深度学习在生物医药领域中的应用
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，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10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 1559 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2025-06-06 |
A Study on Predicting the Efficacy of Posterior Lumbar Interbody Fusion Surgery Using a Deep Learning Radiomics Model
2025-May-30, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.026
PMID:40450398
|
research paper | 本研究开发了一个结合临床数据、放射组学和深度学习的模型，用于预测后路腰椎间融合手术(PLIF)的疗效 | 提出了一个结合临床特征、放射组学特征和深度学习特征的联合模型，该模型在预测PLIF手术效果方面表现出最佳性能 | 研究为回顾性分析，可能存在选择偏倚；样本量相对有限 | 预测后路腰椎间融合手术(PLIF)的术后疗效 | 461例因退行性腰椎疾病接受PLIF手术的患者 | digital pathology | degenerative lumbar diseases | deep learning radiomics | logistic regression, random forest, deep learning model | MRI图像(矢状位T2加权图像) | 461例患者(训练集368例，测试集93例) |
| 282 | 2025-06-06 |
Integrative strategies in drug discovery: Harnessing genomics, deep learning, and computer-aided drug design
2025-May-30, Computational biology and chemistry
IF:2.6Q2
|
综述 | 本文探讨了基因组学、深度学习和计算机辅助药物设计在药物发现中的整合策略及其对现代药物研发的变革性影响 | 整合高通量测序技术、深度学习算法和计算机辅助药物设计，提高药物靶点预测准确性并加速候选药物识别 | 未具体说明所采用深度学习模型在特定疾病领域的性能局限 | 促进多组学数据与人工智能技术在药物研发中的协同应用 | 基因组数据、药物-靶点相互作用关系 | 计算机辅助药物设计 | NA | 高通量测序技术（基因组学/转录组学/蛋白质组学/代谢组学） | 深度学习 | 基因组数据 | NA |
| 283 | 2025-06-06 |
Near-zero photon bioimaging by fusing deep learning and ultralow-light microscopy
2025-May-27, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2412261122
PMID:40388622
|
研究论文 | 本文介绍了一种结合深度学习和超低光显微镜的近零光子生物成像方法，能够在极低光照条件下高保真地重建生物图像 | 提出了一种在kHz速率和比标准显微镜低10,000倍辐照度下操作的近零光子生物成像方法，结合了精心设计的显微镜和AI技术 | NA | 通过减少样本辐照度来增强光学显微镜的可靠性和可重复性 | 多细胞和亚细胞特征的结构 | 生物成像 | NA | 超低光显微镜和深度学习 | AI（未指定具体模型） | 图像 | NA |
| 284 | 2025-06-06 |
Automatic Segmentation and Molecular Subtype Classification of Breast Cancer Using an MRI-based Deep Learning Framework
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240184
PMID:40249269
|
research paper | 开发了一个基于MRI的深度学习框架，用于乳腺癌病灶分割和分子亚型自动分类 | 提出了一个结合3D ResU-Net和Ensemble ResNet的深度学习框架，实现了乳腺癌病灶的高精度分割和分子亚型的自动分类 | 研究为回顾性多中心研究，可能存在选择偏倚 | 开发一个基于MRI的深度学习框架，用于乳腺癌病灶分割和分子亚型分类 | 乳腺癌患者 | digital pathology | breast cancer | contrast-enhanced MRI | 3D ResU-Net, Ensemble ResNet | MRI图像 | 687名女性患者（平均年龄48.70岁±8.97） |
| 285 | 2025-05-03 |
Deep Learning Radiopathomics for Predicting Tumor Vasculature and Prognosis in Hepatocellular Carcinoma
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.250141
PMID:40314587
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 286 | 2025-06-06 |
Anatomy-derived 3D Aortic Hemodynamics Using Fluid Physics-informed Deep Learning
2025-May, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240714
PMID:40326877
|
research paper | 研究使用流体物理信息深度学习方法（FPI-CycleGAN）从解剖输入中量化主动脉血流动力学，作为4D流MRI的替代方案 | 提出了一种生成式人工智能方法（FPI-CycleGAN），能够直接从解剖输入中预测主动脉血流动力学，显著减少计算时间 | 研究依赖于回顾性数据，且需要进一步验证在更广泛人群中的适用性 | 评估FPI-CycleGAN在量化主动脉血流动力学中的可行性和准确性 | 主动脉血流动力学 | digital pathology | cardiovascular disease | 4D flow MRI, FPI-CycleGAN | CycleGAN | 3D segmentation, MRI | 1765名患者（其中1242名BAV患者和523名TAV患者） |
| 287 | 2025-06-06 |
Development and validation of a novel chronic pancreatitis pathological grade based on artificial intelligence
2025-May, Pancreatology : official journal of the International Association of Pancreatology (IAP) ... [et al.]
IF:2.8Q2
DOI:10.1016/j.pan.2025.04.011
PMID:40335378
|
研究论文 | 本研究开发并验证了一种基于深度学习的慢性胰腺炎病理分级系统（Histopathology-derived CPpG），并通过放射组学评分（DLRS）预测疾病严重程度 | 首次提出基于人工智能的慢性胰腺炎病理分级系统，并开发了非侵入性的DLRS用于动态监测疾病严重程度 | 研究为回顾性设计，且病理确认的CP样本量相对较小（181例） | 开发慢性胰腺炎的客观病理分级系统并验证其临床价值 | 慢性胰腺炎和复发性急性胰腺炎患者 | 数字病理 | 慢性胰腺炎 | 深度学习，放射组学 | DeeplabV3+ | 全切片图像，CT扫描 | 2054例患者（含181例病理确诊CP） |
| 288 | 2025-06-06 |
Quantitative dynamics of neural uncertainty in sensory processing and decision-making during discriminative learning
2025-May, Experimental & molecular medicine
DOI:10.1038/s12276-025-01456-7
PMID:40335633
|
研究论文 | 本研究使用深度学习方法量化了初级体感皮层前肢区（fS1）在振动频率辨别任务中的神经不确定性 | 引入了一种transformer模型，用于解码随时间不一致跟踪的神经数据，揭示了fS1在振动刺激和决策过程中编码不确定性的关键作用 | 研究仅关注fS1区域，未涉及其他可能参与不确定性处理的大脑区域 | 探究感觉皮层中神经不确定性的定量表征及其在辨别学习中的作用 | 初级体感皮层前肢区（fS1）的神经活动 | 神经科学 | NA | 深度学习 | transformer | 神经活动数据 | NA |
| 289 | 2025-06-06 |
Interactive Explainable Deep Learning Model for Hepatocellular Carcinoma Diagnosis at Gadoxetic Acid-enhanced MRI: A Retrospective, Multicenter, Diagnostic Study
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240332
PMID:40445095
|
研究论文 | 开发基于钆塞酸增强MRI的人工智能模型，辅助放射科医生诊断肝细胞癌 | 提出了一种交互式可解释的深度学习模型，能够通过分析预训练病变分类器的激活模式推断LI-RADS特征的存在 | 研究为回顾性设计，可能受到选择偏差的影响 | 开发AI模型辅助肝细胞癌诊断 | 肝局灶性病变患者 | 数字病理 | 肝细胞癌 | 钆塞酸增强MRI | 深度学习 | MRI图像 | 839名患者（1023个肝局灶性病变） |
| 290 | 2025-06-06 |
Predicting Recurrence in Locally Advanced Rectal Cancer Using Multitask Deep Learning and Multimodal MRI
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240359
PMID:40445102
|
research paper | 开发并验证了一种名为MultiRecNet的多任务深度网络，用于全自动预测接受新辅助放化疗（nCRT）治疗的局部晚期直肠癌（LARC）患者的无病生存期（DFS） | MultiRecNet能够在单一框架内同时执行分割、分类和生存预测任务，实现了全自动端到端的预后预测 | 研究为回顾性设计，可能存在选择偏差 | 预测局部晚期直肠癌患者的无病生存期 | 接受nCRT治疗的局部晚期直肠癌患者 | digital pathology | rectal cancer | multimodal MRI | MultiRecNet (multitask deep learning) | MRI图像（T2、ADC等）及临床指标 | 445名患者（训练集261名，验证集37名，内部测试集75名，外部测试集72名） |
| 291 | 2025-06-05 |
Bayesian Optimization with Gaussian Processes Assisted by Deep Learning for Material Designs
2025-May-29, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c00592
PMID:40383929
|
research paper | 本研究探讨了结合深度学习和高斯过程的贝叶斯优化方法在材料设计中的应用 | 提出了一种结合神经网络和高斯过程的深度核学习（DKL）方法，用于提升贝叶斯优化的效率 | 在寻找具有最高居里温度的合金时，标准高斯过程方法优于DKL模型，因为可以直接利用与居里温度强相关的描述符 | 提高材料探索中贝叶斯优化的效率 | 氧化物数据集（922个）和混合有机-无机钙钛矿合金（610个）的带隙、离子介电常数、电子有效质量等性质 | machine learning | NA | deep kernel learning (DKL), Bayesian optimization (BO), Gaussian processes (GPs) | neural network, Gaussian processes | material property data | 922 oxide data sets, 610 hybrid organic-inorganic perovskite alloys, 4560 alloys |
| 292 | 2025-06-05 |
Beyond current boundaries: Integrating deep learning and AlphaFold for enhanced protein structure prediction from low-resolution cryo-EM maps
2025-May-27, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文介绍了一种名为DeepTracer-LowResEnhance的创新计算框架，该框架通过整合AlphaFold的结构预测和深度学习驱动的图谱细化策略，显著提高了低分辨率冷冻电镜图谱的解析和建模准确性 | 该研究首次将AlphaFold的序列预测与深度学习驱动的图谱细化策略相结合，专门针对低分辨率冷冻电镜图谱进行优化，显著提升了建模准确性 | 研究主要针对低分辨率冷冻电镜图谱（4 Å以下），对于更高分辨率图谱的适用性未进行验证 | 提高低分辨率冷冻电镜图谱的原子模型构建准确性 | 蛋白质冷冻电镜图谱 | 结构生物学 | NA | 冷冻电镜(cryo-EM) | CNN, GNN, AlphaFold | 冷冻电镜图谱 | 37种不同蛋白质的冷冻电镜图谱，包括22个分辨率低于4 Å的挑战性案例 |
| 293 | 2025-06-05 |
iPSC-RPE patch restores photoreceptors and regenerates choriocapillaris in a pig retinal degeneration model
2025-May-22, JCI insight
IF:6.3Q1
DOI:10.1172/jci.insight.179246
PMID:40401519
|
research paper | 该研究开发了一种基于诱导多能干细胞衍生的视网膜色素上皮（iRPE）贴片，用于治疗干性年龄相关性黄斑变性（AMD），并在猪视网膜退化模型中验证了其恢复光感受器和再生脉络膜毛细血管的能力 | 使用可生物降解的PLGA支架成熟iRPE细胞，开发了一种临床兼容的制造工艺，并通过深度学习算法和自适应光学成像验证了治疗效果 | 研究仅在猪模型中进行，尚未在人体临床试验中验证 | 开发并验证一种能够恢复光感受器和再生脉络膜毛细血管的治疗方法，以治疗干性年龄相关性黄斑变性 | 激光诱导的外视网膜退化的猪模型 | digital pathology | age-related macular degeneration | optical coherence tomography (OCT), OCT-angiography, adaptive optics imaging | deep learning algorithm | image | 猪模型中的视网膜区域 |
| 294 | 2025-06-05 |
Evaluation of data collection and annotation approaches of driver gaze dataset
2025-May-14, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-025-02679-2
PMID:40369353
|
research paper | 本研究评估了驾驶员视线数据集的三种标注方法，并提出了一种新的基于移动指针的标注方法 | 引入了一种新的基于移动指针的标注方法，该方法受到基于屏幕的视线数据收集的启发 | 手动标注和Speak2Label方法的准确性较低，需要进一步分析误分类原因 | 评估不同数据收集和标注方法在驾驶员视线估计中的效果 | 驾驶员视线数据集 | computer vision | NA | eye tracker | supervised machine learning, deep learning | image | NA |
| 295 | 2025-06-05 |
Artificial Intelligence in Outpatient Primary Care: A Scoping Review on Applications, Challenges, and Future Directions
2025-May-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.12.25327223
PMID:40463551
|
综述 | 本文探讨了人工智能在门诊初级保健中的应用、挑战及未来发展方向 | 综述了AI在非紧急门诊初级保健中的功能、试验及整合情况，填补了该领域的研究空白 | 仅纳入2019年至2024年的英文文献，且未涉及提供者认知支持、工作流自动化或风险调整面板等应用 | 评估AI在门诊初级保健中的实施程度和应用效果 | 门诊初级保健中的人工智能技术 | 医疗人工智能 | NA | 机器学习、深度学习和transformer | NA | 文本数据（文献） | 筛选了3,203篇文献，最终纳入61篇符合条件的研究 |
| 296 | 2025-06-05 |
Combining structural modeling and deep learning to calculate the E. coli protein interactome and functional networks
2025-May-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.07.652715
PMID:40463260
|
研究论文 | 本文报告了三种计算方法的整合，用于在全蛋白质组范围内预测两个蛋白质是否可能形成二元复合物 | 整合了PrePPI、Topsy-Turvy和ZEPPI三种方法，显著提高了高置信度蛋白质相互作用的预测数量 | 方法依赖于计算预测，需要进一步的实验验证 | 预测大肠杆菌蛋白质相互作用组和功能网络 | 大肠杆菌蛋白质 | 计算生物学 | NA | PrePPI、Topsy-Turvy、ZEPPI、AF3Complex | 蛋白质语言模型 | 蛋白质序列和结构数据 | 400个蛋白质-蛋白质相互作用 |
| 297 | 2025-06-05 |
Evaluating Vision and Pathology Foundation Models for Computational Pathology: A Comprehensive Benchmark Study
2025-May-12, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.08.25327250
PMID:40463538
|
research paper | 该研究对31种计算病理学AI基础模型进行了全面基准测试，评估它们在多样组织病理学数据集和任务中的表现 | 首次系统比较了不同类型病理学基础模型的性能，并发现模型大小与数据规模并不总是与性能提升相关 | 未深入探讨影响模型性能的潜在因素，且测试数据集可能仍有限 | 评估和比较不同病理学基础模型在计算病理学中的表现 | 31种AI基础模型（包括通用视觉模型、病理专用视觉模型等） | digital pathology | NA | deep learning | foundation models (VM, VLM, Path-VM, Path-VLM) | histopathological images | 41个任务的数据集（来自TCGA、CPTAC等） |
| 298 | 2025-06-05 |
Evolution-guided protein design of IscB for persistent epigenome editing in vivo
2025-May-07, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-025-02655-3
PMID:40335752
|
研究论文 | 通过结合进化指导和深度学习，设计了一种改进的RNA引导内切酶IscB及其引导RNA，用于体内持久性表观基因组编辑 | 结合直系同源筛选、结构引导的蛋白质域设计、RNA工程和深度学习结构预测，开发了改进的NovaIscB变体，其活性比野生型提高了约100倍，并提高了特异性 | NA | 设计具有增强活性和特异性的RNA引导内切酶，用于分子生物学应用 | IscB RNA引导内切酶及其引导RNA | 分子生物学 | NA | 直系同源筛选、结构引导的蛋白质域设计、RNA工程、深度学习结构预测 | NA | 蛋白质序列和结构数据 | NA |
| 299 | 2025-06-05 |
Significance of Image Reconstruction Parameters for Future Lung Cancer Risk Prediction Using Low-Dose Chest Computed Tomography and the Open-Access Sybil Algorithm
2025-May-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001131
PMID:39437009
|
research paper | 研究图像重建参数和CT扫描仪制造商对Sybil算法在低剂量CT扫描中预测肺癌风险性能的影响 | 首次评估了不同图像重建参数和CT扫描仪制造商对Sybil算法性能的影响，证明了其在多种成像设置下的稳健性 | 研究仅基于美国国家肺癌筛查试验的部分参与者数据，可能无法代表所有人群 | 评估Sybil算法在不同图像重建参数和CT扫描仪下的预测性能 | 低剂量CT扫描图像 | digital pathology | lung cancer | low-dose computed tomography (LDCT) | deep learning-based algorithm (Sybil) | image | 1049对标准与骨重建滤波器图像，1961对标准与肺重建滤波器图像，1288对2mm与5mm轴向切片厚度图像 |
| 300 | 2025-06-05 |
Comparison between two artificial intelligence models to discriminate cancerous cell nuclei based on confocal fluorescence imaging in hepatocellular carcinoma
2025-May, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver
IF:4.0Q1
DOI:10.1016/j.dld.2024.11.026
PMID:39674779
|
研究论文 | 比较两种人工智能模型在基于共聚焦荧光成像的肝细胞癌中区分癌细胞核的能力 | 首次在肝细胞癌中应用并比较了机器学习和深度学习模型对癌细胞核的自动识别能力 | 研究样本来自商业组织芯片，可能无法完全代表真实临床样本的多样性 | 开发自动识别肝细胞癌细胞核的人工智能工具 | 肝细胞癌细胞核和正常肝细胞核 | 数字病理学 | 肝细胞癌 | 共聚焦显微镜成像 | 机器学习(ML)和深度学习(DL) | 图像 | 商业组织芯片中的健康肝脏和肝细胞癌样本 |