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 36734 篇文献，本页显示第 521 - 540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 521 | 2025-12-15 |
TruMPET: A New Method for Protein Secondary Structure Prediction Using Neural Networks Trained on Multiple Pre-Selected Physicochemical and Structural Features
2025-Nov-21, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms262311284
PMID:41373446
|
研究论文 | 提出了一种名为TruMPET的新方法，通过神经网络结合预选的物理化学和结构特征来预测蛋白质二级结构 | 该方法强调使用统计上显著且互不相关的描述符生成机器学习特征集，并整合了非规范氨基酸的物理化学参数预测，结合Bi-LSTM网络与ESMFold2嵌入，提升了预测性能 | 未明确讨论模型在处理更复杂蛋白质结构或大规模数据集时的可扩展性，也未提及对计算资源的具体需求 | 改进蛋白质二级结构预测方法，专注于从氨基酸序列直接预测DSSP分类 | 蛋白质氨基酸序列及其对应的二级结构（DSSP Q3和Q8分类） | 机器学习 | NA | 蛋白质语言模型嵌入，线性判别分析 | Bi-LSTM | 序列数据 | 使用非冗余数据集（CB513和TEST2018），具体样本数量未在摘要中明确 | NA | Bi-LSTM | DSSP Q3准确率，DSSP Q8准确率 | NA |
| 522 | 2025-12-15 |
Ordinal Regression Research Based on Dual Loss Function-An Example on Lumbar Vertebra Classification in CT Images
2025-Nov-21, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15232949
PMID:41374330
|
研究论文 | 本研究提出并评估了一种基于双损失函数的序数回归框架，用于CT图像中的腰椎分类，以辅助L3识别和肌肉减少症检测 | 提出了一种结合标准交叉熵损失和序数残差损失的双损失框架，以更好地建模有序类别 | 未明确提及研究的具体局限性 | 开发一种改进的腰椎分类方法，以支持临床实践中更准确的自动化L3定位和肌肉减少症评估 | 腰椎CT图像 | 计算机视觉 | 肌肉减少症 | CT成像 | 深度学习模型 | 图像 | NA | NA | MobileNet-v3-Large | 分类性能 | NA |
| 523 | 2025-12-15 |
High-Precision Coal Mine Microseismic P-Wave Arrival Picking via Physics-Constrained Deep Learning
2025-Nov-21, Sensors (Basel, Switzerland)
DOI:10.3390/s25237103
PMID:41374478
|
研究论文 | 本文提出了一种融合物理约束与深度学习架构的微震P波到时自动拾取模型，用于煤矿动力灾害的智能监测与预警 | 将物理约束与深度学习架构相结合，构建了高精度、鲁棒的微震P波到时自动拾取模型，并在工程可迁移性方面表现出色 | 模型在采样率更高、噪声更强的矿区性能下降，表明其对数据采集参数较为敏感 | 实现煤矿微震信号中P波到时的自动高精度识别，以支持煤矿动力灾害的智能监测与预警 | 煤矿微震信号 | 机器学习 | NA | 微震监测 | 深度学习 | 时序信号 | 高质量人工标注数据集 | NA | NA | 精确率, 召回率, F1分数, 到时拾取误差 | NA |
| 524 | 2025-12-15 |
UAV and Deep Learning for Automated Detection and Visualization of Façade Defects in Existing Residential Buildings
2025-Nov-21, Sensors (Basel, Switzerland)
DOI:10.3390/s25237118
PMID:41374496
|
研究论文 | 本研究提出了一种结合无人机可见光与热红外成像、深度学习算法及参数化三维可视化的集成框架，用于现有住宅建筑立面缺陷的自动化检测与可视化 | 融合可见光与热红外图像以协同识别裂缝和渗漏缺陷，并开发了基于Grasshopper的集成映射工具，实现缺陷信息的实时三维可视化与参数化分析 | 研究仅基于深圳三个代表性住宅社区进行案例研究，样本规模和地理多样性有限，且未详细讨论模型在不同气候或建筑类型下的泛化能力 | 开发一种高效、自动化的立面缺陷检测框架，以提升城市建筑安全管理水平 | 现有住宅建筑的立面缺陷，特别是裂缝和渗漏问题 | 计算机视觉 | NA | 无人机可见光成像、热红外成像 | 深度学习 | 图像 | 深圳三个代表性住宅社区（建于1988年至2010年） | NA | Knet | mIoU | NA |
| 525 | 2025-12-15 |
De novo Design of All-atom Biomolecular Interactions with RFdiffusion3
2025-Nov-19, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.18.676967
PMID:41000976
|
研究论文 | 本文介绍了RFdiffusion3（RFD3），一种能够生成蛋白质结构并考虑其与配体、核酸等非蛋白质原子相互作用的扩散模型 | 首次提出能够显式建模所有聚合物原子并在非蛋白质原子背景下生成蛋白质结构的扩散模型，相比先前方法计算成本降低90% | 未明确说明模型在处理超大规模蛋白质复合物时的性能限制 | 开发能够设计全原子生物分子相互作用的蛋白质设计方法 | 蛋白质结构、配体、核酸及其他非蛋白质原子 | 机器学习 | NA | 扩散模型 | 扩散模型 | 蛋白质结构数据、原子坐标数据 | NA | NA | RFdiffusion3 | 基准测试性能 | 计算成本为先前方法的十分之一 |
| 526 | 2025-12-15 |
Deep learning for automated alveolar cleft segmentation and bone graft volume estimation in cone-beam computed tomography imaging: a multicenter study
2025-Nov-12, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2025.10.020
PMID:41390267
|
研究论文 | 本研究开发了一种基于深度学习的诊断工具，用于在锥形束计算机断层扫描（CBCT）成像中自动分割牙槽裂区域并估计骨移植体积 | 首次提出一个基于3D U-Net的深度学习工具，用于多中心研究中的牙槽裂自动分割和骨移植体积估计，实现了高效且准确的自动化处理 | 研究样本量相对较小（88例CBCT扫描），且仅针对非综合征性单侧牙槽裂患者，可能限制了模型的泛化能力 | 训练和验证一个深度学习工具，以自动分割牙槽裂区域并估计骨移植体积，提高临床诊断效率 | 非综合征性单侧牙槽裂患者的CBCT扫描图像 | 数字病理学 | 牙槽裂 | 锥形束计算机断层扫描（CBCT）成像 | CNN | 3D图像 | 88例CBCT扫描（45例训练，10例验证，33例测试） | NA | 3D U-Net | Dice相似系数（DSC） | NA |
| 527 | 2025-12-15 |
Overcoming Extrapolation Challenges of Deep Learning by Incorporating Physics in Protein Sequence-Function Modeling
2025-Nov-11, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.09.687530
PMID:41293023
|
研究论文 | 本文提出通过将蛋白质相互作用的物理原理融入深度学习模型，以克服蛋白质序列-功能建模中的外推挑战 | 将基于物理的能量效应量化直接整合到卷积和图卷积神经网络中，显著提升了位置和突变类型外推的性能 | 未明确说明模型在更广泛蛋白质类型或复杂突变场景中的泛化能力 | 改进蛋白质序列到功能关系的建模，以准确预测训练数据中未见位置或突变类型的变异功能效应 | 蛋白质序列及其功能映射，特别是通过深度突变扫描数据和可用结构学习的变异 | 机器学习 | NA | 深度突变扫描 | CNN, 图卷积神经网络 | 序列数据, 结构数据 | NA | NA | 卷积神经网络, 图卷积神经网络 | NA | NA |
| 528 | 2025-12-15 |
Graph attention with structural features improves the generalizability of identifying functional sequences at a protein interface
2025-Nov-10, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.04.686550
PMID:41292907
|
研究论文 | 本文提出了一种结合蛋白质结构图和语言模型嵌入的图注意力网络架构，用于预测蛋白质-蛋白质界面功能序列，并在SARS-CoV-2 Spike RBD与ACE2受体结合的大规模突变库中验证了其泛化能力 | 开发了GAN-PLM图注意力网络架构，整合蛋白质结构图的局部残基环境表示与蛋白质语言模型嵌入的长程残基间相关性，显著提升了功能序列预测的泛化性能 | 研究主要针对SARS-CoV-2 Spike RBD与ACE2受体的结合界面，尚未在其他蛋白质界面广泛验证 | 提高蛋白质-蛋白质界面功能序列预测的准确性和泛化能力 | SARS-CoV-2 Spike受体结合域（RBD）与ACE2受体的结合界面序列变异 | 机器学习 | 传染病 | 深度突变扫描 | 图注意力网络（GAN） | 序列数据，结构图数据 | 超过43,000个序列变异 | NA | GAN-PLM（结合图注意力网络与蛋白质语言模型） | 平衡准确率 | NA |
| 529 | 2025-12-15 |
Deep learning-driven characterization of single cell tuning in primate visual area V4 supports topological organization
2025-Nov-04, bioRxiv : the preprint server for biology
DOI:10.1101/2023.05.12.540591
PMID:41279983
|
研究论文 | 本研究利用深度学习技术分析猕猴视觉区域V4中单个神经元的调谐特性，以支持其拓扑组织 | 结合大规模线性探针记录与深度学习方法，在非参数自然图像空间中系统表征V4神经元调谐，并量化功能聚类 | 研究主要基于猕猴V4区域，结果在人类或其他视觉皮层区域的普适性有待验证 | 探索灵长类视觉区域V4中神经元的功能组织及其与人工视觉系统的潜在共享编码策略 | 猕猴视觉区域V4中的单个神经元 | 计算机视觉 | NA | 线性探针记录，深度学习分析 | 深度学习模型 | 图像 | 超过1,200个V4神经元 | NA | 对比学习嵌入空间 | 人类心理物理学相似性度量，嵌入空间距离 | NA |
| 530 | 2025-12-15 |
PLiCat: decoding protein-lipid interactions by large language model
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf665
PMID:41378883
|
研究论文 | 本文提出了一个基于蛋白质序列预测蛋白质-脂质相互作用类别的深度学习框架PLiCat | 首次开发了仅从蛋白质序列预测脂质类别的计算工具，并采用ESMC与BERT结合的混合深度学习架构实现可解释的分类 | 仅覆盖八个主要脂质类别，可能未涵盖所有脂质亚型 | 预测蛋白质相互作用的脂质类别并揭示序列编码的脂质结合特征 | 蛋白质序列及其与脂质的相互作用 | 自然语言处理 | NA | 蛋白质语言模型 | 深度学习 | 序列数据 | NA | PyTorch | ESMC, BERT | NA | NA |
| 531 | 2025-12-15 |
Impact of intrinsically disordered regions and functional disorder hotspots in the human kinome
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf662
PMID:41378882
|
研究论文 | 本研究提出了一种基于长短期记忆深度学习框架的标准化方法，用于预测人类激酶组中的内在无序区域，并揭示了这些区域的功能热点及其在激酶调控中的作用 | 开发了一种激酶中心化的内在无序区域预测方法，使用LSTM深度学习框架实现高预测性能（AUC=0.97），并首次系统分析了人类激酶组中内在无序区域的保守性和功能热点 | 研究依赖于计算预测方法，虽然性能较高，但可能需要实验验证进一步确认预测结果的生物学准确性；且方法主要针对人类激酶组，在其他蛋白质组中的适用性有待评估 | 系统预测和表征人类激酶组中的内在无序区域，揭示其在激酶调控和信号转导中的功能意义 | 人类激酶组中的蛋白质激酶及其内在无序区域 | 计算生物学 | NA | 深度学习，生物信息学分析 | LSTM | 蛋白质序列数据 | 涵盖人类所有137个激酶家族 | NA | 长短期记忆网络 | AUC | NA |
| 532 | 2025-12-15 |
Clinical feasibility of two cardiac deep learning cine magnetic resonance imaging sequences: Single-breath-hold and free-breathing motion-corrected approaches
2025-Oct-31, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2025.101983
PMID:41177305
|
研究论文 | 本研究评估了深度学习加速的心脏磁共振电影序列（单次屏气和自由呼吸运动校正）的临床可行性，旨在缩短采集时间并保持图像质量和心脏功能参数 | 首次在3T CMR中前瞻性比较了传统分段电影序列与两种深度学习加速序列（单次屏气和自由呼吸运动校正）的临床可行性，显著缩短了采集时间 | 研究样本量相对较小（86例），且深度学习序列在边缘锐度和血池-心肌信号比方面略低于传统序列 | 评估深度学习加速的心脏磁共振电影序列在缩短采集时间的同时，是否能够保持与传统序列相当的图像质量和心脏功能参数 | 接受3T心脏磁共振检查的患者 | 医学影像分析 | 心血管疾病 | 心脏磁共振成像 | 深度学习模型 | 磁共振图像 | 86例患者（平均年龄52.98±14.34岁，79%为男性） | NA | NA | 图像质量评分、血池-心肌信号比、边缘锐度、三维体积网格轮廓质量、双心室功能参数、左心室应变参数 | NA |
| 533 | 2025-12-15 |
Biologically informed neural network models are robust to spurious interactions via self-pruning
2025-Oct-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.24.684155
PMID:41278889
|
研究论文 | 本研究提出了一种评估生物学信息神经网络模型可靠性的新方法，通过测量模型在训练过程中对虚假相互作用的自我修剪能力 | 提出了一种可扩展且通用的自我修剪度量方法，用于评估BINN模型从先验知识网络中识别和移除虚假相互作用的能力，并实现了完全GPU加速的LEMBAS框架，获得了超过7倍的性能提升 | 分析主要关注选定的通路而非更全面的视角，且模型需要足够大的L2正则化才能有效修剪虚假相互作用 | 评估生物学信息神经网络模型在复杂细胞网络建模中机制推断的可靠性 | 细胞内信号传导动力学网络 | 机器学习 | NA | 深度学习，先验知识网络 | 循环神经网络 | 信号网络数据 | 3个不同的数据集 | PyTorch | LEMBAS | 预测准确性，自我修剪程度 | GPU加速 |
| 534 | 2025-12-15 |
Computational drug design in the artificial intelligence era: A systematic review of molecular representations, generative architectures, and performance assessment
2025-Oct-10, Pharmacological reviews
IF:19.3Q1
DOI:10.1016/j.pharmr.2025.100095
PMID:41389438
|
综述 | 本文系统回顾了人工智能时代计算药物设计中的分子表示、生成架构和性能评估方法 | 提出了一个独特的分类框架，首先按药物表示分类，然后按生成模型类型分类，阐明了哪种模型最适合特定的分子数据类型 | NA | 分析计算药物设计领域的当前格局，为人工智能驱动的药物发现提供未来方向 | 分子表示策略、生成架构框架和评估方法 | 机器学习 | NA | NA | 变分自编码器, 生成对抗网络, 强化学习系统, 扩散模型 | 分子数据 | NA | NA | NA | NA | NA |
| 535 | 2025-12-15 |
Time series forecasting of chlorophyll-a concentrations in the Chesapeake Bay
2025-Aug-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-16352-3
PMID:40846738
|
研究论文 | 本研究评估了使用长短期记忆神经网络预测切萨皮克湾叶绿素a浓度的方法 | 首次将LSTM神经网络应用于切萨皮克湾叶绿素a浓度的时间序列预测，并证明其优于传统统计模型ARIMA和TBATS | NA | 评估深度学习模型在预测叶绿素a浓度方面的性能，以支持水质管理和政策决策 | 切萨皮克湾三个地理区域的叶绿素a浓度时间序列数据 | 机器学习 | NA | 卫星遥感 | LSTM | 时间序列数据 | 1997年至2020年每周的卫星衍生叶绿素a测量数据，覆盖三个区域 | NA | LSTM | 均方根误差 | NA |
| 536 | 2025-12-15 |
scRegulate: Single-Cell Regulatory-Embedded Variational Inference of Transcription Factor Activity from Gene Expression
2025-May-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.17.649372
PMID:40654959
|
研究论文 | 本文提出了一种名为scRegulate的生成式深度学习框架，用于从单细胞RNA测序数据中推断转录因子活性和基因调控网络 | scRegulate结合了变分推断和基因调控网络先验知识，能够捕捉新颖、动态和上下文特异性的调控相互作用，超越了现有方法的确定性假设和静态数据库依赖 | 未在摘要中明确提及 | 开发一个可扩展且具有生物学可解释性的框架，用于从单细胞转录组数据中推断转录因子活性和调控网络 | 单细胞RNA测序数据中的转录因子活性和基因调控网络 | 计算生物学 | NA | 单细胞RNA测序 | 生成式深度学习框架 | 基因表达数据 | 多个公共实验和合成数据集，包括Perturb-seq数据集和PBMC单细胞RNA测序数据 | NA | 变分推断模型 | AUROC, AUPRC, 平均log2倍数变化 | NA |
| 537 | 2025-12-15 |
Fluid and White Matter Suppression contrasts MRI improves Deep Learning detection of Multiple Sclerosis Cortical Lesions
2025, NeuroImage. Clinical
DOI:10.1016/j.nicl.2025.103818
PMID:40695098
|
研究论文 | 本研究探讨了使用Fluid and White Matter Suppression (FLAWS) MRI序列提升深度学习在多发性硬化症患者皮层病变检测和分割中的效果 | 通过整合FLAWS对比和注释，显著改善了基于深度学习的皮层病变检测和分割，并展示了从先进研究序列到常规临床序列的知识迁移能力 | NA | 提高多发性硬化症皮层病变的深度学习检测和分割准确性，并开发能泛化到标准临床图像设置的模型 | 多发性硬化症患者 | 计算机视觉 | 多发性硬化症 | FLAWS MRI, MP2RAGE, MPRAGE | 深度学习模型 | MRI图像 | 204名多发性硬化症患者 | NA | NA | F1-score, Dice相似系数 | NA |
| 538 | 2025-12-15 |
A robust deep learning framework for cerebral microbleeds recognition in GRE and SWI MRI
2025, NeuroImage. Clinical
DOI:10.1016/j.nicl.2025.103873
PMID:40886589
|
研究论文 | 本研究开发了一个基于深度学习的鲁棒框架，用于在GRE和SWI MRI中自动识别脑微出血 | 结合了3D CNN和基于YOLO的方法来处理复杂场景中的假阳性案例，并在多个公共和私有数据集上验证了其鲁棒性能 | 未明确提及模型在更广泛或更具挑战性的临床环境中的泛化能力限制 | 提高脑微出血检测的准确性，减少假阳性，并确保在临床和正常病例中的鲁棒性 | 脑微出血 | 计算机视觉 | 脑血管疾病 | GRE MRI, SWI MRI | CNN, YOLO | 图像 | 来自ADNI、AIBL、OATS和MAS四个数据集的MRI扫描 | NA | 3D CNN, YOLO | 平衡准确率, AUC, 精确率, 灵敏度, F1分数 | NA |
| 539 | 2025-12-15 |
Artificial intelligence in Glioblastoma Diagnostics: Integrating MRI, histopathology, and molecular profiling
2025, Cancer treatment and research communications
DOI:10.1016/j.ctarc.2025.101040
PMID:41308410
|
综述 | 本文综述了人工智能在胶质母细胞瘤诊断中整合MRI、组织病理学和分子谱分析的应用与挑战 | 系统性地整合了多模态数据（MRI、fMRI、PET）与AI技术，并强调了从公共基准到临床常规应用的转化障碍及解决方案 | 研究异质性高，缺乏前瞻性多中心验证，数据报告不一致，且外部泛化能力有限 | 评估人工智能在脑肿瘤（特别是胶质瘤）诊断中提升精度和效率的潜力 | 脑肿瘤诊断研究，重点关注胶质母细胞瘤 | 数字病理学 | 胶质母细胞瘤 | MRI, fMRI, PET, 放射组学, 分子谱分析 | CNN | 图像 | NA | NA | NA | NA | NA |
| 540 | 2025-12-15 |
Hybrid quantum neural network models for fruit quality assessment
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0332528
PMID:41370242
|
研究论文 | 本研究探索了用于水果质量评估的混合量子神经网络，重点关注纠缠门选择的影响 | 提出了两种基于不同纠缠门（CNOT与CZ）的混合量子神经网络架构，并从门分解和硬件感知噪声角度提供了理论依据，表明CZ架构可能更稳定 | 研究为基础性计算研究，量子电路在经典硬件上执行，未在真实量子硬件上验证 | 研究量子机器学习算法中门级设计选择的作用，以指导未来算法开发 | 水果质量评估 | 机器学习 | NA | 量子神经网络 | 混合量子神经网络 | 图像 | 使用了MNIST、FruitQ数据集和自定义的苹果数据集 | NA | NNQEv1, NNQEv2 | 测试准确率 | 经典硬件 |