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 15461 - 15480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15461 | 2025-10-07 |
MetAssimulo 2.0: a web app for simulating realistic 1D and 2D metabolomic 1H NMR spectra
2025-Mar-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf045
PMID:39862393
|
研究论文 | 介绍MetAssimulo 2.0——一个用于模拟真实1D和2D代谢组学1H NMR光谱的Python网络应用程序 | 扩展了模拟功能至尿液、血液和脑脊液样本，增加了2D J-resolved和关联光谱模拟能力，并增强了血液光谱的真实性 | NA | 解决代谢组学中标记光谱数据有限的问题，支持深度学习算法开发 | 代谢组学NMR光谱模拟 | 机器学习 | NA | 核磁共振光谱 | NA | 光谱数据 | NA | Python | NA | 皮尔逊相关系数 | 网络应用程序 |
| 15462 | 2025-10-07 |
The utility and reliability of a deep learning algorithm as a diagnosis support tool in head & neck non-melanoma skin malignancies
2025-Mar, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-024-08951-z
PMID:39242415
|
研究论文 | 评估深度学习算法作为头颈部非黑色素瘤皮肤恶性肿瘤诊断支持工具的性能 | 使用CE认证的医疗设备作为诊断支持工具，特别关注三种关键诊断的分类性能 | 样本量相对有限（135例患者），需要未来进一步研究验证 | 评估深度学习算法在头颈部皮肤恶性肿瘤诊断中的性能 | 头颈部可疑皮肤病变患者 | 计算机视觉 | 皮肤癌 | 深度学习 | Vision Transformer | 皮肤病变图像 | 135例患者（108例恶性病变，27例良性病变） | NA | Vision Transformer | top-5准确率 | NA |
| 15463 | 2025-10-07 |
gRNAde: Geometric Deep Learning for 3D RNA inverse design
2025-Feb-25, ArXiv
PMID:38827456
|
研究论文 | 介绍了一种基于几何深度学习的3D RNA逆向设计方法gRNAde | 首次将几何深度学习应用于3D RNA逆向设计，考虑结构构象多样性而非单一二级结构 | NA | 开发能够考虑3D结构和动力学的RNA序列设计方法 | RNA分子 | 计算生物学 | NA | 几何深度学习 | 图神经网络 | 3D结构数据 | 14个PDB RNA结构+10个结构化RNA骨架 | PyTorch Geometric | 多状态图神经网络，自回归解码器 | 天然序列恢复率，成功率 | NA |
| 15464 | 2025-03-11 |
ralphi: a deep reinforcement learning framework for haplotype assembly
2025-Feb-21, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.17.638151
PMID:40027721
|
研究论文 | 本文介绍了一种名为ralphi的深度强化学习框架，用于单倍型组装，该框架结合了深度学习的表示能力和强化学习，以准确地将读取片段分配到各自的单倍型集合中 | ralphi框架首次将深度学习和强化学习结合用于单倍型组装，通过片段图的经典问题简化来设定强化学习的奖励目标 | NA | 研究目的是开发一种新的方法，以更准确地组装个体二倍体基因组的单倍型 | 个体二倍体基因组的单倍型 | 机器学习 | NA | ONT读取 | 深度强化学习 | 基因读取数据 | 来自1000 Genomes Project的基因组数据 | NA | NA | NA | NA |
| 15465 | 2025-10-07 |
Long-Term Carotid Plaque Progression and the Role of Intraplaque Hemorrhage: A Deep Learning-Based Analysis of Longitudinal Vessel Wall Imaging
2025-Feb-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.12.09.24318661
PMID:39711698
|
研究论文 | 本研究利用深度学习分割技术分析纵向血管壁成像，评估斑块内出血对颈动脉斑块长期进展的影响 | 首次使用深度学习分割管道在长期纵向血管壁成像中量化斑块内出血体积及其对斑块负荷进展的动态影响 | 样本量较小（28名无症状受试者），研究人群仅限于无症状颈动脉粥样硬化患者 | 评估斑块内出血对颈动脉斑块负荷长期进展的影响 | 28名无症状颈动脉粥样硬化受试者的50条动脉 | 数字病理学 | 心血管疾病 | 多对比磁共振血管壁成像 | 深度学习分割模型 | 磁共振图像 | 28名受试者，50条动脉，平均4.7次扫描/人，随访5.8年 | NA | NA | 相关系数，p值 | NA |
| 15466 | 2025-10-07 |
Global Deep Forecasting with Patient-Specific Pharmacokinetics
2025-Feb-12, ArXiv
PMID:37965077
|
研究论文 | 提出一种结合全局-局部架构和药代动力学编码器的深度学习方法，用于患者特异性血糖预测 | 开发了新型混合全局-局部架构和患者特异性药代动力学编码器，能够将个体患者的药物治疗效果信息整合到深度学习模型中 | NA | 解决因可变药物管理和个体药代动力学特性带来的医疗时间序列数据预测挑战 | 患者血糖水平时间序列数据 | 机器学习 | 糖尿病 | 深度学习 | 混合全局-局部模型 | 时间序列数据 | 模拟数据和真实世界数据 | NA | 混合全局-局部架构 | 预测准确率 | NA |
| 15467 | 2025-10-07 |
gRNAde: A Geometric Deep Learning Pipeline for 3D RNA Inverse Design
2025, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4079-1_8
PMID:39312140
|
研究论文 | 介绍gRNAde——一种基于几何深度学习的3D RNA逆设计流程，能够根据RNA骨架结构设计序列 | 首个考虑RNA三维结构和构象多样性的几何深度学习逆设计方法，使用SE(3)等变编码器-解码器框架 | NA | 开发能够考虑RNA三维结构和动力学的序列设计方法 | RNA骨架结构、核糖开关、适配体、核酶 | 计算生物学 | NA | 几何深度学习 | 图神经网络 | 3D结构数据 | 来自PDB的现有RNA结构 | PyTorch Geometric | SE(3)等变编码器-解码器 | 天然序列恢复率、计算速度 | NA |
| 15468 | 2025-10-07 |
Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning
2024-Dec-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.05.592587
PMID:38979147
|
研究论文 | 提出基于深度学习的ICoN模型，用于采样高度动态蛋白质的构象集合 | 首次开发能够从分子动力学模拟数据中学习构象变化物理原理的生成式深度学习模型，并能在潜在空间中快速识别具有复杂侧链和骨架排列的新构象 | 模型训练依赖于可用的分子动力学模拟数据，未明确说明计算资源需求 | 研究高度动态蛋白质的构象集合采样方法，理解蛋白质结构-功能关系 | 内在无序蛋白质（IDPs），特别是淀粉样β蛋白（Aβ42）单体 | 机器学习 | 神经退行性疾病 | 分子动力学模拟，生成式深度学习，EPR光谱，氨基酸取代研究 | 生成模型 | 分子动力学模拟轨迹数据 | NA | NA | Internal Coordinate Net (ICoN) | 构象聚类分析，实验验证（EPR和氨基酸取代研究） | NA |
| 15469 | 2025-10-07 |
Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning
2024-Jun-28, Research square
DOI:10.21203/rs.3.rs-4301803/v1
PMID:38978607
|
研究论文 | 开发了一种基于无监督深度学习的生成模型ICoN，用于高效采样高动态蛋白质的构象集合 | 首次提出ICoN模型从分子动力学模拟数据中学习构象变化的物理原理，并通过潜在空间插值快速生成具有复杂侧链和骨架排列的新型合成构象 | 模型训练依赖于可用的分子动力学模拟数据，生成构象的质量受训练数据覆盖范围限制 | 开发深度学习方法来高效采样高动态蛋白质的构象空间，特别是针对内在无序蛋白质 | 淀粉样β蛋白单体（Aβ42）和其他高动态蛋白质 | 机器学习 | 神经退行性疾病 | 分子动力学模拟，EPR光谱，氨基酸取代研究 | 生成模型 | 分子构象数据 | 基于分子动力学模拟生成的构象数据集 | 深度学习框架 | ICoN（Internal Coordinate Net） | 构象聚类分析，实验验证（EPR和氨基酸取代研究） | NA |
| 15470 | 2025-10-07 |
Adapting physics-informed neural networks to improve ODE optimization in mosquito population dynamics
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315762
PMID:39715201
|
研究论文 | 提出改进的物理信息神经网络框架，用于优化蚊子种群动态的常微分方程建模 | 通过逐步扩展训练时间域解决PINNs中的时间因果关系问题，并针对梯度不平衡和刚性问题的改进方法 | 目前仅使用模拟数据进行实验验证，尚未应用于真实世界数据 | 改进物理信息神经网络在常微分方程优化中的应用，特别是针对具有极端多尺度行为的系统 | 蚊子种群动态建模 | 机器学习 | NA | 物理信息神经网络 | PINN | 模拟数据 | NA | NA | 物理信息神经网络 | NA | NA |
| 15471 | 2025-03-11 |
Application of deep learning models for detection of subdural hematoma: a systematic review and meta-analysis
2023-10, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2023-020218
PMID:37258226
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15472 | 2025-03-11 |
Response to 'Application of deep learning models for detection of subdural hematoma: a systematic review and meta-analysis'
2023-10, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2023-020804
PMID:37714539
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15473 | 2025-03-11 |
Letter re: Integration of deep learning-based image analysis and genomic data in cancer pathology: A systematic review: Label-free diagnostic technique to differentiate cancer cells from healthy cells
2022-09, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2022.04.032
PMID:35717368
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15474 | 2025-03-11 |
Response to letter entitled: Re: Integration of deep learning-based image analysis and genomic data in cancer pathology: A systematic review
2022-09, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2022.06.001
PMID:35781181
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15475 | 2025-10-07 |
Artificial Intelligence-Enabled Analysis of Public Attitudes on Facebook and Twitter Toward COVID-19 Vaccines in the United Kingdom and the United States: Observational Study
2021-04-05, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/26627
PMID:33724919
|
研究论文 | 使用人工智能分析英美两国社交媒体上对COVID-19疫苗的公众态度 | 首次结合自然语言处理和深度学习技术对英美两国大规模社交媒体数据开展疫苗态度的纵向和地理空间分析 | 仅分析特定时间段（2020年3-11月）的社交媒体数据，可能无法反映态度变化的全貌 | 通过人工智能方法分析社交媒体数据以了解公众对COVID-19疫苗的态度和担忧 | 英国和美国的社交媒体用户发布的疫苗相关内容 | 自然语言处理 | COVID-19 | 自然语言处理, 深度学习 | 深度学习模型 | 文本数据 | 英国23,571条Facebook帖子和40,268条推文，美国144,864条Facebook帖子和98,385条推文 | NA | NA | 情感分析准确率, 与全国调查结果的相关性 | NA |
| 15476 | 2025-03-11 |
Re: An Observational Study of Deep Learning and Automated Evaluation of Cervical Images for Cancer Screening
2020-01-01, Journal of the National Cancer Institute
DOI:10.1093/jnci/djz115
PMID:31187115
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15477 | 2025-10-07 |
An Observational Study of Deep Learning and Automated Evaluation of Cervical Images for Cancer Screening
2019-09-01, Journal of the National Cancer Institute
DOI:10.1093/jnci/djy225
PMID:30629194
|
研究论文 | 本研究开发了一种基于深度学习的自动视觉评估算法，用于识别宫颈癌前病变和癌症 | 首次开发出能够自动识别宫颈癌前病变/癌症的深度学习视觉评估算法，在准确度上显著优于传统方法 | 研究基于历史存档的宫颈图像数据，需要进一步验证在当代数字相机图像上的适用性 | 开发自动化的宫颈癌筛查方法以改善资源匮乏地区的宫颈癌筛查 | 哥斯达黎加瓜纳卡斯特地区9406名18-94岁女性的宫颈图像数据 | 计算机视觉 | 宫颈癌 | 宫颈摄影术 | 深度学习 | 图像 | 9406名女性，随访7年（1993-2000） | NA | NA | AUC, 敏感性, 特异性 | NA |
| 15478 | 2025-03-10 |
Forecasting the eddying ocean with a deep neural network
2025-Mar-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-57389-2
PMID:40050275
|
研究论文 | 本文开发了一个名为WenHai的数据驱动全球海洋预报系统，通过训练深度神经网络来预测海洋中尺度涡旋的短期演变 | 首次将深度神经网络应用于全球海洋预报系统，并结合动量、热量和淡水通量的体公式来改进海气相互作用的表示 | 由于大气和海洋的动态特性不同，AI方法在海洋预报中的应用仍具有挑战性 | 提高全球海洋预报能力，特别是中尺度涡旋的短期演变预测 | 海洋中尺度涡旋 | 机器学习 | NA | 深度神经网络 | DNN | 海洋数据 | NA | NA | NA | NA | NA |
| 15479 | 2025-03-10 |
Classifying microfossil radiolarians on fractal pre-trained vision transformers
2025-Mar-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90988-z
PMID:40050318
|
研究论文 | 本文探讨了使用预训练的视觉变换器（ViT）和公式驱动的监督学习（FDSL）技术对微化石（放射虫）进行分类的效果 | 首次将视觉变换器（ViT）和公式驱动的监督学习（FDSL）应用于地质学中的微化石分类，相比传统CNN模型，平均精度提高了6-8% | 未提及具体样本量和数据集的多样性，可能影响模型的泛化能力 | 探索新的深度学习技术在地质学图像分类中的应用 | 微化石（放射虫） | 计算机视觉 | NA | 公式驱动的监督学习（FDSL） | 视觉变换器（ViT） | 图像 | NA | NA | NA | NA | NA |
| 15480 | 2025-03-10 |
Deep learning-based image analysis in muscle histopathology using photo-realistic synthetic data
2025-Mar-06, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-00777-y
PMID:40050400
|
研究论文 | 本文介绍了一种名为SYNTA的新方法，用于生成逼真的合成生物医学图像数据，以解决当前生成模型和基于深度学习的图像分析中的挑战 | SYNTA方法采用完全参数化的方法创建针对特定生物医学任务的逼真合成训练数据集，解决了现有生成模型缺乏代表性和高质量真实数据的问题 | 需要进一步验证SYNTA方法在其他生物医学领域的适用性和效果 | 旨在通过生成逼真的合成生物医学图像数据，改进和加速生物医学图像分析 | 肌肉组织病理学和骨骼肌分析 | 数字病理学 | NA | 深度学习和生成模型 | GAN, Diffusion Models | 图像 | 两个真实世界的数据集 | NA | NA | NA | NA |