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 32372 篇文献，本页显示第 2601 - 2620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2601 | 2025-10-06 |
mmWave Radar for Sit-to-Stand Analysis: A Comparative Study With Wearables and Kinect
2025-Sep, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3548092
PMID:40042953
|
研究论文 | 本研究探索使用毫米波雷达技术分析坐立动作的新方法，并与可穿戴设备和Kinect进行对比研究 | 首次将毫米波雷达技术应用于坐立动作分析，提供非接触式、保护隐私且可全天候运行的医疗监测方案 | 在细粒度运动分析方面仍存在挑战，且缺乏与金标准VICON系统的直接验证 | 开发用于医疗保健应用的非接触式坐立动作分析系统 | 45名参与者的坐立动作数据 | 计算机视觉 | 老年疾病 | 毫米波雷达、深度学习姿态估计、逆向运动学 | 深度学习 | 雷达点云数据 | 45名参与者 | NA | NA | NA | NA |
| 2602 | 2025-10-06 |
Survey on sampling conditioned brain images and imaging measures with generative models
2025-Sep, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00487-3
PMID:40917152
|
综述 | 本文全面概述了生成模型在脑成像领域的进展，特别关注条件生成方法的应用 | 重点探讨了基于年龄、性别、临床表型或遗传因素等变量调节生成过程的条件生成方法，增强数据集多样性并支持罕见疾病研究 | NA | 推动条件生成模型在神经科学研究和临床工作流程中的整合应用 | 脑成像数据和生成模型技术 | 医学影像分析 | 神经系统疾病 | 脑成像技术 | VAE, GAN, diffusion models | 脑部图像 | NA | NA | NA | NA | NA |
| 2603 | 2025-10-06 |
Neural interaction explainable AI predicts drug response across cancers
2025-Sep, NAR cancer
IF:3.4Q2
DOI:10.1093/narcan/zcaf029
PMID:40918644
|
研究论文 | 开发了一种可解释的深度学习框架NeurixAI，用于预测癌症药物反应并识别药物-基因相互作用 | 首次将可解释人工智能与转录组学结合，在个体肿瘤水平识别影响药物反应的关键基因，并发现新的耐药机制 | 模型在未见肿瘤样本中的预测性能为Spearman's rho >0.2，仍有提升空间 | 优化癌症治疗选择，实现药物重定位并识别新的治疗靶点 | 癌症患者肿瘤样本和药物反应数据 | 机器学习 | 癌症 | 转录组学分析，药物扰动实验 | 深度学习 | 分子谱数据，药物反应数据 | 546,646个药物扰动实验，涉及1,135种药物和476个肿瘤的分子谱 | NA | NeurixAI | Spearman's rho | NA |
| 2604 | 2025-10-06 |
Ectopic adipose tissue in subsistence populations with minimal coronary disease, large left atria, and very low rates of atrial fibrillation
2025-Sep, American journal of preventive cardiology
IF:4.3Q1
DOI:10.1016/j.ajpc.2025.101271
PMID:40918927
|
研究论文 | 通过CT成像比较自给自足人群与美国人群的心外膜脂肪组织与心血管疾病关系 | 首次在冠状动脉钙化极低且房颤罕见的自给自足原住民群体中研究心外膜脂肪组织 | 样本仅来自特定地理和文化背景的群体，可能限制结果普适性 | 探究心外膜脂肪组织与冠状动脉疾病和房颤的关联 | 893名Tsimane成人、440名Moseten成人和955名美国成人 | 数字病理 | 心血管疾病 | CT成像 | 深度学习 | 医学影像 | 2288名成人（Tsimane:893, Moseten:440, 美国:955） | NA | NA | NA | NA |
| 2605 | 2025-10-06 |
Integrating explainable deep learning with multi-omics for screening progressive diagnostic biomarkers of hepatocellular carcinoma covering the "inflammation-cancer" transformation
2025-Sep, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101253
PMID:40919103
|
研究论文 | 本研究结合可解释深度学习方法与多组学数据，筛选肝细胞癌进展性诊断生物标志物，覆盖‘炎症-癌症’转化过程 | 首次整合可解释深度学习与多组学分析，系统追踪肝细胞癌从炎症到癌变的动态生物标志物演变 | NA | 开发覆盖肝细胞癌‘炎症-癌症’转化过程的进展性诊断生物标志物筛选方法 | 肝细胞癌相关多组学数据与医学影像数据 | 数字病理学 | 肝细胞癌 | 多组学分析，深度学习 | 深度学习 | 多组学数据，医学影像 | NA | NA | NA | NA | NA |
| 2606 | 2025-10-06 |
Drosophila video-assisted activity monitor (DrosoVAM): a versatile method for behaviour monitoring
2025-Sep, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.250764
PMID:40919370
|
研究论文 | 开发了一种名为DrosoVAM的新型果蝇行为监测系统，用于更精确地追踪果蝇活动 | 结合树莓派控制的红外数字视频系统和深度学习软件DeepLabCut，创建了比传统DAM系统更灵活、经济且灵敏的行为监测方法 | NA | 开发高分辨率果蝇行为监测系统以研究交配后活动变化 | 果蝇（特别是较大物种） | 计算机视觉 | NA | 红外数字视频记录，深度学习行为追踪 | 深度学习 | 视频 | NA | DeepLabCut, Python | NA | NA | 树莓派 |
| 2607 | 2025-10-06 |
Mitigation of multi-scale biases in cell-type deconvolution for spatially resolved transcriptomics using HarmoDecon
2025-Sep-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf451
PMID:40796171
|
研究论文 | 提出HarmoDecon模型用于缓解空间转录组学中细胞类型反卷积的多尺度偏差问题 | 首次同时解决空间转录组数据在单个点、整个样本和跨平台三个尺度上的偏差问题 | NA | 开发用于空间转录组学细胞类型反卷积的深度学习方法 | 空间转录组数据中的细胞类型比例估计 | 生物信息学 | 乳腺癌 | 空间转录组学, scRNA-seq | 图卷积网络, 高斯混合模型 | 基因表达数据, 空间位置数据 | STARmap和osmFISH数据集, 10x Visium数据集, 人类乳腺癌样本 | PyTorch | 高斯混合图卷积网络 | 空间域聚类准确率, 相关性分析 | NA |
| 2608 | 2025-10-06 |
Early warning of harmful cyanobacteria blooms based on high frequency in situ monitoring and intelligible machine learning modelling: The case study of Lake Müggelsee (Germany)
2025-Sep-01, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2025.124514
PMID:40925059
|
研究论文 | 基于高频原位监测和可解释机器学习模型开发蓝藻水华早期预警系统 | 提出可解释机器学习建模原则，比较三种不同算法在蓝藻水华预测中的表现 | 仅基于单个湖泊案例研究，模型泛化能力需进一步验证 | 开发有效的有害蓝藻水华早期预警系统 | 德国Müggelsee湖泊的蓝藻水华事件 | 机器学习 | NA | 高频原位监测 | XGBoost, LSTM, HEA | 时间序列水质数据 | 11年的每小时和每日高频原位监测数据 | NA | LSTM with attention, 决策树, 因果推断规则 | NA | NA |
| 2609 | 2025-10-06 |
Lightweight hybrid Mamba2 for unsupervised medical image registration
2025-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.18104
PMID:40926670
|
研究论文 | 提出了一种基于Mamba-2的轻量级混合模型HybridMorph用于无监督医学图像配准 | 结合卷积和Mamba-2构建残差混合模块，并提出并行通道特征聚合器，在降低计算开销的同时提取更丰富的特征表示 | NA | 解决资源受限医疗环境中的部署挑战，提高医学图像配准的效率和准确性 | 医学图像配准，特别是脑部磁共振成像 | 医学图像处理 | NA | 磁共振成像 | 混合模型 | 医学图像 | NA | NA | Mamba-2, 卷积神经网络 | Dice系数 | NA |
| 2610 | 2025-10-06 |
Deep Learning Improves Parameter Estimation in Reinforcement Learning Models
2025-Aug-25, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.21.644663
PMID:40666915
|
研究论文 | 本研究探讨强化学习模型中的参数模糊性问题，并比较传统优化方法与深度学习方法的参数估计效果 | 首次系统性地识别并量化强化学习模型中的参数模糊性问题，引入深度学习管道进行参数估计，并提出多维度评估框架 | 研究仅基于十个决策数据集，需要在更广泛的数据集和模型中进行验证 | 解决认知模型中参数估计的可靠性问题，提高科学推断的可复现性 | 强化学习模型的参数估计 | 机器学习 | NA | 强化学习建模 | 神经网络, Nelder-Mead优化算法 | 决策行为数据 | 十个决策数据集 | NA | 神经网络 | 预测准确度, 泛化能力, 鲁棒性, 可识别性, 测试-重测可靠性 | NA |
| 2611 | 2025-10-06 |
Computational glycosyltransferases masked deoxynivalenol toxicity and halted FHB spread in wheat grains
2025-Aug-24, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.08.045
PMID:40858235
|
研究论文 | 本研究开发深度学习模型预测糖基转移酶活性，并成功鉴定出两种能够降解脱氧雪腐镰刀菌烯醇的酶 | 首次将Transformer框架应用于糖基转移酶多功能性预测，并成功发现新的DON解毒酶 | 目前可用的高效DON解毒酶数量仍然有限 | 开发深度学习模型预测糖基转移酶的多功能性，计算鉴定新的DON解毒酶 | 糖基转移酶、脱氧雪腐镰刀菌烯醇、转基因小麦品系 | 机器学习 | 镰刀菌病害 | 深度学习、生物测定（霉菌毒素耐受性、幼苗接种、单小花注射） | Transformer | 酶序列数据、生物实验数据 | NA | Transformer | Transformer | NA | NA |
| 2612 | 2025-10-06 |
Leveraging Deep Learning to Enhance Malnutrition Detection via Nutrition Risk Screening 2002: Insights from a National Cohort
2025-Aug-21, Nutrients
IF:4.8Q1
DOI:10.3390/nu17162716
PMID:40871744
|
研究论文 | 开发并验证基于机器学习的营养风险筛查工具，用于预测营养治疗需求及类型 | 将性别、癌症状态和病房类型等参数整合到NRS-2002中，创建了新的机器学习增强筛查量表 | 需要更大规模的多国队列进行外部验证 | 开发营养治疗需求及类型的预测模型 | 来自ONCA全国队列的191,028名患者 | 机器学习 | 营养不良 | 营养风险筛查2002(NRS-2002) | Random Forest, Artificial Neural Network, Deep Learning, Elastic Net, Naive Bayes | 临床参数和人口统计学数据 | 191,028名患者 | NA | NA | AUC, 准确率, 平衡准确率, MCC, 灵敏度, 特异性, PPV, NPV, F-score | NA |
| 2613 | 2025-10-06 |
Analysis of Tongue and Face Image Features of Anemic Women and Construction of Risk-Screening Model
2025-Aug-20, Biomedical and environmental sciences : BES
IF:3.0Q2
DOI:10.3967/bes2025.047
PMID:40928272
|
研究论文 | 通过分析女性贫血患者的面部和舌象特征，建立贫血风险筛查模型 | 首次结合面部和舌象的颜色与纹理特征，采用多种机器学习模型和深度学习模型进行女性贫血筛查 | 样本仅来自单一医院，样本量有限（533名参与者） | 识别女性贫血相关的面舌图像特征，建立贫血风险筛查模型 | 女性贫血患者和健康人群 | 计算机视觉 | 贫血 | 舌面诊图像分析 | 机器学习模型, 深度学习模型 | 图像 | 533名女性参与者（贫血患者和健康人群） | NA | ResNet50V2, Conv1D, 人工神经网络 | AUC, 准确率 | NA |
| 2614 | 2025-10-06 |
Ground Reaction Force Estimation via Time-aware Knowledge Distillation
2025-Aug-15, IEEE internet of things journal
IF:8.2Q1
DOI:10.1109/jiot.2025.3578012
PMID:40918555
|
研究论文 | 提出一种时间感知知识蒸馏框架，用于从鞋垫传感器数据估计地面反作用力 | 在知识蒸馏过程中利用小批量内的相似性和时间特征，有效捕捉特征间的互补关系和目标与输入数据的序列特性 | NA | 开发计算效率高的地面反作用力估计方法，用于实时便携系统 | 人类步态分析中的地面反作用力 | 机器学习 | NA | 知识蒸馏 | 深度学习 | 传感器数据 | 在不同步行速度下收集的数据 | NA | NA | 准确度, 模型可靠性 | NA |
| 2615 | 2025-10-06 |
Global research landscape of retinoblastoma biomarkers: a multidisciplinary bibliometric analysis based on multiple databases (2005-2025)
2025-Aug-15, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-025-06279-7
PMID:40817296
|
文献计量分析 | 通过多数据库对2005-2025年视网膜母细胞瘤生物标志物研究进行多学科文献计量分析 | 首次对RB生物标志物研究领域进行系统性定量分析，揭示研究格局和热点演变 | 仅基于Web of Science和Scopus数据库，可能遗漏部分相关研究 | 分析视网膜母细胞瘤生物标志物的研究格局和热点趋势 | 2005-2025年期间发表的视网膜母细胞瘤生物标志物相关研究文献 | 文献计量学 | 视网膜母细胞瘤 | 文献计量分析，生物信息学分析 | NA | 文献元数据，引文数据 | 从WOS和Scopus数据库检索的2005-2025年相关出版物 | R软件, VOSviewer, CiteSpace | NA | 出版物数量，引文频率，国际合作网络 | NA |
| 2616 | 2025-10-06 |
Going beyond SMILES enumeration for data augmentation in generative drug discovery
2025-Aug-14, Digital discovery
IF:6.2Q1
DOI:10.1039/d5dd00028a
PMID:40917333
|
研究论文 | 本文提出四种新的SMILES数据增强策略以提升分子生成模型在低数据场景下的性能 | 引入基于自然语言处理和化学知识的四种新型SMILES增强方法：标记删除、原子掩码、生物电子等排替换和自训练 | 未明确说明实验数据规模及具体模型性能对比基准 | 探索超越传统SMILES枚举的数据增强方法以改进分子生成质量 | 分子SMILES表示及其数据增强策略 | 自然语言处理, 药物发现 | NA | SMILES数据增强 | 生成深度学习模型 | 分子SMILES字符串 | NA | NA | NA | NA | NA |
| 2617 | 2025-10-06 |
Leveraging artificial intelligence and machine learning in kinase inhibitor development: advances, challenges, and future prospects
2025-Aug-12, RSC medicinal chemistry
IF:4.1Q2
DOI:10.1039/d5md00494b
PMID:40919316
|
综述 | 探讨人工智能和机器学习在激酶抑制剂开发中的应用进展、挑战与未来前景 | 系统阐述AI/ML方法（包括深度学习、图神经网络和生成模型）如何革新激酶抑制剂的设计、优化和再利用 | 数据稀疏性、模型可解释性不足以及计算与实验结果间的转化差距 | 加速和优化下一代激酶靶向治疗药物的开发 | 蛋白激酶及激酶抑制剂 | 机器学习 | 癌症 | 深度学习, 图神经网络, 生成模型 | NA | NA | NA | NA | NA | NA | NA |
| 2618 | 2025-10-06 |
ECG-GraphNet: Advanced arrhythmia classification based on graph convolutional networks
2025-Aug, Heart rhythm O2
IF:2.5Q2
DOI:10.1016/j.hroo.2025.05.012
PMID:40917189
|
研究论文 | 提出基于图卷积网络的ECG-GraphNet模型，用于准确分类三种心律失常类型 | 将ECG波形建模为图结构，创新使用QRS中心加权平均池化方法增强特征提取 | 研究仅基于328名患者的单导联设备数据，样本规模有限 | 开发准确的心律失常自动分类方法 | 心电图信号中的正常搏动、室上性异位搏动和室性异位搏动 | 医学图像分析 | 心血管疾病 | 心电图分析 | 图卷积网络(GCN) | 心电图信号 | 328名患者的10秒心电图记录 | NA | ECG-GraphNet | Macro F1-score | NA |
| 2619 | 2025-10-06 |
DeepHVI: A multimodal deep learning framework for predicting human-virus protein-protein interactions using protein language models
2025-Aug, Biosafety and health
IF:3.5Q1
DOI:10.1016/j.bsheal.2025.07.005
PMID:40918205
|
研究论文 | 提出一种多模态深度学习框架DeepHVI，用于预测人类与病毒蛋白质之间的相互作用 | 整合蛋白质语言模型和多模态融合方法，结合二元分类和条件序列生成两个互补任务 | NA | 系统预测人类与病毒蛋白质之间的假定相互作用，为公共卫生干预提供支持 | 人类蛋白质和病毒蛋白质 | 机器学习 | 传染病 | 蛋白质语言模型 | 深度学习 | 蛋白质序列数据 | 高置信度实验数据集 | NA | 多模态融合框架 | 准确率 | NA |
| 2620 | 2025-10-06 |
Deep Learning Model for Osteoporosis Screening From Chest Radiographs: A Multicenter Analysis of External Robustness and Model Calibration
2025-Aug, Cureus
DOI:10.7759/cureus.89446
PMID:40918770
|
研究论文 | 开发用于从胸部X光片筛查骨质疏松症的深度学习模型，并评估其在外院数据上的鲁棒性和模型校准效果 | 首次系统评估深度学习模型在不同医疗机构和设备采集的外部数据上的表现，并提出通过混合外部数据校准模型的方法 | 外部数据性能相比内部数据仍有差距，需要至少500例外部数据进行模型校准 | 开发基于胸部X光片的骨质疏松症筛查工具，解决DXA检查成本高、可用性有限的问题 | 骨质疏松症患者和疑似病例 | 医学影像分析 | 骨质疏松症 | 深度学习技术 | 深度学习模型 | 胸部X光影像 | 多中心数据集（具体数量未明确说明） | NA | NA | 筛查性能指标（与QUS比较） | NA |