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 801 - 820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 801 | 2025-10-07 |
Deep-Learning-Based Disease Classification in Patients Undergoing Cine Cardiac MRI
2025-Apr, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29619
PMID:39353848
|
研究论文 | 开发基于心脏电影MRI的深度学习算法，用于区分正常受试者和三种心血管疾病患者 | 使用变分自编码器模型自动提取心脏功能特征，并探索使用未标记数据提高正常类别特异性 | 回顾性研究设计，样本量相对有限 | 开发自动化的心血管疾病分类方法 | 1337名受试者（568名正常，151名扩张型心肌病，177名肥厚型心肌病，441名缺血性心脏病） | 医学影像分析 | 心血管疾病 | 心脏电影MRI | 变分自编码器 | MRI图像 | 1337名受试者 | NA | 变分自编码器 | AUC, 准确率, 特异性, 精确率, 召回率, 混淆矩阵 | NA |
| 802 | 2025-10-07 |
Deep learning-based whole-brain B1 +-mapping at 7T
2025-Apr, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30359
PMID:39462473
|
研究论文 | 本研究探索使用复数值神经网络从多切片定位器扫描中估计7T磁场下人脑定量发射射频场(B1+)图谱的可行性 | 首次使用复数值神经网络从多方向切片定位器扫描中快速估计全脑B1+图谱，显著加速并行传输系统的受试者特定校准过程 | 研究样本量较小(15名健康受试者)，仅在人脑中进行验证，未在其他器官或病理条件下测试 | 加速7T磁场下并行传输系统的受试者特定B1+校准过程 | 人脑B1+图谱 | 医学影像分析 | NA | 磁共振成像, 并行传输, 多切片定位器扫描 | 复数值神经网络 | 磁共振图像, B1+图谱 | 15名健康受试者 | NA | NA | 相对误差, 绝对相位差 | NA |
| 803 | 2025-10-07 |
Air quality index prediction with optimisation enabled deep learning model in IoT application
2025-Apr, Environmental technology
IF:2.2Q3
DOI:10.1080/09593330.2024.2409993
PMID:39467096
|
研究论文 | 提出一种基于物联网和优化深度学习的空气质量指数预测模型 | 提出切线两阶段算法(TTSA)用于路由优化，并提出分数切线两阶段优化(FTTSA)用于深度前馈神经网络训练 | NA | 通过物联网和深度学习技术预测空气质量指数 | 空气质量时间序列数据 | 机器学习 | NA | 物联网传感技术 | 深度前馈神经网络(DFNN) | 时间序列数据 | NA | NA | 深度前馈神经网络 | RMSE, R-squared, MSE, MAPE, 能量, 时间, 距离 | NA |
| 804 | 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 |
| 805 | 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 |
| 806 | 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 |
| 807 | 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 |
| 808 | 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 |
| 809 | 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 |
| 810 | 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 |
| 811 | 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 |
| 812 | 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 |
| 813 | 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 |
| 814 | 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 |
| 815 | 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 |
| 816 | 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 |
| 817 | 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 |
| 818 | 2025-04-25 |
A segment-based framework for explainability in animal affective computing
2025-Apr-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96634-y
PMID:40258884
|
research paper | 提出一个基于分段的框架，用于增强动物情感计算领域的可解释性 | 引入定量评分机制评估显著性图与预定义语义区域的对齐程度，系统性比较不同流程的可视化解释 | 框架依赖于特定情感状态分类器的可用性和生成显著性图的能力 | 提升动物情感计算领域的模型可解释性 | 猫、马和狗的情感状态 | animal affective computing | NA | 深度学习 | 分类器 | 图像 | 三个数据集（猫和马疼痛、狗情绪） | NA | NA | NA | NA |
| 819 | 2025-04-25 |
Bio inspired multi agent system for distributed power and interference management in MIMO OFDM networks
2025-Apr-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97944-x
PMID:40258916
|
研究论文 | 本文提出了一种基于白蚁群体优化的多智能体系统（TCO-MAS）与LSTM模型相结合的方法，用于MIMO-OFDM网络中的分布式功率和干扰管理 | 结合生物启发的白蚁群体优化算法和LSTM模型，实现预测性自适应功率分配和干扰管理 | 依赖于特定的信息素调整参数，可能需要针对不同场景进行微调 | 解决大规模MIMO-OFDM网络中资源分配和干扰控制的挑战 | MIMO-OFDM网络 | 机器学习 | NA | Termite Colony Optimization, LSTM | LSTM | 网络条件数据 | 实验分析评估了关键指标，如总速率、能效、频谱效率、延迟和公平性指数 | NA | NA | NA | NA |
| 820 | 2025-04-25 |
Mitigating side channel attacks on FPGA through deep learning and dynamic partial reconfiguration
2025-Apr-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98473-3
PMID:40258964
|
研究论文 | 本文介绍了一种结合深度学习和动态部分重配置技术的框架，用于减轻FPGA上的侧信道攻击 | 通过动态部分重配置技术实时调整FPGA资源，破坏侧信道攻击模式，同时结合深度学习模型进行复杂威胁分析，实现了从被动防御到主动防御的范式转变 | 目前主要针对功耗侧信道攻击进行了验证，对其他类型侧信道攻击的适应性需要进一步扩展验证 | 提高FPGA硬件系统对侧信道攻击的防御能力 | FPGA硬件系统及其面临的侧信道攻击 | 硬件安全 | NA | 动态部分重配置(DPR)技术 | 深度学习模型 | 硬件性能数据 | 实验结果显示检测到缓解的延迟在20个时钟周期内 | NA | NA | NA | NA |