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 6041 - 6060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6041 | 2025-10-06 |
Artificial Intelligence in Cardiovascular Diagnosis: Innovations and Impact on Disease Screenings
2025-Jun, Journal of pharmacy & bioallied sciences
DOI:10.4103/jpbs.jpbs_557_25
PMID:40655749
|
综述 | 本文探讨人工智能在心血管疾病诊断中的创新应用及其对疾病筛查的影响 | 系统综述AI算法（特别是深度学习）在心血管疾病早期检测和预测方面的创新应用，包括无症状患者的风险识别 | NA | 评估人工智能在心血管疾病诊断和筛查中的应用潜力与临床影响 | 心血管疾病患者，包括心力衰竭、心房颤动、冠状动脉疾病和瓣膜性心脏病患者 | 机器学习 | 心血管疾病 | 心电图(ECG)，医学影像分析 | CNN, 机器学习算法, 深度学习算法 | 心电图数据，医学影像数据 | NA | NA | NA | NA | NA |
| 6042 | 2025-10-06 |
Evaluation of Artificial Intelligent Systems Based Analysis in Dental Periapical Lesions - A Radiological Study
2025-Jun, Journal of pharmacy & bioallied sciences
DOI:10.4103/jpbs.jpbs_2002_24
PMID:40655781
|
研究论文 | 本研究评估基于人工智能的锥形束CT扫描在牙科根尖周病变分析中的应用 | 比较手动机器学习AI与深度学习AI在根尖周病变诊断中的性能表现 | 样本量相对有限，仅包含500个CBCT扫描 | 评估AI系统在牙科根尖周病变放射学诊断中的准确性和可靠性 | 牙科根尖周病变（根尖周囊肿、脓肿和肉芽肿） | 医学影像分析 | 牙科疾病 | 锥形束CT（CBCT）扫描 | 手动机器学习AI, 深度学习AI | 医学影像（CBCT扫描） | 500个CBCT扫描（400个训练，100个测试） | NA | NA | 灵敏度, 特异性, 准确率 | NA |
| 6043 | 2025-10-06 |
Artificial Intelligence in Ultrasound-Based Diagnoses of Gynecological Tumors: A Systematic Review
2025-Jun, Cureus
DOI:10.7759/cureus.85884
PMID:40656430
|
系统综述 | 系统综述人工智能在基于超声的妇科肿瘤诊断中的应用，评估其性能指标、方法学优势和局限性 | 首次系统评估AI在妇科肿瘤超声诊断中的综合表现，特别关注深度学习架构与传统机器学习的比较 | 研究间存在成像方案、样本量和验证方法的异质性，仅三项研究采用前瞻性设计，算法偏见和真实世界临床整合研究较少 | 评估人工智能在妇科肿瘤超声诊断中的应用效果，指导未来研究和临床实施 | 妇科肿瘤（卵巢、子宫内膜和子宫肿块） | 医学影像分析 | 妇科肿瘤 | 超声成像 | 深度学习, 传统机器学习 | 超声图像 | 26项符合纳入标准的研究（来自252条记录） | NA | CNN, ResNet | 准确率, AUC | NA |
| 6044 | 2025-10-06 |
Harnessing AlphaFold to reveal hERG channel conformational state secrets
2025-Apr-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.27.577468
PMID:38352360
|
研究论文 | 本研究利用AlphaFold结合结构模板预测hERG离子通道的不同构象状态，揭示其功能机制和药物结合特性 | 通过精心选择结构模板指导AlphaFold预测特定功能状态，首次揭示了hERG通道失活机制和增强药物结合的分子特征 | 方法依赖于结构模板的选择质量，计算预测仍需实验数据验证 | 预测hERG离子通道的离散构象状态并理解其与药物相互作用的机制 | hERG钾离子通道（Kv11.1）的不同构象状态 | 计算生物学 | 心律失常 | AlphaFold蛋白质结构预测，分子对接，分子动力学模拟 | 深度学习 | 蛋白质结构数据，实验验证数据 | NA | AlphaFold | AlphaFold架构 | 与实验数据一致性，药物亲和力预测准确性 | NA |
| 6045 | 2025-10-06 |
Emerging frontiers in protein structure prediction following the AlphaFold revolution
2025-Apr, Journal of the Royal Society, Interface
DOI:10.1098/rsif.2024.0886
PMID:40233800
|
综述 | 本文探讨了AlphaFold引发蛋白质结构预测革命后该领域的新兴前沿应用 | 聚焦深度学习革命后蛋白质结构预测在高级应用中的发展，提出了AlphaFold预测结果的报告指南 | NA | 综述当前最先进的蛋白质结构预测技术及其在复杂生物系统中的应用 | 蛋白质结构及其与生物分子的相互作用 | 计算生物学 | NA | 深度学习 | 深度学习模型 | 蛋白质序列和结构数据 | 数百万个蛋白质结构模型 | NA | AlphaFold | NA | NA |
| 6046 | 2025-10-06 |
SegCSR: WEAKLY-SUPERVISED CORTICAL SURFACES RECONSTRUCTION FROM BRAIN RIBBON SEGMENTATIONS
2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi60581.2025.10980662
PMID:40655953
|
研究论文 | 提出一种基于脑MRI带状分割的弱监督皮质表面重建方法SegCSR | 无需依赖传统流程生成的伪标签，直接从脑MRI带状分割重建多个皮质表面 | 在深度脑沟区域仍需正则化处理，性能依赖于分割质量 | 开发弱监督的皮质表面重建方法 | 脑MRI图像中的皮质表面 | 医学图像分析 | 神经科学相关疾病 | 脑MRI成像 | 深度学习 | 医学图像 | 两个大规模脑MRI数据集 | NA | NA | 重建精度、规则性 | NA |
| 6047 | 2025-10-06 |
De novo design of self-assembling peptides with antimicrobial activity guided by deep learning
2025-Mar-14, Nature materials
IF:37.2Q1
DOI:10.1038/s41563-025-02164-3
PMID:40087536
|
研究论文 | 通过深度学习指导从头设计具有抗菌活性的自组装肽材料 | 整合非天然氨基酸增强肽自组装能力，并利用深度学习预测功能活性，实现无需大量实验标注的功能性肽材料设计 | 需要最小化实验标注，可能对某些复杂功能的预测仍存在挑战 | 解决细菌耐药性问题，开发新型抗菌材料 | 自组装肽材料及其抗菌功能 | 机器学习 | 细菌感染 | 深度学习 | 深度学习模型 | 肽序列数据 | 小鼠肠道细菌感染模型 | NA | NA | 体内治疗效果、生物膜清除能力、耐药性诱导 | NA |
| 6048 | 2025-10-06 |
Deep Learning for Protein-Ligand Docking: Are We There Yet?
2025-Feb-09, ArXiv
PMID:38827451
|
研究论文 | 本文介绍了首个蛋白质-配体对接综合基准PoseBench，并系统评估了深度学习方法在蛋白质-配体对接中的表现 | 首次系统研究最新对接方法在预测蛋白质结构对接、多配体同时结合和无结合口袋先验知识三种场景下的表现，并首次向DL社区引入多配体基准数据集 | 深度学习方法在新型蛋白质序列预测目标上仍面临挑战，且在结构准确性与化学特异性之间难以平衡 | 评估深度学习方法在蛋白质-配体对接中的实际应用价值 | 蛋白质-配体对接方法和结构预测方法 | 机器学习 | NA | 深度学习 | 深度学习 | 蛋白质结构数据，配体数据 | 主要配体和多配体基准数据集 | NA | AlphaFold 3 | 结构准确性，化学特异性 | NA |
| 6049 | 2025-10-06 |
Integrated Deep Learning Model for the Detection, Segmentation, and Morphologic Analysis of Intracranial Aneurysms Using CT Angiography
2025-01, Radiology. Artificial intelligence
DOI:10.1148/ryai.240017
PMID:39503602
|
研究论文 | 开发基于CT血管造影数据的集成深度学习模型，用于未破裂颅内动脉瘤的检测、分割和形态学分析 | 开发了首个集成检测、分割和形态学分析功能的深度学习模型，并采用多中心外部测试集验证性能 | 回顾性研究设计，可能存在选择偏倚 | 开发并验证用于未破裂颅内动脉瘤形态学测量的深度学习模型 | 未破裂颅内动脉瘤患者 | 医学影像分析 | 颅内动脉瘤 | CT血管造影 | 深度学习 | 医学影像 | 训练集：1182例动脉瘤患者和578例对照组；外部测试集：535例动脉瘤患者 | nnU-Net | nnU-Net | Dice相似系数, 组内相关系数, 准确率 | NA |
| 6050 | 2025-10-06 |
Comprehensive Management of Intracranial Aneurysms Using Artificial Intelligence: An Overview
2025-01, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2024.10.108
PMID:39521404
|
综述 | 本文全面综述人工智能在颅内动脉瘤综合管理中的最新应用进展 | 系统整合AI在动脉瘤检测分割、破裂风险评估、治疗结果预测及微导管塑形等全流程管理中的创新应用 | 未涉及具体临床验证数据，主要讨论技术应用前景与挑战 | 探讨人工智能技术在颅内动脉瘤临床管理中的应用价值与发展方向 | 颅内动脉瘤患者医学影像数据及临床资料 | 医学影像分析 | 脑血管疾病 | 医学影像技术 | 深度学习 | 医学影像 | NA | NA | NA | 诊断敏感性,诊断准确性 | NA |
| 6051 | 2025-10-06 |
Unsupervised Imputation of Non-ignorably Missing Data Using Importance-Weighted Autoencoders
2025, Statistics in biopharmaceutical research
IF:1.5Q2
DOI:10.1080/19466315.2024.2368787
PMID:40621507
|
研究论文 | 提出一种新型变分自编码器架构NIMIWAE，用于处理不可忽略缺失数据的无监督插补 | 首个能灵活处理可忽略和不可忽略缺失模式的VAE架构，支持训练时处理输入特征的缺失数据 | NA | 开发能够处理生物医学数据中复杂缺失模式的无监督深度学习方法 | 高维不完整数据集，特别是生物医学数据 | 机器学习 | NA | 变分自编码器 | VAE | 结构化医疗数据 | 12,000名ICU患者的电子健康记录 | NA | NIMIWAE | 插补准确度 | NA |
| 6052 | 2025-10-06 |
Deep learning analysis of long COVID and vaccine impact in low- and middle-income countries (LMICs): development of a risk calculator in a multicentric study
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1416273
PMID:40642241
|
研究论文 | 本研究开发了一种基于深度学习的风险计算器，用于分析低收入和中等收入国家中长期COVID症状及疫苗影响 | 首次在低收入和中等收入国家中应用自监督和无监督深度神经网络分析长期COVID症状，并开发针对慢性疲劳综合征、抑郁和长期COVID症状的风险计算器 | 研究样本仅来自低收入和中等收入国家，可能不适用于高收入国家人群 | 填补急性与慢性症状、疫苗接种影响及相关因素之间的知识空白 | COVID-19检测阳性的18岁及以上患者 | 机器学习 | COVID-19 | 问卷调查、深度神经网络 | 深度神经网络, GBM | 问卷数据、医疗记录 | 2445名参与者 | NA | 深度神经网络, 梯度提升机 | AUC | NA |
| 6053 | 2025-10-06 |
Integrating weighted gene co-expression network analysis and machine learning to elucidate neural characteristics in a mouse model of depression
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1564095
PMID:40656047
|
研究论文 | 通过整合加权基因共表达网络分析和机器学习方法，揭示抑郁症小鼠模型的神经生物学特征 | 首次将加权基因共表达网络分析与随机森林算法相结合，识别与抑郁症发病密切相关的关键基因 | 研究仅基于小鼠模型数据，需要在人类样本中进一步验证 | 阐明抑郁症的神经生物学特征，为早期诊断和精准治疗提供理论支持 | 抑郁症小鼠模型的基因表达数据 | 机器学习 | 抑郁症 | 加权基因共表达网络分析(WGCNA), 转录组分析 | 随机森林 | 基因表达数据 | 来自公共GEO数据集(如GSE102556)的抑郁症小鼠模型数据 | NA | 随机森林 | 准确率 | NA |
| 6054 | 2025-10-06 |
Integrating Deep Learning and Radiomics in Differentiating Papillary Thyroid Microcarcinoma from Papillary Thyroid Carcinoma with Ultrasound Images
2025, Cancer management and research
IF:2.5Q3
DOI:10.2147/CMAR.S507943
PMID:40656136
|
研究论文 | 本研究探讨了基于超声的影像组学、深度学习及其组合模型在区分甲状腺乳头状癌和甲状腺微小乳头状癌中的可行性 | 首次将深度学习与影像组学相结合构建组合模型，用于甲状腺微小乳头状癌与甲状腺乳头状癌的鉴别诊断 | 样本量相对有限，仅包含两家医院的病例数据 | 通过无创术前鉴别甲状腺微小乳头状癌与甲状腺乳头状癌，减少对甲状腺微小乳头状癌的过度治疗 | 甲状腺结节患者 | 医学影像分析 | 甲状腺癌 | 超声成像 | CNN | 超声图像 | 549名患者（包含180个甲状腺乳头状癌结节和436个甲状腺微小乳头状癌结节） | NA | VGG13,VGG16,VGG19,AlexNet,EfficientNet | 准确率,AUC | NA |
| 6055 | 2025-10-06 |
A nnU-Net-based automatic segmentation of FCD type II lesions in 3D FLAIR MRI images
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1601815
PMID:40656161
|
研究论文 | 本研究使用nnU-Net框架自动分割3D FLAIR MRI图像中的FCD II型病灶 | 采用基于峰值体素强度的自动切片选择方法，筛选病灶丰富的切片进行训练 | 样本量相对有限（85名受试者），仅针对FCD II型病灶 | 提高癫痫病灶检测的准确性和速度，改善术前评估 | FCD II型癫痫患者的3D FLAIR MRI图像 | 医学影像分析 | 癫痫 | 3D FLAIR MRI | CNN | 3D医学图像 | 85名FCD II型受试者 | nnU-Net | nnU-Net | 5折交叉验证 | NA |
| 6056 | 2025-10-06 |
Intelligent dynamic cybersecurity risk management framework with explainability and interpretability of AI models for enhancing security and resilience of digital infrastructure
2025, Journal of reliable intelligent environments
DOI:10.1007/s40860-025-00253-3
PMID:40656511
|
研究论文 | 提出一种集成动态参数和可解释AI模型的智能动态网络安全风险管理框架 | 结合漏洞利用和资产依赖等动态参数，采用线性回归与深度学习混合AI模型，并集成模型可解释性特征 | NA | 通过动态风险评估和管理增强数字基础设施的安全性和韧性 | 网络安全风险管理系统 | 机器学习 | NA | AI驱动的网络安全风险管理 | 线性回归,深度学习 | 网络安全漏洞数据 | 使用广泛采用的CVEjoin数据集进行实验 | NA | 混合模型架构 | 漏洞优先级排序效果 | NA |
| 6057 | 2025-10-06 |
AllerTrans: a deep learning method for predicting the allergenicity of protein sequences
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf040
PMID:40656558
|
研究论文 | 开发了一种基于深度学习的蛋白质序列过敏原性预测方法AllerTrans | 结合两种蛋白质语言模型提取不同特征向量，并通过集成建模技术提升预测性能 | NA | 预测蛋白质序列的过敏原性 | 蛋白质序列 | 生物信息学 | 过敏性疾病 | 蛋白质语言模型 | DNN | 蛋白质序列 | NA | NA | 深度神经网络 | 灵敏度,特异性,准确率,AUC | NA |
| 6058 | 2025-10-06 |
Artificial intelligence and machine learning techniques for predicting neuropathic pain in patients with cancer: A systematic review
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251358315
PMID:40656844
|
系统综述 | 评估人工智能和机器学习技术在预测癌症患者神经病理性疼痛方面的应用 | 首次系统评估AI/ML在癌症相关神经病理性疼痛预测中的应用，识别关键预测因子和模型性能 | 方法学局限性包括校准不佳、外部验证率低(仅14%)、可解释性有限 | 评估AI/ML技术在预测癌症患者神经病理性疼痛及相关结局中的应用效果 | 癌症患者，特别是乳腺癌患者 | 机器学习 | 癌症 | 系统综述方法 | 随机森林,支持向量机,深度学习 | 临床数据,情感数据,影像数据,分子数据 | 14项符合条件的研究 | NA | NA | AUC(曲线下面积) | NA |
| 6059 | 2025-10-06 |
Advancing cardiac diagnostics: high-accuracy arrhythmia classification with the EGOLF-net model
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1613812
PMID:40656899
|
研究论文 | 提出EGOLF-net模型用于心律失常分类，在MIT-BIH心律失常数据库上实现高精度诊断 | 结合增强型灰狼优化算法与LSTM融合网络，通过优化特征选择有效捕捉ECG数据中的时间依赖性 | NA | 开发高精度心律失常分类模型以提升心脏病诊断能力 | 心电图信号和心律失常分类 | 机器学习 | 心血管疾病 | 心电图分析 | LSTM | ECG信号 | MIT-BIH心律失常数据库 | NA | EGOLF-net, LSTM | 准确率 | NA |
| 6060 | 2025-10-06 |
Cross-Scale Guidance Integration Transformer for Instance Segmentation in Pathology Images
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2025.3555818
PMID:40657050
|
研究论文 | 提出一种用于病理图像中腺体细胞实例分割的跨尺度引导集成Transformer方法 | 设计跨尺度引导集成模块整合多尺度特征，利用不同视野的集成特征通过掩码注意力解码器实现更精确的腺体细胞分割 | NA | 开发自动腺体细胞实例分割方法以辅助病理学家进行腺癌分级 | 病理图像中的腺体细胞 | 数字病理 | 腺癌 | NA | Transformer | 病理图像 | 两个公共腺体细胞数据集 | NA | 跨尺度引导集成Transformer | NA | NA |