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 1366 篇文献，本页显示第 341 - 360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 341 | 2025-05-17 |
Zero Echo Time and Similar Techniques for Structural Changes in the Sacroiliac Joints
2025-Apr, Seminars in musculoskeletal radiology
IF:0.9Q4
DOI:10.1055/s-0045-1802660
PMID:40164079
|
综述 | 本文探讨了基于MRI的合成CT（sCT）技术在评估骶髂关节结构变化中的潜在作用，特别是在轴向脊柱关节炎（axSpA）的背景下 | 介绍了合成CT（sCT）技术，该技术通过MRI数据生成类似CT的图像，结合了MRI和CT的优势，能够在无电离辐射的情况下同时评估炎症和结构病变 | NA | 探索MRI-based sCT在评估骶髂关节结构变化中的潜在作用，特别是在axSpA的早期检测和监测中 | 骶髂关节的结构变化，特别是在轴向脊柱关节炎（axSpA）患者中 | 数字病理学 | 脊柱关节炎 | 合成CT（sCT）、深度学习、零回波时间（ZTE）、超短回波时间（UTE）、梯度回波序列 | NA | MRI和CT图像数据 | NA | NA | NA | NA | NA |
| 342 | 2025-05-17 |
Improved gated recurrent unit-based osteosarcoma prediction on histology images: a meta-heuristic-oriented optimization concept
2025-Apr-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85149-1
PMID:40169634
|
research paper | 该研究提出了一种基于改进门控循环单元（IGRU）的深度学习方法来预测组织学图像中的骨肉瘤 | 使用改进的门控循环单元（IGRU）和鱼鹰优化算法（OOA）进行参数调优，以提高预测准确性 | 未提及具体的数据集大小或模型在其他数据集上的泛化能力 | 通过深度学习技术提高骨肉瘤的早期诊断和个体化治疗 | 骨肉瘤患者的组织学图像 | digital pathology | osteosarcoma | Weiner filter, 2D Otsu's method, linear discriminant analysis (LDA) | improved gated recurrent unit (IGRU) | image | NA | NA | NA | NA | NA |
| 343 | 2025-05-17 |
Detection of kidney bean leaf spot disease based on a hybrid deep learning model
2025-Apr-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93742-7
PMID:40169647
|
研究论文 | 本研究构建了首个菜豆叶斑病数据集，并提出了一种结合深度学习和机器学习的混合模型框架，显著提高了病害检测效率和准确率 | 构建了首个高质量的菜豆叶斑病数据集，并开发了一种结合深度学习和机器学习的新型框架 | 深度学习方法的计算成本较高，且可靠的菜豆叶斑病数据集仍然稀缺 | 提高菜豆叶斑病的检测效率和准确率，为精准农业中的作物病害智能诊断和管理提供新方法 | 菜豆叶斑病 | 计算机视觉 | 植物病害 | 深度学习与机器学习结合 | EfficientNet-B7, MobileNetV3, ResNet50, VGG16, Logistic Regression, Random Forest, AdaBoost, Stochastic Gradient Boosting | 图像 | NA | NA | NA | NA | NA |
| 344 | 2025-05-17 |
An efficient graph attention framework enhances bladder cancer prediction
2025-Apr-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-93059-5
PMID:40169776
|
research paper | 提出了一种基于图注意力机制的高效框架，用于增强膀胱癌的预测 | 提出了一种新型的图神经网络结构MSL-GAT，利用注意力机制识别和预测与膀胱癌进展相关的关键驱动基因 | 未提及具体的数据集限制或模型泛化能力的验证 | 通过个性化驱动基因检测提高膀胱癌的预测准确性 | 膀胱癌患者及其相关的编码和非编码基因 | machine learning | bladder cancer | graph attention mechanisms (GAT), RNA interference (RNAi) | Multi Stacked-Layered GAT (MSL-GAT) | genomic, transcriptomic, and epigenomic metadata | benchmark TCGA-BLCA数据集，具体样本数量未提及 | NA | NA | NA | NA |
| 345 | 2025-05-17 |
Automatic detection of developmental stages of molar teeth with deep learning
2025-Apr-01, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-05827-4
PMID:40169944
|
research paper | 该研究旨在通过深度学习模型全自动检测全景X光片中磨牙的发育阶段 | 首次全面比较了9种不同深度学习模型在全景X光片上自动检测磨牙发育阶段的性能 | 样本量较小(仅210张全景X光片)，且为回顾性研究 | 开发自动化系统辅助牙医进行磨牙发育阶段分类 | 5-25岁患者的磨牙发育阶段 | digital pathology | NA | panoramic radiography | Cascade R-CNN, YOLOv3, HTC, DetectorRS, SSD, EfficientNet, NAS-FPN, Deformable DETR, PAA | image | 210张全景X光片 | NA | NA | NA | NA |
| 346 | 2025-05-17 |
Comparative analysis of deep learning architectures for thyroid eye disease detection using facial photographs
2025-Apr-01, BMC ophthalmology
IF:1.7Q3
DOI:10.1186/s12886-025-03988-y
PMID:40169995
|
research paper | 比较两种深度学习模型ResNet-50和ResNet-101在使用面部照片筛查甲状腺眼病（TED）中的表现 | 首次比较ResNet-50和ResNet-101在TED筛查中的性能，并在临床条件下测试模型 | 样本量相对较小，且仅在特定临床条件下测试 | 评估深度学习模型在甲状腺眼病筛查中的应用效果 | 甲状腺眼病患者和健康个体的面部照片 | computer vision | thyroid eye disease | deep learning | ResNet-50, ResNet-101 | image | 1601张面部照片（643 TED患者和643健康个体用于训练，81 TED患者和74健康个体用于验证，80 TED患者和80健康个体用于测试，25 TED患者和25健康个体用于临床测试） | NA | NA | NA | NA |
| 347 | 2025-05-17 |
DconnLoop: a deep learning model for predicting chromatin loops based on multi-source data integration
2025-Apr-01, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06092-6
PMID:40170155
|
研究论文 | 开发了一种名为DconnLoop的深度学习方法，通过整合多源数据预测染色质环 | 整合Hi-C、ChIP-seq和ATAC-seq多源数据，结合残差机制、方向性连接激励模块和交互特征空间解码器进行特征提取与融合 | 未明确提及具体局限性 | 提高染色质环预测的准确性和召回率，以更好地理解疾病调控机制 | 染色质环 | 深度学习 | NA | Hi-C、ChIP-seq、ATAC-seq | 深度学习模型（含残差机制、方向性连接激励模块、交互特征空间解码器） | 基因组多源测序数据 | 未明确提及具体样本量 | NA | NA | NA | NA |
| 348 | 2025-05-17 |
Breast cancer histopathology image classification using transformer with discrete wavelet transform
2025-Apr, Medical engineering & physics
IF:1.7Q3
DOI:10.1016/j.medengphy.2025.104317
PMID:40180530
|
research paper | 提出了一种基于离散小波变换和邻域注意力Transformer的乳腺癌组织病理学图像分类网络DWNAT-Net | 首次将离散小波变换引入邻域注意力Transformer，同时提取空间和频率特征 | 未明确说明模型的计算复杂度或实时性能 | 提高乳腺癌组织病理学图像的分类准确率 | 乳腺癌组织病理学图像 | digital pathology | breast cancer | Discrete Wavelet Transform (DWT) | Transformer (NAT) | image | BreakHis和BACH数据集 | NA | NA | NA | NA |
| 349 | 2025-05-17 |
TissueProf: An ImageJ/Fiji Plugin for Tissue Profiling Based on Fluorescent Signals
2025-Apr, The European journal of neuroscience
DOI:10.1111/ejn.70094
PMID:40180584
|
research paper | 开发了一个名为TissueProf的ImageJ/Fiji插件，用于基于荧光信号的组织分析 | 提供了一个半自动化的图像分析流程，具有用户输入灵活性，结合了深度学习网络和空间分析 | 需要手动校正细胞分割，可能仍存在一定的用户工作量 | 减少研究人员在多通道显微镜图像分析中的工作量和时间消耗 | 荧光免疫组织化学图像中的细胞群体 | digital pathology | NA | 荧光免疫组织化学 | deep learning networks | image | NA | NA | NA | NA | NA |
| 350 | 2025-05-17 |
AI/ML modeling to enhance the capability of in vitro and in vivo tests in predicting human carcinogenicity
2025-Apr, Mutation research. Genetic toxicology and environmental mutagenesis
DOI:10.1016/j.mrgentox.2025.503858
PMID:40185541
|
研究论文 | 本研究旨在开发一种基于深度学习的计算机模型，通过多任务学习方法预测人类致癌性 | 采用图神经网络(GNN)结合多任务学习框架，整合多种辅助任务提升人类致癌性预测能力 | 未提及具体的数据集规模限制或模型泛化能力测试 | 提高人类致癌性预测的准确性 | 化学物质的致癌性预测 | 机器学习 | 癌症 | 深度学习 | GNN, MTL | 化学物质数据 | NA | NA | NA | NA | NA |
| 351 | 2025-10-07 |
Automated Detection of Oral Malignant Lesions Using Deep Learning: Scoping Review and Meta-Analysis
2025-Apr, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.15188
PMID:39489724
|
综述与荟萃分析 | 通过范围综述和荟萃分析评估深度学习在口腔恶性病变自动检测领域的研究进展 | 首次对深度学习在口腔病变自动检测领域进行系统性范围综述和定量荟萃分析 | 仅纳入14项研究，其中仅3项符合荟萃分析条件，样本量有限 | 评估深度学习在口腔恶性病变自动检测中的效果和应用进展 | 口腔恶性病变的临床图像数据 | 计算机视觉 | 口腔癌 | 深度学习 | 深度学习算法 | 临床图像 | 14项研究（其中3项用于荟萃分析） | NA | NA | 灵敏度, 特异度 | NA |
| 352 | 2025-05-16 |
Modeling Temporal Dependencies in Brain Functional Connectivity to Identify Autism Spectrum Disorders Based on Heterogeneous rs-fMRI Data
2025-Apr-30, Experimental neurobiology
IF:1.8Q4
DOI:10.5607/en24028
PMID:40313229
|
研究论文 | 本研究通过探索脑功能连接的时间动态变化，利用深度学习框架结合注意力机制和LSTM神经网络，识别自闭症谱系障碍（ASD）的风险个体 | 首次将动态功能连接的时间依赖性抽象为高级表征，并用于ASD的识别，结合注意力机制和LSTM的深度学习框架在分类性能上优于传统方法 | 研究依赖于ABIDE数据库的异质性rs-fMRI数据，可能影响模型的泛化能力 | 开发基于动态脑功能连接的ASD客观生物标志物 | 自闭症谱系障碍（ASD）患者 | 数字病理学 | 自闭症谱系障碍 | rs-fMRI | LSTM结合注意力机制 | 图像 | 来自ABIDE数据库的异质性rs-fMRI数据 | NA | NA | NA | NA |
| 353 | 2025-05-16 |
Evaluating Traditional, Deep Learning and Subfield Methods for Automatically Segmenting the Hippocampus From MRI
2025-Apr-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70200
PMID:40143669
|
研究论文 | 评估传统方法、深度学习和海马亚区方法在MRI中自动分割海马体的性能 | 首次独立比较传统方法、深度学习方法和海马亚区分割方法在单一研究中的性能 | 大多数方法在临床数据上表现较差，且存在过度分割的问题，特别是在海马体前边界 | 评估和比较不同自动海马体分割方法的性能 | 海马体 | 神经影像 | 认知障碍 | MRI | 深度学习 | 图像 | 3个数据集，包含手动分割的海马体标签 | NA | NA | NA | NA |
| 354 | 2025-05-15 |
Artificial Intelligence Advancements in Oncology: A Review of Current Trends and Future Directions
2025-Apr-13, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13040951
PMID:40299653
|
综述 | 本文回顾了人工智能在肿瘤学中的最新进展，重点关注计算机辅助诊断的早期检测、个性化治疗策略和药物发现 | 探讨了人工智能与纳米医学和免疫疗法的整合，以及比较了AI模型与传统诊断方法的优势 | 数据质量、算法偏见和临床验证等挑战限制了广泛采用 | 探索人工智能在肿瘤学中的应用及其潜力，以改善癌症诊断、治疗和管理 | 癌症研究和治疗 | 机器学习 | 癌症 | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 355 | 2025-05-15 |
Advances in Artificial Intelligence and Machine Learning for Precision Medicine in Necrotizing Enterocolitis and Neonatal Sepsis: A State-of-the-Art Review
2025-Apr-13, Children (Basel, Switzerland)
DOI:10.3390/children12040498
PMID:40310141
|
review | 本文综述了人工智能和机器学习在坏死性小肠结肠炎（NEC）和新生儿败血症精准医学中的最新进展 | AI和ML模型在NEC风险分层、早期诊断和治疗策略优化方面展现出比传统临床方法更高的准确性，并发现了与疾病发作和严重程度相关的新生物标志物 | 数据异质性、模型可解释性以及需要大规模验证研究等挑战仍然存在 | 探索AI和ML在NEC预测、早期诊断和管理中的应用 | 坏死性小肠结肠炎（NEC）和新生儿败血症 | machine learning | necrotizing enterocolitis, neonatal sepsis | AI, ML, deep learning | NA | medical imaging, clinical data | NA | NA | NA | NA | NA |
| 356 | 2025-05-15 |
The Relevance of General Intelligence Measurement in Deep Learning for Healthcare
2025-04-08, Studies in health technology and informatics
DOI:10.3233/SHTI250052
PMID:40200449
|
research paper | 探讨通用智能测量在医疗健康领域深度学习中的重要性 | 研究了不同层次的泛化（局部、广泛和极端）在医疗AI系统中的贡献和限制，并指出现有评估方法的不足 | 现有评估泛化难度的指标仍不充分，需要开发新的评估方法 | 提高AI系统在复杂临床环境中的有效性和适应性 | 医疗AI系统 | machine learning | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 357 | 2025-05-15 |
Deep-Learning-Based AI-Model for Predicting Dental Plaque in the Young Permanent Teeth of Children Aged 8-13 Years
2025-Apr-07, Children (Basel, Switzerland)
DOI:10.3390/children12040475
PMID:40310101
|
研究论文 | 本研究开发了一种基于深度学习的AI模型，用于预测8-13岁儿童年轻恒牙中的牙菌斑 | 使用U-Net Transformer模型在牙菌斑检测和分割中表现出优于经验丰富的儿科牙医的临床性能 | 样本量较小，仅包含31名患者的506张牙齿图像 | 开发一种快速、可靠的牙菌斑检测和分割方法，以改善儿童口腔健康管理 | 8-13岁儿童的年轻恒牙 | 计算机视觉 | 口腔疾病 | 深度学习 | U-Net Transformer | 图像 | 31名患者的506张牙齿图像 | NA | NA | NA | NA |
| 358 | 2025-05-15 |
Molecular Modelling in Bioactive Peptide Discovery and Characterisation
2025-Apr-03, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15040524
PMID:40305228
|
review | 本文综述了分子建模在生物活性肽发现和表征中的应用及其最新进展 | 整合人工智能技术，特别是深度学习模型如AlphaFold和蛋白质语言模型(PLMs)，显著提升了肽构象和相互作用的预测能力 | 现有方法在整合非经典氨基酸和环化结构方面仍面临挑战 | 探讨分子建模技术在生物活性肽发现和表征中的应用及其发展 | 生物活性肽的结构特性及其与生物靶标的相互作用 | 生物信息学 | NA | 分子建模、分子对接、分子动力学(MD)、虚拟筛选、深度学习 | AlphaFold、蛋白质语言模型(PLMs) | 蛋白质序列和结构数据 | NA | NA | NA | NA | NA |
| 359 | 2025-05-15 |
Past, Present, and Future: A History Lesson in Artificial Intelligence
2025-Apr, Gastrointestinal endoscopy clinics of North America
DOI:10.1016/j.giec.2024.09.003
PMID:40021228
|
review | 回顾人工智能在过去50年的发展历程及其在医学领域的应用 | 总结了AI在胃肠病学中的革命性应用，并展望了未来的发展方向 | 需要解决透明度、责任和伦理问题 | 探讨人工智能在医学领域的历史、现状和未来趋势 | 人工智能在胃肠病学中的应用 | machine learning | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 360 | 2025-05-15 |
The Global and Regional Burden of Gallbladder and Biliary Tract Cancer and Attributable Risk Factors: Trends and Predictions
2025-Apr, Liver international : official journal of the International Association for the Study of the Liver
IF:6.0Q1
DOI:10.1111/liv.70025
PMID:40116757
|
research paper | 该研究全面评估了1990年至2021年胆囊及胆道癌(GBTC)的全球和区域疾病负担及其可归因风险因素，并利用深度学习模型进行趋势预测 | 提出了一种分层加权长短期记忆网络模型(SW-LSTM)用于趋势预测，克服了传统模型的不足 | 低和中低SDI地区的部分指标未观察到显著的时期和队列效应 | 评估GBTC的全球疾病负担并预测其趋势，以改进预防和治疗策略 | 全球范围内的胆囊及胆道癌(GBTC)疾病负担 | machine learning | 胆囊癌及胆道癌 | Joinpoint回归分析、年龄-时期-队列模型(APCM)、分层加权LSTM网络(SW-LSTM) | SW-LSTM | 流行病学数据 | 1990-2021年全球疾病负担研究数据 | NA | NA | NA | NA |