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 12022 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2025-10-06 |
A comparison of antibody-antigen complex sequence-to-structure prediction methods and their systematic biases
2024-Sep, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.5127
PMID:39167052
|
研究论文 | 比较六种抗体-抗原复合物序列到结构预测方法的性能并分析其系统偏差 | 首次系统比较包括AlphaFold-Multimer和RoseTTAFold在内的六种抗体-抗原复合物预测方法，并发现模型质量与界面三级结构基序常见度的关联 | 结构数据库中界面几何数据稀缺可能限制机器学习在抗体-抗原相互作用预测中的应用 | 评估当前抗体-抗原复合物结构预测方法的性能并探索其系统偏差 | 抗体-抗原复合物 | 机器学习 | NA | 蛋白质-蛋白质相互作用预测 | 深度学习,复合方法,同源建模 | 蛋白质序列和结构数据 | NA | AlphaFold-Multimer, RoseTTAFold, ClusPro, Rosetta, AbAdapt | NA | 结构预测质量,三级结构基序匹配度 | NA |
| 202 | 2025-10-06 |
Bibliometric Analysis of Forensic Human Remains Identification Literature from 1991 to 2022
2024-Jun-25, Fa yi xue za zhi
|
文献计量分析 | 对1991-2022年法医人类遗骸鉴定文献进行计量分析，描述研究现状和未来热点 | 首次对该领域32年文献进行系统性计量分析，识别研究趋势和合作模式 | 仅纳入WoSCC英文文献，国际合作范围有限 | 分析法医人类遗骸鉴定领域的研究发展态势和主题演变 | 873篇法医人类遗骸鉴定研究文献 | 法医人类学 | NA | 文献计量分析，网络可视化 | NA | 文献元数据 | 873篇英文论文 | Python 3.9.2, Gephi 0.10 | NA | NA | NA |
| 203 | 2025-10-06 |
Structurally-informed human interactome reveals proteome-wide perturbations by disease mutations
2024-Feb-01, bioRxiv : the preprint server for biology
DOI:10.1101/2023.04.24.538110
PMID:37162909
|
研究论文 | 开发基于深度学习的PIONEER框架，预测蛋白质相互作用界面并揭示疾病突变对蛋白质相互作用网络的扰动 | 首次构建全面结构信息化的蛋白质相互作用组，通过深度学习集成框架准确预测蛋白质结合伴侣特异性界面 | NA | 将人类遗传和基因组发现转化为疾病病理生物学和治疗方法发现 | 人类及七种常见模式生物的已知蛋白质相互作用 | 机器学习 | 癌症 | 全外显子组测序，全基因组测序 | 深度学习 | 基因组数据，蛋白质相互作用数据 | 约60,000个生殖系外显子组，约36,000个体细胞基因组，约11,000个肿瘤全外显子组 | NA | 集成框架 | NA | NA |
| 204 | 2025-10-06 |
Survival analysis using deep learning with medical imaging
2024-05-01, The international journal of biostatistics
DOI:10.1515/ijb-2022-0113
PMID:37312249
|
研究论文 | 本文综述了深度学习在医学影像生存分析中的应用，并通过胶质瘤组织学数据集比较了多种深度学习方法与基于Cox模型的方法 | 将深度学习方法应用于医学影像与生存时间的关联建模，这一研究方向目前尚不成熟，本文提供了系统性的方法概述和实证比较 | 研究范围主要局限于胶质瘤组织学数据，未涵盖其他类型的医学影像或疾病 | 探索深度学习在医学影像生存分析中的应用效果 | 胶质瘤患者的组织学影像数据和生存时间数据 | 数字病理学 | 胶质瘤 | 医学影像分析 | 深度学习 | 组织学图像 | NA | NA | NA | NA | NA |
| 205 | 2025-10-06 |
Study of obesity research using machine learning methods: A bibliometric and visualization analysis from 2004 to 2023
2024-Sep-06, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000039610
PMID:39252327
|
研究论文 | 通过文献计量学和可视化分析方法，系统评估2004-2023年间机器学习方法在肥胖研究中的应用 | 首次采用文献计量学方法系统分析机器学习在肥胖研究领域的发展模式和内在关系 | 仅纳入Web of Science数据库的英文文献，可能存在文献收录偏差 | 定量考察、可视化和分析机器学习方法在肥胖研究中的文献特征和发展趋势 | 2004-2023年间发表的3286篇肥胖研究相关文献 | 机器学习 | 肥胖症 | 文献计量分析 | NA | 文献数据 | 3286篇符合标准的文献 | VOSviewer, CiteSpace, Excel | NA | NA | NA |
| 206 | 2025-10-06 |
Self-supervised learning for CT image denoising and reconstruction: a review
2024-Nov, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00424-w
PMID:39465103
|
综述 | 本文综述了自监督学习在CT图像去噪和重建中的应用方法 | 重点关注无需干净/噪声参考即可学习CT图像的自监督学习方法 | NA | 回顾自监督学习在CT图像去噪和重建中的理论与方法演进 | CT图像 | 医学影像 | NA | CT成像 | 深度学习 | CT图像 | NA | NA | NA | NA | NA |
| 207 | 2025-10-06 |
A deep learning-informed interpretation of why and when dose metrics outside the PTV can affect the risk of distant metastasis in SBRT NSCLC patients
2024-Sep-27, Radiation oncology (London, England)
DOI:10.1186/s13014-024-02519-1
PMID:39334387
|
研究论文 | 本研究通过深度学习模型分析立体定向放射治疗非小细胞肺癌患者中靶区外剂量指标与远处转移风险的关系 | 首次结合深度学习和可解释AI方法系统分析靶区外剂量与远处转移风险的关联，并阐明先前研究结论冲突的原因 | 研究基于单一机构的478例患者数据，需要更大样本量和多中心验证 | 探究立体定向放射治疗中靶区外剂量指标与远处转移风险的关系及其临床意义 | 478例接受SBRT治疗的NSCLC患者 | 数字病理 | 肺癌 | 放射治疗计划分析，剂量测定 | 深度学习模型 | 临床数据，剂量测定数据，肿瘤特征数据 | 478例NSCLC患者 | NA | NA | 风险比，p值 | NA |
| 208 | 2025-10-06 |
Virtual Screening and Molecular Docking: Discovering Novel METTL3 Inhibitors
2024-Sep-12, ACS medicinal chemistry letters
IF:3.5Q2
DOI:10.1021/acsmedchemlett.4c00216
PMID:39291017
|
研究论文 | 本研究通过结合基于结构的虚拟筛选和几何深度学习算法，从自建数据库中发现了新型METTL3抑制剂 | 提出了一种结合传统结构筛选与几何深度学习DeepDock算法的混合高通量虚拟筛选方案 | NA | 发现新型METTL3抑制剂并研究其生物学功能 | METTL3蛋白及其抑制剂 | 计算生物学 | 癌症 | 虚拟筛选，分子对接，分子动力学模拟 | 深度学习 | 分子结构数据 | 自建内部数据库中的化合物 | DeepDock | 几何深度学习 | 抑制活性 | NA |
| 209 | 2025-10-06 |
Development and Validation of a Deep Learning Model for Prediction of Adult Physiological Deterioration
2024-Sep-01, Critical care explorations
DOI:10.1097/CCE.0000000000001151
PMID:39258951
|
研究论文 | 开发并验证用于预测成人患者生理状态恶化的深度学习模型DETERIO | 采用共识定义的恶化标准(AIDE)并将恶化预测建模为状态价值估计问题 | 需要进一步研究评估模型的普适性和真实临床影响 | 开发优于现有商业恶化评分的预测模型 | 成人住院患者和急诊患者 | 医疗人工智能 | 生理功能恶化 | 深度学习 | 深度学习模型 | 临床患者数据 | 推导队列330,729名患者(71,735住院+258,994急诊)，验证队列65,898名患者(13,750住院+52,148急诊) | NA | 基于先前工作的深度学习架构 | AUC, 敏感性, 阳性预测值 | NA |
| 210 | 2025-10-06 |
RiskPath: Explainable deep learning for multistep biomedical prediction in longitudinal data
2024-Dec-26, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.09.19.24313909
PMID:39371168
|
研究论文 | 开发用于纵向数据多步生物医学预测的可解释深度学习工具箱RiskPath | 结合理论指导的优化方法指定最优模型拓扑结构，提供预测因子重要性随时间变化映射和可视化功能 | NA | 开发适用于风险分层的可解释时间序列AI方法 | 纵向队列数据中的疾病风险预测 | 机器学习 | NA | 时间序列分析 | 深度学习 | 纵向时间序列数据 | NA | NA | NA | NA | NA |
| 211 | 2025-10-06 |
Automated surgical skill assessment in colorectal surgery using a deep learning-based surgical phase recognition model
2024-11, Surgical endoscopy
DOI:10.1007/s00464-024-11208-9
PMID:39214877
|
研究论文 | 本研究开发了一种基于深度学习的结直肠手术阶段识别模型，用于自动评估外科手术技能 | 首次将手术阶段识别模型应用于结直肠手术技能评估，通过分析手术阶段参数实现自动化技能分级 | 样本量相对有限，仅针对腹腔镜乙状结肠切除术进行评估 | 验证使用手术阶段识别模型评估外科手术技能的可行性 | 结直肠外科手术视频和不同技能水平的外科医生 | 计算机视觉 | 结直肠癌 | 深度学习 | 深度学习模型 | 手术视频 | 85个手术视频（专家组26个、中间组32个、新手组27个），总计1272个视频片段 | NA | NA | p值统计显著性 | NA |
| 212 | 2024-09-15 |
Breaking barriers in inner ear MRI: The changing role of deep learning reconstruction
2024-Oct, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2024.07.010
PMID:39271366
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 213 | 2025-10-06 |
Deep Learning for Automatic Knee Osteoarthritis Severity Grading and Classification
2024-Oct, Indian journal of orthopaedics
IF:1.1Q3
DOI:10.1007/s43465-024-01259-4
PMID:39324090
|
研究论文 | 本研究开发了一种基于深度学习的自动膝关节骨关节炎严重程度分级和分类方法 | 采用迁移学习方法并比较14种不同深度学习模型在膝关节X射线图像分析中的性能，首次将像素比率计算与决策树模型相结合用于OA预测 | 测试准确率为67%，仍有提升空间，且仅使用单一数据集进行验证 | 开发深度学习方法来预测膝关节置换可能性和Kellgren-Lawrence分级 | 膝关节骨关节炎患者的X射线图像 | 计算机视觉 | 骨关节炎 | X射线成像 | CNN | 图像 | 骨关节炎倡议(OAI)数据集 | TensorFlow, Keras | Xception, VGG16, VGG19, ResNet50, ResNet101, ResNet152, ResNet50V2, ResNet101V2, ResNet152V2, Inception V3, Inception ResNetV2, DenseNet121, DenseNet169, DenseNet201 | 准确率 | NA |
| 214 | 2025-10-06 |
Reducing motion artifacts in craniocervical background subtraction angiography with deformable registration and unsupervised deep learning
2024-Sep, Radiology advances
DOI:10.1093/radadv/umae020
PMID:40927738
|
研究论文 | 本研究开发了一种基于无监督深度学习的可变形配准模型，用于显著减少头颈部数字减影血管造影中的运动伪影 | 引入了具有血管层估计的新型图像相似性损失函数，优化背景配准，使其对血管内碘造影剂的可变存在具有鲁棒性 | NA | 开发快速可变形配准模型以减少头颈部血管造影中的DSA配准误差 | 头颈部血管造影图像 | 医学影像处理 | 脑血管疾病 | 数字减影血管造影 | 深度学习 | 医学影像 | 516项研究，包含5,240个血管造影序列 | HyperMorph | 可变形配准网络 | 血管保真度评分，减影伪影评分，整体质量评分，推理时间 | NA |
| 215 | 2025-10-06 |
Robust Medical Diagnosis: A Novel Two-Phase Deep Learning Framework for Adversarial Proof Disease Detection in Radiology Images
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00916-8
PMID:38343214
|
研究论文 | 提出一种用于放射影像疾病检测的两阶段深度学习防御框架，以增强模型对抗对抗攻击的鲁棒性 | 结合改进的对抗学习算法和JPEG压缩图像滤波技术，构建两阶段防御框架，显著提升模型在对抗攻击下的诊断可靠性 | 仅针对三种特定对抗攻击方法进行评估，未涵盖所有可能的攻击类型 | 开发对抗攻击鲁棒的医学影像诊断系统 | 肺部放射影像（X光和CT） | 计算机视觉 | COVID-19 | 深度学习 | CNN | 图像 | NA | NA | ResNet-50,VGG-16,Inception-V3 | 准确率 | NA |
| 216 | 2025-10-06 |
A Deep Learning-Based Approach for Cervical Cancer Classification Using 3D CNN and Vision Transformer
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00911-z
PMID:38343216
|
研究论文 | 提出一种结合3D CNN和Vision Transformer的深度学习系统用于宫颈癌分类 | 首次将3D CNN的时空特征提取能力与Vision Transformer的复杂特征学习能力相结合，并引入3D特征金字塔网络和3D SE模块进行特征优化 | NA | 开发有效的宫颈癌分类系统以辅助早期检测和治疗 | 宫颈图像 | 计算机视觉 | 宫颈癌 | 深度学习 | 3D CNN, Vision Transformer | 图像 | NA | NA | 3D CNN, Vision Transformer, 3D FPN, 3D SE模块, KELM | 准确率 | NA |
| 217 | 2025-10-06 |
Analysis of Validation Performance of a Machine Learning Classifier in Interstitial Lung Disease Cases Without Definite or Probable Usual Interstitial Pneumonia Pattern on CT Using Clinical and Pathology-Supported Diagnostic Labels
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00914-w
PMID:38343230
|
研究论文 | 评估机器学习分类器Fibresolve在非典型间质性肺病CT模式中对特发性肺纤维化的诊断性能 | 针对不符合明确或疑似普通型间质性肺炎CT模式的病例验证机器学习分类器的诊断能力 | 样本量有限（295例患者），需要进一步多中心验证 | 评估机器学习分类器在非典型间质性肺病病例中的诊断性能 | 间质性肺病患者，特别是不符合明确或疑似UIP CT模式的病例 | 医学影像分析 | 间质性肺病 | 胸部计算机断层扫描（CT） | 深度学习 | 医学影像 | 295例患者的多中心验证数据集 | NA | NA | 灵敏度, 特异度 | NA |
| 218 | 2025-10-06 |
Hybrid Topological Data Analysis and Deep Learning for Basal Cell Carcinoma Diagnosis
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00924-8
PMID:38343238
|
研究论文 | 本研究结合拓扑数据分析和深度学习开发了一种用于基底细胞癌诊断的混合模型 | 首次将拓扑数据分析与深度学习相结合用于基底细胞癌诊断，通过持久同源性提取拓扑特征并与深度学习特征融合 | 研究仅针对基底细胞癌，未验证对其他皮肤癌类型的适用性 | 开发基于混合拓扑数据分析和深度学习的基底细胞癌自动诊断模型 | 皮肤病变图像中的毛细血管扩张和皮肤病变区域 | 计算机视觉 | 皮肤癌 | 拓扑数据分析，持久同源性 | CNN | 图像 | 395个皮肤病变 | NA | EfficientNet-B5 | 准确率，AUC | NA |
| 219 | 2025-10-06 |
Background Subtraction Angiography with Deep Learning Using Multi-frame Spatiotemporal Angiographic Input
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00921-x
PMID:38343209
|
研究论文 | 提出利用多帧时空血管造影输入的深度学习背景减除血管造影方法，显著减少运动伪影 | 首次利用血管造影时间序列的丰富时间信息，开发了改进的2D+t深度学习模型，并创建了神经血管造影领域特定的合成仿射运动增强流程 | 研究主要针对脑部血管造影，需要验证在其他血管区域的应用效果 | 改善导管数字减影血管造影中的运动伪影问题 | 脑部血管造影图像 | 计算机视觉 | 脑血管疾病 | 数字减影血管造影 | 深度学习 | 血管造影图像序列 | 516个脑部血管造影，包含8784个独立序列 | NA | 2D U-Net, 3D U-Net, SegResNet, UNETR | RMSE, Multi-Scale SSIM | NA |
| 220 | 2025-10-06 |
Invertible and Variable Augmented Network for Pretreatment Patient-Specific Quality Assurance Dose Prediction
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00930-w
PMID:38343215
|
研究论文 | 提出一种改进的可逆和变量增强网络用于预测放疗前患者特异性质量保证的三维剂量分布 | 首次使用IVPSQA模型预测3D放疗前患者特异性质量保证剂量分布，开发了改进的可逆和变量增强网络架构 | 仅针对2018-2021年间接受VMAT治疗的300名癌症患者进行研究，样本量相对有限 | 提高放疗前患者特异性质量保证的准确性和效率，减轻医学物理师的工作负担 | 300名接受容积调强弧形放疗的癌症患者 | 医学影像分析 | 癌症 | 容积调强弧形放疗 | 深度学习网络 | CT图像、放疗剂量数据、测量引导剂量分布 | 300例患者（240例训练，60例测试） | NA | 可逆和变量增强网络 | SSIM, MSE, MAE, 剂量差异图, 水平剖面比较 | NA |