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 1430 篇文献，本页显示第 121 - 140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2025-10-06 |
Relevance of choroid plexus volumes in multiple sclerosis
2025-May-08, Fluids and barriers of the CNS
IF:5.9Q1
DOI:10.1186/s12987-025-00656-7
PMID:40340923
|
研究论文 | 本研究通过深度学习分割方法评估多发性硬化症患者脉络丛体积与脑室周围组织损伤的关系 | 首次使用基于结构MRI数据的深度学习分割方法量化脉络丛体积，并比较复发缓解型和原发进展型多发性硬化症的差异 | 横断面研究设计无法确定因果关系，样本量相对有限 | 探讨多发性硬化症中脉络丛体积与脑室周围组织损伤的关系及神经炎症的作用 | 141名复发缓解型多发性硬化症患者、64名原发进展型多发性硬化症患者和75名健康对照者 | 医学影像分析 | 多发性硬化症 | 结构MRI，T1w/FLAIR比率分析 | 深度学习分割方法 | MRI图像 | 280名参与者（205名患者+75名健康对照） | NA | NA | 体积测量，T1w/FLAIR比率 | NA |
| 122 | 2025-10-06 |
Deep learning approaches for classification tasks in medical X-ray, MRI, and ultrasound images: a scoping review
2025-May-07, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01701-5
PMID:40335965
|
综述 | 本文通过范围综述方法系统回顾了深度学习在医学X射线、MRI和超声图像分类任务中的应用现状 | 首次按照PRISMA-ScR指南系统梳理三种主要医学影像模态的深度学习分类研究，并详细总结数据集特征、预处理技术和模型性能 | 作为范围综述，主要基于现有文献分析，未进行原始实验验证 | 探索深度学习在医学影像分类中的应用方法和效果 | 使用X射线、MRI和超声图像诊断的各种疾病 | 计算机视觉 | 多种疾病 | 医学影像分析 | 深度学习模型 | 医学图像（X射线、MRI、超声） | NA | NA | NA | 准确率 | NA |
| 123 | 2025-10-06 |
Using interpretable deep learning radiomics model to diagnose and predict progression of early AD disease spectrum: a preliminary [18F]FDG PET study
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11158-9
PMID:39477837
|
研究论文 | 本研究提出了一种基于[18F]FDG PET图像的可解释深度学习放射组学模型，用于诊断阿尔茨海默病临床谱系并预测轻度认知障碍向AD的进展 | 提出结合放射组学监督的可解释深度学习模型，解决了现有DL分类模型在AD谱系诊断中缺乏可解释性的问题 | 初步研究，需要进一步验证 | 诊断阿尔茨海默病临床谱系并预测轻度认知障碍向AD的进展 | 1962名来自两个独立多中心队列的受试者（ADNI高加索人群和中国两家医院的亚洲人群） | 医学影像分析 | 阿尔茨海默病 | [18F]FDG PET成像 | 深度学习 | PET图像 | 1962名受试者 | NA | 可解释深度学习放射组学模型 | 准确率, 风险比 | NA |
| 124 | 2025-10-06 |
Toward diffusion MRI in the diagnosis and treatment of pancreatic cancer
2025-May-28, Medical oncology (Northwood, London, England)
DOI:10.1007/s12032-025-02759-5
PMID:40434720
|
研究论文 | 探讨扩散磁共振成像在胰腺癌诊断和治疗中的潜在应用价值 | 结合多种扩散成像技术（DWI、DTI、IVIM、DKI）与新兴人工智能分析，提供组织微结构信息 | 缺乏标准化协议和稳健的数据分析流程，需要进一步临床验证 | 提高胰腺癌的早期检测能力和治疗效果评估 | 胰腺癌患者 | 医学影像分析 | 胰腺癌 | 扩散磁共振成像（dMRI）、扩散加权成像（DWI）、扩散张量成像（DTI）、体素内不相干运动（IVIM）、扩散峰度成像（DKI） | 深度学习 | 磁共振影像 | NA | NA | NA | NA | NA |
| 125 | 2025-10-06 |
Galileo-an Artificial Intelligence tool for evaluating pre-implantation kidney biopsies
2025-May, Journal of nephrology
IF:2.7Q2
DOI:10.1007/s40620-024-02094-4
PMID:39356416
|
研究论文 | 开发名为Galileo的人工智能工具，用于评估肾移植前的活检组织 | 专门针对肾移植前活检评估设计的首个AI工具，能显著提升诊断效率并减少观察者间差异 | 需要进一步基于移植物存活等硬终点进行改进验证 | 开发辅助病理学家评估肾移植前活检的人工智能工具 | 肾脏穿刺活检和楔形活检的全切片图像 | 数字病理 | 肾脏疾病 | 全切片图像分析 | 深度学习算法 | 图像 | 多中心队列的全切片图像数据集 | Aiforia Create平台 | NA | 精确度, 灵敏度, F1分数, 总面积误差 | NA |
| 126 | 2025-10-06 |
TransMA: an explainable multi-modal deep learning model for predicting properties of ionizable lipid nanoparticles in mRNA delivery
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf307
PMID:40581984
|
研究论文 | 提出一种可解释的多模态深度学习模型TransMA，用于预测mRNA递送中可电离脂质纳米颗粒的转染效率 | 采用多模态分子结构融合架构，结合3D Transformer和Mamba分别提取分子空间和序列特征，并设计mol-attention机制对齐不同粒度原子特征 | NA | 加速高转染效率mRNA药物递送系统的筛选过程 | 可电离脂质纳米颗粒(LNPs) | 机器学习 | NA | 深度学习 | Transformer, Mamba | 分子结构数据 | 当前最大的LNPs数据集，包括Hela和RAW细胞系 | NA | 3D Transformer, Mamba, 多模态融合架构 | 转染效率预测性能 | NA |
| 127 | 2025-10-06 |
An order-preserving batch-effect correction method based on a monotonic deep learning framework
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf247
PMID:40586320
|
研究论文 | 基于单调深度学习框架开发了一种保持顺序的批次效应校正方法 | 在批次效应校正方法中首次引入顺序保持特征，解决了现有方法忽略这一重要特性的问题 | NA | 开发具有顺序保持特征的批次效应校正方法 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | 深度学习网络 | 基因表达数据 | NA | NA | 单调深度学习网络 | 聚类性能, 基因间相关性, 差异表达信息 | NA |
| 128 | 2025-10-06 |
Pose estimation and tracking dataset for multi-animal behavior analysis on the China Space Station
2025-May-10, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05111-8
PMID:40348756
|
研究论文 | 提出首个面向中国空间站多动物行为分析的姿态估计与追踪数据集 | 创建了首个针对太空动物行为分析的多任务专家验证数据集，包含多种模式生物在复杂场景下的数据 | 太空动物图像数据有限，缺乏公开带标注的数据集 | 开发用于太空动物行为分析的深度学习方法 | 秀丽隐杆线虫、果蝇、斑马鱼等模式生物 | 计算机视觉 | NA | 深度学习姿态估计与追踪 | NA | 序列图像 | 多种模式生物（秀丽隐杆线虫、果蝇、斑马鱼） | NA | NA | NA | NA |
| 129 | 2025-10-06 |
Deep learning approach based on a patch residual for pediatric supracondylar subtle fracture detection
2025-May-08, Biomolecules & biomedicine
DOI:10.17305/bb.2024.11341
PMID:39829118
|
研究论文 | 提出基于多尺度补丁残差网络的深度学习模型，用于儿童肱骨髁上细微骨折的自动检测与定位 | 结合CNN特征提取与多尺度生成对抗网络，利用健康样本学习正常骨骼分布，降低对标记骨折数据的依赖 | 依赖两个医院的数据集，样本量有限 | 开发儿童肱骨髁上细微骨折的自动检测方法 | 儿童肱骨髁上骨折的医学影像 | 计算机视觉 | 骨骼骨折 | 医学影像分析 | CNN, GAN | 医学图像 | 来自两个医院的儿科骨折数据集 | NA | 多尺度补丁残差网络(MPR) | 准确率, 灵敏度, 特异性, F1分数 | NA |
| 130 | 2025-10-06 |
iGTP: learning interpretable cellular embedding for inferring biological mechanisms underlying single-cell transcriptomics
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf296
PMID:40551620
|
研究论文 | 提出了一种可解释的生成式转录程序框架iGTP，用于从单细胞转录组数据中学习可解释的细胞嵌入表示 | 设计了能够建模转录程序空间重要性和蛋白质相互作用的新型可解释生成框架，结合图神经网络和潜在扩散模型 | NA | 推断单细胞转录组数据背后的生物学机制 | 单细胞转录组数据 | 生物信息学 | NA | 单细胞转录组测序 | 变分自编码器, 图神经网络, 潜在扩散模型 | 基因表达数据 | NA | NA | iGTP | 功能富集分析性能 | NA |
| 131 | 2025-10-06 |
Artificial Intelligence Tools in Dentistry: A Systematic Review on Their Application and Outcomes
2025-May, Cureus
DOI:10.7759/cureus.85062
PMID:40585609
|
系统综述 | 本系统综述探讨人工智能技术在牙科实践中的应用及其对诊断准确性、治疗规划和运营效率的影响 | 全面评估2019-2024年间AI在牙科多领域的应用效果，包括放射学、牙周病学、修复学、正畸学、肿瘤学等 | 仅纳入39篇符合标准的研究，可能存在发表偏倚，且依赖QUADAS-2工具的质量评估 | 系统评估人工智能技术在牙科实践中的整合应用及其临床效果 | 牙科临床实践中的诊断、治疗和管理流程 | 医疗人工智能 | 牙科疾病 | 深度学习算法 | 深度学习模型 | 牙科影像 | 39篇全文文献（从342篇初筛文献中筛选） | NA | NA | 诊断准确性、运营效率 | NA |
| 132 | 2025-10-06 |
Establishment and Reliability of an Automatic Measurement Method of Pectus Excavatum Indices Using a Deep Learning Model
2025-May, Cureus
DOI:10.7759/cureus.84976
PMID:40585612
|
研究论文 | 本研究开发了一种基于U-Net的自动测量方法，用于评估漏斗胸指数，并与人工测量进行一致性比较 | 首次将U-Net深度学习模型应用于漏斗胸指数的自动测量，显著降低了观察者间变异 | 需要多中心验证以支持更广泛的放射学应用 | 评估基于深度学习的自动测量方法在漏斗胸指数评估中的一致性和准确性 | 漏斗胸患者 | 计算机视觉 | 漏斗胸 | 胸部计算机断层扫描(CT) | CNN | 医学影像 | 94名患者的714次胸部CT扫描（训练集550次，验证集164次） | NA | U-Net | 组内相关系数(ICC), Bland-Altman分析, 错误率 | NA |
| 133 | 2025-10-06 |
IECata: interpretable bilinear attention network and evidential deep learning improve the catalytic efficiency prediction of enzymes
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf283
PMID:40548541
|
研究论文 | 提出IECata模型用于酶催化效率预测，提供不确定性估计和可解释性分析 | 结合证据深度学习和双线性注意力机制，提供预测不确定性估计和关键残基与底物原子的可解释分析 | kcat/Km数据集规模有限，可能影响深度学习模型性能 | 提高酶催化效率预测的准确性和可靠性 | 酶催化效率(kcat/Km) | 机器学习 | NA | 深度学习 | 神经网络 | 酶催化效率数据 | 11,815个kcat/Km条目（训练集）+ 806个条目（域外测试集） | NA | 双线性注意力网络 | 预测性能比较 | NA |
| 134 | 2025-10-06 |
The Potential of Artificial Intelligence in Pharmaceutical Innovation: From Drug Discovery to Clinical Trials
2025-May-25, Pharmaceuticals (Basel, Switzerland)
DOI:10.3390/ph18060788
PMID:40573185
|
综述 | 本文探讨人工智能在药物研发全过程中的应用潜力，从药物发现到临床试验 | 系统评估AI技术在药物配方优化、加速发现和药物重定位方面的创新潜力 | AI应用仍存在监管空白，需要持续深入的立法监督以确保安全、伦理和无偏见使用 | 评估人工智能在药物开发中的作用和潜力 | 药物发现和开发过程 | 机器学习 | NA | 机器学习，深度学习 | NA | 生物数据，化学数据 | NA | NA | NA | NA | NA |
| 135 | 2025-10-06 |
Generative prediction of real-world prevalent SARS-CoV-2 mutation with in silico virus evolution
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf276
PMID:40532108
|
研究论文 | 开发了基于深度学习的生成框架ViralForesight，用于预测现实世界中流行的SARS-CoV-2突变 | 结合蛋白质语言模型和计算机模拟病毒进化，通过宿主到群体的进化范式预测现实世界中的病毒突变趋势 | NA | 预测新兴病毒在现实世界中的突变流行趋势，以提前更新疫苗或药物 | SARS-CoV-2病毒及其突变 | 机器学习 | COVID-19 | 计算机模拟病毒进化 | 深度学习生成模型 | 蛋白质序列数据 | NA | NA | 蛋白质语言模型 | 体外实验验证 | NA |
| 136 | 2025-10-06 |
A novel deep learning framework with dynamic tokenization for identifying chromatin interactions along with motif importance investigation
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf289
PMID:40536817
|
研究论文 | 提出了一种集成动态标记化、DNABERT词嵌入和高效通道注意力机制的新型深度学习模型Inter-Chrom，用于识别染色质相互作用并分析模体重要性 | 结合动态标记化策略、DNABERT词嵌入和高效通道注意力机制，并提出了新的模体重要性计算方法 | NA | 开发计算模型识别染色质相互作用并研究调控模体的重要性 | 染色质相互作用网络 | 生物信息学 | NA | 深度学习 | 深度学习模型 | 序列数据和基因组特征 | 三个细胞系数据集 | NA | DNABERT, 高效通道注意力机制 | NA | NA |
| 137 | 2025-10-06 |
PrimeNet: rational design of Prime editing pegRNAs by deep learning
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf293
PMID:40536816
|
研究论文 | 开发了一种名为PrimeNet的新型预测模型，通过整合表观遗传因素来优化Prime编辑pegRNAs的设计 | 首次整合染色质可及性和DNA甲基化等关键表观遗传因素，并引入多尺度卷积和注意力机制来提升预测性能 | 模型主要基于HEK293T和K562细胞系数据，在其他细胞类型中的泛化能力需要进一步验证 | 提高Prime编辑技术的编辑效率和预测准确性 | Prime编辑pegRNAs（引物编辑向导RNA） | 机器学习 | 遗传疾病 | 基因编辑技术，Prime编辑 | 深度学习 | 基因组数据，表观遗传数据 | 基于HEK293T和K562细胞系的多个数据集 | NA | 多尺度卷积神经网络，注意力机制 | Spearman相关系数 | NA |
| 138 | 2025-10-06 |
DeepTFtyper: an interpretable morphology-aware graph neural network for translating histopathology images into molecular subtypes in small cell lung cancer
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf284
PMID:40539233
|
研究论文 | 开发基于图神经网络的深度学习模型DeepTFtyper，从小细胞肺癌的H&E染色全切片图像自动预测分子亚型 | 首个从H&E染色组织学切片预测SCLC分子亚型的深度学习框架，具有可解释性和形态学感知能力 | 样本量相对有限（n=389），仅基于单中心队列 | 开发可扩展的深度学习工具，改善小细胞肺癌患者管理和指导个性化治疗决策 | 小细胞肺癌患者的H&E染色全切片图像 | 数字病理学 | 肺癌 | 免疫组织化学染色，全切片成像 | 图神经网络 | 病理图像 | 389例来自中国医学科学院肿瘤医院的样本 | NA | 图神经网络 | AUC，数字H-score与IHC H-score相关性 | NA |
| 139 | 2025-10-06 |
Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs
2025-May-30, Research square
DOI:10.21203/rs.3.rs-6622868/v1
PMID:40502758
|
研究论文 | 通过多中心研究评估放射组学和深度学习在IPMN恶性肿瘤风险分层中的应用价值 | 首次在多中心研究中将放射组学与深度学习融合用于IPMN囊肿级别的恶性风险分层，超越了单一方法性能 | 模型性能仍需提升才能满足独立临床应用需求 | 开发AI模型用于预测IPMN异型增生等级 | 胰腺导管内乳头状黏液性肿瘤(IPMNs) | 医学影像分析 | 胰腺癌 | T2加权MRI成像 | 深度学习,放射组学 | 医学影像 | 359个T2W MRI图像，来自7个医疗中心 | NA | 2D和3D放射组学模型,深度学习模型,融合模型 | AUC | NA |
| 140 | 2025-10-06 |
Foundation model embeddings for quantitative tumor imaging biomarkers
2025-May-29, Research square
DOI:10.21203/rs.3.rs-6630446/v1
PMID:40502795
|
研究论文 | 系统评估医学影像基础模型在提取定量肿瘤影像生物标志物方面的性能 | 创建了首个专门评估医学影像基础模型的基准测试TumorImagingBench，并系统比较了十种不同架构和预训练策略的模型 | 仅包含六个公共数据集共3,244个扫描，可能无法覆盖所有临床场景 | 评估医学影像基础模型在提取可靠定量放射性表型方面的能力 | 肿瘤影像生物标志物 | 医学影像分析 | 肿瘤 | 深度学习 | 基础模型 | 医学影像扫描 | 3,244个扫描，来自六个公共数据集 | NA | 多种基础模型架构 | 终点预测性能、鲁棒性、基于显著性的可解释性、嵌入表示相似性 | NA |