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 19254 篇文献，本页显示第 321 - 340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 321 | 2026-06-17 |
Harnessing omics data for drug discovery and development in ovarian aging
2025-05-01, Human reproduction update
IF:14.8Q1
DOI:10.1093/humupd/dmaf002
PMID:39977580
|
综述 | 本文综述了多组学数据在卵巢衰老药物发现和开发中的应用，探讨了从基因组学到微生物组的多层面数据如何助力识别新药物靶点和治疗策略 | 整合了从组织水平到单细胞的多组学数据，系统梳理了基因组、转录组、蛋白质组、代谢组和微生物组数据在卵巢衰老药物靶点发现中的作用，并特别强调了单细胞技术和空间转录组学与人工智能模型融合的前景 | 作为综述，未提供原始实验数据或计算模型验证；文献检索截止2024年9月，可能遗漏最新进展 | 综合多组学数据资源，探索如何利用这些数据识别卵巢衰老的新药物靶点并指导治疗策略 | 卵巢衰老相关的多组学数据，包括基因组、转录组、蛋白质组、代谢组和微生物组数据，以及单细胞水平研究 | 机器学习 | 妇科疾病 | 多组学技术, 单细胞技术, 空间转录组学 | NA | 组学数据 | NA | NA | NA | NA | NA |
| 322 | 2026-06-17 |
Intermittent hypoxemia during hemodialysis: AI-based identification of arterial oxygen saturation saw-tooth pattern
2025-04-28, BMC nephrology
IF:2.2Q2
DOI:10.1186/s12882-025-04133-z
PMID:40295983
|
研究论文 | 利用人工智能自动识别血液透析过程中动脉血氧饱和度锯齿波模式 | 首次使用一维卷积神经网络自动识别血液透析患者动脉血氧饱和度的间歇性锯齿波模式 | NA | 自动识别血液透析患者中反复出现间歇性动脉血氧饱和度锯齿波模式的个体 | 血液透析患者的动脉血氧饱和度记录 | 机器学习 | 睡眠呼吸暂停 | 1D-CNN | 一维卷积神经网络 | 时间序列 | 来自22名血液透析患者的4075个连续5分钟片段 | NA | 1D-CNN | 准确率, AUC | NA |
| 323 | 2026-06-17 |
IBDome: An integrated molecular, histopathological, and clinical atlas of inflammatory bowel diseases
2025-Apr-10, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.26.645544
PMID:40291692
|
研究论文 | 综合分子、组织病理学和临床数据构建IBD资源库，揭示炎症性肠病的多组学机制并开发诊断工具 | 首次整合全外显子组测序、RNA测序、血清蛋白质组学和组织病理学图像的多队列多模态分析，并利用基础模型深度学习从H&E染色图像预测组织学疾病活动评分 | NA | 通过多组学和多模态数据整合，深入理解炎症性肠病（IBD）的病理机制并优化诊断与治疗 | 1,002名临床注释的IBD患者和非IBD对照 | 数字病理学, 机器学习, 自然语言处理 | 炎症性肠病（克罗恩病、溃疡性结肠炎） | 全外显子组测序, RNA测序, 血清蛋白质组学, H&E染色组织学 | 基础模型深度学习 | 基因组数据, 转录组数据, 蛋白质组数据, 组织病理学图像 | 1,002名患者（包含IBD患者和非IBD对照） | NA | 基础模型 | 预测准确性 | NA |
| 324 | 2026-06-17 |
Integrating deep learning with ECG, heart rate variability and demographic data for improved detection of atrial fibrillation
2025-03-31, Open heart
IF:2.8Q2
DOI:10.1136/openhrt-2025-003185
PMID:40164487
|
研究论文 | 通过整合深度学习与心电图、心率变异性和人口统计数据来提高房颤检测能力 | 首次系统性地探索将心率变异性和人口统计数据（年龄和性别）与心电图数据结合，使用多种卷积神经网络模型（包括AlexNet、VGG-16、ResNet和Transformer）进行房颤检测，并通过显著性图验证模型行为 | 研究基于公共数据库，缺乏临床验证，且模型性能提升幅度有限 | 研究如何通过整合心率变异性和人口统计数据来改进心电图数据对房颤的自动检测 | 房颤患者的心电图记录及对应的心率变异性和人口统计数据 | 计算机视觉, 机器学习 | 房颤 | 心电图分析 | CNN, Transformer | 医学图像, 数值数据 | 35634条12导联心电图记录 | PyTorch, TensorFlow | AlexNet, VGG-16, ResNet, Transformer | AUROC, 灵敏度, 特异性, 精确度, 召回率, F1分数 | NA |
| 325 | 2026-06-17 |
Quantifying Facial Gestures Using Deep Learning in a New World Monkey
2025-03, American journal of primatology
IF:2.0Q1
DOI:10.1002/ajp.70013
PMID:40019116
|
研究论文 | 利用深度学习量化棉顶狨猴的面部姿态 | 首次采用无标记姿态估计算法自动区分棉顶狨猴的发声与非发声面部形态，并验证不同行为背景下面部姿态的独特性 | 仅基于圈养个体的视频数据，可能未反映自然条件下的面部行为多样性 | 自动量化灵长类动物面部姿态的独特性，以推进多模态沟通研究 | 棉顶狨猴的面部姿态 | 计算机视觉 | NA | 无标记姿态估计 | 机器学习分类器 | 视频 | 未明确说明样本量 | NA | NA | 正确分类率 | NA |
| 326 | 2026-06-17 |
Coronal Plane Alignment of the Knee (CPAK) Type Shifts Toward Constitutional Varus with Increasing Kellgren and Lawrence Grade: A Radiographic Analysis of 17,365 Knees
2025-Feb-05, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.24.00316
PMID:39719004
|
研究论文 | 本研究通过放射学分析17365例膝关节，探讨了随着骨关节炎严重程度增加，膝关节冠状面力线类型（CPAK）的分布变化及相关参数 | 首次大规模分析不同骨关节炎严重程度下CPAK类型的分布变化，发现KL分级增加时CPAK类型从II型向I型转变，并揭示骨关节炎严重程度是CPAK分布的主导因素 | 回顾性横断面研究设计，可能影响因果推断的准确性 | 探索不同骨关节炎严重程度下膝关节冠状面力线类型的分布变化 | 17365例人类膝关节 | 数字病理学 | 骨关节炎 | 放射学分析 | 深度学习软件 | 放射学图像 | 17365例膝关节 | NA | NA | NA | NA |
| 327 | 2026-06-17 |
Advances in Diagnostic Approaches for Alzheimer's Disease: From Biomarkers to Deep Learning Technology
2025, CNS & neurological disorders drug targets
|
综述 | 综述了从生物标志物到深度学习技术的阿尔茨海默病诊断方法的最新进展 | 系统总结了生物标志物（如β-淀粉样蛋白）和神经退行性测量在阿尔茨海默病早期诊断中的应用，并强调了深度学习技术（尤其是卷积神经网络）在脑部变化检测中的高准确性 | 当前尚无针对此致命疾病的特异性治疗或诊断方法；深度学习技术旨在辅助而非替代临床评估 | 评估和总结阿尔茨海默病的诊断方法，涵盖生物标志物和深度学习技术 | 阿尔茨海默病患者的生物标志物（如β-淀粉样蛋白）和脑成像数据（如MRI） | 机器学习 | 阿尔茨海默病 | 脑成像（MRI, CT, PET等）、脑脊液样本分析、机器学习、深度学习 | 卷积神经网络 | 图像（脑影像）、文本（行为认知变化报告） | NA | NA | 卷积神经网络 | 准确性 | NA |
| 328 | 2025-12-26 |
A "calcification"-enhanced deep learning approach for precise differentiation of thyroid nodules
2025-Dec-24, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00976-9
PMID:41444688
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 329 | 2026-06-15 |
Artificial Intelligence in The Diagnosis, Treatment, and Prognostication in Endodontics: A Comprehensive Literature Review
2025-Dec, European endodontic journal
IF:1.6Q3
DOI:10.14744/eej.2025.83788
PMID:41685843
|
综述 | 该文章对人工智能在牙髓病学中的应用进行了全面回顾，重点关注诊断优化、临床决策支持和治疗结果预测 | 系统总结了AI在牙髓病诊断、治疗和预后三大领域的具体应用，并分析了当前应用的局限性和未来改进方向 | 需要大规模数据集、成本高、缺乏自我发展能力 | 综述人工智能在牙髓病学中的诊断、治疗和预后应用，并分析其局限性和改进领域 | 牙髓病学中的人工智能应用研究文献 | 机器学习 | 牙髓病 | NA | 卷积神经网络（CNN）、深度学习模型、神经网络 | 图像（放射影像、锥束计算机断层扫描CBCT） | 51篇文献 | NA | CNN（如Diagnocat）、深度学习模型 | 准确率（大于90%、95.6%） | NA |
| 330 | 2026-06-15 |
ImmFinder: A Multiomics-Based Neural Network Approach for Predicting the Immune Genes in Livestock
2025-11, Omics : a journal of integrative biology
IF:2.2Q3
DOI:10.1177/15578100251389910
PMID:41115712
|
研究论文 | 引入了一种名为ImmFinder的多模态全连接神经网络框架，用于整合基因组和转录组数据集来分类免疫基因 | 首次将多模态全连接神经网络用于牲畜免疫基因分类，整合基因组和转录组数据，实现了较高的预测性能 | 依赖现有的牛基因组和转录组数据集训练和评估，可能限制直接推广到其他品种或物种，需要额外的外部验证和实验跟进 | 开发一种自动化的多模态深度学习方法，用于分类牛免疫基因，从而推进功能基因组学研究 | 牛的免疫基因和非免疫基因 | 机器学习 | NA | 基因组测序、转录组测序 | 全连接神经网络 | 基因组和转录组数据 | NA | Python | 全连接神经网络 | 准确率、F1分数、精确率、召回率、AUC-ROC曲线 | NA |
| 331 | 2026-06-15 |
Development and Validation of a Deep Learning System for the Provision of a District-Wide Diabetes Retinal Screening Service
2025 Sep-Oct, Clinical & experimental ophthalmology
DOI:10.1111/ceo.14560
PMID:40491217
|
研究论文 | 开发并验证一种用于区域糖尿病视网膜病变筛查的双模态深度学习系统 | 结合眼底照片和OCT扫描的双模态深度学习系统，在多种族社区中检测威胁视力的糖尿病视网膜病变，达到高准确性和特异性 | 7.4%的眼底照片不可分级，可能影响系统在部分患者中的适用性 | 评估深度学习系统在区域糖尿病视网膜病变筛查中的性能和有效性 | 多民族社区的糖尿病患者 | 计算机视觉 | 糖尿病视网膜病变 | NA | 深度学习 | 图像 | 748名糖尿病患者 | NA | NA | 敏感性、特异性、AUC | NA |
| 332 | 2026-06-15 |
Retinal Vessel Traits and Age-Related Eye Disease in the Canadian Longitudinal Study on Aging
2025 Sep-Oct, Clinical & experimental ophthalmology
DOI:10.1111/ceo.14566
PMID:40515626
|
研究论文 | 横断面和纵向分析视网膜血管特征与青光眼、年龄相关性黄斑变性等眼病的关联 | 首次在大型纵向队列（加拿大老龄化纵向研究）中评估视网膜血管特征与眼病随时间变化的关系，并揭示横断面关联可能源于反向因果 | 依赖自我报告的眼病诊断，可能存在报告偏倚；使用深度学习算法提取血管特征，但未与其他方法对比；纵向随访期仅3年，可能不足以完全揭示因果关系 | 探究视网膜血管特征（如直径和扭曲度）与青光眼及年龄相关性黄斑变性的横断面和纵向关联 | 加拿大老龄化纵向研究中30,097名参与者的基线及3年随访数据 | 机器学习 | 青光眼, 年龄相关性黄斑变性 | 眼底成像 | 深度学习 | 图像, 表格数据 | 30,097名参与者，92%随访率 | NA | QUARTZ（深度学习算法） | 比值比, 置信区间, 贝塔系数 | NA |
| 333 | 2026-06-15 |
Enhancing Dementia Classification for Diverse Demographic Groups: Using Vision Transformer-Based Continuous Scoring of Clock Drawing Tests
2025-06-10, The journals of gerontology. Series B, Psychological sciences and social sciences
DOI:10.1093/geronb/gbaf065
PMID:40197801
|
研究论文 | 利用基于视觉Transformer的连续评分方法，从时钟绘制测试图像中提升痴呆症分类在多样化人口群体中的准确性 | 开发了一种使用深度学习神经网络生成的连续时钟绘制测试评分，并识别了针对不同人口特征的特定阈值，以提供更包容和适应性的痴呆症分类方法 | 未明确提及具体局限性 | 提升痴呆症分类的准确性和公平性，通过生成连续的时钟绘制测试评分并考虑人口多样性 | 老年人，特别是来自国家健康与老龄化趋势研究的代表性样本 | 计算机视觉 | 老年疾病 | 深度学习 | 视觉Transformer | 图像 | 使用国家健康与老龄化趋势研究的全国代表性样本 | NA | 视觉Transformer | 曲线下面积、灵敏度、特异度 | NA |
| 334 | 2026-06-15 |
New Threshold for Defining Mild Aortic Stenosis Derived From Velocity-Encoded MRI in 60,000 Individuals
2025-Apr-08, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2025.01.035
PMID:40175013
|
研究论文 | 利用深度学习模型从60,000名个体的速度编码MRI数据中定义轻度主动脉瓣狭窄的新阈值 | 通过大规模人群研究提出基于MRI的轻度主动脉瓣狭窄新诊断阈值，并验证其与不良结局的关联 | 未提及具体局限性 | 研究无临床指征下主动脉瓣功能测量的流行病学，并定义正常与异常血流动力学的界限 | 主动脉瓣功能（面积、峰值速度、平均梯度） | 机器学习 | 主动脉瓣狭窄 | 速度编码心脏磁共振成像 | 深度学习模型 | 图像（MRI） | 62,902名UK Biobank参与者（健康子队列41,859人）；外部验证队列365,870人（NEDA） | NA | NA | 风险比（HR）、P值 | NA |
| 335 | 2026-06-15 |
Radiomics in glioma: emerging trends and challenges
2025-03, Annals of clinical and translational neurology
IF:4.4Q1
DOI:10.1002/acn3.52306
PMID:39901654
|
综述 | 本文综述了放射组学在胶质瘤中的应用、新兴趋势和挑战 | 整合深度学习算法增强放射组学各组件，并探讨特定肿瘤生境、先进成像技术和多组学数据整合的作用 | 模型可重复性、泛化性、可解释性和多组学数据整合等挑战尚未解决 | 综述放射组学在胶质瘤中的应用和未来方向 | 胶质瘤 | 医学图像分析 | 胶质瘤 | 放射组学，深度学习，扩散加权成像，灌注加权成像，磁共振波谱，磁共振指纹成像，功能MRI，PET | 深度学习模型 | 影像数据，多组学数据（基因组学、转录组学、蛋白质组学、病理组学） | NA | NA | NA | NA | NA |
| 336 | 2026-06-15 |
A Deep Learning Model for Three-Dimensional Determination of Whole Thoracic Vertebral Bone Mineral Density from Noncontrast Chest CT: The Multi-Ethnic Study of Atherosclerosis
2025-03, Radiology
IF:12.1Q1
DOI:10.1148/radiol.242133
PMID:40067103
|
研究论文 | 该研究利用基于nnU-net的TotalSegmentator算法在非增强胸部CT图像上三维测量全胸椎骨密度，并结合FRAXnb预测椎体骨折 | 首次在常规非增强胸部CT中利用三维深度学习算法全自动测量T1-T10椎体骨密度，相较二维方法降低了测量不确定性，并展示了与骨折风险评估工具结合的增量预测价值 | NA | 评估TotalSegmentator算法在非增强胸部CT上准确测量三维胸椎骨密度及其预测椎体骨折的能力 | T1-T10椎体的三维骨密度测量及其与骨折风险的关联 | 计算机视觉 | 骨质疏松症、椎体骨折 | CT | nnU-net（卷积神经网络） | 图像 | 2956名参与者（其中1304名有随访数据），来自MESA队列 | PyTorch | nnU-net（集成了U-Net架构） | Dice系数、交并比（IoU）、AUC | NA |
| 337 | 2026-06-15 |
Foundation Models in Radiology: What, How, Why, and Why Not
2025-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240597
PMID:39903075
|
综述 | 本文综述了基础模型在放射学中的应用，探讨其训练方法、能力及评估策略 | 系统性地统一了放射学中基础模型的技术进展与临床需求，强调安全负责任的模型训练 | NA | 解释放射学中基础模型的基本概念与术语，聚焦训练数据需求、模型训练范式、模型能力及评估策略 | 放射学领域的基础模型 | 自然语言处理, 计算机视觉 | NA | NA | 基础模型 | 文本, 图像 | NA | NA | NA | NA | NA |
| 338 | 2026-06-15 |
Association of Epicardial Adipose Tissue Changes on Serial Chest CT Scans with Mortality: Insights from the National Lung Screening Trial
2025-02, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240473
PMID:39964263
|
研究论文 | 基于全国肺筛查试验的纵向数据，分析连续低剂量CT扫描中心外膜脂肪组织变化与死亡率的关系 | 首次在大规模肺癌筛查队列中系统评估EAT变化的纵向轨迹（体积和密度）与全因、心血管及肺癌死亡率的独立关联，并基于深度学习算法自动量化EAT | 研究为回顾性二次分析，可能未完全纳入所有潜在混杂因素；EAT变化分类基于典型范围，其适用性需验证；仅包括肺癌筛查人群，结果推广性受限 | 探究在肺癌筛查人群中，两年间隔的低剂量CT扫描中EAT变化与死亡率之间的关联 | 参与全国肺筛查试验的受试者（共20,661人），通过深度学习自动分割获取EAT体积和密度 | 计算机视觉 | 心血管疾病 | 低剂量CT，深度学习算法 | 深度学习神经网络 | CT影像 | 20,661名参与者（平均年龄61.4岁，男性占59.2%） | NA | NA | 危险比（HR），95%置信区间，P值 | NA |
| 339 | 2026-06-15 |
ComNet: A Multiview Deep Learning Model for Predicting Drug Combination Side Effects
2025-01-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01737
PMID:39749659
|
研究论文 | 提出了一种名为ComNet的多视图深度学习模型，用于预测药物组合的副作用 | 提出了多视图特征提取模块、多尺度子图融合机制以及基于注意力的多视图特征融合机制 | 未明确提及 | 提高药物组合副作用预测的准确性 | 药物组合及其副作用 | 机器学习 | NA | NA | 深度学习模型 | 文本（SMILES）、三维构象、分子指纹 | 多个公开数据集及自收集数据集 | NA | ComNet | 准确性 | NA |
| 340 | 2026-06-15 |
Graph-Based Deep Learning Models for Thermodynamic Property Prediction: The Interplay between Target Definition, Data Distribution, Featurization, and Model Architecture
2025-01-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02014
PMID:39780656
|
研究论文 | 探讨了基于图的深度学习模型在热力学性质预测中目标定义、数据分布、特征化和模型架构之间的相互作用 | 系统分析了目标定义（生成能 vs 原子化能/焓）、特征化方法选择以及模型架构修改对预测精度的相对重要性，并发现分子级预测优于原子级增量预测 | 未明确说明 | 研究基于图的深度学习模型在热力学性质预测中的关键影响因素，以开发更通用的预测架构 | 五个具有不同元素组成、多样性、电荷状态和大小的数据集 | 机器学习 | NA | 基于图的深度学习 | 图神经网络 | 数值数据（热力学性质） | 五个数据集，具体数量未明确 | NA | 多种图神经网络架构 | 准确度 | NA |