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 1345 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2025-05-17 |
[Research progress in mutation effect prediction based on protein language models]
2025-Mar-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology
DOI:10.13345/j.cjb.240683
PMID:40170306
|
综述 | 本文综述了基于蛋白质语言模型（PLMs）的蛋白质突变效应预测的研究进展 | 总结了PLMs在预测蛋白质突变效应中的应用，包括序列模型、结构模型及序列与结构结合模型，并分析了无监督和监督学习在模型训练中的应用 | 当前面临的主要挑战包括高质量数据集的获取和数据噪声的处理 | 推动蛋白质突变效应预测的进一步发展 | 蛋白质突变效应预测 | 生物信息学 | NA | 蛋白质语言模型（PLMs） | 序列模型、结构模型、序列与结构结合模型 | 蛋白质序列和结构数据 | NA | NA | NA | NA | NA |
| 282 | 2025-05-17 |
[Intelligent mining, engineering, and de novo design of proteins]
2025-Mar-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology
DOI:10.13345/j.cjb.240629
PMID:40170309
|
综述 | 本文综述了人工智能在蛋白质发现、评估、工程和设计方面的最新研究进展 | 探讨了人工智能在蛋白质工程和设计中的应用及其对生物制造的潜在影响 | 未提及具体的技术限制或数据局限性 | 探索和改造酶以适应特定的生物制造过程 | 蛋白质，特别是酶 | 机器学习 | NA | 机器学习和深度学习算法 | NA | 生物信息学数据 | NA | NA | NA | NA | NA |
| 283 | 2025-05-17 |
Kolmogorov-Arnold networks for genomic tasks
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf129
PMID:40163820
|
research paper | 本文研究了Kolmogorov-Arnold网络（KANs）在基因组任务中替代多层感知机（MLPs）的潜力 | 首次将KANs整合到基因组任务的深度学习模型中，并测试了线性KANs（LKANs）和卷积KANs（CKANs）的性能 | CKANs在参数规模较大时表现不佳，且KANs在不同深度学习架构中的潜力需要进一步研究 | 探索KANs在基因组任务中的性能表现 | 基因组序列的分类与生成 | machine learning | NA | deep learning | Kolmogorov-Arnold networks (KANs), linear KANs (LKANs), convolutional KANs (CKANs) | genomic sequences | 三个基因组基准数据集：Genomic Benchmarks, Genome Understanding Evaluation, Flipon Benchmark | NA | NA | NA | NA |
| 284 | 2025-05-17 |
DOMSCNet: a deep learning model for the classification of stomach cancer using multi-layer omics data
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf115
PMID:40178281
|
研究论文 | 提出了一种名为DOMSCNet的深度学习模型，用于利用多层组学数据对胃癌进行分类 | 提出了一种混合特征选择（HFS）技术和基于深度循环神经网络的DOMSCNet模型，能够处理多层组学数据并有效提取信息特征 | 未明确提及具体局限性 | 改进胃癌的分类方法，支持癌症的分子过程理解和临床诊断 | 胃癌的多层组学数据 | 机器学习 | 胃癌 | NGS | 深度循环神经网络（DOMSCNet） | 多层组学数据 | 使用了八个外部数据集进行验证 | NA | NA | NA | NA |
| 285 | 2025-05-17 |
Data imbalance in drug response prediction: multi-objective optimization approach in deep learning setting
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf134
PMID:40178282
|
research paper | 该研究提出了一种多目标优化方法，用于解决药物反应预测中的数据集不平衡问题，以提高深度学习模型的泛化能力 | 通过构建多目标优化损失函数（Multi-Objective Optimization Regularized by Loss Entropy）并将其应用于深度学习模型，解决了药物反应预测中的数据集不平衡问题 | 数据深度仍然不足，与计算机视觉或自然语言处理等领域相比，限制了当前的学习能力 | 提高药物反应预测模型的泛化能力 | 药物反应预测模型 | machine learning | NA | deep learning | Deep Learning | genomic data, drug screening data | NA | NA | NA | NA | NA |
| 286 | 2025-10-07 |
Clinical applications of deep learning in neuroinflammatory diseases: A scoping review
2025-Mar, Revue neurologique
IF:2.8Q2
DOI:10.1016/j.neurol.2024.04.004
PMID:38772806
|
综述 | 本文对深度学习在神经炎症性疾病临床应用的文献进行了范围综述 | 首次系统梳理了深度学习在神经炎症性疾病领域的临床应用现状和技术特征 | 仅基于PubMed数据库和单一商业算法注册网站，可能存在文献收录不全的局限 | 评估深度学习技术在神经炎症性疾病临床转化应用的范围和现状 | 神经炎症性疾病相关的深度学习算法研究 | 医疗人工智能 | 神经炎症性疾病 | 深度学习 | NA | 图像,文本,时间序列信号 | 148篇文献(2018-2024年)和5个商业算法 | NA | NA | 预测性能 | NA |
| 287 | 2025-05-17 |
Association between deep learning radiomics based on placental MRI and preeclampsia with fetal growth restriction: A multicenter study
2025-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.111985
PMID:39946812
|
研究论文 | 本研究开发了一种基于胎盘MRI的深度学习放射组学模型，用于识别先兆子痫（PE）妊娠及其严重程度 | 首次利用半监督方法实现胎盘MRI的自动分割，并构建深度学习放射组学（DLR）模型来识别PE妊娠及预测胎儿生长受限（FGR） | 研究为回顾性多中心设计，可能存在选择偏倚；样本量相对较小，尤其是PE合并FGR的病例 | 开发自动定量模型识别先兆子痫妊娠及疾病严重程度 | 420名孕妇（140例PE患者和280例正常血压妊娠） | 数字病理 | 先兆子痫 | MRI，深度学习放射组学（DLR） | 深度学习模型 | MRI图像 | 420名孕妇（140例PE，280例对照） | NA | NA | NA | NA |
| 288 | 2025-05-17 |
Early Colon Cancer Prediction from Histopathological Images Using Enhanced Deep Learning with Confidence Scoring
2025-Mar, Cancer investigation
IF:1.8Q3
DOI:10.1080/07357907.2025.2483302
PMID:40178023
|
研究论文 | 本研究提出了一种名为NalexNet的混合深度学习分类器，用于提高结肠癌组织病理学图像的分类准确性和计算效率 | 结合Vahadane染色归一化、Watershed分割和Teamwork优化算法进行特征选择，构建了具有卷积层和正常/缩减细胞的NalexNet模型 | 未提及模型在外部验证集上的表现或临床实际应用中的潜在挑战 | 开发自动化的结肠癌早期诊断系统 | 结肠癌组织病理学图像 | 数字病理学 | 结肠癌 | 深度学习 | CNN（NalexNet） | 图像 | NA | NA | NA | NA | NA |
| 289 | 2025-05-16 |
Impact of optimized and conventional facility designs on outpatient abdominal MRI workflow efficiency
2025-Mar-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94799-0
PMID:40157988
|
research paper | 本研究评估了优化设施与传统设施在腹部磁共振成像（MRI）门诊工作流程效率上的差异 | 通过对比优化设施与传统设施的工作流程效率，展示了优化设施在提高患者吞吐量方面的显著优势 | 研究仅针对特定机构的两个设施，结果可能不具备普遍性 | 评估优化设施与传统设施在腹部MRI门诊工作流程效率上的差异 | 2,723例对比增强肝脏和前列腺MRI检查 | digital pathology | liver cancer, prostate cancer | MRI, deep learning reconstruction | NA | medical imaging data | 2,723例MRI检查 | NA | NA | NA | NA |
| 290 | 2025-05-16 |
A novel deep learning-based model for automated tooth detection and numbering in mixed and permanent dentition in occlusal photographs
2025-Mar-29, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-05803-y
PMID:40158107
|
研究论文 | 开发了一种基于深度学习的自动化系统，用于在混合和恒牙列的咬合照片中检测和编号牙齿 | 首次在咬合照片中实现了混合和恒牙列的自动化牙齿检测与编号，填补了该领域的研究空白 | 在代表性不足的牙齿（如乳切牙和恒牙第三磨牙）上存在误分类 | 开发人工智能模型以改进牙科诊断和治疗规划 | 混合和恒牙列的牙齿 | 计算机视觉 | 牙科疾病 | 深度学习 | CNN, YOLOv8 | 图像 | 3215张上颌和下颌的咬合视图图像 | NA | NA | NA | NA |
| 291 | 2025-05-16 |
N6-methyladenine identification using deep learning and discriminative feature integration
2025-Mar-29, BMC medical genomics
IF:2.1Q3
DOI:10.1186/s12920-025-02131-6
PMID:40158097
|
研究论文 | 本研究提出了一种名为Deep-N6mA的新型深度神经网络模型，用于精确识别DNA中的N6-甲基腺嘌呤（6mA）位点 | 结合了最优混合特征和深度神经网络，提高了6mA位点识别的准确性和泛化能力 | 未提及模型在更大规模或更多样化数据集上的表现 | 开发一种准确识别DNA中6mA位点的方法，以促进早期检测和表观遗传学研究 | DNA序列中的N6-甲基腺嘌呤（6mA）位点 | 生物信息学 | NA | DNA测序技术 | DNN | DNA序列数据 | 两个基准数据集（F. vesca和R. chinensis） | NA | NA | NA | NA |
| 292 | 2025-05-16 |
Harnessing Transfer Deep Learning Framework for the Investigation of Transition Metal Perovskite Oxides with Advanced p-n Transformation Sensing Performance
2025-03-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c03085
PMID:40029947
|
研究论文 | 本研究利用深度学习框架结合自然语言处理技术和晶体图卷积神经网络，预测并优化了过渡金属钙钛矿氧化物的p-n转换传感性能 | 提出了一种结合Word2Vec和CGCNN的预测方法，构建了包含120万文献摘要和11万晶体结构数据的数据集，并开发了HSLIM-n和PSLRM-p模型以深入分析传感性能的p-n转换机制 | NA | 研究过渡金属钙钛矿氧化物在气体传感材料中的性能优化和p-n转换机制 | 锌钴双金属离子与配体复合的钙钛矿氧化物 | 机器学习 | NA | Word2Vec, CGCNN | 深度学习框架 | 文本, 晶体结构数据 | 120万文献摘要和11万晶体结构数据 | NA | NA | NA | NA |
| 293 | 2025-05-16 |
Multimodal recurrence risk prediction model for HR+/HER2- early breast cancer following adjuvant chemo-endocrine therapy: integrating pathology image and clinicalpathological features
2025-Mar-28, Breast cancer research : BCR
IF:6.1Q1
DOI:10.1186/s13058-025-01968-0
PMID:40148997
|
研究论文 | 开发了一种多模态复发风险预测模型，用于HR+/HER2-早期乳腺癌患者在辅助化疗内分泌治疗后的复发风险预测 | 整合病理图像和临床病理特征，开发了基于深度学习的多实例学习管道，显著提高了复发风险预测的准确性 | 研究样本主要来自单一医疗机构，外部验证仅使用了TCGA队列 | 优化HR+/HER2-早期乳腺癌患者的治疗策略，改善患者预后 | HR+/HER2-早期乳腺癌患者 | 数字病理 | 乳腺癌 | 深度学习 | ACMIL, CLAM | 病理图像, 临床病理数据 | 1095名HR+/HER2-早期乳腺癌患者 | NA | NA | NA | NA |
| 294 | 2025-05-16 |
Highly parallel profiling of the activities and specificities of Cas12a variants in human cells
2025-Mar-28, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-57150-9
PMID:40155371
|
研究论文 | 本文通过高通量分析评估了24种Cas12a变体的活性和与特定PAM的兼容性，并开发了深度学习模型来预测这些变体在目标序列上的基因编辑活性 | 开发了深度学习模型预测Cas12a变体的基因编辑活性，并改进了GUIDE-seq系统以减少Cas12a的脱靶检测阻碍 | 研究仅针对24种Cas12a变体，可能未涵盖所有可能的变体 | 评估和比较不同Cas12a变体的基因编辑活性和特异性 | 24种Cas12a变体 | 基因编辑 | NA | 高通量分析、深度学习、GUIDE-seq | 深度学习模型 | 基因序列数据 | 24种Cas12a变体 | NA | NA | NA | NA |
| 295 | 2025-05-16 |
Application of dual branch and bidirectional feedback feature extraction networks for real time accurate positioning of stents
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86304-4
PMID:40155423
|
research paper | 提出了一种名为DBMedDet的深度学习模型，用于实时指导动脉支架植入手术中的精确定位 | DBMedDet模型具有并行双分支边缘特征提取网络和双向反馈特征融合子网络，专为胸腹主动脉支架设计 | NA | 提高支架植入手术的精确度和安全性 | 胸腹主动脉支架 | computer vision | cardiovascular disease | deep learning | DBMedDet | image | NA | NA | NA | NA | NA |
| 296 | 2025-05-16 |
A deep learning approach to remotely assessing essential tremor with handwritten images
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94729-0
PMID:40155628
|
研究论文 | 该研究提出了一种基于深度学习的远程评估原发性震颤（ET）严重程度的新方法，使用手写图像提高评估效率和可及性 | 开发了基于迁移学习的模型ETSD-Net，用于评估ET严重程度，准确率达到88.44%，优于基线模型 | 未提及模型在更大规模或不同人群中的泛化能力 | 开发一种远程评估原发性震颤严重程度的高效、可及性强的工具 | 原发性震颤（ET）患者 | 数字病理学 | 老年疾病 | 深度学习 | ETSD-Net | 图像 | 约1000张高质量阿基米德螺旋手写图像，来自医疗机构和家庭环境中的患者 | NA | NA | NA | NA |
| 297 | 2025-05-16 |
Fine-tuned deep learning models for early detection and classification of kidney conditions in CT imaging
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94905-2
PMID:40155680
|
研究论文 | 该研究通过微调的深度学习模型对CT图像中的肾脏状况进行早期检测和分类 | 提出了一种创新方法，整合了精细调整的迁移学习、高级图像处理和超参数优化，以提高肾脏肿瘤分类的准确性 | NA | 提高肾脏疾病的早期检测和分类准确性，改善医学影像诊断 | CT图像中的囊肿、正常状态、结石和肿瘤 | 数字病理学 | 肾脏疾病 | CT成像、图像处理技术（数据归一化、增强、分水岭分割、Otsu二值化阈值处理） | CNN、VGG16、ResNet50、CNNAlexnet、InceptionV3 | 图像 | NA | NA | NA | NA | NA |
| 298 | 2025-05-16 |
A deep learning model for classification of chondroid tumors on CT images
2025-Mar-28, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-13951-1
PMID:40155859
|
研究论文 | 本研究开发了一种深度学习模型，用于在CT图像上分类软骨样肿瘤 | 开发了一种2D卷积神经网络模型，用于区分不同类型的软骨样肿瘤，并与放射科医生的诊断性能进行了比较 | 在区分非典型软骨样肿瘤和高级别软骨肉瘤方面表现仍有提升空间，反映了放射学诊断中的已知挑战 | 开发一种深度学习模型，用于软骨样肿瘤的分类，以辅助临床诊断 | 软骨样肿瘤（包括内生软骨瘤、非典型软骨样肿瘤和高级别软骨肉瘤） | 数字病理学 | 软骨肉瘤 | CT成像 | 2D CNN | 图像 | 344名患者（124例内生软骨瘤，92例非典型软骨样肿瘤，128例高级别软骨肉瘤） | NA | NA | NA | NA |
| 299 | 2025-05-16 |
Feasibility study of AI-assisted multi-parameter MRI diagnosis of prostate cancer
2025-Mar-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84516-8
PMID:40148363
|
研究论文 | 提出一种基于AI的多参数MRI辅助诊断前列腺癌的新方法 | 结合预训练的ResNet50模型和多头注意力机制，开发了一种新型计算机辅助诊断系统，用于多参数MRI中前列腺癌的检测 | 研究为单中心回顾性研究，样本量相对较小（106例患者） | 评估人工智能在多参数MRI中检测临床显著性前列腺癌的可行性 | 前列腺良恶性病变的MRI图像 | 数字病理学 | 前列腺癌 | 多参数MRI（mp-MRI） | ResNet50结合多头注意力机制 | 医学影像 | 106例患者的137幅mp-MRI图像，产生274组ROI数据（206组用于训练验证，68组用于测试） | NA | NA | NA | NA |
| 300 | 2025-05-16 |
Artificial intelligence for sustainable farming with dual branch convolutional graph attention networks in rice leaf disease detection
2025-Mar-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94891-5
PMID:40148438
|
研究论文 | 本文提出了一种新型混合深度学习方法，用于水稻叶部病害分类，旨在提高病害检测的准确性和农业生产力 | 采用双分支卷积图注意力网络（DB-CGANNet）进行病害分类，结合了多种图像增强技术和特征提取方法，显著提高了分类准确率 | 依赖于特定数据集（Rice Leaf Diseases Dataset和Rice Disease Images Dataset），可能在其他数据集上的泛化能力有限 | 提高水稻叶部病害检测的准确性，以改善作物管理和农业生产力 | 水稻叶部病害（如褐斑病、细菌性叶枯病、叶瘟病等） | 计算机视觉 | 水稻病害 | Upgraded Weighted Median Filtering (Up-WMF), Aligned Gamma-based Contrast Limited Adaptive Histogram Equalization (AG-CLAHE), Discrete Wavelet Transform (DWT), Gray Level Run Length Matrix (GLRLM), VGG19, Bio-Inspired Artificial Hummingbird (BI-AHB) | Dual Branch Convolutional Graph Attention Neural Network (DB-CGANNet) | 图像 | 两个数据集（Rice Leaf Diseases Dataset和Rice Disease Images Dataset） | NA | NA | NA | NA |