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 44490 篇文献，本页显示第 26521 - 26540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 26521 | 2025-10-07 |
Image2InChI: Automated Molecular Optical Image Recognition
2024-05-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c02082
PMID:38359459
|
研究论文 | 提出基于深度学习的自动化分子光学图像识别模型Image2InChI，实现分子图像到机器可读表示的转换 | 引入具有注意力机制的新型特征融合网络，集成图像块与InChI预测 | NA | 提高分子图像识别的准确性和效率，为药物发现提供人工智能支持 | 分子光学图像 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | NA | NA | SwinTransformer, Transformer Decoder | InChI准确率, Morgan FP, 最大公共结构准确率, 最长公共子序列准确率 | NA |
| 26522 | 2025-10-07 |
Intramolecular and Water Mediated Tautomerism of Solvated Glycine
2024-05-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00273
PMID:38620066
|
研究论文 | 本研究利用基于深度学习的增强采样分子动力学方法，探究了甘氨酸在水溶液中的互变异构现象 | 首次揭示了甘氨酸在水溶液中通过分子内和分子间两种质子转移路径实现互变异构的机制 | 研究仅限于甘氨酸分子，未扩展到其他氨基酸或不同溶剂环境 | 探究溶剂环境中甘氨酸的互变异构动力学过程 | 甘氨酸分子在水溶液中的互变异构行为 | 计算化学 | NA | 增强采样分子动力学，深度学习势能函数 | 深度学习势能模型 | 分子动力学模拟数据 | 甘氨酸水溶液体系 | NA | NA | 反应能垒，反应通量 | NA |
| 26523 | 2025-10-07 |
MMSyn: A New Multimodal Deep Learning Framework for Enhanced Prediction of Synergistic Drug Combinations
2024-05-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00165
PMID:38676916
|
研究论文 | 提出一种名为MMSyn的多模态深度学习框架，用于预测协同药物组合 | 首次结合药物分子特征（结构、指纹、字符串编码）与癌细胞系特征（基因表达、DNA拷贝数、通路活性），通过注意力机制和交互模块进行多模态融合 | NA | 开发深度学习框架以预测协同药物组合，提高癌症联合治疗的筛选效率 | 药物分子和癌细胞系 | 机器学习 | 癌症 | 高通量筛选 | 多层感知机,注意力机制 | 药物分子特征数据,基因表达数据,DNA拷贝数数据,通路活性数据 | NA | NA | 多层感知机 | 分层交叉验证 | NA |
| 26524 | 2025-10-07 |
Sequential Contrastive and Deep Learning Models to Identify Selective Butyrylcholinesterase Inhibitors
2024-04-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00397
PMID:38532612
|
研究论文 | 本研究开发了序列对比学习和深度学习模型来识别选择性丁酰胆碱酯酶抑制剂 | 首次将监督对比学习与深度学习和随机森林在单模型和序列模型配置中进行比较，用于识别BChE选择性抑制剂 | 仅测试了20个预测化合物的选择性，样本量较小 | 开发高效识别选择性丁酰胆碱酯酶抑制剂的机器学习策略 | 丁酰胆碱酯酶抑制剂化合物 | 机器学习 | 阿尔茨海默病 | 虚拟筛选 | 对比学习,深度学习,随机森林 | 化合物数据 | 500万化合物库中筛选测试20个化合物 | NA | NA | 精确度 | NA |
| 26525 | 2025-04-24 |
Geneformer: a deep learning model for exploring gene networks
2023-12, Science China. Life sciences
DOI:10.1007/s11427-023-2431-x
PMID:37672186
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 26526 | 2025-10-07 |
Computational Advancements in Cancer Combination Therapy Prediction
2023-09, JCO precision oncology
IF:5.3Q1
DOI:10.1200/PO.23.00261
PMID:37824797
|
综述 | 本文系统介绍癌症联合疗法预测的计算方法并总结最新研究进展 | 系统梳理近10年癌症联合疗法预测的计算方法，提出整合疾病病理生物学、药物特性和患者多组学数据的未来发展方向 | 未对所有现有癌症联合疗法预测方法进行荟萃分析，主要关注方法改进的考量因素 | 癌症联合疗法预测的计算方法研究 | 癌症治疗中的药物组合 | 机器学习 | 癌症 | 药物重定位 | 网络模型, 回归机器学习, 分类器机器学习, 深度学习 | 多组学数据, 药物特性数据, 疾病数据 | NA | NA | NA | NA | NA |
| 26527 | 2025-10-07 |
Pollen analysis using multispectral imaging flow cytometry and deep learning
2021-01, The New phytologist
DOI:10.1111/nph.16882
PMID:32803754
|
研究论文 | 本研究开发了一种结合多光谱成像流式细胞术和深度学习的花粉分析方法 | 首次将多光谱成像流式细胞术与深度学习相结合用于花粉分析，实现了快速测量和高精度物种识别 | 需要建立全面的花粉参考数据库才能充分发挥方法优势 | 开发自动化的花粉识别和定量分析方法 | 35种植物物种的花粉 | 计算机视觉 | NA | 多光谱成像流式细胞术 | CNN | 图像 | 426,876张花粉图像 | NA | 卷积神经网络 | 准确率 | NA |
| 26528 | 2025-04-23 |
EEG-based schizophrenia detection: integrating discrete wavelet transform and deep learning
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10248-8
PMID:40256687
|
研究论文 | 本文提出了一种结合离散小波变换和深度学习的脑电图（EEG）信号分析方法，用于精神分裂症（SZ）的自动检测 | 采用Daubechies（db4）小波进行7级分解，结合多层感知器神经网络（MLP），在SZ检测中实现了高准确率 | 研究使用的公开数据集样本量较小（DS1有81条记录，DS2有28条记录），可能影响模型的泛化能力 | 开发一种高精度的基于EEG信号的SZ自动检测方法，以辅助医生诊断 | 精神分裂症患者和健康对照者的EEG信号 | 数字病理学 | 精神分裂症 | 离散小波变换（DWT） | 多层感知器神经网络（MLP） | EEG信号 | 两个公开数据集：DS1（81条记录，32健康对照和49SZ患者）和DS2（28条记录，14健康对照和14SZ患者） | NA | NA | NA | NA |
| 26529 | 2025-04-23 |
Transcranial adaptive aberration correction using deep learning for phased-array ultrasound therapy
2025-Aug, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2025.107641
PMID:40117699
|
研究论文 | 本研究探讨了使用深度学习方法校正颅骨引起的畸变，开发了一种用于安全超声治疗血脑屏障（BBB）开放的经颅自适应聚焦方法 | 提出了一种结合预分割、k-Wave模拟和基于3D U-net网络的方法，用于快速准确地预测相位校正，显著降低了计算成本和时间 | 研究仅基于模拟环境和小块颅骨样本，尚未在真实临床环境中验证 | 开发一种快速、精确且自适应的经颅畸变校正方法，用于通过超声治疗脑部疾病 | 256元相控阵、小块颅骨和水构成的非线性模拟环境 | 医学影像处理 | 脑部疾病 | k-Wave模拟、3D U-net网络 | 3D U-net | 模拟数据 | NA | NA | NA | NA | NA |
| 26530 | 2025-04-23 |
Deep Learning-Driven Glaucoma Medication Bottle Recognition: A Multilingual Clinical Validation Study in Patients with Impaired Vision
2025 Jul-Aug, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100758
PMID:40256318
|
research paper | 临床验证一款基于CNN的Android智能手机应用，用于识别青光眼患者的局部用药 | 开发并验证了一款多语言的CNN驱动应用，显著提高了视力受损患者的药物识别准确率 | 样本量较小（41名参与者），且非英语使用者的应用易用性评分较低 | 验证基于CNN的智能手机应用在青光眼患者药物识别中的效果 | 青光眼伴视力受损患者（包括英语和非英语使用者） | computer vision | glaucoma | CNN | CNN | image | 41名患者（20名非英语使用者，21名英语使用者） | NA | NA | NA | NA |
| 26531 | 2025-04-23 |
A semantic segmentation network for red tide detection based on enhanced spectral information using HY-1C/D CZI satellite data
2025-Jun, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.117813
PMID:40117936
|
研究论文 | 提出了一种基于增强光谱信息的语义分割网络SIC-RTNet，用于利用HY-1C/D CZI卫星数据检测赤潮 | SIC-RTNet通过引入残差块、计算三个光谱信息通道和改进损失函数，提高了赤潮监测的准确性 | 传统遥感方法难以监测小规模赤潮事件和详细分布，且不适用于中高空间分辨率和低光谱分辨率的卫星传感器 | 提高赤潮监测的准确性，助力海洋生态灾害监测 | 赤潮 | 计算机视觉 | NA | 卫星遥感 | Residual Neural Network (SIC-RTNet) | 卫星图像 | NA | NA | NA | NA | NA |
| 26532 | 2025-04-23 |
High-level visual processing in the lateral geniculate nucleus revealed using goal-driven deep learning
2025-Jun, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2025.110429
PMID:40122470
|
研究论文 | 本研究提出了一种利用目标驱动的深度学习方法来揭示侧膝状体核（LGN）在高级视觉处理中的作用 | 使用VGG16和ResNet50两种深度神经网络作为目标驱动模型，探索LGN在高级视觉特征（如数量感知）编码中的作用，挑战了关于LGN功能简单性的传统观点 | 研究仅针对小鼠LGN，结果是否适用于其他物种尚不明确 | 探索LGN在高级视觉处理中的功能 | 小鼠侧膝状体核（LGN）的神经活动 | 计算机视觉 | NA | 深度学习 | VGG16, ResNet50 | 神经活动数据 | NA | NA | NA | NA | NA |
| 26533 | 2025-04-23 |
AI-driven approaches for air pollution modelling: A comprehensive systematic review
2025-May-15, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2025.125937
PMID:40058557
|
综述 | 本文对利用机器学习和深度学习技术预测空气污染的现有研究进行了系统性回顾 | 不仅比较了不同模型和方法，还分析了外部特征（如气象数据、交通信息和土地利用）对污染物水平和模型预测准确性的影响 | 探讨了机器学习和深度学习方法的性能和局限性，但未提出新的模型或方法 | 比较和评估不同方法在预测空气污染物浓度水平方面的效果 | 空气污染预测模型 | 机器学习 | NA | 机器学习和深度学习技术 | 时间模型和时空模型 | 气象数据、交通信息、土地利用等多源数据 | NA | NA | NA | NA | NA |
| 26534 | 2025-10-07 |
Comparative analysis of retinal microvascular parameters in healthy individuals with or without carotid artery stenosis or plaque
2025-May, European journal of ophthalmology
IF:1.4Q3
DOI:10.1177/11206721241291224
PMID:39410788
|
研究论文 | 通过眼底摄影评估视网膜微血管参数与颈动脉狭窄（伴或不伴斑块）的相关性 | 首次使用基于深度学习的算法分析视网膜微血管参数与颈动脉狭窄的关联，为颈动脉狭窄筛查提供新方法 | 回顾性观察研究设计，样本量有限（715名参与者） | 评估视网膜微血管变化与颈动脉狭窄的相关性 | 接受双侧颈动脉超声和双侧眼底摄影检查的患者 | 数字病理 | 心血管疾病 | 眼底摄影，颈动脉超声 | 深度学习算法 | 眼底图像 | 715名参与者（313名颈动脉狭窄患者，402名对照组） | NA | NA | NA | NA |
| 26535 | 2025-10-07 |
PSMA PET/CT based multimodal deep learning model for accurate prediction of pelvic lymph-node metastases in prostate cancer patients identified as candidates for extended pelvic lymph node dissection by preoperative nomograms
2025-May, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-07065-2
PMID:39865180
|
研究论文 | 开发并验证基于PSMA PET/CT的多模态深度学习模型，用于预测前列腺癌患者盆腔淋巴结转移 | 首次结合PSMA PET/CT深度学习特征、定量PET参数和临床参数构建多模态模型，相比传统列线图和PET/CT视觉评估具有更高的预测准确性 | 样本量较小（仅116例患者），需要更大规模的外部验证 | 提高前列腺癌患者盆腔淋巴结转移的预测准确性，减少不必要的扩大盆腔淋巴结清扫术 | 经术前列线图筛选需行扩大盆腔淋巴结清扫术的前列腺癌患者 | 数字病理 | 前列腺癌 | PSMA PET/CT成像 | 深度学习,支持向量机 | 医学影像(PET/CT),临床参数 | 116例前列腺癌患者（训练集82例，测试集34例） | Med3D | Med3D,多核支持向量机 | AUC,校准曲线,决策曲线分析 | NA |
| 26536 | 2025-10-07 |
Exploring the role of multimodal [18F]F-PSMA-1007 PET/CT and multiparametric MRI data in predicting ISUP grading of primary prostate cancer
2025-May, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07099-0
PMID:39871017
|
研究论文 | 本研究探索多模态影像技术（[18F]F-PSMA-1007 PET/CT和多参数MRI）在预测前列腺癌ISUP分级中的作用 | 首次将[18F]F-PSMA-1007 PET/CT与多参数MRI进行多模态融合，并应用小样本学习解决前列腺癌影像数据有限的问题 | 回顾性研究设计，样本量相对有限（341例患者） | 提高前列腺癌ISUP分级的诊断准确性，改善临床决策 | 341例前列腺癌患者（2019-2023年入组） | 数字病理 | 前列腺癌 | [18F]F-PSMA-1007 PET, CT, DWI, T2WI, ADC | 深度学习网络 | 多模态医学影像数据 | 341例前列腺癌患者 | NA | 小样本深度学习网络 | 预测准确性 | NA |
| 26537 | 2025-04-23 |
Development of Hybrid radiomic Machine learning models for preoperative prediction of meningioma grade on multiparametric MRI
2025-May, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia
IF:1.9Q4
DOI:10.1016/j.jocn.2025.111118
PMID:40048835
|
research paper | 开发并比较了基于多参数MRI的机器学习模型，用于术前预测脑膜瘤的分级 | 结合手工提取的放射组学特征和深度学习特征，开发了混合模型（HRO和HDLR）用于脑膜瘤分级预测 | 模型的敏感性和阳性预测值（PPV）存在不一致性，需要更大规模的多中心研究验证 | 开发机器学习模型以区分低级别和高级别脑膜瘤 | 脑膜瘤患者的术前多参数MRI数据 | digital pathology | 脑膜瘤 | 多参数MRI（T1、T1CE、T2、T2 FLAIR、DWI/ADC） | Random Forest, XGBoost | image | 115例（97例低级别和18例高级别脑膜瘤） | NA | NA | NA | NA |
| 26538 | 2025-03-29 |
Advancing Bone Marrow MRI Segmentation Using Deep Learning-Based Frameworks
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.03.030
PMID:40148166
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 26539 | 2025-04-23 |
Enhancing brain age estimation under uncertainty: A spectral-normalized neural gaussian process approach utilizing 2.5D slicing
2025-May-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121184
PMID:40180003
|
研究论文 | 提出了一种结合谱归一化神经高斯过程（SNGP）和2.5D切片的方法，用于在低计算成本下实现脑年龄估计中的不确定性整合 | 首次将SNGP与2.5D切片方法结合，实现了在单一网络中无缝整合不确定性估计，同时保持低计算成本和模型复杂度 | 未明确提及具体局限性，但可能包括模型在更广泛人群中的验证不足 | 开发一种能够准确估计脑年龄并量化不确定性的方法，以提升脑异常检测的临床适用性 | 脑MRI数据 | 医学影像分析 | 脑部异常（如ADHD） | 磁共振成像（MRI） | SNGP（谱归一化神经高斯过程） | 2.5D MRI切片 | 11个公共数据集（N=6327）和独立验证集（N=301） | NA | NA | NA | NA |
| 26540 | 2025-04-23 |
Automated segmentation of the dorsal root ganglia in MRI
2025-May-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121189
PMID:40185423
|
研究论文 | 开发了一种基于深度学习的全自动背根神经节（DRG）MRI分割工作流程 | 首次提出全自动DRG分割方法，使用CNN在nnU-Net框架上训练，分割效果与专家标注相当但速度提高10倍 | 方法仅在健康对照组和Fabry疾病患者中验证，需要更多疾病类型验证 | 开发全自动DRG分割方法以促进DRG成像生物标志物的研究和应用 | 背根神经节（DRG） | 医学影像分析 | Fabry病 | MRI | CNN | 3D T2加权MR图像 | 220个健康对照DRG | NA | NA | NA | NA |