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!

Sample Image
添加微信请说明来意
Sample Image
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。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期不过滤] [清除筛选条件]
当前共找到 32372 篇文献,本页显示第 441 - 460 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
441 2025-10-05
Single-cell foundation models: bringing artificial intelligence into cell biology
2025-Oct-01, Experimental & molecular medicine
综述 本文概述了单细胞基础模型的关键概念、应用及挑战,并提出了未来发展方向 将基础模型技术扩展到单细胞分析领域,创建能够整合多组学数据并分析细胞异质性的统一框架 面临组学数据非时序性、数据质量不一致、计算强度大以及潜在嵌入生物学意义解释困难等挑战 推动单细胞基础模型在单细胞基因组学中的应用,增强其对细胞功能和疾病机制的洞察能力 单细胞基础模型及其在单细胞基因组学数据分析中的应用 机器学习 NA 单细胞基因组学 基础模型 多组学数据 NA NA Transformer NA NA
442 2025-10-05
Decoding tissue-specific enhancers in plants using massively parallel assays and deep learning
2025-Oct-01, The Plant cell
研究论文 本研究通过大规模并行报告基因检测和深度学习技术解码植物组织特异性增强子 首次在番茄中系统鉴定果实特异性增强子,并利用深度学习指导合成增强子的设计 研究主要集中于番茄果实组织,未涵盖其他植物物种或组织类型 解析植物组织特异性增强子的调控机制并设计合成增强子 番茄果实特异性基因的启动子片段 深度学习 NA 大规模并行报告基因检测(MPRA), 深度学习 深度学习模型 DNA序列数据, 基因表达数据 11,180个来自果实特异性基因的启动子片段 NA NA NA NA
443 2025-10-05
Modeling Enzyme Temperature Stability from Sequence Segment Perspective
2025-Oct-01, Journal of chemical information and modeling IF:5.6Q1
研究论文 本文提出了一种从序列片段角度预测酶温度稳定性的深度学习框架 引入基于蛋白质序列片段表示的新方法,考虑不同区域对热稳定性的差异贡献 数据可用性有限且分布不平衡可能影响模型性能 开发能够准确预测酶温度稳定性的计算方法 酶蛋白质序列及其温度稳定性 机器学习 NA 深度学习 Transformer 蛋白质序列数据 NA NA Segment Transformer RMSE, MAE, Pearson correlation, Spearman correlation NA
444 2025-10-05
Choroidal Vascular Fingerprints From Indocyanine Green Angiography Unveil Chorioretinal Disease State
2025-Oct-01, Investigative ophthalmology & visual science IF:5.0Q1
研究论文 开发基于人机协同策略的深度学习算法,从吲哚菁绿血管造影图像中提取脉络膜血管多维特征,并探索其与多种脉络膜视网膜疾病的关联 首次提出脉络膜血管指纹概念,采用人机协同策略实现标注高效的深度学习算法,可量化血管直径、密度、复杂度、迂曲度和分支角度等多维特征 回顾性研究设计,样本量相对有限(394只眼),未包含所有类型的脉络膜视网膜疾病 开发标注高效的深度学习算法,探索脉络膜血管特征与脉络膜视网膜疾病的关联 中心性浆液性脉络膜视网膜病变、息肉样脉络膜血管病变、病理性近视患者及正常对照者的眼底图像 数字病理 脉络膜视网膜疾病 吲哚菁绿血管造影 深度学习分割模型 图像 394只眼(243只患者眼,151只正常对照眼) NA NA AUC, ICC NA
445 2025-10-05
Deep Learning for Automatic Segmentation of Pituitary Adenomas: A Videomics Study
2025-Oct-01, Operative neurosurgery (Hagerstown, Md.)
研究论文 本研究评估了三种深度学习模型在垂体腺瘤自动分割中的性能,发现Swin Transformer模型在肿瘤边界描绘方面表现最优 首次将视频内镜与人工智能结合的videomics技术应用于垂体腺瘤的实时手术分割,并比较了Swin Transformer、YOLO和Mask R-CNN三种先进模型 回顾性研究,样本量相对有限(700帧图像),仅基于单一医疗机构数据 评估不同深度学习模型在垂体腺瘤自动分割中的性能,提高手术中肿瘤边界描绘的准确性 接受内镜经鼻手术的垂体腺瘤患者 计算机视觉 垂体腺瘤 视频内镜技术 Swin Transformer, YOLO, Mask R-CNN 视频帧图像 700帧代表性图像,来自20个手术视频(14个训练,3个验证,3个测试) NA Swin Transformer, YOLOv8x, Mask R-CNN mAP, Dice相似系数, 召回率, 精确率 NA
446 2025-10-05
A deep learning-enabled toolkit for the 3D segmentation of ventricular cardiomyocytes
2025-Oct-01, The Journal of physiology
研究论文 开发了一种基于深度学习的工具包,用于心室心肌细胞的三维分割 首次将深度学习方法应用于高分辨率3D心肌细胞分割,并提供包含多物种、多实验条件的开源数据集和工具包 未明确说明模型在极端病理条件下的性能表现 开发可靠的心肌细胞3D分割方法以研究心脏生理和病理机制 心室心肌细胞 数字病理 心血管疾病 共聚焦显微镜 深度学习 3D图像 73个体积数据,涵盖7个物种(包括小鼠、人类和大象) NA NA 适应Rand误差, 体素对一致性 NA
447 2025-10-05
MOFNet: a deep learning framework for multi-omics data fusion in cancer subtype classification
2025-Oct-01, Molecular omics IF:3.0Q3
研究论文 提出MOFNet深度学习框架,通过多组学数据融合实现癌症亚型分类 结合相似性图池化模块和视图相关性发现网络,有效建模跨组学相关性并保持可解释性 仅使用TCGA数据库的三种癌症类型数据,未在其他独立数据集验证 开发可扩展且可解释的多组学数据融合方法用于癌症亚型分类 乳腺癌、低级别胶质瘤、胃腺癌患者的多组学数据 机器学习 癌症 mRNA表达、DNA甲基化、miRNA表达测序 深度学习 多组学数据 TCGA数据库中的三种癌症类型样本 PyTorch 图神经网络, VCDN 准确率, 加权F1分数, 宏F1分数 NA
448 2025-10-05
Machine Learning-Based Detection of EGFR Mutation and HER2 Overexpression in Metastatic Brain Adenocarcinoma: Systematic Review and Meta-Analysis
2025-Oct-01, Topics in magnetic resonance imaging : TMRI
系统评价与荟萃分析 评估基于机器学习的MRI影像组学模型在检测转移性脑腺癌中EGFR突变和HER2过表达方面的诊断性能 首次对机器学习模型在脑转移瘤中EGFR和HER2生物标志物检测进行系统评价和荟萃分析,比较了深度学习与传统机器学习模型的性能差异 存在方法学异质性,外部验证应用有限,需要更多前瞻性多中心研究确认临床适用性 评估机器学习模型在转移性脑腺癌中检测EGFR突变和HER2过表达的非侵入性诊断能力 转移性脑腺癌患者 医学影像分析 脑转移瘤 MRI影像组学 深度学习, 传统机器学习 医学影像 7925名参与者(来自31项研究) Python NA AUC, 准确率, 灵敏度 STATA version 18, Python 3.10
449 2025-10-05
Assessing the feasibility of deep learning-based attenuation correction using photon emission data in18F-FDG images for dedicated head and neck PET scanners
2025-Sep-30, Biomedical physics & engineering express IF:1.3Q3
研究论文 本研究评估了使用深度学习技术从非衰减校正的18F-FDG PET图像生成测量衰减校正图像在头颈部专用PET扫描器中的可行性 首次将ResNet深度学习网络应用于头颈部PET图像的衰减校正,探索了在无CT扫描情况下直接生成衰减校正图像的可行性 训练数据仅包含114名患者,未见病理情况的图像训练可能影响模型对病理图像的校正效果 开发基于深度学习的头颈部PET图像衰减校正方法,减少对CT扫描的依赖 头颈部18F-FDG PET图像 医学影像分析 头颈部疾病 PET成像,深度学习 CNN 2D医学图像 114名患者(12,068个切片),训练验证集21名患者,测试集24名正常患者和12名病理患者 NA ResNet RMSE, SSIM, PSNR, MSE, 对比度, SNR NA
450 2025-10-05
Tailored SONAR-MSI: Converting SONAR-MS Data into Pseudoimages for Deep-Learning-Based Natural Products Analysis
2025-Sep-30, Analytical chemistry IF:6.7Q1
研究论文 开发了一种将SONAR-MS数据转换为伪图像并结合深度学习进行天然产物分析的新工作流程 首次将同步选择离子采集技术与伪质谱成像及深度学习相结合,建立了专门的数据转换协议 仅对五种密切相关的物种进行了案例研究,需要更广泛的验证 开发高效且信息丰富的天然产物质量分析方法 天然产物和密切相关的植物物种 机器学习 NA LC-MS, SONAR, 质谱成像 CNN 质谱数据转换的伪图像 五种密切相关的物种 NA CNN 准确率 NA
451 2025-10-05
Interpretable PROTAC Degradation Prediction With Structure-Informed Deep Ternary Attention Framework
2025-Sep-30, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
研究论文 提出一种基于结构信息的深度三元注意力网络框架PROTAC-STAN,用于可解释的PROTAC降解预测 首次在PROTAC降解预测中引入层次化分子表示和蛋白质结构数据,并设计专门针对PROTAC系统的三元注意力网络 NA 开发可解释的PROTAC降解预测深度学习方法 PROTAC分子、靶蛋白(POIs)和E3连接酶 机器学习 NA 蛋白质语言模型、深度学习 注意力网络 分子结构数据、蛋白质序列数据 NA NA 三元注意力网络(STAN) 多种评估指标 NA
452 2025-10-05
Nanoconfinement and Interface Effects on Calcium Phosphate Aggregation within a 2D Nanochannel: Insights from Deep-Learning Molecular Dynamics
2025-Sep-30, The journal of physical chemistry. B
研究论文 通过深度学习分子动力学模拟研究二维纳米通道中钙磷物种的水合与聚集动力学 首次结合深度学习势函数与分子动力学模拟研究纳米限域环境下钙磷聚集行为 模拟结果需要实验验证,模型参数可能存在简化 阐明纳米限域和界面效应对钙磷聚集的影响机制 钙离子和磷酸盐物种在二维纳米通道中的聚集行为 计算化学 NA 分子动力学模拟,深度学习势函数 深度学习分子动力学 分子模拟数据 NA NA NA NA NA
453 2025-10-05
A phase-aware Cross-Scale U-MAMba with uncertainty-aware segmentation and Switch Atrous Bifovea EfficientNetB7 classification of kidney lesion subtype
2025-Sep-30, Lasers in medical science IF:2.1Q2
研究论文 提出一种集成多期相重建、病灶分割和亚型分类的统一框架PCU-SABENet,用于肾脏病变亚型识别 结合PhaseGAN-3D多期相合成、不确定性感知分割和Switch Atrous Bifovea EfficientNetB7分类的创新集成框架 未明确说明模型在更广泛人群中的验证情况 提高肾脏病变亚型识别的准确性和鲁棒性 肾脏病变的CT影像 数字病理 肾脏癌 多期相CT成像 GAN, CNN CT影像 NA NA U-MAMba, EfficientNetB7, PhaseGAN-3D 准确率, Dice系数, IoU, 精确率, 召回率, 期相一致性得分, 亚型置信度偏差 0.138 GFLOPs计算量, 8.2 ms推理时间
454 2025-10-05
Deep Learning-Assisted Fingerprint-Inspired Flexible Pressure Sensor for Tension Monitoring in Carbon Fiber Production
2025-Sep-30, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
研究论文 开发了一种受指纹启发的柔性压力传感器,用于监测碳纤维生产过程中的张力稳定性 通过激光蚀刻制造模拟指纹结构的柔性传感器,实现宽幅碳纤维束阵列的张力监测,并开发端到端张力异常分类卷积神经网络 NA 解决碳纤维大规模生产中张力稳定性控制的技术难题 宽幅碳纤维束阵列 智能制造 NA 激光蚀刻 CNN 压力传感器数据 NA NA 端到端卷积神经网络 灵敏度, 分类准确率 NA
455 2025-10-05
Emerging trends and clinical challenges in AI-enhanced emotion diagnosis using physiological data
2025-Sep-30, Medical & biological engineering & computing IF:2.6Q3
综述 探讨生理参数与情绪的关系以及机器学习在情绪识别中的潜在价值和应用 将心率变异性(HRV)识别为情绪识别和生理参数分析的关键指标,并探索其在情绪管理和健康监测中的应用 生理数据采集困难、隐私安全问题、个体差异导致的个性化调整需求 研究生理参数与情绪的关系,探索机器学习在情绪识别中的应用价值 心率、呼吸、血压、皮肤电反应、脑电图和心率变异性等生理参数 机器学习 抑郁症、焦虑症、双相情感障碍、边缘型人格障碍 机器学习、深度学习 NA 生理数据 NA NA NA NA NA
456 2025-10-05
StratoLAMP-2: A Microfluidics-Free, Deep-Learning Platform for Multiplex Digital Molecular Diagnostics
2025-Sep-30, Analytical chemistry IF:6.7Q1
研究论文 开发了一种无需微流控、基于深度学习的多重数字分子诊断平台StratoLAMP-2 采用涡流生成的多分散液滴和焦磷酸镁沉淀作为视觉读数,通过引物浓度驱动的沉淀水平分层进行多重检测 液滴尺寸变异性和沉淀异质性带来的分析挑战 开发低成本、可扩展的数字核酸定量平台 核酸分子 机器学习 NA 数字核酸测试,环介导等温扩增(LAMP) 深度学习 图像 NA NA NA 准确度,鲁棒性 NA
457 2025-10-05
TransFace++: Rethinking the Face Recognition Paradigm with a Focus on Accuracy, Efficiency, and Security
2025-Sep-30, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1
研究论文 提出TransFace和TransFace++两个人脸识别框架,分别探索了ViT和图像字节在人脸识别任务中的应用 首次将ViT和图像字节同时应用于人脸识别任务,提出了针对性的数据增强策略DPAP、难样本挖掘策略EHSM、字节压缩策略TIBC和交叉注意力模块SICA 未提及模型在极端光照、遮挡等复杂场景下的表现,也未讨论跨种族、跨年龄的泛化能力 解决现有人脸识别范式在全局特征捕捉、推理效率和用户隐私保护方面的问题 人脸识别任务 计算机视觉 NA 深度学习 ViT, Transformer RGB人脸图像, 图像字节 NA NA Transformer, ViT 准确率, 效率, 安全性 NA
458 2025-10-05
Optimized Hybrid RNN-GRU Model for Predictive Diagnosis of Cardiovascular Disease
2025-Sep-30, Biomedical physics & engineering express IF:1.3Q3
研究论文 本研究开发了一种结合RNN和GRU的混合深度学习模型,用于提高心血管疾病风险预测的准确性和效率 提出了一种优化的混合RNN-GRU模型,结合了RNN处理序列数据的能力和GRU的门控机制特性,在心血管疾病预测中实现了99.6%的准确率 研究仅使用了918个样本的数据集,样本规模相对较小,且数据来源单一 提高心血管疾病风险预测的准确性和效率 心血管疾病患者数据 机器学习 心血管疾病 深度学习 RNN, GRU 数值型医疗数据 918个样本 Scikit-learn 混合RNN-GRU架构 准确率, F1分数, 精确率, 召回率 NA
459 2025-10-05
Serial 12-Lead ECG-Based Deep-Learning Model for Hospital Admission Prediction in Emergency Department Cardiac Presentations: Retrospective Cohort Study
2025-Sep-30, JMIR cardio
研究论文 开发并验证一种融合连续12导联心电图波形、生命体征和临床数据的深度学习模型,用于早期预测急诊科心脏相关症状患者的住院需求 首次将连续12导联心电图波形与动态生命体征和常规临床数据融合,开发多模态深度学习模型进行早期住院预测 回顾性研究设计,依赖电子健康记录数据的完整性和质量 开发实时深度学习模型预测急诊科心脏相关症状患者的早期住院需求 因胸痛、呼吸困难、晕厥或近乎晕厥就诊于急诊科的成年患者 医疗人工智能 心血管疾病 12导联心电图 深度学习,随机森林 心电图波形,生命体征,结构化临床数据 30,421例就诊记录(至少1次心电图),11,273例就诊记录(至少2次心电图) NA 多模态深度学习架构 AUROC NA
460 2025-10-05
Artificial Intelligence for Postoperative Wound Monitoring: An Integrative Review of Digital Innovation and Clinical Feasibility
2025-Sep-30, The American surgeon
综述 本文系统评估人工智能在术后伤口监测中的应用现状与发展前景 首次针对术后伤口护理领域进行AI技术的整合性评估,提出将先进AI方法整合到外科实践的路线图 缺乏大规模标准化数据集、可解释AI框架和稳健的临床验证研究 评估AI驱动的术后伤口监测技术现状,推动AI在外科实践中的整合应用 术后伤口护理相关研究文献 数字病理 术后并发症 深度学习、可穿戴生物传感器、移动应用、自然语言处理 NA 多模态数据 118篇符合严格纳入标准的相关文献 NA NA NA NA
回到顶部