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 1237 篇文献，本页显示第 581 - 600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 581 | 2025-06-18 |
Minimizing human-induced variability in quantitative angiography for a robust and explainable AI-based occlusion prediction in flow diverter-treated aneurysms
2025-Jun-12, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2025-023416
PMID:40506221
|
研究论文 | 本研究通过消除定量血管造影中的注射偏差，提高基于深度神经网络的颅内动脉瘤闭塞预测的准确性和可解释性 | 提出了一种注射偏差去除算法，结合可解释AI（XAI）技术，提高了模型的预测准确性和临床可解释性 | 研究仅基于458名患者的血管造影数据，样本量可能不足以覆盖所有临床情况 | 提高流动转向器治疗的颅内动脉瘤闭塞预测的准确性和模型可解释性 | 流动转向器治疗的颅内动脉瘤患者 | 数字病理 | 颅内动脉瘤 | 定量血管造影（QA），深度神经网络（DNN），局部可解释模型无关解释（LIME） | DNN | 血管造影图像 | 458名患者的血管造影数据 | NA | NA | NA | NA |
| 582 | 2025-06-18 |
A deep learning method for nanoparticle size measurement in SEM images
2025-Jun-10, RSC advances
IF:3.9Q2
DOI:10.1039/d5ra03210e
PMID:40519686
|
研究论文 | 提出一种基于深度学习的SEM图像中纳米颗粒尺寸测量方法 | 结合注意力机制和残差网络的改进U-Net模型，以及自动标尺识别算法，提高了小颗粒识别和低对比度区域分割的准确性 | NA | 开发一种高可靠性的纳米颗粒尺寸自动测量方法 | SEM图像中的纳米颗粒 | 计算机视觉 | NA | 深度学习 | 改进的U-Net模型（结合ResNet50和CBAM模块） | 图像 | NA | NA | NA | NA | NA |
| 583 | 2025-06-18 |
Prediction of the Association between Transfer RNA and Diseases: A Deep Learning Approach Combining Multi-View Graph Convolution and Attention Mechanisms
2025-Jun-10, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c03029
PMID:40521536
|
research paper | 该研究提出了一种名为MGC2ATDA的深度学习模型，用于预测tRNA与疾病之间的关联 | 整合了多视图图卷积网络、缩放注意力融合模块和交叉注意力机制，提高了预测tRNA与疾病关联的准确性和泛化能力 | 未明确提及具体局限性 | 开发一种高效的计算方法，用于识别tRNA与疾病之间的潜在关联 | tRNA与疾病的关联 | machine learning | NA | 深度学习 | MGC2ATDA（整合了多视图图卷积网络、缩放注意力融合模块和交叉注意力机制） | tRNA序列数据和疾病关联数据 | 基于MNDR4.0数据集，未明确提及具体样本数量 | NA | NA | NA | NA |
| 584 | 2025-06-18 |
Segmentation of Leukoaraiosis on Noncontrast Head CT Using CT-MRI Paired Data Without Human Annotation
2025-Jun, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.70602
PMID:40495458
|
研究论文 | 开发并验证了一种基于深度学习的算法，用于在非对比头部CT上分割白质疏松症（LA），使用CT-MRI配对数据而无需人工标注 | 利用CT-MRI配对数据生成伪真实标签，并通过深度学习算法实现LA的自动分割，填补了CT和MRI评估之间的空白 | 算法在外部测试集上的Dice相似系数（DSC）为0.527，仍有提升空间 | 开发一种可重复的方法，用于在CT上分割LA，以改善缺血性卒中患者的评估 | 白质疏松症（LA）患者 | 数字病理 | 缺血性卒中 | 深度学习，图像配准 | 2D nnU-Net | CT和MRI图像 | 多中心数据集，包括韩国和美国的数据集，独立临床队列（n=867） | NA | NA | NA | NA |
| 585 | 2025-06-18 |
Neur-Ally: a deep learning model for regulatory variant prediction based on genomic and epigenomic features in brain and its validation in certain neurological disorders
2025-Jun, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqaf080
PMID:40519652
|
研究论文 | 开发了一个名为Neur-Ally的深度学习模型，用于基于大脑中的基因组和表观基因组特征预测调控变异，并在某些神经系统疾病中进行了验证 | 利用深度学习模型预测非编码SNP的调控功能，解决了传统方法中忽略非编码区域SNP调控功能的问题 | 模型仅基于神经组织和细胞系样本的表观基因组数据进行训练，可能无法完全覆盖所有神经系统疾病的变异 | 区分调控性非编码SNP与非调控性SNP，以更好地理解神经系统疾病的遗传基础 | 神经系统疾病相关的非编码SNP | 机器学习 | 神经系统疾病 | 深度学习 | 深度学习模型 | 基因组和表观基因组数据 | NA | NA | NA | NA | NA |
| 586 | 2025-06-17 |
Artificial intelligence (AI) and CT in abdominal imaging: image reconstruction and beyond
2025-Jun-16, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05031-6
PMID:40522387
|
综述 | 本文探讨了人工智能（AI）在腹部CT成像中的图像重建技术及其更广泛的应用 | 介绍了基于深度学习的重建（DLR）技术，该技术通过卷积神经网络生成高保真图像，克服了传统方法的噪声和人工纹理问题 | 临床验证、标准化和广泛采用方面仍存在挑战 | 探索AI驱动的CT图像重建在腹部成像中的原理、进展和未来方向 | 腹部器官（如肝脏、胰腺和肾脏）的CT成像 | 数字病理 | NA | 深度学习重建（DLR） | CNN | 图像 | NA | NA | NA | NA | NA |
| 587 | 2025-10-06 |
Cyclic Peptide Therapeutic Agents Discovery: Computational and Artificial Intelligence-Driven Strategies
2025-Jun-12, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.5c00712
PMID:40464341
|
综述 | 本文综述了计算方法和人工智能驱动策略在环肽治疗剂发现中的应用与进展 | 整合基于物理的模拟与深度学习技术，重新定义环肽治疗剂的设计和优化方法 | 面临肽段灵活性、数据可用性有限和复杂构象景观等挑战 | 推进环肽药物开发的精确性和效率，为未满足的医疗需求提供创新解决方案 | 环肽治疗剂 | 机器学习 | NA | 计算技术、人工智能方法、自动化合成平台 | 深度学习 | NA | NA | NA | NA | NA | NA |
| 588 | 2025-06-17 |
A Deep Learning Model for Identifying the Risk of Mesenteric Malperfusion in Acute Aortic Dissection Using Initial Diagnostic Data: Algorithm Development and Validation
2025-Jun-10, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/72649
PMID:40493909
|
研究论文 | 开发并验证了一种深度学习模型，用于识别急性主动脉夹层患者中肠系膜灌注不良的高风险 | 整合了多模态数据（实验室参数和CT血管造影图像）的深度学习模型，相比单模态方法具有更高的诊断准确性 | 需要进一步的前瞻性验证以确认其临床实用性 | 开发一种深度学习模型，用于早期识别急性主动脉夹层患者中肠系膜灌注不良的高风险 | 急性主动脉夹层患者 | 数字病理 | 心血管疾病 | CT血管造影 | 深度学习模型 | 图像和临床数据 | 525名患者（450名来自北京安贞医院，75名来自南京鼓楼医院） | NA | NA | NA | NA |
| 589 | 2025-10-06 |
Photodiagnosis with deep learning: A GAN and autoencoder-based approach for diabetic retinopathy detection
2025-Jun, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2025.104552
PMID:40064432
|
研究论文 | 提出一种结合GAN数据增强、去噪自编码器和迁移学习的深度学习框架用于糖尿病视网膜病变检测 | 首次将GAN、去噪自编码器和EfficientNetB0集成到一个统一框架中，有效解决数据不平衡和噪声问题 | 未集成可解释性工具，未来需要探索更多成像模态以提高泛化能力 | 开发高性能的糖尿病视网膜病变自动诊断系统 | 视网膜图像 | 计算机视觉 | 糖尿病视网膜病变 | OCT成像 | GAN, Autoencoder, CNN | 图像 | 自定义整理的OCT数据集 | TensorFlow, PyTorch | EfficientNetB0 | 准确率, 召回率, 特异性 | NA |
| 590 | 2025-10-06 |
Thorax-encompassing multi-modality PET/CT deep learning model for resected lung cancer prognostication: A retrospective, multicenter study
2025-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17862
PMID:40317503
|
研究论文 | 开发一种融合PET/CT影像与临床病理信息的多模态深度学习模型，用于预测非小细胞肺癌术后无复发生存期 | 首个结合多模态影像（FDG PET/CT）与临床、手术、病理信息预测NSCLC预后的深度学习模型，能够超越传统分期系统进行风险分层 | 回顾性研究设计，样本量相对有限（总样本500例），需要前瞻性验证 | 开发优于传统分期的预后预测模型，识别可能从辅助治疗中获益的高风险患者 | 手术切除的非小细胞肺癌患者 | 数字病理 | 肺癌 | FDG PET/CT影像 | 深度学习模型 | 医学影像（PET/CT）、临床数据、病理数据、手术数据 | 500例患者（本地机构305例，外部验证195例） | NA | 多模态深度学习模型 | AUC, Kaplan-Meier曲线, log-rank检验 | NA |
| 591 | 2025-10-06 |
A multi-model deep learning approach for the identification of coronary artery calcifications within 2D coronary angiography images
2025-Jun, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03382-5
PMID:40341465
|
研究论文 | 开发了一种基于多模型深度学习的工作流程，用于在二维冠状动脉造影图像中识别冠状动脉钙化 | 首次提出用于辅助识别2DCA中冠状动脉钙化的临床决策支持系统，结合了ResNet-18分类主干和U-Net解码器的多阶段架构 | 样本量较小（14名患者的44次图像采集），分割性能仍有提升空间 | 开发辅助临床医生识别冠状动脉钙化的自动化工具 | 二维冠状动脉造影图像中的冠状动脉钙化区域 | 计算机视觉 | 心血管疾病 | 二维冠状动脉造影 | CNN | 医学图像 | 14名患者的44次图像采集 | PyTorch | ResNet-18, U-Net | F1-score, IoM | NA |
| 592 | 2025-06-16 |
Virtual Bonding Enhanced Graph Self-Supervised Learning for Molecular Property Prediction
2025-Jun-15, Journal of computational chemistry
IF:3.4Q2
DOI:10.1002/jcc.70147
PMID:40515556
|
研究论文 | 提出了一种名为VIBE-MPP的自监督学习框架，用于分子属性预测，通过结合弱相互作用和3D空间信息改进分子表示 | 引入了虚拟键合图神经网络(VBGNN)和双层次自监督增强预训练(DSBP)方法，首次在分子表示中考虑了长程原子间相互作用 | 未明确说明模型在更大分子或更复杂相互作用体系中的适用性 | 改进分子属性预测的准确性以支持药物设计与发现 | 分子及其属性 | 机器学习 | NA | 自监督学习(SSL) | Virtual Bonding Graph Neural Network (VBGNN) | 分子图数据 | 10个基准数据集 | NA | NA | NA | NA |
| 593 | 2025-06-16 |
Multi-class transformer-based segmentation of pancreatic ductal adenocarcinoma and surrounding structures in CT imaging: a multi-center evaluation
2025-Jun-14, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05061-0
PMID:40514460
|
研究论文 | 本研究提出了一种基于深度学习的框架，用于自动化CT图像中的多类别分割，比较了四种最先进架构的性能 | 采用基于Transformer的架构（特别是Swin-UNet）进行胰腺导管腺癌及周围结构的多类别分割，表现出优异的性能和泛化能力 | 研究为回顾性多中心研究，可能存在数据偏差 | 开发自动化分割胰腺导管腺癌及周围解剖结构的深度学习框架，以辅助诊断、治疗计划和结果评估 | 胰腺导管腺癌（PDAC）及周围结构（胰腺、静脉、动脉、胰管和胆总管） | 数字病理 | 胰腺导管腺癌 | 深度学习 | UNet, nnU-Net, UNETR, Swin-UNet | CT图像 | 3265名患者（来自6个机构），其中569名用于独立测试 | NA | NA | NA | NA |
| 594 | 2025-06-16 |
Predicting peroxisome proliferator-activated receptor gamma potency of small molecules: a synergistic consensus model and deep learning binding affinity approach powered by Enalos Cloud Platform
2025-Jun-14, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11230-6
PMID:40515966
|
研究论文 | 本研究介绍了两种先进的计算机模型，用于预测靶向PPARγ的小分子化合物的结合亲和力和生物活性 | 开发了基于分子对接分数的神经网络分类器和结合随机森林、支持向量机及k近邻算法的共识模型，用于预测小分子的PPARγ拮抗活性 | 模型验证虽遵循OECD指南，但样本量相对较小（34种PFAS物质） | 支持抗糖尿病治疗中PPARγ调节剂的发现 | 靶向PPARγ的小分子化合物 | 机器学习 | 糖尿病 | 分子对接、虚拟筛选 | 神经网络、随机森林、支持向量机、k近邻 | 分子描述符数据 | 34种PFAS物质 | NA | NA | NA | NA |
| 595 | 2025-06-16 |
Predicting pulmonary hemodynamics in pediatric pulmonary arterial hypertension using cardiac magnetic resonance imaging and machine learning: an exploratory pilot study
2025-Jun-14, The international journal of cardiovascular imaging
DOI:10.1007/s10554-025-03434-6
PMID:40515976
|
研究论文 | 本研究探索了利用机器学习从非侵入性心脏磁共振（CMR）电影图像中预测儿童肺动脉高压（PAH）患者的肺动脉血流动力学的潜力 | 首次将深度学习模型应用于儿童PAH患者的非侵入性CMR图像，以预测肺动脉压力和血管阻力指数 | 样本量较小（40例），且为回顾性研究，结果需要更大规模的前瞻性研究验证 | 探索非侵入性方法替代心导管检查评估儿童PAH患者的血流动力学参数 | 儿童肺动脉高压患者 | 医学影像分析 | 肺动脉高压 | 心脏磁共振成像（CMR） | 深度学习模型 | 医学影像 | 40例儿童PAH患者的CMR研究 | NA | NA | NA | NA |
| 596 | 2025-06-16 |
Optimizing stroke detection with genetic algorithm-based feature selection in deep learning models
2025-Jun-14, Applied neuropsychology. Adult
DOI:10.1080/23279095.2025.2516259
PMID:40516039
|
研究论文 | 本研究探讨了基于遗传算法的特征选择与三种深度学习架构（InceptionV3、VGG19和MobileNetV2）的集成，以提升神经影像数据中的中风检测效果 | 将遗传算法与MobileNetV2结合用于特征选择，显著提高了分类准确率并降低了计算复杂度，这是相对于传统CNN流程的创新点 | 研究仅针对神经影像数据中的中风检测，未涉及其他类型的医学影像或疾病 | 开发准确且高效的中风诊断模型 | 神经影像数据中的中风检测 | 数字病理学 | 心血管疾病 | 遗传算法（GA） | InceptionV3, VGG19, MobileNetV2 | 图像 | NA | NA | NA | NA | NA |
| 597 | 2025-06-16 |
Predicting time to live birth with deep learning embryo ranking: a novel multiple imputation approach
2025-Jun-13, Human reproduction (Oxford, England)
DOI:10.1093/humrep/deaf102
PMID:40514039
|
研究论文 | 本研究探讨了胚胎选择算法在预测活产时间（TTLB）中的临床效用，并展示了其相对于手动排名的潜在优势 | 采用多重插补方法估计胚胎选择算法的临床效用，提高了TTLB预测的准确性 | 方法依赖于对缺失结果的准确预测，且TTLB估计仅适用于特定数据集 | 评估胚胎选择算法在预测活产时间中的临床效用 | 3783个治疗周期中的17914个可用胚胎 | 机器学习 | 生殖健康 | 多重插补链式方程（MICE） | 深度学习 | 胚胎数据 | 3783个治疗周期，17914个胚胎 | NA | NA | NA | NA |
| 598 | 2025-06-16 |
ISAR Dataset for the Recognition of Conical Targets with Micro-Motion
2025-Jun-12, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05193-4
PMID:40506549
|
研究论文 | 本文介绍了ISAR微动数据集(IMD)，一个基于全极化ISAR工作原理的模拟雷达回波数据集，用于评估不同方法的性能 | 提出了首个公开可用的ISAR微动数据集，解决了现有研究依赖自建模拟数据的问题 | 数据集基于模拟生成，可能与实际雷达回波存在差异 | 为弹道微动目标识别研究提供标准化的评估数据集 | 弹道微动目标的雷达回波数据 | 雷达信号处理 | NA | 全极化ISAR电磁模拟 | NA | 雷达回波数据(包含方位角序列数据和目标静态电场数据) | 未明确说明具体样本数量 | NA | NA | NA | NA |
| 599 | 2025-06-16 |
Human-perceived vs actual built environment: Using human-centred GeoAI and street view images to support urban planning in Australia
2025-Jun-12, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.126070
PMID:40513273
|
研究论文 | 本研究探讨了人类感知与客观测量的建筑环境之间的关系，通过墨尔本大都会区的试点研究，使用街景图像和深度学习技术量化感知的建筑环境特征 | 结合人类感知与客观测量的建筑环境特征，使用GeoAI和街景图像量化'5D'城市设计维度，为城市规划提供可操作证据 | 研究仅在墨尔本大都会区进行试点，结果可能不具全国代表性；密度超过阈值时的感知变化机制需进一步研究 | 探索人类感知与客观建筑环境特征之间的关系，支持可持续城市规划 | 墨尔本大都会区的建筑环境 | GeoAI | NA | 深度学习 | NA | 街景图像 | 墨尔本大都会区的街景图像数据集 | NA | NA | NA | NA |
| 600 | 2025-10-06 |
Deep learning-driven automated high-content dSTORM imaging with a scalable open-source toolkit
2025-Jun-11, Biophysical reports
IF:2.4Q3
DOI:10.1016/j.bpr.2025.100201
PMID:40023500
|
研究论文 | 开发了一个基于深度学习的开源工具包，用于自动化dSTORM超分辨率显微镜成像 | 首个将深度学习分割和物体检测集成到dSTORM超分辨率显微镜的自动化工作流程，在低对比度样本中表现优异 | NA | 开发自动化超分辨率显微镜工具，提高成像效率和易用性 | 细胞培养中的微管蛋白和神经纤维中的βII-血影蛋白 | 计算机视觉 | NA | dSTORM超分辨率显微镜 | 深度学习 | 生物医学图像 | NA | 开源工具包 | NA | NA | NA |