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 30759 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2025-09-12 |
Diagnostic performance of deep learning-assisted [18F]FDG PET imaging for Alzheimer's disease: a systematic review and meta-analysis
2025-Aug, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07228-9
PMID:40159544
|
系统综述与荟萃分析 | 本研究通过系统综述和荟萃分析评估深度学习辅助[18F]FDG PET成像在阿尔茨海默病诊断中的性能 | 首次对深度学习辅助[18F]FDG PET在AD诊断中的性能进行系统性量化评估，并揭示了方法异质性对结果的影响 | 研究间存在显著异质性，部分源于深度学习方法与成像模式的差异，且缺乏外部验证和大样本支持 | 评估深度学习辅助[18F]FDG PET成像对阿尔茨海默病的诊断效能 | 阿尔茨海默病(AD)、轻度认知障碍(MCI)患者及正常对照(NC)人群 | 医学影像分析 | 阿尔茨海默病 | [18F]FDG PET成像 | 深度学习 | PET影像数据 | 基于36项符合条件的研究（包含AD vs NC:35项，AD vs MCI:13项，MCI vs NC:19项） |
| 402 | 2025-09-12 |
Deep Learning in Echocardiography for Enhanced Detection of Left Ventricular Function and Wall Motion Abnormalities
2025-08, Ultrasound in medicine & biology
|
系统综述 | 本文系统回顾了深度学习技术在超声心动图中用于检测心血管异常的应用 | 聚焦深度卷积神经网络在提升超声心动图诊断精度中的创新作用 | 面临数据多样性不足、图像质量问题以及深度学习模型计算需求大等挑战 | 评估深度学习技术增强超声心动图诊断能力的效果 | 心血管异常，特别是左心室功能和室壁运动异常 | 医学影像分析 | 心血管疾病 | 深度学习 | DCNN（深度卷积神经网络） | 超声心动图像 | 基于29项研究的综合分析 |
| 403 | 2025-09-12 |
Single-cell image-based screens identify host regulators of Ebola virus infection dynamics
2025-Aug, Nature microbiology
IF:20.5Q1
DOI:10.1038/s41564-025-02034-3
PMID:40707832
|
研究论文 | 通过基于图像的全基因组CRISPR筛选识别埃博拉病毒感染的宿主调控因子 | 首次应用基于图像的CRISPR全基因组筛选结合深度学习模型，系统关联宿主因子与病毒复制步骤 | 研究主要基于体外细胞实验，尚未进行体内验证 | 识别埃博拉病毒感染的宿主调控因子并探索潜在治疗靶点 | 人类细胞系中的埃博拉病毒感染过程 | 计算生物学 | 病毒感染 | CRISPR筛选、深度学习、随机森林模型 | 深度学习、随机森林 | 单细胞图像数据 | 39,085,093个细胞 |
| 404 | 2025-09-12 |
A novel ligand-based convolutional neural network for identification of P-glycoprotein ligands in drug discovery
2025-Jul-25, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11301-8
PMID:40715638
|
研究论文 | 提出一种新型配体卷积神经网络NLCNN，用于药物发现中P-糖蛋白配体的高精度识别 | 整合分子对接和配体深度学习，在更大数据集上实现比传统CNN和SVM高19-24%的精确率和召回率 | 模型训练仅基于197个P-gp底物数据集，样本规模有限 | 开发高精度计算工具以预测P-糖蛋白与药物的相互作用，助力药物研发和个性化医疗 | P-糖蛋白（P-gp）的配体（底物和抑制剂） | 计算药理学 | 癌症 | 分子对接、同源建模 | CNN（卷积神经网络） | 分子结构数据 | 197个P-gp底物 |
| 405 | 2025-09-12 |
Multimodal Deep Learning for Predicting Postoperative Vault and Selecting ICL Sizes Using AS-OCT and UBM Images
2025-Jul-25, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001747
PMID:40929576
|
研究论文 | 开发并验证一种多模态深度学习模型，用于预测术后拱高并选择ICL尺寸，结合AS-OCT和UBM图像及临床特征 | 首次整合AS-OCT和UBM多模态图像与临床数据，通过深度学习提升ICL尺寸选择的准确性，性能接近资深医生水平 | 样本量有限（209只眼），需扩大样本并进行多中心验证以增强泛化能力 | 提高ICL植入术后拱高预测和晶体尺寸选择的精确度 | 接受ICL V4c植入术的患者眼部数据 | 计算机视觉 | 眼科疾病 | AS-OCT, UBM, 深度学习 | ResNet50, LightGBM, XGBoost, Random Forest | 图像（AS-OCT、UBM）、临床数据 | 105名患者的209只眼，共626张AS-OCT图像和1309张UBM图像 |
| 406 | 2025-09-12 |
Learning Universal Representations of Intermolecular Interactions with ATOMICA
2025-Jul-15, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.02.646906
PMID:40291688
|
研究论文 | 提出ATOMICA几何深度学习模型，学习跨五种分子模态的原子尺度分子间相互作用表示 | 首个能够统一表示蛋白质、小分子、金属离子、脂质和核酸五种分子模态相互作用界面的模型，支持通过嵌入组合生成新相互作用的表示 | NA | 开发通用分子相互作用表示模型以理解和注释分子功能 | 分子间相互作用界面，包括蛋白质、小分子、金属离子、脂质和核酸 | 机器学习 | NA | 几何深度学习，自监督去噪和掩码训练 | 几何深度学习模型 | 分子结构数据 | 2,037,972个相互作用复合物 |
| 407 | 2025-09-12 |
The use of machine learning in transarterial chemoembolisation/transarterial embolisation for patients with intermediate-stage hepatocellular carcinoma: a systematic review
2025-Jul, La Radiologia medica
DOI:10.1007/s11547-025-02013-y
PMID:40317437
|
系统综述 | 本文系统评估了机器学习在中期肝细胞癌患者经动脉化疗栓塞术/经动脉栓塞术中的应用效果 | 首次系统评价机器学习模型在提升TACE/TAE治疗精度和疗效方面的潜力，并汇总了高达0.90的AUC预测准确率 | 研究存在异质性限制了结果比较，且所有研究均来自单一国家（中国），需要更多标准化协议和多中心试验验证 | 评估机器学习模型在改善中期肝细胞癌患者TACE和TAE治疗精准性与疗效方面的有效性 | 中期肝细胞癌患者 | 机器学习 | 肝细胞癌 | 深度学习、影像组学 | 深度学习模型 | 医学影像数据 | 7项研究，共4017名患者 |
| 408 | 2025-09-12 |
Regional climate projections using a deep-learning-based model-ranking and downscaling framework: application to European climate zones
2025-Jul, Environmental science and pollution research international
DOI:10.1007/s11356-025-36872-9
PMID:40815421
|
研究论文 | 提出一种基于深度学习的多模型评估与降尺度框架，用于改进欧洲气候区的区域气候预测 | 结合DL-TOPSIS机制对32个CMIP6模型进行排名，并利用先进深度学习模型进行降尺度，显著提升预测精度 | 仅关注温度变量、未量化情景不确定性、transformer模型计算成本较高 | 提高区域气候预测的准确性和分辨率 | 欧洲五个柯本-盖格气候区（热带、干旱、温带、大陆性、极地） | 机器学习 | NA | 深度学习降尺度，DL-TOPSIS多标准排名 | Vision Transformer (ViT), GeoSTANet, CNN-LSTM, ConvLSTM | 气候模型输出数据 | 32个CMIP6模型在四个季节的评估 |
| 409 | 2025-02-25 |
Ectopic, intra-thyroid parathyroid adenoma better visualized by deep learning enhanced choline PET/CT
2025-Jun-01, QJM : monthly journal of the Association of Physicians
DOI:10.1093/qjmed/hcaf057
PMID:39992255
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 410 | 2025-05-08 |
Retraction: "Diagnostic Classification and Prognostic Prediction Using Common Genetic Variants in Autism Spectrum Disorder: Genotype-Based Deep Learning"
2025-05-06, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/76833
PMID:40331761
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 411 | 2025-09-12 |
The Application Status of Radiomics-Based Machine Learning in Intrahepatic Cholangiocarcinoma: Systematic Review and Meta-Analysis
2025-May-05, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/69906
PMID:40323647
|
系统综述与荟萃分析 | 本文系统评估了基于影像组学的机器学习在肝内胆管癌中的应用现状与价值 | 首次通过荟萃分析量化影像组学模型在肝内胆管癌多任务中的诊断性能，并比较了不同模型类型的表现差异 | 针对特定任务（如神经周围侵犯诊断）的研究数量有限，深度学习研究不足阻碍了进一步分析，数据异质性和可解释性存在挑战 | 评估影像组学在肝内胆管癌领域的应用现状并提供循证支持 | 肝内胆管癌患者 | 医学影像分析 | 肝内胆管癌 | 影像组学 | 机器学习（含深度学习） | 医学影像 | 58项研究，包含12,903名患者 |
| 412 | 2025-05-01 |
Predicting Mortality with Deep Learning: Are Metrics Alone Enough?
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.250224
PMID:40304577
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 413 | 2025-09-12 |
IBDome: An integrated molecular, histopathological, and clinical atlas of inflammatory bowel diseases
2025-Apr-10, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.26.645544
PMID:40291692
|
研究论文 | 本研究构建了一个整合分子、组织病理学和临床数据的IBD综合图谱，通过多组学和多模态分析揭示炎症性肠病的分子特征和诊断工具 | 开发了基于炎症蛋白严重性特征的血清生物标志物，并利用基础模型深度学习从H&E染色图像预测组织学疾病活动评分 | NA | 通过多组学和多模态数据分析提升对炎症性肠病的理解、改进诊断并实现个性化治疗策略 | 1002名经临床注释的IBD患者和非IBD对照个体 | 数字病理学 | 炎症性肠病 | 全外显子组测序、RNA测序、血清蛋白质组学、组织病理学评估 | 基础模型深度学习 | 基因组数据、转录组数据、蛋白质组数据、组织图像数据 | 1002名患者和对照个体（包括正常和炎症肠道组织样本） |
| 414 | 2025-09-12 |
Characterization of binding kinetics and intracellular signaling of new psychoactive substances targeting cannabinoid receptor using transition-based reweighting method
2025-Apr-08, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.29.560261
PMID:37873328
|
研究论文 | 本研究通过分子动力学模拟和深度学习方法，分析新型精神活性物质与经典大麻素在CB1受体结合动力学和下游信号传导的差异 | 结合过渡态重加权方法和神经关系推理(NRI)深度学习模型，首次揭示NPS通过变构调控增强β-arrestin信号通路的分子机制 | 研究主要基于计算模拟，需要实验验证；仅针对两种特定配体进行分析 | 阐明新型精神活性物质与经典大麻素在CB1受体信号传导差异的结构基础 | MDMB-Fubinaca（NPS）和HU-210（经典大麻素）与CB1受体的相互作用 | 计算生物学 | 药物滥用 | 分子动力学模拟(MD), 多系综模拟, 过渡态重加权方法, 神经关系推理(NRI) | 变分自编码器(VAE), 神经关系推理模型 | 分子模拟数据 | 两种配体（MDMB-Fubinaca和HU-210）与CB1受体的相互作用体系 |
| 415 | 2025-09-12 |
Deactivated Cas9-Engineered Magnetic Micromotors toward a Point-of-Care Digital Viral RNA Assay
2025-03-11, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.4c14913
PMID:40017424
|
研究论文 | 开发了一种名为dCRISTOR的无标记数字病毒RNA检测系统，用于HIV-1 RNA的即时检测 | 整合了dCas9工程化微电机、无提取LAMP扩增、低成本明场显微镜和深度学习图像处理，无需荧光读数和复杂制造工艺 | NA | 实现高灵敏度、高特异性的即时数字病毒RNA检测 | 人类免疫缺陷病毒-1 (HIV-1) RNA | 数字病理 | HIV感染 | 无提取环介导等温扩增 (LAMP), 深度学习图像处理 | CNN (卷积神经网络) | 图像 | 21份加标血浆样本和9份临床患者样本 |
| 416 | 2025-09-12 |
Automated strabismus detection and classification using deep learning analysis of facial images
2025-01-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-88154-6
PMID:39890897
|
研究论文 | 提出一种基于深度学习的自动检测和分类斜视的面部图像分析方法 | 利用CNN实现高精度的二分类和多角度斜视分类，首次在八类偏差角分类任务中应用深度学习 | NA | 通过自动化方法辅助医疗专业人员早期检测斜视并制定治疗计划 | 面部图像（包含正常和斜视病例） | 计算机视觉 | 斜视 | 深度学习，交替棱镜遮盖测试（APCT），改良Krimsky测试（MK） | CNN | 图像 | 二分类任务4,257张面部图像（1,599正常/2,658斜视），多分类任务622张图像（480斜视/142正常） |
| 417 | 2024-12-12 |
Integrating Deep Learning with Biology: A New Frontier in Triple-Negative Breast Cancer Treatment Prediction?
2025-01, Radiology. Artificial intelligence
DOI:10.1148/ryai.240740
PMID:39660996
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 418 | 2025-09-12 |
Challenges and Advances in Classifying Brain Tumors: An Overview of Machine, Deep Learning, and Hybrid Approaches with Future Perspectives in Medical Imaging
2025, Current medical imaging
IF:1.1Q3
|
综述 | 本文综述了机器学习和深度学习在脑肿瘤分类中的应用、挑战及未来方向 | 系统比较了从传统机器学习到先进深度学习及混合架构的方法，并提出了多模态成像、可解释AI和隐私保护技术等未来方向 | 注释数据集稀缺、计算复杂度高、模型可解释性差以及临床整合存在障碍 | 提升脑肿瘤分类的准确性和效率，以支持治疗策略和改善患者预后 | 脑肿瘤，特别是胶质瘤、脑膜瘤和转移性脑病变 | 医学影像 | 脑肿瘤 | MRI | SVM, Decision Trees, CNN, RNN, 混合架构 | 图像 | NA |
| 419 | 2025-09-12 |
Evaluation of Deep Learning Methods for Pulmonary Disease Classification
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究评估了深度学习模型在肺部疾病分类中的应用，通过多特征融合方法提升诊断准确率 | 提出结合MFCC、Chroma STFT和频谱图特征的多特征深度学习模型，达到92%的最高准确率 | 数据集中COPD样本过度代表，限制了模型在测试音频样本上的泛化能力 | 改进肺部疾病的诊断技术，提升疾病检测准确率 | 肺部疾病（包括COPD、LRTI和URTI）的听诊录音 | 数字病理学 | 肺部疾病 | 音频增强方法、MFCC、Chroma STFT、频谱图特征提取 | CNN、RNN、LSTM、密集神经网络 | 音频 | NA |
| 420 | 2025-09-12 |
Comparative analysis of cervical cancer classification of DPAGCHE-enhanced Pap smear images using convolutional neural network models
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0330103
PMID:40920705
|
研究论文 | 本研究提出一种基于卷积神经网络和图像增强技术的自动化宫颈癌分类方法，旨在提高巴氏涂片图像分类的准确性和效率 | 采用DPAGCHE图像增强方法结合预训练CNN模型，显著提升分类性能，F1分数提高53.65%，精确度提高44.29% | 仅使用公开Herlev数据集，未提及外部验证或临床实际应用测试 | 开发自动化宫颈癌检测方法，解决传统诊断中对比度和噪声问题 | 巴氏涂片图像 | 计算机视觉 | 宫颈癌 | DPAGCHE（去噪配对自适应伽马裁剪直方图均衡化）图像增强技术 | CNN（包括ResNet50等预训练模型） | 图像 | 使用公开Herlev数据集，具体样本数量未明确说明 |