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 1342 篇文献，本页显示第 921 - 940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 921 | 2025-04-02 |
Enrichment Analysis and Deep Learning in Biomedical Ontology: Applications and Advancements
2025-Mar-31, Chinese medical sciences journal = Chung-kuo i hsueh k'o hsueh tsa chih
DOI:10.24920/004464
PMID:40164517
|
review | 本文综述了基于生物医学本体结构及语义注释特性的富集分析和深度学习方法，强调了技术进步如何更全面地利用本体信息 | 结合富集分析和深度学习技术，探索生物医学本体的新应用和进展 | NA | 推动生物医学研究的发展，探索生物医学本体在大数据技术下的新应用 | 生物医学本体 | machine learning | NA | 富集分析, deep learning | deep learning | multi-dimensional, heterogeneous biomedical big data | NA | NA | NA | NA | NA |
| 922 | 2025-04-02 |
Advances in AI-based strategies and tools to facilitate natural product and drug development
2025-Mar-30, Critical reviews in biotechnology
IF:8.1Q1
DOI:10.1080/07388551.2025.2478094
PMID:40159111
|
综述 | 本文综述了人工智能在天然产物和药物开发中的应用及其进展 | 详细介绍了AI如何通过深度学习和自动化生物信息学平台加速天然产物的发现和药物开发 | 未提及具体AI工具或方法的局限性 | 探讨AI在天然产物和药物开发中的应用及其潜力 | 天然产物及其衍生物 | 机器学习 | NA | 深度学习、集成自动化生物信息学平台、质谱和核磁共振 | 神经网络 | 质谱数据、核磁共振数据 | NA | NA | NA | NA | NA |
| 923 | 2025-10-07 |
Deep Learning of Proteins with Local and Global Regions of Disorder
2025-Mar-29, ArXiv
PMID:40034137
|
研究论文 | 提出了一种名为IDPForge的新型机器学习方法，用于生成包含内在无序区域的全原子蛋白质结构 | 利用transformer蛋白质语言扩散模型直接生成全原子无序蛋白质构象，无需序列特异性训练、粗粒度表示反变换或系综重加权 | NA | 开发能够准确预测内在无序蛋白质和区域结构的新计算方法 | 内在无序蛋白质和区域 | 机器学习 | NA | 扩散模型 | transformer | 蛋白质序列数据 | NA | NA | transformer | 与溶液实验数据的一致性 | NA |
| 924 | 2025-04-02 |
Comparative analysis of dehazing algorithms on real-world hazy images
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95510-z
PMID:40155458
|
review | 本文对真实世界雾霾图像上的去雾算法进行了比较分析 | 比较了深度学习方法与基于先验的恢复技术，特别是在处理密集和非均匀雾霾方面的表现 | 物理驱动的单图像去雾算法缺乏鲁棒性，数据驱动方法在薄雾条件下表现良好但在密集雾霾中表现不佳 | 确保计算机视觉应用（如智能交通、视频监控、天气预报和遥感）的可靠运行 | 真实世界的雾霾图像 | computer vision | NA | image dehazing techniques | deep learning methods, restoration-based techniques | image | real-world hazy images | NA | NA | NA | NA |
| 925 | 2025-04-02 |
Comparative analysis of daily global solar radiation prediction using deep learning models inputted with stochastic variables
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95281-7
PMID:40155686
|
研究论文 | 比较分析使用深度学习模型输入随机变量预测每日全球太阳辐射（DGSR）的性能 | 比较了四种不同的ANN模型（RBFNN、LSTMNN、MNN和TM）在DGSR预测中的性能，并使用了不同的气象随机变量组合 | 未提及样本量或具体的地理位置数据，可能影响模型的泛化能力 | 提高光伏发电的预测准确性 | 每日全球太阳辐射（DGSR） | 机器学习 | NA | 人工神经网络（ANN） | RBFNN, LSTMNN, MNN, TM | 时间序列数据 | NA | NA | NA | NA | NA |
| 926 | 2025-10-07 |
SIMVI disentangles intrinsic and spatial-induced cellular states in spatial omics data
2025-Mar-27, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58089-7
PMID:40148341
|
研究论文 | 提出一种名为SIMVI的无注释深度学习框架，用于解耦空间组学数据中的细胞内在变异性和空间诱导效应 | 通过变分推理方法严格区分细胞内在状态和空间诱导状态，实现单细胞分辨率下的空间效应估计 | NA | 开发能够准确解析空间组学数据中细胞状态的计算方法 | 空间组学数据中的细胞状态和细胞间相互作用 | 生物信息学 | 黑色素瘤 | 空间组学技术 | 变分自编码器 | 空间组学数据 | 多平台多组织数据集，包括新收集的CosMx黑色素瘤队列数据 | 深度学习框架 | 变分推理模型 | NA | NA |
| 927 | 2025-04-02 |
Automated Aortic Regurgitation Detection and Quantification: A Deep Learning Approach Using Multi-View Echocardiography
2025-Mar-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.18.25323918
PMID:40166551
|
research paper | 本研究开发并验证了一种基于深度学习的模型，用于从多视角彩色多普勒超声心动图视频中自动评估主动脉瓣反流（AR）的严重程度 | 使用多视角彩色多普勒超声心动图视频，开发了视频卷积神经网络（R2+1D）模型，能够自动分类AR严重程度，并在外部验证中表现出色 | 临床解释在复杂病例中仍然必要，特别是存在多瓣膜病变或血流动力学改变的情况 | 开发一种自动化工具，用于准确评估主动脉瓣反流的严重程度，以支持早期检测和慢性疾病管理 | 主动脉瓣反流（AR）患者 | digital pathology | cardiovascular disease | 彩色多普勒超声心动图 | R2+1D CNN | video | 训练集：47,638个视频（来自32,396项研究，23,240名患者）；外部验证集：3,369个视频（来自1,504项研究，1,493名患者） | NA | NA | NA | NA |
| 928 | 2025-04-02 |
A precision health approach to medication management in neurodivergence: a model development and validation study using four international cohorts
2025-Mar-15, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.12.25323683
PMID:40162292
|
研究论文 | 本研究开发并验证了AI模型，用于预测神经发育异常儿童对精神药物的反应，以提高药物管理的精准性 | 首次开发AI模型预测神经发育异常儿童对兴奋剂、抗抑郁药和抗精神病药的反应，并在四个国际队列中进行验证 | 研究中发现的社会人口统计学因素偏差需要解决，以确保治疗建议的公平性 | 提高神经发育异常儿童精神药物管理的精准性和个性化 | 神经发育异常儿童 | 机器学习 | 神经发育障碍 | AI模型 | stacked ensemble models | 电子医疗记录(EMRs)和儿童行为检查表数据 | 四个队列共5070名儿童（POND=598，HBN=1764，ABCD=2396，PPP=312） | NA | NA | NA | NA |
| 929 | 2025-10-07 |
DeepPrep: an accelerated, scalable and robust pipeline for neuroimaging preprocessing empowered by deep learning
2025-Mar, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02599-1
PMID:39915693
|
研究论文 | 提出了一种基于深度学习的神经影像预处理加速管道DeepPrep，能够显著提升处理效率 | 结合深度学习与工作流管理器，实现了十倍加速，具备可扩展性和鲁棒性 | NA | 解决神经影像大数据预处理中的计算挑战 | 神经影像数据 | 医学影像处理 | NA | 深度学习 | NA | 神经影像扫描数据 | 超过55,000次扫描 | NA | NA | 加速比，可扩展性，鲁棒性 | NA |
| 930 | 2025-10-07 |
MARBLE: interpretable representations of neural population dynamics using geometric deep learning
2025-Mar, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02582-2
PMID:39962310
|
研究论文 | 提出一种名为MARBLE的表示学习方法，使用几何深度学习分解神经流形上的动力学过程并映射到共同潜在空间 | 首次将几何深度学习应用于神经群体动力学，通过局部流场分解和潜在空间映射获得跨网络和动物一致的可解释表示 | 方法性能依赖于神经数据确实具有低维流形结构的假设 | 开发能够推断可解释且一致潜在表示的神经动力学学习方法 | 非线性动力系统、循环神经网络、灵长类和啮齿类动物的单神经元记录 | 机器学习 | NA | 几何深度学习 | 几何深度学习模型 | 神经记录数据 | 模拟系统和实验动物记录（具体数量未明确说明） | NA | MARBLE | 解码准确度 | NA |
| 931 | 2025-02-19 |
Interpreting and comparing neural activity across systems by geometric deep learning
2025-Mar, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02581-3
PMID:39962313
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 932 | 2025-10-07 |
Toward a rapid, sensitive, user-friendly, field-deployable artificial intelligence tool for enhancing African swine fever diagnosis and reporting
2025-Mar-01, American journal of veterinary research
IF:1.3Q2
DOI:10.2460/ajvr.24.10.0305
PMID:40023145
|
研究论文 | 开发一种基于深度学习和智能手机的人工智能工具，用于提高非洲猪瘟侧向流动检测试纸条读取的准确性 | 首次将YOLO模型应用于非洲猪瘟侧向流动检测试纸条的智能识别，并开发了可现场部署的智能手机应用 | 数据集规模有限，模型性能在不同数据划分下存在波动 | 开发快速、灵敏、用户友好且可现场部署的AI工具以增强非洲猪瘟诊断和报告 | 非洲猪瘟侧向流动检测试纸条图像 | 计算机视觉 | 非洲猪瘟 | 侧向流动检测试纸条 | YOLO | 图像 | 未明确说明具体样本数量 | JavaScript, Azure | YOLO | 准确率, 精确率, 召回率, 灵敏度, 特异性, F1分数 | Azure云平台 |
| 933 | 2025-04-01 |
Digital twin-assisted graph matching multi-task object detection method in complex traffic scenarios
2025-Mar-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87914-8
PMID:40155390
|
研究论文 | 提出一种基于数字孪生的跨领域目标检测迁移方法，以解决交通数据收集和标注耗时耗力的问题 | 结合数字孪生技术构建虚拟交通场景数据集，并引入基于图匹配的多任务目标检测算法，通过注意力机制和对抗训练提升模型鲁棒性 | 未提及实际部署中的计算资源消耗和实时性表现 | 提升复杂交通场景下的目标检测性能 | 虚拟和真实交通场景中的目标物体 | 计算机视觉 | NA | 数字孪生、对抗训练 | 多任务网络、图匹配模块 | 图像 | 未明确说明具体样本数量，包含虚拟生成和真实交通数据集 | NA | NA | NA | NA |
| 934 | 2025-04-01 |
Synthesize multiple V/H directional beams for high altitude platform station based on deep-learning algorithm
2025-Mar-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93251-7
PMID:40155442
|
研究论文 | 本文研究了将高空平台站（HAPS）与深度学习（DL）模型相结合以增强覆盖能力的方法 | 提出了一种基于60单元同心圆阵列（CCA）和深度神经网络（DNN）与改进的引力搜索算法和粒子群优化（MGSA-PSO）算法的混合方法，以动态生成多方向垂直/水平（V/H）波束 | 未提及具体实验验证或实际部署的挑战 | 增强高空平台站（HAPS）的覆盖能力，特别是在复杂地形下的道路路径覆盖 | 高空平台站（HAPS）及其波束形成系统 | 机器学习 | NA | 深度神经网络（DNN）、改进的引力搜索算法和粒子群优化（MGSA-PSO）算法 | DNN | 仿真数据 | 使用计算机仿真技术-微波工作室套件（CST）与地球探索者（EE）用户界面工具模拟真实道路路径 | NA | NA | NA | NA |
| 935 | 2025-04-01 |
The value of predicting breast cancer with a DBT 2.5D deep learning model
2025-Mar-29, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-02170-6
PMID:40155449
|
research paper | 评估基于数字乳腺断层合成（DBT）的2.5维深度学习模型在预测乳腺癌中的准确性和有效性 | 结合2.5维特征集和临床数据构建综合预测模型，展示深度学习与放射组学结合在乳腺癌早期诊断中的潜力 | 研究基于回顾性数据，样本量相对较小（361例），可能影响模型的泛化能力 | 提高乳腺癌术前预测的准确性 | 乳腺癌肿瘤病变患者 | digital pathology | breast cancer | digital breast tomosynthesis (DBT) | DCNN, logistic regression, LightGBM, multilayer perceptron | image | 361例乳腺癌患者（2018-2020年山东第一医科大学附属山东省立医院数据） | NA | NA | NA | NA |
| 936 | 2025-04-01 |
A DEM super resolution reconstruction method based on normalizing flow
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94274-w
PMID:40148492
|
research paper | 提出一种基于归一化流的DEM超分辨率重建方法，通过可逆网络模型学习高分辨率DEM的条件分布 | 首次将归一化流引入DEM超分辨率重建，通过可逆网络模型显式建模高分辨率DEM的条件分布 | 未讨论模型在极端地形条件下的表现 | 解决DEM超分辨率重建中的模糊和伪影问题 | 数字高程模型(DEM)图像 | computer vision | NA | 归一化流(normalizing flow) | 可逆网络模型 | DEM图像 | 未明确说明样本数量 | NA | NA | NA | NA |
| 937 | 2025-04-01 |
Effects of a deep learning-based image quality enhancement method on a digital-BGO PET/CT system for 18F-FDG whole-body examination
2025-Mar-28, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-025-00742-7
PMID:40148660
|
research paper | 本研究评估了数字BGO PET/CT系统中基于深度学习的图像质量增强方法（PDL）对18F-FDG全身检查的影响 | 结合BSREM图像重建和深度学习的TOF-like图像质量增强过程（PDL），显著提高了图像质量和病变的SUVmax | 研究仅基于Omni Legend 32 PET/CT系统，结果可能不适用于其他系统 | 评估PDL在数字BGO PET/CT系统中的基本特性和对图像质量的影响 | NEMA IEC体模和30例临床全身18F-FDG PET/CT检查 | digital pathology | NA | PET/CT成像，深度学习图像增强 | 深度学习（PDL） | 图像 | 30例临床全身18F-FDG PET/CT检查 | NA | NA | NA | NA |
| 938 | 2025-04-01 |
UrbanEV: An Open Benchmark Dataset for Urban Electric Vehicle Charging Demand Prediction
2025-Mar-28, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04874-4
PMID:40155635
|
research paper | 介绍了一个名为UrbanEV的开放数据集，用于预测城市电动汽车充电需求 | 提供了首个涵盖充电站占用率、时长、用电量和价格等多维度数据的开放数据集，并包含天气和空间邻近性等影响因素 | 数据仅来自深圳一个城市，可能无法完全代表其他地区的充电需求模式 | 推动电动汽车充电需求预测和管理的研究 | 电动汽车充电站 | machine learning | NA | NA | 统计模型、深度学习和基于transformer的方法 | 时间序列数据 | 超过20,000个充电站，时间跨度为六个月 | NA | NA | NA | NA |
| 939 | 2025-04-01 |
An optimized deep learning based hybrid model for prediction of daily average global solar irradiance using CNN SLSTM architecture
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95118-3
PMID:40155655
|
研究论文 | 本研究开发了一种结合CNN和SLSTM的混合深度学习模型，用于预测每日平均全球太阳辐照度 | 提出了一种结合CNN和SLSTM的混合模型，并使用黏菌优化算法优化超参数，提高了预测精度 | 未提及模型在其他地理区域的泛化能力 | 开发高精度的太阳辐照度预测模型以优化光伏系统并网 | 每日平均全球太阳辐照度 | 机器学习 | NA | 递归特征消除技术、十倍交叉验证技术 | CNN-SLSTM | 气象参数和太阳辐照度数据 | 未明确说明样本数量 | NA | NA | NA | NA |
| 940 | 2025-04-01 |
A novel deep learning radiopathomics model for predicting carcinogenesis promotor cyclooxygenase-2 expression in common bile duct in children with pancreaticobiliary maljunction: a multicenter study
2025-Mar-27, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01951-5
PMID:40146354
|
研究论文 | 开发并验证了一种整合放射学和病理学影像数据的深度学习放射病理学模型（DLRPM），用于预测儿童胰胆管合流异常（PBM）患者胆道环氧合酶-2（COX-2）的表达 | 首次提出了一种整合CT和组织病理学图像的深度学习放射病理学模型（DLRPM），用于预测PBM患者胆道COX-2表达 | 需要前瞻性多中心研究进一步验证其泛化性 | 预测儿童胰胆管合流异常患者胆道COX-2的表达 | 219例PBM患者 | 数字病理 | 胰胆管合流异常 | 免疫组织化学、深度学习 | DLRPM | CT图像、H&E染色组织病理学切片 | 219例（训练集104例，内部测试集71例，外部测试集44例） | NA | NA | NA | NA |