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 32373 篇文献，本页显示第 6181 - 6200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6181 | 2025-10-06 |
Applying deep learning techniques to identify tonsilloliths in panoramic radiography
2025-Jul-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-10489-x
PMID:40634633
|
研究论文 | 本研究应用深度学习技术在全景X光片中自动识别扁桃体结石 | 首次将深度学习模型应用于全景X光片中扁桃体结石的自动检测 | 样本量较小（仅275张全景X光片），模型泛化能力有待验证 | 开发准确快速的扁桃体结石诊断辅助工具 | 全景X光片中的扁桃体结石 | 计算机视觉 | 耳鼻喉疾病 | 全景X光摄影 | CNN | 医学影像 | 275张全景X光片（125张无扁桃体结石，150张有扁桃体结石） | NA | ResNet18, ResNet101, EfficientNetB0, EfficientNetB1 | 准确率, 召回率, 精确率, F1分数 | NA |
| 6182 | 2025-10-06 |
[The development of AlphaFold and its applications in biology and medicine]
2025-Jul-06, Zhonghua yu fang yi xue za zhi [Chinese journal of preventive medicine]
|
综述 | 本文系统分析AlphaFold的发展历程及其在生物学和医学领域的革命性应用 | 首次全面梳理AlphaFold三代版本的算法演进，揭示其从蛋白质结构预测扩展到生物分子复合物建模的技术突破 | 在构象动力学建模和瞬态结合状态预测方面仍存在局限，需要持续的方法学改进 | 评估人工智能在结构生物学和药物研发领域的应用前景 | 蛋白质结构预测算法及其生物医学应用 | 计算生物学 | NA | 深度学习 | 端到端深度学习架构 | 蛋白质序列和结构数据 | NA | NA | AlphaFold, AlphaFold2, AlphaFold3 | CASP14评估指标 | NA |
| 6183 | 2025-10-06 |
MPN-RRT*: A New Method in 3D Urban Path Planning for UAV Integrating Deep Learning and Sampling Optimization
2025-Jul-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25134142
PMID:40648397
|
研究论文 | 提出了一种融合深度学习和采样优化的MPN-RRT*方法，用于无人机在3D城市环境中的路径规划 | 通过维度缩减将3D地形转换为2D迷宫表示，结合迁移学习使MPNet智能引导RRT*采样，显著提升计算效率和路径质量 | 仅在MATLAB仿真环境中验证，未涉及真实物理环境测试 | 提升无人机在复杂3D城市环境中的路径规划效率和质量 | 无人机在3D城市环境中的导航路径 | 机器学习和路径规划 | NA | 深度学习、迁移学习、路径规划算法 | MPNet（运动规划网络） | 3D城市地图数据、2D迷宫表示 | 两个不同3D环境：稀疏200×200×200地图和密集800×800×200地图（含禁飞区） | MATLAB | MPNet, RRT* | 规划时间、路径长度、平均加速度、飞行时间 | MATLAB仿真环境 |
| 6184 | 2025-10-06 |
The Pulseq-CEST Library: definition of preparations and simulations, example data, and example evaluations
2025-Jul, Magma (New York, N.Y.)
DOI:10.1007/s10334-025-01242-6
PMID:40146474
|
研究论文 | 介绍Pulseq-CEST库，一个用于化学交换饱和转移MRI标准化研究和数据模拟的开源资源库 | 提供首个标准化的CEST准备和模拟定义库，支持可重复研究、快速原型设计和深度学习训练数据生成 | NA | 解决化学交换饱和转移MRI标准化问题，促进协作开发和新型序列评估 | CEST MRI序列、Bloch-McConnell模拟、五管体模数据 | 医学影像 | NA | 化学交换饱和转移MRI, Bloch-McConnell模拟 | NA | 模拟数据, 实验数据 | 五管体模 | NA | NA | 谱形匹配度, 局部峰值特征 | NA |
| 6185 | 2025-10-06 |
Computer-Aided Technology for Bioactive Protein Design and Clinical Application
2025-Jul, Macromolecular bioscience
IF:4.4Q1
DOI:10.1002/mabi.202500007
PMID:40260555
|
综述 | 本文全面回顾了计算机辅助蛋白质设计技术及其在生物活性蛋白质治疗和临床应用中的进展 | 整合深度学习预测与生成模型，显著提升蛋白质药物的结合亲和力、特异性并降低免疫原性 | 面临模型过拟合、稀有蛋白质家族数据有限以及实验验证效率不足等挑战 | 探讨计算机辅助蛋白质设计技术在蛋白质工程和治疗开发中的应用 | 单克隆抗体、蛋白质药物、抗原和蛋白质聚合物等蛋白质基治疗剂 | 机器学习 | NA | 计算机辅助蛋白质设计 | 深度学习,生成模型 | 蛋白质结构数据 | NA | NA | NA | 结合亲和力,特异性,免疫原性 | NA |
| 6186 | 2025-10-06 |
EM-PLA: environment-aware heterogeneous graph-based multimodal protein-ligand binding affinity prediction
2025-Jul-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf298
PMID:40354612
|
研究论文 | 提出一种基于环境感知异质图神经网络的多模态蛋白质-配体结合亲和力预测方法EM-PLA | 首次将环境信息整合到异质图神经网络中，考虑蛋白质和配体的生化特性对结合亲和力的影响 | NA | 准确快速预测蛋白质-配体结合亲和力以支持药物发现 | 蛋白质-配体复合物 | 计算生物学 | NA | 深度学习 | 异质图神经网络HGT | 多模态数据（序列数据、结构数据、环境信息） | NA | NA | 异质图变换器HGT | 结合亲和力预测性能指标 | NA |
| 6187 | 2025-10-06 |
Deep Learning Discovers New Morphological Features while Predicting Genetic Alterations from Histopathology of Papillary Thyroid Carcinoma
2025-Jul, Thyroid : official journal of the American Thyroid Association
IF:5.8Q1
DOI:10.1089/thy.2024.0691
PMID:40607934
|
研究论文 | 本研究使用深度学习从甲状腺乳头状癌组织病理学切片中预测基因突变，并发现新的形态学特征 | 首次使用Vision Transformer从PTC组织病理切片预测基因改变，并发现与基因融合相关的新形态学标准 | 回顾性研究设计，需要进一步前瞻性验证 | 开发人工智能方法从常规组织病理学切片预测甲状腺乳头状癌的基因改变 | 甲状腺乳头状癌患者 | 数字病理学 | 甲状腺癌 | 组织病理学染色，全切片数字化 | Vision Transformer | 苏木精-伊红染色数字病理图像 | 662例PTC病例（TCGA队列496例，Mainz队列166例） | NA | Vision Transformer | AUC, 准确率, 置信区间 | NA |
| 6188 | 2025-10-06 |
Improving reconstruction of patient-specific abnormalities in AI-driven fast MRI with an individually adapted diffusion model
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17955
PMID:40660797
|
研究论文 | 本研究提出了一种改进的扩散模型，通过整合患者特异性先验信息来提升AI驱动的快速MRI对解剖异常的重建能力 | 扩展了自适应扩散模型，首次将患者特异性MRI作为额外先验，通过两阶段网络调优（先增强与先验图像的相似性，再保证k空间数据一致性）来改进异常区域重建 | 研究样本量较小（仅15例推理病例），且仅针对脑肿瘤患者群体，未验证在其他解剖部位或疾病类型的适用性 | 改进基于深度学习的快速MRI重建技术，使其更好地捕捉个体化解剖异常以支持放疗规划 | 73名接受脑肿瘤放疗的儿童和年轻成年患者的T1加权MRI图像 | 医学影像分析 | 脑肿瘤 | MRI, 快速MRI, k空间欠采样 | 扩散模型, 人工神经网络 | MRI图像, k空间数据 | 73例患者（58例训练，15例推理），每例推理病例使用中位间隔35天的额外患者特异性先验图像 | NA | 去噪扩散模型 | SSIM, PSNR | NA |
| 6189 | 2025-10-06 |
AI-enabled precise brain tumor segmentation by integrating Refinenet and contour-constrained features in MRI images
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17958
PMID:40660802
|
研究论文 | 提出一种集成RefineNet和轮廓约束特征的SAM-RCCF框架，用于精确分割脑肿瘤MRI图像 | 将RefineNet模块和条件控制场与条件控制器和掩码生成器集成，增强SAM模型在医学图像分割中的泛化能力和精度 | 仅使用T1加权对比增强MRI数据，样本量相对有限 | 提升SAM模型在医学分割领域的鲁棒性，实现对多种颅内肿瘤的精确分割 | 脑肿瘤患者的MRI图像，包括胶质瘤、转移性肿瘤和脑膜瘤 | 医学图像分析 | 脑肿瘤 | 磁共振成像 | Transformer, 深度学习分割模型 | 医学图像 | 484例轴向T1加权对比增强MRI数据（164例胶质瘤，158例转移性肿瘤，162例脑膜瘤） | NA | Segment Anything Model, RefineNet, SAM-RCCF | IOU, DSC, HD | NA |
| 6190 | 2025-10-06 |
Structural semantic-guided MR synthesis from PET images via a dual cross-attention mechanism
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17957
PMID:40660837
|
研究论文 | 提出一种结构语义引导的双交叉注意力机制深度学习网络，用于从PET图像合成MR图像 | 首次探索功能到结构的模态转换方法（PET到MR合成），引入结构语义损失和双交叉注意力模块来保持结构信息并捕获多尺度特征依赖关系 | 未在其他模态合成任务和临床实践中验证，方法适用范围有待进一步探索 | 开发从PET图像合成MR图像的方法，简化医学成像流程，提高效率和可及性 | 脑部医学图像，特别是PET和MR图像 | 医学图像合成 | 脑部疾病 | 深度学习，图像合成 | GAN, CNN | 医学图像（PET和MR） | NA | NA | 双交叉注意力机制网络 | PSNR, SSIM, MAE, Dice系数 | NA |
| 6191 | 2025-10-06 |
An unsupervised sparse-view CT reconstruction framework using combination of iterative deep image prior and ADMM
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17933
PMID:40660832
|
研究论文 | 提出一种结合迭代深度图像先验和ADMM的无监督稀疏视图CT重建框架 | 将未经训练的神经网络与ADMM迭代重建算法结合，通过TV正则化持续更新神经网络输入以避免传统DIP方法的过拟合问题 | NA | 解决稀疏视图和低剂量CT重建中的伪影和噪声问题 | CT图像重建 | 医学影像处理 | NA | CT扫描 | 无监督深度学习 | CT图像 | NA | NA | 深度图像先验(DIP) | 定量指标和视觉质量 | NA |
| 6192 | 2025-10-06 |
Deep residual network-based projection interpolation and post-processing techniques for thoracic patient CBCT reconstruction
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17953
PMID:40660879
|
研究论文 | 本研究开发了一种基于深度残差U-Net的CBCT投影插值和后处理技术，用于改善稀疏采样CBCT重建图像质量并降低患者成像剂量 | 首次在真实患者投影数据上验证的DL CBCT投影插值技术，结合投影插值和图像后处理的双重优化策略 | 仅进行了初步验证，需要更大规模的临床数据验证 | 开发深度学习技术来插值稀疏采样的患者CBCT投影并在重建后进行后处理，以提高图像质量并降低患者成像剂量 | 真实患者CBCT投影数据 | 医学影像处理 | 胸部疾病 | 锥束计算机断层扫描(CBCT) | 深度学习 | 医学影像投影数据 | 从680个投影中提取的76、98和136个稀疏采样投影 | NA | 深度残差U-Net(DRU) | 峰值信噪比(PSNR), 结构相似性指数(SSIM), 均方根误差(RMSE) | NA |
| 6193 | 2025-10-06 |
Artificial Intelligence in Cognitive Decline Diagnosis: Evaluating Cutting-Edge Techniques and Modalities
2025-Jun-26, Studies in health technology and informatics
DOI:10.3233/SHTI250670
PMID:40588878
|
综述 | 本文通过范围综述评估人工智能在认知衰退早期诊断中的潜力，重点分析前沿技术和多模态数据 | 整合MRI、临床数据和EEG等多模态数据与深度学习方法，并探索自然语言处理模型在临床前环境中的应用 | 仅涵盖2020-2025年的文献，可能遗漏早期重要研究 | 评估人工智能技术在认知衰退早期诊断中的应用效果 | 认知衰退患者，重点关注老年人群 | 自然语言处理, 机器学习 | 老年疾病 | 磁共振成像, 脑电图, 自然语言处理 | 深度学习模型 | 医学影像, 临床数据, 脑电信号, 文本数据 | NA | NA | NA | 准确率 | NA |
| 6194 | 2025-10-06 |
Fault Identification Model Using Convolutional Neural Networks with Transformer Architecture
2025-Jun-23, Sensors (Basel, Switzerland)
DOI:10.3390/s25133897
PMID:40648155
|
研究论文 | 提出一种结合CNN特征提取和Transformer时序建模的混合深度学习框架，用于航空发动机故障识别和剩余使用寿命预测 | 首次将CNN与Transformer架构结合用于工业故障诊断，实现了从多传感器时序数据中同时进行特征提取和时序建模 | 仅使用NASA CMAPSS数据集进行验证，未在其他工业场景或数据集上测试模型泛化能力 | 开发智能维护系统，实现工业设备的自主故障检测和诊断 | 航空发动机的多传感器时序数据和剩余使用寿命标签 | 机器学习 | NA | 多传感器数据采集 | CNN, Transformer | 时间序列传感器数据 | NASA CMAPSS数据集中的航空发动机数据 | NA | CNN, Transformer | 准确率 | NA |
| 6195 | 2025-10-06 |
Integrating structural homology with deep learning to achieve highly accurate protein-protein interface prediction for the human interactome
2025-Jun-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.09.658393
PMID:40661495
|
研究论文 | 开发了整合结构同源性与几何深度学习的计算流程PIONEER2.0，用于高精度预测人类蛋白质相互作用界面的残基 | 将3D结构相似性与几何深度学习相结合，针对AlphaFold3无法高质量建模的近半数人类相互作用组实现更准确的界面残基预测 | 仅针对实验观察到的人类二元蛋白质相互作用进行预测，未涵盖其他类型的蛋白质相互作用 | 开发高精度的蛋白质-蛋白质界面预测工具，用于研究疾病机制和推进个性化医疗 | 人类相互作用组中的蛋白质-蛋白质界面 | 生物信息学 | 多种疾病 | 几何深度学习，结构相似性分析 | 几何深度学习模型 | 3D结构数据，蛋白质序列数据 | 352,124个实验确定的人类二元蛋白质相互作用，1,866个突变，5,010个突变-相互作用对 | NA | PIONEER2.0 | 预测准确性 | NA |
| 6196 | 2025-10-06 |
Simpatico: accurate and ultra-fast virtual drug screening with atomic embeddings
2025-Jun-08, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.08.658499
PMID:40661404
|
研究论文 | 介绍了一种基于表示学习的超快速虚拟药物筛选方法Simpatico | 采用原子嵌入和图神经网络技术，相比现有方法速度提升1000倍以上，同时保持高精度 | NA | 开发快速准确的虚拟药物筛选方法 | 蛋白质和小分子药物的相互作用 | 机器学习 | NA | 表示学习 | 图神经网络 | 分子结构数据 | 6亿个药物候选分子数据库 | NA | 图神经网络 | 结合亲和力预测准确性 | 单GPU |
| 6197 | 2025-10-06 |
Educational strategies for teaching metabolic profiles across three endurance training zones
2025-Jun-01, Advances in physiology education
IF:1.7Q4
DOI:10.1152/advan.00094.2024
PMID:39809450
|
研究论文 | 本文介绍了一种使用代谢板教学工具来增强对三个耐力训练区肌肉代谢理解的教育策略 | 开发了基于真实数据的交互式代谢板教学工具，将复杂生理过程简化为可理解组件 | NA | 探索创新的教育方法以增强对耐力训练区肌肉代谢的理解 | 运动科学专业学生和专业人士 | 运动科学 | NA | 代谢分析 | NA | 生理数据 | NA | NA | NA | NA | NA |
| 6198 | 2025-10-06 |
Deep Learning on Histopathological Images to Predict Breast Cancer Recurrence Risk and Chemotherapy Benefit
2025-May-16, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.15.25327686
PMID:40661301
|
研究论文 | 开发基于深度学习的AI模型，通过组织病理学图像和临床病理变量预测乳腺癌复发风险和化疗获益 | 首次使用多模态深度学习方法从常规组织病理学图像估计Oncotype DX 21基因复发评分，无需昂贵基因组检测 | 研究主要基于HR+/HER2-早期乳腺癌患者，在其他亚型中的适用性需进一步验证 | 为HR+/HER2-早期乳腺癌开发可替代基因组测试的化疗决策辅助工具 | 激素受体阳性、HER2阴性早期乳腺癌患者 | 数字病理学 | 乳腺癌 | 组织病理学成像，深度学习 | 深度学习，多模态学习 | 组织病理学图像，临床病理变量 | TAILORx试验8,284例患者，外部验证6个独立队列5,497例患者 | NA | 基础模型（在171,189张组织病理学切片上预训练） | AUC | NA |
| 6199 | 2025-10-06 |
Classifying Obsessive-Compulsive Disorder from Resting-State EEG using Convolutional Neural Networks: A Pilot Study
2025-May-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.06.25327094
PMID:40385410
|
研究论文 | 本研究使用卷积神经网络对静息态脑电图数据进行分类，以区分强迫症患者与健康对照组 | 首次将CNN应用于最小预处理后的EEG时频表征数据来分类强迫症，并探索了临床和人口统计学信息的多模态融合 | 样本量较小（仅20名参与者），需要在更大更多样化的样本中进一步验证 | 开发基于深度学习的强迫症自动诊断方法 | 未服药的强迫症患者和健康对照组的静息态脑电图数据 | 机器学习 | 强迫症 | 静息态脑电图，Morlet小波变换 | CNN, SVM | 脑电图时频表征 | 20名参与者（10名强迫症患者，10名健康对照组） | NA | 2D CNN | 准确率, AUC | NA |
| 6200 | 2025-10-06 |
Trends and Gaps in Public Perception of Genetic Testing for Dementia Risk: Unsupervised Deep Learning of Twitter Posts From 2010 to 2023
2025 Apr-Jun 01, Alzheimer disease and associated disorders
DOI:10.1097/WAD.0000000000000667
PMID:40371554
|
研究论文 | 使用无监督深度学习方法分析2010-2023年Twitter上关于痴呆症基因检测的公众认知趋势和差距 | 首次将BERT模型与主题建模结合分析社交媒体上关于痴呆症基因检测的长期公众认知演变 | 仅分析英语推文，样本量相对有限（3045条源推文），主题一致性系数较低（0.19） | 分析公众对痴呆症基因检测的认知趋势和存在的认知差距 | Twitter上关于痴呆症基因检测的英文推文 | 自然语言处理 | 痴呆症 | 基因检测 | BERT | 文本 | 3045条源推文（2010年1月1日至2023年4月1日） | BERT | Transformer | 轮廓系数 | NA |