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 1262 篇文献，本页显示第 421 - 440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 421 | 2025-10-06 |
Graph Transformer Model Integrating Physical Features for Projected Electronic Density of States Prediction
2025-Jun-26, The journal of physical chemistry. A
DOI:10.1021/acs.jpca.5c03006
PMID:40500907
|
研究论文 | 本研究提出一种集成物理特征的图变换器模型，用于预测材料的投影电子态密度 | 首次将图变换器应用于PDOS预测，并通过引入价电子轨道计数作为物理特征增强模型性能 | 仅使用Materials Project数据库的数据，未在其他数据集上验证模型泛化能力 | 提高材料投影电子态密度的预测精度 | 材料的投影电子态密度数据 | 机器学习 | NA | NA | Graph Transformer, GCN, GAT | 图数据 | Materials Project数据库中的PDOS数据 | NA | Graph Transformer | 预测准确率 | NA |
| 422 | 2025-10-06 |
LumiCharge: Spherical Harmonic Convolutional Networks for Atomic Charge Prediction in Drug Discovery
2025-Jun-26, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c01025
PMID:40521781
|
研究论文 | 提出一种用于药物发现中原子电荷预测的新型球形谐波卷积网络框架LumiCharge | 首次将高阶球形谐波卷积与多体相互作用显式建模相结合，增强了几何空间感知能力 | 未明确说明模型的计算效率与量子力学方法的对比 | 开发高精度且可推广的原子电荷预测方法以支持药物设计 | 分子结构中的原子电荷 | 机器学习 | NA | 球形谐波卷积 | CNN | 分子结构数据 | NA | NA | 球形谐波卷积网络 | RMSE | NA |
| 423 | 2025-10-06 |
Research on automatic assessment of the severity of unilateral vocal cord paralysis based on Mel-spectrogram and convolutional neural networks
2025-Jun-21, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-025-01401-9
PMID:40544236
|
研究论文 | 基于梅尔频谱图和卷积神经网络开发自动评估单侧声带麻痹严重程度的AI平台 | 首次将梅尔频谱图及其一阶和二阶微分特征结合TripleConvNet模型用于单侧声带麻痹严重程度的自动分级 | 样本量相对有限（423个样本），准确率为74.3%仍有提升空间 | 开发基于AI的单侧声带麻痹严重程度自动评估方法 | 131名健康个体和292名单侧声带麻痹患者 | 医学人工智能 | 单侧声带麻痹 | 语音分析，梅尔频谱图分析 | CNN | 语音信号，梅尔频谱图 | 423个语音样本（131健康+292患者） | NA | TripleConvNet | 准确率 | NA |
| 424 | 2025-10-06 |
Comparing point counts, passive acoustic monitoring, citizen science and machine learning for bird species monitoring in the Mount Kenya ecosystem
2025-Jun-12, Philosophical transactions of the Royal Society of London. Series B, Biological sciences
DOI:10.1098/rstb.2024.0057
PMID:40501133
|
研究论文 | 比较传统鸟类调查点计数法、被动声学监测、公民科学和机器学习在肯尼亚山生态系统鸟类监测中的效果 | 首次在肯尼亚山生态系统比较四种鸟类监测方法，并提供了专家标注的20多小时录音数据集 | 即使使用多种方法仍未能检测到肯尼亚山生态系统中已知的稀有物种 | 评估不同鸟类监测方法在生态系统保护中的有效性 | 肯尼亚山生态系统中的鸟类物种 | 生态监测 | NA | 被动声学监测,点计数法,公民科学 | 深度学习模型 | 音频录音 | 肯尼亚山生态系统两个地点的20多小时录音数据 | NA | 大型深度学习模型 | 物种相对丰度比较,物种列表完整性 | NA |
| 425 | 2025-10-06 |
Proteasome-derived antimicrobial peptides discovered via deep learning
2025-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.17.643752
PMID:40501667
|
研究论文 | 通过深度学习从蛋白酶体中挖掘新型抗菌肽 | 首次系统挖掘蛋白酶体来源的抗菌肽（proteasomins），发现其序列特征与已知抗菌肽显著不同 | 研究主要基于计算预测，实验验证尚不充分 | 探索蛋白酶体在先天免疫中的新功能并开发新型抗菌药物 | 蛋白酶体来源的抗菌肽 | 生物信息学 | 细菌感染 | 深度学习 | 深度学习模型 | 蛋白质序列数据 | ProteasomeDB数据库中的蛋白酶体切割和剪接事件 | NA | NA | 最小抑菌浓度（MIC） | NA |
| 426 | 2025-10-06 |
Challenges for Opticians in Evaluating Small Pigmented Choroidal Lesions: Potential Support From the MelAInoma Deep Learning Algorithm
2025-Jun-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.6.29
PMID:40548640
|
研究论文 | 评估验光师对小色素性脉络膜病变的诊断准确性，并探讨MelAInoma深度学习算法对转诊决策的改善效果 | 首次将MelAInoma深度学习算法应用于验光师对脉络膜病变的临床决策支持，显著改善了转诊特异性 | 基于小规模图像集（仅包含5个黑色素瘤），限制了结果的普适性 | 评估验光师对小色素性脉络膜病变的诊断准确性，并验证深度学习算法的辅助价值 | 29名瑞典验光师和25张眼底照片（5个黑色素瘤，20个痣） | 数字病理 | 眼黑色素瘤 | 眼底摄影 | 深度学习算法 | 图像 | 25张眼底照片（5个黑色素瘤，20个痣），29名验光师参与评估 | NA | MelAInoma | 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, 标准差, 决策曲线净收益 | NA |
| 427 | 2024-08-21 |
Enhancing dental interns' proficiency in operating electronic facebows through scenario-training-based deep learning method
2025-Jun, Journal of dental education
IF:1.4Q3
DOI:10.1002/jdd.13696
PMID:39160763
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 428 | 2025-10-06 |
Quantification and classification of lumbar disc herniation on axial magnetic resonance images using deep learning models
2025-Jun, La Radiologia medica
DOI:10.1007/s11547-025-01996-y
PMID:40126796
|
研究论文 | 开发基于深度学习的自动化系统用于腰椎间盘突出症的量化分析和分类 | 首次将YOLOv8系列模型（目标检测、分割和关键点检测）集成应用于腰椎间盘突出症的自动诊断，实现了对LDH区域、严重程度和类型的多维度分类 | 研究为回顾性分析，需要在前瞻性研究中进一步验证模型性能 | 开发快速准确的腰椎间盘突出症自动量化与分类系统 | 腰椎间盘突出症患者的轴向T2加权MRI图像 | 计算机视觉 | 腰椎间盘突出症 | 磁共振成像（MRI） | YOLOv8 | 医学图像 | 2500名患者（训练集2120患者/25554图像，内部测试集80患者/784图像，外部测试集300患者/3285图像） | NA | YOLOv8-object detection, YOLOv8-seg, YOLOv8-pose | IoU, mAP50:95, 平均误差, 精确率, F1分数, Kappa系数, 95%置信区间 | NA |
| 429 | 2025-10-06 |
Integrative deep learning and radiomics analysis for ovarian tumor classification and diagnosis: a multicenter large-sample comparative study
2025-Jun, La Radiologia medica
DOI:10.1007/s11547-025-02006-x
PMID:40167932
|
研究论文 | 本研究通过整合深度学习与影像组学分析，开发了卵巢肿瘤分类诊断的联合模型 | 首次将卷积神经网络与影像组学特征相结合用于卵巢肿瘤良恶性鉴别，并在多中心大样本研究中验证其优越性 | 回顾性研究设计，可能存在选择偏倚 | 评估经阴道超声影像组学与深度学习模型结合在卵巢肿瘤良恶性鉴别中的有效性 | 卵巢肿瘤患者 | 计算机视觉 | 卵巢肿瘤 | 经阴道超声成像 | CNN | 超声图像 | 2078名患者的3193张图像 | NA | 卷积神经网络 | AUC, 敏感性, 特异性 | NA |
| 430 | 2025-10-06 |
Piezoelectret Textile Dressing for Biosignal Monitored Wound Healing
2025-Jun, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202503130
PMID:40351106
|
研究论文 | 开发了一种新型旋转喷射纺丝纺织压电驻极体材料，用于生物信号监测和伤口愈合应用 | 首次报道了旋转喷射纺丝纺织压电驻极体材料，通过电极化处理将压电输出性能提高了150%电压和200%电流 | NA | 开发兼具优异功能和舒适性的智能纺织传感器，用于生物医学技术应用 | 全有机纺织压电传感器、L929细胞 | 可穿戴技术、生物医学工程 | 伤口愈合 | 旋转喷射纺丝、有限元方法 | 深度学习 | 压力映射数据、生理信号数据 | NA | NA | NA | 准确率98% | NA |
| 431 | 2025-10-06 |
Deep Learning Radiomics Nomogram Based on MRI for Differentiating between Borderline Ovarian Tumors and Stage I Ovarian Cancer: A Multicenter Study
2025-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.12.067
PMID:39814661
|
研究论文 | 开发并验证基于T2加权MRI的深度学习放射组学列线图，用于术前区分卵巢交界性肿瘤和I期上皮性卵巢癌 | 首次将深度学习特征、瘤内及瘤周放射组学特征与临床预测因子整合构建综合模型 | 回顾性研究设计，样本量相对有限（279例患者） | 术前区分卵巢交界性肿瘤和I期上皮性卵巢癌 | 卵巢肿瘤患者 | 医学影像分析 | 卵巢癌 | MRI | 深度学习模型 | 医学影像（T2加权MRI） | 279例患者（训练集207例，外部测试集72例） | NA | NA | AUC | NA |
| 432 | 2025-10-06 |
In Toto Adipocytes Analysis Using Hydrophilic Tissue Clearing, Light Sheet Microscopy, and Deep Learning-Based Image Processing
2025-Jun, Biology of the cell
IF:2.4Q4
DOI:10.1111/boc.70013
PMID:40544484
|
研究论文 | 开发了一种结合亲水性组织透明化、光片显微镜和深度学习图像处理的创新方法，用于三维研究脂肪组织中的脂肪细胞体积 | 首次结合无脱脂步骤的脂肪组织透明化、光片显微镜和深度学习图像处理，实现脂肪细胞的三维原位分析 | 方法主要针对肥胖研究，在其他病理条件下的应用仍需进一步验证 | 开发三维脂肪组织研究方法以准确评估脂肪细胞体积 | 肥胖大鼠和健康大鼠的肠系膜脂肪组织 | 数字病理 | 肥胖 | 亲水性组织透明化、光片显微镜、荧光标记 | 深度学习 | 三维图像 | 肥胖大鼠与健康大鼠的肠系膜脂肪组织样本 | NA | NA | NA | NA |
| 433 | 2025-10-06 |
Characterizing climate change sentiments in Alaska on social media
2025-Jun, Digital geography and society
DOI:10.1016/j.diggeo.2024.100110
PMID:40547048
|
研究论文 | 本研究通过分析阿拉斯加地区2014-2017年的地理定位推文，探索公众对气候变化的情绪感知及其与当地社会经济和环境因素的关联 | 首次结合深度学习框架和词典情感分析方法系统分析阿拉斯加地区气候变化情绪，并揭示本地人口特征与环境特征对情绪表达的复杂影响 | 研究仅基于Twitter平台数据，可能无法代表全部人群观点；时间范围限定在2014-2017年 | 探究阿拉斯加地区公众对气候变化的情绪感知及其影响因素 | 阿拉斯加地区发布的与气候变化相关的推文 | 自然语言处理 | NA | 深度学习，情感分析，回归分析 | 深度学习框架 | 文本（推文） | 2014-2017年阿拉斯加地区地理定位推文集合 | NA | NA | 情感得分，回归系数 | NA |
| 434 | 2025-10-06 |
Application Value of Deep Learning-Based AI Model in the Classification of Breast Nodules
2025-Jun-25, British journal of hospital medicine (London, England : 2005)
DOI:10.12968/hmed.2025.0078
PMID:40554435
|
研究论文 | 本研究开发了基于深度学习的AI模型，用于辅助超声医师进行乳腺结节的BI-RADS分类 | 利用卷积神经网络构建AI模型提升乳腺结节分类准确性，并验证其临床辅助诊断价值 | 回顾性研究设计，样本仅来自单一医疗中心 | 评估基于深度学习的AI模型在乳腺结节分类中的临床应用价值 | 558例经病理证实的BI-RADS 3-5类乳腺结节患者 | 计算机视觉 | 乳腺癌 | 超声检查 | CNN | 超声图像 | 558例患者共1026个乳腺结节（765个良性，261个恶性） | NA | 卷积神经网络 | 灵敏度, 特异度, 准确率, ROC曲线, Cohen's加权Kappa系数 | NA |
| 435 | 2025-06-26 |
Letter by Sacoransky Regarding Article, "Deep Learning-Derived Cardiac Chamber Volumes and Mass From PET/CT Attenuation Scans: Associations With Myocardial Flow Reserve and Heart Failure"
2025-Jun-25, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.125.018652
PMID:40557525
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 436 | 2025-10-06 |
Regional free-water diffusion is more strongly related to neuroinflammation than neurodegeneration
2025-Jun-25, Journal of neurology
IF:4.8Q1
DOI:10.1007/s00415-025-13201-1
PMID:40560468
|
研究论文 | 本研究通过扩散MRI数据分析，发现区域自由水扩散与神经炎症的生物标志物GFAP关联性更强于神经退行性生物标志物NfL | 首次系统比较自由水扩散对神经炎症和神经退行性病变生物标志物的预测能力，提出自由水扩散作为神经炎症非侵入性影像学生物标志物 | 研究样本来自单一队列，需要外部验证；横断面设计无法确定因果关系 | 评估自由水扩散作为神经炎症非侵入性生物标志物的有效性 | 367名神经退行性疾病患者（阿尔茨海默病/轻度认知障碍、额颞叶痴呆、肌萎缩侧索硬化、帕金森病、血管性认知障碍） | 医学影像分析 | 神经退行性疾病 | 扩散MRI，血浆生物标志物检测 | 深度学习 | 医学影像，生物流体数据 | 367名患者 | NA | NA | 预测性能 | NA |
| 437 | 2025-10-06 |
Deep learning classification of drug-related problems from pharmaceutical interventions issued by hospital clinical pharmacists during medication prescription review: a large-scale descriptive retrospective study in a French university hospital
2025-Jun-24, European journal of hospital pharmacy : science and practice
IF:1.6Q3
DOI:10.1136/ejhpharm-2024-004139
PMID:39122480
|
研究论文 | 本研究利用深度学习模型对医院临床药师在处方审核中提出的药物相关问题进行自动分类和大规模回顾性分析 | 开发了新的深度神经网络分类器来自动识别药物相关问题，并在法国大学医院进行了为期3年的大规模回顾性分析 | 研究为回顾性设计，数据来源于单一医院系统 | 利用深度学习技术自动分类药物相关问题并分析其分布特征 | 医院临床药师在处方审核中提出的药物干预措施 | 自然语言处理 | NA | 深度学习 | 深度神经网络 | 文本数据（药物干预记录） | 2,930,656条处方记录，涉及119,689名患者，其中48,202名患者（40.2%）发生了153,335次药物干预 | Python 3.8, Keras | 深度神经网络 | NA | NA |
| 438 | 2025-10-06 |
High-Precision Intelligent Diagnosis of Pancreatic Cancer: Flowing Diffuseness from Single to Whole
2025-Jun-24, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c00465
PMID:40296678
|
研究论文 | 提出一种基于线扫描拉曼光谱和深度学习的智能诊断方法LRSHA，用于快速准确的胰腺癌组织诊断 | 首次将线扫描技术用于拉曼光谱快速采集，并通过谱循环图变换将1D光谱转为2D编码图，结合邻域增强方法显著提升诊断准确率 | NA | 开发快速高效的胰腺癌组织智能诊断方法 | 胰腺癌组织样本 | 医学影像分析 | 胰腺癌 | 拉曼光谱，线扫描技术 | 深度学习 | 光谱数据，图像数据 | NA | NA | NA | 准确率 | NA |
| 439 | 2025-10-06 |
Ultrasound Displacement Tracking Techniques for Post-Stroke Myofascial Shear Strain Quantification
2025-Jun-24, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3582275
PMID:40553666
|
研究论文 | 评估四种超声位移跟踪技术在卒中后肌筋膜剪切应变量化中的可靠性 | 提出新的临床假说——卒中患侧（麻痹侧）肩部肌筋膜剪切应变低于健侧，并首次系统比较四种位移估计算法在该假说下的性能 | L1-SOUL-Search算法运行速度较慢，样本量较小（仅10名参与者） | 评估不同超声位移跟踪技术对肌筋膜剪切应变估计可靠性的影响 | 卒中后肌筋膜肩痛的十名研究参与者 | 医学影像分析 | 卒中后遗症 | 超声位移跟踪，T1ρ磁共振成像 | NA | 超声影像，磁共振影像 | 10名卒中后肌筋膜肩痛患者 | NA | NA | 位移梯度均值与方差，边缘清晰度 | NA |
| 440 | 2025-06-26 |
Author Correction: Detection of cotton crops diseases using customized deep learning model
2025-Jun-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07853-2
PMID:40555723
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |