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 32562 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 | 2025-10-07 |
The Hydronephrosis Severity Index guides paediatric antenatal hydronephrosis management based on artificial intelligence applied to ultrasound images alone
2024-10-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-72271-9
PMID:39349526
|
研究论文 | 开发基于深度学习的水肾严重程度指数(HSI)，通过肾脏超声图像自动预测小儿产前水肾症患者是否需要手术干预 | 首次提出仅基于超声图像的人工智能系统来评估水肾严重程度，无需其他临床参数 | 研究仅在北美四家儿科医院进行，需要更多外部验证 | 开发自动化水肾严重程度评估系统以指导临床决策 | 小儿产前水肾症患者 | 计算机视觉 | 肾脏疾病 | 超声成像 | 深度学习 | 图像 | 202名患者测试集，来自四个大型儿科医院 | NA | NA | AUROC, AUPRC, 敏感性, 特异性 | NA |
| 16942 | 2025-02-12 |
Ensemble Learning for Three-dimensional Medical Image Segmentation of Organ at Risk in Brachytherapy Using Double U-Net, Bi-directional ConvLSTM U-Net, and Transformer Network
2024 Oct-Dec, Journal of medical physics
IF:0.7Q4
DOI:10.4103/jmp.jmp_160_24
PMID:39926139
|
研究论文 | 本文提出了一种新颖的方法，通过结合三种深度学习模型和集成学习技术，自动化分割高剂量率近距离放射治疗患者的风险器官（OAR），旨在提高分割的准确性和效率 | 结合了Double U-Net、双向ConvLSTM U-Net和Transformer网络三种深度学习模型，并采用集成学习技术，显著提高了分割的准确性和效率 | 由于内存限制，训练数据使用了降维后的CT扫描（240 × 240 × 128），可能影响模型的泛化能力 | 提高高剂量率近距离放射治疗中风险器官（OAR）分割的准确性和效率 | 高剂量率近距离放射治疗患者的风险器官（OAR） | 医学图像分割 | 癌症 | 深度学习 | Double U-Net (DUN), Bi-directional ConvLSTM U-Net (BCUN), Transformer Networks (TN) | CT扫描图像 | 70名患者（60名来自本机构，10名来自其他机构） | NA | NA | NA | NA |
| 16943 | 2024-08-07 |
Correction to: Omics-based deep learning approaches for lung cancer decision-making and therapeutics development
2024-Sep-27, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elad046
PMID:37721137
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16944 | 2025-10-07 |
Interpretation of SNP combination effects on schizophrenia etiology based on stepwise deep learning with multi-precision data
2024-Sep-27, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elad041
PMID:37738675
|
研究论文 | 提出一种基于多精度数据的逐步深度学习技术SLEM，用于探索SNP组合通过分子和细胞功能对精神分裂症病因的影响 | 首次结合多精度数据（精确但少量的多层级检测数据与不精确但大量的GWAS数据）构建逐步深度学习模型，从难以处理的大规模SNP组合空间中识别有效相互作用 | 未明确说明样本规模和数据来源的具体细节 | 探索SNP组合通过中间分子和细胞功能对精神分裂症易感性的影响机制 | 精神分裂症相关的SNP（单核苷酸多态性）组合 | 机器学习 | 精神分裂症 | GWAS（全基因组关联分析）, 多层级检测数据 | 深度学习 | 基因组数据, 多精度数据 | NA | NA | NA | 准确率 | NA |
| 16945 | 2025-10-07 |
CelloType: A Unified Model for Segmentation and Classification of Tissue Images
2024-Sep-19, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.15.613139
PMID:39345491
|
研究论文 | 提出CelloType统一模型，用于生物医学显微镜图像中的细胞分割与分类 | 采用多任务学习方法，将分割与分类任务相连接，替代传统的两阶段方法，同时提升两个任务的性能 | NA | 开发用于空间组学数据分析的细胞分割与分类统一模型 | 生物医学显微镜图像中的细胞和非细胞元素 | 数字病理学 | NA | 显微镜成像 | Transformer | 图像 | NA | NA | Transformer | 准确率 | NA |
| 16946 | 2025-10-07 |
Dynamic Projection of Medication Nonpersistence and Nonadherence Among Patients With Early Breast Cancer
2024-05-01, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究使用深度学习模型预测早期乳腺癌患者口服抗癌药物的不持续使用和不依从行为 | 首次使用基于门控循环单元的深度学习模型预测乳腺癌患者用药不持续和不依从事件，并分析不同特征对预测结果的贡献 | 研究基于法国医保报销数据，可能受数据来源限制，且模型预测性能有待进一步提升 | 预测乳腺癌患者口服抗癌治疗的持续性和依从性，识别相关风险因素 | 229,695名法国女性早期乳腺癌患者 | 医疗健康数据分析 | 乳腺癌 | 深度学习，特征重要性分析 | GRU | 医疗报销数据 | 229,695名女性患者 | NA | 门控循环单元 | AUC | NA |
| 16947 | 2025-02-12 |
Enhancing plant disease detection through deep learning: a Depthwise CNN with squeeze and excitation integration and residual skip connections
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1505857
PMID:39925367
|
研究论文 | 本研究提出了一种改进的深度卷积神经网络（CNN）结合压缩激励（SE）模块和改进的残差跳跃连接，用于植物病害检测 | 提出了一种结合SE模块和改进残差跳跃连接的深度CNN模型，增强了特征提取和分类性能，同时保持计算效率 | 未提及具体的数据集规模或模型在不同环境下的泛化能力 | 开发高效准确的自动化系统，用于植物病害检测，以增强作物保护和产量优化 | 多种植物物种和病害类别 | 计算机视觉 | 植物病害 | 深度卷积神经网络（CNN） | 深度CNN结合SE模块和残差跳跃连接 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 16948 | 2025-02-12 |
Diagnosis and detection of bone fracture in radiographic images using deep learning approaches
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1506686
PMID:39927268
|
研究论文 | 本文探讨了使用深度学习算法在X光图像中自动检测和诊断骨折的方法 | 提出了结合DenseNet201和VGG16的深度学习模型，用于骨折检测，并在验证阶段达到了97%的准确率 | 现有骨折检测和诊断方法的局限性，需要进一步改进深度学习模型 | 开发一种自动化的骨折检测方法，以提高骨折诊断的准确性 | X光图像中的骨折 | 计算机视觉 | 骨折 | 深度学习 | VGG16, ResNet152V2, DenseNet201 | 图像 | 10,580张X光图像 | NA | NA | NA | NA |
| 16949 | 2025-02-12 |
NavBLIP: a visual-language model for enhancing unmanned aerial vehicles navigation and object detection
2024, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2024.1513354
PMID:39927288
|
研究论文 | 本文介绍了一种名为NavBLIP的视觉-语言模型，旨在通过利用多模态数据增强无人机的导航和物体检测能力 | NavBLIP模型引入了Nuisance-Invariant Multimodal Feature Extraction (NIMFE)模块和多模态控制策略，以在动态环境中提高适应性和计算效率 | NA | 提高无人机在复杂和多样化场景中的导航和物体检测能力 | 无人机 | 计算机视觉 | NA | 多模态数据融合 | 视觉-语言模型 | 图像和文本 | 在RefCOCO、CC12M和Openlmages等基准数据集上进行了广泛实验 | NA | NA | NA | NA |
| 16950 | 2025-10-07 |
Mapping the topography of spatial gene expression with interpretable deep learning
2023-Oct-13, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.10.561757
PMID:37873258
|
研究论文 | 开发了一种名为GASTON的无监督可解释深度学习算法，用于分析空间转录组数据中的基因表达模式 | 提出了一种称为等深度的新概念，能够同时学习等深度、空间基因表达梯度以及模拟单个基因表达变化的分段线性函数 | NA | 解决空间转录组数据稀疏性问题，分析空间基因表达模式如基因表达梯度 | 空间转录组数据中的基因表达模式 | 生物信息学 | 肿瘤 | 空间转录组技术 | 深度学习 | 空间转录组数据 | NA | NA | GASTON | NA | NA |
| 16951 | 2025-10-07 |
Capturing continuous, long timescale behavioral changes in Drosophila melanogaster postural data
2023-Sep-07, ArXiv
PMID:37731659
|
研究论文 | 本研究通过连续长期记录果蝇姿势数据，探索其跨时间尺度的行为变化模式 | 首次实现连续7天100帧/秒的果蝇长期行为记录，创建包含近20亿个姿势实例的数据集，揭示行为在昼夜节律和衰老过程中的变化规律 | 实验在无特征环境中进行，可能无法完全反映自然状态下的行为模式；样本量相对有限（47个个体） | 探索果蝇在长时间尺度下的行为变化规律，特别是昼夜节律和衰老过程中的行为模式演变 | 黑腹果蝇（Drosophila melanogaster） | 计算机视觉 | NA | 深度学习姿态估计 | 深度学习 | 视频图像 | 47只果蝇个体 | SLEAP | NA | NA | NA |
| 16952 | 2025-10-07 |
Kenichi Harumi Plenary Address at Annual Meeting of the International Society of Computers in Electrocardiology: "What Should ECG Deep Learning Focus on? The diagnosis of acute coronary occlusion!"
2023 Jan-Feb, Journal of electrocardiology
IF:1.3Q3
|
综述 | 本文探讨心电图深度学习应从STEMI范式转向OMI范式以识别急性冠状动脉闭塞 | 提出深度学习应聚焦于识别闭塞性心肌梗死而非传统STEMI标准，可能彻底改变患者护理 | 基于单一专家演讲观点，缺乏具体实验验证 | 推动心电图深度学习关注急性冠状动脉闭塞诊断 | 心电图数据和急性冠状动脉闭塞患者 | 医疗人工智能 | 心血管疾病 | 心电图分析 | 深度学习 | 心电图信号 | NA | NA | 神经网络 | NA | NA |
| 16953 | 2025-10-07 |
DL 101: Basic introduction to deep learning with its application in biomedical related fields
2022-11-20, Statistics in medicine
IF:1.8Q1
DOI:10.1002/sim.9564
PMID:36041380
|
教程文章 | 本文提供深度学习的基础介绍及其在生物医学领域的应用 | 为生物医学领域研究者提供直观的前馈神经网络解释和超参数选择指导 | 仅提供基础入门内容，未涉及深度学习的完整能力探索 | 推广深度学习在生物医学领域的应用 | 深度学习基础理论和应用方法 | 机器学习 | NA | 深度学习 | 前馈神经网络(FNN) | NA | NA | NA | 前馈神经网络 | NA | NA |
| 16954 | 2025-10-07 |
Enhanced clinical photoacoustic vascular imaging through a skin localization network and adaptive weighting
2025-Apr, Photoacoustics
IF:7.1Q1
DOI:10.1016/j.pacs.2025.100690
PMID:39916976
|
研究论文 | 提出结合深度学习皮肤定位网络和自适应加权算法的框架，用于增强光声成像中深层血管的显示效果 | 首次将皮肤层分割网络与自适应衰减补偿算法相结合，显著提升了不同身体部位和肤色下深层血管的成像质量 | NA | 解决光声成像中皮肤信号干扰和组织衰减导致的深层血管可视化困难问题 | 人体深层血管结构 | 医学影像处理 | 血管疾病 | 光声断层扫描(PAT) | 深度学习网络 | 光声图像 | NA | NA | NA | 血管占据度量, 信噪比(SNR) | NA |
| 16955 | 2025-10-07 |
Deep Learning Assisted Classification of T1ρ-MR Based Intervertebral Disc Degeneration Phases
2025-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29499
PMID:39010746
|
研究论文 | 本研究开发了一种深度学习模型，能够从常规T1-MR图像中分类基于T1ρ-MR的椎间盘退变阶段 | 首次使用深度学习模型从常规T1-MR图像预测T1ρ-MR的椎间盘退变分期，克服了T1ρ-MR扫描时间长、费用高的限制 | 样本量较小（仅60名患者），研究为回顾性设计，证据等级为4级 | 开发深度学习模型实现基于常规T1-MR图像的椎间盘退变分期分类 | 60名腰痛或下肢神经根病患者，随机分为训练集（50人）和测试集（10人） | 医学影像分析 | 椎间盘退变疾病 | T1-MR, T2-MR, T1ρ-MR序列（自旋回波） | 深度学习模型 | MR图像 | 60名患者（男性35人，女性25人），随机分为训练集50人和测试集10人 | NA | NA | AUC, F1-score, 准确率, 精确率, 召回率 | NA |
| 16956 | 2025-10-07 |
Research on Intelligent Monitoring and Concentration Prediction for Penicillin Fermentation Process
2025-Mar, Biotechnology and bioengineering
IF:3.5Q2
DOI:10.1002/bit.28903
PMID:39710987
|
研究论文 | 本研究利用PenSim仿真数据集，应用机器学习和深度学习技术预测青霉素发酵浓度 | 通过网格搜索系统优化多种预测模型的超参数，发现岭回归模型在青霉素浓度预测中表现最优 | 基于仿真数据集进行研究，未使用真实工业发酵数据 | 提高青霉素发酵过程的智能监控和浓度预测精度 | 青霉素发酵过程 | 机器学习 | NA | 机器学习，深度学习 | 岭回归 | 仿真数据 | PenSim仿真数据集 | NA | NA | 均方误差，平均绝对误差 | NA |
| 16957 | 2025-10-07 |
MMPD-DTA: Integrating Multi-Modal Deep Learning with Pocket-Drug Graphs for Drug-Target Binding Affinity Prediction
2025-Feb-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01528
PMID:39833138
|
研究论文 | 提出一种名为MMPD-DTA的多模态深度学习模型，通过整合靶点、口袋和药物的图结构与序列信息来预测药物-靶点结合亲和力 | 引入新型口袋-药物图(PD图)同时建模靶点内部、药物内部及靶点-药物间的原子相互作用，并整合多模态表示学习 | 未明确说明模型的计算复杂度或在大规模数据集上的可扩展性限制 | 改进药物-靶点结合亲和力预测的准确性和理解深度 | 药物分子、蛋白质靶点及其结合口袋 | 机器学习 | NA | 多模态深度学习 | GraphSAGE, Transformer, 图同构网络, 多层感知机 | 图数据, 序列数据 | 三个真实世界测试集 | NA | GraphSAGE, Transformer, 图同构网络, 多层感知机 | NA | NA |
| 16958 | 2025-10-07 |
Deciphering Protein Secondary Structures and Nucleic Acids in Cryo-EM Maps Using Deep Learning
2025-Feb-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01971
PMID:39838545
|
研究论文 | 开发了一种基于深度学习的冷冻电镜密度图中蛋白质二级结构和核酸位置检测方法 | 提出首个能够同时检测蛋白质二级结构和核酸位置的深度学习模型EMInfo | 主要针对中等分辨率图谱，在高分辨率图谱中性能表现未详细说明 | 解决冷冻电镜中等分辨率图谱中结构建模的困难 | 蛋白质二级结构和核酸在冷冻电镜密度图中的定位 | 计算机视觉 | NA | 冷冻电镜(cryo-EM) | 深度学习 | 冷冻电镜密度图 | 两个蛋白质-核酸复合物测试集，包含中等分辨率和高分辨率实验图谱 | NA | NA | NA | NA |
| 16959 | 2025-10-07 |
Deep Learning of CYP450 Binding of Small Molecules by Quantum Information
2025-Feb-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01735
PMID:39869197
|
研究论文 | 本研究通过量子信息驱动的深度学习方法预测小分子与CYP450酶的结合特性 | 采用分子表面流形嵌入方法保留分子量子力学特性，结合DeepSets架构将电子属性嵌入深度学习模型 | 未明确说明模型在其他CYP450亚型上的泛化能力 | 改进药物-药物相互作用预测模型 | 小分子与细胞色素P450酶的结合特性 | 机器学习 | NA | 分子表面流形嵌入 | DeepSets | 量子化学数据 | NA | NA | DeepSets | F1分数 | NA |
| 16960 | 2025-10-07 |
Transformer Decoder Learns from a Pretrained Protein Language Model to Generate Ligands with High Affinity
2025-Feb-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02019
PMID:39871540
|
研究论文 | 提出了一种名为Prot2Drug的新型深度学习生成模型，能够利用预训练蛋白质语言模型生成与特定靶点高亲和力结合的小分子配体 | 结合预训练蛋白质语言模型和Transformer解码器，能够为配体信息有限或3D结构未知的蛋白质靶点设计有前景的配体 | NA | 加速药物发现过程，生成具有类药特征且能与特定蛋白质高亲和力结合的候选分子 | 蛋白质-配体相互作用 | 自然语言处理, 机器学习 | NA | 深度学习生成模型 | Transformer | 蛋白质序列, 分子结构 | 数千个蛋白质-配体相互作用 | NA | Transformer解码器 | 理化性质预测, 亲和力预测 | NA |