深度学习在生物医药领域中的应用
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，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10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 23937 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2025-04-30 |
Analyzing resuscitation conference content through the lens of the chain of survival
2025-May, Resuscitation plus
IF:2.1Q2
DOI:10.1016/j.resplu.2025.100951
PMID:40297165
|
research paper | 通过生存链框架分析复苏会议的内容 | 首次使用生存链框架对复苏会议摘要进行系统分析，并考察了人工智能和机器学习在数据分析中的应用 | 研究仅涵盖了两个会议的数据，且未涉及深度学习技术的应用 | 分析复苏科学会议的主题分布及其与生存链框架的对应关系 | 复苏会议摘要及参与者国家分布 | 医学研究 | 心血管疾病 | 机器学习、人工智能 | NA | 文本 | Resuscitation 2024的54篇摘要和Resuscitation Science Symposium 2024的47篇摘要 |
| 2 | 2025-04-30 |
DeepMolecules: a web server for predicting enzyme and transporter-small molecule interactions
2025-Apr-29, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf343
PMID:40297998
|
research paper | DeepMolecules是一个易于访问的Web服务器，用于预测蛋白质与小分子的相互作用 | 集成了四种最先进的模型，用于预测酶和转运体与小分子的相互作用，以及酶的周转数和米氏常数 | NA | 预测蛋白质与小分子的相互作用，支持代谢工程、药物发现和生物催化剂优化 | 酶和转运体与小分子的相互作用 | machine learning | NA | deep learning, gradient-boosted decision tree | ESP, SPOT, TurNuP | protein amino acid sequences, small molecules in SMILES, InChI, or KEGG ID formats | NA |
| 3 | 2025-04-30 |
SpecRecFormer: Deep Learning-Driven Adaptive Component Identification of PAH Mixtures Based on Single-Component Raman Spectra
2025-Apr-29, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c00461
PMID:40298131
|
研究论文 | 本文提出了一种基于深度学习的自适应成分识别方法SpecRecFormer，用于快速识别多环芳烃混合物中的单个成分 | 整合了双通道CNN和Transformer模块，采用自适应阈值策略提高识别准确率，仅需少量单组分光谱数据进行训练 | 训练数据仅来源于四种单组分参考光谱，可能限制模型在其他类型混合物中的泛化能力 | 解决混合光谱中成分识别的挑战，提高多环芳烃混合物分析的准确性和效率 | 多环芳烃(PAHs)混合物 | 光谱分析 | NA | 拉曼光谱 | CNN+Transformer混合模型(SpecRecFormer) | 光谱数据 | 四种单组分参考光谱生成训练数据，三个真实PAH数据集进行测试 |
| 4 | 2025-04-30 |
Disentangling Morphology and Conductance in Amorphous Graphene
2025-Apr-29, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c00458
PMID:40298244
|
研究论文 | 该研究结合深度学习增强的模拟技术和渗透理论，分析了三种形态不同的非晶石墨烯薄膜的电子传导特性 | 避免了周期性边界条件在非周期性系统中的误用，并探索了传导网络在电子能谱中的结晶性变化 | 部分形态描述符在见证传导特性方面存在局限性 | 研究非晶石墨烯薄膜的电子传导特性与形态之间的关系 | 三种形态不同的介观尺度非晶石墨烯薄膜 | 材料科学 | NA | 深度学习增强的模拟技术、渗透理论 | NA | 模拟数据 | 三种非晶石墨烯薄膜 |
| 5 | 2025-04-30 |
SlitNET: A Deep Learning Enabled Spectrometer Slit
2025-Apr-29, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c06014
PMID:40298458
|
研究论文 | 介绍了一种基于深度学习的SlitNET光谱仪狭缝，用于提高光谱分辨率和通量 | 通过深度学习模型SlitNET实现了高分辨率拉曼光谱的重建，同时保持高通量 | 需要实验数据进行微调，可能对特定材料或实验条件有依赖性 | 提高光谱仪的分辨率和通量，增强光学光谱分析的灵敏度和特异性 | 拉曼光谱数据 | 光学光谱 | NA | 深度学习 | 神经网络 | 光谱数据 | NA |
| 6 | 2025-04-30 |
A Dual-Modal Wearable Pulse Detection System Integrated with Deep Learning for High-Accuracy and Low-Power Sleep Apnea Monitoring
2025-Apr-29, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202501750
PMID:40298874
|
research paper | 介绍了一种集成深度学习的双模态可穿戴脉搏检测系统，用于高精度和低功耗的睡眠呼吸暂停监测 | 结合压电纳米发电机（PENG）和PPG传感器的双模态系统，采用两阶段检测策略及Vision Transformer深度学习模型，实现高精度和低功耗 | 未提及具体样本量或临床试验结果 | 开发一种长期监测睡眠呼吸暂停综合征（SAS）的可穿戴系统，克服传统多导睡眠图（PSG）的局限性 | 睡眠呼吸暂停综合征（SAS）患者 | 数字病理学 | 睡眠呼吸暂停综合征 | 光电容积描记术（PPG）和压电纳米发电机（PENG） | Vision Transformer | 生理信号数据 | NA |
| 7 | 2025-04-30 |
Effect of Cell-Cell Interaction on Single-Cell Behavior Revealed by a Deep Learning-Aided High-Throughput Addressable Single-Cell Coculture System
2025-Apr-29, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c00306
PMID:40298933
|
研究论文 | 本文介绍了一种深度学习辅助的高通量可寻址单细胞共培养系统（DL-HASCCS），用于研究单细胞间的相互作用 | 开发了一种新型高通量单细胞共培养系统，结合深度学习技术实现快速配对和定量分析单细胞相互作用 | 未提及系统在不同细胞类型或更复杂条件下的适用性 | 研究细胞间相互作用对单细胞行为的影响 | 乳腺癌细胞和内皮细胞 | 数字病理学 | 乳腺癌 | 高通量单细胞共培养 | 深度学习 | 单细胞数据 | 未明确提及具体样本数量 |
| 8 | 2025-04-30 |
Deep learning for quality assessment of axial T2-weighted prostate MRI: a tool to reduce unnecessary rescanning
2025-Apr-29, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-025-00584-z
PMID:40299162
|
研究论文 | 本研究开发了一种基于深度学习的自动评估前列腺MRI T2加权图像质量的工具，以减少不必要的重复扫描 | 首次使用深度学习模型自动评估前列腺MRI T2加权图像质量，并证明其性能接近专业放射科医生 | 研究为回顾性研究，需要在临床环境中进行前瞻性验证 | 开发自动评估前列腺MRI图像质量的工具以减少不必要的重复扫描 | 前列腺MRI T2加权图像 | 数字病理 | 前列腺癌 | MRI | 3D-DenseNet_169 | 医学影像 | 1,412例轴向T2加权前列腺扫描 |
| 9 | 2025-04-30 |
Piezotronic Sensor for Bimodal Monitoring of Achilles Tendon Behavior
2025-Apr-29, Nano-micro letters
IF:31.6Q1
DOI:10.1007/s40820-025-01757-6
PMID:40299192
|
研究论文 | 本文开发了一种基于Y离子掺杂ZnO的压电双模传感器（BPS），用于同时监测跟腱的动态和静态行为 | 利用Y离子掺杂ZnO的独特压电效应，简化了传感器结构并提高了灵敏度，实现了动态和静态力的有效监测 | NA | 开发一种简化的双模压力传感器，用于医疗检测和生物机器人领域 | 跟腱行为 | 可穿戴电子 | NA | 压电效应 | 深度学习算法 | 力信号 | NA |
| 10 | 2025-04-30 |
ConsisTNet: a spatio-temporal approach for consistent anatomical localization in endoscopic pituitary surgery
2025-Apr-29, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03369-2
PMID:40299263
|
research paper | 提出了一种名为ConsisTNet的时空模型，用于提高内窥镜垂体手术中关键解剖结构定位的预测稳定性 | ConsisTNet利用连续帧的时空特征，通过半监督策略和标签传播生成伪标签，显著提高了预测的时空一致性 | 未提及具体的数据集规模或多样性限制 | 提升内窥镜垂体手术中关键解剖结构定位的预测稳定性和准确性 | 内窥镜垂体手术中的关键解剖结构 | computer vision | pituitary disease | semi-supervised learning, label propagation | ConsisTNet (spatio-temporal model) | video | NA |
| 11 | 2025-04-30 |
Correction: Improving the Robustness and Clinical Applicability of Automatic Respiratory Sound Classification Using Deep Learning-Based Audio Enhancement: Algorithm Development and Validation
2025-Apr-29, JMIR AI
DOI:10.2196/76150
PMID:40299541
|
correction | 对一篇关于使用深度学习增强音频技术改进呼吸音自动分类的算法开发和验证的文章进行更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12 | 2025-04-30 |
Stochastic forest transition model dynamics and parameter estimation via deep learning
2025-Apr-18, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2025046
PMID:40296811
|
研究论文 | 本研究开发了一个随机微分方程模型来捕捉森林、农业和废弃土地之间动态转变的复杂现象，并提出了一个深度学习方法来估计模型参数 | 提出了一种新颖的深度学习方法，能够从包含森林和农业土地比例时间序列观测的单个样本中估计所有模型参数 | NA | 理解森林转变动态和未来任何时间的森林砍伐趋势 | 森林、农业和废弃土地之间的动态转变 | 机器学习 | NA | 深度学习 | 随机微分方程模型 | 时间序列数据 | 单个样本（包含时间序列观测） |
| 13 | 2025-04-30 |
Deep Learning Cerebellar Magnetic Resonance Imaging Segmentation in Late-Onset GM2 Gangliosidosis: Implications for Phenotype
2025-Apr-11, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.08.25325262
PMID:40297453
|
研究论文 | 使用深度学习技术对迟发型GM2神经节苷脂沉积症患者的小脑MRI进行分割，研究小脑萎缩的模式及其与表型的关系 | 首次使用深度学习技术对LOTS和LOSD患者的小脑MRI进行精确分割，发现LOTS患者特定小脑区域的体积和皮层厚度减小 | 样本量较小（LOTS=20，LOSD=5），需要更多研究来验证结果并考虑表型特征的全面比较 | 确定迟发型GM2神经节苷脂沉积症中小脑萎缩的模式是否具有区域选择性 | 迟发型Tay-Sachs病（LOTS）和迟发型Sandhoff病（LOSD）患者及神经正常对照 | 数字病理学 | 神经退行性疾病 | MRI | 深度学习 | 医学影像 | LOTS患者20例，LOSD患者5例，神经正常对照1038例 |
| 14 | 2025-04-30 |
AI analysis of medical images at scale as a health disparities probe: a feasibility demonstration using chest radiographs
2025-Apr-08, ArXiv
PMID:40297238
|
research paper | 该研究开发了一个利用医学图像自动提取定量测量值作为健康差异指数计算输入的流程，并展示了胸部X光片作为健康差异研究新数据源的潜力 | 提出了一种基于医学图像的定量测量方法，用于计算健康差异指数，并证明了医学图像作为健康差异研究新数据源的可行性 | 研究仅针对两种社会健康决定因素（性别和种族）和胸部X光片数据，样本量相对较小（1,571名患者） | 探索医学图像作为健康差异研究新数据源的可行性 | 1,571名患者的胸部X光片 | digital pathology | lung cancer | deep learning | CNN | image | 1,571名患者的胸部X光片 |
| 15 | 2025-04-30 |
Silencer variants are key drivers of gene upregulation in Alzheimer's disease
2025-Apr-08, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.07.25325386
PMID:40297423
|
research paper | 该研究开发了一个深度学习框架，用于评估阿尔茨海默病（AD）相关非编码变异在背外侧前额叶皮层（DLPFC）及其主要细胞类型中的调控潜力 | 结合bulk和单细胞表观基因组数据，首次系统性地评估了AD相关非编码变异的调控潜力，并分类为沉默子变异（SL）、增强子变异（EN）或两者兼具的变异（ENSL） | 研究主要关注DLPFC区域，可能无法完全代表其他脑区的情况 | 阐明AD相关遗传变异的调控机制及其在AD发病中的作用 | AD相关的非编码遗传变异 | machine learning | 阿尔茨海默病 | 深度学习 | 深度学习框架 | 表观基因组数据 | NA |
| 16 | 2025-04-30 |
AutoRADP: An Interpretable Deep Learning Framework to Predict Rapid Progression for Alzheimer's Disease and Related Dementias Using Electronic Health Records
2025-Apr-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.06.25325337
PMID:40297450
|
research paper | 提出了一种名为AutoRADP的可解释深度学习框架，用于预测阿尔茨海默病及相关痴呆症的快速进展 | 结合结构化与非结构化电子健康记录数据，采用基于规则的自然语言处理方法提取关键认知评估，并通过SHAP值提供可解释的预测 | 数据不平衡问题通过混合采样策略解决，但可能仍存在样本代表性不足的问题 | 开发一个准确且可解释的预测模型，以识别阿尔茨海默病及相关痴呆症的快速进展风险 | 阿尔茨海默病及相关痴呆症患者 | machine learning | geriatric disease | 自然语言处理，特征选择，混合采样策略 | autoencoder | structured and unstructured EHR data | NA |
| 17 | 2025-04-30 |
Manifold Topological Deep Learning for Biomedical Data
2025-Apr-07, Research square
DOI:10.21203/rs.3.rs-6149503/v1
PMID:40297704
|
research paper | 本文首次提出了流形拓扑深度学习（MTDL），将代数拓扑与深度神经网络结合，用于处理可微分流形上的数据 | 首次将拓扑深度学习扩展到可微分流形数据，利用Hodge理论将图像表示为具有向量场的平滑流形，并分解为三个正交分量作为CNN输入 | NA | 开发适用于可微分流形数据的拓扑深度学习方法 | 可微分流形上的数据（包括图像） | machine learning | NA | Hodge理论 | CNN | image | 717,287张生物医学图像（来自11个2D和6个3D数据集） |
| 18 | 2025-04-30 |
Automated Posterior Tibial Slope Measurement Using Lateral Knee Radiographs: A Novel Landmark-Based Approach Using Deep Learning
2025-Apr, Orthopaedic journal of sports medicine
IF:2.4Q2
DOI:10.1177/23259671251331067
PMID:40297052
|
研究论文 | 本研究开发了一种基于深度学习的自动化方法，用于在膝关节侧位X光片上测量后胫骨斜率（PTS） | 提出了一种基于解剖标志物的新型深度学习模型，用于在未校准的膝关节侧位X光片上测量PTS，实现了与人工测量相当的准确性 | 需要外部验证以确认模型的临床适用性 | 验证一种在线计算机视觉模型在PTS测量中的准确性 | 膝关节侧位X光片 | 计算机视觉 | 骨科疾病 | 深度学习 | CNN | 图像 | 10,007张膝关节侧位X光片（2009-2019年间收集） |
| 19 | 2025-04-30 |
Deep Learning-based Quantitative CT Myocardial Perfusion Imaging and Risk Stratification of Coronary Artery Disease
2025-Apr, Radiology
IF:12.1Q1
DOI:10.1148/radiol.242570
PMID:40298595
|
research paper | 开发并验证了一种基于深度学习的模型，用于自动量化心肌血流和缺血心肌体积百分比，并探索其对主要不良心血管事件的预测价值 | 首次开发了基于深度学习的自动量化心肌血流和缺血心肌体积百分比的方法，并验证了其在心血管风险分层中的预测价值 | 研究为多中心回顾性和前瞻性队列研究，可能存在选择偏倚 | 开发并验证深度学习模型，用于心肌缺血的自动诊断和心血管风险分层 | 临床需要进行CT心肌灌注成像和冠状动脉CT血管造影的患者 | digital pathology | cardiovascular disease | dynamic CT myocardial perfusion imaging (MPI), coronary CT angiography (CCTA) | DL (Deep Learning) | image | 1108名患者（平均年龄61岁±12岁；667名男性） |
| 20 | 2025-04-30 |
Development of Multicenter Deep Learning Models for Predicting Surgical Complexity and Surgical Site Infection in Abdominal Wall Reconstruction, a Pilot Study
2025, Journal of abdominal wall surgery : JAWS
DOI:10.3389/jaws.2025.14371
PMID:40297249
|
研究论文 | 开发用于预测腹壁重建手术复杂性和手术部位感染风险的多中心深度学习模型 | 首次开发多中心深度学习模型用于预测腹壁重建手术的复杂性和手术部位感染风险 | CST模型表现不佳，可能反映了手术决策的主观性和不同机构实践的差异 | 开发深度学习模型以预测腹壁重建手术的复杂性和手术部位感染风险 | 腹壁重建手术患者 | 数字病理 | 腹壁重建手术相关并发症 | 深度学习 | ResNet-18 | CT图像 | 来自两个三级腹壁重建中心的去标识化CT图像 |