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 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 | 2025-10-05 |
Performance of Artificial Intelligence Models in Predicting Responsiveness of Hepatocellular Carcinoma to Transarterial Chemoembolization (TACE): A Systematic Review and Meta-Analysis
2025-Aug-30, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.08.028
PMID:40889566
|
系统综述与Meta分析 | 评估人工智能模型预测肝细胞癌经动脉化疗栓塞治疗反应性的性能 | 首次系统比较手工放射组学与深度学习模型在预测TACE治疗反应中的表现 | 研究间存在异质性，需要进一步验证 | 评估人工智能模型预测HCC患者TACE治疗疗效的性能 | 接受经动脉化疗栓塞治疗的肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 放射组学分析，深度学习 | 手工放射组学模型，深度学习模型 | 医学影像数据 | 27项研究纳入系统综述，11项研究纳入Meta分析 | NA | NA | 受试者工作特征曲线下面积，置信区间 | NA |
| 42 | 2025-10-05 |
ESMDynamic: Fast and Accurate Prediction of Protein Dynamic Contact Maps from Single Sequences
2025-Aug-24, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.20.671365
PMID:40894558
|
研究论文 | 开发了一种直接从蛋白质序列预测动态残基-残基接触概率图的深度学习模型 | 首个直接从单序列预测蛋白质动态接触图的方法，无需多序列比对，推理速度比现有方法快几个数量级 | NA | 预测蛋白质动态接触图以理解构象动力学 | 蛋白质序列和构象动力学 | 结构生物学 | NA | 分子动力学模拟，深度学习 | 深度学习模型 | 蛋白质序列，接触波动数据 | 两个大规模MD数据集（mdCATH和ATLAS） | NA | ESMFold | NA | NA |
| 43 | 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 |
| 44 | 2025-10-05 |
Enhancing Diagnostic Accuracy of Fresh Vertebral Compression Fractures With Deep Learning Models
2025-Aug-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005156
PMID:39468863
|
研究论文 | 本研究开发基于X射线图像的深度学习模型用于准确诊断新鲜胸腰椎压缩性骨折 | 首次将深度学习模型应用于X射线图像诊断新鲜椎体压缩性骨折，可作为MRI的替代方案 | 回顾性研究设计，样本来源单一，未进行外部验证 | 开发能够准确诊断新鲜椎体压缩性骨折的深度学习模型 | 疑似胸腰椎压缩性骨折患者的X射线图像 | 计算机视觉 | 骨科疾病 | X射线成像 | CNN | 图像 | 2224名患者的3025张侧位X射线图像 | NA | EfficientNet,MobileNet,MnasNet | AUC,准确率,灵敏度,特异性,F1分数,精确率,ROC曲线 | NA |
| 45 | 2025-10-05 |
Sharing a whole-/total-body [18F]FDG-PET/CT dataset with CT-derived segmentations: an ENHANCE.PET initiative
2025-Aug-05, Research square
DOI:10.21203/rs.3.rs-7169062/v2
PMID:40799763
|
研究论文 | 发布包含1597个全身/整体PET/CT图像及对应130个靶区CT分割的大型多中心数据集 | 提供首个大规模全身/整体PET/CT数据集，包含多病理类型和130个精细解剖区域的CT衍生分割 | 分割结果先由软件自动生成后经培训医师修正，可能存在人工校正误差 | 填补PET/CT数据在临床管理应用中的资源空白 | 无明显疾病个体及肺癌、淋巴瘤、黑色素瘤患者的多中心影像数据 | 数字病理 | 肺癌,淋巴瘤,黑色素瘤 | FDG-PET/CT, CT分割 | NA | PET/CT图像, 分割标注 | 1597个PET/CT图像，130个靶区分割区域 | NA | NA | NA | NA |
| 46 | 2025-10-05 |
Deep Learning on Histologic Slides Accurately Predicts Consensus Molecular Subtypes and Spatial Heterogeneity in Colon Cancer
2025-Aug-25, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2025.100877
PMID:40865918
|
研究论文 | 本研究开发了一种基于深度学习的方法，通过组织学切片预测结肠癌的共识分子亚型和空间异质性 | 首次使用常规H&E染色全切片图像通过深度学习预测结肠癌分子亚型及其瘤内异质性，无需额外分子检测 | 研究依赖于公开数据集，需要进一步前瞻性验证临床适用性 | 开发基于深度学习的结肠癌分子亚型和瘤内异质性预测方法 | 结肠癌患者组织学切片 | 数字病理学 | 结肠癌 | 苏木精-伊红±藏红染色全切片数字化成像 | 自监督学习,弱监督学习 | 全切片图像 | 1996例患者来自PETACC-8、TCGA-COAD和PRODIGE-13队列 | NA | NA | 宏平均曲线下面积 | NA |
| 47 | 2025-10-05 |
Multi-organ AI Endophenotypes Chart the Heterogeneity of Pan-disease in the Brain, Eye, and Heart
2025-Aug-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.09.25333350
PMID:40832432
|
研究论文 | 本研究通过多器官AI内表型探索脑、眼和心脏疾病的异质性和共享病因 | 首次提出'泛疾病'概念，利用弱监督深度学习模型从多器官数据中识别11个AI生物标志物 | 研究依赖于现有数据集的可用性和质量，需要进一步验证 | 研究脑、眼和心脏疾病的异质性和共享病因机制 | 129,340名参与者的多器官成像、遗传、蛋白质组和RNA-seq数据 | 数字病理学 | 阿尔茨海默病,偏头痛,心血管疾病 | 多器官成像,遗传分析,蛋白质组学,RNA-seq | GAN | 图像,遗传数据,蛋白质组数据,RNA-seq数据 | 129,340名参与者 | NA | Surreal-GAN | NA | NA |
| 48 | 2025-10-05 |
EDNTOM: An Ensemble Learning and Weight Mechanism-Based Nanopore Methylation Detection Tool
2025-Aug-05, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c01924
PMID:40787313
|
研究论文 | 开发了一种基于集成学习和注意力权重机制的纳米孔甲基化检测工具EDNTOM | 采用集成学习技术整合多个预训练单模型预测，并引入注意力权重机制，在提高检测准确性的同时减少计算资源消耗 | NA | 开发更强大可靠的DNA甲基化检测工具，平衡计算资源和信息处理性能 | DNA甲基化检测 | 机器学习 | NA | 纳米孔测序 | 深度学习,集成学习 | DNA测序数据 | NA | NA | NA | NA | NA |
| 49 | 2025-10-05 |
GGCRB: A Graph Neural Network Approach for Predicting CircRNA-RBP Interactions Using Structural and Sequence Features
2025-Aug-05, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c04524
PMID:40787315
|
研究论文 | 提出一种结合序列和结构特征的图神经网络方法GGCRB，用于预测环状RNA与RNA结合蛋白的相互作用位点 | 首次将图卷积网络和图注意力网络应用于circRNA结构特征建模，并通过多模态特征融合提升预测精度 | 未明确说明模型在独立测试集上的泛化性能及计算复杂度分析 | 开发计算模型准确预测circRNA-RBP结合位点 | 环状RNA与RNA结合蛋白的相互作用 | 生物信息学 | NA | RNA结构预测 | GCN, GAT, CNN, BiLSTM | 序列数据, 结构数据 | 16个基准数据集 | TensorFlow, PyTorch | 图卷积网络, 图注意力网络, 卷积神经网络, 双向LSTM | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 50 | 2025-10-05 |
A review on learning-based algorithms for tractography and human brain white matter tracts recognition
2025-Aug, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03637-7
PMID:40464927
|
综述 | 本文综述了基于学习算法的脑白质纤维束追踪与识别方法 | 扩展了先前相关综述，涵盖最新方法和网络架构细节，并通过全面比较评估基于学习方法的效率 | NA | 回顾基于学习的纤维束追踪算法及其在白质束识别中的应用 | 人脑白质纤维束 | 医学影像分析 | 神经系统疾病 | 扩散磁共振成像 | 传统机器学习,深度学习,强化学习,字典学习 | 扩散MRI数据 | NA | NA | NA | NA | NA |
| 51 | 2025-10-05 |
Detecting Fifth Metatarsal Fractures on Radiographs Through the Lens of Smartphones: The FIXUS AI Algorithm
2025-Aug, Cureus
DOI:10.7759/cureus.91284
PMID:41030753
|
研究论文 | 开发用于从智能手机拍摄的X光片中检测第五跖骨骨折的深度学习算法 | 首次针对智能手机拍摄的X光图像开发专用深度学习模型，解决了传统模型在移动设备图像上的性能下降问题 | 回顾性研究，样本量有限（共2464例），仅针对第五跖骨骨折 | 提高第五跖骨骨折诊断的可及性，特别是在资源有限环境中 | 第五跖骨骨折患者和对照组 | 计算机视觉 | 骨科创伤 | X射线摄影 | CNN | 图像 | 骨折组1240例，对照组1224例，总计2464例 | NA | ResNet-152V2 | AUROC | NA |
| 52 | 2025-10-05 |
AdaSemb: an adaptive knowledge-driven deep learning framework integrating cancer protein assemblies for predicting PI3Kα inhibitor response and resistance
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf510
PMID:41020523
|
研究论文 | 提出一种自适应知识驱动的深度学习框架AdaSemb，通过整合癌症蛋白组装体预测PI3Kα抑制剂反应和耐药性 | 首次将多蛋白组装图谱与深度学习结合，采用生物结构神经网络和条件域对抗网络增强基因-药物分布泛化能力 | 研究主要聚焦乳腺癌，未验证其他癌症类型的适用性；样本量相对有限 | 开发能够预测PI3Kα抑制剂反应和耐药性的精准医疗方法 | 乳腺癌患者、癌细胞系和患者来源异种移植模型 | 机器学习 | 乳腺癌 | 基因组测序 | 生物结构神经网络,条件域对抗网络 | 基因组数据,药物分子结构数据 | 1244个癌细胞系和PDX模型，116名TCGA乳腺癌患者 | NA | AdaSemb-PA,AdaSemb-DRP | 生存分析预测精度 | NA |
| 53 | 2025-10-05 |
Advancing ADMET prediction through multiscale fragment-aware pretraining with MSformer-ADMET
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf506
PMID:41021261
|
研究论文 | 本文开发了MSformer-ADMET模型，通过多尺度片段感知预训练方法提升ADMET性质预测性能 | 将MSformer框架专门适配于ADMET性质预测，采用基于片段的分子表示学习方法，并提供事后可解释性分析 | NA | 开发更准确、可解释的ADMET性质预测方法以加速药物发现过程 | 药物候选分子的吸收、分布、代谢、排泄和毒性(ADMET)性质 | 机器学习 | NA | 深度学习 | Transformer | 分子结构数据 | 来自治疗数据共享库(TDC)的22个任务数据集 | PyTorch | MSformer | 准确率,精确率,召回率,F1分数,AUC | NA |
| 54 | 2025-10-05 |
Histology-Based Virtual RNA Inference Identifies Pathways Associated With Metastasis Risk in Colorectal Cancer
2025-Aug-11, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2025.100866
PMID:40803647
|
研究论文 | 本研究开发了一种基于组织学图像的虚拟RNA推断方法，用于识别结直肠癌转移风险相关的通路 | 首次实现直接从H&E染色组织图像推断空间转录组水平的分子信息，无需实际进行空间转录组测序 | 某些肿瘤相关通路仅靠组织学无法完全捕获 | 开发从标准H&E组织图像推断分子信息的方法，用于结直肠癌预后评估 | 结直肠癌患者组织样本 | 数字病理学 | 结直肠癌 | 空间转录组学，H&E染色 | 深度学习 | 组织图像，基因表达数据 | 45名患者，超过300,000个Visium spots | PyTorch | UNI, ResNet-50, Vision Transformer, Vision Mamba | Spearman相关系数 | NA |
| 55 | 2025-10-05 |
Identifying survival subtypes with autoencoder using multiple types of high-dimensional genomic data from studies of glioblastoma multiforme
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf499
PMID:41016009
|
研究论文 | 本研究通过自编码器整合多组学数据识别胶质母细胞瘤患者的生存亚型 | 首次将自编码器深度学习方法应用于整合RNA-seq、甲基化和DNA拷贝数变异数据来识别胶质母细胞瘤生存亚型 | 研究仅基于TCGA公共数据库数据，需要外部验证 | 识别胶质母细胞瘤患者的生存亚型并理解其分子特征 | 胶质母细胞瘤患者的多组学数据 | 机器学习 | 胶质母细胞瘤 | RNA-seq, 甲基化测序, DNA拷贝数变异分析 | 自编码器, Cox-PH模型 | 基因组数据 | TCGA数据库中的胶质母细胞瘤患者样本 | NA | 自编码器 | 交叉验证 | NA |
| 56 | 2025-10-05 |
The Path Towards Effective Long-Lasting Tissue-Targeted Prime/Pull/Keep Herpes Simplex Therapeutic Vaccines
2025-Aug-27, Vaccines
IF:5.2Q1
DOI:10.3390/vaccines13090908
PMID:41012114
|
综述 | 本文探讨了针对单纯疱疹病毒的有效长效组织靶向Prime/Pull/Keep治疗性疫苗的开发路径 | 提出结合组学、人工智能和深度学习的理性疫苗设计方法，开发能同时在感觉神经节和皮肤黏膜组织诱导持久T细胞免疫的PPK疫苗策略 | 目前PPK疫苗仅在临床前动物模型中显示成功，尚未进入临床应用阶段 | 开发针对HSV-1和HSV-2的有效长效治疗性疫苗 | 单纯疱疹病毒1型和2型(HSV-1和HSV-2) | 医学免疫学 | 疱疹病毒感染 | 组学技术,人工智能,深度学习 | NA | NA | 临床前动物模型 | NA | NA | NA | NA |
| 57 | 2025-10-05 |
Revolution or routine? Comparing AI and traditional imaging in thoracic surgery outcomes: a systematic review
2025-Aug, Journal of medicine and life
DOI:10.25122/jml-2025-0120
PMID:41020084
|
系统综述 | 比较人工智能与传统影像方法在胸外科术后成像中的应用及效果 | 系统比较AI/ML与传统影像方法在胸外科的应用，探讨深度学习等新兴技术的未来发展潜力 | NA | 评估AI和机器学习在胸外科术后影像中的当前应用和未来发展方向 | 胸外科术后患者的影像数据 | 医学影像分析 | 胸外科疾病 | 医学影像分析 | 深度学习,神经网络 | 医学影像 | NA | NA | NA | NA | NA |
| 58 | 2025-10-05 |
From Gene Networks to Therapeutics: A Causal Inference and Deep Learning Approach for Drug Discovery
2025-Aug-30, Pharmaceuticals (Basel, Switzerland)
DOI:10.3390/ph18091304
PMID:41011176
|
研究论文 | 提出一种整合网络分析、统计中介和深度学习的计算框架，用于识别因果靶基因和可重定位小分子候选药物 | 首次将加权基因共表达网络分析、双向中介分析与深度学习相结合，构建表型驱动的药物发现框架 | 研究样本量相对有限（103例IPF患者），需要进一步实验验证 | 开发计算框架加速药物发现过程，特别针对复杂疾病 | 特发性肺纤维化（IPF）患者和对照组的转录组数据 | 机器学习 | 特发性肺纤维化 | RNA-seq, WGCNA, 双向中介分析 | 深度学习 | 转录组数据 | 103例IPF患者和103例对照组 | NA | DeepCE | 相关性分析 | NA |
| 59 | 2025-10-05 |
AI in Dentistry: Innovations, Ethical Considerations, and Integration Barriers
2025-Aug-29, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12090928
PMID:41007172
|
综述 | 本文综述了人工智能在牙科领域的应用现状、技术创新及整合障碍 | 系统分析了联邦学习和可解释AI在牙科领域的最新应用进展 | 未进行定量荟萃分析，主要基于叙述性综述方法 | 评估AI在牙科医学中的技术发展和整合挑战 | 牙科医学中的AI应用 | 机器学习 | 口腔疾病 | 锥形束计算机断层扫描(CBCT)，口内摄影，射线照相 | 深度学习 | 医学影像 | NA | TensorFlow | U-Net | 灵敏度，特异性，准确率 | NA |
| 60 | 2025-10-05 |
The Expanding Frontier: The Role of Artificial Intelligence in Pediatric Neuroradiology
2025-Aug-27, Children (Basel, Switzerland)
DOI:10.3390/children12091127
PMID:41006992
|
综述 | 本文探讨人工智能在儿科神经放射学领域的应用现状、挑战与未来机遇 | 系统阐述AI在儿科神经放射学这一新兴前沿领域的独特价值，特别关注儿童大脑发育特性与AI技术的结合点 | 面临儿科数据稀缺、伦理法律限制、模型可解释性不足以及医学法律责任界定等挑战 | 分析AI在儿科神经放射学的应用现状、挑战及未来发展前景 | 儿科神经放射学领域，特别是新生儿和儿童大脑发育相关疾病 | 医学影像分析 | 神经系统疾病（如药物抵抗性癫痫） | 深度学习，联邦学习 | 深度学习算法，图算法 | 医学影像（MRI，CT） | NA | NA | MELD图算法 | NA | NA |