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 1370 篇文献，本页显示第 781 - 800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2025-10-07 |
Artificial Intelligence Prediction of Age from Echocardiography as a Marker for Cardiovascular Disease
2025-Mar-26, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.25.25324627
PMID:40196275
|
研究论文 | 本研究开发了一种基于深度学习的人工智能方法，通过超声心动图视频预测年龄，并识别心血管加速老化和延迟老化的特征 | 首次利用大规模多视角超声心动图视频数据开发年龄预测AI模型，并发现年龄预测结果与心血管疾病风险及心脏移植状态的关联 | 研究基于单一医疗中心数据，需要外部验证；模型性能可能受超声图像质量影响 | 通过AI分析超声心动图预测生物年龄，增强心血管风险评估和对心脏生物老化的理解 | 90,738名独特患者的166,508项研究中的2,610,266个超声心动图视频 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习 | 视频 | 90,738名患者，166,508项研究，2,610,266个视频 | NA | NA | 平均绝对误差(MAE), 决定系数(R²) | NA |
| 782 | 2025-10-07 |
VISTA Uncovers Missing Gene Expression and Spatial-induced Information for Spatial Transcriptomic Data Analysis
2025-Mar-18, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.26.609718
PMID:40166134
|
研究论文 | 提出VISTA方法用于空间转录组数据的基因表达预测和缺失信息填补 | 基于变分推断和几何深度学习联合建模scRNA-seq和SST数据，并引入不确定性量化 | 未明确说明方法在特定组织类型或疾病状态下的适用性限制 | 解决空间转录组技术中基因检测数量有限的问题 | 空间转录组数据 | 生物信息学 | NA | 单细胞RNA测序(scRNA-seq), 亚细胞空间转录组学(SST) | 几何深度学习 | 基因表达数据, 空间位置数据 | 四个SST数据集 | NA | NA | 插补性能, 时间效率, 内存消耗 | NA |
| 783 | 2025-10-07 |
Enhancing Relation Extraction for COVID-19 Vaccine Shot-Adverse Event Associations with Large Language Models
2025-Mar-17, Research square
DOI:10.21203/rs.3.rs-6201919/v1
PMID:40166033
|
研究论文 | 本研究利用大语言模型和深度学习模型从VAERS和社交媒体数据中提取COVID-19疫苗与不良事件之间的关系 | 首次将GPT-3.5和GPT-4等大语言模型与传统模型结合，用于疫苗不良事件关系抽取，并采用句子级关系识别方法 | 数据集仅包含771个关系对，样本规模有限 | 提高COVID-19疫苗注射与不良事件关联关系抽取的准确性 | COVID-19疫苗与不良事件之间的关系 | 自然语言处理 | COVID-19 | 关系抽取 | GPT, RNN, BioBERT | 文本 | 771个关系对 | NA | GPT-3.5, GPT-4, RNN, BioBERT | 精确率, 召回率, F1分数 | NA |
| 784 | 2025-10-07 |
Optimizing deep neural networks for high-resolution land cover classification through data augmentation
2025-Mar-18, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-13870-5
PMID:40102280
|
研究论文 | 本研究通过系统评估多种数据增强技术，优化深度神经网络在高分辨率土地覆盖分类中的性能 | 首次对土地覆盖分类任务中的多种数据增强技术进行系统性比较评估，填补了该领域的研究空白 | 研究仅基于西班牙坎塔布里亚地区的25厘米分辨率图像，可能在不同地理区域存在泛化性限制 | 优化高分辨率土地覆盖分类的深度学习模型性能 | 土地覆盖分类 | 计算机视觉 | NA | 数据增强技术 | 深度学习 | 高分辨率图像 | 580个基于分层抽样方法选择的验证样本 | NA | U-Net, DeepLabv3+, FCN, PSPNet | 准确率, IoU | NA |
| 785 | 2025-10-07 |
Comprehensive benchmarking of large language models for RNA secondary structure prediction
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf137
PMID:40205851
|
研究论文 | 对预训练RNA大语言模型在RNA二级结构预测任务中的性能进行综合基准测试和比较分析 | 首次在统一实验设置下系统评估多种RNA-LLM的泛化能力，并提供难度递增的精选基准数据集 | 在低同源性场景下的泛化能力仍面临显著挑战 | 评估预训练RNA大语言模型在RNA二级结构预测任务中的性能 | RNA大语言模型及其在RNA二级结构预测中的应用 | 自然语言处理 | NA | 自监督学习 | LLM | RNA序列数据 | NA | NA | 深度学习架构 | 泛化能力评估 | NA |
| 786 | 2025-10-07 |
Routine and Advanced Neurologic Imaging at 0.55-T MRI: Opportunities and Challenges
2025-03, Radiographics : a review publication of the Radiological Society of North America, Inc
IF:5.2Q1
DOI:10.1148/rg.240076
PMID:39946265
|
研究论文 | 本文探讨了0.55-T MRI系统在神经影像学中的应用机会与挑战 | 首次系统评估现代全身0.55-T中场强MRI系统在神经放射学中的协议和适应症，探索低场强在硬件成像和特定结构成像中的优势 | 图像质量低于1.5T系统，频率选择性脂肪饱和受限，动态对比增强灌注成像信号强度不足，无法评估多发性硬化症和原发性脑肿瘤 | 评估0.55-T MRI系统在神经影像学中的临床应用价值和局限性 | 脑部和脊柱的常规神经影像学检查，颅内和脊柱硬件成像，内耳道等近骨结构 | 医学影像 | 神经系统疾病 | MRI, 平衡稳态自由进动序列, 单次激发快速自旋回波MRI, 动态对比增强磁敏感加权灌注成像 | 深度学习算法 | 医学影像 | NA | NA | NA | 图像质量, 诊断能力, 伪影减少, 场均匀性 | NA |
| 787 | 2025-10-07 |
Precise perivascular space segmentation on magnetic resonance imaging from Human Connectome Project-Aging
2025-Mar-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.19.25324269
PMID:40166557
|
研究论文 | 本研究基于人类连接组计划老龄化项目的T2加权磁共振成像，开发了精确的血管周围间隙分割数据集和方法 | 结合无监督学习、深度学习和人工校正技术，创建了包含200名30-100岁受试者的精细化PVS分割数据集 | PVS尺寸微小、MRI表现多样且标注数据稀缺带来的分割挑战 | 实现血管周围空间的精确分割，研究其与年龄变化和认知衰退的关联 | 人类连接组计划老龄化项目的200名30-100岁受试者的脑部MRI数据 | 医学影像分析 | 神经退行性疾病 | T2加权磁共振成像 | 深度学习 | 磁共振图像 | 200名年龄30-100岁的受试者 | NA | NA | NA | NA |
| 788 | 2025-10-07 |
A mechanistic neural network model predicts both potency and toxicity of antimicrobial combination therapies
2025-Mar-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.19.25324270
PMID:40166569
|
研究论文 | 提出一种结合机制建模与深度学习的CALMA模型，用于预测抗菌药物组合疗法的效力和毒性 | 将机制建模与神经网络相结合，提高模型可解释性，同时识别影响药物相互作用的关键通路 | NA | 开发能预测多药物组合效力和毒性的计算方法，优化抗菌联合疗法设计 | 抗菌药物组合（如万古霉素和异烟肼） | 机器学习 | 抗菌药物耐药性 | 深度学习，机制建模 | 神经网络 | 细胞活力测定数据，患者健康记录 | 人类细胞系实验和患者健康记录数据 | NA | CALMA | NA | NA |
| 789 | 2025-02-19 |
Deep learning: Cracking the metabolic code
2025-Mar-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001220
PMID:39960202
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 790 | 2025-04-12 |
Optimizing Input Selection for Cardiac Model Training and Inference: An Efficient 3D Convolutional Neural Networks-Based Approach to Automate Coronary Angiogram Video Selection
2025-Mar, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2025.100195
PMID:40206993
|
研究论文 | 开发了一种基于3D卷积神经网络的自动化方法，用于选择适合训练深度学习模型的冠状动脉造影视频 | 使用3D-CNN模型（特别是X3D-L）在冠状动脉造影视频选择中实现了高效自动化，并在计算效率和复杂性之间取得了平衡 | 在独立数据集上验证时，所有指标略有下降 | 提高医学图像分析的准确性和效率 | 冠状动脉造影视频 | 数字病理 | 心血管疾病 | 深度学习 | 3D-CNN（ResNet和X3D） | 视频 | 232例冠状动脉造影研究用于训练，3208例手术用于独立验证 | NA | NA | NA | NA |
| 791 | 2025-04-12 |
Gait Speed and Task Specificity in Predicting Lower-Limb Kinematics: A Deep Learning Approach Using Inertial Sensors
2025-Mar, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2024.11.004
PMID:40207006
|
研究论文 | 开发一个深度学习框架，利用惯性测量单元(IMU)数据预测多任务步态下的下肢关节运动学，并评估动态时间规整(DTW)对减少预测误差的影响 | 提出了一种结合LSTM自编码器和监督回归的深度学习模型，用于多任务步态下的关节运动学预测，并验证了DTW在降低预测误差方面的有效性 | 样本量较小(仅18名参与者)，且仅验证了矢状面的关节角度预测 | 开发远程连续生物力学评估的实用解决方案 | 下肢关节(髋、膝、踝)运动学预测 | 机器学习 | NA | 惯性测量单元(IMU)，光学运动捕捉系统 | LSTM自编码器监督回归模型(含LSTM和CNN层) | IMU传感器数据(加速度计和陀螺仪的3轴数据及其幅值) | 18名参与者 | NA | NA | NA | NA |
| 792 | 2025-04-12 |
Leveraging Comprehensive Echo Data to Power Artificial Intelligence Models for Handheld Cardiac Ultrasound
2025-Mar, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2025.100194
PMID:40207004
|
研究论文 | 开发了一个端到端的深度学习框架，用于从超声心动图视频中估计左心室射血分数（LVEF）、患者年龄和性别分类，包括使用手持心脏超声（HCU）收集的视频 | 利用全面的超声心动图数据为手持心脏超声的人工智能模型提供支持，展示了手持设备可以获得聚焦诊断图像 | 研究主要基于Mayo Clinic的数据，可能在其他医疗系统中的泛化性有待验证 | 开发深度学习模型以提升手持心脏超声的诊断能力 | 超声心动图视频，包括手持心脏超声（HCU）和经胸超声心动图（TTE）数据 | 数字病理 | 心血管疾病 | 深度学习 | 深度学习模型 | 视频 | 训练集6432项研究，内部验证集1369项研究，前瞻性数据集625名患者 | NA | NA | NA | NA |
| 793 | 2025-04-01 |
Author Correction: Deep learning based decision-making and outcome prediction for adolescent idiopathic scoliosis patients with posterior surgery
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95425-9
PMID:40155745
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 794 | 2025-04-11 |
Anticancer drug response prediction integrating multi-omics pathway-based difference features and multiple deep learning techniques
2025-Mar, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012905
PMID:40163555
|
研究论文 | 本研究提出了一种名为PASO的深度学习模型，用于预测细胞系对抗癌药物的敏感性，整合了多组学路径差异特征和多种深度学习技术 | PASO模型创新性地结合了transformer编码器、多尺度卷积网络和注意力机制，利用细胞系的多组学数据和药物分子的SMILES表示进行药物敏感性预测 | NA | 开发一个能够准确预测个体患者对抗癌药物反应的模型，以支持精准医疗 | 细胞系的多组学数据和药物分子的SMILES表示 | 机器学习 | 肺癌 | 多组学数据分析（基因表达、基因突变、基因拷贝数变异） | PASO（整合transformer encoder、多尺度CNN和注意力机制） | 多组学数据、药物SMILES表示 | NA | NA | NA | NA | NA |
| 795 | 2025-04-11 |
Differential impact of commercial rootstocks on the physiological response of a common walnut scion to drought stress
2025 Mar-Apr, Physiologia plantarum
IF:5.4Q1
DOI:10.1111/ppl.70188
PMID:40207703
|
research paper | 该研究评估了不同商业砧木对普通核桃接穗在干旱条件下生理反应的影响 | 首次使用深度学习作为独立方法分析冠层对水分胁迫的响应，并发现RX1砧木在水分胁迫下具有较高的叶片膨压和水分利用效率 | 研究仅针对三种砧木和一种接穗品种，结果可能不具有普遍性 | 评估不同商业砧木对核桃接穗在干旱条件下生理反应的影响 | 核桃砧木(RX1, VX211和Vlach)和英国核桃接穗(Juglans regia cv. Cisco) | 植物生理学 | NA | mini-lysimeter平台, 深度学习 | 深度学习模型(未指定具体类型) | 土壤湿度数据, 蒸腾水分损失数据, 冠层图像 | 三种砧木(RX1, VX211和Vlach)和一种接穗品种(Cisco) | NA | NA | NA | NA |
| 796 | 2025-04-09 |
Transformer-based artificial intelligence on single-cell clinical data for homeostatic mechanism inference and rational biomarker discovery
2025-Mar-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.24.25324556
PMID:40196278
|
research paper | 该研究开发了一种基于Transformer的人工智能流程，用于单细胞临床数据分析，以推断稳态机制并发现生物标志物 | 提出了一个通用的、可解释的AI流程，包括用于预测的MIST模型和用于可解释性的单细胞FastShap模型，能够解释70-82%的血细胞群体大小变化 | 研究仅针对血液细胞群体，未涉及其他组织或细胞类型 | 利用单细胞数据分析生物系统中的模式和机制，并发现潜在的临床相关生物标志物 | 循环红细胞（RBC）、白细胞（WBC）和血小板（PLT）的单细胞测量数据 | machine learning | sepsis, heart disease, diabetes | single-cell measurement | Transformer (MIST), FastShap | single-cell clinical data | 大量常规临床数据（具体数量未提及） | NA | NA | NA | NA |
| 797 | 2025-10-07 |
Deep learning-based multimodal CT/MRI image fusion and segmentation strategies for surgical planning of oral and maxillofacial tumors: A pilot study
2025-Mar-31, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2025.102324
PMID:40174752
|
研究论文 | 本研究评估基于深度学习的多模态CT/MRI图像融合与分割策略在口腔颌面部肿瘤手术规划中的可行性 | 结合三种图像融合模型和三种分割模型构建九种混合深度学习模型，用于口腔颌面部肿瘤的多模态影像分析 | 样本量较小（30例患者），属于初步研究 | 评估深度学习在多模态CT/MRI图像融合与分割中用于口腔颌面部肿瘤手术规划的准确性和可行性 | 口腔颌面部肿瘤患者 | 医学影像分析 | 口腔颌面部肿瘤 | 增强CT扫描, MRI扫描 | 深度学习 | CT图像, MRI图像 | 30例口腔颌面部肿瘤患者（2016-2022年） | NA | nnU-Net, 3D UX-Net, U-Net, Elastix, ANTs, NiftyReg | Fusion Index, Dice相似系数, 95% Hausdorff距离, 平均表面距离, 精确率, 召回率 | NA |
| 798 | 2025-10-07 |
Efficient annotation bootstrapping for cell identification in follicular lymphoma
2025-Mar-27, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108728
PMID:40188578
|
研究论文 | 本研究探索了滤泡性淋巴瘤诊断中降低标注成本的解决方案，比较了三种标注引导方法 | 提出基于定制细胞编码器和数字病理学基础模型上下文编码的混合架构，用于中心母细胞和中心细胞检测 | 研究仅基于41张全切片图像和12,704个细胞标注，样本规模有限 | 降低数字病理学中细胞识别任务的标注成本 | 滤泡性淋巴瘤中的中心母细胞和中心细胞 | 数字病理学 | 滤泡性淋巴瘤 | 全切片图像扫描 | 深度学习 | 病理图像 | 41张全切片图像，包含12,704个细胞标注 | NA | 定制细胞编码器，基础模型上下文编码 | 宏平均F1分数，精确率，召回率 | NA |
| 799 | 2025-10-07 |
Deep generative modeling of temperature-dependent structural ensembles of proteins
2025-Mar-13, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.09.642148
PMID:40161645
|
研究论文 | 开发了一种基于深度学习的原子级蛋白质结构集合生成模型，能够模拟温度依赖的构象变化 | 提出了首个可迁移的温度条件生成器aSAMt，能够在潜在空间中准确采样侧链和主链扭转角分布，并捕获温度依赖的集合特性 | 模型仍需基于分子动力学数据进行训练，尚未完全替代物理基础方法 | 开发能够生成蛋白质结构集合的深度生成模型，特别是温度依赖的构象变化 | 蛋白质结构集合，特别是重原子级别的构象变化 | 机器学习 | NA | 分子动力学模拟，深度学习 | 潜在扩散模型，自编码器 | 分子动力学模拟数据 | 大型开放的mdCATH数据集 | NA | 潜在扩散模型，自编码器 | 与长时分子动力学模拟比较，实验观测的热行为验证 | NA |
| 800 | 2025-10-07 |
Deep learning in single-cell and spatial transcriptomics data analysis: advances and challenges from a data science perspective
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf136
PMID:40185158
|
综述 | 本文从数据科学角度系统回顾了深度学习在单细胞和空间转录组学数据分析中的进展与挑战 | 系统评估了58种计算方法在9个基准测试的21个数据集上的性能表现，揭示了模型性能随数据集和评估指标变化的规律 | 高质量标注数据集仍然有限，生物组织复杂相关性使得准确重建细胞状态和空间背景存在困难 | 探讨深度学习在单细胞和空间转录组学数据分析中的应用前景和发展方向 | 单细胞测序数据和空间转录组数据 | 机器学习 | NA | 单细胞测序，空间转录组学 | 深度学习 | 基因表达数据，表观遗传修饰数据，代谢物水平数据，空间位置数据 | 21个数据集，包含数百万细胞 | NA | NA | 准确性，生物可解释性 | NA |