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 481 - 500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 481 | 2025-10-06 |
Deep learning models for pathological classification and staging of oesophageal cancer
2025-Aug-24, World journal of clinical oncology
IF:2.6Q3
DOI:10.5306/wjco.v16.i8.109893
PMID:40901333
|
comments | 对Wei研究中应用Wave-Vision Transformer进行食管癌分类的评论，重点讨论其准确性、临床潜力及局限性 | 首次对Wave-Vision Transformer在食管癌病理分类中的应用进行系统性评述，强调其高效准确的特性 | 数据集多样性不足，缺乏可解释人工智能方法 | 评估深度学习模型在食管癌病理分类和分期中的临床应用价值 | 食管癌病理图像 | digital pathology | oesophageal cancer | NA | Vision Transformer | pathological images | NA | NA | Wave-Vision Transformer | accuracy, efficiency | NA |
| 482 | 2025-10-06 |
Cell reprogramming in cancer: Interplay of genetic, epigenetic mechanisms, and the tumor microenvironment in carcinogenesis and metastasis
2025-Aug-24, World journal of clinical oncology
IF:2.6Q3
DOI:10.5306/wjco.v16.i8.106838
PMID:40901331
|
综述 | 探讨细胞可塑性在癌症发生发展中的作用机制及其与肿瘤微环境的相互作用 | 提出'失调的细胞可塑性'可作为癌症新特征，并整合AlphaFold等AI技术加速癌症药物开发 | 主要基于理论机制探讨，缺乏具体实验数据验证 | 解析细胞重编程在癌症发生和转移中的分子机制 | 癌细胞的可塑性变化过程 | 计算生物学 | 癌症 | 下一代测序, 单细胞RNA分析, 深度学习 | 深度学习 | 基因组数据, 表观遗传数据, 蛋白质结构数据 | NA | AlphaFold | AlphaFold 2 | NA | NA |
| 483 | 2025-10-06 |
Polymer-derived distance penalties improve chromatin interaction predictions from single-cell data across crop genomes
2025-Aug-23, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.20.671329
PMID:40894789
|
研究论文 | 提出基于聚合物物理的距离惩罚函数，用于改进作物基因组中单细胞染色质相互作用预测 | 首次将聚合物物理学原理应用于作物基因组染色质相互作用预测，通过多组分幂律模型校正长程相互作用的系统性高估 | 方法主要针对植物物种验证，在动物或其他生物系统中的适用性尚未验证 | 改进单细胞数据中染色质相互作用的预测准确性，特别是减少长程相互作用的假阳性 | 玉米、水稻和大豆的染色质相互作用数据 | 计算生物学 | NA | Hi-C测序，单细胞可及性分析 | 多组分幂律模型 | 基因组相互作用数据，Hi-C数据 | 三种作物物种（玉米、水稻、大豆）的实验数据 | NA | 多组分幂律模型 | 假阳性率降低，与Hi-C数据一致性 | NA |
| 484 | 2025-10-06 |
Classification of ocular surface diseases: Deep learning for distinguishing ocular surface squamous neoplasia from pterygium
2025-Aug, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-025-06804-x
PMID:40186633
|
研究论文 | 开发基于深度学习的模型，利用裂隙灯照片区分眼表鳞状上皮 neoplasia 和翼状胬肉 | 首次使用EfficientNet B7网络进行自动图像分割，并采用GoogleNet预训练神经网络对眼表疾病进行分类 | 样本量相对较小（162例患者），两组患者平均年龄存在统计学显著差异 | 开发能够准确区分眼表鳞状上皮 neoplasia 和翼状胬肉的深度学习模型 | 眼表疾病患者的裂隙灯照片 | 计算机视觉 | 眼表疾病 | 裂隙灯摄影 | CNN | 图像 | 162例患者（77例OSSN，85例PTG） | Python | EfficientNet B7, GoogleNet | AUC, 敏感性, F1分数, 准确率, Matthews相关系数 | NA |
| 485 | 2025-10-06 |
Machine Listening for OSA Diagnosis: A Bayesian Meta-Analysis
2025-Aug, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2025.04.006
PMID:40220991
|
meta-analysis | 通过贝叶斯荟萃分析评估机器听觉在阻塞性睡眠呼吸暂停（OSA）诊断中的准确性 | 首次采用贝叶斯双变量荟萃分析方法系统评估机器听觉技术对OSA的诊断性能，并识别影响诊断准确性的关键因素 | 纳入研究数量有限（16项研究），部分亚组分析样本量较小，需要更多外部验证研究 | 评估机器听觉技术在OSA诊断中的准确性并优化诊断方法 | 阻塞性睡眠呼吸暂停（OSA）患者 | machine learning | sleep apnea | overnight audio recordings, breathing sound analysis | deep learning, traditional machine learning | audio | 训练集4,864名参与者，测试集2,370名参与者 | NA | NA | sensitivity, specificity, diagnostic OR, positive likelihood ratio, negative likelihood ratio | NA |
| 486 | 2025-10-06 |
Incorporating Artificial Intelligence into Fracture Risk Assessment: Using Clinical Imaging to Predict the Unpredictable
2025-Aug, Endocrinology and metabolism (Seoul, Korea)
DOI:10.3803/EnM.2025.2518
PMID:40754720
|
综述 | 本文综述人工智能在骨折风险评估中的最新进展，探讨其临床转化路径 | 将深度学习技术应用于常规影像数据进行机会性筛查和个体化风险评估，展示优于传统指标的预测性能 | 模型普适性不足、存在数据偏差和自动化偏差问题 | 探索人工智能作为传统骨折风险评估方法的补充工具 | 骨质疏松性骨折患者 | 医学影像分析 | 骨质疏松症 | 放射影像、计算机断层扫描 | 深度学习 | X光片、CT影像 | NA | NA | NA | NA | NA |
| 487 | 2025-10-06 |
Deep learning-based model for detection of intracranial waveforms with poor brain compliance in southern Thailand
2025-Aug, Acute and critical care
IF:1.7Q3
DOI:10.4266/acc.001425
PMID:40903411
|
研究论文 | 开发基于深度学习的模型用于检测泰国南部地区颅内顺应性不良的颅内压波形 | 首次将深度学习技术应用于颅内压波形分析，实现颅内顺应性不良的自动检测 | 回顾性研究，样本量相对较小（21名患者），仅来自单一地区 | 开发深度学习模型检测指示脑顺应性不良的颅内压波形 | 脑积水术后接受脑室造口术患者的颅内压波形图像 | 医疗信号处理 | 脑积水 | 颅内压波形分析 | 深度学习 | 图像 | 21名脑积水患者的2,744张颅内压波形图像 | NA | NA | 精确率,召回率,mAP_0.5,AUC,灵敏度,特异性 | NA |
| 488 | 2025-10-06 |
Utilizing Deep Convolutional Neural Networks and Hybrid Classification for Gastrointestinal Disease Diagnosis from Capsule Endoscopy Images
2025-Aug, Journal of biomedical physics & engineering
DOI:10.31661/jbpe.v0i0.2301-1590
PMID:40904333
|
研究论文 | 本研究开发了一种基于深度卷积神经网络和混合分类的胶囊内镜图像胃肠道疾病诊断系统 | 提出采用模型评分和类别评分的混合分类框架，通过集成学习技术提升胃肠道病变分类性能 | 研究主要关注特定类型的胃肠道病变，数据集存在类别不平衡问题 | 建立可靠的专家诊断系统以提高胶囊内镜检查的诊断准确性 | 胶囊内镜图像中的胃肠道病变 | 计算机视觉 | 胃肠道疾病 | 无线胶囊内镜(WCE) | CNN, 集成学习 | 图像 | 包含超过60,000帧的胶囊内镜图像数据集 | NA | VGG16 | 召回率, 阴性预测值 | NA |
| 489 | 2025-10-06 |
Cardiovascular magnetic resonance imaging: Principles and advanced techniques
2025 Aug-Oct, Progress in nuclear magnetic resonance spectroscopy
IF:7.3Q1
DOI:10.1016/j.pnmrs.2025.101561
PMID:40912881
|
综述 | 本文全面综述心血管磁共振成像的技术原理、现有局限及新兴发展方向 | 系统梳理了近二十年来应对CMR临床挑战的新型技术，包括自动化采集、运动处理策略、图像加速算法、多参数一体化扫描及深度学习全流程应用 | NA | 概述心血管磁共振成像的现状与未来应用前景 | 心血管磁共振成像技术体系 | 医学影像 | 心血管疾病 | 磁共振成像, 对比增强成像, 参数映射, MR血管造影 | NA | 动态/静态多对比度图像, 多参数图像 | NA | NA | NA | NA | NA |
| 490 | 2025-10-06 |
Beyond rigid docking: deep learning approaches for fully flexible protein-ligand interactions
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf454
PMID:40900115
|
综述 | 本文探讨深度学习如何重塑分子对接方法，特别关注解决蛋白质灵活性的新兴方案 | 利用深度学习将蛋白质灵活性纳入对接预测，更准确捕捉生物分子相互作用的动态特性 | 深度学习模型泛化能力有限，经常误预测关键分子属性（如立体化学、键长和空间相互作用） | 开发能够处理完全灵活蛋白质-配体相互作用的深度学习方法 | 蛋白质与小分子配体的相互作用 | 机器学习 | NA | 分子对接，虚拟筛选 | 深度学习 | 分子结构数据 | NA | NA | NA | NA | NA |
| 491 | 2025-10-06 |
Phage quest: a beginner's guide to explore viral diversity in the prokaryotic world
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf449
PMID:40900113
|
指南 | 为研究人员提供探索原核生物病毒多样性的计算工具使用指南 | 整合了从早期序列组成分析到现代机器学习和深度学习技术（包括新兴语言模型）的病毒检测方法演变历程，特别关注丝状噬菌体的检测工具 | 未提供详尽的工具列表，仅重点介绍维护活跃且最先进的工具 | 帮助研究人员选择和应用适当的工具来探索地球上最小且最丰富的复制子的遗传多样性和生物学 | 噬菌体和病毒，特别是丝状噬菌体（Inoviridae） | 生物信息学 | 细菌感染 | 宏基因组测序，病毒检测，基因注释，分类学分类 | 机器学习，深度学习，语言模型 | 基因组数据，宏基因组数据 | NA | NA | NA | NA | NA |
| 492 | 2025-10-06 |
External validation of deep learning-derived 18F-FDG PET/CT delta biomarkers for loco-regional control in head and neck cancer
2025-Aug-30, Acta oncologica (Stockholm, Sweden)
DOI:10.2340/1651-226X.2025.43977
PMID:40884216
|
研究论文 | 本研究通过外部验证深度学习模型自动计算头颈癌患者放疗前后肿瘤体积变化，用于预测局部区域控制效果 | 首次在外部机构验证深度学习模型自动计算PET/CT delta生物标志物的临床价值，提供手动分割的可扩展替代方案 | 样本量较小（仅50例患者），且模型最初在不同机构数据上训练 | 评估深度学习衍生的ΔPET-GTV生物标志物在头颈癌局部区域控制预测中的临床效用 | 头颈癌患者 | 数字病理 | 头颈癌 | 18F-FDG PET/CT成像 | 深度学习 | 医学影像（PET/CT扫描） | 50例连续头颈癌患者 | NA | NA | log-rank p值，局部区域控制率，置信区间 | NA |
| 493 | 2025-09-06 |
Artificial Intelligence-based Liver Volume Measurement Using Preoperative and Postoperative CT Images
2025-Aug-29, Current medical imaging
IF:1.1Q3
|
研究论文 | 开发并验证了一种基于深度学习的系统，用于自动测量肝切除患者术前及术后7天和3个月的肝脏体积 | 首次利用AI自动追踪肝切除术后肝脏再生过程，提供了一种新的手术规划和患者监测方法 | 由于当前数据集的限制，未评估与临床结果的直接相关性 | 开发自动肝脏体积测量系统以辅助肝切除手术决策和术后评估 | 接受肝切除术的患者 | 计算机视觉 | 肝脏疾病 | CT成像 | 3D U-Net | CT图像 | NA | NA | NA | NA | NA |
| 494 | 2025-10-06 |
Exploring foundation models for multi-class muscle segmentation in MR images of neuromuscular disorders: A comparative analysis of accuracy and uncertainty
2025-Aug-28, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109035
PMID:40907134
|
研究论文 | 本研究比较了基础模型在神经肌肉疾病MR图像多类别肌肉分割中的准确性和不确定性表现 | 首次探索基础模型在神经肌肉疾病肌肉分割中的应用，并系统评估其不确定性量化能力 | 研究仅基于76名患者的数据集，需要更大规模验证 | 开发准确可靠的神经肌肉疾病肌肉分割技术 | 神经肌肉疾病患者的股部MR图像 | 医学影像分析 | 神经肌肉疾病 | MR成像 | 基础模型, nnU-Net | MR图像 | 76名神经肌肉疾病患者，按脂肪浸润程度分为早期、中期和严重三组 | NA | Segment Anything Model (SAM), MedSAM, nnU-Net 2D, nnU-Net 3D | Dice相似系数(DSC), 期望校准误差(ECE), 负对数似然(NLL) | NA |
| 495 | 2025-09-06 |
Heart failure diagnosis and ejection fraction classification via feature fusion model using non-contact vital sign signals
2025-Aug-28, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109031
PMID:40907135
|
研究论文 | 提出一种融合手工特征与深度学习的混合特征框架，用于基于非接触生命体征信号的心力衰竭诊断和射血分数分类 | 开发了结合手工特征工程与深度学习的混合特征融合框架，并设计多尺度ResNet-BiLSTM网络模型捕捉信号动态变化 | NA | 改进心力衰竭诊断和左心室射血分数分类的准确性 | 人类参与者的心力衰竭患者和健康人 | 医疗健康监测 | 心血管疾病 | 心冲击描记术(BCG)，呼吸信号分析 | ResNet-BiLSTM | 非接触生命体征信号 | 83名医院参与者 | NA | NA | NA | NA |
| 496 | 2025-10-06 |
Integrating ESM‑2 and Graph Neural Networks with AlphaFold‑2 Structures for Enhanced Protein Function Prediction
2025-Aug-26, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c05484
PMID:40893250
|
研究论文 | 提出一种整合ESM-2和图神经网络的改进图框架，结合AlphaFold2预测结构增强蛋白质功能预测 | 整合ESM-2蛋白质语言模型和具有混合池化机制的图卷积块，同时利用序列嵌入和结构特征 | 主要针对人类蛋白质组，对其他物种的适用性未验证 | 提高蛋白质功能预测的准确性和泛化能力 | 人类蛋白质组 | 生物信息学 | NA | 蛋白质语言模型, 图神经网络, 结构预测 | 图神经网络, ESM-2 | 蛋白质序列, 蛋白质结构 | 人类蛋白质组数据集 | NA | 图卷积网络, ESM-2 | 分子功能预测, 细胞组分预测, 生物过程预测 | NA |
| 497 | 2025-09-06 |
Whole-genome sequencing analysis of left ventricular structure and sphericity in 80,000 people
2025-Aug-26, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.22.25334019
PMID:40909813
|
研究论文 | 本研究通过全基因组测序分析80,000人的左心室结构和球形度，探索其与心肌病的遗传关联 | 首次将3D左心室球形度作为独立遗传指标，并发现其与扩张型心肌病的关联性强于射血分数，鉴定出366个遗传位点 | 研究主要基于UK Biobank人群，结果外推性需进一步验证 | 探究左心室结构与球形度的遗传基础及其与心肌病的关联 | 84,327名UK Biobank参与者的心脏磁共振成像数据 | 生物医学信息学 | 心血管疾病 | 全基因组测序(WGS)、心脏磁共振成像、深度学习语义分割 | 深度学习模型(用于语义分割) | 影像数据(3D心脏MRI)、基因组数据 | 84,327人(UK Biobank)，并在All of Us队列中进行验证 | NA | NA | NA | NA |
| 498 | 2025-10-06 |
Fully Automated Deep Learning Enabled Miniature Mass Spectrometry System for Psychoactive Therapeutic Drug Monitoring
2025-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202502721
PMID:40405757
|
研究论文 | 开发了一种集成微型质谱系统，结合深度学习算法实现精神治疗药物的自动化定量分析 | 提出新型双靶离子平行串联质谱分析技术，集成U-net峰面积识别算法，实现98%以上识别准确度 | NA | 开发高精度、自动化的精神治疗药物监测系统 | 血清中的精神活性药物 | 医疗检测技术 | 精神疾病 | 质谱分析，磁固相萃取 | 深度学习 | 质谱数据 | 8样本并行处理 | NA | U-net | 识别准确度，面积预测偏差，相关系数，相对标准偏差，准确度偏差 | NA |
| 499 | 2025-10-06 |
BrainFusion: a Low-Code, Reproducible, and Deployable Software Framework for Multimodal Brain‒Computer Interface and Brain‒Body Interaction Research
2025-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202417408
PMID:40470749
|
研究论文 | 介绍BrainFusion软件框架，用于改善多模态脑机接口和脑体交互研究的可重复性及实际应用部署 | 提供统一的多模态生理信号处理框架，通过标准化数据结构和自动化流程解决分析复杂性和部署难题 | NA | 开发支持多模态脑机接口和脑体交互研究的软件框架 | 脑机接口和脑体交互研究 | 机器学习 | NA | EEG, fNIRS, EMG, ECG | 集成学习, 深度学习 | 多模态生理信号 | NA | NA | NA | 准确率 | NA |
| 500 | 2025-10-06 |
A Self-Adaptive Reconfigurable Metasurface for Electromagnetic Wave Sensing and Dynamic Reflection Control
2025-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202505155
PMID:40498986
|
研究论文 | 提出一种能够感知入射波方向并自适应调整反射行为的实时自重构超表面 | 通过相位比较器和查找表集成传感与可重构反射单元，无需辅助检测模式或外部控制器，实现自主实时调控 | 实验验证角度范围限于法向±50°，最大角度变化速率为12度/秒 | 开发自主感知电磁波并动态控制反射行为的智能超表面 | 自适应性可重构电磁超表面 | 电磁工程 | NA | 相位比较器与查找表控制 | NA | 电磁波信号 | NA | NA | NA | 反射效能，响应速度，功耗 | NA |