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 12108 篇文献，本页显示第 1821 - 1840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1821 | 2025-05-02 |
Deep learning in integrating spatial transcriptomics with other modalities
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae719
PMID:39800876
|
综述 | 本文系统回顾了深度学习在整合空间转录组学与其他模态数据中的应用 | 首次全面综述了深度学习在整合空间转录组学与其他模态数据中的方法与应用 | 未涉及具体实验验证，主要基于文献综述 | 促进开发更强大的计算方法以更全面地利用多模态信息 | 空间转录组学数据与其他模态数据的整合方法 | 生物信息学 | NA | 空间转录组学、单细胞RNA测序(scRNA-seq)、深度学习 | 深度学习(DL) | 空间转录组学数据、组织学图像、染色质图像、scRNA-seq数据 | NA | NA | NA | NA | NA |
| 1822 | 2025-05-02 |
DD-PRiSM: a deep learning framework for decomposition and prediction of synergistic drug combinations
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae717
PMID:39800875
|
research paper | 介绍了一种名为DD-PRiSM的深度学习框架，用于分解和预测协同药物组合的效果 | DD-PRiSM能够分解组合疗法的效果，成功识别协同药物对，并展示了协同反应在不同癌症类型中的差异 | 未明确提及具体限制 | 预测组合疗法的效果和安全性，特别是针对癌症等复杂疾病 | 药物组合及其在细胞系中的效果 | machine learning | cancer | deep learning | DD-PRiSM (包含Monotherapy模型和Combination therapy模型) | 药物结构、细胞系基因表达数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 1823 | 2024-12-05 |
Letter to the Editor Regarding "A Practical Roadmap to Implementing Deep Learning Segmentation in the Clinical Neuroimaging Research Workflow"
2024-Nov, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2024.07.121
PMID:39623627
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1824 | 2025-05-02 |
Assessment of Pelvic Tilt in Anteroposterior Radiographs by Area Ratio Based on Deep Learning
2024-Oct-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005093
PMID:38975768
|
research paper | 利用基于深度学习的语义分割模型，通过前后位X光片中骨盆小骨盆与闭孔的面积比评估骨盆倾斜 | 首次将深度学习语义分割模型应用于骨盆倾斜的自动测量，通过面积比方法提高了测量的准确性和鲁棒性 | 研究样本量相对较小（20个模拟骨盆和231个临床案例），可能影响结果的普遍性 | 开发一种自动测量骨盆倾斜的方法，以辅助髋关节和脊柱手术 | 骨盆X光片（模拟和临床案例） | digital pathology | geriatric disease | deep learning semantic segmentation | CNN | image | 20个模拟骨盆（10男10女）和231个临床案例 | NA | NA | NA | NA |
| 1825 | 2025-05-02 |
A Practical Roadmap to Implementing Deep Learning Segmentation in the Clinical Neuroimaging Research Workflow
2024-09, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2024.06.026
PMID:38866234
|
research paper | 本文探讨了一种利用开源工具加速和增强临床研究中图像分割的通用方法 | 提出了一种迭代的模型训练和迁移学习方法，强调在标记过程的早期进行内部验证和异常值处理，后期进行微调 | NA | 为使用机器学习技术进行图像分割的研究提供加速和增强可重复性的框架 | 临床神经影像研究中的图像分割 | machine learning | NA | deep learning | NA | image | NA | NA | NA | NA | NA |
| 1826 | 2025-05-02 |
Predicting the Outcome and Survival of Patients with Spinal Cord Injury Using Machine Learning Algorithms: A Systematic Review
2024-08, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2024.05.103
PMID:38796146
|
系统综述 | 本文通过系统综述评估了机器学习算法在脊髓损伤（SCI）患者诊断和预后预测中的表现 | 总结了机器学习在SCI领域的应用潜力，特别是在诊断和预后预测方面的效果 | 需要进一步研究深度学习算法在急性SCI诊断中的应用 | 评估机器学习算法在脊髓损伤患者诊断和预后预测中的性能 | 脊髓损伤患者 | 机器学习 | 脊髓损伤 | 机器学习算法 | ML和DL算法 | 临床数据 | 9424名被诊断为脊髓损伤的患者 | NA | NA | NA | NA |
| 1827 | 2025-05-02 |
Usefulness of Artificial Intelligence in Traumatic Brain Injury: A Bibliometric Analysis and Mini-review
2024-08, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2024.05.065
PMID:38759786
|
综述 | 本文通过文献计量分析和迷你综述，探讨了人工智能在创伤性脑损伤（TBI）中的主要应用 | 结合文献计量分析和迷你综述，全面评估了人工智能在TBI领域的研究进展和应用潜力 | 主要基于Scopus数据库的文献，可能未涵盖所有相关研究 | 评估人工智能在创伤性脑损伤领域的应用和研究趋势 | 创伤性脑损伤（TBI）相关的科学出版物 | 人工智能 | 创伤性脑损伤 | 文献计量分析、知识图谱分析 | NA | 文献数据 | 495篇科学出版物（2000-2023年） | NA | NA | NA | NA |
| 1828 | 2025-10-07 |
Semiautomatic Assessment of Facet Tropism From Lumbar Spine MRI Using Deep Learning: A Northern Finland Birth Cohort Study
2024-May-01, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000004909
PMID:38105615
|
研究论文 | 本研究开发了一种基于深度学习的半自动框架，用于从腰椎MRI测量小关节角度并研究小关节取向异常 | 首次在大型芬兰出生队列中应用深度学习自动测量小关节角度并分析小关节取向异常 | 研究为回顾性横断面设计，模型仅在430名参与者的MRI图像上训练 | 开发半自动测量小关节角度的深度学习框架并研究人群中小关节取向异常的患病率 | NFBC1966芬兰出生队列中的1288名参与者的腰椎MRI图像 | 数字病理 | 脊柱疾病 | T2加权轴向磁共振成像 | 深度学习模型 | 医学影像 | 训练集430人，总队列1288人，评估集60人 | NA | NA | Dice分数, 交并比 | NA |
| 1829 | 2025-10-07 |
A New Deep Learning Algorithm for Detecting Spinal Metastases on Computed Tomography Images
2024-Mar-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000004889
PMID:38084012
|
研究论文 | 开发了一种基于深度学习的新型计算机辅助检测模型，用于自动检测胸腰椎区域的溶骨性骨转移病灶 | 提出了一种新的深度学习算法，专门针对常规CT扫描中的胸腰椎溶骨性骨转移病灶检测 | 准确性仍需进一步提高 | 自动检测胸腰椎区域的溶骨性骨转移病灶，改善癌症患者生活质量 | 胸腰椎区域的溶骨性骨转移病灶 | 计算机视觉 | 骨转移癌 | 计算机断层扫描(CT) | 深度学习 | CT图像 | 263份阳性CT扫描（含骨转移病灶）和172份阴性CT扫描（无骨转移），测试集包含20份阳性和20份阴性CT扫描 | NA | NA | 敏感度, 精确率, F1分数, 特异性 | NA |
| 1830 | 2025-05-02 |
Inflamed immune phenotype predicts favorable clinical outcomes of immune checkpoint inhibitor therapy across multiple cancer types
2024-02-14, Journal for immunotherapy of cancer
IF:10.3Q1
DOI:10.1136/jitc-2023-008339
PMID:38355279
|
研究论文 | 本研究探讨了基于AI的免疫表型在预测多种实体瘤类型中免疫检查点抑制剂治疗临床结果的能力 | 利用深度学习模型Lunit SCOPE IO客观且可重复地定义炎症免疫表型（IIP），并验证其作为跨多种肿瘤类型的免疫检查点抑制剂治疗反应的生物标志物 | 微卫星不稳定/错配修复缺陷亚组的IIP未能预测有利的无进展生存期 | 评估AI定义的IIP与免疫检查点抑制剂治疗临床结果之间的相关性 | 1,806名接受免疫检查点抑制剂治疗的患者，涵盖超过27种实体瘤类型 | 数字病理学 | 多种癌症 | 深度学习 | Lunit SCOPE IO | 图像 | 1,806名患者 | NA | NA | NA | NA |
| 1831 | 2025-05-02 |
Advanced computational tools, artificial intelligence and machine-learning approaches in gut microbiota and biomarker identification
2024, Frontiers in medical technology
IF:2.7Q3
DOI:10.3389/fmedt.2024.1434799
PMID:40303946
|
综述 | 本文综述了先进计算工具、人工智能和机器学习方法在肠道微生物群和生物标志物识别中的应用 | 整合多组学数据和先进AI技术，探索微生物组与宿主健康的复杂关系，推动个性化治疗策略的发展 | 未提及具体技术实施细节或临床验证结果 | 探索计算工具和AI在肠道微生物组研究中的应用，以识别疾病诊断和治疗的生物标志物 | 肠道微生物群及其与宿主健康的相互作用 | 机器学习 | NA | 多组学数据整合（宏基因组学、宏蛋白质组学、代谢组学） | 深度学习、基于网络的方法 | 多组学数据 | NA | NA | NA | NA | NA |
| 1832 | 2025-10-07 |
Transcription factor prediction using protein 3D secondary structures
2024-Dec-26, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae762
PMID:39786868
|
研究论文 | 提出首个利用蛋白质3D二级结构信息的深度学习转录因子预测方法StrucTFactor | 首次利用蛋白质3D二级结构信息进行转录因子预测，相比传统方法不依赖已知DNA结合结构域 | NA | 开发更准确的转录因子预测方法 | 转录因子（DNA结合蛋白） | 机器学习 | NA | 蛋白质3D结构分析 | 深度学习 | 蛋白质3D结构数据 | 约525,000个蛋白质，涵盖12个数据集 | NA | NA | Matthews相关系数 | NA |
| 1833 | 2025-10-07 |
BetaAlign: a deep learning approach for multiple sequence alignment
2024-Dec-26, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf009
PMID:39775454
|
研究论文 | 提出了一种基于深度学习的多序列比对方法BetaAlign，利用自然语言处理技术进行生物序列比对 | 首个深度学习比对器，采用自然语言处理技术中的transformer架构，通过模拟生成的比对数据进行训练 | NA | 开发基于人工智能的多序列比对方法，挑战传统比对算法 | 生物序列数据 | 自然语言处理 | NA | 自然语言处理，深度学习 | Transformer | 生物序列数据 | NA | PyTorch（基于HuggingFace） | Transformer | 准确率 | NA |
| 1834 | 2025-10-07 |
Forecasting Subway Passenger Flow for Station-Level Service Supply
2024-12, Big data
IF:2.6Q2
DOI:10.1089/big.2021.0318
PMID:35749714
|
研究论文 | 提出一种名为DeepSPF的深度学习架构，用于预测考虑不同功能类型车站的地铁客流 | 提出结合LSTM和一维卷积的滑动长短期记忆神经网络，能够识别不同类型车站的未来客流差异 | 仅在北京地铁数据集上进行实验验证，未在其他城市地铁系统测试 | 改进地铁站点级服务供应链管理中的客流预测精度 | 北京地铁系统的乘客流量数据 | 机器学习 | NA | 深度学习 | LSTM, CNN | 时间序列数据 | 北京地铁系统数据 | NA | 滑动LSTM神经网络，一维卷积 | 在10分钟、15分钟和30分钟三个时间粒度上的预测精度 | NA |
| 1835 | 2025-10-07 |
Deep learning-based fishing ground prediction with multiple environmental factors
2024-Nov, Marine life science & technology
IF:5.8Q1
DOI:10.1007/s42995-024-00222-4
PMID:39620085
|
研究论文 | 本研究开发了一种基于深度学习的多环境因素渔场预测模型，以西北太平洋鸢乌贼为例 | 首次将改进的U-Net模型应用于多环境因素渔场预测，通过优化时间尺度和环境因子组合提高了渔场中心集中度 | 仅针对西北太平洋鸢乌贼进行研究，模型在其他海域和鱼种的适用性有待验证 | 提高海洋经济种类渔场预测的准确性 | 西北太平洋鸢乌贼 | 计算机视觉 | NA | 深度学习 | CNN | 环境因子数据（海表温度、海表高度、海表盐度、叶绿素） | 2002-2019年7-11月数据用于训练，2020年数据用于测试 | NA | 改进的U-Net | 渔场集中度 | NA |
| 1836 | 2025-10-07 |
An artificial intelligence grading system of apical periodontitis in cone-beam computed tomography data
2024-10-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae029
PMID:38960866
|
研究论文 | 开发基于深度学习的人工智能系统用于锥形束CT数据中根尖周炎的分级诊断 | 提出新型PAINet算法，在根尖周炎分级任务中优于经典ResNet系列及当前主流Transformer和注意力模型 | 仅使用120个CBCT图像样本，样本量相对有限 | 辅助初级医生更准确诊断根尖周炎 | 根尖周炎患者的锥形束CT影像数据 | 计算机视觉 | 根尖周炎 | 锥形束计算机断层扫描(CBCT) | CNN, Transformer | 医学影像 | 120个CBCT图像 | NA | ResNet50, ResNet101, ResNet152, PAINet, Transformer | 准确率, 精确率, 召回率, F1分数, AUC, Cohen's kappa | NA |
| 1837 | 2025-10-07 |
Automatic classification and segmentation of multiclass jaw lesions in cone-beam CT using deep learning
2024-10-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae028
PMID:38937280
|
研究论文 | 开发并验证基于nnU-Net的深度学习模型，用于锥形束CT中五类颌骨病变的自动分类和分割 | 提出改进的nnU-Net模型实现颌骨病变的多类别分类与分割双重任务，在医生诊断中提供AI辅助 | 研究样本量有限（368例CBCT扫描），未提及外部验证集结果 | 开发能够自动分类和分割多类别颌骨病变的深度学习模型 | 颌骨病变的锥形束CT影像 | 医学影像分析 | 颌骨疾病 | 锥形束CT成像 | 深度学习 | 医学影像 | 368例CBCT扫描（37,168个切片） | nnU-Net | nnU-Net | 灵敏度,特异性,精确度,F1分数,准确率,Dice相似系数,平均对称表面距离 | NA |
| 1838 | 2025-10-07 |
Hybrid Deep Learning Approach for Traffic Speed Prediction
2024-10, Big data
IF:2.6Q2
DOI:10.1089/big.2021.0251
PMID:35108088
|
研究论文 | 提出一种名为HDL4TSP的混合深度学习方法用于城市交通速度预测 | 同时建模交通数据中的空间和时间相关性，通过图卷积网络捕获空间依赖关系，使用ConvLSTM网络建模时间周期性 | NA | 提高交通速度预测的准确性 | 城市各区域的交通速度数据 | 机器学习 | NA | 深度学习 | 图卷积网络, ConvLSTM | 交通速度数据 | 两个真实世界数据集 | NA | HDL4TSP（包含输入层、空间层、时间层、融合层和输出层） | NA | NA |
| 1839 | 2025-10-07 |
A Network Intrusion Detection System Using Hybrid Multilayer Deep Learning Model
2024-10, Big data
IF:2.6Q2
DOI:10.1089/big.2021.0268
PMID:35704031
|
研究论文 | 提出一种基于混合多层深度学习模型的网络入侵检测系统 | 采用多层卷积神经网络进行特征提取和选择，并结合softmax分类器进行入侵分类，同时使用多层深度神经网络进行进一步分析 | 仅使用NSL-KDD和KDDCUP'99两个基准数据集进行验证，未在其他数据集上测试泛化能力 | 提高网络入侵检测的准确率 | 网络流量数据 | 机器学习 | NA | 深度学习 | CNN, 深度神经网络 | 网络流量数据 | NSL-KDD和KDDCUP'99两个基准数据集 | NA | 多层卷积神经网络, 多层深度神经网络 | 准确率, 召回率, F1分数, 精确率 | NA |
| 1840 | 2025-10-07 |
Detection and classification of mandibular fractures in panoramic radiography using artificial intelligence
2024-09-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae018
PMID:38652576
|
研究论文 | 本研究评估YOLOv5深度学习模型在全景X光片中检测不同类型下颌骨骨折的性能 | 首次将YOLOv5模型应用于全景X光片中六种解剖位置下颌骨骨折的自动检测与分类 | 髁状突头部骨折检测性能相对较低，样本量有限 | 开发基于人工智能的下颌骨骨折自动检测系统 | 包含下颌骨骨折的全景X光片图像 | 计算机视觉 | 颌面部创伤 | 全景X光摄影 | YOLOv5 | 医学影像 | 498张全景X光片，包含673处骨折 | PyTorch | YOLOv5 | 准确率, 精确率, 敏感度, 特异度, Dice系数, AUC | NA |