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 19698 篇文献，本页显示第 2381 - 2400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2381 | 2025-12-11 |
CottonNet-MHA: a multi-head attention-based deep learning framework for cotton disease detection
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1664242
PMID:41358337
|
研究论文 | 本文提出了一种基于多头注意力机制的深度学习框架CottonNet-MHA，用于棉花病害检测 | 开发了结合多头注意力机制的深度学习框架，以增强特征学习并突出病害区域，提高了检测准确性和可解释性 | 未明确说明模型在多样化环境条件下的泛化能力或数据集的规模限制 | 构建深度学习模型以自动检测棉花作物中的病害，确保健康作物生长和提高产量 | 棉花叶片中的病理症状 | 计算机视觉 | 棉花病害 | NA | 深度学习模型，多头注意力机制 | 图像 | NA | TensorFlow, PyTorch, Keras | VGG16, VGG19, InceptionV3, Xception, MobileNet | 准确率，效率 | NA |
| 2382 | 2025-12-11 |
Integrating meteorological and breeding data to predict maize yields using machine learning algorithms
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1722068
PMID:41358345
|
研究论文 | 本研究开发了一种机器学习模型，通过整合气象数据和育种值来预测玉米杂交种产量 | 将气象数据与基于BLUP方法估计的育种值相结合，利用机器学习算法进行玉米产量预测，提供了一种成本效益高且高效的预测框架 | 模型性能仍有提升空间（R²为0.64），且可能受限于数据集规模和计算资源需求 | 预测玉米杂交种产量，以支持全球粮食安全和精准农业决策 | 玉米杂交种 | 机器学习 | NA | BLUP（最佳线性无偏预测）方法 | Random Forest, XGBoost, Support Vector Regression, Gaussian Process Regression | 气象数据、育种数据 | NA | Scikit-learn（推断，因使用常见ML算法） | Random Forest, XGBoost, SVR, GPR | R², RMSE, MAE, RRMSE, MAPE | NA |
| 2383 | 2025-12-11 |
Correction: Diagnostic precision of a deep learning algorithm for the classification of non-contrast brain CT reports
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1744006
PMID:41368236
|
correction | 本文是对一篇关于深度学习算法在非对比脑部CT报告分类中诊断精度的文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2384 | 2025-12-10 |
60 kVp Coronary CT Angiography as a Screening Tool on Asymptomatic Patients: An Initial Experience
2025-Dec-10, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000869
PMID:41363201
|
研究论文 | 本研究探讨了使用60 kVp冠状动脉CT血管造影结合深度学习重建技术作为无症状患者筛查工具的可行性 | 首次将超低剂量60 kVp CCTA与深度学习重建结合，用于无症状患者的冠状动脉疾病筛查，显著降低了辐射剂量和对比剂用量 | 60 kVp CCTA会导致斑块体积和狭窄程度的显著高估，且在血管和管腔描绘方面主观评分较低 | 评估超低剂量冠状动脉CT血管造影作为无症状患者筛查工具的可行性 | 156名无症状但至少有一个冠状动脉疾病风险因素的患者 | 数字病理学 | 心血管疾病 | 冠状动脉CT血管造影 | 深度学习 | 医学影像 | 156名患者 | NA | NA | 灵敏度, 特异性, 准确率, 阴性预测值 | NA |
| 2385 | 2025-12-10 |
Deep Learning Model for Fast Determination of Equilibrium Dissociation Constants Using Biolayer Interferometry Sensorgrams
2025-Dec-09, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03188
PMID:41271228
|
研究论文 | 本文提出了一种基于深度学习的模型，用于快速预测生物层干涉测量（BLI）传感器图谱的平衡解离常数 | 创新性地将YOLOv5模型用于自动识别和提取PubMed文献中的BLI曲线，并结合干-半干-湿策略扩展数据集；在卷积神经网络中引入了SE和CBA模块并进行微调，以提升预测精度和泛化能力 | 模型在湿数据上的总预测准确率为60%，仍有提升空间；未来需要更多高质量BLI传感器图谱数据以进一步提高模型的准确性和鲁棒性 | 开发一种能够基于单浓度BLI传感器图谱快速准确预测平衡解离常数（K值）的深度学习方法 | 生物层干涉测量（BLI）传感器图谱 | 机器学习 | NA | 生物层干涉测量 | CNN, GAN | 传感器图谱（曲线数据） | 5640条传感器图谱（包括3812条从PubMed提取的曲线、525条实验室湿数据、1303条生成对抗网络生成的干数据） | NA | YOLOv5, 卷积神经网络（含SE和CBA模块） | 准确率 | NA |
| 2386 | 2025-12-10 |
Accelerating Many-Body Quantum Chemistry via Generative Transformer-Enhanced Configuration Interaction
2025-Dec-09, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01429
PMID:41283762
|
研究论文 | 提出了一种基于Transformer的生成式机器学习方法GTNN-SCI，用于加速多体量子化学计算，通过生成式采样重要构型来高效处理强关联系统 | 利用Transformer的自注意力机制捕获长程电子关联，实现比现有神经网络方法高达10倍的加速，并能识别传统耦合方案遗漏的高阶激发，获得更低的变分能量 | NA | 加速多体量子化学计算，精确求解强关联分子系统的电子薛定谔方程 | 代表性分子（如N₂、H₂O、C₂）和强关联的[Fe₂S₂(SCH₃)₄]²⁻ ([2Fe-2S])团簇系统 | 机器学习 | NA | 量子化学计算，构型相互作用 | Transformer | 量子化学构型数据 | NA | NA | Transformer | 收敛速度，能量（关联能、结合能、基态能量），化学精度 | NA |
| 2387 | 2025-12-10 |
Model-based spatiotemporal synthetic data generation framework and deep-learning reconstruction for real-time MRI oxygen extraction fraction mapping
2025-Dec-09, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae2380
PMID:41285110
|
研究论文 | 提出了一种用于实时动态磁共振成像的模型化时空合成数据生成框架及深度学习重建方法，以实现氧摄取分数的动态追踪 | 开发了针对实时动态场景的模型化时空合成数据生成框架，并结合超快速多重叠回波分离成像技术，实现了三维时空重建以追踪氧摄取分数的动态变化 | 未明确说明方法在更广泛临床场景或不同病理条件下的泛化能力 | 解决深度学习定量磁共振成像重建中训练数据稀缺问题，并提升实时动态成像的重建质量 | 数值模拟大脑、水模体及人脑实验数据 | 医学影像分析 | NA | 超快速多重叠回波分离成像技术 | 深度学习 | 三维时空磁共振成像数据 | NA | NA | NA | 准确性 | NA |
| 2388 | 2025-12-10 |
Adaptive Physics-Aware Raman Baseline Correction with Machine Learning Predicted Parameters
2025-Dec-09, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c05185
PMID:41294352
|
研究论文 | 提出了一种自适应物理感知的拉曼基线校正方法DIRAS及其增强版DIRAS+，通过机器学习预测参数实现自动化校正 | 开发了动态迭代重加权自回归光谱基线校正方法，结合深度学习优化正则化参数，实现无需手动干预的自适应校正 | 方法在通用性和用户控制方面可能仍有局限，未明确说明在其他类型光谱数据上的适用性 | 提高拉曼光谱基线校正的准确性和自动化水平，以支持可靠的光谱解释和下游化学计量工作流程 | 拉曼光谱数据，特别是表面增强拉曼散射数据集 | 机器学习 | NA | 拉曼光谱，表面增强拉曼散射 | 深度学习模型 | 光谱数据 | 两个SERS数据集 | NA | NA | 结构相似性指数，峰值保真度，类内变异性，基线失真，校准误差，分析灵敏度 | NA |
| 2389 | 2025-12-10 |
Deep-Learning Prediction of Protein Secondary Structure from Circular Dichroism Spectrum Using Three-Layer Image Recognition
2025-Dec-09, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04550
PMID:41321189
|
研究论文 | 本研究开发了一种基于图像识别的深度学习方法，用于从圆二色谱中准确预测蛋白质二级结构参数 | 创新点在于将圆二色谱数值数据转换为三层（RGB）图像，并利用卷积神经网络进行图像识别，实现了高精度的二级结构参数预测 | NA | 开发一种深度学习方法，用于从圆二色谱中预测蛋白质二级结构参数 | 蛋白质的圆二色谱和对应的二级结构参数 | 机器学习 | NA | 圆二色谱 | CNN | 图像 | 243个圆二色谱RGB图像 | NA | 原始CNN | 相关系数, RMSD | NA |
| 2390 | 2025-12-10 |
Transforming Gynecologic Cancer Care Through Artificial Intelligence: A Clinician's Guide to the Evolving Landscape
2025-Dec-09, Clinical obstetrics and gynecology
IF:1.4Q3
DOI:10.1097/GRF.0000000000000985
PMID:41363042
|
综述 | 本文是一篇面向临床医生的综述，总结了人工智能在妇科肿瘤全程护理中的应用现状与前景 | 系统性地整合了AI在妇科肿瘤预防、筛查、诊断、预后及治疗指导等多个领域的最新证据，并提出了临床整合的实用路径和以公平为中心的部署方向 | NA | 为临床医生提供人工智能在妇科肿瘤护理中应用的综合指南，并展望其未来发展方向 | 妇科肿瘤的全程护理，包括预防、筛查、早期检测、诊断、预后预测和治疗指导 | 数字病理学 | 妇科癌症 | NA | 深度学习 | 多模态数据（临床、影像、组织学、基因组学） | NA | NA | NA | 准确性, 速度, 可重复性 | NA |
| 2391 | 2025-12-10 |
Towards Modality- and Sampling-Universal Learning Strategies for Accelerating Cardiovascular Imaging: Summary of the CMRxRecon2024 Challenge
2025-Dec-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3641610
PMID:41359736
|
研究论文 | 本文总结了CMRxRecon2024挑战赛，该挑战赛旨在解决心脏磁共振成像中深度学习模型跨模态和采样方案泛化能力不足的问题 | 引入了最大的公开多模态心脏磁共振原始数据集、开放基准测试平台和共享代码，并发现基于提示的适应和增强的物理驱动一致性是实现强跨场景性能的关键 | 未明确说明模型在临床环境中的具体验证结果或部署挑战 | 加速心血管成像，开发跨模态和采样方案通用的学习策略 | 心脏磁共振成像数据 | 数字病理学 | 心血管疾病 | 心脏磁共振成像 | 深度学习模型 | 图像 | 来自18个国家超过200个团队参与的大规模多模态数据集 | NA | NA | 跨场景性能评估 | NA |
| 2392 | 2025-12-10 |
CACLENS: A Multitask Deep Learning System for Enzyme Discovery
2025-Dec-08, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202518063
PMID:41360755
|
研究论文 | 本文介绍了一个名为CACLENS的多任务深度学习系统，用于高效发现工业酶 | 引入了结合定制门控控制、对比学习和交叉注意力机制的多任务深度学习框架，实现了反应类型分类、EC号预测和反应可行性评估三项关键功能的高性能集成 | NA | 开发一个高性能的多任务深度学习系统，以加速工业酶的发现过程 | 酶的结构、功能和性质，特别是用于生物合成和生物降解过程的酶 | 机器学习 | NA | 深度学习 | 深度学习框架 | NA | NA | NA | 结合定制门控控制、对比学习和交叉注意力机制的架构 | NA | 较少的计算资源 |
| 2393 | 2025-12-10 |
Assessing deep learning model performance in osteoporosis screening with lumbar spine radiographs
2025-Dec-08, Journal of bone and mineral metabolism
IF:2.4Q3
DOI:10.1007/s00774-025-01672-1
PMID:41361106
|
研究论文 | 本研究评估了深度学习模型在利用腰椎X光片进行骨质疏松筛查中的性能 | 提出使用深度学习模型从腰椎X光片中筛查骨质疏松，作为双能X射线吸收测定法（DXA）资源有限情况下的替代工具 | 模型性能（如AP图像的AUC为0.79）仍有提升空间，且研究未涉及外部验证或不同人群的泛化能力 | 开发并评估深度学习模型在骨质疏松筛查中的准确性，以弥补DXA资源不足 | 腰椎X光片（包括前后位和侧位图像） | 计算机视觉 | 骨质疏松 | X射线成像 | CNN | 图像 | 训练集：2244张前后位和2368张侧位腰椎X光片；测试集：963张前后位和1018张侧位图像 | NA | ResNet-18, DarkNet-19 | AUC, 敏感性, 特异性 | NA |
| 2394 | 2025-12-10 |
Projection-based molecular feature maps for CNN-driven nephrotoxicity prediction
2025-Dec-08, Archives of toxicology
IF:4.8Q1
DOI:10.1007/s00204-025-04234-6
PMID:41361121
|
研究论文 | 本研究提出了一种基于投影的分子特征映射方法，用于通过CNN预测肾毒性，通过将3D分子结构转换为2D映射来增强特征表示和模型性能 | 采用Mollweide和Equirectangular投影将3D分子几何结构转换为优化的2D表示，结合原子位置、静电和范德华投影，创建了新型分子特征映射，提高了肾毒性预测的准确性 | 未明确提及样本量大小或数据集的详细组成，可能限制模型泛化能力的评估 | 开发可靠的肾毒性预测模型，以支持药物开发中的安全性评估 | 化学结构（分子） | 机器学习 | 肾毒性 | 3D空间转换、分子投影 | CNN | 图像（2D分子映射） | NA | NA | CNN | 准确率, AUC | NA |
| 2395 | 2025-12-10 |
Deep learning algorithm assisting diagnosis of prostate cancer extracapsular extension based on [18F]PSMA-1007 PET/CT and multiparametric MRI: A multicenter study
2025-Dec-08, Prostate cancer and prostatic diseases
IF:5.1Q1
DOI:10.1038/s41391-025-01063-7
PMID:41361534
|
研究论文 | 本研究旨在开发和验证基于多参数MRI和[18F]PSMA-1007 PET/CT的深度学习模型，以预测前列腺癌的包膜外侵犯，并探索将深度学习与临床专业知识相结合的简化模型 | 开发了结合多参数MRI和PET/CT的深度学习模型（MPC-M），并引入了简化模型（E-MPC-M）以提高临床实用性，同时利用Grad-CAM进行模型可解释性可视化 | 模型应被视为初步研究，需要更大规模的前瞻性多中心研究来确认其稳健性和泛化性 | 预测前列腺癌的包膜外侵犯 | 接受根治性前列腺切除术的前列腺癌患者 | 数字病理学 | 前列腺癌 | 多参数MRI, [18F]PSMA-1007 PET/CT | 深度学习模型 | 医学影像（MRI, PET/CT） | 388名患者，来自三个中心 | NA | NA | AUC, 灵敏度, 特异性 | NA |
| 2396 | 2025-12-10 |
Application of Artificial Intelligence-Based Transfer Learning Models to the Bethesda System for Thyroid Cytopathology
2025-Dec-08, Cytopathology : official journal of the British Society for Clinical Cytology
IF:1.2Q3
DOI:10.1111/cyt.70045
PMID:41361911
|
研究论文 | 本研究评估了基于集成软投票的迁移学习模型在甲状腺细胞学涂片根据Bethesda系统进行分类的性能 | 首次将集成迁移学习方法应用于Bethesda甲状腺细胞病理学报告系统的分类任务 | 研究样本量较小（94例病例，949张图像），未来需要更大规模的数据集（特别是全玻片成像数据）进行验证 | 评估迁移学习模型在甲状腺细胞学涂片Bethesda系统分类中的性能 | 甲状腺细针穿刺细胞学涂片图像 | 数字病理学 | 甲状腺癌 | 细针穿刺细胞学 | CNN | 图像 | 94例甲状腺FNAC病例，共949张代表性图像 | TensorFlow, Keras | Xception, ResNet50V2, DenseNet121, MobileNetV2, InceptionV3, EfficientNetB3 | 灵敏度, 特异性, 精确度, 阴性预测值, F1分数, AUCROC | NA |
| 2397 | 2025-12-10 |
A commentary on: "deep learning-based radiomics and machine learning for prognostic assessment in IDH-wildtype glioblastoma after maximal safe surgical resection: a multicenter study"
2025-Dec-08, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004153
PMID:41363102
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2398 | 2025-12-10 |
Letter to the Editor "Decoding the black box: critical appraisal of deep learning radiomics for predicting neoadjuvant response in head and neck cancer"
2025-Dec-08, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004288
PMID:41363136
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2399 | 2025-12-10 |
Quantitative CT in Progressive Pulmonary Fibrosis: Clinical Utility and Meaningful Threshold Definition
2025-Dec-06, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2025.11.031
PMID:41360185
|
研究论文 | 本研究通过深度学习定量CT算法，确定了非特发性肺纤维化纤维化间质性肺病患者中，基于纤维化评分变化的1年和6个月最小临床重要差异阈值，并验证了这些阈值在预测预后和增强风险分层中的临床效用 | 首次定义了非特发性肺纤维化纤维化间质性肺病中，基于定量CT纤维化评分变化的1年和6个月最小临床重要差异阈值，并证明其能独立预测移植无生存期，且在视觉评估不一致的患者中提供额外的风险分层 | 研究为回顾性设计，可能受选择偏倚影响；仅基于单一中心的患者数据；未考虑所有潜在的混杂因素 | 确定定量CT纤维化评分变化的最小临床重要差异阈值，并评估其在定义进行性肺纤维化和预测患者预后中的临床价值 | 非特发性肺纤维化纤维化间质性肺病患者 | 数字病理学 | 肺纤维化 | 定量CT，深度学习算法 | 深度学习 | CT图像 | 476名患者 | NA | NA | 风险比，置信区间，P值 | NA |
| 2400 | 2025-12-10 |
Sensitive detection of structural dynamics using a statistical framework for comparative crystallography
2025-Dec-05, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adj2921
PMID:41337576
|
研究论文 | 本文提出了一种基于统计框架和深度学习的方法Careless，用于提高X射线晶体学中结构动态变化的检测灵敏度 | 通过引入基于晶体学理论的多变量结构化先验，结合变分深度学习框架Careless，显著提升了蛋白质动态、元素特异性异常信号及药物候选物结合的检测能力 | 方法主要针对X射线晶体学数据，可能对其他结构测定方法的适用性有限，且未明确讨论计算资源需求或模型泛化能力 | 开发一种更敏感的方法来检测蛋白质结构动态变化，以支持药物发现和功能研究 | 蛋白质晶体学数据，包括结构因子和尺度误差 | 机器学习 | NA | X射线晶体学 | 深度学习 | 晶体学数据集（结构因子） | NA | Careless（变分深度学习框架） | NA | NA | NA |