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 948 篇文献，本页显示第 441 - 460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 441 | 2025-10-06 |
Bionic Multimodal Augmented Somatosensory Receptor Enabled by Thermogalvanic Hydrogel
2025-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202505873
PMID:40583160
|
研究论文 | 提出一种基于热电水凝胶的自供电多模态指尖受体，用于增强触觉感知 | 仿生皮肤感知机制，集成热电水凝胶作为主动机械感受器和热感受器，实现熵稳定材料指纹感知 | NA | 开发具有高灵敏度、自监督能力和环境稳定性的电子皮肤受体 | 触觉感知系统与材料识别 | 仿生传感 | 感觉障碍 | 热电转换，界面热传导 | 深度学习 | 热电压信号，动态差分信号 | NA | NA | NA | 准确率95.5% | NA |
| 442 | 2025-10-06 |
Deep Learning-Assisted Rapid Bacterial Classification Based on Raman Spectroscopy of Bacteria Lysed by Acoustically Driven Fiber-Tip Vibration
2025-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202507724
PMID:40625037
|
研究论文 | 提出一种基于声流体裂解、拉曼光谱和深度学习的细菌快速分类新方法 | 首次将声驱动光纤尖端振动裂解技术与拉曼光谱和深度学习相结合，有效暴露细菌内部分子信息 | NA | 开发快速准确的细菌病原体识别方法以支持临床决策 | 七种细菌样本 | 机器学习 | 细菌感染 | 拉曼光谱, 声流体裂解技术 | CNN | 光谱数据 | 七种细菌样本 | NA | ResNet | 准确率 | NA |
| 443 | 2025-10-06 |
Inverse-designed metasurfaces for wavefront restoration in under-display camera systems
2025-Aug, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2025-0242
PMID:40896159
|
研究论文 | 提出一种逆向设计的超表面用于消除屏下摄像头系统中的衍射畸变，实现波前恢复 | 通过逆向设计超表面直接抑制金属像素结构引起的高阶衍射模式，无需依赖外部软件处理 | 未提及具体性能指标和实验验证规模 | 解决屏下摄像头系统中由显示面板周期性像素结构引起的光学衍射问题 | 智能手机屏下摄像头系统 | 计算光学 | NA | 超表面设计，波前调控 | NA | 光学图像 | NA | NA | NA | NA | NA |
| 444 | 2025-10-06 |
The future of pharmaceuticals: Artificial intelligence in drug discovery and development
2025-Aug, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101248
PMID:40893437
|
综述 | 本文探讨人工智能在药物发现与开发领域的应用现状、优势及挑战 | 系统阐述AI通过整合数据、算力与算法革新传统药物研发模式，涵盖分子生成、虚拟筛选到临床试验优化的全流程创新 | 面临数据共享机制不完善、算法知识产权保护不足、湿实验与干实验融合困难等挑战 | 分析AI技术在药物研发中的应用潜力与发展方向 | 药物研发流程（包括靶点发现、分子设计、临床试验等） | 机器学习 | NA | 机器学习，深度学习，分子生成技术，虚拟筛选 | NA | 分子数据，临床试验数据 | NA | NA | NA | NA | NA |
| 445 | 2025-10-06 |
Automatic labels are as effective as manual labels in digital pathology images classification with deep learning
2025-Aug, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100462
PMID:40894240
|
研究论文 | 本研究探讨在数字病理图像分类中自动标签与手动标签对深度学习模型训练效果的比较 | 首次系统评估自动标签在数字病理图像分类中的有效性，并确定10%为噪声标签的容忍阈值 | 研究仅针对三种特定疾病类型，未涵盖更广泛的病理分类场景 | 研究自动标签在训练数字病理图像分类深度学习模型中的适用条件 | 全切片图像(WSI) | 数字病理 | 乳糜泻,肺癌,结肠癌 | 数字病理图像分析 | CNN, Vision Transformer | 图像 | 10,604个全切片图像 | NA | 卷积神经网络,视觉变换器 | F1-score | NA |
| 446 | 2025-10-06 |
Comparison of Experienced and Inexperienced Raters Using Automated Deep Learning Computed Tomography Analysis to Evaluate Tricuspid Valve and Right Heart Morphology
2025-Aug, Structural heart : the journal of the Heart Team
DOI:10.1016/j.shj.2025.100488
PMID:40894369
|
研究论文 | 比较经验丰富和经验不足的评估者使用深度学习CT分析评估三尖瓣和右心形态的差异 | 首次证明基于深度学习的CT分析结果不受用户经验水平影响 | NA | 评估深度学习CT分析在三尖瓣和右心形态评估中的用户独立性 | 三尖瓣和右心形态 | 计算机视觉 | 心血管疾病 | 计算机断层扫描(CT) | 深度学习 | CT图像 | NA | NA | NA | NA | NA |
| 447 | 2025-10-06 |
Major pathophysiological changes in pulmonary disease provided a molecular insight based on deep learning approach
2025-Aug-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-15539-y
PMID:40887476
|
研究论文 | 基于深度学习方法分析肺部疾病的主要病理生理变化和分子通路 | 采用深度学习算法构建网络分析平台，整合多源科学研究和数据库信息，系统分析肺部疾病分子通路 | 仅包含截至2023年12月已发表的研究，分析依赖于现有数据库的完整性 | 理解肺部疾病的分子通路和关键分子作用机制 | 主要肺部疾病相关的基因、蛋白质和分子通路 | 生物信息学 | 肺部疾病 | 生物信息学分析,蛋白质-蛋白质相互作用网络分析 | 深度学习 | 基因表达谱,蛋白质相互作用数据,科学文献 | MEDLINE和NIH数据库中所有主要肺部疾病相关研究 | NA | 网络分析平台 | NA | NA |
| 448 | 2025-10-06 |
scSorterDL: a deep neural network-enhanced ensemble LDAs for single cell classifications
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf446
PMID:40889117
|
研究论文 | 提出一种结合惩罚线性判别分析、群体学习和深度神经网络的单细胞RNA测序数据细胞类型分类新方法scSorterDL | 首次将惩罚线性判别分析、群体学习和深度神经网络集成用于单细胞分类，通过DNN整合多个pLDA模型输出以捕捉复杂关系 | NA | 改进单细胞RNA测序数据的细胞类型注释准确性 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序(scRNA-seq) | 深度神经网络(DNN), 惩罚线性判别分析(pLDA) | 基因表达数据 | 13个真实scRNA-seq数据集(来自不同物种、组织和平台)和20对跨平台数据集 | NA | NA | 准确率, 鲁棒性 | GPU计算 |
| 449 | 2025-10-06 |
MCAMEF-BERT: an efficient deep learning method for RNA N7-methylguanosine site prediction via multi-branch feature integration
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf447
PMID:40889118
|
研究论文 | 提出一种名为MCAMEF-BERT的高效深度学习方法，用于RNA N7-甲基鸟苷位点预测 | 采用并行架构整合DNABERT-2预训练模型分支和多种传统特征编码分支，引入多通道注意力模块解决特征融合冗余问题 | NA | 准确识别RNA N7-甲基鸟苷修饰位点以揭示生物调控机制 | RNA N7-甲基鸟苷修饰位点 | 生物信息学 | 肿瘤 | RNA修饰位点预测 | BERT, 注意力机制 | 序列数据 | 来自m7GHub的数据集 | NA | DNABERT-2, 多分支特征集成 | 准确率 | NA |
| 450 | 2025-10-06 |
Significantly enhancing human antibody affinity via deep learning and computational biology-guided single-point mutations
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf445
PMID:40889116
|
研究论文 | 开发了一种结合深度学习和计算生物学方法的计算流程，用于识别能显著增强抗体亲和力的单点突变 | 整合了进化约束、抗体-抗原特异性统计势、分子动力学模拟、元动力学和深度学习模型，创建了创新的抗体亲和力优化计算流程 | 仅针对特定抗体进行了验证，需要进一步测试在更广泛抗体类型中的适用性 | 通过深度学习和计算生物学方法增强抗体亲和力 | 针对H7N9禽流感病毒血凝素的抗体和死亡受体5抗体 | 计算生物学 | 禽流感 | 分子动力学模拟, 元动力学, 深度学习 | 图神经网络, 深度学习模型 | 蛋白质序列, 结构数据 | 12个单点突变抗体 | NA | MicroMutate, 图神经网络 | 亲和力提升倍数 | NA |
| 451 | 2025-10-06 |
Deep learning-enabled ultra-broadband terahertz high-dimensional photodetector
2025-Aug-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-63364-8
PMID:40885712
|
研究论文 | 提出一种基于超表面和深度学习的大赫兹高维光电探测器，实现强度、偏振和频率三维连续参数空间的完整表征 | 通过色散驱动的轨道角动量倍增将偏振和光谱响应投影到OAM域，结合机器学习解码独特的极化涡旋图案 | NA | 开发能够同时检测强度、偏振和波长的高维连续光电探测技术 | 大赫兹波段的光场参数检测 | 计算光学 | NA | 轨道角动量编码、机器学习 | 神经网络 | 光学图案、偏振涡旋模式 | NA | NA | NA | 总误差率<5.1% | NA |
| 452 | 2025-10-06 |
Deep indel mutagenesis reveals the regulatory and modulatory architecture of alternative exon splicing
2025-Aug-30, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-62957-7
PMID:40885722
|
研究论文 | 本研究通过深度插入缺失诱变技术揭示人类外显子的剪接调控结构，并开发了预测剪接调控景观的计算工具DANGO | 开发了低成本高效的深度插入缺失诱变方法，首次系统揭示外显子剪接的棋盘式调控结构，并提出跨膜结构域编码外显子抑制和微外显子生成的机制 | NA | 解析人类外显子的调控架构并加速剪接调控反义寡核苷酸的发现 | 人类外显子剪接调控机制 | 计算生物学 | 遗传性疾病 | 深度插入缺失诱变, 反义寡核苷酸技术 | 深度学习 | 基因组序列数据, 剪接数据 | NA | NA | NA | NA | NA |
| 453 | 2025-10-06 |
A model for epileptic EEG detection and recognition based on Multi-Attention mechanism and Spatiotemporal
2025-Aug-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-17256-y
PMID:40885781
|
研究论文 | 提出一种基于多注意力机制和时空特征融合的癫痫脑电信号检测与识别模型 | 结合混合注意力机制、Transformer编码器和点积注意力机制，直接从原始脑电信号解读癫痫状态，无需大量数据预处理和特征提取 | 在两个数据集上的准确率差异较大（94.19% vs 72.50%），模型泛化能力有待进一步验证 | 开发高精度的癫痫脑电信号自动检测与识别方法 | 癫痫患者的脑电信号数据 | 医学信号处理 | 癫痫 | 脑电图 | Transformer, 注意力机制 | 脑电信号 | CHB-MIT和波恩大学两个脑电数据集 | NA | 混合注意力机制, Transformer编码器, 点积注意力机制 | 准确率 | NA |
| 454 | 2025-10-06 |
Segmentation-enhanced approach for emotion detection from EEG signals using the fuzzy C-mean and SVM
2025-Aug-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-17220-w
PMID:40885829
|
研究论文 | 提出一种基于模糊C均值和SVM的EEG信号情感检测增强方法 | 结合模糊C均值聚类与多种核函数SVM的混合方法进行EEG情感识别，并系统比较不同核函数性能 | 仅使用两名受试者的EEG数据，样本规模较小 | 基于EEG信号开发高效的情感识别方法 | 人类EEG信号与对应情感状态 | 机器学习 | NA | EEG信号采集与分析 | SVM, CNN-LSTM | EEG信号 | 2名受试者 | NA | CNN-LSTM混合模型 | 准确率, 精确率, 召回率, F1分数 | NA |
| 455 | 2025-10-06 |
The utility of artificial intelligence in characterization and detecting causes of macular edema: A spectral-domain OCT-based algorithm study
2025-Aug-30, Experimental eye research
IF:3.0Q1
DOI:10.1016/j.exer.2025.110619
PMID:40889611
|
研究论文 | 开发基于光谱域OCT图像的深度学习框架，用于自动分类黄斑水肿的病因 | 首次将可解释AI技术(Grad-CAM)应用于黄斑水肿的自动分类，并比较了三种预训练CNN模型在OCT图像上的性能 | 使用回顾性数据集，样本量相对有限(1040张OCT图像)，需要进一步前瞻性验证 | 开发能够区分糖尿病性黄斑水肿、年龄相关性黄斑变性和正常视网膜状况的自动诊断系统 | 黄斑水肿患者的OCT图像 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描(OCT) | CNN | 图像 | 1040张OCT图像(来自KAUH医院和公共数据集) | NA | ResNet152, InceptionV3, MobileNetV2 | 准确率 | NA |
| 456 | 2025-10-06 |
DECODE: An open-source cloud-based platform for the noninvasive management of peripheral artery disease
2025-Aug-28, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109037
PMID:40902337
|
研究论文 | 介绍DECODE开源云平台，该平台整合人工智能、3D可视化和计算建模用于外周动脉疾病的非侵入性管理 | 开发首个结合深度学习分割、实时体积渲染和有限元模拟的开源云平台，为外周动脉疾病提供个性化治疗规划 | 研究样本量有限（22个CT数据集和300个OCT图像），需要进一步临床验证 | 改善外周动脉疾病的非侵入性诊断和治疗规划 | 外周动脉疾病患者 | 数字病理 | 心血管疾病 | 计算机断层扫描，血管内光学相干断层扫描 | CNN | 医学图像 | 22个CT数据集和300个血管内OCT图像 | Django, React | U-Net, nnU-Net | Dice系数, Hausdorff距离, 系统可用性量表, 技术接受模型 | 云平台 |
| 457 | 2025-10-06 |
Molecular characterization of an adhesion GPCR signal transduction
2025-Aug-19, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.14.670383
PMID:40894777
|
研究论文 | 通过整合单分子力谱、分子动力学模拟和细胞实验，揭示了ADGRG1粘附GPCR机械信号转导的结构和动态机制 | 首次阐明了剪切应力诱导GAIN结构域不同变形途径的机制，提出了由GAIN动力学和取向控制的统一aGPCR激活框架 | 研究主要聚焦于ADGRG1受体，其他aGPCR家族成员可能存在不同的激活机制 | 阐明粘附GPCR机械信号转导的分子基础 | ADGRG1粘附G蛋白偶联受体 | 生物物理学 | NA | 单分子力谱, 分子动力学模拟, 细胞实验 | 深度学习 | 生物物理数据, 分子模拟数据, 细胞信号数据 | NA | NA | NA | NA | NA |
| 458 | 2025-10-06 |
Automatic trending and analysis of SPECT quality assurance with artificial intelligence optical character recognition
2025-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.18083
PMID:40903927
|
研究论文 | 开发了一种结合人工智能光学字符识别的新型核医学质量保证系统，用于自动化SPECT和伽马相机的质量保证数据检索与分析 | 首次将AI深度学习OCR技术应用于核医学质量保证系统，实现了QA数据的自动提取、比较和趋势分析 | 研究主要针对两种特定型号的扫描仪，OCR性能在Arial字体10-14号范围内表现最佳 | 提高SPECT和伽马相机质量保证数据审查效率，实现QA数据的自动化趋势分析和存储 | SPECT和伽马相机的质量保证数据，包括本征和外征泛源图像、MHR和COR数据 | 医学影像分析 | NA | 光学字符识别，深度学习 | 深度学习OCR | 医学影像，数值数据 | 60张泛源图像和6张COR图像用于基准测试，3459张泛源扫描用于准确性评估 | Python, DCMTK, Pydicom, MySQL | 三阶段OCR架构：特征提取、序列标记、转录 | 准确率，处理速度 | Linux系统，CPU处理 |
| 459 | 2025-09-04 |
Deep Learning-Derived Plaque Burden for Intracoronary Optical Coherence Tomography: An Intravascular Ultrasound-Based Validation Study
2025-Aug-27, JACC. Cardiovascular interventions
DOI:10.1016/j.jcin.2025.07.021
PMID:40900048
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 460 | 2025-10-06 |
Deep learning-based system for automatic identification of benign and malignant eyelid tumours
2025-Aug-20, The British journal of ophthalmology
DOI:10.1136/bjo-2025-327127
PMID:40348397
|
研究论文 | 开发基于深度学习的眼睑肿瘤自动识别与分类系统 | 首次将八种卷积神经网络模型应用于眼睑肿瘤的自动识别，其中双路径Inception-v4网络表现最佳 | 需要更大规模和多样化的数据集进行验证，尚未集成到临床工作流程中 | 提高眼睑肿瘤诊断的准确性和效率 | 正常眼睑、良性眼睑肿瘤和恶性眼睑肿瘤的摄影图像 | 计算机视觉 | 眼睑肿瘤 | 数字摄影 | CNN | 图像 | 未明确具体样本数量，训练集与验证集按8:2比例随机划分 | NA | VGG16, ResNet50, Inception-v4, EfficientNet-V2-M | 准确率, 敏感度, 特异性, AUC, F1-score | NA |