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 1352 篇文献，本页显示第 481 - 500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 481 | 2025-05-12 |
Deep-Learning-Based Approaches for Rational Design of Stapled Peptides With High Antimicrobial Activity and Stability
2025-Mar, Microbial biotechnology
IF:4.8Q1
DOI:10.1111/1751-7915.70121
PMID:40042163
|
research paper | 本研究利用深度学习和机器学习构建了十种预测模型，用于设计具有高抗菌活性和稳定性的钉合肽，并通过实验验证了其效果 | 首次将深度学习方法应用于钉合肽的设计，提高了预测准确性和设计效率，并通过实验验证了设计的钉合肽具有高抗菌活性和稳定性 | 研究仅针对钉合肽的设计和验证，未涉及其他类型的抗菌肽 | 探索深度学习方法在抗菌肽设计和优化中的应用 | 钉合抗菌肽（AMPs） | machine learning | NA | deep learning, machine learning, AlphaFold | support vector machine, deep learning models | structural, sequence and amino acid descriptors | 独立数据集和湿实验室实验 | NA | NA | NA | NA |
| 482 | 2025-05-12 |
Pyramid Network With Quality-Aware Contrastive Loss for Retinal Image Quality Assessment
2025-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3501405
PMID:40030237
|
research paper | 提出了一种名为QAC-Net的统一视网膜图像质量评估框架，能够定性和定量评估视网膜图像质量 | 采用金字塔网络结构和质量感知对比损失（QAC）来提取区分性特征，同时构建了一个包含2300张真实失真视网膜图像的数据集用于定量评估 | 定量评估任务的数据集仍然不足 | 设计有效的视网膜图像质量评估（RIQA）方法以减少低质量图像导致的误诊风险 | 视网膜图像 | computer vision | NA | deep learning | CNN | image | 2300张真实失真视网膜图像 | NA | NA | NA | NA |
| 483 | 2025-05-12 |
Deep Learning for High Speed Optical Coherence Elastography With a Fiber Scanning Endoscope
2025-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3505676
PMID:40030355
|
research paper | 该研究提出了一种基于深度学习的高速光学相干弹性成像方法，使用光纤扫描内窥镜进行实时弹性估计 | 开发了一种微型光纤扫描内窥镜，结合深度学习信号处理流程，实现了复杂波场的实时弹性估计 | 研究仅在体外猪组织上验证了可行性，未进行临床人体试验 | 开发一种适用于微创手术的实时组织弹性成像技术 | 组织弹性 | digital pathology | NA | 光学相干弹性成像 | spatio-temporal deep learning network | image sequences | phantom measurements and ex-vivo porcine tissue | NA | NA | NA | NA |
| 484 | 2025-10-07 |
A new era of psoriasis treatment: Drug repurposing through the lens of nanotechnology and machine learning
2025-Mar-30, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2025.125385
PMID:39999900
|
综述 | 探讨通过纳米技术和机器学习方法重新利用现有药物治疗银屑病的新策略 | 结合纳米技术和人工智能技术推进药物重定位在银屑病治疗中的应用 | 药物重定位方法仍处于早期阶段，存在潜在缺陷 | 探索银屑病治疗的新方法，克服传统治疗的局限性 | 银屑病患者和现有药物 | 机器学习 | 银屑病 | 药物重定位，纳米载体技术 | 机器学习，深度学习 | NA | NA | NA | NA | NA | NA |
| 485 | 2025-10-07 |
Artificial intelligence in medical imaging: From task-specific models to large-scale foundation models
2025-Mar-20, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003489
PMID:40008785
|
综述 | 本文综述了医学影像中从任务特定模型到大规模基础模型的人工智能技术发展 | 系统比较了任务特定模型与新兴基础模型在医学影像中的差异、互补性和临床相关性 | 基础模型目前主要关注分割和分类任务，尚未广泛应用于其他临床场景 | 探讨医学影像人工智能技术的发展现状和未来方向 | 医学影像AI模型（任务特定模型和基础模型） | 医学影像分析 | NA | 深度学习 | 基础模型,任务特定模型 | 医学影像（X射线,CT,MRI,超声,PET,病理影像） | NA | NA | NA | NA | NA |
| 486 | 2025-10-07 |
Deep learning to quantify the pace of brain aging in relation to neurocognitive changes
2025-Mar-11, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2413442122
PMID:39993207
|
研究论文 | 开发基于纵向MRI的3D-CNN模型来量化大脑衰老速度及其与神经认知变化的关系 | 首次使用纵向MRI数据通过3D-CNN模型非侵入性地估计大脑衰老速度，而非传统的静态大脑年龄 | 研究主要针对认知正常个体，阿尔茨海默病患者样本相对较少 | 开发能够量化大脑衰老速度并关联神经认知变化的深度学习模型 | 认知正常成年人和阿尔茨海默病患者 | 医学影像分析 | 阿尔茨海默病 | MRI | 3D-CNN | 纵向MRI图像 | 训练集2,055名认知正常成人，验证集1,304名认知正常成人，测试集104名认知正常成人和140名阿尔茨海默病患者 | NA | 3D-CNN | 平均绝对误差(MAE) | NA |
| 487 | 2025-10-07 |
ProCeSa: Contrast-Enhanced Structure-Aware Network for Thermostability Prediction with Protein Language Models
2025-Mar-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01752
PMID:39988825
|
研究论文 | 提出一种结合蛋白质语言模型和对比学习的蛋白质热稳定性预测新方法 | 开发了ProCeSa模型，首次将蛋白质语言模型生成的序列嵌入与结构信息无缝集成，无需原子结构数据即可预测热稳定性 | 未使用原子级蛋白质结构数据，可能限制了对某些结构特征的捕捉 | 提高蛋白质热稳定性预测的准确性 | 蛋白质序列及其热稳定性 | 机器学习 | NA | 蛋白质语言模型，对比学习 | 深度学习 | 蛋白质序列数据 | 公开数据集 | NA | ProCeSa（蛋白质对比增强结构感知网络） | 分类任务指标，回归任务指标 | NA |
| 488 | 2025-10-07 |
A deep learning model for inter-fraction head and neck anatomical changes in proton therapy
2025-Mar-10, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adba39
PMID:39999567
|
研究论文 | 开发基于概率深度学习模型预测头颈部质子治疗中分次间解剖结构变化 | 首次将变分自编码器架构应用于头颈部患者分次间解剖变化的概率预测，能够生成可能的重复CT图像和器官掩模 | 数据集规模相对较小（93名患者），需要在更大样本上验证模型泛化能力 | 开发能够预测头颈部质子治疗期间解剖结构变化的深度学习模型 | 头颈部癌症患者 | 医学影像分析 | 头颈部癌症 | CT成像 | VAE | CT图像 | 93名患者（315对计划CT-重复CT图像对），其中9名患者（27对）用于最终测试 | NA | 变分自编码器 | DICE分数, 归一化互相关系数 | NA |
| 489 | 2025-10-07 |
Large Model Era: Deep Learning in Osteoporosis Drug Discovery
2025-Mar-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02264
PMID:40008920
|
综述 | 本文综述深度学习在骨质疏松药物发现中的应用，重点分析大模型在理解疾病机制和促进药物研发中的潜力 | 系统总结深度学习大模型在骨质疏松药物发现各阶段的应用前景，探讨大模型相比传统模型的优势 | 讨论了大模型在药物发现中存在的局限性 | 分析深度学习特别是大模型在骨质疏松药物发现中的应用前景 | 骨质疏松药物发现过程 | 机器学习 | 骨质疏松 | 深度学习 | 大模型,传统深度学习模型 | NA | NA | NA | NA | NA | NA |
| 490 | 2025-10-07 |
Self-supervised U-transformer network with mask reconstruction for metal artifact reduction
2025-Mar-10, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adbaae
PMID:40010000
|
研究论文 | 提出一种用于金属伪影减少的自监督U型Transformer网络，通过掩码重建任务提升模型泛化能力 | 结合自监督掩码重建预训练任务和下游微调任务，利用Transformer的长程特征提取能力区分金属伪影特征 | 未明确说明模型在真实临床数据上的泛化性能验证范围 | 提升金属伪影减少任务的模型泛化能力 | CT图像中的金属伪影 | 计算机视觉 | NA | 计算机断层扫描(CT) | Transformer | CT图像 | 未标注真实伪影CT图像和标注合成伪影CT图像的组合 | NA | U-transformer | 峰值信噪比, 结构相似性指数, Dice系数, 平均交并比 | NA |
| 491 | 2025-05-11 |
GLMCyp: A Deep Learning-Based Method for CYP450-Mediated Reaction Site Prediction
2025-Mar-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02051
PMID:40013456
|
研究论文 | 本文提出了一种基于深度学习的CYP450介导反应位点预测方法GLMCyp | 结合2D分子图特征、3D Uni-Mol特征和ESM-2生成的CYP450蛋白特征，提高了预测准确性 | 未明确提及具体局限性 | 提高药物发现和开发效率，准确预测CYP450介导的反应位点 | 小分子化合物 | 机器学习 | NA | 深度学习 | GLMCyp | 分子图数据、蛋白质特征数据 | EBoMD数据集 | NA | NA | NA | NA |
| 492 | 2025-10-07 |
EEG-based recognition of hand movement and its parameter
2025-Mar-06, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/adba8a
PMID:40009879
|
研究论文 | 基于脑电图信号的手部运动及其参数识别研究 | 提出CNN-BiLSTM端到端串行组合模型，首次在跨被试分类中实现手部运动类型、力度参数和方向位移的高精度识别 | 研究仍处于可行性验证阶段，样本量较小（13名健康志愿者），尚未达到实际应用水平 | 探索基于脑电图信号的手部运动意图解码技术 | 手部运动类型（四种）、力度参数（抓取和推动）、方向位移任务（四个目标方向） | 脑机接口 | NA | 脑电图（EEG） | CNN, BiLSTM | 脑电图信号 | 13名健康志愿者 | NA | CNN-BiLSTM | 准确率 | NA |
| 493 | 2025-10-07 |
Deep learning models as learners for EEG-based functional brain networks
2025-Mar-06, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/adba8c
PMID:40009886
|
研究论文 | 本研究探索深度学习模型学习基于EEG的功能性脑网络构建过程的能力 | 首次系统评估深度学习模型直接学习功能性脑网络构建过程的能力，而非传统两阶段方法 | 深度学习模型难以准确捕捉功能性脑网络的固有拓扑结构，预测网络与实际网络存在显著差异 | 验证深度学习模型是否能够有效学习EEG功能性脑网络的构建过程 | 基于脑电图(EEG)的功能性脑网络 | 机器学习 | NA | 脑电图(EEG) | 深度学习模型 | EEG信号 | 两个公开可用的EEG数据集 | NA | 七种不同的深度学习模型 | 均方误差(MSE), 皮尔逊相关系数(Corr), 一致性相关系数(CCC) | NA |
| 494 | 2025-10-07 |
Enhanced water quality prediction model using advanced hybridized resampling alternating tree-based and deep learning algorithms
2025-Mar, Environmental science and pollution research international
DOI:10.1007/s11356-025-36062-7
PMID:39994118
|
研究论文 | 开发用于预测河流水质参数的混合深度学习模型 | 提出结合双向LSTM和自助聚合交替模型树的混合算法，改进了水质参数预测精度 | 模型在极端值预测方面仍有改进空间，需要进一步优化 | 开发稳健的水质预测模型以支持水资源管理和污染控制 | 美国Clackamas河的水质参数 | 机器学习 | NA | 水质监测技术 | Bi-LSTM, 集成学习 | 时间序列数据 | 每日水质记录数据 | NA | 双向LSTM, 交替模型树 | RMSE, NSE, PBIAS, RSR | NA |
| 495 | 2025-10-07 |
Of Pilots and Copilots: The Evolving Role of Artificial Intelligence in Clinical Neurophysiology
2025-Mar, The Neurodiagnostic journal
DOI:10.1080/21646821.2025.2465089
PMID:39999187
|
综述 | 本文探讨人工智能在临床神经生理学领域的应用现状、进展与未来发展方向 | 提出AI作为'副驾驶'的角色定位，强调从单纯数据解读向提供临床上下文支持的转变，并展望生成式AI和'AI组学'的变革潜力 | EMG应用中存在数据集有限和临床背景考量不足的问题，PSG分析在癫痫活动和特定睡眠阶段分类方面仍有局限 | 分析AI在临床神经生理学中的演变角色和发展趋势 | 脑电图(EEG)、肌电图(EMG)和多导睡眠图(PSG)等临床神经生理学数据 | 医疗人工智能 | 神经系统疾病 | 深度学习技术 | NA | 生理信号数据 | NA | NA | NA | 准确率 | NA |
| 496 | 2025-03-14 |
Publisher Correction: HDL-ACO hybrid deep learning and ant colony optimization for ocular optical coherence tomography image classification
2025-Mar-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93294-w
PMID:40075161
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 497 | 2025-05-10 |
Low-dose CT reconstruction using cross-domain deep learning with domain transfer module
2025-Mar-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adb932
PMID:39983305
|
research paper | 该研究提出了一种利用跨域深度学习和域转移模块进行低剂量CT重建的新方法 | 提出了一种跨域深度学习方法，通过域转移函数减少冗余计算，仅需双域网络一半的可训练参数即可达到相当的性能 | 虽然减少了计算资源需求，但方法的性能仍需在更多临床数据上进一步验证 | 开发一种计算效率更高的低剂量CT重建方法以减少辐射暴露 | 低剂量X射线CT图像 | computer vision | NA | deep learning | U-Net | CT图像 | NA | NA | NA | NA | NA |
| 498 | 2025-05-10 |
Power absorption and temperature rise in deep learning based head models for local radiofrequency exposures
2025-Mar-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adb935
PMID:39983315
|
研究论文 | 本研究比较了基于分割和无需分割的深度学习头部模型在评估局部射频暴露时的功率吸收和温升效果 | 采用无需分割的深度学习模型直接从磁共振图像估计组织介电和热学特性，减少了主体间变异性并提高了计算效率 | 两种模型之间的差异相对于总体剂量学不确定性较小 | 提高射频暴露下人体保护的准确性和一致性 | 计算头部模型 | 机器学习 | NA | 有限差分时域方法和生物热传递方程 | 深度学习模型 | 磁共振图像 | NA | NA | NA | NA | NA |
| 499 | 2025-05-10 |
RAG_MCNNIL6: A Retrieval-Augmented Multi-Window Convolutional Network for Accurate Prediction of IL-6 Inducing Epitopes
2025-Mar-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02144
PMID:39967508
|
研究论文 | 提出了一种名为RAG_MCNNIL6的新型深度学习框架，用于准确预测IL-6诱导表位 | 整合了检索增强生成（RAG）和多窗口卷积神经网络（MCNNs），显著提高了预测性能 | 未提及具体局限性 | 开发一种准确且高效的IL-6诱导表位预测方法，以促进基于表位的疫苗和免疫疗法的研发 | IL-6诱导表位（短肽片段） | 自然语言处理 | 自身免疫性疾病、癌症、COVID-19 | ProtTrans预训练蛋白质语言模型 | MCNNs | 蛋白质序列数据 | 基准数据集（未提及具体数量） | NA | NA | NA | NA |
| 500 | 2025-05-10 |
Validation of patient-specific deep learning markerless lung tumor tracking aided by 4DCBCT
2025-Mar-10, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adb89c
PMID:39978071
|
研究论文 | 本文提出了一种基于4DCBCT辅助的患者特异性深度学习无标记肺部肿瘤跟踪方法 | 开发了一种4DCBCT辅助的GT生成流程，用于自动生成CBCT投影上的肿瘤分割GT，并用于优化和验证患者特异性AI肿瘤定位模型 | 样本量较小，仅使用了6个患者CBCT投影集进行验证和11个进行测试 | 开发一种系统方法，用于自动生成CBCT投影上的肿瘤分割GT，并用于优化和验证患者特异性AI肿瘤定位模型 | 肺部肿瘤患者 | 数字病理 | 肺癌 | 4DCBCT, Retina U-Net | Retina U-Net | 图像 | 6个患者CBCT投影集用于验证，11个用于测试 | NA | NA | NA | NA |