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 19351 篇文献，本页显示第 581 - 600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 581 | 2026-02-18 |
Advancing Luciferase Activity and Stability beyond Directed Evolution and Rational Design through Expert Guided Deep Learning
2025-Aug-29, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.25.672183
PMID:40909496
|
研究论文 | 本研究提出了一种结合深度学习与结构引导理性设计的混合方法，以开发增强型NanoLuc荧光素酶变体，提升其热稳定性和高温活性 | 通过整合计算深度学习与结构引导理性设计，克服了传统定向进化和理性设计的局限性，有效优化了荧光素酶的稳定性-活性权衡 | 研究主要针对NanoLuc荧光素酶，其方法在其他酶类中的普适性仍需进一步验证 | 优化NanoLuc荧光素酶的热稳定性和高温活性，以改进生物成像和传感应用 | NanoLuc荧光素酶（NLuc）及其工程变体 | 机器学习 | NA | 深度学习，分子动力学模拟，蛋白质折叠研究 | 深度学习模型 | 蛋白质序列和结构数据 | 工程变体库（包括变体B.07和B.09） | NA | NA | 热稳定性增强（如50%溶解度下的温度增加），高温活性提升（如55°C下的活性百分比） | NA |
| 582 | 2026-02-18 |
Multimodal structural MRI synthesis pipeline across age
2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC58623.2025.11254451
PMID:41335748
|
研究论文 | 本研究提出了一种基于深度学习的跨模态结构MRI合成模型，用于生成T1加权和T2加权磁共振成像数据，并探索了该模型在整个生命周期（从早期发育到老年）中的年龄相关效应 | 开发了一种能够整合年龄信息的跨模态MRI合成模型，覆盖从早期发育到老年的整个生命周期，这在现有研究中较为少见 | 未明确提及模型在临床环境中的验证或与其他合成方法的比较，可能缺乏广泛的泛化性评估 | 通过深度学习模型合成T1加权和T2加权MRI数据，以解决获取多模态结构MRI数据时资源密集和耗时的问题，并研究年龄对合成数据的影响 | T1加权和T2加权磁共振成像数据，针对早期发育、青年成年和老年人群 | 医学影像分析 | NA | 磁共振成像 | 深度学习模型 | 图像 | NA | NA | NA | 均方误差, 峰值信噪比 | NA |
| 583 | 2026-02-18 |
X2Graph for Cancer Subtyping Prediction on Biological Tabular Data
2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC58623.2025.11253574
PMID:41336217
|
研究论文 | 提出一种名为X2Graph的新型深度学习方法，用于在小型生物表格数据上进行癌症亚型预测 | 利用外部知识（如基因相互作用）将表格数据转换为图结构，从而应用标准消息传递算法进行建模 | NA | 在数据稀缺的医疗领域，特别是癌症诊断中，提升深度学习在表格数据上的性能 | 癌症亚型预测 | 机器学习 | 癌症 | NA | 图神经网络 | 表格数据 | NA | NA | NA | NA | NA |
| 584 | 2026-02-18 |
Online Sequential EEG Emotion Recognition with Prototypical Alignment Based Transfer Model
2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC58623.2025.11253987
PMID:41336393
|
研究论文 | 提出一种基于原型对齐迁移模型的在线序列脑电信号情绪识别方法，用于解决模型在新数据上适应性差和训练数据缺乏主体独立性的问题 | 在在线学习环境中引入跨主体迁移学习模型，通过选择性修剪和重新初始化模型参数快速适应新主体，并采用增强的领域对抗神经网络策略在迁移学习框架内对齐情感类别的原型特征 | 未明确说明模型在不同情绪类别间的泛化能力，也未讨论实时在线学习过程中的计算延迟问题 | 开发一种能够快速适应新主体且保持高准确率的在线序列脑电情绪识别方法 | 脑电信号（EEG） | 机器学习 | NA | 脑电信号采集 | 深度学习模型 | 时间序列数据（脑电信号） | SEED和SEED-IV数据集 | PyTorch, TensorFlow | 领域对抗神经网络（DANN） | 准确率 | NA |
| 585 | 2026-02-18 |
Silencer variants are key drivers of gene upregulation in Alzheimer's disease
2025-Apr-08, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.07.25325386
PMID:40297423
|
研究论文 | 本研究开发了一个深度学习框架，结合表观基因组数据来评估阿尔茨海默病相关非编码变异在背外侧前额叶皮层中的调控潜力，并识别了关键的沉默子变异 | 开发了一个结合bulk和单细胞表观基因组数据的深度学习框架，首次系统性地评估了非编码AD变异在特定脑区和细胞类型中的调控潜力，并成功区分了沉默子与增强子变异的不同功能类别 | 模型主要基于背外侧前额叶皮层数据，可能未完全捕捉其他脑区或疾病阶段的调控变化；预测结果与实验数据的平均相关性为0.54，仍有提升空间 | 阐明阿尔茨海默病相关非编码遗传变异的功能意义及其在疾病发病机制中的调控作用 | 阿尔茨海默病相关的非编码遗传变异、背外侧前额叶皮层及其主要细胞类型 | 机器学习 | 阿尔茨海默病 | bulk表观基因组测序、单细胞表观基因组测序 | 深度学习 | 表观基因组数据 | NA | NA | NA | 皮尔逊相关系数、方向一致性率 | NA |
| 586 | 2026-02-18 |
Multi-convolutional neural networks for cotton disease detection using synergistic deep learning paradigm
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324293
PMID:40424461
|
研究论文 | 本文提出了一种基于多卷积神经网络和协同深度学习范式的棉花病害检测方法，旨在准确分类六种病害和健康类别 | 提出了一种结合MobileNet和VGG16特征提取的定制化StyleGAN进行合成数据生成，并采用基于StackNet的集成分类器，以解决类别不平衡和实时检测挑战 | 现有数据集大多在受控条件下获取，可能无法完全反映真实田间环境中的病害变异，且实时检测需求未在研究中充分验证 | 开发一种自动化方法，用于同时准确检测棉花作物中的多种病害，以提高产量并减少资源浪费 | 棉花作物及其六种病害（细菌性疫病、卷叶病毒、镰刀菌枯萎病、链格孢菌病、尾孢菌病、灰霉病）以及健康类别 | 计算机视觉 | 植物病害 | 深度学习 | CNN, LSTM, SVM, Random Forest | 图像 | 公开可用数据集，具体样本数量未明确说明 | TensorFlow, PyTorch, Scikit-learn | MobileNet, VGG16, StyleGAN, StackNet | 准确率 | NA |
| 587 | 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 |
| 588 | 2026-02-17 |
Artificial Intelligence in The Diagnosis, Treatment, and Prognostication in Endodontics: A Comprehensive Literature Review
2025-Dec, European endodontic journal
IF:1.6Q3
DOI:10.14744/eej.2025.83788
PMID:41685843
|
综述 | 本文对人工智能在牙髓病学中诊断、治疗和预后预测方面的应用进行了全面综述 | 系统性地将AI在牙髓病学中的应用归纳为诊断、治疗和预后三大领域，并总结了当前的研究进展与具体模型表现 | 面临数据集规模需求大、成本高以及缺乏自主开发能力等限制 | 综述人工智能在牙髓病学中的应用，以优化诊断、支持临床决策和预测治疗结果 | 牙髓病学中的诊断、治疗规划和预后预测 | 计算机视觉 | 牙髓病 | NA | CNN, 深度学习模型, 神经网络 | X光片, CBCT图像 | 基于51篇纳入文章（2016-2025年） | NA | NA | 准确率 | NA |
| 589 | 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 |
| 590 | 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 |
| 591 | 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 |
| 592 | 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 |
| 593 | 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 |
| 594 | 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 |
| 595 | 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 |
| 596 | 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 |
| 597 | 2026-02-16 |
Comprehensive non-small cell lung cancer targets: From computational prediction to clinical breakthroughs in overcoming drug resistance
2025-Dec, Biochemical pharmacology
IF:5.3Q1
DOI:10.1016/j.bcp.2025.117333
PMID:40946977
|
综述 | 本文全面综述了非小细胞肺癌靶向治疗的研究进展，涵盖从计算预测到临床突破的多个方面 | 整合了基于配体、结构和多特征深度学习模型的最新靶点预测方法，并探讨了第四代酪氨酸激酶抑制剂及合成致死等新兴策略 | 作为综述文章，未报告原始实验数据，主要基于现有文献进行分析 | 总结非小细胞肺癌靶向治疗的研究进展，分析当前局限并指导未来治疗开发 | 非小细胞肺癌的靶点预测方法、临床治疗进展及耐药机制 | 机器学习 | 肺癌 | 深度学习模型 | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 598 | 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 |
| 599 | 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 |
| 600 | 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 |