深度学习在生物医药领域中的应用
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，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10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 26779 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2025-06-20 |
A Bayesian deep learning model with consolidation-to-tumor ratio (CTR) prior revolutionizes the prediction of spread through air spaces (STAS) in stage IA lung adenocarcinoma: a large-scale diagnostic study
2025-May-30, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-890
PMID:40535077
|
research paper | 本研究开发了一种基于CTR先验的贝叶斯深度学习模型，用于预测IA期肺腺癌患者的STAS | 首次将CTR先验知识整合到贝叶斯深度学习框架中，用于STAS预测 | 研究仅针对IA期肺腺癌患者，未验证在其他分期或其他类型肺癌中的适用性 | 开发预测肺腺癌患者STAS的深度学习模型，以指导手术方案选择 | IA期肺腺癌患者 | digital pathology | lung cancer | Bayesian deep learning | DL model with variational Bayesian inference framework | medical imaging data | 1,374例患者（训练组961例，验证组275例，测试组138例） |
| 62 | 2025-06-20 |
Deep learning in histopathology images for prediction of oncogenic driver molecular alterations in lung cancer: a systematic review and meta-analysis
2025-May-30, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-2024-1196
PMID:40535093
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了深度学习模型在预测非小细胞肺癌致癌驱动分子改变方面的诊断准确性 | 利用深度学习模型从H&E染色全切片图像中预测致癌驱动分子改变，为非侵入性精准肿瘤学提供了新方法 | 需要在多样化人群和临床结果中验证这些预测模型 | 评估深度学习模型在预测非小细胞肺癌致癌驱动分子改变方面的诊断准确性 | 非小细胞肺癌患者的H&E染色全切片图像 | 数字病理学 | 肺癌 | 深度学习 | CNN | 图像 | NA |
| 63 | 2025-06-20 |
FLAMeS: A Robust Deep Learning Model for Automated Multiple Sclerosis Lesion Segmentation
2025-May-23, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.19.25327707
PMID:40475145
|
research paper | 开发了一种名为FLAMeS的深度学习模型，用于自动分割多发性硬化症（MS）的脑部病变 | FLAMeS基于nnU-Net 3D全分辨率U-Net，并在668个FLAIR MRI扫描上训练，其性能优于现有的公开方法 | FLAMeS在小于10 mm3的病变上表现不佳 | 开发一种自动化的多发性硬化症（MS）病变分割算法 | 多发性硬化症（MS）患者的脑部MRI扫描 | digital pathology | multiple sclerosis | MRI, FLAIR | nnU-Net 3D full-resolution U-Net | image | 668 FLAIR MRI scans from persons with MS, evaluated on three external datasets (MSSEG-2 n=14, MSLesSeg n=51, clinical cohort n=10) |
| 64 | 2025-06-20 |
Multiobjective learning and design of bacteriophage specificity
2025-May-19, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.19.654895
PMID:40475446
|
research paper | 该研究应用深度学习理解和设计T7噬菌体受体结合蛋白的多功能宿主靶向景观，以实现增强感染性、预定义特异性和对未见菌株的高毒力普遍性 | 通过多目标机器学习设计复杂特异性，成功率达到可进行低通量验证预测命中的水平 | 未明确提及具体局限性 | 理解和设计蛋白质的多功能景观，特别是噬菌体的宿主靶向能力 | T7噬菌体受体结合蛋白 | machine learning | NA | deep learning | NA | protein sequence and function data | 针对26种不同任务优化的噬菌体 |
| 65 | 2025-06-20 |
RadField3D: a data generator and data format for deep learning in radiation-protection dosimetry for medical applications
2025-05-16, Journal of radiological protection : official journal of the Society for Radiological Protection
IF:1.4Q3
DOI:10.1088/1361-6498/add53d
PMID:40334671
|
研究论文 | 介绍了一个基于Geant4的开源蒙特卡洛模拟应用RadField3D，用于生成三维辐射场数据集，并提出了一个快速、机器可解释的数据格式RadFiled3D，便于神经网络研究集成 | 开发了RadField3D模拟应用和RadFiled3D数据格式，支持深度学习在辐射防护剂量学中的研究 | 未提及具体的数据生成规模或应用场景的限制 | 研究使用深度学习的替代辐射模拟方法 | 三维辐射场数据集 | 机器学习 | NA | 蒙特卡洛模拟 | NA | 三维辐射场数据 | NA |
| 66 | 2025-06-20 |
AI Applications in Transfusion Medicine: Opportunities, Challenges, and Future Directions
2025-May-09, Acta haematologica
IF:1.7Q3
DOI:10.1159/000546303
PMID:40349705
|
综述 | 本文探讨了人工智能（AI）在输血医学（TM）中的整合应用及其潜力 | AI驱动的工具在TM多个领域的应用展示了提高效率、安全性和个性化的潜力 | 临床工作流程的变异性、算法透明度、公平访问以及数据隐私和偏见等伦理问题需要解决 | 探索AI在输血医学中的应用机会、挑战和未来方向 | 输血医学中的多个领域，包括供体管理、血液产品质量优化、输血需求预测和出血风险评估 | 医疗AI | NA | 机器学习、深度学习、自然语言处理、预测分析 | NA | NA | NA |
| 67 | 2025-06-20 |
The Advances in Deep Learning Modeling of Polyadenylation Codes
2025 May-Jun, Wiley interdisciplinary reviews. RNA
DOI:10.1002/wrna.70017
PMID:40468587
|
综述 | 本文总结了深度学习模型在研究多聚腺苷酸化调控方面的进展及其应用 | 深度学习模型能够解决序列复杂性，捕捉顺式调控基序之间的复杂位置相互作用，并预测切割概率和位点强度 | NA | 探讨深度学习模型在多聚腺苷酸化调控研究中的应用 | 多聚腺苷酸化位点的形成及其调控 | 自然语言处理 | NA | 深度学习 | 深度学习模型 | 序列数据 | NA |
| 68 | 2025-06-20 |
Generative prediction of real-world prevalent SARS-CoV-2 mutation with in silico virus evolution
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf276
PMID:40532108
|
research paper | 开发了一种名为ViralForesight的深度学习生成框架，用于预测现实世界中流行的SARS-CoV-2突变 | 结合蛋白质语言模型和计算机模拟病毒进化，开发了能够提前预测SARS-CoV-2流行突变的生成式深度学习框架 | 未提及具体样本量或实验验证的详细范围 | 预测新兴病毒在现实世界中的突变流行趋势，以提前更新疫苗或药物 | SARS-CoV-2病毒及其突变 | machine learning | COVID-19 | 深度学习生成框架、蛋白质语言模型、计算机模拟病毒进化 | generative deep learning | 病毒序列数据 | NA |
| 69 | 2025-06-20 |
Solving physics-based initial value problems with unsupervised machine learning
2025-May, Physical review. E
DOI:10.1103/PhysRevE.111.055302
PMID:40533973
|
研究论文 | 本文提出了一种利用无监督机器学习解决基于物理的初值问题的方法 | 提出了一个深度学习框架，通过神经网络建模多种机械系统的动力学，能够解决非线性、耦合和混沌动力系统 | 需要概率激活函数来严格学习初值问题的解，这可能增加模型的复杂性 | 解决基于物理的初值问题 | 多种机械系统，包括自由粒子、重力场中的粒子、经典摆和Hénon-Heiles系统 | 机器学习 | NA | 无监督机器学习 | 深度神经网络 | 物理系统的动力学数据 | 多个物理系统案例，包括自由粒子、重力场中的粒子、经典摆和Hénon-Heiles系统 |
| 70 | 2025-06-20 |
Longitudinal Risk Prediction for Pediatric Glioma with Temporal Deep Learning
2025-May, NEJM AI
DOI:10.1056/aioa2400703
PMID:40535328
|
研究论文 | 本研究开发了一种自监督的时序深度学习模型，用于分析儿科胶质瘤患者的连续MRI扫描，以提高复发预测的准确性 | 提出了一种自监督的时序深度学习方法，专门用于纵向医学影像分析，通过训练模型正确分类时间序列作为前置任务，再微调以预测复发风险 | 研究受限于数据可用性和当前机器学习方法的局限性 | 提高儿科胶质瘤复发预测的个体化准确性 | 儿科低级别和高级别胶质瘤患者 | 数字病理学 | 儿科胶质瘤 | MRI | 自监督时序深度学习模型 | 医学影像 | 715名患者的3994次扫描 |
| 71 | 2025-06-20 |
Retraction notice to "The analysis of teaching quality evaluation for the college sports dance by convolutional neural network model and deep learning" [Heliyon 10 (2024) e36067]
2025-Apr, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e43315
PMID:40535237
|
retraction | 该文章是对先前发表的关于使用卷积神经网络模型和深度学习分析大学体育舞蹈教学质量的论文的撤稿通知 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 72 | 2025-06-20 |
Corrigendum to "Sentiment analysis in multilingual context: Comparative analysis of machine learning and hybrid deep learning models" [Heliyon Volume 9, Issue 9, September 2023, Article e20281]
2025-Apr, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e43243
PMID:40535278
|
correction | 本文是对先前发表文章的一则更正声明 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 73 | 2025-06-20 |
Artificial intelligence accelerates the identification of nature-derived potent LOXL2 inhibitors
2025-Mar-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95530-9
PMID:40148559
|
研究论文 | 结合深度学习和传统计算机辅助药物设计方法，筛选LOXL2选择性抑制剂，并验证其抗癌效果 | 首次采用深度学习与传统计算机辅助药物设计相结合的方法，筛选出天然产物Forsythoside A作为强效LOXL2抑制剂 | 研究仅针对CT26细胞进行验证，未涉及其他癌细胞或体内实验 | 开发针对LOXL2的选择性天然抑制剂，为癌症治疗提供新方法 | LOXL2蛋白及CT26癌细胞 | 计算机辅助药物设计 | 癌症 | 深度学习、分子对接、虚拟筛选 | 深度学习模型 | 分子结构数据、生物活性数据 | 未明确说明样本数量，仅提及CT26细胞 |
| 74 | 2025-06-20 |
Deep learning and digital pathology powers prediction of HCC development in steatotic liver disease
2025-Mar-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000000904
PMID:38768142
|
研究论文 | 本研究利用深度学习和数字病理学技术，基于肝活检全切片图像预测脂肪肝病患者发展为肝细胞癌（HCC）的风险 | 开发了一种深度学习模型，能够捕捉纤维化阶段以外的细微病理特征，预测HCC的发展，并在轻度纤维化患者中也能检测出HCC发展病例 | 样本量相对较小，HCC类患者仅46例，且研究为回顾性设计 | 预测脂肪肝病患者发展为HCC的风险 | 脂肪肝病患者 | 数字病理学 | 肝细胞癌 | 深度学习 | CNN | 图像 | 639名未发展为HCC的患者和46名发展为HCC的患者 |
| 75 | 2025-06-20 |
Upfront surgery for intrahepatic cholangiocarcinoma: Prediction of futility using artificial intelligence
2025-03, Surgery
IF:3.2Q1
DOI:10.1016/j.surg.2024.06.059
PMID:39322483
|
研究论文 | 使用基于人工智能的模型预测肝内胆管癌患者手术无效的风险 | 开发了一个集成多层感知器和梯度提升分类器的人工智能模型，用于术前预测手术无效的风险 | 模型在测试队列中的准确性略低于训练队列，且敏感性为64.5%，存在一定的误判可能 | 识别肝内胆管癌患者手术无效的风险，避免不必要的手术 | 肝内胆管癌患者 | 数字病理 | 肝内胆管癌 | 机器学习和深度学习技术 | 多层感知器和梯度提升分类器的集成模型 | 临床数据 | 827名肝内胆管癌患者 |
| 76 | 2025-02-19 |
Deep learning: Cracking the metabolic code
2025-Mar-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001220
PMID:39960202
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 77 | 2025-06-20 |
scFTAT: a novel cell annotation method integrating FFT and transformer
2025-Feb-25, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06061-z
PMID:39994539
|
研究论文 | 提出了一种名为scFTAT的新型细胞注释方法，整合了FFT和Transformer技术，用于单细胞RNA数据的自动注释 | 整合了FFT和增强型Transformer，通过LDA减少数据稀疏性，并引入核近似、位置编码增强和注意力增强模块以提高训练性能 | 未提及具体的数据集规模限制或计算资源需求 | 解决单细胞RNA数据注释中的数据稀疏性和大规模数据手动注释的挑战 | 单细胞RNA测序数据 | 生物信息学 | NA | 单细胞RNA测序（scRNA-seq） | Transformer | 基因表达数据 | 六个典型数据集（包括人类和小鼠组织） |
| 78 | 2025-06-20 |
Deep Learning and Habitat Radiomics for the Prediction of Glioma Pathology Using Multiparametric MRI: A Multicenter Study
2025-Feb, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.09.021
PMID:39322536
|
研究论文 | 本研究结合深度学习和栖息地放射组学，利用多参数MRI预测胶质瘤病理结果 | 首次将栖息地分析与深度学习相结合，以提高胶质瘤病理预测的准确性 | 样本量相对有限，且来自不同中心的患者群体可能存在异质性 | 提高胶质瘤病理预测的准确性 | 387例原发性胶质瘤患者 | 数字病理 | 胶质瘤 | 多参数MRI | LightGBM, DenseNet161, ResNet50, SVM, Inception_v3, MLP | MRI图像 | 387例原发性胶质瘤患者（264例训练集，82例测试集，41例验证集） |
| 79 | 2025-06-20 |
Major advances in protein function assignment by remote homolog detection with protein language models - A review
2025-Feb, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.102984
PMID:39864241
|
review | 本文综述了基于蛋白质语言模型（pLM）的远程同源检测方法在蛋白质功能注释中的主要进展 | 介绍了利用transformer架构的蛋白质语言模型在低序列相似度情况下识别蛋白质同源物的创新方法 | NA | 提高蛋白质同源物识别的准确性和效率，以更好地理解蛋白质功能和进化关系 | 蛋白质同源物 | natural language processing | NA | 蛋白质语言模型（pLM） | transformer | 蛋白质序列 | NA |
| 80 | 2025-06-20 |
CoReSi: a GPU-based software for Compton camera reconstruction and simulation in collimator-free SPECT
2025-Jan-31, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adaacc
PMID:39813793
|
research paper | 介绍了一种基于GPU的Compton相机重建和模拟软件CoReSi，用于无准直器的SPECT成像 | CoReSi是首个开源的Compton相机重建软件，采用PyTorch实现，便于与深度学习和图像处理算法对接 | 虽然支持多种数学模型，但未提及在真实医疗场景中的验证结果 | 开发一个灵活高效的Compton相机重建和模拟工具 | Compton相机的图像重建算法 | medical imaging | NA | Compton相机成像技术 | PyTorch实现的多种数学模型 | 3D图像数据 | 未提及具体样本量 |