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 1501 - 1520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1501 | 2025-10-07 |
Image2InChI: Automated Molecular Optical Image Recognition
2024-05-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c02082
PMID:38359459
|
研究论文 | 提出基于深度学习的自动化分子光学图像识别模型Image2InChI，实现分子图像到机器可读表示的转换 | 引入具有注意力机制的新型特征融合网络，集成图像块与InChI预测 | NA | 提高分子图像识别的准确性和效率，为药物发现提供人工智能支持 | 分子光学图像 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | NA | NA | SwinTransformer, Transformer Decoder | InChI准确率, Morgan FP, 最大公共结构准确率, 最长公共子序列准确率 | NA |
| 1502 | 2025-10-07 |
Intramolecular and Water Mediated Tautomerism of Solvated Glycine
2024-05-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00273
PMID:38620066
|
研究论文 | 本研究利用基于深度学习的增强采样分子动力学方法，探究了甘氨酸在水溶液中的互变异构现象 | 首次揭示了甘氨酸在水溶液中通过分子内和分子间两种质子转移路径实现互变异构的机制 | 研究仅限于甘氨酸分子，未扩展到其他氨基酸或不同溶剂环境 | 探究溶剂环境中甘氨酸的互变异构动力学过程 | 甘氨酸分子在水溶液中的互变异构行为 | 计算化学 | NA | 增强采样分子动力学，深度学习势能函数 | 深度学习势能模型 | 分子动力学模拟数据 | 甘氨酸水溶液体系 | NA | NA | 反应能垒，反应通量 | NA |
| 1503 | 2025-10-07 |
MMSyn: A New Multimodal Deep Learning Framework for Enhanced Prediction of Synergistic Drug Combinations
2024-05-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00165
PMID:38676916
|
研究论文 | 提出一种名为MMSyn的多模态深度学习框架，用于预测协同药物组合 | 首次结合药物分子特征（结构、指纹、字符串编码）与癌细胞系特征（基因表达、DNA拷贝数、通路活性），通过注意力机制和交互模块进行多模态融合 | NA | 开发深度学习框架以预测协同药物组合，提高癌症联合治疗的筛选效率 | 药物分子和癌细胞系 | 机器学习 | 癌症 | 高通量筛选 | 多层感知机,注意力机制 | 药物分子特征数据,基因表达数据,DNA拷贝数数据,通路活性数据 | NA | NA | 多层感知机 | 分层交叉验证 | NA |
| 1504 | 2025-10-07 |
Sequential Contrastive and Deep Learning Models to Identify Selective Butyrylcholinesterase Inhibitors
2024-04-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00397
PMID:38532612
|
研究论文 | 本研究开发了序列对比学习和深度学习模型来识别选择性丁酰胆碱酯酶抑制剂 | 首次将监督对比学习与深度学习和随机森林在单模型和序列模型配置中进行比较，用于识别BChE选择性抑制剂 | 仅测试了20个预测化合物的选择性，样本量较小 | 开发高效识别选择性丁酰胆碱酯酶抑制剂的机器学习策略 | 丁酰胆碱酯酶抑制剂化合物 | 机器学习 | 阿尔茨海默病 | 虚拟筛选 | 对比学习,深度学习,随机森林 | 化合物数据 | 500万化合物库中筛选测试20个化合物 | NA | NA | 精确度 | NA |
| 1505 | 2025-10-07 |
Rectify ViT Shortcut Learning by Visual Saliency
2024-Dec, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3310531
PMID:37703160
|
研究论文 | 提出一种新颖的显著性引导视觉Transformer模型，用于纠正ViT中的捷径学习问题 | 首次在ViT框架中解决捷径学习问题，并提出无需眼动数据的视觉显著性引导方法 | 依赖计算视觉显著性模型的准确性，可能无法完全替代真实眼动数据 | 纠正视觉Transformer中的捷径学习问题，提高模型泛化能力和可解释性 | 自然图像和医学图像 | 计算机视觉 | NA | 视觉显著性建模，自注意力机制 | Transformer | 图像 | NA | NA | Vision Transformer (ViT) | NA | NA |
| 1506 | 2025-10-07 |
Medical Transformer: Universal Encoder for 3-D Brain MRI Analysis
2024-Dec, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3308712
PMID:37738193
|
研究论文 | 提出一种用于3D脑部MRI分析的通用编码器Medical Transformer，通过多视图方法和自监督学习实现高效迁移学习 | 将3D体积图像建模为2D图像切片序列，采用多视图方法利用3D体积三个平面的信息，同时提供参数高效的训练 | 仅使用健康脑部MRI数据进行预训练，在部分训练样本场景下的性能仍有提升空间 | 开发适用于医学图像分析的通用迁移学习框架 | 3D脑部磁共振成像(MRI) | 医学影像分析 | 脑部疾病 | 磁共振成像(MRI) | Transformer | 3D医学图像 | 大规模正常健康脑部MRI数据集 | NA | Transformer | 参数减少率, 分类性能, 回归性能, 分割性能 | NA |
| 1507 | 2025-10-07 |
Advancements in automated classification of chronic obstructive pulmonary disease based on computed tomography imaging features through deep learning approaches
2024 Nov-Dec, Respiratory medicine
IF:3.5Q2
DOI:10.1016/j.rmed.2024.107809
PMID:39299523
|
综述 | 本文综述了基于CT影像特征通过深度学习方法自动分类慢性阻塞性肺疾病的最新研究进展 | 系统总结了深度学习在COPD分类中分析关键放射学特征（气道改变、肺气肿和血管特征）的创新应用 | 未涉及具体实验验证，主要基于文献综述，缺乏实证数据支持 | 为COPD的个性化管理和治疗提供新视角 | 慢性阻塞性肺疾病（COPD）患者 | 医学影像分析 | 慢性阻塞性肺疾病 | 计算机断层扫描（CT） | 深度学习 | CT影像 | NA | NA | NA | NA | NA |
| 1508 | 2025-10-07 |
Deep Learning-Based Reconstruction Algorithm With Lung Enhancement Filter for Chest CT: Effect on Image Quality and Ground Glass Nodule Sharpness
2024-09, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.0472
PMID:39197828
|
研究论文 | 评估结合深度学习图像重建算法与肺部增强滤波器对胸部CT图像质量和磨玻璃结节清晰度的影响 | 首次将肺部增强滤波器与深度学习图像重建算法相结合，显著提升磨玻璃结节边缘清晰度 | 研究基于体模实验，未涉及真实患者数据验证 | 优化低剂量胸部CT的图像重建质量 | 胸部体模中的人工磨玻璃结节 | 医学影像处理 | 肺部结节 | CT扫描 | 深度学习图像重建 | CT图像 | 5个不同密度的人工磨玻璃结节，4个辐射剂量水平，共12组重建图像 | NA | Truefidelity | 图像噪声，信噪比，对比噪声比，半高全宽值 | 256排CT扫描仪（Revolution Apex CT, GE Healthcare） |
| 1509 | 2025-10-07 |
Diagnostic Accuracy of AI Algorithms in Aortic Stenosis Screening: A Systematic Review and Meta-Analysis
2024-09, Clinical medicine & research
IF:1.2Q2
DOI:10.3121/cmr.2024.1934
PMID:39438148
|
系统综述与荟萃分析 | 评估人工智能算法在主动脉瓣狭窄筛查中的诊断准确性 | 首次对AI算法在AS筛查中的诊断性能进行系统评价和荟萃分析，涵盖多种数据源和AI方法 | 存在发表偏倚，纳入研究数量有限（10项），存在异质性来源 | 评估AI算法在主动脉瓣狭窄筛查中的诊断准确性 | 主动脉瓣狭窄患者 | 医疗AI | 心血管疾病 | 心电图、胸部X光片、听诊音频文件、电子听诊器记录、穿戴式惯性传感器信号 | 深度学习 | 心电图、影像、音频、传感器信号 | 10项符合纳入标准的研究（从295篇文献中筛选） | NA | NA | 灵敏度, 特异度, 诊断比值比, 阴性似然比, 阳性似然比, AUC | NA |
| 1510 | 2025-10-07 |
Computer-Aided Diagnosis of Duchenne Muscular Dystrophy Based on Texture Pattern Recognition on Ultrasound Images Using Unsupervised Clustering Algorithms and Deep Learning
2024-07, Ultrasound in medicine & biology
|
研究论文 | 本研究通过无监督聚类算法和深度学习技术，基于超声图像纹理模式识别开发杜氏肌营养不良症的计算机辅助诊断系统 | 首次将k-means和模糊c-means聚类算法用于DMD超声图像纹理重建，并结合深度学习模型实现疾病分期和行走功能的自动识别 | 未明确说明样本数据的具体规模和来源限制 | 开发基于超声图像的杜氏肌营养不良症计算机辅助诊断系统 | 杜氏肌营养不良症患者的腓肠肌群超声图像 | 计算机视觉 | 杜氏肌营养不良症 | 超声成像 | CNN, 高斯朴素贝叶斯, k近邻, 决策树 | 图像 | NA | NA | VGG-16, VGG-19 | 准确率 | NA |
| 1511 | 2025-10-07 |
Misplaced Trust and Distrust: How Not to Engage with Medical Artificial Intelligence
2024-Jul, Cambridge quarterly of healthcare ethics : CQ : the international journal of healthcare ethics committees
IF:1.5Q3
DOI:10.1017/S0963180122000445
PMID:36263755
|
研究论文 | 本文通过分析医疗人工智能中信任与不信任被错置的案例，提出了一种分类法，为临床和监管决策提供伦理约束 | 采用逆向视角，通过分析错置信任与不信任的负面案例来构建伦理框架，而非正面定义信任要素 | 未提供信任在医疗AI中的正确定义，主要依赖理论分析和案例比较 | 探讨如何正确与医疗人工智能系统互动，避免信任与不信任的错置 | 医疗人工智能系统的伦理参与方式 | 医学伦理 | NA | 哲学分析，伦理框架构建 | NA | 理论分析，案例研究 | NA | NA | NA | NA | NA |
| 1512 | 2025-10-07 |
Prognostication of Hepatocellular Carcinoma Using Artificial Intelligence
2024-06, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.0070
PMID:38807336
|
综述 | 本文综述了人工智能在肝细胞癌预后预测中的应用价值与前景 | 提出基于放射组学或深度学习的人工智能方法可对肝细胞癌表型进行客观、详细和全面的分析 | 传统放射学方法存在主观性和观察者间差异性的局限 | 探讨人工智能在肝细胞癌预后预测中的潜在价值 | 肝细胞癌（HCC）患者 | 数字病理 | 肝细胞癌 | 放射组学，深度学习 | NA | 影像数据 | NA | NA | NA | NA | NA |
| 1513 | 2025-10-07 |
Localization and Risk Stratification of Thyroid Nodules in Ultrasound Images Through Deep Learning
2024-06, Ultrasound in medicine & biology
|
研究论文 | 开发结合深度学习和TI-RADS标准的集成系统，用于甲状腺结节超声图像的分割和风险分层 | 提出将Mask R-CNN深度学习模型与临床标准TI-RADS系统相结合的集成方法，实现甲状腺结节的同步分割和风险分层 | 研究仅针对TI-RADS 4级甲状腺结节，样本量相对有限（304张图像） | 开发能够同时进行甲状腺结节分割和风险分层的集成诊断系统 | 甲状腺结节超声图像 | 计算机视觉 | 甲状腺疾病 | 超声成像 | CNN | 图像 | 304张来自两个独立机构的甲状腺结节超声图像 | NA | Mask R-CNN | 准确率, 精确率-召回率曲线, 平均精度, Dice相似系数 | NA |
| 1514 | 2025-10-07 |
Statistical and Machine Learning Analysis in Brain-Imaging Genetics: A Review of Methods
2024-05, Behavior genetics
IF:2.6Q2
DOI:10.1007/s10519-024-10177-y
PMID:38336922
|
综述 | 本文综述了脑影像遗传学分析方法的发展历程，从早期大规模单变量分析到当前深度学习方法 | 系统梳理了脑影像遗传学方法学的演进路径，对比了不同方法的优缺点 | 作为综述文章，未提出新的分析方法 | 总结脑影像遗传学分析方法的发展与挑战 | 脑影像数据与遗传数据的整合分析方法 | 机器学习 | 脑部疾病 | 神经影像技术、基因组学技术 | 深度学习, 传统统计模型 | 影像数据, 遗传数据 | NA | NA | NA | NA | NA |
| 1515 | 2025-10-07 |
Positive Predictive Values of Abnormality Scores From a Commercial Artificial Intelligence-Based Computer-Aided Diagnosis for Mammography
2024-04, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2023.0907
PMID:38528692
|
研究论文 | 评估商业AI-CAD系统在乳腺X线摄影中异常评分的阳性预测值及其与临床和影像学发现的关系 | 首次系统评估深度学习商业AI-CAD系统异常评分的阳性预测值，并按评分分组分析其与恶性肿瘤风险的关联 | 回顾性研究设计，样本仅来自单一机构，高风险女性比例较低(0.6%) | 研究AI-CAD系统异常评分的临床意义和诊断价值 | 599名女性(平均年龄52.6岁)的656个乳腺，均接受乳腺X线摄影且AI-CAD结果阳性 | 数字病理 | 乳腺癌 | 乳腺X线摄影 | 深度学习 | 医学影像 | 656个乳腺(来自599名女性) | NA | 商业AI-CAD系统(Lunit Insight MMG) | 阳性预测值(PPV) | NA |
| 1516 | 2025-04-23 |
Uncover This Tech Term: Uncertainty Quantification for Deep Learning
2024-04, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.0108
PMID:38528697
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1517 | 2025-10-07 |
Automated Detection and Segmentation of Bone Metastases on Spine MRI Using U-Net: A Multicenter Study
2024-04, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2023.0671
PMID:38528694
|
研究论文 | 开发并评估用于脊柱MRI骨转移瘤自动分割和检测的深度学习模型 | 首次使用U-Net模型在多中心脊柱MRI数据上实现骨转移瘤的自动分割与检测，并与放射科医生性能进行对比 | 样本量相对有限，外部测试集仅包含49个MRI序列 | 开发自动检测和分割脊柱MRI骨转移瘤的深度学习模型 | 成人骨转移瘤患者的脊柱MRI扫描 | 医学影像分析 | 骨转移瘤 | MRI成像 | U-Net | 医学影像 | 训练集536个MRI序列（302名患者），内部测试126个序列，外部测试49个序列（20名患者） | NA | 2D U-Net, 3D U-Net | Dice系数, 像素级召回率, 像素级精确率, 每病灶敏感度, 自由响应接收器操作特性曲线 | NA |
| 1518 | 2025-10-07 |
Dark-Blood Computed Tomography Angiography Combined With Deep Learning Reconstruction for Cervical Artery Wall Imaging in Takayasu Arteritis
2024-04, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2023.1078
PMID:38528696
|
研究论文 | 评估结合深度学习重建的黑血CT血管成像在Takayasu动脉炎患者颈动脉壁成像中的图像质量 | 首次将黑血CTA与深度学习重建技术结合应用于Takayasu动脉炎的颈动脉壁成像 | 样本量较小（53例患者），单中心研究 | 评估黑血CTA结合深度学习重建在颈动脉壁成像中的图像质量 | Takayasu动脉炎患者的颈动脉 | 医学影像分析 | Takayasu动脉炎 | 计算机断层扫描血管成像（CTA） | 深度学习 | 医学影像 | 53例Takayasu动脉炎患者（平均年龄33.8±10.2岁，49名女性） | NA | NA | 对比噪声比（CNR），定性图像质量评分，诊断置信度指数 | NA |
| 1519 | 2025-10-07 |
Improving Diagnostic Performance of MRI for Temporal Lobe Epilepsy With Deep Learning-Based Image Reconstruction in Patients With Suspected Focal Epilepsy
2024-04, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2023.0842
PMID:38528695
|
研究论文 | 评估基于深度学习的图像重建技术对颞叶癫痫MRI诊断性能的提升效果 | 首次将深度学习图像重建技术应用于1.5毫米层厚MRI，显著提升颞叶癫痫的诊断敏感性 | 回顾性研究设计，样本量有限（117例患者），特异性较常规MRI有所降低 | 提高颞叶癫痫的MRI诊断准确性 | 117例疑似局灶性癫痫患者的MRI图像 | 医学影像分析 | 颞叶癫痫 | MRI，深度学习图像重建 | 深度学习 | 医学影像 | 117例患者（34例TLE患者，83例非TLE患者） | NA | NA | 敏感性，特异性，准确率，信噪比，对比噪声比 | NA |
| 1520 | 2025-10-07 |
The G Protein-Coupled Receptor-Related Gene Signatures for Diagnosis and Prognosis in Glioblastoma: A Deep Learning Model Using RNA-Seq Data
2024-Dec-01, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2024.25.12.4201
PMID:39733410
|
研究论文 | 本研究通过深度学习模型利用RNA-Seq数据识别胶质母细胞瘤中G蛋白偶联受体相关基因标志物用于诊断和预后 | 首次结合深度学习和RNA-Seq数据系统分析GPCR基因在胶质母细胞瘤中的诊断和预后价值，识别出多个新型生物标志物 | 研究仅基于532名患者队列，需要更大样本验证；未进行实验验证 | 开发基于GPCR相关基因标志物的胶质母细胞瘤诊断和预后深度学习模型 | 532名胶质母细胞瘤患者的RNA-Seq数据 | 机器学习 | 胶质母细胞瘤 | RNA-Seq | 深度学习 | 基因表达数据 | 532名GBM患者 | NA | NA | 相关系数，生存分析 | NA |