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 24644 篇文献，本页显示第 4241 - 4260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4241 | 2025-04-18 |
Optimizing Coronary CT Image Reconstruction With Deep Learning for Improved Quality: A Retrospective Study
2025-Apr-01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001746
PMID:40241428
|
研究论文 | 本研究评估了深度学习图像重建在冠状动脉CT血管成像（CCTA）中对图像质量的影响，并与自适应统计迭代重建（ASIR）进行了比较 | 首次在CCTA中应用深度学习图像重建技术（DLIR-H），并证明其在降低图像噪声、提高信噪比（SNR）和对比噪声比（CNR）方面显著优于传统ASIR-V方法 | 研究样本量有限（100例患者），且为单中心回顾性研究 | 优化冠状动脉CT图像重建技术以提高图像质量 | 疑似冠状动脉疾病（CAD）患者的CCTA图像 | 数字病理 | 心血管疾病 | 深度学习图像重建（DLIR-H） | 深度学习（未指定具体模型） | 医学影像（CT图像） | 100例疑似CAD患者的连续病例 |
| 4242 | 2025-04-18 |
Lit-OTAR framework for extracting biological evidences from literature
2025-Mar-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf113
PMID:40097274
|
研究论文 | 介绍了一种名为lit-OTAR的框架，该框架利用深度学习从科学文献中提取证据，以加速药物发现过程 | 结合命名实体识别和实体归一化技术，从大量科学文献中提取并标准化基因/蛋白质、疾病、生物体和化学/药物信息 | 未提及具体的技术性能指标或与其他方法的比较 | 加速药物发现过程和科学研究，通过从文献中提取生物医学证据 | 科学文献中的基因/蛋白质、疾病、生物体和化学/药物 | 自然语言处理 | NA | 深度学习 | NA | 文本 | 超过3900万篇摘要和450万篇全文文章及预印本 |
| 4243 | 2025-04-18 |
H2GnnDTI: hierarchical heterogeneous graph neural networks for drug-target interaction prediction
2025-Mar-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf117
PMID:40097269
|
研究论文 | 提出了一种名为H2GnnDTI的两级层次异构图学习模型，用于预测药物-靶点相互作用 | 通过低层次视图GNN和高层次视图GNN整合药物和蛋白质的结构，充分利用了DTIs中的层次信息 | 未提及具体局限性 | 开发计算工具以自动预测和理解药物-靶点相互作用，支持药物再利用和药物发现 | 药物和蛋白质 | 机器学习 | NA | 图神经网络 | H2GnnDTI (两级层次异构图学习模型) | 图数据 | 三个基准数据集 |
| 4244 | 2025-03-29 |
Author Correction: ThyroNet-X4 genesis: an advanced deep learning model for auxiliary diagnosis of thyroid nodules' malignancy
2025-Mar-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94090-2
PMID:40148386
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4245 | 2025-04-18 |
Machine Learning Analysis of Videourodynamics to Predict Incident Hydronephrosis in Patients With Spina Bifida
2025-Mar-25, The Journal of urology
IF:5.9Q1
DOI:10.1097/JU.0000000000004547
PMID:40132220
|
研究论文 | 利用机器学习分析视频尿动力学数据，预测脊柱裂患者发生肾积水的风险 | 开发了结合压力/体积记录和膀胱荧光镜图像特征的集成模型，提高了预测准确性 | 样本量相对有限，且仅针对脊柱裂患者 | 提高脊柱裂患者肾积水风险的预测准确性 | 脊柱裂患者 | 机器学习 | 脊柱裂 | 视频尿动力学 | 随机生存森林模型, 集成模型 | 视频尿动力学数据, 荧光镜图像 | 训练队列354人，验证队列200人 |
| 4246 | 2025-04-18 |
A deep learning model trained on expressed transcripts across different tissue types reveals cell-type codon-optimization preferences
2025-Mar-20, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf233
PMID:40156867
|
research paper | 本文开发了一种基于深度学习的工具，用于预测细胞类型依赖的密码子偏好，以提高重组蛋白的表达水平 | 使用RNN模型定义细胞类型依赖的密码子偏好，显著提高了蛋白质翻译效率，尤其是分泌蛋白 | 仅测试了三种组织类型（脑、肝和肌肉）的基因表达数据，可能不适用于所有细胞类型 | 开发一种新型深度学习工具，用于优化密码子使用以提高蛋白质表达水平 | 基因表达数据（脑、肝和肌肉组织）和分泌基因 | machine learning | NA | RNA-seq | RNN | gene expression data | 三种组织类型（脑、肝和肌肉）的基因表达数据 |
| 4247 | 2025-04-18 |
Smart Grain Storage Solution: Integrated Deep Learning Framework for Grain Storage Monitoring and Risk Alert
2025-Mar-18, Foods (Basel, Switzerland)
DOI:10.3390/foods14061024
PMID:40232114
|
研究论文 | 提出了一种基于深度学习框架的多模型融合方法，用于粮食储存状态监测和风险预警 | 结合3D DenseNet和3DCNN-LSTM两种三维深度学习模型，实现了粮食储存状态的准确分类和温度场的精确预测 | 未提及具体的数据集规模或实际应用中的潜在问题 | 克服现有粮食储存状态监测方法的局限性，提高风险预警能力 | 粮食储存状态和温度场动态变化 | 机器学习 | NA | 深度学习 | 3D DenseNet, 3DCNN-LSTM | 三维温度数据 | NA |
| 4248 | 2025-04-18 |
The Fermentation Degree Prediction Model for Tieguanyin Oolong Tea Based on Visual and Sensing Technologies
2025-Mar-13, Foods (Basel, Switzerland)
DOI:10.3390/foods14060983
PMID:40231982
|
研究论文 | 本研究基于视觉和传感技术，建立了铁观音乌龙茶发酵程度的预测模型 | 结合多源特征融合和Sparrow Search Algorithm优化，显著提高了发酵程度预测的准确性 | 研究仅针对铁观音乌龙茶，未验证在其他茶类中的适用性 | 实现铁观音乌龙茶发酵程度的在线实时监测，促进自动化生产 | 铁观音乌龙茶 | 机器学习 | NA | 重量传感器、氧化锡型气体传感器、视觉采集系统 | SVR、RF、LSTM | 图像、气味、重量数据 | NA |
| 4249 | 2025-04-18 |
How much data do you need? An analysis of pelvic multi-organ segmentation in a limited data context
2025-Mar, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-024-01514-w
PMID:40067638
|
研究论文 | 本研究探讨了在有限数据背景下，盆腔多器官MR分割中数据集大小对nnU-Net模型性能的影响 | 评估了nnU-Net在有限数据和单一扫描仪条件下的性能表现，确定了数据量对分割性能的影响阈值（12张图像） | 研究仅基于单一扫描仪（Elekta Unity）获取的数据，可能影响结果的普适性 | 探索深度学习模型在有限数据条件下的盆腔多器官分割性能 | 接受Elekta Unity治疗的12名参与者的58张MR图像（前列腺、精囊、膀胱和直肠） | 数字病理 | 前列腺癌 | MR成像 | nnU-Net | 医学影像 | 12名参与者（58张MR图像，其中46张用于训练，12张用于测试） |
| 4250 | 2025-04-18 |
Deep learning and robotics enabled approach for audio based emotional pragmatics deficits identification in social communication disorders
2025-Mar, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine
DOI:10.1177/09544119251325331
PMID:40079556
|
研究论文 | 本研究开发了一种结合深度学习和机器人技术的方法，用于识别社交沟通障碍患者基于音频的情感语用缺陷 | 首次将深度学习与机器人平台结合用于识别情感语用缺陷 | 使用的MFCC生成数据为单一维度，可能限制模型性能 | 开发工具以改善社交情感语用反应缺陷患者的沟通能力 | 社交语用沟通缺陷患者 | 机器学习 | 社交沟通障碍 | MFCC音频特征提取 | 1D-CNN, LSTM, Bi-LSTM | 音频 | 开源数据集（具体数量未说明） |
| 4251 | 2025-04-18 |
Digital Health Policy and Cybersecurity Regulations Regarding Artificial Intelligence (AI) Implementation in Healthcare
2025-Mar, Cureus
DOI:10.7759/cureus.80676
PMID:40236368
|
review | 该研究分析了人工智能在医疗系统中实施的可行性，并探讨了相关的数字健康政策和网络安全法规 | 强调了AI算法训练的透明度和数据多样性在提升AI解决方案普适性中的重要性，并提出了加强网络安全措施的必要性 | 仅包括2000年至2024年间的英文出版物，可能忽略了其他语言或更早时期的重要研究 | 分析人工智能在医疗系统中实施的可行性及其相关政策和法规 | 医疗系统中的人工智能实施及其对医疗服务和患者数据安全的影响 | 数字病理学 | NA | 机器学习和深度学习 | NA | 医疗数据 | NA |
| 4252 | 2025-04-18 |
Spatially resolved transcriptomics and graph-based deep learning improve accuracy of routine CNS tumor diagnostics
2025-02, Nature cancer
IF:23.5Q1
DOI:10.1038/s43018-024-00904-z
PMID:39880907
|
research paper | 该研究开发了一种名为NePSTA的方法，结合空间转录组学和图神经网络，用于中枢神经系统肿瘤的自动组织学和分子评估 | NePSTA方法首次将空间转录组学与图神经网络结合，用于中枢神经系统肿瘤的诊断，能够在单一切片上实现高精度的组织学和分子评估 | 该方法虽然降低了DNA质量和数量的要求，但仍需进一步验证其在更广泛样本中的适用性 | 提高中枢神经系统肿瘤的诊断准确性和效率 | 中枢神经系统肿瘤患者和健康捐赠者的组织样本 | digital pathology | CNS tumor | spatial transcriptomics, NGS, DNA methylation profiling | graph neural networks | spatial transcriptomic data, histological images | 130名参与者的样本，包括CNS恶性肿瘤患者和健康捐赠者，来自四个医疗中心 |
| 4253 | 2025-04-18 |
Artificial intelligence in chronic kidney disease management: a scoping review
2025, Theranostics
IF:12.4Q1
DOI:10.7150/thno.108552
PMID:40225559
|
综述 | 本文通过范围综述探讨了人工智能在慢性肾病管理中的关键应用案例及面临的挑战 | 系统评估了多种AI技术在慢性肾病管理中的应用，并提出了克服实施障碍的潜在解决方案 | 纳入研究的时间范围有限（2014-2024），且未对AI模型的实际临床效果进行定量分析 | 探索人工智能在改善慢性肾病管理中的应用潜力与挑战 | 慢性肾病患者 | 数字病理学 | 慢性肾病 | 机器学习（ML）、深度学习（DL）、无监督聚类、数字孪生、自然语言处理（NLP）和大语言模型（LLMs） | DL、ML、NLP、LLMs | 图像、文本 | 41篇相关研究文献 |
| 4254 | 2025-04-18 |
GraphTransNet: predicting epilepsy-related genes using a graph-augmented protein language model
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1584625
PMID:40235533
|
research paper | 提出了一种名为GraphTransNet的新型混合神经网络模型，用于预测与癫痫相关的基因靶点 | 结合蛋白质语言模型(ESM)与Transformer和CNN组件的新型架构，显著提高了癫痫相关基因靶点的预测准确率 | 未提及模型在临床实际应用中的验证情况 | 改进癫痫疾病的诊断策略和发现新的药物靶点 | 癫痫相关基因靶点 | machine learning | 癫痫 | 蛋白质语言模型(ESM), 深度学习 | GraphTransNet(结合Transformer和CNN) | 基因序列数据 | NA |
| 4255 | 2025-04-18 |
ProstaNet: A Novel Geometric Vector Perceptrons-Graph Neural Network Algorithm for Protein Stability Prediction in Single- and Multiple-Point Mutations with Experimental Validation
2025, Research (Washington, D.C.)
DOI:10.34133/research.0674
PMID:40235597
|
研究论文 | 介绍了一种名为ProstaNet的深度学习框架，用于预测单点和多点突变对蛋白质稳定性的影响 | 使用几何向量感知器-图神经网络进行3维特征处理，创建了ProstaDB数据库，并应用了创新的聚类方法生成标准测试集 | NA | 预测突变对蛋白质稳定性的影响 | 蛋白质的单点和多点突变 | 机器学习 | NA | 深度学习 | 几何向量感知器-图神经网络 | 3维结构数据 | 3,784个单点突变和1,642个多点突变 |
| 4256 | 2025-04-18 |
Predicting pathogen evolution and immune evasion in the age of artificial intelligence
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.03.044
PMID:40235636
|
review | 探讨人工智能在预测病毒进化和免疫逃逸方面的应用及最新突破 | 利用人工智能预测病毒进化，特别是在COVID-19大流行背景下加速发展的方法 | 虽然方法设计适用于多种RNA病毒，但主要讨论集中在SARS-CoV-2上 | 预测病毒进化以提前应对潜在的有害突变 | 病毒（特别是RNA病毒，如SARS-CoV-2）的进化 | machine learning | infectious disease | deep learning, language models (LM) | LM | genomic, epidemiologic, immunologic, biological data | NA |
| 4257 | 2025-04-18 |
Substrate binding of human and bacterial type IA topoisomerase: An experimentation with AlphaFold 3.0
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.03.041
PMID:40235641
|
研究论文 | 利用AlphaFold 3.0预测人类和细菌IA型拓扑异构酶与底物结合的3D结构 | 首次使用AlphaFold3预测人类和细菌IA型拓扑异构酶与单链DNA的复合物结构，探索其序列偏好性 | 预测的蛋白-DNA复合物结构，尤其是较长寡核苷酸(>25-mer)的复合物不可靠，且无法可靠复制生化实验中观察到的DNA结合序列特异性 | 探索拓扑异构酶与单链DNA结合的3D结构及其序列偏好性，用于筛选潜在抑制剂 | 人类拓扑异构酶3β (hTOP3B)和细菌拓扑异构酶I与单链DNA的复合物 | 结构生物学 | NA | AlphaFold3 (AF3), X射线晶体学, Cryo-EM | AlphaFold3 | 蛋白质序列, 单链DNA序列 | 大量预测的复合物结构，重点关注9-mer和>25-mer寡核苷酸复合物 |
| 4258 | 2025-04-18 |
iNClassSec-ESM: Discovering potential non-classical secreted proteins through a novel protein language model
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.03.043
PMID:40235638
|
研究论文 | 本研究提出了一种名为iNClassSec-ESM的新型非经典分泌蛋白预测器，结合深度学习和传统分类器以提高预测性能 | iNClassSec-ESM整合了基于手工特征的XGBoost模型和基于蛋白质语言模型ESM3隐藏层嵌入的DNN模型，首次将ESM3应用于蛋白质表示 | 非经典分泌途径的机制尚不明确，可能影响预测的准确性 | 开发计算方法来高效识别非经典分泌蛋白（NCSPs） | 非经典分泌蛋白（NCSPs） | 生物信息学 | NA | 蛋白质语言模型（PLM） | XGBoost, DNN, ESM3 | 蛋白质序列 | NA |
| 4259 | 2025-04-18 |
Enhancing multi-class neurodegenerative disease classification using deep learning and explainable local interpretable model-agnostic explanations
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1562629
PMID:40236458
|
research paper | 该研究提出两种深度学习架构，用于增强阿尔茨海默病和帕金森病的医学图像分类，并结合可解释AI技术提高诊断透明度和临床信任 | 引入基于残差的自注意力卷积神经网络（RbACNN和IRbACNN），结合自注意力机制改进特征提取和模型可解释性，并整合可解释AI技术 | 未提及模型在更大规模或多样化数据集上的泛化能力 | 提高神经退行性疾病的早期诊断准确性和临床信任度 | 阿尔茨海默病（AD）和帕金森病（PD）患者 | digital pathology | neurodegenerative disease | deep learning, explainable AI (XAI) | RbACNN, IRbACNN | medical image | NA |
| 4260 | 2025-04-18 |
ModuCLIP: multi-scale CLIP framework for predicting foundation pit deformation in multi-modal robotic systems
2025, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2025.1544694
PMID:40236467
|
研究论文 | 提出了一种多尺度CLIP框架ModuCLIP，用于多模态机器人系统中的基坑变形预测 | 利用自监督对比学习机制整合多源信息，并采用多尺度特征学习方法增强对复杂条件的适应性 | 未提及具体局限性 | 提高基坑变形预测的准确性和鲁棒性 | 基坑变形预测 | 机器学习和工程应用 | NA | 自监督对比学习，多尺度特征学习 | CLIP框架 | 图像、文本描述、传感器数据 | 多个基坑工程数据集 |