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 10521 - 10540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10521 | 2025-05-17 |
MIST: An interpretable and flexible deep learning framework for single-T cell transcriptome and receptor analysis
2025-Apr-04, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adr7134
PMID:40184452
|
research paper | 介绍了一个名为MIST的深度学习框架，用于单T细胞转录组和受体分析，具有可解释性和灵活性 | MIST框架通过三个潜在空间（基因表达、TCR和联合潜在空间）进行T细胞功能研究，能够解析细胞功能和抗原特异性 | NA | 深入T细胞免疫功能研究 | 单T细胞的转录组和T细胞受体（TCR）特征 | machine learning | lung cancer, COVID19 | single-cell transcriptome analysis, TCR analysis | deep learning framework (MIST) | transcriptomic data, TCR data | 抗原特异性T细胞、肺癌免疫治疗和COVID19相关的T细胞数据集 | NA | NA | NA | NA |
| 10522 | 2025-05-17 |
CodonTransformer: a multispecies codon optimizer using context-aware neural networks
2025-Apr-03, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58588-7
PMID:40180930
|
研究论文 | 介绍了一种名为CodonTransformer的多物种密码子优化工具，利用上下文感知神经网络优化DNA序列的密码子使用 | 提出了CodonTransformer，一个基于Transformer架构的多物种深度学习模型，能够生成具有自然密码子分布特征的宿主特异性DNA序列 | NA | 开发一个能够优化DNA序列密码子使用的深度学习模型，以适应不同生物体的偏好 | 164种生物体的超过100万对DNA-蛋白质序列 | 机器学习 | NA | 深度学习 | Transformer | DNA序列和蛋白质序列 | 超过100万对DNA-蛋白质序列，来自164种生物体 | NA | NA | NA | NA |
| 10523 | 2025-05-17 |
Genetically regulated eRNA expression predicts chromatin contact frequency and reveals genetic mechanisms at GWAS loci
2025-Apr-03, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58023-x
PMID:40180945
|
research paper | 该研究开发了增强子RNA的遗传调控表达模型，并利用深度学习预测三维染色质接触频率，揭示了其在复杂性状中的作用 | 利用增强子RNA的遗传调控表达预测染色质接触频率，并揭示其在GWAS位点的遗传机制 | 研究仅基于49种细胞和组织类型，可能无法涵盖所有情况 | 探索增强子RNA的遗传调控表达及其在疾病风险中的作用 | 增强子RNA和经典基因 | 基因组学 | 精神分裂症 | Hi-C, TWAS, Mendelian randomization | 深度学习模型 | 基因组数据 | >70,000个DNA样本 | NA | NA | NA | NA |
| 10524 | 2025-05-17 |
Linking sequence restoration capability of shuffled coronary angiography to coronary artery disease diagnosis
2025-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95640-4
PMID:40181050
|
研究论文 | 本研究探讨了冠状动脉造影（CA）帧序列在冠状动脉疾病（CAD）诊断中的潜力，并开发了一种自监督深度学习模型来评估序列恢复能力 | 揭示了冠状动脉造影帧序列中的'序列价值'，并开发了一种自监督深度学习模型来自动评估这一能力 | 未提及具体样本量，可能影响结果的普遍性 | 探索冠状动脉造影帧序列在CAD诊断中的应用价值 | 冠状动脉造影帧序列 | 数字病理 | 心血管疾病 | 自监督深度学习 | 深度学习模型 | 图像序列 | NA | NA | NA | NA | NA |
| 10525 | 2025-05-17 |
An enhanced CNN-Bi-transformer based framework for detection of neurological illnesses through neurocardiac data fusion
2025-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96052-0
PMID:40181122
|
研究论文 | 提出了一种基于CNN-Bi-transformer的多模态深度学习框架，通过神经心脏数据融合预测精神疾病 | 结合MEG、EEG和ECG信号，利用CardioNeuroFusionNet模型实现多模态数据融合，提高了预测性能 | 未提及具体样本量及数据集的多样性限制 | 开发一种创新的方法来预测精神疾病，提高诊断准确性 | 癫痫、睡眠障碍、双相情感障碍、饮食障碍和抑郁症等精神疾病患者 | 机器学习 | 精神疾病 | 多模态深度学习 | CNN-Bi-transformer (CardioNeuroFusionNet) | MEG、EEG和ECG信号 | NA | NA | NA | NA | NA |
| 10526 | 2025-05-17 |
Deep learning assisted retinal microvasculature assessment and cerebral small vessel disease in Fabry disease
2025-Apr-03, Orphanet journal of rare diseases
IF:3.4Q2
DOI:10.1186/s13023-025-03627-1
PMID:40181436
|
research paper | 该研究利用深度学习评估法布里病患者的视网膜微血管参数，并分析其与脑小血管病相关脑损伤的相关性 | 首次使用深度学习辅助分析法布里病患者的视网膜微血管参数，并发现这些参数与脑小血管病评分显著相关 | 样本量较小（仅27名患者和27名对照），且为回顾性研究 | 评估法布里病患者的视网膜微血管变化及其与脑小血管病的相关性 | 法布里病患者和健康对照者的视网膜微血管参数 | digital pathology | Fabry disease | deep learning | NA | image | 27名法布里病患者和27名年龄性别匹配的健康对照者 | NA | NA | NA | NA |
| 10527 | 2025-05-17 |
Tackling a textbook example of multistep enzyme catalysis with deep learning-driven design
2025-Apr-03, Molecular cell
IF:14.5Q1
DOI:10.1016/j.molcel.2025.03.012
PMID:40185078
|
research paper | 该研究利用深度学习技术设计出与天然酶相媲美的丝氨酸水解酶 | 首次通过深度学习设计出复杂且高效的丝氨酸水解酶，挑战了传统酶设计的局限性 | 未提及具体设计酶的催化效率或稳定性数据 | 探索深度学习在复杂多步酶催化设计中的应用 | 丝氨酸水解酶 | machine learning | NA | deep learning | NA | NA | NA | NA | NA | NA | NA |
| 10528 | 2025-05-17 |
Hybrid deep learning model for density and growth rate estimation on weed image dataset
2025-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86357-5
PMID:40175374
|
研究论文 | 本文提出了一种混合深度学习模型，用于杂草图像数据集中的密度和生长率估计 | 结合了SegNet和U-Net CNN模型的特征，提出了混合卷积神经网络模型（HCNN），并引入了四种不同的改进池化层以减少经典分割模型的池化层和损失函数 | NA | 通过深度学习模型提高杂草密度和生长率的估计精度，以帮助制定合适的杂草管理策略 | 杂草图像数据集中的杂草 | 计算机视觉 | NA | 深度学习 | HCNN（混合CNN），SegNet，U-Net | 图像 | 2100张杂草图像（包括500张原始数据集图像和1600张来自CWFID数据集的图像） | NA | NA | NA | NA |
| 10529 | 2025-05-17 |
Machine learning fusion for glioma tumor detection
2025-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89911-3
PMID:40175410
|
研究论文 | 本文介绍了一种用于胶质瘤检测和分级的系统框架，通过分析脑部磁共振图像并利用深度学习模型进行分类 | 提出了一种融合机器学习的框架，能够高精度地分类胶质瘤，准确率达到99.21% | 需要进一步的研究和验证以优化系统并确保其临床适用性 | 开发一种准确高效的脑肿瘤检测系统，以提升患者护理和生存率 | 脑部胶质瘤 | 数字病理学 | 脑肿瘤 | 磁共振成像（MRI） | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 10530 | 2025-05-17 |
Investigation on potential bias factors in histopathology datasets
2025-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89210-x
PMID:40175463
|
research paper | 本文探讨了数字病理学数据集中潜在的偏差因素，特别是TCGA数据集中存在的站点特异性偏差 | 揭示了TCGA数据集中存在的站点特异性偏差，并分析了这种偏差对深度学习模型性能的影响 | 研究仅针对TCGA数据集和两种DNN模型进行分析，可能无法推广到其他数据集或模型 | 调查数字病理学数据集中潜在偏差因素的来源及其影响 | TCGA数据集中的数字病理学图像 | digital pathology | NA | deep learning | KimiaNet, EfficientNet | image | TCGA数据集中的样本 | NA | NA | NA | NA |
| 10531 | 2025-05-17 |
Estimating strawberry weight for grading by picking robot with point cloud completion and multimodal fusion network
2025-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-92641-1
PMID:40175474
|
research paper | 该研究提出了一种多模态点云补全方法和融合网络MMF-Net，用于草莓采摘机器人通过RGB-D图像准确估计草莓重量以实现分级 | 针对对称物体设计了多模态点云补全方法，并开发了融合点云和RGB图像特征的MMF-Net模型 | 仅针对对称物体（草莓）进行研究，方法在非对称物体上的适用性未验证 | 提高草莓采摘机器人通过视觉信息进行重量估计的准确性 | 草莓 | computer vision | NA | RGB-D成像，点云处理 | MMF-Net（融合EfficientNet和PointNet） | RGB-D图像，点云数据 | 1521组草莓RGB-D图像及其重量和尺寸测量数据 | NA | NA | NA | NA |
| 10532 | 2025-05-17 |
Leveraging Fine-Scale Variation and Heterogeneity of the Wetland Soil Microbiome to Predict Nutrient Flux on the Landscape
2025-Apr-02, Microbial ecology
IF:3.3Q2
DOI:10.1007/s00248-025-02516-1
PMID:40175811
|
research paper | 研究利用湿地土壤微生物组的精细变异和异质性来预测景观尺度上的营养通量 | 通过高通量测序数据开发多样性图谱，将氮循环基因的功能基因拷贝数与测量的营养通量率联系起来，并利用微生物组合组成预测营养通量 | NA | 阐明湿地内和湿地间土壤细菌的模式，并预测营养通量 | 湿地土壤微生物组 | 微生物生态学 | NA | 高通量测序 | 深度学习模型 | 测序数据 | 土壤核心样本（0-5厘米表层土壤） | NA | NA | NA | NA |
| 10533 | 2025-05-17 |
Forecasting motion trajectories of elbow and knee joints during infant crawling based on long-short-term memory (LSTM) networks
2025-Apr-02, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-025-01360-1
PMID:40176123
|
研究论文 | 本研究探讨了使用LSTM网络预测婴儿爬行运动轨迹的可行性，以促进爬行康复训练机器人的主动控制 | 首次将LSTM网络应用于预测婴儿爬行这一多变且复杂的运动轨迹，填补了该领域的研究空白 | 研究仅针对健康婴儿，未涉及运动障碍婴儿群体 | 探索LSTM网络在预测婴儿爬行轨迹中的应用，为康复训练机器人控制提供技术支持 | 20名健康婴儿（11男9女，8-15个月大）的肘关节和膝关节运动轨迹 | 机器学习 | 运动障碍 | LSTM网络 | LSTM | 时间序列数据 | 20名健康婴儿的58,782个时间步数据 | NA | NA | NA | NA |
| 10534 | 2025-05-17 |
Integrative network analysis reveals novel moderators of Aβ-Tau interaction in Alzheimer's disease
2025-Apr-02, Alzheimer's research & therapy
DOI:10.1186/s13195-025-01705-x
PMID:40176187
|
研究论文 | 本研究利用深度学习整合网络分析方法，揭示了阿尔茨海默病中Aβ与tau蛋白相互作用的新型调节因子 | 首次应用深度学习网络整合方法BIONIC，结合蛋白质组学和蛋白质相互作用数据，发现GPNMB+小胶质细胞对Aβ-tau相互作用的调节作用 | 研究主要基于ROSMAP队列数据，需要更多独立队列验证 | 揭示阿尔茨海默病中Aβ与tau蛋白相互作用的调节机制 | 阿尔茨海默病患者蛋白质组数据和蛋白质相互作用网络 | 数字病理学 | 阿尔茨海默病 | 蛋白质组学分析、蛋白质-蛋白质相互作用网络分析 | 深度学习模型(BIONIC) | 蛋白质组数据、基因表达数据 | ROSMAP队列数据(具体样本量未明确说明) | NA | NA | NA | NA |
| 10535 | 2025-05-17 |
Deep learning-based reconstruction and superresolution for MR-guided thermal ablation of malignant liver lesions
2025-Apr-02, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00869-x
PMID:40176185
|
研究论文 | 本研究评估了深度学习增强的T1加权VIBE序列（DL-VIBE）在肝脏恶性肿瘤MR引导热消融过程中对图像质量和手术参数的影响 | 使用深度学习算法（DL-VIBE）对标准VIBE序列进行后处理，显著提高了图像质量并减少了处理时间 | 样本量较小（34例患者），且研究为回顾性设计 | 评估DL-VIBE在MR引导热消融手术中的图像质量和效率改进 | 34名接受MR引导微波消融治疗的肝脏恶性肿瘤患者 | 数字病理学 | 肝脏恶性肿瘤 | MR-guided thermoablation, deep learning-enhanced T1-weighted VIBE sequences | 深度学习算法 | 医学影像 | 34名患者（平均年龄65.4岁，13名女性） | NA | NA | NA | NA |
| 10536 | 2025-10-07 |
Deep learning in the precise assessment of primary Sjögren's syndrome based on ultrasound images
2025-Apr-01, Rheumatology (Oxford, England)
DOI:10.1093/rheumatology/keae312
PMID:38830044
|
研究论文 | 本研究开发了一种基于灰度超声图像的深度学习模型，用于原发性干燥综合征的精确评估和诊断 | 首次基于ResNet 50架构开发深度学习模型，利用多中心前瞻性数据对唾液腺和泪腺超声图像进行pSS精确诊断 | 样本量相对有限，仅包含113名pSS患者和113名健康对照 | 探讨深度学习模型在原发性干燥综合征精确评估和准确诊断中的价值 | 原发性干燥综合征患者和健康对照者 | 计算机视觉 | 自身免疫性疾病 | 灰度超声成像 | CNN | 图像 | 开发集：72名pSS患者和72名健康对照；验证集：41名pSS患者和41名健康对照 | NA | ResNet 50 | AUC, 校准曲线 | NA |
| 10537 | 2025-05-17 |
Zero Echo Time and Similar Techniques for Structural Changes in the Sacroiliac Joints
2025-Apr, Seminars in musculoskeletal radiology
IF:0.9Q4
DOI:10.1055/s-0045-1802660
PMID:40164079
|
综述 | 本文探讨了基于MRI的合成CT（sCT）技术在评估骶髂关节结构变化中的潜在作用，特别是在轴向脊柱关节炎（axSpA）的背景下 | 介绍了合成CT（sCT）技术，该技术通过MRI数据生成类似CT的图像，结合了MRI和CT的优势，能够在无电离辐射的情况下同时评估炎症和结构病变 | NA | 探索MRI-based sCT在评估骶髂关节结构变化中的潜在作用，特别是在axSpA的早期检测和监测中 | 骶髂关节的结构变化，特别是在轴向脊柱关节炎（axSpA）患者中 | 数字病理学 | 脊柱关节炎 | 合成CT（sCT）、深度学习、零回波时间（ZTE）、超短回波时间（UTE）、梯度回波序列 | NA | MRI和CT图像数据 | NA | NA | NA | NA | NA |
| 10538 | 2025-05-17 |
Improved gated recurrent unit-based osteosarcoma prediction on histology images: a meta-heuristic-oriented optimization concept
2025-Apr-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85149-1
PMID:40169634
|
research paper | 该研究提出了一种基于改进门控循环单元（IGRU）的深度学习方法来预测组织学图像中的骨肉瘤 | 使用改进的门控循环单元（IGRU）和鱼鹰优化算法（OOA）进行参数调优，以提高预测准确性 | 未提及具体的数据集大小或模型在其他数据集上的泛化能力 | 通过深度学习技术提高骨肉瘤的早期诊断和个体化治疗 | 骨肉瘤患者的组织学图像 | digital pathology | osteosarcoma | Weiner filter, 2D Otsu's method, linear discriminant analysis (LDA) | improved gated recurrent unit (IGRU) | image | NA | NA | NA | NA | NA |
| 10539 | 2025-05-17 |
Detection of kidney bean leaf spot disease based on a hybrid deep learning model
2025-Apr-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93742-7
PMID:40169647
|
研究论文 | 本研究构建了首个菜豆叶斑病数据集，并提出了一种结合深度学习和机器学习的混合模型框架，显著提高了病害检测效率和准确率 | 构建了首个高质量的菜豆叶斑病数据集，并开发了一种结合深度学习和机器学习的新型框架 | 深度学习方法的计算成本较高，且可靠的菜豆叶斑病数据集仍然稀缺 | 提高菜豆叶斑病的检测效率和准确率，为精准农业中的作物病害智能诊断和管理提供新方法 | 菜豆叶斑病 | 计算机视觉 | 植物病害 | 深度学习与机器学习结合 | EfficientNet-B7, MobileNetV3, ResNet50, VGG16, Logistic Regression, Random Forest, AdaBoost, Stochastic Gradient Boosting | 图像 | NA | NA | NA | NA | NA |
| 10540 | 2025-05-17 |
An efficient graph attention framework enhances bladder cancer prediction
2025-Apr-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93059-5
PMID:40169776
|
research paper | 提出了一种基于图注意力机制的高效框架，用于增强膀胱癌的预测 | 提出了一种新型的图神经网络结构MSL-GAT，利用注意力机制识别和预测与膀胱癌进展相关的关键驱动基因 | 未提及具体的数据集限制或模型泛化能力的验证 | 通过个性化驱动基因检测提高膀胱癌的预测准确性 | 膀胱癌患者及其相关的编码和非编码基因 | machine learning | bladder cancer | graph attention mechanisms (GAT), RNA interference (RNAi) | Multi Stacked-Layered GAT (MSL-GAT) | genomic, transcriptomic, and epigenomic metadata | benchmark TCGA-BLCA数据集，具体样本数量未提及 | NA | NA | NA | NA |