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 501 - 520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 501 | 2025-05-10 |
Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning
2025-Mar-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01838
PMID:39984300
|
研究论文 | 本文介绍了一种基于深度学习的模型ICoN，用于从分子动力学模拟数据中学习构象变化的物理原理，并应用于高度动态蛋白质的构象采样 | 提出了一种名为ICoN的深度学习模型，能够从分子动力学模拟数据中学习构象变化的物理原理，并通过潜在空间插值快速识别新的合成构象 | 需要依赖分子动力学模拟数据进行训练，可能受限于模拟数据的质量和覆盖范围 | 研究高度动态蛋白质的构象集合，以理解其生物学功能和疾病相关聚集 | 内在无序蛋白质（IDPs）和淀粉样β（Aβ42）单体 | 机器学习 | NA | 分子动力学模拟，深度学习 | ICoN（Internal Coordinate Net） | 分子动力学模拟数据 | NA | NA | NA | NA | NA |
| 502 | 2025-05-10 |
Sul-BertGRU: an ensemble deep learning method integrating information entropy-enhanced BERT and directional multi-GRU for S-sulfhydration sites prediction
2025-Mar-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf078
PMID:39977366
|
研究论文 | 提出了一种名为Sul-BertGRU的深度学习方法，用于预测蛋白质中的S-硫水化位点 | 结合了信息熵增强的BERT和多方向GRU，提出了一种新的深度学习模型Sul-BertGRU，用于提高S-硫水化位点预测的准确性和效率 | 未提及具体的数据集大小或模型在不同数据集上的泛化能力 | 解决蛋白质S-硫水化位点的准确预测问题，以促进细胞生物学研究 | 蛋白质序列中的S-硫水化位点 | 机器学习 | 心血管疾病和神经系统疾病 | 深度学习 | BERT, GRU, CNN | 蛋白质序列 | NA | NA | NA | NA | NA |
| 503 | 2025-05-10 |
Automatic segmentation and volumetric analysis of intracranial hemorrhages in brain CT images
2025-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.111952
PMID:39978270
|
research paper | 该研究开发并评估了基于3D U-Net的深度学习模型，用于在非对比脑CT图像中自动分割和分类颅内出血及相关病理 | 使用3D U-Net模型进行颅内出血的自动分割和分类，并研究了分割类别数量对模型性能的影响 | 对于小于1毫升的出血检测存在假阴性，且与文献相比Dice分数较低 | 开发自动分割和分类颅内出血的深度学习模型，以增强临床决策 | 非对比脑CT图像中的颅内出血及相关病理 | digital pathology | intracranial hemorrhages | deep learning | 3D U-Net | image | 1508个非对比CT系列，来自医院、QURE500数据集和RSNA 2019脑出血数据集 | NA | NA | NA | NA |
| 504 | 2025-05-10 |
Spatial Radiomic Graphs for Outcome Prediction in Radiation Therapy-treated Head and Neck Squamous Cell Carcinoma Using Pretreatment CT
2025-Mar, Radiology. Imaging cancer
DOI:10.1148/rycan.240161
PMID:39982207
|
研究论文 | 开发了一种名为RadGraph的放射组学图框架，用于分析头颈部鳞状细胞癌（HNSCC）治疗前CT图像的空间特征，以改善局部区域复发（LR）和远处转移（DM）的预测 | 利用计算图和图注意力深度学习方法全面建模头颈部解剖的多个区域，显著提高了LR和DM的预测性能 | 研究为回顾性分析，可能受到数据收集时间和来源的限制 | 提高头颈部鳞状细胞癌患者局部区域复发和远处转移的预测准确性 | 头颈部鳞状细胞癌患者的治疗前CT图像 | 数字病理学 | 头颈部鳞状细胞癌 | CT成像 | 图注意力深度学习 | 图像 | 3434名患者（训练集1576名，验证集379名，测试集1479名） | NA | NA | NA | NA |
| 505 | 2025-05-09 |
Screening of estrogen receptor activity of per- and polyfluoroalkyl substances based on deep learning and in vivo assessment
2025-Mar-15, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2025.125843
PMID:39947576
|
研究论文 | 提出了一种基于深度学习的堆叠架构GXDNet，用于预测全氟和多氟烷基物质（PFAS）的雌激素受体α（ERα）活性，并通过实验验证了代表性PFAS分子的ERα活性 | 开发了GXDNet模型，整合分子描述符和分子图来预测化合物的ERα活性，提高了泛化能力，并揭示了氟化烷烃链对ERα结合亲和力的增强作用 | 研究集中于ERα活性，未涵盖PFAS的其他潜在毒性机制 | 开发预测PFAS雌激素受体活性的深度学习模型，以加速环保型PFAS分子的开发 | 全氟和多氟烷基物质（PFAS）分子 | 机器学习 | NA | 深度学习 | GXDNet（堆叠深度学习架构） | 分子描述符和分子图 | 10,067个PFAS分子 | NA | NA | NA | NA |
| 506 | 2025-05-09 |
TimePAD─Unveiling Temporal Sequence ELISA Signal by Deep Learning for Rapid Readout and Improved Accuracy in a Microfluidic Paper-Based Analytical Platform
2025-Mar-04, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c06001
PMID:39960863
|
研究论文 | 本文提出了一种通过深度学习分析时间序列比色数据来改进纸基微流控ELISA性能的新方法 | 利用时间序列数据而非传统静态数据，通过深度学习模型YOLOv8分析ELISA反应的动态变化，实现了更快的检测速度和更高的准确性 | NA | 提高纸基微流控ELISA的检测速度和准确性 | 纸基微流控ELISA平台 | 数字病理 | 心血管疾病 | ELISA | YOLOv8 | 视频数据 | 使用Rabbit IgG作为ELISA检测模型，并扩展到疾病标志物cTnI的检测 | NA | NA | NA | NA |
| 507 | 2025-10-07 |
Video-based robotic surgical action recognition and skills assessment on porcine models using deep learning
2025-03, Surgical endoscopy
DOI:10.1007/s00464-024-11486-3
PMID:39806176
|
研究论文 | 本研究开发了一种基于深度学习的自动化手术技能评估工具，通过视频分析识别机器人辅助手术动作并评估手术技能 | 结合CNN和LSTM网络架构同时提取空间和时间特征，使用猪模型进行数据收集，并应用GradCAM增强模型可解释性 | 在猪模型环境中开发的AI系统需要进一步测试其在临床环境中检测错误和提供反馈的能力 | 开发自动化手术技能评估工具，辅助外科医生培训 | 机器人辅助手术视频数据 | 计算机视觉 | NA | 深度学习 | CNN,LSTM | 视频 | 21名参与者（16名新手和5名经验丰富者）在猪模型上执行16种不同的机器人辅助腹腔手术 | NA | CNN结合LSTM的混合架构 | 准确率 | NA |
| 508 | 2025-05-09 |
A Veterinary DICOM-Based Deep Learning Denoising Algorithm Can Improve Subjective and Objective Brain MRI Image Quality
2025-Mar, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association
IF:1.3Q2
DOI:10.1111/vru.70015
PMID:39945204
|
研究论文 | 本研究评估了一种专为兽医患者开发的基于DICOM的深度学习去噪算法对犬猫脑部MRI图像质量的影响 | 开发了首个专为兽医患者设计的DICOM-based深度学习去噪算法，并验证其在1.5T MRI上的效果 | 样本量较小(30只犬猫)，仅测试了1.5T MRI系统 | 评估深度学习去噪算法对兽医脑部MRI图像质量的改善效果 | 30只犬猫的脑部MRI图像 | 数字病理 | 兽医神经疾病 | MRI | 深度学习(DL) | 医学影像 | 30只犬猫的脑部MRI图像 | NA | NA | NA | NA |
| 509 | 2025-05-09 |
[18F]FDG administered activity reduction capabilities of a 32-cm axial field-of-view solid-state digital bismuth germanium oxide PET/CT system while maintaining EARL compliance
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.2025.104935
PMID:39956005
|
研究论文 | 评估数字BGO 32厘米轴向视场PET系统在符合当前和更新的EANM Research Ltd氟-18认证规范（EARL1和EARL2）的情况下，降低[18F]FDG给药活性和/或扫描时间的能力 | 使用数字BGO PET系统结合深度学习图像增强技术（PDL），显著降低[18F]FDG给药活性，同时保持EARL1和EARL2合规性 | 研究仅基于幻影测量，未涉及实际患者数据 | 评估PET系统在降低放射性药物活性和扫描时间方面的性能 | 数字BGO 32厘米轴向视场PET系统（Omni Legend 32 cm） | 医学影像 | NA | PET/CT成像，深度学习图像增强（PDL） | NA | 医学影像数据 | 使用校准QC和NEMA IEC幻影进行测量，图像质量QC扫描每小时重复一次，共7小时 | NA | NA | NA | NA |
| 510 | 2025-05-09 |
Deep learning opportunistic screening for osteoporosis and osteopenia using radiographs of the foot or ankle - A pilot study
2025-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.111980
PMID:39946811
|
研究论文 | 本研究旨在开发一种深度学习模型，通过足部或踝关节的X光片筛查骨质疏松或骨质减少 | 开发了一种新颖的深度学习模型，利用定制的架构从足部和踝关节的X光片中提取深度特征，用于骨质疏松或骨质减少的筛查 | 研究为回顾性横断面研究，样本中白种人占比较高（96.7%），可能影响模型的泛化能力 | 创建一种深度学习模型，用于通过足部或踝关节的X光片筛查骨质疏松或骨质减少 | 50岁及以上接受足部或踝关节X光检查及DXA检查的患者 | 数字病理学 | 骨质疏松 | X光成像 | 深度学习定制架构 | 图像 | 907名患者（3109张X光片），其中白种人占96.7%，黑人占1.8%，亚洲人占0.4% | NA | NA | NA | NA |
| 511 | 2025-05-08 |
Leveraging AI to Explore Structural Contexts of Post-Translational Modifications in Drug Binding
2025-Mar-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.14.633078
PMID:40166291
|
研究论文 | 利用人工智能探索翻译后修饰在药物结合中的结构背景 | 首次大规模利用AI方法（如AlphaFold3、RoseTTAFold All-Atom、Chai-1）预测PTM修饰对人类蛋白质与药物结合的影响，并构建了包含14,178个PTM修饰蛋白质模型的数据库 | 方法准确性的精确评估需要更大的基准测试集 | 探索翻译后修饰（PTMs）对药物结合的结构影响 | 人类蛋白质中的小分子结合相关PTMs | 生物信息学 | 癌症、糖尿病、心脏病、神经退行性疾病、代谢疾病 | AlphaFold3、RoseTTAFold All-Atom、Chai-1 | 深度学习算法 | 蛋白质结构数据 | 6,131个已识别的PTMs映射到ECOD数据库结构域，生成14,178个PTM修饰人类蛋白质模型 | NA | NA | NA | NA |
| 512 | 2025-05-08 |
Machine learning-based evolution of water quality prediction model: An integrated robust framework for comparative application on periodic return and jitter data
2025-Mar-15, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2025.125834
PMID:39933618
|
研究论文 | 该研究提出了一种基于机器学习的多级耦合框架，用于提高水质预测的准确性 | 集成数据去噪、特征选择和LSTM网络的新型机器学习框架，有效捕捉非平稳水质模式 | 未来研究需验证该框架在不同地理和气候条件下的可扩展性 | 提高复杂环境条件下动态水质指标的预测准确性 | 世界最大跨流域调水工程中四个监测站的溶解氧和高锰酸盐指数 | 机器学习 | NA | 数据去噪、特征选择、LSTM网络、小波变换、移动平均、完全集成经验模态分解 | LSTM | 时间序列数据 | 四个监测站的数据，采用80-20%和70-30%的训练配置 | NA | NA | NA | NA |
| 513 | 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 |
| 514 | 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 |
| 515 | 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 |
| 516 | 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 |
| 517 | 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 |
| 518 | 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 |
| 519 | 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 |
| 520 | 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 |