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 1387 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 | 2025-05-16 |
scSDNE: A semi-supervised method for inferring cell-cell interactions based on graph embedding
2025-May, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013027
PMID:40333631
|
research paper | 该论文提出了一种名为scSDNE的半监督图嵌入模型，用于推断基于配体-受体（L-R）相互作用的细胞间通讯 | 结合深度学习与手动整理的L-R相互作用数据库，scSDNE能够将相互作用细胞中的基因映射到共享潜在空间，从而更精确地表示细胞间关系 | NA | 全面理解细胞间通讯的复杂机制 | 细胞间通讯中的配体-受体（L-R）相互作用 | 生物信息学 | NA | 单细胞RNA测序（scRNA-seq） | 半监督图嵌入模型（scSDNE） | 基因表达数据 | NA | NA | NA | NA | NA |
| 922 | 2025-05-16 |
Early detection of Alzheimer's disease using deep learning methods
2025-May, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.70175
PMID:40356024
|
研究论文 | 本研究利用深度学习框架分析多模态数据集，以提高阿尔茨海默病的早期检测准确性 | 开发了一种结合LSTM和FNN处理结构化数据，以及ResNet50和MobileNetV2处理MRI数据的混合深度学习框架，显著提高了预测准确率 | 研究依赖于特定数据集（NACC和ADNI），可能限制了模型的泛化能力 | 通过AI技术提高阿尔茨海默病的早期检测准确性 | 阿尔茨海默病患者的多模态数据（临床数据、生物标志物和神经影像数据） | 数字病理学 | 老年病 | 深度学习 | LSTM, FNN, ResNet50, MobileNetV2 | 结构化数据, MRI图像 | 来自NACC和ADNI数据集的数据 | NA | NA | NA | NA |
| 923 | 2025-05-15 |
Artificial intelligence for chronic total occlusion percutaneous coronary interventions
2025-May-13, The Journal of invasive cardiology
IF:1.6Q3
DOI:10.25270/jic/25.00089
PMID:40359582
|
review | 本文回顾了人工智能在慢性完全闭塞（CTO）诊断和经皮冠状动脉介入治疗（PCI）成功率预测中的最新进展 | 探讨了AI在CTO PCI中的创新应用，特别是在诊断和治疗决策支持方面的潜力 | 未提及具体的研究样本量或模型性能的详细比较 | 评估AI在CTO PCI领域的应用效果和前景 | 慢性完全闭塞（CTO）和经皮冠状动脉介入治疗（PCI） | machine learning | cardiovascular disease | NA | neural networks, deep learning | clinical parameters, imaging | NA | NA | NA | NA | NA |
| 924 | 2025-05-15 |
Compressed chromatographic fingerprint of Artemisiae argyi Folium empowered by 1D-CNN: Reduce mobile phase consumption using chemometric algorithm
2025-May-10, Journal of chromatography. A
DOI:10.1016/j.chroma.2025.465874
PMID:40101658
|
研究论文 | 本研究提出了一种结合一维卷积神经网络（1D-CNN）与高效液相色谱（HPLC）的压缩指纹图谱分析技术，旨在提高复杂系统中多种化合物的分析效率并减少有机溶剂的使用 | 结合1D-CNN与HPLC，开发压缩指纹图谱技术，显著减少分析时间和有机溶剂消耗 | 在分析的十种化合物中，仅九种取得了良好结果，表明模型对某些化合物的解释力有待提高 | 提高复杂系统中化合物分析的效率并减少有机溶剂消耗 | 艾叶（Artemisiae argyi Folium, AAF） | 化学计量学 | NA | 高效液相色谱（HPLC），一维卷积神经网络（1D-CNN） | 1D-CNN | 色谱数据 | NA | NA | NA | NA | NA |
| 925 | 2025-05-15 |
A novel framework for esophageal cancer grading: combining CT imaging, radiomics, reproducibility, and deep learning insights
2025-May-10, BMC gastroenterology
IF:2.5Q2
DOI:10.1186/s12876-025-03952-6
PMID:40348987
|
research paper | 该研究提出了一种结合CT成像、放射组学、可重复性和深度学习的新框架，用于食管癌分级 | 结合放射组学和深度学习特征，通过注意力机制增强模型准确性，并采用多种机器学习模型进行癌症分级 | 研究为回顾性研究，可能受到数据质量和手动分割肿瘤区域的主观性影响 | 创建可靠的食管癌分级框架，提高诊断准确性和可解释性 | 2560名食管癌患者的CT扫描图像和临床信息 | digital pathology | esophageal cancer | CT imaging, radiomics, deep learning | DenseNet121, EfficientNet-B0, Random Forest, XGBoost, CatBoost | image, clinical information | 2560名食管癌患者 | NA | NA | NA | NA |
| 926 | 2025-05-15 |
Automated detection of arrhythmias using a novel interpretable feature set extracted from 12-lead electrocardiogram
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109957
PMID:40090185
|
研究论文 | 本研究提出了一种基于特征的方法，用于从12导联心电图中自动检测心律失常，该方法在保持与深度学习相当性能的同时提供了更高的临床可解释性 | 提出了一种新颖的可解释特征集，结合数学技术如傅里叶变换、小波变换和互相关来评估心电图特征，并通过SHAP值分析优化特征集 | 在外部测试数据集上的性能有所下降（F1分数从81%降至68%） | 开发一种兼具高准确性和临床可解释性的心律失常自动诊断系统 | 12导联心电图数据 | 机器学习 | 心血管疾病 | 傅里叶变换、小波变换、互相关 | eXtreme Gradient Boosting (XGBoost) | 心电图信号 | 未明确提及具体样本数量，但使用了大规模心电图数据库 | NA | NA | NA | NA |
| 927 | 2025-05-15 |
Extraction of fetal heartbeat locations in abdominal phonocardiograms using deep attention transformer
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110002
PMID:40096767
|
research paper | 提出了一种名为FHSU-NETR的深度学习模型，用于从原始PCG信号中直接提取胎儿和母亲的心率 | 利用transformer的自注意力机制，增强模型模拟远程交互和捕获全局上下文的能力 | 研究仅验证了20名正常受试者的数据，样本量较小 | 提高胎儿健康监测的可及性和可靠性 | 胎儿和母亲的心率 | machine learning | 心血管疾病 | Phonocardiography (PCG) | U-NetR, transformer | PCG信号 | 20名正常受试者，包括一例胎儿心动过速心律失常病例 | NA | NA | NA | NA |
| 928 | 2025-10-07 |
NCPepFold: Accurate Prediction of Noncanonical Cyclic Peptide Structures via Cyclization Optimization with Multigranular Representation
2025-May-13, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00139
PMID:40255206
|
研究论文 | 开发了一种专门用于预测含非经典氨基酸环肽结构的深度学习模型NCPepFold | 首次提出结合残基和原子级多粒度信息，通过环化优化直接预测含非经典氨基酸环肽结构的方法 | 仅针对环肽结构预测，未涉及线性肽或其他生物分子结构预测 | 提高含非经典氨基酸环肽结构预测的准确性 | 含非经典氨基酸的环肽 | 机器学习 | NA | 深度学习 | 深度学习模型 | 肽结构数据 | NA | NA | NCPepFold | 均方根偏差(RMSD) | NA |
| 929 | 2025-10-07 |
SpecRecFormer: Deep Learning-Driven Adaptive Component Identification of PAH Mixtures Based on Single-Component Raman Spectra
2025-May-13, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c00461
PMID:40298131
|
研究论文 | 提出一种基于深度学习的SpecRecFormer模型，用于快速识别多环芳烃混合物中的单个组分 | 集成双通道CNN和Transformer模块进行局部和全局特征提取，并引入自适应阈值策略动态调整决策阈值 | 训练数据仅来自四个单组分参考光谱，可能限制模型在更广泛化合物上的泛化能力 | 解决混合光谱中组分识别的挑战，特别是光谱峰重叠和分子相互作用导致的特征峰位移问题 | 多环芳烃混合物的拉曼光谱 | 光谱分析 | NA | 拉曼光谱 | CNN, Transformer | 光谱数据 | 四个单组分参考光谱，扩展到三个真实世界PAH数据集 | NA | 双通道CNN, Transformer | 准确率 | NA |
| 930 | 2025-10-07 |
Effect of Cell-Cell Interaction on Single-Cell Behavior Revealed by a Deep Learning-Aided High-Throughput Addressable Single-Cell Coculture System
2025-May-13, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c00306
PMID:40298933
|
研究论文 | 开发了一种深度学习辅助的高通量可寻址单细胞共培养系统，用于研究单细胞水平的细胞间相互作用 | 结合高通量单细胞共培养和自动化数据处理，实现了快速配对异质性细胞并定量分析单细胞相互作用 | NA | 研究细胞间相互作用对单细胞行为的影响 | 单个乳腺癌细胞和单个内皮细胞 | 数字病理 | 乳腺癌 | 单细胞共培养系统 | 深度学习 | 单细胞数据 | NA | NA | NA | NA | NA |
| 931 | 2025-10-07 |
Lightweight and universal deep learning model for fast proton spot dose calculation at arbitrary energies
2025-May-13, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/add3b9
PMID:40315885
|
研究论文 | 提出一种轻量级通用深度学习模型用于快速计算任意能量下的质子点剂量 | 首次将LSTM网络应用于质子点剂量计算，实现了适用于任意能量的轻量级通用模型 | 在鼻咽癌和肺癌病例中，由于组织结构差异，部分点剂量样本出现明显偏差 | 开发适用于快速自适应规划和质量保证的质子点剂量计算方法 | 前列腺癌、鼻咽癌和肺癌病例 | 医学物理 | 前列腺癌,鼻咽癌,肺癌 | 质子治疗 | LSTM | 剂量数据 | 前列腺、鼻咽和肺癌病例数据集 | NA | MED-LSTM | 伽马通过率 | NA |
| 932 | 2025-10-07 |
Discovery and Prediction on a Family of Hard Superconductors with Kagome Lattice: XY3 Compounds
2025-May-13, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c15032
PMID:40317254
|
研究论文 | 通过结构预测发现具有Kagome晶格的XY3化合物家族，并研究其超导和硬质特性 | 首次在NaSi_6/相中发现Kagome晶格，并通过深度学习分子动力学模拟构建相图 | 研究主要基于理论计算和模拟，需要实验验证 | 探索具有Kagome晶格和硬质特性的超导体材料 | XY3化合物（X=Li, Na, Cs; Y=B, Si, Ge） | 材料科学 | NA | 结构预测，深度学习分子动力学模拟 | 深度学习 | 晶体结构数据，分子动力学模拟数据 | 多种XY3化合物组合（X=Li, Na, Cs; Y=B, Si, Ge） | NA | NA | 超导临界温度，熔点温度 | NA |
| 933 | 2025-10-07 |
Validation of a fingertip home sleep apnea testing system using deep learning AI and a temporal event localization analysis
2025-May-12, Sleep
IF:5.3Q1
DOI:10.1093/sleep/zsae317
PMID:39821673
|
研究论文 | 验证基于深度学习AI和时序事件定位分析的指尖家庭睡眠呼吸暂停检测系统TipTraQ | 开发了结合多通道光电容积描记和加速度计传感器的紧凑型家用设备，并采用深度学习AI系统进行睡眠呼吸暂停评估 | 研究样本主要来自特定医疗中心，需要更广泛的外部验证 | 验证家庭睡眠呼吸暂停测试系统的准确性和可靠性 | 疑似阻塞性睡眠呼吸暂停的成年患者 | 医疗AI | 阻塞性睡眠呼吸暂停 | 光电容积描记术，加速度计传感 | 深度学习AI | 生理信号数据 | 352名参与者（240名内部验证，112名外部验证） | NA | NA | Spearman相关系数，均方根误差，真阳性率，假阳性率，假阴性率，Cohen's kappa | 基于云端的AI系统 |
| 934 | 2025-05-14 |
Deep Learning-Enabled Echocardiographic Assessment of Biventricular Ejection Fractions: The Dual-Task QUEST-EF Model
2025-May-12, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeaf147
PMID:40354128
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 935 | 2025-10-07 |
GAMMNet: Gating Multi-head Attention in a Multi-modal Deep Network for Sound Based Respiratory Disease Detection
2025-May-12, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3569160
PMID:40354202
|
研究论文 | 提出一种名为GAMMNet的新型多模态神经网络，通过门控机制和多头注意力提升基于声音的呼吸系统疾病检测性能 | 引入独特的门控机制自适应调节各模态对分类结果的影响，并结合多头注意力和线性变换模块增强分类性能 | 未明确说明模型在临床环境中的实际部署挑战和计算效率问题 | 开发接触式监测技术用于呼吸系统疾病的早期检测 | 基于多模态声音数据的呼吸系统疾病 | 机器学习 | 呼吸系统疾病 | 多模态声音分析 | 深度学习神经网络 | 多模态声音数据 | 真实世界多模态呼吸声音数据集（具体数量未说明） | NA | GAMMNet（包含门控机制、多头注意力模块和线性变换模块） | 分类准确率（与其他深度学习方法比较） | NA |
| 936 | 2025-10-07 |
MRI-Based Diagnostic Model for Alzheimer's Disease Using 3D-ResNet
2025-May-12, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/add73d
PMID:40354785
|
研究论文 | 本研究提出了一种基于3D-ResNet架构的阿尔茨海默病诊断模型，使用MRI数据进行三种认知状态的分类 | 在残差结构中引入特殊注意力机制(SAM)以增强特征表示，结合ResNet和3D-CNN的优势 | 仅使用ADNI数据集，样本量相对有限 | 开发基于深度学习的阿尔茨海默病早期准确诊断方法 | 阿尔茨海默病(AD)、轻度认知障碍(MCI)和认知正常(CN)个体 | 计算机视觉 | 阿尔茨海默病 | MRI | 3D-CNN | 3D MRI图像 | 800个脑部MRI扫描 | NA | 3D-ResNet | 准确率 | NA |
| 937 | 2025-10-07 |
Evaluating Machine- and Deep Learning Approaches for Artifact Detection in Infant EEG: Classifier Performance, Certainty, and Training Size Effects
2025-May-12, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/add740
PMID:40354792
|
研究论文 | 评估机器学习和深度学习方法在婴儿EEG伪迹检测中的性能表现 | 无需特征提取直接处理原始EEG信号，比较了传统机器学习与深度学习在婴儿EEG数据上的表现 | 仅使用单一数据集，未进行外部验证 | 开发自动化的婴儿EEG伪迹检测方法 | 294名婴儿的EEG数据 | 机器学习 | NA | 脑电图(EEG) | Random Forest, Support Vector Machine, 深度学习模型 | EEG信号 | 294名婴儿（平均年龄8.34个月），66,851个数据段 | NA | NA | 平衡准确率 | NA |
| 938 | 2025-10-07 |
A deep learning and molecular modeling approach to repurposing Cangrelor as a potential inhibitor of Nipah virus
2025-May-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00024-3
PMID:40355437
|
研究论文 | 本研究通过深度学习和分子建模方法探索抗血小板药物坎格瑞洛作为尼帕病毒潜在抑制剂的再利用价值 | 开发基于注意力机制的深度学习模型，结合药效团特性和结合效能筛选FDA批准药物，首次发现坎格瑞洛对尼帕病毒L蛋白具有强结合亲和力 | 需要进一步的体内研究验证其抗病毒效果 | 通过药物重定位策略寻找尼帕病毒RNA依赖性RNA聚合酶的潜在抑制剂 | 尼帕病毒L蛋白和FDA批准的约500种药物 | 机器学习 | 病毒感染 | 分子动力学模拟, 主成分分析, 溶剂可及表面积分析 | 注意力机制深度学习模型 | 分子结构数据, 结合亲和力数据 | 约500种FDA批准药物 | NA | 注意力机制模型 | 结合亲和力(glide score), 均方根偏差(RMSD), 结合能 | NA |
| 939 | 2025-10-07 |
A self-conformation-aware pre-training framework for molecular property prediction with substructure interpretability
2025-May-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59634-0
PMID:40355450
|
研究论文 | 提出一种自构象感知的预训练框架SCAGE，用于分子性质预测并具备亚结构可解释性 | 开发多任务预训练框架，整合分子指纹预测、官能团预测、2D原子距离预测和3D键角预测四项任务，实现构象感知的分子表征学习 | 未明确说明模型在更大规模或不同类型分子数据集上的泛化能力 | 解决药物开发中的结构-活性悬崖和未知药物性质预测问题 | 约500万个类药化合物 | 机器学习 | NA | 深度学习 | 图Transformer | 分子结构数据 | 约500万个类药化合物 | NA | SCAGE（自构象感知图Transformer） | 在9个分子性质和30个结构-活性悬崖基准测试中的性能改进 | NA |
| 940 | 2025-10-07 |
Baseline [18F]FP-CIT PET-based deep learning prediction of levodopa-induced dyskinesia in Parkinson's disease
2025-May-12, NPJ Parkinson's disease
DOI:10.1038/s41531-025-00982-5
PMID:40355487
|
研究论文 | 开发基于基线[18F]FP-CIT PET图像的深度学习模型预测帕金森病患者左旋多巴诱导的异动症发生 | 首次使用多任务学习的卷积神经网络模型从基线PET图像中提取特征预测LID发生 | 单中心回顾性研究，模型性能仍需提升才能达到临床应用标准 | 预测帕金森病患者左旋多巴诱导的异动症的发生 | 帕金森病患者 | 医学影像分析 | 帕金森病 | [18F]FP-CIT PET成像 | CNN | PET图像 | 402名患者（134名5年内发生LID，268名5年后发生或无LID） | NA | 卷积神经网络 | AUROC, C-index | NA |