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 30097 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2025-09-05 |
Cell reprogramming in cancer: Interplay of genetic, epigenetic mechanisms, and the tumor microenvironment in carcinogenesis and metastasis
2025-Aug-24, World journal of clinical oncology
IF:2.6Q3
DOI:10.5306/wjco.v16.i8.106838
PMID:40901331
|
综述 | 本文探讨细胞可塑性在癌症发生、转移和治疗抵抗中的作用，并讨论遗传、表观遗传机制及肿瘤微环境的相互作用 | 提出‘失调的细胞可塑性’作为癌症的新标志，并整合人工智能和AlphaFold技术预测癌细胞轨迹及加速新药开发 | NA | 阐明细胞重编程在癌症中的机制及其对肿瘤进展和耐药性的影响 | 癌细胞及其微环境 | 肿瘤生物学 | 癌症 | 下一代测序(NGS)、单细胞RNA分析、深度学习、AlphaFold | 深度学习 | 基因组数据、蛋白质结构数据 | NA |
| 202 | 2025-09-05 |
Development of a multi-feature predictive model for risk stratification in stage IB-IIA non-small cell lung cancer: a multicenter analysis
2025-Aug-24, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112379
PMID:40902436
|
研究论文 | 开发了一种整合临床病理数据与CT影像的多特征预测模型，用于IB-IIA期非小细胞肺癌的风险分层 | 首次结合临床病理因素、放射组学特征和深度学习特征构建多特征融合模型（CRD模型），并采用SHAP方法增强模型可解释性 | 回顾性研究设计，外部验证队列样本量较小（n=70） | 开发IB-IIA期非小细胞肺癌的术后风险分层预测模型 | IB-IIA期非小细胞肺癌患者 | 数字病理 | 肺癌 | CT影像分析、放射组学特征提取、深度学习 | ResNet50、逻辑回归、多特征融合模型（CRD模型） | 临床病理数据、CT医学影像 | 训练集370例、内部验证120例、外部验证70例患者 |
| 203 | 2025-09-05 |
Polymer-derived distance penalties improve chromatin interaction predictions from single-cell data across crop genomes
2025-Aug-23, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.20.671329
PMID:40894789
|
研究论文 | 提出基于聚合物物理的距离惩罚函数，用于改进作物基因组中单细胞数据预测的染色质相互作用 | 首次将聚合物物理原理应用于作物染色质相互作用预测，显著降低长程相互作用的假阳性率高达95% | 方法主要针对植物物种进行验证，在动物或其他生物系统中的适用性尚未明确 | 改进单细胞数据中染色质相互作用的预测准确性 | 玉米、水稻和大豆的染色质相互作用 | 计算生物学 | NA | Hi-C测序、多组分幂律模型拟合 | 基于聚合物物理的惩罚函数模型 | 基因组相互作用数据、单细胞数据 | 三种作物（玉米、水稻、大豆）的实验Hi-C数据 |
| 204 | 2025-09-05 |
Integrating Imaging-Derived Clinical Endotypes with Plasma Proteomics and External Polygenic Risk Scores Enhances Coronary Microvascular Disease Risk Prediction
2025-Aug-21, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.18.25333844
PMID:40894134
|
研究论文 | 本研究通过整合影像学临床内型、血浆蛋白质组学和外源多基因风险评分，开发了一种改进的冠状动脉微血管疾病风险预测模型 | 首次将基于灌注PET影像的内型分型框架与遗传和蛋白质组数据整合用于CMVD风险预测，揭示了传统病例定义之外的异质性患者亚群 | 缺乏大规模全基因组关联研究数据，使用冠状动脉疾病GWAS作为遗传风险代理 | 提升冠状动脉微血管疾病的风险预测精度 | 冠状动脉微血管疾病患者 | 机器学习 | 心血管疾病 | GWAS, 蛋白质组学, PET灌注成像 | 机器学习和深度学习模型 | 影像数据、蛋白质组数据、遗传数据 | NA |
| 205 | 2025-09-05 |
Automated Deep Learning Pipeline for Callosal Angle Quantification
2025-Aug-21, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.18.25333901
PMID:40894175
|
研究论文 | 开发了一种全自动深度学习框架，用于从原始MRI扫描中量化胼胝体角 | 首个完全自动化且鲁棒的深度学习流程，可直接从原始T1 MPRAGE和非MPRAGE MRI测量胼胝体角，无需人工干预 | NA | 解决正常压力脑积水的诊断挑战，通过自动化成像生物标志物分析提高诊断准确性 | 正常压力脑积水患者和老年研究参与者的MRI脑部扫描 | 数字病理学 | 老年疾病 | MRI扫描，深度学习 | BrainSignsNET, UNet with EfficientNetB0 encoder | 3D MRI图像 | 使用BLSA和BIOCARD数据集进行训练和内部验证，约翰霍普金斯湾景医院的216例临床MRI扫描进行外部验证 |
| 206 | 2025-09-05 |
Efficient Double Helix Detection with Steerable Filters
2025-Aug-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.14.670427
PMID:40894605
|
研究论文 | 提出一种使用可操纵滤波器高效检测双螺旋点扩散函数的方法，用于3D单分子定位显微镜或追踪 | 仅需7次卷积即可同时提取2D位置和叶片方向（轴向位置）估计，计算量比基于深度学习的方法低数个数量级 | NA | 开发高效的3D单分子定位显微镜中双螺旋点扩散函数的检测方案 | 双螺旋点扩散函数 | 显微镜成像 | NA | 可操纵滤波器，双高斯模型拟合 | NA | 显微镜图像 | NA |
| 207 | 2025-09-05 |
Molecular characterization of an adhesion GPCR signal transduction
2025-Aug-19, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.14.670383
PMID:40894777
|
研究论文 | 本研究通过多学科方法揭示了黏附GPCR ADGRG1的机械信号转导分子机制 | 首次整合单分子力谱、分子动力学模拟和细胞实验，阐明剪切应力诱导GAIN结构域变构激活的两种并行路径 | 研究主要聚焦ADGRG1受体，其他aGPCR家族的普适性仍需验证 | 阐明黏附G蛋白偶联受体的机械信号转导分子机制 | ADGRG1受体及其GAIN结构域 | 分子生物物理学 | NA | 单分子力谱、分子动力学模拟、深度学习辅助设计 | 分子动力学模型、深度学习指导的蛋白质设计 | 生物物理测量数据、分子模拟数据、细胞信号检测数据 | NA（未明确样本数量，但涉及工程化GAIN变体验证） |
| 208 | 2025-09-05 |
Decoding the limits of deep learning in molecular docking for drug discovery
2025-Aug-19, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc05395a
PMID:40901622
|
综述 | 分析深度学习在分子对接中的性能、局限性与优化策略 | 首次从五个关键维度系统比较传统方法与深度学习分子对接范式的性能，并揭示生成扩散模型的优势与泛化挑战 | 深度学习方法对新型蛋白质结合口袋泛化能力不足，且多数方法存在高空间容忍度问题 | 评估深度学习在药物发现中分子对接的应用潜力与局限性 | 分子对接方法（包括生成扩散模型、回归架构和混合框架） | 计算药物设计 | NA | 深度学习（DL）、分子对接 | 生成扩散模型、回归模型、混合框架 | 蛋白质-配体结构数据 | NA |
| 209 | 2025-09-05 |
Multi-organ AI Endophenotypes Chart the Heterogeneity of Pan-disease in the Brain, Eye, and Heart
2025-Aug-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.09.25333350
PMID:40832432
|
研究论文 | 本研究利用多器官AI内表型（MAEs）探索脑、眼和心脏疾病的异质性和共享病因 | 提出'泛疾病'概念，首次通过弱监督深度学习模型从多器官多组学数据中识别出11个AI驱动的生物标志物 | NA | 研究脑、眼和心脏疾病的异质性和共同病因机制，推动精准医疗发展 | 129,340名参与者的多器官成像、遗传、蛋白质组和RNA-seq数据 | 数字病理 | 阿尔茨海默病、心血管疾病 | 成像技术、遗传分析、蛋白质组学、RNA-seq | Surreal-GAN（弱监督深度学习模型） | 多模态数据（图像、遗传、蛋白质组、转录组） | 129,340名参与者 |
| 210 | 2025-09-05 |
Precise, predictable genome integrations by deep-learning-assisted design of microhomology-based templates
2025-Aug-12, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-025-02771-0
PMID:40796977
|
研究论文 | 开发了一种基于深度学习的微同源模板设计方法，用于实现精确可预测的CRISPR基因组整合和编辑 | 利用深度学习模型预测基因组-外源序列界面的修复过程，并设计碱基对串联重复修复臂匹配双链断裂处的微同源区 | NA | 提高CRISPR介导的DNA整合和编辑的精确性与可预测性 | HEK293T细胞、非洲爪蟾、成年小鼠脑组织 | 机器学习 | NA | CRISPR、深度学习、微同源模板设计 | 深度学习模型 | 基因组序列数据 | 32个基因位点（HEK293T细胞）及多种体内外模型 |
| 211 | 2025-09-05 |
Progress and new challenges in image-based profiling
2025-Aug-07, ArXiv
PMID:40799808
|
综述 | 回顾基于图像的细胞表型分析的计算方法进展，讨论当前流程、局限性与未来发展方向 | 深度学习重塑特征提取与多模态数据整合，单细胞分析和批次效应校正等方法的引入提升分析精度 | 领域仍面临重大挑战，需要创新性解决方案 | 为研究人员提供该快速发展领域的进展路线图和新挑战导航 | 细胞表型分析 | 计算机视觉 | NA | 显微镜成像，深度学习 | NA | 图像 | NA |
| 212 | 2025-09-05 |
Deep learning-based cell type profiles reveal signatures of Alzheimer's disease resilience and resistance
2025-Aug-05, Brain : a journal of neurology
IF:10.6Q1
DOI:10.1093/brain/awaf285
PMID:40794555
|
研究论文 | 使用基于Transformer的深度学习模型从批量RNA-seq数据恢复细胞类型特异性转录程序，以研究阿尔茨海默病的认知韧性和脑抵抗性 | 开发了优于先前方法的Transformer模型，能够从批量RNA-seq数据中有效恢复细胞类型特异性转录程序，实现大规模、成本效益高的细胞类型特异性研究 | 单核技术存在核转录覆盖度低、成本高和技术复杂性的限制 | 揭示阿尔茨海默病韧性和抵抗性的细胞类型特异性特征 | 大脑细胞类型，特别是星形胶质细胞、兴奋性神经元和少突胶质细胞祖细胞 | 数字病理学 | 阿尔茨海默病 | RNA-seq, 单核技术 | Transformer | 转录组数据 | NA |
| 213 | 2025-07-04 |
Retraction: A deep learning model for estimating sedation levels using heart rate variability and vital signs: a retrospective cross-sectional study at a center in South Korea
2025-Aug, Acute and critical care
IF:1.7Q3
DOI:10.4266/acc.2024.01200.r1
PMID:40602482
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 214 | 2025-09-05 |
Incorporating Artificial Intelligence into Fracture Risk Assessment: Using Clinical Imaging to Predict the Unpredictable
2025-Aug, Endocrinology and metabolism (Seoul, Korea)
DOI:10.3803/EnM.2025.2518
PMID:40754720
|
综述 | 本文综述人工智能在骨折风险评估中的应用，特别是利用临床影像数据进行个体化风险预测 | 将深度学习技术应用于常规放射影像和CT数据，实现机会性筛查和个体化骨折风险预测，并采用多任务学习和生存曲线提升模型可解释性 | 模型泛化性、数据偏差和自动化偏差等挑战尚未完全解决 | 探索人工智能作为传统骨折风险评估方法的补充工具，提升骨质疏松性骨折的检测和风险预测能力 | 临床影像数据（X光片和CT）及相关的骨折风险预测 | 医学影像分析 | 骨质疏松性骨折 | 深度学习 | 深度学习模型 | 影像（X光片和CT） | NA |
| 215 | 2025-09-05 |
Inverse-designed metasurfaces for wavefront restoration in under-display camera systems
2025-Aug, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2025-0242
PMID:40896159
|
研究论文 | 提出一种逆向设计的超表面用于消除屏下摄像头系统中的衍射畸变，实现实时波前恢复 | 通过逆向设计超表面直接抑制金属像素结构引起的高阶衍射模式，无需依赖软件后处理 | NA | 解决屏下摄像头系统的光学衍射问题，提升成像质量 | 智能手机屏下摄像头系统 | 计算光学成像 | NA | 超表面逆向设计 | NA | 光学波前数据 | NA |
| 216 | 2025-09-05 |
Deep learning-based model for detection of intracranial waveforms with poor brain compliance in southern Thailand
2025-Aug, Acute and critical care
IF:1.7Q3
DOI:10.4266/acc.001425
PMID:40903411
|
研究论文 | 开发基于深度学习的模型用于检测泰国南部地区颅内波形中脑顺应性不良的情况 | 首次将深度学习技术应用于颅内压力波形分析，以实现脑顺应性不良的自动检测 | 回顾性研究，样本量相对较小（21名患者），仅限于特定地区的术后脑积水患者 | 开发深度学习模型来检测指示脑顺应性不良的颅内压力波形 | 术后脑积水患者的颅内压力波形图像 | 医疗人工智能 | 脑积水 | 深度学习，颅内压力波形分析 | 深度学习模型（具体架构未明确说明） | 图像（颅内压力波形图像） | 21名脑积水患者的2,744张颅内压力波形图像 |
| 217 | 2025-09-05 |
Automatic trending and analysis of SPECT quality assurance with artificial intelligence optical character recognition
2025-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.18083
PMID:40903927
|
研究论文 | 开发了一种结合AI深度学习OCR的核医学质量保证服务器，用于自动化SPECT和伽马相机的QA数据检索与分析 | 首次将AI深度学习OCR技术应用于核医学QA数据自动提取与趋势分析，显著提升处理效率和准确性 | OCR性能可能受字体类型和大小限制，目前主要针对特定扫描仪型号优化 | 提高核医学设备质量保证数据的处理效率和自动化水平 | SPECT和伽马相机的质量保证数据 | 医疗人工智能 | NA | 光学字符识别(OCR)，深度学习 | 深度学习OCR | 图像，数值数据 | 60张洪水图像和6张COR图像用于基准测试，3459张洪水扫描图像用于准确性评估 |
| 218 | 2025-09-05 |
Utilizing Deep Convolutional Neural Networks and Hybrid Classification for Gastrointestinal Disease Diagnosis from Capsule Endoscopy Images
2025-Aug, Journal of biomedical physics & engineering
DOI:10.31661/jbpe.v0i0.2301-1590
PMID:40904333
|
研究论文 | 本研究开发了一种基于深度卷积神经网络和混合分类的专家诊断系统，用于从胶囊内窥镜图像中诊断胃肠道疾病 | 提出了一种结合模型评分和类别评分的混合分类框架，通过集成学习技术提升多类别分类性能，特别是在不平衡数据集上表现优异 | 研究主要基于特定类型的数据集（Angiectasia帧数较多），可能对其他类型病变的泛化能力有待验证 | 建立可靠的胃肠道疾病诊断系统，提高诊断准确性和效率 | 胶囊内窥镜图像中的胃肠道病变 | 计算机视觉 | 胃肠道疾病 | 深度卷积神经网络，集成学习 | CNN，VGG16，混合分类器 | 图像 | NA |
| 219 | 2025-09-05 |
Massively parallel characterization of non-coding de novo mutations in autism spectrum disorder
2025-Jul-28, Journal of genetics and genomics = Yi chuan xue bao
DOI:10.1016/j.jgg.2025.07.008
PMID:40738258
|
研究论文 | 本研究通过整合多种技术系统评估了自闭症谱系障碍中非编码新生突变的功能影响 | 开发了优化的方法来阐明非编码新生突变的功能作用，识别了42个潜在的ASD风险突变和29个未报道的候选基因 | 研究主要关注特定类型的非编码突变，可能未涵盖所有类型的调控变异 | 系统评估非编码新生突变在自闭症谱系障碍中的功能影响和致病机制 | 自闭症谱系障碍患者的非编码新生突变 | 基因组学 | 自闭症谱系障碍 | 深度学习变异预测模型、大规模平行报告分析、细胞特异性顺式调控元件注释 | 深度学习模型 | 基因组数据 | 来自Simons Simplex Collection和Autism Speaks MSSNG资源的227,878个非编码新生突变 |
| 220 | 2025-09-05 |
Association of deep learning-derived histologic features of placental chorionic villi with maternal and infant characteristics in the New Hampshire birth cohort study
2025-Jul-23, Placenta
IF:3.0Q2
DOI:10.1016/j.placenta.2025.07.084
PMID:40902262
|
研究论文 | 本研究利用深度学习技术自动量化胎盘绒毛膜绒毛的亚型和几何特征，并分析其与母婴临床特征的关联 | 首次结合深度学习分割和无监督聚类，从全幻灯片图像中自动识别超过900万个绒毛结构，并客观标准化绒毛亚型分类 | 仅针对足月胎盘进行分析，未涵盖早产胎盘；母婴特征（如母亲年龄和婴儿性别）与几何特征的关联未达统计学显著性 | 通过AI方法客观量化胎盘结构特征，探索其与母婴健康指标的关联，以改善围产期健康结局 | 1531例足月胎盘的绒毛膜绒毛结构 | 数字病理 | 围产期疾病 | 深度学习分割、无监督聚类 | CNN（基于图像分割任务推断） | 全幻灯片图像（WSI） | 1531例足月胎盘的全幻灯片图像 |