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 1354 篇文献，本页显示第 801 - 820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 801 | 2025-10-07 |
Precise perivascular space segmentation on magnetic resonance imaging from Human Connectome Project-Aging
2025-Mar-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.19.25324269
PMID:40166557
|
研究论文 | 本研究基于人类连接组计划老龄化项目的T2加权磁共振成像，开发了精确的血管周围间隙分割数据集和方法 | 结合无监督学习、深度学习和人工校正技术，创建了包含200名30-100岁受试者的精细化PVS分割数据集 | PVS尺寸微小、MRI表现多样且标注数据稀缺带来的分割挑战 | 实现血管周围空间的精确分割，研究其与年龄变化和认知衰退的关联 | 人类连接组计划老龄化项目的200名30-100岁受试者的脑部MRI数据 | 医学影像分析 | 神经退行性疾病 | T2加权磁共振成像 | 深度学习 | 磁共振图像 | 200名年龄30-100岁的受试者 | NA | NA | NA | NA |
| 802 | 2025-10-07 |
A mechanistic neural network model predicts both potency and toxicity of antimicrobial combination therapies
2025-Mar-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.19.25324270
PMID:40166569
|
研究论文 | 提出一种结合机制建模与深度学习的CALMA模型，用于预测抗菌药物组合疗法的效力和毒性 | 将机制建模与神经网络相结合，提高模型可解释性，同时识别影响药物相互作用的关键通路 | NA | 开发能预测多药物组合效力和毒性的计算方法，优化抗菌联合疗法设计 | 抗菌药物组合（如万古霉素和异烟肼） | 机器学习 | 抗菌药物耐药性 | 深度学习，机制建模 | 神经网络 | 细胞活力测定数据，患者健康记录 | 人类细胞系实验和患者健康记录数据 | NA | CALMA | NA | NA |
| 803 | 2025-02-19 |
Deep learning: Cracking the metabolic code
2025-Mar-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001220
PMID:39960202
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 804 | 2025-04-12 |
Optimizing Input Selection for Cardiac Model Training and Inference: An Efficient 3D Convolutional Neural Networks-Based Approach to Automate Coronary Angiogram Video Selection
2025-Mar, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2025.100195
PMID:40206993
|
研究论文 | 开发了一种基于3D卷积神经网络的自动化方法，用于选择适合训练深度学习模型的冠状动脉造影视频 | 使用3D-CNN模型（特别是X3D-L）在冠状动脉造影视频选择中实现了高效自动化，并在计算效率和复杂性之间取得了平衡 | 在独立数据集上验证时，所有指标略有下降 | 提高医学图像分析的准确性和效率 | 冠状动脉造影视频 | 数字病理 | 心血管疾病 | 深度学习 | 3D-CNN（ResNet和X3D） | 视频 | 232例冠状动脉造影研究用于训练，3208例手术用于独立验证 | NA | NA | NA | NA |
| 805 | 2025-04-12 |
Gait Speed and Task Specificity in Predicting Lower-Limb Kinematics: A Deep Learning Approach Using Inertial Sensors
2025-Mar, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2024.11.004
PMID:40207006
|
研究论文 | 开发一个深度学习框架，利用惯性测量单元(IMU)数据预测多任务步态下的下肢关节运动学，并评估动态时间规整(DTW)对减少预测误差的影响 | 提出了一种结合LSTM自编码器和监督回归的深度学习模型，用于多任务步态下的关节运动学预测，并验证了DTW在降低预测误差方面的有效性 | 样本量较小(仅18名参与者)，且仅验证了矢状面的关节角度预测 | 开发远程连续生物力学评估的实用解决方案 | 下肢关节(髋、膝、踝)运动学预测 | 机器学习 | NA | 惯性测量单元(IMU)，光学运动捕捉系统 | LSTM自编码器监督回归模型(含LSTM和CNN层) | IMU传感器数据(加速度计和陀螺仪的3轴数据及其幅值) | 18名参与者 | NA | NA | NA | NA |
| 806 | 2025-04-12 |
Leveraging Comprehensive Echo Data to Power Artificial Intelligence Models for Handheld Cardiac Ultrasound
2025-Mar, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2025.100194
PMID:40207004
|
研究论文 | 开发了一个端到端的深度学习框架，用于从超声心动图视频中估计左心室射血分数（LVEF）、患者年龄和性别分类，包括使用手持心脏超声（HCU）收集的视频 | 利用全面的超声心动图数据为手持心脏超声的人工智能模型提供支持，展示了手持设备可以获得聚焦诊断图像 | 研究主要基于Mayo Clinic的数据，可能在其他医疗系统中的泛化性有待验证 | 开发深度学习模型以提升手持心脏超声的诊断能力 | 超声心动图视频，包括手持心脏超声（HCU）和经胸超声心动图（TTE）数据 | 数字病理 | 心血管疾病 | 深度学习 | 深度学习模型 | 视频 | 训练集6432项研究，内部验证集1369项研究，前瞻性数据集625名患者 | NA | NA | NA | NA |
| 807 | 2025-04-01 |
Author Correction: Deep learning based decision-making and outcome prediction for adolescent idiopathic scoliosis patients with posterior surgery
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95425-9
PMID:40155745
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 808 | 2025-04-11 |
Anticancer drug response prediction integrating multi-omics pathway-based difference features and multiple deep learning techniques
2025-Mar, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012905
PMID:40163555
|
研究论文 | 本研究提出了一种名为PASO的深度学习模型，用于预测细胞系对抗癌药物的敏感性，整合了多组学路径差异特征和多种深度学习技术 | PASO模型创新性地结合了transformer编码器、多尺度卷积网络和注意力机制，利用细胞系的多组学数据和药物分子的SMILES表示进行药物敏感性预测 | NA | 开发一个能够准确预测个体患者对抗癌药物反应的模型，以支持精准医疗 | 细胞系的多组学数据和药物分子的SMILES表示 | 机器学习 | 肺癌 | 多组学数据分析（基因表达、基因突变、基因拷贝数变异） | PASO（整合transformer encoder、多尺度CNN和注意力机制） | 多组学数据、药物SMILES表示 | NA | NA | NA | NA | NA |
| 809 | 2025-04-11 |
Differential impact of commercial rootstocks on the physiological response of a common walnut scion to drought stress
2025 Mar-Apr, Physiologia plantarum
IF:5.4Q1
DOI:10.1111/ppl.70188
PMID:40207703
|
research paper | 该研究评估了不同商业砧木对普通核桃接穗在干旱条件下生理反应的影响 | 首次使用深度学习作为独立方法分析冠层对水分胁迫的响应，并发现RX1砧木在水分胁迫下具有较高的叶片膨压和水分利用效率 | 研究仅针对三种砧木和一种接穗品种，结果可能不具有普遍性 | 评估不同商业砧木对核桃接穗在干旱条件下生理反应的影响 | 核桃砧木(RX1, VX211和Vlach)和英国核桃接穗(Juglans regia cv. Cisco) | 植物生理学 | NA | mini-lysimeter平台, 深度学习 | 深度学习模型(未指定具体类型) | 土壤湿度数据, 蒸腾水分损失数据, 冠层图像 | 三种砧木(RX1, VX211和Vlach)和一种接穗品种(Cisco) | NA | NA | NA | NA |
| 810 | 2025-04-09 |
Transformer-based artificial intelligence on single-cell clinical data for homeostatic mechanism inference and rational biomarker discovery
2025-Mar-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.24.25324556
PMID:40196278
|
research paper | 该研究开发了一种基于Transformer的人工智能流程，用于单细胞临床数据分析，以推断稳态机制并发现生物标志物 | 提出了一个通用的、可解释的AI流程，包括用于预测的MIST模型和用于可解释性的单细胞FastShap模型，能够解释70-82%的血细胞群体大小变化 | 研究仅针对血液细胞群体，未涉及其他组织或细胞类型 | 利用单细胞数据分析生物系统中的模式和机制，并发现潜在的临床相关生物标志物 | 循环红细胞（RBC）、白细胞（WBC）和血小板（PLT）的单细胞测量数据 | machine learning | sepsis, heart disease, diabetes | single-cell measurement | Transformer (MIST), FastShap | single-cell clinical data | 大量常规临床数据（具体数量未提及） | NA | NA | NA | NA |
| 811 | 2025-10-07 |
Deep learning-based multimodal CT/MRI image fusion and segmentation strategies for surgical planning of oral and maxillofacial tumors: A pilot study
2025-Mar-31, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2025.102324
PMID:40174752
|
研究论文 | 本研究评估基于深度学习的多模态CT/MRI图像融合与分割策略在口腔颌面部肿瘤手术规划中的可行性 | 结合三种图像融合模型和三种分割模型构建九种混合深度学习模型，用于口腔颌面部肿瘤的多模态影像分析 | 样本量较小（30例患者），属于初步研究 | 评估深度学习在多模态CT/MRI图像融合与分割中用于口腔颌面部肿瘤手术规划的准确性和可行性 | 口腔颌面部肿瘤患者 | 医学影像分析 | 口腔颌面部肿瘤 | 增强CT扫描, MRI扫描 | 深度学习 | CT图像, MRI图像 | 30例口腔颌面部肿瘤患者（2016-2022年） | NA | nnU-Net, 3D UX-Net, U-Net, Elastix, ANTs, NiftyReg | Fusion Index, Dice相似系数, 95% Hausdorff距离, 平均表面距离, 精确率, 召回率 | NA |
| 812 | 2025-10-07 |
Efficient annotation bootstrapping for cell identification in follicular lymphoma
2025-Mar-27, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108728
PMID:40188578
|
研究论文 | 本研究探索了滤泡性淋巴瘤诊断中降低标注成本的解决方案，比较了三种标注引导方法 | 提出基于定制细胞编码器和数字病理学基础模型上下文编码的混合架构，用于中心母细胞和中心细胞检测 | 研究仅基于41张全切片图像和12,704个细胞标注，样本规模有限 | 降低数字病理学中细胞识别任务的标注成本 | 滤泡性淋巴瘤中的中心母细胞和中心细胞 | 数字病理学 | 滤泡性淋巴瘤 | 全切片图像扫描 | 深度学习 | 病理图像 | 41张全切片图像，包含12,704个细胞标注 | NA | 定制细胞编码器，基础模型上下文编码 | 宏平均F1分数，精确率，召回率 | NA |
| 813 | 2025-10-07 |
Deep learning in single-cell and spatial transcriptomics data analysis: advances and challenges from a data science perspective
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf136
PMID:40185158
|
综述 | 本文从数据科学角度系统回顾了深度学习在单细胞和空间转录组学数据分析中的进展与挑战 | 系统评估了58种计算方法在9个基准测试的21个数据集上的性能表现，揭示了模型性能随数据集和评估指标变化的规律 | 高质量标注数据集仍然有限，生物组织复杂相关性使得准确重建细胞状态和空间背景存在困难 | 探讨深度学习在单细胞和空间转录组学数据分析中的应用前景和发展方向 | 单细胞测序数据和空间转录组数据 | 机器学习 | NA | 单细胞测序，空间转录组学 | 深度学习 | 基因表达数据，表观遗传修饰数据，代谢物水平数据，空间位置数据 | 21个数据集，包含数百万细胞 | NA | NA | 准确性，生物可解释性 | NA |
| 814 | 2025-10-07 |
Intelligent biofilm detection with ensemble of deep learning networks
2025-Mar-01, Medicina oral, patologia oral y cirugia bucal
DOI:10.4317/medoral.26937
PMID:39954282
|
研究论文 | 本研究评估了使用集成策略的U-Net神经网络在口腔内照片上自动检测牙菌斑的性能 | 首次采用集成策略的U-Net神经网络在不使用显色剂的情况下自动检测牙菌斑 | 回顾性探索性研究，样本来源有限 | 评估深度学习网络在牙菌斑自动检测中的性能 | 乳牙和恒牙的口腔内照片 | 计算机视觉 | 口腔疾病 | 深度学习 | CNN | 图像 | 两个口腔图像数据集（乳牙和恒牙） | NA | U-Net | 准确率,F1分数,灵敏度,特异度 | NA |
| 815 | 2025-10-07 |
Critical assessment of missense variant effect predictors on disease-relevant variant data
2025-Mar, Human genetics
IF:3.8Q2
DOI:10.1007/s00439-025-02732-2
PMID:40113603
|
研究论文 | 评估错义变异效应预测工具在疾病相关变异数据上的性能表现 | 系统评估了最新错义变异效应预测工具，包括CAGI挑战赛提交工具、临床常用工具和新兴深度学习方法，并分析了不同应用场景下的性能差异 | 评估数据可能受到基因水平标签不平衡的影响，且某些预测工具在区分致病性变异与极罕见良性变异时性能下降 | 评估错义变异效应预测工具的临床和研究实用性，指导未来工具改进 | 错义变异效应预测工具 | 生物信息学 | 遗传疾病 | 深度学习, 变异效应预测 | 深度学习模型 | 基因变异数据 | NA | NA | NA | 特异性, 敏感性 | NA |
| 816 | 2025-10-07 |
Diagnostic accuracy of artificial intelligence in the detection of maxillary sinus pathology using computed tomography: A concise systematic review
2025-Mar, Imaging science in dentistry
IF:1.7Q3
DOI:10.5624/isd.20240139
PMID:40191392
|
系统综述 | 评估人工智能在CT/CBCT影像中检测上颌窦病变的诊断性能与准确性 | 首次系统评估多种深度学习架构在上颌窦病变检测中的综合表现 | 纳入研究数量有限（12项），需要进一步提高准确性和一致性 | 评估人工智能在上颌窦病变检测中的诊断准确性 | 上颌窦病变（如上颌窦炎） | 计算机视觉 | 上颌窦疾病 | CT/CBCT成像 | CNN | 医学影像 | 3,349名患者（7,358张图像） | NA | ResNet, DenseNet, YOLO, U-Net | 准确率, 敏感度, 特异度, AUC | NA |
| 817 | 2025-04-07 |
Utility-based Analysis of Statistical Approaches and Deep Learning Models for Synthetic Data Generation With Focus on Correlation Structures: Algorithm Development and Validation
2025-Mar-20, JMIR AI
DOI:10.2196/65729
PMID:40112290
|
研究论文 | 本研究评估了多种合成数据生成方法在复制真实医疗数据集中的相关结构方面的有效性，并比较了它们在随机森林等下游任务中的表现 | 综合比较了统计方法和深度学习方法在生成合成数据时的性能，特别是在保留相关结构方面的表现 | 深度学习方法在小型数据集或有限训练周期下表现不佳，LLMs在复制数值依赖关系方面存在困难 | 评估不同合成数据生成方法在医疗数据中的相关结构复制能力和下游任务表现 | 合成数据生成方法在模拟和真实医疗数据集上的表现 | 机器学习 | 乳腺癌, 糖尿病 | Generative Adversarial Networks, 大语言模型(LLMs), Random Forests, eXtreme Gradient Boosting, Gated Additive Tree Ensembles | GAN, ctgan, tvae, LLMs | 表格数据 | 模拟数据(10个高斯变量和1个二元目标变量), 体测数据集(13,393样本), 威斯康星乳腺癌数据集(569样本), 糖尿病数据集(768样本) | NA | NA | NA | NA |
| 818 | 2025-10-07 |
Development of a Clinically Applicable Deep Learning System Based on Sparse Training Data to Accurately Detect Acute Intracranial Hemorrhage from Non-enhanced Head Computed Tomography
2025-Mar-15, Neurologia medico-chirurgica
IF:2.4Q2
DOI:10.2176/jns-nmc.2024-0163
PMID:39864839
|
研究论文 | 开发基于稀疏训练数据的深度学习系统DeepCT，用于从非增强头部CT图像中准确检测急性颅内出血 | 基于稀疏训练数据开发临床适用的深度学习系统，并在美国和台湾多中心数据集上验证其普适可靠性 | 训练数据仅来自单一中心，可能影响模型泛化能力 | 开发用于检测急性颅内出血的深度学习算法并评估其临床适用性 | 非增强头部计算机断层扫描图像 | 计算机视觉 | 颅内出血 | 计算机断层扫描 | 深度学习 | 医学图像 | 1,815个CT图像集用于训练，多个外部验证和测试数据集 | PyTorch | U-Net, ResNet | 准确度 | NA |
| 819 | 2025-04-06 |
Applications of AI in Predicting Drug Responses for Type 2 Diabetes
2025-Mar-27, JMIR diabetes
DOI:10.2196/66831
PMID:40146874
|
research paper | 本文探讨了人工智能在预测2型糖尿病药物反应中的应用 | 利用AI技术（包括机器学习和深度学习）分析大规模数据集，以提高药物反应预测的准确性，并倾向于使用集成方法作为首选模型 | 未提及具体的数据集规模或模型性能的局限性 | 预测2型糖尿病患者对降糖药物的反应，以优化治疗方案和实现个性化医疗 | 2型糖尿病患者 | machine learning | diabetes | machine learning, deep learning | ensemble methods | electronic health records, clinical trials, observational studies | NA | NA | NA | NA | NA |
| 820 | 2025-04-06 |
Integrating Single-Molecule Sequencing and Deep Learning to Predict Haplotype-Specific 3D Chromatin Organization in a Mendelian Condition
2025-Mar-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.26.640261
PMID:40166185
|
research paper | 该研究提出了一种结合单分子测序和深度学习的模型FiberFold，用于预测单倍型特异性的3D染色质组织 | 结合卷积神经网络和Transformer架构，利用长读长测序数据预测细胞类型和单倍型特异性的3D基因组组织 | NA | 研究3D基因组结构在基因调控和人类疾病中的作用 | 人类单倍型特异性3D染色质组织 | machine learning | Mendelian disease | Fiber-seq, long-read sequencing | CNN, Transformer | multi-omic data | NA | NA | NA | NA | NA |