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 19270 篇文献，本页显示第 9101 - 9120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9101 | 2025-10-06 |
Evaluating the performance and potential bias of predictive models for detection of transthyretin cardiac amyloidosis
2025-Jun-24, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.10.09.24315202
PMID:40502572
|
研究论文 | 本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性（ATTR-CM）的性能并评估模型偏倚风险 | 首次在外部验证中直接比较四种ATTR-CM检测算法，并系统评估了种族偏倚风险 | 研究人群主要为白种人（79.2%），其他种族群体样本量较小 | 比较ATTR-CM检测算法的性能并评估模型偏倚风险 | 心力衰竭患者，包括176例确诊ATTR-CM患者和3192例对照患者 | 医疗人工智能 | 心脏淀粉样变性 | 深度学习，随机森林，回归分析 | 随机森林，深度学习模型 | 电子健康记录，超声心动图 | 3368名患者（176例ATTR-CM病例，3192例对照） | NA | EchoNet-LVH, EchoGo Amyloidosis | AUC, 公平性指标 | NA |
| 9102 | 2025-10-06 |
Structural Diversity of Mitochondria in the Neuromuscular System across Development Revealed by 3D Electron Microscopy
2025-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202411191
PMID:40047328
|
研究论文 | 本研究通过3D电子显微镜和深度学习技术，揭示了线粒体在秀丽隐杆线虫神经肌肉系统中随发育阶段变化的结构多样性 | 开发了半自动线粒体重建方法，首次系统比较了正常发育阶段和dauer期线粒体结构差异，发现了与突触连接相关的线粒体结构特性 | 研究主要基于秀丽隐杆线虫模型，在哺乳动物系统中的普适性仍需验证 | 探究神经肌肉系统中线粒体结构在发育过程中的变化规律及其功能意义 | 秀丽隐杆线虫的神经肌肉系统 | 生物医学成像 | NA | 3D电子显微镜，深度学习 | NA | 3D电子显微镜图像 | 正常生殖阶段和dauer期的秀丽隐杆线虫样本 | NA | NA | NA | NA |
| 9103 | 2025-10-06 |
DELR-Net: a network for 3D multimodal medical image registration in more lightweight application scenarios
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04602-3
PMID:39400589
|
研究论文 | 提出一种用于3D多模态医学图像配准的轻量化网络DELR-Net | 集成Mamba和ConvNet的双编码器轻量化网络架构，使用状态空间序列模块和动态大核块 | NA | 设计参数更少的3D多模态配准网络，确保高质量配准结果 | 3D脑部MR图像和腹部MR与CT图像 | 医学图像分析 | NA | 医学图像配准 | 深度学习网络 | 3D医学图像 | NA | NA | DELR-Net, Dual-Encoder, Mamba, ConvNet | 配准质量, 参数数量 | NA |
| 9104 | 2025-10-06 |
An optimized siamese neural network with deep linear graph attention model for gynaecological abdominal pelvic masses classification
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04633-w
PMID:39446167
|
研究论文 | 提出一种优化的孪生神经网络结合深度线性图注意力模型，用于妇科腹部盆腔肿块分类 | 首次将圆形启发的孪生神经网络与深度线性图注意力模型相结合，提出SCINN-DLGN新架构 | 仅使用MRI数据进行验证，未涉及其他影像模态 | 开发高精度的盆腔肿块分类系统，辅助卵巢癌诊断 | 女性盆腔肿块MRI图像 | 计算机视觉 | 妇科肿瘤 | MRI成像 | Siamese神经网络,图注意力网络 | 医学图像 | 实时MRI盆腔肿块数据集 | Python | SCINN-DLGN,EfficientNet-based U-Net | 准确率,召回率 | NA |
| 9105 | 2025-10-06 |
Advancements in early detection of pancreatic cancer: the role of artificial intelligence and novel imaging techniques
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04644-7
PMID:39467913
|
综述 | 概述人工智能和新型成像技术在胰腺癌早期检测中的最新进展 | 聚焦深度学习技术在胰腺导管腺癌早期检测中的创新应用 | NA | 改善胰腺癌风险分层和开发生物影像标志物 | 胰腺导管腺癌(PDA) | 医学影像分析 | 胰腺癌 | 新型成像技术 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 9106 | 2025-10-06 |
Artificial intelligence in abdominal and pelvic ultrasound imaging: current applications
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04640-x
PMID:39487919
|
综述 | 本文全面概述了人工智能在腹部和盆腔超声成像中的当前应用现状 | 系统总结了AI在腹部盆腔超声领域的应用分布，并首次统计了FDA批准的相关设备情况 | 研究存在高偏倚风险，大多数应用缺乏前瞻性多中心验证和FDA批准 | 评估人工智能在腹部和盆腔超声成像中的应用现状和发展趋势 | 57篇相关研究文献和17个FDA批准的AI超声设备 | 医学影像分析 | 多器官疾病 | 超声成像 | 深度学习,机器学习,自然语言处理 | 超声图像,文本报告 | 57篇研究文献（其中单中心研究43篇，回顾性研究56篇） | NA | NA | NA | NA |
| 9107 | 2025-10-06 |
An automatic patient-specific quality assurance with a novel DVH scoring algorithm for volumetric modulated arc therapy of cervical cancer
2025-Nov, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine
IF:1.6Q3
DOI:10.1016/j.apradiso.2025.112030
PMID:40628009
|
研究论文 | 开发了一种基于剂量体积直方图评分算法的自动患者特异性质量保证方法，用于宫颈癌容积旋转调强放疗 | 提出新型权重剂量体积直方图评分算法和T-Net网络架构，实现PSQA结果的自动预测和分类 | 样本量相对有限(200例)，特异性表现有待提升(TV组33.33%) | 开发自动化的患者特异性质量保证方法，提高宫颈癌VMAT治疗的PSQA效率和准确性 | 宫颈癌患者VMAT治疗计划 | 医学影像分析 | 宫颈癌 | 容积旋转调强放疗(VMAT)，剂量体积直方图(DVH)分析 | 深度学习，U-Net变体 | CT影像，计划剂量分布，PSQA剂量分布 | 200例宫颈癌患者(109例Infinity，91例Synergy直线加速器) | NA | T-Net(U-shape-like network with skip-connection modules) | 灵敏度，特异性，准确率，精确率，召回率，F1分数 | NA |
| 9108 | 2025-10-06 |
Discovery of milk-derived antimicrobial peptides in human milk by DeepMAMP based on peptidomics technology and deep learning method
2025-Nov-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.145174
PMID:40561758
|
研究论文 | 本研究通过肽组学技术和深度学习方法开发了新型抗菌肽预测模型DeepMAMP，用于发现人乳中的乳源抗菌肽 | 提出结合LightGBM、LSTM和注意力机制的新型MAMPs预测模型DeepMAMP，准确率达81.4% | 仅对6个预测肽进行了实验验证，样本验证规模有限 | 开发高精度的人乳乳源抗菌肽预测方法 | 人乳中的乳源抗菌肽 | 机器学习 | NA | 肽组学技术 | LSTM, LightGBM | 肽序列数据 | 预测311个潜在HMAMPs，实验验证6个肽 | NA | LSTM with attention mechanism | 准确率 | NA |
| 9109 | 2025-10-06 |
Multimodal Deep Learning Model Based on Ultrasound and Cytological Images Predicts Risk Stratification of cN0 Papillary Thyroid Carcinoma
2025-Sep, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.043
PMID:40664556
|
研究论文 | 基于超声和细胞学图像的多模态深度学习模型用于术前预测cN0甲状腺乳头状癌风险分层 | 首次将超声图像与细胞学图像相结合构建多模态深度学习模型，用于术前无创评估cN0甲状腺乳头状癌风险分层 | 回顾性研究设计，样本量相对有限（890例训练验证，107例测试），仅来自五个医疗中心 | 开发并验证基于多模态图像的深度学习模型，用于术前评估cN0甲状腺乳头状癌风险分层 | 接受甲状腺切除术和淋巴结清扫的cN0甲状腺乳头状癌患者 | 数字病理 | 甲状腺癌 | 超声成像，细胞学图像分析 | 深度学习 | 超声图像，细胞学图像 | 890例患者用于训练验证（来自5个医疗中心），107例患者用于测试（来自1个医疗中心） | NA | NA | AUC，准确率，灵敏度，特异性 | NA |
| 9110 | 2025-10-06 |
From Faster Frames to Flawless Focus: Deep Learning HASTE in Postoperative Single Sequence MRI
2025-Sep, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.039
PMID:40562676
|
研究论文 | 评估深度学习加速的HASTE序列在术后腹部MRI中检测积液的应用价值 | 首次将深度学习加速的HASTE序列应用于术后单序列MRI，实现扫描时间减少46%的同时提升图像质量 | 回顾性研究，样本量有限（76例患者），需进一步多中心验证 | 比较深度学习加速HASTE序列与传统HASTE序列在术后腹部MRI中的性能差异 | 接受腹部手术后疑似感染灶的76例患者（平均年龄65±11.69岁） | 医学影像分析 | 腹部术后并发症 | 3-T MRI扫描，半傅里叶单次激发快速自旋回波序列 | 深度学习 | MRI图像 | 76例患者 | NA | NA | Cohen's kappa系数, Mann-Whitney U检验 | 3-T MRI扫描仪 |
| 9111 | 2025-10-06 |
Deep Learning Models Connecting Images and Text: A Primer for Radiologists
2025-09, Radiographics : a review publication of the Radiological Society of North America, Inc
IF:5.2Q1
DOI:10.1148/rg.240103
PMID:40811083
|
综述 | 介绍连接医学影像与文本的深度学习模型及其在放射学中的应用 | 系统梳理了图像-文本连接模型在放射学领域的最新进展，包括数据嵌入、自监督学习、零样本学习和基于Transformer的架构 | NA | 为放射科医生提供图像-文本连接深度学习模型的技术导览 | 医学影像与放射学报告 | 计算机视觉,自然语言处理 | NA | 深度学习 | Transformer,多模态模型 | 图像,文本 | NA | NA | Transformer | NA | NA |
| 9112 | 2025-10-06 |
Advancing Aqueous Solubility Prediction: A Machine Learning Approach for Organic Compounds Using a Curated Data Set
2025-Aug-25, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c02399
PMID:40783839
|
研究论文 | 本研究提出了一种基于机器学习的方法，利用整合自四个来源的精选数据集预测有机化合物的水溶性 | 通过整合多源数据构建了多样化有机化合物数据集，并综合运用化学描述符、指纹和功能基团特征，在多样化数据集上实现了优于现有方法的预测性能 | 模型仅在Huuskonen数据集上进行测试，未在其他独立数据集上验证泛化能力 | 开发高精度、强泛化能力的有机化合物水溶性预测模型 | 有机化合物 | 机器学习 | NA | NA | 机器学习模型,深度学习模型 | 化学描述符,分子指纹,功能基团数据 | 1282种独特有机化合物（来自Huuskonen数据集） | NA | NA | R², MAE | NA |
| 9113 | 2025-10-06 |
18F-FDG PET/CT-based deep radiomic models for enhancing chemotherapy response prediction in breast cancer
2025-Aug-11, Medical oncology (Northwood, London, England)
DOI:10.1007/s12032-025-02982-0
PMID:40790010
|
研究论文 | 本研究开发了基于18F-FDG PET/CT的深度放射组学模型，用于增强乳腺癌化疗反应预测 | 结合传统放射组学特征与SENet深度学习模型提取的特征，显著提升了化疗反应预测性能 | 样本量较小（60例患者），为单中心回顾性研究 | 提高乳腺癌患者化疗反应预测准确性，实现个性化治疗策略 | 乳腺癌患者 | 数字病理 | 乳腺癌 | 18F-FDG PET/CT成像 | XGBoost, RF, LR, SVM, SENet | 医学影像（PET/CT图像） | 60例乳腺癌患者 | NA | SENet | ROC AUC, 准确率 | NA |
| 9114 | 2025-10-06 |
Effect of Deep Learning-Based Artificial Intelligence on Radiologists' Performance in Identifying Nigrosome 1 Abnormalities on Susceptibility Map-Weighted Imaging
2025-Aug, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2025.0208
PMID:40736409
|
研究论文 | 评估基于深度学习的AI软件对不同经验水平放射科医生在磁敏感图加权成像中识别黑质致密部1区异常诊断性能的影响 | 首次系统评估AI辅助诊断对放射科医生识别帕金森病关键影像学生物标志物（黑质致密部1区）的性能提升效果，并比较不同经验水平医生的获益差异 | 回顾性研究设计，样本量相对有限（139例扫描），仅使用单一AI软件版本 | 评估AI辅助诊断在帕金森病影像学诊断中的临床应用价值 | 59名帕金森病患者和80名健康参与者的139例磁敏感图加权成像扫描 | 医学影像分析 | 帕金森病 | 3T MRI, 磁敏感图加权成像 | 目标检测, 分割模型 | 医学影像 | 139例SMwI扫描（59例PD患者，80例健康对照） | NA | YOLOX, SparseInst | 特异性, Fleiss's kappa, 净重分类指数 | NA |
| 9115 | 2025-10-06 |
Antimicrobial Peptides Design Using Deep Learning and Rational Modifications: Activity in Bacteria, Candida albicans, and Cancer Cells
2025-Jul-11, Current microbiology
IF:2.3Q3
DOI:10.1007/s00284-025-04346-3
PMID:40643674
|
研究论文 | 本研究利用深度学习和理性修饰设计抗菌肽，并评估其在细菌、白色念珠菌和癌细胞中的活性 | 结合两种深度学习算法生成抗菌肽，并通过生物信息学和AI工具进行理性修饰优化 | 仅对12种合成肽进行了体外测试，样本规模有限 | 开发具有高抗菌活性和生物安全性的新型抗菌肽 | 抗菌肽及其对细菌、白色念珠菌和癌细胞的抑制作用 | 机器学习 | 细菌感染,真菌感染,乳腺癌 | 深度学习,生物信息学分析,体外测试 | 深度学习算法 | 肽序列数据,生物活性数据 | 26个计算机生成的合成肽，其中12个进行体外测试 | NA | NA | 最小抑菌浓度(MIC),半数抑制浓度(IC) | NA |
| 9116 | 2025-10-06 |
3BTRON: A Blood-Brain Barrier Recognition Network
2025-Jul-04, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-08453-6
PMID:40615521
|
研究论文 | 提出一种名为3BTRON的深度学习框架，用于自动分析血脑屏障的电子显微镜图像 | 首次开发专门用于血脑屏障结构分析的深度学习网络，能够通过图像特征识别年龄相关的血脑屏障变化 | 模型仅在359个小鼠样本上训练和验证，尚未在人类数据或更大样本上测试 | 开发自动化工具分析血脑屏障在衰老过程中的结构变化 | 年轻和年老小鼠的血脑屏障电子显微镜图像 | 数字病理 | 老年疾病 | 电子显微镜 | 深度学习 | 图像 | 359个小鼠脑部样本 | NA | 3BTRON | 灵敏度, 特异度 | NA |
| 9117 | 2025-10-06 |
Machine Learning for Predicting Critical Events Among Hospitalized Children
2025-05-01, JAMA network open
IF:10.5Q1
|
研究论文 | 开发一种机器学习模型用于早期检测住院儿童的病情恶化，实现全院统一风险评估 | 创建了首个覆盖医院所有科室的统一风险评估模型，突破了传统分科室评估的局限性 | 回顾性研究设计，需要在更多医疗机构进行前瞻性验证 | 开发早期检测住院儿童病情恶化的机器学习模型 | 3家三级医院住院的18岁以下儿童患者 | 机器学习 | 儿科疾病 | NA | XGBoost, 深度学习模型 | 临床数据（年龄、生命体征、实验室结果、合并症等） | 135,621名患者 | XGBoost | 极端梯度提升机, 深度学习模型 | C统计量, 灵敏度, 需警示人数 | NA |
| 9118 | 2025-10-06 |
Artificial intelligence for detection and characterization of focal hepatic lesions: a review
2025-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04597-x
PMID:39369107
|
综述 | 本文综述了基于人工智能的算法在CT和MRI图像中检测和表征局灶性肝脏病变的诊断能力 | 系统评估了AI算法在肝脏病变检测和分类中的应用潜力，特别关注良恶性病变的区分 | 需要扩展数据集、提高模型可解释性并在更广泛的临床环境中验证AI工具 | 评估人工智能在局灶性肝脏病变检测和表征中的诊断能力 | 局灶性肝脏病变（FLL） | 计算机视觉 | 肝脏疾病 | CT, MRI | CNN | 医学影像 | 45项相关研究（2010年1月至2024年4月） | NA | 卷积神经网络 | 准确率, 灵敏度, 特异性, AUC | NA |
| 9119 | 2025-10-06 |
Gait Video-Based Prediction of Severity of Cerebellar Ataxia Using Deep Neural Networks
2025-Apr, Movement disorders : official journal of the Movement Disorder Society
IF:7.4Q1
DOI:10.1002/mds.30113
PMID:39840857
|
研究论文 | 本研究开发了一种基于步态视频和深度学习模型预测小脑性共济失调严重程度的方法 | 首次将姿态估计算法应用于步态视频来预测小脑性共济失调的严重程度 | 研究样本量较小（66名患者），仅针对退行性小脑疾病患者 | 评估姿态估计算法是否能通过步态视频预测小脑性共济失调的严重程度 | 66名退行性小脑疾病患者 | 计算机视觉 | 小脑性共济失调 | 姿态估计算法，视频分析 | 深度学习模型 | 视频 | 66名患者 | NA | NA | 均方根误差，决定系数 | NA |
| 9120 | 2025-10-06 |
Increase Docking Score Screening Power by Simple Fusion With CNNscore
2025-Mar-05, Journal of computational chemistry
IF:3.4Q2
DOI:10.1002/jcc.70060
PMID:39981784
|
研究论文 | 提出一种通过将传统分子对接评分与CNN评分简单融合来提高虚拟筛选效能的新策略 | 首次将GNINA的卷积神经网络评分与传统Watvina对接评分通过乘法融合，显著提升了虚拟筛选能力 | 方法仅在特定靶点TYK2上验证，需要更多靶点验证通用性 | 提高结构基虚拟筛选中的分子对接评分函数的筛选能力 | 蛋白质-配体相互作用 | 机器学习 | NA | 分子对接，虚拟筛选 | CNN | 分子结构数据 | 近120亿个分子 | GNINA | 卷积神经网络 | 筛选效能，IC50值 | NA |