深度学习在生物医药领域中的应用
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，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10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 26657 篇文献，本页显示第 941 - 960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 941 | 2025-06-10 |
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 | 提出了一种基于图的知识表示方法PathoGraph，用于系统化组织病理学知识以促进其计算应用 | PathoGraph能够全面且结构化地捕捉多尺度疾病特征及病理学家的专业知识，并通过大规模自动化构建验证其计算效用 | NA | 系统化组织病理学知识以促进其在数据驱动的生物医学研究和临床实践中的计算应用 | 病理学数据（包括切片和诊断报告）中的知识 | 数字病理学 | 肿瘤疾病 | 图表示方法 | NA | 图像、文本 | NA |
| 942 | 2025-06-10 |
A pediatric ECG database with disease diagnosis covering 11643 children
2025-May-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05225-z
PMID:40419508
|
research paper | 该研究提出了一个包含11643名0-14岁儿童的心电图数据库，用于心血管疾病的诊断 | 创建了一个专门针对儿童的心电图数据库，填补了现有数据集主要关注成人且缺乏疾病诊断信息的空白 | 数据仅来自郑州大学第一附属医院的住院儿童，可能不具有全国代表性 | 利用深度学习实现心电图智能诊断 | 0-14岁儿童的心电图数据 | digital pathology | cardiovascular disease | ECG | NA | ECG records | 11643名住院儿童，包含14190份心电图记录 |
| 943 | 2025-06-10 |
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
|
research paper | 本研究开发了一个结合预训练语言模型和模糊排名集成方法的深度学习框架，用于检测与COVID-19长期影响相关的虚假信息 | 创新点在于将预训练语言模型与基于模糊排名的集成方法相结合，并引入重新参数化的Gompertz函数来分配模糊排名 | 研究仅基于文本内容进行训练，未考虑其他可能影响虚假信息检测的因素 | 开发一个鲁棒且可推广的深度学习框架，用于检测与COVID-19长期影响相关的虚假信息 | 与COVID-19长期影响相关的虚假信息 | natural language processing | COVID-19 | 预训练语言模型(PLMs), 模糊排名集成方法 | RoBERTa, DeBERTa, XLNet, HAN | text | 566真实样本和2361虚假样本 |
| 944 | 2025-06-10 |
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 | 本研究开发了一种基于深度学习的预测模型，用于预测重症监护患者自主呼吸试验（SBT）的结果 | 提出了一种新型的混合CNN-MLP深度学习架构，通过交替CNN和MLP层进行特征学习和融合，提高了模型的灵活性和预测准确性 | 研究数据来自台湾中部一家医疗中心，可能限制了模型的普遍适用性 | 开发人工智能预测模型，提高呼吸机脱机评估的准确性和效率 | 重症监护病房中20岁及以上、依赖呼吸机的患者 | 医疗人工智能 | 呼吸系统疾病 | 深度学习 | 混合CNN-MLP | 临床记录数据 | 3686名患者，6536条SBT前临床记录 |
| 945 | 2025-06-10 |
Digital Biomarkers for Parkinson Disease: Bibliometric Analysis and a Scoping Review of Deep Learning for Freezing of Gait
2025-May-20, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/71560
PMID:40392578
|
研究论文 | 本文通过文献计量分析和范围综述，评估了帕金森病数字生物标志物的研究现状、热点及未来趋势，并系统回顾了用于冻结步态（FOG）数字生物标志物的深度学习模型 | 结合文献计量分析和范围综述方法，全面评估帕金森病数字生物标志物研究，并聚焦于FOG的深度学习模型 | 跨学科和跨机构合作不足，相关项目缺乏企业资助，FOG深度学习模型缺乏外部验证和标准化性能报告 | 评估全球帕金森病生物标志物研究的现状、热点和未来趋势，并系统回顾FOG数字生物标志物的深度学习模型 | 帕金森病数字生物标志物，特别是冻结步态（FOG）的深度学习模型 | 数字病理学 | 帕金森病 | 深度学习 | CNN或基于CNN的架构 | 数字生物标志物数据 | 文献计量分析包含750项研究，范围综述包含40项研究，涉及3700名研究人员 |
| 946 | 2025-06-10 |
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
|
research paper | 该研究提出了一种名为scPrediXcan的方法，将深度学习和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 | scPrediXcan整合了先进的深度学习方法和单细胞数据，提高了细胞类型特异性基因表达的预测准确性，并捕捉了线性模型忽略的复杂基因调控规律 | NA | 提高转录组范围关联研究（TWAS）在细胞水平上识别疾病机制的能力 | 2型糖尿病（T2D）和系统性红斑狼疮（SLE） | machine learning | type 2 diabetes, systemic lupus erythematosus | single-cell data, deep learning | ctPred | single-cell expression data | NA |
| 947 | 2025-06-10 |
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 | 介绍了一个名为FastConformation的Python应用程序，用于建模和分析蛋白质构象集合 | 集成了MSA生成、AF2结构预测和蛋白质构象交互分析，提供用户友好的GUI界面，支持非编程背景的研究人员使用 | 未明确提及样本量或具体性能比较数据 | 开发一个高效、易用的工具来预测和分析蛋白质构象集合 | 蛋白质构象集合，包括Abl1激酶、LAT1转运体和CCR5受体等 | 结构生物学 | NA | AlphaFold 2 (AF2), 多序列比对(MSA) | 深度学习 | 蛋白质序列和结构数据 | NA |
| 948 | 2025-06-10 |
A New Biomarker of Aging Derived From Electrocardiograms Improves Risk Prediction of Incident Cardiovascular Disease
2025-May-13, JACC. Advances
DOI:10.1016/j.jacadv.2025.101764
PMID:40367762
|
research paper | 研究评估了从心电图深度学习算法中得出的心血管老化生物标志物δ-age在提高心血管疾病初级预防模型性能中的潜在价值 | 引入了一种新的心血管老化生物标志物δ-age，通过深度学习算法从12导联心电图中预测年龄差异，并验证其在心血管疾病风险预测中的增量价值 | 研究样本仅来自挪威Tromsø研究，可能限制了结果的普遍性 | 评估δ-age生物标志物在心血管疾病初级预防风险预测模型中的增量价值 | 7,108名挪威Tromsø研究的男性和女性参与者 | machine learning | cardiovascular disease | deep learning | 深度学习算法 | electrocardiograms | 7,108名参与者（155例心肌梗死和141例中风病例） |
| 949 | 2025-06-10 |
AI-Driven Dental Caries Management Strategies: From Clinical Practice to Professional Education and Public Self Care
2025-May-11, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2025.04.007
PMID:40354695
|
研究论文 | 本文综述了人工智能在龋齿管理中的应用，包括临床实践、专业教育和公众自我护理 | 探讨了AI在龋齿风险评估、图像分析、治疗计划制定以及口腔卫生教育中的创新应用 | 未具体提及研究的局限性 | 概述AI在个性化龋齿管理中的当前应用和潜力 | 龋齿患者、牙科专业人士及公众 | 数字病理 | 龋齿 | 机器学习和深度学习 | NA | 图像和患者数据 | NA |
| 950 | 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 |
| 951 | 2025-06-10 |
Non-invasive biopsy diagnosis of diabetic kidney disease via deep learning applied to retinal images: a population-based study
2025-May, The Lancet. Digital health
DOI:10.1016/j.landig.2025.02.008
PMID:40312169
|
研究论文 | 开发并验证了一种基于视网膜图像的AI深度学习系统DeepDKD，用于检测糖尿病肾病(DKD)并区分孤立性糖尿病肾病与非糖尿病肾病(NDKD) | 首次利用视网膜图像和深度学习技术进行非侵入性的DKD筛查和诊断，并在多民族人群中进行了验证 | 外部验证数据集的AUC值存在一定波动，部分验证集的样本量相对较小 | 提高糖尿病肾病筛查的可及性并区分孤立性糖尿病肾病与非糖尿病肾病 | 糖尿病患者 | 数字病理学 | 糖尿病肾病 | 深度学习 | DeepDKD | 视网膜图像 | 开发集：734,084张视网膜图像（DKD检测）；121,578名参与者（DKD检测）；267名参与者（区分诊断）；外部验证集：65,406名参与者（DKD检测）；244名参与者（区分诊断） |
| 952 | 2025-06-10 |
Cyber-physical security of biochips: A perspective
2025-May, Biomicrofluidics
IF:2.6Q2
DOI:10.1063/5.0252554
PMID:40454326
|
perspective | 本文探讨了微流控生物芯片（MBs）面临的多种安全威胁及相应的防护措施 | 提出了基于深度学习的异常检测方法、材料级防护措施（如机械响应染料和光谱水印）以及样本级保护（如分子条形码）等多层次安全框架 | 未提及具体实验数据或案例研究来验证这些防护措施的有效性 | 提高微流控生物芯片的安全性和可靠性 | 微流控生物芯片（MBs）及其安全威胁 | 生物医学工程 | NA | 深度学习、机械响应染料、光谱水印、分子条形码 | 深度学习 | NA | NA |
| 953 | 2025-06-10 |
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 | 提出了一种新的深度学习方法RLEAAI，用于提高抗体-抗原相互作用（AAIs）的预测性能 | 结合了序列顺序提取策略和预训练蛋白质语言模型，整合了三种神经网络模块以提高预测准确性 | 未提及具体的数据集限制或模型泛化能力的局限性 | 提高抗体-抗原相互作用预测的准确性 | 抗体-抗原相互作用 | 机器学习 | NA | 预训练蛋白质语言模型、序列顺序提取策略 | CNN、双向LSTM、循环交叉注意力机制 | 蛋白质序列数据 | 在两个独立测试集上进行基准测试 |
| 954 | 2025-06-10 |
The Advances in Deep Learning Modeling of Polyadenylation Codes
2025 May-Jun, Wiley interdisciplinary reviews. RNA
DOI:10.1002/wrna.70017
PMID:40468587
|
综述 | 本文总结了深度学习模型在解析多聚腺苷酸化调控方面的进展及其应用 | 深度学习模型能够无偏地量化基序间的相互作用，解决序列复杂性，并捕捉顺式调控基序间复杂的位置相互作用 | NA | 探讨深度学习模型在多聚腺苷酸化调控研究中的应用 | 多聚腺苷酸化位点的形成及其调控机制 | 自然语言处理 | NA | 深度学习 | 深度学习模型 | 序列数据 | NA |
| 955 | 2025-06-10 |
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 | 本研究利用深度学习模型探究金鱼和鲤鱼杂交异源多倍体品系中转录不忠实的决定因素 | 开发深度学习模型在核苷酸分辨率上识别转录不忠实序列，并揭示位置特异性转录因子家族和类别对转录不忠实的影响 | 研究局限于金鱼和鲤鱼杂交异源多倍体品系，未在其他生物系统中验证 | 探究金鱼和鲤鱼杂交异源多倍体品系中转录不忠实的深层决定因素 | 金鱼和鲤鱼杂交异源多倍体品系的转录不忠实现象 | 机器学习 | NA | 深度学习 | 深度学习模型 | DNA序列数据 | NA |
| 956 | 2025-06-10 |
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 | 评估在非肥胖患者中使用高强度深度学习图像重建（DLIR-H）与标准自适应统计迭代重建（ASiR-V）协议在冠状动脉CT血管造影中的辐射剂量和图像质量 | 提出了一种结合DLIR-H和80-kVp CCTA的双低协议，显著减少辐射和对比剂暴露，同时提高图像质量 | 研究仅针对非肥胖患者，BMI限制在30 kg/m2以下 | 评估双低CCTA协议在减少辐射和对比剂剂量同时保持图像质量的可行性 | 非肥胖患者（BMI < 30 kg/m2） | 医学影像 | 心血管疾病 | 深度学习图像重建（DLIR-H），自适应统计迭代重建（ASiR-V） | 深度学习 | 医学影像 | 255名患者（每组85人） |
| 957 | 2025-06-10 |
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
|
research paper | 开发并验证了一种基于深度学习的自动化分割方法，用于光学相干断层扫描（OCT）图像的脉络膜厚度测量 | 使用Deeplabv3+网络和ResNet50架构开发了一种自动化分割算法，与手动分割方法相比表现出色 | 测试集样本量较小（130例），且仅与一种开源算法进行了比较 | 开发并验证一种自动化分割方法，用于OCT图像的脉络膜厚度测量 | 光学相干断层扫描（OCT）图像 | digital pathology | NA | 光学相干断层扫描（OCT） | Deeplabv3+, ResNet50 | image | 训练集10,798例手动分割OCT扫描，测试集130例独特扫描 |
| 958 | 2025-06-10 |
AUTOENCODER FOR 4-DIMENSIONAL FIBER ORIENTATION DISTRIBUTIONS FROM DIFFUSION MRI
2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi60581.2025.10981302
PMID:40475178
|
研究论文 | 本文提出了一种用于压缩扩散MRI中纤维取向分布（FODs）的平衡阶数级自编码器（OBOL） | 提出了一种平衡阶数级的自编码器（OBOL），通过为不同阶数的FODs使用单独的编码器来平衡特征图大小，从而在解码后高精度压缩FODs | 未明确提及具体限制 | 提高扩散MRI中纤维取向分布（FODs）的压缩精度和内存效率 | 扩散MRI中的纤维取向分布（FODs） | 医学影像分析 | NA | 扩散MRI | 自编码器（Autoencoder） | 医学影像数据 | 未明确提及具体样本数量 |
| 959 | 2025-06-10 |
Strategies to include prior knowledge in omics analysis with deep neural networks
2025-Mar-14, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101203
PMID:40182174
|
review | 该文章探讨了在深度学习模型中整合生物先验知识以提高分子图谱预测性能的策略 | 总结了三种利用先验知识指导深度神经网络处理分子图谱的主要策略，并回顾了相关深度学习架构，包括图神经网络的新思路 | NA | 提高基于分子图谱的深度学习模型预测性能 | 分子图谱数据 | machine learning | NA | high-throughput molecular profiling | deep neural networks, graph neural networks | molecular profiles | NA |
| 960 | 2025-06-10 |
Fuzz Testing Molecular Representation Using Deep Variational Anomaly Generation
2025-Feb-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01876
PMID:39908426
|
research paper | 使用深度变分异常生成方法对分子表示进行模糊测试 | 利用变分自编码器（VAE）生成SELFIES分子字符串的异常示例，挑战了SELFIES可转换为有效SMILES字符串的断言，并探索了影响分子表示可靠性的因素 | 仅针对SELFIES 2.1.1版本进行了测试，可能不适用于其他版本或其他分子表示方法 | 通过生成异常示例来压力测试和验证分子表示的鲁棒性 | SELFIES分子字符串 | machine learning | NA | VAE（变分自编码器） | VAE | 分子字符串（SELFIES） | NA |