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 32373 篇文献，本页显示第 4381 - 4400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4381 | 2025-10-06 |
CMCN: Chinese medical concept normalization using continual learning and knowledge-enhanced
2024-11, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102965
PMID:39241561
|
研究论文 | 本研究提出了一种结合持续学习和知识增强的中文医学概念规范化模型 | 利用多态语义信息和多任务学习进行知识增强，并通过持续学习保留重要医学特征 | 中文医学语义和本体资源匮乏，中文疾病数据集的规模有限 | 中文医学概念规范化研究 | 中文疾病名称 | 自然语言处理 | 多种疾病 | 深度学习 | GCBM-BSCL | 文本 | 自建的中文疾病数据集 | NA | 多任务学习，持续学习 | Accuracy@1, Accuracy@5, Accuracy@10 | NA |
| 4382 | 2025-10-06 |
GenoM7GNet: An Efficient N7-Methylguanosine Site Prediction Approach Based on a Nucleotide Language Model
2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3459870
PMID:39302806
|
研究论文 | 提出一种基于核苷酸语言模型的高效N7-甲基鸟苷位点预测方法GenoM7GNet | 首次将BERT预训练模型应用于RNA序列的m7G位点预测，结合一维CNN进行特征学习和分类 | 未明确说明模型在其他类型RNA修饰预测中的泛化能力 | 开发高效的m7G位点预测方法以替代耗时耗能的传统实验方法 | RNA序列中的N7-甲基鸟苷修饰位点 | 生物信息学 | NA | RNA测序 | BERT, CNN | RNA序列数据 | NA | NA | BERT, 一维卷积神经网络 | 准确率, 灵敏度, 特异性, 马修斯相关系数, AUC | NA |
| 4383 | 2025-10-06 |
RECOMED: A comprehensive pharmaceutical recommendation system
2024-11, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102981
PMID:39306906
|
研究论文 | 开发了一个综合药物推荐系统RECOMED，通过考虑人群、疾病和药物特征向医生和患者推荐药物 | 结合矩阵分解和深度学习模型，整合药物相互作用知识和情感分析，相比传统方法显著提升推荐准确率 | 系统准确性与临床准确性不同，需要更大数据集以获得更精确结果 | 构建高精度的药物推荐系统，辅助医生和患者用药决策 | 患者、医生、药物信息 | 自然语言处理 | NA | 情感分析，自然语言处理 | 神经网络，矩阵分解 | 文本，评分数据，药物信息 | 2304名患者作为训练集，660名患者作为验证集 | Python | NA | 准确率，灵敏度，命中率 | NA |
| 4384 | 2025-10-06 |
Improving Antifreeze Proteins Prediction With Protein Language Models and Hybrid Feature Extraction Networks
2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3467261
PMID:39316498
|
研究论文 | 提出一种结合蛋白质语言模型和混合特征提取网络的深度学习新方法AFP-Deep，用于提高抗冻蛋白预测性能 | 整合预训练蛋白质语言模型的嵌入表示和进化上下文特征，通过混合特征提取网络增强嵌入与抗冻模式的相关性 | NA | 开发更准确的抗冻蛋白预测方法 | 抗冻蛋白 | 机器学习 | NA | 蛋白质序列分析 | 深度学习,混合神经网络 | 蛋白质序列 | NA | NA | 混合特征提取网络 | AUPRC | NA |
| 4385 | 2025-10-06 |
A Protein-Context Enhanced Master Slave Framework for Zero-Shot Drug Target Interaction Prediction
2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3468434
PMID:39331551
|
研究论文 | 提出一种蛋白质上下文增强的主从框架用于零样本药物靶点相互作用预测 | 提出PCMS框架通过主学习器学习目标蛋白质上下文信息并自适应生成从学习器参数，实现无需先验数据的零样本预测 | 未明确说明框架在新发现蛋白质上的泛化能力限制及计算复杂度分析 | 解决新发现靶点蛋白质在缺乏已知相互作用数据时的药物靶点相互作用预测问题 | 药物分子与靶点蛋白质的相互作用关系 | 机器学习 | NA | 深度学习 | 主从学习框架 | 药物-靶点蛋白质对数据 | 两个公共数据集 | NA | 主学习器,从学习器 | 多种评估指标 | NA |
| 4386 | 2025-10-06 |
Joint self-supervised and supervised contrastive learning for multimodal MRI data: Towards predicting abnormal neurodevelopment
2024-11, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102993
PMID:39369634
|
研究论文 | 提出一种联合自监督和监督对比学习方法，用于多模态MRI数据的特征学习以预测异常神经发育 | 开发了联合自监督和监督对比学习的新方法，能够将异质多模态特征投影到共享空间，整合不同模态和相似受试者的互补和类似信息 | NA | 预测异常神经发育 | 多模态MRI数据（结构、扩散张量、功能磁共振成像） | 医学影像分析 | 神经发育异常 | 磁共振成像（MRI） | 对比学习 | 多模态医学影像 | 两个独立数据集 | NA | 对比学习网络 | NA | NA |
| 4387 | 2025-10-06 |
Generative Biomedical Event Extraction With Constrained Decoding Strategy
2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3480088
PMID:39401115
|
研究论文 | 提出基于T5预训练语言模型的生物医学事件生成方法，采用约束解码策略和课程学习算法 | 首次将序列到序列生成范式应用于生物医学事件抽取，引入约束解码算法指导序列生成 | 仅在Genia 2011和Genia 2013两个数据集上验证，未在其他生物医学数据集测试 | 解决传统抽取式方法存在的级联错误问题，提升生物医学事件抽取性能 | 生物医学事件 | 自然语言处理 | NA | 序列到序列生成，约束解码，课程学习 | T5 | 文本 | Genia 2011和Genia 2013两个公共基准数据集 | NA | T5 | NA | NA |
| 4388 | 2025-10-06 |
Enhancing Autism Spectrum Disorder identification in multi-site MRI imaging: A multi-head cross-attention and multi-context approach for addressing variability in un-harmonized data
2024-11, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102998
PMID:39442245
|
研究论文 | 提出一种多头部交叉注意力和多上下文框架，用于解决多站点MRI数据中的扫描仪差异问题，以增强自闭症谱系障碍的识别 | 提出CCMSMCF框架整合多头部注意力跨尺度模块和残差多上下文模块，实现一定程度的数据内部协调，使其对扫描仪和站点不敏感 | 方法在完全未协调数据上的泛化能力仍需进一步验证 | 开发能够跨不同扫描仪和站点有效工作的自闭症谱系障碍识别模型 | 自闭症谱系障碍患者的多站点fMRI数据 | 医学影像分析 | 自闭症谱系障碍 | fMRI功能连接性分析 | 深度学习 | MRI图像 | ABIDE-I数据集中的多站点多扫描仪数据 | NA | 多头部注意力跨尺度模块(MHACSM), 残差多上下文模块(RMCN) | NA | NA |
| 4389 | 2025-10-06 |
Use of Artificial Intelligence in Cobb Angle Measurement for Scoliosis: Retrospective Reliability and Accuracy Study of a Mobile App
2024-11-01, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/50631
PMID:39486021
|
研究论文 | 评估基于深度学习的移动AI应用在脊柱侧凸Cobb角自动测量中的可靠性和准确性 | 开发了完全自动化的Cobb角测量AI应用，无需医生手动测量，消除了观察者间差异性 | 回顾性研究，样本仅来自单一医疗中心 | 验证AI应用在脊柱侧凸Cobb角自动测量中的性能 | 脊柱侧凸患儿的脊柱X光片 | 医学影像分析 | 脊柱侧凸 | X射线成像 | 深度学习 | X光图像 | 601名患儿（89名男性，512名女性），802张全脊柱X光片 | NA | NA | Bland-Altman检验，组内相关系数(ICC)，绝对误差，一致性界限(LoAs) | 移动应用 |
| 4390 | 2025-10-06 |
MMD-DTA: A Multi-Modal Deep Learning Framework for Drug-Target Binding Affinity and Binding Region Prediction
2024 Nov-Dec, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3451985
PMID:39208057
|
研究论文 | 提出一种多模态深度学习框架MMD-DTA，用于预测药物-靶点结合亲和力及结合区域 | 通过无监督学习同时预测结合亲和力和结合区域，整合药物和靶点的序列与结构多模态信息 | NA | 预测药物-靶点结合亲和力及识别结合区域 | 药物分子和靶点蛋白 | 机器学习 | NA | 深度学习 | 图神经网络 | 序列数据, 结构数据 | NA | NA | 图神经网络, 目标结构特征提取网络 | 关键评估指标 | NA |
| 4391 | 2025-10-06 |
Exploring the Role of Mobile Apps for Insomnia in Depression: Systematic Review
2024-10-18, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/51110
PMID:39423009
|
系统评价 | 系统评价针对抑郁和失眠的移动应用，分析其功能、效果和研究空白 | 首次系统评价同时针对抑郁和失眠的移动应用，特别关注AI和深度学习技术整合 | 仅纳入2017-2023年发表的18篇研究，样本量有限 | 系统评估针对抑郁和失眠的移动应用的有效性和研究现状 | 针对抑郁和失眠的移动应用研究 | 自然语言处理 | 精神疾病 | 自然语言处理, 机器学习, 生成对话 | 深度学习 | 文本交互数据 | 18篇符合条件的研究文章 | NA | 聊天机器人 | 可行性, 可接受性, 潜在有效性 | NA |
| 4392 | 2025-10-06 |
Automated High-Throughput Atomic Force Microscopy Single-Cell Nanomechanical Assay Enabled by Deep Learning-Based Optical Image Recognition
2024-10-02, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.4c03861
PMID:39302697
|
研究论文 | 开发了一种基于深度学习光学图像识别的自动化高通量原子力显微镜单细胞纳米力学检测方法 | 首次将深度学习图像识别技术应用于AFM单细胞纳米力学检测，实现了操作员独立的高通量自动化测量 | NA | 提高原子力显微镜单细胞纳米力学检测的效率和自动化程度 | 活体单细胞 | 计算机视觉 | NA | 原子力显微镜，光学明场成像 | 深度学习 | 光学图像 | NA | NA | NA | NA | NA |
| 4393 | 2025-10-06 |
Intra-arterial Pressure-Enabled Drug Delivery Significantly Increases Penetration of Glass Microspheres in a Porcine Liver Tumor Model
2024-10, Journal of vascular and interventional radiology : JVIR
IF:2.6Q2
DOI:10.1016/j.jvir.2024.06.030
PMID:38969336
|
研究论文 | 本研究验证了压力驱动药物递送技术能显著提高玻璃微球在猪肝肿瘤模型中的穿透效果 | 首次在转基因猪肝肿瘤模型中比较压力驱动药物递送与传统微导管在肝动脉灌注中的效果差异 | 研究样本量有限（PEDD组10例/9例，传统组7例/8例），且仅在猪模型中进行验证 | 评估压力驱动药物递送技术对肝肿瘤靶向治疗的改善效果 | 转基因猪（Oncopigs）诱导的肝肿瘤模型 | 数字病理 | 肝癌 | 肝动脉灌注、近红外成像、荧光标记 | 深度学习 | 图像 | 叶段灌注：PEDD组10例，传统组7例；选择性灌注：PEDD组9例，传统组8例 | Visiopharm | 自定义深度学习算法 | 信号强度定量分析、统计学显著性（P值） | NA |
| 4394 | 2025-10-06 |
Detecting suicide risk among U.S. servicemembers and veterans: a deep learning approach using social media data
2024-Sep-09, Psychological medicine
IF:5.9Q1
DOI:10.1017/S0033291724001557
PMID:39245902
|
研究论文 | 开发深度学习算法通过社交媒体数据检测美国军人和退伍军人的自杀风险 | 首次在军事专用社交媒体平台上使用RoBERTa模型结合帖文内容和元数据检测自杀相关内容 | 仅使用单一军事社交媒体平台数据，样本量相对有限 | 通过社交媒体数据分析识别有自杀风险的军人和退伍军人 | 美国军人和退伍军人在军事专用社交媒体平台上的公开帖文 | 自然语言处理 | 心理健康障碍 | 社交媒体数据分析 | RoBERTa | 文本 | 8449条社交媒体帖文 | NA | RoBERTa | 敏感度,特异度,精确度,F1分数,精确度-召回率曲线下面积 | NA |
| 4395 | 2025-10-06 |
Outcomes of Residency Education: Insights Into the Professional Formation of the Physical Therapist Resident
2024-Sep-01, Journal, physical therapy education
DOI:10.1097/JTE.0000000000000335
PMID:39150258
|
研究论文 | 本研究通过定性案例研究探讨物理治疗住院医师教育对专业能力发展的影响 | 首次通过多站点/专业领域的定性案例研究设计，探索物理治疗住院医师教育中的关键教学要素和学习环境 | 样本量较小（11个住院医师项目和13名住院医师），采用目的性便利抽样，结果可能缺乏普适性 | 探索住院医师教育对学习者发展的影响，并识别教学环境中的关键要素 | 物理治疗住院医师、住院医师项目主任和导师 | 医学教育 | NA | 定性研究、半结构化访谈、日志记录 | NA | 访谈记录、日志文本 | 11个物理治疗住院医师项目和13名住院医师 | NA | NA | NA | NA |
| 4396 | 2025-10-06 |
Neural Network Enables High Accuracy for Hepatitis B Surface Antigen Detection with a Plasmonic Platform
2024-07-17, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.4c02860
PMID:38975746
|
研究论文 | 本文介绍了一种结合无标记等离子体生物传感与神经网络深度学习的高精度乙肝表面抗原检测方法 | 首次将监督深度学习神经网络与厚度敏感等离子体耦合传感技术相结合，显著提高了检测精度 | 未明确说明样本来源和具体样本数量 | 开发高精度乙肝表面抗原检测平台，用于即时诊断应用 | 乙肝表面抗原（HBsAg） | 生物传感 | 乙肝病毒感染 | 无标记等离子体生物传感，厚度敏感等离子体耦合 | 神经网络 | 传感数据 | NA | 深度学习框架 | 神经网络 | 检测限，准确率，灵敏度 | NA |
| 4397 | 2025-10-06 |
Deconvolution of polygenic risk score in single cells unravels cellular and molecular heterogeneity of complex human diseases
2024-May-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.14.594252
PMID:38798507
|
研究论文 | 开发了一种名为scPRS的几何深度学习模型，能够在单细胞水平解析多基因风险评分，用于复杂疾病预测和生物学发现 | 首次将多基因风险评分分解到单细胞水平，结合单细胞染色质可及性数据，实现了疾病风险的细胞特异性解析 | NA | 开发精确疾病预测方法并系统研究复杂疾病的遗传、细胞和分子基础 | 2型糖尿病、肥厚型心肌病和阿尔茨海默病等复杂人类疾病 | 机器学习 | 复杂疾病 | 单细胞染色质可及性分析，多层多组学分析 | 几何深度学习 | 单细胞染色质可及性数据，遗传数据 | NA | NA | scPRS | 预测能力 | NA |
| 4398 | 2025-10-06 |
Deep Learning-based Assessment of Facial Asymmetry Using U-Net Deep Convolutional Neural Network Algorithm
2024 Jan-Feb 01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000009862
PMID:37973054
|
研究论文 | 本研究开发了一种基于深度卷积神经网络的计算机辅助诊断系统，用于评估后前位头颅X光片中的面部不对称性 | 首次将U-Net深度卷积神经网络算法应用于面部不对称性评估，实现了自动化的面部不对称诊断 | 样本量相对有限（1020例训练，25例测试），需要更大规模验证 | 评估基于深度学习的计算机辅助诊断系统在面部不对称检测中的诊断性能 | 接受正畸治疗的1020名患者的后前位头颅X光片 | 计算机视觉 | 面部不对称 | 后前位头颅X光成像 | CNN | 医学图像 | 1020例训练样本，25例测试样本 | NA | U-Net | 独立t检验，Bland-Altman图 | NA |
| 4399 | 2025-10-06 |
Development of AI-Based Diagnostic Algorithm for Nasal Bone Fracture Using Deep Learning
2024 Jan-Feb 01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000009856
PMID:38294297
|
研究论文 | 开发基于深度学习的AI算法用于鼻骨骨折诊断 | 首次将深度学习技术应用于鼻骨骨折的CT影像诊断 | 初步研究阶段，样本量有限，特异性有待提升 | 开发鼻骨骨折的自动化诊断算法 | 面部骨骼CT影像 | 计算机视觉 | 鼻骨骨折 | CT成像 | 深度学习 | 医学影像 | 未明确具体样本数量 | NA | NA | 灵敏度, 特异度 | NA |
| 4400 | 2025-10-06 |
Diagnosis of Developmental Dysplasia of the Hip by Ultrasound Imaging Using Deep Learning
2023-Aug-01, Journal of pediatric orthopedics
DOI:10.1097/BPO.0000000000002428
PMID:37193656
|
研究论文 | 本研究使用深度学习模型分析婴儿髋关节超声图像，以实现发育性髋关节发育不良的自动诊断 | 首次将多种预训练深度学习模型应用于DDH超声图像诊断，并通过Grad-CAM等技术可视化模型关注区域 | 样本量有限（60名DDH婴儿和131名健康婴儿），回顾性研究设计 | 评估深度学习在超声图像上诊断发育性髋关节发育不良的准确性 | 6个月以下疑似DDH的婴儿 | 计算机视觉 | 发育性髋关节发育不良 | 超声成像 | CNN | 超声图像 | 191名婴儿（326个髋关节），其中60名DDH患者（64个髋关节）和131名健康婴儿（262个髋关节） | MATLAB深度学习工具箱 | SqueezeNet, MobileNet_v2, EfficientNet | 准确率, 精确率, 召回率, F1分数 | NA |