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 1401 篇文献，本页显示第 1101 - 1120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1101 | 2025-10-07 |
CT-based radiomics: A potential indicator of KRAS mutation in pulmonary adenocarcinoma
2025-Apr, Tumori
DOI:10.1177/03008916251314659
PMID:39894961
|
研究论文 | 本研究开发并验证了一种基于CT影像的放射组学特征用于预测肺腺癌KRAS突变状态 | 首次结合非增强CT和增强CT的放射组学特征与临床特征，采用多种特征选择方法和深度学习分类器预测肺腺癌KRAS突变状态 | 研究中KRAS突变患者比例较低（10.4%），可能存在类别不平衡问题 | 预测肺腺癌患者的KRAS基因突变状态 | 815例肺腺癌患者 | 数字病理 | 肺癌 | CT成像 | 多层感知机 | 医学影像 | 815例肺腺癌患者 | Pyradiomics | 多层感知机 | AUC,准确率,精确率,F1分数,召回率 | NA |
| 1102 | 2025-10-07 |
Deep Learning Analysis of Localized Interlayer Stacking Displacement and Dynamics in Bilayer Phosphorene
2025-Apr, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202416480
PMID:40026027
|
研究论文 | 提出基于深度学习的原子分辨率TEM图像分析方法，用于双层磷烯中层间堆叠位移的精确识别 | 首次将深度学习应用于原子分辨率TEM图像分析，实现单元胞模式识别和层间堆叠位移的精确测定 | NA | 开发能够精确识别层间堆叠位移的TEM图像分析方法 | 双层磷烯材料的层间堆叠位移和动力学 | 计算机视觉 | NA | 透射电子显微镜 | 深度学习模型 | 原子分辨率TEM图像 | 大规模原位TEM数据集 | NA | NA | 位移误差率3.3%，空间分辨率达单元胞级别 | NA |
| 1103 | 2025-10-07 |
Identification of heart failure subtypes using transformer-based deep learning modelling: a population-based study of 379,108 individuals
2025-Apr, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2025.105657
PMID:40112740
|
研究论文 | 本研究使用基于Transformer的深度学习模型分析电子健康记录，识别心力衰竭的七种不同亚型 | 首次将Transformer架构应用于心力衰竭患者亚型分析，识别出包括COPD相关和甲状腺功能障碍相关在内的两个先前未被认识的高风险亚组 | 研究基于英国电子健康记录数据，结果在其他人群中的适用性需要进一步验证 | 探索深度学习在心力衰竭患者精细化分型中的应用 | 379,108名心力衰竭患者 | 自然语言处理 | 心血管疾病 | 电子健康记录分析 | Transformer | 电子健康记录文本数据 | 379,108名患者 | NA | Transformer | 一年全因死亡率，心力衰竭住院率 | NA |
| 1104 | 2025-10-07 |
Deep learning-based assessment of pulp involvement in primary molars using YOLO v8
2025-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0000816
PMID:40198622
|
研究论文 | 开发基于YOLOv8的深度学习模型用于评估乳磨牙牙髓受累情况 | 首次将YOLOv8模型应用于牙科X光片的牙髓受累诊断，特别针对乳磨牙 | 仅使用单中心数据，未包含临床变量，未分析完整咬翼片图像 | 开发机器学习模型用于诊断龋坏乳磨牙的牙髓受累情况 | 482颗龋坏乳磨牙的咬翼X光片 | 计算机视觉 | 牙科疾病 | X光成像 | CNN | 图像 | 482颗牙齿（来自900名儿童） | YOLOv8 | YOLOv8m-cls | top-1准确率, top-5准确率, 精确率, 召回率, F1分数 | NA |
| 1105 | 2025-10-07 |
Subgroup evaluation to understand performance gaps in deep learning-based classification of regions of interest on mammography
2025-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0000811
PMID:40198652
|
研究论文 | 本研究评估深度学习模型在乳腺X线摄影中分类正常与潜在异常感兴趣区域的表现，并识别导致特定患者亚组模型性能欠佳的特征 | 首次在大型乳腺影像数据集上系统评估深度学习模型在不同患者亚组中的性能差异，并识别影响模型表现的关键因素 | 研究基于单一机构数据集，可能限制结果的普适性；模型性能评估主要关注分类任务 | 识别导致深度学习模型在乳腺X线摄影分类任务中性能差异的成像、病理和人口统计学特征 | 乳腺X线摄影图像中的感兴趣区域 | 计算机视觉 | 乳腺癌 | 全视野数字乳腺X线摄影 | CNN | 图像 | 115,931名患者的340万张乳腺X线图像，包含52,444个图像块（训练29,144，验证9,910，测试13,390） | NA | ResNet152V2 | 准确率,AUC,召回率,精确率,F1分数,假阴性率,假阳性率 | NA |
| 1106 | 2025-04-12 |
MLG2Net: Molecular Global Graph Network for Drug Response Prediction in Lung Cancer Cell Lines
2025-Apr-10, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02182-3
PMID:40208442
|
research paper | 该研究提出了一种名为MLG2Net的深度学习模型，用于预测肺癌细胞系的药物反应 | MLG2Net是一种受图神经网络启发的模型，结合了药物的局部和全局图网络描述以及细胞系基因组学数据 | 在肺鳞状细胞癌数据集上表现较低，可能由于数据集规模较小影响了模型能力 | 提高肺癌细胞系药物反应预测的准确性 | 肺癌细胞系（肺腺癌和肺鳞状细胞癌） | machine learning | lung cancer | pharmacogenomics data | graph neural networks (GNN) | multi-omics data | LUAD和LUSC细胞系数据集（具体数量未提及） | NA | NA | NA | NA |
| 1107 | 2025-04-12 |
A Deep Learning-Based Approach for the Diagnostic of Brucellar Spondylitis in Magnetic Resonance Images
2025-Apr-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3559909
PMID:40208763
|
研究论文 | 提出了一种基于深度学习的自动化诊断框架BSMRINet，用于从T2加权磁共振图像中诊断布鲁氏菌性脊柱炎 | 首次开发了专门用于检测布鲁氏菌性脊柱炎的深度学习模型BSMRINet，结合了角点检测算法和ResNet、DenseNet架构，并改进了scSE网络 | 研究仅基于582例来自四家医院的数据，可能需要更大规模的多中心验证 | 开发自动化诊断工具以提高布鲁氏菌性脊柱炎的诊断准确性和效率 | 布鲁氏菌性脊柱炎患者的T2加权磁共振图像 | 数字病理学 | 布鲁氏菌病 | 深度学习 | ResNet, DenseNet, scSE网络 | 磁共振图像 | 582例来自四家医院的患者队列 | NA | NA | NA | NA |
| 1108 | 2025-04-10 |
Author Correction: Advanced predictive machine and deep learning models for round-ended CFST column
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95424-w
PMID:40199925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1109 | 2025-04-10 |
Editorial Expression of Concern: Development of deep learning algorithm for detecting dyskalemia based on electrocardiogram
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96414-8
PMID:40199974
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1110 | 2025-10-07 |
A synergistic approach for enhanced eye blink detection using wavelet analysis, autoencoding and Crow-Search optimized k-NN algorithm
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95119-2
PMID:40199999
|
研究论文 | 提出一种结合小波分析、自编码器和乌鸦搜索优化的k近邻算法的眼电信号眨眼检测方法 | 首次将乌鸦搜索算法用于优化k-NN超参数，并结合小波分析和自编码器进行特征提取，在EEG眨眼检测中表现优于深度学习模型 | 未明确说明具体数据集规模和采集条件，缺乏跨数据集验证 | 开发高性能的EEG信号眨眼检测方法 | 脑电图信号中的眨眼活动 | 机器学习 | 神经系统疾病 | 脑电图信号处理 | k-NN | EEG信号 | NA | NA | 自编码器 | 准确率, 分类报告, 混淆矩阵 | NA |
| 1111 | 2025-10-07 |
Leveraging artificial intelligence for diagnosis of children autism through facial expressions
2025-Apr-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96014-6
PMID:40200029
|
研究论文 | 本研究开发了一种结合ResNet152和视觉Transformer的混合深度学习模型，用于通过儿童面部表情诊断自闭症谱系障碍 | 首次将ResNet152与视觉Transformer(ViT)结合构建混合模型，在自闭症诊断中实现了91.33%的准确率 | 仅使用RGB图像数据，数据集多样性有限，未来需要纳入多种数据类型 | 开发基于人工智能的自闭症早期诊断方法 | 自闭症谱系障碍(ASD)患儿的面部图像数据 | 计算机视觉 | 自闭症谱系障碍 | 深度学习，迁移学习 | CNN, Transformer | RGB图像 | NA | NA | DenseNet201, ResNet152, VGG16, VGG19, MobileNetV2, EfficientNet-B0, Vision Transformer | 准确率 | NA |
| 1112 | 2025-10-07 |
Anesthesia depth prediction from drug infusion history using hybrid AI
2025-Apr-08, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02986-w
PMID:40200239
|
研究论文 | 提出一种结合LSTM、Transformer和KAN的混合AI模型，用于从药物输注历史预测麻醉深度 | 首次将Kolmogorov-Arnold Networks（KAN）与LSTM和Transformer架构结合，用于麻醉深度预测，通过注意力机制和非线性建模提高预测准确性 | 模型鲁棒性需进一步改进，需探索实时应用并解决预测分析中的潜在偏差 | 提高麻醉深度预测的准确性，优化患者安全和手术结果 | 麻醉患者的药物输注历史和生理数据 | 机器学习 | NA | 麻醉监测 | LSTM, Transformer, KAN | 生理数据序列 | 来自公共麻醉监测数据库VitalDB的患者数据 | NA | LSTM, Transformer, KAN | 均方误差（MSE） | NA |
| 1113 | 2025-10-07 |
HepatoToxicity Portal (HTP): an integrated database of drug-induced hepatotoxicity knowledgebase and graph neural network-based prediction model
2025-Apr-08, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-00992-8
PMID:40200282
|
研究论文 | 开发了肝毒性门户(HTP)，整合了专家策划的知识库和基于图神经网络的肝毒性预测模型 | 整合了来自九个主要数据库的肝毒性数据，并利用在PubChem数据库上预训练的GNN基础模型进行微调，预测性能优于现有方法 | NA | 解决药物开发中肝毒性预测的挑战，提供综合的肝毒性知识和预测工具 | 药物诱导的肝毒性 | 机器学习 | 肝毒性 | 图神经网络 | GNN | 化学结构数据 | 知识库包含8,306种化学品，预训练使用约1,000万种化学品 | NA | 基于GNN的基础模型 | AUROC | NA |
| 1114 | 2025-10-07 |
MIDAA: deep archetypal analysis for interpretable multi-omic data integration based on biological principles
2025-Apr-08, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03530-9
PMID:40200293
|
研究论文 | 提出基于生物学原理的可解释多组学数据整合框架MIDAA，结合原型分析与深度学习 | 将基于进化权衡和帕累托最优性的原型分析与深度学习相结合，在保留生物相互作用复杂性的同时提供可解释输出 | NA | 开发基于生物学原理的多组学数据整合与解释方法 | 高通量多组学分子谱数据 | 机器学习 | NA | 多组学分析 | 深度学习 | 多组学数据 | NA | NA | 原型分析 | NA | NA |
| 1115 | 2025-10-07 |
Automatic identification of hard and soft tissue landmarks in cone-beam computed tomography via deep learning with diversity datasets: a methodological study
2025-Apr-08, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-05831-8
PMID:40200295
|
研究论文 | 本研究开发了一种基于深度学习的自动识别锥形束CT中颅面软硬组织标志点的方法 | 首次将深度学习方法应用于多样化错颌畸形患者的CBCT图像中软硬组织标志点的自动定位 | 样本量相对有限（498例CBCT图像），软组织标志点的识别精度略低于硬组织 | 开发自动识别CBCT图像中颅面软硬组织标志点的深度学习算法 | 498例不同类型错颌畸形患者的锥形束CT图像 | 计算机视觉 | 错颌畸形 | 锥形束CT成像 | 深度学习模型 | 医学影像 | 498例CBCT图像 | NA | NA | 平均绝对误差,平均径向误差,成功检测率 | 常规图形处理单元 |
| 1116 | 2025-10-07 |
A beginner's approach to deep learning applied to VS and MD techniques
2025-Apr-08, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-00985-7
PMID:40200329
|
综述 | 本文综述了深度学习在虚拟筛选和分子动力学等分子建模技术中的应用现状与发展前景 | 系统梳理了深度学习在分子建模四个关键环节的创新应用：虚拟筛选流程优化、分子动力学模拟改进、原子间力计算辅助和轨迹数据分析 | 主要面向已有深度学习基础的计算化学家，对初学者门槛较高；且未涉及具体实施细节 | 为计算化学家提供深度学习在分子建模技术中的集成应用指南 | 虚拟筛选(VS)和分子动力学(MD)等分子建模技术 | 机器学习 | NA | 虚拟筛选、分子动力学模拟 | 深度学习 | 分子结构数据、模拟轨迹数据 | NA | NA | NA | NA | NA |
| 1117 | 2025-10-07 |
Leveraging Physics-Based Synthetic MR Images and Deep Transfer Learning for Artifact Reduction in Echo-Planar Imaging
2025-Apr-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8566
PMID:39947682
|
研究论文 | 本研究利用物理方法合成MR伪影，并通过深度迁移学习训练GAN网络来减少EPI序列中的伪影 | 采用物理方法合成真实MR伪影，并提出堆叠迁移学习方法训练GAN网络 | 研究主要针对EPI序列的伪影，可能不适用于其他MR序列 | 开发有效的深度学习方法减少EPI神经影像序列中的伪影 | 脑部MR图像和复发性胶质母细胞瘤患者的ADC图 | 医学影像处理 | 脑肿瘤 | MR成像，EPI序列，扩散MRI | GAN | MR图像 | 1,392名患者的4,573个解剖MR序列，49名复发性胶质母细胞瘤患者的ADC图 | NA | Pix2PixGAN, Attention-R2UNet | MSE, SSIM, MS-SSIM, PSNR, Hausdorff距离 | NA |
| 1118 | 2025-10-07 |
Deep Learning-Based Reconstruction for Accelerated Cervical Spine MRI: Utility in the Evaluation of Myelopathy and Degenerative Diseases
2025-Apr-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8567
PMID:40147833
|
研究论文 | 本研究比较了基于深度学习的加速颈椎MRI与传统MRI在图像质量和诊断性能方面的差异 | 首次前瞻性比较商业化的供应商无关深度学习重建算法在加速颈椎MRI中的应用价值 | 样本量相对较小（50例患者），部分图像质量指标无显著差异 | 评估深度学习重建算法在加速颈椎MRI中的图像质量和诊断性能 | 50例患有退行性颈椎疾病或脊髓病的患者 | 医学影像分析 | 颈椎退行性疾病, 脊髓病 | MRI, 深度学习重建 | 深度学习 | 医学影像 | 50例患者 | NA | NA | SNR, CNR, 敏感性, 特异性, 图像质量评分 | NA |
| 1119 | 2025-10-07 |
Rapid Identification of Medicinal Polygonatum Species and Predictive of Polysaccharides Using ATR-FTIR Spectroscopy Combined With Multivariate Analysis
2025-Apr, Phytochemical analysis : PCA
IF:3.0Q2
DOI:10.1002/pca.3459
PMID:39422183
|
研究论文 | 本研究利用衰减全反射傅里叶变换红外光谱结合多元分析方法，建立了药用黄精物种的定性鉴定模型和多糖含量预测模型 | 首次将ATR-FTIR光谱与多元分析结合用于药用黄精物种分类和多糖含量预测，并比较了传统方法与ResNet深度学习模型的性能 | 研究样本仅包含334个药用黄精样品，未来可扩展更多物种；仅针对多糖成分进行预测，未涉及其他化学成分 | 开发快速鉴定药用黄精物种和预测多糖含量的分析方法 | 药用黄精物种及其多糖成分 | 光谱分析 | NA | ATR-FTIR光谱分析，蒽酮-硫酸法 | PLSR, Kernel-PLSR, ResNet | 红外光谱数据 | 334个药用黄精物种样品，110个黄精多糖样品 | NA | ResNet | 准确率，RPD，Rp | NA |
| 1120 | 2025-10-07 |
Evaluating the reproducibility of a deep learning algorithm for the prediction of retinal age
2025-Apr, GeroScience
IF:5.3Q1
DOI:10.1007/s11357-024-01445-0
PMID:39589693
|
研究论文 | 评估深度学习算法预测视网膜年龄的可重复性 | 首次系统评估视网膜年龄预测的可靠性，发现图像质量对结果的影响及昼夜波动现象 | 样本量有限（共67名受试者），未涉及更广泛的人群特征 | 评估视网膜年龄预测算法的可靠性和准确性，分析影响因素 | 人类视网膜图像 | 计算机视觉 | 年龄相关疾病 | 彩色眼底摄影 | 深度学习算法 | 图像 | 67名受试者（26名Intervisit组，41名Intravisit组） | NA | NA | 平均绝对测试-重测差异 | NA |