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 1401 篇文献，本页显示第 761 - 780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 761 | 2025-10-07 |
Detection of Macular Neovascularization in Eyes Presenting with Macular Edema using OCT Angiography and a Deep Learning Model
2025-Apr, Ophthalmology. Retina
DOI:10.1016/j.oret.2024.10.017
PMID:39461425
|
研究论文 | 本研究开发了一种基于深度学习的人工智能算法，用于在伴有黄斑水肿的眼球中通过OCT和OCTA检测和分割黄斑新生血管 | 首次将混合多任务卷积神经网络应用于多种病因黄斑水肿患者的MNV检测与分割 | 6×6-mm扫描因采样密度较低导致MNV检测灵敏度下降 | 测试人工智能算法在黄斑水肿患者中检测和分割MNV的诊断性能 | 患有渗出性年龄相关性黄斑变性、糖尿病黄斑水肿或视网膜静脉阻塞引起的黄斑水肿的患者 | 数字病理 | 眼科疾病 | OCT, OCTA | CNN | 图像 | 114只眼（112名参与者），其中56只眼患有渗出性AMD，58只眼患有DME或RVO | NA | 混合多任务卷积神经网络 | 灵敏度, 特异性, 阳性预测值, 阴性预测值, IoU, F1分数 | NA |
| 762 | 2025-10-07 |
Multi-Omics Graph Knowledge Representation for Pneumonia Prognostic Prediction
2025-Apr, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3488735
PMID:39475733
|
研究论文 | 提出基于多组学图知识表示的肺炎预后预测模型，整合CT影像与三种非影像组学信息 | 首次将多组学图知识表示应用于肺炎预后预测，开发了多通道金字塔递归MLP和Longformer-based 3D深度学习模块 | 未明确说明样本数据的具体来源和潜在选择偏差 | 提升肺炎患者住院结局的早期预后预测准确性 | 肺炎患者 | 医学影像分析 | 肺炎 | CT成像、实验室检测、微生物检测、临床指标分析 | GCN, MLP, 深度学习 | CT影像、实验室数据、微生物数据、临床数据 | NA | NA | 多通道金字塔递归MLP, Longformer-based 3D模块, 图卷积网络 | 鲁棒性、泛化验证 | NA |
| 763 | 2025-10-07 |
Supra-second tracking and live-cell karyotyping reveal principles of mitotic chromosome dynamics
2025-04, Nature cell biology
IF:17.3Q1
DOI:10.1038/s41556-025-01637-6
PMID:40185948
|
研究论文 | 开发结合超分辨率显微镜和深度学习的FAST CHIMP方法，用于实时追踪活细胞有丝分裂过程中的染色体动态 | 首次实现以8秒分辨率追踪人类染色体从前期到末期的全过程，并能识别同源染色体对和比较母细胞与子细胞间的染色体定位 | 方法可能受限于显微镜分辨率和深度学习模型的准确性，且仅验证于人类细胞 | 研究有丝分裂过程中染色体的时空动态特征和三维基因组组织 | 活人类细胞中的有丝分裂染色体 | 计算生物学 | NA | 延时超分辨率显微镜，深度学习 | 深度学习 | 时间序列显微镜图像 | NA | NA | NA | 分辨率（8秒），同源染色体识别准确率（15/23对） | NA |
| 764 | 2025-10-07 |
A novel data-driven screening method of antidepressants stability in wastewater and the guidance of environmental regulations
2025-Apr, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2025.109427
PMID:40188602
|
研究论文 | 开发了一种基于深度学习的抗抑郁药物废水稳定性筛选方法 | 构建了MSSL-RealFormer分类模型，首次将深度学习应用于抗抑郁药物废水稳定性预测 | 仅针对66种抗抑郁药物进行研究，样本范围有限 | 建立抗抑郁药物废水稳定性的快速筛选方法和环境监管指导 | 66种抗抑郁药物及其转化产物 | 机器学习 | NA | 密度泛函理论，定量构效关系分析 | RealFormer | 分子理化性质数据 | 66种抗抑郁药物 | NA | MSSL-RealFormer | 预测准确度 | NA |
| 765 | 2025-10-07 |
Viral escape-inspired framework for structure-guided dual bait protein biosensor design
2025-Apr, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012964
PMID:40233103
|
研究论文 | 介绍了一种可推广的计算平台CTRL-V，用于设计选择性结合的双诱饵生物传感器蛋白质 | 利用病毒逃逸机制启发，开发了结合整数优化、随机采样和深度学习的结构引导生物传感器设计框架 | 需要依赖公开可用的病毒逃逸数据作为体内锚点 | 开发通用计算平台用于双诱饵生物传感器蛋白质设计 | SARS-CoV-2刺突蛋白受体结合域(RBD)和Raf激酶 | 计算生物学 | COVID-19 | 结构引导蛋白质设计 | 深度学习 | 蛋白质结构数据 | 39个SARS-CoV-2点突变，30个流行感染株，KP.2变体的7个单点突变 | PyRosetta, ProteinMPNN | NA | 突变识别准确率(20%的已知突变，70%的KP.2变体突变) | NA |
| 766 | 2025-10-07 |
Toward a unified benchmark and framework for deep learning-based prediction of nuclear magnetic resonance chemical shifts
2025-Apr, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00783-z
PMID:40155533
|
研究论文 | 提出NMRNet深度学习框架和统一基准，用于预测核磁共振化学位移 | 首次引入SE(3) Transformer进行原子环境建模，并建立了覆盖多种化学系统的综合基准 | NA | 推进深度学习在分析和结构化学中的应用，改进核磁共振化学位移预测 | 分子结构和核磁共振光谱之间的关系 | 机器学习 | NA | 核磁共振(NMR) | Transformer | 分子结构数据，光谱数据 | 基于先前研究和数据库的多样化化学系统 | PyTorch | SE(3) Transformer | NA | NA |
| 767 | 2025-04-26 |
Deep Learning Model for Diagnosing and Classifying Subtypes of Chronic Pulmonary Aspergillosis in Chest CT
2025-Apr, Mycoses
IF:4.1Q2
DOI:10.1111/myc.70061
PMID:40277031
|
研究论文 | 本研究开发了一种深度学习模型，用于在胸部CT图像中诊断和分类慢性肺曲霉病（CPA）及其亚型 | 利用人工智能生成技术和半监督学习增强模型性能，特别是在小样本、分布偏斜和多类特征的数据集上 | 数据集虽然来自多中心，但样本量仍相对较小，且外部测试集的样本数量有限 | 探索人工智能技术在慢性肺曲霉病诊断和亚型分类中的应用 | 慢性肺曲霉病（CPA）患者及其CT图像 | 数字病理学 | 肺曲霉病 | 深度学习 | 多分类模型 | CT图像 | 660名患者的39,387张胸部CT图像用于训练、验证和内部测试，外加11名患者的3,337张CT图像作为外部测试集1，以及其他研究的120张图像作为外部测试集2 | NA | NA | NA | NA |
| 768 | 2025-04-25 |
Mixed Outcomes in Recombination Rates After Domestication: Revisiting Theory and Data
2025-Apr-24, Molecular ecology
IF:4.5Q1
DOI:10.1111/mec.17773
PMID:40271548
|
研究论文 | 本文探讨了驯化过程中基因组重组率的变化，结合理论、实验室实验和数据分析，比较了家养动物与其野生祖先的重组率 | 利用群体测序数据和深度学习方法推断基因组范围内的重组率，提供了鸡/红原鸡、绵羊/摩弗伦羊和山羊/野山羊的新比较结果 | 研究结果在不同物种间不一致，未能提供驯化导致基因组重组率普遍增加的统一证据 | 验证驯化过程是否间接导致基因组重组率增加的假说 | 家养动物（鸡、绵羊、山羊）及其野生祖先（红原鸡、摩弗伦羊、野山羊） | 基因组学 | NA | 群体测序、深度学习 | 深度学习 | 基因组测序数据 | 多个物种的比较（鸡/红原鸡、绵羊/摩弗伦羊、山羊/野山羊） | NA | NA | NA | NA |
| 769 | 2025-04-25 |
Artificial Intelligence in Panoramic Radiography Interpretation: A Glimpse into the State-of-the-Art Radiologic Examination Method
2025-Apr-24, International journal of computerized dentistry
IF:1.8Q2
DOI:10.3290/j.ijcd.b6173229
PMID:40272192
|
研究论文 | 本研究开发了一种基于YOLO-v8深度学习模型的人工智能系统，用于全景X光片中多种牙齿问题和解剖结构的准确评估和分割 | 开发了一个多类别诊断模型，能够同时检测和分割全景X光片中的33种不同牙齿状况和解剖结构，而现有研究通常单独处理这些条件 | 研究未提及模型在不同设备获取的X光片上的泛化能力测试 | 开发能够准确评估和分割全景X光片中各种牙齿问题和解剖结构的深度学习模型 | 全景X光片中的牙齿问题、牙齿修复体、牙科植入物、解剖标志、牙周状况、颌骨病理和根尖周病变 | 数字病理 | 牙科疾病 | 深度学习 | YOLO-v8 | 图像 | 未明确说明样本数量，但涉及33种不同条件的标注 | NA | NA | NA | NA |
| 770 | 2025-04-25 |
Role of artificial intelligence in advancing immunology
2025-Apr-24, Immunologic research
IF:3.3Q3
DOI:10.1007/s12026-025-09632-7
PMID:40272607
|
综述 | 本文探讨了人工智能（AI）在免疫学领域的革命性作用，特别是在疫苗开发、免疫治疗和过敏治疗方面的应用 | AI通过分析大量基因组序列和蛋白质结构，帮助识别潜在疫苗候选物并预测机体对不同抗原的反应，同时为癌症患者提供个性化免疫治疗方案 | NA | 探讨AI在免疫学领域的应用及其对医学研究和医疗保健的推动作用 | 免疫学领域，包括疫苗开发、免疫治疗、过敏治疗及免疫疾病诊断 | 人工智能在生物医学中的应用 | 自身免疫疾病、免疫缺陷、过敏及癌症 | 机器学习和深度学习 | NA | 基因组序列、蛋白质结构、患者历史和实验室结果 | NA | NA | NA | NA | NA |
| 771 | 2025-04-25 |
Semantic Consistency Network with Edge Learner and Connectivity Enhancer for Cervical Tumor Segmentation from Histopathology Images
2025-Apr-23, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00691-w
PMID:40268829
|
研究论文 | 提出了一种名为ERNet的端到端语义一致性网络，用于从组织病理学图像中分割宫颈肿瘤 | ERNet结合了边缘学习器和连接增强器，有效提升了模型对多形态肿瘤边缘的学习和表示能力，以及分割掩模的像素连接性 | 虽然模型在宫颈肿瘤图像上表现良好，但在其他类型肿瘤上的泛化能力仅通过喉部肿瘤图像进行了初步验证 | 提高宫颈肿瘤在组织病理学图像中的分割准确性，以辅助诊断和预后 | 宫颈肿瘤的组织病理学图像 | 数字病理学 | 宫颈癌 | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 772 | 2025-04-25 |
An effective model of hybrid adaptive deep learning with attention mechanism for healthcare data analysis in blockchain-based secure transmission over IoT
2025-Apr-23, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2492375
PMID:40269520
|
研究论文 | 本文提出了一种结合混合自适应深度学习和注意力机制的有效模型，用于区块链安全传输物联网中的医疗数据分析 | 结合区块链技术和混合自适应深度学习模型，引入FUPOA进行参数优化和密钥生成，提高了数据传输的安全性和隐私性 | 未提及具体实验数据集规模和实际部署中的性能表现 | 解决医疗数据在物联网传输中的安全性和隐私性问题 | 医疗数据的安全传输和存储 | 机器学习 | NA | 混合自适应深度学习方法(HADL-AM), FUPOA优化算法 | 深度学习模型(未明确具体类型) | 医疗数据 | 未明确说明具体样本数量 | NA | NA | NA | NA |
| 773 | 2025-04-25 |
deep-Sep: a deep learning-based method for fast and accurate prediction of selenoprotein genes in bacteria
2025-Apr-22, mSystems
IF:5.0Q1
DOI:10.1128/msystems.01258-24
PMID:40062874
|
research paper | 开发了一种基于深度学习的算法deep-Sep，用于快速准确地预测细菌基因组中的硒蛋白基因 | 使用Transformer-based神经网络架构构建最优模型，结合同源搜索策略减少假阳性，显著优于现有方法 | 未明确提及算法在极端复杂或高度变异细菌基因组中的表现 | 开发高效工具以准确识别细菌基因组中的硒蛋白基因 | 细菌基因组序列 | machine learning | NA | 深度学习 | Transformer-based neural network | 基因组序列数据 | 20个细菌基因组作为独立测试数据集 | NA | NA | NA | NA |
| 774 | 2025-04-25 |
Combining diffusion and transformer models for enhanced promoter synthesis and strength prediction in deep learning
2025-Apr-22, mSystems
IF:5.0Q1
DOI:10.1128/msystems.00183-25
PMID:40105319
|
研究论文 | 本研究结合扩散模型和transformer模型，用于增强合成启动子的设计与强度预测 | 首次将扩散模型应用于合成启动子设计，并结合transformer模型进行强度预测，相比传统方法表现出更高的性能 | 研究仅针对模型细菌和蓝藻细菌中的启动子，未验证在其他生物系统中的适用性 | 开发高效的合成启动子设计与预测方法，以优化外源基因表达和代谢途径效率 | 合成启动子序列及其转录活性 | 合成生物学 | NA | 深度学习 | 扩散模型, transformer | 生物序列数据 | 未明确说明样本数量 | NA | NA | NA | NA |
| 775 | 2025-04-25 |
An end-to-end neural network for 4D cardiac CT reconstruction using single-beat scans
2025-Apr-22, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adcafb
PMID:40203865
|
研究论文 | 提出了一种基于深度学习的端到端重建框架，用于单次心跳快速CT扫描的动态心脏成像 | 使用单次心跳扫描数据，无需多次扫描，减少辐射暴露，尤其适用于心律不齐患者 | 模型训练依赖于模拟投影数据，可能在实际临床应用中存在差异 | 减少心脏CT成像中的运动伪影，提高心脏疾病的检测和诊断准确性 | 心脏CT成像 | 数字病理 | 心血管疾病 | CT扫描 | 端到端神经网络 | 图像 | 30名真实患者的模拟投影数据 | NA | NA | NA | NA |
| 776 | 2025-04-25 |
A novel deep learning approach to classify 3D foot types of diabetic patients
2025-Apr-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98471-5
PMID:40258927
|
研究论文 | 提出了一种基于DiffusionNet的新型深度学习方法，用于通过3D足部图像对糖尿病患者的足型进行分类 | 结合自注意力机制和外部特征，直接使用简单的3D足部图像对糖尿病患者的足型进行六类分类，准确率达到82.9%，超越了现有的机器和深度学习方法 | NA | 精确分类糖尿病足，以识别足部异常并促进通过足部矫形器工程设计的个性化治疗和预防措施 | 糖尿病患者的足型 | 计算机视觉 | 糖尿病 | DiffusionNet | 深度学习 | 3D图像 | NA | NA | NA | NA | NA |
| 777 | 2025-04-25 |
Securing the CAN bus using deep learning for intrusion detection in vehicles
2025-Apr-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98433-x
PMID:40258975
|
研究论文 | 本文评估了深度学习在检测CAN总线网络入侵中的应用 | 利用LSTM、GRU和VGG-16等深度学习模型分析CAN消息的时间和空间特征，提高了入侵检测的准确率 | 未提及模型在实时检测中的性能表现以及计算资源消耗 | 提高智能交通系统（ITS）中CAN总线网络的安全性和韧性 | 车辆中的CAN总线网络 | 机器学习 | NA | 深度学习 | RNN, LSTM, GRU, VGG-16 | CAN消息序列 | Car Hacking, Survival Analysis, 和 OTIDS 数据集 | NA | NA | NA | NA |
| 778 | 2025-04-25 |
FRSynergy: A Feature Refinement Network for Synergistic Drug Combination Prediction
2025-Apr-22, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3563433
PMID:40261768
|
研究论文 | 提出了一种名为FRSynergy的特征精炼深度学习框架，用于预测协同药物组合 | 通过捕捉不同药物-药物-细胞系三元组特征之间的关系和学习特征上下文信息，指导在不同场景下对药物和细胞系特征的精炼 | 未提及具体局限性 | 预测协同药物组合以增强治疗效果并减少不良反应 | 药物组合和癌细胞系 | 机器学习 | 癌症 | 深度学习 | 异构图注意力网络 | 药物和细胞系特征数据 | 未提及具体样本量 | NA | NA | NA | NA |
| 779 | 2025-04-25 |
Deconvolution of cell types and states in spatial multiomics utilizing TACIT
2025-Apr-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58874-4
PMID:40258827
|
research paper | 本文提出了一种名为TACIT的无监督算法，用于空间多组学数据中的细胞类型和状态注释 | TACIT算法无需训练数据，通过无偏阈值区分阳性细胞与背景，专注于相关标记物识别多组学检测中的模糊细胞 | 算法性能仅在三个特定生态位（大脑、肠道和腺体）的数据集上进行了验证 | 解决空间生物学中细胞类型和状态识别耗时且易出错的问题 | 空间多组学数据中的细胞类型和状态 | 空间生物学 | 炎症性腺体疾病 | 空间转录组学和蛋白质组学 | 无监督算法 | 多组学数据 | 5个数据集（5,000,000个细胞；51种细胞类型） | NA | NA | NA | NA |
| 780 | 2025-04-25 |
Deep learning-based recognition model of football player's technical action behavior using PCA-LBP algorithm
2025-Apr-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94732-5
PMID:40258880
|
research paper | 本文提出了一种基于PCA-LBP算法的深度学习模型，用于识别足球运动员的技术动作行为 | 结合PCA降维与LBP算法，提高了足球运动员技术动作识别的准确率 | 研究仅基于2020年一场比赛的200名足球运动员数据，样本量和多样性可能不足 | 提高足球运动员技术动作识别的准确性，为科学训练提供技术支持 | 足球运动员的技术动作（踢球、运球、停球和假动作） | computer vision | NA | PCA-LBP算法 | 深度学习模型 | image | 200名足球运动员在2020年一场比赛中的数据 | NA | NA | NA | NA |