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 15821 - 15840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15821 | 2025-03-02 |
Physics-driven deep learning for high-fidelity photon-detection ghost imaging
2025-Mar-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.541330
PMID:40020023
|
研究论文 | 本文提出了一种基于物理驱动的深度学习光子探测鬼成像方法，以提高在散射介质中的空间和深度分辨率 | 通过共同设计计算鬼成像系统和网络，将成像和重建更紧密地结合，以超越物理分辨率限制，并设计了具有注意力机制的特殊深度融合网络 | NA | 提高在散射介质中的光子探测成像的空间和深度分辨率 | 光子探测成像 | 计算机视觉 | NA | 深度学习 | 深度融合网络 | 图像 | NA | NA | NA | NA | NA |
| 15822 | 2025-03-02 |
Phantom-metasurface cooperative system trained by a deep learning network driven by a bound state for a magnetic resonance-enhanced system
2025-Mar-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.546727
PMID:40020024
|
研究论文 | 本研究开发了一种基于深度学习网络训练的高效体模超表面复合MRI增强系统，并在MHz频段实现了超表面的设计与控制 | 结合深度神经网络和电磁超表面，显著提高了超表面的设计效率，并在MRI系统中展示了巨大的应用潜力 | NA | 提高MRI成像速度和分辨率 | MRI系统 | 医学影像 | NA | 深度学习网络 | 前向神经网络 | 电磁响应特性 | NA | NA | NA | NA | NA |
| 15823 | 2025-03-02 |
Fusion of circulant singular spectrum analysis and multiscale local ternary patterns for effective spectral-spatial feature extraction and small sample hyperspectral image classification
2025-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90926-z
PMID:40011533
|
研究论文 | 本文提出了一种新颖的循环奇异谱分析（CiSSA）和多尺度局部三值模式融合方法，用于高光谱图像的联合光谱-空间特征提取和分类 | 结合循环奇异谱分析和多尺度局部三值模式进行光谱-空间特征提取，提高了小样本高光谱图像分类的准确性 | 仅在高光谱图像数据集上进行了实验，未在其他类型数据上验证 | 提高小样本高光谱图像分类的准确性 | 高光谱图像 | 计算机视觉 | NA | PCA, CiSSA, LTP, SVM | SVM | 图像 | 三个高光谱图像数据集（Indian Pines, Pavia University, Houston2013），训练样本比例为1% | NA | NA | NA | NA |
| 15824 | 2025-03-02 |
Improved sand cat swarm optimization algorithm assisted GraphSAGE-GRU for remaining useful life of engine
2025-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91418-w
PMID:40011762
|
研究论文 | 本文提出了一种改进的沙猫群优化算法辅助的GraphSAGE-GRU模型，用于预测发动机的剩余使用寿命（RUL） | 提出了改进的沙猫群优化算法（ISCSO）来增强GraphSAGE-GRU的预测性能，包括在种群初始化中使用帐篷映射和一种新的自适应方法来增强沙猫群优化的探索和开发能力 | 未提及具体局限性 | 提高发动机剩余使用寿命（RUL）预测的准确性 | 发动机 | 机器学习 | NA | GraphSAGE-GRU, 沙猫群优化算法 | GraphSAGE-GRU | 图数据 | 使用CMAPSS数据集进行验证 | NA | NA | NA | NA |
| 15825 | 2025-03-02 |
Infrared spectrum analysis of organic molecules with neural networks using standard reference data sets in combination with real-world data
2025-Feb-26, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-00960-2
PMID:40011923
|
研究论文 | 本研究提出了一种基于神经网络的IR光谱分析方法，用于检测有机分子中的功能基团 | 该方法仅使用IR数据作为神经网络的输入，使其性能独立于其他分析测量获得的数据类型，并且通过结合来自不同实验室的真实数据，展示了开放获取的专业研究数据仓库作为未来机器学习研究的宝贵基准数据集的潜力 | NA | 分析IR光谱并检测有机分子中的功能基团 | 有机分子 | 机器学习 | NA | IR光谱分析 | 神经网络 | 光谱数据 | NIST数据集和Chemotion开放获取研究数据仓库中的数据 | NA | NA | NA | NA |
| 15826 | 2025-10-07 |
Single-cell transcriptome-wide Mendelian randomization and colocalization reveals immune-mediated regulatory mechanisms and drug targets for COVID-19
2025-Feb-10, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2025.105596
PMID:39933264
|
研究论文 | 本研究通过单细胞转录组孟德尔随机化和共定位分析，揭示了COVID-19的免疫介导调控机制并确定了潜在药物靶点 | 首次在14种外周血免疫细胞中系统开展单细胞表达数量性状位点分析，发现58个新基因和81%的推定因果基因与SARS-COV-2蛋白存在相互作用 | 基于遗传数据的推断需要进一步实验验证，样本来源和细胞类型有限 | 揭示COVID-19的免疫介导调控机制并识别潜在药物靶点 | 14种外周血免疫细胞中的16,597个基因 | 生物信息学 | COVID-19 | 单细胞转录组测序, 孟德尔随机化, 共定位分析, 深度学习 | 深度学习模型 | 单细胞基因表达数据, 基因组数据 | 26,597个单细胞表达数量性状位点 | NA | NA | NA | NA |
| 15827 | 2025-03-02 |
Geometric Self-Supervised Learning: A Novel AI Approach Towards Quantitative and Explainable Diabetic Retinopathy Detection
2025-Feb-06, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020157
PMID:40001677
|
研究论文 | 本文提出了一种基于几何自监督学习的新型AI方法，用于糖尿病视网膜病变（DR）的定量和可解释检测 | 开发了一种无需标注的深度学习策略，用于自动检测彩色眼底摄影（CFP）图像和超广角（UWF）视网膜图像中的渗出物和出血点 | 模型在UWF图像上的性能因病变大小而异，小病变的假阳性率较高 | 开发和验证一种自动检测糖尿病视网膜病变相关病变的深度学习模型 | 彩色眼底摄影（CFP）图像和超广角（UWF）视网膜图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | U-Net | 图像 | 两个CFP队列（Kaggle-CFP和E-Ophtha）和一个UWF队列，其中50例DR阳性病例用于独立测试 | NA | NA | NA | NA |
| 15828 | 2025-10-07 |
Predicting RNA structure and dynamics with deep learning and solution scattering
2025-Feb-04, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2024.12.024
PMID:39722452
|
研究论文 | 开发了一种结合深度学习和构象采样的RNA溶液结构预测工具SCOPER，用于改进RNA结构与溶液散射数据的匹配 | 提出了整合运动学构象采样与新型深度学习模型IonNet的完整流程，首次系统解决了RNA结构中阳离子缺失和构象可塑性表征不足的挑战 | 需要提供初始的足够准确的结构作为输入，且需谨慎调整可塑性和离子密度以避免对实验数据的过拟合 | 改进RNA分子在溶液中的结构预测和验证方法 | RNA分子的三维结构和溶液构象 | 计算生物学 | NA | 小角X射线散射(SAXS), 深度学习 | 深度学习模型 | SAXS剖面数据, 结构数据 | 14个实验数据集 | NA | IonNet | SAXS剖面拟合质量 | NA |
| 15829 | 2025-02-05 |
Direct estimation of fetal biometry measurements from ultrasound video scans through deep learning
2025-Feb-01, American journal of obstetrics & gynecology MFM
IF:3.8Q1
DOI:10.1016/j.ajogmf.2025.101623
PMID:39900243
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15830 | 2025-03-02 |
Deep Learning Approach Predicts Longitudinal Retinal Nerve Fiber Layer Thickness Changes
2025-Jan-31, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020139
PMID:40001659
|
研究论文 | 本研究旨在开发深度学习模型，预测青光眼患者视网膜神经纤维层（RNFL）厚度的变化，以促进疾病的早期诊断和进展监测 | 使用纵向OCT成像数据，结合自定义1D卷积神经网络（CNN），在不同人口统计学和疾病严重程度下实现一致的预测性能 | 样本量相对较小（251名参与者，437只眼睛），可能限制模型的泛化能力 | 开发深度学习模型以预测青光眼患者RNFL厚度的变化，支持临床决策 | 青光眼患者的视网膜神经纤维层（RNFL）厚度变化 | 数字病理学 | 青光眼 | 光学相干断层扫描（OCT） | 线性回归（LR）、支持向量回归（SVR）、梯度提升回归（GBR）、自定义1D卷积神经网络（CNN） | 图像（OCT扫描） | 251名参与者（437只眼睛） | NA | NA | NA | NA |
| 15831 | 2025-10-07 |
Deep learning model targeting cancer surrounding tissues for accurate cancer diagnosis based on histopathological images
2025-Jan-23, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-06017-6
PMID:39849586
|
研究论文 | 提出一种针对胃癌组织病理图像中癌周组织的深度学习框架，通过优化非癌区域权重提升癌症诊断准确率 | 首次发现非癌区域权重依赖的模型性能，揭示具有重塑微环境和区域癌化特征的非癌区域对癌症诊断的价值 | 研究仅针对胃癌，未验证其他癌症类型的适用性 | 利用组织病理图像中癌周组织的特征改进癌症诊断准确性 | 胃癌组织病理图像中的癌区和非癌区域 | 数字病理 | 胃癌 | 组织病理成像 | CNN | 图像 | NA | NA | MobileNetV2 | 准确率 | NA |
| 15832 | 2025-10-07 |
Deep Learning-Enabled Integration of Histology and Transcriptomics for Tissue Spatial Profile Analysis
2025, Research (Washington, D.C.)
DOI:10.34133/research.0568
PMID:39830364
|
研究论文 | 提出一种深度学习框架GIST，整合组织学图像和空间转录组数据用于组织空间特征分析 | 首次利用在数百万组织学图像上预训练的病理学基础模型增强特征提取，并采用混合图变换器模型整合组织学和转录组特征 | 仅在人类肺癌、乳腺癌和结直肠癌数据集上验证，尚未在其他癌症类型或组织中测试 | 开发整合组织学和转录组学的空间细胞特征分析方法 | 人类肺癌、乳腺癌和结直肠癌组织 | 数字病理学 | 肺癌,乳腺癌,结直肠癌 | 空间分辨转录组学,组织染色成像 | 图变换器,基础模型 | 图像,转录组数据 | NA | NA | 混合图变换器 | 空间域识别准确率,微环境分割准确率,基因表达分析准确率 | NA |
| 15833 | 2025-03-02 |
Paving the way for new antimicrobial peptides through molecular de-extinction
2025, Microbial cell (Graz, Austria)
DOI:10.15698/mic2025.02.841
PMID:40012704
|
研究论文 | 本文探讨了通过分子去灭绝技术研究古代基因组和蛋白质组中的抗菌肽（AMPs），作为传统抗生素的替代品 | 利用分子去灭绝技术挖掘古代基因组和蛋白质组中的抗菌肽，结合软件工具和深度学习模型，发现了多种新型抗菌肽 | NA | 研究古代基因组和蛋白质组中的抗菌肽，以发现新型抗生素并深入了解进化过程 | 古代基因组和蛋白质组中的抗菌肽 | 生物信息学 | NA | 分子去灭绝技术、深度学习 | 深度学习模型 | 基因组数据、蛋白质组数据 | NA | NA | NA | NA | NA |
| 15834 | 2025-03-02 |
Artificial Intelligence Powered Automated and Early Diagnosis of Acute Lymphoblastic Leukemia Cancer in Histopathological Images: A Robust SqueezeNet-Enhanced Machine Learning Framework
2025, International journal of telemedicine and applications
IF:3.1Q2
DOI:10.1155/ijta/2257215
PMID:40017574
|
研究论文 | 本研究提出了一种基于SqueezeNet增强的机器学习框架，用于自动筛查和分类急性淋巴细胞白血病组织病理学图像 | 结合深度学习（DL）和机器学习（ML）算法，解决了理解组织病理学图像和分类过程的复杂性 | 未提及具体局限性 | 提高急性淋巴细胞白血病的早期和精确诊断 | 急性淋巴细胞白血病的组织病理学图像 | 数字病理学 | 急性淋巴细胞白血病 | 深度学习（DL）和机器学习（ML） | SqueezeNet、神经网络（NN）、逻辑回归（LR）、随机森林（RF） | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 15835 | 2025-03-02 |
Advancing antibiotic discovery with bacterial cytological profiling: a high-throughput solution to antimicrobial resistance
2025, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2025.1536131
PMID:40018674
|
综述 | 本文综述了细菌细胞学分析（BCP）作为一种快速、可扩展且成本效益高的方法，用于识别抗生素作用机制，并探讨其在抗生素发现中的应用 | 介绍了BCP在药物发现中的潜力，特别是通过识别spirohexenolide A对耐甲氧西林金黄色葡萄球菌的细胞靶点，展示了其创新性 | 讨论了BCP的优势、局限性及潜在改进方向，并指出某些病原体的细胞学特征尚未被研究 | 推动抗生素发现，以应对抗菌素耐药性（AMR）这一全球健康威胁 | 不同细菌生物和不同类别的抗生素 | 数字病理学 | 抗菌素耐药性 | 细菌细胞学分析（BCP） | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 15836 | 2025-10-07 |
RETRACTED ARTICLE: Sustainable strategy for online physical education teaching using ResNet34 and big data
2024-12, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-023-08524-y
PMID:37362298
|
研究论文 | 提出一种基于ResNet34和注意力机制的在线体育教学支持系统，用于实时分析和纠正学生运动动作 | 将注意力机制模块与ResNet34结合提升检测精度，系统具备可持续扩展数据集的能力以适应新运动类别 | NA | 开发可持续的在线体育教学支持系统，解决远程教学中运动动作指导和纠正的难题 | 在线体育教学中的学生运动动作（体操、舞蹈、篮球等） | 计算机视觉 | NA | 大数据分析 | CNN | 图像 | NA | NA | ResNet34 | 准确率,精确率,召回率 | NA |
| 15837 | 2025-03-02 |
Deep learning models using intracranial and scalp EEG for predicting sedation level during emergence from anaesthesia
2024-Dec, BJA open
DOI:10.1016/j.bjao.2024.100347
PMID:40018289
|
研究论文 | 本研究探讨了使用颅内和头皮脑电图（EEG）预测麻醉苏醒期间镇静水平的深度学习模型 | 结合颅内和头皮EEG数据，利用深度学习模型预测镇静水平，显著提高了预测准确性 | 样本量较小，仅涉及7名患者，且验证集仅包含5名患者的头皮EEG数据 | 研究目的是通过EEG监测预测麻醉苏醒期间的镇静水平，以提高麻醉管理的安全性 | 研究对象为接受颅内电极植入手术的7名难治性癫痫患者，以及5名仅提供头皮EEG数据的患者 | 机器学习 | 癫痫 | EEG | 深度学习模型 | EEG数据 | 7名患者（颅内和头皮EEG数据），5名患者（仅头皮EEG数据） | NA | NA | NA | NA |
| 15838 | 2025-10-07 |
Detection of glaucoma progression on longitudinal series of en-face macular optical coherence tomography angiography images with a deep learning model
2024-Nov-22, The British journal of ophthalmology
DOI:10.1136/bjo-2023-324528
PMID:39117359
|
研究论文 | 开发一种深度学习模型，利用纵向系列黄斑光学相干断层扫描血管成像图像检测青光眼进展 | 首次设计定制化卷积神经网络用于基于纵向OCTA图像的青光眼进展检测，相比传统逻辑回归模型表现更优 | 样本量相对有限（202只眼），需要外部验证来进一步验证模型性能 | 开发深度学习模型以检测青光眼进展 | 134名开角型青光眼患者的202只眼睛 | 计算机视觉 | 青光眼 | 光学相干断层扫描血管成像 | CNN | 图像 | 202只眼睛，平均随访3.5年，每只眼至少4次OCTA检查 | NA | 定制化卷积神经网络 | AUC, 敏感度, 特异度, 准确率 | NA |
| 15839 | 2025-10-07 |
Predicting phage-host interactions via feature augmentation and regional graph convolution
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae672
PMID:39727002
|
研究论文 | 提出一种名为MI-RGC的新方法，通过特征增强和区域图卷积来预测噬菌体-宿主相互作用 | 引入互信息进行特征增强，并设计区域图卷积模型来学习有意义的表示，通过区域级注意力机制处理不同距离邻居节点的贡献差异 | 未明确说明方法在高度稀疏数据下的过拟合风险控制效果 | 预测噬菌体-宿主相互作用，为噬菌体疗法开发提供支持 | 噬菌体及其宿主细菌 | 机器学习 | 细菌感染 | 深度学习 | 图卷积网络 | 序列数据, 环境样本数据 | 三个基准数据集 | NA | 区域图卷积模型 | NA | NA |
| 15840 | 2025-10-07 |
Automatic Segmentation and Radiomics for Identification and Activity Assessment of CTE Lesions in Crohn's Disease
2024-11-04, Inflammatory bowel diseases
IF:4.5Q1
DOI:10.1093/ibd/izad285
PMID:38011673
|
研究论文 | 开发用于克罗恩病CTE图像病灶自动分割的深度学习模型，并基于影像组学特征构建机器学习分类器评估疾病活动性 | 结合nnU-Net自动分割模型与影像组学特征分析，构建端到端的克罗恩病活动性评估系统 | 回顾性研究，样本量有限（分割数据集84例，分类数据集193例） | 开发自动分割模型并构建分类器评估克罗恩病活动性 | 克罗恩病患者的CTE图像 | 医学影像分析 | 克罗恩病 | CTE成像，影像组学分析 | nnU-Net，机器学习分类器 | CTE图像 | 分割数据集：84例CTE检查（平均年龄31±13岁，60名男性）；分类数据集：193例CTE检查（平均年龄31±12岁，136名男性） | NA | nnU-Net | Dice相似系数，AUC，敏感度，特异度，准确度 | NA |