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 32372 篇文献，本页显示第 4341 - 4360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4341 | 2025-05-08 |
Letter to the Editor: Deep Learning and Numerical Analysis for Bladder Outflow Obstruction and Detrusor Underactivity Diagnosis in Men: A Novel Urodynamic Evaluation Scheme
2025-Sep, Neurourology and urodynamics
IF:1.8Q3
DOI:10.1002/nau.70049
PMID:40329494
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4342 | 2025-10-06 |
Predicting the Effects of Charge Mutations on the Second Osmotic Virial Coefficient for Therapeutic Antibodies via Coarse-Grained Molecular Simulations and Deep Learning Methods
2025-Aug-04, Molecular pharmaceutics
IF:4.5Q1
|
研究论文 | 通过粗粒度分子模拟和深度学习方法预测电荷突变对治疗性抗体第二维里系数的影响 | 结合粗粒度分子模拟和深度神经网络，系统探索大量电荷突变（约10^10种）对蛋白质自相互作用的影响 | 研究仅限于三种模型治疗性单克隆抗体，需要进一步验证在其他蛋白质体系中的适用性 | 评估改变表面电荷分布如何影响蛋白质自相互作用，以第二维里系数量化 | 三种模型治疗性单克隆抗体（MAbs） | 机器学习 | NA | 粗粒度分子模拟，深度学习方法 | MLP（多层感知器） | 分子模拟数据 | 约10^10个突变（单突变、双突变和三突变） | NA | 多层感知器 | 计算效率，预测精度 | NA |
| 4343 | 2025-10-06 |
Colorimetric detection of bisphenol A in water: a smartphone-based sensor using inverse opal molecularly imprinted photonic crystal hydrogel
2025-Aug-04, The Analyst
DOI:10.1039/d4an01426j
PMID:40685994
|
研究论文 | 开发了一种基于智能手机的传感器，用于水中双酚A的比色检测 | 结合反蛋白石分子印迹光子晶体水凝胶与智能手机深度学习模型，实现实时定量检测 | NA | 开发高灵敏度、高选择性的双酚A检测方法 | 水样中的双酚A分子 | 传感器技术 | NA | 分子印迹技术、光子晶体技术、比色检测 | 深度学习回归模型 | 图像 | NA | NA | NA | 检测限、响应时间 | 智能手机 |
| 4344 | 2025-10-06 |
Deep Learning Reconstruction for T2 Weighted Turbo-Spin-Echo Imaging of the Pelvis: Prospective Comparison With Standard T2-Weighted TSE Imaging With Respect to Image Quality, Lesion Depiction, and Acquisition Time
2025-Aug-04, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes
DOI:10.1177/08465371251357790
PMID:40755270
|
研究论文 | 比较深度学习重建的T2加权涡轮自旋回波成像与传统TSE成像在盆腔MRI中的图像质量、病灶显示和采集时间 | 首次对盆腔MRI中DL重建技术进行全面评估，证明DL-TSE可在保持图像质量的同时显著缩短扫描时间 | 样本量相对较小（55例），仅使用3T扫描仪，缺乏多中心验证 | 评估深度学习重建技术在盆腔MRI加速成像中的性能 | 55名受试者（33名女性，22名男性）的盆腔MRI图像 | 医学影像 | 盆腔疾病 | T2加权涡轮自旋回波成像 | 深度学习 | MRI图像 | 55例受试者 | NA | NA | 图像质量评分，对比度比率 | 3T MRI扫描仪 |
| 4345 | 2025-10-06 |
"Computational Prediction of Mutagenicity Through Comprehensive Cell Painting Analysis"
2025-Aug-04, Mutagenesis
IF:2.5Q3
DOI:10.1093/mutage/geaf014
PMID:40757573
|
研究论文 | 本研究利用细胞绘画数据开发机器学习模型预测化学化合物的致突变性 | 首次将细胞绘画形态特征与机器学习结合用于致突变性预测，并引入表型改变浓度优化模型性能 | 数据集固有局限性和细胞绘画技术的实验室间变异性导致部分化合物预测困难 | 开发基于细胞绘画数据的致突变性预测模型 | 化学化合物的致突变性 | 机器学习 | NA | 细胞绘画 | Random Forest, Support Vector Machine, Extreme Gradient Boosting | 图像, 形态特征 | Broad研究所数据集包含30,000+分子，美国环保局数据集包含1,200种化学物 | NA | NA | 准确率 | NA |
| 4346 | 2025-10-06 |
A Novel Dual-Output Deep Learning Model Based on InceptionV3 for Radiographic Bone Age and Gender Assessment
2025-Aug-04, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01623-2
PMID:40758204
|
研究论文 | 基于InceptionV3架构开发双输出深度学习模型，用于手部X光片的骨龄和性别评估 | 提出多输出预测模型，通过识别共同和离散特征提高模型效率，并集成Squeeze-and-Excitation模块进行鲁棒特征管理 | 中高端硬件要求可能限制在临床本地机器上的使用 | 开发计算机辅助临床决策支持系统，改进放射学骨龄评估方法 | 手部X光片 | 计算机视觉 | 儿科疾病 | 放射成像 | CNN | 图像 | 14,048个样本，按7:2:1比例分为训练集、验证集和测试集 | NA | InceptionV3,Squeeze-and-Excitation | 均方误差,平均绝对误差,准确率,AUC,组内相关系数,Cohen's kappa系数 | 中高端硬件 |
| 4347 | 2025-10-06 |
Detection of Dens Invaginatus on Panoramic Radiographs Using Deep Learning Algorithms
2025-Aug-03, International journal of paediatric dentistry
IF:2.3Q2
DOI:10.1111/ipd.70027
PMID:40754680
|
研究论文 | 本研究评估了YOLOv5和YOLOv8深度学习模型在曲面断层片上检测牙内陷的效能 | 首次比较YOLOv5和YOLOv8模型在牙内陷检测中的表现，并对比了检测和分割两种标注方法 | 样本仅包含8-18岁患者的前牙区影像，样本量有限（656张曲面断层片） | 评估深度学习模型在曲面断层片上检测牙内陷的成功率和可靠性 | 8-18岁患者的牙齿曲面断层片 | 计算机视觉 | 牙科发育异常 | 全景放射摄影 | YOLOv5, YOLOv8 | 影像 | 656张患者曲面断层片 | NA | YOLOv5, YOLOv8 | 精确度, 敏感度, F1分数 | NA |
| 4348 | 2025-10-06 |
Artificial intelligence in orthopedic trauma: a comprehensive review
2025-Aug, Injury
IF:2.2Q2
DOI:10.1016/j.injury.2025.112570
PMID:40683054
|
综述 | 本文对2015-2025年间217项研究进行系统回顾，全面分析人工智能在骨科创伤领域的应用现状与未来方向 | 首次系统量化分析AI在骨科创伤领域的研究趋势，揭示深度学习方法（43.3%）和传统机器学习（39.2%）的主导地位 | 仅14.5%研究经过外部验证，仅3.2%报告前瞻性临床验证，缺乏多样化人群的验证数据 | 评估人工智能在骨科创伤领域的应用现状和发展前景 | 骨科创伤患者的骨折检测、分类、预测和分割 | 医疗人工智能 | 骨科创伤 | 深度学习、传统机器学习 | NA | 医学影像数据 | 基于217项研究的汇总分析 | NA | NA | 灵敏度、特异性、AUC | NA |
| 4349 | 2025-08-05 |
Can radiology be first to use prognostic deep learning models for oncological treatment?
2025-Aug-01, Annals of oncology : official journal of the European Society for Medical Oncology
IF:56.7Q1
DOI:10.1016/j.annonc.2025.07.013
PMID:40754034
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4350 | 2025-10-06 |
Factors associated with glucocorticoid dosing in treating patients with noncritical COVID-19 pneumonia: Insights from an artificial intelligence-based CT imaging analysis
2025 Aug-Sep, Enfermedades infecciosas y microbiologia clinica (English ed.)
DOI:10.1016/j.eimce.2025.06.004
PMID:40754353
|
研究论文 | 通过人工智能CT影像分析探讨影响非危重COVID-19肺炎患者糖皮质激素用药剂量的因素并开发预测模型 | 首次结合AI深度学习定量分析肺部CT特征与糖皮质激素剂量的关联，并建立预测模型 | 回顾性研究、样本量有限（273例），需更大规模前瞻性研究验证 | 确定非危重COVID-19患者的最佳糖皮质激素剂量 | 273例非危重COVID-19肺炎患者 | 数字病理 | COVID-19肺炎 | CT影像分析 | 深度学习 | CT图像 | 273例患者（训练集168例，验证集75例） | NA | NA | AUC | NA |
| 4351 | 2025-10-06 |
Toward Precision Diagnosis of Maxillofacial Pathologies by Artificial Intelligence Algorithms: A Systematic Review
2025-Aug, Journal of maxillofacial and oral surgery
DOI:10.1007/s12663-025-02664-4
PMID:40756906
|
系统综述 | 本综述探讨了人工智能算法在通过先进成像技术改善口腔颌面部疾病诊断和管理方面的潜力 | 系统评估了深度学习和机器学习在颌面部病理诊断中的最新应用进展，比较了不同成像技术的诊断性能 | 基于文献综述，缺乏原始实验数据验证 | 评估人工智能算法在颌面部病理精准诊断中的应用效果 | 口腔颌面部疾病，包括垂直根折、牙源性囊性病变和转移性淋巴结等 | 计算机视觉 | 颌面部疾病 | 计算机断层扫描(CT)、锥形束计算机断层扫描(CBCT)、磁共振成像(MRI)、全景放射摄影 | 深度学习,机器学习 | 医学影像 | NA | NA | GoogLeNet Inception v3,U-Net | 准确率,灵敏度,特异性,AUC,召回率,精确率,F1分数 | NA |
| 4352 | 2025-10-06 |
Advancing Alzheimer's Diagnosis with AI-Enhanced MRI: A Review of Challenges and Implications
2025-Jul-30, Current neuropharmacology
IF:4.8Q1
|
综述 | 全面回顾基于MRI的深度学习模型在阿尔茨海默病诊断中的应用、挑战与临床意义 | 系统分类并评估不同深度学习模型在脑部MRI数据分析中的方法论与性能表现 | 依赖现有研究数据的局限性，未进行原始实验验证 | 总结AI增强MRI在神经退行性疾病诊断中的研究进展 | 阿尔茨海默病及相关神经退行性疾病 | 医学影像分析 | 阿尔茨海默病 | 结构磁共振成像 | CNN, NC-ANNs | 脑部MRI图像 | 基于ADNI等大型MRI数据联盟 | NA | NA | NA | NA |
| 4353 | 2025-10-06 |
Pretraining-improved Spatiotemporal graph network for the generalization performance enhancement of traffic forecasting
2025-Jul-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-11375-2
PMID:40730627
|
研究论文 | 提出一种改进的预训练时空图网络ImPreSTDG，用于增强交通预测的泛化性能 | 引入去噪扩散概率模型(DDPM)进行预训练，并提出基于选择性状态空间模型(SSM)的Mamba模块，有效捕获长期多变量时空相关性 | 仅在三个真实交通数据集上进行了实验验证，需要更多数据集验证泛化能力 | 提升交通预测模型处理长期时空依赖关系的能力并降低计算成本 | 交通流量数据 | 机器学习 | NA | 数据掩码与恢复策略 | 图卷积网络, 深度学习 | 时空数据 | 三个真实交通数据集 | NA | Improved Spatiotemporal Diffusion Graph (ImPreSTDG), Denoised Diffusion Probability Model (DDPM), Mamba模块 | 预测精度, 计算成本 | NA |
| 4354 | 2025-10-06 |
Nucleotide-level circRNA-RBP binding sites prediction based on hybrid encoding scheme and enhanced feature extraction
2025-Jul-28, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.107923
PMID:40753814
|
研究论文 | 提出基于混合编码方案和增强特征提取的核苷酸级别circRNA-RBP结合位点预测框架circdpb | 整合one-hot和高斯调制位置编码表示circRNA序列，采用扩张卷积特征金字塔和双向门控循环单元增强特征提取 | NA | 实现核苷酸级别精度的circRNA-RBP结合位点预测 | 环状RNA与RNA结合蛋白的结合位点 | 生物信息学 | NA | 深度学习 | CNN, BiGRU | RNA序列数据 | 37个基准数据集 | NA | 扩张卷积特征金字塔, 双向门控循环单元 | NA | NA |
| 4355 | 2025-10-06 |
Deep Learning for Staging Periodontitis Using Panoramic Radiographs
2025-Jul, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.15269
PMID:39888112
|
研究论文 | 本研究开发了一种基于深度学习的目标检测模型，用于自动标注解剖结构并分类牙周炎影像学骨丧失分期 | 首次将目标检测模型应用于全景X光片的牙周炎分期诊断，实现解剖结构自动标注与骨丧失分期分类的联合任务 | 样本量有限（558张全景片），模型性能仍有提升空间（准确率0.72） | 通过深度学习提高牙周炎诊断和分类效率 | 牙周炎患者的全景X光片 | 计算机视觉 | 牙周炎 | 全景X光摄影 | 目标检测模型 | X光影像 | 558张全景X光片裁剪成的7359颗单独牙齿图像 | NA | NA | 平均精度均值(mAP), 均方根误差(RMSE), 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 4356 | 2025-10-06 |
InclusiViz : Visual Analytics of Human Mobility Data for Understanding and Mitigating Urban Segregation
2025-06, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3567117
PMID:40327496
|
研究论文 | 开发了一个名为InclusiViz的可视化分析系统，用于多层级分析城市隔离现象 | 结合深度学习和可解释AI分析人类移动数据，同时考虑居住空间和活动空间的城市隔离模式 | 未明确说明数据来源的具体限制和模型泛化能力 | 理解和缓解城市隔离现象，促进更具包容性的城市规划 | 人类移动数据和社会群体的移动模式 | 可视化分析 | NA | 深度学习，可解释AI | 深度学习模型 | 人类移动数据，环境特征数据 | NA | NA | NA | 准确性，效率 | NA |
| 4357 | 2025-10-06 |
Physics-informed deep learning for infectious disease forecasting
2025-Apr-29, ArXiv
PMID:39876937
|
研究论文 | 提出一种基于物理信息神经网络（PINN）的传染病预测模型，将疾病传播动力学系统融入损失函数 | 首次将物理信息神经网络应用于传染病预测领域，通过将流行病学理论融入神经网络损失函数来防止过拟合 | 仅在加利福尼亚州级COVID-19数据上进行验证，需要更多地区数据验证泛化能力 | 改进传染病预测方法，提升对未来流行病的应对能力 | COVID-19确诊病例数、死亡人数和住院人数 | 机器学习 | 传染病 | 物理信息神经网络 | PINN, RNN, LSTM, GRU, Transformer | 流行病学时间序列数据 | 加利福尼亚州级COVID-19数据 | NA | 物理信息神经网络，包含处理流动性和疫苗剂量等协变量的子网络 | 预测准确率，与基准模型比较 | NA |
| 4358 | 2025-10-06 |
Performance of a Deep Learning Diabetic Retinopathy Algorithm in India
2025-03-03, JAMA network open
IF:10.5Q1
|
研究论文 | 评估深度学习糖尿病视网膜病变算法在印度临床部署环境中的性能表现 | 首次在印度大规模临床部署后评估糖尿病视网膜病变AI算法的实际性能，监测了60万患者的筛查结果 | 研究为横断面分析，仅纳入约1%的样本，可能存在选择偏倚 | 评估自动化视网膜疾病评估算法在真实临床环境中的诊断性能 | 印度南部45个中心的糖尿病患者视网膜图像 | 数字病理 | 糖尿病视网膜病变 | 眼底摄影 | 深度学习 | 图像 | 4537名患者的4537张眼底图像，其中3941张图像质量可分级 | NA | ARDA算法 | 灵敏度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 4359 | 2025-10-06 |
A deep learning approach to perform defect classification of freeze-dried product
2025-Feb-10, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2024.125127
PMID:39756597
|
研究论文 | 本研究开发了一种基于深度学习的冷冻干燥产品缺陷分类方法 | 提出了两种基于卷积神经网络的高分辨率图像处理方法，并实现了对关键缺陷的完美检测精度 | NA | 通过人工智能技术改进冷冻干燥产品的质量检测流程 | 冷冻干燥样品 | 计算机视觉 | NA | 深度学习，计算机视觉 | CNN | 图像 | 多个连续冷冻干燥样品（包含故意制造的缺陷样本和无缺陷样本） | NA | 卷积神经网络 | 精确度，召回率，预测时间 | NA |
| 4360 | 2025-10-06 |
Machine learning outperforms the Canadian Triage and Acuity Scale (CTAS) in predicting need for early critical care
2025-01, CJEM
DOI:10.1007/s43678-024-00807-z
PMID:39560909
|
研究论文 | 本研究比较机器学习模型与加拿大分诊急迫度量表在预测急诊患者12小时内需要重症监护的能力 | 首次大规模比较多种机器学习模型与CTAS分诊系统在预测重症监护需求方面的性能 | 使用单中心回顾性数据，需要未来研究验证 | 改进急诊分诊系统，提高重症患者识别准确性 | 急诊科就诊患者 | 机器学习 | 急重症 | 机器学习建模 | LASSO回归,梯度提升树,深度学习 | 临床医疗数据 | 670,841次急诊就诊记录 | NA | 嵌入层深度学习模型 | ROC曲线下面积,PRC曲线下面积 | NA |