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 3721 - 3740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3721 | 2025-06-13 |
Reassessment of deep learning-based surgical phase recognition in laparoscopic cholecystectomy
2025-Aug-31, Annals of hepato-biliary-pancreatic surgery
IF:1.1Q3
DOI:10.14701/ahbps.25-059
PMID:40499925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3722 | 2025-10-06 |
Leveraging deep learning and structure-based drug repurposing for the discovery of potent Trk-A inhibitors targeting CIPA
2025-Aug, Bioorganic chemistry
IF:4.5Q1
DOI:10.1016/j.bioorg.2025.108680
PMID:40517591
|
研究论文 | 本研究结合深度学习和基于结构的药物重定位方法，发现针对CIPA的强效Trk-A抑制剂 | 首次将深度学习ANN模型与结构基药物重定位相结合筛选Trk-A抑制剂，从FDA已批准药物库中发现新适应症 | 研究仅基于计算模拟验证，缺乏实验验证数据 | 发现针对CIPA疾病的新型、强效且无毒的Trk-A抑制剂 | Trk-A靶向化合物和FDA批准药物库 | 机器学习 | 遗传性感觉和自主神经病（CIPA） | 深度学习、分子对接、分子动力学模拟 | ANN | 生物活性数据、化合物结构数据 | NA | NA | 人工神经网络 | RMSD, RMSF, Rg, H-bonds, PCA, MMGBSA/MMPBSA | NA |
| 3723 | 2025-10-06 |
Decoding tissue complexity: multiscale mapping of chemistry-structure-function relationships through advanced visualization technologies
2025-Jul-10, Journal of materials chemistry. B
DOI:10.1039/d5tb00744e
PMID:40476698
|
综述 | 本文系统探讨了先进生物可视化技术在解码组织多尺度化学-结构-功能关系中的原理、应用与局限 | 重点分析了人工智能驱动的图像分析、多维成像重建和多模态数据整合等变革性技术进步 | NA | 通过先进可视化技术解析生物组织的多尺度复杂性，推动生物材料开发和生物医学研究 | 生物组织和器官的多尺度结构与功能特征 | 生物医学可视化 | NA | 多维成像、多模态数据整合、增强现实 | 深度学习 | 多维图像数据、多模态生物数据 | NA | NA | NA | NA | NA |
| 3724 | 2025-10-06 |
Applying multimodal AI to physiological waveforms improves genetic prediction of cardiovascular traits
2025-Jul-03, American journal of human genetics
IF:8.1Q1
DOI:10.1016/j.ajhg.2025.05.015
PMID:40543505
|
研究论文 | 提出多模态深度学习框架M-REGLE，通过联合分析生理波形数据提升心血管性状的遗传预测能力 | 开发了首个用于多模态生理波形联合表征学习的遗传发现框架，相比单模态方法显著提高了遗传位点发现数量 | 研究主要聚焦心血管性状，未验证在其他生理系统或疾病中的适用性 | 利用多模态生理数据改进复杂性状的遗传关联研究 | 心电图和光电容积脉搏波等生理波形数据 | 机器学习 | 心血管疾病 | GWAS, 深度学习 | 卷积变分自编码器 | 生理波形信号 | 多个生物银行的大规模人群数据 | NA | 卷积变分自编码器 | 遗传位点发现数量, 遗传风险评分预测性能 | NA |
| 3725 | 2025-10-06 |
Hyperspectral Imaging for Rapid Detection of Common Infected Bacteria Based on Fluorescence Effect
2025-07, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500164
PMID:40444593
|
研究论文 | 本研究结合荧光高光谱成像与深度学习算法，开发了一种快速检测伤口常见感染细菌的非侵入性方法 | 首次将荧光高光谱成像技术与空间-光谱多尺度注意力网络相结合，实现低至10 CFU/mL细菌浓度的快速非侵入检测 | 仅针对8种常见细菌进行研究，未涵盖所有可能的致病菌种类 | 开发快速准确的细菌感染检测方法 | 伤口感染中的八种常见细菌 | 计算机视觉 | 细菌感染 | 荧光高光谱成像(FHSI) | 深度学习 | 高光谱图像 | 八种细菌物种的培养板荧光数据 | NA | 空间-光谱多尺度注意力网络(SSMA-Net) | 准确率 | NA |
| 3726 | 2025-10-06 |
Hyperspectral Imaging for Predicting Bladder Cancer Grading: A Novel Diagnostic Approach
2025-07, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500161
PMID:40456708
|
研究论文 | 提出一种基于深度学习的多模态融合模型RVCK-net，通过整合高光谱成像和病理图像实现膀胱癌精准分级 | 首次提出结合高光谱成像和病理图像的多模态融合模型，采用自适应融合机制整合空间和光谱信息 | NA | 提高膀胱癌分级的准确性和诊断一致性 | 膀胱癌组织样本 | 数字病理学 | 膀胱癌 | 高光谱成像, 病理成像 | 深度学习, 多模态融合模型 | 高光谱图像, 病理图像 | NA | NA | RVCK-net | 准确率 | NA |
| 3727 | 2025-10-06 |
PTMFusionNet: A Deep Learning Approach for Predicting Disease Related Post-translational Modification and Classifying Disease Subtypes
2025-Jul, Molecular & cellular proteomics : MCP
IF:6.1Q1
DOI:10.1016/j.mcpro.2025.101009
PMID:40466864
|
研究论文 | 提出一种名为PTMFusionNet的深度学习方法，用于预测疾病相关翻译后修饰并整合蛋白质表达数据进行疾病亚型分类 | 开发了结合层注意力图卷积网络和特征加权图卷积网络的双重GCN模型，能够预测PTM潜力分数并与蛋白质表达数据融合 | NA | 预测疾病相关翻译后修饰并改进疾病亚型分类 | 蛋白质翻译后修饰和疾病亚型 | 机器学习 | 癌症 | 质谱技术 | GCN | 蛋白质表达数据和PTM信息 | 三个数据集（KIPAN、COADREAD和THCA） | NA | Layer-Attention Graph Convolutional Network (LAGCN), Feature Weighting Graph Convolutional Network (FWGCN) | 准确率, F1分数, AUC | NA |
| 3728 | 2025-10-06 |
Enhancing the Accuracy of Skin Lesion Diagnosis Using Hyperspectral Imaging and Deep Learning
2025-07, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500182
PMID:40505653
|
研究论文 | 本研究提出了一种结合高光谱成像和深度学习的新型诊断方法，用于区分皮炎、光化性角化病和脂溢性角化病 | 首次将高光谱成像与深度学习相结合用于皮肤病变诊断，采用Savitzky-Golay滤波和一阶导数光谱分析增强数据质量 | 样本量较小（60个样本），需要进一步研究可扩展性和成本效益优化 | 开发准确诊断皮肤病变的自动化方法 | 皮炎、光化性角化病(AK)、脂溢性角化病(SK)三种皮肤病变 | 计算机视觉 | 皮肤病 | 高光谱成像(HSI), Savitzky-Golay滤波, 一阶导数光谱分析 | 深度学习 | 高光谱图像 | 60个术中临床标本 | NA | NA | 准确率, 灵敏度, 特异性 | NA |
| 3729 | 2025-10-06 |
A scoping review of self-supervised representation learning for clinical decision making using EHR categorical data
2025-Jun-14, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01692-1
PMID:40517140
|
综述 | 本文对使用电子健康记录分类数据进行自监督表示学习以支持临床决策的研究进行了范围综述 | 首次系统梳理了2019-2024年间针对未标记分类EHR数据的自监督表示学习研究趋势和模型家族分布 | 在评估这些技术对临床实践影响方面存在当前局限性 | 评估自监督表示学习在电子健康记录分类数据中支持临床决策的研究现状和发展趋势 | 46项从2019年1月至2024年4月发表的研究 | 自然语言处理 | NA | 自监督表示学习 | Transformer, Autoencoder, 图神经网络 | 电子健康记录分类数据 | 46项研究 | NA | Transformer-based, Autoencoder-based, Graph Neural Network-based | NA | NA |
| 3730 | 2025-10-06 |
Exploring Generative Pre-Trained Transformer-4-Vision for Nystagmus Classification: Development and Validation of a Pupil-Tracking Process
2025-Jun-06, JMIR formative research
IF:2.0Q4
DOI:10.2196/70070
PMID:40478723
|
研究论文 | 本研究开发并验证了一种基于GPT-4V的眼震分类方法，通过瞳孔追踪过程实现自动化分类 | 首次将生成式预训练Transformer-4-Vision模型应用于眼震分类，利用其强大的图像识别能力 | 总体分类准确率较低（图像输入37%，坐标输入24.6%），垂直和扭转方向眼震分类准确率不足，需要扩大数据集和增强输入模态 | 评估GPT-4V模型在眼震分类中的应用效果，开发自动化眼震分类方法 | 眼震视频记录中的瞳孔运动轨迹 | 计算机视觉 | 前庭疾病 | 瞳孔追踪技术，视频分析 | GPT-4V | 视频，图像，二维坐标数据 | NA | NA | Generative Pre-trained Transformer 4 Vision | 准确率 | NA |
| 3731 | 2025-10-06 |
HVAngleEst: A Dataset for End-to-end Automated Hallux Valgus Angle Measurement from X-Ray Images
2025-May-30, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05261-9
PMID:40447606
|
研究论文 | 本文提出了首个用于拇外翻角度自动测量的大规模公开数据集HVAngleEst | 创建了首个专门用于拇外翻角度估计的大规模开放数据集，支持端到端自动测量 | NA | 开发用于拇外翻角度自动测量的深度学习算法 | X射线图像中的足部区域和骨骼结构 | 计算机视觉 | 足部疾病 | X射线成像 | NA | X射线图像 | 1,382张X射线图像，来自1,150名患者 | NA | NA | NA | NA |
| 3732 | 2025-10-06 |
Development of a deep-learning algorithm for etiological classification of subarachnoid hemorrhage using non-contrast CT scans
2025-May-17, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11666-2
PMID:40382487
|
研究论文 | 开发基于深度学习的算法，使用非增强CT扫描对蛛网膜下腔出血进行病因分类 | 首次利用非增强CT扫描通过深度学习模型区分动脉瘤性和非动脉瘤性蛛网膜下腔出血 | 回顾性研究设计，样本量相对有限（618例患者） | 开发能够快速准确分类蛛网膜下腔出血病因的深度学习算法 | 618名蛛网膜下腔出血患者 | 医学影像分析 | 蛛网膜下腔出血 | 非增强计算机断层扫描（NCCT） | 深度学习 | 医学影像（CT扫描） | 618例患者（训练集533例，外部测试集85例） | NA | U-Net++, ResNet | 灵敏度, 特异度, 准确率, Matthews相关系数, AUC | NA |
| 3733 | 2025-10-06 |
Optimizing Mask R-CNN for enhanced quinoa panicle detection and segmentation in precision agriculture
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1472688
PMID:40530286
|
研究论文 | 本研究提出了一种基于改进Mask R-CNN的藜麦圆锥花序检测与分割方法，用于精准农业中的产量估算 | 首次将实例分割技术应用于藜麦圆锥花序分析，采用EfficientNet-B7骨干网络和Mish激活函数优化模型性能 | NA | 开发自动化藜麦产量估算的深度学习方法 | 藜麦圆锥花序 | 计算机视觉 | NA | 实例分割 | Mask R-CNN | 图像 | NA | NA | Mask R-CNN, EfficientNet-B7 | NA | NA |
| 3734 | 2025-10-06 |
Quantization of extraoral free flap monitoring for venous congestion with deep learning integrated iOS applications on smartphones: a diagnostic study
2023-Jun-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000000391
PMID:37055021
|
研究论文 | 开发并验证了一种集成深度学习的iOS智能手机应用，用于量化监测口腔外游离皮瓣静脉淤血 | 首次将深度学习模型集成到智能手机应用中实现游离皮瓣监测的客观量化，替代传统主观人工观察方法 | 单中心回顾性研究，样本量有限（642名患者），仅适用于iOS平台 | 开发一种科学监测和量化游离皮瓣状况的临床工具 | 接受游离皮瓣手术的患者术后皮瓣监测 | 计算机视觉 | 外科手术并发症 | 计算机视觉，深度学习 | 深度学习模型 | 图像 | 642名患者的1761张照片 | NA | NA | 准确率，灵敏度，特异性，AUC，校准测试 | 智能手机iOS平台 |
| 3735 | 2025-10-06 |
Characterization of binding kinetics and intracellular signaling of new psychoactive substances targeting cannabinoid receptor using transition-based reweighting method
2025-Apr-08, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.29.560261
PMID:37873328
|
研究论文 | 本研究通过分子动力学模拟和深度学习方法揭示了新型精神活性物质与大麻素受体结合动力学及下游信号传导的分子机制 | 结合过渡态重加权方法和神经关系推理深度学习技术分析配体结合动力学与下游信号传导的关系 | 研究主要针对两种特定配体，结果可能需要更广泛的验证 | 阐明新型精神活性物质与大麻素受体结合动力学及其对下游信号传导的影响机制 | 新型精神活性物质MDMB-Fubinaca和经典大麻素HU-210与大麻素受体1的相互作用 | 计算生物学 | 药物滥用 | 分子动力学模拟, 过渡态重加权方法, 深度学习 | 变分自编码器, 神经关系推理 | 分子动力学轨迹数据 | 两种配体分子与受体的相互作用研究 | NA | 变分自编码器, 神经关系推理 | NA | NA |
| 3736 | 2025-10-06 |
From systems to structure - using genetic data to model protein structures
2022-06, Nature reviews. Genetics
DOI:10.1038/s41576-021-00441-w
PMID:35013567
|
综述 | 本文综述了利用大规模遗传数据和深度学习方法建模蛋白质结构及其相互作用的最新进展 | 整合共进化分析、深度突变扫描和基因组尺度遗传相互作用数据，结合深度学习技术进行蛋白质结构建模 | NA | 开发基于遗传数据的蛋白质结构建模方法 | 蛋白质结构和蛋白质相互作用 | 机器学习 | NA | 共进化分析, 深度突变扫描, 遗传相互作用图谱 | 深度学习 | 遗传数据, 结构数据 | NA | NA | NA | NA | NA |
| 3737 | 2025-10-06 |
Deep learning is widely applicable to phenotyping embryonic development and disease
2021-11-01, Development (Cambridge, England)
DOI:10.1242/dev.199664
PMID:34739029
|
研究论文 | 本研究探索深度学习在胚胎发育表型分析中的广泛应用，通过U-Net网络实现多种成像模式的自动分割 | 首次将深度学习与光片显微镜结合，实现非洲爪蟾胚胎发育异常的高通量表型分析 | 研究主要聚焦于特定器官系统（肾脏、神经和颅面），尚未涵盖所有可能的发育异常类型 | 开发自动化胚胎发育表型分析方法，提高发育畸形评估的灵敏度和通量 | 非洲爪蟾胚胎，特别是肾脏发育异常（pkd1、pkd2）和颅面畸形（six1）模型 | 计算机视觉 | 先天性疾病 | 光片显微镜，全胚胎成像 | CNN | 图像 | 多种基因编辑和化学处理条件下的非洲爪蟾胚胎样本 | NA | U-Net | 分割准确性，表型量化精度 | NA |
| 3738 | 2025-10-06 |
Cognitive decline assessment using semantic linguistic content and transformer deep learning architecture
2024 May-Jun, International journal of language & communication disorders
IF:1.5Q3
DOI:10.1111/1460-6984.12973
PMID:37971395
|
研究论文 | 本研究提出了一种通过分析语音数据评估认知衰退的方法，特别关注语义相关性作为记忆回忆的关键指标 | 使用基于transformer的深度学习架构和余弦相似度度量来分析语音转录本的语义相关性，提出了一种独特的认知衰退评估方法 | 需要进一步研究在更大、更多样化数据集上验证算法性能，并解决潜在的偏见和局限性 | 通过分析语音数据评估认知衰退，为痴呆症早期检测提供新方法 | 有痴呆症和无痴呆症个体的语音数据 | 自然语言处理 | 老年疾病 | 语音分析，深度学习 | Transformer, BERT, Sentence-Transformer | 语音转录文本 | Pitt Corpus Dementia数据集中的语音数据 | Sentence-Transformer | BERT, multi-QA-MPNet, Sentence-Transformer | 准确率, 余弦相似度 | NA |
| 3739 | 2025-10-06 |
Deep learning with ensemble-based hybrid AI model for bipolar and unipolar depression detection using demographic and behavioral based on time-series data
2025-12, Dialogues in clinical neuroscience
DOI:10.1080/19585969.2025.2524337
PMID:40588165
|
研究论文 | 提出基于人口统计学和行为时间序列数据的集成混合AI模型，用于双相和单相抑郁症检测 | 结合结构化人口统计特征与合成活动记录时间序列数据的混合AI框架，集成XGBoost和深度CNN模型 | 尚未经过临床验证，使用合成数据而非真实世界数据集 | 开发自动化的抑郁症分类方法 | 双相和单相抑郁症患者 | 机器学习 | 精神疾病 | 行为时间序列分析 | XGBoost, CNN | 时间序列数据，结构化人口统计数据 | NA | XGBoost, TensorFlow/PyTorch | 卷积神经网络 | 准确率，灵敏度，特异性 | NA |
| 3740 | 2025-10-06 |
Deep learning-enhanced multi-modal modeling for electrosorption performance prediction via Nyquist plots
2025-Oct-01, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2025.122069
PMID:40473194
|
研究论文 | 开发了一种基于深度学习的多模态模型，通过结合奈奎斯特图电化学表征和关键工艺参数来预测Cr(VI)去除效率和Cr(III)再生效率 | 首次将奈奎斯特图电化学表征与工艺参数结合，并采用ANN-CNN多模态模型进行电吸附性能预测 | 模型性能对退火温度变量较为敏感，单一ANN模型预测精度有限 | 预测流动电吸附系统中Cr(VI)去除效率和Cr(III)再生效率 | 石墨化纳米金刚石阴极电极在不同退火温度下的电化学性能 | 机器学习 | NA | 电化学阻抗谱，奈奎斯特图分析 | ANN, CNN | 电化学数据，工艺参数数据 | 不同退火温度下的电极样品 | NA | 人工神经网络，卷积神经网络 | R值，平均绝对误差，均方误差 | NA |