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 1370 篇文献，本页显示第 461 - 480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 461 | 2025-05-08 |
Deep Learning-Assisted Discovery of Protein Entangling Motifs
2025-Mar-10, Biomacromolecules
IF:5.5Q1
DOI:10.1021/acs.biomac.4c01243
PMID:39937127
|
研究论文 | 本研究开发了一种深度学习模型，用于预测同源二聚体的纠缠特征，并应用于筛选高温古菌基因组中的纠缠基序 | 开发了一种基于氨基酸序列预测蛋白质纠缠特征的深度学习模型，其搜索速度比AlphaFold-Multimer快数十倍，同时保持相当的均方误差 | NA | 推进新型拓扑蛋白质的设计和合成 | 蛋白质纠缠基序 | 机器学习 | NA | 深度学习 | 深度学习模型 | 氨基酸序列 | 高温古菌基因组 | NA | NA | NA | NA |
| 462 | 2025-05-08 |
APNet, an explainable sparse deep learning model to discover differentially active drivers of severe COVID-19
2025-Mar-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf063
PMID:39921901
|
research paper | 介绍APNet，一种可解释的稀疏深度学习模型，用于发现严重COVID-19的差异活性驱动因素 | 结合SJARACNe共表达网络的差异活性分析和PASNet（一种生物学信息稀疏深度学习模型），进行COVID-19严重程度的可解释预测 | 当前方法可能忽略了非线性蛋白质组动态，如翻译后修饰，且特征排序之外的生物学解释性有限 | 通过计算分析揭示导致COVID-19不良临床结果的分子、细胞表型和信号模式 | COVID-19患者 | machine learning | COVID-19 | SJARACNe co-expression networks, PASNet | sparse deep learning model | proteomic data | 三个COVID-19蛋白质组数据集 | NA | NA | NA | NA |
| 463 | 2025-05-08 |
ChatExosome: An Artificial Intelligence (AI) Agent Based on Deep Learning of Exosomes Spectroscopy for Hepatocellular Carcinoma (HCC) Diagnosis
2025-Mar-04, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c06677
PMID:39932366
|
研究论文 | 开发了一个基于深度学习和大型语言模型的人工智能代理ChatExosome，用于肝细胞癌（HCC）的诊断 | 首次开发了一个专注于外泌体光谱和诊断的AI代理，结合了深度学习和大型语言模型，提高了分类结果的可解释性 | NA | 通过人工智能技术优化肝细胞癌的诊断过程 | 肝细胞癌（HCC）患者的外泌体拉曼光谱 | 数字病理学 | 肝细胞癌 | 拉曼光谱 | FFT（特征融合变换器）和LLM（大型语言模型） | 光谱数据 | 165个临床样本 | NA | NA | NA | NA |
| 464 | 2025-05-08 |
Deep learning-assisted identification and localization of ductal carcinoma from bulk tissue in-silico models generated through polarized Monte Carlo simulations
2025-Mar-04, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adb495
PMID:39933195
|
研究论文 | 本研究利用偏振蒙特卡洛模拟和卷积神经网络（CNN）对乳腺导管癌进行识别和定位 | 结合偏振蒙特卡洛模拟和深度学习技术，实现了对乳腺导管癌的高精度识别和定位，分类准确率达到96% | 研究主要针对组织表面的肿瘤区域，可能不适用于深层肿瘤的检测 | 展示通过卷积神经网络在偏振蒙特卡洛模拟生成的去极化指数图像上同时检测肿瘤存在和位置的能力 | 乳腺导管癌 | 数字病理学 | 乳腺癌 | 偏振蒙特卡洛模拟 | CNN | 图像 | 体外组织模型图像和模拟生成的图像 | NA | NA | NA | NA |
| 465 | 2025-05-08 |
Deep Learning Enhances Precision of Citrullination Identification in Human and Plant Tissue Proteomes
2025-Mar, Molecular & cellular proteomics : MCP
IF:6.1Q1
DOI:10.1016/j.mcpro.2025.100924
PMID:39921205
|
研究论文 | 本文介绍了一种结合深度学习模型Prosit-Cit的新型数据分析流程，用于提高瓜氨酸化位点识别的敏感性和精确度 | 提出了结合深度学习模型Prosit-Cit的数据分析流程，显著提高了瓜氨酸化位点识别的精确度和敏感性，并在植物组织蛋白质组中首次实现了大规模瓜氨酸化位点定位 | 需要依赖已有的质谱数据库搜索工作流程，且模型训练数据主要来自合成肽段 | 提高瓜氨酸化位点识别的精确度和敏感性，促进对蛋白质瓜氨酸化在健康和疾病中作用的理解 | 人类和植物（拟南芥）组织蛋白质组中的瓜氨酸化位点 | 蛋白质组学 | NA | 质谱分析，深度学习 | Prosit-Cit（基于Prosit模型的扩展） | 质谱数据 | 约53,000个光谱来自约2,500个合成瓜氨酸化肽段，以及拟南芥30个组织中的169个蛋白质的约200个瓜氨酸化位点 | NA | NA | NA | NA |
| 466 | 2025-05-08 |
Point-annotation supervision for robust 3D pulmonary infection segmentation by CT-based cascading deep learning
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109760
PMID:39923589
|
research paper | 提出了一种基于级联深度学习的CT点标注监督方法，用于鲁棒的3D肺部感染分割 | 通过比较标注点和未标注体素的表示以及建立全局不确定性，开发了两种正则化策略，在稀疏标注下约束网络对病变模式的理解，并包含增强模块以提高全局解剖感知和对空间各向异性的适应性 | 未明确提及具体限制，但可能包括对新型感染类型的泛化能力仍需进一步验证 | 开发一种弱监督学习方法，用于肺部感染的3D分割，以减少标注工作量并提高性能 | 肺部感染的CT图像 | digital pathology | pulmonary infection | cascading deep learning | CNN | 3D CT volumes | 1,072 CT volumes | NA | NA | NA | NA |
| 467 | 2025-05-08 |
Explainable AI-driven scalogram analysis and optimized transfer learning for sleep apnea detection with single-lead electrocardiograms
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109769
PMID:39923592
|
研究论文 | 本研究提出了一种利用单导联心电图信号和深度学习技术检测睡眠呼吸暂停的新方法 | 采用连续小波变换将心电图信号转换为时频域标量图，并优化预训练的GoogLeNet架构作为迁移学习模型，提高了分类性能 | 研究依赖于特定数据集，可能在其他数据集上的泛化能力有限 | 开发一种高效、准确的睡眠呼吸暂停检测方法 | 睡眠呼吸暂停患者的心电图信号 | 数字病理学 | 睡眠呼吸暂停 | 连续小波变换 | GoogLeNet | 心电图信号 | PhysioNet Apnea ECG数据集、UCDDB数据集和MIT-BIH多导睡眠图数据集 | NA | NA | NA | NA |
| 468 | 2025-05-08 |
Improving entity recognition using ensembles of deep learning and fine-tuned large language models: A case study on adverse event extraction from VAERS and social media
2025-Mar, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104789
PMID:39923968
|
研究论文 | 本研究评估了大型语言模型（LLMs）与传统深度学习模型在不良事件（AE）提取中的效果，并通过集成方法提升了性能 | 通过集成微调的传统深度学习模型和LLMs，提升了不良事件提取的性能，为生物医学领域的自然语言处理提供了新方法 | 研究样本量相对较小，且未涵盖所有可能的社交媒体平台 | 评估LLMs和传统深度学习模型在不良事件提取中的效果，并探索集成方法对性能的影响 | 疫苗不良事件报告系统（VAERS）、Twitter和Reddit的文本数据 | 自然语言处理 | COVID-19 | 深度学习、大型语言模型（LLMs） | RNN、BioBERT、GPT-2、GPT-3.5、GPT-4、Llama-2 7b、Llama-2 13b | 文本 | VAERS报告230份、Twitter帖子3,383条、Reddit帖子49条 | NA | NA | NA | NA |
| 469 | 2025-05-08 |
Does Deep Learning Reconstruction Improve Ureteral Stone Detection and Subjective Image Quality in the CT Images of Patients with Metal Hardware?
2025-Mar, Journal of endourology
IF:2.9Q1
DOI:10.1089/end.2024.0666
PMID:39932744
|
研究论文 | 本研究比较了在金属髋关节假体存在下，低剂量和常规剂量CT扫描结合或不结合深度学习重建（DLR）和金属伪影减少（MAR）技术对输尿管结石检测和图像质量的影响 | 首次在尸体模型中评估了DLR和MAR技术对低剂量CT扫描在金属假体存在下输尿管结石检测和图像质量的改善效果 | 研究样本量较小（仅10个泌尿系统组合），且仅在尸体模型中进行 | 评估DLR和MAR技术是否能改善金属假体患者低剂量CT扫描的输尿管结石检测和图像质量 | 植入输尿管结石的尸体模型（含双侧髋关节假体） | 医学影像 | 泌尿系统疾病 | CT扫描（常规剂量和超低剂量），深度学习重建（DLR），金属伪影减少（MAR） | 深度学习 | CT图像 | 10个植入4-6mm输尿管结石的泌尿系统组合（尸体模型） | NA | NA | NA | NA |
| 470 | 2025-05-08 |
Functional near-infrared spectroscopy (fNIRS) in patients with major depressive disorder, generalized anxiety disorder and their comorbidity: Comparison with healthy controls
2025-Mar, Asian journal of psychiatry
IF:3.8Q1
DOI:10.1016/j.ajp.2025.104382
PMID:39933260
|
研究论文 | 本研究使用fNIRS-VFT任务比较了广泛性焦虑障碍(GAD)、重度抑郁症(MDD)及其共病(CMG)患者与健康对照组的前额叶功能差异，并评估了fNIRS设备作为认知任务诊断工具的可靠性 | 结合全连接层和Dropout层的深度学习模型对fNIRS数据进行分类，探索了不同脑区激活模式在精神障碍诊断中的价值 | 样本量相对有限，未考虑其他可能的混杂因素 | 评估fNIRS在精神障碍诊断中的应用价值 | GAD、MDD、CMG患者及健康对照组 | 数字病理 | 精神疾病 | fNIRS | 全连接层与Dropout层结合的深度学习模型 | 脑血流动力学数据 | 296人(75 GAD, 75 MDD, 71 CMG, 75 HC) | NA | NA | NA | NA |
| 471 | 2025-05-08 |
Multi-modality medical image classification with ResoMergeNet for cataract, lung cancer, and breast cancer diagnosis
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109791
PMID:39933267
|
研究论文 | 提出ResoMergeNet (RMN)模型用于多模态医学图像分类，以提升白内障、肺癌和乳腺癌的诊断效果 | 整合迁移学习、ResBoost框架和ConvMergeNet技术，有效提取可见光眼图像和组织病理学图像的特征，提升跨模态分类性能 | 未提及模型在更大规模或更多模态数据集上的泛化能力 | 解决多模态医学图像分类中的模态差异问题，提升白内障、肺癌和乳腺癌的诊断准确性 | 白内障、肺癌和乳腺癌的医学图像 | 数字病理学 | 白内障、肺癌、乳腺癌 | 迁移学习、ResBoost框架、ConvMergeNet | ResoMergeNet (RMN) | 图像 | 白内障数据集（二分类）、肺癌数据集（三分类）、BreakHis数据集（八分类，100×和200×放大倍数） | NA | NA | NA | NA |
| 472 | 2025-05-08 |
Review on computational methods for the detection and classification of Parkinson's Disease
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109767
PMID:39938340
|
review | 本文对帕金森病(PD)的计算检测和分类方法进行了系统性综述 | 聚焦PD生物标志物和多种成像模态，深入分析现有机器学习与深度学习模型的性能及局限性 | 现有PD诊断数据集适用性有限，需要扩展其应用范围 | 系统调研PD诊断方法以提升诊断准确性 | 帕金森病的影像学特征和生物标志物 | machine learning | geriatric disease | MRI成像 | machine learning, deep learning | image | NA | NA | NA | NA | NA |
| 473 | 2025-05-08 |
Deep learning paradigms in lung cancer diagnosis: A methodological review, open challenges, and future directions
2025-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.104914
PMID:39938402
|
review | 本文全面探讨了深度学习在肺癌诊断中的应用，包括结节检测、分类和预后预测 | 深度学习在肺癌诊断中展现出卓越性能，有时甚至超越人类专家准确率，并推动了计算机辅助诊断系统的发展 | 面临数据质量和可解释性等挑战 | 提升肺癌诊断的精确性和效率 | 肺癌诊断中的深度学习模型 | digital pathology | lung cancer | NA | deep neural networks | image | NA | NA | NA | NA | NA |
| 474 | 2025-10-07 |
Differential diagnosis of multiple system atrophy with predominant parkinsonism and Parkinson's disease using neural networks (part II)
2025-Mar-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2025.123411
PMID:39893881
|
研究论文 | 使用神经网络基于全脑体素形态测量数据区分帕金森病和多系统萎缩帕金森变异型 | 首次将神经网络应用于MSA-P和PD的鉴别诊断，并考虑MSA病变异质性和随机分布的特点 | 未明确说明样本量大小和具体的数据集划分方式 | 开发基于深度学习的MSA-P和PD早期鉴别诊断方法 | 帕金森病(PD)患者和多系统萎缩帕金森变异型(MSA-P)患者 | 医学影像分析 | 神经系统退行性疾病 | 体素形态测量 | 神经网络 | 脑部影像数据 | NA | NA | NA | 准确率 | NA |
| 475 | 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 |
| 476 | 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 |
| 477 | 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 |
| 478 | 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 |
| 479 | 2025-10-07 |
DeepES: deep learning-based enzyme screening to identify orphan enzyme genes
2025-Mar-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf053
PMID:39909853
|
研究论文 | 开发基于深度学习的酶筛选工具DeepES，用于识别孤儿酶基因 | 开发了首个专注于生物合成基因簇和反应类别的深度学习工具，通过整合二元分类器输出识别孤儿酶基因 | 仅验证了4744个宏基因组组装基因组，需要更广泛的应用验证 | 解决孤儿酶基因识别问题，填补序列与酶促反应关联理解空白 | 蛋白质序列和孤儿酶基因 | 生物信息学 | NA | 宏基因组测序 | 深度学习 | 蛋白质序列数据 | 4744个宏基因组组装基因组 | NA | NA | 功能相似性评估 | NA |
| 480 | 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 |