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 19275 篇文献，本页显示第 2181 - 2200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2181 | 2026-04-22 |
Discovery and characterization of novel FAK inhibitors for breast cancer therapy via hybrid virtual screening, biological evaluation and molecular dynamics simulations
2025-06-01, Bioorganic chemistry
IF:4.5Q1
DOI:10.1016/j.bioorg.2025.108400
PMID:40163988
|
研究论文 | 本文通过混合虚拟筛选、生物活性评价和分子动力学模拟，发现并表征了用于乳腺癌治疗的新型FAK抑制剂 | 利用基于结构的高透明度渗透性虚拟筛选和基于几何深度学习的DeepDock算法，从内部数据库中发现了具有新型骨架的FAK抑制剂 | 未明确说明筛选数据库的具体规模或多样性限制，且仅对10种化合物进行了生物活性评估，样本量有限 | 开发针对乳腺癌的新型FAK抑制剂 | FAK（黏着斑激酶）抑制剂 | 机器学习 | 乳腺癌 | 虚拟筛选、分子对接、分子动力学模拟 | 深度学习 | 化学结构数据 | 从内部数据库筛选出10种化合物进行生物活性评估 | NA | DeepDock | 抑制活性 | NA |
| 2182 | 2026-04-22 |
Brain tumor segmentation and detection in MRI using convolutional neural networks and VGG16
2025-Mar, Cancer biomarkers : section A of Disease markers
IF:2.2Q3
DOI:10.1177/18758592241311184
PMID:40183298
|
研究论文 | 本研究利用卷积神经网络和VGG16模型，开发了一种用于MRI图像中脑肿瘤自动分割和检测的系统 | 提出了一种能够预测分割性能（mIoU）并检测失败事件的深度学习模型，无需在测试时访问真实数据，同时通过预期mIoU值处理数据不平衡问题 | 未明确说明模型在多样化或大规模临床数据集上的泛化能力，也未详细讨论计算资源需求或实时处理性能 | 开发一个自动化系统，用于从MRI图像中准确检测和分类脑肿瘤，以辅助医疗专业人员快速、准确诊断 | MRI图像中的脑肿瘤 | 计算机视觉 | 脑肿瘤 | 深度学习，图像处理技术 | CNN, VGG16 | 图像 | NA | Python | VGG16 | mIoU, 训练准确率, 验证准确率, 验证损失 | NA |
| 2183 | 2026-04-22 |
Multiscale footprints reveal the organization of cis-regulatory elements
2025-02, Nature
IF:50.5Q1
DOI:10.1038/s41586-024-08443-4
PMID:39843737
|
研究论文 | 本文介绍了一种名为PRINT的计算方法，用于从染色质可及性数据中识别DNA-蛋白质相互作用的多尺度足迹，并开发了seq2PRINT深度学习框架以推断转录因子和核小体结合 | 开发了PRINT方法，首次从多尺度蛋白质大小角度分析染色质可及性数据中的DNA-蛋白质相互作用足迹，并结合深度学习框架seq2PRINT实现精确的调控逻辑解读 | 方法主要依赖于染色质可及性数据，可能无法完全捕捉所有DNA-蛋白质相互作用的复杂性，且应用范围目前限于特定细胞类型 | 研究顺式调控元件的组织结构和动态变化，以连接其结构与细胞命运和疾病中的功能 | 人类骨髓和小鼠造血干细胞中的顺式调控元件 | 机器学习 | NA | 染色质可及性测序 | 深度学习 | 染色质可及性数据 | NA | NA | NA | NA | NA |
| 2184 | 2026-04-22 |
TimeFlies: an snRNA-seq aging clock for the fruit fly head sheds light on sex-biased aging
2025-Jan-25, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.25.625273
PMID:39896546
|
研究论文 | 本文介绍了TimeFlies，一种基于单细胞RNA测序的果蝇头部衰老时钟，利用深度学习预测供体年龄并揭示性别差异 | 开发了首个基于全基因组基因表达谱的泛细胞类型单细胞转录组衰老时钟，并应用于探究衰老中的性别差异 | 研究局限于果蝇头部，未涉及其他组织或物种，且单细胞测序数据可能存在技术偏差 | 构建单细胞转录组衰老时钟以识别年龄相关基因并探究衰老的性别差异 | 果蝇头部细胞 | 机器学习 | NA | 单细胞RNA测序 | 深度学习 | 基因表达谱 | NA | NA | NA | NA | NA |
| 2185 | 2026-04-22 |
Artificial intelligence in Brazilian Primary Health Care: scoping review
2025, Revista brasileira de enfermagem
IF:1.2Q3
DOI:10.1590/0034-7167-2024-0363
PMID:41370529
|
综述 | 本文通过范围综述探讨了人工智能在巴西初级卫生保健中的应用情况 | 首次系统性地综述了人工智能在巴西初级卫生保健中的具体应用、优势与挑战 | 研究仅基于截至2025年2月的文献，可能未涵盖最新进展；且为叙述性综述，缺乏定量分析 | 提供人工智能在巴西初级卫生保健中应用的证据 | 巴西初级卫生保健系统及相关人工智能应用研究 | 医疗人工智能 | NA | 机器学习,深度学习 | NA | NA | 从981篇文献中筛选出27项研究 | NA | NA | NA | NA |
| 2186 | 2026-04-21 |
Machine learning to identify hypoxic-ischemic brain injury on early head CT after pediatric cardiac arrest
2025-10, Resuscitation
IF:6.5Q1
|
研究论文 | 本研究利用深度学习模型检测儿童院外心脏骤停后早期CT扫描中的缺氧缺血性脑损伤，并探索模型是否能识别放射科医生视觉未察觉的损伤 | 首次应用深度学习模型在儿童院外心脏骤停后早期CT图像中自动检测缺氧缺血性脑损伤，并证明模型能识别放射科医生视觉未发现的损伤 | 样本量较小（117例），且为回顾性研究，可能存在选择偏倚 | 开发深度学习模型以早期检测儿童心脏骤停后的缺氧缺血性脑损伤 | 儿童院外心脏骤停患者及其早期CT扫描图像 | 计算机视觉 | 缺氧缺血性脑损伤 | CT扫描 | 深度学习模型 | 图像 | 117例儿童院外心脏骤停病例及年龄匹配的对照组 | NA | NA | AUC | NA |
| 2187 | 2026-04-21 |
Multimodal profiling of Pepcan-CB1 receptor structure-activity relationships: integrating molecular dynamics simulations, biological profiling, and the deep learning model MuMoPepcan
2025-10, Bioorganic chemistry
IF:4.5Q1
DOI:10.1016/j.bioorg.2025.109027
PMID:41005111
|
研究论文 | 本文提出了一种结合分子动力学模拟与湿实验数据的深度学习框架MuMoPepcan，用于预测肽类与大麻素受体CB1的生物活性，并发现了潜在镇痛化合物RD-pepcan-11 | 将分子动力学模拟数据作为数据增强方法，整合到肽类生物活性预测中，提高了模型在有限实验数据下的泛化能力和准确性 | 研究主要针对CB1受体和pepcans，可能不直接适用于其他受体或肽类体系；数据规模虽通过模拟扩大，但实验验证样本量有限 | 开发一种结合干湿实验的框架，以改善药物发现中机器学习在有限数据下的预测性能 | 大麻素受体CB1及其配体pepcans肽类 | 机器学习 | NA | 分子动力学模拟，生物筛选，深度学习 | 深度学习模型 | 分子构象数据，生物活性数据 | 45种合成pepcans肽类，以及数百万分子动力学模拟生成的构象数据 | NA | MuMoPepcan | 预测误差 | NA |
| 2188 | 2026-04-21 |
The Efficacy of Artificial Intelligence in the Detection and Management of Atrial Fibrillation
2025-Jan, Cureus
DOI:10.7759/cureus.77135
PMID:39925585
|
系统综述 | 本文系统评估了人工智能在心房颤动风险预测、监测和管理中的应用 | 首次全面评估了人工智能与心房颤动领域的交叉应用，并识别了现有研究中的关键差距 | 由于数据异质性和方法学不一致，人工智能工具的可靠性和一致性在不同研究中存在差异 | 评估人工智能在心房颤动检测和管理中的效能 | 心房颤动患者及相关医疗数据 | 机器学习 | 心血管疾病 | NA | 机器学习, 深度学习, 人工神经网络 | 心电图数据, 可穿戴设备数据 | 39项符合纳入标准的研究 | NA | 最优时变机器学习模型, 观察性医疗结果伙伴关系通用数据模型 | 灵敏度, 特异性 | NA |
| 2189 | 2026-04-20 |
Diagnostic value of deep learning of multimodal imaging of thyroid for TI-RADS category 3-5 classification
2025-06, Endocrine
IF:3.0Q2
DOI:10.1007/s12020-025-04198-8
PMID:40056264
|
研究论文 | 本研究探索了基于深度学习结合超声和CT多模态成像对甲状腺TI-RADS 3-5类结节进行良恶性分类的诊断价值 | 首次将深度学习应用于超声与CT多模态成像的融合，以提高甲状腺TI-RADS 3-5类结节的分类准确性，避免不必要的活检 | 研究样本仅来自单一中心，且未提及外部验证集，可能影响模型的泛化能力 | 开发一种非侵入性方法，准确区分甲状腺TI-RADS 3-5类结节的良恶性，以减少不必要的细针穿刺活检 | 甲状腺TI-RADS 3-5类结节 | 数字病理 | 甲状腺癌 | 超声成像，计算机断层扫描 | 深度学习模型 | 图像 | 768例患者中的768个甲状腺结节（499例恶性，269例良性） | NA | NA | AUC，灵敏度，准确率，阳性预测值 | NA |
| 2190 | 2026-04-20 |
Dongting Lake algal bloom forecasting: Robustness and accuracy analysis of deep learning models
2025-03-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.136804
PMID:39672063
|
研究论文 | 本研究开发了一个基于深度学习的早期预警系统，用于预测洞庭湖有害藻华的发生，通过整合时间序列分析和iTransformer模型来提高预测准确性 | 采用iTransformer模型结合时间序列分析，增强了预测准确性，并通过注意力权重分析识别了影响藻密度的关键因素（如营养物和温度），展示了模型在数据不完整情况下的鲁棒性 | 未来工作需探索更多环境变量以提升模型的预测能力和泛化性 | 开发一个早期预警系统来预测有害藻华的发生，以支持水质管理 | 洞庭湖的水质数据，特别是与藻华相关的环境因素 | 机器学习 | NA | 深度学习，时间序列分析 | iTransformer | 时间序列水质数据 | NA | NA | iTransformer | NA | NA |
| 2191 | 2026-04-20 |
A green and efficient method for detecting nicosulfuron residues in field maize using hyperspectral imaging and deep learning
2025-02-15, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.136724
PMID:39637793
|
研究论文 | 本研究提出了一种结合高光谱成像和深度学习（HerbiResNet模型）的绿色高效方法，用于检测田间玉米中烟嘧磺隆除草剂残留 | 开发了HerbiResNet模型，首次将高光谱成像与深度学习结合用于玉米除草剂残留的预测与分类，并识别出与残留及生理变化强相关的特定光谱波段（约550 nm、680 nm、750 nm和1000 nm） | 研究仅针对六种玉米品种（抗性和敏感型）及两种除草剂浓度，样本多样性和环境条件可能有限 | 实现田间玉米中烟嘧磺隆除草剂残留的准确、快速检测，以支持化学修复和优化喷洒策略 | 田间种植的玉米叶片（六种品种，包括抗性和敏感型） | 计算机视觉 | NA | 高光谱成像 | 深度学习 | 光谱数据 | 六种玉米品种（抗性和敏感型），在两种除草剂浓度下，残留分为低、中、高三个水平 | NA | HerbiResNet | 决定系数（R²），准确率 | NA |
| 2192 | 2026-04-20 |
General artificial intelligence for the diagnosis and treatment of cancer: the rise of foundation models
2025-Jan, BJR artificial intelligence
DOI:10.1093/bjrai/ubaf015
PMID:41030612
|
综述 | 本文综述了通用人工智能和基础模型在癌症诊断与治疗中的应用、潜力及面临的挑战 | 探讨了基于生成式AI和通用AI技术的基础模型在肿瘤学领域的兴起及其多功能性、高性能、个性化增强和对医疗工作者的辅助作用 | 存在多重障碍可能阻碍通用AI和生成式AI的临床转化 | 回顾通用人工智能和基础模型在肿瘤学诊断与治疗中的应用与挑战 | 癌症的诊断与治疗，特别是放射学、病理学、精准医学、护理个性化和外科肿瘤学 | 机器学习 | 癌症 | NA | NA | NA | NA | NA | NA | NA | NA |
| 2193 | 2026-04-19 |
Artificial Intelligence Enabled Lifestyle Medicine in Diabetes Care: A Narrative Review
2025-Jul-17, American journal of lifestyle medicine
IF:1.5Q3
DOI:10.1177/15598276251359185
PMID:40687630
|
综述 | 本文是一篇关于人工智能在糖尿病生活方式医学中应用的叙述性综述 | 系统性地将人工智能在糖尿病护理中的应用归纳为四大类别，并展示了其在预测、个性化推荐、远程监测和临床决策支持方面的潜力 | 作为一篇叙述性综述，可能存在选择偏倚，且未对纳入研究的质量进行系统性评估 | 探讨人工智能在糖尿病生活方式医学领域的应用 | 糖尿病护理中的人工智能应用研究 | 机器学习 | 糖尿病 | NA | 随机森林, 深度学习 | NA | NA | NA | NA | 准确率 | NA |
| 2194 | 2026-04-19 |
GINClus: RNA structural motif clustering using graph isomorphism network
2025-Jun, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqaf050
PMID:40290315
|
研究论文 | 本文提出了一种名为GINClus的RNA结构基序聚类工具，利用图同构网络结合聚类算法，基于碱基相互作用和三维结构相似性对RNA基序候选进行聚类 | 首次将图同构网络（GIN）模型应用于RNA结构基序的聚类任务，结合半监督深度学习与k-means和层次凝聚聚类，实现了对RNA环区域的高精度聚类，并成功识别出新的基例和家族 | 未明确提及模型在未知或高度变异RNA结构上的泛化能力，以及计算效率在处理大规模数据集时的表现 | 开发一种自动化工具，用于聚类RNA结构基序，以辅助RNA结构和功能的理解，特别是发现新的RNA结构基序家族 | RNA结构基序候选（RNA环区域），包括已知的内部环和发夹环基序，以及潜在的未知基序 | 生物信息学 | NA | RNA三维结构分析，图表示学习 | 图同构网络（GIN） | 图数据（基于RNA碱基相互作用和三维结构转换） | 未明确指定具体样本数量，但涉及已知内部环和发夹环基序的聚类，并发现了927个新基例和12个新家族 | 未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架 | 图同构网络（GIN） | 聚类准确率（已知内部环基序为87.88%，已知发夹环基序为97.69%） | NA |
| 2195 | 2026-04-19 |
Application of Machine Learning to Osteoporosis and Osteopenia Screening Using Hand Radiographs
2025-01, The Journal of hand surgery
DOI:10.1016/j.jhsa.2024.09.008
PMID:39556066
|
研究论文 | 本研究开发并验证了一种基于手部X光片的人工智能算法，用于筛查骨质疏松和骨质减少 | 利用标准手部X光片替代专业DXA扫描进行骨质疏松和骨质减少的自动化筛查，提高了筛查的可及性和成本效益 | 样本量相对有限，骨质疏松类别图像数量较少，且依赖于DXA扫描作为参考标准，可能存在人类误差 | 开发并验证一种人工智能算法，用于通过手部X光片筛查骨质疏松和骨质减少 | 手部X光片图像 | 医学影像分析 | 骨质疏松 | 手部X光成像 | 深度学习 | 图像 | 1424张手部X光片图像（正常687张，骨质减少607张，骨质疏松130张） | ResNet-50 | ResNet-50 | 灵敏度, 特异度, 准确率, AUC | NA |
| 2196 | 2026-04-19 |
Histopathological image analysis and enhanced diagnostic accuracy explainability for oral cancer detection
2025, Polish journal of pathology : official journal of the Polish Society of Pathologists
IF:0.7Q4
DOI:10.5114/pjp.2025.153973
PMID:40977550
|
研究论文 | 本研究提出了一种用于口腔癌分类的深度学习模型，通过颜色归一化、特征选择和可解释性增强，提高了诊断准确性和决策透明度 | 结合Vahadane归一化、加权Fisher评分特征选择和可解释人工智能技术，改进U-Net分类器以处理类不平衡问题并提升模型可解释性 | 未明确说明模型在外部验证集上的泛化性能或临床部署的具体挑战 | 开发一种准确、可解释的口腔癌组织病理学图像分类方法，以支持早期精准检测 | 口腔癌组织病理学图像 | 数字病理学 | 口腔癌 | 组织病理学图像分析 | 深度学习 | 图像 | NA | NA | U-Net, DenseNet201, VGG10 | 准确率, 精确度, 可靠性 | NA |
| 2197 | 2026-04-18 |
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 | 本研究开发了深度学习模型，利用OCTA图像估计24-2视野图，以减少视野测试频率 | 首次将深度学习应用于OCTA图像，利用视盘层信息高精度估计24-2视野图 | NA | 开发深度学习模型从OCTA图像估计24-2视野图 | OCTA视盘正面图像 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描血管成像 | 深度学习模型 | 图像 | 994名参与者（1684只眼睛）的3148个视野OCTA对 | NA | NA | 平均绝对误差, 皮尔逊相关系数 | NA |
| 2198 | 2026-04-18 |
Development and application of deep learning-based diagnostics for pathologic diagnosis of gastric endoscopic submucosal dissection specimens
2025-07, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association
IF:6.0Q1
DOI:10.1007/s10120-025-01612-y
PMID:40232558
|
研究论文 | 本研究开发并评估了一种用于胃内镜黏膜下剥离术标本病理诊断的深度学习模型 | 首次开发了针对胃ESD标本的深度学习模型，用于肿瘤和黏膜肌层的组织分割以及肿瘤和黏膜下浸润的检测，并显著减少了病理医生的诊断时间 | 研究样本量相对有限（366个ESD标本），且仅针对腺癌，未涵盖其他类型的胃癌 | 开发并评估一种深度学习模型，以辅助胃内镜黏膜下剥离术标本的准确病理诊断 | 胃内镜黏膜下剥离术标本的整张切片图像 | 数字病理学 | 胃癌 | 整张切片成像 | 深度学习模型 | 图像 | 366个ESD标本，包含2257个标注的兴趣区域和83,839个补丁图像 | NA | NA | Dice系数, AUROC, 特异性, 敏感性 | NA |
| 2199 | 2026-04-18 |
Fetal Sleep: A Cross-Species Review of Physiology, Measurement, and Classification
2025-Jun-27, ArXiv
PMID:41019222
|
综述 | 本文综述了胎儿睡眠的生理特征、测量方法和分类技术，并探讨了宫内条件如缺氧和生长受限对胎儿睡眠的影响 | 综合了八十多年的研究，比较了人类与大型动物模型的睡眠模式，并评估了基于规则和深度学习的分类方法 | NA | 为开发客观、多模态、非侵入性的胎儿睡眠监测技术提供基础，以支持产前护理的早期诊断和干预 | 胎儿睡眠模式，包括人类和大型动物模型 | 自然语言处理 | 老年疾病 | NA | 深度学习 | NA | NA | NA | NA | NA | NA |
| 2200 | 2026-04-18 |
Identifying kinematic biomarkers of the dystrophic phenotype in a zebrafish model of Duchenne muscular dystrophy
2025-Jun-20, Skeletal muscle
IF:5.3Q2
DOI:10.1186/s13395-025-00382-6
PMID:40542412
|
研究论文 | 本研究使用高速摄像和基于深度学习的无标记运动捕捉技术，量化了杜氏肌营养不良症斑马鱼模型的逃逸反应游泳运动学，以识别表型生物标志物 | 首次将无标记运动捕捉与机器学习模型结合，精确量化斑马鱼逃逸反应运动学，识别出区分突变与野生型幼虫的关键生物标志物，并揭示了运动障碍的潜在机制 | 研究仅针对两种斑马鱼突变株（sapje和sapje-like），样本范围有限；方法依赖于高速摄像设备，可能增加实验成本 | 开发高分辨率、低变异性的方法，以评估杜氏肌营养不良症斑马鱼模型的运动能力，并识别表型生物标志物 | 杜氏肌营养不良症斑马鱼模型（sapje和sapje-like突变株）的幼虫 | 计算机视觉 | 杜氏肌营养不良症 | 高速摄像，无标记运动捕捉 | 随机森林，支持向量机 | 视频 | 两种斑马鱼突变株（sapje和sapje-like）的幼虫，具体数量未在摘要中明确 | NA | NA | 效应大小（标准偏差） | NA |