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 12761 - 12780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12761 | 2025-04-29 |
Deep learning in GPCR drug discovery: benchmarking the path to accurate peptide binding
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf186
PMID:40285358
|
research paper | 本文评估了深度学习在预测G蛋白偶联受体（GPCRs）与其内源性肽配体相互作用中的应用，并比较了多种深度学习工具的性能 | 通过比较多种深度学习工具在GPCR与肽配体相互作用预测中的表现，提出了一个实用的模型选择指南，并创建了一个独立的基准测试集 | 竞争性锦标赛方法虽然加速了性能，但降低了真阳性恢复率 | 评估深度学习模型在GPCR药物发现中的准确性和实用性 | G蛋白偶联受体（GPCRs）及其内源性肽配体 | machine learning | NA | 深度学习（DL） | AlphaFold 2.3 (AF2), AlphaFold 3 (AF3), Chai-1, NeuralPLexer, RoseTTAFold-AllAtom, Peptriever, ESMFold, D-SCRIPT | protein sequences and structures | 124 ligands and 1240 decoys, 67 recent complexes | NA | NA | NA | NA |
| 12762 | 2025-04-29 |
Aminoacyl-tRNA synthetase urzymes optimized by deep learning behave as a quasispecies
2025-Mar, Structural dynamics (Melville, N.Y.)
DOI:10.1063/4.0000294
PMID:40290414
|
research paper | 利用深度学习优化氨酰-tRNA合成酶原酶，使其表现出类似准种的行为 | 使用ProteinMPNN和AlphaFold2深度学习算法重新设计优化的LeuAC原酶，显著提高了溶解度和催化能力 | 仅测试了8种变体，样本量较小 | 探索遗传编码起源的蛋白质设计 | 氨酰-tRNA合成酶原酶 | machine learning | NA | ProteinMPNN, AlphaFold2 | 深度学习 | 蛋白质序列 | 8种变体 | NA | NA | NA | NA |
| 12763 | 2025-04-29 |
Artificial Intelligence-Driven Approaches to Endoscopic Gastric Cancer Detection: Current Progress and Future Directions
2025-Mar, Cureus
DOI:10.7759/cureus.81194
PMID:40291198
|
research paper | 本文探讨了人工智能在胃镜胃癌检测中的当前进展和未来方向 | 利用深度学习模型（如CNN）提升胃镜检测胃癌的准确性和标准化评估 | 数据质量、假阳性/假阴性、地域偏见和监管障碍等问题仍需解决 | 提高胃癌的早期检测率，优化临床工作流程 | 胃癌患者的内窥镜图像 | digital pathology | gastric cancer | deep learning | CNN | image | NA | NA | NA | NA | NA |
| 12764 | 2025-04-29 |
The Role of Artificial Intelligence in the Prediction, Diagnosis, and Management of Cardiovascular Diseases: A Narrative Review
2025-Mar, Cureus
DOI:10.7759/cureus.81332
PMID:40291312
|
review | 本文综述了人工智能在心血管疾病预测、诊断和管理中的作用及其面临的挑战 | 探讨了AI技术（特别是机器学习和深度学习）在分析大规模数据集、提高诊断准确性和优化治疗策略方面的变革潜力 | AI实施面临监管、隐私、人群验证等障碍，以及系统互操作性和临床医生接受度的问题 | 探索AI在心血管护理中的应用、当前使用的局限性以及未来整合以改善患者预后 | 心血管疾病（CVDs） | machine learning | cardiovascular disease | machine learning, deep learning | NA | massive datasets | NA | NA | NA | NA | NA |
| 12765 | 2025-04-29 |
Proposal for a Method for Assessing the Quality of an Updated Deep Learning-Based Automatic Segmentation Program
2025-Mar, Cureus
DOI:10.7759/cureus.81307
PMID:40291313
|
research paper | 本研究旨在验证商业深度学习自动分割（DLS）方法在更新后是否能保持轮廓几何精度，并提出一种简化验证方法以减少临床工作负担 | 提出了一种简化验证方法，用于评估更新后的深度学习自动分割程序的质量，同时减少对临床工作流程的负担 | 研究中28个轮廓中有9个器官未满足既定标准，表明某些器官的轮廓质量在更新后有所下降 | 验证商业深度学习自动分割方法在更新后的几何精度，并简化验证流程 | 头颈、胸部、腹部和盆腔区域的28个器官 | digital pathology | NA | deep learning-based automatic segmentation (DLS) | NA | CT imaging | 109名参与者 | NA | NA | NA | NA |
| 12766 | 2025-04-29 |
Influence of early through late fusion on pancreas segmentation from imperfectly registered multimodal magnetic resonance imaging
2025-Mar, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.2.024008
PMID:40291815
|
research paper | 研究早期到晚期融合对不完美配准的多模态磁共振图像中胰腺分割的影响 | 探讨了在深度学习模型中不同融合点对不完美配准的多模态图像分割性能的影响，并发现最佳融合点因模型而异 | 在腹部图像对不完美配准的情况下，融合带来的性能提升较小，且最佳融合点依赖于具体模型 | 研究多模态融合在胰腺分割中的应用，以改善对糖尿病等疾病的研究能力 | 胰腺及周围腹部解剖结构 | digital pathology | diabetes | multimodal magnetic resonance imaging (MRI) | UNet, nnUNet | image | 353 pairs of T2-weighted and T1-weighted abdominal MR images from 163 subjects | NA | NA | NA | NA |
| 12767 | 2025-04-29 |
Improving radiologist detection of meniscal abnormality on undersampled, deep learning reconstructed knee MRI
2025-Mar, Radiology advances
DOI:10.1093/radadv/umaf015
PMID:40291992
|
研究论文 | 评估人工智能辅助工具在放射科医生解读欠采样深度学习重建膝关节MRI中半月板异常的效果 | 使用AI辅助工具提高放射科医生在欠采样深度学习重建图像上的半月板异常检测性能 | 研究为回顾性设计，样本量有限（896名参与者） | 评估AI辅助工具对放射科医生诊断半月板异常的影响，并分析重建质量指标与异常检测性能的关系 | 膝关节MRI图像中的半月板异常 | 数字病理学 | 骨科疾病 | 深度学习重建 | 目标检测模型 | MRI图像 | 896名参与者（平均年龄44.7±15.3岁，472名女性） | NA | NA | NA | NA |
| 12768 | 2025-10-07 |
A divide-and-conquer approach based on deep learning for long RNA secondary structure prediction: Focus on pseudoknots identification
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0314837
PMID:40279361
|
研究论文 | 提出一种基于深度学习的DivideFold方法，用于预测长RNA二级结构（包括假结） | 采用分治策略递归分割长RNA序列，结合深度学习模型解决长序列和假结预测的挑战 | 未明确说明方法对特定RNA类型的适用性限制 | 提高长RNA二级结构（特别是假结）的预测准确性 | 长RNA序列及其二级结构 | 生物信息学 | NA | RNA二级结构预测 | 深度学习 | RNA序列数据 | NA | NA | NA | 假结预测准确率、二级结构预测准确率 | NA |
| 12769 | 2025-10-07 |
Towards sustainable architecture: Enhancing green building energy consumption prediction with integrated variational autoencoders and self-attentive gated recurrent units from multifaceted datasets
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317514
PMID:40279377
|
研究论文 | 提出一种集成变分自编码器和自注意力门控循环单元的深度学习框架，用于绿色建筑能耗预测 | 首次将时间依赖变分自编码器与自适应门控自注意力GRU相结合，并采用多任务学习策略同时优化预测精度和异常检测 | 仅基于两个公共数据集进行验证，未在更广泛的实际场景中测试 | 提高绿色建筑能耗预测准确性以支持能源管理和节能减排 | 绿色建筑的能源消耗时间序列数据 | 机器学习 | NA | 时间序列分析 | TD-VAE, AGSA-GRU | 时间序列数据 | 两个公共绿色建筑能耗数据集 | NA | 时间依赖变分自编码器, 自适应门控自注意力GRU | 准确率, AUC, 假阳性率, 真阳性率 | NA |
| 12770 | 2025-04-29 |
Synthetic fibrosis distributions for data augmentation in predicting atrial fibrillation ablation outcomes: an in silico study
2025, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2025.1512356
PMID:40290188
|
研究论文 | 本研究利用去噪扩散概率模型生成合成纤维化分布，以增强深度学习预测心房颤动消融结果的数据集 | 使用去噪扩散概率模型生成合成纤维化分布，并通过生物物理模拟扩增训练数据集，以提高深度学习模型的预测性能 | 研究基于计算机模拟，尚未在真实患者数据中验证其临床适用性 | 提高深度学习模型预测心房颤动消融结果的准确性 | 心房颤动患者的纤维化分布及消融策略效果 | 数字病理学 | 心血管疾病 | LGE-MRI, 去噪扩散概率模型, 生物物理模拟 | 深度学习, 去噪扩散概率模型 | 图像, 模拟数据 | 100个真实LGE-MRI分布用于训练模型，生成1000个双心房网格用于模拟 | NA | NA | NA | NA |
| 12771 | 2025-04-29 |
The current status and future directions of artificial intelligence in the prediction, diagnosis, and treatment of liver diseases
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251325418
PMID:40290269
|
review | 本文综述了人工智能在肝病预测、诊断和治疗中的当前应用及未来发展方向 | 强调了机器学习和深度学习算法在肝病领域的应用进展 | 指出了该领域面临的挑战，包括需要大规模数据集、鲁棒算法和临床实践中的伦理考虑 | 探讨人工智能在肝病预测、诊断和治疗中的应用及其未来发展方向 | 肝病 | machine learning | liver disease | machine learning, deep learning | NA | NA | NA | NA | NA | NA | NA |
| 12772 | 2025-04-29 |
A deep learning-assisted automatic measurement of tear meniscus height on ocular surface images and its application in myopia control
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1554432
PMID:40291564
|
research paper | 本研究开发了一种深度学习模型，用于自动测量眼表图像中的泪液半月板高度（TMH），以提高近视控制方法相关干眼症初步筛查的效率和准确性 | 首次应用深度学习模型自动测量泪液半月板高度，提高了测量效率和准确性，避免了传统手动测量的主观性和低效问题 | 研究仅使用了OCULUS Keratograph 5M采集的眼表图像，未验证在其他设备上的适用性 | 开发自动测量泪液半月板高度的深度学习模型，用于近视控制方法相关干眼症的筛查 | 眼表图像中的泪液半月板高度 | digital pathology | myopia | deep learning | CNN | image | 1,200张眼表图像（训练集840张，验证集240张，测试集120张，外加100张外部验证集） | NA | NA | NA | NA |
| 12773 | 2025-04-29 |
Hybrid deep learning method to identify key genes in autism spectrum disorder
2025 Jan-Dec, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.12104
PMID:40292027
|
研究论文 | 本研究采用混合深度学习方法识别与自闭症谱系障碍(ASD)相关的关键基因 | 结合图卷积网络和逻辑回归的混合深度学习方法，有效识别ASD关键基因，并通过SI模型验证其感染能力 | 未提及方法在其他神经发育障碍中的普适性验证 | 识别与自闭症谱系障碍相关的关键基因 | 自闭症谱系障碍相关基因 | 机器学习 | 自闭症谱系障碍 | 图卷积网络, 逻辑回归, SI模型 | GCN, Logistic Regression | 基因互作网络数据 | NA | NA | NA | NA | NA |
| 12774 | 2025-04-29 |
Deep learning-based classification of gallbladder lesions in patients with non-diagnostic (GB-RADS 0) ultrasound
2024-Dec, Clinical and experimental hepatology
IF:1.5Q3
DOI:10.5114/ceh.2024.145424
PMID:40290528
|
研究论文 | 本研究评估了深度学习模型在非诊断性超声图像中对胆囊病变进行分类的诊断性能 | 首次在非诊断性胆囊超声图像中应用多种深度学习模型（包括CNN、Transformer及混合模型）进行良恶性分类 | 模型性能仍需进一步提升以达到临床应用标准，测试样本量较小（26名患者） | 提高非诊断性胆囊超声（GB-RADS 0）中病变的良恶性分类准确性 | 因胆囊因素导致超声检查非诊断性的患者 | 数字病理 | 胆囊疾病 | 超声成像 | ResNet50, GBCNet, ViT, RadFormer, MedViT | 图像 | 训练集1004张图像，验证集251张图像，测试集26名患者（304张图像） | NA | NA | NA | NA |
| 12775 | 2025-10-07 |
Pediatric Electrocardiogram-Based Deep Learning to Predict Secundum Atrial Septal Defects
2025-Jun, Pediatric cardiology
IF:1.5Q2
DOI:10.1007/s00246-024-03540-7
PMID:38953953
|
研究论文 | 本研究开发了一种基于卷积神经网络的AI模型，利用儿童心电图预测继发孔型房间隔缺损 | 首次将深度学习应用于儿科人群的心电图分析来检测ASD2，相比传统心电图指标（如不完全性右束支传导阻滞）表现更优 | 需要未来进行多中心验证和前瞻性试验来指导临床决策 | 开发一种经济有效的ASD2筛查方法，实现早期检测 | 年龄≤18岁无重大先天性心脏病的儿科患者 | 医疗人工智能 | 先天性心脏病 | 心电图-超声心动图配对分析 | CNN | 心电图信号 | 训练队列：92,377对心电图-超声心动图（46,261名患者）；测试队列：内部测试12,631名患者，急诊科2,830名患者 | NA | 卷积神经网络 | AUROC, AUPRC | NA |
| 12776 | 2025-10-07 |
Incidence trends, overall survival, and metastasis prediction using multiple machine learning and deep learning techniques in pediatric and adolescent population with osteosarcoma and Ewing's sarcoma: nomogram and webpage
2025-May, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico
IF:2.8Q2
DOI:10.1007/s12094-024-03717-9
PMID:39333451
|
研究论文 | 本研究分析儿童和青少年骨肉瘤与尤文氏肉瘤的发病率及总生存期，并利用机器学习和深度学习技术构建转移预测模型 | 首次在儿童青少年骨肉瘤研究中综合应用多种机器学习算法和深度学习模型，并开发在线列线图工具增强临床实用性 | 研究基于特定时间段（2004-2020年）的有限样本量，模型泛化能力需进一步验证 | 分析骨肉瘤和尤文氏肉瘤的流行病学趋势并开发转移预测模型 | 0-19岁儿童和青少年骨肉瘤（2465例）和尤文氏肉瘤（1373例）患者 | 机器学习 | 骨肉瘤 | 统计分析，机器学习建模 | Lasso, Ridge Regression, Elastic Net, Random Forest, 深度学习 | 临床数据 | 骨肉瘤2465例，尤文氏肉瘤1373例，总计3838例患者 | TensorFlow, Keras, R | 基于TensorFlow和Keras的深度学习架构 | AUC, 敏感度, 准确率 | NA |
| 12777 | 2025-10-07 |
Radiomics model for predicting distant metastasis in soft tissue sarcoma of the extremities and trunk treated with surgery
2025-May, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico
IF:2.8Q2
DOI:10.1007/s12094-024-03746-4
PMID:39354269
|
研究论文 | 开发基于MRI影像组学模型预测四肢和躯干软组织肉瘤术后转移风险 | 结合瘤内和瘤周区域的影像组学特征与深度学习特征构建预测模型 | 样本量有限（训练集73例，验证集40例），需多中心大样本验证 | 预测软组织肉瘤术后转移风险 | 四肢和躯干软组织肉瘤患者 | 数字病理 | 软组织肉瘤 | 磁共振成像 | CNN, 机器学习算法 | 医学影像 | 训练集73例，外部验证集40例 | NA | 3D ResNet10 | AUC, 决策曲线分析, Hosmer-Lemeshow检验 | NA |
| 12778 | 2025-10-07 |
MRI deep learning models for assisted diagnosis of knee pathologies: a systematic review
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11105-8
PMID:39422725
|
系统综述 | 系统综述总结了用于辅助诊断多种膝关节异常的MRI深度学习模型研究现状 | 首次系统性地综述了基于MRI的深度学习模型在膝关节病理诊断中的应用现状 | 纳入研究的设计存在异质性，需要更大规模的MRI数据集进行验证 | 评估深度学习模型在膝关节MRI病理诊断中的临床应用潜力 | 膝关节异常（前交叉韧带损伤、骨关节炎、半月板损伤等） | 医学影像分析 | 膝关节疾病 | MRI | CNN | MRI图像 | 54篇相关研究文章 | NA | ResNet, VGG, DenseNet, DarkNet | 准确率 | NA |
| 12779 | 2025-10-07 |
Deep learning super-resolution reconstruction for fast and high-quality cine cardiovascular magnetic resonance
2025-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11145-0
PMID:39441391
|
研究论文 | 本研究比较了标准分辨率与深度学习超分辨率重建的低分辨率心血管磁共振电影图像 | 首次将深度学习超分辨率算法应用于心血管磁共振电影图像重建，显著缩短采集时间 | 样本量较小（30名参与者），需要更大规模研究验证 | 评估深度学习超分辨率重建在心血管磁共振电影成像中的性能 | 健康志愿者和患者的心血管磁共振电影图像 | 医学影像分析 | 心血管疾病 | 心血管磁共振成像，平衡稳态自由进动序列 | 深度学习 | 医学影像 | 30名参与者（20名健康志愿者和10名患者） | NA | 超分辨率网络 | 左心室射血分数，左心室舒张末期容积指数，应变，表观信噪比，表观对比噪声比，主观图像质量评分 | NA |
| 12780 | 2025-10-07 |
Development and validation of a deep learning algorithm for the classification of the level of surgical difficulty in impacted mandibular third molar surgery
2025-May, International journal of oral and maxillofacial surgery
IF:2.2Q2
DOI:10.1016/j.ijom.2024.11.008
PMID:39632213
|
研究论文 | 开发并验证用于全景X光片中下颌第三磨牙识别及手术难度分级分类的深度学习算法 | 首次将YOLOv5模型应用于下颌第三磨牙手术难度分级分类，并与人类专家评估结果进行对比验证 | 数据集仅包含1730张全景X光片，样本量相对有限 | 开发能够自动评估下颌第三磨牙拔除手术难度的深度学习算法 | 下颌第三磨牙及其在全景X光片中的影像特征 | 计算机视觉 | 口腔疾病 | 全景X光摄影 | CNN | 图像 | 1730张全景X光片（1300张训练，430张测试） | YOLOv5 | YOLOv5 | 精确度-召回率曲线下面积，受试者工作特征曲线下面积，混淆矩阵 | NA |