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 31416 篇文献，本页显示第 881 - 900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 881 | 2025-09-15 |
GastritisMIL: An interpretable deep learning model for the comprehensive histological assessment of chronic gastritis
2025-Aug-08, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101286
PMID:40843346
|
研究论文 | 提出一种可解释的深度学习模型GastritisMIL，用于慢性胃炎的综合组织学评估 | 开发了基于注意力机制的可解释深度学习模型，能生成热图辅助病理医生定位可疑病变区域，并在多中心外部验证中展现高泛化性能 | 基于回顾性数据，需前瞻性研究进一步验证临床适用性 | 通过深度学习技术实现慢性胃炎的快速客观组织学评估，辅助内镜随访策略制定 | 慢性胃炎患者的H&E染色活检切片 | 数字病理 | 胃癌前病变 | 深度学习，注意力机制 | MIL (Multiple Instance Learning) | 病理图像 | 2,744名患者（训练与测试），467名患者（多中心外部验证） |
| 882 | 2025-09-15 |
RiskPath: Explainable deep learning for multistep biomedical prediction in longitudinal data
2025-Aug-08, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101240
PMID:40843347
|
研究论文 | 介绍RiskPath，一种用于纵向数据中多步生物医学预测的可解释深度学习工具箱 | 整合理论驱动的优化以指定最优模型拓扑，并提供可解释性模块来映射预测因子随时间变化的重要性 | NA | 开发适用于风险分层用例的可解释时间序列AI方法 | 经典和新兴纵向队列中的疾病风险预测 | 机器学习 | NA | 深度学习时间序列分析 | 深度学习时间序列模型 | 纵向时间序列数据 | NA |
| 883 | 2025-09-15 |
Progress and new challenges in image-based profiling
2025-Aug-07, ArXiv
PMID:40799808
|
综述 | 本文回顾了基于图像的细胞表型分析的计算方法进展，并讨论了当前局限性与未来发展方向 | 深度学习重塑了特征提取与多模态数据整合，单细胞分析和批次效应校正等方法提升了分析精度 | 领域仍面临重大挑战，需创新性解决方案 | 为研究人员提供该领域技术进展与挑战的路线图 | 细胞表型分析 | 数字病理学 | NA | 显微镜成像，深度学习 | 深度学习模型 | 图像 | NA |
| 884 | 2025-09-15 |
On the Utility of Virtual Staining for Downstream Applications as it relates to Task Network Capacity
2025-Aug-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.04.668552
PMID:40799532
|
研究论文 | 本研究系统评估了虚拟染色技术对下游临床任务（如分割或分类）的效用，并探讨了深度神经网络容量对其影响 | 首次将任务网络容量作为关键因素分析虚拟染色对下游任务性能的影响，揭示了虚拟染色并非总是有益的新现象 | 研究基于特定生物数据集，结论的普适性可能需要进一步验证 | 评估虚拟染色技术在实际临床下游任务中的实用价值 | 生物医学图像（无标记图像、虚拟染色图像、真实荧光图像） | 数字病理 | NA | 深度学习图像到图像转换 | 深度神经网络 | 图像 | 综合生物数据集（具体数量未明确说明） |
| 885 | 2025-09-15 |
Sharing a whole-/total-body [18F]FDG-PET/CT dataset with CT-derived segmentations: an ENHANCE.PET initiative
2025-Aug-05, Research square
DOI:10.21203/rs.3.rs-7169062/v2
PMID:40799763
|
研究论文 | 发布了一个包含1597例全身和全身体[18F]FDG-PET/CT图像及对应CT分割的大型多中心数据集 | 提供了首个大规模多中心全身PET/CT数据集，包含130个目标区域的CT衍生分割，填补了深度学习研究的资源空白 | 分割结果先由自动软件生成后经培训医师修正，可能存在人工校正带来的主观偏差 | 推动PET/CT数据在临床管理中的深度学习应用和多模态图像分析 | 无明显疾病个体及肺癌、淋巴瘤和黑色素瘤患者 | 数字病理学 | 肺癌、淋巴瘤、黑色素瘤 | [18F]FDG-PET/CT成像 | NA | 医学影像（PET/CT图像和分割掩模） | 1597例PET/CT图像，包含130个解剖区域的分割 |
| 886 | 2025-09-15 |
Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics
2025-Aug-04, ArXiv
PMID:40799806
|
研究论文 | 本研究探索通过复数值表示和Kuramoto同步动力学增强深度神经网络在视觉场景中多对象编码的能力 | 结合神经科学中的同步机制，首次将复数值表示与Kuramoto动力学相结合以促进特征相位对齐，提升对象绑定性能 | NA | 研究基于同步的机制是否能增强人工模型在视觉分类任务中的对象编码能力 | 多对象图像（如重叠手写数字、噪声输入和分布外变换） | 计算机视觉 | NA | Kuramoto同步动力学 | 前馈模型和循环模型 | 图像 | NA |
| 887 | 2025-07-04 |
Retraction: A deep learning model for estimating sedation levels using heart rate variability and vital signs: a retrospective cross-sectional study at a center in South Korea
2025-Aug, Acute and critical care
IF:1.7Q3
DOI:10.4266/acc.2024.01200.r1
PMID:40602482
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 888 | 2025-09-15 |
Evaluating the Performance and Potential Bias of Predictive Models for Detection of Transthyretin Cardiac Amyloidosis
2025-Aug, JACC. Advances
DOI:10.1016/j.jacadv.2025.101901
PMID:40616933
|
研究论文 | 本研究比较了四种用于检测转甲状腺素蛋白心脏淀粉样变性（ATTR-CM）的预测模型性能，并评估了模型偏见的潜在风险 | 首次在心力衰竭人群中直接比较了基于深度学习的超声模型与传统算法在ATTR-CM检测中的性能，并系统评估了种族偏见风险 | 研究样本中79.2%为白种人，种族多样性有限，可能影响模型在其他人群中的泛化性 | 评估和比较不同算法在ATTR-CM筛查中的性能表现及模型偏见风险 | 心力衰竭患者，包括176例确诊ATTR-CM病例和3,192例对照患者 | 医疗人工智能 | 心脏淀粉样变性 | 深度学习、随机森林、逻辑回归 | EchoNet-LVH, EchoGo Amyloidosis, 随机森林模型, Mayo ATTR-CM评分 | 电子健康记录、超声心动图数据 | 3,368例患者（176例病例+3,192例对照） |
| 889 | 2025-09-15 |
Fully Automated Diagnosis of Acute Myocardial Infarction Using Electrocardiograms and Multimodal Deep Learning
2025-Aug, JACC. Advances
DOI:10.1016/j.jacadv.2025.102011
PMID:40675022
|
研究论文 | 本研究开发并验证了一种基于心电图、人口统计学和症状的多模态深度学习模型，用于自动诊断急性心肌梗死 | 首次结合心电图特征与患者人口统计学及症状数据，采用残差卷积神经网络实现急性心肌梗死的全自动诊断，并在外部验证集中表现出色 | 研究为回顾性设计，需前瞻性随机试验验证模型与急诊医生的诊断性能对比 | 开发并验证深度学习模型以提升急性心肌梗死的自动化检测能力 | 因胸痛或呼吸困难接受心电图检查的患者 | 机器学习 | 心血管疾病 | 深度学习，残差卷积神经网络 | CNN | 心电图信号，结构化临床数据 | 104,507名个体（208,366份心电图），训练集AMI占比8.17%，外部测试集占比8.59% |
| 890 | 2025-09-15 |
Artificial Intelligence Empowers Novice Users to Acquire Diagnostic-Quality Echocardiography
2025-Aug, JACC. Advances
DOI:10.1016/j.jacadv.2025.102005
PMID:40700992
|
研究论文 | 本研究评估基于AI的软件能否帮助无经验的护士获取诊断质量的心脏超声图像 | 首次证明AI可赋能无超声经验的新手操作者获取符合诊断要求的心脏超声图像 | 非随机研究，仅在两个医疗中心开展，样本量有限 | 评估AI辅助新手获取诊断质量心脏超声的可行性 | 成人患者（计划进行临床超声心动图检查） | 数字病理 | 心血管疾病 | 深度学习算法 | 深度学习 | 超声图像 | 240名患者（平均年龄62.6岁，117名女性） |
| 891 | 2025-09-15 |
Artificial intelligence and computational methods in human metabolism research: A comprehensive survey
2025-Aug, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101437
PMID:40933239
|
综述 | 本文全面综述了人工智能和计算方法在人类代谢研究中的应用与进展 | 强调了机器学习在分子水平上提升人类代谢预测建模及整合到基因组尺度代谢模型中的创新方法 | 面临数据异质性和模型可解释性等挑战 | 为药物发现与开发领域的研究者提供有价值的见解和参考，推动精准医学发展 | 人体内源性和外源性物质的代谢过程 | 机器学习 | NA | 机器学习(ML)、深度学习(DL)、基因组尺度代谢模型(GEMs) | NA | 组学数据 | NA |
| 892 | 2025-09-15 |
Detecting Oral Cancer Using Tabular Deep Learning
2025-Aug, IEEE International Conference on Omni-layer Intelligent Systems : COINS. IEEE International Conference on Omni-layer Intelligent Systems
DOI:10.1109/coins65080.2025.11125786
PMID:40933553
|
研究论文 | 本研究探索使用表格深度学习模型基于临床结构化数据检测口腔癌 | 首次将深度学习网络应用于口腔癌相关的表格医学数据，填补了该领域的研究空白 | 研究基于1791名患者的子集数据，样本规模相对有限 | 可靠预测需要活检的癌前病变和癌性病变 | 口腔癌患者和癌前病变患者 | 机器学习 | 口腔癌 | 深度学习 | tabular deep learning methods | 表格数据（电子表格格式的结构化文本数据） | 1791名患者 |
| 893 | 2025-09-15 |
Characterizing the ADPKD-IFT140 Phenotypic Signature With Deep Learning and Advanced Imaging Biomarkers
2025-Aug, Kidney international reports
IF:5.7Q1
DOI:10.1016/j.ekir.2025.04.062
PMID:40814641
|
研究论文 | 本研究利用深度学习和先进影像生物标志物，对ADPKD-IFT140的表型特征进行详细表征 | 开发了结合囊肿-实质表面积和囊肿指数的深度学习模型，以及基于最大囊肿体积占比的实用模型，用于区分ADPKD-IFT140表型 | 回顾性研究设计，样本量有限（开发队列n=81），外部验证队列较小（n=36） | 表征ADPKD-IFT140的临床表现、进展和独特的影像表型 | 携带IFT140、非截短PKD1或PKD2致病变异的患者 | 数字病理学 | 常染色体显性多囊肾病 | 深度学习，影像生物标志物分析 | 深度学习分割模型 | 影像数据 | 开发队列81例患者，内部特异性队列569例，外部敏感性队列36例 |
| 894 | 2025-09-15 |
Navigating real-world challenges: A case study on federated learning in computational pathology
2025-Aug, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100464
PMID:40822323
|
研究论文 | 本研究通过一个真实世界的临床计算病理学案例，透明地分享了联邦学习应用过程中遇到的实际挑战 | 首次在跨四国机构的真实临床环境中系统性地揭示联邦学习在计算病理学中的实施挑战，而非仅关注模拟环境中的性能提升 | 实验频率受系统和数据异质性限制，基础设施设计受医院和企业网络限制，且实施需要较高的IT专业知识和NVIDIA FLARE熟悉度 | 探索联邦学习在真实世界计算病理学应用中的实际挑战与解决方案 | 转移性黑色素瘤的数字免疫表型分析 | 计算病理学 | 黑色素瘤 | 联邦学习 (FL), NVIDIA FLARE | 深度学习模型 | 病理图像数据 | 三个客户端机构（来自四个国家）参与联合训练 |
| 895 | 2025-09-15 |
Generating 2.5D pathology for enhanced viewing and AI diagnosis
2025-Aug, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100463
PMID:40822324
|
研究论文 | 提出一种通过形态保持对齐框架构建2.5D活检核心的新方法，用于增强病理学家观察和AI诊断 | 开发了新颖的形态保持对齐框架，能够提取和共对齐连续组织切片以构建2.5D活检核心，并首次将视频transformer模型应用于病理图像分析 | NA | 改善病理活检样本的三维组织结构评估，增强AI模型捕捉空间信息的能力 | 前列腺活检、乳腺活检和肾脏活检样本 | 数字病理 | 前列腺癌、乳腺癌、肾脏疾病 | 组织切片对齐技术 | 视频transformer、深度学习分级模型 | 病理图像 | 10210例前列腺活检、156例乳腺活检、1869例肾脏活检 |
| 896 | 2025-09-15 |
Preparing Generation Z of Health Professions for Artificial Intelligence Revolution Through Hacking Education: An Interventional Study
2025-Aug, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.71169
PMID:40831685
|
研究论文 | 本研究评估基于黑客教育理念的创新AI课程对Z世代健康专业学生人工智能能力的提升效果 | 采用黑客教育模式结合翻转课堂、实践社区和游戏化等创新教学方法，针对数字原生代Z世代学生设计AI课程 | 单组前后测试设计，缺乏对照组，样本量有限（81人） | 探索适合健康专业学生的AI教育方法，为医疗AI革命培养人才 | Z世代健康专业学生 | 医学教育 | NA | 翻转课堂、小组讨论、实践社区、同伴教学、游戏化 | NA | 问卷数据 | 81名健康专业学生 |
| 897 | 2025-09-15 |
The Motion Picture: Leveraging Movement to Enhance AI Object Detection in Ecology
2025-Aug, Ecology and evolution
IF:2.3Q2
DOI:10.1002/ece3.71996
PMID:40837535
|
研究论文 | 本研究探讨利用运动信息提升生态学中AI目标检测性能的方法 | 首次在生态学领域系统比较多种运动信息利用方法（帧差分、背景减除、光流和多目标跟踪）在多样化数据集上的效果 | 对于标注充分的研究（每类超过400个标注），运动信息提升效果有限；跟踪方法表现不佳 | 提高生态影像中隐蔽物种的自动检测准确率 | 陆地、海洋和淡水生境中的生物类群 | 计算机视觉 | NA | 帧差分、背景减除、光流、多目标跟踪 | 深度学习目标检测算法 | 图像、视频 | 超过35,000张标注图像，来自四个多样化数据集 |
| 898 | 2025-09-15 |
LocPro: A deep learning-based prediction of protein subcellular localization for promoting multi-directional pharmaceutical research
2025-Aug, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101255
PMID:40837854
|
研究论文 | 提出名为LocPro的深度学习框架，用于预测蛋白质亚细胞定位以支持多方向药物研究 | 结合预训练大语言模型ESM2和专家驱动工具PROFEAT的蛋白质表示，采用混合深度神经网络架构（CNN、FC层和BiLSTM模块），并开发多标签框架以预测多粒度水平的蛋白质亚细胞定位 | NA | 开发深度学习框架以提升蛋白质亚细胞定位预测精度，促进药物靶点识别、治疗开发和药物递送系统设计 | 蛋白质序列及其亚细胞定位 | 生物信息学 | NA | 深度学习、同源性策略数据划分 | CNN、FC、BiLSTM混合架构 | 蛋白质序列数据 | NA |
| 899 | 2025-09-15 |
Deep learning unlocks global prediction of earthquake-triggered landslides
2025-Aug, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwaf282
PMID:40842863
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 900 | 2025-09-15 |
An automated ATAC-seq method reveals sequence determinants of transcription factor dose response in the open chromatin
2025-Jul-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.24.666684
PMID:40777328
|
研究论文 | 开发自动化ATAC-seq平台RoboATAC，系统研究转录因子剂量对染色质可及性和基因表达的定量影响 | 首次建立可扩展的自动化ATAC-seq方法，系统揭示DNA序列单独预测剂量敏感性的能力，并发现新型剂量敏感 motif 排列 | 研究仅在HEK293T细胞中进行，未验证其他细胞类型或体内环境 | 探究转录因子剂量与染色质可及性及基因表达的定量关系 | 22种转录因子在HEK293T细胞中的梯度过表达效应 | 表观基因组学 | NA | ATAC-seq，高通量可及性分析 | 可解释深度学习模型 | 基因组可及性数据，基因表达数据 | 246个样本（22种TF的梯度表达实验） |