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 967 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2025-11-15 |
Fast and Stable Neonatal Brain MR Imaging Using Integrated Learned Subspace Model and Deep Learning
2025-Aug, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3541643
PMID:40072865
|
研究论文 | 通过整合学习的新生儿特定子空间模型和模型驱动深度学习，实现快速稳定的新生儿脑部MR成像 | 提出将新生儿特定子空间模型与深度网络相结合的新方法，解决了新生儿MRI训练数据不足的问题 | 需要进一步开发以提升在新生儿成像应用中的实际效用 | 加速新生儿脑部MR成像并提高重建稳定性 | 新生儿脑部MR图像 | 医学影像处理 | 新生儿脑部疾病 | MR成像，k空间稀疏采样 | 深度学习，子空间模型 | MR图像，k空间数据 | dHCP数据集和四个独立医疗中心的测试数据 | NA | 深度神经网络 | 重建稳定性，图像质量 | NA |
| 202 | 2025-11-14 |
Deep learning guided programmable design of Escherichia coli core promoters from sequence architecture to strength control
2025-Aug-27, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf863
PMID:40902006
|
研究论文 | 开发了一个深度学习引导的大肠杆菌核心启动子可编程设计平台，实现从序列架构到强度控制的端到端工程 | 将理性文库设计、预测建模和生成优化整合到闭环工作流中，首次实现基于Transformer和条件扩散模型的启动子从头生成与强度精确控制 | 研究主要针对大肠杆菌核心启动子，在其他生物系统中的通用性需要进一步验证 | 建立可扩展的大肠杆菌核心启动子可编程设计平台，实现精确的转录控制 | 大肠杆菌核心启动子序列 | 机器学习 | NA | Mutation-Barcoding-Reverse Sequencing | Transformer, 条件扩散模型 | DNA序列 | 112,955个合成启动子变体 | NA | Transformer, 条件扩散模型 | Pearson相关系数 | NA |
| 203 | 2025-11-13 |
Fully Automatic Volume Segmentation Using Deep Learning Approaches to Assess the Thoracic Aorta, Visceral Abdominal Aorta, and Visceral Vasculature
2025-Aug-12, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery
IF:5.7Q1
DOI:10.1016/j.ejvs.2025.08.025
PMID:40812505
|
研究论文 | 本研究评估了基于深度学习的全自动体积分割技术在胸主动脉、内脏腹主动脉及内脏血管分割中的准确性 | 首次将全自动体积分割技术应用于胸主动脉和内脏主动脉分割的验证研究，并与医师手动分割进行系统比较 | 回顾性研究设计，样本量相对较小（50例CTA），仅针对腹主动脉瘤患者 | 评估深度学习全自动分割技术在主动脉血管影像分析中的准确性和临床应用价值 | 腹主动脉瘤患者的计算机断层扫描血管成像数据 | 医学影像分析 | 腹主动脉瘤 | 计算机断层扫描血管成像 | 深度学习 | 医学影像 | 50例术前CTA扫描 | NA | NA | Dice相似系数, Jaccard指数, 敏感性, 特异性, Bland-Altman一致性界限 | NA |
| 204 | 2025-11-09 |
Advancing deep learning-based segmentation for multiple lung cancer lesions in real-world multicenter CT scans
2025-Aug-18, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-025-00617-7
PMID:40826204
|
研究论文 | 提出一种基于深度学习的自动化多实例肺癌症病灶分割方法，在真实世界多中心CT扫描中实现准确分割 | 开发了包含胸腔边界框提取、多实例病灶分割和新型多尺度级联分类器的三步流程，专门针对多病灶分割问题 | 研究基于回顾性数据，需要在前瞻性研究中进一步验证 | 开发能够准确分割肺癌症多病灶的自动化方法 | 肺癌症患者的CT扫描图像 | 计算机视觉 | 肺癌症 | CT扫描 | 深度学习 | 医学图像 | 1,081例CT扫描，包含5,322个标注病灶（训练集868例，测试集213例），外部验证集188例 | NA | 多尺度级联分类器 | Dice相似系数, 病灶检测灵敏度 | NA |
| 205 | 2025-11-09 |
Integrating computational pathology and multi-transcriptomics to characterize lung adenocarcinoma heterogeneity and prognostic modeling
2025-Aug-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002639
PMID:40474806
|
研究论文 | 本研究通过整合计算病理学和单细胞多组学分析，构建了一个多维框架来表征肺腺癌异质性并开发预后模型 | 首次将计算病理学特征与单细胞多组学数据系统整合，识别出与拷贝数变异相关的影像学特征和关键分子调控因子 | 主要基于回顾性生物信息学分析，缺乏前瞻性队列和实验研究验证，临床实用性需进一步确认 | 探索肺腺癌病理组织学特征与基因组不稳定性之间的关系，并开发预后预测模型 | TCGA-LUAD数据集中的全切片图像和单细胞多组学数据 | 计算病理学 | 肺腺癌 | 单细胞多组学分析, 拷贝数变异分析, 基因共表达网络分析 | CNN, 机器学习 | 全切片图像, 基因表达数据 | TCGA-LUAD数据集 | CellProfiler, inferCNV, hdWGCNA, CellChat, Monocle2 | ResNet-50 | 生存预测准确性 | NA |
| 206 | 2025-11-08 |
Artificial Intelligence in Alzheimer's Disease Diagnosis and Prognosis Using PET-MRI: A Narrative Review of High-Impact Literature Post-Tauvid Approval
2025-08-21, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14165913
PMID:40869739
|
综述 | 本文综述了Tauvid获批后人工智能在阿尔茨海默病PET-MRI诊断和预后中的最新应用进展 | 聚焦Tauvid（tau蛋白病理PET示踪剂）获批后的高影响力文献，系统梳理AI在AD神经影像中的临床应用 | 方法学挑战包括可重复性不足、样本量小、缺乏外部验证，限制了临床转化 | 评估人工智能在阿尔茨海默病诊断和预后中的临床应用价值 | 阿尔茨海默病患者的PET和MRI神经影像数据 | 数字病理 | 老年疾病 | PET-MRI神经影像 | CNN, GAN, Transformer | 医学影像 | 109项研究（具体样本量未明确说明） | NA | 卷积神经网络, 生成对抗网络, 基于Transformer的架构 | NA | NA |
| 207 | 2025-11-08 |
Toward Informative Representations of Blood-Based Infrared Spectra via Unsupervised Deep Learning
2025-08, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.70011
PMID:40129053
|
研究论文 | 本研究利用无监督深度学习开发全卷积去噪自编码器，处理血液红外光谱数据以提取低维表征 | 首次将全卷积去噪自编码器应用于血液红外光谱数据，通过定制损失函数在降噪的同时保留关键分子信息 | 研究基于病例对照设计，样本来源和规模可能限制结果的普适性 | 探索红外光谱数据的低维表征方法以提升疾病检测性能 | 人类血液样品的傅里叶变换红外光谱数据 | 机器学习 | 肺癌 | 傅里叶变换红外光谱 | 自编码器 | 光谱数据 | 未明确说明具体样本数量 | NA | 全卷积去噪自编码器 | 准确率 | NA |
| 208 | 2025-11-07 |
Accelerating Biomolecular Modeling with AtomWorks and RF3
2025-Aug-15, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.14.670328
PMID:40832246
|
研究论文 | 提出AtomWorks数据框架和RosettaFold-3结构预测网络，用于加速生物分子建模开发 | 开发了通用的生物分子基础模型数据框架，并改进了手性处理以缩小与AlphaFold3的性能差距 | 未明确说明模型的具体性能局限或计算资源需求 | 促进开源生物分子机器学习模型的发展，改进生物分子结构预测 | 蛋白质结构和生物分子复合物 | 机器学习 | NA | 深度学习 | 神经网络 | 蛋白质结构数据 | NA | NA | RosettaFold-3 | NA | NA |
| 209 | 2025-11-03 |
Artificial intelligence-driven framework for discovering synthetic binding protein-like scaffolds from the entire protein universe
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf573
PMID:41165486
|
研究论文 | 开发了一种人工智能驱动的框架，用于从整个已知蛋白质组中发现合成结合蛋白样支架 | 结合深度学习FoldSeek和自主开发的HP2A算法，能够从低序列相似性中识别结构相似的蛋白质支架 | 仅使用四种代表性合成结合蛋白作为概念验证，需要进一步实验验证 | 发现高质量的工程蛋白质支架，促进新型合成结合蛋白的开发 | 合成结合蛋白样支架，包括Affibody、Anticalin、DARPin和Fynome | 机器学习 | NA | 深度学习，蛋白质结构分析，进化分析 | 深度学习 | 蛋白质序列和结构数据 | 四种代表性合成结合蛋白作为查询模板 | FoldSeek, HP2A | NA | 序列相似性，TM-score | NA |
| 210 | 2025-10-30 |
[Exploration and application of attention mechanism in survival analysis of competitive events in oral cancer]
2025-Aug, Shanghai kou qiang yi xue = Shanghai journal of stomatology
PMID:41157971
|
研究论文 | 本研究基于注意力机制构建了OSAA模型用于口腔癌竞争事件生存分析，并探索其在口腔癌辅助诊疗中的应用价值 | 首次将注意力机制应用于口腔癌竞争事件的生存分析，开发了OSAA模型 | NA | 开发基于注意力机制的口腔癌竞争事件生存分析模型并评估其性能 | 来自SEER数据库的口腔癌患者数据 | 机器学习 | 口腔癌 | 生存分析 | 深度学习 | 临床数据 | NA | NA | 注意力机制 | C-index, IBS, Kaplan-Meier生存曲线, 时间依赖性ROC曲线 | NA |
| 211 | 2025-10-30 |
[Preliminary study of alveolar socket measurement on CBCT based on SAM]
2025-Aug, Shanghai kou qiang yi xue = Shanghai journal of stomatology
PMID:41157983
|
研究论文 | 本研究开发了一种基于SAM的深度学习自动测量工具，用于CBCT影像中牙槽窝尺寸的测量 | 首次将Segment Anything Model(SAM)应用于CBCT影像的牙槽窝自动测量，开发了交互式分割测量工具 | 样本量较小（29名患者），仅评估了特定牙位（5-5位置）的测量准确性 | 评估基于深度学习的CBCT自动测量工具的准确性，并与手动测量进行比较验证 | 成人患者的CBCT影像和牙槽窝横断面 | 计算机视觉 | 口腔疾病 | CBCT成像 | SAM | 医学影像 | 29名成年患者（11男，18女），427个牙槽窝横断面 | NA | Segment Anything Model | 决定系数(R2), 测量误差, Pearson相关系数 | NA |
| 212 | 2025-10-29 |
Radiomics and deep learning methods for predicting the growth of subsolid nodules based on CT images
2025-Aug-29, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000044104
PMID:40898494
|
研究论文 | 本研究通过结合影像组学和深度学习方法，基于CT图像预测亚实性肺结节的生长风险 | 首次将影像组学特征与深度学习模型通过基于ResNet的融合网络进行集成，显著提升了亚实性结节生长预测性能 | 回顾性研究设计，样本量相对有限（387个结节），需要多中心前瞻性验证 | 评估深度学习和影像组学方法在预测亚实性肺结节生长方面的临床应用价值 | 353名患者的387个亚实性肺结节 | 医学影像分析 | 肺癌 | CT成像 | 深度学习, 影像组学 | CT图像 | 387个亚实性肺结节（195个生长组，192个非生长组） | NA | ResNet18 | AUC, 决策曲线分析 | NA |
| 213 | 2025-10-29 |
Artificial intelligence in joint arthroplasty: A bibliometric analysis of global research trends (2001-2025)
2025-Aug-29, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000044136
PMID:40898573
|
文献计量分析 | 通过文献计量分析探讨2001-2025年人工智能在关节置换领域的研究趋势和热点 | 首次系统分析人工智能在关节置换领域的全球研究趋势和发展脉络 | 仅基于Web of Science数据库，可能未涵盖所有相关文献 | 揭示人工智能在关节置换领域的研究重点和全球发展趋势 | 关节置换相关的人工智能研究文献 | 医学信息学 | 骨科疾病 | 文献计量分析 | NA | 文献数据 | 533篇出版物 | CiteSpace, VOSviewer, Scimago Graphica | NA | NA | NA |
| 214 | 2025-10-29 |
On the Utility of Virtual Staining for Downstream Applications as it relates to Task Network Capacity
2025-Aug-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.04.668552
PMID:40799532
|
研究论文 | 系统研究虚拟染色技术对下游临床应用效用的影响，重点关注任务网络容量的作用 | 首次系统研究虚拟染色对下游任务性能的影响，并揭示任务网络容量在此过程中的关键作用 | 仅使用生物数据集进行实证评估，未涉及更广泛的临床场景 | 评估虚拟染色技术对下游生物或临床任务的实际效用 | 虚拟染色生成的合成荧光图像及其对分割和分类任务的影响 | 数字病理 | NA | 深度学习图像到图像转换 | NA | 图像 | NA | NA | NA | 分割性能, 分类性能 | NA |
| 215 | 2025-10-29 |
Impact of Deep Learning-Based Image Conversion on Fully Automated Coronary Artery Calcium Scoring Using Thin-Slice, Sharp-Kernel, Non-Gated, Low-Dose Chest CT Scans: A Multi-Center Study
2025-Aug, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2025.0177
PMID:40527737
|
研究论文 | 评估基于深度学习的图像转换技术对使用薄层、锐利核、非门控、低剂量胸部CT扫描进行自动冠状动脉钙化评分的准确性影响 | 首次在多中心研究中利用深度学习技术将低剂量CT图像转换为模拟标准钙化评分CT图像，显著提升了自动钙化评分的准确性 | 研究为回顾性设计，样本量相对有限（225对图像），仅使用特定厂商的软件进行图像转换 | 提高低剂量胸部CT扫描在自动冠状动脉钙化评分中的准确性和临床应用价值 | 来自四个医疗机构的225对低剂量CT和钙化评分CT图像 | 医学影像分析 | 心血管疾病 | 深度学习图像转换，CT成像 | 深度学习模型 | 医学CT图像 | 225对来自四个医疗机构的LDCT和CSCT图像 | NA | NA | Bland-Altman分析，一致性相关系数（CCC），加权kappa统计量 | NA |
| 216 | 2025-10-19 |
"Frustratingly easy" domain adaptation for cross-species transcription factor binding prediction
2025-Aug-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.21.655414
PMID:40501927
|
研究论文 | 提出一种名为MORALE的简单而有效的领域自适应框架，用于跨物种转录因子结合预测 | 通过对齐跨物种序列嵌入的统计矩，无需对抗训练或复杂架构即可学习物种不变调控特征 | NA | 提高深度学习模型在跨物种转录因子结合预测中的泛化能力 | 多物种转录因子ChIP-seq数据集 | 机器学习 | NA | ChIP-seq | 深度学习 | DNA序列数据 | NA | NA | NA | 准确率 | NA |
| 217 | 2025-10-19 |
NeuroLens: organ localization using natural language commands for anatomical recognition in surgical training
2025-Aug, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03463-5
PMID:40555837
|
研究论文 | 介绍NeuroLens多模态系统，通过整合视频与文本语音输入增强手术训练中的解剖结构识别能力 | 开发了结合视频与自然语言命令的多模态深度学习定位系统，为手术训练提供交互式学习平台 | 样本量较小限制了结果的普适性 | 增强手术训练中的解剖结构识别能力 | 手术学员和执业外科医生 | 计算机视觉 | 神经系统疾病 | 神经内窥镜视频分析 | 深度学习定位模型 | 视频,文本,语音 | 5名参与者（手术学生和执业外科医生） | NA | NA | 准确率,平均交并比(mIoU),系统可用性量表(SUS) | NA |
| 218 | 2025-08-07 |
Dynamic and interpretable deep learning model for predicting respiratory failure following cardiac surgery
2025-Aug-05, BMC anesthesiology
IF:2.3Q2
DOI:10.1186/s12871-025-03239-z
PMID:40764535
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 219 | 2025-10-05 |
SurvBoard: standardized benchmarking for multi-omics cancer survival models
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf521
PMID:41031875
|
研究论文 | 介绍SurvBoard基准框架，用于标准化多组学癌症生存预测模型的评估 | 开发了首个标准化多组学癌症生存模型基准测试框架，解决了实验设计标准化和缺失模态数据处理的问题 | 未明确说明框架适用的具体癌症类型范围和样本规模限制 | 建立标准化的多组学癌症生存预测模型评估体系 | 多组学癌症生存预测模型 | 机器学习 | 癌症 | 多组学数据整合（基因组学、转录组学、表观基因组学、蛋白质组学） | 统计模型,深度学习模型 | 多组学数据 | NA | NA | NA | 生存函数校准指标 | NA |
| 220 | 2025-10-05 |
Towards expert-level autonomous carotid ultrasonography with large-scale learning-based robotic system
2025-Aug-23, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-62865-w
PMID:40849291
|
研究论文 | 本文提出了一种基于大规模学习的自主颈动脉超声机器人系统UltraBot，实现了专家级性能 | 四项创新：统一的模仿学习框架、大规模专家演示数据集（247,000样本）、全面扫描协议、临床导向验证 | NA | 开发能够达到专家水平的自主颈动脉超声系统 | 颈动脉超声检查 | 医学影像，机器人技术 | 心血管疾病 | 超声成像 | 模仿学习，深度学习 | 超声图像，机器人操作数据 | 247,000个样本 | NA | 基础模型 | 成功率，准确度，可重复性 | NA |