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 33853 篇文献，本页显示第 461 - 480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 461 | 2025-11-14 |
Modeling protein-small molecule conformational ensembles with PLACER
2025-Sep-27, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.25.614868
PMID:39386615
|
研究论文 | 开发了一种名为PLACER的图神经网络，用于建模蛋白质-小分子相互作用的构象集合 | 提出首个基于原子级图神经网络的构象集合解析方法，相比传统残基级描述在速度和通用性方面具有优势 | 方法依赖于剑桥结构数据库和蛋白质数据库的训练数据，可能受限于现有数据的覆盖范围 | 解决蛋白质-小分子相互作用构象异质性的建模挑战 | 蛋白质-小分子复合物系统 | 计算生物学 | NA | 图神经网络 | GNN | 三维分子结构数据 | 来自剑桥结构数据库和蛋白质数据库的结构数据 | NA | PLACER | 结构生成准确性、酶设计成功率、催化活性 | NA |
| 462 | 2025-11-14 |
Foundation models in ophthalmology: a preliminary study on AI-assisted diagnosis of myopic maculopathy and posterior staphyloma using ultra-widefield fundus images
2025-Aug-28, BMJ open ophthalmology
IF:2.0Q2
DOI:10.1136/bmjophth-2024-002073
PMID:40876931
|
研究论文 | 本研究使用基于眼科基础模型的深度学习方法，通过超广角眼底图像辅助诊断病理性近视的黄斑病变和后巩膜葡萄肿 | 首次将眼科基础模型RETFound应用于超广角眼底图像分析，在病理性近视特征检测中表现出优越性能 | 回顾性研究设计，样本量相对有限（1105张训练图像），仅在中国两家医院收集数据 | 开发基于人工智能的病理性近视眼底病变辅助诊断系统 | 高度近视患者的超广角眼底图像 | 计算机视觉 | 眼科疾病 | 超广角眼底成像 | 深度学习 | 图像 | 训练集：1105张图像来自543名患者；外部测试集：293张图像来自150名患者 | NA | RETFound | 准确率, F1分数, AUROC | NA |
| 463 | 2025-11-14 |
Deep learning guided programmable design of Escherichia coli core promoters from sequence architecture to strength control
2025-Aug-27, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf863
PMID:40902006
|
研究论文 | 开发了一个深度学习引导的大肠杆菌核心启动子可编程设计平台，实现从序列架构到强度控制的端到端工程 | 将理性文库设计、预测建模和生成优化整合到闭环工作流中，首次实现基于Transformer和条件扩散模型的启动子从头生成与强度精确控制 | 研究主要针对大肠杆菌核心启动子，在其他生物系统中的通用性需要进一步验证 | 建立可扩展的大肠杆菌核心启动子可编程设计平台，实现精确的转录控制 | 大肠杆菌核心启动子序列 | 机器学习 | NA | Mutation-Barcoding-Reverse Sequencing | Transformer, 条件扩散模型 | DNA序列 | 112,955个合成启动子变体 | NA | Transformer, 条件扩散模型 | Pearson相关系数 | NA |
| 464 | 2025-11-14 |
Carafe enables high quality in silico spectral library generation for data-independent acquisition proteomics
2025-Aug-04, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.15.618504
PMID:39463980
|
研究论文 | 本研究开发了Carafe工具，通过直接在DIA数据上训练深度学习模型来生成高质量实验特异性谱库 | 首次直接在DIA数据上训练深度学习模型生成谱库，相比现有基于DDA数据的预训练模型具有更好的性能 | NA | 解决数据非依赖性采集质谱分析中高质量谱库生成的挑战 | 质谱蛋白质组学数据 | 生物信息学 | NA | 数据非依赖性采集质谱，数据依赖性采集质谱 | 深度学习 | 质谱数据 | NA | NA | NA | 碎片离子强度预测，肽段检测 | NA |
| 465 | 2025-11-14 |
Surrogate modeling of Cellular-Potts Agent-Based Models as a segmentation task using the U-Net neural network architecture
2025-Jul-27, ArXiv
PMID:40386573
|
研究论文 | 本研究开发了基于U-Net架构的卷积神经网络替代模型，用于加速细胞-波特斯模型的仿真计算 | 首次将细胞-波特斯模型的替代建模构建为分割任务，并采用考虑周期性边界条件的U-Net架构 | 模型仅针对血管生成特定场景进行验证，通用性有待进一步测试 | 开发深度学习替代模型以加速计算密集的细胞-波特斯模型仿真 | 血管生成过程中的血管发芽、延伸、吻合和血管腔隙收缩等涌现行为 | 计算生物学 | 血管生成相关疾病 | 细胞-波特斯模型，偏微分方程 | CNN | 仿真数据 | NA | NA | U-Net | 仿真加速倍数 | NA |
| 466 | 2025-11-14 |
mamp-ml: A deep learning approach to epitope immunogenicity in plants
2025-Jul-15, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.11.664399
PMID:40791437
|
研究论文 | 开发了一个名为mamp-ml的深度学习框架，用于预测植物受体-配体相互作用和表位免疫原性 | 结合大型蛋白质语言模型ESM-2和二十多年的功能数据，构建了能够预测免疫原性结果的管道和模型，即使在缺乏实验结构的情况下也能实现预测 | 模型在测试集上的预测准确率为73%，仍有提升空间 | 开发计算框架用于高通量筛选LRR受体-配体组合并工程化植物免疫系统 | 植物受体-配体相互作用 | 机器学习 | NA | 蛋白质语言模型 | 深度学习 | 蛋白质序列数据 | 基于二十多年研究积累的功能数据 | NA | ESM-2 | 准确率 | NA |
| 467 | 2025-05-10 |
Deep learning model to identify and validate hypotension endotypes in surgical and critically ill patients. Comment on Br J Anaesth 2025; 134: 308-16
2025-Jul, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2025.03.025
PMID:40340157
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 468 | 2025-11-14 |
Retraction notice to "EnergyShare AI: Transforming P2P energy trading through advanced deep learning" [Heliyon 10 (2024) e36948]
2025-Jul, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e43543
PMID:41216546
|
撤稿通知 | 这是一篇关于《EnergyShare AI: Transforming P2P energy trading through advanced deep learning》文章的正式撤稿声明 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 469 | 2025-11-14 |
Radiomic 'Stress Test': exploration of a deep learning radiomic model in a high-risk prospective lung nodule cohort
2025-Jun-27, BMJ open respiratory research
IF:3.6Q1
DOI:10.1136/bmjresp-2024-002687
PMID:40579208
|
研究论文 | 评估深度学习影像组学模型在高风险肺结节队列中的诊断性能 | 首次在推荐活检的高风险肺结节队列中评估LCP深度学习影像组学模型，并开发结合临床变量的集成模型 | 单中心研究，样本量相对有限（321个结节），需要外部验证 | 评估深度学习影像组学模型在减少不必要侵入性活检方面的潜力 | 不确定肺结节（IPNs）患者 | 数字病理 | 肺癌 | 影像组学分析 | 深度学习模型 | 医学影像数据 | 321个不确定肺结节（196个恶性，125个良性） | NA | 深度学习影像组学模型 | AUC, F1分数, 临床净重分类指数 | NA |
| 470 | 2025-11-14 |
Utilization of artificial intelligence in Men's Health: Opportunities for innovation and quality improvement
2025-Jun-27, International journal of impotence research
IF:2.8Q2
DOI:10.1038/s41443-025-01112-8
PMID:40579440
|
综述 | 本文探讨人工智能在男性健康领域的应用现状、创新机遇及伦理挑战 | 系统阐述AI在男性生育健康、勃起功能障碍、佩罗尼病等特定领域的创新应用，包括精子形态评估、三维建模和智能问诊工具 | 面临伦理实施、数据隐私保护、算法透明度等挑战，需要临床验证和监管指导 | 评估人工智能技术在男性健康领域的应用潜力与改进方向 | 男性健康相关疾病（生育问题、勃起功能障碍、佩罗尼病、睾酮缺乏、早泄等） | 自然语言处理, 机器学习 | 男性生殖系统疾病 | 机器学习，深度学习，自然语言处理 | NA | 医学影像，传感器数据，问卷文本 | NA | NA | NA | NA | NA |
| 471 | 2025-11-14 |
Enhancing Pandemic Prediction: A Deep Learning Approach Using Transformer Neural Networks and Multi-Source Data Fusion for Infectious Disease Forecasting
2025-Jun-24, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.06.24.25330211
PMID:40666360
|
研究论文 | 提出一种基于Transformer神经网络和多源数据融合的深度学习模型，用于县级新冠病例和死亡人数的预测 | 开发多级多尺度注意力机制进行自适应时频分析，并融合社交媒体情感分析数据来捕捉时空动态 | 仅针对奥密克戎变异株的三波疫情进行验证，未涵盖其他变异株或不同传染病 | 提高传染病大流行趋势预测的准确性 | 县级新冠病例和死亡人数 | 机器学习 | 传染病 | 社交媒体情感分析，多源数据融合 | Transformer | 时间序列数据，社交媒体数据 | 三个奥密克戎变异株疫情波次（2021年12月至2023年2月）的县级数据 | NA | Transformer | 县级一致性准确率 | NA |
| 472 | 2025-11-14 |
ACCELERATING QUANTITATIVE MRI USING SUBSPACE MULTISCALE ENERGY MODEL (SS-MUSE)
2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi60581.2025.10980741
PMID:40881623
|
研究论文 | 提出一种基于子空间多尺度能量模型的定量MRI加速方法 | 将即插即用多尺度能量模型推广到正则化子空间恢复设置，联合正则化3D多对比度空间因子 | NA | 加速定量MRI扫描，解决3D多对比度采集时间过长的问题 | 多对比度MRI图像 | 医学影像处理 | NA | 多对比度MRI | 多尺度能量模型 | 3D医学影像 | NA | NA | 子空间多尺度能量模型(SS-MUSE) | NA | NA |
| 473 | 2025-11-14 |
Complete end-to-end learning from protein feature representation to protein interactome inference
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaf122
PMID:41206398
|
研究论文 | 提出一种名为FREEPII的端到端深度学习框架，整合共分离质谱数据和序列特征来学习蛋白质表示并推断蛋白质相互作用 | 首次实现从蛋白质特征表示到蛋白质相互作用组推断的完整端到端学习，整合多模态数据并通过监督蛋白质嵌入捕获高阶相互作用 | 未明确说明模型在特定噪声条件下的鲁棒性限制以及计算资源需求的具体分析 | 开发一个准确、可扩展的蛋白质-蛋白质相互作用和蛋白质复合物推断框架 | 蛋白质相互作用和蛋白质复合物 | 生物信息学 | NA | 共分离质谱(CF-MS), 质谱技术 | CNN | 质谱数据, 蛋白质序列数据 | NA | NA | 卷积神经网络 | NA | NA |
| 474 | 2025-11-14 |
The Present State and Potential Applications of Artificial Intelligence in Cancer Diagnosis and Treatment
2025, Recent patents on anti-cancer drug discovery
IF:2.5Q3
|
综述 | 本文综述人工智能在癌症诊断和治疗中的当前状态与潜在应用 | 系统总结AI在癌症早期检测、分子分型、预后预测和个性化治疗等全流程的创新应用 | 未提及具体技术实现的局限性，主要关注领域整体挑战 | 探讨AI/ML在癌症检测和管理中的应用现状与发展前景 | 癌症患者和肿瘤特征 | 医疗人工智能 | 癌症 | 深度学习 | NA | 医疗数据集 | NA | NA | NA | NA | NA |
| 475 | 2025-11-14 |
Open-Environment Evidential Learning for Reliable Myoelectric Locomotion Prediction
2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3626316
PMID:41150224
|
研究论文 | 提出开放环境证据学习框架，用于提高下肢外骨骼肌电运动预测的可靠性 | 首次将证据深度学习与分布外数据增强结合，在开放环境中可靠量化预测不确定性并检测新颖/模糊运动 | 仅评估了八名受试者和五种运动模式，真实世界部署的泛化能力需进一步验证 | 提高动态环境下基于表面肌电信号的 locomotion 预测可靠性 | 下肢外骨骼使用者的运动意图 | 机器学习 | 运动功能障碍 | 表面肌电信号(sEMG) | 深度学习 | 生物电信号 | 八名受试者，五种运动模式 | NA | 卷积神经网络 | 准确率, 风险覆盖曲线 | NA |
| 476 | 2025-11-14 |
Feasibility and initial clinical application of a digital health-enabled 3D VR education model to improve health literacy in thyroid surgery
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251394962
PMID:41208914
|
研究论文 | 开发并评估基于光线追踪3D VR教育模型在甲状腺手术术前咨询中提高患者健康素养的可行性 | 首次将深度学习分割的CT扫描数据转化为光线追踪3D VR教育模型，用于甲状腺手术术前患者教育 | 样本量较小，仅评估了患者主观感受，缺乏客观学习效果测量 | 提高甲状腺手术患者的健康素养和满意度 | 甲状腺手术患者 | 数字病理 | 甲状腺疾病 | CT扫描，深度学习分割，光线追踪渲染 | 深度学习分割模型 | 医学影像（CT扫描） | 未明确具体数量，但提到88.9%的参与者表示满意 | NA | NA | 患者理解度改善率，满意度百分比，未来使用意愿 | 普通门诊可用的平面显示器 |
| 477 | 2025-11-14 |
Automated scoring of airway abnormalities and mucus plugging in chest magnetic resonance imaging of cystic fibrosis using artificial intelligence
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.10.025
PMID:41209289
|
研究论文 | 开发基于深度学习的自动评分系统，用于评估囊性纤维化患者胸部MRI中的气道异常和黏液栓塞 | 采用双视图架构处理冠状面和轴状面切片，结合nnU-Net分割和基于图谱的肺叶近似方法，解决了人工评分中的读者变异性和高劳动强度问题 | 样本量相对有限（627个MRI扫描，164名患者），外部验证仅包含10名患者 | 开发可靠、无辐射的肺部疾病活动自动分析系统 | 囊性纤维化患者的胸部MRI扫描 | 医学影像分析 | 囊性纤维化 | T2加权胸部MRI | 深度学习 | 医学影像 | 627个MRI扫描，来自164名患者（年龄范围0.1-53.0岁，平均7.0±6.2岁） | nnU-Net | nnU-Net, 双视图架构 | Cohen's kappa, 宏观AUROC, Pearson相关系数 | NA |
| 478 | 2025-11-14 |
Multimodal fusion strategies for survival prediction in breast cancer: A comparative deep learning study
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.10.038
PMID:41209345
|
研究论文 | 本研究比较了不同多模态融合策略在乳腺癌生存预测中的性能 | 系统评估了早期和晚期融合策略对样本外泛化性能的影响，发现晚期融合模型在所有模态组合中均表现最优 | 模型在未见数据上的泛化能力仍然有限 | 开发并优化用于乳腺癌生存预测的单模态和多模态模型 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | 多组学数据分析 | 深度学习 | 临床变量、体细胞突变、RNA表达、拷贝数变异、miRNA表达、组织病理学图像 | 癌症基因组图谱乳腺癌数据集 | NA | NA | 一致性指数 | NA |
| 479 | 2025-11-14 |
Deep learning for inner speech recognition: a pilot comparative study of EEGNet and a spectro-temporal Transformer on bimodal EEG-fMRI data
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1668935
PMID:41209398
|
研究论文 | 本研究比较了EEGNet和谱时Transformer两种深度学习模型在双模态EEG-fMRI数据上的内隐语音识别性能 | 首次将谱时Transformer应用于内隐语音识别，并引入小波分解和自注意力机制 | 样本量较小（4名参与者），词汇量有限（8个单词），缺乏临床实时验证 | 评估和比较深度学习模型在内隐语音分类中的性能和泛化能力 | 健康参与者的内隐语音脑电信号 | 脑机接口 | NA | 脑电图，功能性磁共振成像 | CNN, Transformer | 脑电信号，时间序列数据 | 4名健康参与者，8个目标单词 | NA | EEGNet, 谱时Transformer | 准确率, 宏平均F1分数, 精确率, 召回率 | NA |
| 480 | 2025-11-14 |
Integrating clinical indications and patient demographics for multilabel abnormality classification and automated report generation in 3D chest CT scans
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1672364
PMID:41209490
|
研究论文 | 本研究提出一种多模态深度学习模型，通过整合3D胸部CT扫描、临床指征报告和患者人口统计学数据来改进多标签异常分类和自动报告生成 | 首次将临床指征和患者人口统计学数据与3D CT图像特征相结合，构建多模态深度学习框架用于胸部异常分类和报告生成 | 未详细说明模型在不同疾病类型上的具体性能差异，也未讨论模型在真实临床环境中的部署挑战 | 开发能够辅助放射科医生处理日益增长工作量的自动化CT扫描分析方法 | 3D胸部CT扫描图像、临床指征报告、患者年龄和性别数据 | 医学影像分析 | 胸部疾病 | CT扫描 | 多模态深度学习模型 | 3D图像, 文本, 结构化数据 | NA | NA | 视觉编码器, 预训练语言模型, 前馈神经网络 | F1分数, 临床效能指标 | NA |