深度学习在生物医药领域中的应用

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,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!

Sample Image
添加微信请说明来意
Sample Image
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10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。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期不过滤] [清除筛选条件]
当前共找到 30097 篇文献,本页显示第 161 - 180 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
161 2025-09-05
ST-deconv: an accurate deconvolution approach for spatial transcriptome data utilizing self-encoding and contrastive learning
2025-Sep, NAR genomics and bioinformatics IF:4.0Q1
研究论文 提出一种基于深度学习的空间转录组数据解卷积方法ST-deconv,整合空间信息并利用自编码和对比学习提升性能 结合对比学习增强相邻点的空间表示,采用域对抗网络提升泛化能力,能够从单细胞输入生成带细胞类型标签的高分辨率空间数据 NA 解决空间转录组数据缺乏单细胞分辨率的问题,提升细胞类型组成的空间推断准确性 空间转录组数据,包括小鼠嗅球和人类胰腺导管腺癌组织 生物信息学 胰腺癌 单细胞RNA测序(scRNA-seq),空间转录组学(ST) 自编码器,对比学习,域对抗网络 空间转录组数据 基准测试涉及多个数据集,具体包括小鼠嗅球(MOB)和人类胰腺导管腺癌(PDAC)组织样本
162 2025-09-05
Artificial intelligence in mental health: integrating opportunities and challenges of multimodal deep learning for mental disorder prevention and treatment
2025-Sep, Annals of medicine and surgery (2012)
综述 本文探讨了人工智能通过多模态深度学习和预测分析在精神障碍预防与治疗中的机遇与挑战 提出了负责任应用AI于心理健康护理的概念框架,并整合分析了多模态深度学习技术的潜力与风险 基于文献综述,缺乏原始数据验证;伦理和算法偏差等挑战尚未完全解决 探索AI在精神健康领域的机遇与挑战,推动负责任的技术应用 精神障碍的预防与治疗 自然语言处理 精神疾病 多模态深度学习、预测分析 深度学习 多模态数据 NA
163 2025-09-05
Deep Aging Clocks: AI-powered Strategies for Biological Age Estimation
2025-Sep-01, Ageing research reviews IF:12.5Q1
综述 本文总结了基于人工智能的深度衰老时钟在生物年龄估计中的最新进展与应用 突破传统线性衰老假设,利用深度学习技术捕捉衰老过程中的非线性微妙变化 NA 评估生物衰老并开发更准确的衰老测量方法以延长健康寿命 人类衰老过程及生物年龄预测 机器学习 老年疾病 深度学习 深度学习模型 多组学数据(表观遗传学、转录组学、代谢组学、微生物组)和影像数据 NA
164 2025-09-05
Deep Learning for Automated 3D Assessment of Rotator Cuff Muscle Atrophy and Fat Infiltration prior to Total Shoulder Arthroplasty
2025-Sep-01, Journal of shoulder and elbow surgery IF:2.9Q1
研究论文 开发基于深度学习的模型,用于自动评估肩袖肌肉萎缩和脂肪浸润 首次提出基于深度学习的自动化3D评估方法,引入T-score分类和3D脂肪浸润百分比量化 NA 开发自动化工具量化肩袖肌肉病理变化,改善全肩关节置换术前的评估 肩袖肌肉(冈上肌、冈下肌、肩胛下肌、小圆肌) 医学影像分析 肌肉骨骼疾病 CT扫描,深度学习分割 深度学习模型 3D CT影像 952例肩部CT扫描(762例对照,103例aTSA患者,87例rTSA患者)
165 2025-09-05
Identification and application of promoters and terminators for plant synthetic biology
2025-Sep-01, Molecules and cells IF:3.7Q2
综述 本文综述了植物合成生物学中启动子和终止子等生物元件的鉴定与应用进展 重点探讨了双向启动子的应用、启动子与终止子组合平衡的重要性,以及基于深度学习的启动子预测方法 NA 实现高效精准的基因表达调控 植物合成生物学中的生物元件(启动子、终止子) 合成生物学 NA ATAC-Seq, STARR-Seq, 深度学习 深度学习模型 基因组数据 NA
166 2025-09-05
DeepNuParc: A novel deep clustering framework for fine-scale parcellation of brain nuclei using diffusion MRI tractography
2025-Sep-01, NeuroImage IF:4.7Q1
研究论文 提出一种名为DeepNuParc的深度聚类框架,利用扩散MRI纤维追踪技术实现脑核团的精细尺度分割 整合新型深度学习方法进行核团精准分割,设计基于流线聚类的结构连接特征,并改进联合降维与k均值聚类方法以实现更精细的核团划分 NA 开发自动化脑核团精细分割方法以研究其解剖功能关联 杏仁核和丘脑这两个具有多亚区结构的脑核团 医学影像分析 NA 扩散MRI纤维追踪技术 深度学习聚类框架 扩散MRI影像数据 多个受试者(具体数量未在摘要中说明)
167 2025-09-05
Deep Learning Application of YOLOv8 for Aortic Dissection Screening using Non-contrast Computed Tomography
2025-Sep-01, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery IF:5.7Q1
研究论文 开发并验证基于YOLOv8深度学习模型用于非增强CT筛查主动脉夹层 首次将YOLOv8模型应用于非增强CT的主动脉夹层检测,并通过Grad-CAM实现模型可解释性验证 回顾性研究设计,可能存在选择偏倚 提高主动脉夹层的早期诊断准确性和效率 主动脉夹层患者和对照组患者的CT影像 计算机视觉 心血管疾病 非增强CT成像 YOLOv8 医学影像 1138例CT扫描(569例AD患者,569例对照组)
168 2025-09-05
Explainable artificial intelligence for predicting inflammatory signatures and spatial molecular heterogeneity from nasal polyp histology
2025-Sep-01, The Journal of allergy and clinical immunology IF:11.4Q1
研究论文 开发基于组织学的深度学习模型HE2Signature,用于预测鼻息肉中的炎症基因特征和空间分子异质性 首个基于组织学的可解释深度学习模型,能够从H&E染色切片预测炎症基因特征和空间表达模式 样本量相对有限(内部队列n=30),外部验证性能有提升空间(T2内型ROC=0.716) 开发人工智能模型实现鼻息肉内型的组织学预测和空间分子图谱构建 慢性鼻窦炎伴鼻息肉(CRSwNP)患者 数字病理学 鼻息肉疾病 转录组数据分析,免疫组织化学验证 深度学习网络 H&E染色全切片图像,基因表达数据 训练集70例,内部验证30例,外部验证224例(来自四个医疗中心)
169 2025-09-05
Deciphering the unique autoregulatory mechanisms and substrate specificity of the understudied DCLK3 kinase linked to neurodegenerative diseases
2025-Sep-01, The Journal of biological chemistry IF:4.0Q2
研究论文 本研究揭示了与神经退行性疾病相关的未充分研究激酶DCLK3的独特自调控机制和底物特异性 首次发现DCLK3通过自磷酸化其截短尾部实现与催化结构域的结合,并利用深度学习预测并验证了Tau蛋白作为其潜在底物 NA 阐明DCLK3激酶的自调控机制和细胞底物,为神经退行性疾病治疗提供新靶点 DCLK3激酶及其细胞调控机制 计算生物学 神经退行性疾病 深度学习、肽库数据集分析、体外实验、质谱分析 深度学习模型 蛋白质序列数据、实验数据 NA
170 2025-09-05
Training of physical neural networks
2025-Sep, Nature IF:50.5Q1
研究论文 本文探讨了物理神经网络(PNNs)的概念、潜力及其训练方法,旨在推动人工智能计算的革新 提出了利用模拟物理系统进行计算的新型神经网络架构,并对比了基于反向传播和无反向传播的训练方法在PNNs中的应用前景 目前尚无方法能扩展到与当前深度学习广泛使用的反向传播算法相媲美的大型模型性能 探索物理神经网络如何改变人工智能计算的可行性与实用性,特别是训练大规模模型及边缘设备本地推理 物理神经网络(PNNs)及其训练技术 机器学习 NA 模拟物理计算 物理神经网络(PNNs) NA NA
171 2025-09-05
Applying Deep Learning to Quantify Drivers of Long-Term Ecological Change in a Swedish Marine Protected Area
2025-Sep, Ecology and evolution IF:2.3Q2
研究论文 应用深度学习技术分析瑞典海洋保护区长期生态变化驱动因素 首次结合目标检测模型与历史影像数据量化27年间底栖无脊椎动物群落变化,揭示温度偏好和体型大小对种群趋势的关键影响 研究仅基于单一监测点的影像数据,模型对6个类群的深度分布识别与实证观察存在差异 量化海洋保护区底栖生物长期变化趋势及驱动机制 瑞典Kosterhavet国家公园海底墙段的17种底栖无脊椎动物类群 计算机视觉 NA 深度学习目标检测 目标检测模型 水下监控视频 1997-2023年间72,369条生物出现记录
172 2025-09-05
Lightweight and precise cell classification based on holographic tomography-derived refractive index point cloud
2025-Sep, Journal of biomedical optics IF:3.0Q2
研究论文 提出一种基于全息层析成像折射率点云的轻量级精确细胞分类方法 将3D折射率体素数据转换为点云表示并设计专用深度学习模型RI-PointNet++,在保持分类精度的同时大幅降低计算复杂度 NA 开发高效准确的细胞分类方法,降低计算复杂度而不牺牲分类性能 HeLa细胞的活性分类 数字病理 NA 全息层析成像 RI-PointNet++(基于PointNet++的改进模型) 3D折射率点云数据 NA
173 2025-09-05
A dual-encoder U-net architecture with prior knowledge embedding for acoustic source mapping
2025-Sep-01, The Journal of the Acoustical Society of America IF:2.1Q1
研究论文 提出一种基于双编码器U-net架构的监督学习框架,用于将波束形成图转换为高分辨率声源强度分布图 采用双编码器提取互补特征,引入对比损失函数学习一致潜在特征,并设计频率和位置编码器嵌入先验知识 NA 提高声源定位的准确性和计算效率 声源强度分布 信号处理 NA 深度学习,波束形成 U-net,双编码器架构 声学图像数据 仿真数据和MIRACLE数据集
174 2025-09-05
A bi-directional cascaded transformer network for underwater narrowband signal enhancement
2025-Sep-01, The Journal of the Acoustical Society of America IF:2.1Q1
研究论文 提出一种双向级联Transformer网络(BCT-Net),用于水下窄带信号增强 首次设计双分支结构同时提取目标信号和环境噪声特征,采用级联注意力机制在低信噪比(-20dB)下检测窄带特征 NA 提升水下窄带信号的去噪性能 船舶辐射噪声中的窄带成分 信号处理 NA 深度学习 Transformer 声学信号 NA
175 2025-09-05
Beyond rigid docking: deep learning approaches for fully flexible protein-ligand interactions
2025-Aug-31, Briefings in bioinformatics IF:6.8Q1
综述 本文探讨深度学习如何革新分子对接领域,特别是引入蛋白质灵活性以提升预测准确性 利用深度学习整合蛋白质柔性,突破传统刚性对接限制,更准确模拟生物分子动态相互作用 深度学习模型泛化能力有限,常错误预测立体化学、键长和空间相互作用等关键分子属性 改进分子对接方法,提升药物发现中虚拟筛选的准确性和效率 蛋白质与配体的相互作用 机器学习 NA 深度学习 DL 分子结构数据 NA
176 2025-09-05
Phage quest: a beginner's guide to explore viral diversity in the prokaryotic world
2025-Aug-31, Briefings in bioinformatics IF:6.8Q1
指南 本文为初学者提供探索原核生物世界病毒多样性的计算工具使用指南 整合最新机器学习与深度学习技术(包括新兴语言模型)用于噬菌体分析,特别关注传统工具难以检测的丝状噬菌体(Inoviridae) 未提供详尽工具列表,主要关注可通过网页或命令行接口访问的先进工具 帮助研究人员选择和应用适当工具探索地球最小且最丰富复制子的遗传多样性和生物学 噬菌体(特别是丝状噬菌体)和原核病毒 生物信息学 NA 机器学习、深度学习、语言模型、宏基因组数据分析 NA 基因组和宏基因组序列数据 NA
177 2025-09-05
Major pathophysiological changes in pulmonary disease provided a molecular insight based on deep learning approach
2025-Aug-31, Scientific reports IF:3.8Q1
研究论文 基于深度学习方法分析肺部疾病的主要病理生理变化和分子通路 采用深度学习和网络分析平台整合多源数据,揭示肺部疾病中分子通路的关联性 NA 理解肺部疾病的分子机制以改善诊断和治疗策略 肺部疾病相关的基因、蛋白质和分子通路 生物信息学 肺部疾病 深度学习、网络分析、生物信息学分析 深度学习算法 文本、基因表达数据、蛋白质相互作用数据 基于MEDLINE和NIH数据库的已发表研究(截至2023年12月)
178 2025-09-05
scSorterDL: a deep neural network-enhanced ensemble LDAs for single cell classifications
2025-Aug-31, Briefings in bioinformatics IF:6.8Q1
研究论文 提出一种结合惩罚线性判别分析、群体学习和深度神经网络的创新方法scSorterDL,用于提升单细胞RNA测序数据的细胞类型分类性能 首次将惩罚LDA、群体学习和深度神经网络集成,通过生成随机数据子集并利用DNN整合模型输出,捕捉传统方法可能忽略的复杂关系 NA 解决单细胞RNA测序数据高维度和稀疏性带来的细胞类型注释挑战 单细胞RNA测序数据 生物信息学 NA 单细胞RNA测序(scRNA-seq) 惩罚线性判别分析(pLDA), 深度神经网络(DNN) 基因表达数据 13个真实scRNA-seq数据集和20对跨平台数据集
179 2025-09-05
MCAMEF-BERT: an efficient deep learning method for RNA N7-methylguanosine site prediction via multi-branch feature integration
2025-Aug-31, Briefings in bioinformatics IF:6.8Q1
研究论文 提出一种名为MCAMEF-BERT的高效深度学习模型,用于RNA N7-甲基鸟苷位点预测 采用并行架构整合预训练模型分支和传统特征编码分支,引入多通道注意力模块解决特征融合冗余问题 NA 准确识别RNA N7-甲基鸟苷修饰位点以揭示生物调控机制 RNA N7-甲基鸟苷修饰位点 生物信息学 肿瘤 深度学习,DNABERT-2预训练模型 BERT,注意力机制 序列数据 基于m7GHub数据集的样本
180 2025-09-05
Significantly enhancing human antibody affinity via deep learning and computational biology-guided single-point mutations
2025-Aug-31, Briefings in bioinformatics IF:6.8Q1
研究论文 通过深度学习和计算生物学指导的单点突变显著增强人类抗体亲和力 开发了一种整合进化约束、统计势能、分子动力学模拟和深度学习模型的新型计算流程,用于精准预测抗体亲和力增强突变 NA 提升抗体亲和力以增强治疗效果并降低剂量需求 人类抗体(针对H7N9禽流感病毒血凝素和死亡受体5的抗体) 计算生物学 传染性疾病(禽流感) 分子动力学模拟、元动力学、深度学习建模 MicroMutate(微环境特异性预测模型)、图神经网络 蛋白质序列与结构数据 12个单点突变抗体(H7N9靶向)和1个死亡受体5抗体
回到顶部