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 3544 篇文献，本页显示第 1241 - 1260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1241 | 2025-10-06 |
A systematic review of data and models for predicting food flavor and texture
2025, Current research in food science
IF:6.2Q1
DOI:10.1016/j.crfs.2025.101127
PMID:40689288
|
综述 | 系统回顾了预测食品风味和质构的数据资源与计算模型现状 | 首次系统梳理风味预测领域的数据资源和模型方法，突出图神经网络等机器学习技术的应用潜力 | 气味预测缺乏标准化指标，质构研究数据集不足，感官空间映射和受体层面数据整合存在空白 | 推进食品风味和质构预测领域的发展 | 食品风味（味觉、气味）和质构特性 | 机器学习 | NA | 机器学习 | 图神经网络,深度学习 | 分子数据,感官数据 | NA | NA | NA | NA | NA |
| 1242 | 2025-10-06 |
DVMark: A Deep Multiscale Framework for Video Watermarking
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2023.3251737
PMID:37030810
|
研究论文 | 提出了一种基于深度学习的多尺度视频水印框架DVMark，能够在视频中不可感知地嵌入信息并在多种失真情况下可靠提取 | 首次将多尺度设计引入视频水印领域，将水印信息分布在不同时空尺度上，实现了端到端可训练 | NA | 开发能够同时处理多种失真类型的鲁棒视频水印方法 | 视频水印技术 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 视频 | NA | NA | 多尺度架构 | NA | NA |
| 1243 | 2025-10-06 |
Prediction of Recurrence using a Stacked Denoising Autoencoder and Multifaceted Feature Analysis of Pretreatment MRI in Patients with Nasopharyngeal Carcinoma
2025, Current radiopharmaceuticals
IF:1.5Q3
|
研究论文 | 开发基于MRI的鼻咽癌复发预测模型，整合影像组学、深度学习和临床特征 | 首次使用堆叠降噪自编码器从MRI中提取深度特征，并与传统影像组学和临床特征融合构建预测模型 | 单中心回顾性研究设计，缺乏功能成像（DWI/PET）或分子标记（EBV-DNA）数据 | 开发鼻咽癌复发预测模型，实现早期风险分层和个性化治疗优化 | 184例经病理确诊接受根治性放疗的鼻咽癌患者 | 医学影像分析 | 鼻咽癌 | MRI影像分析，倾向评分匹配 | SDAE, SVM, MLP, LR, RF | 医学影像（对比增强T1加权MRI），临床数据 | 184例患者（经1:1倾向评分匹配后分析136例），外部验证91例 | NA | 堆叠降噪自编码器 | AUC, 准确率, 敏感度, 特异度 | NA |
| 1244 | 2025-10-06 |
Harnessing Artificial Intelligence and Innovative Vaccines for Mpox Diagnosis and Control: A Comprehensive Narrative Review
2025 Jan-Dec, Journal of primary care & community health
DOI:10.1177/21501319251357701
PMID:40698517
|
综述 | 本文综述了人工智能和新型疫苗在猴痘诊断与控制中的应用 | 首次系统评估AI技术和新型疫苗在猴痘防控中的综合应用潜力 | 纳入研究仅限于英文文献，时间范围限定为近5年 | 评估人工智能和新型疫苗在减轻猴痘疾病负担方面的作用 | 猴痘诊断、检测和预防相关研究 | 自然语言处理 | 猴痘 | 文献综述方法 | 机器学习,深度学习,人工神经网络,卷积神经网络,迁移学习 | 文本数据 | NA | NA | NA | 准确率 | NA |
| 1245 | 2025-07-23 |
A deep learning model for clinical outcome prediction using longitudinal inpatient electronic health records
2025-Jan-23, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.01.21.25320916
PMID:39974062
|
研究论文 | 开发了一个基于Transformer的临床结果预测模型TECO，用于利用住院电子健康记录(EHR)数据预测ICU死亡率 | 提出了一个Transformer基础的模型TECO，在预测ICU死亡率方面优于专有指标和传统机器学习模型，并能识别与结果相关的临床可解释特征 | 需要进一步验证 | 开发一个深度学习模型用于临床结果预测 | 住院患者的电子健康记录数据 | 机器学习 | COVID-19, ARDS, 败血症 | 深度学习 | Transformer | 电子健康记录(EHR) | COVID-19患者2579人，ARDS队列2799人，败血症队列6622人 | NA | NA | NA | NA |
| 1246 | 2025-10-06 |
BIBSNet: A Deep Learning Baby Image Brain Segmentation Network for MRI Scans
2025-Jan-11, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.22.533696
PMID:36993540
|
研究论文 | 提出一种名为BIBSNet的深度学习婴儿脑部图像分割网络，用于MRI扫描中的婴儿脑组织分割 | 开发了首个开源、社区驱动的婴儿脑部分割神经网络，结合数据增强和大规模手动标注图像，在婴儿脑部MRI分割任务中表现优于传统方法 | 研究样本仅包含0-8个月龄的婴儿，未验证在更大年龄范围儿童中的适用性 | 开发能够准确分割婴儿脑部MRI图像的深度学习模型，以支持典型和非典型脑发育研究 | 0-8个月龄婴儿的脑部MRI图像 | 医学图像分析 | 脑发育疾病 | 磁共振成像(MRI) | 深度学习神经网络 | 医学图像 | 90名参与者的脑部MRI图像，年龄范围0-8个月 | NA | BIBSNet | Dice相似系数(DSC), 皮质厚度, 静息态连接性, 脑区体积 | NA |
| 1247 | 2025-07-23 |
Step Width Estimation in Individuals With and Without Neurodegenerative Disease via a Novel Data-Augmentation Deep Learning Model and Minimal Wearable Inertial Sensors
2025-01, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3470310
PMID:39331558
|
研究论文 | 提出了一种新型数据增强深度学习模型，用于通过最小化可穿戴惯性传感器估计步宽 | 使用数据增强的深度学习模型和最小化可穿戴惯性传感器（IMUs）来估计步宽，克服了传统方法的高成本和耗时问题 | 研究样本量较小，仅包括12名神经退行性疾病患者和17名健康个体 | 开发一种便携式步宽监测方法，用于神经退行性疾病患者和健康个体的康复训练和动态平衡控制 | 神经退行性疾病患者（SCA3）和健康个体 | 机器学习 | 神经退行性疾病 | 数据增强深度学习模型 | 深度学习模型 | 惯性传感器数据 | 12名神经退行性疾病患者和17名健康个体 | NA | NA | NA | NA |
| 1248 | 2025-07-23 |
Combination of facial and nose features of Amur tigers to determine age
2025-Jan, Integrative zoology
IF:3.5Q1
DOI:10.1111/1749-4877.12817
PMID:38509845
|
研究论文 | 通过结合东北虎的面部和鼻子特征，利用深度学习模型进行年龄测定 | 发现老虎鼻子上的黑色斑点面积与年龄呈正相关，并首次将面部和鼻子特征结合用于年龄测定 | 准确率为87.81%，仍有提升空间 | 开发一种基于图像特征的东北虎年龄测定方法 | 东北虎的面部和鼻子特征 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 1249 | 2025-07-23 |
Deep learning imaging analysis to identify bacterial metabolic states associated with carcinogen production
2025, Discover imaging
DOI:10.1007/s44352-025-00006-1
PMID:40098681
|
研究论文 | 本研究利用深度学习成像分析技术，识别与致癌物产生相关的细菌代谢状态 | 首次使用深度学习成像分析方法区分产生和不产生致癌物DCA的C. scindens细胞状态 | 研究仅针对C. scindens和两种Bacteroides物种，未涵盖其他可能相关的肠道细菌 | 探索成像方法在识别与结直肠癌相关的细菌代谢状态中的应用 | C. scindens细菌及其在不同培养条件下的代谢状态 | 数字病理学 | 结直肠癌 | 光学显微镜成像 | CNN, DenseNet, ResNet, nnU-Net | 图像 | 四种培养条件下的C. scindens图像数据 | NA | NA | NA | NA |
| 1250 | 2025-07-23 |
Gross tumor volume confidence maps prediction for soft tissue sarcomas from multi-modality medical images using a diffusion model
2025-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100734
PMID:40123775
|
研究论文 | 本研究开发了一种基于扩散模型的深度学习技术，用于从多模态医学图像中自动预测软组织肉瘤的总肿瘤体积（GTV）置信图 | 首次使用扩散模型预测GTV置信图，并考虑了读者间和读者内的变异性 | 样本量较小（49例患者），且仅使用了公开数据集 | 开发自动化的GTV勾画技术以提高放疗计划的可重复性 | 软组织肉瘤患者的多模态医学图像（FDG-PET、CT和MRI） | 数字病理 | 软组织肉瘤 | 扩散模型 | 扩散模型 | 医学图像（FDG-PET、CT和MRI） | 49例患者的多模态医学图像数据 | NA | NA | NA | NA |
| 1251 | 2025-10-06 |
Benchmarking protein language models for protein crystallization
2025-01-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86519-5
PMID:39827171
|
研究论文 | 本研究通过TRILL平台评估多种蛋白质语言模型在预测蛋白质结晶倾向性方面的性能 | 首次系统性地对开放蛋白质语言模型进行结晶预测能力基准测试，并利用ProtGPT2模型生成可结晶蛋白质 | 仅评估了有限的蛋白质语言模型，且生成的潜在可结晶蛋白质数量较少 | 评估蛋白质语言模型在预测蛋白质结晶倾向性方面的性能 | 蛋白质序列及其结晶倾向性 | 自然语言处理 | NA | 蛋白质语言模型，深度学习 | Transformer, LightGBM, XGBoost | 蛋白质序列 | 3000个生成的蛋白质，最终筛选出5个潜在可结晶蛋白质 | TRILL, LightGBM, XGBoost | ESM2, Ankh, ProtT5-XL, ProstT5, xTrimoPGLM, SaProt, ProtGPT2 | AUPR, AUC, F1-score | NA |
| 1252 | 2025-10-06 |
Direct Prediction of 48 Month Survival Status in Patients with Uveal Melanoma Using Deep Learning and Digital Cytopathology Images
2025-Jan-13, Cancers
IF:4.5Q1
DOI:10.3390/cancers17020230
PMID:39858012
|
研究论文 | 本研究使用深度学习技术分析葡萄膜黑色素瘤的数字细胞病理图像，直接预测患者48个月生存状态 | 首次使用深度学习直接从细胞病理图像预测葡萄膜黑色素瘤患者长期生存状态，无需基因表达谱分析 | 样本量较小（74例患者），需要前瞻性验证 | 开发基于深度学习的葡萄膜黑色素瘤生存预测方法 | 葡萄膜黑色素瘤患者 | 数字病理学 | 葡萄膜黑色素瘤 | 细针穿刺活检，H&E染色，全玻片扫描 | 深度学习，人工神经网络 | 数字细胞病理图像 | 74例患者，207,260个独特ROI区域 | NA | 全连接神经网络 | 准确率，灵敏度 | NA |
| 1253 | 2025-10-06 |
Multimodal deep learning improves recurrence risk prediction in pediatric low-grade gliomas
2025-Jan-12, Neuro-oncology
IF:16.4Q1
DOI:10.1093/neuonc/noae173
PMID:39211987
|
研究论文 | 本研究开发了一种多模态深度学习模型，用于改善儿童低级别胶质瘤术后复发风险预测 | 首次将预训练的深度学习分割工具提取的MRI影像特征与临床特征相结合，构建多模态模型来预测pLGG术后无事件生存期 | 需要更大规模的多中心训练数据来提高模型的泛化能力 | 改善儿童低级别胶质瘤术后复发风险预测和分层 | 儿童低级别胶质瘤患者 | 数字病理 | 脑肿瘤 | 磁共振成像 | 深度学习逻辑风险模型 | 医学影像, 临床数据 | 396名患者（来自两个机构：Dana Farber/Boston Children's Hospital和Children's Brain Tumor Network） | NA | NA | 时间依赖性一致性指数, Kaplan-Meier曲线, log-rank检验 | NA |
| 1254 | 2025-10-06 |
Unsupervised deep learning of electrocardiograms enables scalable human disease profiling
2025-Jan-12, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01418-9
PMID:39799251
|
研究论文 | 开发无监督深度学习模型从心电图中检测人类疾病 | 使用深度学习去噪自编码器系统评估心电图编码与约1600种疾病的关联 | 模型开发与评估使用的数据集分离，未明确说明具体数据限制 | 探索心电图在人类疾病检测中的应用潜力 | 心电图数据与Phecode疾病分类系统 | 机器学习 | 心血管疾病 | 心电图分析 | 自编码器 | 心电图信号 | 三个独立数据集（具体数量未明确） | NA | 去噪自编码器 | p值，疾病鉴别能力 | NA |
| 1255 | 2025-10-06 |
Transformer-based modeling of Clonal Selection and Expression Dynamics reveals resistance mechanisms in breast cancer
2025-Jan-10, NPJ systems biology and applications
IF:3.5Q1
DOI:10.1038/s41540-024-00485-8
PMID:39794360
|
研究论文 | 提出基于Transformer的TraCSED模型，用于分析乳腺癌中克隆选择和基因表达动态，揭示耐药机制 | 开发首个基于Transformer的动态深度学习方法来建模克隆选择过程，能够识别可解释的基因程序及其与克隆选择关联的时间点 | 仅应用于体外研究，未在临床样本中验证，且对特定克隆的耐药机制分析有限 | 理解癌细胞转录异质性及其对治疗反应的影响，识别耐药机制 | 乳腺癌细胞系，使用giredestrant（ER拮抗剂和降解剂）和palbociclib（CDK4/6抑制剂）处理的细胞 | 机器学习 | 乳腺癌 | 单细胞RNA测序（scRNA-seq），克隆条形码技术 | Transformer | 单细胞基因表达数据，克隆适应性数据 | NA | NA | Transformer | NA | NA |
| 1256 | 2025-10-06 |
N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease
2025-Jan-04, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01364-6
PMID:39755754
|
研究论文 | 提出一种基于深度学习的回归模型N2GNet，能够从帕金森病患者丘脑底核局部场电位实时追踪步态表现 | 首次开发能够直接从STN LFP信号追踪步态性能的深度学习模型，利用全面频带信息而非仅限于beta波段 | 研究样本量较小（18名患者），仅在原地踏步任务中验证 | 开发用于帕金森病自适应脑深部电刺激的实时步态性能追踪算法 | 帕金森病患者 | 机器学习 | 帕金森病 | 局部场电位记录，地面反作用力测量 | 回归模型 | 神经信号，生物力学数据 | 18名帕金森病患者 | NA | N2GNet | 相关性分析 | NA |
| 1257 | 2025-10-06 |
Drug molecular representations for drug response predictions: a comprehensive investigation via machine learning methods
2025-01-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84711-7
PMID:39748003
|
研究论文 | 通过机器学习方法系统评估不同药物分子表示在药物反应预测中的效果 | 首次全面评估多种药物分子表示与遗传特征结合对药物反应预测的影响，并发现PubChem指纹和SMILES表示能显著提升深度学习模型性能 | 未明确说明具体使用的数据集规模和实验设置的详细参数 | 评估不同药物分子表示在药物反应预测中的有效性 | 药物分子表示和遗传特征 | 机器学习 | NA | 药物分子表示技术（PubChem指纹、SMILES） | 深度学习模型 | 分子表示数据、遗传特征数据 | NA | NA | NA | NA | NA |
| 1258 | 2025-01-15 |
Glomerular and Nephron Size and Kidney Disease Outcomes: A Comparison of Manual Versus Deep Learning Methods in Kidney Pathology
2025-Jan, Kidney medicine
IF:3.2Q1
DOI:10.1016/j.xkme.2024.100939
PMID:39807248
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1259 | 2025-07-22 |
Graph-Based 3-Dimensional Spatial Gene Neighborhood Networks of Single Cells in Gels and Tissues
2025, BME frontiers
IF:5.0Q1
DOI:10.34133/bmef.0110
PMID:40084126
|
研究论文 | 开发了一种基于图的三维空间基因邻域网络嵌入方法（3D-spaGNN-E），用于发现亚细胞基因邻近关系并识别细胞间通讯（CCC）中的关键亚细胞模式 | 结合3D成像空间转录组学和基于图的深度学习，首次在三维空间中解析亚细胞基因邻近关系 | 三维数据复杂度高，需要新的分析方法 | 研究细胞间通讯中的亚细胞基因邻近关系 | 间充质干细胞（MSCs）、外周血单个核细胞（PBMCs）、小鼠下丘脑和皮层中的星形胶质细胞-神经元 | 空间转录组学 | NA | 3D成像空间转录组学、MERFISH | 图自编码器（graph autoencoder） | 3D空间转录组数据 | 间充质干细胞培养物、MSC-PBMC共培养系统、小鼠下丘脑和皮层组织 | NA | NA | NA | NA |
| 1260 | 2025-10-06 |
Analysis of TEM micrographs with deep learning reveals APOE genotype-specific associations between HDL particle diameter and Alzheimer's dementia
2025-Jan-27, Cell reports methods
IF:4.3Q2
DOI:10.1016/j.crmeth.2024.100962
PMID:39874947
|
研究论文 | 本研究使用深度学习模型YOLOv7分析透射电子显微镜图像，揭示了APOE基因型特异性HDL颗粒直径与阿尔茨海默病痴呆之间的关联 | 首次使用YOLOv7深度学习模型对超过180万个HDL颗粒进行直径测量，实现了对大规模临床样本中单个HDL颗粒的精确测量 | 研究样本量相对有限（183个HDL样本），且主要关注亚20纳米直径范围内的纳米颗粒 | 探索HDL颗粒直径分布与阿尔茨海默病痴呆之间的关联，特别关注APOE基因型的影响 | 183个HDL样本，包括痴呆患者和认知正常对照者 | 计算机视觉 | 阿尔茨海默病 | 透射电子显微镜（TEM） | CNN | 图像 | 183个HDL样本，超过1,800,000个HDL颗粒 | NA | YOLOv7 | 效率、准确性 | NA |