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 42799 篇文献，本页显示第 22901 - 22920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 22901 | 2025-05-10 |
RAG_MCNNIL6: A Retrieval-Augmented Multi-Window Convolutional Network for Accurate Prediction of IL-6 Inducing Epitopes
2025-Mar-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02144
PMID:39967508
|
研究论文 | 提出了一种名为RAG_MCNNIL6的新型深度学习框架，用于准确预测IL-6诱导表位 | 整合了检索增强生成（RAG）和多窗口卷积神经网络（MCNNs），显著提高了预测性能 | 未提及具体局限性 | 开发一种准确且高效的IL-6诱导表位预测方法，以促进基于表位的疫苗和免疫疗法的研发 | IL-6诱导表位（短肽片段） | 自然语言处理 | 自身免疫性疾病、癌症、COVID-19 | ProtTrans预训练蛋白质语言模型 | MCNNs | 蛋白质序列数据 | 基准数据集（未提及具体数量） | NA | NA | NA | NA |
| 22902 | 2025-05-10 |
Validation of patient-specific deep learning markerless lung tumor tracking aided by 4DCBCT
2025-Mar-10, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adb89c
PMID:39978071
|
研究论文 | 本文提出了一种基于4DCBCT辅助的患者特异性深度学习无标记肺部肿瘤跟踪方法 | 开发了一种4DCBCT辅助的GT生成流程，用于自动生成CBCT投影上的肿瘤分割GT，并用于优化和验证患者特异性AI肿瘤定位模型 | 样本量较小，仅使用了6个患者CBCT投影集进行验证和11个进行测试 | 开发一种系统方法，用于自动生成CBCT投影上的肿瘤分割GT，并用于优化和验证患者特异性AI肿瘤定位模型 | 肺部肿瘤患者 | 数字病理 | 肺癌 | 4DCBCT, Retina U-Net | Retina U-Net | 图像 | 6个患者CBCT投影集用于验证，11个用于测试 | NA | NA | NA | NA |
| 22903 | 2025-05-10 |
Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning
2025-Mar-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01838
PMID:39984300
|
研究论文 | 本文介绍了一种基于深度学习的模型ICoN，用于从分子动力学模拟数据中学习构象变化的物理原理，并应用于高度动态蛋白质的构象采样 | 提出了一种名为ICoN的深度学习模型，能够从分子动力学模拟数据中学习构象变化的物理原理，并通过潜在空间插值快速识别新的合成构象 | 需要依赖分子动力学模拟数据进行训练，可能受限于模拟数据的质量和覆盖范围 | 研究高度动态蛋白质的构象集合，以理解其生物学功能和疾病相关聚集 | 内在无序蛋白质（IDPs）和淀粉样β（Aβ42）单体 | 机器学习 | NA | 分子动力学模拟，深度学习 | ICoN（Internal Coordinate Net） | 分子动力学模拟数据 | NA | NA | NA | NA | NA |
| 22904 | 2025-05-10 |
Sul-BertGRU: an ensemble deep learning method integrating information entropy-enhanced BERT and directional multi-GRU for S-sulfhydration sites prediction
2025-Mar-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf078
PMID:39977366
|
研究论文 | 提出了一种名为Sul-BertGRU的深度学习方法，用于预测蛋白质中的S-硫水化位点 | 结合了信息熵增强的BERT和多方向GRU，提出了一种新的深度学习模型Sul-BertGRU，用于提高S-硫水化位点预测的准确性和效率 | 未提及具体的数据集大小或模型在不同数据集上的泛化能力 | 解决蛋白质S-硫水化位点的准确预测问题，以促进细胞生物学研究 | 蛋白质序列中的S-硫水化位点 | 机器学习 | 心血管疾病和神经系统疾病 | 深度学习 | BERT, GRU, CNN | 蛋白质序列 | NA | NA | NA | NA | NA |
| 22905 | 2025-05-10 |
Automatic segmentation and volumetric analysis of intracranial hemorrhages in brain CT images
2025-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.111952
PMID:39978270
|
research paper | 该研究开发并评估了基于3D U-Net的深度学习模型，用于在非对比脑CT图像中自动分割和分类颅内出血及相关病理 | 使用3D U-Net模型进行颅内出血的自动分割和分类，并研究了分割类别数量对模型性能的影响 | 对于小于1毫升的出血检测存在假阴性，且与文献相比Dice分数较低 | 开发自动分割和分类颅内出血的深度学习模型，以增强临床决策 | 非对比脑CT图像中的颅内出血及相关病理 | digital pathology | intracranial hemorrhages | deep learning | 3D U-Net | image | 1508个非对比CT系列，来自医院、QURE500数据集和RSNA 2019脑出血数据集 | NA | NA | NA | NA |
| 22906 | 2025-05-10 |
Spatial Radiomic Graphs for Outcome Prediction in Radiation Therapy-treated Head and Neck Squamous Cell Carcinoma Using Pretreatment CT
2025-Mar, Radiology. Imaging cancer
DOI:10.1148/rycan.240161
PMID:39982207
|
研究论文 | 开发了一种名为RadGraph的放射组学图框架，用于分析头颈部鳞状细胞癌（HNSCC）治疗前CT图像的空间特征，以改善局部区域复发（LR）和远处转移（DM）的预测 | 利用计算图和图注意力深度学习方法全面建模头颈部解剖的多个区域，显著提高了LR和DM的预测性能 | 研究为回顾性分析，可能受到数据收集时间和来源的限制 | 提高头颈部鳞状细胞癌患者局部区域复发和远处转移的预测准确性 | 头颈部鳞状细胞癌患者的治疗前CT图像 | 数字病理学 | 头颈部鳞状细胞癌 | CT成像 | 图注意力深度学习 | 图像 | 3434名患者（训练集1576名，验证集379名，测试集1479名） | NA | NA | NA | NA |
| 22907 | 2025-05-10 |
Derivation of an artificial intelligence-based electrocardiographic model for the detection of acute coronary occlusive myocardial infarction
2025-Feb-28, Archivos de cardiologia de Mexico
IF:0.7Q4
DOI:10.24875/ACM.24000195
PMID:40020200
|
research paper | 开发了一种基于人工智能的心电图模型，用于检测急性冠状动脉闭塞性心肌梗死 | 使用深度学习模型（CNN）通过智能手机摄像头获取的心电图数据来检测ACOMI，其性能优于人类专家和STEMI标准 | 研究为单中心研究，需要进一步的外部验证 | 评估AI-ECG模型在急性冠状动脉综合征（ACS）患者中检测急性冠状动脉闭塞性心肌梗死（ACOMI）的性能 | 被初步诊断为ACS（包括STEMI和NSTEMI）的患者 | machine learning | cardiovascular disease | ECG | CNN | ECG图像 | 未明确提及样本数量，但包括STEMI和NSTEMI患者 | NA | NA | NA | NA |
| 22908 | 2025-05-10 |
Deep Learning Protocol for Predicting Full-Spectrum Infrared and Raman Spectra of Polypeptides and Proteins Using All-Atom Models
2025-Feb-27, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c00169
PMID:39966082
|
研究论文 | 本研究开发了一种基于深度学习的协议，用于预测多肽和蛋白质的全谱红外和拉曼光谱 | 利用转移学习和DetaNet模型成功模拟了数千个原子组成蛋白质的振动光谱，效率比传统量子化学方法高10^10倍 | NA | 开发高效预测蛋白质振动光谱的深度学习方法 | 氨基酸、二肽、三肽以及大型多肽和蛋白质 | 机器学习 | NA | 红外光谱、拉曼光谱 | DetaNet（深度等变张量注意力网络） | 光谱数据 | 氨基酸、二肽和三肽的综合数据集 | NA | NA | NA | NA |
| 22909 | 2025-05-10 |
Toward equitable major histocompatibility complex binding predictions
2025-Feb-25, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2405106122
PMID:39964728
|
research paper | 该研究开发了一种机器学习框架，用于评估MHC结合预测中的数据不平衡问题，并提出了一种先进的MHC结合预测模型，以减少不同种族群体间的数据差异 | 引入了一种机器学习框架来评估MHC等位基因结合预测中的数据不平衡影响，并开发了一种先进的MHC结合预测模型，提供每个等位基因的性能估计 | 尽管模型减轻了大部分数据差异，但仍存在一些不平等问题需要进一步解决 | 开发公平的MHC结合预测模型，用于个性化免疫疗法和疫苗开发 | MHC等位基因及其结合数据 | machine learning | cancer | deep learning | NA | biological data | NA | NA | NA | NA | NA |
| 22910 | 2025-05-10 |
A hybrid inception-dilated-ResNet architecture for deep learning-based prediction of COVID-19 severity
2025-Feb-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91322-3
PMID:39987169
|
research paper | 提出了一种基于深度学习的混合Inception-dilated-ResNet架构，用于预测COVID-19的严重程度 | 首次将Inception-ResNet与扩张机制结合，用于COVID-19严重程度的评估，并在CT图像分类任务中表现优于非扩张模型 | 需要依赖专业放射科医生对CT扫描进行标注，且样本量相对有限 | 开发一种有效的深度学习方法，用于评估COVID-19患者的肺部病变严重程度 | COVID-19患者的胸部CT扫描图像 | computer vision | COVID-19 | deep learning | Inception-dilated-ResNet (dResNet) | image | 1548例人类胸部CT扫描 | NA | NA | NA | NA |
| 22911 | 2025-05-10 |
Semi-supervised tissue segmentation from histopathological images with consistency regularization and uncertainty estimation
2025-Feb-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90221-x
PMID:39987243
|
research paper | 提出一种半监督方法用于组织病理学图像中的组织结构语义分割 | 结合自监督训练和一致性正则化，利用CNN教师模型生成伪标签训练学生模型，并采用蒙特卡洛dropout估计模型不确定性 | 需要大量标注数据训练模型，且对于罕见疾病数据获取困难 | 提高组织病理学图像分割的准确性 | 组织病理学图像中的组织结构 | digital pathology | NA | semi-supervised learning, Monte Carlo dropout | CNN | image | public dataset (具体数量未提及) | NA | NA | NA | NA |
| 22912 | 2025-05-10 |
Enhanced recognition and counting of high-coverage Amorphophallus konjac by integrating UAV RGB imagery and deep learning
2025-Feb-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91364-7
PMID:39987316
|
研究论文 | 本研究通过整合无人机RGB影像和深度学习技术，提高了高覆盖率魔芋植株的识别和计数准确性 | 提出了一种结合早期和高覆盖率阶段魔芋位置信息的深度学习模型，显著提高了高覆盖率阶段魔芋植株的识别和计数准确率 | 研究主要针对魔芋这种具有单一茎干和直立生长特性的作物，对其他作物的适用性需要进一步验证 | 提高高覆盖率阶段魔芋植株的识别和计数准确性，为农业管理和产量预测提供支持 | 魔芋植株 | 计算机视觉 | NA | 无人机RGB影像 | 深度学习模型 | 图像 | 未明确说明样本数量 | NA | NA | NA | NA |
| 22913 | 2025-05-10 |
Deep learning-assisted screening and diagnosis of scoliosis: segmentation of bare-back images via an attention-enhanced convolutional neural network
2025-Feb-14, Journal of orthopaedic surgery and research
IF:2.8Q1
DOI:10.1186/s13018-025-05564-y
PMID:39953540
|
研究论文 | 开发了一种基于深度学习的图像分割模型，用于提高脊柱侧弯筛查的效率 | 在原始U-Net架构中加入了注意力机制，构建了Dual AttentionUNet模型用于图像分割 | 研究样本量相对较小，仅包含350名脊柱侧弯患者和108名健康受试者 | 提高脊柱侧弯筛查的效率和准确性 | 脊柱侧弯患者和健康受试者的裸背图像和站立全长前后位脊柱X光片 | 计算机视觉 | 脊柱侧弯 | 深度学习 | Dual AttentionUNet | 图像 | 350名脊柱侧弯患者和108名健康受试者 | NA | NA | NA | NA |
| 22914 | 2025-05-10 |
Machine Learning in the Management of Patients Undergoing Catheter Ablation for Atrial Fibrillation: Scoping Review
2025-Feb-10, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/60888
PMID:39928932
|
综述 | 本文通过范围综述评估了机器学习在心房颤动导管消融患者管理中的应用现状 | 系统比较了不同机器学习模型在特定临床任务中的表现，并总结了该领域的优势与局限性 | 大多数模型缺乏外部验证，存在高偏倚风险 | 评估机器学习在心房颤动导管消融患者管理中的应用证据 | 接受心房颤动导管消融治疗的患者 | 机器学习 | 心血管疾病 | 机器学习 | CNN | 人口统计学数据、临床特征、影像学数据、电生理信号 | 23项纳入研究 | NA | NA | NA | NA |
| 22915 | 2025-05-10 |
Arthroscopy-validated Diagnostic Performance of 7-Minute Five-Sequence Deep Learning Super-Resolution 3-T Shoulder MRI
2025-Feb, Radiology
IF:12.1Q1
DOI:10.1148/radiol.241351
PMID:39964264
|
research paper | 该研究验证了7分钟三倍并行成像加速的深度学习超分辨率3-T肩部MRI在诊断肩部病变中的临床效果 | 首次通过关节镜验证了深度学习超分辨率MRI在肩部病变诊断中的良好性能 | 样本量相对较小（121名成人），且为回顾性研究 | 验证加速深度学习MRI在肩部病变诊断中的临床效果 | 成人肩痛患者 | digital pathology | shoulder conditions | 深度学习超分辨率MRI | DL | MRI图像 | 121名成人（平均年龄55岁±14，75名男性） | NA | NA | NA | NA |
| 22916 | 2025-05-10 |
Change analysis of surface water clarity in the Persian Gulf and the Oman Sea by remote sensing data and an interpretable deep learning model
2025-Feb, Environmental science and pollution research international
DOI:10.1007/s11356-025-36018-x
PMID:39966320
|
研究论文 | 利用遥感数据和可解释深度学习模型分析波斯湾和阿曼海水体透明度的变化 | 结合MODIS-Aqua影像、统计测试和深度学习模型，首次全面监测波斯湾和阿曼海2002至2018年的水体透明度变化，并应用解释技术确定关键影响因素 | 研究时间跨度有限（2002-2018年），且仅基于MODIS-Aqua影像数据 | 监测波斯湾和阿曼海的水体透明度变化以评估生态系统健康状况和水质 | 波斯湾和阿曼海的水体透明度及相关环境参数 | 遥感与环境监测 | NA | MODIS-Aqua遥感影像、统计测试、深度学习模型 | CNN、LSTM | 遥感影像、环境参数数据 | 2002至2018年波斯湾和阿曼海的遥感监测数据 | NA | NA | NA | NA |
| 22917 | 2025-05-10 |
A practical deep learning model for core temperature prediction of specialized workers in high-temperature environments
2025-Feb, Journal of thermal biology
IF:2.9Q1
DOI:10.1016/j.jtherbio.2025.104079
PMID:39970650
|
研究论文 | 本文开发了一种结合卡尔曼滤波和长期序列预测深度学习模型的无创核心温度预测模型，用于高温环境下特种作业人员的健康监测 | 结合卡尔曼滤波和长期序列预测深度学习模型，利用皮肤温度和心率作为输入特征，实现个性化实时核心温度预测 | 实验样本量较小（13名参与者），且仅在34至40°C的环境温度范围内进行验证 | 解决高温环境下特种作业人员核心温度的实时监测和预测问题 | 高温环境下特种作业人员的核心温度 | 机器学习 | NA | 卡尔曼滤波和长期序列预测深度学习模型 | LSTM | 皮肤温度和心率数据 | 13名参与者的实验数据 | NA | NA | NA | NA |
| 22918 | 2025-05-10 |
Radiomics and Deep Learning Prediction of Immunotherapy-Induced Pneumonitis From Computed Tomography
2025-Feb, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI-24-00198
PMID:39977708
|
研究论文 | 该研究利用放射组学和深度学习技术，通过计算机断层扫描（CT）预测免疫治疗引起的肺炎（PN） | 首次结合放射组学特征和深度学习模型（CNN）预测免疫治疗引起的肺炎，相比传统放射组学方法，深度学习模型表现出更高的预测性能 | 结合放射组学和深度学习的模型相比仅使用CNN的模型并未显示出显著改进 | 预测癌症患者在免疫检查点抑制剂（ICI）治疗期间可能发生的肺炎，以提高治疗安全性和有效性 | 接受ICI治疗的癌症患者 | 数字病理学 | 肺癌 | 计算机断层扫描（CT） | CNN | 图像 | 671名患者的2,700份胸部CT扫描数据 | NA | NA | NA | NA |
| 22919 | 2025-10-07 |
Deep learning algorithms enable MRI-based scapular morphology analysis with values comparable to CT-based assessments
2025-01-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84107-7
PMID:39794358
|
研究论文 | 本研究开发了基于深度学习的MRI肩胛骨形态分析方法，其准确性可与CT评估相媲美 | 首次开发能够从各向异性分辨率和有限视野的MRI中自动进行肩胛骨三维形态分析的深度学习方法 | 方法依赖于配对CT数据进行训练，且样本量未明确说明 | 开发从诊断性MRI自动分析肩胛骨形态的方法，克服传统MRI评估的局限性 | 肩胛骨形态特征，包括关键肩角、关节盂倾角和版本角 | 医学影像分析 | 肩袖损伤 | MRI, CT | 深度学习分割网络 | 医学影像（MRI和CT） | NA | NA | NA | 角度测量精度，组内相关系数 | NA |
| 22920 | 2025-05-10 |
Unsupervised neural network-based image stitching method for bladder endoscopy
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311637
PMID:39964991
|
研究论文 | 提出了一种基于无监督神经网络的膀胱内窥镜图像拼接方法 | 无需标记数据集，采用无监督学习方法进行图像拼接，解决了医学数据标记困难的问题 | 未提及具体的数据集规模或多样性限制 | 开发一种无需标记数据的膀胱内窥镜图像拼接方法，以扩展视野并辅助诊断 | 膀胱内窥镜图像 | 计算机视觉 | 膀胱疾病 | 无监督深度学习 | 无监督对齐网络和无监督融合网络 | 图像 | NA | NA | NA | NA | NA |