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 32373 篇文献，本页显示第 12521 - 12540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12521 | 2025-10-07 |
NovoRank: Refinement for De Novo Peptide Sequencing Based on Spectral Clustering and Deep Learning
2025-Feb-07, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.4c00300
PMID:39739539
|
研究论文 | 提出NovoRank后处理工具，通过谱图聚类和深度学习改进从头肽段测序的准确性 | 结合谱图聚类和深度学习模型，利用聚类衍生的蛋白质组学特征和单个谱图特征重新排序候选肽段 | NA | 提高从头肽段测序工具的肽段识别准确性 | 质谱谱图和肽段序列 | 生物信息学 | NA | 质谱分析，从头肽段测序 | 深度学习 | 质谱谱图数据 | NA | NA | NA | 召回率，精确度，肽段-谱图匹配水平 | NA |
| 12522 | 2025-10-07 |
Predicting benefit from PARP inhibitors using deep learning on H&E-stained ovarian cancer slides
2025-Feb-05, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2024.115199
PMID:39742559
|
研究论文 | 本研究开发了一种基于深度学习的模型，通过分析H&E染色的卵巢癌全切片图像来预测PARP抑制剂的疗效 | 首次尝试直接使用组织学全切片图像预测PARP抑制剂疗效，避免了复杂的分子检测 | 外部验证性能较低(AUROC 57%)，需要更大样本量和进一步方法学改进才能达到临床应用标准 | 开发基于深度学习的PARP抑制剂疗效预测方法 | 卵巢癌患者 | 数字病理学 | 卵巢癌 | H&E染色全切片图像分析 | 深度学习模型 | 图像 | AGO-TR1队列208例(108训练，100测试)，PAOLA-1队列447例 | NA | NA | AUROC, Kaplan-Meier分析, 无进展生存期 | NA |
| 12523 | 2025-10-07 |
Peripheral nerve injury induces dystonia-like movements and dysregulation in the energy metabolism: A multi-omics descriptive study in Thap1+/- mice
2025-Feb, Neurobiology of disease
IF:5.1Q1
DOI:10.1016/j.nbd.2024.106783
PMID:39732371
|
研究论文 | 本研究通过坐骨神经损伤诱导Thap1+/-小鼠出现肌张力障碍样运动，并揭示能量代谢失调的病理机制 | 首次结合基因-环境相互作用和多组学分析方法，揭示外周神经损伤如何触发遗传易感个体的肌张力障碍表型 | 研究仅使用小鼠模型，结果向人类疾病的转化需要进一步验证 | 探究DYT-THAP1肌张力障碍的基因-环境相互作用机制 | Thap1+/-基因敲除小鼠模型 | 生物医学研究 | 肌张力障碍 | 多组学分析，坐骨神经挤压损伤，深度学习行为分析 | 深度学习算法 | 行为视频数据，多组学数据 | Thap1+/-小鼠和野生型小鼠分组实验 | NA | NA | 肌张力障碍样运动评分 | NA |
| 12524 | 2025-10-07 |
Non-Invasive Diagnosis of Moyamoya Disease Using Serum Metabolic Fingerprints and Machine Learning
2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202405580
PMID:39737836
|
研究论文 | 本研究利用血清代谢指纹和深度学习算法开发了烟雾病的无创诊断方法 | 首次将纳米颗粒增强激光解吸/电离质谱技术与深度学习相结合用于烟雾病的无创诊断 | 未提及样本规模的局限性或外部验证结果 | 建立烟雾病的无创诊断方法 | 烟雾病患者和健康对照者的血清样本 | 机器学习 | 脑血管疾病 | 纳米颗粒增强激光解吸/电离质谱 | 深度学习 | 血清代谢指纹数据 | NA | NA | NA | AUC | NA |
| 12525 | 2025-10-07 |
Vibrational fiber photometry: label-free and reporter-free minimally invasive Raman spectroscopy deep in the mouse brain
2025-Feb, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02557-3
PMID:39741190
|
研究论文 | 开发了一种名为振动光纤光度法的无标记、无报告基因的微创拉曼光谱技术，用于深部小鼠脑区的生物分子监测 | 首次将自发拉曼光谱与锥形光纤探针结合，实现无标记深部脑区分子监测，并引入深度学习算法抑制探针背景信号 | 技术仍处于开发阶段，尚未在更广泛的生物模型或临床环境中验证 | 开发无标记光学技术监测大脑发育、衰老或疾病过程中的生物分子变化 | 小鼠大脑深部区域 | 生物医学光学 | 脑外伤、脑转移瘤 | 自发拉曼光谱、振动光纤光度法 | 深度学习 | 拉曼光谱数据 | 小鼠脑组织 | NA | NA | 高准确度 | NA |
| 12526 | 2025-10-07 |
Molecular Display of the Animal Meta-Venome for Discovery of Novel Therapeutic Peptides
2025-Feb, Molecular & cellular proteomics : MCP
IF:6.1Q1
DOI:10.1016/j.mcpro.2024.100901
PMID:39746545
|
研究论文 | 开发了一种计算方法来设计动物毒液和元毒液库，通过噬菌体展示技术发现靶向人类瘙痒受体的新型治疗肽 | 首创计算设计高度多样化的动物毒液和元毒液库，结合可编程M13超噬菌体展示技术实现单轮定量生物淘选 | 未提及方法在更广泛受体靶点筛选中的适用性 | 发现靶向人类瘙痒受体的新型治疗肽 | 动物毒液和元毒液库中的Kunitz型结构域蛋白 | 计算生物学 | 瘙痒相关疾病 | M13噬菌体展示, 高通量DNA测序, 深度学习 | 深度学习 | 蛋白质序列数据, 结构数据 | 高度多样化的动物毒液和元毒液库 | NA | NA | NA | NA |
| 12527 | 2025-10-07 |
Multi-institutional development and testing of attention-enhanced deep learning segmentation of thyroid nodules on ultrasound
2025-Feb, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03294-w
PMID:39751996
|
研究论文 | 开发并验证了一种基于注意力增强深度学习的甲状腺结节超声自动分割系统 | 采用带有注意力权重函数的AttU-Net架构，并在多机构数据集上进行独立测试验证 | 仅使用两个医疗机构的回顾性数据，需要进一步整合到自动分类系统中 | 开发自动甲状腺结节超声分割算法以支持风险分层系统 | 甲状腺结节患者 | 医学影像分析 | 甲状腺结节 | 超声成像 | 深度学习 | 超声图像 | 520名患者的1595张甲状腺超声图像 | NA | AttU-Net | Dice相似系数, Hausdorff距离百分比 | NA |
| 12528 | 2025-10-07 |
Diagnosis of lymph node metastasis in oral squamous cell carcinoma by an MRI-based deep learning model
2025-Feb, Oral oncology
IF:4.0Q2
|
研究论文 | 开发并验证基于MRI影像的三阶段深度学习模型用于口腔鳞状细胞癌淋巴结转移诊断 | 首次提出结合随机森林分类器的三阶段深度学习模型，能够显著降低隐匿性转移率 | 回顾性研究设计，需要前瞻性验证 | 开发深度学习模型用于口腔鳞状细胞癌淋巴结转移诊断 | 口腔鳞状细胞癌患者 | 计算机视觉 | 口腔癌 | 磁共振成像 | 深度学习 | MRI影像 | 723名患者的45,664张术前MRI图像，来自10家中国医院 | NA | 三阶段深度学习模型 | AUC | NA |
| 12529 | 2025-10-07 |
Artificial Intelligence and Cancer Health Equity: Bridging the Divide or Widening the Gap
2025-Feb, Current oncology reports
IF:4.7Q1
DOI:10.1007/s11912-024-01627-1
PMID:39753817
|
综述 | 评估人工智能对癌症健康公平性的影响，分析AI是缩小还是扩大癌症结局差异 | 首次系统评估AI技术在癌症健康公平性领域的双刃剑作用，提出包容性数据集和伦理框架的解决方案 | 作为综述文章未包含原始数据研究，主要基于现有文献分析 | 探讨人工智能对癌症健康公平性的影响机制和发展方向 | 人工智能在癌症诊疗中的应用及其对不同人群的影响 | 医疗人工智能 | 癌症 | 深度学习、预测分析 | 深度学习模型 | 医疗数据 | NA | NA | NA | NA | NA |
| 12530 | 2025-10-07 |
Inferring multi-slice spatially resolved gene expression from H&E-stained histology images with STMCL
2025-Feb, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2024.11.016
PMID:39755346
|
研究论文 | 提出一种名为STMCL的多模态对比学习框架，用于从H&E染色组织学图像推断空间基因表达 | 首次整合组织学图像、基因表达特征和空间位置信息的多模态对比学习框架，能够预测多切片空间基因表达 | 仅测试了10X Genomics平台生成的四种多切片空间转录组数据集 | 开发从H&E染色组织学图像预测空间基因表达的低成本方法 | 空间转录组数据和H&E染色组织学图像 | 数字病理学 | 癌症 | 空间转录组学，H&E染色 | 深度学习，对比学习 | 图像，基因表达数据 | 四种多切片空间转录组数据集 | NA | STMCL | 空间基因表达预测准确性，基因表达模式保持能力 | NA |
| 12531 | 2025-10-07 |
A Novel RAGE Modulator Induces Soluble RAGE to Reduce BACE1 Expression in Alzheimer's Disease
2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202407812
PMID:39755927
|
研究论文 | 本研究探索抗癌药物6-硫代鸟苷通过调节RAGE降低BACE1表达，改善阿尔茨海默病病理 | 首次发现抗癌药物6-TG可直接与RAGE相互作用，通过JAK2-STAT1通路调节BACE1表达并提高脑内sRAGE水平 | 研究主要基于AD小鼠模型，尚未在人类临床试验中验证 | 探索通过降低BACE1表达来减轻阿尔茨海默病病理的新策略 | 阿尔茨海默病小鼠模型、β-分泌酶(BACE1)、晚期糖基化终末产物受体(RAGE) | 数字病理 | 阿尔茨海默病 | 表面等离子共振分析、深度学习靶点识别 | 深度学习 | 生物分子相互作用数据、行为学数据 | AD小鼠模型 | NA | NA | BACE1表达水平、Aβ积累量、认知功能改善、小胶质细胞吞噬活性 | NA |
| 12532 | 2025-10-07 |
An accelerated deep learning model can accurately identify clinically important humeral and scapular landmarks on plain radiographs obtained before and after anatomic arthroplasty
2025-Feb, International orthopaedics
IF:2.0Q2
DOI:10.1007/s00264-024-06401-3
PMID:39760903
|
研究论文 | 开发了一种加速深度学习模型，用于在肩关节置换术前后的X光片上准确定位肱骨和肩胛骨的关键解剖标志点 | 仅使用240张标注图像作为基础训练集，通过图像增强技术扩展到2260张训练图像，实现了高效的深度学习模型 | 研究证据等级为IV级，样本量相对有限，仅包含240张原始X光片 | 评估深度学习模型在肩关节置换术前后的X光片上识别骨性标志点的准确性 | 肩关节置换术患者的术前和术后X光片 | 计算机视觉 | 骨科疾病 | X射线成像 | 深度学习模型 | X光图像 | 240张原始X光片，通过增强扩展到2260张训练图像，60张测试图像 | NA | NA | 平均偏差(mm), p值 | NA |
| 12533 | 2025-10-07 |
Enhancing meteorological data reliability: An explainable deep learning method for anomaly detection
2025-Feb, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.124011
PMID:39765064
|
研究论文 | 提出一种基于自编码器、SHAP和贝叶斯优化的可解释深度学习方法，用于气象观测数据的异常检测 | 结合自编码器、SHAP解释性分析和贝叶斯优化，开发了可解释的异常检测方法，并采用K-sigma阈值自动划分方法适应不同观测站点的数据特征 | 未明确说明模型在不同气候条件下的泛化能力以及计算效率的具体表现 | 提高气象观测数据的可靠性，实现及时准确的数据异常检测 | 气象观测数据 | 机器学习 | NA | 深度学习异常检测 | 自编码器(AE) | 多维气象数据集 | NA | NA | 自编码器 | NA | NA |
| 12534 | 2025-10-07 |
Effect of magnetic field strength and segmentation variability on the reproducibility and repeatability of radiomic texture features in cardiovascular magnetic resonance parametric mapping
2025-Feb, The international journal of cardiovascular imaging
DOI:10.1007/s10554-024-03312-7
PMID:39776324
|
研究论文 | 评估心肌放射组学纹理特征对磁场强度差异和分割变异性的鲁棒性 | 首次系统评估放射组学纹理特征在心血管磁共振参数映射中对扫描仪场强差异和分割变异性的敏感度 | 样本量较小（仅15名健康志愿者），仅使用西门子扫描仪，结果可能不适用于其他厂商设备 | 评估放射组学纹理特征在临床实践中的可靠性 | 健康志愿者的心脏磁共振T1映射图像 | 医学影像分析 | 心血管疾病 | 心血管磁共振成像，放射组学分析 | 深度学习模型 | 医学影像 | 15名健康志愿者的45对CMR T1映射图像（1.5T和3T各15个） | NA | 蒙特卡洛Dropout | 组内相关系数 | NA |
| 12535 | 2025-10-07 |
Unraveling Spatial Heterogeneity in Mass Spectrometry Imaging Data with GraphMSI
2025-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202410840
PMID:39778027
|
研究论文 | 提出一种基于深度学习的GraphMSI方法，用于增强质谱成像数据的空间异质性分析 | 首次将代谢谱与空间信息整合到图神经网络中，提供两种可选增强模式（涂鸦交互和知识迁移）来改进分割结果 | 未明确说明方法在特定组织类型或疾病中的适用性限制 | 开发一种能够客观分割质谱成像数据中生物组织区域的新方法 | 质谱成像数据中的代谢异质性区域 | 计算生物学 | NA | 质谱成像 | 图神经网络 | 质谱成像数据 | NA | NA | GraphMSI | 视觉检查，定量评估 | 降低计算需求，支持更有效的三维MSI分割 |
| 12536 | 2025-10-07 |
Self-supervised parametric map estimation for multiplexed PET with a deep image prior
2025-Jan-31, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ada717
PMID:39774095
|
研究论文 | 提出基于深度图像先验的自监督学习框架，用于多示踪剂PET图像分离和参数图估计 | 将多示踪剂房室模型整合到深度图像先验框架中，仅需单个数据集即可实现自监督学习 | 仅在模拟脑部幻影上进行性能评估，缺乏真实临床数据验证 | 解决多示踪剂PET图像分离中监督学习对配对数据依赖和泛化能力不足的问题 | 多示踪剂PET成像中的动态双示踪剂活性图像 | 医学影像分析 | 脑部疾病 | 多示踪剂PET成像，房室模型 | 深度学习 | 医学影像 | 模拟脑部幻影数据 | 深度图像先验(DIP) | U-net | 偏差，标准差 | NA |
| 12537 | 2025-10-07 |
Automated estimation of individualized organ-specific dose and noise from clinical CT scans
2025-Jan-29, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ada67f
PMID:39761638
|
研究论文 | 开发了一种从临床CT扫描自动生成个体化器官特异性剂量和噪声的流程 | 提出了一种完全自动化的流程，能够估计个体化器官特异性辐射剂量和噪声，考虑了器官水平的辐射风险和临床任务 | 在胰腺等器官的分割精度相对较低（Dice评分最低为0.6855），样本量有限（临床数据集12例，体模数据集3例，跨站点数据集26例） | 开发个性化CT协议评估和优化的自动化工具 | 临床CT扫描数据、均匀体模数据、六个器官（肺、肝、肾、膀胱、脾、胰腺） | 医学影像分析 | NA | CT扫描、蒙特卡罗模拟 | 深度学习 | CT图像 | 临床数据集12例CT扫描，体模数据集3例，跨站点数据集26例，41例有专家分割标注的病例 | NA | TotalSegmentator | RMSE, 相对RMSE, Dice系数 | NA |
| 12538 | 2025-10-07 |
ComNet: A Multiview Deep Learning Model for Predicting Drug Combination Side Effects
2025-Jan-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01737
PMID:39749659
|
研究论文 | 提出一种多视图深度学习模型ComNet，用于预测药物组合的副作用 | 整合药物多视图特征，提出多尺度子图融合机制和基于注意力的多视图特征融合方法 | NA | 提高药物组合副作用的预测准确性 | 药物组合 | 机器学习 | NA | 分子指纹、SMILES语义信息、3D构象空间信息 | 深度学习 | 分子结构数据、文本数据(SMILES)、3D空间数据 | 多个公开数据集和自收集数据集 | NA | ComNet（包含多视图特征提取模块、多尺度子图融合机制、注意力机制） | 准确性、泛化能力、收敛速度 | NA |
| 12539 | 2025-10-07 |
Graph-Based Deep Learning Models for Thermodynamic Property Prediction: The Interplay between Target Definition, Data Distribution, Featurization, and Model Architecture
2025-Jan-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02014
PMID:39780656
|
研究论文 | 研究图基深度学习模型在热力学性质预测中目标定义、数据分布、特征化方法和模型架构之间的相互作用 | 发现分子级别预测优于原子级别增量预测，与先前研究相反；揭示了目标定义和特征化方法选择对模型精度的决定性影响 | 模型架构直接修改带来的精度提升相对有限 | 开发具有更普适能力的稳健图基热力学模型架构 | 五个经过筛选的数据集，涵盖元素组成、多重性、电荷状态和尺寸的多样性 | 机器学习 | NA | 图神经网络 | 图神经网络 | 分子图数据 | 五个多样化数据集 | NA | 图神经网络架构 | 准确度 | NA |
| 12540 | 2025-10-07 |
PPI-CoAttNet: A Web Server for Protein-Protein Interaction Tasks Using a Coattention Model
2025-Jan-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01365
PMID:39761551
|
研究论文 | 开发了一个基于共注意力机制的深度学习模型PPI-CoAttNet，用于蛋白质-蛋白质相互作用预测和相关任务 | 提出结合共注意力机制的深度学习模型，能够同时进行PPI和位点预测，并构建了用户友好的多功能网络服务器 | 未在摘要中明确说明研究局限性 | 开发准确且易于使用的蛋白质-蛋白质相互作用预测工具以促进药物发现 | 蛋白质-蛋白质相互作用及其相关位点 | 生物信息学 | 癌症 | 深度学习 | 共注意力模型 | 蛋白质序列数据 | NA | NA | Coattention模型 | AUC,F1分数 | 网络服务器平台 |