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 24162 篇文献，本页显示第 1521 - 1540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1521 | 2025-04-25 |
Three-photon population imaging of subcortical brain regions
2025-Mar-21, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.21.644611
PMID:40166349
|
研究论文 | 本文介绍了一种新型的三光子显微镜LIFT，用于深层脑区的大规模细胞活动成像 | 开发了具有大视场（>3 mm）的LIFT显微镜，结合深度学习去噪技术，实现了深层脑区的高质量成像 | 由于三光子成像固有的低重复率源和增加的组织加热问题，成像视场仍受限制 | 开发一种能够记录深层神经回路中大量细胞活动的成像技术 | 小鼠和大鼠的脑区（CA1、白质和皮层深层） | 神经科学成像技术 | NA | 三光子成像技术、深度学习去噪 | 深度学习 | 钙成像数据 | 超过1500个细胞（小鼠CA1区、白质和皮层深层）及大鼠皮层（深度1.2mm） |
| 1522 | 2025-04-25 |
Universal consensus 3D segmentation of cells from 2D segmented stacks
2025-Mar-20, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.03.592249
PMID:38766074
|
research paper | 该论文提出了一种名为u-Segment3D的理论和工具箱，用于将2D细胞分割转换为3D共识分割，无需训练数据 | 开发了一种无需训练数据的2D到3D分割方法，适用于任何生成基于像素的实例细胞掩模的2D方法 | 未提及具体限制，但暗示3D细胞分割的密集标注仍然具有挑战性 | 解决3D细胞分割的挑战，提供一种通用的2D到3D分割方法 | 细胞，包括单细胞、细胞聚集体和组织 | digital pathology | NA | deep learning | NA | image | 11个真实数据集，超过70,000个细胞 |
| 1523 | 2025-04-25 |
Precise perivascular space segmentation on magnetic resonance imaging from Human Connectome Project-Aging
2025-Mar-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.19.25324269
PMID:40166557
|
research paper | 该研究提出了一种精确分割脑周血管空间（PVS）的方法，并提供了一个基于T2加权MRI扫描的高质量数据集 | 结合无监督学习和深度学习技术，辅以人工校正，提高了PVS分割的准确性，并创建了一个包含200名年龄在30至100岁之间的受试者的数据集 | PVS的小尺寸和MRI表现的多变性可能影响分割的准确性，且标注数据的稀缺性也是一个挑战 | 研究PVS在不同年龄段的动态变化及其与认知衰退的关联，同时推动先进图像分割算法的发展 | 200名年龄在30至100岁之间的受试者的T2加权MRI扫描数据 | digital pathology | neurodegenerative diseases | T2-weighted MRI | deep learning | image | 200 subjects aged 30 to 100 |
| 1524 | 2025-04-25 |
A mechanistic neural network model predicts both potency and toxicity of antimicrobial combination therapies
2025-Mar-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.19.25324270
PMID:40166569
|
研究论文 | 介绍了一种名为CALMA的方法，用于预测多药组合的效力和毒性 | 结合机制建模与深度学习，提高了神经网络的解释性，并识别了影响药物相互作用的关键途径 | 未提及具体样本量或实验范围的限制 | 优化抗菌组合疗法的效力和减少毒性 | 多药组合的效力和毒性预测 | 机器学习 | 抗菌耐药性 | 深度学习 | 神经网络 | 细胞活力测定和患者健康记录 | NA |
| 1525 | 2025-04-25 |
Image-based Mandibular and Maxillary Parcellation and Annotation using Computer Tomography (IMPACT): A Deep Learning-based Clinical Tool for Orodental Dose Estimation and Osteoradionecrosis Assessment
2025-Mar-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.18.25324199
PMID:40166584
|
research paper | 提出了一种基于深度学习的自动分割框架，用于放疗CT图像中口腔牙齿和颌骨子体积的精确划分，以支持剂量评估和骨坏死评估 | 首次开发了与ClinRad ORN分期系统对齐的深度学习自动分割工具，用于口腔牙齿和颌骨子体积的精确划分 | 在分割牙齿和数据中常缺失的子体积时表现有限，某些子体积的剂量学差异具有统计学显著性 | 开发一种临床工具，用于口腔剂量估计和放射性骨坏死评估 | 头颈癌患者的牙齿和颌骨结构 | digital pathology | head and neck cancer | 计算机断层扫描(CT) | Swin UNETR, ResUNet | image | NA |
| 1526 | 2025-04-25 |
A Large Language Model-Powered Map of Metabolomics Research
2025-Mar-19, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.18.643696
PMID:40166287
|
研究论文 | 本文通过分析超过80,000篇文献，利用PubMedBERT和GPT-4o mini等技术，构建了一个全面的代谢组学研究地图，揭示了该领域的主要研究主题和趋势 | 使用PubMedBERT和GPT-4o mini进行文献主题建模和分类，结合t-SNE降维技术，首次构建了代谢组学研究的全面地图，并开发了交互式网页应用供动态探索 | 研究依赖于PubMed文献数据库，可能未涵盖所有相关研究，且主题分类可能受模型偏差影响 | 构建代谢组学研究的全面地图，揭示研究主题和趋势，帮助研究人员、临床医生和政策制定者识别新兴研究方向 | 代谢组学研究领域的80,000多篇文献 | 自然语言处理 | NA | PubMedBERT, GPT-4o mini, t-SNE | BERT, 神经网络主题模型 | 文本 | 80,000多篇文献 |
| 1527 | 2025-04-25 |
Artificial intelligence automation of echocardiographic measurements
2025-Mar-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.18.25324215
PMID:40166567
|
research paper | 开发并验证了一个开源深度学习模型EchoNet-Measurements，用于自动测量超声心动图中的18个解剖和多普勒参数 | 提出了一个高精度的开源深度学习模型，能够自动化超声心动图测量，减轻临床医生负担 | 研究仅基于两家医疗机构的数据，可能需要更多外部验证 | 开发AI模型以自动化超声心动图测量，提高心血管疾病诊断效率 | 超声心动图参数测量 | digital pathology | cardiovascular disease | deep learning semantic segmentation | EchoNet-Measurements | image | 877,983个超声心动图测量数据，来自155,215项研究 |
| 1528 | 2025-03-20 |
Deep learning approaches to predict late gadolinium enhancement and clinical outcomes in suspected cardiac sarcoidosis
2025-Mar-18, Sarcoidosis, vasculitis, and diffuse lung diseases : official journal of WASOG
DOI:10.36141/svdld.v42i1.15378
PMID:40100114
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1529 | 2025-04-25 |
VISTA Uncovers Missing Gene Expression and Spatial-induced Information for Spatial Transcriptomic Data Analysis
2025-Mar-18, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.26.609718
PMID:40166134
|
研究论文 | 本文提出了一种名为VISTA的新方法，用于预测空间转录组数据中未观测到的基因表达水平 | VISTA通过变分推理和几何深度学习联合建模scRNA-seq数据和SST数据，并整合不确定性量化，解决了SST技术中基因数量有限的问题 | NA | 提升对空间诱导细胞状态和特征的理解，解决SST数据中基因表达信息缺失的问题 | 空间转录组数据 | 生物信息学 | NA | scRNA-seq, SST | 几何深度学习 | 基因表达数据 | 四个SST数据集 |
| 1530 | 2025-04-25 |
Effectiveness and Efficiency: Label-Aware Hierarchical Subgraph Learning for Protein-Protein Interaction
2025-Mar-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2024.168737
PMID:39102976
|
研究论文 | 本文提出了一种标签感知的层次子图学习方法（laruGL-PPI），用于有效推断蛋白质-蛋白质相互作用（PPIs），并解决现有方法中的拓扑捷径和高计算成本问题 | 引入基于边的子图采样以缓解拓扑捷径问题，并将PPIs的内外连接建模为层次图，同时通过标签图构建相互作用类型之间的依赖关系 | 未提及具体局限性 | 提高蛋白质-蛋白质相互作用预测的准确性和计算效率 | 蛋白质-蛋白质相互作用（PPIs） | 生物信息学 | NA | 图神经网络（GNNs） | laruGL-PPI | 图数据 | 多种规模的PPI数据集 |
| 1531 | 2025-04-25 |
Quantitative mapping of cerebrovascular reactivity amplitude and delay with breath-hold BOLD fMRI when end-tidal CO2 quality is low
2025-Mar-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.18.624159
PMID:39605672
|
research paper | 该研究探讨了在呼气末CO2质量较低时，如何利用呼吸保持BOLD fMRI定量绘制脑血管反应性（CVR）的幅度和延迟 | 提出使用深度学习方法从呼吸体积时间（RVT）预测PCO时间序列，以提高CVR测量的准确性，并在Moyamoya病患者中展示了更高的病理敏感性 | 研究依赖于呼吸保持任务，这在某些患者群体中可能难以执行，且PCO数据质量低可能影响结果 | 提高脑血管反应性（CVR）测量的临床适用性，特别是在任务依从性较低的人群中 | 脑血管反应性（CVR）的测量及其在临床中的应用 | 医学影像分析 | 脑血管疾病 | BOLD fMRI, 深度学习 | 深度学习模型 | fMRI图像数据 | 未明确提及具体样本量，但使用了密集映射的呼吸保持fMRI数据集 |
| 1532 | 2025-04-25 |
Bi-level graph learning unveils prognosis-relevant tumor microenvironment patterns in breast multiplexed digital pathology
2025-Mar-14, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101178
PMID:40182181
|
research paper | 提出了一种数据驱动且可解释的方法，用于识别与患者预后相关的肿瘤微环境中的细胞模式 | 引入了双层图模型（细胞图和群体图），提供了一种新的可解释的生物标志物识别方法 | 方法虽然在乳腺癌中验证，但在其他癌症类型中的普适性需要进一步验证 | 识别与患者预后相关的肿瘤微环境中的细胞模式 | 乳腺癌患者的肿瘤微环境 | digital pathology | breast cancer | deep learning | bi-level graph model | multiplexed digital pathology images | 在两个独立队列中验证 |
| 1533 | 2025-04-25 |
Structural Connectome Analysis using a Graph-based Deep Model for Age and Dementia Prediction
2025-Mar-13, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.09.642165
PMID:40161600
|
research paper | 该研究提出了一种基于图卷积网络（GCNs）的机器学习模型，用于预测年龄和迷你精神状态检查（MMSE）分数，基于从扩散磁共振图像中获取的结构性脑连接数据 | 模型架构的创新，特别是连接注意力模块，能够学习脑图的嵌入表示并提供图级注意力 | NA | 预测年龄和MMSE分数，以增进对健康和疾病的理解 | 结构脑连接数据 | machine learning | geriatric disease | diffusion magnetic resonance imaging | GCN | image | 公开可用的PREVENT-AD和OASIS3数据集 |
| 1534 | 2025-04-25 |
Deep generative modeling of temperature-dependent structural ensembles of proteins
2025-Mar-13, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.09.642148
PMID:40161645
|
研究论文 | 本文提出了一种名为aSAM的深度生成模型，用于生成蛋白质的重原子结构集合，并进一步扩展为aSAMt，首个可转移的温度条件生成器 | aSAM在潜在空间中建模原子，极大地促进了侧链和骨架扭转角分布的准确采样，aSAMt是首个可转移的温度条件生成器，能够捕捉温度依赖的集合特性 | 模型在建模原子细节和纳入环境因素影响方面仍有局限 | 开发一种能够生成蛋白质结构集合的深度生成模型，以补充基于物理的方法 | 蛋白质的结构集合 | 机器学习 | NA | 分子动力学(MD) | 潜在扩散模型 | 蛋白质结构数据 | 大型开放的mdCATH数据集 |
| 1535 | 2025-04-25 |
Tumor cell villages define the co-dependency of tumor and microenvironment in liver cancer
2025-Mar-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.07.642107
PMID:40161587
|
research paper | 该研究通过空间单细胞成像和单细胞RNA测序分析了50个肿瘤生物样本中的200多万个细胞，开发了一种基于深度学习的策略来绘制肿瘤细胞状态及其周围结构的空间动态网络（SDN） | 提出了空间动态网络（SDN）概念，揭示了不同肿瘤细胞状态如何组织成独特的‘村庄’结构，并展示了这些结构与肿瘤微环境之间的分子共依赖性及其对患者预后的影响 | 研究样本量相对有限（50个肿瘤生物样本），且未涉及其他癌症类型的验证 | 探究肿瘤空间景观的形成机制及其对肿瘤适应性的影响 | 肝癌肿瘤细胞及其微环境 | digital pathology | liver cancer | spatial single-cell imaging, single-cell RNA sequencing | deep learning | image, RNA-seq | 50个肿瘤生物样本中的200多万个细胞 |
| 1536 | 2025-04-25 |
Accuracy and Longitudinal Consistency of PET/MR Attenuation Correction in Amyloid PET Imaging amid Software and Hardware Upgrades
2025-Mar-04, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8490
PMID:39251256
|
研究论文 | 本研究评估了在阿尔茨海默病淀粉样蛋白PET成像中，PET/MR衰减校正（AC）在软件和硬件升级后的准确性和纵向一致性 | 使用深度学习方法DL-Dixon进行衰减校正，并验证其在软件和头线圈更新后的准确性和纵向一致性 | 研究仅针对两种软件版本和两种头线圈进行了验证，可能不适用于其他配置 | 评估PET/MR DL-Dixon衰减校正在软件和头线圈更新后的准确性和纵向一致性 | 阿尔茨海默病淀粉样蛋白PET成像 | 数字病理学 | 阿尔茨海默病 | PET/MR成像、深度学习 | DL-Dixon | 图像 | 329名参与者，其中38名在约3年内进行了两次三模态扫描 |
| 1537 | 2025-04-25 |
scPrediXcan integrates advances in deep learning and single-cell data into a powerful cell-type-specific transcriptome-wide association study framework
2025-Mar-04, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.11.623049
PMID:39605417
|
研究论文 | 本文提出了一种名为scPrediXcan的新方法，将深度学习与单细胞数据整合到细胞类型特异性转录组关联研究框架中 | scPrediXcan整合了先进的深度学习方法和单细胞数据，显著提高了细胞类型特异性基因表达的预测准确性，并揭示了线性模型无法捕捉的复杂基因调控规律 | NA | 开发一种更强大的细胞类型特异性转录组关联研究方法，以更深入地理解复杂疾病的细胞机制 | 2型糖尿病和系统性红斑狼疮 | 生物信息学 | 2型糖尿病, 系统性红斑狼疮 | 深度学习, 单细胞数据分析 | ctPred (基于深度学习的预测模型) | 单细胞表达数据, DNA序列数据 | NA |
| 1538 | 2025-04-25 |
Deep Learning-Based ASPECTS Algorithm Enhances Reader Performance and Reduces Interpretation Time
2025-Mar-04, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8491
PMID:39255988
|
research paper | 本研究探讨了基于深度学习的ASPECTS算法如何提升医生在急性缺血性卒中评估中的表现并减少解读时间 | 开发了一种FDA和CE认证的深度学习算法CINA-ASPECTS，用于自动计算ASPECTS评分，显著提高了评估的准确性和一致性 | 研究仅纳入了200例NCCT扫描，样本量相对有限，且未评估算法在不同临床环境中的泛化能力 | 评估深度学习算法在急性缺血性卒中ASPECTS评分中的辅助作用 | 200例来自5个临床站点的NCCT扫描 | digital pathology | cardiovascular disease | deep learning | DL-based algorithm | image | 200例NCCT扫描 |
| 1539 | 2025-04-25 |
IDP-EDL: enhancing intrinsically disordered protein prediction by combining protein language model and ensemble deep learning
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf182
PMID:40254833
|
research paper | 提出了一种结合蛋白质语言模型和集成深度学习的方法IDP-EDL，用于增强内在无序蛋白质的预测 | 通过任务特定的监督微调捕捉长无序区域(LDRs)和短无序区域(SDRs)的不同特征，并集成三个任务特定的预测器 | 未明确提及具体局限性 | 提高内在无序区域(IDRs)的预测准确性，区分长无序区域(LDRs)和短无序区域(SDRs) | 蛋白质中的内在无序区域(IDRs) | 生物信息学 | NA | 蛋白质语言模型、集成深度学习 | ensemble deep learning | 蛋白质序列数据 | 未明确提及具体样本数量 |
| 1540 | 2025-04-25 |
Artificial intelligence in musculoskeletal applications: a primer for radiologists
2025-Mar-03, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2024.242830
PMID:39157958
|
review | 本文旨在作为放射科医师了解肌肉骨骼放射学中常用人工智能算法的入门指南 | 提供了关于人工智能在肌肉骨骼放射学中应用的全面概述，帮助放射科医师理解常用算法和实践 | 未涉及具体算法或应用的深入技术细节 | 普及人工智能在肌肉骨骼放射学中的应用知识 | 放射科医师 | machine learning | NA | NA | NA | NA | NA |