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 1717 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 | 2025-10-06 |
Relationship between Artificial Intelligence-Based Cell Detection and Cytomorphological Variations Induced by Cell Processing Solutions: Usefulness of Data Augmentation in Artificial Intelligence Cytology
2025-Jul-21, Acta cytologica
IF:1.6Q3
DOI:10.1159/000547485
PMID:40690907
|
研究论文 | 本研究探讨细胞处理溶液引起的细胞形态变化对AI细胞检测准确性的影响，并验证数据增强技术在AI细胞学中的有效性 | 首次系统分析细胞处理溶液诱导的细胞形态变化与AI细胞检测性能的关系，并证明数据增强能有效提升检测准确率 | 研究仅使用MKN45人胃癌细胞系，样本类型相对单一 | 研究细胞处理溶液引起的细胞形态变化与AI细胞检测准确性的关系，验证数据增强技术的有效性 | 未经处理的MKN45人胃癌细胞和经四种不同细胞处理溶液处理的细胞 | 数字病理 | 胃癌 | 巴氏染色，HSB值分析，深度学习 | 深度学习模型 | 细胞图像 | MKN45人胃癌细胞系（对照组和四种处理组） | NA | NA | 细胞检测率 | NA |
| 62 | 2025-10-06 |
The REgistry of Flow and Perfusion Imaging for Artificial INtelligEnce with PET (REFINE PET): Rationale and Design
2025-Jul-11, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.07.10.25330435
PMID:40672503
|
研究论文 | 介绍REFINE PET注册研究的设计理念与数据架构，该注册表整合全球多中心的PET/CT影像与临床数据 | 建立首个专注于PET血流灌注影像与人工智能结合的国际多中心注册研究平台 | NA | 推动PET/CT心肌灌注成像在诊断和风险分层中的应用 | 心血管疾病患者 | 数字病理 | 心血管疾病 | PET, CT, 深度学习 | 深度学习 | 医学影像, 临床数据 | 35,588名患者来自14个中心，其中5,972例有血管造影数据 | NA | NA | NA | NA |
| 63 | 2025-10-06 |
Artificial Intelligence in the Management of Malnutrition in Cancer Patients: A Systematic Review
2025-Jul, Advances in nutrition (Bethesda, Md.)
DOI:10.1016/j.advnut.2025.100438
PMID:40334987
|
系统评价 | 评估人工智能在癌症患者营养不良管理中的应用效果 | 首次系统评价AI在癌症患者营养不良管理中的多种应用，包括营养状况评估、预测、临床结局和身体成分监测 | 需要进一步研究以标准化AI模型并确保临床适用性 | 评估人工智能在癌症患者营养不良识别和管理中的作用 | 癌症患者 | 医疗人工智能 | 癌症 | 机器学习，深度学习，医学影像分析 | 决策树，随机森林，支持向量机，深度学习模型 | 医疗数据，医学影像 | 11项研究，共52,228名患者 | NA | NA | 曲线下面积，Dice相似系数，准确率 | NA |
| 64 | 2025-10-06 |
A systematic review and meta-analysis of the utility of quantitative, imaging-based approaches to predict radiation-induced toxicity in lung cancer patients
2025-Jul, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110935
PMID:40360049
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析评估影像组学、剂量组学和机器学习在预测肺癌患者放疗毒性方面的性能 | 首次对影像组学、剂量组学和机器学习在胸部放疗毒性预测中的表现进行系统性比较和荟萃分析 | 研究主要集中于放射性肺炎预测，对其他器官毒性预测研究较少 | 评估定量影像学方法预测肺癌患者放疗诱导毒性的效用 | 肺癌患者接受胸部放疗的毒性反应 | 医学影像分析 | 肺癌 | 影像组学、剂量组学、机器学习 | 经典机器学习模型、深度学习模型 | 医学影像数据、剂量数据 | 104项研究，包含23,373名患者 | NA | NA | AUC（曲线下面积） | NA |
| 65 | 2025-10-06 |
MRI-derived deep learning models for predicting 1p/19q codeletion status in glioma patients: a systematic review and meta-analysis of diagnostic test accuracy studies
2025-Jul, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03631-z
PMID:40369298
|
系统评价与荟萃分析 | 评估基于MRI的深度学习模型预测胶质瘤1p/19q共缺失状态的诊断准确性 | 首次对MRI衍生深度学习模型预测胶质瘤1p/19q共缺失状态进行系统性评估和荟萃分析 | 纳入研究数量有限（20篇系统评价，10篇荟萃分析），存在异质性来源 | 评估深度学习模型在预测胶质瘤1p/19q共缺失状态中的诊断性能 | 胶质瘤患者 | 医学影像分析 | 胶质瘤 | 磁共振成像（MRI） | 深度学习模型 | 医学影像 | NA | NA | 端到端深度学习模型 | 敏感度,特异度,诊断似然比,诊断比值比,曲线下面积 | NA |
| 66 | 2025-10-06 |
Can machine learning be a reliable tool for predicting hematoma progression following traumatic brain injury? A systematic review and meta-analysis
2025-Jul, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03657-3
PMID:40397134
|
系统综述与荟萃分析 | 评估人工智能算法在预测创伤性脑损伤后血肿进展中的性能 | 首次通过系统综述和荟萃分析综合评估机器学习在血肿进展预测中的表现，发现XGBoost算法具有最佳预测性能 | 纳入研究数量有限（仅5项），需要标准化数据集和更多样化的患者群体以提高模型适用性 | 评估人工智能算法预测创伤性脑损伤后血肿进展的可靠性 | 创伤性脑损伤患者的血肿进展 | 机器学习 | 创伤性脑损伤 | 机器学习，深度学习 | XGBoost, AI算法 | 影像组学特征，临床特征 | 基于5项符合纳入标准的研究（从1240项研究中筛选） | NA | NA | 敏感度，特异度，AUC，准确率，阳性似然比，阴性似然比，诊断比值比 | NA |
| 67 | 2025-10-06 |
Preoperative Differentiation of Spinal Schwannoma and Meningioma Using Machine Learning-Based Models: A Systematic Review and Meta-Analysis
2025-07, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2025.124096
PMID:40398809
|
系统综述与荟萃分析 | 评估基于机器学习的模型在术前区分脊柱神经鞘瘤和脑膜瘤中的诊断性能 | 首次系统评估机器学习模型在脊柱肿瘤术前鉴别诊断中的表现 | 仅纳入6项研究，样本量相对有限（644例患者） | 评估机器学习模型在脊柱神经鞘瘤和脑膜瘤术前鉴别诊断中的准确性 | 脊柱神经鞘瘤和脑膜瘤患者 | 机器学习 | 脊柱肿瘤 | 医学影像分析 | 深度学习, 机器学习 | 医学影像数据 | 644例患者（364例神经鞘瘤，258例脑膜瘤） | NA | NA | AUC, 准确率, 灵敏度, 特异性, 诊断比值比 | NA |
| 68 | 2025-10-06 |
An automated ATAC-seq method reveals sequence determinants of transcription factor dose response in the open chromatin
2025-Jul-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.24.666684
PMID:40777328
|
研究论文 | 开发自动化ATAC-seq平台RoboATAC，系统研究转录因子剂量对染色质可及性的定量影响 | 首次建立可扩展的自动化ATAC-seq平台，系统分析22种转录因子的剂量梯度对染色质可及性的定量影响，发现DNA序列可单独预测剂量敏感性 | 研究仅基于HEK293T细胞系，未在其他细胞类型中验证 | 揭示转录因子剂量与染色质可及性之间的定量关系 | 22种转录因子在HEK293T细胞中的梯度过表达效应 | 基因组学 | NA | ATAC-seq, 深度学习 | 深度学习模型 | 基因组可及性数据, 基因表达数据 | 246个HEK293T细胞样本 | NA | NA | NA | NA |
| 69 | 2025-10-06 |
CellFuse Enables Multi-modal Integration of Single-cell and Spatial Proteomics data
2025-Jul-26, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.23.665976
PMID:40777394
|
研究论文 | 提出CellFuse深度学习框架，用于整合单细胞和空间蛋白质组学数据 | 首个专门为特征重叠有限场景设计的模态无关整合框架，采用监督对比学习方法 | NA | 开发能够整合多模态单细胞和空间蛋白质组学数据的计算方法 | 健康PBMCs、骨髓、CAR-T治疗淋巴瘤、健康与肿瘤组织 | 机器学习 | 淋巴瘤 | 单细胞蛋白质组学、空间蛋白质组学 | 深度学习 | 蛋白质组学数据 | 多个数据集 | NA | 监督对比学习 | 整合质量、运行时间效率、准确率 | NA |
| 70 | 2025-10-06 |
Deep-learning triage of 3D pathology datasets for comprehensive and efficient pathologist assessments
2025-Jul-22, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.20.665804
PMID:40777412
|
研究论文 | 开发了一种深度学习框架CARP3D，用于从3D病理数据集中筛选高风险2D切面，以提高病理学家评估效率 | 提出首个利用相邻深度层面上下文信息为3D病理数据集中所有2D层面分配风险评分的深度学习分诊框架 | 仅在前列腺癌和巴雷特食管两个用例中验证，尚未在其他疾病类型中测试 | 开发能够高效筛选3D病理数据集的AI工具，优化病理学家工作流程 | 前列腺癌活检组织和巴雷特食管内镜活检组织 | 数字病理 | 前列腺癌, 巴雷特食管 | 开放式顶置光片显微镜(OTLS) | 深度学习 | 3D病理图像 | NA | NA | CARP3D | 风险分层准确性, 疾病检测率 | NA |
| 71 | 2025-10-06 |
Cascaded Multimodal Deep Learning in the Differential Diagnosis, Progression Prediction, and Staging of Alzheimer's and Frontotemporal Dementia
2025-Jul-21, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.09.23.24314186
PMID:40778154
|
研究论文 | 开发了一种级联多模态深度学习系统TelDem，用于阿尔茨海默病和额颞叶痴呆的鉴别诊断、疾病分期和进展预测 | 提出级联多模态混合变换器(CMT)和跨模态融合规范(CMFN)，能够整合分析大规模异质数据集，增强模型可解释性 | 未提及具体的外部验证结果和临床部署可行性 | 通过深度学习技术改善痴呆症的诊断、分期和预后预测 | 7,159名患者，包括健康个体、阿尔茨海默病患者和三种额颞叶变性亚型患者 | 医学人工智能 | 神经退行性疾病 | 多模态数据整合分析 | Transformer | 多模态临床数据 | 7,159名患者 | NA | Cascaded Multi-Modal Mixing Transformer (CMT) | 诊断准确性、预后准确性 | NA |
| 72 | 2025-10-06 |
Combining Real and Synthetic Data to Overcome Limited Training Datasets in Multimodal Learning
2025-Jul-17, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.07.16.25331662
PMID:40791679
|
研究论文 | 提出一种结合真实和合成数据的多模态学习策略，用于皮肤病变图像分类 | 利用大型语言模型从图像元数据合成文本描述，并与原始图像配对创建多模态表示 | 依赖于图像元数据质量，合成文本可能与真实临床描述存在差异 | 解决多模态生物医学数据中配对样本不足的问题 | 皮肤病变图像和对应的文本描述 | 多模态学习 | 皮肤病变 | 多模态深度学习 | 多模态神经网络 | 图像, 文本 | 九个内部和外部数据源 | NA | 多模态编码架构 | 分类性能 | NA |
| 73 | 2025-10-06 |
Learning Biophysical Dynamics with Protein Language Models
2025-Jul-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.11.617911
PMID:39464109
|
研究论文 | 提出两种基于蛋白质动态生物物理特性的语言模型SeqDance和ESMDance，用于预测蛋白质行为和突变效应 | 首次将分子动力学模拟和简正模式分析获得的蛋白质动态特性整合到语言模型中，突破传统仅基于序列和静态结构数据的局限 | 模型训练依赖于分子动力学模拟数据的质量和覆盖范围 | 开发能够捕捉蛋白质动态特性的深度学习模型，提升蛋白质功能和突变效应预测的泛化能力 | 蛋白质的结构动力学特性和突变效应 | 自然语言处理, 机器学习 | NA | 分子动力学模拟, 简正模式分析 | 蛋白质语言模型 | 蛋白质序列, 动态生物物理特性数据 | 超过64,000个蛋白质 | NA | ESM2 | 零样本预测性能 | NA |
| 74 | 2025-10-06 |
Expanding the DNA Motif Lexicon of the Transcriptional Regulatory Code
2025-Jul-15, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.09.662874
PMID:40791531
|
研究论文 | 开发集成计算预测、实验测试和深度学习的框架，扩展转录因子复合元件的发现与功能表征 | 提出整合计算预测、实验验证与深度学习的综合框架，开发GRACE深度学习模型在单核苷酸分辨率学习复合元件词典 | NA | 扩展转录调控代码中DNA基序词典，发现和表征转录因子复合元件 | 后生动物转录调控序列中的转录因子基序组合与复合元件 | 计算生物学 | NA | 大规模并行报告基因分析，染色质可及性分析 | 深度学习，神经网络 | DNA序列数据，染色质可及性数据 | NA | NA | GRACE，神经网络 | NA | NA |
| 75 | 2025-10-06 |
EZpred: improving deep learning-based enzyme function prediction using unlabeled sequence homologs
2025-Jul-14, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.09.663945
PMID:40791336
|
研究论文 | 提出首个利用未标记序列同源物进行蛋白质功能预测的深度学习模型EZpred | 首次在深度学习模型中利用未标记序列同源物进行酶功能预测，填补了该领域的技术空白 | 仅针对酶功能预测，未验证在其他蛋白质功能预测任务中的适用性 | 提高基于深度学习的酶功能预测准确性 | 酶蛋白质及其序列同源物 | 生物信息学 | NA | 蛋白质序列分析，同源序列比对 | 深度学习 | 蛋白质序列数据 | 753种酶 | NA | ESMC蛋白质语言模型 | F1-score | NA |
| 76 | 2025-10-06 |
Deep learning predicts cardiac output from seismocardiographic signals in heart failure
2025-Jul-14, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.07.11.25331386
PMID:40791697
|
研究论文 | 本研究开发了一种深度学习模型，能够通过心震图信号无创预测心力衰竭患者的心输出量 | 首次将深度学习应用于心震图信号来估计心输出量，为非侵入性心脏监测提供了新方法 | 样本量较小（73例患者），需要前瞻性多中心验证来确认普适性 | 开发并评估从心震图、心电图和体重指数直接估计心输出量的深度学习模型 | 心力衰竭患者 | 机器学习 | 心血管疾病 | 心震图，心电图 | CNN | 生理信号数据 | 73例心力衰竭患者 | NA | 深度卷积神经网络 | 平均偏差，一致性界限 | NA |
| 77 | 2025-10-06 |
Reg2ST: recognizing potential patterns from gene expression for spatial transcriptomics prediction
2025-Jul-02, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf425
PMID:40825238
|
研究论文 | 提出Reg2ST深度学习模型，通过识别基因表达中的潜在模式进行空间转录组预测 | 使用对比学习最小化空间转录组和病理图像之间的距离，并提出新颖的spot关系捕获方法替代K近邻算法 | NA | 开发深度学习模型进行空间转录组预测 | 人类乳腺癌和皮肤鳞状细胞癌数据集 | 数字病理学 | 乳腺癌, 皮肤鳞状细胞癌 | 空间转录组学, H&E染色全切片成像 | 深度学习 | 基因表达数据, 病理图像 | NA | NA | NA | 皮尔逊相关系数, 统计检验, 计算效率 | NA |
| 78 | 2025-10-06 |
Indel calling from ONT sequencing data of family trios via sparse attention and 3D convolution
2025-Jul-02, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf430
PMID:40828510
|
研究论文 | 提出基于稀疏注意力和3D卷积的深度学习方法，用于从家庭三人家系的ONT长读长测序数据中准确检测Indel变异 | 首次将稀疏注意力网络与3D卷积结合应用于家庭三人组的Indel检测，通过双注意力机制选择关键通道和碱基位置，有效抵抗测序误差干扰 | 未提及方法在低覆盖率或不同测序平台数据上的泛化能力 | 提高家庭三人家系中Indel检测的准确性和可靠性 | 家庭三人家系的ONT长读长测序数据 | 生物信息学 | 遗传疾病 | ONT长读长测序 | 深度学习 | 基因组测序数据 | NA | NA | 稀疏注意力网络, ResNet, 3D卷积 | 召回率, 精确率, F1分数 | NA |
| 79 | 2025-10-06 |
A variational deep-learning approach to modeling memory T cell dynamics
2025-Jul, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013242
PMID:40705818
|
研究论文 | 提出一种结合深度学习和随机变分推断的方法，用于建模肺组织中记忆T细胞的动态变化 | 同时推断动态模型参数和群体结构，直接基于单细胞流式细胞术数据训练，而非预定义细胞簇的动力学 | 研究仅限于小鼠流感病毒感染模型，尚未验证在其他生物系统的适用性 | 开发能够处理高维数据的可解释数学模型，研究免疫记忆的动态机制 | 小鼠肺组织驻留记忆CD4和CD8 T细胞 | 机器学习 | 流感病毒感染 | 单细胞流式细胞术 | 深度学习, 变分推断 | 流式细胞术数据 | NA | NA | NA | NA | NA |
| 80 | 2025-10-06 |
Regional climate projections using a deep-learning-based model-ranking and downscaling framework: application to European climate zones
2025-Jul, Environmental science and pollution research international
DOI:10.1007/s11356-025-36872-9
PMID:40815421
|
研究论文 | 提出基于深度学习的多模型评估与降尺度框架，用于改进欧洲气候区的区域气候预测 | 结合深度学习与TOPSIS方法对32个CMIP6模型进行排序，并采用先进的深度学习模型进行降尺度处理 | 仅关注温度变量、未量化情景不确定性、transformer模型计算成本较高 | 提高区域气候预测的准确性和分辨率 | 欧洲五个柯本-盖格气候区（热带、干旱、温带、大陆性、极地） | 机器学习 | NA | 气候模型降尺度 | Vision Transformer, CNN-LSTM, ConvLSTM, 自定义神经网络 | 气候模型数据 | 32个CMIP6模型在五个气候区四个季节的数据 | NA | ViT, GeoSTANet, CNN-LSTM, ConvLSTM | RMSE, Kling-Gupta效率, Nash-Sutcliffe效率, 相关系数 | NA |