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 7361 - 7380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7361 | 2025-10-06 |
Multi-center study: ultrasound-based deep learning features for predicting Ki-67 expression in breast cancer
2025-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94741-4
PMID:40133523
|
研究论文 | 本研究利用深度学习算法挖掘乳腺癌超声特征，构建预测Ki-67表达水平的机器学习模型 | 整合肿瘤区域和瘤周区域的深度特征构建融合模型，并在多中心数据集上进行验证 | 回顾性研究设计，样本量相对有限（929例患者） | 开发准确预测乳腺癌Ki-67表达水平的机器学习模型 | 929例乳腺癌患者的临床和超声数据 | 医学影像分析 | 乳腺癌 | 超声成像 | SVM, LightGBM | 超声图像 | 929例乳腺癌患者 | NA | NA | 准确率, ROAUC, 敏感性, 特异性, F1分数 | NA |
| 7362 | 2025-10-06 |
Artificial Intelligence for Predicting HER2 Status of Gastric Cancer Based on Whole-Slide Histopathology Images: A Retrospective Multicenter Study
2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202408451
PMID:39792693
|
研究论文 | 开发基于全切片病理图像的深度学习模型HER2Net，用于预测胃癌HER2状态 | 创新性地通过定量计算HER2高表达区域比例来预测HER2状态 | 回顾性研究，需要进一步前瞻性验证 | 开发经济可行且易于使用的工具来区分胃癌患者的HER2状态 | 胃癌患者的全切片病理图像 | 数字病理 | 胃癌 | 苏木精-伊红染色，全切片成像 | 深度学习模型 | 病理图像 | 内部训练集520名患者的531张WSI，内部测试集111名患者的115张WSI，外部多中心测试集101名患者的102张WSI | NA | HER2Net | 准确率 | NA |
| 7363 | 2025-10-06 |
Early and noninvasive prediction of response to neoadjuvant therapy for breast cancer via longitudinal ultrasound and MR deep learning: A multicentre study
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.10.033
PMID:39542804
|
研究论文 | 本研究通过纵向超声和磁共振的深度学习模型，早期无创预测乳腺癌新辅助化疗疗效 | 首次结合纵向多模态影像（MR和超声）与深度学习特征，构建堆叠模型实现早期疗效预测 | 回顾性研究设计，样本量相对有限（448例） | 预测乳腺癌患者新辅助化疗后的病理完全缓解 | 乳腺癌患者 | 数字病理 | 乳腺癌 | 磁共振成像，超声成像 | CNN | 医学影像 | 448例来自三个中心的患者 | NA | ResNet50 | AUC, 准确率, 敏感度, 特异度 | NA |
| 7364 | 2025-10-06 |
Machine learning tool for predicting mature oocyte yield and trigger day from start of stimulation: towards personalized treatment
2025-02, Reproductive biomedicine online
IF:3.7Q1
DOI:10.1016/j.rbmo.2024.104441
PMID:39708575
|
研究论文 | 开发基于深度学习的机器学习工具，用于预测卵巢刺激周期开始时的成熟卵母细胞数量和触发日 | 提出两种新型渐进式深度学习算法，可在刺激周期开始时预测触发日和MII卵母细胞数量 | 需要纳入更多数据和来自不同诊所的验证 | 开发个性化治疗工具，预测卵巢刺激结果 | 56,490个卵巢刺激周期（主要数据集）和5,103个卵巢刺激周期（临床验证数据集） | 机器学习 | 生殖医学 | 深度学习 | 深度学习 | 临床数据 | 主要数据集56,490个刺激周期，其中13,090个用于模型开发，临床验证数据集5,103个刺激周期 | NA | NA | 平均绝对误差, R2值, 四分位根均方误差 | NA |
| 7365 | 2025-10-06 |
Application of a methodological framework for the development and multicenter validation of reliable artificial intelligence in embryo evaluation
2025-Jan-31, Reproductive biology and endocrinology : RB&E
IF:4.2Q1
DOI:10.1186/s12958-025-01351-w
PMID:39891250
|
研究论文 | 本文提出了一种用于开发和验证胚胎评估AI模型的四步方法框架，并在多中心数据集上验证了其可靠性 | 提出确保AI在临床环境中一致性和可靠性的四步方法框架，包括数据筛选、模型开发、性能评估和可解释性验证 | 研究仅限于囊胚期胚胎评估，且数据来源于特定时间段的IVF诊所 | 开发并验证用于胚胎评估的可靠人工智能模型 | 体外受精过程中的囊胚期胚胎 | 计算机视觉 | 生殖医学 | 延时成像技术 | 深度学习分类器 | 延时图像、妊娠结局、形态学标注 | 训练验证集16,935个胚胎，盲测集1,708个胚胎，独立测试集7,445个胚胎 | NA | NA | 比值比, 判别能力 | NA |
| 7366 | 2025-10-06 |
Advancement and independent validation of a deep learning-based tool for automated scoring of nail psoriasis severity using the modified nail psoriasis severity index
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1574413
PMID:40241894
|
研究论文 | 开发并验证基于卷积神经网络的自动化指甲银屑病严重程度评分工具 | 使用BEiT架构的CNN模型，无需标准化成像条件即可实现可靠的自动化评分 | 模型性能在验证数据集中略有下降（AUROC从86%降至80%） | 开发自动化指甲银屑病严重程度评分系统 | 银屑病、银屑病关节炎患者及非银屑病对照组的指甲照片 | 计算机视觉 | 银屑病 | 图像采集与处理 | CNN | 图像 | 训练集460名患者4,400张指甲照片，验证集118名患者929张指甲照片 | NA | BEiT | AUROC, Pearson相关系数 | NA |
| 7367 | 2025-10-06 |
Corrigendum: Advancement and independent validation of a deep learning-based tool for automated scoring of nail psoriasis severity using the modified nail psoriasis severity index
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1617441
PMID:40538405
|
修正 | 对先前发表的关于使用深度学习工具自动评估指甲银屑病严重程度的文章进行修正 | NA | NA | NA | NA | NA | 指甲银屑病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 7368 | 2025-10-06 |
HIV-1 M group subtype classification using deep learning approach
2024-Dec, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109218
PMID:39369547
|
研究论文 | 提出首个基于深度学习的HIV-1 M群亚型分类方法HIV-1-M-SPBEnv，通过env基因序列实现精准分类 | 首次将深度学习应用于HIV-1 M群亚型分类，采用人工分子进化技术生成适用于机器学习的合成数据集 | NA | 开发准确分类HIV-1 M群12种亚型的深度学习方法 | HIV-1病毒M群的env基因序列 | 机器学习 | HIV感染 | DNA测序 | 自编码器, 全连接神经网络 | DNA序列数据 | NA | NA | 卷积自编码器, 残差块, 转置残差块 | 精确率, 准确率, 召回率, F1分数 | NA |
| 7369 | 2025-10-06 |
iGTP: Learning interpretable cellular embedding for inferring biological mechanisms underlying single-cell transcriptomics
2024-Nov-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.03.29.24305092
PMID:39649598
|
研究论文 | 提出了一种名为iGTP的可解释生成转录程序框架，用于从单细胞转录组数据中学习可解释的细胞嵌入表示 | 设计了结合转录程序空间和蛋白质-蛋白质相互作用的新型可解释深度学习框架，能够同时建模不同生物状态下的细胞响应机制 | NA | 开发能够推断单细胞转录组数据背后生物学机制的可解释深度学习模型 | 单细胞转录组数据 | 机器学习 | NA | 单细胞转录组测序 | 变分自编码器,图神经网络,潜在扩散模型 | 基因表达数据 | NA | NA | iGTP框架 | 功能富集分析性能 | NA |
| 7370 | 2025-10-06 |
Uncovering the predictive and immunomodulatory potential of transient receptor potential melastatin family-related CCNE1 in pan-cancer
2024-Nov-18, Molecular cancer
IF:27.7Q1
DOI:10.1186/s12943-024-02169-7
PMID:39551726
|
研究论文 | 本研究通过开发TRPM家族相关评分系统，发现CCNE1作为跨癌种的重要生物标志物，具有预测免疫治疗反应和免疫调节功能 | 首次构建TRPM家族相关评分系统并发现CCNE1作为关键下游效应因子在泛癌分析中的重要作用 | 研究主要基于计算分析，仅通过体外实验初步验证功能，需要更多体内实验进一步确认 | 探索TRPM家族及其相关基因CCNE1在泛癌中的预测价值和免疫调节潜力 | 17种实体肿瘤的分子标志物 | 生物信息学 | 泛癌分析 | 机器学习、深度学习计算技术 | NA | 分子生物标志物数据 | 17种实体肿瘤的多组学数据 | NA | NA | 预测准确性、免疫治疗反应预测 | NA |
| 7371 | 2025-10-06 |
Decoding the impact of neighboring amino acids on ESI-MS intensity output through deep learning
2024-10-30, Journal of proteomics
IF:2.8Q2
DOI:10.1016/j.jprot.2024.105322
PMID:39341565
|
研究论文 | 通过深度学习模型研究氨基酸二聚体基序对质谱MS1强度的影响 | 首次使用带有注意力机制的编码器-解码器深度学习模型系统分析氨基酸二聚体基序与质谱响应的关系 | 氨基酸二聚体序列表示相比单氨基酸表示未能提高预测能力 | 探索氨基酸局部环境与质谱MS1强度之间的潜在关系 | 质谱分析中的肽段序列 | 机器学习 | NA | 质谱分析，ESI-MS | RNN，编码器-解码器 | 肽段序列数据，质谱强度数据 | 约200,000个独特肽段的等摩尔肽池 | NA | 带有注意力机制的编码器-解码器架构 | 平均百分比误差，皮尔逊相关系数 | NA |
| 7372 | 2025-10-06 |
Assessing substrate scope of the cyclodehydratase LynD by mRNA display-enabled machine learning models
2024-Oct-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.14.618330
PMID:39464139
|
研究论文 | 本研究通过mRNA展示技术结合深度学习模型评估了RiPP环化脱水酶LynD的底物广谱性 | 首次将mRNA展示高通量肽段展示技术与深度学习模型相结合，用于预测RiPP酶的底物处理能力 | 研究仅针对LynD单一酶进行，未验证其他RiPP酶的应用潜力 | 阐明核糖体合成后修饰肽天然产物酶的底物广谱性及其预测方法 | RiPP环化脱水酶LynD及其肽底物 | 机器学习 | NA | mRNA展示技术 | 深度学习 | 肽序列数据 | 通过mRNA展示技术构建的大规模肽库 | NA | NA | NA | NA |
| 7373 | 2025-10-06 |
DSMT-Net: Dual Self-Supervised Multi-Operator Transformation for Multi-Source Endoscopic Ultrasound Diagnosis
2024-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3289859
PMID:37368810
|
研究论文 | 提出一种双自监督多操作变换网络(DSMT-Net)，用于多源内镜超声(EUS)图像的胰腺癌和乳腺癌诊断 | 设计了多操作变换方法标准化EUS图像感兴趣区域提取，并开发了基于Transformer的双自监督网络整合未标记数据进行预训练 | 未明确说明模型在更广泛疾病类型或数据源上的泛化能力 | 解决多源EUS图像数据分布差异大和标注数据有限的问题，提高癌症诊断准确性 | 胰腺癌和乳腺癌的内镜超声图像 | 计算机视觉 | 胰腺癌,乳腺癌 | 内镜超声(EUS) | Transformer,自监督学习 | 图像 | 3,500张病理证实的标记EUS图像(包含胰腺癌和非胰腺癌)和8,000张未标记EUS图像 | NA | DSMT-Net,Transformer | 准确率 | NA |
| 7374 | 2025-10-06 |
Effectiveness of Artificial Intelligence Models for Cardiovascular Disease Prediction: Network Meta-Analysis
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/5849995
PMID:35251153
|
meta-analysis | 通过网状Meta分析比较机器学习和深度学习模型在心血管疾病预测中的有效性 | 首次采用网状Meta分析方法系统比较不同AI模型在多种心血管疾病预测中的表现 | 深度学习在心血管疾病领域的研究文献较少，需要更多患者数据和贝叶斯网络等分析方法验证结果 | 评估人工智能模型在心血管疾病预测中的有效性 | 心力衰竭、中风、高血压和糖尿病患者 | machine learning | cardiovascular disease | NA | ML, DL | 临床数据 | 285,213名心血管疾病患者 | NA | GBM, ANN, SVM, RF | AUC, 准确率, OR, CI | NA |
| 7375 | 2025-10-06 |
Accelerating 3D radial MPnRAGE using a self-supervised deep factor model
2025-Sep, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30549
PMID:40457622
|
研究论文 | 开发用于4D非笛卡尔MRI的自监督深度学习图像重建方法 | 提出深度因子模型(DFM)和单次学习(SSL)方法，无需预训练即可从k空间数据直接学习 | 未配备专用高端GPU阵列时神经网络训练计算需求较高 | 加速3D径向MPnRAGE成像并提高图像质量 | 多对比度MRI图像和定量T1估计 | 医学影像重建 | NA | MPnRAGE采集，非笛卡尔MRI | 深度因子模型(DFM) | k空间数据，3D多对比度图像 | 体模和体内实验 | NA | 深度因子模型 | 图像质量，定量T1估计的偏差和方差 | 专用高端GPU阵列 |
| 7376 | 2025-10-06 |
Rapid wall shear stress prediction for aortic aneurysms using deep learning: a fast alternative to CFD
2025-Jul, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03311-3
PMID:39961912
|
研究论文 | 本研究提出了一种基于深度学习的快速替代CFD的方法，用于预测主动脉瘤壁面剪应力分布 | 采用领域变换技术将复杂主动脉几何结构转换为与先进神经网络兼容的表示形式，并开发了MultiViewUNet深度学习代理模型 | 未明确说明训练数据中真实和合成AAA几何结构的比例及具体样本数量 | 开发快速准确的主动脉瘤壁面剪应力预测方法以辅助临床决策 | 腹主动脉瘤(AAA) | 医学影像分析 | 心血管疾病 | 深度学习 | CNN | 几何结构数据 | 真实和合成AAA几何结构（具体数量未明确） | NA | MultiViewUNet | 归一化平均绝对误差(NMAE) | NA |
| 7377 | 2025-10-06 |
Robust and generalizable artificial intelligence for multi-organ segmentation in ultra-low-dose total-body PET imaging: a multi-center and cross-tracer study
2025-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07156-8
PMID:39969540
|
研究论文 | 开发并验证用于超低剂量全身PET成像中多器官分割的深度学习模型 | 首个在多种成像条件和示踪剂下实现全PET基础多器官分割的通用人工智能模型 | 回顾性研究，需要进一步前瞻性验证 | 开发适用于不同成像条件和示踪剂的鲁棒性多器官PET分割方法 | PET图像中的23个器官分割 | 医学影像分析 | 多器官疾病 | PET成像，深度学习分割 | 3D深度学习模型 | PET图像 | 798名来自多中心的患者 | NA | 3D深度学习架构 | Dice相似系数(DSC) | NA |
| 7378 | 2025-10-06 |
Dual-type deep learning-based image reconstruction for advanced denoising and super-resolution processing in head and neck T2-weighted imaging
2025-Jul, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01756-y
PMID:40038217
|
研究论文 | 评估双类型深度学习图像重建在头颈部脂肪抑制T2加权成像中的去噪和超分辨率处理效果 | 提出双类型深度学习重建方法，结合去噪和超分辨率处理，在降低30%空间分辨率和缩短扫描时间的情况下仍能提高图像质量 | 回顾性研究，样本量较小（43例患者），未详细说明深度学习模型的具体架构 | 比较深度学习重建与传统方法在头颈部T2加权成像中的图像质量 | 43例接受头颈部脂肪抑制T2加权成像扫描的患者 | 医学影像处理 | 头颈部病变 | T2加权磁共振成像 | 深度学习 | 医学影像 | 43例患者 | NA | NA | 信噪比, 对比噪声比, 图像质量评分 | NA |
| 7379 | 2025-10-06 |
Super-resolution deep learning reconstruction for improved quality of myocardial CT late enhancement
2025-Jul, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01760-2
PMID:40072715
|
研究论文 | 本研究评估超分辨率深度学习重建技术在心肌CT晚期增强图像质量改善方面的效果 | 首次将基于超高分辨率CT数据训练的超分辨率深度学习重建技术应用于心肌CT晚期增强成像 | 回顾性研究且样本量较小（30例患者） | 比较不同图像重建算法对心肌CT晚期增强图像质量的影响 | 30例接受心肌CT晚期增强检查的患者 | 医学影像处理 | 心血管疾病 | CT晚期增强成像 | 深度学习 | CT医学影像 | 30例患者 | NA | 超分辨率深度学习重建 | 图像噪声, 信噪比, 对比噪声比, 定性图像质量评分 | NA |
| 7380 | 2025-10-06 |
Machine learning in neuroimaging and computational pathophysiology of Parkinson's disease: A comprehensive review and meta-analysis
2025-Jul, Asian journal of psychiatry
IF:3.8Q1
DOI:10.1016/j.ajp.2025.104537
PMID:40424835
|
综述与荟萃分析 | 本文通过系统综述和荟萃分析探讨机器学习在帕金森病神经影像学和计算病理生理学中的应用 | 提出Meta-Park诊断模型并整合全球帕金森病流行病学分析与多模态数据评估 | 存在数据集规模有限和模型可及性不足的问题 | 改善帕金森病的早期诊断和临床决策支持 | 帕金森病患者的多模态数据（MRI、语音、手写数据） | 机器学习 | 帕金森病 | MRI成像、语音分析、手写动力学分析 | 机器学习、深度学习 | 神经影像、语音信号、手写数据 | 综合科学文献、实验研究、公共数据集和全球健康报告 | NA | Meta-Park | 准确率 | NA |