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 957 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2025-10-05 |
Self-supervised physics-informed generative networks for phase retrieval from a single X-ray hologram
2025-Aug-25, Optics express
IF:3.2Q2
DOI:10.1364/OE.569216
PMID:40984363
|
研究论文 | 提出一种自监督物理信息生成网络，从单张X射线全息图中同时重建相位和吸收信息 | 无需配对、非配对或模拟训练数据，通过物理信息生成对抗网络实现单张全息图的相位恢复 | 未明确说明计算资源需求和算法在极端成像条件下的表现 | 解决X射线相位衬度成像中的相位恢复逆问题 | X射线全息图和未传播波场的相位与吸收信息 | 计算机视觉 | NA | X射线相位衬度成像，Fresnel近场理论 | GAN | X射线全息图（强度测量） | 模拟数据和PETRA III P05束线实验数据集 | NA | 物理信息生成对抗网络 | 定量重建质量 | NA |
| 182 | 2025-10-05 |
All-optical color image encryption using multimode fiber speckles and diffractive deep neural networks
2025-Aug-25, Optics express
IF:3.2Q2
DOI:10.1364/OE.571745
PMID:40984386
|
研究论文 | 提出一种集成轨道角动量编码、多模光纤散斑加密和衍射深度神经网络解码的全光学彩色图像加密系统 | 将图像像素的灰度值和颜色通道分别映射到OAM光束的拓扑电荷和空间位置，利用环境干扰生成散斑密文，并通过预训练D2NN实现光学端到端解密 | 需在长期噪声干扰下收集散斑样本进行训练，系统性能可能受环境扰动特性影响 | 实现无需深度学习计算负担的高速安全彩色图像传输 | 彩色图像像素的加密与解密 | 计算机视觉 | NA | 轨道角动量编码、多模光纤传输、衍射神经网络 | 衍射深度神经网络 | 光学图像、散斑图案 | 512×512彩色图像 | NA | D2NN | 准确率, SSIM | 全光学系统（无传统计算资源） |
| 183 | 2025-10-05 |
Trace gas sensor based on photoacoustic spectroscopy and deep learning nested U-shaped network (U-Net++)
2025-Aug-25, Optics express
IF:3.2Q2
DOI:10.1364/OE.569183
PMID:40984421
|
研究论文 | 提出一种结合滚筒型谐振器光声光谱系统和嵌套U型深度学习网络(U-Net++)的新型痕量气体传感器 | 首次将优化的滚筒型声学谐振器与U-Net++深度学习架构相结合，实现噪声抑制和长期稳定性提升 | NA | 开发高灵敏度、强噪声抑制能力和长期稳定性的痕量气体检测传感器 | 甲烷(CH)气体 | 传感器技术 | NA | 光声光谱技术(PAS) | 深度学习 | 光谱数据 | 不同甲烷浓度(5-30 ppm)的实验验证 | NA | U-Net++ | 标准偏差, Allan方差, 最小可检测浓度(MDC), 信噪比(SNR) | NA |
| 184 | 2025-10-05 |
Accurate prediction approach for the center position of a future light spot under atmospheric turbulence
2025-Aug-25, Optics express
IF:3.2Q2
DOI:10.1364/OE.568684
PMID:40984412
|
研究论文 | 提出一种名为特征匹配循环预测(FMRP)的混合方法，用于预测大气湍流下光斑中心位置 | 仅需处理实时接收的光斑图像即可实现精确位置预测，无需离线训练和大规模数据集 | NA | 提高卫星对地激光通信中指向、捕获和跟踪系统的精度和稳定性 | 大气湍流环境下的光斑中心位置 | 计算机视觉 | NA | NA | RNN | 图像 | NA | NA | 循环神经网络 | 预测精度, 稳定性 | NA |
| 185 | 2025-10-05 |
Statistical analysis and prediction of dynamic UAV-based entanglement distribution channel through deep learning
2025-Aug-11, Optics express
IF:3.2Q2
DOI:10.1364/OE.565103
PMID:40984598
|
研究论文 | 提出基于PatchTST深度学习模型的无人机量子纠缠分布信道动态预测框架 | 首次将PatchTST Transformer模型应用于无人机量子信道动态透射率预测，相比传统静态统计模型能更准确捕捉实时信道变化 | 基于仿真数据验证，尚未在真实物理系统中进行测试 | 提升无人机量子纠缠分布系统的自适应优化能力和鲁棒性 | 无人机对地量子信道透射率动态变化 | 机器学习 | NA | 深度学习 | Transformer | 时间序列数据 | NA | NA | PatchTST | BBM92安全密钥率 | NA |
| 186 | 2025-10-05 |
Deep-learning-based single-pixel telescope for simultaneous visible and near-infrared imaging with robustness to atmospheric seeing
2025-Aug-11, Optics express
IF:3.2Q2
DOI:10.1364/OE.566490
PMID:40984610
|
研究论文 | 本研究开发了一种基于深度学习的单像素望远镜系统，用于在模拟大气湍流条件下实现可见光和近红外的同步成像 | 将深度学习技术与具有多波长成像能力的单像素成像系统相结合，开发了能够同时进行可见光和近红外观测的单像素望远镜系统 | 在模拟湍流条件下，时间分割模式学习网络对简单目标（如MNIST图像）的精度低于U-Net，需要进一步改进 | 开发能够在大气湍流等动态随机介质中实现高质量成像的望远镜系统 | 单像素望远镜系统在模拟大气湍流条件下的成像性能 | 计算机视觉 | NA | 单像素成像，深度学习成像 | CNN | 图像 | NA | NA | U-Net, TDPL | 精度 | NA |
| 187 | 2025-10-05 |
Predicting response and survival of lung adenocarcinoma under anti-programmed death-1 therapy using biological deep learning
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf479
PMID:40971820
|
研究论文 | 开发基于迁移学习的半监督生物稀疏神经网络预测肺腺癌患者对PD-1抑制剂治疗的应答和生存情况 | 提出结合生物通路信息的稀疏神经网络，整合多组学数据和半监督学习策略 | NA | 预测肺腺癌患者对PD-1免疫治疗的应答和生存获益 | 肺腺癌患者 | 机器学习 | 肺癌 | 基因组突变分析,拷贝数变异分析 | 神经网络 | 基因组数据,多组学数据 | 四个队列的患者数据 | NA | 生物稀疏神经网络 | AUROC,AUPR | NA |
| 188 | 2025-10-05 |
A Systematic Review of the Diagnostic Accuracy of Deep Learning Models for the Automatic Detection, Localization, and Characterization of Clinically Significant Prostate Cancer on Magnetic Resonance Imaging
2025-Aug, European urology oncology
IF:8.3Q1
DOI:10.1016/j.euo.2024.11.001
PMID:39547898
|
系统综述 | 本系统综述评估深度学习模型在MRI上自动检测、定位和表征临床显著性前列腺癌的诊断准确性 | 首次系统评估2020-2023年间全自动深度学习模型在前列腺癌MRI诊断中的表现 | 研究设计、验证策略和数据集存在显著异质性，仅三分之一研究进行了外部验证，限制了结果的普适性 | 评估深度学习模型在增强前列腺癌MRI诊断准确性方面的潜力 | 临床显著性前列腺癌患者 | 医学影像分析 | 前列腺癌 | 磁共振成像 | 深度学习模型 | 医学影像 | 25项符合纳入标准的研究 | NA | NA | 诊断准确性 | NA |
| 189 | 2025-10-05 |
Spatial-temporal cascaded network for dynamic [11C]acetate cardiac PET parametric images generation based on one-tissue compartment model
2025-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.18016
PMID:40781790
|
研究论文 | 提出基于深度学习的方法，利用缩短的动态PET数据生成[11C]acetate单组织房室模型动力学参数图像 | 提出时空级联网络(STCN)，结合卷积模块和Transformer模块，并引入动力学模型的时间损失函数 | K1参数图像的PSNR略低于Pix2pix模型，样本量相对有限(57个受试者) | 探索减少参数分析所需时间的可行性，促进动态PET在临床的应用 | 心脏[11C]acetate PET/CT成像数据 | 医学影像分析 | 心血管疾病 | 动态PET/CT成像，单组织房室模型 | CNN, Transformer | 动态PET图像 | 57个受试者(训练集40个，测试集17个) | NA | 时空级联网络(STCN), U-Net, Pix2pix, CycleGAN | NRMSE, PSNR, SSIM, WAIC, CoV | NA |
| 190 | 2025-10-05 |
Hybrid phantom for lung CT: Design and validation
2025-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17990
PMID:40781832
|
研究论文 | 本文介绍并验证了一种用于肺部CT的混合体模设计，该体模结合了基于任务的图像质量评估和人体解剖模拟功能 | 将基于任务的体模设置（Mercury）与基于患者的体模设置（Freddie）结合在单一混合体模中，增强了可检测性指数在临床CT协议优化中的应用潜力 | 三种材料（TangoBlack+、VeroClear和HIPS）在某些光束能量下的HU值一致性超出15%范围 | 优化肺部CT成像协议，特别是低剂量CT在肺癌筛查中的应用 | 肺部CT混合体模的设计与验证 | 医学影像 | 肺癌 | CT成像，深度学习重建算法 | NA | CT图像 | 5名胸部放射科医生和8名非放射科医生的观察评估 | NA | NA | 亨氏单位一致性，李克特量表评分，可检测性指数 | NA |
| 191 | 2025-10-05 |
Graph-based deep learning for integrating single-cell and bulk transcriptomic data to identify clinical cancer subtypes
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf467
PMID:40966644
|
研究论文 | 提出基于图深度学习的单细胞和批量转录组数据整合方法scBGDL，用于识别癌症临床亚型和预测临床结局 | 首次构建样本特异性基因图模型，结合图注意力网络、MinCutPool层和Transformer模块，实现多组学数据的高效整合与生物学解释 | 方法在16种癌症类型中验证但尚未涵盖所有癌症类型，需要进一步扩大验证范围 | 整合单细胞和批量转录组数据以精确识别癌症亚型并预测临床结局 | 16种TCGA癌症类型及三个多中心队列（肺腺癌、上皮性卵巢癌、皮肤黑色素瘤） | 生物信息学, 机器学习 | 癌症 | 单细胞RNA测序, 批量转录组测序 | 图神经网络, Transformer | 基因表达数据 | TCGA 16种癌症类型，肺腺癌1099例，上皮性卵巢癌762例，皮肤黑色素瘤305例 | PyTorch, DGL | Graph Attention Networks, MinCutPool, Transformer | C-index, log-rank P值 | NA |
| 192 | 2025-10-05 |
AttBiomarker: unveiling preeclampsia biomarkers and molecular pathways through two-stage gene selection techniques and attention-based CNN with gene regulatory network analysis
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf473
PMID:40966654
|
研究论文 | 本研究开发了一种集成深度学习和生物信息学的方法，通过两阶段基因选择技术和基于注意力的CNN结合基因调控网络分析，识别先兆子痫的潜在生物标志物 | 提出两阶段基因选择方法（Fisher评分+mRMR）结合注意力机制CNN模型，并整合基因调控网络分析来识别先兆子痫生物标志物 | 仅基于三个微阵列数据集进行分析，样本规模和多样性可能存在限制 | 识别先兆子痫的潜在生物标志物和分子通路 | 先兆子痫相关基因表达数据 | 生物信息学 | 先兆子痫 | 微阵列分析, 基因本体分析, KEGG通路富集分析, 蛋白质-蛋白质相互作用网络, 基因调控网络分析, 分子对接分析 | CNN | 基因表达数据 | 三个微阵列数据集 | NA | 基于注意力的卷积神经网络(AttCNN) | 分类准确率 | NA |
| 193 | 2025-10-05 |
Artificial intelligence for comprehensive DNA methylation analysis: overview, challenges, and future directions
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf468
PMID:40966651
|
综述 | 本文全面评述了人工智能与DNA甲基化分析的协同作用，涵盖机器学习、深度学习、自然语言处理和可解释人工智能等技术 | 强调了信号处理和基于大语言模型的在DNA甲基化研究中尚未充分开发的潜力 | 讨论了管理和分析大型复杂DNA甲基化数据集时面临的挑战和限制 | 探索人工智能在DNA甲基化分析领域的应用现状与未来发展 | DNA甲基化数据分析方法 | 自然语言处理, 机器学习 | NA | DNA甲基化分析 | 机器学习, 深度学习, 自然语言处理模型, 大语言模型 | DNA甲基化数据 | NA | NA | NA | NA | NA |
| 194 | 2025-10-05 |
Developing inhibitors of the guanosine triphosphate hydrolysis accelerating activity of Regulator of G protein Signaling-14
2025-Aug-09, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.11.659181
PMID:40667230
|
研究论文 | 本研究开发了选择性非共价抑制RGS14 GTP酶加速活性的小分子抑制剂 | 首次发现可靶向RGS14蛋白浅表Gα结合峡谷的非共价小分子抑制剂，并采用机器学习增强的分子对接技术指导配体优化 | 未明确说明样本规模，且部分抑制剂仅进行了初步体内药代动力学评估 | 开发针对RGS14 GTP酶加速活性的选择性抑制剂 | RGS14蛋白及其GTP酶加速活性 | 计算生物学 | 中枢神经系统疾病,代谢疾病 | 结构导向虚拟筛选,配体对接,深度学习评分,荧光检测,放射性GTP水解测定 | 深度学习 | 分子结构数据,生物活性数据 | 40多个第二代类似物 | NA | NA | 抑制活性,细胞毒性,药代动力学参数 | NA |
| 195 | 2025-10-06 |
Pathway information on methylation analysis using deep neural network (PROMINENT): An interpretable deep learning method with pathway prior for phenotype prediction using gene-level DNA methylation
2025-Aug-29, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103236
PMID:40972407
|
研究论文 | 提出一种名为PROMINENT的可解释深度学习新方法，整合基因水平DNA甲基化数据和生物通路信息进行表型预测 | 首次将基因和通路水平先验知识整合到DNA甲基化分析的深度神经网络中，同时提高预测准确性和可解释性 | NA | 开发能够准确预测表型并具有良好可解释性的DNA甲基化数据分析方法 | 儿童哮喘、特发性肺纤维化(IPF)和首发精神病(FEP)患者的DNA甲基化数据 | 机器学习 | 呼吸系统疾病,精神疾病 | DNA甲基化分析 | 深度神经网络 | 基因水平DNA甲基化数据 | NA | NA | 深度神经网络 | 预测准确性,计算效率 | NA |
| 196 | 2025-10-05 |
Evaluation of calcaneal inclusion angle in the diagnosis of pes planus with pretrained deep learning networks: An observational study
2025-Aug-01, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000043639
PMID:40760538
|
研究论文 | 本研究使用预训练深度学习网络通过跟骨包容角评估扁平足诊断 | 首次将预训练深度学习模型应用于扁平足的X射线图像自动诊断，实现了高精度分类 | 研究人群在年龄和性别方面同质化，缺乏足够异质性代表一般人群 | 开发基于深度学习的扁平足自动诊断方法 | 289名患者的左右足部侧位X射线图像 | 计算机视觉 | 足部畸形 | X射线成像 | CNN | 图像 | 289名患者的足部X射线图像 | NA | AlexNet, GoogleNet, SqueezeNet | 准确率 | NA |
| 197 | 2025-10-06 |
CircCode3: integrating deep learning to mine and evaluate translatable circular RNAs from ribosome profiling sequencing and mass spectrometry data
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf458
PMID:40966647
|
研究论文 | 开发了CircCode3集成分析流程，通过深度学习技术从核糖体分析测序和质谱数据中挖掘可翻译环状RNA | 整合了深度学习工具DeepCircm6A和DLMSC，新增了跨越反向剪接位点的开放阅读框识别与评估功能 | 未提及具体性能验证数据或与其他工具的对比结果 | 准确识别可翻译环状RNA及其开放阅读框 | 可翻译环状RNA及其编码潜力 | 生物信息学 | NA | 核糖体分析测序, 质谱分析, 高通量测序 | 深度学习 | 测序数据, 质谱数据 | NA | NA | NA | NA | NA |
| 198 | 2025-10-06 |
Intelligent deep learning-based disease monitoring system in 5G network using multi-disease big data
2025-Aug, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2310785
PMID:38334127
|
研究论文 | 提出了一种基于智能深度学习的5G网络疾病监测系统，使用多疾病大数据进行疾病预测 | 开发了改进的MPPP-SSGSO优化算法用于参数调优和模糊分类器优化，并采用集成提升模型与模糊分类器结合的混合方法 | 仅针对五种特定疾病进行监测，未明确说明具体疾病类型 | 开发高效的实时疾病监测系统以降低死亡率 | 通过可穿戴医疗设备收集的患者数据 | 机器学习 | 多疾病监测 | 可穿戴设备数据采集，5G网络传输 | 1D-CNN, 集成学习, 模糊分类器 | 传感器数据 | NA | NA | 一维卷积神经网络，AdaBoost，XGBoost，CatBoost | 准确率 | 5G网络框架 |
| 199 | 2025-10-06 |
Role of Artificial Intelligence in Critical Care Medicine: A Literature Review
2025-Aug, Cureus
DOI:10.7759/cureus.90149
PMID:40959327
|
文献综述 | 本文综述了人工智能在重症监护医学领域的应用现状与发展前景 | 系统总结了人工智能在ICU中预测患者恶化事件和提升诊断准确性的最新证据 | 作为综述文章未进行原始数据收集和实证分析 | 评估人工智能在重症监护医学中的应用效果与发展潜力 | 重症监护病房(ICU)产生的多模态医疗数据 | 医疗人工智能 | 重症监护疾病(脓毒症、器官衰竭、急性呼吸窘迫综合征等) | 机器学习、深度学习 | ML, DL | 生命体征波形、实验室结果、临床记录、医学影像 | NA | NA | NA | 预测准确性、诊断准确性 | NA |
| 200 | 2025-10-06 |
Designing the CORI score for COVID-19 diagnosis in parallel with deep learning-based imaging models
2025-Aug, Narra J
DOI:10.52225/narra.v5i2.1606
PMID:40951492
|
研究论文 | 开发结合胸部X光影像和临床数据的AI辅助诊断模型，用于COVID-19检测 | 提出COVID-19风险指数（CORI评分）并实现基于ResNet架构的深度学习模型 | 回顾性数据收集、医院间变异性和有限的外部验证 | 开发COVID-19的AI辅助诊断工具 | COVID-19患者、非COVID-19肺炎患者和健康个体 | 医学影像分析 | COVID-19 | 胸部X光成像 | CNN | 图像、临床数据、实验室数据 | 367名参与者（100名COVID-19阳性、100名非COVID-19肺炎、100名健康个体） | NA | ResNet | 准确率、灵敏度、特异性、阴性预测值、阳性预测值、ROC曲线下面积 | NA |