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 1042 篇文献，本页显示第 621 - 640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 621 | 2025-07-12 |
Letter to Editor "Predicting NSCLC surgical outcomes using deep learning on histopathological images: development and multi-omics validation of Sr-PPS model"
2025-Oct-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002840
PMID:40643594
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 622 | 2025-10-15 |
Biomolecular Interaction Prediction: The Era of AI
2025-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202509501
PMID:40671265
|
综述 | 本文全面综述了深度学习在生物分子相互作用预测中的应用及其对药物发现的推动作用 | 系统总结了利用序列数据、结构信息和功能注释等多种特征来增强生物分子相互作用预测的深度学习算法 | NA | 提升生物分子相互作用预测的准确性以促进药物发现和分子生物学研究 | 蛋白质、核酸和小分子等各类靶分子 | 机器学习 | NA | 深度学习 | NA | 序列数据、结构信息、功能注释 | NA | NA | NA | NA | NA |
| 623 | 2025-10-15 |
DeepSecMS Advances DIA-Based Selenoproteome Profiling Through Cys-to-Sec Proxy Training
2025-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202504109
PMID:40693414
|
研究论文 | 本研究开发了DeepSecMS方法，通过基于半胱氨酸的代理训练策略提升基于DIA的硒蛋白组分析能力 | 提出基于深度学习的代理训练策略，利用大量半胱氨酸肽段数据预测稀有硒代半胱氨酸肽段特征 | 硒代半胱氨酸在蛋白质组中极为稀有，可能影响模型对极罕见硒蛋白的识别能力 | 开发新型计算方法以增强硒蛋白组的全面分析能力 | 人类硒蛋白组中的硒代半胱氨酸肽段 | 机器学习 | NA | 数据非依赖采集质谱，深度学习 | 深度学习 | 质谱数据，肽段序列 | 大规模半胱氨酸肽段数据集 | NA | NA | MS2预测准确率，保留时间预测，离子迁移率预测 | NA |
| 624 | 2025-10-14 |
ChargeNet: E(3) Equivariant Graph Attention Network for Atomic Charge Prediction
2025-Oct-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00602
PMID:40530778
|
研究论文 | 提出一种E(3)等变图注意力网络ChargeNet，用于精确预测原子电荷 | 引入先进的等变图注意力神经网络，通过全局图注意力机制和多尺度注意力建模长程原子静电相互作用 | NA | 开发高精度、强泛化能力的原子电荷预测方法以推动药物设计与发现 | 分子结构和原子电荷 | 机器学习 | NA | 量子化学计算，机器学习 | 图注意力网络 | 分子结构数据 | NA | NA | E(3)等变图注意力网络 | 预测准确率 | NA |
| 625 | 2025-10-14 |
Manual and automated facial de-identification techniques for patient imaging with preservation of sinonasal anatomy
2025-Oct, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03421-1
PMID:40439827
|
研究论文 | 提出一种保留鼻窦解剖结构的面部去标识化方法，并开发两种自动化工作流程 | 在保护患者隐私的同时保留鼻窦、鼻甲等耳鼻喉科相关解剖结构，解决了现有方法会遮蔽这些关键区域的问题 | 需要进一步使用活体患者照片验证效果 | 开发可靠的面部去标识化方法以保护患者隐私 | 成人头部CT扫描图像 | 医学影像处理 | 耳鼻喉疾病 | CT扫描，种子生长技术，图像分割 | 深度学习模型 | 医学影像 | 20例成人头部CT | 3D Slicer, nnU-Net | nnU-Net | Dice系数，修正Hausdorff距离，匹配率 | NA |
| 626 | 2025-10-14 |
Transformer-based robotic ultrasound 3D tracking for capsule robot in GI tract
2025-Oct, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03445-7
PMID:40490591
|
研究论文 | 提出一种基于Transformer和CNN的混合深度学习框架，用于胶囊机器人在胃肠道中的实时3D超声跟踪 | 首次将Transformer架构与CNN结合应用于胶囊机器人超声跟踪，能够处理长距离3D跟踪并在跟踪丢失时主动重新定位 | 仅在离体结肠模型中进行验证，尚未在活体动物和人体试验中评估生理影响 | 开发能够克服超声成像视野窄、气体区域可视性差和平面外运动检测困难的胶囊机器人跟踪系统 | 胃肠道胶囊机器人 | 计算机视觉 | 胃肠道疾病 | B模式超声成像 | CNN, Transformer | 超声图像 | 离体结肠模型 | NA | CNN-Transformer混合架构 | 质心定位误差, 检测准确率, 帧率 | NA |
| 627 | 2025-10-14 |
Large-scale protein clustering in the age of deep learning
2025-Oct, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103078
PMID:40517452
|
综述 | 本文探讨了深度学习时代大规模蛋白质聚类方法的发展与应用 | 引入深度学习技术扩展了蛋白质相似性度量和聚类方法的广度、深度和多样性 | NA | 研究蛋白质聚类方法及其在功能注释转移中的应用 | 蛋白质家族和整个蛋白质宇宙 | 生物信息学 | NA | 蛋白质序列分析、结构解析 | 深度学习 | 蛋白质序列、结构数据 | 大规模蛋白质数据集 | NA | NA | NA | NA |
| 628 | 2025-10-14 |
Identifying visible tissue in intraoperative ultrasound: a method and application
2025-Oct, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03415-z
PMID:40580392
|
研究论文 | 提出一种识别术中超声可见组织的迭代滤波和拓扑方法，用于检测声影并构建感知显著性置信图 | 开发了新型探头-组织接触分析框架，在体内数据上实现优于深度学习和统计方法的声影分类性能 | 方法性能需在更广泛临床场景中验证，参数扰动和散斑噪声可能影响算法鲁棒性 | 改进术中超声扫描的探头-组织接触分析技术 | 术中超声扫描中的可见组织和探头-组织接触界面 | 医学影像分析 | NA | 超声成像 | NA | 超声图像 | 包含体内数据和医学体模数据的专用数据集 | NA | NA | Fβ分数, 归一化均方根误差 | NA |
| 629 | 2025-10-13 |
Exploring stable isotope patterns in monthly precipitation across Southeast Asia using contemporary deep learning models and SHapley Additive exPlanations (SHAP) techniques
2025-Oct, Isotopes in environmental and health studies
IF:1.1Q4
DOI:10.1080/10256016.2025.2508811
PMID:40522311
|
研究论文 | 本研究使用深度神经网络和SHAP技术分析东南亚地区降水稳定同位素模式及其与气候因子的关系 | 首次将深度神经网络与SHAP可解释性技术结合应用于热带地区降水稳定同位素模拟，揭示了气候因子与同位素含量的非线性相互作用 | 研究仅涵盖东南亚六个关键站点，区域覆盖范围有限，且站点分布不均匀 | 开发能够准确模拟降水稳定同位素含量的机器学习模型，理解大尺度气候模式与局部气象参数对同位素的影响 | 东南亚六个站点的月降水稳定同位素数据（曼谷、吉隆坡、雅加达、哥打巴鲁、查亚普拉、新加坡） | 机器学习 | NA | 稳定同位素分析 | DNN, PLSR | 气象数据、同位素数据 | 东南亚6个站点的月降水数据 | NA | 深度神经网络 | 准确率 | NA |
| 630 | 2025-05-03 |
Should end-to-end deep learning replace handcrafted radiomics?
2025-Oct, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07314-y
PMID:40314811
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 631 | 2025-10-05 |
Research hotspots and trends of pediatric bone age: A bibliometric and visualization analysis
2025-Oct-04, Lasers in medical science
IF:2.1Q2
DOI:10.1007/s10103-025-04643-0
PMID:41044432
|
文献计量分析 | 通过文献计量和可视化分析方法探讨儿科骨龄研究的热点与趋势 | 首次系统分析儿科骨龄研究领域的发展脉络，识别新兴研究方向如深度学习和人工智能 | 仅基于Web of Science数据库，可能遗漏其他数据库的重要文献 | 识别儿科骨龄评估领域的研究热点并预测未来发展趋势 | 1965-2024年间发表的4652篇儿科骨龄相关文献 | 文献计量学 | 儿科发育疾病 | 文献计量分析，可视化分析 | NA | 文献数据 | 4652篇出版物 | VOSviewer, CiteSpace, bibliometrix | NA | NA | NA |
| 632 | 2025-10-05 |
Current trends and future artificial intelligence applications in transfusion medicine: a bibliometric analysis
2025-Oct-04, Expert review of hematology
IF:2.3Q2
DOI:10.1080/17474086.2025.2570336
PMID:41045021
|
文献计量分析 | 通过文献计量分析探讨人工智能在输血医学领域的当前趋势和未来应用前景 | 首次对人工智能在输血医学领域的文献进行系统性计量分析，识别研究热点和发展趋势 | 仅基于Web of Science数据库，时间范围截至2025年8月，可能存在文献收录不全的局限 | 分析人工智能在输血医学领域的研究现状和未来发展方向 | 2000-2025年间发表的159篇相关学术文献 | 医疗信息学 | 输血医学 | 文献计量分析 | NA | 文献数据 | 159篇出版物 | VOSviewer, CiteSpace, Excel | NA | NA | NA |
| 633 | 2025-10-05 |
Genomic Identification and Validation of Candidate Genes Associated with Alkalinity Tolerance in Exopalaemon carinicauda
2025-Oct-04, Marine biotechnology (New York, N.Y.)
DOI:10.1007/s10126-025-10524-y
PMID:41045383
|
研究论文 | 本研究通过基因组分析方法鉴定与脊尾白虾碱度耐受性相关的候选基因 | 首次结合BSA测序、深度学习方法和比较转录组分析系统鉴定脊尾白虾碱度耐受性相关基因 | 研究仅聚焦于极端表型个体，样本代表性可能存在局限 | 探究甲壳类动物盐碱适应的分子机制 | 脊尾白虾(Exopalaemon carinicauda) | 基因组学 | NA | 下一代测序,BSA分析,转录组分析,PCR测序 | 深度学习 | 基因组数据,转录组数据 | 极端表型个体DNA混合样本 | NA | NA | 欧几里得距离,ΔSNP-index | NA |
| 634 | 2025-10-05 |
Deep learning-based cell type profiles reveal signatures of Alzheimer's disease resilience and resistance
2025-Oct-03, Brain : a journal of neurology
IF:10.6Q1
DOI:10.1093/brain/awaf285
PMID:40794555
|
研究论文 | 本研究开发了一种基于Transformer的深度学习模型，能够从批量RNA测序数据中恢复细胞类型特异性转录程序，用于探索阿尔茨海默病的认知韧性和脑抵抗机制 | 首次应用基于Transformer的深度学习模型从批量RNA测序数据中恢复细胞类型特异性转录程序，显著优于先前方法，为大规模研究复杂表型提供了新工具 | 单核技术存在核转录覆盖度低、成本高和技术复杂性的限制 | 揭示阿尔茨海默病韧性和抵抗的细胞类型特异性机制，识别特定治疗靶点 | 阿尔茨海默病患者脑组织细胞类型 | 自然语言处理,数字病理学 | 阿尔茨海默病 | RNA测序,单核技术 | Transformer | 转录组数据 | NA | NA | Transformer | NA | NA |
| 635 | 2025-10-05 |
A Tutorial on MRI Reconstruction: From Modern Methods to Clinical Implications
2025-Oct-03, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3617575
PMID:41042661
|
教程 | 本教程系统介绍MRI重建技术，涵盖从经典方法到深度学习的最新进展及其临床意义 | 整合了基于显式手工先验的经典方法和结合学习与手工先验的深度学习方法，并提供配套Python工具箱 | 作为教程文章，主要提供方法概述而非原创研究，深度可能有限 | 概述MRI重建技术发展，探讨先进重建方法的临床转化意义 | MRI图像重建算法及其临床应用 | 医学影像处理 | NA | MRI成像技术 | 深度学习 | 医学影像数据 | NA | Python | NA | NA | NA |
| 636 | 2025-10-05 |
Enhancing Transcription Factor Prediction via Domain Knowledge Integration with Logic Tensor Networks
2025-Oct-03, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3617864
PMID:41042660
|
研究论文 | 提出一种结合逻辑张量网络和深度学习的神经符号模型LTN-TFpredict，用于提高转录因子预测的准确性和可解释性 | 首次将逻辑张量网络与深度学习结合，通过整合五个关键TF相关基序的生物领域知识作为逻辑约束 | NA | 提高转录因子预测的准确性和可解释性 | 转录因子 | 计算生物学 | NA | 蛋白质语言模型 | 神经符号模型,CNN,Transformer | 蛋白质序列 | NA | NA | Logic Tensor Networks,CNN,Transformer | 预测准确率 | NA |
| 637 | 2025-10-05 |
A multi-layer encoder prediction model for individual sample specific gene combination effect (MLEC-iGeneCombo)
2025-Oct-03, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013547
PMID:41042795
|
研究论文 | 提出一种用于预测个体样本特异性基因组合效应的多层编码器模型MLEC-iGeneCombo | 首次引入基因组合效应直接测量指标log-fold change，并开发能预测新细胞系基因组合效应的系统生物学模型 | 仅基于18个CDKO实验数据验证，样本规模有限 | 开发个体样本特异性基因组合效应预测模型 | 基因组合双敲除实验数据 | 机器学习 | NA | CRISPR-cas9慢病毒转染，基因组合双敲除实验 | 深度学习 | 多组学数据，基因表达数据 | 18个CDKO实验 | 深度学习框架 | 多层编码器 | GCE预测性能71.9% | NA |
| 638 | 2025-10-05 |
Quantifying HiPSC-CM structural organization at scale with deep learning-enhanced SarcGraph
2025-Oct-03, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013436
PMID:41042829
|
研究论文 | 本研究通过深度学习增强的SarcGraph框架量化hiPSC-CM的结构组织，改进了对未成熟心肌细胞结构的分析能力 | 结合基于深度学习的z盘分类器和新型集成图评分方法，显著减少假阳性肌节检测并改进肌原纤维识别 | NA | 开发计算框架以更好地评估hiPSC-CM的结构特征和功能行为 | 人诱导多能干细胞来源的心肌细胞(hiPSC-CM) | 数字病理学 | 心血管疾病 | 深度学习，无监督学习 | 深度学习分类器 | 细胞图像数据 | 艾伦细胞科学研究所发布的公开数据集 | SarcGraph | NA | 假阳性率，肌原纤维检测精度 | NA |
| 639 | 2025-10-05 |
Deep-Learning-Guided Mining and Clustering of Remote Amino Acid Residues for the Simultaneous Engineering of the Catalytic Activity and Thermostability of a Processive Endoglucanase
2025-Oct-03, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.5c00454
PMID:41043116
|
研究论文 | 本研究利用深度学习模型指导工程化改造过程性内切葡聚糖酶EG5C-1，成功提升了其催化活性和热稳定性 | 首次结合多种深度学习模型（MutCompute、DeepSequence、ESM-1v）通过聚类分析和贪心算法系统探索酶序列空间，并发现完全由远端氨基酸残基替换组成的精英变体 | NA | 同时提高过程性内切葡聚糖酶的催化效率和热稳定性 | 源自BS-5的过程性内切葡聚糖酶EG5C-1 | 机器学习 | NA | 深度学习引导的酶工程 | 深度学习模型 | 蛋白质序列数据 | NA | NA | MutCompute, DeepSequence, ESM-1v | 催化效率（kcat/Km），最适温度，热稳定性 | NA |
| 640 | 2025-10-05 |
Remote Patient Monitoring System Combining Hardware and Artificial Intelligence Based Software
2025-Oct-03, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae0f1f
PMID:41043463
|
研究论文 | 开发了一种结合硬件和人工智能软件的远程患者监测系统，专注于心律失常检测 | 提出了基于AI的软件组件而非硬件组装，采用定制化的深度神经网络进行心律失常检测 | NA | 开发远程患者监测系统，实现心律失常的早期和可靠检测 | 患者生理数据，特别是心脏异常和心律失常相关数据 | 医疗人工智能 | 心血管疾病 | 物联网传感器数据采集，深度学习分析 | 深度神经网络(DNN) | 生物医学传感器数据 | NA | NA | 定制化深度神经网络 | 准确率, 召回率, 精确率 | NA |