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 741 - 760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 741 | 2025-11-15 |
RNAtive to recognize native-like structure in a set of RNA 3D models
2025-Nov-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf601
PMID:41183118
|
研究论文 | 开发首个基于共识原理的无参考RNA三维结构评估工具RNAtive | 首次将共识衍生二级结构应用于RNA三维模型评估，提出条件加权共识模式并支持用户自定义二维结构约束 | 依赖预测模型集合的质量，对全新RNA结构的评估效果需进一步验证 | 开发无需实验参考结构的RNA三维模型评估方法 | RNA三维结构模型集合 | 计算生物学 | NA | 共识结构分析，三维结构建模 | 共识模型 | RNA三维结构模型 | CASP15竞赛数据 | NA | 条件加权共识模式 | 二元分类评分 | Web服务器 |
| 742 | 2025-11-15 |
Uncertainty-aware genomic classification of Alzheimer's disease: a transformer-based ensemble approach with Monte Carlo dropout
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf587
PMID:41212591
|
研究论文 | 开发了一种基于Transformer集成框架的不确定性感知深度学习模型，用于阿尔茨海默病的基因组分类 | 结合Transformer和随机森林模型，并采用蒙特卡洛Dropout方法估计预测置信度，能够识别模型不确定的预测案例 | 样本量相对有限（1050个个体），模型整体准确率有待提升 | 开发并评估用于阿尔茨海默病预测的不确定性感知深度学习框架 | 阿尔茨海默病神经影像学倡议队列中的1050名个体（607名AD患者，443名对照） | 机器学习 | 阿尔茨海默病 | 全基因组测序 | Transformer, 随机森林 | 基因组数据 | 1050名个体（607名AD患者，443名对照），测试集525个样本 | NA | Transformer | 准确率, AUC, F1分数 | NA |
| 743 | 2025-11-15 |
Unlocking the potential of radiomics in identifying fibrosing and inflammatory patterns in interstitial lung disease
2025-Nov, La Radiologia medica
DOI:10.1007/s11547-025-02067-y
PMID:40844571
|
研究论文 | 本研究利用高分辨率CT和放射组学AI流程区分间质性肺疾病的纤维化和炎症模式 | 首次将可解释AI（SHAP）与放射组学特征结合用于ILD模式分类，并比较了炎症性ILD与病毒性肺炎的影像差异 | 单中心研究，样本量有限（84例主要研究对象），需要多中心验证 | 区分间质性肺疾病的纤维化和炎症模式 | 间质性肺疾病患者（特发性肺纤维化和细胞性非特异性间质性肺炎）及COVID-19肺炎患者 | 医学影像分析 | 间质性肺疾病 | 高分辨率CT，放射组学特征提取 | XGBoost，深度学习模型 | CT影像 | 84例主要研究对象（50例IPF，34例细胞性NSIP），50例COVID-19肺炎患者作为次要分析对象 | XGBoost | 深度学习分割模型（具体架构未明确说明） | 准确率，AUROC | NA |
| 744 | 2025-11-15 |
Illuminating radiogenomic signatures in pediatric-type diffuse gliomas: insights into molecular, clinical, and imaging correlations. Part I: high-grade group
2025-Nov, La Radiologia medica
DOI:10.1007/s11547-025-02078-9
PMID:40853542
|
综述 | 本综述系统分析了儿童型高级别弥漫性胶质瘤的分子特征、临床表现和影像学关联 | 整合2021年WHO中枢神经系统肿瘤分类最新分子标准，首次系统梳理四种儿童型高级别胶质瘤的放射基因组学特征 | 当前方法学存在局限，需要更大规模前瞻性研究验证 | 探索儿童型高级别胶质瘤的放射基因组学特征及其临床意义 | 四种儿童型高级别弥漫性胶质瘤：弥漫中线胶质瘤H3 K27改变型、弥漫半球胶质瘤H3 G34突变型、弥漫儿童型高级别胶质瘤H3野生型和IDH野生型、婴儿型半球胶质瘤 | 数字病理 | 脑胶质瘤 | 磁共振成像, 基因组学分析 | 深度学习 | 医学影像, 分子数据 | NA | NA | NA | NA | NA |
| 745 | 2025-11-15 |
Deep learning-based fusion of nuclear segmentation features for microsatellite instability and tumor mutational burden prediction in digestive tract cancers: a multicenter validation study
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf580
PMID:41214872
|
研究论文 | 开发基于深度学习的融合核分割特征框架，直接从H&E染色全切片图像预测消化道癌症的MSI和TMB状态 | 首次将核分割特征与全切片图像特征通过多模态紧凑双线性池化融合，显著提升MSI/TMB预测性能 | 研究样本主要来自TCGA数据库，外部验证仅使用单一医院的CRC数据集 | 通过深度学习降低MSI和TMB检测成本，推进个性化癌症治疗策略 | 胃癌和结直肠癌患者的H&E染色全切片图像 | 数字病理学 | 消化道癌症 | H&E染色，全切片成像 | 深度学习 | 病理图像 | TCGA数据集：MSI分析726例（350 GC + 376 CRC），TMB分析787例（400 GC + 387 CRC）；外部验证来自中日友好医院CRC数据集 | CLAM, Hover-Net | 多模态紧凑双线性池化，六种不同深度学习模型 | AUC, 召回率 | NA |
| 746 | 2025-11-15 |
The Role of Artificial Intelligence in Orthodontics for Determining Skeletal Age Based on Cervical Vertebra Maturation Degree: A Comprehensive Review
2025-Nov, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.71487
PMID:41221429
|
综述 | 回顾人工智能在正畸学中基于颈椎成熟度评估骨骼年龄的不同应用 | 系统总结了AI在颈椎成熟度评估中的算法设计，特别关注深度学习技术在侧位头影测量片分析中的应用 | AI算法准确性受数据集大小、标注方法和模型设计等因素影响，仍需专家监督和临床判断 | 探讨人工智能在正畸学中评估骨骼年龄的应用 | 颈椎成熟度分期评估 | 医学影像分析 | 正畸治疗 | 侧位头影测量X光片分析 | CNN | 医学影像 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 747 | 2025-11-15 |
Synthetic-to-real attentive deep learning for Alzheimer's assessment: A domain-agnostic framework for ROCF scoring
2025-Nov, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104929
PMID:41110737
|
研究论文 | 提出一种用于阿尔茨海默病评估的合成到真实深度学习框架，专注于ROCF测试的自动化评分 | 开发了轻量级数据合成流水线和专门设计的ROCF-Net模型，采用面向线条的注意力机制解决领域差异问题 | 未明确说明临床数据的具体规模和多样性限制 | 实现阿尔茨海默病的早期诊断和认知评估自动化 | 雷伊-奥斯特里特复杂图形(ROCF)测试绘图 | 数字病理 | 阿尔茨海默病 | 深度学习 | 深度学习模型 | 图像 | NA | NA | ROCF-Net | 平均绝对误差(MAE), 皮尔逊相关系数(PCC) | 轻量级计算成本 |
| 748 | 2025-11-15 |
Lax-Pair-FIND: Discovering Lax pair from scarce data via deep learning
2025-Nov-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0278425
PMID:41236354
|
研究论文 | 提出一种从稀疏或噪声数据中发现Lax对的深度学习算法Lax-Pair-FIND | 首次将数据驱动方法应用于Lax对的发现，无需预先知道方程形式即可识别线性演化算子A | 需要已知谱算子L，且对数据稀疏性和噪声的鲁棒性仍需进一步验证 | 从数据中发现描述物理系统的Lax对数学方程 | 偏微分方程的Lax对 | 机器学习 | NA | 深度学习，稀疏优化 | 深度学习模型 | 数值模拟数据，实验数据 | NA | NA | NA | 数值模拟验证，实验验证 | NA |
| 749 | 2025-11-15 |
Improving Detection of Intrahepatic Cholangiocarcinoma with a Contrast-enhanced US-based Deep Learning Model
2025-Nov, Radiology. Imaging cancer
DOI:10.1148/rycan.250078
PMID:41236388
|
研究论文 | 开发基于超声造影的深度学习模型用于辅助诊断肝内胆管癌 | 首次构建基于超声造影的深度学习模型，能够达到资深超声医师的诊断水平，并显著提升初级和中级医师的诊断能力 | 回顾性研究设计，可能存在选择偏倚 | 开发深度学习模型辅助放射科医师诊断肝内胆管癌 | 肝内胆管癌患者的超声造影检查 | 数字病理 | 肝内胆管癌 | 超声造影 | 深度学习 | 医学影像 | 1148例超声造影检查（训练集804例，验证集344例，外部测试集A 153例，外部测试集B 240例） | NA | BNInception, MobileNet-v2, ResNet-50, VGG-19 | AUC | NA |
| 750 | 2025-11-15 |
Identification of key genes in pancreatic ductal adenocarcinoma with biologically informed deep neural network
2025-Oct-31, Journal of gastrointestinal oncology
IF:2.0Q3
DOI:10.21037/jgo-2025-218
PMID:41220726
|
研究论文 | 本研究使用生物信息学指导的深度神经网络识别胰腺导管腺癌中与预后和免疫微环境相关的关键基因 | 首次将P-NET（生物信息学指导的神经网络）模型应用于PDAC关键基因识别，并发现JAG1、MET和PLAU三个基因可能成为联合免疫治疗新靶点 | 研究基于五个独立PDAC队列的回顾性数据，需要进一步实验验证 | 识别与胰腺导管腺癌预后和免疫微环境相关的关键基因 | 胰腺导管腺癌患者基因表达数据 | 生物信息学 | 胰腺癌 | 深度学习，差异表达分析，生存分析，TIDE分析，CellPhoneDB分析，分子对接 | 深度神经网络 | 基因表达数据 | 五个独立PDAC队列的628个重要基因 | NA | P-NET（生物信息学指导的神经网络） | 生存分析，TIDE分析 | NA |
| 751 | 2025-11-15 |
FISM: harnessing deep learning and reinforcement learning for precision detection of microaneurysms and retinal exudates for early diabetic retinopathy diagnosis
2025-Oct-30, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-025-00485-2
PMID:41168809
|
研究论文 | 提出一种结合深度学习和强化学习的FISM模型，用于精确检测糖尿病视网膜病变的微动脉瘤和视网膜渗出物 | 首次将Segment Anything Model (SAM)架构应用于眼底图像分割，并集成强化学习实现自适应注意力机制 | 仅使用单一数据集进行验证，缺乏多中心外部验证 | 开发高精度的糖尿病视网膜病变早期诊断模型 | 糖尿病视网膜病变患者的眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 眼底图像分析 | 深度学习,强化学习 | 图像 | 超过13,000张带标注的眼底图像 | PyTorch | Segment Anything Model (SAM),Transformer | 准确率,精确率,召回率,F1分数,AUC,特异性,Dice系数,IoU | NA |
| 752 | 2025-11-15 |
AI-based detection of MRI-invisible prostate cancer with nnU-Net
2025-Oct-30, The Canadian journal of urology
DOI:10.32604/cju.2025.068853
PMID:41220354
|
研究论文 | 开发基于nnU-Net自适应神经网络的AI图像识别系统，用于检测MRI不可见的前列腺癌 | 首次将nnU-Net应用于MRI不可见前列腺癌的检测，针对PI-RADS评分≤3的疑难病例 | 回顾性研究，样本量相对较小（150例患者），仅来自单一医疗中心 | 开发AI系统辅助临床医生检测MRI不可见的前列腺癌 | 经病理证实具有临床意义前列腺癌但术前MRI阴性的患者 | 数字病理 | 前列腺癌 | 多参数MRI（T2WI、DWI、ADC序列） | CNN | 医学影像 | 150例患者，1475张MRI图像 | nnU-Net | nnU-Net | Dice相似系数, 灵敏度, 特异性, 假阳性率, 假阴性率 | NA |
| 753 | 2025-11-02 |
Pulmonary function estimation using smartphone audio and deep learning
2025-Oct-27, Jornal brasileiro de pneumologia : publicacao oficial da Sociedade Brasileira de Pneumologia e Tisilogia
IF:2.9Q2
DOI:10.36416/1806-3756/e20250003
PMID:41172409
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 754 | 2025-11-15 |
Deep Learning Model for Extensive Diagnosis of Corneal Deposits
2025-Oct-07, Cornea
IF:1.9Q2
DOI:10.1097/ICO.0000000000004018
PMID:41236421
|
研究论文 | 开发用于角膜沉积疾病诊断的深度学习模型CorneAI，能够对7种角膜混浊疾病进行分类 | 首个集成到CorneAI系统中的深度学习模型，专门针对多种角膜沉积疾病进行综合诊断 | 对淀粉样变性和凝胶样滴状角膜营养不良的诊断精度相对较低 | 开发能够准确诊断多种角膜沉积疾病的深度学习模型 | 角膜沉积疾病患者的裂隙灯图像 | 计算机视觉 | 角膜疾病 | 裂隙灯成像 | YOLOv5 | 图像 | 1546张裂隙灯图像，包含7种角膜混浊疾病 | YOLOv5 | YOLOv5 | 阳性预测值, 置信区间 | NA |
| 755 | 2025-11-15 |
Investigating the Role of Area Deprivation Index in Observed Differences in CT-Based Body Composition by Race
2025-Oct, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.06.016
PMID:40517983
|
研究论文 | 本研究探讨区域剥夺指数能否解释基于CT的身体成分种族差异 | 首次结合区域剥夺指数和社会脆弱性指数分析CT身体成分的种族差异 | 回顾性研究设计，未能分析具体人口普查区域变量和个体层面数据 | 探究社会经济因素对CT身体成分种族差异的影响 | 2020年单一机构的5311名患者腹部CT数据 | 医学影像分析 | 代谢相关疾病 | CT扫描 | 深度学习 | 医学影像, 临床数据, 社会经济指数 | 5311名患者（平均年龄57.4岁，55.5%女性，46.5%黑人，39.5%白人，10.3%西班牙裔） | 开源深度学习工作流 | NA | P值 | NA |
| 756 | 2025-11-15 |
Modelling transcription with explainable AI uncovers context-specific epigenetic gene regulation at promoters and gene bodies
2025-Oct, PLoS genetics
IF:4.0Q1
DOI:10.1371/journal.pgen.1011908
PMID:41129591
|
研究论文 | 利用可解释人工智能建模转录过程，揭示启动子和基因体区域背景特异性表观遗传基因调控机制 | 首次将SHAP可解释AI方法应用于染色质相关蛋白分析，从未扰动数据预测扰动实验的直接靶标，发现ZC3H4在基因体的新调控功能及复合物间交叉对话 | 方法依赖深度学习模型的预测准确性，需要实验验证来确认推断的调控机制 | 解析转录调控中染色质相关蛋白的复杂相互作用机制 | RNA Pol-II占据位点、染色质相关蛋白谱、SET1A、ZC3H4、INTS11等调控因子 | 机器学习 | NA | 染色质相关蛋白分析、degron-based扰动实验、表观遗传分析 | 深度学习 | 表观遗传数据、蛋白质结合数据 | NA | NA | NA | 预测准确性、SHAP重要性排序 | NA |
| 757 | 2025-11-15 |
Determination of Diagnosis and Prognosis in Spinal Cord Injury Using Machine Learning
2025-Oct, Korean journal of neurotrauma
DOI:10.13004/kjnt.2025.21.e33
PMID:41220891
|
研究论文 | 本文探讨机器学习在脊髓损伤诊断和预后预测中的应用 | 首次系统评估基于卷积神经网络和深度学习放射组学的AI方法在脊髓损伤诊断和预后预测中的表现 | 数据集规模有限、研究间存在异质性、缺乏外部验证 | 开发准确及时的脊髓损伤诊断和可靠预后预测方法 | 创伤性脊髓损伤患者 | 机器学习 | 脊髓损伤 | 磁共振成像、扩散张量成像 | CNN, 神经网络, 深度学习 | 医学影像 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 758 | 2025-11-15 |
Deep learning-aided optical biopsy achieves whole-chain diagnosis of Correa cascade of gastric cancer: a prospective study
2025-Sep-30, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-025-04310-9
PMID:41029674
|
研究论文 | 开发基于深度学习的pCLE计算机辅助诊断系统，实现胃癌Correa级联的实时全链条诊断 | 首次构建能够实时诊断胃癌Correa级联全链条病变的深度学习辅助系统 | 研究在单一临床中心进行，需要多中心验证 | 开发pCLE计算机辅助诊断系统并评估其在真实临床环境中的诊断性能 | 胃黏膜病变患者 | 数字病理 | 胃癌 | 探头共聚焦激光内镜(pCLE) | 深度学习网络 | 图像,视频 | 5771次检查的47,462张pCLE图像和461段视频用于开发，951名患者的1254个病灶用于前瞻性验证 | NA | NA | 准确率,敏感性,特异性 | NA |
| 759 | 2025-11-15 |
Leveraging MobileNetV2 and deep learning innovation for high accuracy Plasmodium Vivax detection in blood smears
2025-Sep-29, Saudi pharmaceutical journal : SPJ : the official publication of the Saudi Pharmaceutical Society
IF:3.0Q2
DOI:10.1007/s44446-025-00019-1
PMID:41021108
|
研究论文 | 本研究提出了一种基于改进MobileNetV2和YOLOv3的深度学习模型，用于在薄血涂片图像中高精度检测间日疟原虫 | 在YOLOv3的主干网络中引入改进的MobileNetV2，并在瓶颈层使用提出的转换卷积层(TCL)，根据不同类别的图像特征计算权重，提高了对感染和未感染疟原虫细胞的分类效果 | 准确率仍然是检测和分类薄血涂片类别的主要缺点之一 | 提高间日疟原虫检测模型的性能和速度，为医疗专业人员提供更好的诊断方法 | 薄血涂片图像中的间日疟原虫细胞 | 计算机视觉 | 疟疾 | 显微镜血液涂片检查 | YOLOv3, CNN | 图像 | NA | NA | YOLOv3, MobileNetV2 | 准确率, 精确率, 召回率, F1分数, 平均精度均值(mAP) | NA |
| 760 | 2025-11-15 |
High Resolution TOF-MRA Using Compressed Sensing-based Deep Learning Image Reconstruction for the Visualization of Lenticulostriate Arteries: A Preliminary Study
2025-Sep-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2024-0025
PMID:39034144
|
研究论文 | 本研究比较压缩感知深度学习重建与传统压缩感知算法在时间飞跃磁共振血管成像中对豆纹动脉的显示效果 | 首次将压缩感知与深度学习相结合用于高分辨率TOF-MRA图像重建，并在不同加速因子下系统评估豆纹动脉显示效果 | 样本量较小（仅5名健康志愿者），属于初步研究 | 评估压缩感知深度学习重建在显示豆纹动脉方面的图像质量 | 健康志愿者的豆纹动脉 | 医学影像分析 | 脑血管疾病 | 时间飞跃磁共振血管成像 | 深度学习 | 磁共振图像 | 5名健康志愿者 | NA | NA | 可见豆纹动脉数量, 豆纹动脉长度, 归一化均方误差, 整体图像质量评分, 外周豆纹动脉可见性评分 | NA |