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 1161 - 1180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1161 | 2025-04-09 |
How local is "local"? Deep learning reveals locality of the induced magnetic field of polycyclic aromatic hydrocarbons
2025-Apr-14, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0257558
PMID:40197568
|
研究论文 | 本文利用深度学习研究多环芳香分子中磁响应的局部性 | 采用新颖的图神经网络（GNNs）结合环图表示法预测分子周围空间的核独立化学位移（NICS），并通过k-hop扩展策略克服GNNs泛化问题 | 尽管模型在小分子（最多4个环）上训练，但能准确预测更大分子（最多15个环）的磁响应，但仍需验证更复杂分子的适用性 | 探究多环芳香分子中磁响应的局部性 | 多环芳香分子 | 机器学习 | NA | 图神经网络（GNNs） | GNN | 分子结构数据 | 训练集包含最多4个环的分子，测试集扩展到最多15个环的分子 | NA | NA | NA | NA |
| 1162 | 2025-04-09 |
WPR-Net: A Deep Learning Protocol for Highly Accelerated NMR Spectroscopy with Faithful Weak Peak Reconstruction
2025-Apr-08, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c04830
PMID:40067126
|
research paper | 提出一种深度学习架构WPR-Net，用于高度加速的NMR光谱学并可靠重建弱峰 | 该深度学习协议能够消除欠采样伪影，并在高度稀疏采样密度或严重噪声条件下重建高质量多维NMR光谱信号 | NA | 加速多维NMR光谱学的实现并提高弱峰重建的准确性 | 多维NMR光谱信号 | machine learning | NA | NMR spectroscopy | deep learning architecture (WPR-Net) | spectral data | NA | NA | NA | NA | NA |
| 1163 | 2025-04-09 |
Deep learning assisted high-resolution microscopy image processing for phase segmentation in functional composite materials
2025-Apr-08, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13413
PMID:40195694
|
research paper | 该研究提出了一种基于深度学习的图像处理方法，用于高分辨率显微镜图像的相位分割和成分检测 | 提出了一种新的基于FFT的分割工作流程，并利用训练好的U-Net模型进行相位分割，这在复合材料的相位和成分检测中是一个尚未充分探索的领域 | NA | 开发一种高效的高分辨率显微镜图像分析方法，用于电池研究中的相位分割和成分检测 | 高分辨率透射电子显微镜（TEM）图像中的复合材料的相位和成分 | computer vision | NA | 深度学习 | U-Net | image | NA | NA | NA | NA | NA |
| 1164 | 2025-04-09 |
Protein-Ligand Structure and Affinity Prediction in CASP16 Using a Geometric Deep Learning Ensemble and Flow Matching
2025-Apr-08, Proteins
IF:3.2Q2
DOI:10.1002/prot.26827
PMID:40195868
|
研究论文 | 本文介绍了一种名为MULTICOM_ligand的深度学习方法，用于预测蛋白质-配体结构和结合亲和力，并在CASP16中表现优异 | 提出了一个结合结构共识排序和无监督姿势排序的深度学习集成方法，以及一个新的深度生成流匹配模型，用于联合预测结构和结合亲和力 | 未提及具体局限性 | 解决蛋白质-配体结构和结合亲和力预测的基础性问题，以支持生物技术和药物发现 | 蛋白质-配体结构和结合亲和力 | 机器学习 | NA | 深度学习 | 深度学习集成和流匹配模型 | 蛋白质-配体结构数据 | NA | NA | NA | NA | NA |
| 1165 | 2025-04-09 |
Dimensionality Reduction of Genetic Data using Contrastive Learning
2025-Apr-07, Genetics
IF:3.3Q2
DOI:10.1093/genetics/iyaf068
PMID:40194517
|
research paper | 该论文介绍了一种利用对比学习进行遗传数据降维的框架，以生成类似PCA的群体可视化 | 定义了一种优于常用对比学习损失函数的损失函数，并针对SNP基因型数据集定制了数据增强方案 | 未明确提及具体局限性 | 开发一种适用于遗传数据的降维方法，以更好地保留局部和全局结构 | 狗和人类的基因型数据 | machine learning | NA | 对比学习 | 深度学习神经网络 | SNP基因型数据 | 两个数据集（狗和人类基因型） | NA | NA | NA | NA |
| 1166 | 2025-04-09 |
Severity Classification of Pediatric Spinal Cord Injuries Using Structural MRI Measures and Deep Learning: A Comprehensive Analysis Across All Vertebral Levels
2025-Apr-07, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8770
PMID:40194851
|
research paper | 本研究通过结构MRI测量和深度学习技术，对儿童脊髓损伤的严重程度进行分类 | 结合横截面积、前后宽度和左右宽度等结构参数与深度学习技术，首次在儿童脊髓损伤中进行全面分析 | 样本量较小，仅61名参与者，且仅包括慢性脊髓损伤患者 | 评估儿童脊髓损伤患者的结构特征，并开发基于深度学习的分类方法 | 20名慢性脊髓损伤儿童和41名正常发育儿童 | digital pathology | spinal cord injury | MRI扫描和深度学习 | CNN | MRI图像 | 61名儿童（20名脊髓损伤患者和41名正常发育儿童） | NA | NA | NA | NA |
| 1167 | 2025-10-07 |
Multitask Deep Learning Models of Combined Industrial Absorption, Distribution, Metabolism, and Excretion Datasets to Improve Generalization
2025-Apr-07, Molecular pharmaceutics
IF:4.5Q1
|
研究论文 | 本研究通过整合Genentech和罗氏公司的ADME数据集，开发多任务深度学习模型以提升药物代谢性质预测的泛化能力 | 首次将两家大型制药公司的ADME数据集进行整合分析，并采用跨站点多任务神经网络架构，探索化学空间扩展对模型性能的影响 | 两个站点的实验方法存在差异，数据不能直接聚合，需要作为独立任务分别建模 | 优化药物发现过程中化合物的吸收、分布、代谢和排泄（ADME）特性预测 | 来自Genentech和罗氏公司的ADME数据集，包含11个测定终点的超过100万次测量 | 机器学习 | NA | ADME测定 | 神经网络 | 化学化合物数据 | 超过100万次测量，涵盖11个测定终点 | NA | 多任务神经网络 | 聚类测试集、时间测试集、外部测试集评估 | NA |
| 1168 | 2025-10-07 |
Decomposing the effect of normal aging and Alzheimer's disease in brain morphological changes via learned aging templates
2025-Apr-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96234-w
PMID:40189702
|
研究论文 | 本文提出两种评分方法分别量化大脑正常衰老和阿尔茨海默病特异性变化对脑形态的影响 | 通过深度学习生成年龄模板，首次将脑萎缩分解为正常衰老和疾病特异性两个独立成分进行量化 | 研究基于单一数据集(OASIS-3)，需要更多外部验证 | 分离并量化正常衰老和阿尔茨海默病对大脑形态变化的独立影响 | 认知正常个体和阿尔茨海默病患者的大脑形态变化 | 医学影像分析 | 阿尔茨海默病 | T1加权磁共振成像 | 生成式深度学习模型, 深度学习配准模型 | 脑部MRI图像 | 1,014例T1加权MRI扫描(326例认知正常, 688例阿尔茨海默病) | NA | NA | 临床痴呆评定量表(CDR)相关性分析 | NA |
| 1169 | 2025-10-07 |
Optimal selection of a probabilistic machine learning model for predicting high run chase outcomes in T-20 international cricket
2025-Apr-07, Journal of sports sciences
IF:2.3Q2
DOI:10.1080/02640414.2025.2488157
PMID:40192186
|
研究论文 | 本研究评估多种概率机器学习模型在T20国际板球比赛中预测高跑分追逐结果的效果 | 首次系统比较六种贝叶斯概率模型在板球预测中的表现，并确定CAWNB为最优模型 | 研究仅限于T20国际板球格式，未测试其他板球格式或实时数据适应 | 开发可靠的板球高跑分追逐预测模型 | T20国际板球比赛数据 | 机器学习 | NA | 蒙特卡洛模拟，非参数统计检验 | Naïve Bayes, Bayesian Network, Bayesian Regularized Neural Network, Hidden Naïve Bayes, Correlation Feature-Based Filter Weighting Naïve Bayes, Class-Specific Attribute Weighted Naïve Bayes | 板球比赛数据（包括团队排名、比赛条件、场地行为和局分） | NA | NA | NA | 准确率，精确率，灵敏度，特异度，F1分数，AUC-ROC，熵 | NA |
| 1170 | 2025-04-08 |
In perspective: Development and External Validation of a Deep Learning Electrocardiogram Model For Risk Stratification of Coronary Revascularization Need in the Emergency Department
2025-Apr-07, European heart journal. Acute cardiovascular care
DOI:10.1093/ehjacc/zuaf058
PMID:40192550
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1171 | 2025-10-07 |
A Raman spectroscopy algorithm based on convolutional neural networks and multilayer perceptrons: qualitative and quantitative analyses of chemical warfare agent simulants
2025-Apr-07, The Analyst
DOI:10.1039/d5an00075k
PMID:40192710
|
研究论文 | 提出基于卷积神经网络和多层感知器的拉曼光谱算法，用于化学战剂模拟物的定性与定量分析 | 结合多头注意力机制自适应捕捉混合物权重，采用MLP-Mixer进行分层特征匹配 | NA | 开发快速可靠的化学战剂检测方法 | 化学战剂模拟物 | 机器学习 | NA | 拉曼光谱 | CNN, MLP | 光谱数据 | 四种组合类型的光谱数据 | NA | MLP-Mixer | 识别率, RMSE | NA |
| 1172 | 2025-10-07 |
Cutting-edge computational approaches to plant phenotyping
2025-Apr-07, Plant molecular biology
IF:3.9Q1
DOI:10.1007/s11103-025-01582-w
PMID:40192856
|
综述 | 本文系统综述了计算机视觉和深度学习在植物表型分析中的最新技术与应用 | 全面整合了植物图像分析常用参数与公式、主流深度神经网络架构及其在植物科学中的具体应用场景 | 未涉及具体实验验证，主要基于现有文献的总结与分析 | 探讨计算机视觉和深度学习技术在精准农业和植物表型分析中的应用 | 植物图像数据及其表型特征（叶绿素含量、叶片大小、生长速率等） | 计算机视觉 | NA | 图像分析技术 | 深度神经网络 | 植物图像 | NA | NA | NA | 评估指标（具体未列明） | NA |
| 1173 | 2025-10-07 |
AI-based automatic estimation of single-kidney glomerular filtration rate and split renal function using non-contrast CT
2025-Apr-07, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01959-x
PMID:40192862
|
研究论文 | 本研究利用人工智能和非对比CT自动估算单肾肾小球滤过率和分肾功能 | 首次结合深度学习自动分割、放射组学特征和临床特征，通过非对比CT替代SPECT评估肾功能 | 研究仅纳入萎缩肾或肾积水患者，样本量相对有限（245例） | 开发基于AI的非对比CT方法用于肾功能评估 | 245例萎缩肾或肾积水患者 | 医学影像分析 | 肾脏疾病 | 非对比CT成像 | 深度学习 | CT图像 | 245例患者（训练集128例，测试集117例） | NA | NA | Pearson相关系数, 平均绝对误差, Lin一致性系数 | NA |
| 1174 | 2025-10-07 |
Phantom-based evaluation of image quality in Transformer-enhanced 2048-matrix CT imaging at low and ultralow doses
2025-Apr-07, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01755-z
PMID:40193009
|
研究论文 | 本研究通过体模实验评估了基于Swin2SR的2048矩阵CT图像在低剂量和超低剂量下的图像质量 | 首次将Swin2SR超分辨率模型应用于2048矩阵CT图像重建，并在低剂量和超低剂量条件下与传统方法进行系统比较 | 研究仅使用Catphan 600体模数据，未涉及真实临床病例验证 | 比较不同矩阵尺寸和重建方法在CT成像中的图像质量差异 | Catphan 600体模 | 医学影像处理 | NA | CT扫描，超分辨率重建 | Swin2SR, SRCNN, CNN | CT图像 | Catphan 600体模在不同扫描协议下的数据 | NA | Swin2SR, SRCNN | 线对清晰度，任务传递函数，图像噪声，噪声功率谱 | NA |
| 1175 | 2025-10-07 |
ESM-Ezy: a deep learning strategy for the mining of novel multicopper oxidases with superior properties
2025-Apr-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58521-y
PMID:40188191
|
研究论文 | 开发了一种基于蛋白质语言模型的酶挖掘策略ESM-Ezy，用于发现具有优越催化性能的新型多铜氧化酶 | 结合ESM-1b蛋白质语言模型和语义空间相似性计算，能够从低相似度序列中识别具有优越性能的酶 | NA | 开发高效的生物催化剂挖掘方法，加速工业应用中的酶发现 | 多铜氧化酶(MCOs)和L-天冬酰胺酶 | 机器学习 | NA | 蛋白质语言模型 | 深度学习 | 蛋白质序列 | NA | ESM-1b | 蛋白质语言模型 | 成功率、催化效率、热耐受性、有机溶剂耐受性、pH稳定性、比活性 | NA |
| 1176 | 2025-10-07 |
Deep spatio-temporal dependent convolutional LSTM network for traffic flow prediction
2025-Apr-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95711-6
PMID:40189608
|
研究论文 | 提出一种深度时空依赖卷积LSTM网络用于交通流量预测 | 设计了空间依赖注意力机制和时间依赖注意力机制，分别解决空间不平衡和时间不平衡问题 | NA | 准确预测交通流量以支持智能交通系统和智慧城市建设 | 交通流量数据 | 机器学习 | NA | 深度学习 | CNN, LSTM | 时空序列数据 | 两个真实世界数据集 | NA | STDConvLSTM, 卷积LSTM | 良好性能（具体指标未提及） | NA |
| 1177 | 2025-10-07 |
Research on intelligent identification of microscopic substances in shale scanning electron microscope images based on deep learning theory
2025-Apr-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91225-3
PMID:40189619
|
研究论文 | 基于深度学习理论实现页岩扫描电镜图像中微观物质的智能识别 | 将优化的Yolov8模型与SEM技术集成，实现页岩微观物质的自动识别，突破传统人工识别的主观局限性 | 未明确说明样本数据的具体规模和多样性 | 实现页岩扫描电镜图像中微观物质的智能识别，提高储层评价效率 | 页岩扫描电镜图像中的微观物质 | 计算机视觉 | NA | 扫描电子显微镜(SEM) | CNN | 图像 | NA | PyTorch | Yolov8 | Precision, Recall, mAP50, mAP50-95 | NA |
| 1178 | 2025-10-07 |
Analyzing the performance of biomedical time-series segmentation with electrophysiology data
2025-Apr-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90533-y
PMID:40189617
|
研究论文 | 本研究评估五种生物医学时间序列分割算法在心脏内电信号数据上的性能表现 | 首次将Faster R-CNN应用于一维信号分割任务，并对五种算法进行系统性的贝叶斯优化比较 | 深度学习模型计算需求较高，仅使用100例患者数据 | 评估不同分割算法在生物医学时间序列分析中的性能 | 100例患者的心脏内电信号数据 | 生物医学信号处理 | 心血管疾病 | 电生理信号分析 | SVM, CNN, RNN, Faster R-CNN | 一维时间序列信号 | 100例患者的心脏内电信号 | NA | UNet, DENS-ECG, Faster R-CNN | 分割得分, 均方根误差 | NA |
| 1179 | 2025-10-07 |
Hybrid vision GNNs based early detection and protection against pest diseases in coffee plants
2025-Apr-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96523-4
PMID:40189644
|
研究论文 | 提出一种基于混合视觉图神经网络的咖啡植物病虫害早期检测方法 | 首次将混合视觉图神经网络应用于咖啡病虫害检测，能识别单个害虫并捕捉害虫间的复杂关系 | 仅使用2850张标注图像进行训练验证，数据集规模有限 | 开发自动化咖啡病虫害早期检测系统以提升农业产量 | 咖啡植物及其害虫（咖啡果小蠹、粉蚧、介壳虫、潜叶虫等） | 计算机视觉 | 植物病虫害 | 深度学习 | GNN | 图像 | 2850张标注咖啡植物图像 | NA | Hybrid Vision Graph Neural Networks (HV-GNN) | 准确率 | NA |
| 1180 | 2025-10-07 |
Applying deep learning for style transfer in digital art: enhancing creative expression through neural networks
2025-Apr-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95819-9
PMID:40189651
|
研究论文 | 本研究提出了一种改进的神经风格迁移模型，通过整合AdaIN和Gram矩阵技术来提升数字艺术创作的效率与质量 | 提出结合自适应实例归一化(AdaIN)和Gram矩阵的CNN架构，在保持内容完整性的同时显著提升风格迁移效率 | 研究未明确说明测试数据集的规模和多样性，可能影响模型泛化能力的评估 | 提升神经风格迁移技术在内容保留、风格保真度和计算效率方面的性能 | 数字艺术图像和不同艺术风格的融合 | 计算机视觉 | NA | 神经风格迁移(NST) | CNN | 图像 | NA | NA | 基于AdaIN和Gram矩阵的卷积神经网络 | 内容损失, 风格损失, 结构相似性指数(SSIM), 处理时间 | NA |