深度学习在生物医药领域中的应用
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，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10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 1559 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2025-06-11 |
Leveraging Social Media Data to Understand the Impact of COVID-19 on Residents' Dietary Behaviors: Observational Study
2025-May-23, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/51638
PMID:40409748
|
研究论文 | 利用社交媒体数据研究COVID-19对居民饮食行为的影响 | 结合Twitter图片和文本数据，使用深度学习技术分析疫情对饮食行为的影响，并探讨情绪变化与饮食模式的关系 | 研究仅基于Twitter数据，可能无法代表所有人群的饮食行为 | 探讨COVID-19对饮食行为的影响及其长期健康后果 | Twitter用户发布的饮食相关图片和文本 | 自然语言处理 | COVID-19 | 迁移学习、情感分析 | ResNet-101 | 图像、文本 | 约200,000条推文（2019-2021年） |
| 242 | 2025-06-11 |
Multiple deep learning models based on MRI images in discriminating glioblastoma from solitary brain metastases: a multicentre study
2025-May-19, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01703-3
PMID:40389875
|
研究论文 | 本研究开发了一种基于多中心和多序列MRI图像的深度学习模型，用于术前准确鉴别胶质母细胞瘤和孤立性脑转移瘤 | 结合多中心和多序列MRI图像，比较不同深度学习模型的性能，发现3D ResNet-18模型在识别两种肿瘤方面效果最佳 | 样本量相对较小，且仅来自两个医疗中心，可能影响模型的泛化能力 | 开发一种准确的术前鉴别胶质母细胞瘤和孤立性脑转移瘤的深度学习模型 | 236例经病理证实的胶质母细胞瘤和孤立性脑转移瘤患者 | 数字病理学 | 胶质母细胞瘤和脑转移瘤 | MRI | 3D ResNet-18, 3D Vision Transformer (3D Vit), 3D DenseNet, 3D VGG | 图像 | 236例患者（训练集197例，测试集39例），外加48例外部测试集 |
| 243 | 2025-06-11 |
Meet the author: Hae Kyung Im
2025-May-14, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2025.100880
PMID:40373740
|
研究论文 | 介绍Hae Kyung Im的研究团队及其在基因组数据分析和健康研究中的应用 | 开发了scPrediXcan方法，结合深度学习和单细胞数据，改进转录组范围关联研究分析 | NA | 开发定量计算和统计方法，用于基因组数据分析和健康研究 | 基因组数据 | 机器学习 | 复杂疾病 | 单细胞数据 | 深度学习 | 基因组数据 | NA |
| 244 | 2025-06-11 |
Single-cell and spatial transcriptomics reveals an anti-tumor neutrophil subgroup in microwave thermochemotherapy-treated lip cancer
2025-05-13, International journal of oral science
IF:10.8Q1
DOI:10.1038/s41368-025-00366-8
PMID:40360503
|
research paper | 该研究利用单细胞转录组学和空间转录组学揭示了微波热化疗（MTC）治疗唇鳞状细胞癌（LSCC）中抗肿瘤中性粒细胞亚群（N1-TANs）的关键作用及其分子机制 | 发现了MTC治疗后大量浸润的抗肿瘤活性中性粒细胞（N1-TANs），阐明了其通过IL1B-IL1R通路激活T&NK细胞和成纤维细胞的机制，并构建了预测预后的N1-TANs标志物MX2 | 未明确说明样本量大小及临床验证队列的规模 | 探究微波热化疗治疗唇鳞状细胞癌的免疫调节机制 | 唇鳞状细胞癌（LSCC）肿瘤微环境中的免疫细胞和成纤维细胞 | digital pathology | lip cancer | scRNA-seq, ST, 深度学习 | 深度学习模型（未指定具体架构） | 单细胞转录组数据、空间转录组数据、H&E染色图像 | NA |
| 245 | 2025-06-11 |
SimSon: simple contrastive learning of SMILES for molecular property prediction
2025-May-06, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf275
PMID:40341364
|
research paper | 该研究提出了一种自监督框架SimSon，用于学习SMILES表示以进行分子属性预测 | 通过对比学习利用未标记的SMILES数据预训练模型，增强了模型的泛化能力和鲁棒性 | 未提及具体的数据短缺程度和化学空间泛化的具体挑战 | 加速药物发现和逆合成，提高分子属性预测的准确性 | 分子属性预测 | 机器学习 | NA | 对比学习 | SimSon | SMILES数据 | 未提及具体样本数量 |
| 246 | 2025-06-11 |
Unraveling the three-dimensional genome structure using machine learning
2025-May, BMB reports
IF:2.9Q3
PMID:40058875
|
review | 本文综述了利用机器学习技术解析三维基因组结构的研究进展 | 探讨了机器学习特别是深度学习在染色体结构特征检测和分析中的应用 | Hi-C数据的局限性以及当前方法在解决这些局限性方面的不足 | 研究染色体组织结构的识别和分析方法 | 染色质相互作用和基因组结构 | machine learning | NA | Hi-C sequencing | deep learning | genomic data | NA |
| 247 | 2025-06-10 |
Insights into "Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis"
2025-May-30, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.04.046
PMID:40450446
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 248 | 2025-06-10 |
Response to Letter to the Editor regarding "Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis"
2025-May-30, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.05.012
PMID:40450443
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 249 | 2025-06-10 |
Machine Learning and Deep Learning Techniques for Prediction and Diagnosis of Leptospirosis: Systematic Literature Review
2025-May-29, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/67859
PMID:40440642
|
系统性文献综述 | 本文通过系统性文献综述评估了机器学习和深度学习技术在预测和诊断钩端螺旋体病中的应用 | 首次系统性地总结了ML和DL在钩端螺旋体病预测与诊断中的应用情况，并分析了算法性能、数据来源和验证方法 | 纳入研究的样本量较小（17篇），且大多数研究使用私有数据集（65%），缺乏公开数据集的应用 | 评估机器学习和深度学习技术在钩端螺旋体病预测和诊断中的应用效果 | 钩端螺旋体病的预测和诊断 | 机器学习 | 钩端螺旋体病 | 机器学习(ML)和深度学习(DL) | 支持向量机、人工神经网络、决策树、CNN（特别是U-Net CNN） | 临床记录、医院数据、区域监测系统数据 | 17项研究（从374篇初筛文献中筛选） |
| 250 | 2025-06-10 |
PathoGraph: A Graph-Based Method for Standardized Representation of Pathology Knowledge
2025-May-27, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04906-z
PMID:40425649
|
研究论文 | 提出了一种基于图的知识表示方法PathoGraph，用于系统化组织病理学知识以促进其计算应用 | PathoGraph能够全面且结构化地捕捉多尺度疾病特征及病理学家的专业知识，并通过大规模自动化构建验证其计算效用 | NA | 系统化组织病理学知识以促进其在数据驱动的生物医学研究和临床实践中的计算应用 | 病理学数据（包括切片和诊断报告）中的知识 | 数字病理学 | 肿瘤疾病 | 图表示方法 | NA | 图像、文本 | NA |
| 251 | 2025-06-10 |
Identifying Disinformation on the Extended Impacts of COVID-19: Methodological Investigation Using a Fuzzy Ranking Ensemble of Natural Language Processing Models
2025-May-21, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/73601
PMID:40397945
|
research paper | 本研究开发了一个结合预训练语言模型和模糊排名集成方法的深度学习框架，用于检测与COVID-19长期影响相关的虚假信息 | 创新点在于将预训练语言模型与基于模糊排名的集成方法相结合，并引入重新参数化的Gompertz函数来分配模糊排名 | 研究仅基于文本内容进行训练，未考虑其他可能影响虚假信息检测的因素 | 开发一个鲁棒且可推广的深度学习框架，用于检测与COVID-19长期影响相关的虚假信息 | 与COVID-19长期影响相关的虚假信息 | natural language processing | COVID-19 | 预训练语言模型(PLMs), 模糊排名集成方法 | RoBERTa, DeBERTa, XLNet, HAN | text | 566真实样本和2361虚假样本 |
| 252 | 2025-06-10 |
Prediction of Spontaneous Breathing Trial Outcome in Critically Ill-Ventilated Patients Using Deep Learning: Development and Verification Study
2025-May-21, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/64592
PMID:40397953
|
研究论文 | 本研究开发了一种基于深度学习的预测模型，用于预测重症监护患者自主呼吸试验（SBT）的结果 | 提出了一种新型的混合CNN-MLP深度学习架构，通过交替CNN和MLP层进行特征学习和融合，提高了模型的灵活性和预测准确性 | 研究数据来自台湾中部一家医疗中心，可能限制了模型的普遍适用性 | 开发人工智能预测模型，提高呼吸机脱机评估的准确性和效率 | 重症监护病房中20岁及以上、依赖呼吸机的患者 | 医疗人工智能 | 呼吸系统疾病 | 深度学习 | 混合CNN-MLP | 临床记录数据 | 3686名患者，6536条SBT前临床记录 |
| 253 | 2025-06-10 |
Digital Biomarkers for Parkinson Disease: Bibliometric Analysis and a Scoping Review of Deep Learning for Freezing of Gait
2025-May-20, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/71560
PMID:40392578
|
研究论文 | 本文通过文献计量分析和范围综述，评估了帕金森病数字生物标志物的研究现状、热点及未来趋势，并系统回顾了用于冻结步态（FOG）数字生物标志物的深度学习模型 | 结合文献计量分析和范围综述方法，全面评估帕金森病数字生物标志物研究，并聚焦于FOG的深度学习模型 | 跨学科和跨机构合作不足，相关项目缺乏企业资助，FOG深度学习模型缺乏外部验证和标准化性能报告 | 评估全球帕金森病生物标志物研究的现状、热点和未来趋势，并系统回顾FOG数字生物标志物的深度学习模型 | 帕金森病数字生物标志物，特别是冻结步态（FOG）的深度学习模型 | 数字病理学 | 帕金森病 | 深度学习 | CNN或基于CNN的架构 | 数字生物标志物数据 | 文献计量分析包含750项研究，范围综述包含40项研究，涉及3700名研究人员 |
| 254 | 2025-06-10 |
FastConformation: A Standalone ML-Based Toolkit for Modeling and Analyzing Protein Conformational Ensembles at Scale
2025-May-14, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.09.653048
PMID:40463224
|
研究论文 | 介绍了一个名为FastConformation的Python应用程序，用于建模和分析蛋白质构象集合 | 集成了MSA生成、AF2结构预测和蛋白质构象交互分析，提供用户友好的GUI界面，支持非编程背景的研究人员使用 | 未明确提及样本量或具体性能比较数据 | 开发一个高效、易用的工具来预测和分析蛋白质构象集合 | 蛋白质构象集合，包括Abl1激酶、LAT1转运体和CCR5受体等 | 结构生物学 | NA | AlphaFold 2 (AF2), 多序列比对(MSA) | 深度学习 | 蛋白质序列和结构数据 | NA |
| 255 | 2025-05-07 |
Code Error in "Diagnostic Classification and Prognostic Prediction Using Common Genetic Variants in Autism Spectrum Disorder: Genotype-Based Deep Learning"
2025-05-06, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/66556
PMID:40327366
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 256 | 2025-06-10 |
Cyber-physical security of biochips: A perspective
2025-May, Biomicrofluidics
IF:2.6Q2
DOI:10.1063/5.0252554
PMID:40454326
|
perspective | 本文探讨了微流控生物芯片（MBs）面临的多种安全威胁及相应的防护措施 | 提出了基于深度学习的异常检测方法、材料级防护措施（如机械响应染料和光谱水印）以及样本级保护（如分子条形码）等多层次安全框架 | 未提及具体实验数据或案例研究来验证这些防护措施的有效性 | 提高微流控生物芯片的安全性和可靠性 | 微流控生物芯片（MBs）及其安全威胁 | 生物医学工程 | NA | 深度学习、机械响应染料、光谱水印、分子条形码 | 深度学习 | NA | NA |
| 257 | 2025-06-10 |
RLEAAI: improving antibody-antigen interaction prediction using protein language model and sequence order information
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf238
PMID:40462512
|
研究论文 | 提出了一种新的深度学习方法RLEAAI，用于提高抗体-抗原相互作用（AAIs）的预测性能 | 结合了序列顺序提取策略和预训练蛋白质语言模型，整合了三种神经网络模块以提高预测准确性 | 未提及具体的数据集限制或模型泛化能力的局限性 | 提高抗体-抗原相互作用预测的准确性 | 抗体-抗原相互作用 | 机器学习 | NA | 预训练蛋白质语言模型、序列顺序提取策略 | CNN、双向LSTM、循环交叉注意力机制 | 蛋白质序列数据 | 在两个独立测试集上进行基准测试 |
| 258 | 2025-06-10 |
Deep learning reveals determinants of transcriptional infidelity at nucleotide resolution in the allopolyploid line by goldfish and common carp hybrids
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf260
PMID:40471993
|
研究论文 | 本研究利用深度学习模型探究金鱼和鲤鱼杂交异源多倍体品系中转录不忠实的决定因素 | 开发深度学习模型在核苷酸分辨率上识别转录不忠实序列，并揭示位置特异性转录因子家族和类别对转录不忠实的影响 | 研究局限于金鱼和鲤鱼杂交异源多倍体品系，未在其他生物系统中验证 | 探究金鱼和鲤鱼杂交异源多倍体品系中转录不忠实的深层决定因素 | 金鱼和鲤鱼杂交异源多倍体品系的转录不忠实现象 | 机器学习 | NA | 深度学习 | 深度学习模型 | DNA序列数据 | NA |
| 259 | 2025-06-09 |
Comparative Efficacy of MultiModal AI Methods in Screening for Major Depressive Disorder: Machine Learning Model Development Predictive Pilot Study
2025-May-30, JMIR formative research
IF:2.0Q4
DOI:10.2196/56057
PMID:40446148
|
研究论文 | 本研究评估了基于多模态AI方法在筛查重度抑郁症（MDD）中的效能，比较了不同范式的效果 | 利用AI分析视听信号，结合多种范式（CS、Q&A、MID、VW）进行MDD筛查，提出Q&A范式效果最佳 | 样本量较小（89名参与者），且未提及外部验证结果 | 评估不同AI范式在MDD筛查中的效能 | 41名MDD患者和48名无症状参与者 | 机器学习 | 重度抑郁症 | AI分析视听信号 | 深度学习模型 | 视频、音频、文本 | 89名参与者（41名MDD患者，48名无症状者） |
| 260 | 2025-06-09 |
Deep learning-driven modality imputation and subregion segmentation to enhance high-grade glioma grading
2025-May-30, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-03029-0
PMID:40448035
|
研究论文 | 本研究开发了一个深度学习框架，通过模态插补和子区域分割提高高级别胶质瘤分级的准确性 | 提出了基于PatchGAN的模态插补网络，结合了Transformer自注意力和CNN特征提取的聚合残差Transformer（ART）模块，并配以U-Net变体进行分割 | 研究依赖于回顾性数据，可能限制了结果的普适性 | 提高高级别胶质瘤的分级准确性 | 高级别胶质瘤患者 | 数字病理 | 胶质瘤 | 深度学习 | PatchGAN, Transformer, CNN, U-Net | 医学影像 | 1,251名患者（BraTS2021数据集）和181例临床病例（外部测试集） |