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 11841 - 11860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11841 | 2025-05-08 |
Machine learning-based evolution of water quality prediction model: An integrated robust framework for comparative application on periodic return and jitter data
2025-Mar-15, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2025.125834
PMID:39933618
|
研究论文 | 该研究提出了一种基于机器学习的多级耦合框架，用于提高水质预测的准确性 | 集成数据去噪、特征选择和LSTM网络的新型机器学习框架，有效捕捉非平稳水质模式 | 未来研究需验证该框架在不同地理和气候条件下的可扩展性 | 提高复杂环境条件下动态水质指标的预测准确性 | 世界最大跨流域调水工程中四个监测站的溶解氧和高锰酸盐指数 | 机器学习 | NA | 数据去噪、特征选择、LSTM网络、小波变换、移动平均、完全集成经验模态分解 | LSTM | 时间序列数据 | 四个监测站的数据，采用80-20%和70-30%的训练配置 | NA | NA | NA | NA |
| 11842 | 2025-05-08 |
Deep Learning-Assisted Discovery of Protein Entangling Motifs
2025-Mar-10, Biomacromolecules
IF:5.5Q1
DOI:10.1021/acs.biomac.4c01243
PMID:39937127
|
研究论文 | 本研究开发了一种深度学习模型，用于预测同源二聚体的纠缠特征，并应用于筛选高温古菌基因组中的纠缠基序 | 开发了一种基于氨基酸序列预测蛋白质纠缠特征的深度学习模型，其搜索速度比AlphaFold-Multimer快数十倍，同时保持相当的均方误差 | NA | 推进新型拓扑蛋白质的设计和合成 | 蛋白质纠缠基序 | 机器学习 | NA | 深度学习 | 深度学习模型 | 氨基酸序列 | 高温古菌基因组 | NA | NA | NA | NA |
| 11843 | 2025-05-08 |
APNet, an explainable sparse deep learning model to discover differentially active drivers of severe COVID-19
2025-Mar-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf063
PMID:39921901
|
research paper | 介绍APNet，一种可解释的稀疏深度学习模型，用于发现严重COVID-19的差异活性驱动因素 | 结合SJARACNe共表达网络的差异活性分析和PASNet（一种生物学信息稀疏深度学习模型），进行COVID-19严重程度的可解释预测 | 当前方法可能忽略了非线性蛋白质组动态，如翻译后修饰，且特征排序之外的生物学解释性有限 | 通过计算分析揭示导致COVID-19不良临床结果的分子、细胞表型和信号模式 | COVID-19患者 | machine learning | COVID-19 | SJARACNe co-expression networks, PASNet | sparse deep learning model | proteomic data | 三个COVID-19蛋白质组数据集 | NA | NA | NA | NA |
| 11844 | 2025-05-08 |
ChatExosome: An Artificial Intelligence (AI) Agent Based on Deep Learning of Exosomes Spectroscopy for Hepatocellular Carcinoma (HCC) Diagnosis
2025-Mar-04, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c06677
PMID:39932366
|
研究论文 | 开发了一个基于深度学习和大型语言模型的人工智能代理ChatExosome，用于肝细胞癌（HCC）的诊断 | 首次开发了一个专注于外泌体光谱和诊断的AI代理，结合了深度学习和大型语言模型，提高了分类结果的可解释性 | NA | 通过人工智能技术优化肝细胞癌的诊断过程 | 肝细胞癌（HCC）患者的外泌体拉曼光谱 | 数字病理学 | 肝细胞癌 | 拉曼光谱 | FFT（特征融合变换器）和LLM（大型语言模型） | 光谱数据 | 165个临床样本 | NA | NA | NA | NA |
| 11845 | 2025-05-08 |
Deep learning-assisted identification and localization of ductal carcinoma from bulk tissue in-silico models generated through polarized Monte Carlo simulations
2025-Mar-04, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adb495
PMID:39933195
|
研究论文 | 本研究利用偏振蒙特卡洛模拟和卷积神经网络（CNN）对乳腺导管癌进行识别和定位 | 结合偏振蒙特卡洛模拟和深度学习技术，实现了对乳腺导管癌的高精度识别和定位，分类准确率达到96% | 研究主要针对组织表面的肿瘤区域，可能不适用于深层肿瘤的检测 | 展示通过卷积神经网络在偏振蒙特卡洛模拟生成的去极化指数图像上同时检测肿瘤存在和位置的能力 | 乳腺导管癌 | 数字病理学 | 乳腺癌 | 偏振蒙特卡洛模拟 | CNN | 图像 | 体外组织模型图像和模拟生成的图像 | NA | NA | NA | NA |
| 11846 | 2025-05-08 |
Deep Learning Enhances Precision of Citrullination Identification in Human and Plant Tissue Proteomes
2025-Mar, Molecular & cellular proteomics : MCP
IF:6.1Q1
DOI:10.1016/j.mcpro.2025.100924
PMID:39921205
|
研究论文 | 本文介绍了一种结合深度学习模型Prosit-Cit的新型数据分析流程，用于提高瓜氨酸化位点识别的敏感性和精确度 | 提出了结合深度学习模型Prosit-Cit的数据分析流程，显著提高了瓜氨酸化位点识别的精确度和敏感性，并在植物组织蛋白质组中首次实现了大规模瓜氨酸化位点定位 | 需要依赖已有的质谱数据库搜索工作流程，且模型训练数据主要来自合成肽段 | 提高瓜氨酸化位点识别的精确度和敏感性，促进对蛋白质瓜氨酸化在健康和疾病中作用的理解 | 人类和植物（拟南芥）组织蛋白质组中的瓜氨酸化位点 | 蛋白质组学 | NA | 质谱分析，深度学习 | Prosit-Cit（基于Prosit模型的扩展） | 质谱数据 | 约53,000个光谱来自约2,500个合成瓜氨酸化肽段，以及拟南芥30个组织中的169个蛋白质的约200个瓜氨酸化位点 | NA | NA | NA | NA |
| 11847 | 2025-05-08 |
Point-annotation supervision for robust 3D pulmonary infection segmentation by CT-based cascading deep learning
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109760
PMID:39923589
|
research paper | 提出了一种基于级联深度学习的CT点标注监督方法，用于鲁棒的3D肺部感染分割 | 通过比较标注点和未标注体素的表示以及建立全局不确定性，开发了两种正则化策略，在稀疏标注下约束网络对病变模式的理解，并包含增强模块以提高全局解剖感知和对空间各向异性的适应性 | 未明确提及具体限制，但可能包括对新型感染类型的泛化能力仍需进一步验证 | 开发一种弱监督学习方法，用于肺部感染的3D分割，以减少标注工作量并提高性能 | 肺部感染的CT图像 | digital pathology | pulmonary infection | cascading deep learning | CNN | 3D CT volumes | 1,072 CT volumes | NA | NA | NA | NA |
| 11848 | 2025-05-08 |
Explainable AI-driven scalogram analysis and optimized transfer learning for sleep apnea detection with single-lead electrocardiograms
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109769
PMID:39923592
|
研究论文 | 本研究提出了一种利用单导联心电图信号和深度学习技术检测睡眠呼吸暂停的新方法 | 采用连续小波变换将心电图信号转换为时频域标量图，并优化预训练的GoogLeNet架构作为迁移学习模型，提高了分类性能 | 研究依赖于特定数据集，可能在其他数据集上的泛化能力有限 | 开发一种高效、准确的睡眠呼吸暂停检测方法 | 睡眠呼吸暂停患者的心电图信号 | 数字病理学 | 睡眠呼吸暂停 | 连续小波变换 | GoogLeNet | 心电图信号 | PhysioNet Apnea ECG数据集、UCDDB数据集和MIT-BIH多导睡眠图数据集 | NA | NA | NA | NA |
| 11849 | 2025-05-08 |
Improving entity recognition using ensembles of deep learning and fine-tuned large language models: A case study on adverse event extraction from VAERS and social media
2025-Mar, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104789
PMID:39923968
|
研究论文 | 本研究评估了大型语言模型（LLMs）与传统深度学习模型在不良事件（AE）提取中的效果，并通过集成方法提升了性能 | 通过集成微调的传统深度学习模型和LLMs，提升了不良事件提取的性能，为生物医学领域的自然语言处理提供了新方法 | 研究样本量相对较小，且未涵盖所有可能的社交媒体平台 | 评估LLMs和传统深度学习模型在不良事件提取中的效果，并探索集成方法对性能的影响 | 疫苗不良事件报告系统（VAERS）、Twitter和Reddit的文本数据 | 自然语言处理 | COVID-19 | 深度学习、大型语言模型（LLMs） | RNN、BioBERT、GPT-2、GPT-3.5、GPT-4、Llama-2 7b、Llama-2 13b | 文本 | VAERS报告230份、Twitter帖子3,383条、Reddit帖子49条 | NA | NA | NA | NA |
| 11850 | 2025-05-08 |
Does Deep Learning Reconstruction Improve Ureteral Stone Detection and Subjective Image Quality in the CT Images of Patients with Metal Hardware?
2025-Mar, Journal of endourology
IF:2.9Q1
DOI:10.1089/end.2024.0666
PMID:39932744
|
研究论文 | 本研究比较了在金属髋关节假体存在下，低剂量和常规剂量CT扫描结合或不结合深度学习重建（DLR）和金属伪影减少（MAR）技术对输尿管结石检测和图像质量的影响 | 首次在尸体模型中评估了DLR和MAR技术对低剂量CT扫描在金属假体存在下输尿管结石检测和图像质量的改善效果 | 研究样本量较小（仅10个泌尿系统组合），且仅在尸体模型中进行 | 评估DLR和MAR技术是否能改善金属假体患者低剂量CT扫描的输尿管结石检测和图像质量 | 植入输尿管结石的尸体模型（含双侧髋关节假体） | 医学影像 | 泌尿系统疾病 | CT扫描（常规剂量和超低剂量），深度学习重建（DLR），金属伪影减少（MAR） | 深度学习 | CT图像 | 10个植入4-6mm输尿管结石的泌尿系统组合（尸体模型） | NA | NA | NA | NA |
| 11851 | 2025-05-08 |
Functional near-infrared spectroscopy (fNIRS) in patients with major depressive disorder, generalized anxiety disorder and their comorbidity: Comparison with healthy controls
2025-Mar, Asian journal of psychiatry
IF:3.8Q1
DOI:10.1016/j.ajp.2025.104382
PMID:39933260
|
研究论文 | 本研究使用fNIRS-VFT任务比较了广泛性焦虑障碍(GAD)、重度抑郁症(MDD)及其共病(CMG)患者与健康对照组的前额叶功能差异，并评估了fNIRS设备作为认知任务诊断工具的可靠性 | 结合全连接层和Dropout层的深度学习模型对fNIRS数据进行分类，探索了不同脑区激活模式在精神障碍诊断中的价值 | 样本量相对有限，未考虑其他可能的混杂因素 | 评估fNIRS在精神障碍诊断中的应用价值 | GAD、MDD、CMG患者及健康对照组 | 数字病理 | 精神疾病 | fNIRS | 全连接层与Dropout层结合的深度学习模型 | 脑血流动力学数据 | 296人(75 GAD, 75 MDD, 71 CMG, 75 HC) | NA | NA | NA | NA |
| 11852 | 2025-05-08 |
Multi-modality medical image classification with ResoMergeNet for cataract, lung cancer, and breast cancer diagnosis
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109791
PMID:39933267
|
研究论文 | 提出ResoMergeNet (RMN)模型用于多模态医学图像分类，以提升白内障、肺癌和乳腺癌的诊断效果 | 整合迁移学习、ResBoost框架和ConvMergeNet技术，有效提取可见光眼图像和组织病理学图像的特征，提升跨模态分类性能 | 未提及模型在更大规模或更多模态数据集上的泛化能力 | 解决多模态医学图像分类中的模态差异问题，提升白内障、肺癌和乳腺癌的诊断准确性 | 白内障、肺癌和乳腺癌的医学图像 | 数字病理学 | 白内障、肺癌、乳腺癌 | 迁移学习、ResBoost框架、ConvMergeNet | ResoMergeNet (RMN) | 图像 | 白内障数据集（二分类）、肺癌数据集（三分类）、BreakHis数据集（八分类，100×和200×放大倍数） | NA | NA | NA | NA |
| 11853 | 2025-05-08 |
Review on computational methods for the detection and classification of Parkinson's Disease
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109767
PMID:39938340
|
review | 本文对帕金森病(PD)的计算检测和分类方法进行了系统性综述 | 聚焦PD生物标志物和多种成像模态，深入分析现有机器学习与深度学习模型的性能及局限性 | 现有PD诊断数据集适用性有限，需要扩展其应用范围 | 系统调研PD诊断方法以提升诊断准确性 | 帕金森病的影像学特征和生物标志物 | machine learning | geriatric disease | MRI成像 | machine learning, deep learning | image | NA | NA | NA | NA | NA |
| 11854 | 2025-05-08 |
Deep learning paradigms in lung cancer diagnosis: A methodological review, open challenges, and future directions
2025-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.104914
PMID:39938402
|
review | 本文全面探讨了深度学习在肺癌诊断中的应用，包括结节检测、分类和预后预测 | 深度学习在肺癌诊断中展现出卓越性能，有时甚至超越人类专家准确率，并推动了计算机辅助诊断系统的发展 | 面临数据质量和可解释性等挑战 | 提升肺癌诊断的精确性和效率 | 肺癌诊断中的深度学习模型 | digital pathology | lung cancer | NA | deep neural networks | image | NA | NA | NA | NA | NA |
| 11855 | 2025-05-08 |
Advancements in Nanobody Epitope Prediction: A Comparative Study of AlphaFold2Multimer vs AlphaFold3
2025-Feb-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01877
PMID:39927847
|
research paper | 比较AlphaFold2Multimer和AlphaFold3在纳米抗体表位预测中的性能，并探讨影响预测准确性的因素 | 首次对AlphaFold3和AlphaFold2-Multimer在纳米抗体表位预测中的性能进行系统比较，并发现CDR3特性对预测准确性的重要影响 | 两种工具的整体成功率仍低于50%，且研究结果可能不适用于所有类型的纳米抗体 | 评估和改进纳米抗体表位预测工具的准确性 | 纳米抗体及其表位 | computational biology | NA | AI驱动工具（AlphaFold3和AlphaFold2-Multimer） | AlphaFold3, AlphaFold2-Multimer | protein structure data | NA | NA | NA | NA | NA |
| 11856 | 2025-05-08 |
Deep Learning for Antimicrobial Peptides: Computational Models and Databases
2025-Feb-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00006
PMID:39927895
|
review | 本文综述了用于抗菌肽预测的深度学习模型和相关数据库 | 总结了现有的深度学习模型及其在抗菌肽预测中的应用，并讨论了它们的局限性和挑战 | 未提及具体模型的性能比较或实验验证 | 帮助计算生物学家设计更好的抗菌肽预测深度学习模型 | 抗菌肽 | machine learning | NA | deep learning | NA | NA | NA | NA | NA | NA | NA |
| 11857 | 2025-05-08 |
Rapid detection and quantitative analysis of thiram in fruits using a shape-adaptable flexible SERS substrate combined with deep learning
2025-Feb-20, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d4ay02098g
PMID:39925033
|
研究论文 | 开发了一种形状适应性强的柔性SERS基底，结合深度学习算法，用于水果表面硫丹的快速检测和定量分析 | 创新的柔性SERS基底设计，结合1D CNN模型，实现了对不规则表面农药残留的高灵敏度和高准确度检测 | 仅针对硫丹一种农药进行了验证，未测试其他农药的检测效果 | 开发快速检测水果表面农药残留的方法 | 水果表面的硫丹农药残留 | 食品安全检测 | NA | 表面增强拉曼散射(SERS) | 1D CNN | 拉曼光谱信号 | 番茄和蓝莓表皮样品 | NA | NA | NA | NA |
| 11858 | 2025-05-08 |
Deep learning-based video-level view classification of two-dimensional transthoracic echocardiography
2025-Feb-19, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adb493
PMID:39933194
|
research paper | 提出了一种基于深度学习的视频级别二维经胸超声心动图视图分类框架TTESlowFast，以满足临床需求 | 结合SlowFast架构，采用采样平衡策略和数据增强策略，解决了类别不平衡和标记TTE视频有限的问题 | 未详细讨论在更广泛临床环境中的泛化能力 | 开发准确高效的视频级别TTE视图分类方法 | 二维经胸超声心动图（TTE）视频 | digital pathology | cardiovascular disease | deep learning | SlowFast | video | 未明确提及样本数量 | NA | NA | NA | NA |
| 11859 | 2025-10-07 |
Deep Learning and Single-Molecule Localization Microscopy Reveal Nanoscopic Dynamics of DNA Entanglement Loci
2025-02-18, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c15364
PMID:39903818
|
研究论文 | 通过深度学习与单分子定位显微镜结合，揭示DNA纠缠位点的纳米尺度动力学 | 首次将深度学习与单分子定位显微镜结合用于研究聚合物纠缠动力学，实现了传统成像技术无法达到的纳米尺度动态可视化 | 使用Lambda DNA作为模型系统，结果可能无法完全代表其他生物聚合物 | 研究纳米尺度分子动力学，特别是DNA纠缠位点的动态行为 | Lambda DNA分子及其纠缠位点 | 计算生物学 | NA | 单分子定位显微镜(SMLM) | 深度学习算法 | 模拟定位图像，稀疏定位数据 | 模拟Lambda DNA系统 | NA | NA | NA | NA |
| 11860 | 2025-05-08 |
Time-series attribution maps with regularized contrastive learning
2025-Feb-17, ArXiv
PMID:40034132
|
研究论文 | 提出了一种具有可识别性保证的时间序列归因图生成方法，结合正则化对比学习算法和新的归因方法Inverted Neuron Gradient（统称为CEBRA） | 首次提出了具有可识别性保证的时间序列归因图生成方法，并通过理论和实证验证了其优越性 | 未提及具体的数据集规模或实际应用场景的限制 | 提高深度学习模型决策解释的可识别性和准确性 | 时间序列数据和深度学习模型的归因图 | 机器学习 | NA | 正则化对比学习算法 | CEBRA（结合Inverted Neuron Gradient） | 时间序列数据 | NA | NA | NA | NA | NA |