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 18663 篇文献，本页显示第 1601 - 1620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1601 | 2025-12-03 |
Advantages and Limitations of AlphaFold in Structural Biology: Insights from Recent Studies
2025-Dec-01, The protein journal
DOI:10.1007/s10930-025-10310-8
PMID:41326937
|
综述 | 本文综述了2022年至2025年间AlphaFold在结构生物学中的应用、优势与局限性 | 系统性地总结了AlphaFold在病毒学、微生物学和生物医学等不同领域的最新应用案例，并分析了其方法扩展（如AlphaFold-Multimer）以及与分子动力学模拟结合的价值 | AlphaFold对固有无序区域、蛋白质-配体/辅因子相互作用、以及大型或瞬时组装的预测存在重要局限性，约三分之一的残基可能缺乏原子精度 | 评估AlphaFold在结构生物学中的实际影响、优势与剩余挑战，并指出未来方法创新和正交验证的优先方向 | 人类、微生物和病毒系统中的蛋白质结构，包括SARS-CoV-2刺突和核衣壳蛋白、细菌核糖体和膜蛋白复合物、人类GPCRs等 | 结构生物学 | NA | 深度学习蛋白质结构预测，分子动力学模拟 | 深度学习模型 | 氨基酸序列，冷冻电镜图谱 | NA | NA | AlphaFold, AlphaFold-Multimer | 原子精度 | NA |
| 1602 | 2025-12-03 |
Optimizing chlorophyll content prediction in tea leaves via spectral transformations and deep learning
2025-Dec-01, BMC plant biology
IF:4.3Q1
DOI:10.1186/s12870-025-07863-2
PMID:41326998
|
研究论文 | 本研究通过结合光谱预处理技术与深度学习模型，优化了茶叶叶绿素含量的预测精度 | 首次系统比较了四种光谱预处理方法（原始反射率、连续统去除、去趋势、标准正态变量变换）与四种深度学习模型（1D-CNN、自监督学习、视觉Transformer、Conformer）的组合效果，揭示了预处理方法与模型架构之间的最佳配对关系 | 研究仅针对茶叶单一物种，未在其他植物上验证；使用的样本量未明确说明；模型性能可能受特定光谱设备与环境条件影响 | 优化植物叶绿素含量的光谱预测方法，支持精准农业与植物表型分析 | 茶叶（Camellia sinensis）叶片 | 机器学习 | NA | 光谱反射率测量 | 1D-CNN, SSL, ViT, Conformer | 光谱数据 | NA | NA | 1D-CNN, Vision Transformer, Conformer | R², RPD | NA |
| 1603 | 2025-12-03 |
Automated abdominal aortic calcification scoring via deep learning: a multi-center validation of LVLCRNet
2025-Dec-01, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-02072-7
PMID:41327056
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1604 | 2025-12-03 |
S-ResNet-34: small sample-ResNet-34 for predicting cervical degeneration in x-ray image data
2025-Dec-01, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-09273-9
PMID:41327180
|
研究论文 | 本研究提出了一种改进的深度学习模型S-ResNet-34，用于从小样本X射线图像数据中预测颈椎退行性病变 | 在ResNet-34架构的基础上，引入了一个可学习的权重矩阵与残差块中的卷积操作集成，以增强模型的非线性表示能力 | NA | 构建一个更准确且成本效益更高的深度学习模型，用于诊断颈椎生理曲度异常 | 240名在2020-2024年间被诊断为颈椎病的患者的X射线图像 | 计算机视觉 | 颈椎病 | X射线成像 | CNN | 图像 | 240名患者 | NA | S-ResNet-34, ResNet-34, YOLO-V3 | 准确率, F1分数, 召回率 | NA |
| 1605 | 2025-12-03 |
The roles of radiomics and deep learning for automatic detection, stability assessment, and rupture risk prediction in intracranial aneurysms: a systematic review
2025-Dec-01, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03588-y
PMID:41327324
|
综述 | 本文系统综述了影像组学和深度学习在颅内动脉瘤自动检测、稳定性评估和破裂风险预测中的作用 | 系统总结了2015年至2024年间该领域的研究进展，并指出当前研究多为回顾性、单中心且异质性高，缺乏校准和外部验证，强调了未来需要大规模、前瞻性、多中心研究以及开发易用开源动态在线工具的重要性 | 纳入的研究多为回顾性、单中心，样本量小，缺乏模型校准和跨平台验证，且所有研究均存在数据质量和模型稳健性方面的挑战 | 系统评估影像组学和深度学习在颅内动脉瘤自动检测、稳定性评估及破裂风险预测中的应用，为患者个体化分层管理提供见解 | 颅内动脉瘤 | 医学影像分析 | 颅内动脉瘤 | 影像组学，深度学习 | 深度学习框架 | 医学影像数据 | 总计32,991个颅内动脉瘤，来自28项原始研究 | NA | NA | AUC | NA |
| 1606 | 2025-12-03 |
Computer models and artificial intelligence increase the fidelity and efficiency of the in vitro models for hearing loss
2025-Dec-01, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-025-01467-5
PMID:41327400
|
综述 | 本文综述了人工智能算法在体外听觉模型中的整合现状，旨在提高这些模型的准确性、效率和转化潜力 | 探索了计算机建模、机器学习和深度学习在增强体外听觉模型生理相关性、可扩展性和可重复性方面的创新应用 | 面临数据标准化、生物复杂性及模型可解释性等挑战 | 提高体外听觉模型的保真度和效率，以研究听力损失的机制并测试潜在疗法 | 体外听觉模型，如永生化听觉毛细胞系、耳蜗外植体和内耳类器官 | 机器学习 | 听力损失 | 高通量图像分析、组学数据分析、耳蜗结构分割 | 机器学习, 深度学习 | 图像, 组学数据 | NA | NA | NA | NA | NA |
| 1607 | 2025-12-03 |
Deep learning-based classification of acute scrotum using single ultrasound images
2025-Dec-01, BJU international
IF:3.7Q1
DOI:10.1111/bju.70091
PMID:41327908
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于利用单张超声图像对急性阴囊进行鉴别诊断 | 首次将EfficientNet架构应用于急性阴囊的超声图像分类，并利用类激活映射解释模型决策，定位病理关键区域 | 研究样本量相对有限，且存在类别不平衡问题；前瞻性试点研究规模较小，需要更大规模、更平衡的多中心研究来验证临床效用 | 开发深度学习模型，用于急性阴囊疼痛的鉴别诊断，特别是区分睾丸扭转与非扭转情况 | 急性阴囊疼痛患者 | 计算机视觉 | 急性阴囊疾病 | 多普勒超声成像 | CNN | 图像 | 1172名患者，来自四家医院 | NA | EfficientNet | 准确率, 精确率, 灵敏度, F1分数 | NA |
| 1608 | 2025-12-03 |
A scalable equivariant graph network framework for precise protein function prediction
2025-Nov-29, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03886-y
PMID:41318581
|
研究论文 | 提出一个名为ENGINE的可扩展等变图网络框架，用于精确预测蛋白质功能 | 整合了等变图卷积网络以捕获蛋白质3D结构的几何特征，利用大语言模型ESM-C编码进化和序列信息，并创新性地结合了统一空间与序列信号的3D序列表示 | 未在摘要中明确说明 | 开发高效的计算方法以进行准确的蛋白质功能注释 | 蛋白质 | 机器学习 | NA | 深度学习 | 图卷积网络, 大语言模型 | 蛋白质3D结构, 序列数据 | NA | NA | 等变图卷积网络, ESM-C | 预测准确性 | NA |
| 1609 | 2025-12-03 |
A Deep Learning Radiomics Model Based on Superb Microvascular Imaging for Non-Invasive Prediction of the Degree of Arteriolosclerosis in Patients With Chronic Kidney Disease
2025-Nov-29, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究开发并验证了一种基于超微血管成像的深度学习放射组学模型，用于无创评估慢性肾病患者的动脉硬化严重程度 | 结合超微血管成像、深度学习特征和放射组学特征，构建了深度学习放射组学模型，在无创预测动脉硬化程度方面表现出优于单一模型的性能 | 研究为前瞻性但样本量有限（326例），且仅来自两个医疗中心，可能需要更大规模的多中心验证 | 开发一种无创评估慢性肾病患者动脉硬化严重程度的模型 | 慢性肾病患者 | 数字病理学 | 慢性肾病 | 超微血管成像 | 深度学习 | 图像 | 326例慢性肾病患者（165例动脉硬化阳性，161例阴性） | NA | 深度学习放射组学模型 | AUC, 决策曲线分析 | NA |
| 1610 | 2025-12-03 |
A deep learning framework for automated dental segmentation and diagnostic report generation from cone-beam computed tomography
2025-Nov-28, Head & face medicine
IF:2.4Q2
DOI:10.1186/s13005-025-00555-0
PMID:41316386
|
研究论文 | 本文开发了一个深度学习框架，用于从锥形束计算机断层扫描图像中自动分割牙齿并生成辅助诊断报告 | 提出了一种结合3D TransUNet、nnU-Netv2和3D DenseNet169的两阶段流水线模型，实现了牙齿自动分割与疾病诊断的一体化，并能自动生成结构化辅助诊断报告 | 未明确提及模型的计算复杂度、泛化能力到其他数据集或临床环境中的验证情况 | 开发一个能够自动分割CBCT图像中的牙齿并生成辅助诊断报告的深度学习模型 | 锥形束计算机断层扫描图像中的牙齿 | 计算机视觉 | 牙科疾病 | 锥形束计算机断层扫描 | 深度学习模型 | 3D医学图像 | 450个CBCT数据集 | NA | 3D TransUNet, nnU-Netv2, 3D DenseNet169 | Dice相似系数, 平均对称表面距离, 准确率, F1分数 | NA |
| 1611 | 2025-11-30 |
Integrative and deep learning-based prediction of therapy response in ovarian cancer
2025-Nov-28, Journal of experimental & clinical cancer research : CR
IF:11.4Q1
DOI:10.1186/s13046-025-03554-w
PMID:41316472
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1612 | 2025-12-03 |
Capuchin Red Kite-optimized Swin Transformer-based Convolutional Block Attention Module for Early Diagnosis and Classification of Pneumonia
2025-Nov-28, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出一种结合Capuchin Red Kite优化算法与Swin Transformer注意力模块的深度学习模型，用于肺炎、COVID-19和正常病例的早期诊断与分类 | 首次将Capuchin Red Kite优化算法与Swin Transformer注意力模块结合，并采用混合特征提取与自适应门控循环单元进行特征融合 | 模型仅在公开数据集上验证，未来需要在多样化真实世界数据集中验证泛化能力 | 开发高效的深度学习模型用于肺炎、COVID-19和正常病例的准确分类 | 胸部X光和CT图像 | 计算机视觉 | 肺炎 | 医学影像分析 | 深度学习 | 图像 | Kaggle公开胸部X光数据集 | NA | Swin Transformer, ResNet, Vision Transformer, 卷积块注意力模块 | 准确率, AUC | NA |
| 1613 | 2025-12-03 |
Deep Learning and Attention Mechanism-based Prediction of Vaginal Invasion in Early-Stage Cervical Cancer
2025-Nov-28, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究提出了一种结合3D ResNet分类和Grad-CAM可视化的新方法，利用T2WI-MRI预测早期宫颈癌的阴道侵犯，以提高诊断准确性并实现侵袭性病变的解剖定位 | 创新性地融合了3D ResNet分类与Grad-CAM可视化，通过各向异性卷积层和复杂数据增强优化模型，并整合瘤内及瘤周（3mm）区域特征，实现了对阴道侵犯的非侵入性预测及病变定位 | 研究基于单中心回顾性队列，样本量有限，限制了结果的普适性，需要外部验证和前瞻性研究才能进行临床转化 | 预测早期宫颈癌（IB-IIA期）的阴道侵犯，以辅助保留生育功能的决策 | 160例经病理证实的IB-IIA期宫颈癌患者的矢状位T2WI-MRI图像 | 计算机视觉 | 宫颈癌 | T2WI-MRI | 深度学习 | 医学影像（MRI图像） | 160例患者 | NA | 3D ResNet-18 | AUC, 敏感性, 特异性, 准确率, 精确率 | NA |
| 1614 | 2025-12-03 |
Spatial Attention-guided Hybrid Deep Learning with Sharpened Cosine Similarity for Accurate Chest X-ray Interpretation
2025-Nov-28, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出了一种结合空间注意力引导的混合深度学习框架VSAG-HDL Net，用于提高胸部X射线图像中病变分割和疾病分类的准确性和可解释性 | 整合了变分空间注意力融合U-Net（VSA-FU-Net）进行病变分割和锐化余弦相似度（SCS）网络进行疾病分类，通过消除冗余特征提取和空间注意力机制提升诊断性能和计算效率 | 在分类准确率上略低于DenseNet+VIT和DenseNet+VIT+GAP模型（分别低2.0%和2.3%） | 提高胸部X射线图像中呼吸系统疾病（如COVID-19和肺炎）的诊断准确性和可解释性 | 胸部X射线图像 | 计算机视觉 | 呼吸系统疾病 | NA | 混合深度学习框架 | 图像 | 21,165张胸部X射线图像 | NA | VSA-FU-Net, SCS Network | Dice相似系数, 交并比, 准确率 | NA |
| 1615 | 2025-12-03 |
Active learning framework leveraging transcriptomics identifies modulators of disease phenotypes
2025-Nov-27, Science (New York, N.Y.)
DOI:10.1126/science.adi8577
PMID:41129612
|
研究论文 | 本文提出了一种利用转录组学的主动深度学习框架，用于高效识别诱导复杂疾病表型的化合物 | 开发了一种结合组学数据的主动深度学习框架，相比现有模型在表型命中率上实现了13至17倍的提升，并通过实验室闭环签名优化步骤进一步提高了命中率 | NA | 克服表型药物筛选中的化学空间广阔性和实验规模化挑战，加速药物发现 | 化合物及其对疾病表型的调控作用 | 机器学习 | 血液疾病 | 转录组学 | 深度学习 | 组学数据 | NA | NA | NA | 召回率, 表型命中率 | NA |
| 1616 | 2025-12-03 |
Thermodynamic principles link in vitro transcription factor affinities to single-molecule chromatin states in cells
2025-Nov-26, Cell
IF:45.5Q1
DOI:10.1016/j.cell.2025.11.008
PMID:41308636
|
研究论文 | 本文通过比较体外转录因子结合速率和亲和力与体内单分子转录因子及核小体占据情况，揭示了热力学原理如何连接体外转录因子亲和力与细胞内单分子染色质状态 | 首次将体外转录因子亲和力与体内单分子染色质状态通过热力学原理定量关联，并利用深度学习模型验证了体外生物物理参数对体内序列偏好和染色质状态的预测能力 | 研究仅针对人类转录因子eKLF/KLF1，未涵盖其他转录因子或更广泛的生物体系 | 定量理解转录因子结合和可及染色质形成的分子细节，包括序列背景如何调节亲和力、转录因子如何搜索DNA、转录因子占据的动力学以及基序语法如何协调结合 | 人类转录因子eKLF/KLF1 | 生物物理学 | NA | 高通量体外结合测定、单分子染色质占据测量、深度学习建模 | 深度学习模型 | 体外结合速率和亲和力数据、体内单分子转录因子和核小体占据数据 | NA | NA | NA | NA | NA |
| 1617 | 2025-12-03 |
scRegulate: Single-Cell Regulatory-Embedded Variational Inference of Transcription Factor Activity from Gene Expression
2025-Nov-25, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf638
PMID:41288963
|
研究论文 | 本文提出了一种名为scRegulate的生成式深度学习框架，用于从单细胞RNA测序数据中推断转录因子活性和基因调控网络 | scRegulate通过变分推理整合先验生物知识与数据驱动推断，能够捕获新颖、动态和上下文特异的调控相互作用，相比现有方法更具可扩展性和生物学基础 | 未在摘要中明确提及 | 开发一个从单细胞RNA测序数据中准确推断转录因子活性和基因调控网络的计算框架 | 单细胞RNA测序数据，转录因子及其靶基因关系 | 计算生物学 | NA | 单细胞RNA测序 | 变分自编码器 | 基因表达数据 | 公共实验和合成数据集，人类PBMC单细胞RNA测序数据 | PyTorch | 变分推理模型 | 准确性，效率（速度比较） | NA |
| 1618 | 2025-12-03 |
One-click reconstruction in single-molecule localization microscopy via experimental parameter-aware deep learning
2025-Nov-25, Npj imaging
DOI:10.1038/s44303-025-00123-w
PMID:41291118
|
研究论文 | 本文介绍了AutoDS和AutoDS3D两种软件程序，用于单分子定位显微镜数据的超分辨率重建，基于Deep-STORM和DeepSTORM3D，通过实验参数感知的深度学习实现一键式重建 | 通过自动从原始成像数据中提取实验参数，显著减少了分析过程中的人工干预，在2D情况下从预训练模型集中选择最优模型，在3D情况下提高了计算效率并集成为图形用户界面 | 未明确提及具体局限性，但可能依赖于预训练模型的覆盖范围或实验条件的通用性 | 开发自动化软件以减少单分子定位超分辨率显微镜中的人工干预和计算时间 | 单分子定位显微镜数据 | 计算机视觉 | NA | 单分子定位超分辨率显微镜 | 深度神经网络 | 图像 | NA | NA | Deep-STORM, DeepSTORM3D | NA | NA |
| 1619 | 2025-12-03 |
SpectralFlow: an integrated platform for spectral data preprocessing and predictive modeling analysis in fruit quality evaluation
2025-Nov-24, The Analyst
DOI:10.1039/d5an00794a
PMID:41283740
|
研究论文 | 本文介绍了SpectralFlow软件平台，该平台集成了光谱数据预处理和预测建模分析功能，用于水果质量评估 | 开发了一个集成平台，支持复杂超参数调优和先进深度学习架构，并具备从高光谱图像中提取特征的功能，解决了现有软件在光谱分析中的局限性 | NA | 开发一个集成平台，以降低光谱分析的技术门槛，优化光谱数据处理并简化模型训练过程 | 水果（芒果、苹果、猕猴桃、梨） | 机器学习 | NA | 近红外光谱和高光谱成像 | 深度学习 | 光谱数据、高光谱图像 | NA | NA | NA | 准确率、R平方值 | NA |
| 1620 | 2025-12-03 |
Leveraging Swin Transformer for enhanced diagnosis of Alzheimer's disease using multi-shell diffusion MRI
2025-Nov-24, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3636745
PMID:41284461
|
研究论文 | 本研究利用Swin Transformer深度学习框架，结合多壳层扩散MRI数据，旨在支持阿尔茨海默病的早期诊断和淀粉样蛋白积累的检测 | 首次将Swin Transformer应用于多壳层扩散MRI数据，并集成低秩适应技术以在有限标记神经影像数据下有效适应模型 | 研究基于有限标记数据，可能影响模型泛化能力，且性能在淀粉样蛋白检测任务中仍有提升空间 | 支持阿尔茨海默病的早期诊断和淀粉样蛋白积累的检测 | 阿尔茨海默病患者、轻度认知障碍患者和认知正常个体 | 计算机视觉 | 阿尔茨海默病 | 多壳层扩散MRI | Transformer | 图像 | 未明确指定 | PyTorch | Swin Transformer | 平衡准确率 | NA |