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 1347 篇文献，本页显示第 781 - 800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2025-04-23 |
Evaluating the Impact of Attention Mechanisms on a Fine-Tuned Neural Network for Magnetic Resonance Imaging Tumor Classification: A Comparative Analysis
2025-Mar, Cureus
DOI:10.7759/cureus.80872
PMID:40255713
|
研究论文 | 本研究评估了不同注意力机制对基于ResNet50V2的MRI肿瘤分类模型的影响 | 比较了五种注意力机制在MRI肿瘤分类中的效果，发现SE机制表现最佳 | 未探索混合注意力机制（如基于Transformer的模型）的应用 | 评估注意力机制对MRI肿瘤分类模型性能的影响 | 脑部MRI扫描中的脑膜瘤、胶质瘤、垂体瘤和无肿瘤病例 | 计算机视觉 | 脑肿瘤 | 深度学习 | ResNet50V2, SE, CBAM, SA, AGNet | MRI图像 | 3,096个标注的MRI扫描 | NA | NA | NA | NA |
| 782 | 2025-04-22 |
Computational methods for binding site prediction on macromolecules
2025-Mar-12, Quarterly reviews of biophysics
IF:7.2Q1
DOI:10.1017/S003358352500006X
PMID:40071518
|
综述 | 本文综述了利用机器学习方法预测大分子结合位点的最新进展 | 分类了基于大分子序列、结构、模板知识、几何和能量特性的编码方法，并根据相互作用分子类型（小分子、肽和离子）对方法进行了分类 | 强调了基于深度学习方法的最新技术的局限性 | 推进药物发现，通过识别药理学靶点中的新结合位点，促进基于结构的命中识别和先导优化 | 蛋白质和RNA等生物分子结构 | 计算生物学 | NA | 机器学习 | 深度学习 | 序列、结构、模板知识、几何和能量特性数据 | NA | NA | NA | NA | NA |
| 783 | 2025-04-22 |
DMGAT: predicting ncRNA-drug resistance associations based on diffusion map and heterogeneous graph attention network
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf179
PMID:40251829
|
research paper | 该研究提出了一种名为DMGAT的新型深度学习模型，用于预测非编码RNA（ncRNA）与药物抗性之间的关联 | DMGAT整合了扩散映射进行序列嵌入、图卷积网络进行特征提取以及图注意力网络（GAT）进行异质信息融合，同时采用随机森林分类器选择可靠的负样本以解决数据集不平衡问题 | 模型性能可能受到数据集不平衡和稀疏性的限制 | 预测ncRNA与药物抗性之间的关联，以识别潜在的生物标志物和治疗靶点 | 非编码RNA（ncRNA）和药物 | machine learning | NA | word2vec, 扩散映射, 图卷积网络, 图注意力网络（GAT） | DMGAT（基于扩散映射和异质图注意力网络的深度学习模型） | 序列数据（ncRNA序列和药物SMILES） | 来自NoncoRNA和ncDR的精选数据集 | NA | NA | NA | NA |
| 784 | 2025-04-22 |
A graph neural network approach for accurate prediction of pathogenicity in multi-type variants
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf151
PMID:40251830
|
research paper | 提出了一种基于图神经网络的多模态注释致病性预测方法GNN-MAP，用于准确预测人类疾病相关基因中的致病性变异 | GNN-MAP能够有效整合多模态注释和变异间的相似性关系，准确预测多种类型变异的致病性，尤其在罕见变异和高度不平衡数据集上表现优异 | NA | 提高人类疾病相关基因中致病性变异的预测准确性，以辅助临床决策 | 人类疾病相关基因中的多类型变异 | machine learning | inherited retinal disease | graph neural network | GNN | multimodal annotations | ClinVar数据集 | NA | NA | NA | NA |
| 785 | 2025-10-07 |
Automatic mandibular third molar and mandibular canal relationship determination based on deep learning models for preoperative risk reduction
2025-Mar-25, Clinical oral investigations
IF:3.1Q1
DOI:10.1007/s00784-025-06285-6
PMID:40128451
|
研究论文 | 本研究探索基于深度学习模型对下颌第三磨牙与下颌管空间关系进行自动分类的方法 | 首次将多种先进卷积神经网络应用于下颌第三磨牙与下颌管关系的自动分类，实现高达99.44%的准确率 | 仅使用305例锥形束CT扫描数据，样本量相对有限 | 通过深度学习模型提高术前下颌第三磨牙与下颌管关系分类的准确性和一致性 | 下颌第三磨牙与下颌管的空间关系 | 计算机视觉 | 口腔疾病 | 锥形束计算机断层扫描 | CNN | 医学影像 | 305例锥形束CT扫描 | NA | MobileNet, Xception, DenseNet201 | 准确率 | NA |
| 786 | 2025-10-07 |
Accuracy of vestibular schwannoma segmentation using deep learning models - a systematic review & meta-analysis
2025-Mar, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-024-03449-1
PMID:39179652
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估深度学习模型在前庭神经鞘瘤分割中的准确性 | 首次对前庭神经鞘瘤深度学习分割算法进行系统性评估和荟萃分析 | 仅基于现有文献分析，未进行原始实验验证 | 评估深度学习算法在前庭神经鞘瘤MRI图像分割中的应用现状和准确性 | 前庭神经鞘瘤患者 | 医学影像分析 | 前庭神经鞘瘤 | MRI | 深度学习模型 | 医学影像 | NA | NA | NA | 分割准确性 | NA |
| 787 | 2025-10-07 |
[Three-Dimensional Reconstruction Technique and Its Application of Binocular Endoscopic Images Based on Deep Learning]
2025-Mar-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation
DOI:10.12455/j.issn.1671-7104.240293
PMID:40246717
|
研究论文 | 探讨基于深度学习的双目内窥镜图像三维重建关键技术及实现方法 | 将深度学习技术应用于双目内窥镜三维重建，显著提升重建精度和实时性能 | NA | 提升内窥镜图像三维重建质量，为临床精准医疗提供技术支持 | 双目内窥镜图像 | 计算机视觉 | NA | 三维重建技术 | 深度学习 | 内窥镜图像 | NA | NA | NA | NA | NA |
| 788 | 2025-10-07 |
ConfuseNN: Interpreting convolutional neural network inferences in population genomics with data shuffling
2025-Mar-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.24.644668
PMID:40196528
|
研究论文 | 提出ConfuseNN方法，通过系统性地打乱单倍型矩阵数据来评估不同群体遗传特征对卷积神经网络性能的贡献 | 开发了基于数据打乱的CNN解释方法，能够系统评估群体遗传学中不同特征对神经网络推理的影响 | 依赖于模拟的训练和测试数据设计，网络架构存在局限性 | 解释卷积神经网络在群体基因组学推理中的行为机制 | 群体遗传特征包括连锁不平衡、等位基因频率等 | 机器学习 | NA | 群体基因组学分析 | CNN | 单倍型矩阵 | NA | NA | CNN | NA | NA |
| 789 | 2025-10-07 |
Generative frame interpolation enhances tracking of biological objects in time-lapse microscopy
2025-Mar-26, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.23.644838
PMID:40196554
|
研究论文 | 本研究探索生成式视频帧插值技术在增强延时显微镜图像时序分辨率及改善生物对象追踪能力方面的应用 | 提出通过增强图像数据集来适应追踪算法的新范式，而非传统调整算法适应数据集的方法 | 未对算法进行数据集特定的重新训练，可能在某些特定场景下性能有限 | 评估生成式视频帧插值技术是否能增强延时显微镜的时序分辨率并促进生物对象追踪 | 荧光标记的细胞核、细菌、酵母、癌细胞和类器官等生物对象 | 计算机视觉 | 癌症 | 延时显微镜成像 | 扩散模型, CNN | 显微镜视频图像 | 多个生物场景下的测试图像时间序列 | NA | LDMVFI, RIFE, CDFI, FILM | 结构图像相似性, 分割结果相似度 | NA |
| 790 | 2025-10-07 |
The Real-World Impact of Vestibular Schwannoma Fully Automated Volume Measures on the Evaluation of Size Change and Clinical Management Outcomes in a Multidisciplinary Meeting Setting
2025-Mar-25, The journal of international advanced otology
IF:1.0Q3
DOI:10.5152/iao.2025.241693
PMID:40208025
|
研究论文 | 评估在MDM准备阶段提供全自动前庭神经鞘瘤体积测量对肿瘤大小变化评估和临床管理决策的影响 | 首次在真实世界MDM环境中比较线性测量与全自动深度学习体积测量对临床决策的影响 | 样本量较小（50例患者），单中心研究 | 确定全自动体积测量是否比线性测量更能影响前庭神经鞘瘤的放射学评估和临床管理决策 | 50例成人单侧散发性前庭神经鞘瘤患者 | 医学影像分析 | 前庭神经鞘瘤 | 磁共振成像 | 深度学习 | 医学影像 | 50例患者，57次MRI间隔比较 | NA | NA | Wilcoxon符号秩检验 | NA |
| 791 | 2025-10-07 |
Two-stage augmentation for detecting malignancy of BI-RADS 3 lesions in early breast cancer
2025-Mar-24, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-13960-0
PMID:40128762
|
研究论文 | 本研究提出一种两阶段增强方法，通过深度学习提高乳腺超声图像中BI-RADS 3恶性病变的检测率 | 提出结合恶性特征增强和数据增强的两阶段增强方法，并在双分支ResNet50分类模型上验证其有效性 | 样本量相对有限，恶性病变数量较少（SW测试集18例，TS测试集7例） | 提高乳腺超声图像中BI-RADS 3恶性病变的检测准确率 | 乳腺BI-RADS 3病变的超声图像 | 计算机视觉 | 乳腺癌 | 乳腺超声成像 | CNN | 图像 | 1,275个病灶（来自1,096名患者），其中开发数据集629个，内部测试集218个，外部测试集428个 | NA | ResNet50, Dual-ResNet50 | AUC, 敏感性 | NA |
| 792 | 2025-10-07 |
Using Deep Learning to Perform Automatic Quantitative Measurement of Masseter and Tongue Muscles in Persons With Dementia: Cross-Sectional Study
2025-Mar-19, JMIR aging
IF:5.0Q1
DOI:10.2196/63686
PMID:40106819
|
研究论文 | 本研究使用深度学习技术对痴呆症患者头部MRI图像中的肌肉组织进行自动分割和定量测量 | 首次将深度学习模型应用于痴呆症患者头部MRI中咬肌和舌肌的自动定量测量 | 样本量较小（53名参与者），且为横断面研究设计 | 评估深度学习技术在神经认知障碍患者头部MRI中肌肉组织分割和定量的可行性 | 痴呆症患者的头部MRI图像 | 医学影像分析 | 痴呆症 | 磁共振成像 | U-Net | 医学影像 | 53名参与者 | NA | U-Net | Dice相似系数,平均对称表面距离 | NA |
| 793 | 2025-10-07 |
Artificial intelligence-based diagnosis of breast cancer by mammography microcalcification
2025-Mar, Fundamental research
IF:5.7Q1
DOI:10.1016/j.fmre.2023.04.018
PMID:40242534
|
研究论文 | 开发基于深度学习的自动化管道用于乳腺X线摄影微钙化点检测与分类，以促进乳腺癌早期诊断 | 提出端到端的深度学习管道，不仅能提供乳腺X线摄影分类结果，还能自动标注特定钙化区域，并探索基于深度学习的病理亚型和雌激素受体状态分类 | 测试集分类准确度(0.7237)低于训练集(0.8124)，模型泛化能力有待进一步提升 | 开发人工智能系统辅助乳腺癌筛查、诊断和治疗 | 乳腺X线摄影图像中的微钙化病灶 | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | 深度学习 | 图像 | 4,810张乳腺X线摄影图像，包含6,663个微钙化病灶(3,301个恶性，3,362个良性) | NA | NA | 准确度, 敏感度 | NA |
| 794 | 2025-10-07 |
Lit-OTAR framework for extracting biological evidences from literature
2025-Mar-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf113
PMID:40097274
|
研究论文 | 介绍用于从科学文献中提取生物医学证据的lit-OTAR深度学习框架 | 首个结合命名实体识别和实体归一化技术，专门针对药物发现领域的大规模文献挖掘框架 | NA | 加速药物靶点识别和验证过程 | 科学文献中的基因/蛋白质、疾病、生物体和化学物/药物实体 | 自然语言处理 | NA | 深度学习 | NA | 文本 | 超过3900万篇摘要和450万篇全文文章及预印本 | NA | NA | NA | NA |
| 795 | 2025-10-07 |
H2GnnDTI: hierarchical heterogeneous graph neural networks for drug-target interaction prediction
2025-Mar-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf117
PMID:40097269
|
研究论文 | 提出一种名为H2GnnDTI的分层异构图神经网络模型，用于药物-靶点相互作用预测 | 采用两级分层异构图学习架构，通过低层视图GNN和高层视图GNN整合药物和蛋白质结构信息，并设计了结构和属性信息融合模块 | NA | 开发计算工具自动预测和理解药物-靶点相互作用 | 药物和蛋白质 | 机器学习 | NA | 图神经网络 | GNN | 图数据 | 在三个基准数据集上进行实验 | PyTorch | 分层异构图神经网络 | NA | NA |
| 796 | 2025-10-07 |
A Unified Flexible Large Polysomnography Model for Sleep Staging and Mental Disorder Diagnosis
2025-Mar-28, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.12.11.24318815
PMID:39711704
|
研究论文 | 提出统一灵活的大型多导睡眠图模型LPSGM，用于睡眠分期和精神障碍诊断 | 整合领域自适应学习，支持可变通道配置，在跨中心泛化方面表现优异 | 未明确说明模型在特定疾病群体中的适用性限制 | 提升睡眠分期的跨中心泛化能力并支持疾病诊断微调 | 多导睡眠图数据和相关疾病患者 | 医疗人工智能 | 发作性睡病,抑郁症 | 多导睡眠图 | 深度学习模型 | 多导睡眠图信号数据 | 16个公共数据集的220,500小时PSG数据 | NA | LPSGM | 准确率 | NA |
| 797 | 2025-10-07 |
Prediction and Prioritisation of Novel Anthelmintic Candidates from Public Databases Using Deep Learning and Available Bioactivity Data Sets
2025-Mar-28, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms26073134
PMID:40243899
|
研究论文 | 本研究使用深度学习技术从公共数据库中预测和优先筛选新型抗蠕虫药物候选分子 | 首次将多层感知机分类器应用于抗蠕虫药物发现，通过处理高度不平衡的生物活性数据实现了对活性化合物的高效预测 | 训练数据中活性化合物仅占1%，存在高度不平衡问题；仅对10个候选化合物进行了实验验证 | 加速发现具有独特作用机制的新型抗蠕虫药物，以应对寄生虫对现有化疗药物的广泛耐药性问题 | 动物寄生性线虫（以捻转血矛线虫为模型系统） | 机器学习 | 寄生虫感染 | 高通量筛选、计算机筛选 | 多层感知机 | 小分子化合物生物活性数据 | 训练集：15,000个小分子化合物；筛选库：1,420万化合物（ZINC15数据库）；实验验证：10个候选化合物 | NA | 多层感知机分类器 | 精确度, 召回率 | NA |
| 798 | 2025-03-29 |
Author Correction: ThyroNet-X4 genesis: an advanced deep learning model for auxiliary diagnosis of thyroid nodules' malignancy
2025-Mar-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94090-2
PMID:40148386
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 799 | 2025-10-07 |
A deep learning model trained on expressed transcripts across different tissue types reveals cell-type codon-optimization preferences
2025-Mar-20, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf233
PMID:40156867
|
研究论文 | 开发基于深度学习的细胞类型依赖性密码子偏好优化工具 | 首次使用循环神经网络分析不同组织类型的密码子使用偏好，实现细胞类型特异性的密码子优化 | 仅测试了三种组织类型（脑、肝、肌肉），未涵盖所有细胞类型 | 开发能提高重组蛋白表达效率的密码子优化算法 | 不同组织类型中表达的转录本和分泌基因 | 自然语言处理 | NA | 基因表达数据分析 | RNN | 基因序列数据 | 三种组织类型（脑、肝、肌肉）的所有分泌基因 | NA | 循环神经网络 | 蛋白表达水平 | NA |
| 800 | 2025-10-07 |
Smart Grain Storage Solution: Integrated Deep Learning Framework for Grain Storage Monitoring and Risk Alert
2025-Mar-18, Foods (Basel, Switzerland)
DOI:10.3390/foods14061024
PMID:40232114
|
研究论文 | 提出基于深度学习框架的多模型融合方法，用于粮食仓储状态监测和风险预警 | 结合3D DenseNet和3DCNN-LSTM两种三维深度学习模型，实现粮食仓储状态分类和温度场预测的融合 | NA | 克服现有粮食仓储监测方法在风险预警和粮温空间分布分析方面的局限性 | 粮食仓储环境和粮堆温度场 | 计算机视觉 | NA | 深度学习 | 3D DenseNet, 3DCNN-LSTM | 三维粮温数据 | NA | NA | 3D DenseNet, 3DCNN-LSTM | 准确率, MAE, RMSE | NA |