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 33074 篇文献，本页显示第 18521 - 18540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18521 | 2025-10-07 |
Human-Validated Neural Networks for Precise Amastigote Categorization and Quantification to Accelerate Drug Discovery in Leishmaniasis
2025-Jan-14, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c08735
PMID:39829493
|
研究论文 | 本研究利用YOLOv8深度学习模型实现利什曼原虫无鞭毛体的实时检测、定量和分类，以加速药物筛选 | 首次将YOLOv8模型应用于利什曼原虫无鞭毛体的自动检测和分类，显著减少了人工操作的可变性 | 在区分细胞外无鞭毛体和背景噪声方面存在挑战(AUC=0.672)，需要进一步改进误分类问题 | 开发自动化的利什曼原虫检测方法以加速药物发现 | 利什曼原虫无鞭毛体 | 计算机视觉 | 利什曼病 | 显微镜成像 | YOLOv8 | 图像 | 来自两台显微镜的470张图像 | NA | YOLOv8 | AUC | NA |
| 18522 | 2025-10-07 |
Quantifying Monomer-Dimer Distribution of Nanoparticles from Uncorrelated Optical Images Using Deep Learning
2025-Jan-14, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c07914
PMID:39829601
|
研究论文 | 提出一种基于深度学习的集成方法，用于从光学图像中自动检测纳米颗粒并量化其寡聚化状态 | 首次将YOLOv8深度学习架构应用于光学图像中的纳米颗粒检测和寡聚化量化，克服了传统电子显微镜方法的破坏性限制 | 光学图像易受噪声、低对比度、各向异性形状、点扩散函数重叠、等离子耦合和分辨率限制的影响 | 开发自动纳米颗粒检测和寡聚化量化方法，用于分析纳米颗粒在聚合物基质中的分布和聚集 | 80纳米金纳米球在不同寡聚化状态下的光学和SEM图像 | 计算机视觉 | NA | 光学成像，扫描电子显微镜 | CNN | 图像 | 经过精心标注的相关光学和SEM图像数据集 | YOLOv8 | YOLOv8 | 加权平均准确率 | NA |
| 18523 | 2025-10-07 |
Graph-based deep learning for predictions on changes in microbiomes and biogas production in anaerobic digestion systems
2025-Jan-13, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2025.123144
PMID:39826399
|
研究论文 | 本研究应用图卷积网络建模厌氧消化过程，预测微生物群落动态和沼气产量 | 首次将图卷积网络应用于厌氧消化系统，整合高通量测序数据和挥发性脂肪酸抑制效应来建模微生物相互作用网络 | 研究基于281天的实验数据，可能需要在更长时间尺度和更多操作条件下验证模型泛化能力 | 理解和优化厌氧消化过程，预测微生物动态和沼气产量 | 厌氧消化系统中的微生物群落和沼气生产过程 | 机器学习 | NA | 高通量测序，下一代测序工具 | GCN | 测序数据，化学参数数据 | 281天实验数据，涵盖有机负荷冲击、饥饿和生物强化等多种喂养条件 | NA | 图卷积网络 | 均方误差，决定系数 | NA |
| 18524 | 2025-10-07 |
ChromBPNet: bias factorized, base-resolution deep learning models of chromatin accessibility reveal cis-regulatory sequence syntax, transcription factor footprints and regulatory variants
2025-Jan-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.25.630221
PMID:39829783
|
研究论文 | 介绍ChromBPNet深度学习模型，用于解析染色质可及性的序列语法、转录因子足迹和调控变异 | 开发了能够分解酶特异性偏倚的碱基分辨率深度学习模型，实现跨实验平台和测序深度的稳健分析 | NA | 解析染色质可及性的调控序列语法和遗传变异 | 顺式调控元件、转录因子结合、染色质可及性 | 机器学习 | 复杂性状疾病、罕见疾病 | 染色质可及性测定、DNA测序 | 深度学习 | DNA序列、染色质可及性图谱 | NA | NA | ChromBPNet | 变异效应预测准确性、先锋转录因子结合预测、报告基因活性预测 | NA |
| 18525 | 2025-10-07 |
Deep Learning for Biomarker Discovery in Cancer Genomes
2025-Jan-08, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.06.631471
PMID:39829845
|
研究论文 | 提出一种用于癌症基因组生物标志物发现的端到端深度学习框架 | 开发了多示例学习深度学习框架，可直接从原始体细胞突变数据中识别生物标志物，无需人工特征提取 | 仅使用公共数据库数据，未在更广泛临床环境中验证 | 开发基于深度学习的生物标志物发现方法，提升精准肿瘤学中的基因组数据分析能力 | 3,184名癌症患者的基因组数据 | 机器学习 | 癌症 | NGS | 深度学习 | 基因组序列数据 | 3,184名癌症患者（来自TCGA和CPTAC数据库） | NA | 多示例学习框架 | 准确率, 灵敏度, 特异性 | NA |
| 18526 | 2025-10-07 |
HerbMet: Enhancing metabolomics data analysis for accurate identification of Chinese herbal medicines using deep learning
2025-Jan, Phytochemical analysis : PCA
IF:3.0Q2
DOI:10.1002/pca.3437
PMID:39165116
|
研究论文 | 开发基于深度学习的HerbMet系统，利用代谢组学数据准确鉴定中草药 | 提出结合1D-ResNet架构和双dropout正则化模块的AI系统，有效解决小样本量、高维数据和过拟合问题 | NA | 开发高性能人工智能系统用于中草药的准确鉴定 | 中草药，特别是同属不同种的中草药 | 机器学习 | NA | 代谢组学 | CNN | 代谢组学数据 | NA | NA | 1D-ResNet, 多层感知机 | 准确率, F1分数 | CPU, GPU |
| 18527 | 2025-10-07 |
Deep learning-based models for preimplantation mouse and human embryos based on single-cell RNA sequencing
2025-Jan, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02511-3
PMID:39543284
|
研究论文 | 本研究利用深度学习工具整合和分类单细胞RNA测序数据，定义小鼠和人类胚胎细胞类型、谱系和状态 | 开发了基于深度学习的模型，能够以无偏方式分类细胞类型，同时识别用于鉴定谱系、细胞类型和状态的基因集 | 研究材料难以获取和处理，主要依赖公开可用数据 | 整合和分类多个单细胞转录组数据集，定义胚胎发育过程中的细胞类型和状态 | 小鼠和人类胚胎细胞，以及体外多能干细胞模型 | 生物信息学 | NA | 单细胞RNA测序 | 深度学习 | 单细胞转录组数据 | 公开可用的小鼠和人类早期发育阶段数据 | NA | NA | NA | NA |
| 18528 | 2024-12-18 |
Correction: Deep Learning to Estimate Cardiovascular Risk From Chest Radiographs
2025-Jan, Annals of internal medicine
IF:19.6Q1
DOI:10.7326/ANNALS-24-03386
PMID:39680924
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18529 | 2025-10-07 |
Breast cancer classification in point-of-care ultrasound imaging-the impact of training data
2025-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.1.014502
PMID:39830074
|
研究论文 | 本研究通过比较不同训练数据增强技术，旨在提高用于分类床旁超声(POCUS)图像的深度学习网络性能 | 比较了多种数据增强技术对乳腺癌POCUS图像分类性能的影响，包括传统增强方法和CycleGAN生成方法 | 未详细说明数据集的详细特征和样本分布，未与其他先进分类方法进行充分比较 | 提高床旁超声(POCUS)图像中乳腺癌分类的准确性 | 乳腺组织超声图像 | 计算机视觉 | 乳腺癌 | 超声成像 | 深度学习分类网络,CycleGAN | 超声图像 | 两个乳腺组织图像数据集(POCUS和标准超声) | NA | CycleGAN | AUC,95%置信区间 | NA |
| 18530 | 2025-01-22 |
Knowledgebase-Driven Exploration and Experimental Verification of Simvastatin's Inhibitory Impact on P2X7/NLRP3 Inflammasome Pathway
2025-Jan, Chemical biology & drug design
IF:3.2Q3
DOI:10.1111/cbdd.70048
PMID:39834043
|
研究论文 | 本研究通过知识库驱动的方法和实验验证，探讨了辛伐他汀对P2X7/NLRP3炎症小体通路的抑制作用及其在抑郁症模型中的抗抑郁效果 | 首次结合机器/深度学习方法预测辛伐他汀的潜在作用靶点，并通过实验验证其在抑郁症模型中的抗抑郁机制 | 研究仅基于大鼠模型，未涉及人类临床试验，结果的普适性有待进一步验证 | 阐明辛伐他汀通过抑制P2X7/NLRP3炎症小体通路发挥抗抑郁作用的机制 | 慢性轻度应激（CMS）诱导的抑郁症模型大鼠 | 机器学习 | 抑郁症 | 机器/深度学习方法 | NA | 行为数据、蛋白质和mRNA表达数据 | 抑郁症模型大鼠 | NA | NA | NA | NA |
| 18531 | 2025-01-22 |
End-to-end underwater acoustic transmission loss prediction with adaptive multi-scale dilated network
2025-Jan-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0034857
PMID:39835828
|
研究论文 | 本文提出了一种端到端的水下声学传输损失预测架构，利用深度学习方法有效建模物理现象，显著减少计算时间和成本 | 提出了一种名为MultiScale-DUNet的U-Net模型，集成了自适应多尺度扩张模块，能够快速准确地预测完整声场 | 研究仍处于初期阶段，尚未在实际应用中广泛验证 | 预测水下声学传输损失，以应用于水下探测和实时水下监测等领域 | 水下声学传播 | 机器学习 | NA | 深度学习 | U-Net | 声学数据 | NA | NA | NA | NA | NA |
| 18532 | 2025-10-07 |
Real-time CBCT Imaging and Motion Tracking via a Single Arbitrarily-angled X-ray Projection by a Joint Dynamic Reconstruction and Motion Estimation (DREME) Framework
2024-Sep-25, ArXiv
PMID:39398221
|
研究论文 | 开发了一种无需患者特异性先验知识的实时CBCT成像和运动跟踪框架DREME | 通过联合动态重建和运动估计框架，仅使用单个任意角度X射线投影实现实时CBCT成像和运动跟踪 | NA | 实现放疗中实时CBCT成像和运动跟踪，解决传统方法依赖过时先验知识的问题 | 呼吸引起的解剖运动，特别是肺部肿瘤运动 | 医学影像 | 肺癌 | 锥束计算机断层扫描(CBCT)，X射线投影 | CNN | X射线投影图像，CBCT图像序列 | 数字体模模拟和真实患者研究 | NA | 卷积神经网络运动编码器 | 肿瘤质心定位误差，投影域肿瘤定位精度 | NA |
| 18533 | 2025-10-07 |
AxonFinder: Automated segmentation of tumor innervating neuronal fibers
2024-Sep-07, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.03.611089
PMID:39282317
|
研究论文 | 开发了一种名为AxonFinder的深度学习工具，用于自动分割前列腺肿瘤微环境中的神经元轴突 | 首次提出基于U-Net与ResNet-101编码器的深度学习模型，专门用于分割形态不规则的肿瘤内神经元轴突 | 模型训练依赖于手动标注的轴突数据，可能受到标注者主观性的影响 | 开发自动分割肿瘤内神经元轴突的算法，研究肿瘤神经支配与癌症进展的关联 | 前列腺肿瘤微环境中的神经元轴突 | 数字病理学 | 前列腺癌 | 多重成像技术 | CNN | 全玻片图像 | 来自低、中、高风险前列腺癌患者的全玻片图像数据集 | NA | U-Net, ResNet-101 | 准确率 | NA |
| 18534 | 2025-10-07 |
Linking disease activity with optical coherence tomography angiography in neovascular age related macular degeneration using artificial intelligence
2024-08-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70234-8
PMID:39164449
|
研究论文 | 本研究利用人工智能分析光学相干断层扫描血管成像参数与新生血管性年龄相关性黄斑变性疾病活动性的定量关联 | 首次将AI评估的疾病活动性与OCTA参数相关联，揭示了不同类型黄斑新生血管与视网膜液体的特异性关联模式 | 样本量相对有限（230例患者），部分相关性未达到统计学显著性 | 探讨AI评估的疾病活动性与OCTA参数在nAMD患者中的定量关联 | 接受抗VEGF治疗的新生血管性年龄相关性黄斑变性患者 | 数字病理 | 年龄相关性黄斑变性 | 光学相干断层扫描血管成像，光谱域光学相干断层扫描 | 深度学习 | 医学影像 | 230例患者 | NA | RetInSight | 相关性估计值，p值 | NA |
| 18535 | 2025-10-07 |
The diagnostic performance of AI-based algorithms to discriminate between NMOSD and MS using MRI features: A systematic review and meta-analysis
2024-Jul, Multiple sclerosis and related disorders
IF:2.9Q2
DOI:10.1016/j.msard.2024.105682
PMID:38781885
|
系统综述与荟萃分析 | 本文系统评估了基于MRI特征的AI算法在区分视神经脊髓炎谱系疾病和多发性硬化症方面的诊断性能 | 首次对AI算法基于MRI特征区分NMOSD和MS的诊断性能进行系统综述和荟萃分析 | 存在MRI成像、模型评估和性能指标报告方面的异质性，影响了结果的可靠性 | 评估AI算法基于MRI特征区分NMOSD和MS的能力 | NMOSD和MS患者 | 医学影像分析 | 神经系统自身免疫性疾病 | 磁共振成像 | 机器学习,深度学习 | MRI图像 | 15项研究，包含1,362例MS患者和1,118例NMOSD患者 | NA | NA | 准确率,敏感度,特异度,AUC | NA |
| 18536 | 2025-10-07 |
Sensing technologies and machine learning methods for emotion recognition in autism: Systematic review
2024-Jul, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105469
PMID:38723429
|
系统综述 | 系统回顾了2011-2023年间自闭症情感识别中使用的传感技术和机器学习方法 | 首次系统性地总结了自闭症情感识别领域的技术应用现状和研究缺口 | 主要关注面部表情技术，对自闭症谱系具体障碍的研究不足，隐私安全问题讨论不够充分 | 识别自闭症情感识别系统应用的现有障碍和未来发展方向 | 自闭症儿童、青少年和成人 | 机器学习 | 自闭症 | 面部表情分析,生理传感器 | 监督学习,深度学习 | 视频,生理信号 | 65篇符合条件的研究文献 | NA | NA | NA | NA |
| 18537 | 2025-10-07 |
Small-Molecule Inhibitors of TIPE3 Protein Identified through Deep Learning Suppress Cancer Cell Growth In Vitro
2024-04-30, Cells
IF:5.1Q2
DOI:10.3390/cells13090771
PMID:38727307
|
研究论文 | 通过深度学习识别TIPE3蛋白小分子抑制剂并验证其体外抑制癌细胞生长的效果 | 首次结合深度卷积神经网络(DFCNN)、分子对接和分子动力学模拟从化合物库中筛选TIPE3抑制剂 | 研究仅限于体外实验验证，尚未进行动物模型或临床试验 | 开发针对TIPE3蛋白的癌症治疗抑制剂 | TIPE3蛋白及其小分子抑制剂 | 药物发现 | 癌症 | 深度学习、分子对接、分子动力学模拟 | DFCNN | 化合物结构数据 | 从ZINC化合物数据集中筛选，最终验证6个候选化合物 | NA | 深度卷积神经网络 | 细胞活力、增殖、迁移和凋亡评估 | NA |
| 18538 | 2025-10-07 |
Predicting 5-year recurrence risk in colorectal cancer: development and validation of a histology-based deep learning approach
2024-Apr, British journal of cancer
IF:6.4Q1
DOI:10.1038/s41416-024-02573-2
PMID:38245662
|
研究论文 | 开发并验证基于组织学图像的深度学习模型预测结直肠癌患者5年复发风险 | 首次提出基于组织学图像的弱监督深度学习模型用于结直肠癌5年无复发生存预测 | 样本量相对有限（614例），需进一步多中心验证 | 开发结直肠癌复发风险预测模型以辅助临床决策 | 非转移性结直肠癌患者的组织学图像 | 数字病理 | 结直肠癌 | 组织学图像分析 | 深度学习 | 图像 | 614例来自三家医院的结直肠癌病例 | NA | NA | AUC, 风险比 | NA |
| 18539 | 2025-10-07 |
UNCERTAINTY-GUIDED PHYSICS-DRIVEN DEEP LEARNING RECONSTRUCTION VIA CYCLIC MEASUREMENT CONSISTENCY
2024-Apr, Proceedings of the ... IEEE International Conference on Acoustics, Speech, and Signal Processing. ICASSP (Conference)
|
研究论文 | 提出一种通过循环测量一致性进行不确定性引导的物理驱动深度学习重建方法 | 设计了一种主要关注物理驱动深度学习中数据保真度分量的不确定性估计过程，通过表征不同前向模型间的循环一致性来实现 | NA | 改进计算成像质量，特别是在MRI应用中的重建效果 | 计算成像重建，MRI图像重建 | 计算成像，医学影像 | NA | 物理驱动深度学习，不确定性量化 | 深度学习神经网络 | 医学影像数据，MRI数据 | NA | NA | NA | 重建质量 | NA |
| 18540 | 2025-10-07 |
Using Genomics to Identify Novel Therapeutic Targets for Aortic Disease
2024-02, Arteriosclerosis, thrombosis, and vascular biology
DOI:10.1161/ATVBAHA.123.318771
PMID:38095107
|
综述 | 探讨基因组学结合机器学习技术在主动脉疾病治疗靶点发现中的应用与前景 | 系统阐述深度学习技术加速主动脉疾病遗传学发现的创新路径，提出从遗传关联到生物学洞察的转化蓝图 | 未涉及具体临床验证数据，主要聚焦方法论层面的探讨 | 探索基因组学在主动脉疾病治疗靶点识别中的应用价值 | 主动脉疾病（包括夹层、动脉瘤和破裂）的遗传基础与表型特征 | 机器学习 | 心血管疾病 | 基因组学、深度学习、高通量功能筛选 | 深度学习 | 影像数据、遗传数据 | NA | NA | NA | NA | NA |