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 48077 篇文献，本页显示第 29401 - 29420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 29401 | 2025-05-08 |
Detection of Heavy Metal Copper Stress in Apple Rootstocks Using Surface-Enhanced Raman Spectroscopy
2025-May-07, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c00126
PMID:40264342
|
research paper | 利用表面增强拉曼光谱（SERS）结合深度学习模型快速准确检测苹果砧木中的重金属铜胁迫水平 | 结合SERS与1D-SAE-CNN深度学习模型，实现了对苹果砧木中铜胁迫水平的快速准确分类 | 研究仅针对铜胁迫，未涉及其他重金属污染物的检测 | 开发一种快速准确检测苹果砧木中重金属铜胁迫水平的方法 | 苹果砧木 | digital pathology | NA | 表面增强拉曼光谱（SERS）、扫描电子显微镜-能谱分析（SEM-EDS）、微拉曼成像 | 一维堆叠自编码卷积神经网络（1D-SAE-CNN） | 光谱数据、图像数据 | 10种常见铜胁迫浓度的苹果砧木样本 | NA | NA | NA | NA |
| 29402 | 2025-05-08 |
Massive experimental quantification allows interpretable deep learning of protein aggregation
2025-May-02, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adt5111
PMID:40305601
|
研究论文 | 通过大规模实验量化数据训练可解释的深度学习模型CANNA，用于预测蛋白质聚集 | 利用超过10万蛋白质序列的实验量化数据训练卷积-注意力混合神经网络CANNA，显著提高了蛋白质聚集预测的准确性 | NA | 解决蛋白质聚集预测中的数据短缺问题，提高预测准确性 | 蛋白质序列 | 机器学习 | NA | 深度学习 | 卷积-注意力混合神经网络(CANYA) | 蛋白质序列数据 | 超过10万蛋白质序列 | NA | NA | NA | NA |
| 29403 | 2025-05-08 |
Robust deep learning from weakly dependent data
2025-May, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107227
PMID:39933320
|
research paper | 该论文研究了在弱依赖数据下的鲁棒深度学习，针对无界损失函数和无界输出的情况，建立了深度神经网络估计器的非渐近边界 | 考虑了输出变量仅具有有限r阶矩（r>1）的情况，并在强混合和ψ-弱依赖假设下建立了预期超额风险的非渐近边界 | 研究假设数据具有足够的平滑性指数，且主要针对强混合数据，可能不适用于所有类型的数据依赖情况 | 探索在弱依赖观测下深度学习的鲁棒性，特别是在无界损失函数和无界输出的情况下 | 深度神经网络估计器及其在弱依赖数据下的性能 | machine learning | NA | NA | deep neural networks | weakly dependent observations | NA | NA | NA | NA | NA |
| 29404 | 2025-05-08 |
Leveraging deep learning for nonlinear shape representation in anatomically parameterized statistical shape models
2025-May, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03330-3
PMID:39953355
|
research paper | 提出了一种基于深度学习的解剖参数化统计形状模型（DL-ANATSSM），用于改善解剖结构与临床相关参数之间的非线性关系 | 引入深度学习模型（多层感知机）学习解剖测量与形状参数之间的非线性映射，提升了统计形状模型的精确性和可解释性 | 模型在真实骨骼数据集上的性能依赖于合成数据的预训练和微调过程，可能受限于数据质量和多样性 | 改进统计形状模型（SSMs），使其能更精确地关联临床相关解剖参数与骨骼形状信息 | 股骨骨骼的形态学评估 | digital pathology | NA | 深度学习，多层感知机（MLP） | 多层感知机（MLP） | 3D骨骼形状数据 | 合成股骨骨骼数据集和真实骨骼数据集（具体数量未提及） | NA | NA | NA | NA |
| 29405 | 2025-05-08 |
Development of a surrogate model for predicting atherosclerotic plaque progression based on agent based modeling data
2025-May, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241309771
PMID:39973869
|
研究论文 | 本研究开发了一种基于代理建模数据的动脉粥样硬化斑块进展预测替代模型 | 利用深度学习和人工神经网络构建高精度替代模型，替代计算密集型代理建模，实现实时预测 | 研究仅基于15例患者特定几何形状的数据，样本量较小 | 优化动脉粥样硬化斑块进展的预测建模资源 | 冠状动脉粥样硬化斑块进展 | 机器学习 | 心血管疾病 | 代理建模(ABM), 人工神经网络(ANN) | ANN | 模拟参数数据 | 15例患者特定几何形状数据 | NA | NA | NA | NA |
| 29406 | 2025-05-08 |
TRUSWorthy: toward clinically applicable deep learning for confident detection of prostate cancer in micro-ultrasound
2025-May, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03335-y
PMID:39976857
|
research paper | 提出了一种名为TRUSWorthy的深度学习系统，用于在前列腺癌的微超声检测中提高准确性和可靠性 | 整合了自监督学习、多实例学习聚合、随机欠采样增强和集成学习，解决了标签稀缺、弱标签、类别不平衡和过度自信等问题 | 需要进一步验证在更多临床环境中的适用性和稳定性 | 开发一个可靠的深度学习系统，用于前列腺癌的检测 | 前列腺癌的微超声数据 | digital pathology | prostate cancer | micro-ultrasound | transformers, ensemble learning | image | 大型多中心微超声数据集 | NA | NA | NA | NA |
| 29407 | 2025-05-08 |
DARCS: Memory-Efficient Deep Compressed Sensing Reconstruction for Acceleration of 3D Whole-Heart Coronary MR Angiography
2025-May, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3524717
PMID:40030771
|
research paper | 提出一种内存高效的深度压缩感知方法DARCS，用于加速3D全心冠状动脉磁共振血管成像的重建 | 利用预训练的伪影估计网络作为固有稀疏变换，显著降低内存使用同时提升重建质量 | 未提及具体临床验证规模或不同硬件平台的适应性测试 | 解决3D冠状动脉磁共振血管成像在高度欠采样情况下的高质量重建问题 | 3D全心冠状动脉磁共振血管成像数据 | digital pathology | cardiovascular disease | deep compressed sensing | unrolled network | 3D medical image | NA | NA | NA | NA | NA |
| 29408 | 2025-05-08 |
WavFace: A Multimodal Transformer-Based Model for Depression Screening
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3529348
PMID:40031033
|
research paper | 提出了一种基于多模态Transformer的模型WavFace，用于通过音频和面部特征进行抑郁症筛查 | WavFace通过编码器-Transformer层改进单模态表示，并应用显式对齐方法和顺序与空间自注意力机制，融合两种模态的嵌入 | 样本量较小 | 开发一种深度学习模型用于抑郁症筛查 | 抑郁症患者 | natural language processing | geriatric disease | deep learning | Transformer | audio, video | NA | NA | NA | NA | NA |
| 29409 | 2025-05-08 |
Multivariate Glucose Forecasting Using Deep Multihead Attention Layers Inside Neural Basis Expansion Networks
2025-May, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3530461
PMID:40031270
|
研究论文 | 提出一种新型网络架构，结合多头注意力层和神经网络基础扩展层，用于提高葡萄糖预测的准确性和个性化 | 提出了一种结合多头注意力层和神经网络基础扩展层的新型网络架构，提高了预测准确性并部分解决了模型可解释性问题 | 模型仍存在部分非解释性问题，且需要大量训练数据和高性能计算资源 | 提高基于连续葡萄糖监测（CGM）传感器的糖尿病管理系统中葡萄糖预测的准确性和个性化 | 糖尿病患者的葡萄糖水平 | 机器学习 | 糖尿病 | 深度学习 | 多头注意力层与神经网络基础扩展层结合的网络 | 时间序列数据 | 使用OhioT1DM数据库进行验证 | NA | NA | NA | NA |
| 29410 | 2025-05-08 |
Development and application of an intelligent pressure injury assessment system using AI image recognition
2025-May, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241296350
PMID:40066836
|
研究论文 | 开发并评估了一种基于AI的智能压力性损伤评估系统，旨在提高评估的准确性和效率 | 使用深度学习算法（CNN）构建的AI系统在准确性和效率上优于传统评估方法 | 需要进一步研究以扩展系统对其他类型伤口的应用 | 提高压力性损伤评估的准确性和效率 | 108名ICU患者 | 计算机视觉 | 压力性损伤 | 深度学习 | CNN | 图像 | 108名ICU患者（分为对照组和实验组） | NA | NA | NA | NA |
| 29411 | 2025-05-08 |
Advancing brain tumor detection and classification in Low-Dose CT images using the innovative multi-layered deep neural network model
2025-May, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329241302558
PMID:40331540
|
研究论文 | 本研究提出了一种名为MLCED-Net的多层深度神经网络模型，用于提高低剂量CT图像中脑肿瘤检测和分类的准确性 | 提出了一种结合多层自动编码器、基于颜色的操作和边缘检测技术的MLCED-Net框架，显著提高了脑肿瘤诊断的准确率 | 未提及模型在更大规模或多样化数据集上的泛化能力 | 提高低剂量CT图像中脑肿瘤诊断的准确性 | 低剂量CT图像中的脑肿瘤 | 数字病理学 | 脑肿瘤 | Lucy-Richardson技术、自适应直方图均衡化、像素归一化 | MLCED-Net（15层深度学习架构） | 图像 | NA | NA | NA | NA | NA |
| 29412 | 2025-05-08 |
Variability analysis of soil organic carbon content across land use types and its digital mapping using machine learning and deep learning algorithms
2025-Apr-10, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-13972-0
PMID:40210813
|
研究论文 | 分析法国普罗旺斯矿区11种不同土地利用类型下土壤有机碳含量的变异性，并利用机器学习和深度学习算法进行空间建模 | 首次在该地区综合使用多种机器学习和深度学习算法（RF、SVM、XGBoost、DNN）对土壤有机碳含量进行空间变异性建模，并比较其性能 | 样本量有限（162个土壤样本），且仅针对法国普罗旺斯矿区，结果可能无法推广到其他地区 | 研究土壤有机碳含量的空间变异性及其影响因素，为可持续土壤资源管理和气候变化减缓提供支持 | 法国普罗旺斯矿区11种不同土地利用类型下的土壤有机碳含量 | 机器学习 | NA | 机器学习和深度学习回归算法（RF、SVM、XGBoost、DNN） | 随机森林（RF）、支持向量机（SVM）、极端梯度提升（XGBoost）、深度神经网络（DNN） | 土壤样本数据、环境协变量（气候参数、岩性、地形特征、土地覆盖、遥感数据、土壤理化参数） | 162个土壤样本 | NA | NA | NA | NA |
| 29413 | 2025-05-08 |
A method for delineating traffic low emission control zone based on deep learning and multi-objective optimization
2025-Apr-08, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-13949-z
PMID:40199777
|
研究论文 | 本研究提出了一种基于深度学习和多目标优化的交通低排放控制区划分方法 | 结合CNN、LSTM和注意力机制的深度学习模型捕捉PM浓度的时空变化，并采用NSGA-II算法进行多目标优化 | 未明确说明模型在不同城市规模或地理条件下的泛化能力 | 优化交通低排放控制区的划分，平衡环境效益与社会影响 | 城市PM浓度数据与交通排放控制区 | 机器学习 | NA | 深度学习、多目标优化算法 | CNN、LSTM、Attention Mechanism | PM浓度数据（静态路网特征+动态时间序列） | 出租车队采集的PM数据（未明确数量） | NA | NA | NA | NA |
| 29414 | 2025-05-08 |
A Multi-Task Self-Supervised Strategy for Predicting Molecular Properties and FGFR1 Inhibitors
2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202412987
PMID:39921455
|
研究论文 | 提出了一种多任务自监督深度学习框架MTSSMol，用于预测分子性质和识别FGFR1抑制剂 | 提出了一种多任务自监督预训练策略，利用约1000万个未标记的药物样分子进行预训练，以识别潜在的FGFR1抑制剂 | 未明确提及具体限制，但可能涉及预训练数据的多样性和模型的泛化能力 | 增强分子表示学习并识别潜在药物候选物，以加速药物发现过程 | 药物样分子及其与FGFR1的相互作用 | 计算机辅助药物发现 | NA | 分子对接（RoseTTAFold All-Atom）和分子动力学模拟 | 图神经网络（GNNs） | 分子数据 | 约1000万个未标记的药物样分子 | NA | NA | NA | NA |
| 29415 | 2025-05-08 |
Deep Learning Combined with Quantitative Structure‒Activity Relationship Accelerates De Novo Design of Antifungal Peptides
2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202412488
PMID:39921483
|
研究论文 | 开发了一种结合深度学习和定量结构-活性关系的抗真菌肽从头设计方法DL-QSARES | 整合深度学习和定量结构-活性关系经验筛选，开发了抗真菌肽从头设计方法DL-QSARES | NA | 加速抗真菌肽的从头设计，以应对念珠菌感染 | 抗真菌肽（AFPs） | 机器学习 | 念珠菌感染 | 定量结构-活性关系（QSAR） | 自然语言处理模型 | 氨基酸序列数据 | 49个候选抗真菌肽（c_AFPs） | NA | NA | NA | NA |
| 29416 | 2025-05-08 |
DLPVI: Deep learning framework integrating projection, view-by-view backprojection, and image domains for high- and ultra-sparse-view CBCT reconstruction
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出了一种名为DLPVI的深度学习框架，用于提高高稀疏视图和超稀疏视图锥束计算机断层扫描（CBCT）图像的质量 | DLPVI框架首次将投影域、逐视图反投影域和图像域集成在一起，并采用基于Transformer的图像域模型 | NA | 提高高稀疏视图和超稀疏视图CBCT图像的重建质量 | 锥束计算机断层扫描（CBCT）图像 | computer vision | NA | 深度学习 | Transformer | image | 163名真实患者用于训练，30名用于验证，30名用于测试 | NA | NA | NA | NA |
| 29417 | 2025-05-08 |
CGNet: Few-shot learning for Intracranial Hemorrhage Segmentation
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出了一种名为CGNet的新型分割模型，用于在少量标注数据下进行颅内出血（ICH）区域的精确分割 | 设计了跨特征模块（CFM）和支持引导查询（SGQ）机制，通过增强查询和支持集特征间的交互以及多尺度特征整合，提升了对病变细节的理解和分割精度 | 未明确说明模型在更广泛数据集上的泛化能力或计算效率 | 解决医学影像中颅内出血分割任务对大量标注数据的依赖问题 | 颅内出血（ICH）区域 | digital pathology | intracranial hemorrhage | few-shot learning | CGNet（含CFM和SGQ模块） | 医学影像（CT/MRI等） | 公开数据集BHSD和私有数据集IHSAH（具体数量未说明） | NA | NA | NA | NA |
| 29418 | 2025-05-08 |
Simulation-based inference of single-molecule experiments
2025-Apr, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.102988
PMID:39921963
|
综述 | 本文综述了基于模拟的推理（SBI）在单分子实验分析中的应用 | 介绍了深度学习在SBI中的最新进展，以及SBI在单分子力谱和冷冻电镜实验中的首次应用 | 讨论了参数化贝叶斯推理的局限性 | 分析单分子实验数据，重建分子细节 | 生物分子的结构动力学 | 机器学习 | NA | 单分子力谱、冷冻电镜 | 深度学习 | 实验数据 | NA | NA | NA | NA | NA |
| 29419 | 2025-05-08 |
Nonlinear ageing gero-marker dynamics of transcriptomic profile during calcific aortic valve mouse modeling
2025-Apr, Archives of gerontology and geriatrics
IF:3.5Q2
DOI:10.1016/j.archger.2025.105777
PMID:39922128
|
研究论文 | 通过构建不同年龄点的钙化主动脉瓣小鼠模型，研究转录组谱的非线性衰老动态及其与瓣膜功能退化和钙化的关系 | 发现了线性和非线性衰老标志物，并揭示了小鼠在48周龄时衰老加速的特定时期 | 研究仅基于小鼠模型，结果可能无法直接推广到人类 | 理解衰老生物标志物动态以改善退行性心脏病的预防和管理 | 钙化主动脉瓣小鼠模型 | 数字病理 | 心血管疾病 | RNA测序 | 深度学习模型 | 测序数据 | C57BL/6 N小鼠模型，包括6周龄、48周龄和72周龄的小鼠 | NA | NA | NA | NA |
| 29420 | 2025-05-08 |
Deep learning for RNA structure prediction
2025-Apr, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.102991
PMID:39933218
|
综述 | 本文综述了AI特别是深度学习在RNA结构预测中的应用及其方法论进展 | 总结了近年来AI在RNA结构预测领域的革命性进展，强调了方法论的进步 | 未提及具体模型的局限性，仅概述了该领域的挑战与机遇 | 总结AI在RNA结构预测中的应用及其方法论进展 | RNA结构预测 | 自然语言处理 | NA | 深度学习 | NA | 序列数据 | NA | NA | NA | NA | NA |