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 33293 篇文献，本页显示第 15121 - 15140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15121 | 2025-04-10 |
Transformer-based deep learning structure-conductance relationships in gold and silver nanowires
2025-Apr-09, Physical chemistry chemical physics : PCCP
IF:2.9Q1
DOI:10.1039/d4cp04605f
PMID:40152302
|
研究论文 | 本研究利用基于Transformer的深度学习模型预测金和银纳米线的结构-电导关系 | 首次将Transformer神经网络应用于纳米线电导预测，展示了其在处理长、大及结构不同纳米线时的稳定性、准确性和可扩展性 | 模型训练数据主要来自模拟而非实际实验数据 | 建立纳米线结构与其电导特性之间的关系 | 金和银纳米线 | 机器学习 | NA | 分子动力学模拟(MD)与神经网络势能 | Transformer | 模拟数据 | 大量金和银纳米线结结构 | NA | NA | NA | NA |
| 15122 | 2025-04-10 |
Deep Learning with Reflection High-Energy Electron Diffraction Images to Predict Cation Ratio in Sr2xTi2(1-x)O3 Thin Films
2025-Apr-09, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.5c00787
PMID:40163590
|
研究论文 | 本研究利用深度学习技术预测SrTiO薄膜的化学计量比，通过反射高能电子衍射图像进行分析 | 使用门控卷积神经网络对小样本（31个样本）进行回归训练，实现了准确的预测，并通过可解释AI技术揭示了衍射条纹特征与阳离子化学计量之间的未知相关性 | 样本量较小（仅31个样本） | 加速、理解和控制薄膜合成过程，揭示合成条件与材料性能之间的关系 | SrTiO薄膜的化学计量比 | 机器学习 | NA | 反射高能电子衍射（RHEED） | 门控卷积神经网络（Gated CNN） | 图像 | 31个样本 | NA | NA | NA | NA |
| 15123 | 2025-04-10 |
Portal dose image prediction using Monte Carlo generated transmission energy fluence maps of dynamic radiotherapy treatment plans: a deep learning approach
2025-Apr-09, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adc73f
PMID:40164089
|
research paper | 本研究开发并探讨了一种结合蒙特卡洛模拟和深度学习的混合模型，用于预测基于动态放射治疗计划的电子门户成像设备图像 | 结合蒙特卡洛模拟和深度学习方法来预测放射治疗中的电子门户成像设备图像，为剂量学质量保证提供新方法 | 模型在简单和复杂变体中的伽马通过率存在差异，表明模型性能有待进一步优化 | 开发一种用于放射治疗剂量学质量保证的混合模型 | 动态放射治疗计划中的电子门户成像设备图像 | machine learning | various cancer types | Monte Carlo simulations, deep learning | U-Net | image | 17 clinical treatment plans | NA | NA | NA | NA |
| 15124 | 2025-04-10 |
Enhancing Burn Diagnosis through SE-ResNet18 and Confidence Filtering
2025-Apr-08, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01495-6
PMID:40199834
|
research paper | 提出一种基于深度学习的烧伤严重程度分类方法，通过改进的ResNet18架构和置信度过滤提高分类准确率 | 采用集成了注意力机制的增强型ResNet18架构，结合自适应学习率优化策略和置信度过滤后处理模块 | 实验仅在烧伤皮肤测试数据集上进行验证，未涉及更广泛的临床场景 | 提升烧伤严重程度分类的准确性和实时性，以支持临床治疗决策 | 烧伤皮肤图像 | computer vision | 烧伤 | 深度学习 | SE-ResNet18 | image | 烧伤皮肤测试数据集（具体数量未说明） | NA | NA | NA | NA |
| 15125 | 2025-04-10 |
Interpretable deep learning method to predict wound healing progress based on collagen fibers in wound tissue
2025-Apr-07, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110110
PMID:40198981
|
research paper | 提出一种基于胶原纤维的深度学习方法来预测伤口愈合进程，并增强模型决策的可解释性 | 结合LayerCAM和Guided Backpropagation的可解释框架，无需像素级标注即可定位胶原纤维区域 | 未提及模型在更大规模或多样化数据集上的泛化能力 | 建立基于胶原纤维特征的伤口愈合状态分类方法 | 皮肤组织的组织学图像 | digital pathology | wound healing | histological imaging | VGG16 | image | 未明确说明样本数量，涉及正常皮肤、0/3/7/10天伤口皮肤及糖尿病伤口皮肤 | NA | NA | NA | NA |
| 15126 | 2025-04-10 |
Detection of COVID-19, lung opacity, and viral pneumonia via X-ray using machine learning and deep learning
2025-Apr-07, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110131
PMID:40198984
|
research paper | 该研究结合机器学习和深度学习技术，通过X光图像自动诊断COVID-19及其他肺部疾病 | 采用CNN、SVM及迁移学习技术（如ResNet18、EfficientNet-CNN和Xception-CNN），在X光图像分类中达到高准确率（最高99.20%） | 数据集多样性和代表性不足，可能影响模型的泛化能力 | 提升COVID-19及其他肺部疾病的早期诊断效率和准确性 | 胸部X光图像 | digital pathology | COVID-19, lung opacity, viral pneumonia | machine learning, deep learning, transfer learning | CNN, SVM, ResNet18, EfficientNet-CNN, Xception-CNN | image | 21,165张胸部X光图像 | NA | NA | NA | NA |
| 15127 | 2025-04-10 |
Development and validation of a deep learning model based on cascade mask regional convolutional neural network to noninvasively and accurately identify human round spermatids
2025-Apr-02, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.03.059
PMID:40185275
|
研究论文 | 开发并验证了一种基于级联掩膜区域卷积神经网络（R-CNN）的深度学习模型，用于非侵入性且准确地识别人类圆形精子细胞 | 首次使用深度学习模型非侵入性地识别人类圆形精子细胞，避免了传统Hoechst染色的毒性问题 | 研究样本量相对较小（3457张图像），且模型在临床广泛应用前需进一步验证 | 评估深度学习模型在非侵入性识别人类圆形精子细胞方面的能力 | 人类圆形精子细胞（hRSs） | 计算机视觉 | 男性不育症 | 流式细胞术分析 | 级联掩膜区域卷积神经网络（R-CNN） | 图像 | 3457张光学显微镜图像 | NA | NA | NA | NA |
| 15128 | 2025-04-10 |
An explainable deep learning platform for molecular discovery
2025-Apr, Nature protocols
IF:13.1Q1
DOI:10.1038/s41596-024-01084-x
PMID:39653800
|
研究论文 | 介绍了一个可解释的深度学习平台，用于分子发现，特别是抗生素的结构类别 | 提出了一个基于图神经网络的可解释深度学习平台，能够识别预测活性的化学子结构，提高分子发现的效率 | 需要实验数据生成和模型实现，且平台的应用范围虽然广泛，但具体效果可能因分子类型而异 | 开发一个可解释的深度学习平台，用于高效发现具有特定活性的分子结构类别 | 抗生素的结构类别，以及其他小分子如抗癌、抗病毒和抗衰老药物 | 机器学习 | NA | 图神经网络 | GNN | 化学结构数据 | NA | NA | NA | NA | NA |
| 15129 | 2025-04-10 |
Deep learning signature to predict postoperative anxiety in patients receiving lung cancer surgery
2025, Frontiers in surgery
IF:1.6Q2
DOI:10.3389/fsurg.2025.1573370
PMID:40196195
|
研究论文 | 本研究旨在建立并验证一种基于MRI的深度学习特征，用于预测接受肺癌手术患者的术后焦虑 | 利用ResNet-152算法训练深度学习特征，首次将MRI-T1WI图像与术后焦虑预测相结合 | 样本量较小（202例患者），且仅使用了MRI-T1WI图像 | 预测接受肺癌手术患者的术后焦虑 | 接受肺癌手术的患者 | 数字病理学 | 肺癌 | MRI | ResNet-152 | 图像 | 202例接受肺癌手术的患者 | NA | NA | NA | NA |
| 15130 | 2025-04-10 |
A study on early diagnosis for fracture non-union prediction using deep learning and bone morphometric parameters
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1547588
PMID:40196347
|
研究论文 | 本研究利用深度学习和骨形态计量参数开发了一种用于骨折不愈合早期诊断的模型 | 提出了Vision Mamba Triplet Attention and Edge Feature Decoupling Module UNet (VM-TE-UNet)用于骨折区域分割，并建立了基于微CT指标的早期诊断模型 | 研究仅使用了12只大鼠的骨折动物模型，样本量较小 | 开发骨折不愈合的早期诊断模型 | 大鼠骨折模型 | 数字病理 | 骨折 | micro-CT成像 | VM-TE-UNet | 图像 | 12只大鼠的2448张micro-CT图像 | NA | NA | NA | NA |
| 15131 | 2025-04-10 |
Point-SPV: end-to-end enhancement of object recognition in simulated prosthetic vision using synthetic viewing points
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1549698
PMID:40196449
|
研究论文 | 本文介绍了一种名为Point-SPV的端到端深度学习模型，旨在增强模拟假体视觉中的物体识别能力 | Point-SPV通过模拟视点（代表潜在的注视位置）并在这些点周围的图像块上训练模型，初步实现了基于注视的优化，专注于任务导向的视觉表示 | NA | 提升模拟假体视觉系统中的物体识别性能 | 视觉假体系统及视觉障碍患者 | 计算机视觉 | 视力障碍 | 深度学习 | 端到端深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 15132 | 2025-04-10 |
Transfer learning improves performance in volumetric electron microscopy organelle segmentation across tissues
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf021
PMID:40196751
|
research paper | 该研究展示了迁移学习在体积电子显微镜（VEM）图像中跨组织器官分割性能的提升 | 通过在多组织器官的VEM数据上进行预训练并在目标数据集上微调，实现了高性能的多种细胞器分割，且所需的新训练数据量相对较少 | 需要一定量的手动标注数据进行微调，且性能可能受预训练数据与目标数据之间的差异影响 | 提高体积电子显微镜图像中细胞器分割的自动化水平和性能 | 哺乳动物组织中的细胞器（如线粒体和内质网） | digital pathology | NA | serial block face scanning electron microscopy | deep learning segmentation algorithms | volumetric electron microscopy images | 四个VEM数据集（包括一个新的大鼠肝脏数据集，尺寸为7000×7000×219像素） | NA | NA | NA | NA |
| 15133 | 2025-04-10 |
HTRecNet: a deep learning study for efficient and accurate diagnosis of hepatocellular carcinoma and cholangiocarcinoma
2025, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2025.1549811
PMID:40196844
|
研究论文 | 本研究提出了一种名为HTRecNet的深度学习框架，用于高效准确诊断肝细胞癌（HCC）和胆管癌（CCA） | HTRecNet结合了复杂的数据增强策略以优化特征提取，即使在样本量有限的情况下也能保持稳健性能 | 研究样本中CCA的样本量相对较少（180例），可能影响模型在CCA诊断上的泛化能力 | 开发自动化诊断方法以提高肝细胞癌和胆管癌的诊断效率和准确性 | 肝细胞癌（HCC）和胆管癌（CCA）的组织病理学图像 | 数字病理学 | 肝癌 | 深度学习 | HTRecNet（自定义深度学习框架） | 图像 | 5,432张组织病理学图像（其中5,096张用于训练和验证，336张用于外部测试） | NA | NA | NA | NA |
| 15134 | 2025-04-10 |
Use of Artificial Intelligence in Imaging Dementia
2024-11-27, Cells
IF:5.1Q2
DOI:10.3390/cells13231965
PMID:39682713
|
research paper | 本文探讨了人工智能在痴呆症影像诊断中的应用及其潜力 | 利用图卷积网络框架为阿尔茨海默病及其前驱阶段提供多模态稀疏可解释性支持，并开发了基于卷积神经网络的方法进行外部验证 | 人工智能在临床实践中的应用面临技术、疾病相关和制度性挑战 | 改善痴呆症患者的诊断和预后 | 老年痴呆症患者，包括阿尔茨海默病、血管性痴呆、路易体痴呆等 | digital pathology | geriatric disease | machine learning, deep learning | CNN, GCN | image | NA | NA | NA | NA | NA |
| 15135 | 2025-04-10 |
Integrated Biochemical and Computational Methods for Deciphering RNA-Processing Codes
2024 Nov-Dec, Wiley interdisciplinary reviews. RNA
DOI:10.1002/wrna.1875
PMID:39523464
|
review | 本文系统总结了用于解析五种重要RNA编码（包括可变剪接、可变多聚腺苷酸化、RNA定位、RNA修饰和RBP结合）的生化和计算方法 | 结合机器学习和深度学习模型，从DNA序列中学习RNA转化的规则或编码，并探讨了使用大型语言模型和广泛领域知识开发预测模型时遇到的挑战 | 未提及具体样本量或实验数据的具体限制 | 将大数据转化为生物学知识，预测RNA产物，解码分子机制，预测疾病变异对RNA加工事件的影响，并识别驱动突变 | RNA加工过程中的五种重要编码 | 自然语言处理 | NA | 高通量测序技术 | 机器学习和深度学习模型 | DNA序列数据 | NA | NA | NA | NA | NA |
| 15136 | 2025-04-10 |
Identifying depression-related topics in smartphone-collected free-response speech recordings using an automatic speech recognition system and a deep learning topic model
2024-06-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.03.106
PMID:38552911
|
research paper | 该研究通过智能手机收集的自由回答语音录音，使用自动语音识别系统和深度学习主题模型，自动识别与抑郁相关的主题 | 结合自动语音识别（Whisper工具）和深度学习主题模型（BERTopic）自动分析抑郁相关语音主题，并关联抑郁严重程度、行为和语言特征 | 研究结果来自特定语音任务的抑郁队列，可能限制对非临床人群或其他语音任务的普适性，部分主题样本量较小需进一步验证 | 自动识别抑郁相关语音主题并分析其与抑郁严重程度的关系 | 265名有抑郁史的参与者的3919段英语自由回答语音录音 | natural language processing | geriatric disease | 自动语音识别（Whisper工具），深度学习主题模型（BERTopic） | BERTopic | 语音录音 | 265名参与者的3919段语音录音 | NA | NA | NA | NA |
| 15137 | 2025-04-10 |
Discovery and development of macrocyclic peptide modulators of the cannabinoid 2 receptor
2024-06, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2024.107330
PMID:38679329
|
研究论文 | 本文探索了植物源性环状胱氨酸结肽作为大麻素2型受体（CBR）配体的潜力，并基于深度学习网络设计和表征了基于vodo-C1的双环肽 | 首次发现并开发了基于环肽的大麻素2型受体调节剂，特别是从甜紫罗兰中鉴定出vodo-C1作为CBR的全激动剂，并设计出具有负变构调节或中性拮抗作用的双环肽 | 研究仅基于九种植物的肽富集提取物库，样本量有限，且设计的双环肽未能激活受体 | 开发新型大麻素2型受体调节剂，用于治疗慢性炎症和纤维化 | 大麻素2型受体（CBR）及其配体 | 药物发现 | 慢性炎症和纤维化 | 药理学引导的分馏、肽组学、深度学习网络 | 深度学习网络 | 肽序列和结构数据 | 九种植物的肽富集提取物库 | NA | NA | NA | NA |
| 15138 | 2025-04-10 |
Cascaded cross-attention transformers and convolutional neural networks for multi-organ segmentation in male pelvic computed tomography
2024-Mar, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.2.024009
PMID:38595327
|
research paper | 提出了一种基于深度学习的自动两步分割流程，用于男性盆腔CT图像中多器官的分割 | 采用混合卷积-Transformer模型进行初始多器官分割，并通过图像增强模块和器官特定精细分割提高分割精度 | 仅在30张测试图像上验证，样本量较小 | 提高男性盆腔CT图像中多器官分割的准确性，以支持放射治疗计划 | 前列腺、膀胱、直肠、精囊和股骨头 | digital pathology | prostate cancer | computed tomography (CT) | axial cross-attention UNet (混合卷积-Transformer模型) | image | 30张男性盆腔CT图像 | NA | NA | NA | NA |
| 15139 | 2025-10-07 |
Deep Learning-Assisted Single-Molecule Detection of Protein Post-translational Modifications with a Biological Nanopore
2024-01-16, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.3c08623
PMID:38112538
|
研究论文 | 本研究开发了一种基于生物纳米孔和深度学习技术的单分子蛋白质翻译后修饰检测方法 | 首次结合气溶素纳米孔与深度学习模型实现多种蛋白质翻译后修饰的单分子检测与区分 | 仅针对α-突触核蛋白衍生肽段进行验证，尚未扩展到其他蛋白质体系 | 开发高灵敏度的蛋白质翻译后修饰单分子检测技术 | α-突触核蛋白衍生肽段及其磷酸化、硝化和氧化修饰变体 | 生物纳米技术 | 神经退行性疾病 | 纳米孔传感技术, 深度学习信号处理 | 深度学习模型 | 电流信号数据 | 多种α-突触核蛋白肽段变体 | NA | NA | 检测灵敏度, 区分准确率 | NA |
| 15140 | 2025-04-10 |
Deep learning in public health: Comparative predictive models for COVID-19 case forecasting
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0294289
PMID:38483948
|
研究论文 | 比较多种深度学习模型在预测阿联酋和马来西亚COVID-19病例中的效果 | 使用贝叶斯优化技术提升模型性能，并比较不同深度学习模型在特定地区的预测效果 | 研究仅针对阿联酋和马来西亚，可能不适用于其他地区 | 确定预测COVID-19病例的最有效深度学习模型 | 阿联酋和马来西亚的COVID-19病例数据 | 机器学习 | COVID-19 | 贝叶斯优化 | LSTM, bidirectional LSTM, CNN, hybrid CNN-LSTM, Multilayer Perceptron's, RNN | 结构化数据（确诊病例数、人口统计数据、社会经济因素） | NA | NA | NA | NA | NA |