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 521 - 540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 521 | 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 |
| 522 | 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 |
| 523 | 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 |
| 524 | 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 |
| 525 | 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 |
| 526 | 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 |
| 527 | 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 |
| 528 | 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 |
| 529 | 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 |
| 530 | 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 |
| 531 | 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 |
| 532 | 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 |
| 533 | 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 |
| 534 | 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 |
| 535 | 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 |
| 536 | 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 |
| 537 | 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 |
| 538 | 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 |
| 539 | 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 |
| 540 | 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 |