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 25752 篇文献，本页显示第 81 - 100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2025-06-01 |
Real-time segmentation and detection of ponticulus posticus in lateral cephalometric radiographs using YOLOv8: a step towards enhanced clinical evaluation
2025-May-28, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-06196-8
PMID:40437474
|
研究论文 | 本研究开发了一种基于YOLOv8-seg模型的深度学习方法，用于在侧位头影测量X光片中实时分割和检测Ponticulus posticus（PP） | 首次将YOLOv8-seg模型应用于PP的检测，提高了检测的准确性和效率 | 研究仅使用了1000张X光片，样本量相对较小，且模型在PP边界不清晰时的性能未完全评估 | 开发一种自动检测PP的方法，以辅助正畸诊断和临床决策 | 侧位头影测量X光片中的Ponticulus posticus（PP） | 数字病理 | 颅椎病理 | YOLOv8-seg模型 | YOLOv8 | 图像 | 1000张侧位头影测量X光片 |
| 82 | 2025-06-01 |
NeuroScale: evolutional scale-based protein language models enable prediction of neuropeptides
2025-May-28, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-025-02243-6
PMID:40437538
|
研究论文 | 本文介绍了NeuroScale，一种基于进化尺度建模的多通道神经网络模型，用于精确预测神经肽 | NeuroScale通过整合GoogLeNet框架，有效捕捉多尺度神经肽特征，实现了稳健且准确的分类 | NA | 开发更有效的计算方法以准确识别神经肽 | 神经肽（NPs） | 自然语言处理 | NA | 进化尺度建模（ESM） | 多通道神经网络模型，GoogLeNet | 蛋白质序列 | NA |
| 83 | 2025-06-01 |
A highly scalable deep learning language model for common risks prediction among psychiatric inpatients
2025-May-28, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-025-04150-7
PMID:40437564
|
研究论文 | 开发了一种基于Transformer的可扩展深度学习语言模型，用于精神病住院患者的常见风险预测 | 首次探索基于Transformer的语言模型在精神病住院患者常见风险评估中的性能，并开发了多任务半结构化Transformer语言模型（SSTL） | 研究仅限于三种精神病诊断（精神分裂症、双相情感障碍和抑郁症），且外部验证队列样本量相对较小 | 开发并验证一种可扩展的风险评估模型，用于精神病住院患者的常见风险预测 | 精神病住院患者，特别是首次住院的精神分裂症、双相情感障碍和抑郁症患者 | 自然语言处理 | 精神疾病 | 深度学习语言模型 | Transformer, SSTL | 文本（首次医疗记录、实验室检查、医嘱、心理量表） | 7451名患者（训练队列）和1180名患者（外部验证队列） |
| 84 | 2025-06-01 |
Operationalizing postmortem pathology-MRI association studies in Alzheimer's disease and related disorders with MRI-guided histology sampling
2025-May-28, Acta neuropathologica communications
IF:6.2Q1
DOI:10.1186/s40478-025-02030-y
PMID:40437594
|
研究论文 | 本文开发了一种结合7T MRI引导的组织病理学采样和全切片数字成像的综合方案，用于阿尔茨海默病及相关疾病的死后病理-MRI关联研究 | 提出了一种标准化的全半球死后7T MRI引导的组织病理学采样方法，并开发了半自动的MRI到组织学配准流程和基于弱监督深度学习的定量病理评分系统 | 研究样本量相对较小（29个大脑），且主要关注阿尔茨海默病谱系疾病 | 开发一种可扩展且可重复的方法来研究死后脑病理学，以促进阿尔茨海默病及相关疾病的诊断和治疗策略 | 阿尔茨海默病及相关疾病患者的死后大脑组织 | 数字病理 | 阿尔茨海默病 | 7T MRI, 全切片数字成像, 弱监督深度学习 | 深度学习 | MRI图像, 组织学图像 | 29个诊断为阿尔茨海默病谱系的大脑 |
| 85 | 2025-06-01 |
Deep learning radiomics fusion model to predict visceral pleural invasion of clinical stage IA lung adenocarcinoma: a multicenter study
2025-May-28, Journal of cardiothoracic surgery
IF:1.5Q3
DOI:10.1186/s13019-025-03488-6
PMID:40437608
|
研究论文 | 本研究通过深度学习和放射组学融合模型预测临床IA期肺腺癌的内脏胸膜侵犯，并在多中心研究中验证其性能 | 提出了一种决策级（晚期融合）模型，显著降低了过拟合风险，并在多中心外部验证中表现出优异的鲁棒性 | 研究样本量相对有限（449例患者），且仅针对临床IA期肺腺癌 | 评估放射组学、深度学习和融合模型在预测肺腺癌内脏胸膜侵犯中的性能及其辅助诊断效用 | 临床IA期肺腺癌患者 | 数字病理 | 肺癌 | 深度学习和放射组学 | 融合模型（早期融合和晚期融合） | 医学影像数据 | 449例患者（训练队列289例，外部测试队列160例） |
| 86 | 2025-06-01 |
Leveraging computer vision systems for monitoring hutch-housed dairy calves
2025-May-28, Journal of dairy science
IF:3.7Q2
DOI:10.3168/jds.2025-26267
PMID:40447089
|
研究论文 | 本文开发了一种计算机视觉系统（CVS），用于监测户外圈养奶犊牛的位置和姿势，并比较了两种深度学习算法在边缘计算系统中的预测性能 | 首次将计算机视觉系统应用于户外圈养奶犊牛的行为监测，并比较了大型和小型深度学习模型在边缘计算中的适用性 | 研究仅针对12头断奶前母犊牛进行了20天的监测，样本量相对较小 | 开发自动化监测系统以评估奶犊牛的健康和福利状况 | 户外圈养的断奶前奶犊牛 | 计算机视觉 | NA | 计算机视觉系统（CVS） | YOLOv3, YOLOv3-tiny | 图像 | 12头断奶前母犊牛，收集了27,704张图像 |
| 87 | 2025-06-01 |
Letter to the Editor on "Deep Learning Algorithms to Predict Differential Renal Function <40% in Unilateral Hydronephrosis Based on Key Parameters of Urinary Tract Ultrasound"
2025-May-28, Urology
IF:2.1Q2
DOI:10.1016/j.urology.2025.05.044
PMID:40447158
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 88 | 2025-06-01 |
Deep Learning Differentiates Papilledema, NAION, and Healthy Eyes with Unsegmented 3D OCT Volumes
2025-May-28, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.05.036
PMID:40447246
|
研究论文 | 本研究利用深度学习技术，通过未分割的3D OCT体积数据，区分视乳头水肿、非动脉炎性前部缺血性视神经病变（NAION）和健康眼睛 | 首次使用完整的3D OCT体积数据进行深度学习，以区分NAION、视乳头水肿和健康眼睛，展示了视乳头周围视网膜（PPR）和视神经头（ONH）在诊断中的重要性 | 研究为回顾性分析，可能存在选择偏差，且外部验证集的样本量相对较小 | 开发一种可靠的自动化诊断工具，用于区分视乳头水肿、NAION和健康眼睛 | 视乳头水肿、非动脉炎性前部缺血性视神经病变（NAION）和健康眼睛的OCT扫描数据 | 数字病理学 | 视神经疾病 | 光学相干断层扫描（OCT） | ResNet 3D-18 | 3D OCT体积数据 | 4619份原始光谱域ONH体积扫描（来自1539只眼睛），外部验证集包含1663份扫描（来自742只眼睛） |
| 89 | 2025-06-01 |
A Deep Learning Model for Accurate Segmentation of the Drosophila melanogaster Brain from Micro-CT Imaging
2025-May-28, Developmental biology
IF:2.5Q2
DOI:10.1016/j.ydbio.2025.05.027
PMID:40447251
|
research paper | 该研究开发了一种深度学习模型，用于从Micro-CT成像中准确分割果蝇大脑 | 利用预训练神经网络和少量Micro-CT图像训练出准确的3D深度学习模型，并能适应不同组织对比染色、扫描仪型号和基因型 | 训练数据量有限（仅1-3张Micro-CT图像） | 开发自动化工具以简化Micro-CT图像分析流程 | 成年黑腹果蝇（Drosophila melanogaster）大脑 | computer vision | NA | Micro-CT成像 | 3D深度学习模型（基于预训练神经网络） | 3D Micro-CT图像 | 1-3张成年黑腹果蝇大脑Micro-CT图像 |
| 90 | 2025-06-01 |
Artificial Intelligence Tools for Preconception Cardiomyopathy Screening Among Women of Reproductive Age
2025-May-27, Annals of family medicine
IF:4.4Q1
DOI:10.1370/afm.230627
PMID:40300816
|
research paper | 评估人工智能工具在育龄妇女中检测左心室收缩功能障碍（LVSD）的诊断性能 | 使用深度学习方法从12导联心电图和数字听诊器记录中生成LVSD的预测概率 | 研究样本量较小（共200名参与者），且仅限于特定医疗机构的患者 | 评估人工智能工具在育龄妇女中筛查心肌病的有效性 | 育龄妇女（18-49岁） | digital pathology | cardiovascular disease | 12-lead ECG, digital stethoscope recordings, deep learning | deep learning | ECG, phonocardiography | 200名育龄妇女（分为两个队列，各100人） |
| 91 | 2025-06-01 |
Multiple-Basin Go̅-Martini for Investigating Conformational Transitions and Environmental Interactions of Proteins
2025-May-27, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00256
PMID:40359486
|
research paper | 提出了一种名为Multiple-basin Go̅-Martini的新方法，用于研究蛋白质在显式环境中的构象转变及其与环境相互作用 | 结合了Go̅-Martini模型与指数混合方案，能够在显式环境中模拟蛋白质的自发构象转变 | 未提及具体的时间尺度或计算成本节省的具体数据 | 研究蛋白质构象转变及其与环境相互作用 | 蛋白质（GlnBP、Arc、Hinge、SemiSWEET和TRAAK） | 生物物理学 | NA | 分子动力学模拟（MD）、Multiple-basin Go̅-Martini方法 | Go̅-Martini模型 | 模拟数据 | 五个案例研究（GlnBP、Arc、Hinge、SemiSWEET和TRAAK） |
| 92 | 2025-06-01 |
Reliable protein-protein docking with AlphaFold, Rosetta, and replica exchange
2025-May-27, eLife
IF:6.4Q1
DOI:10.7554/eLife.94029
PMID:40424178
|
research paper | 该研究结合AlphaFold作为结构模板生成器与基于物理的副本交换对接算法，以提高蛋白质复合物结构预测的准确性 | 提出AlphaRED（AlphaFold-initiated Replica Exchange Docking）方法，结合深度学习和物理增强采样技术，显著提高了蛋白质对接的成功率 | 研究仅针对254个蛋白质靶标进行了测试，样本量有限，且未涵盖所有可能的蛋白质相互作用类型 | 提高蛋白质复合物结构预测的准确性，特别是在存在显著构象变化的情况下 | 蛋白质复合物，特别是那些在结合过程中发生显著构象变化的蛋白质 | computational biology | NA | AlphaFold, Rosetta, replica exchange docking | AlphaFold, ReplicaDock 2.0 | protein structure data | 254个蛋白质靶标，包括未结合和结合结构 |
| 93 | 2025-06-01 |
PathoGraph: A Graph-Based Method for Standardized Representation of Pathology Knowledge
2025-May-27, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04906-z
PMID:40425649
|
research paper | 提出了一种基于图的知识表示方法PathoGraph，用于系统化组织病理学知识以促进其计算利用 | PathoGraph能够全面且结构化地捕捉多尺度疾病特征及病理学家的专业知识，并展示了其在大规模自动化构建及下游深度学习任务中的性能提升 | 未提及具体的技术实现细节或在不同病理学亚领域的普适性验证 | 系统化组织病理学知识以促进AI技术在病理学领域的有效整合 | 病理学数据（包括切片和诊断报告）及其隐含知识 | digital pathology | neoplastic diseases | graph-based knowledge representation | NA | slides and diagnostic reports | NA |
| 94 | 2025-06-01 |
Comparison of lower limb kinematic and kinetic estimation during athlete jumping between markerless and marker-based motion capture systems
2025-May-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02739-9
PMID:40425708
|
研究论文 | 比较无标记和有标记运动捕捉系统在运动员跳跃时对下肢运动学和动力学参数的估计 | 首次在从事高强度跳跃运动的运动员中验证无标记运动捕捉系统对下肢关节运动学和动力学参数的准确性 | 髋关节运动学测量在矢状面的准确性需要进一步验证 | 比较无标记和有标记运动捕捉系统在跳跃测试中对下肢运动学和动力学参数的估计 | 14名男性大学一级运动员 | 生物力学 | NA | 深度学习算法 | NA | 运动数据 | 14名男性大学一级运动员，每人至少完成三次蹲跳、下落跳和反向跳跃 |
| 95 | 2025-06-01 |
Deep learning-based CAD system for Alzheimer's diagnosis using deep downsized KPLS
2025-May-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03010-x
PMID:40425715
|
研究论文 | 本文提出了一种基于深度学习的计算机辅助设计（CAD）系统，用于阿尔茨海默病的诊断，采用深度降维KPLS技术 | 提出了一种新的特征降维技术Deep Downsized Kernel Partial Least Squares (DDKPLS)，并结合ELM分类器构建了DDKPLS-ELM系统 | NA | 开发一种非侵入性的早期诊断阿尔茨海默病的CAD系统 | 阿尔茨海默病患者的大脑MRI图像 | 数字病理学 | 阿尔茨海默病 | 深度学习，特征降维 | DDKPLS, ELM | MRI图像 | Kaggle MRI数据集 |
| 96 | 2025-06-01 |
Deep learning network enhances imaging quality of low-b-value diffusion-weighted imaging and improves lesion detection in prostate cancer
2025-May-27, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-14354-y
PMID:40426115
|
research paper | 本研究利用深度学习网络NAFNet从800 b值的扩散加权成像（DWI）生成模拟1500 b值的图像，以提升前列腺癌病灶检测的准确性 | 首次使用NAFNet深度学习网络从低b值DWI生成高b值图像，显著提升了前列腺癌病灶的检测率，尤其是对初级放射科医生 | 研究样本主要来自单一医疗中心，外部验证集的样本量较小（36例），可能影响结果的普遍性 | 提升低b值DWI图像质量以改善前列腺癌病灶检测 | 前列腺癌患者 | digital pathology | prostate cancer | 扩散加权成像（DWI） | NAFNet | image | 303例前列腺癌患者用于训练和验证，36例独立样本用于测试 |
| 97 | 2025-06-01 |
Machine learning decision support model construction for craniotomy approach of pineal region tumors based on MRI images
2025-May-27, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01712-2
PMID:40426149
|
研究论文 | 本研究结合机器学习和深度学习算法与术前MRI图像，构建了用于松果体区肿瘤手术入路推荐的模型 | 首次将深度学习方法应用于松果体区肿瘤手术入路推荐，并展示了深度学习模型的高预测性能 | 研究为回顾性研究，样本量相对较小（173例患者） | 为松果体区肿瘤手术入路选择提供决策支持工具 | 松果体区肿瘤患者 | 数字病理 | 脑肿瘤 | MRI成像 | ResNet-50, EfficientNetV2-m, ViT | MRI图像 | 173例被放射学诊断为松果体区肿瘤的患者 |
| 98 | 2025-06-01 |
Mechanisms and management of self-resolving lumbar disc herniation: bridging molecular pathways to non-surgical clinical success
2025-May-27, Journal of orthopaedic surgery and research
IF:2.8Q1
DOI:10.1186/s13018-025-05959-x
PMID:40426259
|
research paper | 探讨腰椎间盘突出自发性吸收的机制及非手术治疗的成功案例 | 通过一例40岁女性患者的成功案例，结合文献综述，系统分析了腰椎间盘突出自发性吸收的分子机制和临床预测因素 | 研究仅基于单一样本，缺乏大样本验证 | 阐明腰椎间盘突出自发性吸收的分子机制并探索非手术治疗策略 | 腰椎间盘突出患者 | 医学研究 | 腰椎间盘突出 | MRI成像 | NA | 医学影像数据、临床数据 | 1例40岁女性患者 |
| 99 | 2025-06-01 |
Network-based analyses of multiomics data in biomedicine
2025-May-27, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-025-00452-x
PMID:40426270
|
综述 | 本文综述了基于网络表示和分析的多组学数据在生物医学中的应用 | 探讨了网络表示在整合多层次组学数据中的优势及其在深度学习与机器学习框架下的应用 | 未提及具体实验验证或实际应用案例的局限性 | 分析网络表示在生物医学大数据任务中的应用及其优缺点 | 多组学数据（如基因组学、转录组学、蛋白质组学） | 生物医学信息学 | NA | 网络分析、深度学习、机器学习 | 监督与非监督学习模型 | 多组学数据 | NA |
| 100 | 2025-06-01 |
GlycanInsight: an open platform for carbohydrate-binding pocket prediction and characterization
2025-May-27, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc02262b
PMID:40438170
|
research paper | 介绍了一个名为GlycanInsight的深度学习开放平台，用于预测和表征蛋白质结构上的碳水化合物结合口袋 | 开发了一个深度学习平台GlycanInsight，能够高精度预测碳水化合物结合口袋，并在AlphaFold2预测的结构上保持稳健性能 | 未提及具体局限性 | 开发一个计算工具，用于预测和表征蛋白质结构上的碳水化合物结合口袋，以促进糖类靶向治疗的研究和设计 | 蛋白质结构上的碳水化合物结合口袋 | 生物信息学 | NA | 深度学习 | NA | 蛋白质结构数据 | 基准数据集中的实验结构 |