深度学习在生物医药领域中的应用
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，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10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 26514 篇文献，本页显示第 381 - 400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 381 | 2025-06-13 |
Cine cardiac magnetic resonance segmentation using temporal-spatial adaptation of prompt-enabled segment-anything-model: a feasibility study
2025 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2025.101909
PMID:40350082
|
研究论文 | 提出一种基于segment-anything-model (SAM)的cine心血管磁共振(CMR)分割方法cineCMR-SAM，通过时空注意力机制和提示技术提高分割准确性 | 首次将SAM基础模型适配到cine CMR分割任务，引入时空注意力机制和文本/框提示技术 | 仅评估了特定病理类型的数据集(主动脉瓣狭窄和HFpEF)，未覆盖所有心脏疾病 | 开发具有高泛化能力的cine CMR自动分割方法 | 心血管磁共振图像 | 医学图像分析 | 心血管疾病 | 深度学习 | SAM基础模型+时空注意力机制 | 磁共振图像序列 | 3个外部测试数据集(公共多中心数据集136例，主动脉瓣狭窄40例，HFpEF 53例) |
| 382 | 2025-06-13 |
A simulated annealing-based Bayesian network structure optimization framework for late morbidity prediction with a large prospective dataset
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17881
PMID:40400111
|
研究论文 | 本文提出了一种基于模拟退火的贝叶斯网络结构优化框架，用于预测宫颈癌患者的晚期发病率 | 开发了一种结合信息理论度量、预测性能度量和复杂度度量的模拟退火优化方法，能够生成逻辑清晰、可解释性强的贝叶斯网络 | 研究仅针对宫颈癌患者的晚期中度至重度膀胱炎进行预测，未涉及其他疾病或并发症 | 开发一种可定制的优化方法，用于自动生成逻辑清晰、可解释的贝叶斯网络，以预测宫颈癌患者的晚期发病率 | 宫颈癌患者的晚期中度至重度膀胱炎（CTCAEv.3） | 机器学习 | 宫颈癌 | 模拟退火优化方法 | 贝叶斯网络 | 临床数据 | 1153名宫颈癌患者（来自EMBRACE I数据集） |
| 383 | 2025-06-13 |
An overview of artificial intelligence and machine learning in shoulder surgery
2025-Jun, Clinics in shoulder and elbow
IF:1.8Q2
DOI:10.5397/cise.2025.00185
PMID:40405638
|
综述 | 本文综述了人工智能和机器学习在肩部手术中的应用及其对临床实践的变革 | 探讨了机器学习在肩关节置换术和肩袖撕裂治疗中的创新应用，包括预测术后结果、并发症及植入物选择 | 面临数据变异性、模型可解释性及临床工作流程整合等挑战 | 研究机器学习在肩部手术中的应用及其对临床实践的影响 | 肩关节置换术和肩袖撕裂的治疗 | 机器学习 | 肩部疾病 | 机器学习算法（如XGBoost、神经网络、生成对抗网络） | 监督学习、无监督学习、强化学习、深度学习模型 | 医学影像数据（如磁共振成像、超声） | NA |
| 384 | 2025-06-13 |
Molecular insights into the unique activation and allosteric modulation mechanisms of the human mas-related G-protein-coupled receptor X1
2025-Jun, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.144815
PMID:40451369
|
research paper | 该研究通过高斯加速分子动力学（GaMD）和深度学习技术，揭示了人类mas相关G蛋白偶联受体X1（MRGPRX1）的独特激活和变构调节机制 | 首次获得了未结合受体的稳定非活性构象，揭示了MRGPRX1在缺乏W切换开关和其他保守基序的情况下从非活性状态转变为活性状态的微妙结构和动态变化，并阐明了ML382通过短程和长程途径增强肽激动剂BAM与MRGPRX1结合亲和力的分子基础 | NA | 研究MRGPRX1的激活和变构调节机制，以促进镇痛和止痒药物的合理设计 | 人类mas相关G蛋白偶联受体X1（MRGPRX1） | 分子动力学模拟与深度学习 | 疼痛和瘙痒相关疾病 | 高斯加速分子动力学（GaMD）、神经关系推理（NRI）深度学习、结合自由能计算 | NRI | 分子动力学模拟数据 | NA |
| 385 | 2025-06-13 |
TIGPR: A multi-view ground penetrating radar detection data for damage assessment of transportation infrastructure
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111665
PMID:40496733
|
research paper | 介绍了一个名为TIGPR的高质量地面穿透雷达(GPR)图像数据集，用于交通基础设施损坏的检测和评估 | 提供了多样化的交通基础设施损坏数据，支持深度学习在无损检测和自动化评估中的应用 | 数据采集地点有限，可能无法涵盖所有环境条件下的基础设施损坏情况 | 推动智能损坏检测技术的发展，支持交通基础设施监测的机器学习模型开发 | 道路、桥梁、隧道和机场等交通基础设施的结构性损坏 | computer vision | NA | 2D和3D GPR系统(IDS-FastWave, MALA GX750, GeoScope 3D-Radar) | NA | image | 覆盖贵州、金华和南京等地的高速公路、市政道路和桥梁结构 |
| 386 | 2025-06-13 |
UrduSER: A comprehensive dataset for speech emotion recognition in Urdu language
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111627
PMID:40496743
|
research paper | 该文章介绍了一个名为UrduSER的综合数据集，用于乌尔都语语音情感识别研究 | 开发了一个全面的乌尔都语语音情感识别数据集，填补了现有数据集的不足，包括情感种类少、样本量小和对话内容重复等问题 | 数据集虽然全面，但仍可能受限于演员表演的真实性和乌尔都语方言的多样性 | 推动乌尔都语语音情感识别技术的研究和应用 | 乌尔都语语音信号及其对应的情感状态 | 自然语言处理 | NA | 语音信号分析 | NA | 语音 | 3500个语音信号，来自10名专业演员，每种情感500个样本 |
| 387 | 2025-06-13 |
Ripen banana dataset: A comprehensive resource for carbide detection and ripening stage analysis to enhance food quality and agricultural efficiency
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111659
PMID:40496751
|
research paper | 介绍了一个名为'Ripen Banana'的数据集，用于碳化物检测和香蕉成熟阶段分析，以提升食品质量和农业效率 | 新开发的香蕉数据集包含碳化和非碳化两类香蕉图像，覆盖从生到熟的各个阶段，为农业实践和计算机视觉技术提供了新资源 | 数据集仅来自孟加拉国Sirajganj地区，可能不具有全球代表性 | 提升食品质量和农业效率，支持数据驱动的食品检测和香蕉成熟系统 | 香蕉的成熟阶段和碳化处理 | computer vision | NA | 图像采集和增强 | machine learning和deep learning模型 | image | 1404张原始图像和6410张增强图像，总计7814张图像 |
| 388 | 2025-06-13 |
Meet the engineer using deep learning to restore Renaissance art
2025-Jun, Nature
IF:50.5Q1
DOI:10.1038/d41586-025-01776-8
PMID:40500324
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 389 | 2025-06-13 |
Integrating Alternative Fragmentation Techniques into Standard LC-MS Workflows Using a Single Deep Learning Model Enhances Proteome Coverage
2025-Jun-01, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.28.656555
PMID:40501536
|
研究论文 | 本文介绍了一种能够自动执行多种碎裂技术的质谱仪，并开发了一个深度学习模型用于预测碎片离子强度，从而提高了蛋白质组覆盖范围 | 开发了一个单一的Prosit深度学习模型，能够预测所有碎裂技术的碎片离子强度，并在标准数据分析流程中整合了这些替代碎裂方法 | NA | 提高质谱实验中的蛋白质组覆盖范围 | 质谱仪和碎裂技术 | 质谱分析 | NA | CID, UVPD, EID, ECD, LC-MS | Prosit深度学习模型 | 质谱数据 | NA |
| 390 | 2025-06-13 |
EXTENDING PROTEIN LANGUAGE MODELS TO A VIRAL GENOMIC SCALE USING BIOLOGICALLY INDUCED SPARSE ATTENTION
2025-Jun-01, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.29.656907
PMID:40501585
|
研究论文 | 本文提出了一种扩展蛋白质语言模型至病毒基因组规模的新方法，利用生物诱导的稀疏注意力机制捕获长距离蛋白质间相互作用 | 首次将蛋白质语言模型的上下文大小扩展至整个病毒基因组，通过训练大型基因组片段捕获蛋白质间长距离相互作用 | 目前仅应用于病毒基因组，尚未验证在其他生物基因组上的适用性 | 改进蛋白质语言模型以更好地理解病毒基因组中蛋白质间的相互作用 | 病毒基因组中的蛋白质序列 | 自然语言处理 | NA | 稀疏注意力机制 | transformer | 蛋白质序列数据 | 可处理长达61,000个氨基酸的序列 |
| 391 | 2025-06-13 |
Neural Spectral Prediction for Structure Elucidation with Tandem Mass Spectrometry
2025-Jun-01, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.28.656653
PMID:40501725
|
研究论文 | 本文介绍了一种名为ICEBERG的几何深度学习模型，用于模拟质谱中的碰撞诱导解离，以生成化学上合理的碎片及其相对强度，并考虑了碰撞能量和极性 | 提出了一种新的深度学习模型ICEBERG，能够模拟质谱中的碰撞诱导解离，显著提高了化合物注释的准确性 | 未明确提及具体局限性 | 开发一种能够快速、经济高效地识别未知分子结构的方法 | 分子结构及其碎片 | 机器学习和质谱分析 | 抑郁症和结核性脑膜炎 | 质谱/MS/MS | 几何深度学习模型/ICEBERG | 质谱数据 | NIST'20 [M+H] 加合物子集 |
| 392 | 2025-06-13 |
EnhancerDetector : Enhancer Discovery from Human to Fly via Interpretable Deep Learning
2025-May-31, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.28.656532
PMID:40501920
|
research paper | 介绍了一个基于卷积神经网络的跨物种增强子预测框架EnhancerDetector，该框架结合了高准确性和生物可解释性 | 提出了一种新的跨物种增强子预测方法，通过集成策略减少假阳性，并支持在新物种上进行微调，同时利用类激活图增强模型的可解释性 | 未提及具体的技术或数据限制 | 开发一个准确且可解释的增强子预测框架，适用于多种物种 | 人类、小鼠和果蝇的增强子序列 | machine learning | NA | deep learning, convolutional neural network | CNN | DNA序列数据 | 至少20,000个增强子序列用于微调 |
| 393 | 2025-06-13 |
MCOA: A Comprehensive Multimodal Dataset for Advancing Deep Learning in Corneal Opacity Assessment
2025-May-30, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05205-3
PMID:40447652
|
research paper | 该研究建立了一个全面的角膜混浊多模态数据集，用于推进深度学习在角膜混浊评估中的应用 | 创建了目前最大规模的角膜混浊数据集，结合了AS-OCT图像和前段照片，为深度学习算法的发展提供了高质量数据 | 未提及数据集的多样性和代表性是否覆盖所有类型的角膜混浊 | 推进深度学习在角膜混浊识别和评估中的应用，支持AI驱动的临床决策和个性化治疗计划 | 角膜混浊患者 | digital pathology | vision impairment | AS-OCT | deep learning | image | 6,272张AS-OCT图像和392张前段照片 |
| 394 | 2025-06-13 |
A Diffusion-Based Framework for Designing Molecules in Flexible Protein Pockets
2025-May-30, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.27.656443
PMID:40502112
|
research paper | 介绍了一种基于扩散的框架YuelDesign，用于设计适应柔性蛋白质口袋的分子 | YuelDesign采用新的蛋白质编码方案和全连接图表示来编码蛋白质口袋的灵活性，以及专门的键重建模块 | 未明确提及具体限制，但可能涉及对更广泛蛋白质类型的适用性或实验验证的深度 | 解决结构基药物发现中柔性蛋白质口袋分子设计的挑战 | 柔性蛋白质口袋和设计的分子 | machine learning | NA | 扩散模型 | diffusion-based model | 分子结构数据 | NA |
| 395 | 2025-06-13 |
Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs
2025-May-30, Research square
DOI:10.21203/rs.3.rs-6622868/v1
PMID:40502758
|
研究论文 | 本研究通过多中心评估放射组学和深度学习在区分高风险与低风险IPMNs中的效能 | 首次将放射组学与深度学习融合模型应用于IPMN恶性风险分层，并在多中心队列中验证其性能 | 模型性能尚需提升以达到独立临床应用标准 | 开发客观、非侵入性的IPMN恶性风险分层方法以减少不必要的手术干预 | 胰腺导管内乳头状黏液性肿瘤(IPMNs) | 数字病理 | 胰腺癌 | T2W MRI成像 | 2D/3D radiomics模型、DL模型及radiomics-DL融合模型 | 医学影像 | 7个中心的359例T2W MRI图像 |
| 396 | 2025-06-13 |
A Multi‑Region Brain Model to Elucidate the Role of Hippocampus in Spatially Embedded Decision‑Making
2025-May-29, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.29.656671
PMID:40502058
|
research paper | 本文提出了一种多区域大脑模型，用于研究海马体在空间嵌入决策中的作用 | 通过对比不同交互架构的强化学习代理与大脑模型，发现特定架构（网格细胞接收并联合编码自运动速度信号和决策证据增量）能优化学习效率并最好地再现实验观察结果 | 模型对海马体-内嗅皮层-新皮层回路的信息流和组织提出了新的预测，但需要进一步的神经生理学实验验证 | 探索结构化记忆回路在空间嵌入二元决策任务中的规范性作用 | 强化学习代理与大脑模型中的网格细胞和位置细胞 | machine learning | NA | reinforcement learning (RL) | recurrent neural network (RNN) | NA | NA |
| 397 | 2025-06-13 |
Foundation model embeddings for quantitative tumor imaging biomarkers
2025-May-29, Research square
DOI:10.21203/rs.3.rs-6630446/v1
PMID:40502795
|
研究论文 | 本文介绍了TumorImagingBench，一个包含六个公共数据集（3,244次扫描）的基准测试，用于评估十种医学影像基础模型在提取定量放射学表型方面的性能 | 首次系统评估了不同医学影像基础模型在提取癌症定量放射学表型方面的能力，并比较了它们的鲁棒性和可解释性 | 研究仅基于六个公共数据集，可能无法涵盖所有临床场景 | 评估医学影像基础模型在定量癌症成像中的性能，并指导模型选择 | 十种医学影像基础模型及其在癌症定量放射学表型提取中的表现 | 数字病理学 | 癌症 | 深度学习 | 基础模型 | 医学影像 | 3,244次扫描 |
| 398 | 2025-06-13 |
Evaporative cooling signals for wound healing in plants
2025-May-28, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.23.655667
PMID:40502075
|
研究论文 | 该研究揭示了植物叶片伤口愈合过程中局部冷却现象及其与冷响应基因激活的关系，并开发了一种基于计算机视觉和深度学习的伤口愈合监测方法 | 首次发现植物伤口愈合过程中的局部冷却现象及其作为愈合定量标记的功能，并开发了结合计算机视觉和深度学习的监测工具 | 研究仅限于拟南芥叶片，未验证在其他植物或组织中的普适性 | 探究植物伤口愈合的后期调控机制 | 拟南芥叶片伤口愈合过程 | 计算机视觉 | NA | 计算机视觉、深度学习 | 深度学习模型（未指定具体架构） | 图像数据 | NA |
| 399 | 2025-06-13 |
Cellular and subcellular specialization enables biology-constrained deep learning
2025-May-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.22.655599
PMID:40501912
|
research paper | 该研究探讨了生物约束下的深度学习如何通过细胞和亚细胞特化来实现 | 提出了一个完全符合生物学约束的深度学习算法，该算法包含不同类型的神经元细胞和神经元树突的分区信号传导 | 模型虽然符合生物学约束，但仍需实验验证其预测的神经元细胞类型在学习中的具体作用 | 研究生物学习如何通过神经元细胞类型和树突信号传导的特化来实现 | 人工神经网络（ANNs）和神经元细胞类型 | machine learning | NA | 深度学习算法 | ANN | image | NA |
| 400 | 2025-06-13 |
Performance of machine learning models for predicting high-severity symptoms in multiple sclerosis
2025-May-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63888-x
PMID:40414922
|
研究论文 | 本研究开发并公开了一款移动应用程序，用于从美国多发性硬化症（MS）患者中收集纵向数据，并利用机器学习和深度学习模型提前三个月预测五种高严重性症状的发生 | 首次利用移动技术持续收集数据，并开发模型预测多发性硬化症的高严重性症状 | 研究仅在美国进行，可能无法推广到其他地区 | 预测多发性硬化症患者的高严重性症状 | 多发性硬化症患者 | 机器学习 | 多发性硬化症 | 移动技术 | 经典ML方法和深度学习模型 | 纵向数据 | NA |