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 13661 - 13680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13661 | 2025-10-07 |
Electroencephalography estimates brain age in infants with high precision: Leveraging advanced machine learning in healthcare
2025-Apr-10, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121200
PMID:40216216
|
研究论文 | 本研究开发了一种基于脑电图和机器学习的方法，用于精确评估婴儿大脑发育年龄 | 结合传统机器学习和新型深度学习网络，首次利用脑电图量化婴儿大脑年龄差距，捕捉复杂的非单调脑电特征 | 样本量相对有限（219名典型发育婴儿），需要进一步验证在其他临床人群中的适用性 | 开发可靠的大脑成熟度评估工具，用于早期临床干预和护理规划 | 3-14个月大的婴儿，包括典型发育婴儿和大脑生长异常（巨脑症）的临床风险人群 | 机器学习 | 神经发育疾病 | 脑电图 | 深度学习, 传统机器学习 | 脑电图信号 | 219名典型发育婴儿，2628条脑电图记录 | NA | NA | 平均绝对误差, 相关系数, p值 | NA |
| 13662 | 2025-10-07 |
μGlia-Flow, an automatic workflow for microglia segmentation and classification
2025-Apr-10, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2025.110446
PMID:40220906
|
研究论文 | 提出了一种自动工作流程μGlia-Flow，用于小胶质细胞的精确分割和分类 | 首次将深度学习技术集成到小胶质细胞分析工作流中，显著提高了分割精度并解决了现有分类方法的参数依赖问题 | NA | 开发自动化的微胶质细胞分割和分类方法 | 中枢神经系统中的小胶质细胞 | 计算机视觉 | 脑部疾病 | 图像分析 | Transformer, CNN | 显微图像 | NA | NA | Vision Transformer (ViT), TransUNet, EGA-Net | Dice系数, IoU, 精确度 | NA |
| 13663 | 2025-10-07 |
Discovery of Novel DDR1 Inhibitors through a Hybrid Virtual Screening Pipeline, Biological Evaluation and Molecular Dynamics Simulations
2025-Apr-10, ACS medicinal chemistry letters
IF:3.5Q2
DOI:10.1021/acsmedchemlett.4c00634
PMID:40236534
|
研究论文 | 本研究通过结合深度学习与分子对接的混合虚拟筛选方法，发现新型DDR1抑制剂用于急性髓系白血病治疗 | 开发了整合深度学习结合亲和力预测与分子对接技术的混合虚拟筛选流程，成功发现具有高活性的新型DDR1抑制剂 | 研究仅针对有限数量的候选化合物进行了验证，需要进一步扩大筛选范围和临床前研究 | 发现新型DDR1抑制剂作为急性髓系白血病的靶向治疗药物 | DDR1（盘状结构域受体1）酪氨酸激酶受体 | 计算生物学 | 急性髓系白血病 | 虚拟筛选、分子对接、分子动力学模拟、深度学习 | 深度学习模型 | 化学结构数据、生物活性数据 | 7个候选化合物 | PSICHIC, KarmaDock, Vina-GPU | NA | IC50（46.16 nM）、抑制率（99.86%） | GPU加速计算 |
| 13664 | 2025-10-07 |
MGMA-DTI: Drug target interaction prediction using multi-order gated convolution and multi-attention fusion
2025-Apr-10, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种基于多阶门控卷积和多注意力融合的药物靶点相互作用预测模型MGMA-DTI | 使用多阶门控卷积增强对氨基酸序列全局特征的捕获能力，并设计多注意力融合模块有效学习药物-靶点相互作用特征 | NA | 提高药物靶点相互作用预测的准确性和可解释性 | 药物分子和蛋白质靶点 | 自然语言处理 | NA | SMILES字符串编码 | 图卷积神经网络, 门控卷积 | 分子图, 氨基酸序列 | 三个基准数据集：BindingDB、BioSNAP和Human | NA | 多阶门控卷积, 多注意力融合模块 | NA | NA |
| 13665 | 2025-10-07 |
A deep learning model for structure-based bioactivity optimization and its application in the bioactivity optimization of a SARS-CoV-2 main protease inhibitor
2025-Apr-05, European journal of medicinal chemistry
IF:6.0Q1
DOI:10.1016/j.ejmech.2025.117602
PMID:40239482
|
研究论文 | 开发了一种基于结构的生物活性优化深度学习模型Pocket-StrMod，并成功应用于SARS-CoV-2主蛋白酶抑制剂的优化 | 采用自回归流式架构，在蛋白质结合口袋内同步优化所有取代基，并明确整合化学专业知识 | NA | 开发用于基于结构的生物活性优化的深度学习方法 | SARS-CoV-2主蛋白酶抑制剂Hit1及其优化衍生物 | 机器学习 | COVID-19 | 深度学习 | 自回归流模型 | 分子结构数据 | 1个初始抑制剂(Hit1)经过两轮优化后选择6个化合物进行合成和测试 | NA | 自回归流架构 | IC50值 | NA |
| 13666 | 2025-10-07 |
Deep Learning-Based Comparative Prediction and Functional Analysis of Intrinsically Disordered Regions in SARS-CoV-2
2025-Apr-05, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms26073411
PMID:40244295
|
研究论文 | 本研究通过深度学习模型预测SARS-CoV-2蛋白质组中的内在无序区域，并分析其作为小分子药物靶点的潜力 | 首次系统比较四种深度学习模型在SARS-CoV-2蛋白质内在无序区域预测中的表现，并关联实验验证数据 | 仅使用文献中已有的实验验证数据进行比较，缺乏新的实验验证 | 探索SARS-CoV-2蛋白质中内在无序区域的功能及其在药物开发中的应用价值 | SARS-CoV-2病毒蛋白质组中的内在无序区域 | 生物信息学 | COVID-19 | 深度学习预测模型 | 深度学习 | 蛋白质序列数据 | 多个SARS-CoV-2蛋白质（NSP1、NSP11、ORF3a、核衣壳蛋白、刺突蛋白等） | NA | ADOPT, PONDRVLXT, PONDRVSL2, flDPnn | 预测一致性，实验验证对齐 | NA |
| 13667 | 2025-10-07 |
DeepAssembly2: A Web Server for Protein Complex Structure Assembly Based on Domain-Domain Interactions
2025-Apr-04, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169128
PMID:40188941
|
研究论文 | 介绍用于基于域-域相互作用自动组装蛋白质复合体结构的DeepAssembly2网络服务器 | 使用新构建的链间域-域相互作用数据集训练，新增界面残基倾向性和超快形状识别特征，整合AlphaFold-Multimer的链间残基距离预测 | NA | 准确预测蛋白质复合体结构以理解蛋白质功能和促进药物发现 | 蛋白质复合体 | 生物信息学 | NA | 深度学习 | 深度学习模型 | 蛋白质序列和单体结构 | NA | NA | NA | NA | 网络服务器 |
| 13668 | 2025-10-07 |
Explainable Deep Learning to Predict Kelp Geographical Origin from Volatile Organic Compound Analysis
2025-Apr-04, Foods (Basel, Switzerland)
DOI:10.3390/foods14071269
PMID:40238501
|
研究论文 | 本研究通过分析海带挥发性有机化合物并结合可解释深度学习技术预测海带地理来源 | 首次将可解释深度学习应用于海带挥发性有机化合物的地理溯源研究，解决了该领域深度学习黑箱问题 | NA | 开发基于挥发性有机化合物分析的海带地理来源预测方法 | 海带样本 | 机器学习 | NA | 气相色谱-离子迁移谱联用技术 | CNN | 挥发性有机化合物数据 | NA | NA | 一维卷积神经网络 | 准确率,精确率,召回率,F1分数,AUC | NA |
| 13669 | 2025-10-07 |
Deep Learning Algorithm‑Based MRI Radiomics and Pathomics for Predicting Microsatellite Instability Status in Rectal Cancer: A Multicenter Study
2025-Apr, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.09.008
PMID:39289097
|
研究论文 | 开发基于临床变量、多参数MRI和H&E染色病理切片的多模态深度学习模型，用于预测直肠癌患者的微卫星不稳定性状态 | 首次结合MRI影像组学、病理组学和临床数据构建多模态深度学习模型预测直肠癌MSI状态，通过多中心数据验证模型性能 | 样本量相对有限（467例），仅基于三个医疗中心的数据，需要更大规模的外部验证 | 预测直肠癌患者的微卫星不稳定性状态 | 直肠癌患者 | 医学影像分析, 数字病理 | 直肠癌 | 多参数MRI, H&E染色, 免疫组化染色 | 深度学习 | 医学影像, 病理图像, 临床数据 | 467例经手术确认的直肠癌患者（来自三个中心） | NA | ResNet-101 | AUC, 敏感性, 特异性 | NA |
| 13670 | 2025-10-07 |
Deep Learning Using One-stop-shop CT Scan to Predict Hemorrhagic Transformation in Stroke Patients Undergoing Reperfusion Therapy: A Multicenter Study
2025-Apr, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.09.052
PMID:39462736
|
研究论文 | 本研究开发并验证了基于多期相CTA和CTP图像的深度学习模型，用于自动预测卒中患者再灌注治疗后出血转化的风险 | 首次使用一站式CT扫描（多期相CTA和CTP）结合深度学习技术实现出血转化的全自动预测 | 回顾性研究设计，样本量相对有限（229例患者） | 开发预测急性缺血性卒中患者再灌注治疗后出血转化的深度学习模型 | 接受再灌注治疗的急性缺血性卒中患者 | 医学影像分析 | 卒中 | 多期相计算机断层扫描血管成像（CTA）、计算机断层扫描灌注成像（CTP） | 深度学习 | 医学影像 | 229例急性缺血性卒中患者（训练集183例，外部测试集46例） | NA | DenseNet | 受试者工作特征曲线 | NA |
| 13671 | 2025-10-07 |
Exploring Structure Diversity in Atomic Resolution Microscopy With Graph
2025-Apr, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202417478
PMID:39988855
|
研究论文 | 提出基于等变图神经网络的少样本学习框架，用于分析原子分辨率显微图像中的多样化结构 | 利用图结构表示原子构型，相比传统图像驱动深度学习方法显著提升鲁棒性并减少三个数量级的计算参数 | NA | 开发高效分析原子分辨率显微图像中多样化结构配置的方法 | 原子结构（空位、相界、晶界、掺杂等） | 计算机视觉 | NA | 原子分辨率显微镜 | 等变图神经网络(EGNN) | 原子分辨率显微图像 | NA | NA | 等变图神经网络(EGNN) | 鲁棒性，计算参数效率 | NA |
| 13672 | 2025-10-07 |
Review of 2024 publications on the applications of artificial intelligence in rheumatology
2025-Apr, Clinical rheumatology
IF:2.9Q2
DOI:10.1007/s10067-025-07382-3
PMID:40011358
|
综述 | 本文对2024年人工智能在风湿病学领域的应用进行了全面回顾与分析 | 系统整合了AI在风湿病学中影像诊断、基因组分析和数字健康技术等多领域的前沿应用 | 存在临床医生采用率低、伦理问题、数据隐私问题以及模型验证不足等挑战 | 探讨人工智能在风湿病学研究和临床实践中的整合与应用 | 风湿病学领域的诊断、治疗和研究方法 | 机器学习 | 风湿性疾病 | 深度学习,基因组分析,可穿戴健康技术 | 深度学习模型 | 影像数据,基因组数据,健康监测数据 | NA | NA | NA | NA | NA |
| 13673 | 2025-10-07 |
Non-invasive derivation of instantaneous free-wave ratio from invasive coronary angiography using a new deep learning artificial intelligence model and comparison with human operators' performance
2025-Apr, The international journal of cardiovascular imaging
DOI:10.1007/s10554-025-03369-y
PMID:40063156
|
研究论文 | 开发基于深度学习的人工智能模型从侵入性冠状动脉造影中无创推导瞬时无波形比率，并与人类操作者性能进行比较 | 首次探索从侵入性冠状动脉造影中无创推导iFR的人工智能方法，并开发了基于血管类型的混合模型 | 单中心回顾性研究，样本量有限，需要进一步验证研究 | 开发能够从冠状动脉造影中无创分类iFR病变的人工智能模型 | 接受冠状动脉造影和iFR测量的患者 | 计算机视觉 | 心血管疾病 | 冠状动脉造影，瞬时无波形比率测量 | CNN, Transformer | 医学图像 | 250个测量数据 | NA | EfficientNet-B5, 编码器-解码器CNN | 准确率, 敏感度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 13674 | 2025-10-07 |
A comparative study of explainability methods for whole slide classification of lymph node metastases using vision transformers
2025-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0000792
PMID:40233316
|
研究论文 | 本研究比较了多种可解释性方法在Vision Transformers模型用于淋巴结转移全切片分类中的效果 | 首次系统比较多种先进可解释性方法在Vision Transformers应用于病理图像分类中的表现，发现ViT-Shapley在可靠性和运行效率方面的优势 | 研究仅基于CAMELYON16数据集，样本量相对有限，需要更多数据集验证 | 评估不同可解释性方法在Vision Transformers模型病理图像分类中的有效性 | 乳腺癌患者淋巴结转移的全切片图像 | 计算机视觉 | 乳腺癌 | 全切片成像 | Vision Transformer | 图像 | 399张全切片图像 | NA | Vision Transformer | 插入指标,删除指标,运行时间 | NA |
| 13675 | 2025-10-07 |
EMCAH-Net: an effective multi-scale context aggregation hybrid network for medical image segmentation
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1983
PMID:40235751
|
研究论文 | 提出一种用于医学图像分割的有效多尺度上下文聚合混合网络EMCAH-Net | 设计了有效多尺度上下文聚合(EMCA)模块和双注意力增强自注意力(DASA)模块，有效整合CNN的局部特征和Transformer的全局特征 | NA | 开发能够有效且鲁棒地分割医学图像的混合深度学习模型 | 计算机断层扫描(CT)和磁共振(MR)等医学图像 | 计算机视觉 | 多器官分割 | 医学图像分割 | CNN, Transformer | 医学图像 | NA | NA | U-Net, EMCAH-Net | Dice相似系数(DSC), 参数数量, 浮点运算(FLOPs) | NA |
| 13676 | 2025-10-07 |
Detecting keypoints with semantic labels on skull point cloud for plastic surgery
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1358
PMID:40235762
|
研究论文 | 提出一种用于颅骨点云的关键点检测与分割框架，辅助整形外科手术规划 | 结合关键点描述器-检测器框架与局部小部件分割策略，无需二维图像关键点标注辅助训练 | NA | 开发用于密集三维颅骨点云的鲁棒关键点检测框架 | 颅骨点云模型 | 计算机视觉 | 整形外科 | 点云处理 | 深度学习 | 三维点云 | NA | NA | PointRes2Net, 自组织映射 | 均方误差, 平均精度 | NA |
| 13677 | 2025-10-07 |
A novel dual-branch segmentation algorithm for overall spine segmentation
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2297
PMID:40235769
|
研究论文 | 提出一种基于nnUNet框架的双分支脊柱分割算法DBU-Net，用于CT图像中的椎骨自动分割 | 结合多尺度特征通道注意力模块和双分支解码器架构，通过上下文Transformer模块捕获全局上下文信息，增强对脊柱CT图像复杂特征的处理能力 | NA | 开发高效的脊柱结构自动分割方法，辅助外科医生精确定位目标区域 | 脊柱CT图像中的椎骨结构 | 医学影像分析 | 脊柱疾病 | 计算机断层扫描(CT) | 深度学习分割网络 | CT图像 | 使用MICCAI 2019和2020的VerSe数据集 | nnUNet | DBU-Net, U-Net, Transformer | Dice系数 | NA |
| 13678 | 2025-10-07 |
Diagnostic accuracy of deep learning for the invasiveness assessment of ground-glass nodules with fine segmentation: a systematic review and meta-analysis
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1839
PMID:40235789
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估深度学习模型通过精细结节分割在评估肺腺癌侵袭性方面的诊断准确性 | 首次对深度学习结合精细结节分割技术评估磨玻璃结节侵袭性进行系统性量化分析 | 纳入研究数量有限（8项研究），证据质量欠佳，需要更多高质量研究验证 | 系统评估深度学习模型通过精细结节分割在评估肺腺癌侵袭性方面的诊断准确性 | 表现为磨玻璃结节的浸润性肺腺癌 | 医学影像分析 | 肺癌 | 深度学习，结节分割 | 深度学习模型 | 医学影像数据 | 5,281个结节，4,676名患者 | NA | NA | 敏感性，特异性，SROC曲线下面积 | NA |
| 13679 | 2025-10-07 |
Carotid artery segmentation in computed tomography angiography (CTA) using multi-scale deep supervision with Swin-UNet and advanced data augmentation
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2087
PMID:40235793
|
研究论文 | 本研究提出了一种基于深度学习的自动三维颈动脉分割方法，使用改进的Swin-UNet架构和先进数据增强技术 | 提出了Multi-Flux-Swin-Deepsup-UNet模型，整合了多尺度深度监督、多流融合架构和创新的窗宽/窗位调整数据增强方法 | 研究样本量相对有限（214个CTA图像），仅在两所医院收集数据 | 开发自动准确的三维颈动脉分割方法以辅助颈动脉疾病诊断 | 来自南通大学附属医院和南通市第一人民医院患者的CTA图像 | 医学图像分析 | 颈动脉疾病 | 计算机断层扫描血管成像 | 深度学习 | 三维医学图像 | 214个CTA图像 | NA | Swin-UNet, Multi-Flux-Swin-Deepsup-UNet | 准确率, Dice系数, 敏感性, 特异性 | NA |
| 13680 | 2025-10-07 |
Formal validation of a deep learning-based automated interpretation system for cardiac structure and function in adult echocardiography
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1852
PMID:40235804
|
研究论文 | 本研究开发并验证了一种基于深度学习的自动化系统，用于解读成人超声心动图中心脏结构和功能参数 | 首次正式验证深度学习系统在超声心动图参数测量中的准确性和临床实用性，展示了与人类专家相当甚至更优的性能 | 在RV-A4C视图和右心室参数测量中观察到较大绝对偏差，跨瓣速度的流速时间积分测量存在较大相对偏差 | 开发自动化超声心动图解读系统以提高心脏疾病诊断效率和准确性 | 成人心脏结构和功能参数 | 医学影像分析 | 心血管疾病 | 超声心动图 | 深度学习算法 | 视频循环和多普勒图像 | 训练集：141名患者的416个视频循环和892张多普勒图像；验证集：60名患者的178个视频循环和391张多普勒图像；外部验证集：90个2D视频和120张多普勒图像 | NA | Auto-Echo, Auto-Doppler | 标准差比率, Bland-Altman分析, 组内相关系数, 平均绝对偏差, 绝对相对偏差, 相关性分析 | NA |