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 10581 - 10600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10581 | 2025-05-17 |
Ant-Inspired Ion Gel Sensor for Dual-Mode Detection of Force and Humidity via Magnetic Induction
2025-03-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c00032
PMID:40016092
|
research paper | 介绍了一种受蚂蚁感官机制启发的双模式离子凝胶传感器，能够同时检测环境湿度和压力 | 采用磁感应技术开发的双模式传感器，结合了湿度传感器和压力传感器的高灵敏度和宽范围检测能力，并通过深度学习算法实现高精度物体识别 | 未明确提及传感器的长期稳定性测试或在极端环境下的性能表现 | 开发多功能、高灵敏度、宽范围和耐用的柔性传感器，用于智能传感领域 | 环境湿度和压力的检测，以及人体生理信号和物体识别 | 智能传感 | NA | 磁感应技术，深度学习算法 | NA | 湿度信号，压力信号，生理信号 | 未明确提及具体样本数量，但涉及人体生理信号测试和物体识别实验 | NA | NA | NA | NA |
| 10582 | 2025-05-17 |
Penalized factorial regression as a flexible and computationally attractive reaction norm model for prediction in the presence of GxE
2025-Mar-28, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik
DOI:10.1007/s00122-025-04865-4
PMID:40155554
|
研究论文 | 本文提出了一种惩罚性因子回归方法，作为预测基因型与环境互作（GxE）的计算高效替代方案 | 该方法在预测精度上与基于核方法和深度学习的替代方法相当，但计算需求和耗时明显更低 | 仅在小麦和玉米两个代表性数据集上进行了验证，未在其他作物或更大规模数据上测试 | 解决植物育种和遗传学中长期存在的挑战，即在存在基因型与环境互作的情况下预测新环境中的产量 | 小麦和玉米的候选品种 | 植物育种与遗传学 | NA | 惩罚性因子回归 | 线性反应规范模型 | 基因型与环境互作数据 | 两个代表性数据集（小麦和玉米） | NA | NA | NA | NA |
| 10583 | 2025-05-17 |
[Research progress in mutation effect prediction based on protein language models]
2025-Mar-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology
DOI:10.13345/j.cjb.240683
PMID:40170306
|
综述 | 本文综述了基于蛋白质语言模型（PLMs）的蛋白质突变效应预测的研究进展 | 总结了PLMs在预测蛋白质突变效应中的应用，包括序列模型、结构模型及序列与结构结合模型，并分析了无监督和监督学习在模型训练中的应用 | 当前面临的主要挑战包括高质量数据集的获取和数据噪声的处理 | 推动蛋白质突变效应预测的进一步发展 | 蛋白质突变效应预测 | 生物信息学 | NA | 蛋白质语言模型（PLMs） | 序列模型、结构模型、序列与结构结合模型 | 蛋白质序列和结构数据 | NA | NA | NA | NA | NA |
| 10584 | 2025-05-17 |
[Intelligent mining, engineering, and de novo design of proteins]
2025-Mar-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology
DOI:10.13345/j.cjb.240629
PMID:40170309
|
综述 | 本文综述了人工智能在蛋白质发现、评估、工程和设计方面的最新研究进展 | 探讨了人工智能在蛋白质工程和设计中的应用及其对生物制造的潜在影响 | 未提及具体的技术限制或数据局限性 | 探索和改造酶以适应特定的生物制造过程 | 蛋白质，特别是酶 | 机器学习 | NA | 机器学习和深度学习算法 | NA | 生物信息学数据 | NA | NA | NA | NA | NA |
| 10585 | 2025-05-17 |
Kolmogorov-Arnold networks for genomic tasks
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf129
PMID:40163820
|
research paper | 本文研究了Kolmogorov-Arnold网络（KANs）在基因组任务中替代多层感知机（MLPs）的潜力 | 首次将KANs整合到基因组任务的深度学习模型中，并测试了线性KANs（LKANs）和卷积KANs（CKANs）的性能 | CKANs在参数规模较大时表现不佳，且KANs在不同深度学习架构中的潜力需要进一步研究 | 探索KANs在基因组任务中的性能表现 | 基因组序列的分类与生成 | machine learning | NA | deep learning | Kolmogorov-Arnold networks (KANs), linear KANs (LKANs), convolutional KANs (CKANs) | genomic sequences | 三个基因组基准数据集：Genomic Benchmarks, Genome Understanding Evaluation, Flipon Benchmark | NA | NA | NA | NA |
| 10586 | 2025-05-17 |
DOMSCNet: a deep learning model for the classification of stomach cancer using multi-layer omics data
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf115
PMID:40178281
|
研究论文 | 提出了一种名为DOMSCNet的深度学习模型，用于利用多层组学数据对胃癌进行分类 | 提出了一种混合特征选择（HFS）技术和基于深度循环神经网络的DOMSCNet模型，能够处理多层组学数据并有效提取信息特征 | 未明确提及具体局限性 | 改进胃癌的分类方法，支持癌症的分子过程理解和临床诊断 | 胃癌的多层组学数据 | 机器学习 | 胃癌 | NGS | 深度循环神经网络（DOMSCNet） | 多层组学数据 | 使用了八个外部数据集进行验证 | NA | NA | NA | NA |
| 10587 | 2025-05-17 |
Data imbalance in drug response prediction: multi-objective optimization approach in deep learning setting
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf134
PMID:40178282
|
research paper | 该研究提出了一种多目标优化方法，用于解决药物反应预测中的数据集不平衡问题，以提高深度学习模型的泛化能力 | 通过构建多目标优化损失函数（Multi-Objective Optimization Regularized by Loss Entropy）并将其应用于深度学习模型，解决了药物反应预测中的数据集不平衡问题 | 数据深度仍然不足，与计算机视觉或自然语言处理等领域相比，限制了当前的学习能力 | 提高药物反应预测模型的泛化能力 | 药物反应预测模型 | machine learning | NA | deep learning | Deep Learning | genomic data, drug screening data | NA | NA | NA | NA | NA |
| 10588 | 2025-10-07 |
Clinical applications of deep learning in neuroinflammatory diseases: A scoping review
2025-Mar, Revue neurologique
IF:2.8Q2
DOI:10.1016/j.neurol.2024.04.004
PMID:38772806
|
综述 | 本文对深度学习在神经炎症性疾病临床应用的文献进行了范围综述 | 首次系统梳理了深度学习在神经炎症性疾病领域的临床应用现状和技术特征 | 仅基于PubMed数据库和单一商业算法注册网站，可能存在文献收录不全的局限 | 评估深度学习技术在神经炎症性疾病临床转化应用的范围和现状 | 神经炎症性疾病相关的深度学习算法研究 | 医疗人工智能 | 神经炎症性疾病 | 深度学习 | NA | 图像,文本,时间序列信号 | 148篇文献(2018-2024年)和5个商业算法 | NA | NA | 预测性能 | NA |
| 10589 | 2025-05-17 |
Association between deep learning radiomics based on placental MRI and preeclampsia with fetal growth restriction: A multicenter study
2025-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.111985
PMID:39946812
|
研究论文 | 本研究开发了一种基于胎盘MRI的深度学习放射组学模型，用于识别先兆子痫（PE）妊娠及其严重程度 | 首次利用半监督方法实现胎盘MRI的自动分割，并构建深度学习放射组学（DLR）模型来识别PE妊娠及预测胎儿生长受限（FGR） | 研究为回顾性多中心设计，可能存在选择偏倚；样本量相对较小，尤其是PE合并FGR的病例 | 开发自动定量模型识别先兆子痫妊娠及疾病严重程度 | 420名孕妇（140例PE患者和280例正常血压妊娠） | 数字病理 | 先兆子痫 | MRI，深度学习放射组学（DLR） | 深度学习模型 | MRI图像 | 420名孕妇（140例PE，280例对照） | NA | NA | NA | NA |
| 10590 | 2025-05-17 |
The Multimodal MRI Features of Deteriorative MCI Patients-A 2-Year Follow-up Study
2025-Mar-01, Neurology India
IF:0.9Q4
|
研究论文 | 本研究通过多模态MRI技术探索了轻度认知障碍（MCI）患者在两年随访期间的影像特征 | 首次利用多模态MRI序列和深度学习算法，识别出MCI恶化组的FA值降低和ADC值升高的特征性脑区变化 | 样本量相对较小（105例），且仅进行了2年随访 | 探索MCI患者认知功能恶化的MRI预警特征 | 105名MCI患者 | 数字病理学 | 老年性疾病 | 多模态MRI（包括ADC、FA、CBF测量） | 深度学习算法 | MRI影像数据 | 105名MCI患者（2019和2021年两次扫描） | NA | NA | NA | NA |
| 10591 | 2025-05-17 |
Early Colon Cancer Prediction from Histopathological Images Using Enhanced Deep Learning with Confidence Scoring
2025-Mar, Cancer investigation
IF:1.8Q3
DOI:10.1080/07357907.2025.2483302
PMID:40178023
|
研究论文 | 本研究提出了一种名为NalexNet的混合深度学习分类器，用于提高结肠癌组织病理学图像的分类准确性和计算效率 | 结合Vahadane染色归一化、Watershed分割和Teamwork优化算法进行特征选择，构建了具有卷积层和正常/缩减细胞的NalexNet模型 | 未提及模型在外部验证集上的表现或临床实际应用中的潜在挑战 | 开发自动化的结肠癌早期诊断系统 | 结肠癌组织病理学图像 | 数字病理学 | 结肠癌 | 深度学习 | CNN（NalexNet） | 图像 | NA | NA | NA | NA | NA |
| 10592 | 2025-05-17 |
Impact of deep learning on pediatric elbow fracture detection: a systematic review and meta-analysis
2025-Feb-20, European journal of trauma and emergency surgery : official publication of the European Trauma Society
IF:1.9Q2
DOI:10.1007/s00068-025-02779-w
PMID:39976732
|
meta-analysis | 本研究通过系统回顾和荟萃分析评估了深度学习模型在儿童肘部骨折检测中的性能 | 首次系统评估了深度学习模型在儿童肘部骨折检测中的表现，并分析了预处理技术和模型架构选择对性能的影响 | 仅纳入了6项符合标准的研究，样本量有限 | 评估深度学习模型在儿童肘部骨折检测中的诊断性能 | 0-16岁儿童的肘部骨折 | digital pathology | pediatric fracture | deep learning | ResNet等深度学习模型 | 医学影像数据 | 22项研究中的6项符合纳入标准（具体样本量未明确说明） | NA | NA | NA | NA |
| 10593 | 2025-05-17 |
Model interpretability on private-safe oriented student dropout prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317726
PMID:40163446
|
研究论文 | 本文提出了一种改进的预处理核诱导点数据蒸馏技术（PP-KIPDD），用于重构模拟学生信息分布的新样本，以防止学生隐私信息泄露，并通过SHAP值增强模型的可解释性 | 首次引入PP-KIPDD技术重构模拟学生信息分布的新样本，防止隐私泄露，并通过SHAP值增强模型的可解释性 | 未提及具体的数据集规模或实验验证的局限性 | 解决学生辍学预测中的隐私泄露和模型可解释性问题 | 学生辍学预测 | 机器学习 | NA | PP-KIPDD, SHAP | NA | 表格数据 | NA | NA | NA | NA | NA |
| 10594 | 2025-05-17 |
An updated compendium and reevaluation of the evidence for nuclear transcription factor occupancy over the mitochondrial genome
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0318796
PMID:40163815
|
研究论文 | 本文通过分析扩展后的ENCODE数据集和深度学习模型，全面评估了核转录因子与线粒体基因组的关联 | 利用扩展的ENCODE数据集和深度学习模型，首次全面评估了核转录因子与线粒体基因组的关联，并识别出50个可能与线粒体功能相关的核转录因子 | 研究发现，相同的转录因子在不同抗体和ChIP实验中的结果不一致，表明实验方法可能影响结果的可靠性 | 评估核转录因子与线粒体基因组的关联，并探讨其在线粒体功能中的潜在作用 | 人类和小鼠的核转录因子及其与线粒体基因组的关联 | 基因组学 | NA | ChIP-seq, 深度学习模型 | 深度学习 | 基因组数据 | 6,153个ChIP实验，涉及942种蛋白质（其中763种为序列特异性转录因子） | NA | NA | NA | NA |
| 10595 | 2025-05-17 |
An Early Thyroid Screening Model Based on Transformer and Secondary Transfer Learning for Chest and Thyroid CT Images
2025 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338251323168
PMID:40165465
|
研究论文 | 提出了一种基于Transformer和二次迁移学习的早期甲状腺筛查模型，用于胸部和甲状腺CT图像 | 结合Transformer DNN和迁移学习技术，整合时间序列数据，解决小样本量和高噪声问题 | 数据集有限，样本量较小，噪声较高 | 提高甲状腺癌早期筛查的准确性和效率 | 240名来自中国广东和新疆的患者的增强CT扫描图像数据 | 数字病理学 | 甲状腺癌 | 增强CT扫描 | Transformer DNN | CT图像 | 240名患者 | NA | NA | NA | NA |
| 10596 | 2025-05-17 |
Integration of histopathological images and immunological analysis to predict M2 macrophage infiltration and prognosis in patients with serous ovarian cancer
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1505509
PMID:40165975
|
研究论文 | 该研究通过整合组织病理学图像和免疫学分析，预测浆液性卵巢癌患者中M2巨噬细胞浸润及其对预后的影响 | 利用深度多实例学习（MIL）和ResNet18网络从组织病理学图像中预测M2巨噬细胞浸润，为浆液性卵巢癌的预后评估提供了新方法 | 样本量相对较小，且外部验证集的数据来源未详细说明 | 提高浆液性卵巢癌患者的预后准确性，识别新的治疗靶点，推进个性化治疗策略 | 浆液性卵巢癌患者 | 数字病理学 | 卵巢癌 | 深度多实例学习（MIL） | ResNet18 | 图像 | 86例来自TCGA的患者和106例来自组织微阵列的患者 | NA | NA | NA | NA |
| 10597 | 2025-05-17 |
Analysis of Deep Learning Techniques for Vehicle Detection and Reidentification Using Data from Multiple Drones and Public Datasets
2025, Anais da Academia Brasileira de Ciencias
IF:1.1Q3
DOI:10.1590/0001-3765202520240623
PMID:40172334
|
research paper | 本文提出了一种结合多种CNN技术的车辆检测与重识别解决方案，应用于无人机群监控的动态环境 | 整合了VGG16、VGG19、ResNet50、InceptionV3和EfficientNetV2L等多种CNN技术，并采用YOLOv4进行检测、DeepSORT进行跟踪，以适应不同无人机拍摄角度和条件下的图像多样性 | 在第一个实验中，最佳网络ResNet50的平均准确率仅为55%，表明在部分场景下性能仍有提升空间 | 开发适用于无人机群监控环境下车辆检测与重识别的高精度方法 | 高速公路等动态环境中的车辆 | computer vision | NA | CNN, YOLOv4, DeepSORT | VGG16, VGG19, ResNet50, InceptionV3, EfficientNetV2L | image | 两个数据集：一个来自Mendeley的公共数据集，另一个由无人机群采集的图像和数据组成 | NA | NA | NA | NA |
| 10598 | 2025-05-17 |
Enlightened prognosis: Hepatitis prediction with an explainable machine learning approach
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0319078
PMID:40173410
|
research paper | 该研究探讨了使用传统机器学习模型预测肝炎感染的有效性，并特别关注了支持向量机（SVM）的卓越表现 | 采用多种机器学习模型进行肝炎预测，并通过超参数调优和集成建模技术提升模型性能，同时利用解释性分析增强模型的可解释性 | 研究中未提及模型在更大规模或多样化数据集上的泛化能力 | 提高肝炎预测的准确性和及时性，以改善患者管理 | 肝炎感染患者的数据 | machine learning | hepatitis | GridSearchCV, 5-fold cross-validation | SVM, logistic regression, decision trees, random forest, MLP | structured data | NA | NA | NA | NA | NA |
| 10599 | 2025-05-17 |
Advanced molecular modeling of proteins: Methods, breakthroughs, and future prospects
2025, Advances in pharmacology (San Diego, Calif.)
DOI:10.1016/bs.apha.2025.02.005
PMID:40175043
|
review | 本文综述了蛋白质分子建模的先进方法、突破性进展及未来展望 | 介绍了深度学习算法如AlphaFold在复杂蛋白质结构预测精度上的显著提升 | 未提及具体研究案例或数据验证这些方法的实际效果 | 增强对蛋白质功能的理解，提高药物发现的精确性 | 蛋白质分子及其行为预测 | 计算生物学 | NA | 同源建模、分子动力学模拟、量子力学/分子力学策略、深度学习 | AlphaFold | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 10600 | 2025-05-17 |
Deep learning: A game changer in drug design and development
2025, Advances in pharmacology (San Diego, Calif.)
DOI:10.1016/bs.apha.2025.01.008
PMID:40175037
|
research paper | 本文探讨了深度学习在药物设计和开发中的革命性作用 | 深度学习通过分析大量生物数据，加速药物发现过程，包括靶点识别、先导化合物选择、毒性预测、药物再利用和从头药物设计 | NA | 研究深度学习如何改变药物设计和开发过程 | 药物发现和开发过程 | machine learning | NA | deep learning | NA | biological data | NA | NA | NA | NA | NA |