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 13301 - 13320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13301 | 2025-04-24 |
A Semi-supervised Four-Chamber Echocardiographic Video Segmentation Algorithm Based on Multilevel Edge Perception and Calibration Fusion
2024-09, Ultrasound in medicine & biology
|
research paper | 提出一种基于多级边缘感知和校准融合的半监督四腔心超声视频分割算法，以提高心内膜分割的准确性 | 引入了多级边缘感知模块和校准融合模块，结合半监督学习，有效解决了超声视频中的边缘模糊和特征融合问题 | 未提及具体的数据集规模和多样性限制，可能影响模型的泛化能力 | 提高心内膜的自动语义分割准确性，辅助心脏疾病诊断 | 超声心动图视频中的心内膜 | digital pathology | cardiovascular disease | deep learning | semi-supervised network | video | 两个公共超声心动图视频数据集和一个本地医院临床数据集 | NA | NA | NA | NA |
| 13302 | 2025-04-24 |
Automatic Segmentation for Analysis of Murine Cardiac Ultrasound and Photoacoustic Image Data Using Deep Learning
2024-08, Ultrasound in medicine & biology
|
研究论文 | 利用深度学习技术自动分割小鼠心脏超声和光声图像数据以进行分析 | 结合超声和光声成像，使用U-Net深度神经网络进行分割，提高了前壁左心室区域的分割效率和准确性 | 研究仅针对小鼠图像数据集，未涉及人类或其他动物模型 | 改进心脏超声和光声图像的分割方法，以量化应变和氧饱和度 | 小鼠心脏的超声和光声图像 | 计算机视觉 | 心血管疾病 | 超声成像（US）和光声成像（PA） | U-Net | 图像 | 小鼠图像数据集（具体数量未提及） | NA | NA | NA | NA |
| 13303 | 2025-04-24 |
A Deep Learning Model for Automatically Quantifying the Anterior Segment in Ultrasound Biomicroscopy Images of Implantable Collamer Lens Candidates
2024-08, Ultrasound in medicine & biology
|
research paper | 本研究开发并评估了一种基于深度学习的模型，用于自动测量植入式Collamer镜片（ICL）手术候选者术前超声生物显微镜（UBM）图像中的前段（AS）参数 | 利用UNet++网络自动分割AS组织，并结合图像处理技术和几何定位算法自动识别瞳孔直径（PD）、前房深度（ACD）、角到角距离（ATA）和沟到沟距离（STS）等解剖标志（ALs） | 研究仅使用了来自两个医疗中心的UBM图像，可能限制了模型的泛化能力 | 开发一种能够自动测量ICL手术候选者前段参数的深度学习模型 | 植入式Collamer镜片（ICL）手术候选者的术前超声生物显微镜（UBM）图像 | digital pathology | 眼科疾病 | 超声生物显微镜（UBM） | UNet++ | image | 1164张全景UBM图像来自321名患者，外加294张来自外部数据集的图像 | NA | NA | NA | NA |
| 13304 | 2025-04-24 |
Integrated Fibrous Iontronic Pressure Sensors with High Sensitivity and Reliability for Human Plantar Pressure and Gait Analysis
2024-06-04, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c02919
PMID:38760182
|
research paper | 开发了一种高灵敏度和可靠性的集成纤维离子压力传感器，用于人体足底压力和步态分析 | 采用高模量多孔层压离子纤维结构和统一聚酰亚胺材料系统，具有高灵敏度（156.6 kPa）、广泛感应范围（高达4000 kPa）和增强的界面韧性和耐久性（超过150,000次循环） | 当前柔性传感器的有效性受到结构可变形性限制、多功能层之间的机械不兼容性以及复杂应力条件下的不稳定性等挑战的阻碍 | 开发一种用于足底压力和步态分析的柔性压力传感器，确保长期稳定性和准确性 | 人体足底压力和步态 | 柔性电子 | 足部疾病 | 离子压力传感技术 | 深度学习 | 压力分布数据 | NA | NA | NA | NA | NA |
| 13305 | 2025-04-24 |
Deciphering the Coevolutionary Dynamics of L2 β-Lactamases via Deep Learning
2024-05-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00189
PMID:38687957
|
research paper | 该研究利用深度学习方法探索L2 β-内酰胺酶的共进化动力学及其在抗菌素耐药性中的作用 | 结合自适应采样分子动力学模拟和深度学习方法（卷积变分自编码器和BindSiteS-CNN）研究L2 β-内酰胺酶的构象变化和相关性 | 研究仅关注了L2 β-内酰胺酶家族及部分代表性的A类酶，未涵盖所有相关酶类 | 理解L2 β-内酰胺酶的共进化动力学及其在抗菌素耐药性中的功能机制 | L2 β-内酰胺酶家族及其他代表性A类酶（如SME-1和KPC-2） | machine learning | NA | 自适应采样分子动力学模拟，深度学习方法 | 卷积变分自编码器，BindSiteS-CNN | 分子动力学模拟数据 | NA | NA | NA | NA | NA |
| 13306 | 2025-10-07 |
DEBFold: Computational Identification of RNA Secondary Structures for Sequences across Structural Families Using Deep Learning
2024-05-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00458
PMID:38648189
|
研究论文 | 开发了一种基于深度学习的RNA二级结构预测工具DEBFold，能够跨结构家族识别RNA序列的二级结构 | 采用两阶段RNA结构预测策略，结合卷积编码/解码和自注意力机制，增强现有热力学结构模型，具有优越的跨家族泛化性能 | 未在摘要中明确提及具体限制 | 开发能够跨不同结构家族预测RNA二级结构的计算工具 | RNA序列及其二级结构 | 机器学习 | NA | 深度学习 | CNN, 自注意力机制 | RNA序列数据 | NA | NA | 卷积编码/解码器, 自注意力机制 | 结构预测性能 | NA |
| 13307 | 2025-10-07 |
Image2InChI: Automated Molecular Optical Image Recognition
2024-05-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c02082
PMID:38359459
|
研究论文 | 提出基于深度学习的自动化分子光学图像识别模型Image2InChI，实现分子图像到机器可读表示的转换 | 引入具有注意力机制的新型特征融合网络，集成图像块与InChI预测 | NA | 提高分子图像识别的准确性和效率，为药物发现提供人工智能支持 | 分子光学图像 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | NA | NA | SwinTransformer, Transformer Decoder | InChI准确率, Morgan FP, 最大公共结构准确率, 最长公共子序列准确率 | NA |
| 13308 | 2025-10-07 |
Intramolecular and Water Mediated Tautomerism of Solvated Glycine
2024-05-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00273
PMID:38620066
|
研究论文 | 本研究利用基于深度学习的增强采样分子动力学方法，探究了甘氨酸在水溶液中的互变异构现象 | 首次揭示了甘氨酸在水溶液中通过分子内和分子间两种质子转移路径实现互变异构的机制 | 研究仅限于甘氨酸分子，未扩展到其他氨基酸或不同溶剂环境 | 探究溶剂环境中甘氨酸的互变异构动力学过程 | 甘氨酸分子在水溶液中的互变异构行为 | 计算化学 | NA | 增强采样分子动力学，深度学习势能函数 | 深度学习势能模型 | 分子动力学模拟数据 | 甘氨酸水溶液体系 | NA | NA | 反应能垒，反应通量 | NA |
| 13309 | 2025-10-07 |
MMSyn: A New Multimodal Deep Learning Framework for Enhanced Prediction of Synergistic Drug Combinations
2024-05-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00165
PMID:38676916
|
研究论文 | 提出一种名为MMSyn的多模态深度学习框架，用于预测协同药物组合 | 首次结合药物分子特征（结构、指纹、字符串编码）与癌细胞系特征（基因表达、DNA拷贝数、通路活性），通过注意力机制和交互模块进行多模态融合 | NA | 开发深度学习框架以预测协同药物组合，提高癌症联合治疗的筛选效率 | 药物分子和癌细胞系 | 机器学习 | 癌症 | 高通量筛选 | 多层感知机,注意力机制 | 药物分子特征数据,基因表达数据,DNA拷贝数数据,通路活性数据 | NA | NA | 多层感知机 | 分层交叉验证 | NA |
| 13310 | 2025-10-07 |
Sequential Contrastive and Deep Learning Models to Identify Selective Butyrylcholinesterase Inhibitors
2024-04-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00397
PMID:38532612
|
研究论文 | 本研究开发了序列对比学习和深度学习模型来识别选择性丁酰胆碱酯酶抑制剂 | 首次将监督对比学习与深度学习和随机森林在单模型和序列模型配置中进行比较，用于识别BChE选择性抑制剂 | 仅测试了20个预测化合物的选择性，样本量较小 | 开发高效识别选择性丁酰胆碱酯酶抑制剂的机器学习策略 | 丁酰胆碱酯酶抑制剂化合物 | 机器学习 | 阿尔茨海默病 | 虚拟筛选 | 对比学习,深度学习,随机森林 | 化合物数据 | 500万化合物库中筛选测试20个化合物 | NA | NA | 精确度 | NA |
| 13311 | 2025-04-24 |
Geneformer: a deep learning model for exploring gene networks
2023-12, Science China. Life sciences
DOI:10.1007/s11427-023-2431-x
PMID:37672186
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13312 | 2025-10-07 |
Computational Advancements in Cancer Combination Therapy Prediction
2023-09, JCO precision oncology
IF:5.3Q1
DOI:10.1200/PO.23.00261
PMID:37824797
|
综述 | 本文系统介绍癌症联合疗法预测的计算方法并总结最新研究进展 | 系统梳理近10年癌症联合疗法预测的计算方法，提出整合疾病病理生物学、药物特性和患者多组学数据的未来发展方向 | 未对所有现有癌症联合疗法预测方法进行荟萃分析，主要关注方法改进的考量因素 | 癌症联合疗法预测的计算方法研究 | 癌症治疗中的药物组合 | 机器学习 | 癌症 | 药物重定位 | 网络模型, 回归机器学习, 分类器机器学习, 深度学习 | 多组学数据, 药物特性数据, 疾病数据 | NA | NA | NA | NA | NA |
| 13313 | 2025-10-07 |
Pollen analysis using multispectral imaging flow cytometry and deep learning
2021-01, The New phytologist
DOI:10.1111/nph.16882
PMID:32803754
|
研究论文 | 本研究开发了一种结合多光谱成像流式细胞术和深度学习的花粉分析方法 | 首次将多光谱成像流式细胞术与深度学习相结合用于花粉分析，实现了快速测量和高精度物种识别 | 需要建立全面的花粉参考数据库才能充分发挥方法优势 | 开发自动化的花粉识别和定量分析方法 | 35种植物物种的花粉 | 计算机视觉 | NA | 多光谱成像流式细胞术 | CNN | 图像 | 426,876张花粉图像 | NA | 卷积神经网络 | 准确率 | NA |
| 13314 | 2025-04-23 |
EEG-based schizophrenia detection: integrating discrete wavelet transform and deep learning
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10248-8
PMID:40256687
|
研究论文 | 本文提出了一种结合离散小波变换和深度学习的脑电图（EEG）信号分析方法，用于精神分裂症（SZ）的自动检测 | 采用Daubechies（db4）小波进行7级分解，结合多层感知器神经网络（MLP），在SZ检测中实现了高准确率 | 研究使用的公开数据集样本量较小（DS1有81条记录，DS2有28条记录），可能影响模型的泛化能力 | 开发一种高精度的基于EEG信号的SZ自动检测方法，以辅助医生诊断 | 精神分裂症患者和健康对照者的EEG信号 | 数字病理学 | 精神分裂症 | 离散小波变换（DWT） | 多层感知器神经网络（MLP） | EEG信号 | 两个公开数据集：DS1（81条记录，32健康对照和49SZ患者）和DS2（28条记录，14健康对照和14SZ患者） | NA | NA | NA | NA |
| 13315 | 2025-04-23 |
Transcranial adaptive aberration correction using deep learning for phased-array ultrasound therapy
2025-Aug, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2025.107641
PMID:40117699
|
研究论文 | 本研究探讨了使用深度学习方法校正颅骨引起的畸变，开发了一种用于安全超声治疗血脑屏障（BBB）开放的经颅自适应聚焦方法 | 提出了一种结合预分割、k-Wave模拟和基于3D U-net网络的方法，用于快速准确地预测相位校正，显著降低了计算成本和时间 | 研究仅基于模拟环境和小块颅骨样本，尚未在真实临床环境中验证 | 开发一种快速、精确且自适应的经颅畸变校正方法，用于通过超声治疗脑部疾病 | 256元相控阵、小块颅骨和水构成的非线性模拟环境 | 医学影像处理 | 脑部疾病 | k-Wave模拟、3D U-net网络 | 3D U-net | 模拟数据 | NA | NA | NA | NA | NA |
| 13316 | 2025-04-23 |
Deep Learning-Driven Glaucoma Medication Bottle Recognition: A Multilingual Clinical Validation Study in Patients with Impaired Vision
2025 Jul-Aug, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100758
PMID:40256318
|
research paper | 临床验证一款基于CNN的Android智能手机应用，用于识别青光眼患者的局部用药 | 开发并验证了一款多语言的CNN驱动应用，显著提高了视力受损患者的药物识别准确率 | 样本量较小（41名参与者），且非英语使用者的应用易用性评分较低 | 验证基于CNN的智能手机应用在青光眼患者药物识别中的效果 | 青光眼伴视力受损患者（包括英语和非英语使用者） | computer vision | glaucoma | CNN | CNN | image | 41名患者（20名非英语使用者，21名英语使用者） | NA | NA | NA | NA |
| 13317 | 2025-04-23 |
A semantic segmentation network for red tide detection based on enhanced spectral information using HY-1C/D CZI satellite data
2025-Jun, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.117813
PMID:40117936
|
研究论文 | 提出了一种基于增强光谱信息的语义分割网络SIC-RTNet，用于利用HY-1C/D CZI卫星数据检测赤潮 | SIC-RTNet通过引入残差块、计算三个光谱信息通道和改进损失函数，提高了赤潮监测的准确性 | 传统遥感方法难以监测小规模赤潮事件和详细分布，且不适用于中高空间分辨率和低光谱分辨率的卫星传感器 | 提高赤潮监测的准确性，助力海洋生态灾害监测 | 赤潮 | 计算机视觉 | NA | 卫星遥感 | Residual Neural Network (SIC-RTNet) | 卫星图像 | NA | NA | NA | NA | NA |
| 13318 | 2025-04-23 |
High-level visual processing in the lateral geniculate nucleus revealed using goal-driven deep learning
2025-Jun, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2025.110429
PMID:40122470
|
研究论文 | 本研究提出了一种利用目标驱动的深度学习方法来揭示侧膝状体核（LGN）在高级视觉处理中的作用 | 使用VGG16和ResNet50两种深度神经网络作为目标驱动模型，探索LGN在高级视觉特征（如数量感知）编码中的作用，挑战了关于LGN功能简单性的传统观点 | 研究仅针对小鼠LGN，结果是否适用于其他物种尚不明确 | 探索LGN在高级视觉处理中的功能 | 小鼠侧膝状体核（LGN）的神经活动 | 计算机视觉 | NA | 深度学习 | VGG16, ResNet50 | 神经活动数据 | NA | NA | NA | NA | NA |
| 13319 | 2025-04-23 |
AI-driven approaches for air pollution modelling: A comprehensive systematic review
2025-May-15, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2025.125937
PMID:40058557
|
综述 | 本文对利用机器学习和深度学习技术预测空气污染的现有研究进行了系统性回顾 | 不仅比较了不同模型和方法，还分析了外部特征（如气象数据、交通信息和土地利用）对污染物水平和模型预测准确性的影响 | 探讨了机器学习和深度学习方法的性能和局限性，但未提出新的模型或方法 | 比较和评估不同方法在预测空气污染物浓度水平方面的效果 | 空气污染预测模型 | 机器学习 | NA | 机器学习和深度学习技术 | 时间模型和时空模型 | 气象数据、交通信息、土地利用等多源数据 | NA | NA | NA | NA | NA |
| 13320 | 2025-10-07 |
Comparative analysis of retinal microvascular parameters in healthy individuals with or without carotid artery stenosis or plaque
2025-May, European journal of ophthalmology
IF:1.4Q3
DOI:10.1177/11206721241291224
PMID:39410788
|
研究论文 | 通过眼底摄影评估视网膜微血管参数与颈动脉狭窄（伴或不伴斑块）的相关性 | 首次使用基于深度学习的算法分析视网膜微血管参数与颈动脉狭窄的关联，为颈动脉狭窄筛查提供新方法 | 回顾性观察研究设计，样本量有限（715名参与者） | 评估视网膜微血管变化与颈动脉狭窄的相关性 | 接受双侧颈动脉超声和双侧眼底摄影检查的患者 | 数字病理 | 心血管疾病 | 眼底摄影，颈动脉超声 | 深度学习算法 | 眼底图像 | 715名参与者（313名颈动脉狭窄患者，402名对照组） | NA | NA | NA | NA |