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 8141 - 8160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8141 | 2025-06-16 |
Artificial intelligence revolution in drug discovery: A paradigm shift in pharmaceutical innovation
2025-Jul-25, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2025.125789
PMID:40451590
|
综述 | 本文探讨了人工智能在药物发现中的革命性作用及其对制药创新的影响 | 利用AI技术（如ML、DL和NLP）优化药物开发的多个阶段，包括靶点识别、先导化合物优化和新药设计 | 数据可及性有限、多样化数据集的整合、AI模型的可解释性以及伦理问题 | 探讨人工智能如何改变药物发现过程，提高效率并降低成本 | 药物发现过程中的各个阶段，如靶点识别、先导化合物优化和新药设计 | 人工智能在制药领域的应用 | NA | 机器学习（ML）、深度学习（DL）、自然语言处理（NLP） | AlphaFold、AtomNet | 化学和生物数据 | NA | NA | NA | NA | NA |
| 8142 | 2025-10-06 |
Deep learning model for low-dose CT late iodine enhancement imaging and extracellular volume quantification
2025-Jul, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11288-0
PMID:39704803
|
研究论文 | 开发并验证用于低剂量CT晚期碘增强成像去噪和细胞外体积定量分析的深度学习模型 | 首次将残差密集网络和条件生成对抗网络应用于CT晚期碘增强图像去噪，并实现准确的细胞外体积定量 | 回顾性研究，样本量有限（423例患者），仅来自两家医院 | 开发能够对CT晚期碘增强图像进行去噪并实现准确细胞外体积定量的深度学习模型 | 胸痛不适患者的心肌CT成像数据 | 医学影像分析 | 心血管疾病 | CT心肌灌注成像+CT血管造影+晚期碘增强成像 | CNN, GAN | 医学影像 | 423例患者（训练集182例，调优集48例，内部验证92例，外部验证101例） | NA | 残差密集网络(RDN), 条件生成对抗网络(cGAN) | 信噪比(SNR), 对比噪声比(CNR), 曲线下面积(AUC), 准确率 | NA |
| 8143 | 2025-10-06 |
Generalizability, robustness, and correction bias of segmentations of thoracic organs at risk in CT images
2025-Jul, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11321-2
PMID:39738559
|
研究论文 | 评估和比较两种深度学习方法在CT图像中分割胸部危及器官的性能、泛化性和鲁棒性 | 首次系统评估多器官分割方法与多个单器官模型融合方法在胸部OAR分割中的性能比较，并探索专家校正带来的潜在偏差 | 研究仅针对四种胸部危及器官，未涵盖其他重要器官；专家校正可能引入偏差 | 评估深度学习模型在放疗计划中胸部危及器官自动分割的性能、泛化性和鲁棒性 | CT图像中的四种胸部危及器官：食管、气管、心脏和主动脉 | 医学图像分析 | 胸部疾病 | CT成像 | 深度学习 | CT图像 | NA | nnU-Net | U-Net | Dice系数 | NA |
| 8144 | 2025-10-06 |
Malignancy risk stratification for pulmonary nodules: comparing a deep learning approach to multiparametric statistical models in different disease groups
2025-Jul, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11256-8
PMID:39747589
|
研究论文 | 比较深度学习方法和多参数统计模型在不同疾病群体中对肺结节恶性风险分层的性能 | 首次在不同风险特征和基础肺部疾病群体中系统比较深度学习模型与传统统计模型的肺结节风险分类性能 | 回顾性研究设计，样本量相对有限（297名患者，422个结节） | 评估深度学习模型在肺结节恶性风险分类中的性能 | 肺结节患者群体，包括不同风险特征和基础肺部疾病患者 | 计算机视觉 | 肺癌 | CT扫描（平扫和增强扫描） | CNN | 医学影像 | 297名患者，422个合格结节（其中105个恶性） | NA | LCP-CNN | AUC, 敏感性, ROC分析 | NA |
| 8145 | 2025-10-06 |
Deep learning-based image domain reconstruction enhances image quality and pulmonary nodule detection in ultralow-dose CT with adaptive statistical iterative reconstruction-V
2025-Jul, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11317-y
PMID:39792163
|
研究论文 | 评估基于深度学习图像重建技术对超低剂量CT图像质量和肺结节检测能力的提升效果 | 首次将深度学习图像重建技术应用于超低剂量CT的自适应统计迭代重建-V后处理，显著提升图像质量和结节检测性能 | 研究样本量为210名患者，需要在更大人群中验证；仅针对肺结节检测进行评估 | 评估深度学习图像重建技术在超低剂量CT中提升图像质量和肺结节检测能力的有效性 | 肺癌筛查患者的CT图像和肺结节 | 计算机视觉 | 肺癌 | CT扫描，深度学习图像重建 | 深度学习模型 | 医学图像 | 210名患者，463个结节 | NA | NA | 图像噪声降低率，主观图像质量评分，结节检测率，直径测量差异，结节成像清晰度评分 | NA |
| 8146 | 2025-10-06 |
Deep learning for forensic age estimation using orthopantomograms in children, adolescents, and young adults
2025-Jul, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11373-y
PMID:39862249
|
研究论文 | 本研究使用定制卷积神经网络和大型多样化数据集，通过口腔全景片进行法医年龄估计 | 采用更大规模多样化数据集训练定制CNN模型，专注于牙齿生长特征，显著提升法医年龄估计准确度 | 研究样本年龄范围限定在1-25岁，模型在其他年龄段的应用效果需要进一步验证 | 改进儿童、青少年和年轻成人的法医年龄估计方法 | 21,814张来自13,766名1-25岁个体的口腔全景片 | 计算机视觉 | NA | 口腔全景片成像 | CNN | 医学影像 | 21,814张口腔全景片，来自13,766名个体 | NA | 定制卷积神经网络 | 平均绝对误差, 平均符号误差, 准确率 | NA |
| 8147 | 2025-10-06 |
Deep learning-based time-of-flight (ToF) enhancement of non-ToF PET scans for different radiotracers
2025-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07119-z
PMID:39964543
|
研究论文 | 本研究开发了一种基于深度学习的飞行时间增强模型，用于提升非飞行时间PET扫描的图像质量 | 首次开发了适用于多种放射性示踪剂的深度学习飞行时间增强模型，可在数字BGO PET/CT扫描仪上实现接近真实飞行时间的图像质量 | 研究仅限于GE Discovery MI扫描仪数据，未在其他设备上验证 | 评估深度学习模型在增强非飞行时间PET图像质量方面的性能 | PET扫描图像数据 | 医学影像分析 | 癌症 | PET扫描，BSREM重建算法 | 深度学习 | 医学影像 | 309个训练数据集，33个验证数据集，60个测试数据集 | NA | 3D残差U-NET | 标准化摄取值，病变可检测性评分，诊断置信度评分，图像噪声/质量评分 | NA |
| 8148 | 2025-10-06 |
Artificial intelligence-powered coronary artery disease diagnosis from SPECT myocardial perfusion imaging: a comprehensive deep learning study
2025-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07145-x
PMID:39976703
|
研究论文 | 本研究开发了基于深度学习的冠状动脉疾病诊断模型，通过SPECT心肌灌注成像实现自动化CAD诊断 | 采用了13种不同深度学习模型和4种输入类型，结合监督与半监督学习策略，首次系统比较了多种DL方法在SPECT-MPI CAD诊断中的性能 | 研究仅在前降支动脉区域验证了模型性能，且ICA参考标准样本量相对有限 | 开发基于SPECT心肌灌注成像的冠状动脉疾病自动诊断系统 | 940名接受SPECT-MPI检查的患者，其中281名包含侵入性冠状动脉造影数据 | 医学影像分析 | 冠状动脉疾病 | SPECT心肌灌注成像，定量灌注SPECT，侵入性冠状动脉造影 | 深度学习 | 医学影像，极坐标图 | 940名患者，其中281名有ICA数据，100名用于模型评估 | NA | DenseNet201, ResNet152V2, InceptionResNetV2 | AUC, 准确率, 敏感性, 特异性, 精确率, 平衡准确率 | NA |
| 8149 | 2025-06-16 |
Intergenerational inequity from hydrological drought in a warming world
2025-Jul, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.125988
PMID:40449421
|
research paper | 该研究量化了全球变暖背景下不同世代面临的水文干旱风险，揭示了气候变化导致的代际不平等问题 | 首次构建了干旱模拟的级联模型链，量化了2020年和1960年出生人群的终身干旱暴露差异 | 研究基于SSP5-85情景和5个GCM输出，结果可能受限于气候模型的不确定性 | 评估全球变暖对不同世代水文干旱暴露的影响 | 全球4091个流域的水文干旱演变 | 气候变化 | NA | 混合陆地模型、深度学习和多模型集成 | 深度学习模型 | 气候模型输出和水文数据 | 4091个流域 | NA | NA | NA | NA |
| 8150 | 2025-06-16 |
Formation mechanism analysis and the prediction for compound flood arising from rainstorm and tide using explainable artificial intelligence
2025-Jul, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.125858
PMID:40450943
|
research paper | 该研究提出了一种可解释人工智能框架，用于分析暴雨和潮汐引发的复合洪水形成机制并进行预测 | 结合LSTM网络和多头注意力机制作为城市洪水模拟的替代模型，并利用SHAP方法解释模型决策过程，揭示复合洪水场景中的关键驱动因素及其相互作用 | 模型性能略低于基于物理的模型 | 提高洪水模拟的准确性和透明度，分析复合洪水的形成机制 | 沿海城市暴雨和潮汐引发的复合洪水 | machine learning | NA | XAI, SHAP | LSTM, MHA | NA | NA | NA | NA | NA | NA |
| 8151 | 2025-06-16 |
Approaches for Measuring and Predicting Fouling During Thermal Processing of Dairy Solutions
2025-Jul, Comprehensive reviews in food science and food safety
IF:12.0Q1
DOI:10.1111/1541-4337.70209
PMID:40511546
|
综述 | 本文综述了乳制品热处理过程中污垢测量和预测的当前方法，强调了科学原理、技术成熟度和工业适用性 | 与现有主要关注污垢量化的综述不同，本文突出了向预测驱动方法的转变，以控制和最小化污垢 | 讨论了各种测量和预测方法在灵敏度、可扩展性和工业稳健性方面的局限性 | 改善乳制品热处理过程中的污垢管理，优化清洁计划，提高工艺效率 | 乳制品热处理过程中的污垢 | 食品工程 | NA | 声学、光谱学和电化学传感器、深度学习、计算流体动力学和量纲分析技术 | 深度学习 | 过程数据 | NA | NA | NA | NA | NA |
| 8152 | 2025-06-16 |
Leveraging deep learning to discover interpretable cellular spatial biomarkers for prognostic predictions based on hepatocellular carcinoma histology
2025-Jul, The journal of pathology. Clinical research
DOI:10.1002/2056-4538.70033
PMID:40511597
|
研究论文 | 利用深度学习发现可解释的细胞空间生物标志物，基于肝细胞癌组织学进行预后预测 | 开发了一种计算流程，通过深度学习细胞分割和识别，系统性量化肝细胞癌病理图像中肿瘤细胞、基质细胞和淋巴细胞的空间分布特征，并发现了六个与患者总生存率显著相关的细胞空间特征 | 研究仅基于两个独立队列的数据，可能需要更多样本来验证这些生物标志物的普适性 | 发现并量化肝细胞癌肿瘤微环境中细胞空间组织的生物标志物，用于预后预测 | 肝细胞癌患者的病理图像 | 数字病理学 | 肝细胞癌 | 深度学习细胞分割和识别 | 深度学习 | 图像 | 两个独立队列：The Cancer Genome Atlas Program队列和北京医院队列 | NA | NA | NA | NA |
| 8153 | 2025-10-06 |
Characterization of hepatocellular carcinoma with CT with deep learning reconstruction compared with iterative reconstruction and 3-Tesla MRI
2025-Jul, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11314-1
PMID:39775897
|
研究论文 | 比较深度学习重建与迭代重建在肝细胞癌CT成像中的表现，并与3-Tesla MRI进行对照 | 首次系统比较深度学习重建与迭代重建在肝细胞癌LI-RADS分类中的表现，并与MRI金标准进行对照 | 单中心研究，样本量相对有限（89例患者） | 评估深度学习重建在肝细胞癌CT成像中的诊断性能 | 疑似肝细胞癌的肝脏病灶 | 医学影像分析 | 肝细胞癌 | CT成像，MRI成像，深度学习重建，迭代重建 | 深度学习模型 | 医学影像（CT和MRI图像） | 89例患者（52例肝细胞癌组，37例非肝细胞癌组） | NA | NA | 加权kappa系数，置信度评分 | NA |
| 8154 | 2025-06-16 |
Novel fusion-based time-frequency analysis for early prediction of sudden cardiac death from electrocardiogram signals
2025-Jul, Medical engineering & physics
IF:1.7Q3
DOI:10.1016/j.medengphy.2025.104370
PMID:40514105
|
研究论文 | 提出了一种基于融合的时频深度学习框架，用于通过分类相关心脏状况来早期预测心源性猝死 | 采用新颖的融合技术结合时频表示，增强了心电图信号的判别能力，实现了高精度的早期预测 | 未提及模型在不同人群或噪声环境下的鲁棒性验证 | 开发一种能够早期预测心源性猝死的方法 | 心电图信号 | 机器学习 | 心血管疾病 | 时频分析（spectrograms和scalograms） | 深度学习模型 | 心电图信号 | 未提及具体样本数量 | NA | NA | NA | NA |
| 8155 | 2025-06-16 |
Virtual Bonding Enhanced Graph Self-Supervised Learning for Molecular Property Prediction
2025-Jun-15, Journal of computational chemistry
IF:3.4Q2
DOI:10.1002/jcc.70147
PMID:40515556
|
研究论文 | 提出了一种名为VIBE-MPP的自监督学习框架，用于分子属性预测，通过结合弱相互作用和3D空间信息改进分子表示 | 引入了虚拟键合图神经网络(VBGNN)和双层次自监督增强预训练(DSBP)方法，首次在分子表示中考虑了长程原子间相互作用 | 未明确说明模型在更大分子或更复杂相互作用体系中的适用性 | 改进分子属性预测的准确性以支持药物设计与发现 | 分子及其属性 | 机器学习 | NA | 自监督学习(SSL) | Virtual Bonding Graph Neural Network (VBGNN) | 分子图数据 | 10个基准数据集 | NA | NA | NA | NA |
| 8156 | 2025-06-16 |
Multi-class transformer-based segmentation of pancreatic ductal adenocarcinoma and surrounding structures in CT imaging: a multi-center evaluation
2025-Jun-14, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05061-0
PMID:40514460
|
研究论文 | 本研究提出了一种基于深度学习的框架，用于自动化CT图像中的多类别分割，比较了四种最先进架构的性能 | 采用基于Transformer的架构（特别是Swin-UNet）进行胰腺导管腺癌及周围结构的多类别分割，表现出优异的性能和泛化能力 | 研究为回顾性多中心研究，可能存在数据偏差 | 开发自动化分割胰腺导管腺癌及周围解剖结构的深度学习框架，以辅助诊断、治疗计划和结果评估 | 胰腺导管腺癌（PDAC）及周围结构（胰腺、静脉、动脉、胰管和胆总管） | 数字病理 | 胰腺导管腺癌 | 深度学习 | UNet, nnU-Net, UNETR, Swin-UNet | CT图像 | 3265名患者（来自6个机构），其中569名用于独立测试 | NA | NA | NA | NA |
| 8157 | 2025-06-16 |
Retinal Vessel Traits and Age-Related Eye Disease in the Canadian Longitudinal Study on Aging
2025-Jun-14, Clinical & experimental ophthalmology
DOI:10.1111/ceo.14566
PMID:40515626
|
研究论文 | 本研究通过横断面和纵向分析，探讨视网膜血管特征与青光眼相关结果及年龄相关性黄斑变性（AMD）的关联 | 使用深度学习算法QUARTZ从视网膜图像中提取数据，并首次在大型纵向研究中分析视网膜血管特征与眼病的关联 | 青光眼和AMD为自我报告数据，可能存在偏差 | 探究视网膜微血管变化与眼病发展的时序关系 | 加拿大老龄化纵向研究中的30,097名参与者 | 数字病理学 | 青光眼, 年龄相关性黄斑变性 | 深度学习 | QUARTZ | 图像 | 30,097名参与者，随访率92% | NA | NA | NA | NA |
| 8158 | 2025-06-16 |
Predicting peroxisome proliferator-activated receptor gamma potency of small molecules: a synergistic consensus model and deep learning binding affinity approach powered by Enalos Cloud Platform
2025-Jun-14, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11230-6
PMID:40515966
|
研究论文 | 本研究介绍了两种先进的计算机模型，用于预测靶向PPARγ的小分子化合物的结合亲和力和生物活性 | 开发了基于分子对接分数的神经网络分类器和结合随机森林、支持向量机及k近邻算法的共识模型，用于预测小分子的PPARγ拮抗活性 | 模型验证虽遵循OECD指南，但样本量相对较小（34种PFAS物质） | 支持抗糖尿病治疗中PPARγ调节剂的发现 | 靶向PPARγ的小分子化合物 | 机器学习 | 糖尿病 | 分子对接、虚拟筛选 | 神经网络、随机森林、支持向量机、k近邻 | 分子描述符数据 | 34种PFAS物质 | NA | NA | NA | NA |
| 8159 | 2025-06-16 |
Predicting pulmonary hemodynamics in pediatric pulmonary arterial hypertension using cardiac magnetic resonance imaging and machine learning: an exploratory pilot study
2025-Jun-14, The international journal of cardiovascular imaging
DOI:10.1007/s10554-025-03434-6
PMID:40515976
|
研究论文 | 本研究探索了利用机器学习从非侵入性心脏磁共振（CMR）电影图像中预测儿童肺动脉高压（PAH）患者的肺动脉血流动力学的潜力 | 首次将深度学习模型应用于儿童PAH患者的非侵入性CMR图像，以预测肺动脉压力和血管阻力指数 | 样本量较小（40例），且为回顾性研究，结果需要更大规模的前瞻性研究验证 | 探索非侵入性方法替代心导管检查评估儿童PAH患者的血流动力学参数 | 儿童肺动脉高压患者 | 医学影像分析 | 肺动脉高压 | 心脏磁共振成像（CMR） | 深度学习模型 | 医学影像 | 40例儿童PAH患者的CMR研究 | NA | NA | NA | NA |
| 8160 | 2025-06-16 |
Optimizing stroke detection with genetic algorithm-based feature selection in deep learning models
2025-Jun-14, Applied neuropsychology. Adult
DOI:10.1080/23279095.2025.2516259
PMID:40516039
|
研究论文 | 本研究探讨了基于遗传算法的特征选择与三种深度学习架构（InceptionV3、VGG19和MobileNetV2）的集成，以提升神经影像数据中的中风检测效果 | 将遗传算法与MobileNetV2结合用于特征选择，显著提高了分类准确率并降低了计算复杂度，这是相对于传统CNN流程的创新点 | 研究仅针对神经影像数据中的中风检测，未涉及其他类型的医学影像或疾病 | 开发准确且高效的中风诊断模型 | 神经影像数据中的中风检测 | 数字病理学 | 心血管疾病 | 遗传算法（GA） | InceptionV3, VGG19, MobileNetV2 | 图像 | NA | NA | NA | NA | NA |