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 30217 篇文献，本页显示第 421 - 440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 421 | 2025-09-05 |
Deep learning models for pathological classification and staging of oesophageal cancer
2025-Aug-24, World journal of clinical oncology
IF:2.6Q3
DOI:10.5306/wjco.v16.i8.109893
PMID:40901333
|
评论 | 对Wei等人应用Wave-Vision Transformer进行食管癌病理分类的研究进行评论 | 强调了该方法在准确性和效率方面的优越性及其临床潜力 | 数据集多样性不足，需要可解释人工智能以提高在病理学和个性化治疗中的应用 | 食管癌的病理分类和分期 | 食管癌 | 数字病理 | 食管癌 | Wave-Vision Transformer | Vision Transformer | 病理图像 | NA |
| 422 | 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 |
| 423 | 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 |
| 424 | 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） |
| 425 | 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 |
| 426 | 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 |
| 427 | 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 |
| 428 | 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 |
| 429 | 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 |
| 430 | 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 |
| 431 | 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 |
| 432 | 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 |
| 433 | 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 |
| 434 | 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 |
| 435 | 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 |
| 436 | 2025-09-05 |
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通用表示 | 首次实现跨蛋白质、小分子、金属离子、脂质和核酸五种模态的通用分子相互作用表示学习，支持通过嵌入组合生成新相互作用的表示 | NA | 开发能够通用表示分子间相互作用的深度学习模型，用于分子功能注释和相互作用预测 | 分子相互作用界面，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 | 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 |
| 437 | 2025-09-05 |
Deep learning based classification of tibio-femoral knee osteoarthritis from lateral view knee joint X-ray images
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04869-6
PMID:40594325
|
研究论文 | 提出一种基于深度学习的自动方法，用于从膝关节X光图像中定位和分类胫股关节骨关节炎 | 首个针对AP和侧位视图的胫股关节骨关节炎自动分类深度学习方法 | 侧位视图性能(92.42%)明显低于AP视图(98.57%) | 开发膝关节骨关节炎的自动检测和分类系统 | 胫股膝关节 | 计算机视觉 | 骨关节炎 | X射线成像 | DenseNet 201 with transfer learning | X光图像 | 4334个膝关节X光图像 |
| 438 | 2025-09-05 |
Multiscale wavelet attention convolutional network for facial expression recognition
2025-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07416-5
PMID:40596501
|
研究论文 | 提出一种结合多尺度卷积和小波通道注意力机制的改进卷积神经网络，用于提升面部表情识别准确率 | 首次将多尺度卷积层与小波通道注意力机制结合，并集成到ResNet18基线模型中，在多个数据集上验证了性能提升 | NA | 提高面部表情识别应用的准确率 | 学生真实课堂面部表情数据集(FESR)和卡洛林斯卡定向情绪面孔数据集(KDEF) | 计算机视觉 | NA | 深度学习，小波变换 | CNN, MCNN, wCA-CNN, wCA-MCNN, ResNet18 | 图像 | 两个数据集：FESR（真实课堂采集）和KDEF |
| 439 | 2025-09-05 |
AI analysis of medical images at scale as a health disparities probe: a feasibility demonstration using chest radiographs
2025-Apr-08, ArXiv
PMID:40297238
|
研究论文 | 本研究开发了一种利用胸部X光片提取定量指标并计算健康差异指数的可行性流程 | 首次将医学影像自动提取的定量指标作为健康差异指数的输入，为健康差异研究提供了新型数据源 | 研究样本量有限（1,571名患者），仅验证了可行性而未进行大规模应用 | 探索医学影像作为健康差异研究新型数据源的可行性 | 1,571名独特患者的胸部X光片 | 医学影像分析 | 肺部疾病 | 深度学习模型分析 | 深度学习模型（未指定具体类型） | 医学影像（X光片） | 1,571名患者 |
| 440 | 2025-09-05 |
Spatiotemporal Profiling Defines Persistence and Resistance Dynamics during Targeted Treatment of Melanoma
2025-Mar-03, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-24-0690
PMID:39700408
|
研究论文 | 本研究利用空间转录组学和深度学习分析，揭示了BRAF突变黑色素瘤在靶向治疗中持久性和耐药性的时空动态机制 | 首次结合空间转录组学和深度学习组织病理学分析，在患者来源异种移植模型中解析治疗过程中克隆谱系演化的时空动态 | 研究基于异种移植模型，可能与人类体内真实微环境存在差异 | 阐明黑色素瘤靶向治疗中持久细胞状态的形成机制和耐药性演化规律 | BRAF突变黑色素瘤细胞和患者来源异种移植模型 | 数字病理学 | 黑色素瘤 | 空间转录组学，深度学习分析 | 深度学习 | 空间转录组数据，组织病理学图像 | 患者来源异种移植模型样本 |