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 36465 篇文献，本页显示第 7481 - 7500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7481 | 2025-10-06 |
Deep Learning Improves Parameter Estimation in Reinforcement Learning Models
2025-Aug-25, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.21.644663
PMID:40666915
|
研究论文 | 本研究探讨强化学习模型中的参数模糊性问题，并比较传统优化方法与深度学习方法的参数估计效果 | 首次系统性地识别并量化强化学习模型中的参数模糊性问题，引入深度学习管道进行参数估计，并提出多维度评估框架 | 研究仅基于十个决策数据集，需要在更广泛的数据集和模型中进行验证 | 解决认知模型中参数估计的可靠性问题，提高科学推断的可复现性 | 强化学习模型的参数估计 | 机器学习 | NA | 强化学习建模 | 神经网络, Nelder-Mead优化算法 | 决策行为数据 | 十个决策数据集 | NA | 神经网络 | 预测准确度, 泛化能力, 鲁棒性, 可识别性, 测试-重测可靠性 | NA |
| 7482 | 2025-10-06 |
Computational glycosyltransferases masked deoxynivalenol toxicity and halted FHB spread in wheat grains
2025-Aug-24, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.08.045
PMID:40858235
|
研究论文 | 本研究开发深度学习模型预测糖基转移酶活性，并成功鉴定出两种能够降解脱氧雪腐镰刀菌烯醇的酶 | 首次将Transformer框架应用于糖基转移酶多功能性预测，并成功发现新的DON解毒酶 | 目前可用的高效DON解毒酶数量仍然有限 | 开发深度学习模型预测糖基转移酶的多功能性，计算鉴定新的DON解毒酶 | 糖基转移酶、脱氧雪腐镰刀菌烯醇、转基因小麦品系 | 机器学习 | 镰刀菌病害 | 深度学习、生物测定（霉菌毒素耐受性、幼苗接种、单小花注射） | Transformer | 酶序列数据、生物实验数据 | NA | Transformer | Transformer | NA | NA |
| 7483 | 2025-10-06 |
Leveraging Deep Learning to Enhance Malnutrition Detection via Nutrition Risk Screening 2002: Insights from a National Cohort
2025-Aug-21, Nutrients
IF:4.8Q1
DOI:10.3390/nu17162716
PMID:40871744
|
研究论文 | 开发并验证基于机器学习的营养风险筛查工具，用于预测营养治疗需求及类型 | 将性别、癌症状态和病房类型等参数整合到NRS-2002中，创建了新的机器学习增强筛查量表 | 需要更大规模的多国队列进行外部验证 | 开发营养治疗需求及类型的预测模型 | 来自ONCA全国队列的191,028名患者 | 机器学习 | 营养不良 | 营养风险筛查2002(NRS-2002) | Random Forest, Artificial Neural Network, Deep Learning, Elastic Net, Naive Bayes | 临床参数和人口统计学数据 | 191,028名患者 | NA | NA | AUC, 准确率, 平衡准确率, MCC, 灵敏度, 特异性, PPV, NPV, F-score | NA |
| 7484 | 2025-10-06 |
Analysis of Tongue and Face Image Features of Anemic Women and Construction of Risk-Screening Model
2025-Aug-20, Biomedical and environmental sciences : BES
IF:3.0Q2
DOI:10.3967/bes2025.047
PMID:40928272
|
研究论文 | 通过分析女性贫血患者的面部和舌象特征，建立贫血风险筛查模型 | 首次结合面部和舌象的颜色与纹理特征，采用多种机器学习模型和深度学习模型进行女性贫血筛查 | 样本仅来自单一医院，样本量有限（533名参与者） | 识别女性贫血相关的面舌图像特征，建立贫血风险筛查模型 | 女性贫血患者和健康人群 | 计算机视觉 | 贫血 | 舌面诊图像分析 | 机器学习模型, 深度学习模型 | 图像 | 533名女性参与者（贫血患者和健康人群） | NA | ResNet50V2, Conv1D, 人工神经网络 | AUC, 准确率 | NA |
| 7485 | 2025-10-06 |
Ground Reaction Force Estimation via Time-aware Knowledge Distillation
2025-Aug-15, IEEE internet of things journal
IF:8.2Q1
DOI:10.1109/jiot.2025.3578012
PMID:40918555
|
研究论文 | 提出一种时间感知知识蒸馏框架，用于从鞋垫传感器数据估计地面反作用力 | 在知识蒸馏过程中利用小批量内的相似性和时间特征，有效捕捉特征间的互补关系和目标与输入数据的序列特性 | NA | 开发计算效率高的地面反作用力估计方法，用于实时便携系统 | 人类步态分析中的地面反作用力 | 机器学习 | NA | 知识蒸馏 | 深度学习 | 传感器数据 | 在不同步行速度下收集的数据 | NA | NA | 准确度, 模型可靠性 | NA |
| 7486 | 2025-10-06 |
Global research landscape of retinoblastoma biomarkers: a multidisciplinary bibliometric analysis based on multiple databases (2005-2025)
2025-Aug-15, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-025-06279-7
PMID:40817296
|
文献计量分析 | 通过多数据库对2005-2025年视网膜母细胞瘤生物标志物研究进行多学科文献计量分析 | 首次对RB生物标志物研究领域进行系统性定量分析，揭示研究格局和热点演变 | 仅基于Web of Science和Scopus数据库，可能遗漏部分相关研究 | 分析视网膜母细胞瘤生物标志物的研究格局和热点趋势 | 2005-2025年期间发表的视网膜母细胞瘤生物标志物相关研究文献 | 文献计量学 | 视网膜母细胞瘤 | 文献计量分析，生物信息学分析 | NA | 文献元数据，引文数据 | 从WOS和Scopus数据库检索的2005-2025年相关出版物 | R软件, VOSviewer, CiteSpace | NA | 出版物数量，引文频率，国际合作网络 | NA |
| 7487 | 2025-10-06 |
Going beyond SMILES enumeration for data augmentation in generative drug discovery
2025-Aug-14, Digital discovery
IF:6.2Q1
DOI:10.1039/d5dd00028a
PMID:40917333
|
研究论文 | 本文提出四种新的SMILES数据增强策略以提升分子生成模型在低数据场景下的性能 | 引入基于自然语言处理和化学知识的四种新型SMILES增强方法：标记删除、原子掩码、生物电子等排替换和自训练 | 未明确说明实验数据规模及具体模型性能对比基准 | 探索超越传统SMILES枚举的数据增强方法以改进分子生成质量 | 分子SMILES表示及其数据增强策略 | 自然语言处理, 药物发现 | NA | SMILES数据增强 | 生成深度学习模型 | 分子SMILES字符串 | NA | NA | NA | NA | NA |
| 7488 | 2025-10-06 |
Leveraging artificial intelligence and machine learning in kinase inhibitor development: advances, challenges, and future prospects
2025-Aug-12, RSC medicinal chemistry
IF:4.1Q2
DOI:10.1039/d5md00494b
PMID:40919316
|
综述 | 探讨人工智能和机器学习在激酶抑制剂开发中的应用进展、挑战与未来前景 | 系统阐述AI/ML方法（包括深度学习、图神经网络和生成模型）如何革新激酶抑制剂的设计、优化和再利用 | 数据稀疏性、模型可解释性不足以及计算与实验结果间的转化差距 | 加速和优化下一代激酶靶向治疗药物的开发 | 蛋白激酶及激酶抑制剂 | 机器学习 | 癌症 | 深度学习, 图神经网络, 生成模型 | NA | NA | NA | NA | NA | NA | NA |
| 7489 | 2025-10-06 |
ECG-GraphNet: Advanced arrhythmia classification based on graph convolutional networks
2025-Aug, Heart rhythm O2
IF:2.5Q2
DOI:10.1016/j.hroo.2025.05.012
PMID:40917189
|
研究论文 | 提出基于图卷积网络的ECG-GraphNet模型，用于准确分类三种心律失常类型 | 将ECG波形建模为图结构，创新使用QRS中心加权平均池化方法增强特征提取 | 研究仅基于328名患者的单导联设备数据，样本规模有限 | 开发准确的心律失常自动分类方法 | 心电图信号中的正常搏动、室上性异位搏动和室性异位搏动 | 医学图像分析 | 心血管疾病 | 心电图分析 | 图卷积网络(GCN) | 心电图信号 | 328名患者的10秒心电图记录 | NA | ECG-GraphNet | Macro F1-score | NA |
| 7490 | 2025-10-06 |
DeepHVI: A multimodal deep learning framework for predicting human-virus protein-protein interactions using protein language models
2025-Aug, Biosafety and health
IF:3.5Q1
DOI:10.1016/j.bsheal.2025.07.005
PMID:40918205
|
研究论文 | 提出一种多模态深度学习框架DeepHVI，用于预测人类与病毒蛋白质之间的相互作用 | 整合蛋白质语言模型和多模态融合方法，结合二元分类和条件序列生成两个互补任务 | NA | 系统预测人类与病毒蛋白质之间的假定相互作用，为公共卫生干预提供支持 | 人类蛋白质和病毒蛋白质 | 机器学习 | 传染病 | 蛋白质语言模型 | 深度学习 | 蛋白质序列数据 | 高置信度实验数据集 | NA | 多模态融合框架 | 准确率 | NA |
| 7491 | 2025-10-06 |
Deep Learning Model for Osteoporosis Screening From Chest Radiographs: A Multicenter Analysis of External Robustness and Model Calibration
2025-Aug, Cureus
DOI:10.7759/cureus.89446
PMID:40918770
|
研究论文 | 开发用于从胸部X光片筛查骨质疏松症的深度学习模型，并评估其在外院数据上的鲁棒性和模型校准效果 | 首次系统评估深度学习模型在不同医疗机构和设备采集的外部数据上的表现，并提出通过混合外部数据校准模型的方法 | 外部数据性能相比内部数据仍有差距，需要至少500例外部数据进行模型校准 | 开发基于胸部X光片的骨质疏松症筛查工具，解决DXA检查成本高、可用性有限的问题 | 骨质疏松症患者和疑似病例 | 医学影像分析 | 骨质疏松症 | 深度学习技术 | 深度学习模型 | 胸部X光影像 | 多中心数据集（具体数量未明确说明） | NA | NA | 筛查性能指标（与QUS比较） | NA |
| 7492 | 2025-10-06 |
GPT2-ICC: A data-driven approach for accurate ion channel identification using pre-trained large language models
2025-Aug, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101302
PMID:40919588
|
研究论文 | 开发了一种基于预训练大语言模型的深度学习算法GPT2-ICC，用于从蛋白质序列中准确识别离子通道 | 首次将表示学习与大语言模型分类器相结合，解决了蛋白质序列数据不平衡的挑战 | NA | 开发准确高效的离子通道分类方法 | 离子通道蛋白质序列 | 自然语言处理 | NA | 蛋白质序列分析 | LLM, 深度学习 | 蛋白质序列数据 | 测试集包含比非离子通道蛋白质多约239倍的数据 | NA | GPT2 | 准确率 | NA |
| 7493 | 2025-10-06 |
Unravelling phosphorylation-induced impacts on inhibitor-CDK2 through multiple independent molecular dynamics simulations and deep learning
2025-Aug, SAR and QSAR in environmental research
IF:2.3Q3
DOI:10.1080/1062936X.2025.2552131
PMID:40926679
|
研究论文 | 本研究通过分子动力学模拟、深度学习和自由能景观分析系统探索磷酸化对CDK2与抑制剂结合的分子机制 | 创新性地整合分子动力学模拟、深度学习技术和自由能景观分析，首次系统揭示磷酸化对CDK2与抑制剂结合的分子机制 | 研究主要基于计算模拟，需要实验验证来进一步确认发现 | 探索磷酸化对CDK2与抑制剂结合的分子机制 | 磷酸化状态下的CDK2蛋白及其与抑制剂SCH、CYC的结合 | 计算生物学 | 癌症 | 分子动力学模拟, 深度学习, 自由能景观分析, QM/MM-GBSA计算 | 深度学习模型 | 分子动力学轨迹数据 | 两个抑制剂(SCH和CYC)与磷酸化CDK2的结合系统 | NA | NA | NA | NA |
| 7494 | 2025-10-06 |
Learning Universal Representations of Intermolecular Interactions with ATOMICA
2025-Jul-15, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.02.646906
PMID:40291688
|
研究论文 | 介绍ATOMICA几何深度学习模型，用于学习跨五种分子模式的分子间相互作用通用表示 | 首个能够跨蛋白质、小分子、金属离子、脂质和核酸五种分子模式学习原子尺度相互作用表示的几何深度学习模型 | NA | 开发通用分子相互作用表示模型以理解和注释分子功能 | 分子间相互作用界面，包括蛋白质、小分子、金属离子、脂质和核酸 | 机器学习 | 哮喘，髓系白血病 | 几何深度学习，自监督学习 | 几何深度学习模型 | 分子相互作用复合物结构数据 | 2,037,972个相互作用复合物 | NA | ATOMICA | 表示质量，实验验证 | NA |
| 7495 | 2025-10-06 |
A Feature-Augmented Transformer Model to Recognize Functional Activities from in-the-wild Smartwatch Data
2025-Jul-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3586074
PMID:40614149
|
研究论文 | 提出一种特征增强的Transformer模型，用于从智能手表数据中识别功能性活动 | 引入特征标记-变换器嵌入来增强特征表示，并发布了大规模功能性活动数据集ArWISE | NA | 识别功能性活动以支持认知健康评估、康复治疗和慢性病管理 | 从503名参与者收集的智能手表数据 | 机器学习 | 认知障碍,慢性病 | 智能手表传感器数据采集 | Transformer | 传感器时间序列数据 | 503名参与者，超过3200万个标记数据点 | NA | Transformer | 分类性能 | NA |
| 7496 | 2025-10-06 |
Denoising pediatric cardiac photon-counting CT data with sparse coding and data-adaptive, self-supervised deep learning
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17918
PMID:40660927
|
研究论文 | 提出一种结合稀疏编码和数据自适应自监督深度学习的方法，用于儿科心脏光子计数CT数据的降噪 | 对Vision Transformer架构进行两项针对性改进：修改多层感知机实现编码图像数据的跨令牌重组，以及用超完备字典替换网络头执行字典稀疏编码 | 在已重度降噪的重建数据中，对1岁以下患者的临床PCCT数据应用时会出现部分图像细节平滑化 | 推进自监督深度学习降噪方法以适应儿科心脏CT数据中可变的图像质量 | 儿科心脏光子计数CT数据 | 医学影像处理 | 先天性心脏病 | 光子计数CT | Vision Transformer | 3D CT图像 | 20名杜克大学患者（1-18岁）的回顾性数据，加上3名额外患者和临床前系统获取的小鼠心脏PCCT数据集 | PyTorch | 改进的3D Vision Transformer | 强度偏差, 强度方差 | NA |
| 7497 | 2025-10-06 |
Image-based mandibular and maxillary parcellation and annotation using computed tomography (IMPACT): a deep learning-based clinical tool for orodental dose estimation and osteoradionecrosis assessment
2025-Jul, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100817
PMID:40894269
|
研究论文 | 提出基于深度学习的口腔颌面结构自动分割框架IMPACT，用于放射治疗中的剂量估计和放射性骨坏死评估 | 首个将下颌骨/上颌骨分区与个体牙齿分割相结合，并与ClinRad放射性骨坏死分期系统对齐的深度学习自动分割框架 | 数据中缺失的子区域分割适用性有限 | 开发用于口腔剂量估计和放射性骨坏死评估的临床工具 | 头颈癌患者的计算机断层扫描图像中的下颌骨、上颌骨和个体牙齿 | 计算机视觉 | 头颈癌 | 计算机断层扫描 | 深度学习 | 医学图像 | 60个临床病例的模拟CT图像 | NA | Swin UNETR, ResUNet | Dice系数, 剂量体积参数(Dmean, D2%) | NA |
| 7498 | 2025-02-25 |
Ectopic, intra-thyroid parathyroid adenoma better visualized by deep learning enhanced choline PET/CT
2025-Jun-01, QJM : monthly journal of the Association of Physicians
DOI:10.1093/qjmed/hcaf057
PMID:39992255
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7499 | 2025-10-06 |
IBDome: An integrated molecular, histopathological, and clinical atlas of inflammatory bowel diseases
2025-Apr-10, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.26.645544
PMID:40291692
|
研究论文 | 构建了炎症性肠病的综合分子、组织病理学和临床图谱，通过多组学和多模态数据分析揭示疾病特征 | 整合了多组学数据和临床信息，开发了基于基础模型的深度学习方法来预测组织学疾病活动评分 | 样本量相对有限（1002例），未涉及所有IBD亚型 | 提高对炎症性肠病的理解，改进诊断并实现个性化治疗策略 | 炎症性肠病（克罗恩病和溃疡性结肠炎）患者及非IBD对照 | 数字病理学 | 炎症性肠病 | 全外显子测序,RNA测序,血清蛋白质组学,组织病理学评估 | 深度学习,基础模型 | 基因组数据,转录组数据,蛋白质组数据,组织病理图像 | 1002例临床注释患者（包括IBD患者和非IBD对照） | NA | 基础模型 | 组织学疾病活动评分预测准确性 | NA |
| 7500 | 2025-10-06 |
CT-based 3D Super-resolution Radiomics for the Differential Diagnosis of Brucella vs. Tuberculous Spondylitis using Deep Learning
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究开发了基于深度学习和超分辨率CT图像的影像组学模型，用于提高布鲁氏菌性脊柱炎和结核性脊柱炎的鉴别诊断准确性 | 首次将超分辨率技术与深度学习影像组学相结合应用于脊柱炎鉴别诊断，开发了综合临床、影像组学和深度学习的多模态融合模型 | 样本量较小(94例)，回顾性研究设计，存在影像异质性，需要更大规模多中心研究验证 | 提高布鲁氏菌性脊柱炎与结核性脊柱炎的鉴别诊断准确性 | 94例确诊为布鲁氏菌性脊柱炎或结核性脊柱炎的患者 | 医学影像分析 | 脊柱炎 | CT成像, 超分辨率技术 | CNN, MLP | CT图像 | 94例患者(训练集65例，验证集29例)，其中布鲁氏菌性脊柱炎57例，结核性脊柱炎37例 | NA | ResNet18, ResNet34, MLP | AUC, 敏感性, 特异性, ROC, 决策曲线分析 | NA |