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 721 - 740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 721 | 2025-10-05 |
FUSION: A web-based application for in-depth exploration of multi-omics data with brightfield histology
2024-Aug-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.09.602778
PMID:39026885
|
研究论文 | 开发了一个基于Web的多组学数据与明场组织学深度探索应用FUSION | 将分子数据与组织病理学特征整合到单一工作空间，提供基于深度学习的空间组学数据分析工具 | NA | 开发用于空间多组学数据与组织病理学联合分析的工具 | 福尔马林固定石蜡包埋和冷冻制备的健康与疾病组织样本 | 数字病理学 | NA | 空间转录组学 | 深度学习 | 全切片图像,分子数据 | NA | NA | NA | NA | 基于Web的应用 |
| 722 | 2025-10-05 |
MRI Deep Learning-Based Automatic Segmentation of Interventricular Septum for Black-Blood Myocardial T2* Measurement in Thalassemia
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29113
PMID:37941460
|
研究论文 | 开发基于深度学习的自动分割方法，用于地中海贫血患者黑血MR图像中心室间隔的自动分割和心肌T2*测量 | 提出改进的注意力U-Net模型用于心室间隔自动分割，减少了分析时间和观察者间变异性 | 回顾性研究，样本量相对有限（146例患者），外部验证集规模较小 | 开发自动分割方法以替代传统手动分割，提高心肌铁负荷评估的效率和一致性 | 146例输血依赖型地中海贫血患者的心脏MR检查数据 | 医学影像分析 | 地中海贫血 | 多回波梯度回波序列MR成像 | 深度学习 | MR图像 | 146例患者（训练集100例，内部测试20例，外部测试26例） | NA | 改进的注意力U-Net | Dice系数, Bland-Altman图, 变异系数 | NA |
| 723 | 2025-10-05 |
Accelerated Cine Cardiac MRI Using Deep Learning-Based Reconstruction: A Systematic Evaluation
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29081
PMID:37855257
|
研究论文 | 系统评估基于深度学习的加速心脏电影MRI重建技术在不同加速因子下的性能 | 首次系统评估深度学习重建技术在心脏电影bSSFP成像中从2到8倍加速范围内的性能表现 | 研究样本仅包括15名漏斗胸患者且具有正常心脏功能，样本量有限 | 评估深度学习重建技术在加速心脏MRI采集中的可行性和性能 | 15名漏斗胸患者（平均年龄16.8±5.4岁，20%女性） | 医学影像分析 | 心脏疾病 | 心脏电影平衡稳态自由进动成像 | 深度学习 | MRI图像 | 15名患者 | NA | NA | 结构相似性指数, 图像质量评分, 边缘定义评分, 双心室容积指标 | NA |
| 724 | 2025-10-05 |
Fetal MRI-Based Body and Adiposity Quantification for Small for Gestational Age Perinatal Risk Stratification
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29141
PMID:37982367
|
研究论文 | 本研究通过胎儿MRI量化身体和脂肪指标，用于小于胎龄儿围产期风险分层 | 首次使用深度学习自动分割胎儿身体和皮下脂肪，量化脂肪信号分数和脂肪-身体体积比用于SGA风险预测 | 样本量较小(40例)，单中心研究，需要更大规模验证 | 开发基于胎儿MRI的身体成分量化方法，改善小于胎龄儿的围产期风险分层 | 40例小于胎龄儿胎儿，孕周30+2至37+2 | 数字病理 | 胎儿生长受限 | 胎儿MRI，True Fast Imaging with Steady State Free Precession (TruFISP)，T1-weighted two-point Dixon (T1W Dixon)序列 | 深度学习 | 医学影像 | 40例SGA胎儿，其中26例女性(61.9%) | NA | NA | 敏感性，特异性，阳性预测值，阴性预测值，准确率 | NA |
| 725 | 2025-10-05 |
Prostate Age Gap: An MRI Surrogate Marker of Aging for Prostate Cancer Detection
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29090
PMID:37855699
|
研究论文 | 本研究开发了一种基于前列腺MRI的衰老生物标志物——前列腺年龄差，用于评估临床显著前列腺癌的风险 | 首次从前列腺MRI中提取衰老生物标志物，提出前列腺年龄差概念作为前列腺癌检测的新型影像学生物标志物 | 回顾性研究设计，样本量相对有限（468名患者），需要进一步前瞻性验证 | 开发前列腺MRI衰老生物标志物并评估其与临床显著前列腺癌风险的关联 | 468名接受活检的男性患者，共7243个前列腺MRI切片 | 数字病理 | 前列腺癌 | 磁共振成像 | 深度学习模型 | MRI图像 | 468名患者（65.97±6.91岁），7243个前列腺MRI切片；训练集：212名非临床显著前列腺癌患者（81例低级别前列腺癌+131例阴性）的3223个MRI切片；测试集：256名患者（90例阴性+52例低级别+114例临床显著前列腺癌） | NA | NA | AUC, OR, 置信区间, P值 | NA |
| 726 | 2025-10-05 |
Deep Learning-Driven Transformation: A Novel Approach for Mitigating Batch Effects in Diffusion MRI Beyond Traditional Harmonization
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29088
PMID:37877463
|
研究论文 | 提出一种基于深度学习的扩散MRI图像批效应消除方法，通过对比度调整和超分辨率技术减少不同磁场强度和成像参数导致的图像差异 | 使用深度学习驱动的变换方法超越传统标准化技术，结合对比度调整和超分辨率来减少扩散加权图像的多样性 | 模型基于单个个体的开放数据集构建，样本来源相对有限 | 开发深度学习模型以减少扩散加权图像在不同磁场强度和成像参数下的多样性 | 扩散加权MRI图像 | 医学影像分析 | 中风,肿瘤 | 扩散加权成像,自旋回波序列,T2-SPACE序列 | 深度学习,自编码器,CNN | MRI图像 | 1134名成年人(54%女性,46%男性)，包含21000张图像，其中1050名无DWI异常，84名有中风和肿瘤等病变 | NA | ResNet-50,自编码器 | 准确率,精确率,召回率,F1分数,PSNR,SSIM,Dice系数 | NA |
| 727 | 2025-10-05 |
Development of an MRI-Based Comprehensive Model Fusing Clinical, Radiomics and Deep Learning Models for Preoperative Histological Stratification in Intracranial Solitary Fibrous Tumor
2024-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29098
PMID:37897302
|
研究论文 | 开发基于MRI的融合临床、影像组学和深度学习特征的综合模型，用于颅内孤立性纤维瘤的术前组织学分层 | 首次提出融合临床特征、影像组学和深度学习的多模态综合模型用于颅内孤立性纤维瘤的术前分级 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 研究基于MRI的临床-影像组学-深度学习综合模型在颅内孤立性纤维瘤术前组织学分层的可行性 | 398例来自北京天坛医院的患者（主要训练队列）和49例来自兰州大学第二医院的患者（外部验证队列） | 医学影像分析 | 颅内孤立性纤维瘤 | 磁共振成像 | 深度学习 | MRI图像 | 447例患者（398例训练，49例外部验证） | NA | NA | AUC, 决策曲线分析, 校准曲线 | NA |
| 728 | 2025-10-05 |
Combining pairwise structural similarity and deep learning interface contact prediction to estimate protein complex model accuracy in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26542
PMID:37357816
|
研究论文 | 开发结合成对结构相似性和深度学习界面接触预测的混合方法用于评估蛋白质复合物模型准确性 | 首次将成对结构相似性方法与深度学习界面接触预测相结合用于蛋白质四级结构模型质量评估 | 当大量结构模型质量较低且彼此相似时，成对相似性方法可能失效 | 开发蛋白质复合物模型准确性评估方法 | 蛋白质复合物和组装体的四级结构模型 | 计算生物学 | NA | 深度学习界面接触预测 | 深度学习 | 蛋白质结构模型 | CASP15组装靶标的模型 | NA | NA | 相关系数, 排序损失 | NA |
| 729 | 2025-10-05 |
Integrating deep learning, threading alignments, and a multi-MSA strategy for high-quality protein monomer and complex structure prediction in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26585
PMID:37650367
|
研究论文 | 介绍UM-TBM和Zheng团队在CASP15蛋白质单体与复合物结构预测中的方法及成果 | 结合深度学习、线程比对和多MSA策略，开发了D-I-TASSER和DMFold-Multimer算法，在传统蒙特卡洛模拟中融合深度学习约束 | 病毒蛋白建模和复合物模型排序方面仍有改进空间 | 提高蛋白质单体与复合物结构预测的准确性 | 蛋白质单体结构和蛋白质复合物结构 | 计算生物学 | NA | 多序列比对(MSA)、深度学习、蒙特卡洛模拟 | 注意力网络、端到端深度学习模型 | 蛋白质序列与结构数据 | 47个自由建模目标（单体）和38个复合物目标 | AlphaFold2, I-TASSER | D-I-TASSER, DMFold-Multimer, DeepMSA2 | TM-score, Interface Contact Score | NA |
| 730 | 2025-10-05 |
Assessment of three-dimensional RNA structure prediction in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26602
PMID:37876231
|
研究论文 | 评估CASP15中RNA三维结构预测方法的性能 | 首次在CASP竞赛中系统评估RNA结构预测方法，将蛋白质评估指标(GDT、lDDT)和Z-score排名方法推广应用于RNA评估 | 在非标准碱基对建模、模型排名以及预测冷冻电镜或晶体学解析的多种结构方面仍存在挑战 | 评估RNA三维结构预测方法的准确性和实用性 | RNA三维结构预测模型 | 结构生物信息学 | NA | 冷冻电镜(cryo-EM)、X射线衍射 | 深度学习,传统计算方法 | RNA结构数据,冷冻电镜图谱,X射线衍射数据 | 12个含RNA的目标结构，42个预测组参与 | NA | NA | GDT,lDDT,Z-score | NA |
| 731 | 2025-10-05 |
Impact of AlphaFold on structure prediction of protein complexes: The CASP15-CAPRI experiment
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26609
PMID:37905971
|
研究论文 | 本文介绍了CASP15-CAPRI蛋白质复合物结构预测挑战赛的结果，评估了AlphaFold对蛋白质复合物结构预测的影响 | 首次系统评估AlphaFold2和AlphaFold2-Multimer在蛋白质复合物结构预测中的表现，展示了深度学习方法的显著进步 | 对缺乏结合伴侣间进化关系的抗体/纳米抗体复合物以及具有构象灵活性的复合物预测性能仍然较差 | 评估蛋白质复合物结构预测的最新进展，特别是AlphaFold技术的影响 | 37个蛋白质复合物靶标，包括同源二聚体、同源三聚体、异源二聚体和大型组装体 | 计算生物学 | NA | 蛋白质结构预测，深度学习 | AlphaFold2, AlphaFold2-Multimer | 蛋白质序列和结构数据 | 37个靶标，21,941个模型，60+参与组 | AlphaFold | AlphaFold2, AlphaFold2-Multimer | CAPRI模型质量指标，DockQ评分 | NA |
| 732 | 2025-10-05 |
Estimation of model accuracy in CASP15 using the ModFOLDdock server
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26532
PMID:37314190
|
研究论文 | 介绍CASP15竞赛中用于多聚体模型质量评估的ModFOLDdock服务器及其三种变体的性能表现 | 开发了三种针对不同质量评估维度的ModFOLDdock变体，在CASP15的EMA类别中均取得领先排名 | NA | 优化多聚体蛋白质结构模型的质量评估方法 | 多聚体蛋白质结构模型 | 生物信息学 | NA | 深度学习, 聚类分析 | 深度学习模型 | 蛋白质结构模型 | 41个组装结构（来自CASP15竞赛） | NA | NA | Pearson相关系数, 寡聚体-lDDT | NA |
| 733 | 2025-10-05 |
Estimating protein complex model accuracy based on ultrafast shape recognition and deep learning in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26564
PMID:37553848
|
研究论文 | 本文报告了在CASP15中基于超快形状识别和深度学习的蛋白质复合物模型精度估计方法的研究成果 | 提出了基于三级特征集成与深度残差/图神经网络的多聚体复合物模型精度估计新方法，设计了整体和单体间超快形状识别特征 | NA | 开发蛋白质复合物模型精度估计方法 | 蛋白质复合物模型 | 生物信息学 | NA | 超快形状识别, 深度学习 | 深度残差网络, 图神经网络 | 蛋白质结构数据 | 39个目标蛋白质 | NA | 深度残差网络, 图神经网络 | Pearson相关系数, lDDT, TM-score | NA |
| 734 | 2025-10-05 |
zPoseScore model for accurate and robust protein-ligand docking pose scoring in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26573
PMID:37606194
|
研究论文 | 提出了一种基于深度学习的配体构象评分模型zPoseScore，用于蛋白质-配体复合物结构预测 | 重新设计了受AlphaFold2启发的zFormer模块，开发了数据增强和采样方法，实现了原子级别的蛋白质-配体特征编码和融合 | NA | 开发准确的蛋白质-配体对接构象评分方法 | 蛋白质-配体复合物 | 计算生物学 | NA | 深度学习 | Transformer | 蛋白质结构数据，配体构象数据 | CASP15和CASF-2016数据集 | NA | zFormer | Pearson相关系数，局部距离差异测试(lDDT) | NA |
| 735 | 2025-10-05 |
Breaking the conformational ensemble barrier: Ensemble structure modeling challenges in CASP15
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26584
PMID:37872703
|
研究论文 | 本文评估了CASP15实验中蛋白质和RNA结构多构象建模的挑战与成果 | 首次在CASP社区实验中系统评估多构象建模方法，展示了AlphaFold2增强采样在蛋白质构象预测中的突破性表现 | 存在处理稀疏或低分辨率实验数据的困难，且目前缺乏有效的RNA/蛋白质复合物建模方法 | 评估蛋白质和RNA结构多构象建模方法的有效性与挑战 | 蛋白质和RNA的三维结构构象 | 计算生物学 | NA | 深度学习增强采样 | AlphaFold2 | 蛋白质和RNA结构数据 | 9个靶标结构 | AlphaFold2 | AlphaFold2 | 构象重现成功率 | NA |
| 736 | 2025-10-05 |
Critical assessment of methods of protein structure prediction (CASP)-Round XV
2023-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26617
PMID:37920879
|
研究论文 | 总结了CASP15蛋白质结构预测社区实验的结果，重点分析了深度学习方法的进展 | 首次在CASP实验中纳入RNA结构和蛋白质-配体复合物的计算评估 | 深度学习在蛋白质复合物预测中的性能尚未完全达到单蛋白质水平，界面区域准确性估计略不可靠 | 评估蛋白质结构预测方法的最新进展 | 蛋白质结构、蛋白质复合物、RNA结构、蛋白质-配体复合物 | 计算结构生物学 | NA | 深度学习 | 深度学习 | 氨基酸序列、蛋白质结构数据 | CASP15实验目标蛋白质 | NA | AlphaFold2 | 结构准确性、局部和全局准确性估计 | NA |
| 737 | 2025-10-05 |
Assessment of three-dimensional RNA structure prediction in CASP15
2023-Oct-03, bioRxiv : the preprint server for biology
DOI:10.1101/2023.04.25.538330
PMID:37162955
|
研究论文 | 评估CASP15中RNA三维结构预测方法的性能 | 首次在CASP竞赛中系统评估RNA结构预测方法，并将蛋白质结构评估指标(GDT、lDDT)和Z-score排名方法推广应用于RNA评估 | 在非经典碱基对建模、模型排序以及多结构预测方面仍存在挑战 | 评估当前RNA三维结构预测方法的准确性和实用性 | RNA三维结构预测模型 | 计算生物学 | NA | 冷冻电镜(cryo-EM)、X射线衍射 | 深度学习,传统计算方法 | RNA三维结构数据 | 12个含RNA的目标结构，42个预测组参与 | NA | NA | GDT, lDDT, Z-score | NA |
| 738 | 2025-10-05 |
Combining pairwise structural similarity and deep learning interface contact prediction to estimate protein complex model accuracy in CASP15
2023-Mar-12, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.08.531814
PMID:36945536
|
研究论文 | 开发了一种结合成对结构相似性和深度学习界面接触预测的混合方法MULTICOM_qa，用于评估蛋白质复合物模型准确性 | 首次将成对结构相似性方法与深度学习界面接触预测相结合，解决了传统方法在低质量模型聚集时失效的问题 | 未明确说明方法在特定类型蛋白质复合物上的局限性 | 开发蛋白质复合物模型准确性评估方法 | 蛋白质复合物和组装体的四级结构模型 | 生物信息学 | NA | 深度学习界面接触预测 | 深度学习 | 蛋白质结构模型 | CASP15评估中的24个预测器参与比较 | NA | NA | 相关系数, 排序损失 | NA |
| 739 | 2025-10-05 |
Development of a multi-feature predictive model for risk stratification in stage IB-IIA non-small cell lung cancer: a multicenter analysis
2025-Nov, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112379
PMID:40902436
|
研究论文 | 开发了一种整合临床病理数据与CT影像的多特征预测模型，用于IB-IIA期非小细胞肺癌的风险分层 | 首次将临床病理特征、放射组学特征和深度学习特征整合到单一预测模型中，并采用SHAP方法进行模型可解释性分析 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 开发IB-IIA期非小细胞肺癌的预后预测模型，实现风险分层 | IB-IIA期非小细胞肺癌患者 | 数字病理 | 肺癌 | CT成像，放射组学分析 | CNN，逻辑回归 | 医学影像（CT），临床数据 | 训练集370例，内部验证120例，外部验证70例 | PyTorch/TensorFlow（基于ResNet架构推断） | ResNet50 | AUC，C-index，风险比（HR） | NA |
| 740 | 2025-10-05 |
A Guided Refinement Network Model With Joint Denoising and Segmentation for Low-Dose Coronary CTA Subtle Structure Enhancement
2025-Oct, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3561338
PMID:40293900
|
研究论文 | 提出一种基于联合学习的引导精炼网络模型，用于从低剂量冠状动脉CTA中恢复高质量图像 | 将冠状动脉分割整合到去噪过程中，通过相互引导实现有效交互和协同优化 | 未明确说明样本数据的具体来源和多样性限制 | 提升低剂量冠状动脉CTA成像质量，同时实现噪声抑制和细微结构增强 | 低剂量冠状动脉CT血管造影图像 | 计算机视觉 | 心血管疾病 | CT血管造影 | 深度学习网络 | 医学图像 | NA | NA | 引导精炼网络 | 噪声抑制、细微结构恢复、视觉感知改善 | NA |