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 1467 篇文献，本页显示第 141 - 160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 2025-11-15 |
High Resolution TOF-MRA Using Compressed Sensing-based Deep Learning Image Reconstruction for the Visualization of Lenticulostriate Arteries: A Preliminary Study
2025-Sep-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2024-0025
PMID:39034144
|
研究论文 | 本研究比较压缩感知深度学习重建与传统压缩感知算法在时间飞跃磁共振血管成像中对豆纹动脉的显示效果 | 首次将压缩感知与深度学习相结合用于高分辨率TOF-MRA图像重建，并在不同加速因子下系统评估豆纹动脉显示效果 | 样本量较小（仅5名健康志愿者），属于初步研究 | 评估压缩感知深度学习重建在显示豆纹动脉方面的图像质量 | 健康志愿者的豆纹动脉 | 医学影像分析 | 脑血管疾病 | 时间飞跃磁共振血管成像 | 深度学习 | 磁共振图像 | 5名健康志愿者 | NA | NA | 可见豆纹动脉数量, 豆纹动脉长度, 归一化均方误差, 整体图像质量评分, 外周豆纹动脉可见性评分 | NA |
| 142 | 2025-11-15 |
GeneRAIN: multifaceted representation of genes via deep learning of gene expression networks
2025-Sep-22, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03749-6
PMID:40983974
|
研究论文 | 开发基于Transformer的GeneRAIN模型套件，从41万个人类批量RNA-seq样本中学习基因表达关系 | 提出新颖的Binning-By-Gene标准化技术和GeneRAIN-vec多面向量化基因表示方法，在知识迁移方面实现突破 | NA | 推进Transformer和自监督深度学习在基因表达数据中的应用，增强生物学探索能力 | 人类基因表达数据，包括蛋白质编码基因和长链非编码RNA | 机器学习 | NA | RNA-seq | Transformer | 基因表达数据 | 410,000个人类批量RNA-seq样本 | NA | Transformer | NA | NA |
| 143 | 2025-11-15 |
EDLNet: ensemble deep learning network model for automatic brain tumor classification and segmentation
2025-Sep, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2311343
PMID:38345061
|
研究论文 | 提出一种集成深度学习网络模型EDLNet，用于自动脑肿瘤分类和分割 | 提出新的集成深度学习网络模型，结合改进的Faster RCNN进行分类和基于DRCNN的分割方法 | NA | 开发自动脑肿瘤分类和分割的深度学习模型 | 脑部MRI扫描图像 | 数字病理 | 脑肿瘤 | MRI扫描 | 集成深度学习,Faster RCNN,深度循环卷积神经网络 | 医学图像 | 两个公开数据集(D1和D2)，具体样本数量未明确说明 | NA | EDLNet,Modified Faster RCNN,DRCNN | 准确率 | NA |
| 144 | 2025-11-14 |
Modeling protein-small molecule conformational ensembles with PLACER
2025-Sep-27, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.25.614868
PMID:39386615
|
研究论文 | 开发了一种名为PLACER的图神经网络，用于建模蛋白质-小分子相互作用的构象集合 | 提出首个基于原子级图神经网络的构象集合解析方法，相比传统残基级描述在速度和通用性方面具有优势 | 方法依赖于剑桥结构数据库和蛋白质数据库的训练数据，可能受限于现有数据的覆盖范围 | 解决蛋白质-小分子相互作用构象异质性的建模挑战 | 蛋白质-小分子复合物系统 | 计算生物学 | NA | 图神经网络 | GNN | 三维分子结构数据 | 来自剑桥结构数据库和蛋白质数据库的结构数据 | NA | PLACER | 结构生成准确性、酶设计成功率、催化活性 | NA |
| 145 | 2025-11-12 |
NeuHolo: non-interferometric quantitative single-shot holographic imaging for 3D metrology using neural fields
2025-Sep-22, Optics express
IF:3.2Q2
DOI:10.1364/OE.567074
PMID:41215303
|
研究论文 | 提出一种基于神经场网络和随机相位调制的非干涉定量单次全息成像框架NeuHolo | 首次将神经场网络与随机相位调制结合，无需物体支撑即可通过无监督深度学习从单次测量中定量估计振幅和相位 | 未明确说明计算资源需求和算法处理时间 | 开发无需干涉的非干涉定量全息成像技术 | 光场的复振幅重建 | 计算机视觉 | NA | 全息成像，随机相位调制 | 神经网络 | 强度测量数据 | NA | 深度学习框架 | 神经场网络 | 精度，视场大小 | NA |
| 146 | 2025-11-12 |
Supercell-based metasurfaces for arbitrary polarization beam splitting: physics-informed U-Net design with high extinction ratio
2025-Sep-22, Optics express
IF:3.2Q2
DOI:10.1364/OE.561950
PMID:41215359
|
研究论文 | 提出一种基于物理信息驱动深度学习的方法，用于设计任意偏振分束的超表面结构 | 将物理信息嵌入改进的U-Net架构，通过分解目标远场图案到正交圆偏振分量来高效恢复相位分布 | NA | 开发高效偏振控制器件设计方法 | 硅纳米柱超表面结构 | 计算光子学 | NA | FDTD模拟 | U-Net | 相位分布数据，远场图案 | NA | NA | 改进的U-Net | MSE, 偏振消光比, 传输效率 | NA |
| 147 | 2025-11-12 |
Dual deep learning network enables data-efficient two-color single-molecule localization microscopy with colorimetry camera
2025-Sep-22, Optics express
IF:3.2Q2
DOI:10.1364/OE.574460
PMID:41215365
|
研究论文 | 开发了一种结合双深度学习网络的CC-DeepSTORM框架，用于提升双色单分子定位显微镜的数据效率 | 提出CC-DeepLoc定位网络和CC-DeepSeparator颜色分离网络的双深度学习框架，显著提升定位精度并大幅降低数据拒绝率 | 研究主要基于模拟和单色实验数据验证，双色实验的全面性能评估有待进一步扩展 | 解决多色单分子定位显微镜技术复杂性和数据效率低下的问题 | 单分子定位显微镜图像数据 | 计算显微镜 | NA | 单分子定位显微镜(SMLM) | 深度学习网络 | 显微镜图像 | NA | 深度学习框架 | CC-DeepLoc, CC-DeepSeparator | Jaccard指数, 定位精度, 串扰率, 数据拒绝率 | NA |
| 148 | 2025-11-12 |
Research on an atmospheric turbulent channel equalization algorithm using the spatiotemporal feature fusion method
2025-Sep-22, Optics express
IF:3.2Q2
DOI:10.1364/OE.573173
PMID:41215432
|
研究论文 | 提出一种基于时空特征融合的深度学习信道均衡算法，用于消除大气湍流信道对无线光通信系统的影响 | 首次将时空特征融合方法应用于大气湍流信道均衡，突破了传统信道均衡的性能瓶颈 | NA | 解决大气湍流引起的信号衰落问题，提高无线光通信系统的传输可靠性 | 大气湍流信道模型和传输信号 | 机器学习 | NA | 深度学习 | CNN | 光强度测量数据 | NA | NA | 时空特征融合网络 | 误码率 | NA |
| 149 | 2025-11-12 |
Risk stratification of chest pain in the emergency department using artificial intelligence applied to electrocardiograms
2025-Sep-01, Open heart
IF:2.8Q2
DOI:10.1136/openhrt-2025-003343
PMID:40889954
|
研究论文 | 开发了一种基于人工智能的心电图风险分层模型（CP-AI），用于急诊胸痛患者的7天主要心血管事件预测 | 首次将深度学习模型应用于心电图数据，结合临床特征构建全自动风险分层系统，显著优于传统生物标志物模型 | 回顾性研究设计，需要在更多样化人群中验证模型泛化能力 | 改善急诊胸痛患者的风险分层，减少主观评估带来的不一致性 | 急诊胸痛患者 | 医疗人工智能 | 心血管疾病 | 深度学习，心电图分析 | 神经网络分类器 | 心电图，临床数据 | 训练集15,048名患者，外部验证集14,476名患者 | NA | 患者对比学习表示模型 | AUROC, AUPRC | NA |
| 150 | 2025-10-05 |
Correction: Javeed et al. A Hybrid Deep Learning-Driven SDN Enabled Mechanism for Secure Communication in Internet of Things (IoT). Sensors 2021, 21, 4884
2025-Sep-15, Sensors (Basel, Switzerland)
DOI:10.3390/s25185739
PMID:41013172
|
correction | 对先前发表的关于物联网安全通信的混合深度学习驱动SDN机制论文进行更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 151 | 2025-11-08 |
A deep learning model for epidermal growth factor receptor prediction using ensemble residual convolutional neural network
2025-Sep-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-18518-5
PMID:41023039
|
研究论文 | 提出一种基于集成残差卷积神经网络的深度学习模型ERCNN-EGFR，用于从氨基酸序列准确预测表皮生长因子受体 | 首次将集成残差卷积神经网络应用于EGFR预测，结合多种蛋白质特征提取方法和特征选择策略 | 模型在独立测试集上的准确率（82.85%）较训练集有所下降，可能存在泛化能力限制 | 开发准确识别表皮生长因子受体的计算方法 | 表皮生长因子受体蛋白质 | 生物信息学 | 乳腺癌 | 蛋白质序列分析 | BiLSTM, GRU, GAN, CNN | 蛋白质氨基酸序列 | NA | NA | Ensemble Residual Convolutional Neural Network | 准确率, 灵敏度, 特异性, 马修斯相关系数 | NA |
| 152 | 2025-11-08 |
A novel hybrid deep learning model for segmentation and uzzy Res-LeNet based classification for Alzheimer's disease
2025-Sep-24, Neurogenetics
IF:1.6Q3
DOI:10.1007/s10048-025-00837-4
PMID:40991056
|
研究论文 | 提出一种用于阿尔茨海默病分割和分类的混合深度学习方法 | 提出O-SegUNet分割方法和融合模糊逻辑、ResNeXt和LeNet的Fuzzy Res-LeNet分类模型 | NA | 阿尔茨海默病的早期检测和分类 | 阿尔茨海默病患者的大脑MRI图像 | 医学影像分析 | 阿尔茨海默病 | 磁共振成像 | 混合深度学习模型 | 医学图像 | NA | NA | O-SegUNet, Fuzzy Res-LeNet, SegNet, U-Net, ResNeXt, LeNet | 准确率, 敏感度, 特异性 | NA |
| 153 | 2025-11-08 |
Synergy of advanced machine learning and deep neural networks with consensus molecular docking for virtual screening of anaplastic lymphoma kinase inhibitors
2025-Sep-15, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-025-00657-6
PMID:40952529
|
研究论文 | 本研究开发了一种结合机器学习和分子对接的AI模型，用于虚拟筛选间变性淋巴瘤激酶抑制剂 | 结合了基于配体和基于结构的双重方法，使用集成投票模型和共识对接策略，在大型化合物库中筛选出三个有前景的ALK抑制剂 | 需要进一步的体外实验验证模型筛选性能，图神经网络表现不如传统机器学习模型 | 开发AI模型预测ALK抑制剂用于非小细胞肺癌治疗 | 间变性淋巴瘤激酶抑制剂化合物 | 机器学习 | 肺癌 | 分子对接，虚拟筛选 | XGBoost, ANN, GNN, 集成学习 | 化合物结构数据 | 120,571个化合物 | XGBoost, TensorFlow/PyTorch | 人工神经网络, 图神经网络, 集成投票模型 | F1分数, 平均精度, 交叉验证 | GPU加速分子对接程序 |
| 154 | 2025-11-07 |
SeaMoon: From protein language models to continuous structural heterogeneity
2025-Sep-04, Structure (London, England : 1993)
DOI:10.1016/j.str.2025.06.010
PMID:40683255
|
研究论文 | 本研究开发了SeaMoon方法，直接从蛋白质序列预测连续结构异质性，无需依赖3D结构信息 | 首次探索直接从蛋白质序列预测连续结构运动，无需利用3D结构；结合蛋白质语言模型与轻量级卷积神经网络；能够捕捉传统方法无法识别的运动模式 | 仅对40%的测试蛋白质能够以合理精度预测至少一个真实运动 | 开发直接从蛋白质序列预测连续结构异质性的深度学习方法 | 蛋白质结构运动和构象变化 | 计算生物学, 机器学习 | NA | 蛋白质语言模型, 深度学习 | CNN | 蛋白质序列, 蛋白质语言模型嵌入 | 约1,000组实验构象集合 | NA | 轻量级卷积神经网络 | 预测精度 | NA |
| 155 | 2025-11-06 |
Leveraging deep learning to combat cyberbullying on social media
2025 Sep-Dec, Industrial psychiatry journal
DOI:10.4103/ipj.ipj_47_25
PMID:41180047
|
短篇通讯 | 探讨深度学习技术在社交媒体网络欺凌检测中的应用潜力 | 结合基于Transformer和循环神经网络的模型，并整合表情符号和情感分析等多模态数据提升检测精度 | 数据标注困难、网络俚语理解、语境依赖解释问题以及用户匿名性带来的识别挑战 | 开发更准确、全面且符合伦理的网络欺凌检测方法 | 社交媒体中的网络欺凌内容（文本、图像）和用户行为 | 自然语言处理 | NA | 情感分析，多模态数据分析 | Transformer, RNN | 文本，图像，多模态数据 | NA | NA | Transformer, 循环神经网络 | 检测准确率 | NA |
| 156 | 2025-11-05 |
Iterative improvement of deep learning models using synthetic regulatory genomics
2025-Sep-23, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.04.636130
PMID:39974895
|
研究论文 | 本研究使用深度学习模型Enformer预测合成调控基因组学数据中的DNA可及性和RNA转录，并通过微调提升模型性能 | 首次将合成调控基因组学数据用于深度学习模型的迭代改进，显著提升了模型对基因组变异的预测泛化能力 | 模型对DHS顺序或方向重排的序列预测能力较差，训练数据主要基于参考基因组相似序列 | 评估和改进深度学习模型对基因组变异序列的表观遗传特征预测能力 | DNase I超敏感位点的删除、倒位和重排等工程化序列 | 计算生物学 | NA | 合成调控基因组学，表观遗传学分析 | 深度学习 | 基因组序列，表观遗传数据 | 数十个DHS工程化序列 | NA | Enformer | 预测误差，相关性 | NA |
| 157 | 2025-11-05 |
Correction: A Systematic Review: Do the Use of Machine Learning, Deep Learning, and Artificial Intelligence Improve Patient Outcomes in Acute Myocardial Ischemia Compared to Clinician-Only Approaches?
2025-Sep, Cureus
DOI:10.7759/cureus.c307
PMID:41185712
|
correction | 本文是对先前发表的一篇系统综述文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 158 | 2025-11-02 |
Application of Explainable Artificial Intelligence Based on Visual Explanation in Digestive Endoscopy
2025-Sep-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12101058
PMID:41155057
|
综述 | 系统回顾基于视觉解释的可解释人工智能在消化内镜图像分析中的研究进展与应用 | 首次系统梳理消化内镜领域视觉解释型XAI方法的应用现状，重点关注模型决策透明化 | 仅纳入34篇文献，样本量有限；未涉及非视觉解释方法 | 构建可信赖的AI辅助消化内镜诊疗系统 | 消化内镜图像（食管胃十二指肠镜、结肠镜、超声内镜、无线胶囊内镜） | 计算机视觉 | 胃肠道疾病 | 消化内镜成像 | 深度学习 | 医学图像 | 34篇研究文献 | NA | NA | NA | NA |
| 159 | 2025-11-02 |
Comparative Analysis of Foundational, Advanced, and Traditional Deep Learning Models for Hyperpolarized Gas MRI Lung Segmentation: Robust Performance in Data-Constrained Scenarios
2025-Sep-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12101062
PMID:41155061
|
研究论文 | 比较基础模型、先进大核架构和传统深度学习方法在超极化气体MRI肺部分割任务中不同数据量下的性能表现 | 首次系统比较基础模型、先进大核架构和传统深度学习在数据受限场景下的医学图像分割性能，发现基础模型和先进架构在极端数据稀缺情况下仍能保持稳定性能 | 研究仅针对超极化气体MRI肺部分割任务，样本量相对有限（205名参与者），需要进一步验证在其他医学影像任务中的泛化能力 | 评估不同深度学习模型在数据受限情况下对超极化气体MRI肺部分割的性能表现 | 慢性阻塞性肺疾病（COPD）患者的超极化气体MRI肺部图像 | 医学影像分析 | 慢性阻塞性肺疾病 | 超极化气体MRI（氦-3和氙-129） | 基础模型,先进大核架构,传统深度学习模型 | 2D MRI图像 | 205名参与者的1640张2D MRI切片 | NA | Segment Anything Model, MedSAM, UniRepLKNet, TransXNet, UNet with VGG19, Feature Pyramid Network with MIT-B5, DeepLabV3 with ResNet152 | DSC（Dice相似系数） | NA |
| 160 | 2025-11-02 |
Wearable Flexible Wireless Pressure Sensor Based on Poly(vinyl alcohol)/Carbon Nanotube/MXene Composite for Health Monitoring
2025-Sep-30, Micromachines
IF:3.0Q2
DOI:10.3390/mi16101132
PMID:41156378
|
研究论文 | 开发了一种基于PVA/碳纳米管/MXene复合材料的可穿戴柔性无线压力传感器，用于健康监测 | 采用PVA/单壁碳纳米管/MXene复合材料作为敏感材料，结合随机分布的皱纹结构，实现高精度压力监测 | NA | 开发高精度无线柔性传感器用于人体健康监测和人机界面应用 | 声带运动、弯曲手指和人体脉搏 | NA | NA | 压力传感技术 | 深度学习模型 | 压力数据 | NA | NA | NA | 准确率 | 无需额外计算设备 |