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 988 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 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 |
| 22 | 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 |
| 23 | 2025-11-06 |
Brain Myelin in Children With Attention-Deficit/Hyperactivity Disorder: A Longitudinal T1-Weighted/T2-Weighted Ratio Study
2025-Aug-09, Biological psychiatry. Cognitive neuroscience and neuroimaging
DOI:10.1016/j.bpsc.2025.07.012
PMID:40789484
|
研究论文 | 通过纵向T1w/T2w比值研究儿童ADHD患者脑白质髓鞘发育轨迹 | 首次采用纵向T1w/T2w比值方法系统评估ADHD儿童脑白质髓鞘发育轨迹，覆盖71个白质束和三个时间点 | 未发现ADHD组与对照组在髓鞘发育上的显著差异，可能受其他白质特性影响 | 探究注意力缺陷多动障碍儿童脑白质髓鞘的发育轨迹 | 9-14岁儿童（195名ADHD患者，205名对照组） | 医学影像分析 | 注意力缺陷多动障碍 | T1加权/T2加权比值成像，扩散加权成像 | 深度学习 | 神经影像数据 | 400次扫描（195名ADHD儿童），年龄范围9-14岁 | NA | NA | 线性与非线性回归分析 | NA |
| 24 | 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 |
| 25 | 2025-10-31 |
Fused RGB and IR image based deep learning detection of dried laver bugak for robotic automation systems
2025-Aug-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-16563-8
PMID:40877352
|
研究论文 | 开发基于融合RGB和红外图像的深度学习检测模型，用于紫菜脆片的自动分拣和装载机器人系统 | 提出使用VGG19网络融合RGB和红外图像的新方法，并首次将YOLOv11l和RT-DETR模型应用于紫菜脆片检测 | NA | 实现紫菜脆片生产过程中的自动化分拣和装载 | 干燥紫菜脆片 | 计算机视觉 | NA | RGB和红外图像融合 | YOLO, RT-DETR | 图像 | NA | NA | VGG19, YOLOv11l, YOLOv8s | F1分数, mAP@0.5 | NA |
| 26 | 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 |
| 27 | 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 |
| 28 | 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 |
| 29 | 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 |
| 30 | 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 |
| 31 | 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 |
| 32 | 2025-10-26 |
RNAbpFlow: Base pair-augmented SE(3)-flow matching for conditional RNA 3D structure generation
2025-Aug-22, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.24.634669
PMID:39896539
|
研究论文 | 提出了一种基于序列和碱基对条件的SE(3)-等变流匹配模型，用于生成RNA三维结构 | 使用碱基对中心表示法，无需显式或隐式使用进化信息或同源结构模板即可端到端生成全原子RNA结构 | NA | 解决RNA三维结构预测的挑战，生成准确的RNA三维结构集合 | RNA分子 | 生物分子建模 | NA | 深度学习 | SE(3)-等变流匹配模型 | RNA三维结构数据 | NA | NA | RNAbpFlow | RNA拓扑采样和预测建模性能 | NA |
| 33 | 2025-10-26 |
Powerful and accurate case-control analysis of spatial molecular data
2025-Aug-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.07.637149
PMID:39975274
|
研究论文 | 提出一种结合深度学习与统计原理的空间分子数据分析方法VIMA，用于识别与疾病相关的空间结构 | 引入变分推断微生态分析方法，通过变分自编码器集合提取组织斑块的数字“指纹”，定义数据依赖的“微生态”空间特征 | NA | 开发更灵活精确的空间分子数据分析方法，识别与疾病相关的关键空间结构 | 空间分子数据，包括免疫荧光显微镜、CODEX和空间转录组学数据 | 数字病理 | 类风湿关节炎,溃疡性结肠炎,痴呆 | 免疫荧光显微镜,CODEX,空间转录组学 | 变分自编码器 | 空间分子数据,组织斑块图像 | 涉及三种不同疾病和空间模态的数据集 | NA | 变分自编码器 | 校准性能 | NA |
| 34 | 2025-10-25 |
ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning
2025-Aug-12, ArXiv
PMID:40395940
|
研究论文 | 提出ProtoECGNet原型深度学习模型用于可解释的多标签心电图分类 | 结合原型推理和对比学习，为多标签心电图分类提供基于案例的可解释性，并设计了适用于多标签学习的原型损失函数 | NA | 开发可解释的深度学习模型用于心电图多标签分类 | 心电图信号 | 医疗人工智能 | 心血管疾病 | 心电图分析 | CNN | 时间序列数据，图像数据 | PTB-XL数据集的所有71个标签 | NA | 1D CNN, 2D CNN, 多分支架构 | NA | NA |
| 35 | 2025-10-25 |
Cell-APP: A generalizable method for cell annotation and cell-segmentation model training
2025-Aug-04, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.23.634498
PMID:39896521
|
研究论文 | 提出一种名为Cell-APP的自动化细胞标注和分割模型训练方法 | 通过结合透射光和核荧光图像实现自动化高质量训练数据生成，支持创建细胞系特异性和多细胞系分割模型 | NA | 开发自动化细胞标注和分割模型训练方法以加速高通量显微镜数据分析 | 显微镜图像中的细胞 | 计算机视觉 | NA | 透射光成像、核荧光成像 | Vision Transformer | 显微镜图像 | NA | NA | Vision Transformer | NA | NA |
| 36 | 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 |
| 37 | 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 |
| 38 | 2025-10-15 |
Generating human facial animation by aggregation deep network and low-rank active learning with table tennis applications
2025-Aug-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-13779-6
PMID:40750813
|
研究论文 | 提出一种基于情感语音生成逼真人脸动画的新方法，应用于乒乓球直播场景 | 结合深度网络聚合与低秩主动学习，通过声学特征识别音素-情感组合并选择关键面部帧 | NA | 开发能够实时生成与语音和情感表达高度匹配的面部动画技术 | 人脸动画生成 | 计算机视觉 | NA | 主动学习、形变技术 | 深度学习 | 语音信号、视频帧 | NA | NA | NA | NA | iOS和Android移动操作系统 |
| 39 | 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 |
| 40 | 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 |