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 31956 篇文献，本页显示第 1421 - 1440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1421 | 2025-09-18 |
Machine Learning Models for Predicting Gynecological Cancers: Advances, Challenges, and Future Directions
2025-Aug-27, Cancers
IF:4.5Q1
DOI:10.3390/cancers17172799
PMID:40940896
|
综述 | 本文回顾了机器学习模型在妇科癌症预测中的最新进展、挑战及未来方向 | 讨论了可解释AI、联邦学习和多组学融合等新兴技术以提高模型可靠性和实用性 | 存在数据不一致性、模型解释困难以及临床转化问题 | 提升妇科癌症的早期预测能力以改善生存率并指导个性化治疗 | 妇科癌症（如乳腺癌、宫颈癌、卵巢癌）患者 | 机器学习 | 妇科癌症 | 多组学数据融合（临床记录、基因组学、蛋白质组学、医学影像） | SVM, Random Forest, CNN等深度学习模型 | 多模态数据（结构化临床数据、影像数据、生物分子数据） | NA |
| 1422 | 2025-09-18 |
Comparative Evaluation of CNN and Transformer Architectures for Flowering Phase Classification of Tilia cordata Mill. with Automated Image Quality Filtering
2025-Aug-27, Sensors (Basel, Switzerland)
DOI:10.3390/s25175326
PMID:40942760
|
研究论文 | 本研究比较了CNN和Transformer架构在椴树开花期自动分类中的性能，并引入了自动化图像质量过滤方法 | 首次提出基于XGBoost的自动化图像质量过滤方法，并首次系统性地对比了传统CNN与Transformer架构在物候期识别中的表现 | 研究主要针对特定树种（小叶椴），虽然方法可推广但需要进一步验证在其他物种上的适用性 | 开发高精度的开花期自动分类方法，支持生态监测和气候变化研究 | 小叶椴（Tilia cordata Mill）的开花物候期 | 计算机视觉 | NA | 深度学习，图像处理，XGBoost分类器 | CNN（VGG16, ResNet50, EfficientNetB3, MobileNetV3 Large, ConvNeXt Tiny）, Transformer（ViT-B/16, Swin Transformer Tiny） | 图像 | 大规模真实野外环境采集的图像数据集（具体数量未明确说明） |
| 1423 | 2025-09-18 |
Applications of artificial intelligence in stem cell therapy
2025-Aug-26, World journal of stem cells
IF:3.6Q3
DOI:10.4252/wjsc.v17.i8.106086
PMID:40951704
|
综述 | 本文探讨人工智能在干细胞治疗中的应用及其潜力与挑战 | 系统整合AI技术于干细胞治疗全流程，包括行为分析、鉴定优化及风险预测 | AI技术尚不成熟，存在算法验证、数据质量与可用性不足及伦理问题 | 提升干细胞治疗的质量、效率与安全性，加速相关研究与应用进展 | 干细胞及其治疗应用 | 机器学习 | NA | 人工智能、机器学习、深度学习 | NA | 多模态数据（未明确具体类型） | NA |
| 1424 | 2025-09-18 |
Comparison of ChatGPT and DeepSeek large language models in the diagnosis of pericarditis
2025-Aug-26, World journal of cardiology
IF:1.9Q3
DOI:10.4330/wjc.v17.i8.110489
PMID:40949931
|
研究论文 | 比较ChatGPT和DeepSeek两种大型语言模型在心包炎诊断中的准确性 | 首次将大型语言模型应用于心包炎诊断领域，并直接比较不同模型性能 | 样本量较小（仅16例），需更大样本和优化提示工程以提高诊断准确性 | 评估大型语言模型作为心包炎风险分层工具的辅助诊断能力 | 18岁以上经确诊的急性心包炎患者病例报告 | 自然语言处理 | 心血管疾病 | 大型语言模型（LLM） | ChatGPT, DeepSeek | 文本（医学病例报告） | 16例符合纳入标准的病例报告 |
| 1425 | 2025-09-18 |
Harnessing AI-driven reverse docking in drug discovery: a comprehensive review of opportunities, challenges, and emerging trends
2025-Aug-25, Journal of molecular modeling
IF:2.1Q3
DOI:10.1007/s00894-025-06480-y
PMID:40853597
|
综述 | 本文全面回顾了AI驱动的反向对接在药物发现中的应用，包括机遇、挑战和新兴趋势 | 整合AI技术与反向对接方法，优化药物靶点识别和相互作用预测，支持药物重定位和精准医疗 | 面临数据限制和算法复杂性等挑战 | 探讨AI增强的反向对接在药物发现中的潜力和未来发展 | 药物靶点、治疗相互作用、多组学数据 | machine learning | NA | machine learning, deep learning, reinforcement learning, virtual screening | NA | multi-omics数据 | NA |
| 1426 | 2025-09-18 |
Predicting Healthcare Utilization Outcomes With Artificial Intelligence: A Large Scoping Review
2025-Aug-21, Value in health : the journal of the International Society for Pharmacoeconomics and Outcomes Research
IF:4.9Q1
DOI:10.1016/j.jval.2025.08.007
PMID:40848744
|
综述 | 本文通过范围综述方法，系统分析了人工智能在医疗资源利用预测领域的研究现状、趋势与挑战 | 首次全面评估AI预测医疗资源利用的数据集特征、方法学应用及报告规范符合度，识别关键研究空白 | 纳入研究仅覆盖至2025年1月，且未包含所有相关变量组（如社会经济、服务提供者特征等） | 描绘人工智能在医疗资源利用预测中的研究图景，识别趋势、差距及标准化报告需求 | 医疗资源利用预测相关研究（共121项符合纳入标准的研究） | 医疗健康人工智能 | NA | 范围综述方法（Joanna Briggs Institute methodology），AI预测模型 | 集成模型（66.9%），深度学习模型（16.5%） | 电子健康记录（60%），医保索赔数据（28%） | 121项研究 |
| 1427 | 2025-09-18 |
Metabolic modelling: Insights into the machine room of plant metabolism
2025-Aug-14, Journal of plant physiology
IF:4.0Q1
DOI:10.1016/j.jplph.2025.154584
PMID:40957247
|
综述 | 本文综述了植物代谢建模的最新进展及其在从亚细胞到生态系统层面研究代谢网络的应用 | 整合机器学习与深度学习框架辅助模型重建与分析，并探索增强机制模型的混合策略 | NA | 研究植物代谢网络的机制与功能 | 植物代谢网络及其在不同物种和环境中的表现 | 计算生物学 | NA | 代谢建模、机器学习、深度学习 | 混合模型（机制模型与机器学习结合） | 代谢网络数据 | NA |
| 1428 | 2025-09-18 |
Deep Learning Prediction and Interpretation of Riverine Nitrate Export Across the Mississippi River Basin
2025-Aug-09, Water resources research
IF:4.6Q1
DOI:10.1029/2024WR039207
PMID:40948694
|
研究论文 | 利用深度学习模型预测和解释密西西比河流域的河流硝酸盐输出 | 结合高频传感器数据和LSTM模型进行时空验证，并利用可解释的Shapley值识别关键驱动因素和非线性阈值 | 在未监测流域的空间验证性能较低（中位KGE=0.18），突显当前数据空白的影响 | 预测和解释河流硝酸盐输出，为营养物管理策略提供依据 | 密西西比河流域的河流硝酸盐浓度和输出 | 机器学习 | NA | 高频传感器数据，LSTM模型，Shapley值解释 | LSTM | 时间序列传感器数据 | 美国本土的高频传感器数据，覆盖1980年至2022年 |
| 1429 | 2025-09-18 |
Novel CAC Dispersion and Density Score to Predict Myocardial Infarction and Cardiovascular Mortality
2025-Aug, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.125.018059
PMID:40613107
|
研究论文 | 本研究开发了一种新型冠状动脉钙化分散与密度评分（CAC-DAD），用于预测主要不良心血管事件（MACE），并通过多中心回顾性研究验证其优于传统Agatston评分 | 提出首个综合考虑冠状动脉钙化空间分布和高密度钙化保护性效应的自动化评分系统 | 回顾性研究设计，样本量相对有限（961例患者），随访时间中位数较短（30天） | 开发并验证新型心血管风险预测评分 | 接受心脏计算机断层扫描的心血管疾病或围手术期风险评估患者 | 数字病理 | 心血管疾病 | 心脏计算机断层扫描，深度学习算法 | 深度学习 | 医学影像 | 961例患者（中位年龄67岁，61%男性） |
| 1430 | 2025-09-18 |
Influence of Problem-based Learning Method on Learning Outcomes in Medical Curriculum
2025-Aug, The Journal of the Association of Physicians of India
DOI:10.59556/japi.73.1079
PMID:40955883
|
研究论文 | 本研究探讨了问题导向学习（PBL）方法对医学课程学习成果的影响 | 通过对比传统教学与PBL结合的教学模式，实证分析PBL在医学教育中的效果 | 回顾性研究设计，样本仅来自单一机构的151名学生，可能存在选择偏倚 | 评估PBL教学方法在医学教育中的有效性 | 151名进行第二年MBBS培训的药理学系学生 | 医学教育 | NA | Wilcoxon Mann-Whitney检验，方差分析（ANOVA） | NA | 考试成绩数据 | 151名学生 |
| 1431 | 2025-09-18 |
Coalescence and Translation: A Language Model for Population Genetics
2025-Jun-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.24.661337
PMID:40666889
|
研究论文 | 提出一种基于Transformer的语言模型cxt，用于从基因组数据中推断群体遗传学中的共祖时间 | 将共祖时间推断重新定义为生物语言翻译问题，首次使用仅解码器Transformer自回归预测共祖事件 | 模型基于模拟数据训练，在真实数据中的性能需要进一步验证 | 开发灵活可扩展的群体遗传学推断方法，重建人口历史和祖先关系 | 基因组数据中的突变模式和祖先重组图(ARG) | 自然语言处理 | NA | 深度学习，Transformer模型 | decoder-only Transformer | 基因组数据 | 基于stdpopsim目录的模拟数据训练，可产生超过百万个共祖预测 |
| 1432 | 2025-09-18 |
[Dual-Channel Shoulder Joint X-ray Bone Age Estimation in Chinese Han Adolescents Based on the Fusion of Segmentation Labels and Original Images]
2025-Jun-25, Fa yi xue za zhi
|
研究论文 | 提出一种基于双通道输入（原始图像与分割标签融合）的深度学习模型，用于中国汉族青少年肩关节X射线骨龄估计 | 首次将原始X射线图像与U-Net++生成的分割标签进行像素级融合形成双通道输入，提升骨龄估计精度 | 样本仅包含12-18岁中国汉族青少年，可能限制模型在其他年龄组或种族的泛化能力 | 开发适用于中国汉族青少年肩关节X射线图像的骨龄估计深度学习模型 | 中国汉族青少年（12.0至<18.0岁）的肩关节X射线图像 | 计算机视觉 | NA | X射线成像、U-Net++图像分割 | VGG16, ResNet18, ResNet50, DenseNet121 | X射线图像 | 1286例肩关节X射线图像（708男性，578女性） |
| 1433 | 2025-09-18 |
Deep learning reveals pathology-confirmed neuroimaging signatures in Alzheimer's, vascular and Lewy body dementias
2025-Jun-03, Brain : a journal of neurology
IF:10.6Q1
DOI:10.1093/brain/awae388
PMID:39657969
|
研究论文 | 开发基于深度学习的多标签框架，用于识别阿尔茨海默病、血管性痴呆和路易体痴呆的神经影像学生物标志物 | 提出创新的DeepSPARE指数作为病理敏感的非侵入性神经影像学指标，将传统T1成像与组织病理学联系起来 | 模型在路易体痴呆的识别准确率相对较低（0.623），且样本来源限于特定数据库 | 解决神经退行性和血管性病理共存的诊断挑战，开发体内生物标志物识别方法 | 423名痴呆患者和361名对照参与者 | 医学影像分析 | 神经退行性疾病 | 深度学习，T1加权MRI扫描 | 多标签深度学习框架 | 神经影像数据 | 784名参与者（来自NACC和ADNI数据集） |
| 1434 | 2025-09-18 |
Redefining healthcare - The transformative power of generative AI in modern medicine
2025-06, Revista espanola de enfermedades digestivas
IF:2.7Q2
DOI:10.17235/reed.2025.11081/2024
PMID:39898717
|
综述 | 本文探讨生成式AI在现代医学中的变革潜力及其对医疗保健的重塑作用 | 强调生成式AI在模仿人类认知过程（语言、视觉、听觉等）并生成新内容方面的突破性进展 | 存在尚未完全解决的伦理与法律挑战 | 分析生成式AI对医疗保健领域的颠覆性影响及应对策略 | 医疗保健专业人员和生成式AI技术 | 自然语言处理 | NA | 深度学习（人工神经网络、大数据与计算能力） | 生成式AI | 多模态数据（语言、视觉、听觉等） | NA |
| 1435 | 2025-09-18 |
Cellular and subcellular specialization enables biology-constrained deep learning
2025-May-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.22.655599
PMID:40501912
|
研究论文 | 提出一种生物学约束的深度学习模型，通过模拟神经元细胞类型和树突区室化实现图像分类任务 | 首次将兴奋性/抑制性细胞类型分离和树突-胞体区室化结构整合到多层人工神经网络中，并采用完全生物学兼容的深度学习算法 | 模型虽基于生物学约束，但仍为计算模拟，需实验验证其预测 | 探索大脑多层级神经回路中学习协调的生物学机制 | 人工神经网络模型与生物神经元回路的对应关系 | 机器学习 | NA | 深度学习算法 | 具有循环连接的多层ANN（含兴奋性/抑制性细胞类型和树突区室化结构） | 图像 | NA |
| 1436 | 2025-09-18 |
Artificial Intelligence in Cardiovascular Imaging: Current Applications and New Horizons
2025 Apr-Jun, Journal of cardiovascular echography
IF:0.7Q4
DOI:10.4103/jcecho.jcecho_62_25
PMID:40950368
|
综述 | 本文综述了人工智能在心血管影像学中的当前应用与未来发展方向 | 系统总结了AI在超声心动图、心脏CT和心脏MRI中的创新应用，包括图像采集优化、自动化分析和预后预测 | AI模型的可解释性不足、数据集多样性不够、监管审批和伦理问题仍需解决 | 探讨人工智能技术在心血管影像学领域的应用现状和未来发展前景 | 心血管影像学技术（超声心动图、心脏CT、心脏MRI）及相关疾病诊断 | 医学影像分析 | 心血管疾病 | 深度学习 | DL | 医学影像 | NA |
| 1437 | 2025-02-19 |
Deep learning: Cracking the metabolic code
2025-Mar-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001220
PMID:39960202
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1438 | 2025-09-18 |
Bone Age Estimation of Chinese Han Adolescents's and Children's Elbow Joint X-rays Based on Multiple Deep Convolutional Neural Network Models
2025-Feb-25, Fa yi xue za zhi
|
研究论文 | 本研究开发了一种基于深度学习的自动骨龄评估模型，用于中国汉族儿童和青少年的肘关节X光图像 | 首次针对中国汉族人群肘关节X光图像，结合多种分割和回归深度学习模型进行骨龄评估，并比较不同标注策略的效果 | 样本仅来自中国部分地区，年龄范围限定在6-16岁，未涵盖更广泛年龄段或地域 | 探索并评估基于深度学习的自动骨龄评估方法在肘关节X光图像上的性能 | 中国汉族儿童和青少年的肘关节X光图像 | 计算机视觉 | NA | X光成像，深度学习 | U-Net, UNet++, TransUNet, VGG16, VGG19, InceptionV2, InceptionV3, ResNet34, ResNet50, ResNet101, DenseNet121 | 图像 | 943张肘关节正位X光图像（内部数据集），外加104张作为外部测试集 |
| 1439 | 2025-09-18 |
Solubilization of Membrane Proteins using designed protein WRAPS
2025-Feb-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.04.636539
PMID:39975033
|
研究论文 | 提出一种基于深度学习的蛋白质设计方法，使用WRAPs（水溶性RF扩散两亲性蛋白质）溶解膜蛋白并保持其功能 | 开发了一种通用深度学习方法设计WRAPs，无需去污剂即可实现膜蛋白的溶解和功能保留 | NA | 解决膜蛋白溶解难题以促进治疗和疫苗开发 | 整合膜蛋白，特别是β-桶状外膜蛋白和螺旋多次跨膜蛋白 | 蛋白质设计 | 梅毒 | 深度学习设计，冷冻电镜（cryo-EM） | 深度学习 | 蛋白质序列和结构数据 | 四种外膜β-桶状蛋白（TP0698等潜在梅毒疫苗抗原） |
| 1440 | 2025-09-18 |
Deep Learning for the Accurate Prediction of Triggered Drug Delivery
2025-01, IEEE transactions on nanobioscience
IF:3.7Q3
DOI:10.1109/TNB.2024.3426291
PMID:39018211
|
研究论文 | 本研究结合实验测量与深度学习技术开发预测模型，用于准确预测纳米载体中药物的触发释放行为 | 首次将深度学习应用于预测脂质体和金属有机框架纳米载体在不同触发条件下的药物释放，显著优于线性预测方法 | NA | 提高化疗药物递送精度并减少副作用，通过预测模型优化触发释放策略 | 脂质体和金属有机框架纳米载体，以及它们携带的化疗药物 | 机器学习 | 癌症 | 深度学习，超声波触发，微波暴露，紫外光暴露，pH响应释放 | 深度学习模型 | 实验测量数据 | NA |