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 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2025-10-06 |
HIPPIE: A Multimodal Deep Learning Model for Electrophysiological Classification of Neurons
2025-Mar-15, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.14.642461
PMID:40161713
|
研究论文 | 提出一种名为HIPPIE的多模态深度学习模型，用于从细胞外电生理记录中进行神经元分类 | 结合自监督预训练和监督微调，使用条件卷积联合自编码器学习波形和放电动力学的鲁棒表示，能够跨实验系统进行技术调整 | NA | 解决细胞外电生理记录中因噪声、技术变异和批次效应带来的神经元分类挑战 | 小鼠记录和脑切片中的神经元 | 机器学习 | NA | 细胞外电生理记录 | 自编码器,深度学习 | 电生理信号 | NA | NA | 条件卷积联合自编码器 | 细胞类型鉴别性能 | NA |
| 42 | 2025-10-06 |
Syn-Net: A Synchronous Frequency-Perception Fusion Network for Breast Tumor Segmentation in Ultrasound Images
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3514134
PMID:40030423
|
研究论文 | 提出一种用于超声图像中乳腺肿瘤分割的同步频率感知融合网络 | 设计了同步双分支编码器同时提取局部和全局特征，并引入频率感知交叉特征融合模块利用离散余弦变换学习全频特征 | NA | 实现复杂超声图像中乳腺肿瘤的精确分割 | 超声图像中的乳腺肿瘤 | 计算机视觉 | 乳腺癌 | 超声成像 | 深度学习分割网络 | 超声图像 | 三个公开超声乳腺肿瘤数据集 | NA | 同步双分支编码器,频率感知交叉特征融合模块,全尺度深度监督 | Dice系数 | NA |
| 43 | 2025-10-06 |
LymoNet: An Advanced Neck Lymph Node Detection Network for Ultrasound Images
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3515995
PMID:40030474
|
研究论文 | 提出基于YOLOv8的颈部淋巴结检测网络LymoNet，用于超声图像中正常、炎症和转移性淋巴结的检测与分类 | 集成坐标注意力和多头自注意力机制增强关键特征学习，并引入医学知识嵌入提升分类性能 | NA | 开发高精度的自动化颈部淋巴结检测方法以辅助临床诊断 | 颈部淋巴结超声图像 | 计算机视觉 | 癌症转移 | 超声成像 | CNN | 图像 | NA | PyTorch | YOLOv8 | mAP@0.5 | NA |
| 44 | 2025-10-06 |
RTGN: Robust Traditional Chinese Medicine Graph Networks for Patient Similarity Learning
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3510884
PMID:40030577
|
研究论文 | 提出一种鲁棒的中医图网络用于患者相似性学习 | 首次构建中医胃肠恶性肿瘤真实世界数据集，开发结合自注意力和自监督策略的孪生网络架构，设计融合中西医方法的患者相似性度量 | 依赖医师生理感官判断可能导致患者评估的非标准化描述和干扰 | 在中医背景下研究患者相似性学习 | 中医胃肠恶性肿瘤患者 | 机器学习 | 胃肠恶性肿瘤 | 图神经网络 | 图神经网络, 孪生网络 | 图结构数据 | 719名患者的406种多维信息 | NA | RTGN, 自注意力机制 | 患者检索准确率, 聚类性能 | NA |
| 45 | 2025-10-06 |
Fusing Micro- and Macro-Scale Information to Predict Anticancer Synergistic Drug Combinations
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3500789
PMID:40030241
|
研究论文 | 提出一种融合微观和宏观尺度信息预测抗癌药物协同作用的新方法MMFSynergy | 同时精细表征药物和细胞系的微观与宏观尺度信息，并考虑跨尺度信息的交互作用 | NA | 预测抗癌药物的协同组合 | 药物组合和细胞系 | 机器学习 | 癌症 | 深度学习 | Transformer | 药物和蛋白质数据 | 基于两个公共数据集 | NA | Transformer Encoder | NA | NA |
| 46 | 2025-10-06 |
Artificial intelligence in gastroenterology: Ethical and diagnostic challenges in clinical practice
2025-Mar-14, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i10.102725
PMID:40093670
|
评论 | 探讨深度学习模型在无线胶囊内镜决策过程中的应用及其伦理挑战 | 将人工智能整合到胃肠疾病诊断中，通过无线胶囊内镜实现多类别病变的早期实时精准检测 | 存在患者隐私、数据安全和诊断偏差等伦理问题，需要多样化数据集来缓解不平等 | 评估人工智能在胃肠病学临床实践中的诊断价值和伦理考量 | 胃肠疾病患者，特别是小肠病变和癌前息肉患者 | 数字病理 | 胃肠疾病 | 无线胶囊内镜 | 深度学习 | 内镜图像 | NA | NA | NA | 诊断准确率 | NA |
| 47 | 2025-10-06 |
Automatic Brain Segmentation for PET/MR Dual-Modal Images Through a Cross-Fusion Mechanism
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3516012
PMID:40030515
|
研究论文 | 提出一种基于交叉融合机制的PET/MR双模态图像自动脑部分割方法 | 引入交叉融合机制处理PET和MR双模态图像，通过UX-Net和交叉融合块实现特征提取与融合 | 未明确说明方法在临床实践中的具体验证结果 | 实现精确的脑部区域分割以辅助神经系统疾病的检测与诊断 | PET/MR双模态脑部图像 | 医学图像分析 | 神经系统疾病 | PET/MR双模态成像 | 深度学习 | 3D医学图像 | NA | NA | UX-Net, 3DUXNET, SwinUNETR, UNETR, nnFormer, UNet3D, NestedUNet, ResUNet, VNet | Dice系数, Jaccard指数, 敏感度, 精确度, Hausdorff距离, 皮尔逊相关系数 | NA |
| 48 | 2025-10-06 |
Human Activity Recognition Using Deep Residual Convolutional Network Based on Wearable Sensors
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3510860
PMID:40030576
|
研究论文 | 提出一种基于可穿戴传感器的人类活动识别深度学习模型DKInception | 集成深度卷积残差网络与注意力机制，利用多尺度卷积核高效提取时间特征进行活动识别 | NA | 开发准确的人类活动识别方法以监测人类日常活动和健康行为 | 人类日常活动数据 | 机器学习 | NA | 可穿戴传感器技术 | CNN | 传感器时序数据 | 四个基准HAR数据集：UCI-HAR, Opportunity, Daphnet, PAMAP2 | NA | Inception ResNet | 准确率 | NA |
| 49 | 2025-10-06 |
TrGPCR: GPCR-Ligand Binding Affinity Prediction Based on Dynamic Deep Transfer Learning
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3307928
PMID:37610904
|
研究论文 | 提出基于动态深度迁移学习的GPCR-配体结合亲和力预测方法TrGPCR | 采用动态迁移学习解决GPCR数据不足问题，并引入蛋白质二级结构（口袋）作为特征 | GPCR已知数据仅数千条，对深度学习训练仍显不足 | 预测G蛋白偶联受体与配体的结合亲和力以辅助药物开发 | GPCR受体与配体的结合亲和力 | 机器学习 | NA | 动态深度迁移学习 | 深度学习 | 蛋白质序列数据、二级结构数据 | 数千条GPCR数据（源域：BindingDB数据库，目标域：GLASS数据库） | NA | TrGPCR | RMSE, MAE | NA |
| 50 | 2025-10-06 |
Multi-Omics Deep-Learning Prediction of Homologous Recombination Deficiency-Like Phenotype Improved Risk Stratification and Guided Therapeutic Decisions in Gynecological Cancers
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3308440
PMID:37616142
|
研究论文 | 开发了一种名为MODeepHRD的多组学深度学习框架，用于预测妇科癌症中的同源重组缺陷表型 | 提出卷积注意力自编码器，有效利用组学特异性和跨组学互补知识学习 | NA | 改善妇科癌症风险分层并指导治疗决策 | 卵巢癌、乳腺癌和子宫内膜癌患者 | 机器学习 | 妇科癌症 | 转录组学、DNA甲基化、突变数据 | 深度学习 | 多组学数据 | 训练集351例卵巢癌患者，验证集22个数据集的2133例卵巢癌样本 | NA | 卷积注意力自编码器 | 风险比(HR), 置信区间(CI), log-rank检验 | NA |
| 51 | 2025-10-06 |
HiSIF-DTA: A Hierarchical Semantic Information Fusion Framework for Drug-Target Affinity Prediction
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3334239
PMID:37983161
|
研究论文 | 提出一种用于药物-靶点亲和力预测的分层语义信息融合框架HiSIF-DTA | 构建包含低阶结构语义和高阶功能语义的分层蛋白质图，并设计两种分层融合策略整合不同蛋白质语义 | NA | 提高药物-靶点亲和力预测的准确性 | 药物-靶点相互作用 | 机器学习 | NA | 深度学习 | 图神经网络 | 蛋白质序列数据、蛋白质结构数据、蛋白质-蛋白质相互作用网络数据 | NA | NA | 分层语义信息融合框架 | 预测精度 | NA |
| 52 | 2025-10-06 |
Decoding Drug Response With Structurized Gridding Map-Based Cell Representation
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3342280
PMID:38090819
|
研究论文 | 提出一种基于结构化网格图细胞表示的新策略DD-Response，用于预测细胞系药物反应 | 通过源特定标签二值化整合多数据集扩展训练域，开发二维结构化网格图表示方法避免特征相关性忽略，构建双分支多通道CNN模型实现精准预测 | 未明确说明模型在临床应用中的具体验证范围和局限性 | 开发更全面的细胞系药物反应预测方法以促进药物开发、重利用和耐药逆转 | 细胞系和药物 | 机器学习 | 癌症 | NA | CNN | 结构化网格图 | NA | NA | 双分支多通道卷积神经网络 | NA | NA |
| 53 | 2025-10-06 |
MOPDDI: Predicting Drug-Drug Interaction Events Based on Multimodal Mutual Orthogonal Projection and Intermodal Consistency Loss
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3343911
PMID:38109247
|
研究论文 | 提出基于多模态互正交投影和模态间一致性损失的药物相互作用事件预测新方法 | 首次引入多模态互正交投影模块消除模态间冗余共同信息，并采用模态间一致性损失确保各模态预测特征的一致性 | 未明确说明方法在未知药物相互作用预测上的泛化能力 | 准确预测药物相互作用事件机制 | 药物相互作用事件 | 机器学习 | NA | 多模态数据分析 | 深度学习 | 多模态药物数据 | NA | NA | 多模态互正交投影模块 | 准确率, AUPR | NA |
| 54 | 2025-10-06 |
Prediction of Drug-Target Interactions With High- Quality Negative Samples and a Network-Based Deep Learning Framework
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3354953
PMID:38227407
|
研究论文 | 本文提出了一种基于高质量负样本选择和网络深度学习的药物-靶点相互作用预测方法 | 发现随机选择负样本的隐藏偏差并提出基于复杂网络理论的负样本选择方法，构建整合多源信息的异质图神经网络预测框架 | 未明确说明模型的计算复杂度和在实际药物发现中的验证效果 | 提高药物-靶点相互作用预测的准确性和可靠性 | 药物分子和蛋白质靶点 | 机器学习 | NA | 图神经网络，异质网络分析 | 图神经网络 | 网络拓扑数据，基因本体注释，通路注释 | NA | NA | 异质图神经网络 | NA | NA |
| 55 | 2025-10-06 |
Dual Representation Learning for Predicting Drug-Side Effect Frequency Using Protein Target Information
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3350083
PMID:38241108
|
研究论文 | 提出一种基于深度学习的药物副作用频率预测模型，利用蛋白质靶点信息等多源异质特征 | 首次同时利用药物靶蛋白信息、分子图、指纹和化学相似性等多源异质特征，并学习药物和副作用的双重表示向量 | 对于没有明确靶蛋白的药物预测效果较差，需通过Adaboost方法进行补偿 | 预测药物副作用频率，评估治疗风险和药物重定位 | 药物及其副作用 | 机器学习 | NA | 深度学习 | 深度学习 | 分子图、指纹、化学相似性、蛋白质靶点信息 | NA | NA | 双重表示学习 | NA | NA |
| 56 | 2025-10-06 |
AEGNN-M:A 3D Graph-Spatial Co-Representation Model for Molecular Property Prediction
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3368608
PMID:38386576
|
研究论文 | 提出一种名为AEGNN-M的3D图-空间协同表示模型，用于准确预测分子性质 | 结合GAT和EGNN两种图神经网络，同时学习分子图表示和3D空间结构表示 | 未明确说明模型的计算复杂度或训练时间限制 | 改进药物开发过程，提高分子性质预测准确性 | 分子性质预测 | 机器学习 | 乳腺癌 | 计算机辅助药物发现(CADD) | 图神经网络(GNN) | 分子结构数据 | 7个公共数据集(3个回归数据集和14个乳腺癌细胞系表型筛选数据集) | NA | GAT, EGNN | NA | NA |
| 57 | 2025-10-06 |
BINDTI: A Bi-Directional Intention Network for Drug-Target Interaction Identification Based on Attention Mechanisms
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3375025
PMID:38457318
|
研究论文 | 提出了一种基于注意力机制的双向意图网络BINDTI，用于药物-靶点相互作用识别 | 开发了结合双向意图网络和ACmix混合模型的新型端到端DTI识别框架，能更精确表示药物和蛋白质特征 | NA | 提高药物-靶点相互作用预测的准确性和效率 | 药物分子和蛋白质靶点 | 生物信息学 | NA | 深度学习 | 图卷积网络,自注意力机制,卷积神经网络,多层感知机 | 分子图结构,氨基酸序列 | BindingDB、BioSNAP、DrugBank和Human数据集 | NA | GCN,ACmix,双向意图网络,多层感知机 | 准确性 | NA |
| 58 | 2025-10-06 |
Property-Guided Few-Shot Learning for Molecular Property Prediction With Dual-View Encoder and Relation Graph Learning Network
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3381896
PMID:38536684
|
研究论文 | 提出一种用于分子性质预测的属性引导少样本学习模型PG-DERN | 引入双视图编码器整合节点和子图信息，构建关系图学习模块改善信息传播效率，设计属性引导特征增强模块传递相似属性信息 | NA | 解决药物发现中分子性质预测任务在数据有限场景下的准确性问题 | 药物分子 | 机器学习 | NA | 少样本学习 | 图神经网络,元学习 | 分子结构数据 | 四个基准数据集 | NA | 双视图编码器,关系图学习网络,MAML | 准确率 | NA |
| 59 | 2025-10-06 |
Multimodal Drug Target Binding Affinity Prediction Using Graph Local Substructure
2025-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3386815
PMID:38598378
|
研究论文 | 提出一种基于图局部子结构的多模态药物靶点结合亲和力预测模型MLSDTA | 通过交叉注意力机制实现多模态特征融合，采用自适应结构感知池化生成包含局部子结构信息的图，并利用DropNode策略增强分子间区分度 | 仅在两个基准数据集上进行实验验证，缺乏更广泛的数据集测试 | 预测药物靶点结合亲和力以降低药物开发成本和时间 | 药物分子和靶点蛋白质 | 机器学习 | NA | 深度学习 | 图神经网络,注意力机制 | 图结构数据,序列数据 | 两个基准数据集 | NA | MLSDTA | NA | NA |
| 60 | 2025-10-06 |
[Artificial intelligence in healthcare]
2025-Mar, Klinicka mikrobiologie a infekcni lekarstvi
PMID:40678962
|
综述 | 本文概述了人工智能在医疗领域的历史、原理及具体应用 | 系统总结了AI在医学影像、文档分析和临床决策支持中的综合应用 | 存在潜在错误、伦理困境和误用风险 | 探讨人工智能在医疗保健领域的应用与挑战 | 医疗人工智能技术及应用 | 医疗人工智能 | NA | 机器学习，深度学习，神经网络 | NA | 医学影像，医疗文档，临床数据 | NA | NA | NA | NA | NA |