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 34204 篇文献，本页显示第 19561 - 19580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19561 | 2025-01-24 |
Artificial intelligence streamlines scientific discovery of drug-target interactions
2025-Jan-22, British journal of pharmacology
IF:6.8Q1
DOI:10.1111/bph.17427
PMID:39843168
|
综述 | 本文综述了人工智能（AI）技术在药物靶点相互作用（DTI）预测中的应用 | 本文系统性地概述了AI在DTI预测中的应用，包括经典机器学习、深度学习和基于网络的方法，并指出了当前挑战和未来方向 | 本文未涉及具体实验验证，主要集中于理论和方法论的探讨 | 探讨AI技术在药物发现和开发中的应用，特别是DTI预测 | 药物靶点相互作用（DTI） | 机器学习 | NA | NA | 经典机器学习、深度学习、基于网络的方法 | NA | NA | NA | NA | NA | NA |
| 19562 | 2025-10-07 |
Comparative analysis of deep learning and radiomic signatures for overall survival prediction in recurrent high-grade glioma treated with immunotherapy
2025-Jan-21, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-024-00818-0
PMID:39838503
|
研究论文 | 比较深度学习和影像组学特征在预测接受免疫治疗的复发性高级别胶质瘤患者总生存期方面的表现 | 首次系统比较基于手动分割和CNN自动分割的影像组学特征以及端到端深度学习模型在复发性高级别胶质瘤生存预测中的性能 | 回顾性研究、样本量有限、端到端模型可解释性较差 | 预测复发性高级别胶质瘤患者接受免疫治疗后的总生存期 | 154例来自多中心的复发性高级别胶质瘤患者 | 医学影像分析 | 脑肿瘤/高级别胶质瘤 | 影像组学分析、深度学习 | CNN, SVM | 医学影像 | 154例复发性高级别胶质瘤病例 | NA | 卷积神经网络 | AUC | NA |
| 19563 | 2025-10-07 |
On the Effect of the Patient Table on Attenuation in Myocardial Perfusion Imaging SPECT
2025-Jan-20, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-024-00713-4
PMID:39832088
|
研究论文 | 本研究通过体模扫描和患者极坐标图分析，评估了患者检查台对心肌灌注成像SPECT衰减校正的影响 | 首次结合体模测量和患者研究数据，开发自动移除CT中患者检查台的算法，系统评估检查台对衰减校正的影响 | 仅包含15例患者的小样本回顾性队列，未进行大规模临床验证 | 评估患者检查台对心肌灌注成像SPECT衰减校正的影响 | Jaszczak体模扫描和15例患者的心肌灌注成像数据 | 医学影像处理 | 心血管疾病 | SPECT心肌灌注成像，CT衰减校正 | NA | 医学影像数据（SPECT，CT） | Jaszczak体模扫描和15例患者 | NA | NA | 百分比差异，段灌注评分，p值 | NA |
| 19564 | 2025-10-07 |
Triple-attentions based salient object detector for strip steel surface defects
2025-Jan-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86353-9
PMID:39833226
|
研究论文 | 提出了一种基于三重注意力机制的带钢表面缺陷检测器TADet | 引入了创新的三重注意力机制，从通道-宽度、通道-高度和宽度-高度三个相互关联的二维平面视角同时迭代优化和融合特征图 | NA | 提高带钢表面缺陷检测的准确性 | 带钢表面缺陷 | 计算机视觉 | NA | 深度学习 | 编码器-解码器网络 | 图像 | NA | NA | TADet | 平均绝对误差, S-measure, E-measure, F-measure | NA |
| 19565 | 2025-10-07 |
Multi-branch LSTM encoded latent features with CNN-LSTM for Youtube popularity prediction
2025-Jan-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86785-3
PMID:39833294
|
研究论文 | 提出一种基于多分支LSTM编码潜在特征与CNN-LSTM融合的YouTube视频流行度预测方法 | 使用新颖的多分支子-父LSTM网络将视频特征映射到低维空间获取潜在特征，并融合CNN与LSTM进行预测 | NA | 预测YouTube视频的流行度 | YouTube视频数据 | 自然语言处理 | NA | 深度学习 | LSTM, CNN | 视频特征数据 | NA | NA | 多分支LSTM, CNN-LSTM融合网络 | MAE, R² | NA |
| 19566 | 2025-10-07 |
Towards a decision support system for post bariatric hypoglycaemia: development of forecasting algorithms in unrestricted daily-life conditions
2025-Jan-20, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02856-5
PMID:39833876
|
研究论文 | 开发基于线性和深度学习模型的算法，用于预测减肥手术后低血糖事件 | 在无限制日常生活条件下开发PBH事件预测算法，比较了传统自回归模型与深度学习模型的性能 | 仅使用连续血糖监测数据作为单一输入，数据噪声和餐后血糖快速变化带来挑战 | 开发决策支持系统预警减肥手术后低血糖事件 | 50名接受Roux-en-Y胃分流术后出现PBH的患者 | 机器学习 | 代谢疾病 | 连续血糖监测(CGM) | 自回归模型,深度学习模型 | 时间序列血糖数据 | 50名患者，监测长达50天 | NA | 递归自回归模型(rAR) | 精确率,召回率,F1分数,每日误报数,时间增益 | NA |
| 19567 | 2025-10-07 |
Interpretable machine learning model for outcome prediction in patients with aneurysmatic subarachnoid hemorrhage
2025-Jan-20, Critical care (London, England)
DOI:10.1186/s13054-024-05245-y
PMID:39833976
|
研究论文 | 开发用于预测动脉瘤性蛛网膜下腔出血患者功能结局的深度学习模型 | 首次将深度学习模型应用于aSAH患者功能结局预测，并采用SHAP方法增强模型可解释性 | 研究仅基于日本五家医院的数据，样本量相对有限 | 预测动脉瘤性蛛网膜下腔出血患者的功能结局以优化治疗策略 | 718名动脉瘤性蛛网膜下腔出血患者 | 机器学习 | 脑血管疾病 | 深度学习 | 深度学习模型 | 临床数据 | 718名患者 | NA | NA | AUC | NA |
| 19568 | 2025-10-07 |
PIDGN: An explainable multimodal deep learning framework for early prediction of Parkinson's disease
2025-Jan-18, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2025.110363
PMID:39832626
|
研究论文 | 提出一种可解释的多模态深度学习框架PIDGN，用于帕金森病的早期预测 | 融合SNP和脑部sMRI数据的多模态深度学习框架，采用门控注意力融合技术和可解释性方法 | NA | 开发基于人工智能的帕金森病早期诊断方法 | 帕金森病患者 | 机器学习 | 帕金森病 | 单核苷酸多态性(SNP), 脑部结构磁共振成像(sMRI) | 深度学习 | 基因数据, 医学影像 | NA | NA | Transformer, 3D ResNet | 准确率, AUROC | NA |
| 19569 | 2025-10-07 |
Prediction of post-treatment recurrence in early-stage breast cancer using deep-learning with mid-infrared chemical histopathological imaging
2025-Jan-17, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00772-x
PMID:39825009
|
研究论文 | 本研究利用中红外化学组织病理成像和深度学习技术预测早期乳腺癌患者治疗后的长期复发风险 | 首次将傅里叶变换红外化学成像与深度学习相结合用于乳腺癌复发预测，提供无标记的组织病理预后平台 | 模型预测性能的ROC AUC约为0.64，仍有提升空间 | 开发基于化学成像的乳腺癌复发预测方法 | 乳腺癌组织样本 | 数字病理 | 乳腺癌 | 傅里叶变换红外化学成像 | CNN | 化学图像 | NA | NA | 二维卷积网络,二维可分离卷积网络 | ROC AUC | NA |
| 19570 | 2025-10-07 |
Pre-trained artificial intelligence-aided analysis of nanoparticles using the segment anything model
2025-Jan-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86327-x
PMID:39825089
|
研究论文 | 本研究利用预训练人工智能模型Segment Anything Model对纳米颗粒进行形态学表征分析 | 首次将预训练分割模型应用于纳米颗粒分析，并提出将颗粒细分组织成集合的新方法 | 仅验证了三种纳米颗粒类型（纳米球、哑铃形和三聚体），需要更多类型验证 | 开发自动化纳米颗粒形态表征方法 | 纳米颗粒（纳米球、哑铃形颗粒、三聚体颗粒） | 计算机视觉 | NA | 显微图像分析 | 预训练神经网络 | 显微图像 | 三种类型纳米颗粒 | NA | Segment Anything Model | NA | NA |
| 19571 | 2025-10-07 |
Optimized digital workflow for pathologist-grade evaluation in bleomycin-induced pulmonary fibrosis mouse model
2025-Jan-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86544-4
PMID:39833349
|
研究论文 | 开发了一种用于博来霉素诱导肺纤维化小鼠模型的优化数字工作流程，通过深度学习模型实现病理学家级别的肺纤维化分级评估 | 开发了结合复杂图像模式和定性因素（如胶原蛋白纹理和分布）的深度学习模型，能够识别仅基于简单区域提取评估中可能遗漏的药物候选物 | NA | 减少观察者间和观察者内变异，改进博来霉素诱导肺纤维化小鼠模型的评估流程 | 博来霉素诱导肺纤维化小鼠模型 | 数字病理学 | 肺纤维化 | 深度学习 | 深度学习模型 | 病理图像 | NA | NA | NA | 准确率 | NA |
| 19572 | 2025-10-07 |
A radiomics and deep learning nomogram developed and validated for predicting no-collapse survival in patients with osteonecrosis after multiple drilling
2025-Jan-15, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02859-2
PMID:39815247
|
研究论文 | 开发并验证了结合影像组学和深度学习的列线图模型，用于预测股骨头坏死患者钻孔减压术后无塌陷生存率 | 首次将影像组学与深度学习特征结合构建预测模型，并整合临床风险因素建立DLRC综合模型 | 样本量相对有限（144例患者，212髋），需要更大规模的外部验证 | 预测股骨头坏死患者钻孔减压术后无塌陷生存率 | 接受钻孔减压术的股骨头坏死患者 | 医学影像分析 | 股骨头坏死 | 影像组学分析，深度学习特征提取 | 深度学习，COX回归 | 骨盆X线影像 | 144例患者（212髋） | NA | NA | C-index, AUC, NRI, IDI, 校准曲线, 决策曲线分析 | NA |
| 19573 | 2025-10-07 |
DNALongBench: A Benchmark Suite for Long-Range DNA Prediction Tasks
2025-Jan-08, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.06.631595
PMID:39829833
|
研究论文 | 本文介绍了DNALongBench，一个用于评估长距离DNA依赖关系预测任务的综合基准测试套件 | 首次提出了专门针对长距离DNA依赖关系（长达100万个碱基对）的综合基准测试套件，涵盖五个重要基因组学任务 | 基准测试套件可能无法覆盖所有类型的长距离DNA依赖关系任务 | 解决长距离DNA依赖关系建模的评估标准缺失问题，促进基因组学深度学习模型的比较和发展 | DNA序列中的长距离依赖关系 | 生物信息学 | NA | DNA测序数据分析 | CNN, 基础模型 | DNA序列数据 | NA | NA | HyenaDNA, Caduceus-Ph, Caduceus-PS | NA | NA |
| 19574 | 2025-10-07 |
A large annotated cervical cytology images dataset for AI models to aid cervical cancer screening
2025-Jan-07, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04374-5
PMID:39774182
|
研究论文 | 本文提供了一个大规模宫颈细胞学图像数据集，用于辅助宫颈癌筛查的AI模型开发 | 提供了目前最大的公开宫颈细胞学图像数据集，包含对异常细胞的详尽标注 | 数据集仅包含8,037张图像，可能仍需更多数据来进一步提升模型泛化能力 | 为宫颈癌筛查AI模型提供高质量数据集，促进相关研究发展 | 宫颈细胞学图像中的异常细胞 | 数字病理学 | 宫颈癌 | 薄层液基细胞学检测(TCT) | NA | 图像 | 8,037张图像，来源于129张TCT玻片 | NA | NA | NA | NA |
| 19575 | 2025-10-07 |
Engineering of CRISPR-Cas PAM recognition using deep learning of vast evolutionary data
2025-Jan-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.06.631536
PMID:39829748
|
研究论文 | 开发基于深度学习的Protein2PAM模型，利用进化数据预测CRISPR-Cas系统的PAM特异性并指导蛋白质工程 | 首次成功应用机器学习实现Cas酶对替代PAM识别的定制化改造 | 未明确说明模型在其他CRISPR-Cas类型中的泛化能力 | 通过深度学习优化CRISPR-Cas系统的PAM识别特异性 | CRISPR-Cas系统（I型、II型、V型）和Cas9蛋白变体 | 机器学习 | NA | 深度突变扫描 | 深度学习 | 蛋白质序列数据 | 超过45,000个CRISPR-Cas PAM | NA | NA | PAM切割速率提升（最高50倍） | NA |
| 19576 | 2025-10-07 |
Machine Learning Approaches in High Myopia: Systematic Review and Meta-Analysis
2025-Jan-03, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/57644
PMID:39753217
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估机器学习方法在高度近视和病理性近视诊断与预测中的性能表现 | 首次对机器学习在高度近视领域应用的准确性进行系统性量化和比较，特别区分了深度学习与传统机器学习方法的性能差异 | 纳入研究数量有限（45项研究），部分分析基于有限证据，存在潜在的偏倚风险 | 评估机器学习方法在临床实践中检测高度近视和病理性近视的性能，为智能诊断工具开发提供循证支持 | 高度近视、病理性近视及高度近视相关青光眼患者 | 机器学习 | 眼科疾病 | 机器学习、深度学习 | 深度学习模型、传统机器学习模型 | 医学图像数据 | 基于45项研究的汇总数据，其中32项用于定量荟萃分析 | NA | NA | SROC曲线、敏感性、特异性 | NA |
| 19577 | 2025-10-07 |
Seg-SkiNet: adaptive deformable fusion convolutional network for skin lesion segmentation
2025-Jan-02, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1451
PMID:39838982
|
研究论文 | 提出一种用于皮肤病变分割的自适应可变形融合卷积网络Seg-SkiNet | 设计了双通道卷积编码器、多尺度多感受野提取优化模块和局部-全局信息交互融合解码器，通过可变形卷积和注意力机制提升对复杂形状和小目标病变的分割能力 | NA | 开发用于皮肤病变精确分割的深度学习模型，特别针对复杂形状和小目标病变 | 皮肤病变图像 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN | 图像 | 三个公开数据集：ISIC-2016、ISIC-2017、ISIC-2018 | NA | Seg-SkiNet, Dual-Conv编码器, Multi2ER模块, LGI-FSN解码器, ASPP, ARM, LGAF | Dice系数 | NA |
| 19578 | 2025-10-07 |
Deep learning models for CT image classification: a comprehensive literature review
2025-Jan-02, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1400
PMID:39838987
|
综述 | 对CT图像分类中深度学习模型的全面文献综述，重点关注COVID-19检测和肺结节分类应用 | 系统回顾了从传统CNN到基础模型的DL架构演变，特别关注在COVID-19大流行和肺癌筛查中的突破性应用 | 存在数据可变性、需要大规模高质量数据集、计算需求大、可解释性、验证和监管合规性等挑战 | 探讨深度学习在CT图像分析中的影响和发展 | CT医学图像 | 计算机视觉 | 肺癌, COVID-19 | CT成像 | CNN, 基础模型 | CT图像 | NA | NA | 卷积神经网络, 基础模型 | NA | 分布式计算 |
| 19579 | 2025-10-07 |
Automated elbow ultrasound image recognition: a two-stage deep learning system via Swin Transformer
2025-Jan-02, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-763
PMID:39839003
|
研究论文 | 开发了一种基于Swin Transformer的两阶段深度学习系统，用于自动化肘部超声图像识别 | 提出基于Swin Transformer的Unet模型的两阶段系统，在图像分类和质量评估方面优于传统CNN模型 | NA | 开发自动化系统评估超声图像质量并识别特定类别，提高肌肉骨骼超声诊断效率和准确性 | 肘部超声图像 | 计算机视觉 | 肌肉骨骼损伤 | 超声成像 | Transformer, CNN | 图像 | NA | NA | Swin Transformer, Unet | 准确率 | NA |
| 19580 | 2025-10-07 |
Evolutionary patterns and research frontiers of artificial intelligence in age-related macular degeneration: a bibliometric analysis
2025-Jan-02, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1406
PMID:39839014
|
文献计量分析 | 通过文献计量学方法系统分析人工智能在年龄相关性黄斑变性研究领域的演进模式和前沿方向 | 首次对AMD领域AI研究进行系统性文献计量分析，识别出三个明显的研究阶段和新兴研究方向 | 仅基于Web of Science数据库，可能遗漏其他来源的相关文献 | 评估AMD领域人工智能研究的整体格局和发展趋势 | 1992-2023年间发表的1,721篇相关科学文献 | 文献计量学 | 年龄相关性黄斑变性 | 文献计量分析 | 深度学习模型, 大语言模型, 视觉语言模型 | 文献元数据 | 1,721篇出版物 | Bibliometrix, CiteSpace, VOSviewer | NA | NA | NA |