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 1237 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2025-10-06 |
TRENDY: gene regulatory network inference enhanced by transformer
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf314
PMID:40408160
|
研究论文 | 提出一种名为TRENDY的新型基因调控网络推断方法，通过整合Transformer模型增强基于机制的WENDY方法 | 首次将Transformer模型整合到基于机制的GRN推断方法中，并展示了该方法可广泛提升多种GRN推断方法的性能 | 未在论文摘要中明确说明 | 开发更准确的基因调控网络推断方法 | 基因调控网络 | 机器学习 | NA | 基因表达数据分析 | Transformer | 基因表达数据 | NA | NA | Transformer | NA | NA |
| 242 | 2025-10-06 |
A deep learning-based method for predicting the frequency classes of drug side effects based on multi-source similarity fusion
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf319
PMID:40424358
|
研究论文 | 本文开发了一种基于多源相似性融合的深度学习方法来预测药物副作用的频率类别 | 提出多源相似性融合模型，利用多源特征融合模块和自注意力机制深入探索药物与副作用关系，并采用贝叶斯变分推断更准确预测副作用频率类别 | NA | 预测药物副作用在人群中的频率类别，指导患者用药和药物研发 | 药物副作用 | 机器学习 | NA | 多源相似性融合 | 深度学习 | 多源药物相似性数据 | NA | NA | 自注意力机制 | 交叉验证、冷启动实验、独立测试 | NA |
| 243 | 2025-10-06 |
Residue conservation and solvent accessibility are (almost) all you need for predicting mutational effects in proteins
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf322
PMID:40434923
|
研究论文 | 本文提出了一种基于残基保守性和溶剂可及性的简单进化评分方法，用于预测蛋白质突变效应 | 发现简单的进化评分（野生型和突变残基频率对数比）按残基相对溶剂可及性缩放后，性能与或略优于更复杂的深度学习模型 | 未详细探讨复杂模型学习到的额外信息，对突变景观预测的局限性认识有限 | 开发准确且可解释的蛋白质突变效应预测方法 | 蛋白质突变及其对生物物理性质的影响 | 计算生物学 | NA | 进化分析，深度突变扫描 | 进化评分模型 | 蛋白质序列数据，突变数据 | ProteinGym深度突变扫描数据集中的突变 | Python | RSALOR模型 | 稳定性、活性、适应性等生物物理性质评估 | NA |
| 244 | 2025-10-06 |
Knowledge-enhanced protein subcellular localization prediction from 3D fluorescence microscope images
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf331
PMID:40459878
|
研究论文 | 开发了一种知识增强的蛋白质亚细胞定位预测模型KE3DLoc，可从3D荧光显微镜图像中识别蛋白质分布模式 | 结合3D和2D投影细胞信息设计图像特征提取模块，引入基因本体论知识图谱优化蛋白质表示，并设计蛋白质ID聚合增强特征一致性 | 未明确提及具体局限性，但暗示3D图像处理面临数据缺乏和建模复杂性的挑战 | 从3D荧光显微镜图像中自动识别蛋白质亚细胞定位，促进蛋白质转运分析和生物标志物发现 | 蛋白质亚细胞定位 | 计算机视觉 | NA | 3D荧光显微镜成像 | 深度学习 | 3D图像 | 三个公共数据集（未明确具体样本数量） | NA | KE3DLoc（包含图像特征提取模块和知识增强模块） | NA | NA |
| 245 | 2025-10-06 |
Gene spatial integration: enhancing spatial transcriptomics analysis via deep learning and batch effect mitigation
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf350
PMID:40511994
|
研究论文 | 提出一种基于深度学习的基因空间整合方法，用于增强空间转录组学分析并解决批次效应问题 | 开发了利用表示学习方法将基因空间分布特征整合到基因表达特征空间的创新流程，并有效缓解多样本整合时的批次效应 | 方法仅在人类背外侧前额叶皮层数据集上验证，需要更多组织类型验证通用性 | 提升空间转录组学数据分析性能，特别是聚类分析效果 | 空间转录组学数据，特别是人类背外侧前额叶皮层样本 | 生物信息学 | NA | 空间转录组学 | 自编码器 | 空间转录组学数据，基因表达数据 | 人类背外侧前额叶皮层数据集（包括样本151673、151672等） | NA | 自编码器网络 | ARI分数 | NA |
| 246 | 2025-10-06 |
GOBoost: leveraging long-tail gene ontology terms for accurate protein function prediction
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf267
PMID:40581608
|
研究论文 | 提出GOBoost方法，通过长尾优化集成策略解决蛋白质功能预测中基因本体术语的长尾分布问题 | 引入长尾优化集成策略、全局-局部标签图模块和多粒度焦点损失函数来增强长尾功能信息 | NA | 提高蛋白质功能预测的准确性，特别是针对长尾分布的基因本体术语 | 蛋白质功能预测 | 机器学习 | NA | 深度学习 | NA | 蛋白质数据 | PDB和AF2数据集 | NA | NA | AUPR | NA |
| 247 | 2025-10-06 |
CT-Based Deep Learning Predicts Prognosis in Esophageal Squamous Cell Cancer Patients Receiving Immunotherapy Combined with Chemotherapy
2025-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.01.046
PMID:39956748
|
研究论文 | 本研究开发了一种基于CT的深度学习模型，用于预测接受免疫治疗联合化疗的食管鳞癌患者的生存预后 | 首次将肿瘤周围区域扩展与深度学习相结合，并构建多模态模型整合影像特征与临床指标 | 回顾性研究设计，外部测试集性能相对较低(C-index=0.60) | 开发准确的预处理风险分层工具以改善食管鳞癌患者的个性化治疗策略 | 接受免疫治疗联合化疗的食管鳞癌患者 | 数字病理 | 食管鳞癌 | CT扫描 | 深度学习 | CT影像 | 482例患者(训练集322例，内部测试集79例，外部测试集81例) | NA | NA | C-index, ROC曲线, 风险比, Kaplan-Meier分析 | NA |
| 248 | 2025-10-06 |
Artificial intelligence-assisted detection of nasopharyngeal carcinoma on endoscopic images: a national, multicentre, model development and validation study
2025-Jun, The Lancet. Digital health
DOI:10.1016/j.landig.2025.03.001
PMID:40544083
|
研究论文 | 开发基于深度学习的鼻咽癌内窥镜图像辅助诊断系统 | 首次开发基于Swin Transformer的鼻咽诊断系统，并在全国多中心进行大规模验证 | 研究主要基于中国人群数据，需要进一步验证在其他人群中的适用性 | 通过人工智能辅助提高鼻咽癌的早期诊断准确性 | 鼻咽癌、良性增生和正常鼻咽组织的内窥镜图像 | 计算机视觉 | 鼻咽癌 | 内窥镜成像 | 深度学习 | 图像 | 27,362张内窥镜图像（10,693例鼻咽癌，7,073例良性增生，9,596例正常），来自15,521名参与者 | NA | Swin Transformer | AUC, 敏感性, 特异性, 准确率 | NA |
| 249 | 2025-10-06 |
The Paradox of Knowledge: Why Medical Students Know More But Understand Less
2025-Jun, Medical science educator
IF:1.9Q2
DOI:10.1007/s40670-025-02379-8
PMID:40626000
|
评论 | 分析医学教育中知识掌握与临床理解脱节的矛盾现象及其解决路径 | 首次系统阐述医学教育中“知识越多理解越少”的悖论现象及其形成机制 | 未提供具体实证数据支持理论分析 | 探讨医学教育体系存在的根本问题并提出改革方向 | 医学教育体系与医学生培养模式 | 医学教育 | NA | 教育理论分析 | NA | 理论分析 | NA | NA | NA | NA | NA |
| 250 | 2025-10-06 |
Deep Learning Model for Natural Language to Assess Effectiveness of Patients With Non-Muscle Invasive Bladder Cancer Receiving Intravesical Bacillus Calmette-Guérin Therapy
2025-Jun, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI-24-00249
PMID:40577661
|
研究论文 | 开发基于深度学习的自然语言处理模型，利用电子健康记录评估非肌层浸润性膀胱癌患者接受BCG治疗的临床结局 | 首次使用BERT模型从电子健康记录中自动提取非肌层浸润性膀胱癌患者的治疗结局信息 | 需要10%的人工审核支持，且为回顾性研究 | 评估BCG治疗在非肌层浸润性膀胱癌患者中的有效性 | 接受BCG诱导治疗的日本非肌层浸润性膀胱癌成人患者 | 自然语言处理 | 膀胱癌 | 电子健康记录分析 | BERT | 文本 | 372名患者 | NA | BERT | 精确率,召回率,F1分数,风险比 | NA |
| 251 | 2025-10-06 |
Deep Learning-Based Classification System for Facial Pigmented Lesions to Aid Laser Treatment Decisions
2025-Jun, Cureus
DOI:10.7759/cureus.85428
PMID:40621347
|
研究论文 | 开发基于深度学习的面部色素性皮损分类系统以辅助激光治疗决策 | 首次将迁移学习应用于面部五种色素性皮损的鉴别诊断，并在激光治疗规划背景下与皮肤科专家进行性能比较 | 样本量相对有限（432张图像），仅包含五种特定类型的面部色素性皮损 | 开发并评估深度学习模型在面部色素性皮损分类中的诊断准确性 | 五种面部色素性皮损：黄褐斑、雀斑、获得性真皮黑素细胞增多症、日光性雀斑样痣、恶性雀斑样痣/恶性雀斑样痣黑色素瘤 | 计算机视觉 | 皮肤疾病 | 临床图像分析 | CNN | 图像 | 432张高分辨率临床图像 | TensorFlow, Keras | InceptionResNetV2, DenseNet121 | 准确率, 灵敏度 | NA |
| 252 | 2025-10-06 |
The Role of Artificial Intelligence and Machine Learning Applications in Emergency Surgery: A Systematic Review of Diagnostic Accuracy and Clinical Outcomes
2025-Jun, Cureus
DOI:10.7759/cureus.85386
PMID:40621368
|
系统综述 | 本文系统评估了人工智能和机器学习在急诊外科中的诊断准确性和临床效果 | 首次系统性地评估AI在急诊外科五个关键领域的应用效果，包括阑尾炎管理、急诊腹部手术风险评估等 | 仅纳入2015-2025年间的英文研究，可能存在发表偏倚 | 评估机器学习在识别急诊患者和AI方法在诊断中的有效性，以及预测并发症和手术需求的能力 | 急诊外科患者 | 机器学习 | 急诊外科疾病 | 深度学习，自然语言处理 | 机器学习模型 | 医疗记录，临床数据 | 从2791篇文献中筛选出19项符合条件的研究 | NA | NA | 准确率 | NA |
| 253 | 2025-10-06 |
A Fundamental Study on the Removal of Vascular Pulsation Artifacts Using U-Net-Based Deep Neural Network
2025-Jun, Cureus
DOI:10.7759/cureus.85400
PMID:40621369
|
研究论文 | 本研究提出了一种基于U-Net的深度学习网络，用于减少磁共振成像中血管搏动引起的伪影 | 首次将深度学习应用于STIR图像中血管搏动伪影的减少 | 需要进一步详细评估以开发适合临床应用的方法 | 减少磁共振成像中血管搏动引起的伪影 | 15名成年志愿者的小腿STIR图像 | 医学影像处理 | NA | 磁共振成像，短时反转恢复序列 | 深度学习 | 医学图像 | 15名成年志愿者 | NA | U-Net | 峰值信噪比，结构相似性指数，视觉评估 | NA |
| 254 | 2025-07-09 |
A Commentary on "Deep Learning-Enhanced Hand Grip and Release Test for Degenerative Cervical Myelopathy: Shortening Assessment Duration to 6 Seconds"
2025-Jun, Neurospine
IF:3.8Q1
DOI:10.14245/ns.2550126.063
PMID:40625020
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 255 | 2025-10-06 |
From Surface to Deep Learning: Gamified Mobile Education for Subcutaneous and Intramuscular Injection Skills
2025-Jun, Medical science educator
IF:1.9Q2
DOI:10.1007/s40670-025-02323-w
PMID:40625998
|
研究论文 | 本研究探讨基于游戏的移动应用程序对护生皮下和肌肉注射技能的影响 | 将游戏化移动学习应用于护理教育的实践技能培训，通过HEM-SC-IM应用程序提供互动式学习体验 | 样本规模相对较小（129名护生），研究时间仅限于2021-2022学年 | 评估游戏化移动教育对护生皮下和肌肉注射技能的学习效果 | 护理专业学生 | 教育技术 | NA | 移动应用程序、游戏化学习、模拟训练 | NA | 问卷调查数据、技能评估数据 | 129名护生（实验组64人，对照组65人） | NA | NA | 深度学习分数、皮下注射分数、肌肉注射分数、场景表现分析 | 移动应用程序平台 |
| 256 | 2025-10-06 |
Hybrid strategy of coronary atherosclerosis characterization with T1-weighted MRI and CT angiography to non-invasively predict periprocedural myocardial injury
2025-Jun-30, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeaf116
PMID:40241659
|
研究论文 | 本研究探讨结合冠状动脉CT血管成像和T1加权MRI的混合策略对预测经皮冠状动脉介入治疗术后心肌损伤的改进效果 | 首次提出结合CCTA和MRI的混合策略，并证明该策略在预测PMI方面优于单独使用CCTA | 样本量相对有限（120名患者，132个病灶），且为前瞻性多中心研究设计 | 改进经皮冠状动脉介入治疗后心肌损伤的无创预测方法 | 计划接受择期PCI治疗的冠状动脉粥样硬化患者 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管成像，T1加权磁共振成像 | 深度学习 | 医学影像数据 | 120名患者，132个病灶 | NA | NA | C-statistic | NA |
| 257 | 2025-10-06 |
A comparative study of robustness to noise and interpretability in U-Net-based denoising of Raman spectra
2025-Jun-27, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.126577
PMID:40618630
|
研究论文 | 本研究比较了基于U-Net的拉曼光谱去噪模型在不同训练策略下的鲁棒性和可解释性 | 首次将可解释性技术应用于拉曼光谱去噪模型分析，揭示了不同训练策略对模型决策过程的影响 | 研究仅限于U-Net架构，未探索其他深度学习模型在拉曼光谱去噪中的表现 | 探究不同训练策略对拉曼光谱去噪模型泛化能力和鲁棒性的影响 | 拉曼光谱数据 | 机器学习 | NA | 拉曼光谱 | U-Net | 光谱数据 | 使用不同积分时间采集的光谱数据集 | NA | U-Net | 均方根误差, 皮尔逊相关系数 | NA |
| 258 | 2025-10-06 |
Attention-based deep learning for analysis of pathology images and gene expression data in lung squamous premalignant lesions
2025-Jun-12, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.06.06.25328492
PMID:40585088
|
研究论文 | 提出基于Transformer的深度学习框架，整合病理图像和基因表达数据分析肺鳞状上皮癌前病变 | 首次将Transformer架构应用于肺鳞状上皮癌前病变的多模态数据分析，实现病理图像与基因表达的灵活融合 | 模型训练基于二元标签，可能无法完全捕捉病变谱系的连续性特征 | 开发多模态深度学习框架以区分支气管发育不良及以上病变与正常/增生/化生组织 | 肺癌高风险患者的支气管活检组织 | 数字病理 | 肺癌 | H&E全切片成像, 批量基因表达分析 | Transformer | 图像, 基因表达数据 | 来自4项研究的多中心数据集 | NA | Transformer | AUROC | NA |
| 259 | 2025-10-06 |
GAN Inversion for Data Augmentation to Improve Colonoscopy Lesion Classification
2025-Jun, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3397611
PMID:38713568
|
研究论文 | 本研究探索使用GAN反演生成合成图像进行数据增强，以改善结肠镜病灶分类性能 | 通过GAN反演在语义丰富且解耦的潜在空间中操作潜在表示生成合成图像，无需重新训练多个生成模型 | 未明确说明训练数据的具体规模和多样性限制 | 解决医学影像中标注数据稀缺问题，提高结肠镜息肉分类性能 | 结肠镜图像中的息肉病灶 | 计算机视觉 | 结直肠癌 | GAN反演，图像模态转换，风格迁移 | GAN | 图像 | NA | NA | GAN | F1-score, 敏感度 | NA |
| 260 | 2025-10-06 |
ChatGPT-Assisted Deep Learning Models for Influenza-Like Illness Prediction in Mainland China: Time Series Analysis
2025-Jun-27, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/74423
PMID:40577658
|
研究论文 | 本研究评估了五种深度学习模型在中国大陆流感样疾病预测中的表现，并探索了ChatGPT在辅助模型开发中的作用 | 首次系统评估ChatGPT辅助开发深度学习模型在流感预测中的应用，比较了五种时间序列模型的性能 | 在北方地区预测误差较大（MAPE>400%），存在显著的区域差异，模型在极端波动时期表现不稳定 | 评估深度学习模型对流感样疾病阳性率的预测性能，探索ChatGPT在辅助模型开发中的作用 | 中国大陆流感样疾病阳性率数据 | 机器学习 | 流感 | 时间序列分析 | LSTM, N-BEATS, Transformer, TFT, TiDE | 时间序列数据 | 2014-2024年中国国家流感中心数据库的ILI阳性率数据，使用2014-2023年数据训练，2024年（第1-39周）数据测试 | NA | LSTM, N-BEATS, Transformer, Temporal Fusion Transformer, Time-series Dense Encoder | 均方误差, 平均绝对误差, 平均绝对百分比误差 | NA |