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 1237 篇文献，本页显示第 781 - 800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2025-10-06 |
Artificial intelligence-based cardiac transthyretin amyloidosis detection and scoring in scintigraphy imaging: multi-tracer, multi-scanner, and multi-center development and evaluation study
2025-Jun, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07117-1
PMID:39907796
|
研究论文 | 开发基于深度学习的全自动系统用于心脏转甲状腺素蛋白淀粉样变性病的闪烁成像检测和分级 | 首次在多种示踪剂、多扫描仪和多中心数据集上开发全自动ATTR-CM检测和分级系统 | 部分外部数据集样本量较小，未标记数据集仅用于回顾性评估 | 开发自动化工具提升ATTR-CM的诊断效率 | 心脏转甲状腺素蛋白淀粉样变性病患者 | 医学影像分析 | 心脏淀粉样变性 | 闪烁成像，深度学习 | 深度学习分类模型 | 闪烁成像图像 | 6个数据集共3732名患者（含3215名未标记患者） | NA | 集成学习模型 | 准确率，灵敏度，特异性，AUC，F1分数 | NA |
| 782 | 2025-10-06 |
The effect of cryopreservation on enamel microcracks - A μCT analysis using a deep learning algorithm
2025-Jun, Cryobiology
IF:2.3Q3
DOI:10.1016/j.cryobiol.2025.105207
PMID:39929328
|
研究论文 | 本研究通过深度学习算法分析μCT图像，首次评估冷冻保存对牙釉质微裂纹的影响 | 首次开发可扩展且精确的量化方法，能够自动分割仅2-3体素宽的微裂纹 | 样本量较小（仅5颗牙齿），裂纹模式可能受拔牙钳使用影响 | 研究冷冻保存对牙釉质微裂纹形成和演变的影响 | 人类牙齿 | 计算机视觉 | 牙科疾病 | μCT分析 | 深度学习 | 医学图像 | 5颗牙齿（冷冻保存前后对比） | Dragonfly | 4-phase semantic segmentation U-Net | 定性评估，裂纹/釉质比率量化 | NA |
| 783 | 2025-10-06 |
Recent advances in AI-driven protein-ligand interaction predictions
2025-Jun, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103020
PMID:39999605
|
综述 | 总结人工智能驱动的蛋白质-配体相互作用预测领域的最新进展 | 系统梳理了AI方法在配体结合位点预测、结合姿态估计、评分函数开发和虚拟筛选等关键任务中的创新应用 | 对不同蛋白质-配体对的泛化能力仍然存在挑战 | 提升基于结构的药物发现中蛋白质-配体相互作用预测的准确性和效率 | 蛋白质-配体相互作用 | 机器学习 | NA | 分子对接 | 图神经网络,混合密度网络,Transformer,扩散模型 | 蛋白质结构数据,配体数据 | NA | NA | 几何深度学习,序列嵌入,蛋白质-配体共生成框架 | NA | NA |
| 784 | 2025-10-06 |
Advances in EEG-based detection of Major Depressive Disorder using shallow and deep learning techniques: A systematic review
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110154
PMID:40273818
|
系统综述 | 系统回顾基于EEG的重度抑郁症检测中浅层和深度学习技术的进展 | 首次系统性地综述了EEG特征结合人工智能技术在MDD检测中的应用，涵盖多种EEG标记物和机器学习方法 | EEG指标在MDD背景下的可解释性仍需进一步研究 | 探索基于EEG的MDD客观诊断方法，理解其神经机制并识别潜在生物标志物 | 重度抑郁症患者与健康对照组的EEG数据 | 机器学习 | 重度抑郁症 | 脑电图 | 浅层学习,深度学习 | EEG信号 | 基于22项研究的汇总数据 | NA | NA | NA | NA |
| 785 | 2025-10-06 |
Beyond accuracy: The need for explainable AI in biomedical voice technology
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110240
PMID:40379565
|
评论 | 探讨生物医学语音技术中可解释人工智能的必要性及其在临床环境中的重要性 | 强调在生物医学语音技术领域，除了模型准确性外，可解释性对临床应用的至关重要性 | NA | 分析AI模型在生物医学语音技术中的可解释性需求 | 语音作为生物标志物的AI检测模型 | 自然语言处理 | 神经退行性疾病,呼吸系统疾病,精神疾病,情绪障碍 | 语音分析 | 深度学习 | 语音 | NA | NA | NA | 准确性 | NA |
| 786 | 2025-10-06 |
[Rapid identification and analysis of hemoglobin isoelectric focusing electrophoresis images based on deep learning]
2025-Jun, Se pu = Chinese journal of chromatography
DOI:10.3724/SP.J.1123.2024.05012
PMID:40394749
|
研究论文 | 本研究提出基于深度学习的目标检测算法，用于快速识别血红蛋白等电聚焦电泳图像中的条带并进行定量分析 | 首次将YOLOv8深度学习模型应用于无pI标记的血红蛋白等电聚焦电泳图像分析，无需依赖专业人员经验且不受泳道变形等因素影响 | 研究仅针对血红蛋白等电聚焦电泳图像，模型在其他类型电泳图像上的适用性尚未验证 | 开发快速准确的血红蛋白等电聚焦电泳图像自动分析方法 | 血红蛋白等电聚焦电泳图像 | 计算机视觉 | 地中海贫血 | 等电聚焦电泳，微阵列等电聚焦 | YOLOv8 | 图像 | 1665张无pI标记的血红蛋白等电聚焦图像 | NA | YOLOv8n | 检测准确率，推理时间，线性度，相关系数 | 有限计算资源 |
| 787 | 2025-10-06 |
A hybrid protocol for peptide development: integrating deep generative models and physics simulations for biomolecular design targeting IL23R/IL23
2025-Jun, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.144652
PMID:40419055
|
研究论文 | 提出一种结合深度生成模型和物理模拟的混合协议，用于开发靶向IL23R/IL23的肽类生物分子 | 首次将LSTM生成模型、GRU分类器与分子动力学模拟相结合，用于肽类抑制剂开发 | NA | 开发靶向IL23R/IL23相互作用的肽类抑制剂 | 白细胞介素-23受体(IL23R)及其相关细胞因子白细胞介素-23(IL23) | 机器学习 | 自身免疫性疾病 | 分子动力学模拟 | LSTM, GRU | 分子结构数据 | NA | NA | LSTM, GRU | 结合亲和力, 稳定性, IC50 | NA |
| 788 | 2025-10-06 |
m6A-SPP: Identification of RNA N6-methyladenosine modification sites through multi-source biological features and a hybrid deep learning architecture
2025-Jun, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.144789
PMID:40449782
|
研究论文 | 提出了一种名为m6A-SPP的新型深度学习框架，用于有效预测RNA N6-甲基腺苷修饰位点 | 整合了序列特征和理化性质的双模块架构，结合预训练BERT模型与CNN进行RNA序列表示，并融合三种关键理化属性 | NA | 准确预测RNA N6-甲基腺苷修饰位点，以理解其生物学功能及在疾病中的作用 | RNA N6-甲基腺苷修饰位点 | 生物信息学 | NA | RNA修饰位点预测 | BERT, CNN | RNA序列数据，理化性质数据 | 包含8个细胞系（如HEK293T和HeLa）和3种组织类型（包括脑、肝和肾）的单核苷酸分辨率m6A数据集 | NA | DNABERT, CNN, 混合深度学习架构 | NA | NA |
| 789 | 2025-10-06 |
Network Occlusion Sensitivity Analysis Identifies Regional Contributions to Brain Age Prediction
2025-Jun-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70239
PMID:40470724
|
研究论文 | 本研究通过结合网络遮挡敏感性分析和精细人脑图谱，识别了脑龄预测模型中各脑区的贡献度 | 开发了可解释性方案NOSA，首次系统揭示了不同脑区在生命周期各阶段对脑龄预测的贡献模式 | 研究样本年龄范围有限（8-80岁），未涵盖婴幼儿和极高龄群体 | 提高脑龄预测深度学习模型的可解释性，识别关键贡献脑区 | 人类大脑结构和功能区域 | 医学影像分析 | 老年疾病 | 脑磁共振成像 | CNN | 脑影像数据 | 训练集3054人，测试集555人，年龄范围8-80岁 | NA | 全卷积神经网络 | NA | NA |
| 790 | 2025-06-07 |
Deep learning for microbiome-informed precision nutrition
2025-Jun, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwaf148
PMID:40475064
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 791 | 2025-06-10 |
PeruFoodNet: A unique dataset of traditional peruvian food for image recognition systems and allergenic ingredient inference
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111604
PMID:40486219
|
research paper | 介绍了一个名为PeruFoodNet的数据集，包含4000张传统秘鲁菜肴的图片，用于图像识别系统和过敏成分推断 | 创建了一个独特的秘鲁菜肴数据集，可用于图像识别和过敏成分识别 | 数据集主要由作者自己拍摄，可能缺乏多样性 | 促进图像识别和分类研究，帮助识别菜肴中的过敏成分 | 传统秘鲁菜肴 | computer vision | NA | Deep Learning | NA | image | 4000张图片，涵盖40种最受欢迎的秘鲁菜肴，每种菜肴100张图片 | NA | NA | NA | NA |
| 792 | 2025-06-10 |
Investigation of Short-term Crystalline Lens Positional Shifts Following ICL Implantation Using SS-OCT Integrated With Multi-task Deep Learning
2025-Jun, Journal of refractive surgery (Thorofare, N.J. : 1995)
DOI:10.3928/1081597X-20250506-06
PMID:40488484
|
research paper | 研究使用SS-OCT结合多任务深度学习评估ICL植入后短期晶状体位置变化 | 首次结合SS-OCT和多任务深度学习定量评估ICL植入后晶状体倾斜和偏心变化 | 样本量较小(42眼)，仅评估短期(1周内)变化 | 评估ICL植入对晶状体位置的短期影响 | 26名患者(42眼)的ICL植入手术前后晶状体位置 | digital pathology | ophthalmic disease | SS-OCT | multi-task deep learning | medical image | 42 eyes from 26 patients | NA | NA | NA | NA |
| 793 | 2025-06-09 |
Decoding EEG-based cognitive load using fusion of temporal and functional connectivity features
2025-Jun-08, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2514132
PMID:40483616
|
research paper | 提出了一种结合时间和功能连接特征的深度学习架构，用于增强基于EEG信号的认知负荷评估 | 提出了一种新颖的深度学习架构，整合了时间信息特征和功能连接特征，通过融合策略结合两者的互补优势，提高了分类性能 | EEG信号的低信噪比和个体间变异性可能影响模型的泛化能力 | 提高基于EEG信号的认知负荷评估的准确性和泛化能力 | EEG信号 | Brain-Computer Interfaces (BCI) | NA | EEG信号分析 | LSTM网络结合注意力机制 | EEG信号 | 两个公开数据集 | NA | NA | NA | NA |
| 794 | 2025-06-09 |
CPE-Pro: A Structure-Sensitive Deep Learning Method for Protein Representation and Origin Evaluation
2025-Jun-08, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00732-4
PMID:40483648
|
研究论文 | 提出了一种结构敏感的深度学习模型CPE-Pro，用于蛋白质结构的表示和来源评估 | 结合预训练的蛋白质结构序列语言模型(SSLM)和几何向量感知器-图神经网络(GVP-GNN)，学习结构感知的蛋白质表示并捕捉结构差异，实现四种结构数据来源的准确分类 | 未来研究需要扩展架构以适应更多蛋白质结构范式，并开发针对低pLDDT预测结构的评估方法 | 解决现有蛋白质表示方法难以捕捉关键结构差异的问题，提高蛋白质结构来源评估的准确性 | 蛋白质结构 | 生物信息学 | NA | 深度学习 | SSLM, GVP-GNN | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 795 | 2025-06-09 |
Predicting infarct outcomes after extended time window thrombectomy in large vessel occlusion using knowledge guided deep learning
2025-Jun-06, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2025-023355
PMID:40480824
|
research paper | 本研究通过引入先验知识指导，旨在提高深度学习模型在急性缺血性卒中（AIS）患者接受延长时间窗机械取栓（MT）后梗死预测的准确性 | 结合医学先验知识（如侧支循环评分、梗死概率映射和动脉区域映射）到深度学习模型中，显著提高了梗死预测的准确性 | 研究为回顾性设计，样本量相对较小（221例患者），且仅基于三个中心的数据 | 提高延长时间窗机械取栓后梗死预测的准确性，以优化急性缺血性卒中的治疗计划 | 急性缺血性卒中（AIS）患者 | digital pathology | cardiovascular disease | CT perfusion | Swin transformer | image | 221例AIS患者 | NA | NA | NA | NA |
| 796 | 2025-06-09 |
Automatic Segmentation of Ultrasound-Guided Transverse Thoracic Plane Block Using Convolutional Neural Networks
2025-Jun-06, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01565-9
PMID:40481276
|
研究论文 | 本研究应用深度学习方法开发了一个深度学习模型，用于实时分割超声引导下的横向胸平面阻滞（TTP）区域，以协助医生准确识别目标神经 | 开发了TTP-Unet模型，专门用于TTP阻滞，能够自动识别超声图像中的关键解剖结构，降低TTP阻滞技术的临床难度 | 研究仅基于155名患者的2329张图像，样本量可能不足以覆盖所有临床情况 | 通过深度学习模型提高超声引导下TTP阻滞的准确性和实时性 | 超声图像中的横向胸肌、肺部和骨骼等关键结构 | 计算机视觉 | 术后疼痛 | 深度学习 | CNN（TTP-Unet） | 图像 | 155名患者的2329张图像 | NA | NA | NA | NA |
| 797 | 2025-06-09 |
DynamicDTA: Drug-Target Binding Affinity Prediction Using Dynamic Descriptors and Graph Representation
2025-Jun-06, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00729-z
PMID:40481301
|
研究论文 | 该论文提出了一种名为DynamicDTA的深度学习框架，用于预测药物-靶标结合亲和力，结合了静态和动态蛋白质特征以提高预测准确性 | DynamicDTA首次整合了动态蛋白质特征（如均方根波动）和静态特征，通过图卷积网络和多层感知机处理不同输入，并使用交叉注意力和张量融合网络整合多模态信息 | 论文未明确提及模型的计算复杂度或对特定蛋白质动态特征的依赖性可能带来的限制 | 提高药物-靶标结合亲和力预测的准确性，以支持药物发现过程 | 药物序列、蛋白质序列和动态描述符 | 机器学习 | HIV-1感染 | 图卷积网络（GCN）、扩张卷积、多层感知机（MLP） | DynamicDTA（结合GCN、CNN和MLP的混合模型） | 序列数据（药物和蛋白质）、动态描述符数据 | 三个数据集（具体数量未提及） | NA | NA | NA | NA |
| 798 | 2025-06-09 |
Enhancing pancreatic cancer detection in CT images through secretary wolf bird optimization and deep learning
2025-Jun-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00512-6
PMID:40473659
|
research paper | 提出了一种结合秘书狼鸟优化算法和深度学习的方法，用于增强CT图像中胰腺癌的检测 | 结合了Wolf Bird Optimization (WBO) 和 Secretary Bird Optimization Algorithm (SBOA) 设计了SeWBO算法，并开发了SeWBO_Efficient DenseNet模型用于胰腺肿瘤检测 | NA | 提高胰腺癌的早期检测率以改善生存率并提供适当的治疗 | 胰腺CT图像 | digital pathology | pancreatic cancer | Computed Tomography (CT) | SeWBO_Efficient DenseNet (结合EfficientNet和DenseNet) | image | NA | NA | NA | NA | NA |
| 799 | 2025-06-09 |
SHAP-enhanced interpretive MGTWR-CNN-BILSTM-AM framework for predicting surface subsidence: a case study of Shanghai municipality
2025-Jun-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95694-4
PMID:40473748
|
research paper | 该研究提出了一种集成MGTWR-CNN-BiLSTM-AM（MGCBA）模型，用于预测上海地区的地面沉降，通过多尺度时空效应提高预测准确性 | 结合MGTWR框架和深度学习网络（CNN-BiLSTM-AM），量化沉降与驱动因素之间的非线性时空关系，并通过SHAP值分析增强模型的可解释性 | 研究仅以上海市为主要沉降区为案例，可能不适用于其他地区 | 提高地面沉降预测的准确性，并识别主要驱动因素 | 上海地区的地面沉降 | machine learning | NA | SBAS-InSAR, GNSS, PS-InSAR | MGTWR, CNN, BiLSTM, AM | deformation data, time-series data | 上海主要沉降区的SBAS-InSAR变形数据 | NA | NA | NA | NA |
| 800 | 2025-06-09 |
A method for spatial interpretation of weakly supervised deep learning models in computational pathology
2025-Jun-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04043-y
PMID:40473761
|
研究论文 | 提出了一种名为WEEP的新方法，用于在计算病理学中解释弱监督深度学习模型的空间区域选择 | WEEP方法为弱监督学习提供了一种原则性且直接的方式，用于确定WSI中驱动预测标签的空间区域 | 方法仅在乳腺癌计算病理学的二元分类任务中进行了演示，未涉及其他疾病或更复杂的分类任务 | 开发一种方法以识别WSI中驱动弱监督学习模型预测的空间区域，增强模型的空间可解释性 | 乳腺癌全切片图像（WSI） | 计算病理学 | 乳腺癌 | 弱监督深度学习 | 深度学习模型（具体类型未明确说明） | 图像（全切片图像WSI） | NA | NA | NA | NA | NA |