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 33074 篇文献，本页显示第 6681 - 6700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6681 | 2025-10-06 |
Deep learning-based delineation of whole-body organs at risk empowering adaptive radiotherapy
2025-Jul-15, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-03062-z
PMID:40665308
|
研究论文 | 本研究验证了基于深度学习的全身危及器官自动勾画模型在临床实践中的可行性 | 开发了覆盖全身多个解剖区域（头颈部、胸部、腹部、盆腔）的危及器官自动勾画模型，并首次系统评估了其剂量学影响 | 研究仅由一位经验丰富的放射肿瘤学家进行手动勾画作为参考标准，且样本量未明确说明 | 验证深度学习模型在全身危及器官自动勾画中的临床应用价值 | 全身各解剖区域的危及器官，包括头颈部、胸部、腹部和盆腔器官 | 数字病理 | 肿瘤放疗 | 深度学习 | 深度学习模型 | 医学影像 | NA | NA | NA | Dice相似系数, 平均表面距离 | NA |
| 6682 | 2025-10-06 |
Future of Alzheimer's Detection: Advancing Diagnostic Accuracy through the Integration of qEEG and Artificial Intelligence
2025-Jul-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121373
PMID:40675424
|
综述 | 探讨定量脑电图与人工智能技术在阿尔茨海默病检测诊断中的整合应用 | 首次系统评估AI增强qEEG在AD诊断中的表现，涵盖多种机器学习算法和深度学习网络 | 存在数据质量、计算资源和标准化方法方面的挑战 | 提高阿尔茨海默病的诊断准确性 | 阿尔茨海默病患者 | 机器学习 | 阿尔茨海默病 | 定量脑电图 | CNN, SVM, LDA | 脑电信号数据 | 11项研究，参与者35-890人，平均年龄66.94-74.8岁 | NA | 卷积神经网络，支持向量机，线性判别分析 | 准确率，AUC，灵敏度 | NA |
| 6683 | 2025-10-06 |
Optimal Descriptor Subset Search via Chemical Information and Target Activity-Guided Algorithm for Antimicrobial Peptide Prediction
2025-Jul-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00600
PMID:40528473
|
研究论文 | 本研究提出一种基于化学信息和靶点活性的优化描述符子集搜索算法AExOp-DCS，用于抗菌肽预测建模 | 开发了自动特征域优化方法AExOp-DCS，能够根据化合物的化学结构和生物活性识别最优描述符子集 | 未明确说明算法在不同类型抗菌肽数据集上的泛化能力 | 开发更高效的抗菌肽预测计算方法 | 抗菌肽(AMPs) | 机器学习 | 传染病 | QSAR建模 | 浅层学习模型 | 蛋白质序列描述符 | NA | Java | AExOp-DCS | 准确率, 判别能力 | NA |
| 6684 | 2025-10-06 |
Transfer-Learning Deep Raman Models Using Semiempirical Quantum Chemistry
2025-Jul-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00513
PMID:40528819
|
研究论文 | 本研究提出使用半经验量子化学方法生成模拟振动光谱，通过迁移学习训练深度拉曼模型 | 利用半经验量子化学生成合成光谱数据预训练深度学习模型，解决拉曼光谱数据不足的问题 | 仅在小规模实验细菌光谱数据集上验证，模型泛化能力需进一步测试 | 开发计算成本更低、性能相当的深度拉曼光谱分析方法 | 细菌拉曼光谱 | 机器学习 | NA | 拉曼光谱，半经验量子化学 | 深度学习 | 光谱数据 | 大型合成数据集+小型实验数据集 | NA | NA | NA | NA |
| 6685 | 2025-10-06 |
Evaluation of Small-Molecule Binding Site Prediction Methods on Membrane-Embedded Protein Interfaces
2025-Jul-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00336
PMID:40601846
|
研究论文 | 评估多种计算方法在膜蛋白界面区域预测小分子结合位点的性能 | 首次系统评估几何基、能量探针、机器学习和深度学习等方法在膜蛋白跨膜区域结合位点预测的表现 | 所有方法在膜蛋白数据上的预测性能均低于可溶性蛋白数据集 | 评估计算方法在膜蛋白跨膜区域配体结合位点预测的准确性 | GPCR和离子通道的配体复合物 | 计算生物学 | NA | 结合位点预测计算方法 | 几何基方法,能量探针方法,机器学习,深度学习 | 蛋白质结构数据 | GPCR-配体复合物数据集、离子通道-配体复合物数据集和PDBBind可溶性蛋白数据集 | NA | Fpocket, ConCavity, FTSite, P2Rank, GRaSP, PUResNet, DeepPocket, PUResNetV2.0 | 中心到中心距离(DCC),离散体积重叠(DVO) | NA |
| 6686 | 2025-10-06 |
Advancing Drug Discovery with Enhanced Chemical Understanding via Asymmetric Contrastive Multimodal Learning
2025-Jul-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00430
PMID:40548496
|
研究论文 | 提出了一种非对称对比多模态学习方法，用于增强分子理解并加速药物发现 | 设计了非对称对比多模态学习框架，能够将不同化学模态的信息有效转移到分子图表示中 | NA | 提升分子表示学习能力并推动药物发现研究 | 分子图表示和多种化学模态数据 | 机器学习 | NA | 多模态深度学习 | 图神经网络 | 分子图数据，多模态化学数据 | NA | NA | 预训练化学单模态编码器，5层浅层图编码器 | 跨模态检索性能，异构体区分能力，分子性质预测准确率 | NA |
| 6687 | 2025-10-06 |
Generative AI enables medical image segmentation in ultra low-data regimes
2025-Jul-14, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-61754-6
PMID:40659619
|
研究论文 | 提出一种生成式深度学习框架，解决医学图像分割在极低数据量场景下的训练难题 | 采用多级优化实现端到端数据生成，让分割性能指导生成过程，生成专门用于提升分割效果的训练数据 | NA | 解决医学图像语义分割在极低数据量场景下的训练挑战 | 医学图像分割任务 | 医学影像分析 | 多种疾病 | 生成式深度学习 | 生成模型 | 医学图像和分割掩码 | 覆盖11个医学图像分割任务和19个数据集 | NA | NA | 分割性能提升 | NA |
| 6688 | 2025-10-06 |
[Progress in research of textual quality evaluation of health-related media reports]
2025-Jul-10, Zhonghua liu xing bing xue za zhi = Zhonghua liuxingbingxue zazhi
|
综述 | 总结健康相关媒体报道文本质量评价的研究进展 | 系统梳理了健康报道文本质量评价的定义维度、指标体系和评估方法现状 | 缺乏统一的文本质量定义、评价维度和自动化评估算法 | 健康相关媒体报道的文本质量评价方法研究 | 29篇健康相关媒体报道研究论文 | 自然语言处理 | NA | 文本挖掘, 系统文献检索 | NA | 文本 | 29篇研究论文 | NA | NA | NA | NA |
| 6689 | 2025-10-06 |
optiGAN: a deep learning-based alternative to optical photon tracking in Python-based GATE (10+)
2025-Jul-02, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ade2b5
PMID:40490001
|
研究论文 | 提出了一种基于生成对抗网络的深度学习模型optiGAN，用于加速GATE医学物理框架中的光学光子传输模拟 | 首次将GAN模型集成到Python版本的GATE 10框架中，为传统光学蒙特卡洛模拟提供高效替代方案 | 研究主要验证了与GATE v9.3的一致性，尚未在其他医学物理框架中进行广泛验证 | 加速光学光子传输模拟同时保持建模精度 | 光学光子传输过程 | 医学物理模拟 | NA | 生成对抗网络 | GAN | 光子传输参数（位置、方向、能量） | NA | Python, GATE | GAN | Jensen-Shannon距离, 相似度百分比, 执行时间减少率 | NA |
| 6690 | 2025-10-06 |
Challenges for implementing generative artificial intelligence (GenAI) into clinical healthcare
2025-07, Internal medicine journal
IF:1.8Q2
DOI:10.1111/imj.70035
PMID:40135733
|
综述 | 探讨生成式人工智能在临床医疗中实施的挑战与潜力 | 系统分析生成式AI在医疗领域应用的多维度挑战，整合技术问题、监管考量、人力影响和信任建立等关键议题 | 基于现有证据和专家意见的分析，缺乏实证研究数据支持 | 为临床专家介绍生成式AI在医疗领域快速发展的现状与实施障碍 | 生成式人工智能技术在医疗健康领域的应用 | 医疗人工智能 | NA | 深度学习 | 生成式AI | 多样化大型数据集 | NA | NA | NA | NA | NA |
| 6691 | 2025-10-06 |
Deep Learning-Powered Whole Slide Image Analysis in Cancer Pathology
2025-Jul, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2025.104186
PMID:40306572
|
综述 | 本文综述了深度学习在全切片图像分析中的应用及其在癌症病理学中的临床价值 | 提出了整合深度学习与全切片图像的完整框架，探索超越病理医生视觉感知的形态学特征 | 讨论了将基于深度学习的数字病理学转化为临床实践面临的机遇与挑战 | 推动深度学习驱动的全切片图像分析在癌症诊疗中的应用 | 癌症病理全切片图像 | 数字病理学 | 癌症 | 全切片成像技术 | CNN, GCN, Transformer | 图像 | NA | NA | 卷积神经网络, 图卷积网络, Transformer | 灵敏度, 准确度 | NA |
| 6692 | 2025-10-06 |
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 | 系统评估机器学习模型在中期肝细胞癌患者经动脉化疗栓塞/经动脉栓塞治疗中的应用效果 | 首次系统评估机器学习在TACE/TAE治疗中期肝细胞癌中的应用，整合了深度学习和影像组学等多种ML模型 | 研究存在异质性限制了比较，所有纳入研究均来自中国，需要标准化方案和更大规模的多中心试验 | 评估机器学习模型在提高TACE和TAE治疗中期肝细胞癌精准性和疗效方面的有效性 | 中期肝细胞癌患者接受TACE或TAE治疗 | 机器学习 | 肝细胞癌 | 机器学习，深度学习，影像组学 | 深度学习，多种机器学习模型 | 医学影像数据，临床数据 | 7项研究，共4,017名患者 | NA | NA | AUC | NA |
| 6693 | 2025-10-06 |
Comparison of an Attention-Based Multiple Instance Learning (MIL) With a Visual Transformer Model: Two Weakly Supervised Deep Learning (DL) Algorithms for the Detection of Histopathologic Lesions in the Rat Liver to Distinguish Normal From Abnormal
2025-Jul, Toxicologic pathology
IF:1.4Q4
DOI:10.1177/01926233251339653
PMID:40444726
|
研究论文 | 比较两种弱监督深度学习算法在大鼠肝脏组织病理学病变检测中的性能 | 首次在毒性研究中比较基于注意力的多示例学习与视觉Transformer模型在组织病理学病变检测中的应用 | 研究样本仅来自大鼠肝脏组织，模型泛化能力需进一步验证 | 开发高效的组织病理学病变自动检测方法以提高毒性研究评估效率 | 大鼠肝脏和肾脏的整张切片图像 | 数字病理学 | 肝脏病变 | 组织病理学分析 | MIL, Transformer | 整张切片图像 | 58项不同大鼠毒性研究的肝脏切片 | NA | 基于注意力的多示例学习, 视觉Transformer | AUROC | NA |
| 6694 | 2025-10-06 |
Artificial Intelligence in Obstetric and Gynecological MR Imaging
2025-Jul-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.rev.2024-0077
PMID:39477505
|
综述 | 探讨人工智能在妇产科磁共振成像领域的研究进展与应用前景 | 系统梳理了AI在妇产科MRI中从基础算法到深度学习及影像组学的最新发展路径 | 未涉及具体临床验证数据与实施障碍的深入分析 | 综述AI技术在妇产科MRI领域的应用现状与发展趋势 | 子宫肉瘤、子宫内膜癌、宫颈癌、卵巢肿瘤和胎盘植入等妇产科疾病 | 医学影像分析 | 妇产科疾病 | MRI, 影像组学 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 6695 | 2025-10-06 |
Multimodal AI to forecast arrhythmic death in hypertrophic cardiomyopathy
2025-Jul, Nature cardiovascular research
IF:9.4Q1
DOI:10.1038/s44161-025-00679-1
PMID:40603582
|
研究论文 | 开发多模态人工智能模型MAARS预测肥厚型心肌病患者致命性心律失常事件 | 首次将对比增强心脏磁共振图像纳入多模态深度学习模型，采用基于Transformer的神经网络整合多源医疗数据 | 需要进一步的外部验证和临床前瞻性研究 | 预测肥厚型心肌病患者的致命性心律失常风险 | 肥厚型心肌病患者 | 医疗人工智能 | 心血管疾病 | 多模态医疗数据分析 | Transformer神经网络 | 电子健康记录、超声心动图报告、放射学报告、对比增强心脏磁共振图像 | 内部队列和外部队列患者 | NA | Transformer | AUC | NA |
| 6696 | 2025-10-06 |
Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network
2025-Jul-01, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.06.27.25330436
PMID:40630596
|
研究论文 | 提出基于卷积神经网络的深度学习框架，用于18F-flurpiridaz PET心肌灌注成像的自动帧间运动校正 | 首次将3D ResNet架构应用于PET图像帧间运动校正，实现自动化处理以减少人工操作变异性和时间消耗 | 研究数据来源于单一临床试验(NCT01347710)，需要进一步多中心验证 | 开发自动化的运动校正方法以提高心肌血流量定量的准确性和效率 | 18F-flurpiridaz PET心肌灌注成像数据 | 医学影像分析 | 心血管疾病 | PET成像 | CNN | 3D医学影像 | 来自32个中心的III期临床试验数据 | NA | 3D ResNet | AUC, 一致性限, 平均差异 | NA |
| 6697 | 2025-10-06 |
Use of a deep learning neural network to generate bone suppressed images for markerless lung tumor tracking
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17949
PMID:40660921
|
研究论文 | 本研究使用U-net神经网络生成合成双能减影图像，用于无标记肺部肿瘤追踪 | 首次使用深度学习神经网络生成合成双能减影图像，无需额外硬件即可实现骨骼抑制，改善肿瘤可见性 | 研究样本量有限（20例患者），缺乏患者图像中肿瘤位置的真实标注 | 开发无需标记物的肺部肿瘤实时运动管理方法 | 运动体模和20例肺癌患者的X射线图像 | 医学影像分析 | 肺癌 | 双能X射线成像，快速kV切换技术 | U-net | X射线图像 | 2694个体模图像对和4499个患者图像对 | NA | U-net | SSIM, PSNR, 2DCC, TSR, MF, MAE | NA |
| 6698 | 2025-10-06 |
An open-source deep learning framework for respiratory motion monitoring and volumetric imaging during radiation therapy
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.18015
PMID:40665474
|
研究论文 | 开发了一个名为Voxelmap的开源深度学习框架，用于放射治疗期间的呼吸运动监测和三维成像 | 提出了一个能够使用标准临床设备和数据实现实时三维呼吸运动估计和容积成像的框架，支持保拓扑和可逆的微分同胚映射 | 某些网络架构在目标质心误差方面表现不佳，特别是网络B和C在基于X射线的肺癌患者数据中误差较大 | 开发低成本实时图像引导放射治疗解决方案 | 放射治疗中的呼吸运动监测和器官风险跟踪 | 医学影像分析 | 肺癌, 心律失常 | 可变形图像配准, 前向投影, 切片提取 | 深度学习 | 4D-CT, 4D-MRI, X射线图像, k空间数据 | XCAT和CoMBAT数字体模, SPARE Grand Challenge数据集 | NA | 五种不同的网络架构（网络A-E） | Dice相似系数, 目标质心误差 | NA |
| 6699 | 2025-10-06 |
Automated Detection of Gibbon Calls From Passive Acoustic Monitoring Data Using Convolutional Neural Networks in the "Torch for R" Ecosystem
2025-Jul, Ecology and evolution
IF:2.3Q2
DOI:10.1002/ece3.71678
PMID:40666685
|
研究论文 | 本研究开发了一种基于卷积神经网络的长臂猿叫声自动检测方法，使用R语言环境下的深度学习框架 | 首次在R语言的'torch for R'生态系统中实现卷积神经网络，专门用于长臂猿叫声的自动检测，为生态学家提供了更易用的深度学习工具 | 不同架构的最佳性能因物种和测试数据集而异，缺乏统一的最高性能模型 | 开发长臂猿叫声的自动检测和分类方法，评估不同CNN架构在被动声学监测数据上的性能 | 北灰长臂猿和南黄颊冠长臂猿的雌性叫声 | 机器学习 | NA | 被动声学监测(PAM) | CNN | 音频 | 来自马来西亚丹浓谷保护区和柬埔寨克奥塞马野生动物保护区的两个自主记录单元网格数据 | torch for R | 六种CNN架构（具体未指明） | NA | NA |
| 6700 | 2025-10-06 |
Classification of Biscuit Quality With Deep Learning Algorithms
2025-Jul, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.70379
PMID:40676924
|
研究论文 | 本研究使用深度学习算法对饼干质量进行自动分类检测 | 首次将EfficientNet等深度学习模型应用于饼干质量检测，并通过Grad-CAM可视化验证模型关注的关键缺陷区域 | 未明确说明数据集规模和具体实验环境细节 | 通过深度学习减少饼干生产质量控制过程中的时间、成本和人为错误 | 饼干产品的质量缺陷检测 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | EfficientNet, ResNet, XceptionNet, MobileNet | 准确率, 精确率, F1分数 | NA |