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 1388 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2025-12-04 |
An explainable deep learning platform for molecular discovery
2025-04, Nature protocols
IF:13.1Q1
DOI:10.1038/s41596-024-01084-x
PMID:39653800
|
研究论文 | 介绍了一个可解释的深度学习平台，用于分子发现，特别是抗生素结构类别的识别 | 结合Chemprop软件包中的图神经网络，提供可解释的深度学习平台，能识别预测活性的化学亚结构，并高效搜索大型化学空间 | 未提及具体性能限制或数据偏差问题 | 开发一个可解释的深度学习平台，用于分子发现，以识别具有所需活性的结构类别 | 小分子化合物，包括抗生素、抗癌、抗病毒和衰老相关药物，以及无机分子 | 机器学习 | NA | 图神经网络 | 图神经网络 | 化学结构数据 | NA | Chemprop | 图神经网络 | NA | 无需专用硬件 |
| 22 | 2025-12-03 |
Physics-informed deep learning for infectious disease forecasting
2025-Apr-29, ArXiv
PMID:39876937
|
研究论文 | 本研究提出了一种基于物理信息神经网络（PINN）的新型传染病预测模型，通过将疾病传播的动力学系统表示融入损失函数，结合流行病学理论和数据，以改进预测能力 | 将物理信息神经网络（PINN）应用于传染病预测，通过整合动力学系统表示和协变量子网络，防止过拟合并提升预测准确性 | 模型仅在加州州级COVID-19数据上进行了验证，未在其他地区或疾病上广泛测试 | 改进传染病预测方法，以更好地应对未来大流行病 | 传染病传播动态，特别是COVID-19的病例数、死亡数和住院数 | 机器学习 | 传染病 | 物理信息神经网络（PINN） | PINN, RNN, LSTM, GRU, Transformer | 时间序列数据 | 加州州级COVID-19数据 | NA | 物理信息神经网络（PINN），包含协变量子网络 | 预测一致性，与基准模型比较 | NA |
| 23 | 2025-12-03 |
One-click image reconstruction in single-molecule localization microscopy via deep learning
2025-Apr-18, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.13.648574
PMID:40376092
|
研究论文 | 本文介绍了AutoDS和AutoDS3D两种基于深度学习的软件，用于单分子定位超分辨率显微镜数据的自动重建，显著减少了人工干预 | 通过自动从原始成像数据中提取实验参数，减少了模型训练中的人工调参需求，并优化了计算效率，实现了单点击图像重建 | 未明确提及模型的泛化能力在极端实验条件下的表现或潜在的数据偏差问题 | 开发自动化软件以简化单分子定位超分辨率显微镜的图像重建过程，提高成像通量和减少人工干预 | 单分子定位超分辨率显微镜数据，特别是复杂生物样本的成像数据 | 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 |
| 24 | 2025-11-30 |
Rosette Trajectory MRI Reconstruction with Vision Transformers
2025-Apr-01, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography11040041
PMID:40278708
|
研究论文 | 提出一种结合逆傅里叶变换和视觉Transformer的玫瑰轨迹磁共振成像重建方法 | 首次将视觉Transformer网络与卷积层结合用于非笛卡尔数据重建，无需大量预处理即可处理复杂空间依赖关系 | NA | 开发高效的玫瑰轨迹磁共振成像重建流程 | 玫瑰轨迹磁共振成像数据 | 计算机视觉 | NA | 磁共振成像 | ViT, CNN | 医学图像 | NA | NA | Vision Transformer | 归一化均方根误差, 峰值信噪比, 基于熵的图像质量评分 | NA |
| 25 | 2025-11-26 |
Boosting Reservoir Computing with Brain-inspired Adaptive Dynamics
2025-Apr-16, ArXiv
PMID:40321946
|
研究论文 | 本研究通过引入受大脑启发的自适应机制来提升储层计算的性能 | 提出局部自适应调节兴奋-抑制平衡的机制，并引入神经元发放率的异质性设计 | 未明确说明实验数据的具体规模和复杂度 | 改进储层计算的性能与鲁棒性，减少超参数调优需求 | 储层计算系统 | 机器学习 | NA | 储层计算 | 储层计算网络 | 时间序列数据 | NA | NA | 具有随机固定连接的储层网络 | 记忆容量，时间序列预测精度 | NA |
| 26 | 2025-11-16 |
Optimizing Biophysical Large-Scale Brain Circuit Models With Deep Neural Networks
2025-Apr-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.07.647497
PMID:40291740
|
研究论文 | 提出一种利用深度神经网络优化生物物理大规模脑回路模型的新框架DELSSOME | 通过深度学习直接预测模型参数是否产生真实脑动力学，绕过了传统需要重复数值积分的方法 | NA | 优化生物物理脑回路模型的参数以增强生物合理性 | 反馈抑制控制平均场模型和脑动力学数据 | 计算神经科学 | NA | 平均场建模 | 深度神经网络 | 脑动力学数据 | NA | NA | NA | 速度提升倍数 | NA |
| 27 | 2025-11-15 |
Deep Learning-Based Event Counting for Apnea-Hypopnea Index Estimation Using Recursive Spiking Neural Networks
2025-04, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3498097
PMID:40030371
|
研究论文 | 提出一种基于递归脉冲神经网络的深度学习事件计数方法，用于家庭环境中睡眠呼吸暂停的筛查和呼吸暂停低通气指数估计 | 首次将递归脉冲神经网络应用于呼吸事件计数，无需精确定位事件时间点即可实现准确的AHI估计 | 样本量较小（N=33），需要在更大数据集上验证性能 | 开发改进的家庭睡眠呼吸暂停筛查方法 | 睡眠呼吸暂停患者 | 机器学习 | 睡眠呼吸暂停 | 音频记录，血氧饱和度记录 | SNN | 音频信号，SpO2信号 | 33例整夜录音数据 | NA | 递归脉冲神经网络 | 平均绝对误差 | NA |
| 28 | 2025-11-14 |
ACCELERATING QUANTITATIVE MRI USING SUBSPACE MULTISCALE ENERGY MODEL (SS-MUSE)
2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi60581.2025.10980741
PMID:40881623
|
研究论文 | 提出一种基于子空间多尺度能量模型的定量MRI加速方法 | 将即插即用多尺度能量模型推广到正则化子空间恢复设置，联合正则化3D多对比度空间因子 | NA | 加速定量MRI扫描，解决3D多对比度采集时间过长的问题 | 多对比度MRI图像 | 医学影像处理 | NA | 多对比度MRI | 多尺度能量模型 | 3D医学影像 | NA | NA | 子空间多尺度能量模型(SS-MUSE) | NA | NA |
| 29 | 2025-11-06 |
Characterization of binding kinetics and intracellular signaling of new psychoactive substances targeting cannabinoid receptor using transition-based reweighting method
2025-Apr-08, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.29.560261
PMID:37873328
|
研究论文 | 本研究通过分子动力学模拟和深度学习方法揭示了新型精神活性物质与大麻素受体结合动力学及下游信号传导的分子机制 | 结合过渡态重加权方法和神经关系推理模型分析配体结合动力学与下游信号传导的关系 | 研究主要关注两种特定配体，可能需要扩展到更多种类的新型精神活性物质 | 阐明新型精神活性物质与大麻素受体结合动力学及其对下游信号传导的影响机制 | 新型精神活性物质MDMB-Fubinaca和经典大麻素HU-210与大麻素受体1的结合过程 | 计算生物学 | 药物滥用 | 分子动力学模拟, 变分自编码器, 神经关系推理 | NRI, 变分自编码器 | 分子动力学轨迹数据 | 两种配体（MDMB-Fubinaca和HU-210）与受体的结合过程 | NA | 神经关系推理, 变分自编码器 | 过渡速率估计, 热力学参数分析, 变构效应评估 | NA |
| 30 | 2025-10-26 |
Memorization Bias Impacts Modeling of Alternative Conformational States of Symmetric Solute Carrier Membrane Proteins with Methods from Deep Learning
2025-Apr-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.15.603529
PMID:39071413
|
研究论文 | 本文评估了深度学习建模中记忆效应对溶质载体膜蛋白替代构象状态预测的影响，并提出了一种结合ESM和模板建模的新方法 | 开发了结合ESM和基于模板建模的方法，利用SLC蛋白内部伪对称性来一致建模替代构象状态 | 方法主要适用于具有伪对称结构的SLC蛋白，对其他类型蛋白的适用性未验证 | 解决深度学习在建模膜蛋白多构象状态时的记忆偏差问题 | 溶质载体(SLC)膜蛋白超家族 | 机器学习 | 病毒感染 | 深度学习方法，进化尺度建模，模板建模 | AlphaFold2, AlphaFold3, ESM | 蛋白质序列，结构数据 | 多个整合膜蛋白转运体，包括SLC35F2 | AlphaFold, ESM | 深度学习蛋白质结构预测模型 | 与进化协方差数据比较验证 | NA |
| 31 | 2025-10-25 |
Mixing individual and collective behaviors to predict out-of-routine mobility
2025-Apr-29, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2414848122
PMID:40267135
|
研究论文 | 提出一种动态融合个体与集体移动行为的方法，用于预测人类非常规出行 | 通过集体智能动态整合个体与集体移动行为，提升对非常规出行预测的准确性 | 模型在兴趣点密集的城区效果更佳，其他区域效果可能受限 | 解决人类移动预测中的非常规行为预测问题 | 人类移动轨迹数据 | 机器学习 | NA | 轨迹数据分析 | 深度学习, 马尔可夫模型 | 轨迹数据 | 美国五个城市的数百万条隐私保护轨迹 | NA | NA | 预测准确率 | NA |
| 32 | 2025-10-25 |
Transitions in dynamical regime and neural mode underlie perceptual decision-making
2025-Apr-07, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.15.562427
PMID:37904994
|
研究论文 | 本研究通过无监督深度学习方法分析大鼠前额叶皮层和纹状体的神经活动，揭示了感知决策过程中动态机制和神经模式的转变 | 发现了决策过程中两个连续动态机制的存在，并提出了神经推断承诺时间(nTc)的概念 | 研究局限于啮齿类动物模型，需要进一步验证在更复杂认知任务和不同物种中的普适性 | 探索感知决策过程中神经动态机制和决策承诺的神经基础 | 大鼠前额叶皮层和纹状体的神经元活动 | 计算神经科学 | NA | 大规模神经元同步记录，脉冲听觉证据积累任务 | 深度学习，简化动力学模型 | 神经电生理信号 | 数百个神经元的同时记录数据 | NA | NA | 神经推断承诺时间(nTc)的精确推断 | NA |
| 33 | 2025-10-24 |
Evaluating the dosimetric and positioning accuracy of a deep learning based synthetic-CT model for liver radiotherapy treatment planning
2025-Apr-11, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adc818
PMID:40174606
|
研究论文 | 评估基于深度学习的合成CT模型在肝癌放射治疗计划中的剂量学和定位准确性 | 首个在剂量学和患者定位两方面验证肝癌合成CT模型的研究，展示了仅使用MRI工作流程的可行性 | 样本量较小（11名患者），需进一步扩大验证规模 | 验证深度学习生成的合成CT在肝癌放射治疗中的剂量计算和定位准确性 | 肝癌患者放射治疗计划 | 医学影像分析 | 肝癌 | MRI, 合成CT生成, 4D CBCT | CycleGAN | 医学影像（MRI, CT, CBCT） | 11名患者 | NA | CycleGAN | 剂量差异百分比, 平移差异, 旋转差异, DVH分析 | NA |
| 34 | 2025-10-23 |
The Application of Artificial Intelligence in Spine Surgery: A Scoping Review
2025-Apr-01, Journal of the American Academy of Orthopaedic Surgeons. Global research & reviews
DOI:10.5435/JAAOSGlobal-D-24-00405
PMID:40239218
|
综述 | 本范围综述系统分析了人工智能在脊柱外科领域的应用现状和发展趋势 | 首次对2020-2024年间AI在脊柱外科应用的文献进行全面梳理，明确了当前研究重点和空白领域 | 仅纳入PubMed和EMBASE数据库文献，单中心研究占比高(72/105)，大样本研究较少(仅27/105研究样本量>1000) | 系统评估人工智能技术在脊柱外科领域的应用范围和发展现状 | 脊柱外科相关的医学研究文献 | 医疗人工智能 | 脊柱疾病 | 监督学习 | 机器学习,深度学习 | 医学图像,临床数据 | 105项研究，其中27项样本量超过1000例患者 | NA | NA | NA | NA |
| 35 | 2025-10-15 |
Computational characterization of lymphocyte topology on whole slide images of glomerular diseases
2025-Apr-14, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.12.25325548
PMID:40321276
|
研究论文 | 本研究通过计算方式量化肾小球疾病中淋巴细胞拓扑结构，并验证其临床相关性 | 开发了基于图的生境聚类算法识别密集与稀疏淋巴细胞生境，并提取26种高通量定量病理特征 | 样本量相对有限（N=333），仅使用H&E染色全切片图像 | 量化淋巴细胞炎症拓扑结构并测试其临床相关性 | 155例局灶节段性肾小球硬化症（FSGS）和178例微小病变病（MCD）患者 | 数字病理学 | 肾脏疾病 | 全切片图像分析，深度学习分割 | 深度学习模型 | 图像 | 333名NEPTUNE/CureGN参与者 | NA | NA | 一致性指数，Kaplan-Meier生存分析 | NA |
| 36 | 2025-10-05 |
Continuous Reaching and Grasping with a BCI Controlled Robotic Arm in Healthy and Stroke-Affected Individuals
2025-Apr-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.04.16.25325551
PMID:40321282
|
研究论文 | 提出一种基于运动想象的脑机接口范式，通过添加“点击”信号实现机械臂的连续抓取控制 | 受计算机鼠标机制启发，在现有2D运动BCI范式中增加“点击”信号，提高系统自由度并支持更复杂任务 | 脑电信号信噪比和空间分辨率较低，限制了系统性能 | 开发能够同时控制运动和点击的脑机接口系统，实现机械臂的连续抓取任务 | 健康受试者和中风幸存者 | 脑机接口 | 中风 | 脑电信号处理，运动想象范式 | 深度学习 | EEG信号 | 健康受试者和中风幸存者（具体数量未明确） | NA | NA | 任务完成数量（5分钟内平均移动杯子数量） | NA |
| 37 | 2025-10-05 |
Geometric deep learning framework for de novo genome assembly
2025-Apr-14, Genome research
IF:6.2Q1
DOI:10.1101/gr.279307.124
PMID:39472021
|
研究论文 | 提出基于几何深度学习的基因组组装框架GNNome，用于从组装图中识别路径重建基因组序列 | 首次将几何深度学习应用于从头基因组组装，不依赖现有组装策略，仅利用问题的对称性进行训练 | 目前主要适用于单倍体基因组的组装 | 解决基因组组装图中重复区域导致的复杂缠结问题，提高组装连续性和质量 | 多种物种的基因组组装 | 机器学习 | NA | PacBio HiFi测序 | 几何深度学习 | 组装图数据 | 多种物种的基因组数据 | NA | GNNome | 组装连续性、质量 | NA |
| 38 | 2025-10-05 |
Childhood muscle growth: Reference curves for lower leg muscle volumes and their clinical application in cerebral palsy
2025-Apr-08, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2416660122
PMID:40163724
|
研究论文 | 构建5-15岁儿童下肢肌肉体积的参考曲线并应用于脑瘫患儿评估 | 首次建立儿童下肢10块特定肌肉的体积参考曲线，并应用深度学习自动分割MRI图像 | 置信带在最小和最大年龄处较宽，样本量有限 | 量化儿童肌肉生长模式并建立临床评估标准 | 208名正常发育儿童和78名能行走的脑瘫患儿 | 数字病理 | 脑瘫 | 磁共振成像 | 深度学习 | 医学图像 | 286名儿童（208名正常发育，78名脑瘫） | NA | NA | 百分位数 | NA |
| 39 | 2025-10-05 |
Radiogenomic explainable AI with neural ordinary differential equation for identifying post-SRS brain metastasis radionecrosis
2025-Apr, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17635
PMID:39878595
|
研究论文 | 开发基于神经常微分方程的可解释AI模型，用于区分脑转移瘤立体定向放射外科术后放射性坏死与肿瘤复发 | 首次将重球神经常微分方程应用于放射基因组学分析，通过特征空间轨迹可视化实现AI决策过程的可解释性 | 样本量相对较小（90个脑转移灶），仅针对非小细胞肺癌患者 | 开发可解释的AI模型以无创区分脑转移瘤SRS术后放射性坏死与肿瘤复发 | 62名非小细胞肺癌患者的90个脑转移灶 | 医学影像分析 | 脑转移瘤 | MRI影像分析，基因组特征分析，临床参数分析 | 神经常微分方程，深度神经网络 | 医学影像，基因组数据，临床数据 | 90个脑转移灶（来自62名NSCLC患者） | NA | 重球神经常微分方程 | 敏感度，特异度，准确度，ROC曲线下面积 | NA |
| 40 | 2025-10-05 |
Artificial Intelligence-Enhanced Perfusion Scoring Improves the Diagnostic Accuracy of Myocardial Perfusion Imaging
2025-Apr-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.124.268079
PMID:39978815
|
研究论文 | 本研究开发了一种结合深度学习与传统定量方法的心肌灌注评分系统，用于提高阻塞性冠状动脉疾病的诊断准确性 | 通过深度学习预测结果调制极坐标图像素评分，生成增强型总灌注缺损和17节段总和评分，简化了AI方法的临床转化 | 研究样本量相对有限（555例测试患者），且仅基于单中心数据 | 提高心肌灌注成像对阻塞性冠状动脉疾病的诊断准确性 | 接受心肌灌注成像并在180天内进行侵入性冠状动脉造影的患者 | 医学影像分析 | 心血管疾病 | 心肌灌注SPECT成像 | 深度学习 | 医学影像数据 | 555例测试患者（中位年龄65岁，69%为男性），其中329例（59%）患有阻塞性CAD | NA | NA | AUC, 敏感性, 特异性 | NA |