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 1872 篇文献，本页显示第 1081 - 1100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1081 | 2025-10-06 |
Visual WetlandBirds Dataset: Bird Species Identification and Behavior Recognition in Videos
2025-Jul-11, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05516-5
PMID:40645987
|
研究论文 | 本文介绍了首个用于鸟类行为检测和物种分类的细粒度视频数据集Visual WetlandBirds，并提供了基于先进模型的基准结果 | 首个提供详细鸟类行为视频注释的细粒度数据集，填补了鸟类视频数据集领域的空白 | 数据集仅包含西班牙湿地的13种鸟类和7种行为类别，样本多样性有限 | 开发用于鸟类监测的深度学习模型，支持生物多样性保护决策 | 湿地鸟类及其行为 | 计算机视觉 | NA | 视频监控 | 深度学习模型 | 视频 | 178个视频，包含13种鸟类和7种行为类别 | NA | NA | NA | NA |
| 1082 | 2025-10-06 |
Integrating deep learning in stride-to-stride muscle activity estimation of young and old adults with wearable inertial measurement units
2025-Jul-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-83903-5
PMID:40634326
|
研究论文 | 提出一种基于卷积神经网络的方法，通过可穿戴惯性测量单元估计年轻和老年成年人的步态肌肉活动 | 使用可穿戴IMU设备结合CNN模型替代传统需要专业实验室设置的步态分析方法 | 样本量相对有限（65名参与者），年龄范围较广但未详细说明年龄分组对比 | 开发一种简化步态分析流程的方法，使其更加经济实惠和易于普及 | 19-73岁的年轻和老年成年人 | 机器学习 | 老年疾病 | 可穿戴惯性测量单元(IMUs) | CNN | 传感器数据 | 65名19-73岁的参与者 | NA | 卷积神经网络 | 均方根误差(RMSE), 相关系数(r) | NA |
| 1083 | 2025-10-06 |
Deep ensemble learning with transformer models for enhanced Alzheimer's disease detection
2025-Jul-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-08362-y
PMID:40634379
|
研究论文 | 提出一种基于Transformer和集成学习的深度学习模型，用于通过文本数据增强阿尔茨海默病的检测 | 采用双分支网络架构，结合BERT编码器与循环卷积神经网络，并通过集成学习方法融合两个分支的输出 | 仅使用DementiaBank Pitt Corpus中的Cookie Theft子集进行评估，数据集规模有限 | 开发高精度的阿尔茨海默病早期诊断方法 | 阿尔茨海默病患者和健康对照组的临床笔记文本数据 | 自然语言处理 | 阿尔茨海默病 | 文本数据增强 | BERT, CNN, LSTM, RCNN | 文本 | DementiaBank Pitt Corpus中的Cookie Theft子集 | NA | BERT, 卷积神经网络, LSTM, 循环卷积神经网络 | 准确率, F1分数, AUC | NA |
| 1084 | 2025-10-06 |
Applying deep learning techniques to identify tonsilloliths in panoramic radiography
2025-Jul-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10489-x
PMID:40634633
|
研究论文 | 本研究应用深度学习技术在全景X光片中自动识别扁桃体结石 | 首次将深度学习模型应用于全景X光片中扁桃体结石的自动检测 | 样本量较小（仅275张全景X光片），模型泛化能力有待验证 | 开发准确快速的扁桃体结石诊断辅助工具 | 全景X光片中的扁桃体结石 | 计算机视觉 | 耳鼻喉疾病 | 全景X光摄影 | CNN | 医学影像 | 275张全景X光片（125张无扁桃体结石，150张有扁桃体结石） | NA | ResNet18, ResNet101, EfficientNetB0, EfficientNetB1 | 准确率, 召回率, 精确率, F1分数 | NA |
| 1085 | 2025-10-06 |
[The development of AlphaFold and its applications in biology and medicine]
2025-Jul-06, Zhonghua yu fang yi xue za zhi [Chinese journal of preventive medicine]
|
综述 | 本文系统分析AlphaFold的发展历程及其在生物学和医学领域的革命性应用 | 首次全面梳理AlphaFold三代版本的算法演进，揭示其从蛋白质结构预测扩展到生物分子复合物建模的技术突破 | 在构象动力学建模和瞬态结合状态预测方面仍存在局限，需要持续的方法学改进 | 评估人工智能在结构生物学和药物研发领域的应用前景 | 蛋白质结构预测算法及其生物医学应用 | 计算生物学 | NA | 深度学习 | 端到端深度学习架构 | 蛋白质序列和结构数据 | NA | NA | AlphaFold, AlphaFold2, AlphaFold3 | CASP14评估指标 | NA |
| 1086 | 2025-10-06 |
MPN-RRT*: A New Method in 3D Urban Path Planning for UAV Integrating Deep Learning and Sampling Optimization
2025-Jul-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25134142
PMID:40648397
|
研究论文 | 提出了一种融合深度学习和采样优化的MPN-RRT*方法，用于无人机在3D城市环境中的路径规划 | 通过维度缩减将3D地形转换为2D迷宫表示，结合迁移学习使MPNet智能引导RRT*采样，显著提升计算效率和路径质量 | 仅在MATLAB仿真环境中验证，未涉及真实物理环境测试 | 提升无人机在复杂3D城市环境中的路径规划效率和质量 | 无人机在3D城市环境中的导航路径 | 机器学习和路径规划 | NA | 深度学习、迁移学习、路径规划算法 | MPNet（运动规划网络） | 3D城市地图数据、2D迷宫表示 | 两个不同3D环境：稀疏200×200×200地图和密集800×800×200地图（含禁飞区） | MATLAB | MPNet, RRT* | 规划时间、路径长度、平均加速度、飞行时间 | MATLAB仿真环境 |
| 1087 | 2025-10-06 |
The Pulseq-CEST Library: definition of preparations and simulations, example data, and example evaluations
2025-Jul, Magma (New York, N.Y.)
DOI:10.1007/s10334-025-01242-6
PMID:40146474
|
研究论文 | 介绍Pulseq-CEST库，一个用于化学交换饱和转移MRI标准化研究和数据模拟的开源资源库 | 提供首个标准化的CEST准备和模拟定义库，支持可重复研究、快速原型设计和深度学习训练数据生成 | NA | 解决化学交换饱和转移MRI标准化问题，促进协作开发和新型序列评估 | CEST MRI序列、Bloch-McConnell模拟、五管体模数据 | 医学影像 | NA | 化学交换饱和转移MRI, Bloch-McConnell模拟 | NA | 模拟数据, 实验数据 | 五管体模 | NA | NA | 谱形匹配度, 局部峰值特征 | NA |
| 1088 | 2025-10-06 |
Computer-Aided Technology for Bioactive Protein Design and Clinical Application
2025-Jul, Macromolecular bioscience
IF:4.4Q1
DOI:10.1002/mabi.202500007
PMID:40260555
|
综述 | 本文全面回顾了计算机辅助蛋白质设计技术及其在生物活性蛋白质治疗和临床应用中的进展 | 整合深度学习预测与生成模型，显著提升蛋白质药物的结合亲和力、特异性并降低免疫原性 | 面临模型过拟合、稀有蛋白质家族数据有限以及实验验证效率不足等挑战 | 探讨计算机辅助蛋白质设计技术在蛋白质工程和治疗开发中的应用 | 单克隆抗体、蛋白质药物、抗原和蛋白质聚合物等蛋白质基治疗剂 | 机器学习 | NA | 计算机辅助蛋白质设计 | 深度学习,生成模型 | 蛋白质结构数据 | NA | NA | NA | 结合亲和力,特异性,免疫原性 | NA |
| 1089 | 2025-10-06 |
EM-PLA: environment-aware heterogeneous graph-based multimodal protein-ligand binding affinity prediction
2025-Jul-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf298
PMID:40354612
|
研究论文 | 提出一种基于环境感知异质图神经网络的多模态蛋白质-配体结合亲和力预测方法EM-PLA | 首次将环境信息整合到异质图神经网络中，考虑蛋白质和配体的生化特性对结合亲和力的影响 | NA | 准确快速预测蛋白质-配体结合亲和力以支持药物发现 | 蛋白质-配体复合物 | 计算生物学 | NA | 深度学习 | 异质图神经网络HGT | 多模态数据（序列数据、结构数据、环境信息） | NA | NA | 异质图变换器HGT | 结合亲和力预测性能指标 | NA |
| 1090 | 2025-10-06 |
Deep Learning Discovers New Morphological Features while Predicting Genetic Alterations from Histopathology of Papillary Thyroid Carcinoma
2025-Jul, Thyroid : official journal of the American Thyroid Association
IF:5.8Q1
DOI:10.1089/thy.2024.0691
PMID:40607934
|
研究论文 | 本研究使用深度学习从甲状腺乳头状癌组织病理学切片中预测基因突变，并发现新的形态学特征 | 首次使用Vision Transformer从PTC组织病理切片预测基因改变，并发现与基因融合相关的新形态学标准 | 回顾性研究设计，需要进一步前瞻性验证 | 开发人工智能方法从常规组织病理学切片预测甲状腺乳头状癌的基因改变 | 甲状腺乳头状癌患者 | 数字病理学 | 甲状腺癌 | 组织病理学染色，全切片数字化 | Vision Transformer | 苏木精-伊红染色数字病理图像 | 662例PTC病例（TCGA队列496例，Mainz队列166例） | NA | Vision Transformer | AUC, 准确率, 置信区间 | NA |
| 1091 | 2025-10-06 |
Improving reconstruction of patient-specific abnormalities in AI-driven fast MRI with an individually adapted diffusion model
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17955
PMID:40660797
|
研究论文 | 本研究提出了一种改进的扩散模型，通过整合患者特异性先验信息来提升AI驱动的快速MRI对解剖异常的重建能力 | 扩展了自适应扩散模型，首次将患者特异性MRI作为额外先验，通过两阶段网络调优（先增强与先验图像的相似性，再保证k空间数据一致性）来改进异常区域重建 | 研究样本量较小（仅15例推理病例），且仅针对脑肿瘤患者群体，未验证在其他解剖部位或疾病类型的适用性 | 改进基于深度学习的快速MRI重建技术，使其更好地捕捉个体化解剖异常以支持放疗规划 | 73名接受脑肿瘤放疗的儿童和年轻成年患者的T1加权MRI图像 | 医学影像分析 | 脑肿瘤 | MRI, 快速MRI, k空间欠采样 | 扩散模型, 人工神经网络 | MRI图像, k空间数据 | 73例患者（58例训练，15例推理），每例推理病例使用中位间隔35天的额外患者特异性先验图像 | NA | 去噪扩散模型 | SSIM, PSNR | NA |
| 1092 | 2025-10-06 |
AI-enabled precise brain tumor segmentation by integrating Refinenet and contour-constrained features in MRI images
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17958
PMID:40660802
|
研究论文 | 提出一种集成RefineNet和轮廓约束特征的SAM-RCCF框架，用于精确分割脑肿瘤MRI图像 | 将RefineNet模块和条件控制场与条件控制器和掩码生成器集成，增强SAM模型在医学图像分割中的泛化能力和精度 | 仅使用T1加权对比增强MRI数据，样本量相对有限 | 提升SAM模型在医学分割领域的鲁棒性，实现对多种颅内肿瘤的精确分割 | 脑肿瘤患者的MRI图像，包括胶质瘤、转移性肿瘤和脑膜瘤 | 医学图像分析 | 脑肿瘤 | 磁共振成像 | Transformer, 深度学习分割模型 | 医学图像 | 484例轴向T1加权对比增强MRI数据（164例胶质瘤，158例转移性肿瘤，162例脑膜瘤） | NA | Segment Anything Model, RefineNet, SAM-RCCF | IOU, DSC, HD | NA |
| 1093 | 2025-10-06 |
Structural semantic-guided MR synthesis from PET images via a dual cross-attention mechanism
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17957
PMID:40660837
|
研究论文 | 提出一种结构语义引导的双交叉注意力机制深度学习网络，用于从PET图像合成MR图像 | 首次探索功能到结构的模态转换方法（PET到MR合成），引入结构语义损失和双交叉注意力模块来保持结构信息并捕获多尺度特征依赖关系 | 未在其他模态合成任务和临床实践中验证，方法适用范围有待进一步探索 | 开发从PET图像合成MR图像的方法，简化医学成像流程，提高效率和可及性 | 脑部医学图像，特别是PET和MR图像 | 医学图像合成 | 脑部疾病 | 深度学习，图像合成 | GAN, CNN | 医学图像（PET和MR） | NA | NA | 双交叉注意力机制网络 | PSNR, SSIM, MAE, Dice系数 | NA |
| 1094 | 2025-10-06 |
An unsupervised sparse-view CT reconstruction framework using combination of iterative deep image prior and ADMM
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17933
PMID:40660832
|
研究论文 | 提出一种结合迭代深度图像先验和ADMM的无监督稀疏视图CT重建框架 | 将未经训练的神经网络与ADMM迭代重建算法结合，通过TV正则化持续更新神经网络输入以避免传统DIP方法的过拟合问题 | NA | 解决稀疏视图和低剂量CT重建中的伪影和噪声问题 | CT图像重建 | 医学影像处理 | NA | CT扫描 | 无监督深度学习 | CT图像 | NA | NA | 深度图像先验(DIP) | 定量指标和视觉质量 | NA |
| 1095 | 2025-10-06 |
Deep residual network-based projection interpolation and post-processing techniques for thoracic patient CBCT reconstruction
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17953
PMID:40660879
|
研究论文 | 本研究开发了一种基于深度残差U-Net的CBCT投影插值和后处理技术，用于改善稀疏采样CBCT重建图像质量并降低患者成像剂量 | 首次在真实患者投影数据上验证的DL CBCT投影插值技术，结合投影插值和图像后处理的双重优化策略 | 仅进行了初步验证，需要更大规模的临床数据验证 | 开发深度学习技术来插值稀疏采样的患者CBCT投影并在重建后进行后处理，以提高图像质量并降低患者成像剂量 | 真实患者CBCT投影数据 | 医学影像处理 | 胸部疾病 | 锥束计算机断层扫描(CBCT) | 深度学习 | 医学影像投影数据 | 从680个投影中提取的76、98和136个稀疏采样投影 | NA | 深度残差U-Net(DRU) | 峰值信噪比(PSNR), 结构相似性指数(SSIM), 均方根误差(RMSE) | NA |
| 1096 | 2025-10-06 |
A Hyperbolic Discrete Diffusion 3D RNA Inverse Folding Model for Functional RNA Design
2025-Jul-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00527
PMID:40503717
|
研究论文 | 提出一种基于双曲离散扩散的3D RNA逆折叠模型RIdiffusion，用于功能性RNA的生成式设计 | 将RNA三维结构的几何特征和拓扑特性嵌入双曲空间，利用离散扩散模型在有限训练样本下有效恢复目标RNA三维结构的核苷酸分布 | RNA三维结构实验数据有限，RNA三维结构的独特特性带来挑战 | 开发三维RNA逆折叠模型用于功能性RNA的生成式设计 | RNA三维结构和核苷酸序列 | 机器学习 | NA | RNA逆折叠 | 扩散模型 | RNA三维结构数据 | 有限训练样本 | NA | 双曲去噪扩散生成模型 | 与基线生成模型比较的性能评估 | NA |
| 1097 | 2025-10-06 |
BalancedDiff: Balanced Diffusion Network for High-Quality Molecule Generation
2025-Jul-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00837
PMID:40528644
|
研究论文 | 提出一种平衡扩散网络用于生成高质量分子 | 提出平衡损失函数解决样本偏差问题，设计基于KAN的平衡特征过滤模块，并引入QikProp模块预测ADME属性 | 仅在CrossDocked2020数据集上进行实验验证 | 开发能够生成高质量分子的深度学习方法 | 分子生成 | 机器学习 | NA | 扩散模型 | 扩散网络 | 分子数据 | CrossDocked2020数据集 | NA | KAN, BalancedDiff | NA | NA |
| 1098 | 2025-10-06 |
Dual-Branch Contrastive Network with Deep Separable Convolution for Enhanced 6mA Site Identification
2025-Jul-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01058
PMID:40558076
|
研究论文 | 提出一种基于双分支对比网络和深度可分离卷积的深度学习模型DS6mA，用于增强6mA位点识别 | 采用双分支对比网络结构，通过随机配对样本协同训练增强数据多样性；引入深度可分离卷积和残差连接提升特征表达能力 | 未明确说明模型在稀疏6mA位点检测中的具体局限性 | 开发深度学习模型以改进DNA N6-甲基腺嘌呤(6mA)位点的预测准确性 | DNA序列中的6mA修饰位点 | 生物信息学 | NA | DNA序列分析 | 深度学习,卷积神经网络 | DNA序列数据 | 11个不同的综合基准数据集 | NA | 双分支对比网络,深度可分离卷积,全连接神经网络 | NA | NA |
| 1099 | 2025-10-06 |
Assessing Uncertainty in Machine Learning for Polymer Property Prediction: A Benchmark Study
2025-Jul-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00550
PMID:40560148
|
研究论文 | 本文对九种机器学习不确定性量化方法在聚合物性质预测中的性能进行了全面评估 | 首次对九种UQ方法在聚合物性质预测中进行了系统性基准研究，涵盖了多种聚合物类型和性质 | 研究仅限于特定的聚合物性质和数据集，可能无法完全代表所有材料科学应用场景 | 评估不同不确定性量化方法在聚合物性质预测中的性能表现 | 聚合物性质预测，包括玻璃化转变温度、带隙、熔融温度和分解温度 | 机器学习 | NA | 分子动力学模拟，实验数据 | 集成方法,高斯过程回归,蒙特卡洛dropout,均值方差估计,贝叶斯神经网络,证据深度学习,分位数回归,自然梯度提升 | 聚合物性质数据 | 涵盖四种聚合物性质的数据集，包括高Δ聚合物和九种不同聚合物类别 | NA | NA | 预测准确度,斯皮尔曼等级相关系数,校准面积 | NA |
| 1100 | 2025-10-06 |
EquiCPI: SE(3)-Equivariant Geometric Deep Learning for Structure-Aware Prediction of Compound-Protein Interactions
2025-Jul-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00773
PMID:40600339
|
研究论文 | 提出一种SE(3)-等变几何深度学习框架EquiCPI，用于结构感知的化合物-蛋白质相互作用预测 | 首次将SE(3)-等变神经网络与第一性原理结构建模相结合，通过原子点云的等变消息传递保持旋转、平移和反射对称性 | NA | 准确预测化合物-蛋白质相互作用以推动计算药物发现 | 蛋白质和配体分子的三维结构 | 几何深度学习 | NA | ESMFold蛋白质结构预测，DiffDock-L配体对接 | SE(3)-等变神经网络 | 三维原子坐标，序列数据 | BindingDB数据库（亲和力预测），DUD-E数据库（虚拟筛选） | NA | 等变消息传递网络，球谐函数张量积 | 亲和力预测准确率，虚拟筛选性能 | NA |