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 1445 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-10-05 |
DeepMS: super-fast peptide identification using end-to-end deep learning method
2025-09-01, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169237
PMID:40449612
|
研究论文 | 本文开发了一种基于深度学习的质谱光谱鉴定算法DeepMS，用于从质谱光谱中快速识别肽序列 | DeepMS是一种端到端深度学习方法，能够实现超快速、高精度的肽序列鉴定，其鉴定速度超过质谱光谱的生成速率，并适应翻译后修饰 | 未明确说明 | 克服传统质谱光谱鉴定方法的速度限制，实现快速高效的肽鉴定，推动质谱蛋白质组学的广泛应用 | 质谱光谱 | 机器学习 | NA | 质谱 | CNN | 光谱数据 | NA | NA | VGG16 | 准确率 | NA |
| 2 | 2026-09-26 |
Sinogram to image: direct reconstruction of photoacoustic tomography image using a hybrid deep learning approach
2025-Sep-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.569549
PMID:41368093
|
研究论文 | 本文提出了一种混合深度学习方法来直接从原始光声数据（正弦图）重建光声断层图像，无需传统手工重建步骤 | 首次将正弦图到图像的端到端重建方法应用于光声计算断层成像，采用全连接网络与Swin-UNETR的混合架构实现直接映射 | 摘要中未明确提及研究局限性 | 实现从原始光声传感器数据（正弦图）直接重建光声断层图像，消除传统手工重建步骤 | 光声计算断层成像（PACT）的原始正弦图数据 | 计算机视觉 | NA | 光声计算断层成像（PACT） | CNN, Transformer | 图像 | NA | NA | 全连接网络, Swin-UNETR | PSNR, SSIM | NA |
| 3 | 2026-09-24 |
Cancer research in Saudi Arabia: A cross-sectional mapping study of historical growth, thematic analysis, collaboration patterns, and future directions
2025-Sep-26, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000044757
PMID:41029065
|
研究论文 | 本文对沙特阿拉伯1961年至2024年的癌症研究进行了横断面文献计量分析，涵盖历史增长、主题演变、合作模式和未来方向 | 首次对沙特癌症研究进行多层次文献计量映射，涵盖全球合作、沙特-国际合作、沙特独立研究及沙特机构独立原创文章四个层面，并揭示从基础主题向分子对接、深度学习和药物发现等前沿主题的演变 | 仅基于Scopus数据库，可能存在文献收录偏倚；未评估研究质量或临床影响力 | 绘制沙特癌症研究的趋势、生产力、主题演变、合作模式和新兴研究领域 | 与沙特机构相关的癌症研究出版物 | 机器学习 | 肺癌 | 文献计量分析 | NA | 文本 | 共分析71874篇出版物，包括全球涉及沙特机构的癌症研究40180篇（1961-2024）、沙特-国际合作文章18145篇（2020-2024）、沙特独立研究9319篇（1961-2024）和沙特机构独立原创文章4240篇（2020-2024） | NA | NA | NA | NA |
| 4 | 2026-09-21 |
Big data and AI: Potential and challenges for digital transformation in toxicology
2025-Sep, Environmental analysis, health and toxicology
DOI:10.5620/eaht.2025s07
PMID:41265416
|
综述 | 探讨大数据和人工智能在毒理学数字化转型中的潜力与挑战，包括毒性数据库现状、AI方法、案例研究及可解释性需求 | 强调可解释AI与不良结局路径框架的整合以增强模型可解释性，并倡导透明、可重复的AI模型作为下一代风险评估的新方法 | 高质量、同质化数据集的可用性有限，以及AI模型的黑箱性质阻碍了监管接受 | 探索大数据和AI在毒理学数字化转型中的潜力与挑战，推动化学安全评估和监管科学的发展 | 毒性数据库、AI方法（机器学习、深度学习、大语言模型）、基于AI的毒性预测模型 | 机器学习 | NA | NA | 机器学习, 深度学习, 大语言模型 | 文本 | NA | NA | NA | NA | NA |
| 5 | 2026-09-21 |
SPARSITY-DRIVEN PARALLEL IMAGING CONSISTENCY FOR IMPROVED SELF-SUPERVISED MRI RECONSTRUCTION
2025-Sep, Proceedings. International Conference on Image Processing
DOI:10.1109/icip55913.2025.11084355
PMID:41527662
|
研究论文 | 该文章提出了一种通过稀疏域一致性项增强自监督学习的方法，用于改进物理驱动深度学习模型的MRI重建，减少高加速率下的伪影和噪声放大 | 提出了一种新的训练策略，通过精心设计的扰动和稀疏域一致性项来增强传统的k空间掩码自监督学习方法，评估模型预测添加扰动的能力，从而实现更可靠和无伪影的重建 | 摘要中未明确提及研究限制 | 改进快速MRI扫描的重建质量，特别是在高加速率下，减少伪影并提高图像保真度 | 快速MRI扫描数据，包括膝盖和大脑数据集 | 计算机视觉 | NA | MRI重建，自监督学习，物理驱动深度学习 | CNN | 图像 | fastMRI膝盖和大脑数据集，具体样本大小未指定 | PyTorch | NA | 视觉质量，定量指标（未具体指定） | NA |
| 6 | 2026-09-20 |
The association of retinal age gap with schizophrenia: a cross-sectional analysis
2025-09, Schizophrenia research
IF:3.6Q1
DOI:10.1016/j.schres.2025.07.018
PMID:40712190
|
研究论文 | 本研究利用深度学习从视网膜照片预测视网膜年龄，并分析其与精神分裂症的关系 | 使用深度学习预测视网膜年龄，首次发现精神分裂症患者视网膜年龄差距增大，且归因于高血压和糖尿病 | 横断面研究设计，无法确定因果关系；样本仅来自单一医院，可能影响普遍性 | 探讨精神分裂症与视网膜年龄差距的关联，以视网膜作为中枢神经系统衰老的替代指标 | 年龄≥40岁的个体，包括精神分裂症患者和未受影响者 | 数字病理学 | 精神分裂症 | 彩色视网膜摄影 | CNN | 图像 | 98,629名个体，其中214名患有精神分裂症 | NA | 卷积神经网络 | NA | NA |
| 7 | 2026-09-19 |
Comprehensive aortic stenosis characterization using multi-view deep learning
2025-Sep-29, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.09.26.25336778
PMID:41256129
|
研究论文 | 该文章开发了EchoNet-AS，一种结合视频卷积神经网络和分割模型的多视图深度学习端到端方法，用于综合评估主动脉瓣狭窄的严重程度 | 首次将B模式视频的结构信息和多普勒图像的功能信息整合到一个端到端深度学习模型中，突破了现有AI模型仅使用单一信息的局限 | 摘要中未明确提及研究的局限性 | 利用多视图深度学习综合评估主动脉瓣狭窄的严重程度，并验证其在不同医疗中心外部队列中的泛化能力 | 主动脉瓣狭窄患者，包括来自KPNC、SHC和CSMC三个医疗系统的超声心动图研究 | 医学影像分析 | 心血管疾病 | 超声心动图，包括B模式视频和多普勒成像 | CNN，分割模型 | 图像和视频 | 训练集210193张图像来自16076项研究（KPNC）；内部验证集1589项研究（KPNC）；时间外部验证集19206项研究（KPNC）；外部验证集2415项研究（SHC）和9038项研究（CSMC） | NA | 卷积神经网络（CNN），分割模型 | AUC | NA |
| 8 | 2026-09-19 |
High-accuracy SNV calling for bacterial isolates using deep learning with AccuSNV
2025-Sep-29, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.26.678787
PMID:41256411
|
研究论文 | 本文提出了一种基于深度学习的工具AccuSNV，用于高精度自动化的细菌单核苷酸变异（SNV）检测 | AccuSNV利用卷积神经网络整合多个样本的比对信息，通过学习跨样本模式提高精度，并提供了用户友好的下游分析模块 | 未明确提及 | 开发一种高精度、自动化的细菌SNV检测工具，以解决传统方法高假阳性率和需要手动过滤的问题 | 细菌分离株的SNV检测 | 机器学习 | NA | 全基因组测序 | CNN | 序列数据 | 六个细菌物种的模拟数据以及多个真实的细菌数据集 | NA | 卷积神经网络 | NA | NA |
| 9 | 2026-09-19 |
Mapping the Evolution of China's Traditional Chinese Medicine Education Policies: Insights From a BERTopic-Based Descriptive Study
2025-09-25, JMIR medical education
IF:3.2Q1
DOI:10.2196/72660
PMID:40997298
|
研究论文 | 本研究基于BERTopic模型对中医药教育政策文献进行主题建模，系统分析中国中医药教育政策的研究主题及其演变趋势 | 首次将BERTopic深度学习主题建模技术应用于中医药教育政策分析，提出了中医药教育政策演变的五个阶段框架（边缘化、标准化、专业化、系统化、再标准化），填补了该领域长期趋势和核心问题研究的空白 | 未明确提及研究局限性，但可能存在政策文献收集范围有限、BERTopic模型参数选择对结果的影响未充分讨论等问题 | 系统分析中国中医药教育政策的研究主题和演变趋势，为未来政策制定和教育实践提供数据驱动的参考依据 | 中国中医药教育相关政策文献，来源包括教育部、国家中医药管理局、北大法宝及中医药院校档案 | 自然语言处理 | NA | NA | BERTopic | 文本 | NA | NA | BERTopic | NA | NA |
| 10 | 2026-09-19 |
Understanding Cancer Survivorship Care Needs Using Amazon Reviews: Content Analysis, Algorithm Development, and Validation Study
2025-09-23, JMIR cancer
IF:3.3Q2
DOI:10.2196/71102
PMID:40986859
|
研究论文 | 该研究利用亚马逊消费者评论作为新型数据源，通过内容分析和深度学习及大语言模型开发基线模型，以识别癌症幸存者的护理需求 | 首次将亚马逊消费者评论作为识别癌症幸存者护理需求的新数据源，并构建了公开可用的手动标注语料库及基于深度学习和LLM的基线模型 | 仅标注了159条评论，样本量较小；基线模型性能有限（NER F1最高66.92%，文本分类F1最高88.46%）；未与临床指南进行直接对比验证 | 突出利用亚马逊消费者评论作为识别癌症幸存者护理需求（特别是症状自我管理）新来源的潜力，并开发基线自然语言处理模型 | 亚马逊平台上健康相关产品的消费者评论，重点关注包含癌症提及的句子 | 自然语言处理 | 癌症 | 自然语言处理，深度学习，大语言模型 | BERT，GPT-4 | 文本 | 4703个句子，来自3349条评论，涉及2589种产品；其中159条评论被手动标注，产生2067个标签 | NA | Bert-base-cased，gpt4-1106-preview-chat | 加权平均F1分数，F1分数 | NA |
| 11 | 2026-09-18 |
Phylogenetic Methods Meet Deep Learning
2025-09-30, Genome biology and evolution
IF:3.2Q2
DOI:10.1093/gbe/evaf177
PMID:40973626
|
综述 | 探讨深度学习在系统发育学中的应用，介绍常见深度学习架构并讨论模拟训练数据的风险、可重复性和鲁棒性问题 | 提出使用紧凑双射阶梯化向量或Transformer编码训练数据以处理更大规模的系统发育树和基因组数据集，并探索系统发育学与群体遗传学在深度学习中的结合 | 深度学习在系统发育学中的应用研究多限于四分类群树，多作为原理验证且性能与传统方法相当，基于模拟的训练数据存在风险，可重复性和鲁棒性不足 | 探讨深度学习在系统发育学中的应用潜力，介绍常见深度学习架构，讨论该领域存在的问题并展望未来研究方向 | 系统发育分析中的测序数据和系统发育树 | 机器学习 | NA | NA | Transformer | 序列数据 | NA | NA | Transformer | NA | NA |
| 12 | 2026-09-18 |
Classifying Obsessive-Compulsive Disorder from Resting-State EEG using Convolutional Neural Networks: A Pilot Study
2025-Sep-29, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.06.25327094
PMID:40385410
|
研究论文 | 该研究使用卷积神经网络对静息态脑电的时频表示进行分类，以区分强迫症患者与健康对照 | 首次将二维卷积神经网络应用于静息态脑电时频表示进行强迫症受试者级别分类，并显著优于传统支持向量机方法 | 样本量较小（仅20名受试者），需要在更大、更多样化的样本中进行重复验证 | 探索卷积神经网络能否利用静息态脑电数据有效识别强迫症患者 | 20名未服药的参与者，包括10名强迫症患者和10名健康对照 | 机器学习 | 精神疾病 | 静息态脑电图 | 卷积神经网络, 支持向量机 | 脑电信号（时频表示图像） | 20名参与者（10名强迫症患者，10名健康对照） | NA | 二维卷积神经网络, 支持向量机 | 准确率, 曲线下面积 | NA |
| 13 | 2026-09-18 |
Modeling protein-small molecule conformational ensembles with PLACER
2025-Sep-27, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.25.614868
PMID:39386615
|
研究论文 | 本文开发了一种名为PLACER的图神经网络，用于从部分损坏的输入结构中重建原子位置，从而模拟蛋白质-小分子复合物的构象集合 | 提出了完全原子级别的描述方式，相比残基级别描述在速度和通用性上具有优势；利用图神经网络从部分损坏的输入结构中重建正确原子位置，能够快速生成随机构象集合以映射构象异质性 | 未明确讨论模型在更大规模蛋白质或更复杂小分子体系中的泛化能力，也未详细说明计算成本和可扩展性的具体限制 | 模拟蛋白质-小分子相互作用的构象异质性，用于理解天然系统和评估设计系统，以及设计更高活性的预组织酶 | 蛋白质-小分子复合物、有机小分子、蛋白质侧链、酶活性位点 | 机器学习 | NA | 图神经网络、蛋白质-小分子对接 | 图神经网络 | 分子结构数据（原子坐标、化学键信息） | 剑桥结构数据库和蛋白质数据库中的结构数据 | NA | 图神经网络 | NA | NA |
| 14 | 2026-09-18 |
High Resolution TOF-MRA Using Compressed Sensing-based Deep Learning Image Reconstruction for the Visualization of Lenticulostriate Arteries: A Preliminary Study
2025-Sep-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2024-0025
PMID:39034144
|
初步研究论文 | 本研究比较了基于压缩感知的深度学习图像重建（CS-DL）与传统压缩感知（CS-SENSE）在飞行时间磁共振血管造影（TOF-MRA）中显示豆纹动脉（LSAs）的图像质量 | 首次将基于压缩感知的深度学习图像重建（CS-DL）应用于高分辨率TOF-MRA以显示豆纹动脉，并与传统CS-SENSE进行了比较 | 样本量小（仅5名健康志愿者），为初步研究，需要更大样本和患者群体验证 | 探讨CS-DL重建在TOF-MRA中显示豆纹动脉的可行性，并与传统CS-SENSE比较图像质量 | 5名健康志愿者的豆纹动脉（LSAs） | 医学影像重建 | NA | 飞行时间磁共振血管造影（TOF-MRA） | 深度学习 | 医学图像 | 5名健康志愿者 | NA | NA | 可见豆纹动脉数量, 豆纹动脉长度, 归一化均方误差（NMSE）, 整体图像质量, 外周豆纹动脉可见性 | NA |
| 15 | 2026-09-18 |
Metric-Guided Conformal Bounds for Probabilistic Image Reconstruction
2025-Sep-26, ArXiv
PMID:38711427
|
研究论文 | 提出一种基于度量引导的共形预测框架，为概率黑盒图像重建算法生成的临床指标提供具有统计保证的预测边界，并在稀疏视图CT的脂肪质量量化和放疗规划任务上验证有效性 | 用临床指标代替像素值表示重建结果，结合共形预测在校准集上校准真实指标边界，生成具有语义解释性的可视边界，能标记看似合理但指标值统计异常的离群重建 | 需要先验校准数据集；方法在稀疏视图CT的脂肪质量量化和放疗规划任务上验证，通用性有待进一步确认 | 为概率黑盒图像重建算法导出的临床指标提供可证明有效的预测边界，增强重建结果的可解释性和安全性 | 稀疏视图CT重建图像及衍生的临床指标（脂肪质量、放疗规划指标） | 计算机视觉 | 肺癌 | NA | NA | 图像 | NA | PyTorch | NA | NA | NA |
| 16 | 2026-09-18 |
The Evolution and Clinical Impact of Deep Learning Technologies in Breast MRI
2025-Sep-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.rev.2024-0056
PMID:39477506
|
综述 | 本文综述了深度学习技术在乳腺MRI中图像重建、分类、检测、分割及临床结果预测等方面的应用及其临床影响 | 系统总结了CNN、RNN、GAN等深度学习模型在乳腺MRI多个环节的应用，并探讨了其对个性化治疗策略的潜在价值 | 深度学习技术融入临床实践仍面临挑战，需要进一步研究、验证以及法律和伦理框架的建立 | 探讨深度学习技术在乳腺MRI中的演变及其临床应用影响 | 乳腺MRI相关的深度学习技术及应用 | 医学影像 | 乳腺癌 | 乳腺MRI | CNN, RNN, GAN | 图像 | NA | NA | 卷积神经网络, 循环神经网络, 生成对抗网络 | NA | NA |
| 17 | 2026-09-18 |
Exploiting correlations across trials and behavioral sessions to improve neural decoding
2025-Sep-25, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.14.613047
PMID:39314484
|
研究论文 | 本文提出了两种利用跨试次和跨行为阶段相关性的神经解码模型，并在大规模小鼠神经像素数据集上验证了其有效性 | 提出了多阶段降秩回归模型和多阶段状态空间模型，能够利用跨试次和跨阶段的相关性提高解码精度，同时保持模型的可解释性和高效性 | 未明确提及 | 通过利用跨试次和跨行为阶段的相关性来改进神经解码 | 小鼠神经活动数据和行为数据 | 机器学习 | NA | Neuropixels电生理记录 | 降秩回归, 状态空间模型 | 神经活动时间序列, 行为数据 | 433个阶段，涵盖270个脑区 | NA | 多阶段降秩回归模型, 多阶段状态空间模型 | 解码准确率 | NA |
| 18 | 2026-09-18 |
AI-Integrated QSAR Modeling for Enhanced Drug Discovery: From Classical Approaches to Deep Learning and Structural Insight
2025-Sep-25, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms26199384
PMID:41096653
|
综述 | 本文综述了人工智能与定量构效关系（QSAR）建模在药物发现中的集成应用，从经典方法到深度学习及结构洞察的演进 | 系统性地总结了从经典QSAR到深度学习方法的演进，并整合了分子对接、分子动力学模拟、PROTACs、ADMET预测及云计算平台等协同工具，强调了可解释性和数据丰富的药物发现流程 | 作为综述文章，未提供原始实验数据或模型验证；可能未涵盖所有最新的AI-QSAR方法；对具体技术细节的讨论可能不够深入 | 概述AI集成QSAR建模在药物发现中的发展历程、当前应用和未来趋势，为使用计算模型和数据库进行可解释、数据丰富的药物发现提供指南 | QSAR建模方法、AI技术、药物发现流程、分子对接与动力学模拟、PROTACs、ADMET预测、公共数据库和云平台 | 机器学习 | NA | QSAR建模、机器学习、深度学习、分子对接、分子动力学模拟 | 图神经网络、基于SMILES的Transformer | 分子结构数据、生物活性数据 | NA | NA | 图神经网络、Transformer | NA | 云平台 |
| 19 | 2026-09-18 |
An Open-Source Deep Learning-Based Toolbox for Automated Auditory Brainstem Response Analyses (ABRA)
2025-Sep-23, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.20.599815
PMID:38948763
|
研究论文 | 本文介绍了一个基于深度学习的开源工具箱ABRA，用于自动化听觉脑干反应波形分析，包括峰值振幅、潜伏期和听觉阈值估计 | 利用卷积神经网络训练多种实验数据集，实现快速、无偏的ABR指标提取，性能与专家人工标注相当，大幅减少分析时间并提高可重复性 | 摘要中未明确提及 | 自动化和标准化听觉脑干反应波形分析，解决传统人工分析主观性强和可重复性差的问题 | 听觉脑干反应波形数据 | 机器学习 | 听力损失 | NA | CNN | 波形数据 | NA | NA | NA | NA | NA |
| 20 | 2026-09-18 |
VASCilia (Vision Analysis StereoCilia): A Napari Plugin for Deep Learning-Based 3D Analysis of Cochlear Hair Cell Stereocilia Bundles
2025-Sep-23, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.17.599381
PMID:38948743
|
研究论文 | 开发了一个名为VASCilia的Napari插件套件，用于基于深度学习的耳蜗毛细胞静纤毛束的3D分析 | VASCilia是首个专门为耳蜗毛细胞静纤毛束3D分析设计的开源深度学习工具套件，包含五个深度学习模型，并发布了首个此类公开数据集，包含约55个3D堆栈和2205个注释的毛细胞束 | 未明确提及 | 自动化分析耳蜗毛细胞静纤毛束的3D形态，解决手动分析复杂性和高通量需求 | 耳蜗毛细胞的静纤毛束，包括内毛细胞和外毛细胞 | 计算机视觉 | 听力障碍 | 共聚焦显微镜，深度学习 | CNN | 3D图像 | 约55个3D堆栈，包含502个内毛细胞束和1703个外毛细胞束 | NA | NA | NA | NA |