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 19278 篇文献，本页显示第 2681 - 2700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2681 | 2026-02-17 |
End-to-end vs. human-defined feature extraction: comparing deep learning approaches for age classification using mandibular third molars
2025-Dec-24, The Journal of forensic odonto-stomatology
DOI:10.5281/zenodo.17776415
PMID:41452801
|
研究论文 | 本研究比较了基于下颌第三磨牙X光片的年龄分类方法，包括传统人工方法、端到端深度学习模型和人工定义特征提取方法，以评估其在泰国人群中区分18岁以下和以上年龄的准确性 | 首次在泰国人群中系统比较了传统人工方法、端到端深度学习模型和人工定义特征提取方法在年龄分类中的性能，突出了人工定义特征提取方法在特异性和可解释性方面的平衡优势 | 研究样本仅来自泰国人群，可能限制了结果的普适性；深度学习模型的敏感性仍有提升空间 | 评估和比较不同方法在下颌第三磨牙X光片年龄分类中的准确性，以支持法律和法医学应用 | 下颌第三磨牙X光片 | 计算机视觉 | NA | X光成像 | CNN | 图像 | 3,407张来自14-23岁个体的图像 | NA | CNN | 特异性, 敏感性, 贝叶斯后验概率, 准确率 | NA |
| 2682 | 2026-02-17 |
Decoding Dendritic Cell Subtypes via Integrated Radiogenomics: A Stacked Ensemble Model for Predicting Immunotherapy Response in NSCLC
2025-Nov-15, FASEB journal : official publication of the Federation of American Societies for Experimental Biology
IF:4.4Q2
DOI:10.1096/fj.202501990R
PMID:41160086
|
研究论文 | 本研究通过整合单细胞RNA测序、影像组学和深度学习，开发了一个多模态框架，用于解码树突状细胞亚型并预测非小细胞肺癌患者对免疫疗法的反应 | 首次将单细胞RNA测序、影像组学和深度学习结合，采用堆叠集成学习方法整合转录组、临床和影像组学数据，以预测免疫治疗反应并识别关键的树突状细胞标记基因 | 未明确说明样本量是否足够大或模型是否在其他独立队列中得到验证，可能限制了结果的泛化能力 | 预测非小细胞肺癌患者对PD-1抑制剂免疫疗法的反应，并探索树突状细胞介导的机制 | 非小细胞肺癌患者的肿瘤样本，包括响应者和非响应者 | 数字病理学 | 肺癌 | 单细胞RNA测序, 影像组学 | LSTM, ResNet50, 集成学习 | 转录组数据, 临床数据, 影像数据 | NA | NA | LSTM, ResNet50 | 准确率, AUC | NA |
| 2683 | 2026-02-17 |
Raptor: Scalable Train-Free Embeddings for 3D Medical Volumes Leveraging Pretrained 2D Foundation Models
2025-Jul, Proceedings of machine learning research
PMID:41684746
|
研究论文 | 提出一种无需训练的3D医学体积数据嵌入方法Raptor，利用预训练的2D基础模型生成语义丰富的表示 | 首次提出通过随机平面张量压缩技术，将预训练的2D自然图像基础模型直接应用于3D医学体积数据，完全避免高成本训练过程 | 未明确说明方法对特定模态（如CT、超声）的泛化能力，且依赖2D基础模型的自然图像预训练知识 | 解决3D医学影像基础模型开发中的计算复杂性和数据稀缺问题 | 磁共振成像（MRI）等医学体积数据 | 医学影像分析 | NA | 随机投影压缩 | 基础模型 | 3D医学体积数据（MRI） | 十个不同的医学体积任务数据集 | NA | 预训练的2D基础模型 | 与SuPreM、MISFM、Merlin、VoCo、SLIViT等方法的性能对比 | NA |
| 2684 | 2026-02-17 |
Brain structural connectomic topology predicts medication response in youth with bipolar disorder: A randomized clinical trial
2025-Feb-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.11.061
PMID:39577502
|
研究论文 | 本研究利用脑结构连接组拓扑特征，通过深度学习模型预测青少年双相情感障碍患者对喹硫平或锂盐的药物反应 | 首次结合基线及用药一周后的脑结构连接组拓扑变化，构建纵向联合深度学习模型，实现了对双相情感障碍药物反应的高精度预测（91.3%） | 需要独立样本验证初步发现 | 开发基于神经影像的生物标志物，预测青少年双相情感障碍患者的药物反应 | 未接受过精神药物治疗的双相情感障碍I型青少年患者 | 数字病理学 | 双相情感障碍 | 结构磁共振成像 | 深度学习 | 图像 | 121名患者 | NA | NA | 准确率 | NA |
| 2685 | 2026-02-17 |
A Multicenter Evaluation of the Impact of Therapies on Deep Learning-Based Electrocardiographic Hypertrophic Cardiomyopathy Markers
2025-Feb-15, The American journal of cardiology
DOI:10.1016/j.amjcard.2024.11.028
PMID:39581517
|
研究论文 | 本研究评估了基于深度学习的AI-ECG模型在监测肥厚型心肌病患者接受室间隔减容术和Mavacamten药物治疗后生物反应中的应用 | 首次利用AI-ECG模型对两种不同疗法（手术/介入治疗与口服药物治疗）在肥厚型心肌病中的治疗效果进行系统性比较评估 | 研究为观察性设计，样本量相对有限，且随访时间较短，可能影响结果的普遍性和长期效应评估 | 评估AI-ECG作为监测肥厚型心肌病治疗反应的新策略 | 接受室间隔减容术或Mavacamten药物治疗的肥厚型心肌病患者 | 数字病理学 | 心血管疾病 | AI增强心电图分析 | 深度学习模型 | 心电图图像 | 315名患者（70名来自YNHHS，100名来自CCF，145名来自AHS接受SRT；36名来自YNHHS接受Mavacamten治疗） | NA | NA | AI-ECG HCM评分，Wilcoxon符号秩检验 | NA |
| 2686 | 2024-10-18 |
Radiomics-Based Prediction of Patient Demographic Characteristics on Chest Radiographs: Looking Beyond Deep Learning for Risk of Bias
2025-02, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.31963
PMID:39413236
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2687 | 2026-02-17 |
From situational interest and state curiosity to personal interest: developmental pathways and underlying mechanisms
2025, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2025.1700208
PMID:41473513
|
综述 | 本文综述了从情境兴趣和状态好奇心到个人兴趣的发展路径及其核心机制 | 整合教育心理学、认知神经科学和动机科学的视角，提出了两条个人兴趣发展的路径，并强调奖励处理作为核心机制 | NA | 探讨短暂动机状态如何发展为稳定的个人兴趣 | 情境兴趣、状态好奇心、个人兴趣 | 教育心理学 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2688 | 2026-02-17 |
RESIGN: Alzheimer's Disease Detection Using Hybrid Deep Learning based Res-Inception Seg Network
2025, Current Alzheimer research
IF:1.8Q4
|
研究论文 | 本文提出了一种名为RESIGN的混合深度学习模型，结合Res-InceptionSeg网络，用于基于MRI图像的阿尔茨海默病检测 | 提出了一种新颖的RESIGN模型，结合了ResNet-LSTM进行时空特征提取、Inception V3进行分类以及SegNet进行异常脑区分割，实现了高精度的阿尔茨海默病检测 | 存在数据集偏差和由于统一成像条件导致的有限泛化性等潜在限制 | 通过深度学习模型提高阿尔茨海默病的早期检测准确性 | MRI图像中的白质、灰质和脑脊液特征，用于区分正常、轻度认知障碍和阿尔茨海默病类别 | 数字病理学 | 阿尔茨海默病 | MRI成像 | CNN, LSTM | 图像 | 未明确说明具体样本数量，但使用了ADNI数据集 | 未明确说明 | ResNet-LSTM, Inception V3, SegNet | 准确率, 特异性, 精确率, 召回率, F1分数 | 未明确说明 |
| 2689 | 2026-02-16 |
KGLGANSynergy: knowledge graph-based local and global attention network for drug synergy prediction
2025-Dec-21, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-07545-5
PMID:41423603
|
研究论文 | 提出了一种基于知识图谱的深度学习框架KGLGANSynergy，用于预测药物协同作用 | 整合了局部图注意力网络（LGAT）和全局图注意力网络（GGAT），并通过互交叉注意力（MCA）机制融合局部与全局特征，克服了现有方法忽视边属性和全局语义上下文的局限 | 未在摘要中明确说明 | 开发一种更准确的药物协同作用预测计算工具 | 药物组合和细胞系 | 机器学习 | 复杂疾病（泛指） | 图表示学习 | 图注意力网络 | 图数据（知识图谱） | 两个基准数据集：DrugCombDB和Oncology-Screen | NA | LGAT, GGAT | AUPR | NA |
| 2690 | 2026-02-16 |
DART-Net: A Novel Deep Learning Framework for Precise Radiotherapy Planning with Automated Multiorgan Segmentation and RTSTRUCT Generation
2025 Oct-Dec, Journal of medical physics
IF:0.7Q4
DOI:10.4103/jmp.jmp_238_25
PMID:41684493
|
研究论文 | 本研究提出了一种名为DART-Net的新型深度学习框架，用于精确放射治疗规划，实现自动多器官分割和RTSTRUCT生成 | 首次将双编码器架构、注意力机制和残差连接统一起来，用于自动分割和直接RTSTRUCT生成，这种组合在盆腔分割中先前未被探索 | 未明确提及，但可能包括训练数据量有限（125个样本）以及对盆腔特定区域的关注 | 解决放射治疗规划中手动勾画盆腔器官的瓶颈，减少临床时间消耗和观察者间变异性 | 盆腔器官（膀胱、前列腺、直肠） | 数字病理 | 前列腺癌 | CT扫描 | CNN | 图像 | 125个专家标注的盆腔CT扫描 | NA | DART-Net | Dice相似系数, Hausdorff距离 | NA |
| 2691 | 2026-02-16 |
Uncertain Feature-refinement Attention Unet: Considering Suitable Convolutional Neural Network Model for Real-time Segmentation in Markerless Tumor Tracking
2025 Oct-Dec, Journal of medical physics
IF:0.7Q4
DOI:10.4103/jmp.jmp_112_25
PMID:41684490
|
研究论文 | 本研究提出了一种名为UFA-Unet的卷积神经网络模型，用于无标记肿瘤跟踪中的实时分割，旨在解决因噪声和解剖变化导致的域偏移问题 | 提出UFA-Unet模型，通过不确定特征精炼注意力机制抑制过激活，提高了在域分布偏移下的分割准确性 | 研究主要基于模拟数字重建放射影像和体模数据，临床真实世界验证有限 | 开发适用于实时无标记肿瘤跟踪的卷积神经网络分割模型 | 肺癌病例的4DCT数据、数字重建放射影像、千伏X线透视图像以及动态体模图像 | 计算机视觉 | 肺癌 | 4DCT, 数字重建放射影像, 千伏X线透视 | CNN | 图像 | 10例肺癌病例，每例包含两个数据集（首次计划和二次计划），以及动态体模图像 | NA | UFA-Unet, U-Net, Attention-Unet, Swin-Unet | 分割准确性, 95百分位3D误差 | NA |
| 2692 | 2026-02-16 |
Application and Optimization of Lee Filter for Segmentation of Benign Tumor in Breast Ultrasound Images
2025 Oct-Dec, Journal of medical physics
IF:0.7Q4
DOI:10.4103/jmp.jmp_131_25
PMID:41684505
|
研究论文 | 本研究通过优化Lee滤波器的窗口尺寸，提升乳腺超声图像中良性肿瘤分割的准确性 | 优化Lee滤波器的窗口尺寸以提升乳腺超声图像去噪和分割性能，并利用U-Net模型进行定量评估 | NA | 优化Lee滤波器窗口尺寸以改善乳腺超声图像中良性肿瘤的分割性能 | 乳腺超声图像中的良性肿瘤 | 数字病理学 | 乳腺癌 | 超声成像 | CNN | 图像 | NA | NA | U-Net | IoU, PSNR, UQI | NA |
| 2693 | 2026-02-16 |
High-Resolution Estimation of Daily PM2.5 Levels in the Contiguous US Using Bi-LSTM with Attention
2025-Jan, Remote sensing
IF:4.2Q2
DOI:10.3390/rs17010126
PMID:41674857
|
研究论文 | 本文开发了一种基于Bi-LSTM与注意力机制的深度学习模型，用于提高美国本土每日PM2.5浓度的高分辨率估计精度 | 通过结合注意力机制的Bi-LSTM网络，整合多源数据（包括现场测量、遥感数据和野火烟雾密度观测），显著提升了高浓度日子的PM2.5估计精度 | 模型主要针对美国本土，缺乏开源代码可能限制了在其他地区和时间段的直接应用，尽管本文已发布开源框架以改善可重复性 | 提高地表PM2.5浓度的估计精度，特别是针对高浓度日子，以支持公共卫生监测和队列研究 | 美国本土的每日PM2.5浓度数据 | 机器学习 | NA | 深度学习，多源数据整合（现场测量、遥感、野火烟雾观测） | Bi-LSTM | 时间序列数据，包括测量数据、遥感数据和观测数据 | 2005年至2021年美国本土的PM2.5估计数据集 | TensorFlow, PyTorch | Bi-LSTM with Attention | RMSE | NA |
| 2694 | 2026-02-16 |
Performance and generalizability impacts of incorporating location encoders into deep learning for dynamic PM2.5 estimation
2025, GIScience & remote sensing
IF:6.0Q1
DOI:10.1080/15481603.2025.2594797
PMID:41684775
|
研究论文 | 本研究评估了在动态PM2.5浓度估算的深度学习模型中整合地理位置编码器对模型性能和地理泛化能力的影响 | 首次在复杂、时间动态的估算场景中集成并系统评估了地理位置编码器，并比较了原始坐标与预训练编码器在区域内外泛化能力上的差异 | 某些区域存在由高次基函数和稀疏上游样本引起的伪影模式，且不同位置编码器（如SatCLIP与GeoCLIP）的性能表现存在差异 | 评估地理位置信息在提升深度学习模型性能及地理泛化能力方面的作用，并指导空气污染估算模型开发 | 美国本土的地表日PM2.5浓度 | 机器学习 | NA | 遥感数据、地面监测数据 | 深度学习 | 地理空间数据、时间序列数据 | NA | NA | 基于现有最先进的PM估算模型（未指定具体架构） | 聚合性能指标、定性分析、消融实验结果 | NA |
| 2695 | 2026-02-15 |
Artificial intelligence-driven anticancer peptide discovery
2025-Dec, iMetaOmics
DOI:10.1002/imo2.70063
PMID:41676444
|
综述 | 本文系统总结了用于抗癌肽筛选的人工智能模型，并提出了一个结合多组学技术的综合性AI筛选框架 | 提出了一个集数据收集、特征提取、模型构建、可解释性分析和实验验证于一体的综合性AI筛选框架，并将其与多组学技术整合以促进临床转化 | 大多数现有AI模型缺乏可解释性和湿实验室验证，这影响了基于AI的ACP筛选的可信度和实际有效性 | 通过人工智能技术提高抗癌肽的筛选效率和准确性，并促进其临床转化 | 抗癌肽 | 机器学习 | 癌症 | 机器学习，深度学习 | NA | 序列数据 | NA | NA | NA | NA | NA |
| 2696 | 2026-02-15 |
Identification of potent inhibitors of potential VEGFR2: a graph neural network-based virtual screening and in vitro study
2025-Dec, Journal of enzyme inhibition and medicinal chemistry
IF:5.6Q1
DOI:10.1080/14756366.2025.2518192
PMID:40539987
|
研究论文 | 本研究提出了一种结合AI深度学习和基于结构的药物设计的新策略，用于从中医药单体数据库中筛选针对VEGFR2的潜在候选化合物 | 首次将图神经网络应用于中医药单体数据库的虚拟筛选，以识别VEGFR2的有效抑制剂 | 研究仅基于计算筛选和体外实验，缺乏体内实验验证和临床前研究 | 筛选针对VEGFR2的潜在抑制剂，用于癌症治疗 | 中医药单体数据库中的化合物 | 机器学习 | 癌症 | 虚拟筛选，激酶抑制实验，分子对接，分子动力学模拟 | 图神经网络 | 分子结构数据 | 中医药单体数据库中的多个化合物，最终筛选出6个候选化合物 | NA | 图神经网络 | 激酶抑制活性，分子对接评分，分子动力学稳定性 | NA |
| 2697 | 2026-02-15 |
Revolutionizing multi-omics analysis with artificial intelligence and data processing
2025-Sep, Quantitative biology (Beijing, China)
DOI:10.1002/qub2.70002
PMID:41675959
|
综述 | 本文探讨了人工智能与数据处理技术在多组学分析中的应用，旨在改变对复杂生物系统的理解 | 整合人工智能技术（如机器学习、深度学习）以处理和分析多组学数据，加速生物标志物发现和个性化医疗发展 | 需要高质量数据集，且有效算法和模型的开发仍面临挑战 | 探索人工智能和数据处理技术在多组学分析中的潜力，以推动生物系统研究和医学应用 | 多组学数据（包括多种分子数据类型） | 机器学习 | NA | 多组学方法 | 机器学习, 深度学习, 神经网络 | 多组学数据 | NA | NA | NA | NA | NA |
| 2698 | 2026-02-15 |
Loc4Lnc: Accurate prediction of long noncoding RNA subcellular localization via enhanced RNA sequence representation
2025-Sep, Quantitative biology (Beijing, China)
DOI:10.1002/qub2.100
PMID:41675960
|
研究论文 | 本文提出了一种名为Loc4Lnc的深度学习框架，用于准确预测长链非编码RNA的亚细胞定位 | 通过整合卷积层和Transformer模块，有效捕获RNA序列中的局部基序和长程依赖关系，并利用TextCNN进行分类，显著提升了预测准确性 | NA | 开发一个深度学习框架以准确预测lncRNA的亚细胞定位，从而帮助理解其在生物通路中的功能 | 长链非编码RNA及其在五个亚细胞位置（细胞质、细胞核、细胞溶质、染色质和外泌体）的定位 | 自然语言处理 | NA | RNA序列分析 | CNN, Transformer | RNA序列 | 基于RNALocate v2.0数据库构建的基准数据集，具体样本数量未明确说明 | NA | 卷积层, Transformer块, TextCNN | 准确率 | NA |
| 2699 | 2026-02-15 |
Transfer learning identifies bacterial signatures for cross-regional diagnosis of type 2 diabetes and enable stage-sensitive dietary fiber intervention
2025-Jun, iMetaOmics
DOI:10.1002/imo2.70021
PMID:41675159
|
研究论文 | 本文介绍了一个名为DeepMicroFinder的深度学习框架，用于通过迁移学习利用区域特异性微生物组数据集更新现有疾病诊断模型，以实现跨区域疾病检测 | 开发了DeepMicroFinder框架，有效克服了肠道微生物组区域效应的限制，实现了准确的跨区域疾病检测 | NA | 通过迁移学习识别2型糖尿病的细菌标志物，并实现跨区域诊断及阶段敏感的膳食纤维干预 | 2型糖尿病患者及其肠道微生物组 | 机器学习 | 2型糖尿病 | 微生物组测序 | 深度学习 | 微生物组数据 | NA | NA | NA | NA | NA |
| 2700 | 2026-02-15 |
Multi-Image Fusion-Based Defect Detection Method for Real-Time Monitoring of Recoating in Ceramic Additive Manufacturing
2025-Feb, 3D printing and additive manufacturing
IF:2.3Q3
DOI:10.1089/3dp.2023.0285
PMID:40151680
|
研究论文 | 本文提出了一种基于多图像融合和深度学习的缺陷检测方法，用于陶瓷增材制造中实时监测涂覆缺陷 | 结合多图像融合与通道级YOLO（CW-YOLO）方法，通过图像校正技术将侧视涂覆图像转换为俯视图，并引入F1分数作为综合评价指标，显著提升了难以区分缺陷的检测性能 | NA | 开发一种实时监测陶瓷增材制造中涂覆缺陷的方法，以提高工艺稳定性 | 陶瓷增材制造中的涂覆缺陷，如材料短缺和划痕 | 计算机视觉 | NA | 多图像融合，图像校正技术 | YOLO | 图像 | NA | NA | CW-YOLO | F1分数，检测准确率，召回率 | NA |