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 44210 篇文献，本页显示第 701 - 720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 701 | 2026-05-08 |
Role of artificial intelligence in treatment planning and outcome prediction of jaw corrective surgeries by using 3-D imaging: a systematic review
2025-03, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.09.010
PMID:39701860
|
系统综述 | 系统评价人工智能在利用三维影像进行颌骨矫正手术的治疗计划与结果预测中的作用 | 首次系统综述AI在三维影像辅助颌骨矫正手术规划与结果预测中的应用，强调该领域仍处于概念验证阶段 | 因纳入研究间异质性大和数据报告不足，未进行meta分析，且多为概念验证性研究 | 评估AI在三维影像辅助颌骨矫正手术治疗规划与结果预测中的应用现状 | 利用三维影像进行颌骨矫正手术的AI模型研究 | 医学影像分析 | 颌骨畸形 | CT影像 | 深度学习, 机器学习 | 三维影像 | 14项研究（含5项治疗规划、2项结果预测研究） | NA | NA | 预测误差(毫米), Dice系数, 准确率 | NA |
| 702 | 2026-05-08 |
Predicting craniofacial fibrous dysplasia growth status: an exploratory study of a hybrid radiomics and deep learning model based on computed tomography images
2025-03, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.11.002
PMID:39725588
|
研究论文 | 本文基于CT图像开发了三种模型（放射组学模型、深度学习模型以及混合放射组学与深度学习模型），用于区分颅面纤维异常增殖症的青少年活动性病变进展与成人稳定病变进展 | 首次结合放射组学与深度学习构建混合模型，用于预测颅面纤维异常增殖症的生长状态，并优于单一模型 | 样本量较小（148例），且为单中心回顾性研究，可能影响模型的泛化性 | 评估基于CT图像的混合放射组学与深度学习模型在区分颅面纤维异常增殖症患者病变进展状态方面的能力 | 148例颅面纤维异常增殖症患者的术前CT图像 | 计算机视觉, 数字病理学 | 颅面纤维异常增殖症 | CT成像 | 放射组学模型, 深度学习模型, 混合模型 | 图像 | 148例患者 | NA | NA | AUC, 敏感性, 特异性, F1分数 | NA |
| 703 | 2026-05-08 |
An Explainable Unified Framework of Spatio-Temporal Coupling Learning With Application to Dynamic Brain Functional Connectivity Analysis
2025-02, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3467384
PMID:39320999
|
研究论文 | 提出一种可解释的时空耦合学习统一框架，应用于动态脑功能连接分析 | 构建基于时空相关性的深度学习网络，整合节点表示与节点间连接的时变耦合关系，并在每个时间步探随时空演化，提高分析结果的可解释性 | NA | 开发可解释的框架用于挖掘时间序列数据中的内在时空耦合关系，并应用于脑动态功能连接分析 | 大脑动态功能连接模式 | 机器学习 | NA | fMRI | 深度学习网络 | 时间序列数据 | NA | NA | NA | NA | NA |
| 704 | 2026-05-08 |
Pretrained Deep Neural Network Kin-SiM for Single-Molecule FRET Trace Idealization
2025-01-30, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.4c05276
PMID:39809573
|
研究论文 | 提出一种基于预训练深度神经网络的Kin-SiM方法，用于单分子FRET迹线的理想化处理 | 利用LSTM神经网络自动化理想化FRET迹线，无需先验马尔可夫假设和人工干预，直接从多维轨迹中提取生物分子状态数、动态变化及动力学参数 | 未详细说明在实际复杂生物体系中的局限性或泛化性能挑战 | 开发自动化深度学习方法改进单分子FRET数据分析，减少人工时间和偏差风险 | 单分子荧光共振能量转移（smFRET）迹线和生物分子构象状态 | 机器学习 | NA | smFRET | LSTM | 时间序列 | NA | NA | LSTM | 与HMM方法对比的性能 | NA |
| 705 | 2026-05-08 |
Modeling gene interactions in polygenic prediction via geometric deep learning
2025-01-22, Genome research
IF:6.2Q1
DOI:10.1101/gr.279694.124
PMID:39562137
|
研究论文 | 提出PRS-Net，一种可解释的几何深度学习框架，用于多基因风险预测，通过建模基因-基因相互作用提升复杂疾病预测性能 | 首次将几何深度学习与图神经网络结合用于多基因风险评分，在单基因分辨率下解卷积全基因组PRS并显式建模基因-基因相互作用，同时引入注意力读取模块实现模型可解释性 | NA | 开发一种可解释且能捕捉基因非线性交互的多基因风险预测方法，同时实现遗传风险预测和生物学发现 | 复杂性状和疾病相关的基因相互作用网络 | 机器学习 | 复杂疾病 | NA | 图神经网络 | 基因组数据 | NA | PyTorch | 图神经网络 | 预测性能 | NA |
| 706 | 2026-05-08 |
Inferring disease progression stages in single-cell transcriptomics using a weakly supervised deep learning approach
2025-01-22, Genome research
IF:6.2Q1
DOI:10.1101/gr.278812.123
PMID:39622637
|
研究论文 | 提出弱监督深度学习框架scIDST，用于推断单细胞转录组数据中疾病进展阶段 | 首次通过弱监督学习从单细胞转录组数据推断疾病进展阶段，克服细胞异质性对差异基因表达的干扰，且预训练模型可迁移至独立数据资源 | 未明确说明当前方法的局限性及实际验证中的潜在挑战 | 开发一种新方法解决单细胞转录组数据中因细胞病理阶段差异导致的异质性问题 | 患者来源组织中的单细胞/单核基因组测序数据 | 机器学习 | NA | 单细胞/单核基因组测序 | 深度学习 | 转录组数据 | NA | NA | scIDST | 差异表达分析验证 | NA |
| 707 | 2026-05-08 |
Machine Learning for 1-Year Mortality Prediction in Lung Transplant Recipients: ISHLT Registry
2025, Transplant international : official journal of the European Society for Organ Transplantation
IF:2.7Q2
DOI:10.3389/ti.2025.14121
PMID:40630785
|
研究论文 | 利用ISHLT注册数据开发深度学习模型预测肺移植受者1年死亡率 | 通过SHAP分析筛选出10个最具影响力的移植前因素，实现了与使用25个因素相当的预测性能，并在外部独立数据集上验证了模型的泛化能力 | 外部数据集与ISHLT数据集存在显著组成差异，可能影响模型在不同人群中的适用性 | 优化肺移植候选者选择，提高资源利用效率和患者预后 | 肺移植受者 | 机器学习 | 肺移植 | NA | 梯度提升机、多层感知机 | 结构化临床数据 | 29,364名患者（ISHLT注册数据），其中4,729例死亡，24,635例存活 | NA | 梯度提升机、多层感知机 | AUC, 准确率 | NA |
| 708 | 2026-05-08 |
Diagnostic accuracy of a deep learning model for pterygium detection in Barcelos, Brazilian Amazon
2025, Arquivos brasileiros de oftalmologia
IF:1.1Q3
DOI:10.5935/0004-2749.2025-0053
PMID:41172514
|
研究论文 | 评估深度学习模型在巴西亚马逊地区巴尔塞洛斯市检测翼状胬肉的诊断准确性 | 首次在巴西亚马逊偏远地区使用智能手机拍摄眼前段照片并结合深度学习模型进行翼状胬肉检测，验证了人工智能在资源匮乏地区开展眼病筛查的可行性 | 样本量较小（38名参与者），属于初步研究，且未评估模型在不同人群和环境中的泛化能力 | 评估基于MobileNet-V2的深度学习模型检测翼状胬肉的诊断性能 | 巴西亚马逊地区巴尔塞洛斯市的38名参与者（76只眼） | 计算机视觉 | 翼状胬肉 | 智能手机摄影 | 卷积神经网络 | 图像 | 38名参与者（76只眼） | NA | MobileNet-V2 | 敏感性、特异性、准确性、阳性预测值、阴性预测值、曲线下面积 | NA |
| 709 | 2026-05-08 |
Dynamic Mechanism for Subtype Selectivity of Endocannabinoids
2024-Oct-29, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.25.620304
PMID:39554065
|
研究论文 | 通过分子动力学模拟和深度学习解释内源性大麻素对CB1受体的亚型选择性机制 | 首次提出N端移动导致结合口袋体积和残基组分变化是内源性大麻素亚型选择性的核心机制，并利用深度学习VAMP网络定量分析结合路径的焓熵贡献 | 模拟系统简化了真实膜环境，且未考虑其他内源性大麻素（如2-AG）的选择性机制 | 阐明内源性大麻素（anandamide）对CB1受体的亚型选择性生物物理机制 | 大麻素受体CB1和CB2与配体anandamide的相互作用 | 计算机视觉 | 神经系统疾病 | 分子动力学模拟 | 马尔可夫状态模型 | 分子动力学轨迹 | 约0.9毫秒的总模拟时间 | PyTorch | VAMP网络 | 焓变、熵变、结合自由能 | GPU集群（未明确具体型号） |
| 710 | 2026-05-08 |
Enhancing schizophrenia phenotype prediction from genotype data through knowledge-driven deep neural network models
2024-09, Genomics
IF:3.4Q2
DOI:10.1016/j.ygeno.2024.110910
PMID:39111546
|
研究论文 | 通过知识驱动的深度神经网络模型，利用基因型数据增强精神分裂症表型预测 | 创新性地结合全基因模型和遗传异质性概念，设计了三步深度学习方法：局部连接网络将变体路由到对应基因、编码器-解码器捕获基因间关系、集成先前知识并考虑额外基因效应的并行组件，显著提升预测性能 | 未明确提及，但可能涉及模型复杂度和对大规模基因型数据的依赖 | 利用基因型数据改进精神分裂症的表型预测 | 精神分裂症患者的基因型数据 | 机器学习 | 精神分裂症 | 基因型数据预测 | 深度神经网络 | 基因型数据 | NA | NA | 局部连接网络、编码器-解码器、并行组件 | AUC, 灵敏度, 准确率 | NA |
| 711 | 2026-05-08 |
Association of retinal image-based, deep learning cardiac BioAge with telomere length and cardiovascular biomarkers
2024-07-01, Optometry and vision science : official publication of the American Academy of Optometry
IF:1.6Q3
DOI:10.1097/OPX.0000000000002158
PMID:38935034
|
研究论文 | 基于视网膜图像的深度学习心脏生物年龄模型与端粒长度及心血管生物标志物的关联研究 | 首次利用视网膜图像深度学习模型评估心脏生物年龄，并与端粒长度和传统心血管风险生物标志物进行关联分析，实现快速、无创的心血管疾病筛查 | 研究为横断面设计，无法建立因果关系；模型基于UK Biobank人群，可能限制结果向其他人群的推广 | 验证深度学习心脏生物年龄模型与端粒长度及传统心血管风险生物标志物之间的一致性 | UK Biobank中具有白细胞端粒长度数据的个体 | 计算机视觉 | 心血管疾病 | 视网膜成像 | 深度学习 | 图像 | NA | NA | NA | 血压、糖化血红蛋白、10年汇集队列方程心血管风险评分、端粒长度 | NA |
| 712 | 2026-05-08 |
Interpretable Cognitive Ability Prediction: A Comprehensive Gated Graph Transformer Framework for Analyzing Functional Brain Networks
2024-04, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3343365
PMID:38109241
|
研究论文 | 提出了一个利用门控图变换器模型预测个体认知能力的框架 | 结合先验空间知识和随机游走扩散策略，利用可学习结构位置编码和门控机制解耦位置编码与图嵌入学习 | 未明确提及论文局限性 | 基于功能磁共振成像的功能连接预测个体认知能力 | 功能脑网络和认知能力 | 机器学习 | NA | fMRI | 门控图变换器 | 脑影像 | 两个大规模数据集：费城神经发育队列和人类连接组项目 | PyTorch | 门控图变换器 | 预测准确性 | NA |
| 713 | 2026-05-08 |
Developing a Continuous Severity Scale for Macular Telangiectasia Type 2 Using Deep Learning and Implications for Disease Grading
2024-02, Ophthalmology
IF:13.1Q1
DOI:10.1016/j.ophtha.2023.09.016
PMID:37739233
|
研究论文 | 将深度学习分类模型与UMAP结合，为2型黄斑毛细血管扩张症开发连续严重程度量表 | 首次利用无监督UMAP将离散疾病标签映射为连续严重程度量表，无需连续训练标签，可推广至其他疾病 | 该信息在标题和摘要中未明确提及 | 利用深度学习与UMAP创建连续的MacTel严重程度量表，以提高诊断准确率和疾病进展理解 | 2型黄斑毛细血管扩张症（MacTel）患者的OCT影像 | 计算机视觉, 数字病理学 | 黄斑毛细血管扩张症2型 | OCT成像 | 多视图深度学习分类器, UMAP | OCT体积图像 | 从1089名MacTel患者获取的2003个OCT体积 | NA | 多视图深度学习分类器（具体架构未指定） | 准确率, Spearman秩相关系数, κ一致性系数 | NA |
| 714 | 2026-05-08 |
Utilisation of ChatGPT and other Artificial Intelligence tools among medical faculty in Uganda: a cross-sectional study
2024, MedEdPublish (2016)
DOI:10.12688/mep.20554.3
PMID:39911314
|
研究论文 | 评估乌干达医学院教师对ChatGPT及其他人工智能工具的使用情况 | 首次在乌干达医学院教师中开展AI工具使用情况的横断面研究，揭示了年龄与AI使用率之间的关联 | 仅基于自我报告数据，可能存在回忆偏倚；样本来自四所公立大学，推广性有限 | 评估乌干达医学院教师对ChatGPT及其他人工智能工具的使用现状 | 乌干达四所公立大学的医学院教师 | 机器学习 | NA | NA | ChatGPT（大语言模型） | 问卷数据 | 224名医学院教师 | NA | NA | NA | NA |
| 715 | 2026-05-08 |
Developing a clinician-friendly rubric for assessing history-taking skills in medical undergraduates speaking English as a foreign language
2024, MedEdPublish (2016)
DOI:10.12688/mep.19911.3
PMID:39534518
|
研究论文 | 评估乌干达医学院教师对ChatGPT等人工智能工具的使用情况 | 首次在乌干达医学院教师中调查ChatGPT等AI工具的使用率及影响因素 | 横断面研究设计，无法确定因果关系；样本仅来自四所公立大学，可能不具有全国代表性 | 评估乌干达医学院教师对ChatGPT及其他AI工具的使用情况 | 乌干达四所公立大学的医学院教师 | 机器学习 | NA | NA | ChatGPT | 问卷数据 | 224名医学院教师 | NA | NA | NA | NA |
| 716 | 2026-05-08 |
Superpixel-ComBat modeling: A joint approach for harmonization and characterization of inter-scanner variability in T1-weighted images
2024, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/imag_a_00306
PMID:40800451
|
研究论文 | 提出一种基于超像素与ComBat建模的联合方法，用于表征和协调T1加权图像中的跨扫描仪变异 | 将统计ComBat方法扩展到图像域，结合3D超像素分割算法，实现可解释的跨扫描仪变异表征和协调 | NA | 开发一种可解释的跨扫描仪变异表征与协调策略，提升多中心研究的图像一致性 | 来自四个3T MRI扫描仪的匹配T1加权图像 | 计算机视觉 | NA | T1加权成像 | ComBat模型 | 图像 | NA | NA | 超像素分割算法 | 信号噪声比, 对比度噪声比, 信号不均匀性指数, 结构相似性指数 | NA |
| 717 | 2026-05-08 |
Predicting Glaucoma Progression to Surgery with Artificial Intelligence Survival Models
2023-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2023.100336
PMID:37415920
|
研究论文 | 开发基于人工智能的生存模型预测青光眼患者进展至手术的风险，并比较不同方法的性能 | 首次将生存分析方法（包括深度生存模型）用于青光眼进展预测，弥补了传统分类器忽视纵向随访数据的不足 | 仅使用结构化电子健康记录数据，未纳入临床笔记或影像学信息；需进一步开发更复杂的深度生存模型 | 比较回归、树模型和深度学习三种生存分析预测青光眼手术进展的性能 | 2008-2020年某学术中心4512名青光眼患者 | 机器学习 | 青光眼 | 电子健康记录数据提取 | 生存模型（DeepSurv, 随机生存森林, 梯度提升生存, 惩罚Cox比例风险模型） | 结构化表格数据（人口学、眼部检查、诊断、用药共361个特征） | 4512名患者（748例接受手术） | NA | DeepSurv（深度学习生存网络） | 一致性指数（C-index）, 均值累积/动态曲线下面积（mean AUC） | NA |
| 718 | 2026-05-08 |
PhacoTrainer: Deep Learning for Cataract Surgical Videos to Track Surgical Tools
2023-03-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.12.3.23
PMID:36947046
|
研究论文 | 构建深度学习模型自动分析白内障手术视频中的手术工具位置并导出技能相关运动指标 | 首次将YOLACT实例分割用于白内障手术视频中瞳孔、角膜缘和8类手术器械的联合检测，并通过椭圆/直线拟合将掩码转化为关键解剖标志位置，实现自动化的手术技能评估 | 工具尖端定位误差（第二器械尖端平均误差17.1像素）可能影响精确运动指标计算；样本仅包含10个超声乳化视频片段用于验证 | 开发深度学习模型自动分析白内障手术视频中手术关键点位置，推导与手术技能相关的运动指标 | 白内障手术视频中的瞳孔、角膜缘和8类手术器械（包括超声乳化手术器械） | 计算机视觉 | 白内障 | 视频分析 | CNN（实例分割模型） | 图像 | 1156帧（来自268个视频），5853帧（来自10个超声乳化视频片段），及CaDIS公开数据集 | PyTorch | YOLACT | 平均精确率均值、交并比、平均距离（像素） | NA |
| 719 | 2026-05-08 |
An explainable autoencoder with multi-paradigm fMRI fusion for identifying differences in dynamic functional connectivity during brain development
2023-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2022.12.007
PMID:36580711
|
研究论文 | 提出一种基于多范式融合的可解释深度稀疏自编码器，用于识别脑发育过程中动态功能连接的差异 | 首次将多范式功能磁共振成像融合与可解释深度自编码器结合，通过非线性融合层和多范式超图正则化整合互补信息，同时保持模型可解释性 | 未提及具体限制，但可能受限于单一数据集（费城神经发育队列）的验证 | 开发可解释的多范式融合模型，识别脑发育过程中动态功能连接的变化模式 | 正常儿童和成人的大脑功能连接差异 | 机器学习 | 神经系统发育 | 功能磁共振成像 | 深度稀疏自编码器 | 图像（功能磁共振成像数据） | 费城神经发育队列的数据集 | NA | 多范式融合深度稀疏自编码器 | NA | NA |
| 720 | 2026-05-08 |
Artificial intelligence and deep learning to map immune cell types in inflamed human tissue
2022-06, Journal of immunological methods
IF:1.6Q4
DOI:10.1016/j.jim.2022.113233
PMID:35131237
|
研究论文 | 开发深度学习算法，识别炎症组织活检中的免疫细胞类型 | 提出一种基于深度学习的方法，能够无偏且全面地识别炎症组织中的免疫细胞，包括罕见的Tfh细胞亚群，并可用于细胞间距离映射 | NA | 利用人工智能和深度学习技术，自动化识别和分类炎症组织中的免疫细胞，以量化活检切片中的复杂免疫细胞交互信息 | 皮肌炎活检图像中的Tfh细胞亚群和B细胞 | 计算机视觉 | 自身免疫疾病（皮肌炎） | NA | 深度学习 | 图像 | NA | NA | 深度学习算法（未具体指定） | 检测和分类性能（未具体指定） | NA |