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 8041 - 8060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8041 | 2025-06-16 |
Correction: Optimizing breast lesions diagnosis and decision-making with a deep learning fusion model integrating ultrasound and mammography: a dual-center retrospective study
2025-Jun-13, Breast cancer research : BCR
IF:6.1Q1
DOI:10.1186/s13058-025-02060-3
PMID:40514720
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8042 | 2025-06-18 |
Minimizing human-induced variability in quantitative angiography for a robust and explainable AI-based occlusion prediction in flow diverter-treated aneurysms
2025-Jun-12, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2025-023416
PMID:40506221
|
研究论文 | 本研究通过消除定量血管造影中的注射偏差，提高基于深度神经网络的颅内动脉瘤闭塞预测的准确性和可解释性 | 提出了一种注射偏差去除算法，结合可解释AI（XAI）技术，提高了模型的预测准确性和临床可解释性 | 研究仅基于458名患者的血管造影数据，样本量可能不足以覆盖所有临床情况 | 提高流动转向器治疗的颅内动脉瘤闭塞预测的准确性和模型可解释性 | 流动转向器治疗的颅内动脉瘤患者 | 数字病理 | 颅内动脉瘤 | 定量血管造影（QA），深度神经网络（DNN），局部可解释模型无关解释（LIME） | DNN | 血管造影图像 | 458名患者的血管造影数据 | NA | NA | NA | NA |
| 8043 | 2025-06-18 |
A deep learning method for nanoparticle size measurement in SEM images
2025-Jun-10, RSC advances
IF:3.9Q2
DOI:10.1039/d5ra03210e
PMID:40519686
|
研究论文 | 提出一种基于深度学习的SEM图像中纳米颗粒尺寸测量方法 | 结合注意力机制和残差网络的改进U-Net模型，以及自动标尺识别算法，提高了小颗粒识别和低对比度区域分割的准确性 | NA | 开发一种高可靠性的纳米颗粒尺寸自动测量方法 | SEM图像中的纳米颗粒 | 计算机视觉 | NA | 深度学习 | 改进的U-Net模型（结合ResNet50和CBAM模块） | 图像 | NA | NA | NA | NA | NA |
| 8044 | 2025-06-18 |
Prediction of the Association between Transfer RNA and Diseases: A Deep Learning Approach Combining Multi-View Graph Convolution and Attention Mechanisms
2025-Jun-10, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c03029
PMID:40521536
|
research paper | 该研究提出了一种名为MGC2ATDA的深度学习模型，用于预测tRNA与疾病之间的关联 | 整合了多视图图卷积网络、缩放注意力融合模块和交叉注意力机制，提高了预测tRNA与疾病关联的准确性和泛化能力 | 未明确提及具体局限性 | 开发一种高效的计算方法，用于识别tRNA与疾病之间的潜在关联 | tRNA与疾病的关联 | machine learning | NA | 深度学习 | MGC2ATDA（整合了多视图图卷积网络、缩放注意力融合模块和交叉注意力机制） | tRNA序列数据和疾病关联数据 | 基于MNDR4.0数据集，未明确提及具体样本数量 | NA | NA | NA | NA |
| 8045 | 2025-06-18 |
Segmentation of Leukoaraiosis on Noncontrast Head CT Using CT-MRI Paired Data Without Human Annotation
2025-Jun, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.70602
PMID:40495458
|
研究论文 | 开发并验证了一种基于深度学习的算法，用于在非对比头部CT上分割白质疏松症（LA），使用CT-MRI配对数据而无需人工标注 | 利用CT-MRI配对数据生成伪真实标签，并通过深度学习算法实现LA的自动分割，填补了CT和MRI评估之间的空白 | 算法在外部测试集上的Dice相似系数（DSC）为0.527，仍有提升空间 | 开发一种可重复的方法，用于在CT上分割LA，以改善缺血性卒中患者的评估 | 白质疏松症（LA）患者 | 数字病理 | 缺血性卒中 | 深度学习，图像配准 | 2D nnU-Net | CT和MRI图像 | 多中心数据集，包括韩国和美国的数据集，独立临床队列（n=867） | NA | NA | NA | NA |
| 8046 | 2025-06-18 |
Neur-Ally: a deep learning model for regulatory variant prediction based on genomic and epigenomic features in brain and its validation in certain neurological disorders
2025-Jun, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqaf080
PMID:40519652
|
研究论文 | 开发了一个名为Neur-Ally的深度学习模型，用于基于大脑中的基因组和表观基因组特征预测调控变异，并在某些神经系统疾病中进行了验证 | 利用深度学习模型预测非编码SNP的调控功能，解决了传统方法中忽略非编码区域SNP调控功能的问题 | 模型仅基于神经组织和细胞系样本的表观基因组数据进行训练，可能无法完全覆盖所有神经系统疾病的变异 | 区分调控性非编码SNP与非调控性SNP，以更好地理解神经系统疾病的遗传基础 | 神经系统疾病相关的非编码SNP | 机器学习 | 神经系统疾病 | 深度学习 | 深度学习模型 | 基因组和表观基因组数据 | NA | NA | NA | NA | NA |
| 8047 | 2025-06-18 |
Harnessing Artificial Intelligence in Pediatric Oncology Diagnosis and Treatment: A Review
2025-May-30, Cancers
IF:4.5Q1
DOI:10.3390/cancers17111828
PMID:40507308
|
review | 本文综述了人工智能在儿科肿瘤学诊断和治疗中的应用及其潜力 | 探讨了AI在儿科肿瘤学中的新兴趋势，如基于AI的放射组学和蛋白质组学应用 | 儿科癌症数据的异质性和稀缺性、影像技术的快速发展和数据隐私及算法透明性的伦理问题 | 提高儿童癌症诊断和治疗的准确性和有效性 | 儿科肿瘤学中的主要癌症类型 | machine learning | pediatric cancer | machine learning (ML), deep learning (DL) | NA | imaging, proteomics data | NA | NA | NA | NA | NA |
| 8048 | 2025-06-18 |
Evolution of deep learning tooth segmentation from CT/CBCT images: a systematic review and meta-analysis
2025-May-26, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-05984-6
PMID:40420051
|
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在牙齿分割中的演变和性能 | 总结了多种深度学习算法在牙齿分割中的应用，并按照主干网络结构进行了分类，发现整合注意力机制的卷积模型成为新热点 | 研究间缺乏标准化协议和开放标签数据集，样本大小与分割性能之间未观察到明显相关性 | 评估深度学习在CT/CBCT图像牙齿分割中的演变和性能 | 人类牙齿的CT/CBCT图像 | 计算机视觉 | NA | 深度学习 | CNN, U-Net, Transformer, 注意力机制模型 | CT/CBCT图像 | 30项研究（其中28项用于荟萃分析） | NA | NA | NA | NA |
| 8049 | 2025-06-18 |
Novel Antimicrobials from Computational Modelling and Drug Repositioning: Potential In Silico Strategies to Increase Therapeutic Arsenal Against Antimicrobial Resistance
2025-May-24, Molecules (Basel, Switzerland)
DOI:10.3390/molecules30112303
PMID:40509191
|
综述 | 本文综述了通过计算建模和药物重定位开发新型抗菌剂的最新进展 | 利用计算模型预测药物-靶点相互作用，将已注册药物重新定位为潜在抗菌剂 | 现有模型和方法仍需改进以应对快速出现的抗菌素耐药性 | 增加对抗菌素耐药性的治疗手段 | 已注册药物及其潜在抗菌活性 | 机器学习 | 感染性疾病 | 机器学习、分子对接、分子动力学和深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 8050 | 2025-06-18 |
Impact of Scanner Manufacturer, Endorectal Coil Use, and Clinical Variables on Deep Learning-assisted Prostate Cancer Classification Using Multiparametric MRI
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.230555
PMID:39841063
|
研究论文 | 评估扫描仪制造商和扫描协议对深度学习模型在前列腺癌（PCa）双参数MRI（bpMRI）中分类侵袭性性能的影响 | 研究了不同扫描仪制造商和直肠内线圈（ERC）使用对深度学习模型性能的影响，并分析了临床特征对模型性能的贡献 | 研究为回顾性设计，可能受到数据选择和偏差的影响 | 评估扫描仪制造商和扫描协议对深度学习模型在前列腺癌侵袭性分类中的影响 | 5478例来自13个中心的前列腺癌bpMRI数据 | 数字病理学 | 前列腺癌 | 双参数MRI（bpMRI） | CNN | 图像 | 5478例前列腺癌bpMRI数据 | NA | NA | NA | NA |
| 8051 | 2025-06-18 |
Predicting Major Adverse Cardiac Events Using Deep Learning-based Coronary Artery Disease Analysis at CT Angiography
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.240459
PMID:40202417
|
研究论文 | 评估基于深度学习的冠状动脉疾病分析在预测急诊科急性胸痛患者主要不良心脏事件中的价值 | 使用深度学习模型对冠状动脉疾病程度进行分析，并证明其在预测主要不良心脏事件方面比临床风险因素具有更强的预测价值 | 研究为回顾性多中心观察性研究，可能存在选择偏倚 | 评估深度学习在冠状动脉疾病分析中对主要不良心脏事件的预测能力 | 急诊科急性胸痛患者 | 数字病理学 | 心血管疾病 | CT血管造影 | 深度学习模型 | 医学影像 | 408名患者（224名男性；平均年龄59.4岁±14.6） | NA | NA | NA | NA |
| 8052 | 2025-06-18 |
KansformerEPI: a deep learning framework integrating KAN and transformer for predicting enhancer-promoter interactions
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf272
PMID:40515390
|
研究论文 | 提出了一种名为KansformerEPI的深度学习框架，用于预测增强子-启动子相互作用（EPI） | 整合了KAN和Transformer的Kansformer编码器，有效捕捉多种表观遗传和序列特征之间的非线性关系，实现跨组织预测 | 未明确提及具体局限性 | 提高跨多种细胞类型的增强子-启动子相互作用预测准确性 | 增强子-启动子相互作用（EPI） | 机器学习 | NA | 深度学习 | Kansformer（KAN + Transformer） | 表观遗传和序列数据 | 多个细胞系数据集（HMEC、IMR90、K562、NHEK） | NA | NA | NA | NA |
| 8053 | 2025-06-18 |
Gene Swin transformer: new deep learning method for colorectal cancer prognosis using transcriptomic data
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf275
PMID:40515391
|
研究论文 | 开发了一种名为Gene Swin Transformer的新深度学习方法，用于利用转录组数据预测结直肠癌预后 | 提出将转录组数据转换为合成图像元素(SIEs)，并利用改进的Swin-T模型进行预后预测，同时识别出PEX10基因作为关键预后标志物 | NA | 开发可靠的结直肠癌预后预测模型 | 结直肠癌患者的转录组数据 | 数字病理学 | 结直肠癌 | RNA测序 | Swin Transformer, BeiT, ResNet, ViT Transformer | 转录组数据 | 12个数据集共2230个样本(GSE17536-GSE103479数据集n=1771，癌症基因组图谱n=459) | NA | NA | NA | NA |
| 8054 | 2025-06-18 |
scValue: value-based subsampling of large-scale single-cell transcriptomic data for machine and deep learning tasks
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf279
PMID:40515392
|
research paper | 介绍了一种名为scValue的新方法，用于大规模单细胞转录组数据的基于价值的子采样，以优化机器学习和深度学习任务的性能 | 使用随机森林模型的袋外估计对单个细胞进行'数据价值'排名，优先考虑高价值细胞，并更有效地保留关键生物信号 | 未提及具体局限性 | 优化大规模单细胞RNA测序数据在机器学习和深度学习任务中的子采样方法 | 单细胞RNA测序数据 | machine learning | NA | scRNA-seq | random forest | RNA-seq数据 | 16个公共数据集，从数万到数百万个细胞不等 | NA | NA | NA | NA |
| 8055 | 2025-06-18 |
ProtPhage: a deep learning framework for phage viral protein identification and functional annotation
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf285
PMID:40515393
|
research paper | 提出了一种名为ProtPhage的深度学习框架，用于识别和功能注释噬菌体病毒蛋白 | 利用ProtT5蛋白质语言模型进行更丰富的序列表示，并采用非对称损失函数缓解类别不平衡问题，显著提高了少数类'minor capsid'的预测性能 | NA | 解决噬菌体病毒蛋白识别和功能注释的挑战 | 噬菌体病毒蛋白(PVPs) | computational biology | NA | deep learning | ProtT5 | protein sequence | NA | NA | NA | NA | NA |
| 8056 | 2025-06-18 |
Artificial Intelligence-Driven Telehealth Framework for Detecting Nystagmus
2025-May, Cureus
DOI:10.7759/cureus.84036
PMID:40519455
|
研究论文 | 本研究实现了一个基于人工智能的临床决策支持系统，用于实时检测眼球震颤，展示了其在远程医疗平台中的整合潜力 | 开发了一个基于云计算的深度学习框架，能够实时追踪眼球运动并检测468个面部标志点，为远程诊断提供支持 | 作为概念验证性研究，样本量较小（10名受试者），需要更大样本量的进一步研究 | 开发人工智能驱动的远程医疗框架，用于检测眼球震颤 | 眼球震颤患者 | 数字病理 | NA | 深度学习，视频眼震图（VNG） | 深度学习模型 | 视频数据 | 10名受试者 | NA | NA | NA | NA |
| 8057 | 2025-06-18 |
Automatic detection of trapping events of postnatal piglets in loose housing pen: comparison of YOLO versions 4, 5, and 8
2025-May, Journal of animal science and technology
IF:2.7Q1
DOI:10.5187/jast.2024.e106
PMID:40519615
|
研究论文 | 本研究比较了YOLO不同版本（v4、v5和v8）在检测产后仔猪在散养栏中的被困事件中的性能，旨在为猪业提供最优的AIoT监控方案 | 首次系统比较了YOLOv4-Tiny、YOLOv5s和YOLOv8s在仔猪被困事件检测中的性能，并综合考虑模型大小和精度提出了最优选择 | 研究仅基于编辑过的2-3分钟视频片段，可能无法完全反映实际养殖场景的复杂性 | 比较不同YOLO版本在仔猪被困事件检测中的性能，寻找最适合AIoT系统的算法 | 产后仔猪在散养栏中的被困事件 | 计算机视觉 | NA | 深度学习目标识别算法 | YOLOv4-Tiny, YOLOv5s, YOLOv8s | 视频 | 从分娩栏录像中提取的编辑视频片段（具体数量未说明） | NA | NA | NA | NA |
| 8058 | 2025-06-18 |
From Visualization to Automation: A Narrative Review of Deep Learning's Impact on Ultrasound-based Median Nerve Assessment
2025 Apr-Jun, Journal of medical ultrasound
IF:0.9Q4
DOI:10.4103/jmu.JMU-D-25-00010
PMID:40521317
|
review | 本文综述了深度学习在超声诊断外周神经疾病中的应用，特别是对腕管综合征中正中神经分割的影响 | 探讨了深度学习与超声技术结合在提高诊断准确性和效率方面的潜力，并展望了未来研究方向 | 未提及具体的数据集或实验结果的局限性 | 回顾深度学习在超声诊断外周神经疾病中的应用现状及未来发展方向 | 外周神经疾病，特别是腕管综合征中的正中神经 | digital pathology | peripheral nerve disorders | ultrasound imaging | deep learning | image | NA | NA | NA | NA | NA |
| 8059 | 2025-06-18 |
Minimizing Human-Induced Variability in Quantitative Angiography for Robust and Explainable AI-Based Occlusion Prediction
2025-Mar-13, ArXiv
PMID:40160450
|
研究论文 | 本研究探讨了通过消除对比剂注射变异性带来的偏差，提高定量血管造影（QA）和深度神经网络（DNNs）在颅内动脉瘤（IA）闭塞预测中的准确性，并利用可解释AI（XAI）增强模型的可靠性和可解释性 | 提出了一种注射偏差去除算法以减少QA变异性，并利用LIME方法增强深度学习模型的可解释性 | 研究仅针对使用流动转向装置治疗的动脉瘤，样本量为458例，可能限制结果的普遍性 | 提高流动转向装置治疗的颅内动脉瘤闭塞预测的准确性和可解释性 | 使用流动转向装置治疗的颅内动脉瘤患者 | 数字病理学 | 颅内动脉瘤 | 定量血管造影（QA），深度神经网络（DNNs），局部可解释模型无关解释（LIME） | DNN | 图像 | 458例患者的血管造影图像 | NA | NA | NA | NA |
| 8060 | 2025-06-18 |
Anisotropic Spherical Gaussians Lighting Priors for Indoor Environment Map Estimation
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3575902
PMID:40489269
|
研究论文 | 提出一种利用各向异性球面高斯函数作为先验，从单张标准图像估计室内HDR环境光照图的新方法 | 使用各向异性球面高斯（ASG）替代传统的球面高斯（SG）表示，能更好地捕捉复杂光照的各向异性特性，并提出了基于transformer的网络和两阶段训练方案 | NA | 从单张标准图像估计室内HDR环境光照图 | 室内环境光照 | 计算机视觉 | NA | 深度学习 | transformer | 图像 | NA | NA | NA | NA | NA |