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 42905 篇文献，本页显示第 16941 - 16960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16941 | 2025-10-06 |
MultiKD-DTA: Enhancing Drug-Target Affinity Prediction Through Multiscale Feature Extraction
2025-Sep, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00697-4
PMID:40019659
|
研究论文 | 提出一种通过多尺度特征提取增强药物-靶点亲和力预测的深度学习架构 | 创新性地结合图神经网络、预训练大规模蛋白质模型和注意力机制，采用多尺度特征提取方法 | NA | 提高药物-靶点相互作用亲和力预测的准确性 | 药物分子和蛋白质靶点 | 机器学习 | NA | 深度学习 | 图神经网络, 双向长短期记忆网络, 注意力机制 | 分子结构图, 蛋白质序列 | 两个公开数据集 | NA | 多尺度卷积网络, ESM-2预训练模型 | NA | NA |
| 16942 | 2025-10-06 |
iEnhancer-GDM: A Deep Learning Framework Based on Generative Adversarial Network and Multi-head Attention Mechanism to Identify Enhancers and Their Strength
2025-Sep, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00703-9
PMID:40335860
|
研究论文 | 提出基于生成对抗网络和多头注意力机制的深度学习框架iEnhancer-GDM，用于识别增强子及其强度预测 | 引入Wasserstein生成对抗网络进行数据增强，结合多头注意力机制和多尺度卷积神经网络提升模型性能 | 增强子训练数据集规模有限，可能导致模型过拟合和分类准确率问题 | 开发增强子识别及其强度预测的计算方法 | DNA增强子序列 | 生物信息学 | NA | DNA序列分析 | GAN, CNN, LSTM, 多头注意力机制 | DNA序列数据 | NA | NA | WGAN-GP, 多尺度CNN, 双向LSTM, 多头注意力机制 | 准确率 | NA |
| 16943 | 2025-10-06 |
ResNeXt-Based Rescoring Model for Proteoform Characterization in Top-Down Mass Spectra
2025-Sep, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00701-x
PMID:40381130
|
研究论文 | 提出基于ResNeXt的深度学习模型PrSMBooster，用于在自上而下质谱中重新评分蛋白质形态谱匹配以提高鉴定准确性 | 首次将ResNeXt架构与集成机器学习方法相结合用于蛋白质形态表征的重新评分，通过整合逻辑回归、XGBoost、决策树和支持向量机作为弱学习器提取特征 | 未明确说明模型对特定类型蛋白质形态的适用性限制，且依赖外部数据集进行验证 | 提高自上而下蛋白质组学中蛋白质形态鉴定的准确性 | 蛋白质形态谱匹配 | 机器学习 | NA | 自上而下质谱法 | ResNeXt, 集成学习 | 质谱数据 | 47个独立质谱数据集，涵盖多个物种 | NA | ResNeXt | 错误发现率 | NA |
| 16944 | 2025-10-06 |
NPI-HetGNN: A Prediction Model of ncRNA-Protein Interactions Based on Heterogeneous Graph Neural Networks
2025-Sep, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00716-4
PMID:40455400
|
研究论文 | 提出基于异构图神经网络的NPI-HetGNN模型用于预测非编码RNA与蛋白质的相互作用 | 结合序列特性和异质连接拓扑构建初始特征，通过元路径游走聚合语义信息，并引入能量约束自注意力模块增强特征提取能力 | 缺乏湿实验室验证条件，仅采用计算验证 | 开发计算模型预测非编码RNA与蛋白质相互作用 | 非编码RNA和蛋白质 | 机器学习 | NA | 异构图神经网络 | GNN | 序列数据, 网络拓扑数据 | 四个基准数据集 | NA | HetGNN | NA | NA |
| 16945 | 2025-10-06 |
Continuous noninvasive blood pressure estimation using tissue blood flow measured by diffuse correlation spectroscopy
2025-Sep, APL bioengineering
IF:6.6Q1
DOI:10.1063/5.0266243
PMID:40697813
|
研究论文 | 本研究提出了一种基于漫相关光谱技术测量组织血流量的无创连续血压监测方法 | 首次将漫相关光谱技术测量的组织血流量与深度学习相结合，实现无创连续血压估计 | 样本量较小（12名受试者），需要进一步扩大验证规模 | 开发无创连续血压监测技术 | 人体血压和组织血流量 | 机器学习 | 心血管疾病 | 漫相关光谱技术 | 深度学习 | 组织血流量数据、血压数据 | 12名受试者 | NA | BFBP模型 | 平均绝对误差, 英国高血压协会标准评级 | NA |
| 16946 | 2025-10-06 |
Impact of prompting on large language model performance: ChatGPT-4 performance on the 2023 hand surgery self-assessment examination
2025-Sep, Journal of hand and microsurgery
IF:0.3Q4
DOI:10.1016/j.jham.2025.100326
PMID:40708759
|
研究论文 | 评估ChatGPT-4在手外科自我评估考试中的表现及提示工程对其性能的影响 | 首次评估GPT-4在手外科专业考试中的表现，并分析通过提供历史考试题目进行提示对其性能的影响 | 排除视频类题目，样本量有限，提示后性能提升无统计学显著性 | 评估大型语言模型在医学专业考试中的表现及其学习能力 | 2023年手外科认证维护自我评估考试的文本和图像题目 | 自然语言处理 | 手外科疾病 | 提示工程，图像识别 | 大型语言模型 | 文本，图像 | 2023年手外科SAE全部文本和图像题目，以及2014-2020年5个历史SAE题目 | NA | GPT-4 | 正确率，Fisher精确检验 | NA |
| 16947 | 2025-10-06 |
Diffraction-informed deep learning for molecular-specific holograms of breast cancer cells
2025-Sep, APL bioengineering
IF:6.6Q1
DOI:10.1063/5.0246495
PMID:40708806
|
研究论文 | 提出一种名为HoloNet的新型深度学习架构，用于直接分析乳腺癌细胞的衍射图像，实现细胞类型分类和分子标记物定量 | 专门针对衍射图像特性设计的深度学习架构，能够直接处理原始衍射图像而无需计算重建，在细胞诊断中实现高精度分类和分子标记物量化 | NA | 解决透镜自由数字在线全息术产生的衍射图像在人类解读和计算重建方面的挑战 | 乳腺癌细胞 | 计算成像 | 乳腺癌 | 透镜自由数字在线全息术 | 深度学习 | 衍射图像 | NA | NA | HoloNet | 精度 | NA |
| 16948 | 2025-10-06 |
Risk score stratification of cutaneous melanoma patients based on whole slide images analysis by deep learning
2025-Aug, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20538
PMID:39853986
|
研究论文 | 开发基于全切片图像分析的深度学习模型SmartProg-MEL，用于皮肤黑色素瘤患者的风险分层和生存预测 | 首次利用弱监督深度学习方法从HE染色全切片图像中提取形态学特征，实现皮肤黑色素瘤患者的自动化风险分层 | 样本量相对有限，外部验证队列规模较小 | 改进原发性皮肤黑色素瘤的风险分层，指导辅助治疗决策 | I-III期皮肤黑色素瘤患者 | 数字病理学 | 皮肤黑色素瘤 | HE染色全切片图像分析 | 深度神经网络 | 全切片图像 | 发现队列342例，外部验证队列161例和63例 | NA | SmartProg-MEL | 一致性指数 | NA |
| 16949 | 2025-10-06 |
Detecting wing fractures in chickens using deep learning, photographs and computed tomography scanning
2025-Aug, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2025.105264
PMID:40398294
|
研究论文 | 本研究评估了三种深度学习模型在通过CT扫描和照片检测鸡翅骨折和挫伤方面的适用性 | 首次将深度学习技术应用于结合CT扫描和照片的鸡翅骨折与挫伤自动检测，相比传统人工检查更客观高效 | 样本量有限（306个CT扫描和285张照片），挫伤检测模型准确率相对较低（82%） | 开发自动化技术以改进家禽屠宰场的动物福利监测 | 鸡翅膀的骨折和软组织损伤（挫伤） | 计算机视觉 | 动物损伤 | 计算机断层扫描（CT）、摄影 | 深度学习 | CT扫描图像、照片 | 306个CT扫描和285张照片 | NA | 3D ResNet34, 2D EfficientNetV2_s | 准确率 | NA |
| 16950 | 2025-10-06 |
Tailoring task arithmetic to address bias in models trained on multi-institutional datasets
2025-Aug, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104858
PMID:40494422
|
研究论文 | 本研究提出两种基于任务向量的方法TAPER和DAPPER，用于减轻多机构数据集中因数据来源导致的模型偏差问题 | 将任务向量算术方法扩展到解决数据来源混淆偏差的新问题领域，提出了模型无关的偏差缓解策略 | 仅在三个数据集上进行了评估，需要更多验证 | 解决多机构临床数据训练中深度学习模型因数据来源导致的预测偏差问题 | 多机构临床数据集中的深度学习模型 | 自然语言处理 | NA | 任务向量算术 | RoBERTa, Llama-2 | 文本数据 | NA | NA | Transformer | 鲁棒性评估，分布偏移极端情况下的性能 | NA |
| 16951 | 2025-10-06 |
Artificial Intelligence Solutions to Improve Emergency Department Wait Times: Living Systematic Review
2025-Aug, The Journal of emergency medicine
IF:1.2Q3
DOI:10.1016/j.jemermed.2025.05.031
PMID:40664005
|
living systematic review | 本系统综述评估人工智能在改善急诊科等待时间方面的应用现状和潜力 | 首次对AI在急诊科流程优化中的应用进行全面系统评价，并采用动态更新机制确保内容时效性 | 缺乏真实急诊科环境下的实施研究，大多数研究缺少急诊专家的参与 | 评估人工智能建模策略在优化急诊科流程和减少等待时间方面的应用 | 急诊科运营流程和患者等待时间 | 医疗健康信息学 | 急诊医学 | 系统文献综述方法 | 回归方法,传统机器学习,神经网络/深度学习,自然语言处理,集成方法 | 文献数据 | 16项定量观察性研究（从17,569篇筛选文献中选出） | NA | NA | 等待时间减少量（7-43.2分钟） | NA |
| 16952 | 2025-10-06 |
HCCD: A handwritten camera-captured dataset for document enhancement under varied degradation conditions
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111849
PMID:40697364
|
研究论文 | 本文提出了一个用于真实场景下手写文档增强和识别任务的手写相机拍摄数据集HCCD | 与现有在受控环境下使用扫描仪或智能手机拍摄的数据集不同，HCCD包含实时相机拍摄的手写文档，具有多种自然退化特征 | NA | 解决智能手机拍摄的退化手写文档增强问题 | 手写文档图像 | 计算机视觉 | NA | 计算机视觉成像技术 | NA | 图像 | 多个人贡献的不同书写风格的手写文档 | NA | NA | NA | NA |
| 16953 | 2025-07-26 |
Comments on "deep learning for kidney trauma detection: CT image algorithm performance and external validation. - experimental study"
2025-Jul-25, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002703
PMID:40705511
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16954 | 2025-10-06 |
Vox-MMSD: Voxel-wise Multi-scale and Multi-modal Self-Distillation for Self-supervised Brain Tumor Segmentation
2025-Jul-24, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3592116
PMID:40705573
|
研究论文 | 提出一种用于脑肿瘤分割的自监督学习框架，充分利用多模态MRI扫描提取模态不变特征 | 提出Siamese块状模态掩蔽策略和重叠随机模态采样方法，同时学习上下文和模态不变特征，增强体素级表示 | NA | 开发自监督学习方法解决脑肿瘤分割中标注数据不足的问题 | 脑肿瘤患者的多模态MRI扫描数据 | 医学图像分割 | 脑胶质瘤 | 多模态磁共振成像 | 自监督学习 | 医学图像 | BraTS 2024成人胶质瘤分割数据集及其他三个小型下游数据集 | NA | NA | Dice系数 | NA |
| 16955 | 2025-10-06 |
A Weighted Voting Approach for Traditional Chinese Medicine Formula Classification Using Large Language Models: Algorithm Development and Validation Study
2025-Jul-24, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/69286
PMID:40705933
|
研究论文 | 本研究开发了一种基于大语言模型的加权投票集成方法用于中药方剂分类 | 首次将大语言模型集成学习方法应用于中药方剂分类任务，提出加权投票机制提升分类准确率 | 数据集规模相对有限（2441个方剂），仅支持中文的大语言模型参与评估 | 评估不同大语言模型在中药方剂分类任务中的性能，并通过集成学习提升分类准确率 | 中药方剂 | 自然语言处理 | NA | 大语言模型微调，集成学习 | 大语言模型 | 文本 | 2441个中药方剂（训练集1999个，测试集442个） | NA | Qwen-14B等10个支持中文的大语言模型 | 准确率 | NA |
| 16956 | 2025-10-06 |
Deep learning-based real-time detection of head and neck tumors during radiation therapy
2025-Jul-24, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adf40e
PMID:40706626
|
研究论文 | 本研究开发了一种基于深度学习的实时头颈部肿瘤分割方法，用于放射治疗过程中的肿瘤追踪 | 首次使用个性化条件生成对抗网络在千伏X射线图像中实现无标记头颈部肿瘤实时检测 | 研究样本量较小（17例患者），肿瘤位置与质心误差存在相关性 | 开发实时头颈部肿瘤追踪方法以提高放射治疗精度 | 头颈部癌症患者（鼻咽癌、口咽癌、喉癌） | 医学影像分析 | 头颈部肿瘤 | 千伏X射线成像，锥形束CT | cGAN | X射线图像，CT影像 | 17名头颈部癌症患者（4例鼻咽癌，9例口咽癌，4例喉癌） | NA | 条件生成对抗网络 | 质心误差，平均表面距离 | NA |
| 16957 | 2025-10-06 |
EXPEDITION: an Exploratory deep learning method to quantitatively predict hematoma progression after intracerebral hemorrhage
2025-Jul-24, Neurological research
IF:1.7Q4
DOI:10.1080/01616412.2025.2536668
PMID:40707006
|
研究论文 | 提出一种探索性深度学习方法EXPEDITION，用于定量预测脑出血后血肿进展 | 首次结合脑静脉血流动力学特征与深度学习技术，开发定量预测脑出血后血肿进展的新方法 | 样本量较小（73例患者），仅针对基底节或丘脑的原发性脑出血患者 | 开发定量预测脑出血后血肿进展的深度学习方法 | 原发性脑出血患者（基底节或丘脑部位） | 医学影像分析 | 脑出血 | NCCT, CTP | 深度学习 | 医学影像 | 73例患者（训练集58例93次扫描，测试集15例50次扫描） | NA | NA | Bland-Altman分析 | NA |
| 16958 | 2025-10-06 |
Association of initial core volume on non-contrast CT using a deep learning algorithm with clinical outcomes in acute ischemic stroke: a potential tool for selection and prognosis?
2025-Jul-24, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2025-023897
PMID:40707242
|
研究论文 | 本研究探讨基于深度学习的非增强CT初始核心体积测量与急性缺血性卒中患者临床结局的关联 | 首次使用经过验证的深度学习算法(Methinks)在非增强CT上自动测量初始核心体积，并验证其与卒中患者预后的关联 | 研究基于三个卒中中心的注册数据，可能存在选择偏倚，且需要进一步研究验证aICV在扩展治疗时间窗中的作用 | 评估非增强CT测量的初始核心体积与接受再灌注治疗的卒中患者临床结局的关联 | 接受再灌注治疗的急性缺血性卒中患者 | 数字病理 | 脑血管疾病 | 非增强CT成像 | 深度学习算法 | 医学影像 | 658名患者，平均年龄72.7岁，基线NIHSS评分中位数12分 | NA | Methinks | 调整后比值比, 95%置信区间, P值 | NA |
| 16959 | 2025-10-06 |
Multi-cascaded heart disease prediction using hybrid deep learning and optimization techniques
2025-Jul-24, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2525981
PMID:40707398
|
研究论文 | 提出一种基于混合深度学习和优化技术的多级联心脏病预测模型 | 开发了MI-FHCO优化算法进行特征选择，并采用多级联深度学习网络进行疾病预测 | NA | 提高心脏病预测的准确率 | 心脏病患者数据 | 机器学习 | 心血管疾病 | NaN填充方法、数据归一化 | 深度学习 | 医疗数据 | NA | NA | 多级联深度学习网络(MDLNet) | 准确率 | NA |
| 16960 | 2025-10-06 |
Self-driving microscopy detects the onset of protein aggregation and enables intelligent Brillouin imaging
2025-Jul-24, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-60912-0
PMID:40707429
|
研究论文 | 开发了一种自驱动显微镜系统，通过深度学习预测蛋白质聚集起始点并实现智能布里渊成像 | 首次将自驱动显微镜与深度学习相结合，能够从单个荧光图像预测蛋白质聚集起始点，并在聚集即将发生时触发优化的多模态成像 | 未明确说明样本数量的统计显著性和模型泛化能力 | 研究蛋白质聚集过程的生物力学特性及其在神经退行性疾病中的作用 | 活细胞中的蛋白质聚集过程 | 计算显微镜 | 神经退行性疾病 | 布里渊显微镜，荧光成像，明场成像 | 深度学习，神经网络 | 荧光图像，明场图像 | NA | NA | NA | 准确率91% | NA |