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 13421 - 13440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13421 | 2025-04-22 |
Epileptic seizure detection in EEG signals using deep learning: LSTM and bidirectional LSTM
2025-Apr-21, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2490136
PMID:40255197
|
研究论文 | 提出了一种基于离散小波变换和深度学习的自动检测癫痫发作的新方法 | 结合了LSTM和双向LSTM网络，形成新的混合LSTM-BiLSTM网络，提高了分类准确率 | 未提及样本的多样性和模型的泛化能力 | 开发自动检测癫痫发作的方法 | 脑电图(EEG)信号 | 机器学习 | 癫痫 | 离散小波变换(DWT) | LSTM, 双向LSTM(BiLSTM) | EEG信号 | NA | NA | NA | NA | NA |
| 13422 | 2025-04-22 |
Ultrasound detection of nonalcoholic steatohepatitis using convolutional neural networks with dual-branch global-local feature fusion architecture
2025-Apr-21, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03361-7
PMID:40257712
|
研究论文 | 本研究利用深度学习技术，通过超声B扫描图像检测非酒精性脂肪性肝炎（NASH），并引入超声特异性数据增强技术和双分支全局-局部特征融合架构以提高模型性能 | 提出了超声特异性数据增强技术（USDA）和双分支全局-局部特征融合架构（DG-LFFA），以增强模型在不同成像条件下的适应性和性能 | 样本量较小（137名参与者），可能影响模型的泛化能力 | 提高非酒精性脂肪性肝炎（NASH）的超声检测准确性和适应性 | 非酒精性脂肪性肝炎（NASH）患者的超声B扫描图像 | 计算机视觉 | 肝病 | 超声B模式成像，深度学习 | CNN（AlexNet, Inception V3, VGG16, VGG19, ResNet50, DenseNet201） | 图像 | 137名参与者 | NA | NA | NA | NA |
| 13423 | 2025-04-22 |
A fully automated, expert-perceptive image quality assessment system for whole-body [18F]FDG PET/CT
2025-Apr-18, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-025-01238-2
PMID:40249445
|
research paper | 开发了一种基于深度学习的全自动图像质量评估系统，用于评估[18F]FDG PET/CT全身扫描的图像质量 | 首次将Vision Transformer、Transposed Attention和Scale Swin Transformer Blocks集成到MANIQA框架中，实现了全自动、可解释的临床全身PET/CT图像质量评估 | 研究为回顾性多中心研究，可能存在选择偏倚；模型在CT图像质量评估方面的Spearman系数相对较低 | 开发一个专家感知的深度学习图像质量评估系统，解决临床全身PET/CT图像质量缺乏自动化、可解释评估的问题 | 718名患者的临床全身[18F]FDG PET/CT扫描图像 | digital pathology | NA | PET/CT扫描 | Vision Transformer, Transposed Attention, Scale Swin Transformer Blocks | image | 718名患者的PET/CT扫描图像 | NA | NA | NA | NA |
| 13424 | 2025-04-22 |
A prediction method for radiation proctitis based on SAM-Med2D model
2025-Apr-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87409-6
PMID:40251184
|
研究论文 | 提出一种基于SAM-Med2D模型的放射性直肠炎预测方法，结合深度学习和放射组学分析 | 结合Transformer-based SAM-Med2D模型进行初始分割，随后进行详细的放射组学分析，以提高放射性直肠炎的预测准确性 | 需要大量手动注释，且放射组学特征可能缺乏普适性 | 优化宫颈癌放疗中放射性直肠炎的诊断和预测策略 | 宫颈癌患者的CT图像 | 数字病理 | 宫颈癌 | CT成像 | SAM-Med2D, logistic regression, random forest, naive Gaussian Bayesian | 图像 | NA | NA | NA | NA | NA |
| 13425 | 2025-04-22 |
DrugGen enhances drug discovery with large language models and reinforcement learning
2025-Apr-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98629-1
PMID:40251288
|
研究论文 | 介绍了一种基于大型语言模型和强化学习的增强模型DrugGen，用于改进药物发现过程 | DrugGen通过微调已批准的药物-靶点相互作用数据，并利用近端策略优化和预训练变换器的蛋白质-配体结合亲和力预测反馈，显著提高了药物分子的生成质量和效率 | 虽然DrugGen在生成有效结构和预测结合亲和力方面表现优异，但未提及其在真实临床环境中的验证情况 | 改进传统药物设计方法，提高药物发现的效率和质量 | 小分子药物生成 | 机器学习 | NA | 大型语言模型、强化学习、近端策略优化(PPO) | Transformer-based model (DrugGen) | 蛋白质序列、药物-靶点相互作用数据 | 多个靶点评估（具体数量未提及） | NA | NA | NA | NA |
| 13426 | 2025-04-22 |
Exploring a multi-path U-net with probability distribution attention and cascade dilated convolution for precise retinal vessel segmentation in fundus images
2025-Apr-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98021-z
PMID:40251298
|
research paper | 该论文提出了一种结合注意力机制和级联扩张卷积模块的多路径U-Net架构，用于精确分割眼底图像中的视网膜血管 | 创新点包括开发了双路径U-Net以分别提取粗糙和精细血管结构，集成了级联扩张卷积模块以捕获多尺度血管特征，并采用了概率分布注意力机制来调整概率分布，增强浅层信息的贡献 | 未明确提及具体局限性 | 提高眼底图像中视网膜血管分割的准确性 | 眼底图像中的视网膜血管 | computer vision | NA | 深度学习 | multi-path U-Net, CNN | image | 三个基准数据集（CHASEDB1、DRIVE和STARE） | NA | NA | NA | NA |
| 13427 | 2025-04-22 |
Automated pain detection using facial expression in adult patients with a customized spatial temporal attention long short-term memory (STA-LSTM) network
2025-Apr-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97885-5
PMID:40251301
|
研究论文 | 开发了一种基于面部表情的自动疼痛评估系统，用于成年患者 | 提出了一种定制的时空注意力长短期记忆（STA-LSTM）深度学习网络，用于从面部表情中检测疼痛水平 | 研究样本仅来自新加坡的两家公共医疗机构，可能不具有广泛代表性 | 开发自动疼痛评估系统，以替代自我报告和观察者评估 | 成年手术或介入性疼痛治疗患者 | 计算机视觉 | 疼痛管理 | STA-LSTM | LSTM | 视频 | 200名患者，共收集2008个视频，进一步剪辑为10,274个1秒片段 | NA | NA | NA | NA |
| 13428 | 2025-04-22 |
AI analysis for ejection fraction estimation from 12-lead ECG
2025-Apr-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97113-0
PMID:40251349
|
research paper | 该研究探讨了使用12导联心电图（ECG）信号通过机器学习和深度学习模型估计心脏射血分数（EF）的潜力，特别关注农村阿巴拉契亚地区人群 | 研究首次在农村阿巴拉契亚地区人群中应用AI模型进行EF估计，并比较了不同ECG导联组合的效果，同时进行了模型可解释性分析 | 研究数据主要来自西弗吉尼亚州的医院，可能无法完全代表其他农村地区的人群特征 | 开发基于AI的EF估计方法，以替代昂贵且不易获取的超声心动图检查 | 55,500名来自西弗吉尼亚州医院的患者 | machine learning | cardiovascular disease | 12-lead ECG | Random Forest, Transformers | ECG信号数据 | 55,500名患者 | NA | NA | NA | NA |
| 13429 | 2025-04-22 |
GRLGRN: graph representation-based learning to infer gene regulatory networks from single-cell RNA-seq data
2025-Apr-18, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06116-1
PMID:40251476
|
研究论文 | 提出了一种名为GRLGRN的深度学习模型，用于从单细胞RNA测序数据中推断基因调控网络 | 使用图变换网络从先验GRN中提取隐含链接，并结合基因表达谱矩阵编码基因特征，利用注意力机制改进特征提取 | 面临细胞异质性、测量噪声和数据丢失等挑战 | 研究基因调控网络的重建，以探索细胞动态、药物设计和代谢系统 | 单细胞RNA测序数据和基因调控网络 | 机器学习 | NA | scRNA-seq | graph transformer network | 基因表达数据 | 七个细胞系数据集和三个真实网络 | NA | NA | NA | NA |
| 13430 | 2025-04-22 |
Smart contours: deep learning-driven internal gross tumor volume delineation in non-small cell lung cancer using 4D CT maximum and average intensity projections
2025-Apr-18, Radiation oncology (London, England)
DOI:10.1186/s13014-025-02642-7
PMID:40251610
|
research paper | 本研究提出了一种基于深度学习的自动内部总肿瘤体积（IGTV）分割方法，用于非小细胞肺癌（NSCLC）的4D CT最大和平均强度投影图像 | 使用4D CT的最大和平均强度投影（MIP和AIP）直接进行IGTV分割，而非传统的多期相4D CT方法 | 研究样本量较小（124例患者），且为回顾性研究 | 开发自动化IGTV分割方法以提高非小细胞肺癌放疗计划的准确性和一致性 | 非小细胞肺癌患者的4D CT图像 | digital pathology | lung cancer | 4D CT成像 | U-net, attention U-net, V-net | 医学影像（CT图像） | 124例NSCLC患者（87例训练集，37例验证集） | NA | NA | NA | NA |
| 13431 | 2025-04-22 |
Rapid COD Sensing in Complex Surface Water Using Physicochemical-Informed Spectral Transformer with UV-Vis-SWNIR Spectroscopy
2025-Apr-08, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.4c14209
PMID:40053333
|
研究论文 | 该论文提出了一种结合物理化学信息的Transformer模型（PIST）与紫外-可见-短波近红外光谱（UV-vis-SWNIR）技术，用于复杂地表水中的化学需氧量（COD）快速检测 | 首次将Transformer模型与光谱技术结合用于水质检测，并引入了物理化学信息块以增强模型的领域适应性和特征提取能力 | 未提及模型在其他类型水质或更大规模数据集上的泛化能力测试 | 提高复杂水环境中化学需氧量（COD）的快速检测准确性和一致性 | 地表水（包括长江和鄱阳湖） | machine learning | NA | UV-vis-SWNIR spectroscopy | Transformer (PIST) | spectral data | 实际地表水光谱数据集（覆盖长江和鄱阳湖等广泛地理区域） | NA | NA | NA | NA |
| 13432 | 2025-04-22 |
Computational methods for binding site prediction on macromolecules
2025-Mar-12, Quarterly reviews of biophysics
IF:7.2Q1
DOI:10.1017/S003358352500006X
PMID:40071518
|
综述 | 本文综述了利用机器学习方法预测大分子结合位点的最新进展 | 分类了基于大分子序列、结构、模板知识、几何和能量特性的编码方法，并根据相互作用分子类型（小分子、肽和离子）对方法进行了分类 | 强调了基于深度学习方法的最新技术的局限性 | 推进药物发现，通过识别药理学靶点中的新结合位点，促进基于结构的命中识别和先导优化 | 蛋白质和RNA等生物分子结构 | 计算生物学 | NA | 机器学习 | 深度学习 | 序列、结构、模板知识、几何和能量特性数据 | NA | NA | NA | NA | NA |
| 13433 | 2025-04-22 |
DMGAT: predicting ncRNA-drug resistance associations based on diffusion map and heterogeneous graph attention network
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf179
PMID:40251829
|
research paper | 该研究提出了一种名为DMGAT的新型深度学习模型，用于预测非编码RNA（ncRNA）与药物抗性之间的关联 | DMGAT整合了扩散映射进行序列嵌入、图卷积网络进行特征提取以及图注意力网络（GAT）进行异质信息融合，同时采用随机森林分类器选择可靠的负样本以解决数据集不平衡问题 | 模型性能可能受到数据集不平衡和稀疏性的限制 | 预测ncRNA与药物抗性之间的关联，以识别潜在的生物标志物和治疗靶点 | 非编码RNA（ncRNA）和药物 | machine learning | NA | word2vec, 扩散映射, 图卷积网络, 图注意力网络（GAT） | DMGAT（基于扩散映射和异质图注意力网络的深度学习模型） | 序列数据（ncRNA序列和药物SMILES） | 来自NoncoRNA和ncDR的精选数据集 | NA | NA | NA | NA |
| 13434 | 2025-04-22 |
A graph neural network approach for accurate prediction of pathogenicity in multi-type variants
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf151
PMID:40251830
|
research paper | 提出了一种基于图神经网络的多模态注释致病性预测方法GNN-MAP，用于准确预测人类疾病相关基因中的致病性变异 | GNN-MAP能够有效整合多模态注释和变异间的相似性关系，准确预测多种类型变异的致病性，尤其在罕见变异和高度不平衡数据集上表现优异 | NA | 提高人类疾病相关基因中致病性变异的预测准确性，以辅助临床决策 | 人类疾病相关基因中的多类型变异 | machine learning | inherited retinal disease | graph neural network | GNN | multimodal annotations | ClinVar数据集 | NA | NA | NA | NA |
| 13435 | 2025-10-07 |
Prospective Evaluation of Accelerated Brain MRI Using Deep Learning-Based Reconstruction: Simultaneous Application to 2D Spin-Echo and 3D Gradient-Echo Sequences
2025-01, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.0653
PMID:39780631
|
研究论文 | 前瞻性评估基于深度学习的加速重建技术在脑部磁共振成像中的应用效果 | 首次在前瞻性研究中将深度学习重建技术同时应用于2D自旋回波和3D梯度回波序列，并验证其在多厂商设备上的适用性 | 深部灰质区域（包括丘脑）的体积测量存在显著差异，白质高信号分割中白质皮层病变的一致性较低 | 评估基于深度学习的加速重建技术对脑部MRI图像质量和扫描时间的影响 | 150名参与者（51名男性，平均年龄57.3±16.2岁） | 医学影像分析 | 脑部疾病 | 磁共振成像（MRI） | 深度学习 | 医学影像 | 150名参与者，使用三家不同厂商的3T扫描仪 | NA | U-Net | 图像质量评分, 结构描绘评分, 伪影评分, SNR, CNR, Fleiss' kappa系数, Bland-Altman分析 | NA |
| 13436 | 2025-04-22 |
Detection and classification of ChatGPT-generated content using deep transformer models
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1458707
PMID:40256321
|
研究论文 | 本文提出了一种基于深度transformer模型的ChatGPT生成内容的检测与分类方法 | 使用RoBERTa和DistilBERT等transformer架构模型，实现了对AI生成文本的高效检测与分类，F1分数和准确率均超过0.98 | 模型在不同AI生成内容来源上的泛化能力尚未验证，且未考虑AI文本检测领域不断演变的挑战 | 解决AI生成文本（特别是ChatGPT）的检测与分类问题，以防止技术滥用 | 人类撰写文本与ChatGPT生成的AI文本 | 自然语言处理 | NA | 深度学习 | RoBERTa, DistilBERT | 文本 | 包含人类撰写和ChatGPT生成文本的数据集（具体数量未说明） | NA | NA | NA | NA |
| 13437 | 2025-10-07 |
The G Protein-Coupled Receptor-Related Gene Signatures for Diagnosis and Prognosis in Glioblastoma: A Deep Learning Model Using RNA-Seq Data
2024-Dec-01, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2024.25.12.4201
PMID:39733410
|
研究论文 | 本研究通过深度学习模型利用RNA-Seq数据识别胶质母细胞瘤中G蛋白偶联受体相关基因标志物用于诊断和预后 | 首次结合深度学习和RNA-Seq数据系统分析GPCR基因在胶质母细胞瘤中的诊断和预后价值，识别出多个新型生物标志物 | 研究仅基于532名患者队列，需要更大样本验证；未进行实验验证 | 开发基于GPCR相关基因标志物的胶质母细胞瘤诊断和预后深度学习模型 | 532名胶质母细胞瘤患者的RNA-Seq数据 | 机器学习 | 胶质母细胞瘤 | RNA-Seq | 深度学习 | 基因表达数据 | 532名GBM患者 | NA | NA | 相关系数，生存分析 | NA |
| 13438 | 2025-10-07 |
Pixelated High-Q Metasurfaces for in Situ Biospectroscopy and Artificial Intelligence-Enabled Classification of Lipid Membrane Photoswitching Dynamics
2024-05-07, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.3c09798
PMID:38653474
|
研究论文 | 提出一种结合像素化全介电超表面与深度学习的集成光流控平台，用于时间分辨原位生物光谱分析 | 首次将BIC超表面与深度学习特征提取结合，实现损耗性水环境中脂质膜光开关动态的实时分类 | 目前仅验证于光开关脂质膜系统，尚未扩展到更复杂的生物分子体系 | 开发集成纳米光子器件与人工智能的动态生物分子相互作用分析平台 | 光开关脂质膜的动态构象变化 | 纳米光子学, 生物传感, 人工智能 | NA | 时间分辨原位生物光谱技术, 光开关膜技术 | CNN | 光谱数据 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 13439 | 2025-10-07 |
Validation of a Deep Learning Model for Diabetic Retinopathy on Patients with Young-Onset Diabetes
2025-May, Ophthalmology and therapy
IF:2.6Q2
DOI:10.1007/s40123-025-01116-z
PMID:40087218
|
研究论文 | 验证深度学习模型在年轻发病糖尿病患者中筛查糖尿病视网膜病变的性能 | 首次在年轻糖尿病患者（18-45岁）中系统验证深度学习系统性能，特别关注年轻患者特有的视网膜光泽特征对模型的影响 | 研究队列中98.8%为1型糖尿病患者，可能限制结果对其他类型糖尿病的泛化能力；视网膜光泽干扰参考标签准确性 | 评估深度学习系统在年轻糖尿病患者中筛查糖尿病视网膜病变的性能差异 | 321名18-45岁年轻糖尿病患者，分为18-25岁和26-45岁两个队列 | 数字病理 | 糖尿病视网膜病变 | 眼底摄影 | 深度学习系统 | 眼底图像 | 321名患者 | NA | NA | 敏感度, 特异度 | NA |
| 13440 | 2025-10-07 |
Deep-Learning-Assisted Analysis of Early Biomarker Changes in Treatment-Naïve Patients with Neovascular AMD Under Intravitreal Faricimab
2025-May, Ophthalmology and therapy
IF:2.6Q2
DOI:10.1007/s40123-025-01125-y
PMID:40133689
|
研究论文 | 本研究应用基于深度学习的语义分割算法量化新生血管性年龄相关性黄斑变性患者的关键OCT生物标志物，并评估玻璃体腔内faricimab治疗的短期疗效 | 首次将AI驱动的生物标志物分割算法应用于faricimab治疗新生血管性年龄相关性黄斑变性的疗效评估，实现了关键生物标志物的客观量化分析 | 研究样本量较小（40眼），回顾性研究设计，缺乏长期随访数据 | 评估玻璃体腔内faricimab在初治新生血管性年龄相关性黄斑变性患者中的短期疗效 | 38名初治新生血管性年龄相关性黄斑变性患者的40只眼睛 | 数字病理学 | 年龄相关性黄斑变性 | 光学相干断层扫描 | 深度学习 | 医学影像 | 38名患者的40只眼睛 | NA | 语义分割算法 | p值 | NA |