和力 | 引入新型口袋-药物图(PD图)同时建模靶点内部、药物内部及靶点-药物间的原子相互作用，并整合多模态表示学习 | 未明确说明模型的计算复杂度或在大规模数据集上的可扩展性限制 | 改进药物-靶点结合亲和力预测的准确性和理解深度 | 药物分子、蛋白质靶点及其结合口袋 | 机器学习 | NA | 多模态深度学习 | GraphSAGE, Transformer, 图同构网络, 多层感知机 | 图数据, 序列数据 | 三个真实世界测试集 | NA | GraphSAGE, Transformer, 图同构网络, 多层感知机 | NA | NA |
| 997 | 2025-10-07 |
Deciphering Protein Secondary Structures and Nucleic Acids in Cryo-EM Maps Using Deep Learning
2025-Feb-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01971
PMID:39838545
|
研究论文 | 开发了一种基于深度学习的冷冻电镜密度图中蛋白质二级结构和核酸位置检测方法 | 提出首个能够同时检测蛋白质二级结构和核酸位置的深度学习模型EMInfo | 主要针对中等分辨率图谱，在高分辨率图谱中性能表现未详细说明 | 解决冷冻电镜中等分辨率图谱中结构建模的困难 | 蛋白质二级结构和核酸在冷冻电镜密度图中的定位 | 计算机视觉 | NA | 冷冻电镜(cryo-EM) | 深度学习 | 冷冻电镜密度图 | 两个蛋白质-核酸复合物测试集，包含中等分辨率和高分辨率实验图谱 | NA | NA | NA | NA |
| 998 | 2025-10-07 |
Deep Learning of CYP450 Binding of Small Molecules by Quantum Information
2025-Feb-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01735
PMID:39869197
|
研究论文 | 本研究通过量子信息驱动的深度学习方法预测小分子与CYP450酶的结合特性 | 采用分子表面流形嵌入方法保留分子量子力学特性，结合DeepSets架构将电子属性嵌入深度学习模型 | 未明确说明模型在其他CYP450亚型上的泛化能力 | 改进药物-药物相互作用预测模型 | 小分子与细胞色素P450酶的结合特性 | 机器学习 | NA | 分子表面流形嵌入 | DeepSets | 量子化学数据 | NA | NA | DeepSets | F1分数 | NA |
| 999 | 2025-10-07 |
Transformer Decoder Learns from a Pretrained Protein Language Model to Generate Ligands with High Affinity
2025-Feb-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02019
PMID:39871540
|
研究论文 | 提出了一种名为Prot2Drug的新型深度学习生成模型，能够利用预训练蛋白质语言模型生成与特定靶点高亲和力结合的小分子配体 | 结合预训练蛋白质语言模型和Transformer解码器，能够为配体信息有限或3D结构未知的蛋白质靶点设计有前景的配体 | NA | 加速药物发现过程，生成具有类药特征且能与特定蛋白质高亲和力结合的候选分子 | 蛋白质-配体相互作用 | 自然语言处理, 机器学习 | NA | 深度学习生成模型 | Transformer | 蛋白质序列, 分子结构 | 数千个蛋白质-配体相互作用 | NA | Transformer解码器 | 理化性质预测, 亲和力预测 | NA |
| 1000 | 2025-10-07 |
DO-GMA: An End-to-End Drug-Target Interaction Identification Framework with a Depthwise Overparameterized Convolutional Network and the Gated Multihead Attention Mechanism
2025-Feb-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02088
PMID:39874533
|
研究论文 | 提出一种名为DO-GMA的端到端药物-靶点相互作用识别框架，结合深度过参数化卷积网络和门控多头注意力机制 | 首次将深度过参数化卷积网络与共享学习查询和双线性模型连接的门控多头注意力机制相结合，从多角度学习药物特征表示 | NA | 识别潜在的药物-靶点相互作用，用于药物发现和再利用 | 药物-靶点对 | 生物信息学 | NA | 深度学习 | CNN, GCN, 注意力机制, MLP | SMILES字符串, 氨基酸序列, 2D分子图 | 四个DTI数据集（DrugBank, BioSNAP, C.elegans, BindingDB） | NA | 深度过参数化卷积神经网络, 图卷积网络, 门控多头注意力机制, 多层感知机 | AUC, AUPR, 准确率, F1分数, MCC | NA |