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 36491 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 | 2025-11-15 |
Amide proton transfer-weighted (APTw) CEST MRI in clinical routine for single time point diagnosis of pseudoprogression in IDH-wildtype glioblastoma
2025-Nov-13, Neuro-oncology
IF:16.4Q1
DOI:10.1093/neuonc/noaf261
PMID:41233976
|
研究论文 | 评估酰胺质子转移加权MRI在临床常规中用于IDH野生型胶质母细胞瘤假性进展单时间点诊断的可行性 | 首次将APTw MRI整合到常规临床工作流程中，并采用基于深度学习的自动量化方法进行肿瘤分割 | 抗血管生成治疗会降低APTw信号，后期随访时间点的诊断准确性下降 | 评估APTw MRI在区分胶质母细胞瘤真性进展与治疗相关效应中的诊断性能 | IDH野生型胶质母细胞瘤患者 | 数字病理 | 胶质母细胞瘤 | APTw MRI, DWI, PWI | 深度学习 | MRI图像 | 626名患者的870次扫描，其中143名胶质母细胞瘤患者的256次MRI扫描 | NA | NA | AUC, ROC分析, logistic回归分析 | NA |
| 3722 | 2025-11-15 |
Incorporating targeted protein structure in deep learning methods for molecule generation in computational drug design
2025-Nov-12, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc05748e
PMID:41164301
|
综述 | 本文综述了基于结构的药物发现中整合蛋白质结构信息的深度学习方法 | 系统总结了从早期基于形状的方法到最新共折叠模型的发展历程，探讨了如何利用结构信息设计具有增强结合潜力的分子 | NA | 为基于结构的药物发现领域提供深度学习方法的应用见解和未来发展方向建议 | 蛋白质结构信息和药物分子 | 计算药物设计 | NA | 深度学习 | NA | 蛋白质结构数据，分子结构数据 | NA | NA | 共折叠模型 | NA | NA |
| 3723 | 2025-11-15 |
Automatic segmentation and measurement of tongue geometric features using TOSA-Net for obstructive sleep apnoea
2025-Nov-12, Sleep & breathing = Schlaf & Atmung
DOI:10.1007/s11325-025-03511-z
PMID:41222764
|
研究论文 | 提出一种基于深度学习的舌体自动分割和几何特征测量方法TOSA-Net，用于阻塞性睡眠呼吸暂停研究 | 首次使用深度学习分割方法量化OSA相关舌体几何特征 | 样本量相对较小(n=207)，需要进一步验证 | 开发自动舌体分割和几何特征测量方法以辅助OSA研究 | 舌体图像和几何特征 | 计算机视觉 | 阻塞性睡眠呼吸暂停 | 深度学习图像分割 | CNN | 图像 | 207例正面和侧面舌体图像 | NA | U-Net | Dice系数,Pearson相关性,一致性分析 | NA |
| 3724 | 2025-11-15 |
A Spatio-Temporal Dataset for Satellite-Based Landslide Detection
2025-Nov-11, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06167-2
PMID:41219240
|
研究论文 | 本文介绍了Sen12Landslides数据集，这是一个用于卫星滑坡检测的大规模多模态时空数据集 | 提出了首个包含多时相卫星影像和精确事件时间戳的大规模滑坡检测数据集，支持时空动态分析 | 数据集覆盖区域有限，可能无法完全代表全球所有滑坡类型和地形条件 | 开发用于卫星滑坡检测和时空异常监测的深度学习数据集和方法 | 滑坡现象及其时空变化特征 | 计算机视觉,地球观测 | NA | 卫星遥感, Sentinel-1 SAR, Sentinel-2光学影像, Copernicus DEM | U-ConvLSTM, 3D-UNet, U-TAE | 卫星图像,数字高程模型 | 75,000个滑坡标注，来自全球15个地区，超过12,000个图像块 | NA | U-ConvLSTM, 3D-UNet, U-TAE | F1分数 | NA |
| 3725 | 2025-11-15 |
Sequential Human Assembly and Disassembly Motions in Human-Robot Coexisting Environments
2025-Nov-11, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06042-0
PMID:41219251
|
研究论文 | 提出一个专注于人机共存环境中顺序人体装配和拆卸动作的新型数据集 | 首个关注人机共存环境中顺序装配/拆卸动作的数据集，包含多视角视频和骨架数据，强调实际挑战如部分遮挡和重复动作 | NA | 研究人机共存环境中的人类行为模式，支持人机协作系统开发 | 人类在装配和拆卸任务中的顺序动作 | 计算机视觉 | NA | 多视角摄像系统，骨架提取技术 | 深度学习模型 | RGB视频，2D和3D人体骨架数据 | 33名参与者，超过10,000个样本 | Python | NA | NA | NA |
| 3726 | 2025-11-15 |
Tracking temporal progression of benign bone tumors through X-ray based detection and segmentation
2025-Nov-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23053-4
PMID:41219269
|
研究论文 | 提出一种基于深度学习的框架FusionX-BBTNet，用于从X射线图像中自动检测、分割和分析良性骨肿瘤的时间序列变化 | 结合YOLO目标检测与U-Net分割，引入小波增强数据集提升轮廓精度，开发OCR模块提取比例尺实现毫米级测量，通过质心对齐实现时间序列可视化 | 研究仅基于466张X射线图像验证，在放射学专业知识有限的环境中的实际应用效果需进一步验证 | 开发自动化系统用于良性骨肿瘤的时间序列检测、分割和定量分析 | 良性骨肿瘤的X射线图像 | 计算机视觉 | 骨肿瘤 | X射线成像 | CNN | 图像 | 466张专家标注的X射线图像 | NA | YOLO, U-Net | 平均IoU, 边界F1分数 | NA |
| 3727 | 2025-11-15 |
An explainable deep learning framework for trustworthy arrhythmia detection from ECG signals
2025-Nov-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22986-0
PMID:41219304
|
研究论文 | 提出一种可解释的深度学习框架用于心电信号的可靠心律失常检测 | 集成CNN和DNN的先进深度学习架构，结合多策略数据平衡技术和可解释人工智能方法，提供模型决策过程的透明洞察 | 未明确提及具体局限性 | 开发准确可靠的心律失常检测方法 | 心电信号 | 机器学习 | 心血管疾病 | ECG信号分析 | CNN, DNN | 信号数据 | 使用MITDB、PTBDB和NSTDB基准数据集 | NA | CNN, Dense Neural Network | 准确率 | NA |
| 3728 | 2025-11-15 |
A multi-factor data mining and transformer-based predictive modeling approach for career success using educational and behavioral traits
2025-Nov-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23078-9
PMID:41219306
|
研究论文 | 本研究提出基于Transformer的多因素数据挖掘方法，通过教育背景和行为特征预测职业成功满意度 | 首次将BERT模型应用于职业满意度预测，通过多层Transformer块整合嵌入层和前馈网络捕捉教育行为特征的复杂非线性关系 | 仅使用单一数据集进行验证，未在不同群体或文化背景下测试模型泛化能力 | 开发准确预测职业满意度的数据挖掘模型，提升学生就业机会和职业满意度 | 学生的学业成绩和行为特征数据 | 自然语言处理, 机器学习 | NA | 数据挖掘 | BERT, SVM, 逻辑回归, 随机森林, GRU | 教育行为数据 | NA | NA | Transformer, BERT, 门控循环单元 | 分类准确率 | NA |
| 3729 | 2025-11-15 |
A lightweight deep evidence fusion framework for smart home appliance detection and classification via internet of things devices
2025-Nov-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99957-y
PMID:41219347
|
研究论文 | 提出一种轻量级深度证据融合框架，用于通过物联网设备检测和分类智能家电 | 结合线性缩放归一化、改进蛇优化算法、门控循环单元与多头注意力混合分类器以及改进麻雀搜索优化算法，实现高效的智能家电识别 | NA | 建立稳健的智能家电检测与分类框架 | 智能家居电器 | 物联网 | NA | 深度学习 | GRU, 注意力机制 | 物联网传感器数据 | NA | NA | GRU-MHA混合框架 | 准确率 | NA |
| 3730 | 2025-11-15 |
Analysis of the EMHD nanofluid flow for geothermal pipelines using physics-driven deep learning
2025-Nov-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23315-1
PMID:41219355
|
研究论文 | 采用物理驱动的深度学习方法分析地热管道中电磁流体动力学纳米流体的流动特性 | 提出了一种新颖的无监督深度神经网络方法，用于预测地热管道应用中电磁流体动力学混合纳米流体的温度和速度行为 | NA | 优化地热管道系统中的热力学系统，提高能量守恒和传热效率 | 地热管道中的电磁流体动力学混合纳米流体流动 | 机器学习 | NA | 无监督深度神经网络 | DNN | 物理方程数据 | NA | NA | 深度神经网络 | 准确度 | NA |
| 3731 | 2025-11-15 |
Deep learning and multi-objective optimization for real-time occupancy-based energy control in smart buildings
2025-Nov-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23134-4
PMID:41219414
|
研究论文 | 提出一种结合深度学习和多目标优化的实时占用型能源控制框架，用于智能建筑的能源管理 | 首次将深度前馈神经网络与多目标粒子群优化结合，实现基于室内环境参数的实时占用预测和能源控制 | NA | 通过预测房间占用情况优化智能建筑的能源效率和室内舒适度 | 智能建筑中的房间占用模式和能源消耗 | 机器学习 | NA | 深度学习，多目标优化 | DNN | 室内环境传感器数据（CO浓度、光照、湿度、温度） | NA | NA | 深度前馈神经网络 | 准确率，优化效率 | NA |
| 3732 | 2025-11-13 |
Physics-informed sinogram completion for metal artifact reduction in non-contrast brain CT images with neurovascular coils: comparison with traditional and deep learning-based methods
2025-Nov-11, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01972-y
PMID:41219711
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3733 | 2025-11-15 |
C2PO: an ML-powered optimizer of the membrane permeability of cyclic peptides through chemical modification
2025-Nov-11, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-01109-x
PMID:41219827
|
研究论文 | 开发了一种名为C2PO的机器学习驱动优化器，通过化学修饰提高环肽的膜通透性 | 首个将机器学习模型转化为化学结构生成优化器的环肽通透性改善应用，并引入自动后校正工具解决ML生成化学结构的异常问题 | 模型可能生成不熟悉的化学结构，需要后校正工具进行修正 | 优化环肽的膜通透性以改善其口服生物利用度 | 环肽分子 | 机器学习 | NA | 深度学习回归模型 | 深度学习回归模型 | 化学结构数据 | 基于公开可用数据，具体数量未明确说明 | NA | NA | NA | NA |
| 3734 | 2025-11-15 |
Automated segmentation of esophageal squamous cell carcinoma in contrast-enhanced free-breathing 3D-GRE: a comparative study of UNet, nnUNet, and UMamba for tumor delineation
2025-Nov-11, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-02011-6
PMID:41219837
|
研究论文 | 比较UNet、nnUNet和UMamba三种深度学习模型在食管鳞状细胞癌自动分割中的性能 | 首次在对比增强自由呼吸3D-GRE MRI数据上系统比较UNet、nnUNet和UMamba模型，并证明UMamba在肿瘤分割中的优越性能 | 回顾性研究，样本量相对有限（192例患者），未在外部验证集上测试 | 开发自动化食管鳞状细胞癌分割方法以减少人工分割负担 | 食管鳞状细胞癌患者 | 医学影像分析 | 食管癌 | 对比增强自由呼吸3D-GRE MRI | UNet, nnUNet, UMamba | 医学影像 | 192例患者（171例训练，21例验证） | NA | UNet, nnUNet-2D, nnUNet-3D, UMamba | Dice相似系数, Hausdorff距离, 平均表面距离 | NA |
| 3735 | 2025-11-15 |
Inverse Modeling for Artifact Removal in Photonic Data: A Computational Physics and Transfer Learning-Based Approach
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02055
PMID:41150868
|
研究论文 | 提出一种结合计算物理和迁移学习的逆建模框架，用于消除光谱数据中的etaloning伪影 | 采用两阶段迁移学习策略，结合计算物理模拟和真实实验数据进行模型训练 | NA | 开发有效的光谱数据伪影去除方法 | 光谱数据中的etaloning伪影 | 计算物理 | NA | 转移矩阵法 | 深度学习 | 光谱数据 | 超过30,000个模拟光谱和真实实验数据 | NA | NA | 伪影减少率, 光谱精度 | NA |
| 3736 | 2025-11-15 |
Establishment of an Integrated Model for Predicting Compound Mutagenicity with a Feature Importance Analysis
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01586
PMID:41118227
|
研究论文 | 本研究开发了一个集成深度学习框架，通过结合多种分子特征来预测化合物的致突变性 | 提出了集成78个模型的深度学习框架，通过系统组合13种分子描述符和指纹，并进行了特征重要性分析揭示致突变化合物的结构特征 | 仅使用了5866个化合物样本，可能无法覆盖所有类型的化学结构 | 开发快速、经济有效的化合物致突变性预测方法 | 化学化合物的致突变性 | 机器学习 | NA | 分子描述符和指纹分析 | 深度学习 | 分子特征数据 | 5866个化合物（5279个训练，587个测试） | NA | 集成模型 | 平衡准确度, 精确度 | NA |
| 3737 | 2025-11-15 |
SHARP: Generating Synthesizable Molecules via Fragment-Based Hierarchical Action-Space Reinforcement Learning for Pareto Optimization
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01699
PMID:41134962
|
研究论文 | 提出一种基于片段分层动作空间强化学习的分子生成方法SHARP，用于多目标帕累托优化 | 采用片段化分层动作空间设计和基于预训练可合成性估计模型的动作掩码机制，确保生成分子的可合成性 | 未明确说明模型在更大规模化学空间中的泛化能力 | 解决多目标分子优化问题，包括高结合亲和力、可合成性和类药性 | 药物样分子的设计与生成 | 机器学习 | NA | 强化学习 | 强化学习策略网络 | 分子结构数据 | 四个先导化合物优化任务（片段生长、连接子设计、骨架跃迁和侧链修饰）的多样化受体集合 | NA | 分层动作空间强化学习架构 | 对接分数、药效团匹配、溶剂可及性 | NA |
| 3738 | 2025-11-15 |
Malignancy prediction for calcified thyroid nodules using deep learning based on ultrasound dynamic videos
2025-Nov-10, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00944-3
PMID:41214809
|
研究论文 | 基于超声动态视频开发优化钙化检测的深度学习模型，用于预测钙化甲状腺结节的良恶性 | 首次将3D深度学习模型应用于超声动态视频，并专门设计了钙化注意力模块增强对微钙化的敏感性 | 回顾性研究，需要前瞻性验证；样本来源仅限于六家医院 | 开发基于动态超声视频的深度学习模型，准确预测钙化甲状腺结节的恶性风险 | 钙化甲状腺结节 | 数字病理 | 甲状腺癌 | 超声动态视频 | 3D CNN | 视频 | 1,257名患者的2,319个甲状腺结节 | TensorFlow, PyTorch | 3D InceptionResNetV2 | AUROC, 敏感性, 特异性, 准确率 | NA |
| 3739 | 2025-11-15 |
Passive vs Active Nighttime Smartphone Use as Markers of Next-Day Suicide Risk
2025-Nov-03, JAMA network open
IF:10.5Q1
|
研究论文 | 研究夜间智能手机使用类型（被动与主动）与次日自杀风险的关联 | 首次区分夜间被动与主动手机使用对自杀风险的影响，并发现深夜使用预示脆弱性而午夜主动参与具有保护作用 | 样本量较小（79人），依赖自我报告数据，EMA依从率为68.8% | 探究夜间智能手机使用时间与类型对次日自杀意念和自杀计划的影响 | 有自杀风险倾向的成年人群（18岁以上，过去一个月有自杀念头或行为） | 数字健康 | 精神健康疾病 | 生态瞬时评估（EMA），被动数据感知，深度学习 | 深度学习模型 | 智能手机截图，自我报告数据 | 79名参与者，生成750万张截图 | NA | NA | 贝叶斯多水平模型，95%可信区间 | NA |
| 3740 | 2025-11-15 |
Artificial intelligence-guided design of lipid nanoparticles for pulmonary gene therapy
2025-Nov, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-024-02490-y
PMID:39658727
|
研究论文 | 本研究开发了一种基于深度学习的脂质纳米颗粒设计方法，用于肺部基因治疗 | 首次将定向消息传递神经网络应用于离子化脂质设计，能够预测核酸递送效果并拓展到训练集外的结构 | 研究主要基于小鼠和雪貂模型，人类应用效果仍需验证 | 开发人工智能指导的脂质纳米颗粒设计方法以改进基因治疗递送效率 | 离子化脂质、脂质纳米颗粒、mRNA递送系统 | 机器学习 | 肺部疾病 | 深度学习、基因治疗 | 神经网络 | 化学结构数据、活性测量数据 | 9,000多个脂质纳米颗粒活性测量数据，评估160万个脂质结构 | NA | 定向消息传递神经网络 | 体外和体内RNA递送预测准确率 | NA |