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 1223 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2025-12-06 |
AI-driven techniques for detection and mitigation of SARS-CoV-2 spread: a review, taxonomy, and trends
2025-Jun-14, Clinical and experimental medicine
IF:3.2Q2
DOI:10.1007/s10238-025-01753-5
PMID:40515956
|
综述 | 本文系统回顾了人工智能技术在SARS-CoV-2检测与防控中的应用，包括联邦学习、深度学习、强化学习及混合方法，并分析了当前研究的重点与趋势 | 提出了针对SARS-CoV-2的AI技术应用分类与趋势分析，强调了隐私安全、检测准确性和计算效率在临床实施中的重要性 | 未涉及具体实验数据或模型性能比较，主要基于文献综述，缺乏对新技术的实证评估 | 系统回顾人工智能技术在SARS-CoV-2诊断与治疗中的应用，分析当前研究重点与挑战 | 人工智能技术（如联邦学习、深度学习、强化学习）在SARS-CoV-2防控中的应用研究 | 机器学习 | COVID-19 | NA | 深度学习, 强化学习 | NA | NA | NA | NA | NA | NA |
| 62 | 2025-12-06 |
Amortized template matching of molecular conformations from cryoelectron microscopy images using simulation-based inference
2025-Jun-10, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2420158122
PMID:40465628
|
研究论文 | 本文介绍了cryoSBI方法，通过结合物理模拟和深度学习，从冷冻电镜图像中推断生物分子的构象及其不确定性 | 提出了一种基于模拟推理的冷冻电镜图像分析方法，无需估计粒子姿态和成像参数，显著提高了计算速度 | NA | 从冷冻电镜图像中推断生物分子的构象及其不确定性 | 生物分子构象 | 机器学习和计算生物学 | NA | 冷冻电镜（cryo-EM） | 神经网络 | 图像 | NA | NA | NA | NA | NA |
| 63 | 2025-12-03 |
Multicycle Dosimetric Behavior and Dose-Effect Relationships in [177Lu]Lu-DOTATATE Peptide Receptor Radionuclide Therapy
2025-Jun-02, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.124.269389
PMID:40274371
|
研究论文 | 本研究探讨了[177Lu]Lu-DOTATATE肽受体放射性核素治疗在转移性神经内分泌肿瘤中的多周期剂量学行为及剂量-效应关系，旨在为个性化剂量引导治疗提供策略 | 首次系统分析了多周期治疗中肿瘤与肾脏的剂量学模式变化，并建立了基于估计肾小球滤过率的剂量-效应预测模型 | 样本量较小（30例患者），且肿瘤吸收剂量与疗效指标无显著关联 | 开发个性化剂量学引导的肽受体放射性核素治疗策略 | 转移性神经内分泌肿瘤患者 | 数字病理学 | 神经内分泌肿瘤 | SPECT/CT成像、蒙特卡洛剂量率模拟、深度学习分割 | 深度学习算法 | 医学影像（CT、SPECT、MRI） | 30例患者（22例完成全周期成像） | NA | NA | RECIST、改良RECIST、[Ga]Ga-DOTATATE PET标准、估计肾小球滤过率 | NA |
| 64 | 2025-11-30 |
Deep learning-based reconstruction improves image quality in low-dose head CT angiography
2025-Jun, Malawi medical journal : the journal of Medical Association of Malawi
IF:1.2Q4
DOI:10.4314/mmj.v37i2.8
PMID:41306806
|
研究论文 | 比较深度学习重建算法与传统算法在低剂量头颈部CT血管成像中的图像质量 | 首次在低剂量头颈部CTA中系统比较深度学习重建算法与传统迭代重建算法的图像质量 | 样本量较小（25例患者），仅使用单一CT扫描设备 | 评估不同图像重建算法在低剂量头颈部CTA中的图像质量表现 | 头颈部CT血管成像图像 | 医学影像处理 | 脑血管疾病 | CT血管成像 | 深度学习重建算法 | 医学影像 | 25例患者 | NA | NA | 信噪比, 对比噪声比, 边缘上升斜率, 图像噪声评分, 血管边缘定义评分, 整体质量评分, 锐利度评分, 清晰度评分 | 256层CT扫描仪 |
| 65 | 2025-11-28 |
Coalescence and Translation: A Language Model for Population Genetics
2025-Jun-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.24.661337
PMID:40666889
|
研究论文 | 开发了一种基于Transformer的语言模型cxt，用于从基因组数据中推断群体遗传学中的溯祖时间 | 将溯祖时间推断重新定义为两种生物语言之间的翻译问题，并首次将仅解码器Transformer架构应用于群体遗传学推断 | 模型训练依赖于模拟数据，在真实数据上的表现可能需要进一步验证 | 开发能够灵活、可扩展地从基因组数据推断谱系历史的深度学习方法 | 基因组数据中的突变模式和祖先重组图 | 自然语言处理, 机器学习 | NA | 基因组测序, 溯祖模拟 | Transformer | 基因组序列数据 | 基于stdpopsim目录的模拟数据，可产生超过百万个溯祖预测 | PyTorch, TensorFlow | 仅解码器Transformer | 与最先进的MCMC似然模型相当，包括分布内和分布外场景 | GPU（具体型号未指定），可在几分钟内完成大规模推断 |
| 66 | 2025-11-28 |
Modality-AGnostic Image Cascade (MAGIC) for Multi-Modality Cardiac Substructure Segmentation
2025-Jun-12, ArXiv
PMID:40980770
|
研究论文 | 提出并验证了一种模态无关的图像级联方法用于多模态心脏亚结构分割 | 通过复制nnU-Net编码解码分支实现单一模型处理多模态数据，解决了深度学习模型在跨模态和重叠结构分割中的泛化问题 | 在57%的情况下优于对比模型，但统计差异有限 | 开发能够跨多种影像模态准确分割心脏亚结构的深度学习模型 | 20个心脏亚结构（心脏、心腔、大血管、瓣膜、冠状动脉和传导节点） | 数字病理 | 心血管疾病 | 医学影像分割 | 深度学习 | 医学影像 | 训练集76例，验证集15例，测试集30例，来自三种模态（模拟CT、低场MR-Linac、心脏CT血管造影） | nnU-Net | U-Net | Dice相似系数, Wilcoxon符号秩检验 | 轻量级模型设计，简化计算需求 |
| 67 | 2025-11-27 |
Extending Protein Language Models to a Viral Genomic Scale Using Biologically Induced Sparse Attention
2025-Jun-11, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.29.656907
PMID:40501585
|
研究论文 | 提出一种基于生物学诱导稀疏注意力的长上下文蛋白质语言模型，可扩展到整个病毒基因组规模 | 将Transformer模型的上下文大小扩展到整个病毒基因组，利用基于蛋白质相互作用的稀疏注意力机制捕获长程跨蛋白质相互作用 | 目前仅针对病毒基因组进行验证，尚未扩展到更复杂的真核生物基因组 | 开发能够捕获基因组范围内蛋白质相互作用的蛋白质语言模型 | 病毒基因组及其编码的蛋白质序列 | 自然语言处理 | 病毒感染 | 蛋白质序列分析 | Transformer | 蛋白质序列数据 | 支持长达61,000个氨基酸的序列 | NA | Transformer with sparse attention | 嵌入质量评估 | NA |
| 68 | 2025-11-24 |
Revealing emotional responses to urban environmental elements through street view data and deep learning
2025-Jun-05, Environment and planning. B, urban analytics and city science
DOI:10.1177/23998083251348280
PMID:41268364
|
研究论文 | 通过街景数据和深度学习技术探索城市环境特征对人类情绪的影响 | 首次结合地理空间技术和深度学习分析城市环境元素与情绪反应的关系 | 研究仅限台北市50个采样区域，样本代表性可能有限 | 探索城市环境特征对人类情绪的影响机制 | 城市环境元素和人类情绪反应 | 计算机视觉 | NA | Google街景图像分析 | CNN | 图像,视频 | 50个采样区域，超过200,000张街景图像，2090名参与者 | NA | DeepLab V3 | NA | NA |
| 69 | 2025-11-24 |
Predictive modeling for metastasis in oncology: current methods and future directions
2025-Jun, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000003279
PMID:40486555
|
综述 | 本文综述了肿瘤学中转移预测模型的当前方法、挑战与未来发展方向 | 整合基因组学、液体活检和影像组学等多模态数据，探索人工智能与精准医学结合实现个性化转移预测的新途径 | 存在数据异质性、模型可解释性不足以及需要更大规模高质量数据集进行验证等挑战 | 改进肿瘤转移预测以改善预后、指导治疗策略和提升患者结局 | 肿瘤转移预测模型及相关临床、病理和分子数据 | 机器学习 | 肿瘤学 | 基因组分析、液体活检、影像组学 | 逻辑回归,决策树,支持向量机,神经网络 | 临床数据,病理数据,分子数据,影像数据 | NA | NA | NA | NA | NA |
| 70 | 2025-11-24 |
Bridging surgical oncology and personalized medicine: the role of artificial intelligence and machine learning in thoracic surgery
2025-Jun, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000003302
PMID:40486596
|
综述 | 探讨人工智能和机器学习在胸外科肿瘤学中优化早期检测、提升手术精度和实现个性化护理的作用 | 系统整合AI/ML技术在胸外科肿瘤学的多维度应用，包括早期肺癌检测、免疫治疗反应预测和手术决策支持 | 面临数据标准化不足、伦理问题和缺乏稳健验证等临床推广挑战 | 研究AI/ML如何通过提升早期检测能力、手术精度和个性化护理来优化胸外科肿瘤治疗 | 肺癌患者及胸外科手术相关临床数据 | 数字病理,机器学习 | 肺癌 | 基因组分析,低剂量CT扫描,深度学习 | 深度学习算法,预测模型 | 医学影像,基因组数据,临床数据 | NA | NA | NA | NA | NA |
| 71 | 2025-11-23 |
Advancing Digital Precision Medicine for Chronic Fatigue Syndrome through Longitudinal Large-Scale Multi-Modal Biological Omics Modeling with Machine Learning and Artificial Intelligence
2025-Jun-18, ArXiv
PMID:40980765
|
研究论文 | 通过纵向多组学数据和人工智能方法研究慢性疲劳综合征的生物标志物和疾病机制 | 开发了可解释的深度学习框架BioMapAI，创建了首个健康和疾病状态下的多组学连接图谱，揭示了微生物-免疫-代谢组的相互作用变化 | 样本规模相对有限，疾病持续时间分组较为宽泛 | 探索慢性疲劳综合征的病因机制并开发精准医疗方法 | 慢性疲劳综合征患者和健康对照者 | 数字病理学 | 慢性疲劳综合征 | 宏基因组学, 代谢组学, 免疫分析, 临床表型分析 | 深度学习 | 多组学数据, 临床数据 | ME/CFS患者154人（短期75人，长期79人），健康对照79人 | BioMapAI | 深度学习框架 | 疾病分类精度 | NA |
| 72 | 2025-11-21 |
AVN: A Deep Learning Approach for the Analysis of Birdsong
2025-Jun-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.10.593561
PMID:39229184
|
研究论文 | 开发了一种基于深度学习的鸟类鸣声分析工具AVN，用于斑胸草雀鸣声的自动标注和特征提取 | 无需额外训练数据即可跨多个动物群体准确标注鸣声，并开发了无需额外训练数据即可测量鸣声模仿的新方法 | NA | 开发标准化的行为分析工具以促进鸣声行为研究 | 斑胸草雀的习得性鸣声 | 机器学习 | NA | 深度学习行为分析 | 深度学习 | 音频 | 多个研究组和实验中的斑胸草雀鸣声数据 | Python | NA | 准确性、敏感性、与人类专家判断的一致性 | NA |
| 73 | 2025-11-16 |
AML diagnostics in the 21st century: Use of AI
2025-Jun, Seminars in hematology
IF:5.0Q1
|
综述 | 探讨人工智能在21世纪急性髓系白血病诊断领域的关键作用、进展与挑战 | 系统阐述AI技术（包括深度学习、大语言模型和可解释AI）在整合多层级诊断数据和生成诊断报告方面的创新应用 | 存在监管障碍、数据隐私问题、系统互操作性挑战以及合成数据的伦理规范需求 | 分析人工智能在急性髓系白血病诊断中的转型潜力与发展前景 | 急性髓系白血病的诊断流程与数据 | 数字病理学 | 白血病 | 细胞形态学、免疫分型、细胞遗传学、分子检测 | 深度学习, 机器学习, 大语言模型, 可解释AI | 多模态诊断数据 | NA | NA | 深度学习分类器, 自动核型分析 | NA | NA |
| 74 | 2025-11-15 |
Cutting Skill Assessment by Motion Analysis Using Deep Learning and Spatial Marker Tracking
2025-06, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3529500
PMID:40030929
|
研究论文 | 提出一种通过手术刀运动分析评估开放手术中切割技能的方法 | 首次将运动分析应用于开放手术技能评估，设计了3D多面ArUco码立方体并建立了手术刀尖端坐标系数据集 | 仅针对四种常见切口类型进行评估，样本规模有限 | 开发客观量化的开放手术切割技能评估方法 | 外科医生的手术刀切割技能 | 计算机视觉 | NA | 空间标记追踪，双目视觉 | CNN | 图像，运动轨迹数据 | 20名外科医生（专家和新手各半）执行四种切口类型 | PyTorch | YOLOv8 | 平均切口曲率偏差，切口长度差异，切口端点偏差，平均切口偏差，平均切割急动度 | NA |
| 75 | 2025-11-15 |
Advancing Acoustic Droplet Vaporization for Tissue Characterization Using Quantitative Ultrasound and Transfer Learning
2025-06, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3527141
PMID:40031047
|
研究论文 | 本研究通过定量超声和迁移学习技术探索声学液滴汽化在组织表征中的应用 | 首次将迁移学习与卷积神经网络结合用于区分纤维蛋白水凝胶，通过声学液滴汽化产生的微气泡特性表征组织机械性能 | 研究仅限于纤维蛋白基组织模拟水凝胶，尚未在真实生物组织中进行验证 | 开发基于声学液滴汽化和深度学习的组织表征方法 | 纤维蛋白基组织模拟水凝胶中的相变纳米液滴 | 生物医学超声 | NA | 声学液滴汽化、被动空化检测、B模式超声、对比增强超声 | CNN | 超声图像、声学信号 | 不同纤维蛋白密度的水凝胶样本 | NA | AlexNet | 平均回声强度、气泡云面积、二阶纹理特征（方差、同质性、能量） | NA |
| 76 | 2025-11-15 |
A longitudinal observational study with ecological momentary assessment and deep learning to predict non-prescribed opioid use, treatment retention, and medication nonadherence among persons receiving medication treatment for opioid use disorder
2025-Jun, Journal of substance use and addiction treatment
DOI:10.1016/j.josat.2025.209685
PMID:40127869
|
研究论文 | 使用生态瞬时评估和深度学习预测阿片类药物使用障碍患者在治疗期间的非法阿片使用、治疗保留和药物不依从行为 | 结合生态瞬时评估的实时情境数据与递归深度学习模型，采用7天滑动窗口预测次日临床结局 | 样本量较小（62名参与者），模型性能在不同结局指标间存在较大波动（AUC 0.58-0.97） | 预测接受药物治疗的阿片类药物使用障碍患者的关键临床结局 | 接受药物治疗的阿片类药物使用障碍成年患者 | 机器学习 | 阿片类药物使用障碍 | 生态瞬时评估，电子健康记录分析 | 递归深度学习模型 | 时间序列数据，情境评估数据，电子健康记录 | 62名成年人，14,322次观察记录 | NA | NA | AUC | NA |
| 77 | 2025-11-14 |
Radiomic 'Stress Test': exploration of a deep learning radiomic model in a high-risk prospective lung nodule cohort
2025-Jun-27, BMJ open respiratory research
IF:3.6Q1
DOI:10.1136/bmjresp-2024-002687
PMID:40579208
|
研究论文 | 评估深度学习影像组学模型在高风险肺结节队列中的诊断性能 | 首次在推荐活检的高风险肺结节队列中评估LCP深度学习影像组学模型，并开发结合临床变量的集成模型 | 单中心研究，样本量相对有限（321个结节），需要外部验证 | 评估深度学习影像组学模型在减少不必要侵入性活检方面的潜力 | 不确定肺结节（IPNs）患者 | 数字病理 | 肺癌 | 影像组学分析 | 深度学习模型 | 医学影像数据 | 321个不确定肺结节（196个恶性，125个良性） | NA | 深度学习影像组学模型 | AUC, F1分数, 临床净重分类指数 | NA |
| 78 | 2025-11-14 |
Utilization of artificial intelligence in Men's Health: Opportunities for innovation and quality improvement
2025-Jun-27, International journal of impotence research
IF:2.8Q2
DOI:10.1038/s41443-025-01112-8
PMID:40579440
|
综述 | 本文探讨人工智能在男性健康领域的应用现状、创新机遇及伦理挑战 | 系统阐述AI在男性生育健康、勃起功能障碍、佩罗尼病等特定领域的创新应用，包括精子形态评估、三维建模和智能问诊工具 | 面临伦理实施、数据隐私保护、算法透明度等挑战，需要临床验证和监管指导 | 评估人工智能技术在男性健康领域的应用潜力与改进方向 | 男性健康相关疾病（生育问题、勃起功能障碍、佩罗尼病、睾酮缺乏、早泄等） | 自然语言处理, 机器学习 | 男性生殖系统疾病 | 机器学习，深度学习，自然语言处理 | NA | 医学影像，传感器数据，问卷文本 | NA | NA | NA | NA | NA |
| 79 | 2025-11-09 |
Deep learning NTCP model for late dysphagia after radiotherapy for head and neck cancer patients based on 3D dose, CT and segmentations
2025-Jun-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.06.20.25329926
PMID:40585085
|
研究论文 | 本研究开发了一种基于深度学习的NTCP模型，用于预测头颈癌放疗后晚期吞咽困难 | 首次将3D剂量分布、器官分割和CT扫描数据结合到深度学习模型中，相比传统NTCP模型能更全面捕捉吞咽困难的复杂性 | 研究样本量相对有限（1484例），且为多中心回顾性研究 | 提高头颈癌患者放疗后晚期吞咽困难的预测准确性 | 头颈癌放疗患者 | 数字病理学 | 头颈癌 | 放射治疗，CT扫描 | CNN | 3D剂量分布，器官分割，CT图像，患者临床数据 | 1484例头颈癌患者（多中心队列） | NA | Residual Network (ResNet) | AUC，校准曲线 | NA |
| 80 | 2025-11-05 |
Comparative Analysis of Deep Learning Models for Predicting Causative Regulatory Variants
2025-Jun-11, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.19.654920
PMID:40568119
|
研究论文 | 比较分析深度学习模型在预测致病调控变异方面的性能 | 首次在标准化基准和一致训练条件下系统评估多种深度学习模型对遗传变异调控效应的预测能力 | 仅评估了有限数量的模型架构，且训练数据可能未覆盖所有相关细胞类型 | 评估深度学习模型预测遗传变异对增强子活性的影响 | 人类基因组中的非编码变异和增强子调控元件 | 机器学习 | 复杂人类疾病 | MPRA, raQTL, eQTL | CNN, Transformer, 混合模型 | 基因组数据, 表观基因组数据 | 54,859个SNP，来自四个人类细胞系，九个数据集 | NA | TREDNet, SEI, Borzoi | NA | NA |