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 19281 篇文献，本页显示第 981 - 1000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 981 | 2026-03-13 |
Genome structure mapping with high-resolution 3D genomics and deep learning
2025-May-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.06.650874
PMID:40654659
|
研究论文 | 本文介绍了一种结合高分辨率3D基因组学与深度学习的集成方法，用于预测细胞类型特异性的3D基因组结构 | 开发了Cleopatra，一种基于注意力机制的深度学习模型，通过预训练和微调策略，实现了亚千碱基级别的3D接触图谱预测，揭示了细胞类型特异性的微区室和环路 | 研究仅覆盖了四种人类细胞类型，可能未涵盖所有细胞类型的特异性；深度学习模型的泛化能力需进一步验证 | 旨在通过深度学习和3D基因组学技术，全面映射细胞类型特异性的基因调控环路，以理解基因表达机制 | 人类细胞类型中的3D基因组结构，包括增强子-启动子环路和微区室 | 机器学习 | NA | 区域捕获微C（RCMC）、微C（Micro-C）测序 | 深度学习模型（基于注意力机制） | 表观基因组数据、3D接触图谱数据 | 四种人类细胞类型 | NA | 基于注意力机制的架构（具体名称未指定，但提及为Cleopatra模型） | NA | NA |
| 982 | 2026-03-13 |
Obtaining full-arch implant scan with smartphone video and deep learning: An in vitro investigation on trueness and precision
2025-Mar-08, Journal of prosthodontics : official journal of the American College of Prosthodontists
DOI:10.1111/jopr.14041
PMID:40055947
|
研究论文 | 本研究通过智能手机视频和深度学习模型生成全牙弓种植体扫描，并在体外环境中评估其准确性和精度 | 首次将智能手机视频与深度学习模型结合，用于生成全牙弓种植体扫描，提供了一种经济高效的潜在扫描方法 | 研究为体外实验，准确性尚未达到临床应用标准，且深度学习模型的精度相比口腔内扫描仪较差 | 评估基于智能手机视频和深度学习模型生成全牙弓种植体扫描的准确性 | 上颌无牙模型上的6个种植体和扫描体 | 计算机视觉 | NA | 深度学习3D重建 | 深度学习模型 | 视频 | 3个测试组（DL1、DL2、IOS），每组重复10次 | NA | NA | 线性偏差（准确性）、精度 | NA |
| 983 | 2026-03-13 |
ChromBPNet: bias factorized, base-resolution deep learning models of chromatin accessibility reveal cis-regulatory sequence syntax, transcription factor footprints and regulatory variants
2025-Jan-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.25.630221
PMID:39829783
|
研究论文 | 本文介绍了一种名为ChromBPNet的深度学习模型，用于解析染色质可及性，揭示顺式调控序列语法、转录因子足迹和调控变异 | ChromBPNet通过分解酶特异性偏差与调控序列决定因素，实现了跨实验和测序深度的紧凑转录因子基序词典、协同基序语法和精确足迹的稳健发现 | NA | 研究染色质可及性的序列语法和遗传变异，以解码调控DNA和遗传变异 | 顺式调控元件、染色质可及性、转录因子结合 | 机器学习 | NA | 染色质可及性测定 | 深度学习DNA序列模型 | DNA序列 | NA | NA | ChromBPNet | NA | NA |
| 984 | 2026-03-13 |
Retinal Vessel Plexus Differentiation Based on OCT Angiography Using Deep Learning
2025 Jan-Feb, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100605
PMID:39624795
|
研究论文 | 本研究提出了一种基于深度学习的OCT血管成像（OCTA）方法，用于分割视网膜的浅层、深层和无血管丛，无需结构OCT图像输入或分割边界 | 首次仅使用OCTA数据通过深度学习分割视网膜血管丛，无需依赖结构OCT层分割作为边界，并利用合成双类图像显著提升性能 | 研究样本量较小（33名患者），模型在更复杂的多类薄片数据上的性能仅进行了定性观察，未进行定量评估 | 开发一种基于深度学习的OCTA图像分割方法，以区分视网膜的浅层、深层和无血管丛 | 视网膜血管丛（浅层、深层、无血管丛） | 计算机视觉 | NA | OCT血管成像（OCTA） | 深度学习 | 图像 | 235个OCTA立方体（来自33名患者） | NA | U-Net | Dice系数 | NA |
| 985 | 2026-03-13 |
Exploring meaning in life from social network content in the sleep scenario
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1642085
PMID:41306873
|
研究论文 | 本研究利用社交媒体数据，通过深度学习和语义依赖图算法，探索睡眠场景下生命意义及其相关因素 | 结合社交媒体大数据、用户调查与ChatGPT生成见解，开发深度学习模型评估生命意义成分，并应用语义依赖图算法识别相关因素，桥接了两种基础生命意义理论 | 数据主要来源于社交媒体，可能存在样本偏差，且ChatGPT生成见解的可靠性需进一步验证 | 探索生命意义及其在个体和群体层面的相关因素，为心理健康问题提供线索和干预信息 | 社交媒体用户及其发布的微博内容与调查响应 | 自然语言处理 | NA | 社交媒体数据挖掘，深度学习，语义依赖图算法 | 深度学习模型 | 文本 | 微博帖子7,588,597条，用户调查响应448份 | NA | NA | NA | NA |
| 986 | 2026-03-13 |
[RPT Doi Award: Deep learning-based correction for time truncation in cerebral computed tomography perfusion]
2025, Igaku butsuri : Nihon Igaku Butsuri Gakkai kikanshi = Japanese journal of medical physics : an official journal of Japan Society of Medical Physics
DOI:10.11323/jjmp.45.1_3
PMID:41813218
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 987 | 2026-03-13 |
Integrative multi-stage deep learning framework for ovarian tumor ultrasound classification with explainability and confidence estimation
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1760167
PMID:41815279
|
研究论文 | 本文提出了一个名为EfficientOvaNet的深度学习框架，用于基于超声图像对卵巢肿瘤进行分类，并集成了可解释性和置信度估计方法 | 采用双分支EfficientNet-B3架构，结合感兴趣区域特征与全局上下文信息，并整合了Grad-CAM、蒙特卡洛Dropout不确定性估计和t-SNE特征可视化等可解释性方法 | 未明确提及研究的具体局限性，如数据集规模、泛化能力或临床验证的不足 | 提高卵巢肿瘤超声分类的诊断准确性，减少主观性，并支持及时干预和个体化治疗 | 卵巢肿瘤的超声图像 | 计算机视觉 | 卵巢癌 | 超声成像 | CNN | 图像 | 基于MMOTU数据集，具体样本数量未在摘要中明确说明 | 未明确指定，但提及了深度学习框架 | EfficientNet-B3 | 准确率, F1分数, AUC | 未在摘要中明确说明 |
| 988 | 2026-03-13 |
Artificial Intelligence and Medical Education (2013-2024): A Scopus-Based Bibliometric Analysis
2025, The East African health research journal
DOI:10.24248/eahrj.v9i1.817
PMID:41815979
|
研究论文 | 本文通过Scopus数据库对2013-2024年间人工智能在医学教育领域的研究进行了文献计量分析 | 首次对人工智能在医学教育领域的全球合作与出版趋势进行了全面的文献计量分析，揭示了新兴主题和国际协作网络 | 分析仅基于Scopus数据库，可能未涵盖所有相关文献；研究为描述性分析，未深入探讨具体AI技术的教育效果 | 分析人工智能在医学教育领域应用的全球研究趋势、主要贡献者和主题发展 | 2013-2024年间Scopus数据库中关于人工智能与医学教育的学术出版物 | 自然语言处理 | NA | 文献计量分析 | NA | 文本 | 1081篇出版物（2024年峰值） | Bibliometrix R package | NA | NA | NA |
| 989 | 2026-03-13 |
Precision oncology: Computational methods for multi-omics data integration to improve drug response prediction
2025, Cambridge prisms. Precision medicine
DOI:10.1017/pcm.2025.10003
PMID:41816503
|
综述 | 本文综述了整合多组学数据以改善药物反应预测的计算方法 | 系统性地概述了用于药物反应预测的多组学数据整合方法，包括传统机器学习、深度学习及多模态集成框架 | NA | 提高药物反应预测的准确性，推动精准医学发展 | 多组学数据集 | 机器学习 | 癌症 | 多组学数据整合 | 机器学习模型, 深度学习模型 | 多组学数据 | NA | NA | NA | 剂量-反应曲线下面积, F1分数, 均方误差 | NA |
| 990 | 2026-03-11 |
Renal Cell Type and State Estimation in Brightfield Histology Images: A Pilot Study on Diabetic Nephropathy
2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3047996
PMID:41799653
|
研究论文 | 本研究提出了一种基于深度学习的两阶段流程，用于从亮视野组织学图像预测细胞类型/状态，旨在提升糖尿病肾病的诊断和预后评估 | 结合图像到文本检索网络和视觉语言模型，利用CONCH模型从亮视野图像生成组织病理学文本提示，并通过回归头预测细胞类型/状态比例，相比仅使用图像输入的模型有显著性能提升 | 研究为试点性质，样本来源单一（印第安纳大学收集的糖尿病肾病样本），且仅针对四种组织结构类型进行分类，可能缺乏泛化性 | 开发机器学习流程，从亮视野组织学图像预测细胞类型/状态，以弥补多组学数据在临床中的昂贵和不可及性 | 糖尿病肾病患者的10X Visium空间转录组学福尔马林固定石蜡包埋全切片图像 | 数字病理学 | 糖尿病肾病 | 空间转录组学（10X Visium），亮视野显微镜 | 深度学习模型 | 图像，文本 | 未明确指定样本数量，但来自印第安纳大学收集的糖尿病肾病样本集 | 未明确指定，但提及CONCH、ViT、ResNet等模型架构 | CONCH, ViT, ResNet | 均方误差 | NA |
| 991 | 2026-03-10 |
Predicting Primary Graft Dysfunction in Systemic Sclerosis Lung Transplantation Using Machine-Learning and CT Features
2025-Jul, Clinical transplantation
IF:1.9Q3
DOI:10.1111/ctr.70217
PMID:40552679
|
研究论文 | 本研究利用机器学习和CT特征预测系统性硬化症患者肺移植后的原发性移植物功能障碍 | 首次在系统性硬化症肺移植患者中，结合深度学习自动提取的CT图像特征和多种机器学习算法预测原发性移植物功能障碍 | 样本量相对较小（92名患者），且为单中心回顾性研究，可能存在选择偏倚 | 预测系统性硬化症患者肺移植后的原发性移植物功能障碍 | 92名接受双侧肺移植的系统性硬化症患者 | 数字病理学 | 系统性硬化症 | CT扫描，深度学习算法 | 逻辑回归, SVM, 随机森林, MLP | CT图像 | 92名系统性硬化症肺移植患者 | 未明确指定 | 多层感知机 | AUROC | NA |
| 992 | 2026-03-10 |
CPDMS: a database system for crop physiological disorder management
2025-04-22, Database : the journal of biological databases and curation
DOI:10.1093/database/baaf031
PMID:40261733
|
研究论文 | 本研究开发了一个用于收集番茄作物生理障碍实时图像的系统，并构建了一个包含多种胁迫条件下番茄图像的大型数据库 | 开发了一个系统化收集作物多角度实时图像的系统，并构建了包含多种生理障碍类型、多个番茄品种的大规模图像数据库，为农业AI研究提供了关键资源 | 模型性能仍有提升空间（mAP 0.46），系统在不同农业环境中的泛化能力需要进一步探索 | 开发用于作物生理障碍管理的实时数据收集与分析系统 | 番茄作物及其生理障碍（细菌性萎蔫病、病毒病、干旱、盐胁迫） | 计算机视觉 | 作物生理障碍 | 实时图像采集 | 深度学习模型 | 图像 | 58,479张图像（43,894张可标注，其中24,000张用于训练，13,037张用于测试），涵盖7个番茄品种 | NA | NA | 平均精度均值（mAP），召回率 | NA |
| 993 | 2026-03-10 |
Fine-Tuned Deep Transfer Learning Models for Large Screenings of Safer Drugs Targeting Class A GPCRs
2025-03-18, Biochemistry
IF:2.9Q3
DOI:10.1021/acs.biochem.4c00832
PMID:40056143
|
研究论文 | 本文开发了基于迁移学习的深度学习模型，用于大规模虚拟筛选针对A类GPCRs的、具有潜在更高安全性的药物化合物 | 通过迁移学习策略，在A类GPCRs全序列和配体数据集上进行预训练，并针对低效激动剂和偏向性激动剂分别进行微调，结合了目标序列的自然语言处理和受体突变对信号传导的影响分析 | 模型开发面临高质量数据可用性有限的挑战，且目前仅针对A类GPCRs | 预测具有低内在效能或配体偏向性的更安全化合物，以推进药物开发 | A类G蛋白偶联受体及其配体 | 机器学习 | NA | 自然语言处理 | 神经网络 | 序列数据, 化学数据 | NA | NA | NA | NA | NA |
| 994 | 2026-03-09 |
[Research progress in RNA secondary structure prediction methods]
2025-Dec-26, Sheng wu gong cheng xue bao = Chinese journal of biotechnology
DOI:10.13345/j.cjb.250791
PMID:41755596
|
综述 | 本文综述了RNA二级结构预测的主要计算方法，比较了各类算法的优缺点，并讨论了相关技术在生物医学领域的应用及未来发展方向 | 系统比较了基于能量、多序列、传统机器学习、深度学习以及基于三级结构的RNA二级结构预测方法，并特别关注了在RNA结合蛋白位点识别中的应用 | NA | 回顾RNA二级结构预测方法的研究进展，为相关研究提供重要参考 | RNA二级结构预测方法 | 计算生物学 | NA | 能量方法、多序列方法、传统机器学习、深度学习、基于三级结构的预测方法 | NA | NA | NA | NA | NA | NA | NA |
| 995 | 2025-03-11 |
A Need for Multi-Institutional Collaboration for Deep Learning-Driven Assessment of Osteosarcoma Treatment Response
2025-Jun, The American journal of pathology
DOI:10.1016/j.ajpath.2025.02.002
PMID:40056973
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 996 | 2026-03-07 |
[A visual analysis of machine learning in periodontal disease research, 2001-2023]
2025-Dec, Shanghai kou qiang yi xue = Shanghai journal of stomatology
PMID:41766323
|
综述 | 本文通过文献计量学方法，对2001年至2023年间牙周病研究中机器学习的应用和研究热点进行了可视化分析 | 利用Bibliometrix、CiteSpace和VOSviewer等工具对牙周病机器学习文献进行系统性可视化分析，揭示了该领域的发展趋势和近两年基于图像的分割与特征提取热点 | 分析仅基于Web of Science核心合集中的127篇文献，样本量相对有限，可能未涵盖所有相关研究 | 分析牙周病研究中机器学习的应用现状和研究热点 | 2001年至2023年Web of Science核心合集中收录的牙周病机器学习相关文献 | 机器学习 | 牙周病 | 文献计量学分析 | NA | 文献元数据 | 127篇符合纳入与排除标准的论文 | Bibliometrix, CiteSpace, VOSviewer | NA | NA | NA |
| 997 | 2026-03-07 |
DG-DiT: Dual-Branch Gating Diffusion Transformer for Multi-Tracer and Multi-Scanner Brain PET Image Denoising
2025-Nov-07, IEEE transactions on radiation and plasma medical sciences
IF:4.6Q1
DOI:10.1109/trpms.2025.3630161
PMID:41743403
|
研究论文 | 本文提出了一种名为DG-DiT的双分支门控扩散Transformer网络，用于多示踪剂和多扫描仪脑PET图像去噪 | 利用扩散Transformer的强大分布建模能力，从紧凑且正则化的潜在空间中学习先验知识，实现高效少步扩散，并采用双分支门控机制有效融合多输入信息 | 未明确提及具体局限性 | 解决多示踪剂和多扫描仪PET图像去噪中效率、准确性和泛化性的挑战 | 脑PET图像 | 计算机视觉 | NA | 扩散概率模型 | Transformer | 图像 | 多示踪剂和多扫描仪数据集 | NA | 扩散Transformer, 图像恢复Transformer | PSNR, 对比度噪声比 | NA |
| 998 | 2026-03-06 |
Large-scale modeling of axonal dynamic responses via deep learning
2025-Dec-12, Biomechanics and modeling in mechanobiology
IF:3.0Q3
DOI:10.1007/s10237-025-02034-6
PMID:41384998
|
研究论文 | 本研究利用深度学习训练卷积神经网络，快速估计轴突损伤参数，以解决大规模轴突动态模拟计算成本高的问题 | 提出了一种基于CNN的快速估计方法，通过分层自适应采样策略生成训练数据，实现了约3150万倍的效率提升，支持高分辨率全白质轴突响应模拟 | 研究基于男性冰球运动员的头部撞击数据，样本量有限（N=46），且未涵盖不同性别或运动类型的广泛验证 | 开发一种高效的大规模轴突动态响应模拟方法，以研究白质损伤机制 | 冰球运动员头部撞击导致的轴突应变及损伤参数 | 机器学习 | 白质损伤 | 基于纤维束成像的应变分析，轴突损伤模型模拟 | CNN | 纤维应变剖面数据 | 46次头部撞击模拟数据，4979个体素，2000个训练样本，75个独立验证样本 | NA | 卷积神经网络 | 决定系数（R²），归一化均方根误差（NRMSE） | NA |
| 999 | 2026-03-06 |
Integrating Model-Based Reconstruction and Deep Learning for Accelerating Mass Spectrometry Imaging
2025-Nov-18, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04075
PMID:41199627
|
研究论文 | 本文提出了一种结合模型重建与深度学习的方法，用于加速质谱成像，通过稀疏采样像素重建高分辨率离子图像 | 将光栅扫描前向模型与深度学习先验结合，无需针对不同采集设置重新训练，实现了跨仪器、设置和组织类型的通用高保真重建 | 未明确提及方法在极端稀疏采样或噪声环境下的性能限制，也未讨论计算时间或资源消耗的具体细节 | 加速质谱成像过程，以克服高分辨率组织映射和3D重建中的时间限制 | 质谱成像数据，涉及不同仪器、采集设置和组织类型（如脑和肾脏切片） | 计算成像 | NA | 质谱成像 | 深度学习 | 图像 | 涉及多种组织类型（如脑和肾脏切片），但未指定具体样本数量 | NA | 基于预训练网络的去噪器 | NA | NA |
| 1000 | 2026-03-06 |
Deep Learning with Disc Photos or OCT Scans in Glaucoma Detection
2025 Nov-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100877
PMID:40893625
|
研究论文 | 本研究比较了基于OCT RNFLT图和视盘照片的深度学习模型在青光眼检测中的诊断性能，发现OCT模型更优，并评估了不同人口学组间的性能差异 | 首次系统比较基于OCT RNFLT客观定量测量与视盘照片的深度学习模型在青光眼功能损伤检测中的性能，并深入分析人口学因素对模型诊断性能的影响 | 回顾性单中心研究，数据来自特定时间段（2011-2022年），可能存在选择偏倚；未考虑其他青光眼诊断标准（如结构损伤） | 评估基于OCT RNFLT图与视盘照片的深度学习模型在青光眼检测中的准确性差异，并分析模型在不同人口学群体中的诊断性能 | 青光眼患者（基于视野缺损定义）的OCT RNFLT图和视盘照片 | 数字病理学 | 青光眼 | OCT（光学相干断层扫描），视野检查 | 深度学习模型 | 图像（OCT RNFLT图，视盘照片） | 16,936组视盘照片和OCT图像集，经质量筛选后用于模型训练和测试 | NA | NA | AUC（曲线下面积），准确性 | NA |