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 19363 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2026-03-31 |
Deep Learning Estimation of 24-2 Visual Field Map From Optic Nerve Head Optical Coherence Tomography Angiography
2025-11-01, Journal of glaucoma
IF:2.0Q2
DOI:10.1097/IJG.0000000000002626
PMID:40923848
|
研究论文 | 本研究开发了基于深度学习的模型，利用OCTA图像估计24-2视野图 | 首次将深度学习应用于OCTA图像，通过视盘旁区域信息高精度估计24-2视野图，可能减少患者视野测试频率 | 研究样本量为3148个VF-OCTA对，可能受限于数据规模和多样性，未提及外部验证结果 | 开发深度学习模型从OCTA图像估计24-2视野图，以辅助眼科诊断 | 994名参与者（1684只眼睛）的OCTA图像和视野数据 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描血管成像（OCTA） | 深度学习模型 | 图像 | 3148个VF-OCTA对，来自994名参与者（1684只眼睛） | 未明确指定 | 未明确指定 | 平均绝对误差（MAE），皮尔逊相关系数（R） | NA |
| 182 | 2026-03-31 |
Integrative deep learning of spatial multi-omics with SWITCH
2025-11, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00891-w
PMID:41162770
|
研究论文 | 本文介绍了一种名为SWITCH的深度生成模型，用于整合空间多组学数据并进行跨模态预测 | 提出了循环映射机制，无需额外配对数据即可实现可靠的跨模态翻译，并利用这些翻译作为伪配对提供补充信号 | 未明确提及具体局限性 | 开发计算方法来整合未配对的空间多组学数据，并在单模态数据上进行跨模态预测 | 空间多组学数据 | 机器学习 | NA | 空间组学技术 | 深度生成模型 | 空间多组学数据 | NA | NA | NA | 整合准确性、空间域划分精度 | NA |
| 183 | 2026-03-31 |
Paradigm Shifts in Regenerative Medicine for Bone and Joint Surgery: From Mechanical Repair to Intelligent Biological Restoration
2025-Oct-31, Ortopedia, traumatologia, rehabilitacja
DOI:10.5604/01.3001.0055.6647
PMID:41904999
|
综述 | 本文综述了再生医学和人工智能在骨与关节外科中从机械修复向智能生物修复范式转变的科学进展与临床转化 | 整合了干细胞疗法、生物活性支架、生长因子策略以及AI驱动的规划与递送系统，强调了生物材料、智能技术与人工智能的融合如何重新定义手术范式 | 存在监管障碍，如干细胞审批路径不一、细胞来源和患者数据使用的伦理问题、生产成本高，以及外科医生在生物和AI集成系统方面需要培训 | 探讨再生医学和人工智能在骨与关节外科中的范式转变，从机械修复转向智能生物修复 | 干细胞疗法、生物活性支架、生长因子策略、AI规划与递送系统在肌肉骨骼应用中的临床转化 | 再生医学 | 骨关节疾病 | NA | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 184 | 2026-03-31 |
Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics
2025-Aug-04, ArXiv
PMID:40799806
|
研究论文 | 本文研究了基于神经同步机制（特别是结合复值表示与Kuramoto动力学）如何增强深度学习模型在复杂视觉分类任务中的多物体编码能力 | 首次将神经科学中的同步机制（Kuramoto动力学）与复值表示结合，用于解决深度学习中的物体绑定问题，并设计了前馈和循环两种架构验证其有效性 | 未明确说明模型的计算复杂度、训练时间成本以及在更大规模数据集（如ImageNet）上的泛化能力 | 探索神经同步机制是否能增强人工模型在视觉分类任务中的多物体编码能力 | 多物体图像（如重叠手写数字、含噪声输入、分布外变换图像） | 计算机视觉 | NA | NA | 前馈神经网络, 循环神经网络 | 图像 | NA | NA | 基于Kuramoto同步机制的复值神经网络架构 | NA | NA |
| 185 | 2026-03-31 |
Unveiling the Bioactive Potential of the Invasive Jellyfish Phyllorhiza punctata Through Integrative Transcriptomic and Proteomic Analyses
2025-08-04, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15081121
PMID:40867566
|
研究论文 | 本研究通过整合转录组学和蛋白质组学数据，分析了入侵物种白色斑点水母的分子和生化特性，重点关注其组织特异性蛋白表达和抗菌肽候选物的发现 | 首次对白色斑点水母进行整合转录组与蛋白质组分析，识别了组织特异性蛋白表达谱和新型抗菌肽候选物，揭示了其未被充分开发的生物技术潜力 | 研究主要基于实验室生成的蛋白质组数据和公开转录组信息，可能未完全覆盖物种在自然状态下的全部分子多样性，且功能验证有待进一步实验 | 探究入侵水母物种的分子与生化特征，挖掘其生物活性成分（如毒素和抗菌肽）的生物技术应用潜力 | 白色斑点水母（Phyllorhiza punctata）的三种组织：口腕、套膜和性腺 | 生物信息学 | NA | LC-MS/MS蛋白质组学，转录组学分析 | 深度学习，机器学习 | 蛋白质组数据，转录组数据 | 三种组织类型（口腕、套膜、性腺），共鉴定2764个蛋白质和25,045个肽段 | NA | NA | NA | NA |
| 186 | 2026-03-31 |
An improved model for prediction of de novo designed proteins with diverse geometries
2025-Jun-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.02.657515
PMID:40502157
|
研究论文 | 本文提出了一种改进的深度学习模型，用于预测具有多样几何形状的从头设计蛋白质，通过微调AlphaFold2来克服现有方法对理想化几何形状的系统性偏差 | 通过物理基础设计方法生成了一个包含5,996个稳定、几何形状多样的从头设计蛋白质的数据集，并微调AlphaFold2模型以更好地捕捉自然蛋白质的几何多样性，从而提高了对未见折叠家族的泛化能力 | 当前深度学习结构预测方法未能完全捕捉从头设计蛋白质的特定构象偏好所基于的物理原理，如原子堆积和氢键相互作用 | 改进深度学习模型以更准确地预测具有非理想几何形状的从头设计蛋白质，从而更好地反映自然蛋白质的多样性 | 从头设计的蛋白质，特别是那些具有多样几何形状的蛋白质 | 机器学习 | NA | 物理基础设计方法，深度学习结构预测 | 深度学习模型，具体为微调的AlphaFold2 | 蛋白质结构数据 | 5,996个稳定、从头设计的蛋白质，以及数千个来自5个未见折叠家族的几何形状多样的从头设计蛋白质 | NA | AlphaFold2 | NA | NA |
| 187 | 2026-03-31 |
Optimizing Immunotherapy: The Synergy of Immune Checkpoint Inhibitors with Artificial Intelligence in Melanoma Treatment
2025-04-16, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15040589
PMID:40305346
|
综述 | 本文综述了人工智能在优化黑色素瘤免疫检查点抑制剂治疗中的应用潜力 | 探讨了AI整合多种诊断工具（如RNAseq、电子健康记录、CT影像）以优化免疫治疗的新策略，包括预测模型构建、生物标志物识别和治疗反应预测 | 临床验证和实施挑战仍然存在 | 优化黑色素瘤的免疫检查点抑制剂治疗 | 黑色素瘤患者 | 机器学习 | 黑色素瘤 | RNAseq分析，CT成像，电子健康记录数据分析 | 机器学习，深度学习 | 文本，图像，实验室数据 | NA | NA | NA | 准确度 | NA |
| 188 | 2026-03-31 |
Leveraging Artificial Intelligence/Machine Learning Models to Identify Potential Palliative Care Beneficiaries: A Systematic Review
2025-01, Journal of gerontological nursing
IF:1.1Q3
DOI:10.3928/00989134-20241210-01
PMID:39746126
|
系统综述 | 本文系统综述了人工智能和机器学习技术在安宁疗护领域的应用，重点关注用于识别慢性病和终末期患者中潜在安宁疗护服务受益者的模型 | 首次系统性地总结和评估了AI/ML模型在识别安宁疗护潜在受益者方面的应用现状与方法 | 纳入研究数量有限（仅5项），且研究间异质性较大，可能影响结论的普适性 | 评估人工智能和机器学习技术在识别安宁疗护服务潜在受益者方面的应用效果与前景 | 慢性病和终末期疾病患者 | 自然语言处理, 机器学习 | 老年疾病 | NA | 监督学习算法, 深度学习模型 | NA | NA | NA | 神经网络模型, 逻辑回归, 树模型 | NA | NA |
| 189 | 2026-03-30 |
Feasibility of deep learning-accelerated HASTE-FS for pancreatic cystic lesion surveillance: comparison with conventional HASTE and MRCP
2025-Nov-18, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05265-4
PMID:41251737
|
研究论文 | 本研究比较了深度学习加速的HASTE-FS序列与常规HASTE序列及MRCP在胰腺囊性病变检测、表征和监测中的性能 | 首次将深度学习重建技术应用于单次激发脂肪饱和T2加权序列（DL HASTE-FS），并系统评估其在胰腺囊性病变监测中替代传统MRCP的可行性 | 研究为回顾性设计，样本量相对较小（91例患者），且仅使用单一3T MRI设备，可能影响结果的普遍性 | 评估深度学习加速成像技术在胰腺囊性病变MRI监测中的应用价值 | 胰腺囊性病变患者 | 数字病理学 | 胰腺癌 | MRI, MRCP, 深度学习重建 | 深度学习模型 | 医学影像 | 91例连续患者，其中70个预选索引PCL | NA | NA | Likert量表评分, 统计显著性p值 | 3T MRI设备 |
| 190 | 2026-03-30 |
RNA-ligand interaction scoring via data perturbation and augmentation modeling
2025-08, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00820-x
PMID:40555786
|
研究论文 | 本文介绍了一种基于序列的深度学习框架RNAsmol，用于预测RNA与小分子之间的相互作用 | 结合数据扰动与增强、基于图的分子特征表示和基于注意力的特征融合模块，无需结构输入即可准确预测RNA-小分子结合 | 受限于已验证的RNA-小分子相互作用数据有限和已知RNA结构稀缺 | 开发数据驱动的深度学习模型以预测RNA与小分子的相互作用 | RNA与小分子之间的相互作用 | 机器学习 | NA | 深度学习 | 深度学习框架 | 序列数据 | NA | NA | 基于注意力的特征融合模块 | 十倍交叉验证、未见评估、诱饵评估 | NA |
| 191 | 2026-03-30 |
Memory kernel minimization-based neural networks for discovering slow collective variables of biomolecular dynamics
2025-07, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00815-8
PMID:40495006
|
研究论文 | 本文提出了一种基于记忆核最小化的神经网络框架MEMnets，用于发现生物分子动力学中的慢集体变量 | MEMnets基于积分广义主方程理论，通过编码非马尔可夫动力学到记忆核中，并最小化时间积分记忆核的上界来识别最优集体变量，克服了传统方法通常假设马尔可夫动力学的限制 | 未在摘要中明确提及 | 识别生物分子动力学中准确捕捉最慢时间尺度的集体变量，以理解蛋白质构象变化等生物过程 | FIP35 WW结构域的折叠过程和细菌RNA聚合酶的钳口开放构象变化 | 机器学习 | NA | 深度学习 | 神经网络 | 生物分子动态数据 | NA | NA | 并行编码器网络 | NA | NA |
| 192 | 2026-03-30 |
Predicting adverse drug reactions for combination pharmacotherapy with cross-scale associative learning via attention modules
2025-07, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00816-7
PMID:40588546
|
研究论文 | 本研究提出了一种名为OrganADR的关联学习增强模型，用于在器官层面预测联合药物治疗的不良反应 | 提出了一种结合器官层面ADR信息、分子层面药物信息以及基于网络的生物医学知识的集成表示方法，并采用多可解释模块，能够从器官角度阐明与ADR相关的关键蛋白质-蛋白质相互作用 | 未在摘要中明确说明 | 开发一种可解释的计算方法，以准确预测联合药物治疗的不良反应，服务于临床用药管理、药物开发和精准医疗 | 联合药物治疗及其在器官层面引发的不良反应 | 机器学习 | NA | NA | 深度学习 | 生物医学知识、药物分子信息、器官层面ADR信息 | 涉及15个器官的评估 | NA | OrganADR | NA | NA |
| 193 | 2026-03-30 |
Evaluating and mitigating bias in AI-based medical text generation
2025-05, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00789-7
PMID:40269315
|
研究论文 | 本研究评估并缓解了基于AI的医疗文本生成中的偏见问题，提出了一种选择性优化算法以减少性能差异 | 首次在医疗文本生成领域系统研究公平性问题，并开发了一种针对弱势群体进行选择性优化的算法 | 未详细说明算法在不同医疗子领域的具体适用性限制 | 评估和缓解AI医疗文本生成系统中的偏见问题 | 基于深度学习的医疗文本生成系统 | 自然语言处理 | NA | 深度学习 | 深度学习模型 | 文本 | NA | NA | NA | 公平性指标 | NA |
| 194 | 2026-03-30 |
DNA data storage for biomedical images using HELIX
2025-05, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00793-x
PMID:40360759
|
研究论文 | 本文提出了一种名为HELIX的基于DNA的生物医学图像存储系统，旨在解决生物医学图像大规模长期存储的需求 | HELIX系统针对生物医学图像特性设计了专用压缩算法，并引入了无需索引的错误校正编码，同时结合深度学习进行图像修复，提高了存储密度和解码速度 | 仅通过体外实验存储了两幅时空基因组学图像进行验证，样本规模较小，未涉及更广泛的生物医学图像类型 | 开发适用于生物医学图像的DNA数据存储系统 | 生物医学图像，特别是时空基因组学图像 | 数字病理学 | NA | DNA数据存储，深度测序 | 深度学习 | 图像 | 两幅时空基因组学图像 | NA | NA | 图像质量（97.20%），测序深度（7×覆盖度） | NA |
| 195 | 2026-03-30 |
Comprehensive prediction and analysis of human protein essentiality based on a pretrained large language model
2025-03, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00733-1
PMID:39604646
|
研究论文 | 本研究开发了一个基于序列的深度学习模型PIC，通过微调预训练蛋白质语言模型，全面预测和分析人类蛋白质必需性 | PIC模型不仅显著优于现有方法预测人类必需蛋白质，还能提供跨人类、细胞系和小鼠三个层次的全面预测结果，并定义了蛋白质必需性评分以量化人类蛋白质必需性 | NA | 开发计算模型以预测人类必需蛋白质，并量化蛋白质必需性 | 人类蛋白质，包括617,462个人类微蛋白质 | 自然语言处理 | 乳腺癌 | 深度学习，预训练蛋白质语言模型 | 深度学习模型 | 蛋白质序列 | 617,462个人类微蛋白质 | NA | 预训练蛋白质语言模型 | NA | NA |
| 196 | 2026-03-30 |
Leveraging pharmacovigilance data to predict population-scale toxicity profiles of checkpoint inhibitor immunotherapy
2025-03, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00748-8
PMID:39715829
|
研究论文 | 本研究提出了一种名为DySPred的动态图卷积网络深度学习框架，利用大规模真实世界药物警戒数据来预测免疫检查点抑制剂在人群水平的毒性谱 | 引入动态图卷积网络来映射和预测免疫检查点抑制剂的毒性谱，能够准确预测不同人口队列和癌症类型的毒性风险，并在小样本场景中表现出韧性，同时揭示毒性随时间变化的趋势 | NA | 预测免疫检查点抑制剂在人群水平的毒性谱，以支持主动毒性监测和及时调整治疗与干预策略 | 免疫检查点抑制剂疗法及其诱导的毒性 | 机器学习 | 癌症 | 药物警戒数据分析 | 动态图卷积网络 | 药物警戒数据 | 大规模真实世界数据 | NA | 动态图卷积网络 | NA | NA |
| 197 | 2026-03-29 |
Comparative Analysis of AI-based Quantification vs. Visual Rating of Enlarged Perivascular Spaces in the MESA Cohort
2025-Dec-15, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9129
PMID:41397892
|
研究论文 | 本研究比较了AI量化与视觉评分在评估扩大的血管周围空间（PVS）与血管风险因素及认知表现关联方面的效果 | 首次在MESA队列中系统比较AI自动量化与专家视觉评分在PVS研究中的敏感性，发现AI方法能检测到更多与血管风险因素和认知表现的关联 | 横断面研究设计无法确定因果关系，样本量相对有限（235名参与者），且仅基于单一队列 | 比较AI量化与视觉评分在识别PVS与血管风险因素及认知表现关联方面的差异 | 235名来自多民族动脉粥样硬化研究（MESA）的参与者，均接受脑部MRI检查 | 数字病理学 | 心血管疾病 | 脑部MRI（包括FLAIR序列） | 深度学习算法 | 医学影像（MRI图像） | 235名参与者（男性95人，女性140人；126人自报为黑人） | NA | NA | 回归系数（β），95%置信区间（CI） | NA |
| 198 | 2026-03-29 |
Consensus Molecular Subtypes (CMS) Classification: a progress towards Subtype-Driven treatments in colorectal cancer
2025-Nov-24, World journal of surgical oncology
IF:2.5Q1
DOI:10.1186/s12957-025-04117-1
PMID:41276825
|
综述 | 本文综述了结直肠癌的共识分子亚型（CMS）分类，包括其预后预测价值、识别方法、与免疫治疗等个性化治疗的关联，以及临床应用中面临的挑战 | 系统总结了基于基因表达谱、免疫组化和深度学习图像模型的CMS分类方法，并探讨了单细胞测序等新兴技术如何解决肿瘤内异质性等临床采纳障碍 | 肿瘤内异质性和技术标准化不足阻碍了CMS分类的广泛临床应用 | 回顾CMS分类在结直肠癌预后预测和个性化治疗指导方面的进展与挑战 | 结直肠癌及其共识分子亚型（CMS1-4） | 数字病理学 | 结直肠癌 | 基因表达谱分析, 免疫组化（IHC）, 单细胞RNA测序, 深度学习 | 深度学习模型 | 基因表达数据, 病理图像 | NA | NA | NA | NA | NA |
| 199 | 2026-03-29 |
Comparing innovative artificial intelligence algorithms to assess echocardiographic videos for clinical modeling
2025-11, The Journal of thoracic and cardiovascular surgery
IF:4.9Q1
DOI:10.1016/j.jtcvs.2025.01.008
PMID:39842544
|
研究论文 | 本研究比较了多种动态深度学习算法，利用超声心动图视频开发预测模型，并评估样本量对性能指标的影响 | 在监督学习和半监督学习框架下，比较了3D CNN、视频视觉Transformer及混合CNN-LSTM模型在不同样本量下的性能，发现半监督学习模型使用未标记数据可达到与仅使用标记数据模型相当的性能 | 研究仅基于特定样本量（200、400、800视频数据集）进行评估，未涵盖更广泛或更小的样本规模，且模型性能可能受数据质量和标注一致性影响 | 开发并比较基于超声心动图视频的预测模型，优化样本量使用以提高性能 | 超声心动图视频数据 | 计算机视觉 | 心血管疾病 | 超声心动图成像 | 3D CNN, 视频视觉Transformer, CNN-LSTM混合模型 | 视频 | 200、400、800视频数据集 | NA | ResNet3D, ResNet+LSTM | 平均绝对误差, 均方根误差 | NA |
| 200 | 2026-03-29 |
Leveraging learned representations and multitask learning for lysine methylation site discovery
2025-Sep-21, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.27.672583
PMID:40950037
|
研究论文 | 本文提出了一种基于Transformer的深度学习模型MethylSight 2.0，用于预测赖氨酸甲基化位点，并通过质谱实验验证了其有效性 | 利用深度学习最新进展，首次将Transformer架构应用于赖氨酸甲基化位点预测，并结合多任务学习整合其他赖氨酸翻译后修饰信息，实现了最先进的预测精度 | 模型主要针对赖氨酸甲基化位点，对于非组蛋白底物的甲基化机制理解仍有限，且实验验证的样本规模相对较小 | 提高赖氨酸甲基化位点的预测准确性，以促进赖氨酸甲基组图谱的绘制和癌症药物靶点的识别 | 蛋白质中的赖氨酸甲基化位点，特别是非组蛋白底物 | 自然语言处理 | 癌症 | 质谱实验 | Transformer | 序列数据 | NA | NA | Transformer | 准确性 | NA |