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 32372 篇文献，本页显示第 8641 - 8660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8641 | 2025-10-06 |
m6A-SPP: Identification of RNA N6-methyladenosine modification sites through multi-source biological features and a hybrid deep learning architecture
2025-Jun, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.144789
PMID:40449782
|
研究论文 | 提出了一种名为m6A-SPP的新型深度学习框架，用于有效预测RNA N6-甲基腺苷修饰位点 | 整合了序列特征和理化性质的双模块架构，结合预训练BERT模型与CNN进行RNA序列表示，并融合三种关键理化属性 | NA | 准确预测RNA N6-甲基腺苷修饰位点，以理解其生物学功能及在疾病中的作用 | RNA N6-甲基腺苷修饰位点 | 生物信息学 | NA | RNA修饰位点预测 | BERT, CNN | RNA序列数据，理化性质数据 | 包含8个细胞系（如HEK293T和HeLa）和3种组织类型（包括脑、肝和肾）的单核苷酸分辨率m6A数据集 | NA | DNABERT, CNN, 混合深度学习架构 | NA | NA |
| 8642 | 2025-10-06 |
Network Occlusion Sensitivity Analysis Identifies Regional Contributions to Brain Age Prediction
2025-Jun-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70239
PMID:40470724
|
研究论文 | 本研究通过结合网络遮挡敏感性分析和精细人脑图谱，识别了脑龄预测模型中各脑区的贡献度 | 开发了可解释性方案NOSA，首次系统揭示了不同脑区在生命周期各阶段对脑龄预测的贡献模式 | 研究样本年龄范围有限（8-80岁），未涵盖婴幼儿和极高龄群体 | 提高脑龄预测深度学习模型的可解释性，识别关键贡献脑区 | 人类大脑结构和功能区域 | 医学影像分析 | 老年疾病 | 脑磁共振成像 | CNN | 脑影像数据 | 训练集3054人，测试集555人，年龄范围8-80岁 | NA | 全卷积神经网络 | NA | NA |
| 8643 | 2025-06-07 |
Deep learning for microbiome-informed precision nutrition
2025-Jun, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwaf148
PMID:40475064
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8644 | 2025-06-10 |
PeruFoodNet: A unique dataset of traditional peruvian food for image recognition systems and allergenic ingredient inference
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111604
PMID:40486219
|
research paper | 介绍了一个名为PeruFoodNet的数据集，包含4000张传统秘鲁菜肴的图片，用于图像识别系统和过敏成分推断 | 创建了一个独特的秘鲁菜肴数据集，可用于图像识别和过敏成分识别 | 数据集主要由作者自己拍摄，可能缺乏多样性 | 促进图像识别和分类研究，帮助识别菜肴中的过敏成分 | 传统秘鲁菜肴 | computer vision | NA | Deep Learning | NA | image | 4000张图片，涵盖40种最受欢迎的秘鲁菜肴，每种菜肴100张图片 | NA | NA | NA | NA |
| 8645 | 2025-06-10 |
Investigation of Short-term Crystalline Lens Positional Shifts Following ICL Implantation Using SS-OCT Integrated With Multi-task Deep Learning
2025-Jun, Journal of refractive surgery (Thorofare, N.J. : 1995)
DOI:10.3928/1081597X-20250506-06
PMID:40488484
|
research paper | 研究使用SS-OCT结合多任务深度学习评估ICL植入后短期晶状体位置变化 | 首次结合SS-OCT和多任务深度学习定量评估ICL植入后晶状体倾斜和偏心变化 | 样本量较小(42眼)，仅评估短期(1周内)变化 | 评估ICL植入对晶状体位置的短期影响 | 26名患者(42眼)的ICL植入手术前后晶状体位置 | digital pathology | ophthalmic disease | SS-OCT | multi-task deep learning | medical image | 42 eyes from 26 patients | NA | NA | NA | NA |
| 8646 | 2025-06-10 |
Insights into "Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis"
2025-May-30, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.04.046
PMID:40450446
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8647 | 2025-06-10 |
Response to Letter to the Editor regarding "Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis"
2025-May-30, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.05.012
PMID:40450443
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8648 | 2025-10-06 |
Machine Learning and Deep Learning Techniques for Prediction and Diagnosis of Leptospirosis: Systematic Literature Review
2025-May-29, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/67859
PMID:40440642
|
系统综述 | 本文系统评估了机器学习和深度学习技术在钩端螺旋体病预测和诊断中的应用 | 首次对ML和DL在钩端螺旋体病预测诊断中的应用进行系统性综述，识别了常用算法和性能表现 | 纳入研究数量有限（17篇），公开数据集使用不足（仅35%），多数研究依赖私有数据 | 评估机器学习和深度学习技术在钩端螺旋体病预测和诊断中的应用效果 | 钩端螺旋体病相关研究文献 | 机器学习 | 钩端螺旋体病 | NA | 支持向量机,人工神经网络,决策树,卷积神经网络 | 临床记录,医院数据,区域监测系统数据 | 17项研究纳入定性分析 | NA | U-Net | 准确率 | NA |
| 8649 | 2025-10-06 |
PathoGraph: A Graph-Based Method for Standardized Representation of Pathology Knowledge
2025-May-27, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04906-z
PMID:40425649
|
研究论文 | 提出一种基于图结构的病理知识标准化表示方法PathoGraph，用于系统组织病理学知识 | 首次提出基于图的病理知识表示方法，能够全面捕捉多尺度疾病特征和病理学家专业知识 | NA | 系统组织病理学知识以促进计算利用和AI技术整合 | 病理数据（切片和诊断报告）中的知识元素 | 数字病理学 | 肿瘤疾病 | 图表示方法 | NA | 病理切片、诊断报告 | NA | NA | 图结构 | NA | NA |
| 8650 | 2025-10-06 |
Leveraging Social Media Data to Understand the Impact of COVID-19 on Residents' Dietary Behaviors: Observational Study
2025-May-23, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/51638
PMID:40409748
|
研究论文 | 利用Twitter社交媒体数据分析COVID-19疫情对居民饮食行为的影响 | 首次结合社交媒体图像和文本数据，通过深度学习分析疫情对饮食行为、情绪和肥胖关系的多层次影响 | 研究仅基于Twitter数据，可能无法代表全部人群；依赖用户自发发布内容，存在选择偏差 | 探究COVID-19疫情对居民饮食行为、情绪和肥胖关系的影响 | Twitter平台上与食物相关的推文图像和文本数据 | 自然语言处理,计算机视觉 | COVID-19 | 社交媒体数据分析,情感分析 | CNN | 图像,文本 | 约200,000条2019-2021年期间的食物相关推文 | NA | ResNet-101 | 相关系数,P值 | NA |
| 8651 | 2025-10-06 |
Identifying Disinformation on the Extended Impacts of COVID-19: Methodological Investigation Using a Fuzzy Ranking Ensemble of Natural Language Processing Models
2025-May-21, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/73601
PMID:40397945
|
研究论文 | 本研究开发了一种融合预训练语言模型和模糊排序集成方法的深度学习框架，用于检测关于COVID-19长期影响的不实信息 | 提出了一种创新的基于模糊排序的集成方法，结合重新参数化的Gompertz函数来融合多个预训练语言模型的预测结果 | 数据集规模相对有限（共2927个样本），且仅基于文本内容进行训练 | 开发一个鲁棒且可泛化的深度学习框架来检测与COVID-19长期影响相关的错误信息 | 关于COVID-19长期影响和再感染风险的网络信息 | 自然语言处理 | COVID-19 | 自然语言处理 | 预训练语言模型,集成学习 | 文本 | 2927个样本（566个真实样本，2361个虚假样本） | scikit-learn | RoBERTa,DeBERTa,XLNet,HAN | 准确率,精确率,召回率,F1分数,AUC | Tesla T4（用于HAN训练）,RTX A5000（用于其他模型训练） |
| 8652 | 2025-10-06 |
Prediction of Spontaneous Breathing Trial Outcome in Critically Ill-Ventilated Patients Using Deep Learning: Development and Verification Study
2025-May-21, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/64592
PMID:40397953
|
研究论文 | 开发基于深度学习的人工智能模型，用于预测危重症机械通气患者自主呼吸试验结果 | 提出新型混合CNN-MLP架构，通过交错CNN和MLP层实现特征学习和融合，提高模型灵活性和预测精度 | 研究为回顾性队列研究，数据来源于单一医疗中心，需要进一步前瞻性验证 | 建立数据驱动方法预测自主呼吸试验结果，提供客观高效的呼吸机脱机评估工具 | 台湾中部某医疗中心重症监护室20岁及以上机械通气患者 | 医疗人工智能 | 呼吸系统疾病 | 深度学习 | CNN, MLP | 临床数据 | 3686名患者，6536条自主呼吸试验前临床记录 | NA | 混合CNN-MLP | 精确度, 召回率, 特异性, F1分数 | NA |
| 8653 | 2025-10-06 |
scPrediXcan integrates deep learning methods and single-cell data into a cell-type-specific transcriptome-wide association study framework
2025-May-14, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2025.100875
PMID:40373737
|
研究论文 | 提出scPrediXcan方法，将深度学习方法与单细胞数据整合到细胞类型特异性转录组范围关联研究框架中 | 整合深度学习方法和单细胞数据，开发能预测细胞类型特异性表达的ctPred方法，捕捉线性模型忽略的复杂基因调控规则 | 未明确说明样本量限制或数据稀疏性问题的具体解决方案 | 改进转录组范围关联研究，在细胞水平识别疾病机制 | 2型糖尿病和系统性红斑狼疮 | 机器学习 | 2型糖尿病, 系统性红斑狼疮 | 单细胞数据, 表观遗传特征预测 | 深度学习 | DNA序列, 单细胞表达数据 | NA | NA | NA | 准确性, 候选因果基因数量, GWAS位点解释能力 | NA |
| 8654 | 2025-10-06 |
FastConformation: A Standalone ML-Based Toolkit for Modeling and Analyzing Protein Conformational Ensembles at Scale
2025-May-14, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.09.653048
PMID:40463224
|
研究论文 | 介绍FastConformation——一个基于Python的独立工具包，用于大规模建模和分析蛋白质构象集合 | 将MSA生成、AF2结构预测和构象分析集成到单一工具中，提供用户友好的GUI界面，支持通过MSA子采样生成替代蛋白质构象 | 未明确说明工具在复杂蛋白质系统上的局限性或计算精度限制 | 开发一个易于使用的蛋白质构象集合建模和分析工具 | 蛋白质构象集合，包括Abl1激酶、LAT1转运蛋白和CCR5受体等 | 计算生物学 | NA | 多序列比对子采样，深度学习结构预测 | AlphaFold 2 | 氨基酸序列，蛋白质结构数据 | NA | Python | AlphaFold 2 | NA | 本地机器 |
| 8655 | 2025-05-07 |
Code Error in "Diagnostic Classification and Prognostic Prediction Using Common Genetic Variants in Autism Spectrum Disorder: Genotype-Based Deep Learning"
2025-05-06, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/66556
PMID:40327366
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8656 | 2025-10-06 |
Cyber-physical security of biochips: A perspective
2025-May, Biomicrofluidics
IF:2.6Q2
DOI:10.1063/5.0252554
PMID:40454326
|
观点文章 | 本文探讨微流控生物芯片面临的网络安全威胁及相应防护对策 | 系统性地提出针对生物芯片的多层次安全框架，涵盖结构、材料、样本和知识产权四个维度的防护方案 | 未提供具体实验验证数据，主要基于理论分析和现有技术展望 | 分析生物芯片安全威胁并提出综合防护方案 | 微流控生物芯片及其安全防护体系 | 网络安全 | NA | 深度学习异常检测、机械响应染料、光谱水印、分子条形码 | 深度学习 | 显微结构图像、光学特征、化学信号 | NA | NA | NA | NA | NA |
| 8657 | 2025-10-06 |
RLEAAI: improving antibody-antigen interaction prediction using protein language model and sequence order information
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf238
PMID:40462512
|
研究论文 | 提出一种名为RLEAAI的新型深度学习方法，用于改进抗体-抗原相互作用的预测性能 | 引入序列顺序提取策略（CKSAAP）从预训练蛋白质语言模型的特征嵌入中生成特征表示，并整合三种神经网络模块充分挖掘特征中的判别信息 | NA | 提高抗体-抗原相互作用预测的准确性 | 抗体-抗原相互作用 | 生物信息学 | NA | 蛋白质语言模型，序列顺序信息提取 | CNN, BiLSTM, 循环交叉注意力机制 | 蛋白质序列 | NA | NA | CNN, BiLSTM, 循环交叉注意力机制 | 准确率, Matthews相关系数, 互补决定区敏感性值 | NA |
| 8658 | 2025-10-06 |
Deep learning reveals determinants of transcriptional infidelity at nucleotide resolution in the allopolyploid line by goldfish and common carp hybrids
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf260
PMID:40471993
|
研究论文 | 本研究开发深度学习模型探究金鱼和鲤鱼杂交多倍体品系中转录不忠实的决定因素 | 首次在核苷酸分辨率水平识别转录不忠实序列，并揭示位置特异性转录因子家族对转录不忠实的影响 | 研究仅限于金鱼和鲤鱼杂交多倍体品系，未验证其他生物系统 | 探究杂交多倍体品系中转录不忠实的分子决定机制 | 金鱼和鲤鱼杂交多倍体品系的转录序列 | 生物信息学 | NA | 深度学习，转录因子分析 | 深度学习模型 | DNA和RNA序列数据 | NA | NA | NA | NA | NA |
| 8659 | 2025-10-06 |
Deep learning reconstruction algorithm and high-concentration contrast medium: feasibility of a double-low protocol in coronary computed tomography angiography
2025-Apr, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11059-x
PMID:39299952
|
研究论文 | 评估深度学习重建算法结合高浓度造影剂在非肥胖患者冠状动脉CT血管成像中实现低辐射低造影剂剂量的可行性 | 首次将高强度深度学习图像重建与低管电压、低造影剂输送率相结合，实现冠状动脉CTA的'双低'协议 | 研究仅限于BMI<30kg/m²的非肥胖患者，样本量相对有限 | 评估双低CCTA协议在辐射剂量和图像质量方面的表现 | 255名接受临床CCTA检查的非肥胖患者 | 医学影像 | 心血管疾病 | 冠状动脉CT血管成像 | 深度学习重建算法 | CT影像 | 255名患者（64±10岁，161名男性），每组85人 | NA | DLIR-H（高强度深度学习图像重建） | 信噪比, 对比噪声比, 主观图像质量评分, 辐射剂量, 造影剂剂量 | NA |
| 8660 | 2025-10-06 |
Deep learning-based segmentation of OCT images for choroidal thickness
2025 Apr-Jun, Journal of optometry
IF:2.2Q2
DOI:10.1016/j.optom.2025.100556
PMID:40328135
|
研究论文 | 开发并验证基于深度学习的自动分割方法用于OCT图像脉络膜厚度测量 | 使用定制化的Deeplabv3+网络实现OCT图像脉络膜-巩膜边界的自动分割，相比开源算法表现更优 | 仅使用单一中心数据，样本量相对有限（测试集130例） | 开发自动化的OCT图像脉络膜厚度测量方法 | 光学相干断层扫描（OCT）图像 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描（OCT） | CNN | 医学图像 | 训练集10,798个手动分割的OCT扫描，测试集130个独特扫描 | NA | Deeplabv3+, ResNet50 | 准确率, 损失值, Bland-Altman分析, 组内相关系数（ICC）, Deming回归 | NA |