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 33553 篇文献，本页显示第 14761 - 14780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14761 | 2025-10-07 |
Artificial intelligence for osteoporosis detection on panoramic radiography: A systematic review and meta analysis
2025-May, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105650
PMID:40010536
|
系统综述与荟萃分析 | 本文系统回顾和荟萃分析了人工智能在全景X线片上检测骨质疏松症的应用效果 | 首次对AI在全景X线片上检测骨质疏松症进行系统综述和荟萃分析，量化评估其诊断准确性 | 研究间存在显著异质性，可能存在小样本效应和发表偏倚，需要进一步验证和标准化 | 评估人工智能在全景X线片上检测骨质疏松症的诊断准确性 | 使用AI检测骨质疏松症的全景X线影像研究 | 数字病理 | 骨质疏松症 | 全景X线摄影 | 深度学习 | X线影像 | 24项研究纳入分析 | NA | NA | 准确率, 敏感性, 特异性, 诊断比值比, 阳性似然比 | NA |
| 14762 | 2025-04-20 |
Geometric and Dosimetric Evaluation of a RayStation Deep Learning Model for Auto-Segmentation of Organs at Risk in a Real-World Head and Neck Cancer Dataset
2025-May, Clinical oncology (Royal College of Radiologists (Great Britain))
DOI:10.1016/j.clon.2025.103796
PMID:40120536
|
研究论文 | 评估基于深度学习的自动分割模型在头颈癌患者真实数据集中的几何准确性和剂量学影响 | 在大型、多样化的头颈癌患者数据集上评估3D U-Net深度学习分割模型的性能，并分析其剂量学影响 | 模型在11例具有显著解剖挑战和伪影的患者中失败，部分器官的剂量学差异较大 | 评估深度学习分割模型在头颈癌患者器官风险自动分割中的准确性和剂量学影响 | 124例接受强度调制质子治疗的头颈癌患者 | 数字病理 | 头颈癌 | 强度调制质子治疗(IMPT) | 3D U-Net | CT图像 | 124例头颈癌患者 | NA | NA | NA | NA |
| 14763 | 2025-04-20 |
CT-based artificial intelligence system complementing deep learning model and radiologist for liver fibrosis staging
2025-Apr-18, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112224
PMID:40248124
|
研究论文 | 本研究开发了一种基于CT的人工智能系统，结合深度学习模型和放射科医生进行肝纤维化分期 | 提出了深度学习-放射科医生互补决策系统（DRCDS），通过决策模型决定采用Model-C的诊断还是放射科医生的诊断，解决了模型泛化和人机互补问题 | 未提及具体样本量及数据来源的详细信息 | 开发非侵入性肝纤维化分期方法，提高诊断准确性 | 肝纤维化患者 | 数字病理 | 肝纤维化 | 深度学习 | Model-C（基于深度学习的分类模型） | CT图像 | NA | NA | NA | NA | NA |
| 14764 | 2025-04-20 |
Rapid pathologic grading-based diagnosis of esophageal squamous cell carcinoma via Raman spectroscopy and a deep learning algorithm
2025-Apr-14, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i14.104280
PMID:40248385
|
research paper | 该研究利用拉曼光谱和深度学习算法快速诊断食管鳞状细胞癌的病理分级 | 提出了一种1D-transformer网络模型用于分类食管鳞状细胞癌的光谱数据，并结合深度学习模型可视化拉曼光谱数据并解释其分子特征 | 样本量相对较小（360组拉曼光谱数据），可能需要更大样本量验证模型的泛化能力 | 检测食管肿瘤不同阶段的拉曼光谱信息变化，提高分类准确性 | 不同分级的食管病变组织 | digital pathology | esophageal squamous cell carcinoma | Raman spectroscopy | 1D-transformer network | spectral data | 360组拉曼光谱数据 | NA | NA | NA | NA |
| 14765 | 2025-04-20 |
Automatic Generation of Liver Virtual Models with Artificial Intelligence: Application to Liver Resection Complexity Prediction
2025-Apr-11, Annals of surgery
IF:7.5Q1
DOI:10.1097/SLA.0000000000006722
PMID:40211963
|
研究论文 | 本研究开发了一种基于人工智能的自动工具，用于从术前CT扫描预测肝切除手术的复杂性 | 提出了一种新的解剖参考框架（HCZ）和全自动管道来量化肿瘤位置，并通过AI模型预测手术复杂性 | 研究仅针对145名HCC患者，样本量有限 | 预测肝切除手术的复杂性以改善手术规划 | 肝切除手术患者 | 数字病理 | 肝癌 | Deep Learning | NA | CT扫描图像 | 145名HCC患者 | NA | NA | NA | NA |
| 14766 | 2025-10-07 |
The STRIPED Dietary Supplement Label Explorer: A Tool to Identify Supplements Sold with Weight-Loss, Muscle-Building, and Cleanse/Detox Claims
2025-Apr, The Journal of nutrition
IF:3.7Q2
DOI:10.1016/j.tjnut.2025.02.007
PMID:39954739
|
研究论文 | 开发了一个基于膳食补充剂标签数据库的分类工具，用于识别具有减肥、增肌和排毒/清洁声称的补充剂 | 首次利用DSLD API开发了专门针对减肥、增肌和排毒声称的补充剂分类工具，结合了系统启发式方法和多模态深度学习模型 | 系统启发式方法虽然性能更好但效率较低（110小时对比30小时），且仅针对三种特定声称类型 | 开发易于使用的工具来分类具有减肥、增肌和排毒/清洁声称的膳食补充剂标签 | 美国销售的膳食补充剂标签 | 自然语言处理 | NA | API数据获取，文本分类 | 多模态深度学习模型 | 文本标签数据 | 4745个DSLD标签（初始5000个） | NA | NA | 召回率，特异性，精确度，阴性预测值，F1分数，准确度，ROC曲线 | NA |
| 14767 | 2025-10-07 |
Multiscale Dissection of Spatial Heterogeneity by Integrating Multi-Slice Spatial and Single-Cell Transcriptomics
2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202413124
PMID:39999288
|
研究论文 | 提出一种名为SMILE的新型深度学习方法，用于整合多切片空间和单细胞转录组数据以解析空间异质性 | 首次将图对比自编码器与多层感知器结合局部约束，实现多尺度空间表征学习，能同时处理跨切片域对齐和单切片内细胞类型解卷积 | 未明确说明方法对数据质量和规模的敏感性，以及计算复杂度分析 | 开发能够同时解析多尺度空间异质性的计算方法 | 空间分辨转录组数据（SRT）和单细胞转录组数据 | 生物信息学 | NA | 空间分辨转录组学（SRT），单细胞转录组学 | 图对比自编码器，多层感知器（MLP） | 空间转录组数据，单细胞转录组数据 | 模拟数据集和真实数据集（具体数量未说明） | NA | 图对比自编码器，多层感知器 | 空间对齐，域识别，细胞类型解卷积 | NA |
| 14768 | 2025-10-07 |
Deep mutational learning for the selection of therapeutic antibodies resistant to the evolution of Omicron variants of SARS-CoV-2
2025-Apr, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-025-01353-4
PMID:40044817
|
研究论文 | 本研究通过深度突变学习筛选对SARS-CoV-2奥密克戎变异株进化具有增强抵抗力的治疗性抗体 | 首次将深度突变学习应用于抗体筛选，通过构建高突变距离的RBD库并训练集成深度学习模型预测抗体结合与逃逸 | 研究主要针对奥密克戎BA.1变异株，对其他变异株的适用性需要进一步验证 | 开发对SARS-CoV-2变异株具有广谱中和能力的治疗性抗体 | SARS-CoV-2奥密克戎变异株的受体结合域(RBD)和治疗性抗体 | 机器学习 | COVID-19 | 深度测序, 深度突变学习 | 集成深度学习模型 | 蛋白质序列数据 | 包含数百万奥密克戎序列的RBD突变库 | NA | 集成深度学习模型 | 结合预测准确率, 逃逸预测准确率 | NA |
| 14769 | 2025-10-07 |
Accuracy of vestibular schwannoma segmentation using deep learning models - a systematic review & meta-analysis
2025-Mar, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-024-03449-1
PMID:39179652
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估深度学习模型在前庭神经鞘瘤分割中的准确性 | 首次对前庭神经鞘瘤深度学习分割算法进行系统性评估和荟萃分析 | 仅基于现有文献分析，未进行原始实验验证 | 评估深度学习算法在前庭神经鞘瘤MRI图像分割中的应用现状和准确性 | 前庭神经鞘瘤患者 | 医学影像分析 | 前庭神经鞘瘤 | MRI | 深度学习模型 | 医学影像 | NA | NA | NA | 分割准确性 | NA |
| 14770 | 2025-10-07 |
Training deep learning models on personalized genomic sequences improves variant effect prediction
2025-Feb-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.15.618510
PMID:39463940
|
研究论文 | 通过使用匹配个人基因组的功能基因组数据训练深度学习模型，可提高基因变异效应预测性能 | 首次证明在匹配个人基因组的功能基因组数据上训练模型能显著提升变异效应预测效果，且变异效应表征在不同细胞环境和实验读数中具有可迁移性 | NA | 提升基因变异效应预测的准确性和泛化能力 | 个人基因组序列和功能基因组数据 | 机器学习 | NA | 基因组测序 | 深度学习模型 | 基因组序列数据 | NA | NA | 序列到函数模型 | 变异效应预测性能 | NA |
| 14771 | 2025-10-07 |
Leveraging deep learning to detect stance in Spanish tweets on COVID-19 vaccination
2025-Feb, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooaf007
PMID:40008184
|
研究论文 | 本研究开发了用于检测西班牙语推文中关于COVID-19疫苗接种立场的深度学习模型 | 首次针对西班牙语推文开发立场检测模型，填补了非英语社交媒体分析的研究空白 | 语言特定嵌入模型未能超越多语言嵌入或TF-IDF特征，因为BERT或RoBERTa嵌入不熟悉Twitter常用俚语和疫情期间特定语境 | 开发西班牙语社交媒体帖子的立场检测模型 | 关于COVID-19疫苗接种的西班牙语推文 | 自然语言处理 | COVID-19 | 深度学习，文本挖掘 | BERT, BiLSTM, RoBERTa, SVM | 文本 | 6170条推文（2020年3月1日至2022年1月4日期间发布） | NA | BERT-Multi+BiLSTM, BETO+BiLSTM, RoBERTa BNE-LSTM | F1分数, Matthews相关系数, AUC | NA |
| 14772 | 2025-04-20 |
A method of rice panicle number counting based on improved CSRNet model
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1494564
PMID:40247946
|
研究论文 | 本研究提出了一种基于改进CSRNet模型的水稻穗粒数计数方法 | 改进CSRNet模型并应用于水稻穗粒数计数，开发了Android端实时计数APP和PC端批量计数软件 | 未提及模型在不同光照或品种条件下的泛化能力 | 为水稻穗粒数计数提供理论依据和技术支持 | 水稻穗粒 | 计算机视觉 | NA | 深度学习 | 改进的CSRNet | 图像 | 未明确说明样本数量 | NA | NA | NA | NA |
| 14773 | 2025-04-20 |
Protein structure prediction via deep learning: an in-depth review
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1498662
PMID:40248099
|
综述 | 本文深入探讨了深度学习在蛋白质结构预测中的应用及其对药物发现和开发的影响 | 全面回顾了深度学习在蛋白质结构预测中的最新进展，包括大型语言模型和尖端深度学习方法 | 未提及具体实验验证或实际应用案例 | 探讨深度学习在蛋白质结构预测领域的应用及其潜力 | 蛋白质结构预测 | 机器学习 | NA | 深度学习、大型语言模型 | NA | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 14774 | 2025-04-20 |
Clinical and Radiological Fusion: A New Frontier in Predicting Post-Transplant Diabetes Mellitus
2025, Transplant international : official journal of the European Society for Organ Transplantation
IF:2.7Q2
DOI:10.3389/ti.2025.14377
PMID:40248509
|
研究论文 | 本研究通过整合临床和放射学数据，开发了一个预测移植后糖尿病（PTDM）的模型，以识别高风险肾移植受者 | 结合临床指标和深度学习分析的CT图像，专注于体成分参数（如脂肪组织和肌肉质量），而非BMI或其他生物标志物 | 研究为回顾性分析，可能存在选择偏倚，且样本仅来自三个Mayo Clinic站点 | 预测肾移植受者术后糖尿病（PTDM）的发生风险 | 2005名非糖尿病肾移植受者 | 数字病理学 | 糖尿病 | 深度学习分析 | 深度学习模型 | 临床数据和CT图像 | 2005名非糖尿病肾移植受者，其中335名（16.7%）在术后一年内发展为PTDM | NA | NA | NA | NA |
| 14775 | 2025-10-07 |
Dissecting the cis-regulatory syntax of transcription initiation with deep learning
2024-Nov-21, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.28.596138
PMID:38853896
|
研究论文 | 利用深度学习模型ProCapNet解析DNA顺式调控元件对转录起始的调控机制 | 开发了能准确建模碱基分辨率转录起始谱的神经网络，揭示了启动子和增强子共享的顺式调控逻辑及基序间的高度上位相互作用 | NA | 解析哺乳动物Pol II转录起始的DNA序列决定因素 | 人类启动子和增强子的转录起始调控 | 机器学习 | NA | PRO-cap实验, RAMPAGE分析 | 神经网络 | DNA序列数据, 转录起始谱数据 | 多个细胞系 | NA | ProCapNet | NA | NA |
| 14776 | 2025-10-07 |
AI-enabled CT-guided end-to-end quantification of total cardiac activity in 18FDG cardiac PET/CT for detection of cardiac sarcoidosis
2024-Sep-23, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.09.20.24314081
PMID:39399046
|
研究论文 | 开发基于深度学习的全自动管道，通过CT衰减图分割心脏结构并量化18F-FDG PET活性以检测心脏结节病 | 首次提出基于CT衰减图深度学习分割的全自动化心脏活动量化管道，实现心脏结节病的客观检测 | 样本量相对较小（69例患者），需在更大群体中验证 | 开发自动化方法量化心脏FDG PET活性以改进心脏结节病诊断 | 疑似心脏结节病患者 | 数字病理 | 心脏结节病 | 18F-FDG PET/CT成像 | 深度学习分割模型 | CT衰减图和PET图像 | 69例连续患者（平均年龄56.1±13.4岁），其中29例确诊心脏结节病 | NA | NA | AUC, 灵敏度, 特异性 | NA |
| 14777 | 2025-10-07 |
Vulnerability of Thalamic Nuclei at CSF Interface During the Entire Course of Multiple Sclerosis
2024-May, Neurology(R) neuroimmunology & neuroinflammation
DOI:10.1212/NXI.0000000000200222
PMID:38635941
|
研究论文 | 本研究通过深度学习分析多发性硬化症患者丘脑核团的萎缩动态，发现靠近第三脑室的核群更易发生神经退行性变 | 首次通过全病程追踪揭示丘脑不同核群在多发性硬化中的差异性萎缩模式，并验证了基于标准T1加权MRI的自动分割策略 | 研究依赖于常规3D-T1 MRI数据，未使用更高分辨率的专门序列验证分割准确性 | 探究多发性硬化症病程中丘脑不同核团的动态变化规律及驱动机制 | 1,123名多发性硬化症患者和相同数量的健康对照者 | 医学影像分析 | 多发性硬化症 | 3D-T1 MRI，深度学习序列合成，多图谱自动分割 | 深度学习 | MRI影像 | 2,246名参与者（1,123名患者+1,123名健康对照） | NA | NA | NA | NA |
| 14778 | 2025-10-07 |
Discovery of antibiotics that selectively kill metabolically dormant bacteria
2024-Apr-18, Cell chemical biology
IF:6.6Q1
DOI:10.1016/j.chembiol.2023.10.026
PMID:38029756
|
研究论文 | 本研究通过结合静态期筛选方法和深度学习虚拟筛选技术，发现了能够选择性杀死代谢休眠细菌的新型抗生素 | 首次将静态期筛选方法与深度学习虚拟筛选相结合，并引入毒性过滤机制，成功识别出对代谢休眠细菌具有选择性杀伤作用的化合物 | 研究主要针对大肠杆菌和鲍曼不动杆菌，尚未验证对其他病原菌的广谱效果 | 开发对代谢休眠细菌有效且无毒的抗生素，解决慢性感染和抗生素耐药性问题 | 代谢休眠细菌（静态期大肠杆菌和鲍曼不动杆菌） | 机器学习 | 细菌感染 | 静态期筛选、深度学习虚拟筛选、微生物学检测、生化测量、单细胞显微镜 | 深度学习 | 化合物筛选数据、微生物实验数据、显微镜图像 | 未明确说明具体样本数量 | NA | NA | 致死效果、毒性评估 | NA |
| 14779 | 2025-10-07 |
Deep learning-based automatic segmentation of cardiac substructures for lung cancers
2024-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2023.110061
PMID:38122850
|
研究论文 | 开发基于深度学习的自动分割模型用于肺癌患者心脏亚结构分割 | 首次使用nnU-Net模型对19个心脏亚结构（包括冠状动脉）进行自动分割 | 冠状动脉分割的DSC系数相对较低（0.60±0.14），样本量有限 | 开发自动分割心脏亚结构的深度学习模型以降低肺癌放疗中心脏损伤风险 | 非小细胞肺癌患者的心脏亚结构 | 数字病理学 | 肺癌 | 医学图像分割 | 深度学习 | 医学影像 | 100例患者用于模型开发，42例患者用于主观评估 | nnU-Net | nnU-Net | Dice相似系数, 剂量指标 | NA |
| 14780 | 2025-10-07 |
RecGOBD: accurate recognition of gene ontology related brain development protein functions through multi-feature fusion and attention mechanisms
2024, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae163
PMID:39678209
|
研究论文 | 开发了专门用于识别与脑发育相关的基因本体蛋白质功能的深度学习模型RecGOBD | 通过多特征融合和注意力机制优化脑发育数据集，专门针对神经发育障碍研究 | NA | 预测与脑发育相关的蛋白质功能 | 与脑发育相关的蛋白质序列 | 生物信息学 | 神经发育障碍 | 蛋白质序列分析 | 深度学习 | 蛋白质序列数据 | NA | Python | 注意力机制 | AUROC, AUPR, Fmax | NA |