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 |
DLPVI: Deep learning framework integrating projection, view-by-view backprojection, and image domains for high- and ultra-sparse-view CBCT reconstruction
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出了一种名为DLPVI的深度学习框架，用于提高高稀疏视图和超稀疏视图锥束计算机断层扫描（CBCT）图像的质量 | DLPVI框架首次将投影域、逐视图反投影域和图像域集成在一起，并采用基于Transformer的图像域模型 | NA | 提高高稀疏视图和超稀疏视图CBCT图像的重建质量 | 锥束计算机断层扫描（CBCT）图像 | computer vision | NA | 深度学习 | Transformer | image | 163名真实患者用于训练，30名用于验证，30名用于测试 | NA | NA | NA | NA |
| 11842 | 2025-05-08 |
CGNet: Few-shot learning for Intracranial Hemorrhage Segmentation
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出了一种名为CGNet的新型分割模型，用于在少量标注数据下进行颅内出血（ICH）区域的精确分割 | 设计了跨特征模块（CFM）和支持引导查询（SGQ）机制，通过增强查询和支持集特征间的交互以及多尺度特征整合，提升了对病变细节的理解和分割精度 | 未明确说明模型在更广泛数据集上的泛化能力或计算效率 | 解决医学影像中颅内出血分割任务对大量标注数据的依赖问题 | 颅内出血（ICH）区域 | digital pathology | intracranial hemorrhage | few-shot learning | CGNet（含CFM和SGQ模块） | 医学影像（CT/MRI等） | 公开数据集BHSD和私有数据集IHSAH（具体数量未说明） | NA | NA | NA | NA |
| 11843 | 2025-05-08 |
Simulation-based inference of single-molecule experiments
2025-Apr, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.102988
PMID:39921963
|
综述 | 本文综述了基于模拟的推理（SBI）在单分子实验分析中的应用 | 介绍了深度学习在SBI中的最新进展，以及SBI在单分子力谱和冷冻电镜实验中的首次应用 | 讨论了参数化贝叶斯推理的局限性 | 分析单分子实验数据，重建分子细节 | 生物分子的结构动力学 | 机器学习 | NA | 单分子力谱、冷冻电镜 | 深度学习 | 实验数据 | NA | NA | NA | NA | NA |
| 11844 | 2025-05-08 |
Nonlinear ageing gero-marker dynamics of transcriptomic profile during calcific aortic valve mouse modeling
2025-Apr, Archives of gerontology and geriatrics
IF:3.5Q2
DOI:10.1016/j.archger.2025.105777
PMID:39922128
|
研究论文 | 通过构建不同年龄点的钙化主动脉瓣小鼠模型，研究转录组谱的非线性衰老动态及其与瓣膜功能退化和钙化的关系 | 发现了线性和非线性衰老标志物，并揭示了小鼠在48周龄时衰老加速的特定时期 | 研究仅基于小鼠模型，结果可能无法直接推广到人类 | 理解衰老生物标志物动态以改善退行性心脏病的预防和管理 | 钙化主动脉瓣小鼠模型 | 数字病理 | 心血管疾病 | RNA测序 | 深度学习模型 | 测序数据 | C57BL/6 N小鼠模型，包括6周龄、48周龄和72周龄的小鼠 | NA | NA | NA | NA |
| 11845 | 2025-05-08 |
Assessing multiple MRI sequences in deep learning-based synthetic CT generation for MR-only radiation therapy of head and neck cancers
2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110782
PMID:39929288
|
研究论文 | 本研究探讨了多种MRI序列对头颈部癌症MR-only放射治疗中基于深度学习的合成CT生成质量的影响 | 研究了多种MRI序列组合对合成CT质量的影响，并提出了最佳的多通道MR-sCT模型 | 增加通道数会导致人工组织增加，从而降低自动轮廓勾画和剂量测定精度 | 评估不同MRI序列组合对深度学习生成合成CT质量的影响 | 头颈部癌症患者 | 数字病理学 | 头颈部癌症 | MRI | U-Net | 医学影像 | 26名头颈部癌症患者的12个MR系列（每个患者包含T1pre、T1post-contrast、T2各4个Dixon图像） | NA | NA | NA | NA |
| 11846 | 2025-05-08 |
Deep learning for RNA structure prediction
2025-Apr, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.102991
PMID:39933218
|
综述 | 本文综述了AI特别是深度学习在RNA结构预测中的应用及其方法论进展 | 总结了近年来AI在RNA结构预测领域的革命性进展，强调了方法论的进步 | 未提及具体模型的局限性，仅概述了该领域的挑战与机遇 | 总结AI在RNA结构预测中的应用及其方法论进展 | RNA结构预测 | 自然语言处理 | NA | 深度学习 | NA | 序列数据 | NA | NA | NA | NA | NA |
| 11847 | 2025-05-08 |
Importance of dataset design in developing robust U-Net models for label-free cell morphology evaluation
2025-Apr, Journal of bioscience and bioengineering
IF:2.3Q3
DOI:10.1016/j.jbiosc.2025.01.004
PMID:39933975
|
研究论文 | 本研究探讨了训练数据集设计对U-Net模型在无标记细胞形态评估中稳健性的影响 | 揭示了仅需约10张4×物镜拍摄的原始图像即可开发稳健分割模型，远少于通常假设的数据量，并强调了训练数据集内容的重要性 | 研究仅基于四种细胞类型的数据，可能无法涵盖所有细胞形态变化 | 探索训练数据集设计如何影响深度学习细胞分割模型的稳健性 | 四种代表关键形态类别的细胞类型 | 数字病理学 | NA | 图像分析 | U-Net | 图像 | 2592对图像（来自四种细胞类型） | NA | NA | NA | NA |
| 11848 | 2025-05-08 |
Hybrid-noise generative diffusion probabilistic model for cervical spine MRI image generation
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108639
PMID:39938251
|
research paper | 提出了一种高质量宫颈MRI图像生成方法CSM-DPM，通过混合噪声和余弦噪声调度提高生成图像的质量 | 使用混合高斯噪声和点噪声近似真实图像数据分布，设计Asa-ResUNet模块增强噪声预测能力 | 未提及具体样本量限制或生成图像的临床应用验证 | 解决从有限样本学习解剖特征的挑战，生成高质量医学影像 | 颈椎MRI图像 | digital pathology | NA | 扩散模型 | CSM-DPM, Asa-ResUNet | MRI图像 | NA | NA | NA | NA | NA |
| 11849 | 2025-05-08 |
MBST-Driven 4D-CBCT reconstruction: Leveraging swin transformer and masking for robust performance
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108637
PMID:39938253
|
研究论文 | 本研究开发了一种创新的基于掩码的Swin Transformer网络（MBST），用于提升4D锥束计算机断层扫描（4D-CBCT）重建的质量 | 提出MBST网络，能够在广泛的4D-CBCT重建场景中应用，包括高扫描速度的情况 | 训练数据仅来自20例胸腔肿瘤患者，样本量较小 | 提升4D-CBCT图像重建质量 | 4D-CBCT图像 | 计算机视觉 | 胸腔肿瘤 | 深度学习 | Swin Transformer | 医学影像 | 20例胸腔肿瘤患者的4D影像数据（15例训练，5例测试） | NA | NA | NA | NA |
| 11850 | 2025-05-08 |
GraphDeep-hERG: Graph Neural Network PharmacoAnalytics for Assessing hERG-Related Cardiotoxicity
2025-Apr, Pharmaceutical research
IF:3.5Q2
DOI:10.1007/s11095-025-03848-w
PMID:40140128
|
research paper | 开发了一种基于图神经网络（GNN）的药物分析方法，用于评估与hERG相关的心脏毒性 | 提出了一种自动学习原子表示的新方法，结合了深度神经网络（DNN）和图神经网络（GNN），以提高hERG抑制剂的筛选效率和准确性 | 模型的外部测试样本量相对较小，可能影响泛化能力 | 开发计算模型以加速和优化hERG相关心脏毒性的药物筛选 | hERG钾通道抑制剂和非抑制剂 | machine learning | cardiovascular disease | deep neural networks (DNNs), graph neural networks (GNNs) | DNN, GNN | chemical compounds | 118,312 compounds from ZINC database, 7,909 ChEMBL compounds | NA | NA | NA | NA |
| 11851 | 2025-05-08 |
Leveraging AI to Explore Structural Contexts of Post-Translational Modifications in Drug Binding
2025-Mar-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.14.633078
PMID:40166291
|
研究论文 | 利用人工智能探索翻译后修饰在药物结合中的结构背景 | 首次大规模利用AI方法（如AlphaFold3、RoseTTAFold All-Atom、Chai-1）预测PTM修饰对人类蛋白质与药物结合的影响，并构建了包含14,178个PTM修饰蛋白质模型的数据库 | 方法准确性的精确评估需要更大的基准测试集 | 探索翻译后修饰（PTMs）对药物结合的结构影响 | 人类蛋白质中的小分子结合相关PTMs | 生物信息学 | 癌症、糖尿病、心脏病、神经退行性疾病、代谢疾病 | AlphaFold3、RoseTTAFold All-Atom、Chai-1 | 深度学习算法 | 蛋白质结构数据 | 6,131个已识别的PTMs映射到ECOD数据库结构域，生成14,178个PTM修饰人类蛋白质模型 | NA | NA | NA | NA |
| 11852 | 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 |
| 11853 | 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 |
| 11854 | 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 |
| 11855 | 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 |
| 11856 | 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 |
| 11857 | 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 |
| 11858 | 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 |
| 11859 | 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 |
| 11860 | 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 |