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 32373 篇文献，本页显示第 12381 - 12400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12381 | 2025-05-02 |
Deep learning in integrating spatial transcriptomics with other modalities
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae719
PMID:39800876
|
综述 | 本文系统回顾了深度学习在整合空间转录组学与其他模态数据中的应用 | 首次全面综述了深度学习在整合空间转录组学与其他模态数据中的方法与应用 | 未涉及具体实验验证，主要基于文献综述 | 促进开发更强大的计算方法以更全面地利用多模态信息 | 空间转录组学数据与其他模态数据的整合方法 | 生物信息学 | NA | 空间转录组学、单细胞RNA测序(scRNA-seq)、深度学习 | 深度学习(DL) | 空间转录组学数据、组织学图像、染色质图像、scRNA-seq数据 | NA | NA | NA | NA | NA |
| 12382 | 2025-05-02 |
DD-PRiSM: a deep learning framework for decomposition and prediction of synergistic drug combinations
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae717
PMID:39800875
|
research paper | 介绍了一种名为DD-PRiSM的深度学习框架，用于分解和预测协同药物组合的效果 | DD-PRiSM能够分解组合疗法的效果，成功识别协同药物对，并展示了协同反应在不同癌症类型中的差异 | 未明确提及具体限制 | 预测组合疗法的效果和安全性，特别是针对癌症等复杂疾病 | 药物组合及其在细胞系中的效果 | machine learning | cancer | deep learning | DD-PRiSM (包含Monotherapy模型和Combination therapy模型) | 药物结构、细胞系基因表达数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 12383 | 2024-12-05 |
Letter to the Editor Regarding "A Practical Roadmap to Implementing Deep Learning Segmentation in the Clinical Neuroimaging Research Workflow"
2024-Nov, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2024.07.121
PMID:39623627
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12384 | 2025-05-02 |
Dynamic Mechanism for Subtype Selectivity of Endocannabinoids
2024-Oct-29, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.25.620304
PMID:39554065
|
研究论文 | 本研究探讨了内源性大麻素亚型选择性的动态机制，通过分子动力学模拟和深度学习模型解释了大麻素受体CB1的选择性 | 提出了两种假说来解释内源性大麻素anandamide对CB1受体的选择性，并通过分子动力学模拟和深度学习模型进行了验证 | 研究主要基于计算模拟，需要进一步的实验验证 | 探索内源性大麻素对CB1和CB2受体亚型选择性的生物物理机制 | 内源性大麻素anandamide及其与大麻素受体的相互作用 | 生物物理学 | NA | 分子动力学模拟, Markov状态建模, 深度学习VAMP-nets | VAMP-nets | 分子模拟数据 | 约0.9毫秒的分子动力学模拟数据 | NA | NA | NA | NA |
| 12385 | 2025-05-02 |
Assessment of Pelvic Tilt in Anteroposterior Radiographs by Area Ratio Based on Deep Learning
2024-Oct-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005093
PMID:38975768
|
research paper | 利用基于深度学习的语义分割模型，通过前后位X光片中骨盆小骨盆与闭孔的面积比评估骨盆倾斜 | 首次将深度学习语义分割模型应用于骨盆倾斜的自动测量，通过面积比方法提高了测量的准确性和鲁棒性 | 研究样本量相对较小（20个模拟骨盆和231个临床案例），可能影响结果的普遍性 | 开发一种自动测量骨盆倾斜的方法，以辅助髋关节和脊柱手术 | 骨盆X光片（模拟和临床案例） | digital pathology | geriatric disease | deep learning semantic segmentation | CNN | image | 20个模拟骨盆（10男10女）和231个临床案例 | NA | NA | NA | NA |
| 12386 | 2025-05-02 |
A Practical Roadmap to Implementing Deep Learning Segmentation in the Clinical Neuroimaging Research Workflow
2024-09, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2024.06.026
PMID:38866234
|
research paper | 本文探讨了一种利用开源工具加速和增强临床研究中图像分割的通用方法 | 提出了一种迭代的模型训练和迁移学习方法，强调在标记过程的早期进行内部验证和异常值处理，后期进行微调 | NA | 为使用机器学习技术进行图像分割的研究提供加速和增强可重复性的框架 | 临床神经影像研究中的图像分割 | machine learning | NA | deep learning | NA | image | NA | NA | NA | NA | NA |
| 12387 | 2025-05-02 |
Predicting the Outcome and Survival of Patients with Spinal Cord Injury Using Machine Learning Algorithms: A Systematic Review
2024-08, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2024.05.103
PMID:38796146
|
系统综述 | 本文通过系统综述评估了机器学习算法在脊髓损伤（SCI）患者诊断和预后预测中的表现 | 总结了机器学习在SCI领域的应用潜力，特别是在诊断和预后预测方面的效果 | 需要进一步研究深度学习算法在急性SCI诊断中的应用 | 评估机器学习算法在脊髓损伤患者诊断和预后预测中的性能 | 脊髓损伤患者 | 机器学习 | 脊髓损伤 | 机器学习算法 | ML和DL算法 | 临床数据 | 9424名被诊断为脊髓损伤的患者 | NA | NA | NA | NA |
| 12388 | 2025-05-02 |
Usefulness of Artificial Intelligence in Traumatic Brain Injury: A Bibliometric Analysis and Mini-review
2024-08, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2024.05.065
PMID:38759786
|
综述 | 本文通过文献计量分析和迷你综述，探讨了人工智能在创伤性脑损伤（TBI）中的主要应用 | 结合文献计量分析和迷你综述，全面评估了人工智能在TBI领域的研究进展和应用潜力 | 主要基于Scopus数据库的文献，可能未涵盖所有相关研究 | 评估人工智能在创伤性脑损伤领域的应用和研究趋势 | 创伤性脑损伤（TBI）相关的科学出版物 | 人工智能 | 创伤性脑损伤 | 文献计量分析、知识图谱分析 | NA | 文献数据 | 495篇科学出版物（2000-2023年） | NA | NA | NA | NA |
| 12389 | 2025-10-07 |
Semiautomatic Assessment of Facet Tropism From Lumbar Spine MRI Using Deep Learning: A Northern Finland Birth Cohort Study
2024-May-01, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000004909
PMID:38105615
|
研究论文 | 本研究开发了一种基于深度学习的半自动框架，用于从腰椎MRI测量小关节角度并研究小关节取向异常 | 首次在大型芬兰出生队列中应用深度学习自动测量小关节角度并分析小关节取向异常 | 研究为回顾性横断面设计，模型仅在430名参与者的MRI图像上训练 | 开发半自动测量小关节角度的深度学习框架并研究人群中小关节取向异常的患病率 | NFBC1966芬兰出生队列中的1288名参与者的腰椎MRI图像 | 数字病理 | 脊柱疾病 | T2加权轴向磁共振成像 | 深度学习模型 | 医学影像 | 训练集430人，总队列1288人，评估集60人 | NA | NA | Dice分数, 交并比 | NA |
| 12390 | 2025-10-07 |
A New Deep Learning Algorithm for Detecting Spinal Metastases on Computed Tomography Images
2024-Mar-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000004889
PMID:38084012
|
研究论文 | 开发了一种基于深度学习的新型计算机辅助检测模型，用于自动检测胸腰椎区域的溶骨性骨转移病灶 | 提出了一种新的深度学习算法，专门针对常规CT扫描中的胸腰椎溶骨性骨转移病灶检测 | 准确性仍需进一步提高 | 自动检测胸腰椎区域的溶骨性骨转移病灶，改善癌症患者生活质量 | 胸腰椎区域的溶骨性骨转移病灶 | 计算机视觉 | 骨转移癌 | 计算机断层扫描(CT) | 深度学习 | CT图像 | 263份阳性CT扫描（含骨转移病灶）和172份阴性CT扫描（无骨转移），测试集包含20份阳性和20份阴性CT扫描 | NA | NA | 敏感度, 精确率, F1分数, 特异性 | NA |
| 12391 | 2025-05-02 |
Inflamed immune phenotype predicts favorable clinical outcomes of immune checkpoint inhibitor therapy across multiple cancer types
2024-02-14, Journal for immunotherapy of cancer
IF:10.3Q1
DOI:10.1136/jitc-2023-008339
PMID:38355279
|
研究论文 | 本研究探讨了基于AI的免疫表型在预测多种实体瘤类型中免疫检查点抑制剂治疗临床结果的能力 | 利用深度学习模型Lunit SCOPE IO客观且可重复地定义炎症免疫表型（IIP），并验证其作为跨多种肿瘤类型的免疫检查点抑制剂治疗反应的生物标志物 | 微卫星不稳定/错配修复缺陷亚组的IIP未能预测有利的无进展生存期 | 评估AI定义的IIP与免疫检查点抑制剂治疗临床结果之间的相关性 | 1,806名接受免疫检查点抑制剂治疗的患者，涵盖超过27种实体瘤类型 | 数字病理学 | 多种癌症 | 深度学习 | Lunit SCOPE IO | 图像 | 1,806名患者 | NA | NA | NA | NA |
| 12392 | 2025-05-02 |
Advanced computational tools, artificial intelligence and machine-learning approaches in gut microbiota and biomarker identification
2024, Frontiers in medical technology
IF:2.7Q3
DOI:10.3389/fmedt.2024.1434799
PMID:40303946
|
综述 | 本文综述了先进计算工具、人工智能和机器学习方法在肠道微生物群和生物标志物识别中的应用 | 整合多组学数据和先进AI技术，探索微生物组与宿主健康的复杂关系，推动个性化治疗策略的发展 | 未提及具体技术实施细节或临床验证结果 | 探索计算工具和AI在肠道微生物组研究中的应用，以识别疾病诊断和治疗的生物标志物 | 肠道微生物群及其与宿主健康的相互作用 | 机器学习 | NA | 多组学数据整合（宏基因组学、宏蛋白质组学、代谢组学） | 深度学习、基于网络的方法 | 多组学数据 | NA | NA | NA | NA | NA |
| 12393 | 2025-10-07 |
Deep learning-based phenotyping reclassifies combined hepatocellular-cholangiocarcinoma
2023-12-14, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43749-3
PMID:38092727
|
研究论文 | 本研究利用深度学习对组合性肝细胞-胆管癌进行表型重分类 | 首次使用深度学习模型对cHCC-CCA肿瘤进行重新分类，并将预测结果与临床结局、基因改变和空间基因表达谱相关联 | 研究针对罕见双表型癌症，样本量相对有限 | 改善组合性肝细胞-胆管癌的诊断分类和治疗决策 | 405例cHCC-CCA患者及其肿瘤样本 | 数字病理学 | 肝癌 | 深度学习，原位空间基因表达分析 | 深度学习模型 | 病理图像，基因表达数据 | 405例cHCC-CCA患者 | NA | NA | 诊断准确性 | NA |
| 12394 | 2025-10-07 |
Automating General Movements Assessment with quantitative deep learning to facilitate early screening of cerebral palsy
2023-12-14, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-44141-x
PMID:38097602
|
研究论文 | 开发基于深度学习的运动评估模型，用于自动化评估婴儿全身运动以早期筛查脑瘫 | 首次将深度学习与婴儿视频特征结合实现全身运动评估的自动化，并提出定量GMA方法 | 需要专业视频数据且依赖专家标注进行训练 | 开发自动化工具促进脑瘫早期筛查 | 婴儿全身运动视频数据 | 计算机视觉 | 脑瘫 | 视频分析 | 深度学习 | 视频 | 未明确说明 | NA | NA | AUC | NA |
| 12395 | 2025-10-07 |
Single-cell spatial metabolomics with cell-type specific protein profiling for tissue systems biology
2023-12-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43917-5
PMID:38086839
|
研究论文 | 提出单细胞空间代谢组学框架scSpaMet，实现人类组织中单个免疫细胞和癌细胞的蛋白质-代谢物联合分析 | 首次将非靶向空间代谢组学与靶向多重蛋白质成像整合到同一流程中，实现单细胞水平的空间代谢-蛋白质联合分析 | 仅使用男性人类组织样本，样本类型和数量有限 | 开发用于组织系统生物学的单细胞空间代谢组学分析工具 | 人类肺癌、扁桃体和子宫内膜组织中的单个免疫细胞和癌细胞 | 数字病理学 | 肺癌 | 空间代谢组学, 多重蛋白质成像 | 深度学习 | 空间代谢组数据, 蛋白质成像数据 | 肺癌组织19507个单细胞, 扁桃体组织31156个单细胞, 子宫内膜组织8215个单细胞 | NA | 联合嵌入模型 | NA | NA |
| 12396 | 2025-10-07 |
Deep learning of cell spatial organizations identifies clinically relevant insights in tissue images
2023-12-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43172-8
PMID:38081823
|
研究论文 | 开发基于细胞空间组织的图卷积网络Ceograph，从病理图像中识别与临床结果相关的细胞空间组织特征 | 首次提出基于细胞空间组织的图卷积网络方法，能够评估个体空间相互作用并识别关键的临床相关特征 | 方法在特定疾病类型中验证，需要进一步在其他疾病和更大样本中验证通用性 | 开发能够从组织图像中识别临床相关细胞空间组织特征的深度学习方法 | 口腔潜在恶性疾病患者和肺癌患者的组织病理图像 | 数字病理 | 口腔癌,肺癌 | 组织成像技术 | 图卷积网络 | 病理图像 | NA | NA | Ceograph | 临床结果预测准确性 | NA |
| 12397 | 2025-10-07 |
DeepRTAlign: toward accurate retention time alignment for large cohort mass spectrometry data analysis
2023-12-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43909-5
PMID:38081814
|
研究论文 | 开发基于深度学习的保留时间对齐工具DeepRTAlign，用于大规模队列液相色谱-质谱数据分析 | 能够同时处理单调和非单调保留时间偏移，相比现有方法具有更好的性能表现 | NA | 解决大规模队列LC-MS研究中保留时间对齐的瓶颈问题 | 蛋白质组学和代谢组学数据 | 机器学习 | 肝细胞癌 | 液相色谱-质谱联用技术 | 深度学习 | 质谱数据 | 多个真实世界和模拟数据集 | NA | NA | 识别灵敏度，定量准确性 | NA |
| 12398 | 2025-10-07 |
The text-package: An R-package for analyzing and visualizing human language using natural language processing and transformers
2023-Dec, Psychological methods
IF:7.6Q1
DOI:10.1037/met0000542
PMID:37126041
|
研究论文 | 介绍了一个用于分析和可视化人类语言的R软件包，该软件包整合了自然语言处理和Transformer技术 | 将最先进的自然语言处理和深度学习技术打包成心理学研究者易于使用的工具，专门针对人类层面分析优化 | NA | 为心理学和社会科学研究人员提供易于使用的文本分析工具 | 人类语言文本数据 | 自然语言处理 | NA | 自然语言处理，深度学习 | Transformer | 文本 | NA | R | Transformer | NA | NA |
| 12399 | 2025-10-07 |
Deep Learning of Cell Spatial Organizations Identifies Clinically Relevant Insights in Tissue Images
2023-Jul-04, Research square
DOI:10.21203/rs.3.rs-2928838/v1
PMID:37461694
|
研究论文 | 提出基于细胞空间组织的图卷积网络Ceograph，通过分析病理图像中的细胞空间特征预测临床结果 | 开发了首个基于细胞空间组织的图卷积网络，能够量化单个细胞间的空间相互作用并识别与临床结果相关的关键特征 | NA | 开发能够从组织图像中识别具有临床意义的细胞空间组织特征的计算方法 | 口腔潜在恶性疾病患者和肺癌患者的组织病理图像 | 数字病理 | 口腔癌,肺癌 | 组织成像技术 | 图卷积网络 | 病理图像 | NA | NA | Ceograph | 临床结果预测准确性 | NA |
| 12400 | 2025-10-07 |
External Validation of SpineNet, an Open-Source Deep Learning Model for Grading Lumbar Disk Degeneration MRI Features, Using the Northern Finland Birth Cohort 1966
2023-Apr-01, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000004572
PMID:36728678
|
研究论文 | 本研究使用北芬兰1966出生队列数据对开源深度学习模型SpineNet进行腰椎间盘退变MRI特征分级的外部验证 | 首次在地理和时间上与训练数据集分离的外部数据集上验证SpineNet模型对腰椎间盘退变分级的泛化能力 | 研究为回顾性观察设计，仅使用单一队列数据进行验证 | 外部验证深度学习模型SpineNet在腰椎间盘退变MRI特征分级中的性能 | 北芬兰1966出生队列的1331名参与者的腰椎MRI数据 | 计算机视觉 | 腰椎间盘退变疾病 | 磁共振成像 | 深度学习图像分类模型 | T2加权矢状位腰椎MRI序列图像 | 1331名NFBC1966队列参与者 | NA | SpineNet | 平衡准确度, Lin一致性相关系数, Cohen κ系数 | NA |