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 1094 篇文献，本页显示第 1081 - 1094 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 |
NeuroCL: A deep learning approach for identifying neuropeptides based on contrastive learning
2025-Oct, Analytical biochemistry
IF:2.6Q2
DOI:10.1016/j.ab.2025.115920
PMID:40466845
|
研究论文 | 提出一种基于对比学习的深度学习方法NeuroCL，用于高效识别神经肽 | 结合对比学习和交叉注意力机制，通过多维度属性表示识别神经肽，增强类别区分度和特征连接 | NA | 开发高效识别神经肽的深度学习方法 | 神经肽 | 机器学习 | NA | 对比学习，交叉注意力机制 | 深度学习 | 生物序列数据 | NA | NA | 对比学习架构，交叉注意力机制 | 准确率，马修斯相关系数(MCC) | NA |
| 1082 | 2025-10-06 |
From data to precision: The transformative role of AI and machine learning in modern orthopaedic practice
2025-Oct, Journal of clinical orthopaedics and trauma
DOI:10.1016/j.jcot.2025.103101
PMID:40620692
|
综述 | 探讨人工智能和机器学习在现代骨科实践中通过数据驱动方法改变临床问题解决的变革性作用 | 将骨科临床问题重新定义为数据驱动的输入-输出连续体，而非基于基础原理的障碍，并展示生成式模型在个性化植入物设计等创新应用 | 面临伦理、监管和互操作性挑战，需要跨学科合作解决 | 评估AI/ML技术在骨科手术中的变革潜力及应用前景 | 骨科诊断、预测分析和手术规划相关的AI/ML应用研究 | 机器学习 | 骨科疾病 | 范围综述方法，文献检索 | 深度学习, 生成模型, 计算机视觉 | 临床数据, 医学影像 | NA | NA | 深度学习架构 | 模型准确性, 临床相关性 | 便携式数据采集设备(平板电脑, 语音识别系统), 临床软件平台 |
| 1083 | 2025-10-06 |
Construction of a Fritillaria alkaloids database to develop a multi-dimensional matching strategy for comprehensive annotation of known and unknown components
2025-Oct, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.116827
PMID:40597534
|
研究论文 | 本研究构建了贝母生物碱多维数据库FasMID，并开发了整合四维结构信息的多维匹配策略，用于已知和未知成分的全面注释 | 开发了将固相萃取与LC/IM-QTOF-MS结合的维度增强方法，建立了包含248种贝母生物碱的多维数据库，提出了整合多维特征匹配策略 | 预测精度有待通过扩大样本来源和优化深度学习算法进一步提升 | 开发贝母生物碱的精确表征方法，提高已知和未知成分的鉴定准确性 | 贝母中的生物碱成分 | 机器学习 | NA | 固相萃取,液相色谱/离子淌度-四极杆飞行时间质谱 | 机器学习,深度学习 | 质谱数据,碰撞截面数据 | 248种贝母生物碱 | NA | NA | 鉴定准确率 | NA |
| 1084 | 2025-10-06 |
Predicting oxidative stability of Camellia oil based on multimodal data fusion strategy integrating NIR and Raman spectroscopies with chemometrics
2025-Oct, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.116842
PMID:40597544
|
研究论文 | 本研究开发了一种基于近红外和拉曼光谱多模态数据融合策略的山茶油氧化稳定性快速无损预测方法 | 首次采用三级数据融合策略（低层、中层和高层）协同整合近红外和拉曼光谱特征，显著提升氧化稳定性预测精度 | 当前方法仍受限于特定基质，未来需开发超越基质特异性限制的通用监测范式 | 建立山茶油氧化稳定性的快速无损检测方法 | 山茶油样品 | 化学计量学 | NA | 近红外光谱, 拉曼光谱, 化学计量学 | NA | 光谱数据 | NA | NA | NA | 相关系数R, 均方根误差RMSEC | NA |
| 1085 | 2025-10-06 |
A 3D point cloud and deep learning based automated process for quantifying multi-scale phenotypes in sliced bread
2025-Oct, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.116865
PMID:40597561
|
研究论文 | 开发基于3D点云和深度学习的面包切片多尺度表型自动量化方法 | 提出使用低成本3D激光扫描仪获取面包三维结构，开发3D-PoreSegNet分割模型和两个新表型参数（孔隙分布和孔隙层分布） | NA | 实现面包切片三维表型的自动化精确量化 | 面包切片及其孔隙结构 | 计算机视觉 | NA | 3D激光扫描，点云处理 | 深度学习分割模型 | 3D点云数据 | NA | NA | 3D-PoreSegNet | 高度(97.3%)，长度(95.2%)，宽度(95.6%)，表面积(86.6%)，体积(82.8%)，对称指数(91.5%)，均匀性指数(93.4%)，最大孔隙直径(84.7%)，最大孔隙面积(82.6%)，孔隙数量(87.1%)，最大孔隙深度(90.3%)，最大孔隙体积(83.7%)，孔隙伸长率(78.5%) | NA |
| 1086 | 2025-10-06 |
Detection of ninhydrin-glyphosate in groundwater via the colour chart-assisted digital camera method
2025-Oct-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.126253
PMID:40273772
|
研究论文 | 本研究开发了一种基于比色卡辅助数码相机方法检测地下水中草甘膦含量的新技术 | 首次将一次性多标准比色卡应用于三种仪器（可见分光光度计、单反相机和手机相机），实现草甘膦的实时监测，无需昂贵传感器和重复标准化 | 单反相机受离子干扰导致浓度高估，可见分光光度计受磷酸盐和硝酸盐影响 | 开发低成本、用户友好的即时检测技术，用于地下水中草甘膦的定量分析 | 地下水样品中的草甘膦污染物 | 环境监测 | NA | 比色法、茚三酮-草甘膦络合反应、液相色谱-串联质谱 | NA | 图像数据、吸光度数据 | 实时地下水样品，浓度范围50-500 ng/mL（75 mL体积） | NA | NA | 相对标准偏差、回收率、准确度、精密度、ΔE色差 | NA |
| 1087 | 2025-06-07 |
Convolutional Neural Network approach to classify mitochondrial morphologies
2025-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 介绍了一种基于深度学习的软件MitoClass，用于自动分类线粒体网络的形态 | 利用CNN架构开发了MitoClass软件，能够快速、准确地对线粒体形态进行分类 | NA | 开发一种高效的方法，定量评估细胞群体中线粒体形状的变化 | 线粒体网络的形态 | 计算机视觉 | NA | 超分辨率成像 | CNN | 图像 | NA | NA | NA | NA | NA |
| 1088 | 2025-06-07 |
iEnhancer-DS: Attention-based improved densenet for identifying enhancers and their strength
2025-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出了一种基于深度学习的多任务框架iEnhancer-DS，用于增强子识别及其强度分类 | 结合改进的DenseNet模块和自注意力机制，动态评估特征重要性并分配权重，提高了增强子识别和强度预测的性能 | 未提及具体的数据集规模或多样性限制 | 开发计算方法来快速准确地识别增强子及其强度 | DNA序列中的增强子及其强度 | 生物信息学 | NA | one-hot编码和核苷酸化学性质(NCP) | 改进的DenseNet和自注意力机制 | DNA序列数据 | NA | NA | NA | NA | NA |
| 1089 | 2025-06-06 |
ProAttUnet: Advancing protein secondary structure prediction with deep learning via U-Net dual-pathway feature fusion and ESM2 pretrained protein language model
2025-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出了一种名为ProAttUnet的新型深度学习方法，用于提升基于单序列的蛋白质二级结构预测性能 | 整合了最先进的蛋白质语言模型ESM2，采用独特的双路径U-Net框架进行特征融合，并引入交叉注意力机制和GCU_SE模块 | NA | 提升蛋白质二级结构预测的准确性 | 蛋白质序列 | 生物信息学 | NA | 深度学习 | U-Net, ESM2 | 蛋白质序列数据 | 五个测试集（SPOT-2016, SPOT-2016-HQ, SPOT-2018, SPOT-2018-HQ和TEST2018） | NA | NA | NA | NA |
| 1090 | 2025-06-06 |
DICCA-DTA: Diffusion and Contextualized Capsule Attention guided Factorized Cross-Pooling for Drug-Target Affinity prediction
2025-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出了一种名为DICCA-DTA的新框架，用于预测药物-靶标亲和力，通过改进分子信息的上下文整合和药物-靶标相互作用的全面表示 | 引入了扩散同构网络(DIN)和上下文胶囊注意力网络(CCAN)模块，结合因子化交叉池化(FCP)机制，动态优化药物-蛋白质相互作用建模，提高预测准确性和可解释性 | 未明确提及具体局限性 | 改进药物-靶标亲和力预测，加速药物发现和再利用过程 | 药物分子和蛋白质靶标 | 机器学习 | 癌症 | 深度学习 | DIN, CCAN, FCP | 分子图和蛋白质序列 | Davis、KIBA、Metz和BindingDB数据集，以及DrugBank数据库中的癌症相关蛋白质相互作用案例 | NA | NA | NA | NA |
| 1091 | 2025-06-06 |
scDGG: Dynamic gene graphs for enhancing clustering analysis of single-cell RNA sequencing data via spatiotemporal representations
2025-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种名为scDGG的多视图图学习架构，用于从不同信号通路中压缩动态基因图，以增强单细胞RNA测序数据的聚类分析 | 提出动态基因图（dynamic gene graphs）来捕捉调控机制的动态变化，相比静态基因图能更全面地观察细胞命运和疾病进展的调控机制 | 未明确提及具体局限性 | 提高单细胞RNA测序数据的聚类分析准确性 | 单细胞RNA测序数据 | 生物信息学 | NA | 单细胞RNA测序（scRNA-seq） | 多视图图学习架构（multi-view graph learning architecture） | 基因表达数据 | 基准scRNA-seq数据集（未明确数量） | NA | NA | NA | NA |
| 1092 | 2025-06-06 |
NABP-LSTM-Att: Nanobody-Antigen binding prediction using bidirectional LSTM and soft attention mechanism
2025-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 该研究提出了一种名为NABP-LSTM-Att的深度学习模型，用于仅从序列信息预测纳米抗体与抗原的结合 | 使用双向LSTM和软注意力机制，仅依赖序列信息预测纳米抗体与抗原的结合，无需3D结构 | 模型的性能依赖于SAbDab-nano数据库中的序列数据，可能无法泛化到所有未知的纳米抗体-抗原对 | 提高纳米抗体与抗原结合亲和力和特异性的预测能力，以促进纳米抗体药物的开发 | 纳米抗体和抗原的序列 | 自然语言处理 | NA | 深度学习 | biLSTM和软注意力机制 | 序列数据 | 来自SAbDab-nano数据库的纳米抗体-抗原序列对 | NA | NA | NA | NA |
| 1093 | 2025-06-04 |
Detection and classification of supraspinatus pathologies on shoulder magnetic resonance images using a code-free deep learning application
2025-Oct, Asia-Pacific journal of sports medicine, arthroscopy, rehabilitation and technology
DOI:10.1016/j.asmart.2025.04.005
PMID:40454208
|
research paper | 评估无代码深度学习应用在肩部磁共振成像中诊断冈上肌腱病变的性能 | 使用无代码深度学习应用LobeAI和ResNet-50 V2模型进行冈上肌腱病变的分类和检测 | 当前迭代的无代码深度学习应用在临床实践中的可靠性有待提高 | 评估无代码深度学习应用在诊断冈上肌腱病变中的性能 | 肩部磁共振成像中的冈上肌腱病变（部分撕裂、全层撕裂和肌腱病） | digital pathology | supraspinatus pathologies | MRI | ResNet-50 V2 | image | 患者肩部MRI图像，包括正常、部分撕裂、全层撕裂和肌腱病 | NA | NA | NA | NA |
| 1094 | 2025-10-07 |
Application of deep learning on quantitative analysis of binary solid dispersions by UV Raman spectroscopy for planetary exploration
2025-Oct-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.126154
PMID:40279879
|
研究论文 | 提出一种结合注意力机制的深度学习模型IRMSE，用于行星探测中紫外拉曼光谱的矿物和有机物定量分析 | 首次将带有压缩激励模块的Inception-ResNet-v1模型应用于紫外拉曼光谱定量分析，通过注意力机制从冗余特征中选择关键信息 | NA | 验证深度学习在行星探测拉曼光谱定量分析中的可行性 | 矿物与有机物组成的二元固体分散体系 | 机器学习 | NA | 紫外拉曼光谱 | CNN | 光谱数据 | NA | NA | Inception-ResNet-v1 | 预测准确度 | NA |