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 967 篇文献，本页显示第 541 - 560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 541 | 2025-10-06 |
Machine learning is changing osteoporosis detection: an integrative review
2025-Aug, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA
IF:4.2Q1
DOI:10.1007/s00198-025-07541-x
PMID:40493238
|
综述 | 本文系统回顾了机器学习在骨质疏松检测中的应用进展，从基础算法到深度学习技术 | 整合分析了过去十年间从基础机器学习到深度学习在骨质疏松检测中的演变，提出了未来结合多模态数据的骨骼健康监测系统构想 | 深度学习存在黑箱问题、依赖大量标注数据、临床可解释性差等挑战 | 评估机器学习技术在骨质疏松早期诊断和风险检测中的应用效果与发展前景 | 骨质疏松检测相关的研究文献和技术方法 | 机器学习 | 骨质疏松 | 机器学习，深度学习，医学影像分析 | 机器学习算法，深度学习算法 | 临床数据，X射线，CT，MRI影像数据 | NA | NA | 人工神经网络 | 检测准确率 | NA |
| 542 | 2025-10-06 |
Multitarget Generate Electrolyte Additive for Lithium Metal Batteries
2025-Aug, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202502086
PMID:40534252
|
研究论文 | 开发深度学习辅助生成模型用于锂金属电池电解质添加剂的多目标优化 | 采用分子分类衍生方法扩展数据集，结合异步有限解码器和潜在分布对抗调节策略，在广阔化学空间中实现结构复杂多样分子的100%生成效率 | 面临数据稀缺的挑战，在严重数据约束条件下进行研究 | 开发安全可靠的锂电池电解质，特别是针对锂金属电池的电解质添加剂设计 | 锂金属电池电解质添加剂 | 机器学习 | NA | 深度学习辅助生成模型，分子分类衍生方法 | 生成模型 | 分子数据，电化学性能数据 | 从单属性数据点扩展至70,095个多属性数据点 | NA | 异步有限解码器，对抗调节策略 | 生成效率，容量保留率提升 | NA |
| 543 | 2025-10-06 |
Advancing Soil Organic Carbon Prediction: A Comprehensive Review of Technologies, AI, Process-Based and Hybrid Modelling Approaches
2025-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202504152
PMID:40557741
|
综述 | 本文系统综述了土壤有机碳预测的技术方法，包括遥感、近端土壤传感、人工智能和生物地球化学模型等 | 综合比较了多种SOC预测方法，提出将生物地球化学模型模拟输出作为AI训练数据的创新思路 | 未提出统一的AI算法标准，生物地球化学模型存在假设、参数化和结构限制 | 提升土壤有机碳预测精度以支持气候变化缓解和可持续农业管理 | 土壤有机碳(SOC) | 机器学习 | NA | 遥感(RS), 近端土壤传感(PSS), 数据融合 | 机器学习(ML), 深度学习(DL) | 遥感数据, 传感器数据 | NA | NA | NA | 预测精度 | NA |
| 544 | 2025-10-06 |
Deep learning significantly boosts CRT response prediction using synthetic longitudinal strain data: Training on synthetic data and testing on real patients
2025-Aug, Biomedical journal
IF:4.1Q2
DOI:10.1016/j.bj.2024.100803
PMID:39477070
|
研究论文 | 本研究使用深度学习技术构建模型，通过合成纵向应变数据预测心力衰竭患者的心脏再同步化治疗反应 | 首次将合成少数类过采样技术与深度学习相结合用于CRT反应预测，使用合成数据训练并在真实患者数据上测试 | 样本量相对有限（131名患者），需要在更大规模数据集中进一步验证 | 构建高准确度、精确度和敏感性的CRT反应预测模型 | 心力衰竭患者 | 机器学习 | 心血管疾病 | 二维超声心动图应变追踪，合成少数类过采样技术 | DNN, 1D-CNN | 应变追踪数据 | 131名患者数据，通过SMOTE合成2000个模型输入 | NA | 深度神经网络，一维卷积神经网络 | 准确率，精确度，敏感度，F1分数，特异性，AUROC | NA |
| 545 | 2025-10-06 |
From Code to Life: The AI-Driven Revolution in Genome Editing
2025-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202417029
PMID:40538131
|
综述 | 探讨人工智能与基因组编辑技术的融合创新及其在生物技术领域的应用前景 | 系统整合AI技术与基因组编辑，通过深度学习预测器和蛋白质语言模型提升sgRNA设计精度、发现新型Cas蛋白并优化基因调控网络分析 | 存在数据偏见、算法透明度不足以及潜在非预期基因修饰等伦理问题 | 分析AI技术如何推动基因组编辑在靶点选择、脱靶效应控制和CRISPR系统优化等方面的突破 | 基因组编辑技术（特别是CRISPR系统）及其与人工智能的交叉应用 | 机器学习 | 遗传疾病 | CRISPR基因编辑, 功能基因组学 | 深度学习, 蛋白质语言模型 | 基因组数据, 蛋白质序列 | NA | NA | NA | NA | NA |
| 546 | 2025-10-06 |
Early Diagnosis of Knee Osteoarthritis With a Natural Language Processing-Driven Approach Based on Clinician Notes: Development and Validation Study
2025-Aug-14, JMIR formative research
IF:2.0Q4
DOI:10.2196/64536
PMID:40810448
|
研究论文 | 开发并验证基于自然语言处理技术的膝骨关节炎早期诊断方法，利用临床医生笔记中的文本数据 | 首次将自然语言处理技术应用于临床医生笔记中的患者报告症状文本数据来诊断膝骨关节炎，并整合WOMAC问卷提升模型性能 | 研究仅基于5849条记录，需要更大规模数据验证；仅使用文本数据，未结合影像学数据 | 开发基于自然语言处理的膝骨关节炎早期诊断方法 | 膝骨关节炎患者和非膝骨关节炎患者的临床医生笔记数据 | 自然语言处理 | 膝骨关节炎 | 自然语言处理，文本分析 | CNN, BiLSTM, GRU | 文本 | 5849条记录（3455例OA患者，2394例非OA患者） | NA | 双向长短期记忆网络，卷积神经网络，门控循环单元 | AUC, 准确率, 精确率, 灵敏度, 特异度, F1分数 | NA |
| 547 | 2025-10-06 |
Independent Channel Attention and Cross-Subject Data Generation for EEG-Based Patient-Independent Epileptic Seizure Detection Using ConvLSTM
2025-Aug-07, Studies in health technology and informatics
DOI:10.3233/SHTI250894
PMID:40775912
|
研究论文 | 提出基于独立通道注意力和跨被试数据生成的ConvLSTM网络，用于患者无关的癫痫发作检测 | 提出多阶段训练策略实现跨被试数据生成，并构建带有独立注意力模块的ConvLSTM网络 | NA | 开发患者无关的癫痫发作检测方法 | 癫痫患者的脑电图数据 | 医疗人工智能 | 癫痫 | 头皮脑电图 | ConvLSTM | 脑电图信号 | 公共数据集CHB-MIT | NA | ConvLSTM with independent attention module | 准确率,F1分数,召回率,误报率 | NA |
| 548 | 2025-10-06 |
Designing lipid nanoparticles using a transformer-based neural network
2025-Aug-15, Nature nanotechnology
IF:38.1Q1
DOI:10.1038/s41565-025-01975-4
PMID:40817189
|
研究论文 | 本研究开发了一种基于Transformer的神经网络COMET，用于设计脂质纳米颗粒并预测其性能 | 首次将Transformer架构应用于多组分复合制剂的设计，能够处理非标准LNP配方并实现端到端性能预测 | 模型训练依赖于LANCE数据集的质量和规模，对于某些特殊配方的预测可能需要额外数据 | 开发计算模型加速脂质纳米颗粒的设计和优化过程 | 脂质纳米颗粒及其配方 | 机器学习 | NA | 深度学习 | Transformer | 化学配方数据，性能数据 | LANCE数据集（最大的LNP数据集之一） | NA | Transformer | 蛋白质表达预测准确率，稳定性预测准确率 | NA |
| 549 | 2025-10-06 |
18F-FDG PET/CT-based deep radiomic models for enhancing chemotherapy response prediction in breast cancer
2025-Aug-11, Medical oncology (Northwood, London, England)
DOI:10.1007/s12032-025-02982-0
PMID:40790010
|
研究论文 | 本研究开发了基于18F-FDG PET/CT的深度放射组学模型，用于增强乳腺癌化疗反应预测 | 结合传统放射组学特征与SENet深度学习模型提取的特征，显著提升了化疗反应预测性能 | 样本量较小（60例患者），为单中心回顾性研究 | 提高乳腺癌患者化疗反应预测准确性，实现个性化治疗策略 | 乳腺癌患者 | 数字病理 | 乳腺癌 | 18F-FDG PET/CT成像 | XGBoost, RF, LR, SVM, SENet | 医学影像（PET/CT图像） | 60例乳腺癌患者 | NA | SENet | ROC AUC, 准确率 | NA |
| 550 | 2025-10-06 |
Effect of Deep Learning-Based Artificial Intelligence on Radiologists' Performance in Identifying Nigrosome 1 Abnormalities on Susceptibility Map-Weighted Imaging
2025-Aug, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2025.0208
PMID:40736409
|
研究论文 | 评估基于深度学习的AI软件对不同经验水平放射科医生在磁敏感图加权成像中识别黑质致密部1区异常诊断性能的影响 | 首次系统评估AI辅助诊断对放射科医生识别帕金森病关键影像学生物标志物（黑质致密部1区）的性能提升效果，并比较不同经验水平医生的获益差异 | 回顾性研究设计，样本量相对有限（139例扫描），仅使用单一AI软件版本 | 评估AI辅助诊断在帕金森病影像学诊断中的临床应用价值 | 59名帕金森病患者和80名健康参与者的139例磁敏感图加权成像扫描 | 医学影像分析 | 帕金森病 | 3T MRI, 磁敏感图加权成像 | 目标检测, 分割模型 | 医学影像 | 139例SMwI扫描（59例PD患者，80例健康对照） | NA | YOLOX, SparseInst | 特异性, Fleiss's kappa, 净重分类指数 | NA |
| 551 | 2025-10-06 |
A Deep Learning Model for Chemical Shieldings in Molecular Organic Solids Including Anisotropy
2025-Aug-28, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c01819
PMID:40825152
|
研究论文 | 开发了一种名为ShiftML3的深度学习模型，用于预测分子有机固体中的化学屏蔽，包括各向异性 | 在提高分子固体中化学屏蔽预测精度的同时，还能预测完整的屏蔽张量，其预测精度接近DFT参考计算水平 | NA | 开发更准确、快速的化学屏蔽预测方法，替代计算密集的从头算方法 | 分子有机固体中的核磁共振化学屏蔽 | 机器学习 | NA | 核磁共振(NMR) | 深度学习 | 化学屏蔽数据 | NA | NA | ShiftML3 | 均方根误差(RMSE) | NA |
| 552 | 2025-10-06 |
Prediction of influenza-like illness incidence using meteorological factors in Kunming : deep learning model study
2025-Aug-16, BMC public health
IF:3.5Q1
DOI:10.1186/s12889-025-23710-3
PMID:40818971
|
研究论文 | 本研究使用深度学习方法结合气象因素预测昆明市流感样病例发病率 | 在LSTM模型中引入核注意力网络(KAN)增强非线性学习能力，并验证气象数据对流感预测的改进效果 | 研究仅基于昆明市数据，时间范围有限(2017-2022年) | 评估气象因素结合LSTM模型提高流感样病例发病率预测准确性的潜力 | 昆明市流感样病例发病率和气象数据 | 机器学习 | 流感 | 皮尔逊相关分析，深度学习 | LSTM | 时间序列数据 | 2017年11月至2022年1月的流感和气象数据 | NA | LSTM, 注意力机制堆叠LSTM, 核注意力网络(KAN) | 平均绝对百分比误差(MAPE) | NA |
| 553 | 2025-06-13 |
Reassessment of deep learning-based surgical phase recognition in laparoscopic cholecystectomy
2025-Aug-31, Annals of hepato-biliary-pancreatic surgery
IF:1.1Q3
DOI:10.14701/ahbps.25-059
PMID:40499925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 554 | 2025-10-06 |
Leveraging deep learning and structure-based drug repurposing for the discovery of potent Trk-A inhibitors targeting CIPA
2025-Aug, Bioorganic chemistry
IF:4.5Q1
DOI:10.1016/j.bioorg.2025.108680
PMID:40517591
|
研究论文 | 本研究结合深度学习和基于结构的药物重定位方法，发现针对CIPA的强效Trk-A抑制剂 | 首次将深度学习ANN模型与结构基药物重定位相结合筛选Trk-A抑制剂，从FDA已批准药物库中发现新适应症 | 研究仅基于计算模拟验证，缺乏实验验证数据 | 发现针对CIPA疾病的新型、强效且无毒的Trk-A抑制剂 | Trk-A靶向化合物和FDA批准药物库 | 机器学习 | 遗传性感觉和自主神经病（CIPA） | 深度学习、分子对接、分子动力学模拟 | ANN | 生物活性数据、化合物结构数据 | NA | NA | 人工神经网络 | RMSD, RMSF, Rg, H-bonds, PCA, MMGBSA/MMPBSA | NA |
| 555 | 2025-10-06 |
AF3Score: A Score-Only Adaptation of AlphaFold3 for Biomolecular Structure Evaluation
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00653
PMID:40671257
|
研究论文 | 本研究将AlphaFold3改造成仅用于评分的模型AF3Score，用于生物分子结构评估 | 通过绕过基于扩散的结构模块，直接将输入坐标输入置信度头，避免了传统AlphaFold2方法需要迭代优化输入结构导致的评分偏差 | NA | 开发一种无需结构优化的生物分子复合物评分方法 | 单体蛋白质、蛋白质-蛋白质复合物、从头设计结合剂、折叠转换蛋白质和蛋白质-配体复合物 | 计算生物学 | NA | 深度学习 | AlphaFold3 | 生物分子结构坐标 | NA | NA | AlphaFold3架构（修改版） | 结合剂筛选性能、富集率、成功率 | NA |
| 556 | 2025-10-06 |
Transfer Learning for Predicting ncRNA-Protein Interactions
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00914
PMID:40679953
|
研究论文 | 提出基于迁移学习的Transfer-RPI框架，用于预测非编码RNA与蛋白质相互作用 | 结合RiNALMo和ESM模型提取RNA和蛋白质序列特征，通过迁移学习解决小数据集下的预测性能限制 | 未明确说明模型在独立验证集上的泛化能力及计算资源需求 | 开发高精度的ncRNA-蛋白质相互作用预测方法 | 非编码RNA与蛋白质的相互作用对 | 生物信息学 | NA | 迁移学习，深度特征学习 | 深度学习 | RNA序列，蛋白质序列 | RPI369、RPI488、RPI1807、RPI2241和NPInter v2.0五个数据集 | NA | RiNALMo, ESM | 准确率 | NA |
| 557 | 2025-10-06 |
m5U-HybridNet: Integrating an RNA Foundation Model with CNN Features for Accurate Prediction of 5-Methyluridine Modification Sites
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01237
PMID:40693567
|
研究论文 | 提出m5U-HybridNet框架，通过整合RNA基础模型和CNN特征来精确预测RNA中的5-甲基尿苷修饰位点 | 创新性地将RNA基础模型（RNA-FM）的深度语义特征提取与卷积神经网络特征进行策略性整合 | NA | 开发计算模型以精确识别RNA中的5-甲基尿苷修饰位点 | RNA中的5-甲基尿苷修饰位点 | 计算生物学 | NA | RNA修饰位点预测 | CNN, 基础模型 | RNA序列数据 | NA | NA | m5U-HybridNet, RNA-FM | NA | NA |
| 558 | 2025-10-06 |
Prediction of Fraction Unbound in Human Plasma for Per- and Polyfluoroalkyl Substances: Evaluating Transfer Learning as an Algorithmic Solution to the Problem of Sparse Data
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01040
PMID:40693597
|
研究论文 | 本文提出一种新的机器学习方法，通过迁移学习策略改进全氟和多氟烷基物质（PFAS）的血浆游离分数预测模型 | 提出跨化学空间的迁移学习策略，使用在广泛化学库上训练的深度学习模型并在PFAS小数据集上进行微调 | 数据稀疏且不平衡，导致对于PFAS类物质，先前的全局模型仍更具竞争力 | 改进全氟和多氟烷基物质（PFAS）的血浆游离分数定量构效关系建模 | 全氟和多氟烷基物质（PFAS）及其他小化学家族 | 机器学习 | NA | 定量构效关系建模 | 深度学习,随机森林 | 化学结构数据 | 小数据集（具体数量未提及） | NA | NA | 统计性能指标 | NA |
| 559 | 2025-10-06 |
Uncertainty-Informed Screening for Safer Solvents Used in the Synthesis of Perovskites via Language Models
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00612
PMID:40694668
|
研究论文 | 提出一种结合BERT/ELMo确定性精度与GPT上下文深度的集成方法，用于钙钛矿合成中溶剂的安全筛选 | 通过集成双向上下文模型和自回归生成模型的互补优势，构建分层知识提取框架，并引入香农熵量化认知不确定性 | 以提高精度为代价牺牲了召回率，且缺乏该领域的基准数据集 | 开发不确定性感知的溶剂筛选方法，用于钙钛矿合成中更安全的溶剂选择 | 钙钛矿及其合成过程中使用的溶剂 | 自然语言处理 | NA | 语言模型，实体提取，结构匹配，实体归一化 | BERT, ELMo, GPT | 科学文献文本 | 保留部分论文子集用于手动验证 | NA | BERT, ELMo, GPT | 精度, 召回率, 结构依从性 | NA |
| 560 | 2025-10-06 |
MMF-MCP: A Deep Transfer Learning Model Based on Multimodal Information Fusion for Molecular Feature Extraction and Carcinogenicity Prediction
2025-Aug-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01362
PMID:40711460
|
研究论文 | 提出基于多模态信息融合的深度迁移学习模型MMF-MCP，用于分子特征提取和致癌性预测 | 首次结合图注意力网络、卷积神经网络和深度残差网络SE-ResNet18进行多模态分子特征融合，并采用迁移学习策略从致突变性数据迁移知识到致癌性预测 | 未明确说明数据质量限制和特征丰富度不足的具体影响 | 提高分子致癌性预测的准确性、鲁棒性和可解释性 | 分子致癌性 | 机器学习 | 癌症 | 多模态信息融合 | 图注意力网络, 卷积神经网络, 深度残差网络 | 分子图数据, 分子指纹数据, 分子图像 | NA | NA | SE-ResNet18 | ACC, AUC, SE, SP | NA |