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 13661 - 13680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13661 | 2025-10-07 |
Deep learning network based on high-resolution magnetic resonance vessel wall imaging combined with attention mechanism for predicting stroke recurrence in patients with symptomatic intracranial atherosclerosis
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1723
PMID:40235801
|
研究论文 | 基于高分辨率磁共振血管壁成像结合注意力机制的深度学习网络预测症状性颅内动脉粥样硬化患者卒中复发风险 | 首次将Transformer注意力机制与CNN特征提取器（ResNet50和DenseNet169）集成构建Trans-CNN集成模型，用于卒中复发预测 | 回顾性研究设计，样本量相对有限（363例），仅包含两个医疗中心数据 | 开发高精度集成模型预测症状性颅内动脉粥样硬化狭窄患者的卒中复发风险 | 症状性颅内动脉粥样硬化狭窄患者 | 医学影像分析 | 脑血管疾病 | 高分辨率磁共振血管壁成像 | CNN, Transformer | 医学影像 | 363例sICAS患者（训练集254例，测试集109例） | NA | ResNet50, DenseNet169, Transformer | AUC, 准确率, 灵敏度, 特异性 | NA |
| 13662 | 2025-10-07 |
MRI-based habitat radiomics combined with vision transformer for identifying vulnerable intracranial atherosclerotic plaques and predicting stroke events: a multicenter, retrospective study
2025-Apr, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103186
PMID:40235946
|
研究论文 | 本研究开发了一种基于高分辨率血管壁成像的人工智能模型，用于识别易损颅内动脉粥样硬化斑块并预测卒中复发风险 | 首次将栖息地影像组学与Vision Transformer相结合，采用堆叠融合策略构建多模态模型，实现了对颅内易损斑块的精准识别和卒中风险的长期预测 | 回顾性研究设计，样本来自四个医疗中心但可能存在选择偏倚 | 开发非侵入性工具识别高危易损斑块并评估卒中复发风险 | 726例症状性颅内动脉粥样硬化狭窄患者的1806个斑块 | 医学影像分析 | 脑血管疾病 | 高分辨率血管壁成像，K-means聚类 | Vision Transformer，影像组学模型 | MRI图像 | 726例患者的1806个斑块 | NA | Vision Transformer | AUC，敏感度，特异度，准确度，Cox回归分析 | NA |
| 13663 | 2025-10-07 |
The Application of Artificial Intelligence in Spine Surgery: A Scoping Review
2025-Apr-01, Journal of the American Academy of Orthopaedic Surgeons. Global research & reviews
|
综述 | 本文对人工智能在脊柱外科领域的应用进行了范围综述 | 首次系统梳理了2020-2024年间人工智能在脊柱外科的应用现状 | 数据主要来自单中心研究（72项），仅25.7%研究纳入超过1000名患者数据 | 评估人工智能在脊柱外科领域的应用现状和发展潜力 | 脊柱外科相关临床研究和医学影像数据 | 医疗人工智能 | 脊柱疾病 | 机器学习，深度学习 | 监督学习 | 医学影像，临床数据 | 105项研究，其中27项包含超过1000名患者数据 | NA | NA | NA | NA |
| 13664 | 2025-10-07 |
Lit-OTAR framework for extracting biological evidences from literature
2025-Mar-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf113
PMID:40097274
|
研究论文 | 介绍用于从科学文献中提取生物医学证据的lit-OTAR深度学习框架 | 首个结合命名实体识别和实体归一化技术，专门针对药物发现领域的大规模文献挖掘框架 | NA | 加速药物靶点识别和验证过程 | 科学文献中的基因/蛋白质、疾病、生物体和化学物/药物实体 | 自然语言处理 | NA | 深度学习 | NA | 文本 | 超过3900万篇摘要和450万篇全文文章及预印本 | NA | NA | NA | NA |
| 13665 | 2025-10-07 |
H2GnnDTI: hierarchical heterogeneous graph neural networks for drug-target interaction prediction
2025-Mar-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf117
PMID:40097269
|
研究论文 | 提出一种名为H2GnnDTI的分层异构图神经网络模型，用于药物-靶点相互作用预测 | 采用两级分层异构图学习架构，通过低层视图GNN和高层视图GNN整合药物和蛋白质结构信息，并设计了结构和属性信息融合模块 | NA | 开发计算工具自动预测和理解药物-靶点相互作用 | 药物和蛋白质 | 机器学习 | NA | 图神经网络 | GNN | 图数据 | 在三个基准数据集上进行实验 | PyTorch | 分层异构图神经网络 | NA | NA |
| 13666 | 2025-10-07 |
A Unified Flexible Large Polysomnography Model for Sleep Staging and Mental Disorder Diagnosis
2025-Mar-28, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.12.11.24318815
PMID:39711704
|
研究论文 | 提出统一灵活的大型多导睡眠图模型LPSGM，用于睡眠分期和精神障碍诊断 | 整合领域自适应学习，支持可变通道配置，在跨中心泛化方面表现优异 | 未明确说明模型在特定疾病群体中的适用性限制 | 提升睡眠分期的跨中心泛化能力并支持疾病诊断微调 | 多导睡眠图数据和相关疾病患者 | 医疗人工智能 | 发作性睡病,抑郁症 | 多导睡眠图 | 深度学习模型 | 多导睡眠图信号数据 | 16个公共数据集的220,500小时PSG数据 | NA | LPSGM | 准确率 | NA |
| 13667 | 2025-10-07 |
Prediction and Prioritisation of Novel Anthelmintic Candidates from Public Databases Using Deep Learning and Available Bioactivity Data Sets
2025-Mar-28, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms26073134
PMID:40243899
|
研究论文 | 本研究使用深度学习技术从公共数据库中预测和优先筛选新型抗蠕虫药物候选分子 | 首次将多层感知机分类器应用于抗蠕虫药物发现，通过处理高度不平衡的生物活性数据实现了对活性化合物的高效预测 | 训练数据中活性化合物仅占1%，存在高度不平衡问题；仅对10个候选化合物进行了实验验证 | 加速发现具有独特作用机制的新型抗蠕虫药物，以应对寄生虫对现有化疗药物的广泛耐药性问题 | 动物寄生性线虫（以捻转血矛线虫为模型系统） | 机器学习 | 寄生虫感染 | 高通量筛选、计算机筛选 | 多层感知机 | 小分子化合物生物活性数据 | 训练集：15,000个小分子化合物；筛选库：1,420万化合物（ZINC15数据库）；实验验证：10个候选化合物 | NA | 多层感知机分类器 | 精确度, 召回率 | NA |
| 13668 | 2025-03-29 |
Author Correction: ThyroNet-X4 genesis: an advanced deep learning model for auxiliary diagnosis of thyroid nodules' malignancy
2025-Mar-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94090-2
PMID:40148386
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13669 | 2025-10-07 |
A deep learning model trained on expressed transcripts across different tissue types reveals cell-type codon-optimization preferences
2025-Mar-20, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf233
PMID:40156867
|
研究论文 | 开发基于深度学习的细胞类型依赖性密码子偏好优化工具 | 首次使用循环神经网络分析不同组织类型的密码子使用偏好，实现细胞类型特异性的密码子优化 | 仅测试了三种组织类型（脑、肝、肌肉），未涵盖所有细胞类型 | 开发能提高重组蛋白表达效率的密码子优化算法 | 不同组织类型中表达的转录本和分泌基因 | 自然语言处理 | NA | 基因表达数据分析 | RNN | 基因序列数据 | 三种组织类型（脑、肝、肌肉）的所有分泌基因 | NA | 循环神经网络 | 蛋白表达水平 | NA |
| 13670 | 2025-10-07 |
Smart Grain Storage Solution: Integrated Deep Learning Framework for Grain Storage Monitoring and Risk Alert
2025-Mar-18, Foods (Basel, Switzerland)
DOI:10.3390/foods14061024
PMID:40232114
|
研究论文 | 提出基于深度学习框架的多模型融合方法，用于粮食仓储状态监测和风险预警 | 结合3D DenseNet和3DCNN-LSTM两种三维深度学习模型，实现粮食仓储状态分类和温度场预测的融合 | NA | 克服现有粮食仓储监测方法在风险预警和粮温空间分布分析方面的局限性 | 粮食仓储环境和粮堆温度场 | 计算机视觉 | NA | 深度学习 | 3D DenseNet, 3DCNN-LSTM | 三维粮温数据 | NA | NA | 3D DenseNet, 3DCNN-LSTM | 准确率, MAE, RMSE | NA |
| 13671 | 2025-10-07 |
The Fermentation Degree Prediction Model for Tieguanyin Oolong Tea Based on Visual and Sensing Technologies
2025-Mar-13, Foods (Basel, Switzerland)
DOI:10.3390/foods14060983
PMID:40231982
|
研究论文 | 本研究基于视觉和传感技术开发了铁观音乌龙茶发酵程度预测模型 | 首次将视觉特征与传感特征融合，并应用麻雀搜索算法优化数据融合模型，实现了铁观音乌龙茶发酵程度的在线实时监测 | 研究仅针对铁观音乌龙茶，未验证在其他茶叶品种上的适用性 | 开发铁观音乌龙茶发酵程度的自动监测方法，替代传统依赖人工经验的发酵控制方式 | 铁观音乌龙茶 | 机器学习和计算机视觉 | NA | 重量传感器、氧化锡型气体传感器、视觉采集系统 | SVR, RF, LSTM | 图像、传感器数据（失水率、香气） | NA | NA | LSTM | MAE, RMSE, R | NA |
| 13672 | 2025-10-07 |
How much data do you need? An analysis of pelvic multi-organ segmentation in a limited data context
2025-Mar, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-024-01514-w
PMID:40067638
|
研究论文 | 本研究在有限数据背景下分析盆腔多器官MR分割性能，探讨nnU-Net模型在数据稀缺情况下的表现 | 首次系统评估nnU-Net在盆腔多器官分割任务中的最小数据需求阈值，并量化数据增强在不同数据规模下的影响 | 研究仅使用单一扫描仪(Elekta Unity)的数据，样本量较小(58个MR图像)，可能限制结果的普适性 | 探索深度学习模型在有限数据条件下的盆腔多器官分割性能 | 接受治疗的12名参与者的盆腔MR图像 | 医学图像分割 | 盆腔器官相关疾病 | MR成像 | U-Net | 医学图像 | 58个MR图像(46个训练，12个测试)，来自12名参与者 | nnU-Net | nnU-Net | Dice相似系数, 平均表面距离, 95% Hausdorff距离 | NA |
| 13673 | 2025-10-07 |
Deep learning and robotics enabled approach for audio based emotional pragmatics deficits identification in social communication disorders
2025-Mar, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine
DOI:10.1177/09544119251325331
PMID:40079556
|
研究论文 | 开发深度学习与机器人系统，通过音频识别社交沟通障碍患者的情绪语用缺陷 | 首次将深度学习与机器人平台集成用于识别情绪语用缺陷 | NA | 识别社交语用沟通障碍患者的音频情绪语用缺陷 | 社交语用沟通障碍患者 | 机器学习 | 社交沟通障碍 | 梅尔频率倒谱系数(MFCC) | 1D-CNN, LSTM, Bi-LSTM | 音频信号 | 开源数据集 | NA | 1D-卷积神经网络, 长短期记忆网络, 双向长短期记忆网络 | 准确率, 损失值, 精确率, 召回率 | NA |
| 13674 | 2025-10-07 |
Digital Health Policy and Cybersecurity Regulations Regarding Artificial Intelligence (AI) Implementation in Healthcare
2025-Mar, Cureus
DOI:10.7759/cureus.80676
PMID:40236368
|
综述 | 分析人工智能在医疗系统中实施的可行性，重点关注数字健康政策与网络安全法规 | 系统评估AI在医疗领域实施的政策与网络安全挑战，提出透明度与数据多样性的关键作用 | 仅纳入2000-2024年英文文献，可能遗漏非英语地区的重要研究 | 分析AI在医疗系统实施的可行性及配套政策需求 | 医疗系统中的人工智能应用 | 医疗人工智能 | NA | 文献综述 | 机器学习和深度学习 | 医疗数据集、手术数据、临床信息 | NA | NA | NA | NA | NA |
| 13675 | 2025-10-07 |
Spatially resolved transcriptomics and graph-based deep learning improve accuracy of routine CNS tumor diagnostics
2025-02, Nature cancer
IF:23.5Q1
DOI:10.1038/s43018-024-00904-z
PMID:39880907
|
研究论文 | 开发结合空间转录组学和图神经网络的神经病理学空间转录组分析(NePSTA)方法，用于中枢神经系统肿瘤的精确诊断 | 首次将空间转录组学与图神经网络结合应用于神经病理诊断，能够从单个5微米组织切片同时进行形态学和分子评估 | 需要进一步验证在更广泛样本和医疗中心的应用效果 | 提高中枢神经系统肿瘤常规诊断的准确性 | 中枢神经系统恶性肿瘤患者和健康捐赠者的组织样本 | 数字病理 | 中枢神经系统肿瘤 | 空间转录组学, DNA甲基化分析, 下一代测序(NGS) | 图神经网络(GNN) | 空间转录组数据, 组织图像 | 来自4个医疗中心的130名参与者 | NA | 图神经网络 | 准确率 | NA |
| 13676 | 2025-10-07 |
Artificial intelligence in chronic kidney disease management: a scoping review
2025, Theranostics
IF:12.4Q1
DOI:10.7150/thno.108552
PMID:40225559
|
综述 | 本文通过范围综述探讨人工智能在慢性肾脏病管理中的关键应用场景及面临的挑战 | 系统梳理了AI在CKD管理中的四大应用领域，并针对技术障碍和临床应用壁垒提出了解决方案 | 基于文献综述，缺乏原始数据验证和实际临床部署效果评估 | 探索人工智能在慢性肾脏病管理中的应用潜力和实施路径 | 慢性肾脏病患者群体及相关医疗数据 | 医疗人工智能 | 慢性肾脏病 | 机器学习、深度学习、无监督聚类、数字孪生、自然语言处理、大语言模型 | ML, DL, NLP, LLMs | 多模态医疗数据 | 基于41篇文献的系统分析 | NA | NA | 模型准确性、可解释性 | NA |
| 13677 | 2025-10-07 |
GraphTransNet: predicting epilepsy-related genes using a graph-augmented protein language model
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1584625
PMID:40235533
|
研究论文 | 提出GraphTransNet模型，利用图增强蛋白质语言模型预测癫痫相关基因 | 结合蛋白质语言模型与Transformer-CNN混合架构，创新性地整合基因序列嵌入与图结构信息 | NA | 预测癫痫相关基因靶点，改善疾病诊断和治疗靶点识别 | 癫痫相关基因 | 机器学习 | 癫痫 | 蛋白质语言模型, 深度学习 | Transformer, CNN, 混合神经网络 | 基因序列数据 | NA | NA | GraphTransNet, ESM, Transformer, CNN | 准确率, 召回率, 精确率 | NA |
| 13678 | 2025-10-07 |
ProstaNet: A Novel Geometric Vector Perceptrons-Graph Neural Network Algorithm for Protein Stability Prediction in Single- and Multiple-Point Mutations with Experimental Validation
2025, Research (Washington, D.C.)
DOI:10.34133/research.0674
PMID:40235597
|
研究论文 | 提出了一种名为ProstaNet的新型深度学习框架，用于预测单点和多点突变对蛋白质稳定性的影响 | 采用几何向量感知器-图神经网络进行3维特征处理，构建了纯净的热力学数据库ProstaDB，开发了热力学循环数据增强方法和创新的聚类方法 | NA | 预测单点和多点突变对蛋白质稳定性的影响 | 蛋白质突变稳定性 | 机器学习 | NA | 深度学习 | 图神经网络 | 3维结构数据 | 3,784个单点突变和1,642个多点突变 | NA | 几何向量感知器-图神经网络 | 准确率 | NA |
| 13679 | 2025-10-07 |
Predicting pathogen evolution and immune evasion in the age of artificial intelligence
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.03.044
PMID:40235636
|
综述 | 探讨人工智能在预测病毒进化与免疫逃逸方面的最新突破 | 利用深度学习架构和语言模型预测病毒有害突变的前瞻性方法 | 方法主要基于SARS-CoV-2开发，虽可扩展至其他RNA病毒但需进一步验证 | 通过AI预测病毒进化路径以提前应对公共卫生威胁 | RNA病毒（特别是SARS-CoV-2）的基因组变异 | 自然语言处理, 机器学习 | 传染病 | 基因组测序 | 语言模型(LM), 深度学习 | 基因组数据, 流行病学数据, 免疫学数据, 生物学数据 | NA | NA | 语言模型 | NA | NA |
| 13680 | 2025-10-07 |
Substrate binding of human and bacterial type IA topoisomerase: An experimentation with AlphaFold 3.0
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.03.041
PMID:40235641
|
研究论文 | 利用AlphaFold 3.0预测人类和细菌I型拓扑异构酶与单链DNA的复合物结构 | 首次系统评估AlphaFold3在预测拓扑异构酶-单链DNA复合物结构方面的能力 | 预测的蛋白-DNA复合物（特别是与较长寡核苷酸>25-mer）不可靠，无法准确复制DNA结合序列特异性 | 探索拓扑异构酶与DNA底物结合的分子机制和序列偏好性 | 人类拓扑异构酶3β和细菌拓扑异构酶I与单链DNA的复合物 | 计算生物学 | NA | AlphaFold3.0, X射线晶体学, Cryo-EM | 深度学习 | 蛋白质序列, DNA序列 | 大量预测复合物（具体数量未明确说明） | AlphaFold3 | AlphaFold3架构 | 预测置信度, 与晶体结构比对 | NA |