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 971 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2025-11-22 |
Robust Deep Learning for Pulse-echo Speed of Sound Imaging via Time-shift Maps
2025-Aug-22, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3602000
PMID:40844937
|
研究论文 | 提出一种基于深度学习的稳健脉冲回波声速成像方法，通过学习时间偏移与声速间的非线性映射实现高质量成像 | 无需依赖特定前向模型约束，采用两阶段训练策略和结构相似性损失函数，实现跨条件的稳健泛化 | 未明确说明计算资源需求和模型在临床环境中的验证结果 | 开发稳健的深度学习声速成像方法以提升超声图像质量和诊断价值 | 超声脉冲回波数据中的声速分布 | 医学影像处理 | NA | 脉冲回波超声成像 | 深度学习 | 超声波束成形数据 | 仿真数据和体模实验数据 | NA | NA | 结构相似性指数, 重建精度, 对比度噪声比 | NA |
| 42 | 2025-11-22 |
Improving RNA Secondary Structure Prediction Through Expanded Training Data
2025-Aug-02, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.03.652028
PMID:40654677
|
研究论文 | 通过扩展训练数据改进RNA二级结构预测 | 开发了大规模多样化的RNA序列与二级结构配对的RNASSTR数据集，并验证了该数据集能提升深度学习模型对新RNA家族的泛化能力 | 仅针对RNA二级结构预测进行评估，未涉及三级结构预测；改进效果主要体现在特定RNA家族上 | 解决RNA结构预测精度不足的问题，提升RNA二级结构预测的准确性 | RNA序列及其二级结构 | 生物信息学 | NA | RNA结构预测 | 深度学习 | RNA序列数据、结构数据 | 大规模多样化RNA序列-结构配对数据集 | NA | SincFold | 泛化能力、结构预测准确性 | NA |
| 43 | 2025-11-22 |
Assessing genotype-phenotype correlations in colorectal cancer with deep learning: a multicentre cohort study
2025-Aug, The Lancet. Digital health
DOI:10.1016/j.landig.2025.100891
PMID:40829965
|
研究论文 | 本研究开发并验证了一种基于深度学习的多目标模型，用于从结直肠癌组织病理切片中同时预测多种基因突变及其相关表型 | 首次系统性地开发了能够同时预测多种基因改变的多目标深度学习模型，超越了传统仅关注MSI、BRAF和KRAS的单目标模型 | 模型预测性能高度依赖于与MSI相关的形态学特征，对其他生物标志物的特异性模式识别能力有限 | 评估结直肠癌基因型与表型相关性，开发基于深度学习的生物标志物预测模型 | 结直肠癌患者的组织样本 | 数字病理学 | 结直肠癌 | 苏木精-伊红染色，全切片数字化成像，综合panel测序 | Transformer | 病理图像 | 主要数据集1376名患者（5个队列），验证数据集536名患者（2个公共数据集） | NA | Transformer | AUROC | NA |
| 44 | 2025-11-21 |
Personalized MR-Informed Diffusion Models for 3D PET Image Reconstruction
2025-Aug-25, IEEE transactions on radiation and plasma medical sciences
IF:4.6Q1
DOI:10.1109/TRPMS.2025.3602262
PMID:41244311
|
研究论文 | 提出一种基于多模态PET-MR扫描数据的个性化扩散模型，用于3D PET图像重建 | 通过图像配准生成患者特异性伪PET图像，保留MR扫描的解剖信息，提高重建精度 | 需要多模态PET-MR扫描数据，伪PET图像仍存在一定噪声 | 开发个性化的PET图像重建方法，提高低计数数据下的重建质量 | 多模态PET-MR扫描数据，包括模拟和真实[F]FDG数据集 | 医学影像 | NA | 图像配准，扩散模型 | 扩散模型 | 3D PET图像，MR图像 | 多患者PET-MR扫描数据集 | NA | 扩散模型 | 重建精度，病灶可检测性 | NA |
| 45 | 2025-11-21 |
A deep learning method for predicting interactions for intrinsically disordered regions of proteins
2025-Aug-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.19.629373
PMID:39763873
|
研究论文 | 开发了一种名为Disobind的深度学习方法，用于预测蛋白质内在无序区域与结合伴侣之间的相互作用 | 结合ProtT5蛋白质语言模型的序列嵌入，考虑结合伴侣的上下文，不依赖结构信息和多重序列比对 | NA | 预测蛋白质内在无序区域与结合伴侣之间的相互作用界面 | 蛋白质内在无序区域及其结合伴侣 | 生物信息学 | NA | 蛋白质语言模型 | 深度学习 | 蛋白质序列 | NA | NA | ProtT5 | 接触图预测准确率，界面残基预测准确率 | NA |
| 46 | 2025-11-20 |
Spatio-temporal learning from molecular dynamics simulations for protein-ligand binding affinity prediction
2025-Aug-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf429
PMID:40828893
|
研究论文 | 本研究开发了MDbind数据集和新型神经网络，通过分子动力学模拟增强蛋白质-配体结合亲和力预测 | 首次构建包含63,000个分子动力学模拟的MDbind数据集，并开发能够从时空动态信息中学习的新型神经网络 | 训练数据可用性有限，模型对蛋白质-配体相互作用的学习能力仍需改进 | 提高蛋白质-配体结合亲和力预测的准确性和泛化能力 | 蛋白质-配体复合物 | 机器学习 | NA | 分子动力学模拟 | 神经网络 | 分子动力学模拟轨迹，3D结构数据 | 63,000个蛋白质-配体相互作用的分子动力学模拟 | NA | NA | 结合亲和力预测准确率 | NA |
| 47 | 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 |
| 48 | 2025-11-15 |
SimPep and OP-AND: A deep learning framework and curated database for predicting osteogenic peptides
2025-Aug, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013422
PMID:40880496
|
研究论文 | 开发了一个用于预测成骨肽的深度学习框架SimPep和经过整理的公共数据库OP-AND | 提出了新假设——参与破骨细胞形成的蛋白质衍生肽可能作为非成骨肽，并创建了首个公开的成骨肽数据库 | 成骨肽数据可用性有限 | 预测成骨肽以预防骨骼相关疾病 | 乳制品中的生物活性肽 | 机器学习 | 骨骼疾病 | NA | 深度学习 | 肽序列数据 | NA | NA | NA | 准确率, AUC | NA |
| 49 | 2025-11-14 |
Foundation models in ophthalmology: a preliminary study on AI-assisted diagnosis of myopic maculopathy and posterior staphyloma using ultra-widefield fundus images
2025-Aug-28, BMJ open ophthalmology
IF:2.0Q2
DOI:10.1136/bmjophth-2024-002073
PMID:40876931
|
研究论文 | 本研究使用基于眼科基础模型的深度学习方法，通过超广角眼底图像辅助诊断病理性近视的黄斑病变和后巩膜葡萄肿 | 首次将眼科基础模型RETFound应用于超广角眼底图像分析，在病理性近视特征检测中表现出优越性能 | 回顾性研究设计，样本量相对有限（1105张训练图像），仅在中国两家医院收集数据 | 开发基于人工智能的病理性近视眼底病变辅助诊断系统 | 高度近视患者的超广角眼底图像 | 计算机视觉 | 眼科疾病 | 超广角眼底成像 | 深度学习 | 图像 | 训练集：1105张图像来自543名患者；外部测试集：293张图像来自150名患者 | NA | RETFound | 准确率, F1分数, AUROC | NA |
| 50 | 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 |
| 51 | 2025-11-14 |
Carafe enables high quality in silico spectral library generation for data-independent acquisition proteomics
2025-Aug-04, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.15.618504
PMID:39463980
|
研究论文 | 本研究开发了Carafe工具，通过直接在DIA数据上训练深度学习模型来生成高质量实验特异性谱库 | 首次直接在DIA数据上训练深度学习模型生成谱库，相比现有基于DDA数据的预训练模型具有更好的性能 | NA | 解决数据非依赖性采集质谱分析中高质量谱库生成的挑战 | 质谱蛋白质组学数据 | 生物信息学 | NA | 数据非依赖性采集质谱，数据依赖性采集质谱 | 深度学习 | 质谱数据 | NA | NA | NA | 碎片离子强度预测，肽段检测 | NA |
| 52 | 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 |
| 53 | 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 |
| 54 | 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 |
| 55 | 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 |
| 56 | 2025-11-08 |
Application of directed message-passing neural network to predict human oral bioavailability of pharmaceuticals
2025-Aug-19, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-025-00649-6
PMID:40828295
|
研究论文 | 本研究开发了一种结合定向消息传递神经网络和分子描述符的深度学习框架，用于预测药物的人体口服生物利用度 | 首次将Chemprop工具中的定向消息传递神经网络与RDKit分子描述符相结合，通过混合表示增强预测准确性，并利用贝叶斯优化和集成学习提高模型鲁棒性 | 模型性能仍有提升空间，且主要基于现有FDA批准药物数据进行验证 | 开发高精度预测药物人体口服生物利用度的计算方法 | 药物分子及其人体口服生物利用度 | 机器学习 | NA | 深度学习，分子描述符计算 | D-MPNN | 分子结构数据 | 未明确指定具体样本数量 | Chemprop, RDKit | 定向消息传递神经网络 | AUC, 准确率 | NA |
| 57 | 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 |
| 58 | 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 |
| 59 | 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 |
| 60 | 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 |