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 16751 篇文献，本页显示第 341 - 360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 341 | 2025-11-19 |
From Signal to Symphony: Exploring 2D Sequence Representations for Protein Function Prediction
2025-Nov-17, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01768
PMID:41247925
|
研究论文 | 探索将蛋白质氨基酸序列转化为二维声谱图表示用于蛋白质功能预测 | 提出蛋白质声谱化方法，将1D序列转换为2D声谱图表示，并证明这种结构转换对模型预测性能的重要贡献 | 领域知识仅提供适度的性能提升，模型在特定上下文中的数据效率需要进一步验证 | 探索蛋白质序列的最佳表示方法以提高功能预测性能 | 蛋白质氨基酸序列 | 计算生物学 | NA | 蛋白质声谱化 | 融合模型,扩散模型 | 蛋白质序列,声谱图 | 18,000个序列，涵盖12个功能多样的蛋白质类别 | NA | Transformer,ESM-2,ProtBERT | 准确率 | NA |
| 342 | 2025-11-19 |
Efficacy of MRI-based deep learning algorithm for detecting acute ischemic stroke: evaluation among diverse readers
2025-Nov-17, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12137-4
PMID:41249548
|
研究论文 | 评估基于MRI的深度学习算法在不同医学背景读者中检测急性缺血性卒中的效果 | 首次在不同医学背景读者中评估深度学习算法对急性缺血性卒中检测的辅助效果，特别关注算法性能的用户依赖性 | 单中心回顾性研究，样本量有限，未包含神经放射学专家读者 | 评估基于MRI的深度学习算法在不同医学背景读者中检测急性缺血性卒中的效果 | 407例患者的MRI扫描，包括95例急性缺血性卒中患者 | 医学影像分析 | 急性缺血性卒中 | MRI成像 | 深度学习算法 | MRI图像 | 407例患者MRI扫描（95例急性缺血性卒中，23%） | NA | NA | AUC, 准确率, 敏感度, 特异度, 诊断置信度, 读者间一致性 | NA |
| 343 | 2025-11-19 |
Deep Learning Models for Radiomics-Based Segmentation of Vestibular Schwannoma on Magnetic Resonance Imaging: A Systematic Review and Meta-analysis
2025-Nov-17, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01757-3
PMID:41249667
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析评估基于深度学习的放射组学模型在前庭神经鞘瘤MRI分割中的性能表现 | 首次对基于深度学习的放射组学模型在前庭神经鞘瘤分割中的性能进行系统评价和定量荟萃分析 | 仅纳入报告Dice相似系数的研究，可能存在选择偏倚 | 评估深度学习模型在前庭神经鞘瘤分割中的性能 | 前庭神经鞘瘤病例 | 医学影像分析 | 前庭神经鞘瘤 | 磁共振成像驱动的放射组学 | 深度学习模型 | 磁共振图像 | 41项研究涉及8028例前庭神经鞘瘤病例 | NA | NA | Dice相似系数 | NA |
| 344 | 2025-11-19 |
Fully automated IVUS image segmentation with efficient deep-learning-assisted annotation
2025-Nov-16, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.111312
PMID:41248587
|
研究论文 | 提出一种结合主动学习和模型输出交互的高效深度学习框架，实现全自动IVUS图像分割并大幅减少标注工作量 | 集成空间和通道概率注意力模块的双分支网络，同时分割管腔和斑块区域并预测潜在分割错误，引入分割质量评估量化未标注图像的分割质量 | 仅使用266名受试者的冠状动脉IVUS数据进行验证，需要进一步在多中心数据集上测试泛化能力 | 开发高效的全自动IVUS图像分割方法以减少标注工作量 | 冠状动脉IVUS图像中的管腔和斑块区域 | 医学图像分割 | 冠状动脉疾病 | IVUS成像 | 深度学习 | 医学图像 | 266名受试者的38,771个横截面帧 | NA | 双分支网络，空间和通道概率注意力模块 | 5折交叉验证 | NA |
| 345 | 2025-11-19 |
Graph-based deep reinforcement learning for haplotype assembly with Ralphi
2025-Nov-14, Genome research
IF:6.2Q1
DOI:10.1101/gr.280569.125
PMID:41238397
|
研究论文 | 提出了一种基于图深度强化学习的新型单倍型组装框架Ralphi | 首次将深度强化学习与图表示相结合用于单倍型组装问题 | 仅基于1000基因组计划数据进行训练和验证 | 开发更准确的单倍型组装方法 | 二倍体基因组的单倍型组装 | 机器学习 | NA | 深度强化学习, 图神经网络 | 深度强化学习 | 基因组测序数据, 片段图 | 1000基因组计划数据集 | NA | 图神经网络 | 错误率, 单倍型区块长度 | NA |
| 346 | 2025-11-19 |
Generating synthetic task-based brain fingerprints for population neuroscience using deep learning
2025-Nov-14, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-09158-6
PMID:41238730
|
研究论文 | 提出一种名为DeepTaskGen的深度学习方法，可从静息态功能磁共振成像生成合成任务态对比图 | 首次使用深度学习从静息态fMRI合成未获取的任务态对比图，解决了大规模数据集中任务覆盖不足的问题 | 方法依赖于静息态fMRI数据的质量，且生成的任务对比图可能受限于训练数据的任务类型 | 开发能够从静息态fMRI生成任务态功能对比图的方法，促进个体差异研究和生物标志物开发 | 人类连接组计划寿命数据和英国生物银行超过20,000名个体 | 医学影像分析 | 神经系统疾病 | 功能磁共振成像 | 深度学习 | 医学影像 | 超过20,000名个体 | NA | NA | 重建性能, 预测性能 | NA |
| 347 | 2025-11-19 |
Combining MEA-Net and LAP-Net for Pneumoconiosis Staging Framework
2025-Nov-14, Journal of occupational and environmental medicine
IF:2.3Q2
DOI:10.1097/JOM.0000000000003618
PMID:41247264
|
研究论文 | 提出一种结合MEA-Net和LAP-Net的深度学习框架用于尘肺病分期诊断 | 首次将MEA-Net和LAP-Net网络结合应用于尘肺病分期任务 | NA | 改进尘肺病诊断的主观过程，提高分期准确性 | 尘肺病患者的肺部X光片 | 计算机视觉 | 尘肺病 | 深度学习 | CNN | 图像 | NA | NA | MEA-Net, LAP-Net | 准确率, 精确率, 召回率, 特异性, F1分数, AUC | NA |
| 348 | 2025-11-19 |
A comparative analysis of deep learning-based quantitative hemorrhagic CT parameters versus traditional semi-quantitative CT scores for predicting delayed cerebral ischemia in aneurysmal subarachnoid hemorrhage: a multicenter cohort study
2025-Nov-14, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004024
PMID:41247872
|
研究论文 | 比较基于深度学习的定量出血CT参数与传统半定量CT评分在预测动脉瘤性蛛网膜下腔出血后迟发性脑缺血中的表现 | 首次使用3D-UNet深度学习模型量化出血参数，并与传统评分方法进行多中心比较 | 研究为观察性研究，需要进一步前瞻性验证 | 评估深度学习定量CT参数在预测迟发性脑缺血方面的优越性 | 动脉瘤性蛛网膜下腔出血患者 | 医学影像分析 | 脑血管疾病 | CT影像分析 | 深度学习 | CT影像 | 多中心队列研究（回顾性队列2021.01-2023.12，前瞻性队列2024.01-2024.12，外部验证队列2018.07-2024.11） | NA | 3D-UNet | AUC, ROC分析, 决策曲线分析 | NA |
| 349 | 2025-11-19 |
Artificial intelligence in echocardiography: trends, hotspots and future directions
2025-Nov-14, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004061
PMID:41247994
|
综述 | 通过文献计量学方法分析人工智能在超声心动图领域的研究趋势、热点和未来方向 | 首次使用文献计量学方法系统分析AI在超声心动图领域的全球研究格局和发展轨迹 | 仅基于Web of Science数据库的1296篇文献，可能存在收录范围限制 | 分析人工智能在超声心动图领域的研究趋势和发展方向 | 1296篇相关学术出版物 | 医学影像分析 | 心血管疾病 | 文献计量学分析 | 深度学习 | 文献元数据 | 1296篇出版物 | bibliometrix R | NA | NA | NA |
| 350 | 2025-11-19 |
RAPID-Net: Accurate Pocket Identification for Binding-Site-Agnostic Docking
2025-Nov-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01744
PMID:41231530
|
研究论文 | 提出RAPID-Net深度学习算法，用于准确预测结合口袋并与分子对接流程无缝集成 | 开发结合口袋不可知对接方法，能够识别远端功能位点，为变构抑制剂设计提供新机会 | 姿态排序而非采样是主要精度瓶颈，在最具挑战性的时间分割测试中性能略低于AlphaFold 3 | 开发准确的结合口袋识别方法以改进基于结构的药物设计 | 蛋白质结合口袋和配体对接 | 计算生物学 | 传染病（如COVID-19） | 深度学习 | 神经网络 | 蛋白质结构数据 | PoseBusters基准测试数据集 | NA | RAPID-Net | RMSD, PoseBusters化学有效性标准, 口袋-配体交集率 | NA |
| 351 | 2025-11-19 |
Measurement of Choroidal Vascularity Index and Choroidal Thickness Using Deep Learning-Based Methods with SS-OCT
2025-Nov-12, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000004733
PMID:41248233
|
研究论文 | 本研究利用基于深度学习的卷积神经网络实现SS-OCT图像中脉络膜厚度和脉络膜血管指数的全自动测量 | 首次将深度学习技术应用于SS-OCT图像的脉络膜区域自动检测和参数计算，实现了脉络膜厚度和血管指数的全自动化测量 | 研究样本量相对有限（791张图像），仅包含18岁及以上人群，未涵盖更广泛的年龄群体 | 开发基于人工智能的自动化方法测量脉络膜厚度和脉络膜血管指数 | SS-OCT图像中的脉络膜区域 | 计算机视觉 | 眼科疾病 | 扫频源光学相干断层扫描（SS-OCT） | CNN | 医学图像 | 791张SS-OCT图像（来自652名患者），其中474张训练，237张验证，80张测试 | NA | 卷积神经网络 | 准确率，平均绝对误差，交并比，曲线下面积，组内相关系数 | NA |
| 352 | 2025-11-19 |
Koina: Democratizing machine learning for proteomics research
2025-Nov-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-64870-5
PMID:41219230
|
研究论文 | 介绍Koina开源平台，旨在促进蛋白质组学中机器学习模型的发布与应用 | 开发了首个去中心化、在线可访问的蛋白质组学机器学习模型库，解决了模型可发现性和可用性问题 | 仅以FragPipe平台为例展示集成效果，尚未验证与其他蛋白质组学工具的广泛兼容性 | 降低蛋白质组学领域机器学习模型的使用门槛，促进模型在数据分析流程中的集成 | 蛋白质组学机器学习模型及其在数据分析流程中的应用 | 机器学习 | NA | 蛋白质组学分析 | NA | 质谱数据、蛋白质组学数据 | NA | NA | NA | NA | 在线可访问平台 |
| 353 | 2025-11-19 |
Enhancing Bone MRI With Vendor-Independent Deep Learning: A Comparative Study of CT and 3D VIBE CAIPI-Dixon Sequences for Shoulder Assessment
2025-Nov-11, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001819
PMID:41249023
|
研究论文 | 本研究评估了使用厂商无关深度学习从肩部3D-VIBE CAIPIRINHA Dixon MRI生成高分辨率CT样骨图像的可行性 | 开发了厂商无关的深度学习重建方法，能够从MRI生成CT样骨图像，实现无辐射骨成像 | 回顾性研究设计，样本量相对有限(99例)，仅针对肩关节评估 | 评估深度学习重建在肩部MRI生成CT样骨图像中的可行性和性能 | 接受肩部MRI和CT检查的患者 | 医学影像分析 | 骨骼肌肉疾病 | 3D多回波VIBE CAIPIRINHA-Dixon序列，深度学习后处理 | 深度学习 | 医学影像(MRI和CT) | 99例患者(52男，47女，年龄17-87岁) | NA | NA | 相对信噪比(rSNR), 相对对比噪声比(rCNR), Likert量表评分, 组内相关系数 | 3.0-T MRI系统，专用线圈 |
| 354 | 2025-11-19 |
Using item response theory as a methodology to impute categorical missing values
2025-Nov-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-20032-7
PMID:41193533
|
研究论文 | 本研究提出使用项目反应理论(IRT)作为分类缺失值插补的方法，并与多种现有机器学习方法进行比较 | 首次将项目反应理论应用于分类缺失值插补，通过概率项生成确定缺失单元格的类别归属 | 仅针对分类数据进行了测试，未涉及连续型缺失值的处理 | 开发更有效的分类数据缺失值插补方法 | 具有缺失值的分类数据集 | 机器学习 | NA | 项目反应理论 | IRT, kNN, MICE, 深度学习 | 分类数据（顺序、名义、二元） | 三个不同的数据集 | NA | DataWig | 准确率, 预测性能 | Amazon Web Services (AWS) |
| 355 | 2025-11-19 |
Performance Assessment of a Deep Learning-based Algorithm for Ovarian Cancer Histotyping in an Independent Data Set
2025-Nov-05, The American journal of surgical pathology
DOI:10.1097/PAS.0000000000002481
PMID:41251420
|
研究论文 | 评估基于深度学习的AIDA算法在独立数据集上对卵巢癌组织学分型的性能表现 | 开发了基于对抗傅里叶域适应的AIDA模型来解决机构间病理切片变异导致的领域偏移问题 | 对子宫内膜样癌的分类准确率较低，某些类型间存在常见误分类 | 评估深度学习算法在卵巢癌组织学分型中的临床应用潜力 | 上皮性卵巢癌患者的病理切片 | 数字病理 | 卵巢癌 | 深度学习 | 深度学习模型 | 病理切片图像 | 阿姆斯特丹大学医学中心1985-2022年间经手术治疗的卵巢癌患者 | NA | AIDA（对抗傅里叶域适应模型） | 平衡准确率 | NA |
| 356 | 2025-11-19 |
Deep Learning Algorithm Prognosticating Retinal Tears and Detachments From Optical Coherence Tomography
2025-Nov-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.11.18
PMID:41247117
|
研究论文 | 开发基于深度学习的光学相干断层扫描图像分类器，用于预测未来视网膜撕裂/视网膜脱离风险 | 首次使用OCT图像预测未来RT/RD发生风险，并提供像素级临床重要性解释 | 研究样本量有限，仅包含特定患者群体 | 通过深度学习算法预测视网膜疾病发展风险 | 光学相干断层扫描图像 | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描 | CNN | 图像 | 776名患者（433名阴性，343名阳性），2054张图像 | NA | Inception-v4 | AUC, 平均精确率, 准确率 | NA |
| 357 | 2025-11-19 |
From model based to learned regularization in medical image registration: A comprehensive review
2025-Nov-03, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103854
PMID:41248566
|
综述 | 本文系统回顾了医学图像配准中从基于模型到学习型正则化方法的发展历程 | 提出了新颖的分类法系统性地对正则化方法进行分类，并重点介绍了利用数据驱动技术自动从数据中推导变形特性的学习型正则化这一新兴领域 | NA | 填补医学图像配准中正则化方法全面结构化综述的空白 | 医学图像配准中的正则化方法 | 医学图像处理 | NA | NA | 深度学习 | 医学图像 | NA | NA | NA | NA | NA |
| 358 | 2025-11-19 |
Comparison of Three-Dimensional Choroidal Contour in Patients With Neovascular Age-Related Macular Degeneration and Their Fellow Eyes
2025-Nov-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.11.26
PMID:41251528
|
研究论文 | 比较新生血管性年龄相关性黄斑变性患者与对侧眼的三维脉络膜轮廓差异 | 首次使用深度学习模型生成的宽场扫频源OCT数据对比分析nAMD患者双眼的脉络膜三维轮廓 | 样本量较小（30例患者），仅进行横断面研究无法确定因果关系 | 探究nAMD患者与对侧眼脉络膜轮廓的差异 | 30例单眼nAMD伴对侧眼早期/中期AMD患者 | 数字病理 | 年龄相关性黄斑变性 | 扫频源光学相干断层扫描 | 深度学习 | 三维OCT图像 | 30例患者（60只眼） | NA | NA | 配对t检验，P值 | NA |
| 359 | 2025-11-19 |
Three-Dimensional Choroidal Contour Mapping in Central Serous Chorioretinopathy and Fellow Eyes
2025-Nov-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.11.23
PMID:41251531
|
研究论文 | 本研究通过三维脉络膜轮廓映射定量分析中心性浆液性脉络膜视网膜病变患眼及对侧眼的脉络膜形态特征 | 首次采用结合深度学习与三维平滑的混合方法对脉络膜内外边界进行三维轮廓定量分析 | 回顾性研究设计且样本量有限（29例患者） | 比较CSCR患眼与对侧眼的三维脉络膜形态差异 | 29例单侧CSCR患者的58只眼睛（29只患眼+29只对侧眼） | 数字病理 | 中心性浆液性脉络膜视网膜病变 | 扫频源光学相干断层扫描 | 深度学习 | 三维OCT图像 | 29例患者58只眼睛 | NA | NA | 相关系数, P值 | NA |
| 360 | 2025-11-19 |
SuperCCM: An Open Source Python Toolkit for Automated Quantification of Corneal Nerve Fibers in Confocal Microscopy Images
2025-Nov-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.11.27
PMID:41251532
|
研究论文 | 开发了一个开源Python工具包SuperCCM，用于自动量化共聚焦显微镜图像中的角膜神经纤维 | 提出了首个完全自动化、模块化、开源的角膜共聚焦显微镜图像分析工具包，支持自定义算法集成 | 训练数据规模相对有限（210张图像），主要基于特定数据集进行验证 | 开发一个可扩展的自动化工具用于角膜神经纤维的定量分析 | 角膜共聚焦显微镜图像中的神经纤维 | 数字病理 | 神经退行性疾病 | 共聚焦显微镜成像 | CNN | 图像 | 210张图像来自34名参与者 | Python | VGG-11, U-Net | clDice, 组内相关系数 | NA |