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 3708 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1521 | 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 |
| 1522 | 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 |
| 1523 | 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 |
| 1524 | 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 |
| 1525 | 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 |
| 1526 | 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 |
| 1527 | 2025-10-06 |
Machine learning-optimized targeted detection of alternative splicing
2025-Jan-24, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkae1260
PMID:39727154
|
研究论文 | 提出一种基于机器学习的靶向RNA测序方法LSV-seq，用于高效检测和定量分析选择性剪接事件 | 开发了新型机器学习算法Optimal Prime用于引物设计，并创建了LSV-seq方法显著提高剪接检测灵敏度 | NA | 解决RNA-seq在选择性剪接检测中的固有偏差问题 | 选择性剪接事件 | 机器学习 | NA | RNA-seq, LSV-seq, 靶向RNA测序 | 深度学习 | RNA测序数据 | 数千个引物序列性能数据，GTEx RNA-seq数据集 | NA | NA | 捕获率，测序深度，灵敏度 | NA |
| 1528 | 2025-10-06 |
Equitable artificial intelligence for glaucoma screening with fair identity normalization
2025-Jan-20, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01432-5
PMID:39833503
|
研究论文 | 开发公平身份归一化模块以提升青光眼筛查AI模型在不同种族和族裔群体间的性能公平性 | 提出公平身份归一化(FIN)模块，通过均衡不同身份群体的特征重要性来改善模型性能公平性 | NA | 开发公平的人工智能系统用于青光眼筛查，解决现有模型在不同身份群体间性能不均的问题 | 青光眼患者和非青光眼患者 | 医学人工智能 | 青光眼 | 光学相干断层扫描(OCT) | 深度学习 | 医学影像 | NA | NA | NA | AUC, ES-AUC | NA |
| 1529 | 2025-10-06 |
Enhancing Gene Expression Predictions Using Deep Learning and Functional Annotations
2025-Jan, Genetic epidemiology
IF:1.7Q3
DOI:10.1002/gepi.22595
PMID:39344923
|
研究论文 | 提出一种结合功能注释的深度学习架构来预测基因表达，相比线性模型显著提升预测性能 | 引入可学习的输入缩放层和卷积编码器来捕捉非线性效应和高阶交互，同时支持跨网络参数共享以利用功能注释先验信息 | 未明确说明模型在非遗传基因上的泛化能力及计算复杂度分析 | 提升转录组关联研究中基因表达预测的准确性 | 人类基因组中的遗传基因表达数据 | 机器学习 | NA | eQTL数据分析 | 深度学习,CNN | 基因型数据,功能注释数据 | 真实基因组数据集中的大量遗传基因 | NA | 卷积编码器 | 预测性能指标 | NA |
| 1530 | 2025-10-06 |
Deep learning enhances the prediction of HLA class I-presented CD8+ T cell epitopes in foreign pathogens
2025, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-024-00971-y
PMID:40008296
|
研究论文 | 开发了名为MUNIS的深度学习模型，用于预测HLA I类分子呈递的CD8+ T细胞表位 | 构建了包含651,237个独特HLA-I配体的数据集，开发了性能优于现有模型的深度学习预测方法 | NA | 提高CD8 T细胞表位的预测准确性，促进T细胞疫苗开发 | 人类白细胞抗原I类分子配体和CD8+ T细胞表位 | 机器学习 | 传染病 | 深度学习，体外HLA-I-肽稳定性和T细胞免疫原性实验 | 深度学习模型 | 肽序列数据 | 651,237个独特HLA-I配体 | NA | MUNIS | 肽呈递预测准确性，CD8 T细胞表位免疫优势层次预测 | NA |
| 1531 | 2025-10-06 |
Digital pathology assessment of kidney glomerular filtration barrier ultrastructure in an animal model of podocytopathy
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf024
PMID:40223818
|
研究论文 | 开发基于深度学习的数字病理计算方法，自动测量足细胞病动物模型中肾小球滤过屏障的超微结构宽度 | 首次将U-Net模型与图像处理算法结合，实现肾小球基底膜和足细胞足突宽度的自动化测量 | 在ILK cKO样本中自动与手动测量的足突宽度存在差异，自动方法对表型差异的检测能力在足突宽度方面较弱 | 开发自动化方法测量肾小球滤过屏障超微结构，促进足细胞病研究 | 整合素连接激酶足细胞特异性条件敲除小鼠和野生型对照小鼠的肾脏组织 | 数字病理 | 足细胞病 | 透射电子显微镜 | CNN | 图像 | WT和ILK cKO同窝小鼠在4周龄时的TEM图像，采用4折交叉验证 | NA | U-Net | Jaccard指数, 统计显著性检验 | NA |
| 1532 | 2025-10-06 |
Exploration of Pharmacological Mechanisms of Dapagliflozin against Type 2 Diabetes Mellitus through PI3K-Akt Signaling Pathway based on Network Pharmacology Analysis and Deep Learning Technology
2025, Current computer-aided drug design
IF:1.5Q3
|
研究论文 | 本研究通过网络药理学分析和深度学习技术探索达格列净治疗2型糖尿病的药理机制 | 首次结合网络药理学与DeepPurpose深度学习算法系统分析达格列净作用机制，识别出PI3K-Akt信号通路中的关键靶点 | 研究主要基于生物信息学预测，缺乏实验验证 | 探索达格列净治疗2型糖尿病的作用机制 | 达格列净药物靶点与2型糖尿病相关靶点 | 生物信息学 | 2型糖尿病 | 网络药理学分析, 深度学习技术, GO/KEGG富集分析 | 深度学习 | 基因靶点数据, 蛋白质相互作用数据 | 155个重叠靶点 | DeepPurpose, clusterProfiler, STRING, Cytoscape | NA | 结合亲和力评估 | NA |
| 1533 | 2025-10-06 |
FLPneXAINet: Federated deep learning and explainable AI for improved pneumonia prediction utilizing GAN-augmented chest X-ray data
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324957
PMID:40674439
|
研究论文 | 提出结合联邦学习、深度学习和可解释AI的FLPneXAINet框架，用于基于胸部X光图像的肺炎预测 | 首次将联邦学习与可解释AI技术结合用于肺炎诊断，采用CycleGAN数据增强和多模型集成特征提取 | 仅使用单一Kaggle数据集，未在更多临床环境中验证 | 开发安全准确的肺炎自动诊断系统，保护患者隐私 | 胸部X光图像 | 计算机视觉 | 肺炎 | 胸部X光成像 | CNN,集成学习,机器学习模型 | 图像 | 8,402张胸部X光图像（3,904正常，4,498肺炎） | TensorFlow,Keras,Scikit-learn | VGG16, NASNetMobile, MobileNet, CycleGAN | 准确率, F1分数, 召回率, 精确率 | NA |
| 1534 | 2025-10-06 |
Frequency domain manipulation of multiple copy-move forgery in digital image forensics
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327586
PMID:40674455
|
研究论文 | 提出一种基于离散小波变换的频域方法来生成和分析数字图像中的多重复制-移动篡改 | 利用离散小波变换在频域处理多重复制-移动篡改，能够模拟对复制区域进行变换的复杂篡改场景 | 方法主要针对多重复制-移动篡改的生成和分析，对其它类型图像篡改的检测能力未经验证 | 开发更鲁棒的多重复制-移动篡改检测技术 | 数字图像中的复制-移动篡改 | 数字图像取证 | NA | 离散小波变换(DWT) | NA | 图像 | NA | NA | NA | 与现有最先进技术的对比评估 | NA |
| 1535 | 2025-10-06 |
Predicting receptor-ligand pairing preferences in plant-microbe interfaces via molecular dynamics and machine learning
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.06.029
PMID:40677241
|
研究论文 | 开发了一种结合分子动力学和机器学习的混合方法，用于预测植物-微生物界面中大分子配体与受体的结合亲和力 | 针对大尺寸、高柔性信号分子（如LCOs）开发了MD/ML混合方法，在有限实验结构信息下仍能准确预测结合亲和力排序 | 依赖于粗粒度初始结构模型，实验结构信息有限 | 预测植物-微生物界面中受体-配体配对偏好，揭示内共生起始阶段的分子机制 | 豆科植物LysM-RLKs（LYR3）受体与脂质几丁寡糖（LCOs）及几丁寡糖的相互作用 | 机器学习 | NA | 分子动力学模拟，机器学习 | NA | 分子结构数据，结合亲和力数据 | 四种豆科植物LysM-RLKs（LYR3）与LCOs及几丁寡糖的结合系统 | NA | NA | 结合亲和力排序准确性，与实验趋势的一致性 | NA |
| 1536 | 2025-10-06 |
Deep latent force models: ODE-based process convolutions for Bayesian deep learning
2025, Machine learning
IF:4.3Q2
DOI:10.1007/s10994-025-06824-y
PMID:40677904
|
研究论文 | 提出一种基于常微分方程过程卷积的深度隐力模型，用于非线性动态系统的贝叶斯深度学习 | 将物理知识融入深度高斯过程，通过ODE推导的核函数构建分层物理信息内核 | 诱导点框架对基于LFM的模型外推能力产生负面影响 | 开发具有稳健不确定性量化的非线性动态系统建模方法 | 多输出时间序列数据和基准单变量回归任务 | 机器学习 | NA | 过程卷积框架 | 深度高斯过程 | 时间序列数据 | NA | NA | 深度隐力模型 | NA | NA |
| 1537 | 2025-10-06 |
Swarm learning network for privacy-preserving and collaborative deep learning assisted diagnosis of fracture: a multi-center diagnostic study
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1534117
PMID:40678137
|
研究论文 | 开发基于区块链的群体学习框架用于隐私保护的骨折影像分析 | 首次将群体学习应用于骨折识别，实现多中心协作训练同时保护数据隐私 | 研究仅针对膝关节损伤，未验证其他部位骨折 | 开发隐私保护的分布式AI模型用于骨折诊断 | 膝关节损伤患者影像数据 | 计算机视觉 | 骨折 | 医学影像分析 | 目标检测算法 | 医学影像 | 4,581名患者（回顾性研究）+ 112名患者（前瞻性队列） | YOLOv8 | YOLOv8n-cls | AUROC, 准确率 | NA |
| 1538 | 2025-10-06 |
CT radiomics combined with neural networks predict the malignant degree of pulmonary grinding glass nodules
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1603472
PMID:40678142
|
研究论文 | 本研究通过CT影像组学结合卷积神经网络预测肺磨玻璃结节恶性程度 | 首次将CT影像组学特征与卷积神经网络结合用于肺磨玻璃结节恶性程度预测，相比传统Mayo和Brock模型显著提升预测性能 | 单中心回顾性研究，需要外部验证和多中心前瞻性队列验证 | 提高肺磨玻璃结节的诊断准确性，支持个性化治疗规划 | 肺磨玻璃结节患者 | 计算机视觉 | 肺癌 | CT影像组学 | CNN | CT图像 | 670例肺结节患者（2019-2023年） | MATLAB Deep Learning Toolbox | CNN | AUC, 敏感度, 特异度, 准确率 | NA |
| 1539 | 2025-10-06 |
Using Convoluted Neural Networks in Diagnosing Lung Cancer on Computed Tomography Scans
2025 Jan-Mar, Current health sciences journal
DOI:10.12865/CHSJ.51.01.09
PMID:40678299
|
研究论文 | 开发卷积神经网络用于CT扫描图像中肺部良恶性结节的分类诊断 | 提出新型卷积神经网络模型用于肺部CT图像的良恶性分类，并在不平衡数据集上实现良好性能 | 样本量相对有限（176例），模型精度有待进一步提升 | 开发计算机辅助工具用于肺部癌症的早期诊断 | 肺部CT图像中的可疑结节 | 计算机视觉 | 肺癌 | 计算机断层扫描（CT） | CNN | 图像 | 176例患者（192个病例），其中男性135例（76.7%），城市居民111例（63%），右肺肿瘤103例 | NA | NA | 准确率, 召回率, 精确率 | 常规硬件 |
| 1540 | 2025-10-06 |
Deep Learning and The Retina: A New Frontier in Multiple Sclerosis Diagnosis
2025 Jan-Mar, Current health sciences journal
DOI:10.12865/CHSJ.51.01.03
PMID:40678297
|
综述 | 探讨深度学习在视网膜影像分析中对多发性硬化症诊断与进展追踪的应用价值 | 首次系统综述人工智能（特别是深度学习）如何通过视网膜影像这一无创窗口检测多发性硬化症的早期生物标志物 | 面临数据标准化不足、模型可解释性有限及临床整合困难等挑战 | 评估人工智能技术在多发性硬化症眼科诊断中的临床应用潜力 | 多发性硬化症患者的视网膜影像特征 | 计算机视觉 | 多发性硬化症 | OCT（光学相干断层扫描）、眼底摄影、扫描激光检眼镜 | CNN, GAN, 可解释AI | 视网膜影像 | NA | NA | NA | 准确率 | NA |