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 32939 篇文献，本页显示第 17461 - 17480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17461 | 2025-10-07 |
Targeting protein-ligand neosurfaces with a generalizable deep learning tool
2025-Jan-15, Nature
IF:50.5Q1
DOI:10.1038/s41586-024-08435-4
PMID:39814890
|
研究论文 | 开发了一种基于几何深度学习的计算工具，用于设计靶向蛋白质-配体复合物新表面的蛋白质 | 首次将仅基于蛋白质训练的分子表面指纹应用于小分子诱导产生的新表面，展示了在其他深度学习方法中不常见的泛化能力 | 仅在三种药物-蛋白质复合物(Bcl2-venetoclax、DB3-progesterone、PDF1-actinonin)上进行了实验验证 | 设计能够靶向蛋白质-配体复合物新表面的蛋白质，扩展化学诱导蛋白质相互作用的计算工具 | 蛋白质-配体复合物形成的新表面 | 机器学习 | NA | 几何深度学习 | 深度学习 | 分子表面表示 | 三种药物-蛋白质复合物系统 | NA | NA | 亲和力、特异性 | NA |
| 17462 | 2025-10-07 |
Assessment of hard tissue changes after horizontal guided bone regeneration with the aid of deep learning CBCT segmentation
2025-Jan-13, Clinical oral investigations
IF:3.1Q1
DOI:10.1007/s00784-024-06136-w
PMID:39804427
|
研究论文 | 本研究开发基于SegResNet的深度学习模型用于CBCT扫描分割，以评估下颌水平引导骨再生后的硬组织变化 | 首次将SegResNet深度学习模型应用于下颌水平引导骨再生前后的CBCT扫描分割，实现硬组织变化的自动评估 | 训练数据库规模有限（70个CBCT扫描），需要进一步扩大以提高模型鲁棒性 | 评估深度学习模型在分割下颌水平引导骨再生前后CBCT扫描中的性能 | 接受下颌水平引导骨再生治疗的患者 | 医学影像分析 | 颌骨缺损 | 锥形束计算机断层扫描（CBCT） | 深度学习 | 医学影像（CBCT扫描） | 70个CBCT扫描用于训练，10对术前术后CBCT扫描用于测试 | NA | SegResNet | Dice相似系数（DSC）, 交并比（IoU）, 豪斯多夫距离（HD95）, 体积比较 | NA |
| 17463 | 2025-10-07 |
Deep learning predicts DNA methylation regulatory variants in specific brain cell types and enhances fine mapping for brain disorders
2025-Jan-03, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adn1870
PMID:39742481
|
研究论文 | 开发基于Transformer的深度学习模型INTERACT，用于预测特定脑细胞类型中影响DNA甲基化的调控变异 | 首次利用Transformer深度学习模型预测脑细胞类型特异性DNA甲基化调控变异 | NA | 识别脑细胞类型特异性DNA甲基化调控变异，增强脑部疾病的精细定位 | 人类大脑单核DNA甲基化数据 | 机器学习 | 脑部疾病 | 单核DNA甲基化测序 | Transformer | DNA甲基化数据 | NA | NA | Transformer | AUC | NA |
| 17464 | 2025-10-07 |
Temporomandibular joint assessment in MRI images using artificial intelligence tools: where are we now? A systematic review
2025-Jan-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae055
PMID:39563454
|
系统综述 | 系统回顾人工智能在颞下颌关节MRI图像评估中的应用现状 | 首次系统总结AI在颞下颌关节MRI评估中的性能证据，重点关注关节盘评估和内部紊乱诊断 | 研究间存在高度异质性，特别是患者选择方面，需要更多多样化和多中心数据验证 | 评估人工智能算法在颞下颌关节MRI图像分析中的诊断性能 | 颞下颌关节MRI图像中的关节盘位置和内部紊乱 | 医学影像分析 | 颞下颌关节疾病 | MRI | CNN | MRI图像 | 13项研究 | NA | 基于CNN的模型 | 准确率 | NA |
| 17465 | 2025-10-07 |
Physical-aware model accuracy estimation for protein complex using deep learning method
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.01.017
PMID:39916698
|
研究论文 | 提出一种物理感知的深度学习方法DeepUMQA-PA，用于评估蛋白质复合物模型的残基水平质量 | 首次将基于Voronoi剖分的接触面积和方向特征用于蛋白质复合物质量评估，结合几何特征、蛋白质语言模型嵌入和知识统计势能特征 | 方法在柔性蛋白质评估方面表现优异，但未明确说明对其他类型蛋白质复合物的适用性限制 | 开发独立于预测方法的蛋白质复合物模型质量评估方法 | 蛋白质复合物结构模型 | 生物信息学 | NA | 深度学习，Voronoi剖分 | 图神经网络，CNN | 蛋白质结构数据 | CASP15测试集 | NA | 图神经网络，ResNet | Pearson相关系数，Spearman相关系数，MAE | NA |
| 17466 | 2025-10-07 |
Vision transformer distillation for enhanced gastrointestinal abnormality recognition in wireless capsule endoscopy images
2025-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.1.014505
PMID:39916992
|
研究论文 | 提出一种基于知识蒸馏的视觉Transformer方法，用于无线胶囊内窥镜图像中的胃肠道异常识别 | 首次将知识蒸馏技术应用于CNN教师模型到视觉Transformer学生模型的迁移，用于胃肠道异常识别 | 仅在公开数据集上进行验证，未在真实临床环境中测试 | 开发计算机视觉辅助系统以辅助胃肠道异常的诊断 | 无线胶囊内窥镜图像中的胃肠道异常区域 | 计算机视觉 | 胃肠道疾病 | 无线胶囊内窥镜成像 | CNN, ViT | 图像 | Kvasir和KID数据集 | NA | Vision Transformer | 准确率 | NA |
| 17467 | 2025-10-07 |
The Role and Limitations of Artificial Intelligence in Combating Infectious Disease Outbreaks
2025-Jan, Cureus
DOI:10.7759/cureus.77070
PMID:39917100
|
综述 | 探讨人工智能在传染病爆发管理中的多重应用及其面临的主要限制 | 系统分析AI在疫情预测、诊断、药物发现和疫苗开发等领域的综合应用，并提出人机协同优化全球健康结果的路径 | 数据隐私问题、模型透明度不足、需持续更新以适应新发病原体 | 评估AI在传染病防控中的潜力与障碍 | 传染病爆发管理过程 | 机器学习 | 传染病 | 深度学习、强化学习 | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 17468 | 2025-10-07 |
Role of Artificial Intelligence in the Assessment of Postoperative Pain in the Pediatric Population: A Systematic Review
2025-Jan, Cureus
DOI:10.7759/cureus.77074
PMID:39917118
|
系统综述 | 本系统综述探讨人工智能在评估儿童术后疼痛中的作用 | 首次系统评估AI在儿童术后疼痛管理中的应用现状和效果 | 纳入研究数量有限且异质性高，无法进行荟萃分析，AI工具仍处于早期阶段且多关注单一参数 | 评估人工智能在预测和评估儿童术后疼痛中的作用 | 儿科术后患者 | 医疗人工智能 | 术后疼痛 | 深度学习，机器学习 | 深度学习模型，机器学习模型 | 疼痛评估数据 | 8项研究，共4,470名儿科患者 | NA | NA | 准确率，AUC值 | NA |
| 17469 | 2025-10-07 |
Cropformer: An interpretable deep learning framework for crop genomic prediction
2024-Dec-16, Plant communications
IF:9.4Q1
DOI:10.1016/j.xplc.2024.101223
PMID:39690739
|
研究论文 | 开发了一个名为Cropformer的可解释深度学习框架，用于作物基因组预测和表型预测 | 将卷积神经网络与多种自注意力机制相结合，提高了基因组选择的准确性和可解释性 | NA | 解决当前基因组选择中深度学习模型鲁棒性低和可解释性差的问题 | 玉米、水稻、小麦、谷子和番茄五种主要作物 | 机器学习 | NA | 基因组选择 | CNN, Transformer | 基因组数据 | 超过20个性状的基因组数据 | NA | Cropformer（CNN与自注意力机制结合） | 预测准确率 | NA |
| 17470 | 2025-10-07 |
De novo designed proteins neutralize lethal snake venom toxins
2024-May-17, Research square
DOI:10.21203/rs.3.rs-4402792/v1
PMID:38798548
|
研究论文 | 利用深度学习方法设计能够中和蛇毒三指毒素的新型蛋白质 | 首次使用深度学习计算设计针对三指毒素家族多种亚型的高亲和力中和蛋白 | 实验筛选规模有限，尚未进行大规模临床验证 | 开发新一代安全、经济、易生产的蛇毒解毒疗法 | 蛇毒三指毒素家族（包括短链和长链α-神经毒素及细胞毒素） | 机器学习 | 蛇咬伤中毒 | 深度学习 | NA | 蛋白质结构数据 | 小鼠实验 | NA | NA | 热稳定性、结合亲和力、结构一致性、中和效果、存活率 | NA |
| 17471 | 2025-10-07 |
Longitudinal single-cell transcriptional dynamics throughout neurodegeneration in SCA1
2024-Feb-07, Neuron
IF:14.7Q1
DOI:10.1016/j.neuron.2023.10.039
PMID:38016472
|
研究论文 | 通过纵向单细胞转录组测序研究SCA1神经退行性疾病过程中不同细胞类型的动态变化 | 首次建立小鼠和人类SCA1小脑组织的连续动态轨迹，发现浦肯野细胞丢失前的精确转录变化，并识别出单极刷细胞和少突胶质细胞的早期转录失调 | NA | 解析异质组织中不同细胞类型在神经退行性疾病发病机制和进展中的作用 | 小鼠和人类脊髓小脑性共济失调1型(SCA1)小脑组织 | 生物信息学 | 神经退行性疾病 | 单核RNA测序, 深度学习 | 深度学习模型 | 单细胞转录组数据 | NA | NA | NA | 疾病状态预测准确度 | NA |
| 17472 | 2025-10-07 |
Ensemble Deep Learning Object Detection Fusion for Cell Tracking, Mitosis, and Lineage
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2023.3288470
PMID:39906165
|
研究论文 | 提出了一种基于集成深度学习的细胞检测、追踪和运动分析方法EDNet | 采用深度架构无关的集成方法进行2D细胞检测，在细胞追踪和谱系分析方面超越YOLO和FasterRCNN等单一模型 | NA | 开发更鲁棒的细胞检测、追踪和运动分析方法 | 细胞检测、追踪、有丝分裂事件和细胞谱系图 | 计算机视觉 | NA | 深度学习 | CNN, 集成学习 | 图像 | CTMCv1数据集和外部肌肉干细胞数据 | NA | YOLO, FasterRCNN | MOTA, TRA | NA |
| 17473 | 2025-10-07 |
Deep learning in microbiome analysis: a comprehensive review of neural network models
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1516667
PMID:39911715
|
综述 | 本文全面回顾了深度学习在微生物组分析中的应用，重点介绍了神经网络模型在微生物组研究中的优势和挑战 | 系统梳理了深度学习在微生物组研究中的最新进展，强调了其在模式识别、特征提取和预测建模方面的独特优势 | 微生物组数据的生物学变异性需要定制化方法，深度学习模型在微生物组研究中仍面临显著挑战 | 回顾深度学习在微生物组研究中的应用现状和发展前景 | 微生物群落及其在不同环境中的组成 | 机器学习 | NA | 组学数据分析 | 深度学习神经网络 | 组学数据 | NA | NA | NA | NA | NA |
| 17474 | 2025-10-07 |
Artificial intelligence in dentistry and dental biomaterials
2024, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2024.1525505
PMID:39917699
|
综述 | 概述人工智能技术在牙科和牙科生物材料领域的应用现状与发展前景 | 系统整合了AI在修复牙科和修复修复学中的多模态应用，包括多模态深度学习融合与神经形态计算等前沿技术 | 未提及具体临床验证数据与算法精度指标 | 探讨人工智能技术在生物医学、牙科及牙科生物材料领域的应用潜力 | 牙科诊断、治疗规划与生物材料开发 | 机器学习 | 口腔疾病 | 数字成像、3D打印 | 深度学习,神经网络 | 根尖周X线片、全景X线片 | NA | NA | NA | NA | NA |
| 17475 | 2025-10-07 |
Novel breath biomarkers identification for early detection of hepatocellular carcinoma and cirrhosis using ML tools and GCMS
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0287465
PMID:37967076
|
研究论文 | 本研究通过GCMS技术和机器学习方法识别用于早期检测肝细胞癌和肝硬化的呼吸生物标志物 | 开发了基于R语言的机器学习模型，能够自动从原始数据中发现挥发性有机化合物，无需人工干预 | GC-MS分析耗时且容易出错，需要专家操作；样本量较小（共100个样本） | 开发早期检测肝细胞癌和肝硬化的精确诊断模型 | 肝细胞癌患者、肝硬化患者和健康对照者的呼吸样本 | 机器学习 | 肝细胞癌,肝硬化 | GCMS, SPME, 气相色谱-质谱联用 | 深度学习 | 质谱数据 | 肝细胞癌35例，肝硬化35例，对照30例，共100个呼吸样本 | R | NA | 灵敏度,特异性,准确率,AUC | NA |
| 17476 | 2025-10-07 |
Learning with Context Encoding for Single-Stage Cranial Bone Labeling and Landmark Localization
2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-16452-1_28
PMID:39911317
|
研究论文 | 提出一种结合上下文编码的单阶段颅骨标记与标志点定位方法 | 设计新型上下文编码模块并引入标志点空间关系建模作为辅助任务 | 仅在274例儿科CT数据集上验证，未说明泛化能力 | 医学图像中颅骨自动分割与解剖标志点定位 | 儿科患者颅骨CT图像 | 数字病理 | 颅面疾病 | CT成像 | CNN | 3D医学图像 | 274例儿科3D CT图像 | NA | U-Net | NA | NA |
| 17477 | 2025-10-07 |
Deep Learning-Based Techniques in Glioma Brain Tumor Segmentation Using Multi-Parametric MRI: A Review on Clinical Applications and Future Outlooks
2025-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29543
PMID:39074952
|
综述 | 本文全面回顾了深度学习在多参数MRI胶质瘤脑肿瘤分割中的应用现状与未来展望 | 系统梳理了从早期CNN到最新注意力机制和Transformer模型的技术演进，并探讨了基因组数据整合等未来方向 | 存在数据质量、梯度消失和模型可解释性等挑战 | 探讨深度学习在多参数MRI胶质瘤分割中的临床应用与发展前景 | 胶质瘤脑肿瘤 | 数字病理 | 脑肿瘤 | 多参数磁共振成像 | CNN, Transformer | 医学影像 | NA | NA | CNN, 注意力机制, Transformer | NA | NA |
| 17478 | 2024-08-07 |
Editorial for "Deep Learning Assisted Classification of T1ρ-MR Based Intervertebral Disc Degeneration Phases"
2025-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29509
PMID:39016471
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17479 | 2025-10-07 |
Multiparametric MRI-Based Deep Learning Radiomics Model for Assessing 5-Year Recurrence Risk in Non-Muscle Invasive Bladder Cancer
2025-Mar, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29574
PMID:39167019
|
研究论文 | 本研究开发了一种基于多参数MRI的深度学习放射组学模型，用于评估非肌层浸润性膀胱癌的5年复发风险 | 首次将多参数MRI的放射组学特征、深度学习特征与临床因素整合，构建了优于传统EORTC模型的复发风险评估模型 | 回顾性研究设计，样本量相对有限（191例患者） | 改进非肌层浸润性膀胱癌的5年复发风险评估方法 | 非肌层浸润性膀胱癌患者 | 数字病理 | 膀胱癌 | 多参数MRI，包括T2加权成像、扩散加权成像和动态对比增强序列 | 深度学习模型 | 医学影像 | 191例患者（训练队列115例，验证和测试队列各38例） | NA | NA | AUC, Harrell's concordance index | NA |
| 17480 | 2025-10-07 |
Role of artificial intelligence in treatment planning and outcome prediction of jaw corrective surgeries by using 3-D imaging: a systematic review
2025-Mar, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.09.010
PMID:39701860
|
系统综述 | 系统评估人工智能在基于3D成像的颌骨矫正手术治疗方案制定和结果预测中的应用 | 首次系统综述AI在颌骨矫正手术规划与预后预测中的角色，重点关注3D成像技术的应用 | 纳入研究存在显著异质性且数据报告不足，无法进行荟萃分析 | 评估AI在颌骨矫正手术治疗规划和结果预测中的应用效果 | 颌骨矫正手术患者 | 医学影像分析 | 颌面畸形 | 3D成像，CT扫描 | 深度学习，机器学习 | 3D医学影像，CT数据 | 14项研究（11项使用深度学习，3项使用机器学习） | NA | NA | 预测误差，Dice分数，准确率 | NA |