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 1660 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 | 2025-11-13 |
Cross-Modality Learning for Predicting Immunohistochemistry Biomarkers from Hematoxylin and Eosin-Stained Whole Slide Images
2025-Sep-12, The American journal of pathology
DOI:10.1016/j.ajpath.2025.08.014
PMID:40946794
|
研究论文 | 提出一种名为HistoStainAlign的深度学习框架，可直接从H&E全切片图像预测免疫组化染色模式 | 通过对比训练策略整合配对的H&E和IHC嵌入，无需切片级标注或组织配准即可捕获跨染色模式的互补特征 | 仅在胃肠道和肺组织上验证了三种IHC标志物，需要进一步扩展验证范围 | 开发计算方法来预测IHC生物标志物，作为IHC染色的预筛选工具 | 胃肠道和肺组织全切片图像 | 数字病理学 | 癌症 | H&E染色，免疫组化染色 | 深度学习 | 全切片图像 | 胃肠道和肺组织全切片图像，包含三种IHC染色（P53、PD-L1、Ki-67） | NA | HistoStainAlign | 加权F1分数 | NA |
| 22 | 2025-11-12 |
NeuHolo: non-interferometric quantitative single-shot holographic imaging for 3D metrology using neural fields
2025-Sep-22, Optics express
IF:3.2Q2
DOI:10.1364/OE.567074
PMID:41215303
|
研究论文 | 提出一种基于神经场网络和随机相位调制的非干涉定量单次全息成像框架NeuHolo | 首次将神经场网络与随机相位调制结合，无需物体支撑即可通过无监督深度学习从单次测量中定量估计振幅和相位 | 未明确说明计算资源需求和算法处理时间 | 开发无需干涉的非干涉定量全息成像技术 | 光场的复振幅重建 | 计算机视觉 | NA | 全息成像，随机相位调制 | 神经网络 | 强度测量数据 | NA | 深度学习框架 | 神经场网络 | 精度，视场大小 | NA |
| 23 | 2025-11-12 |
Supercell-based metasurfaces for arbitrary polarization beam splitting: physics-informed U-Net design with high extinction ratio
2025-Sep-22, Optics express
IF:3.2Q2
DOI:10.1364/OE.561950
PMID:41215359
|
研究论文 | 提出一种基于物理信息驱动深度学习的方法，用于设计任意偏振分束的超表面结构 | 将物理信息嵌入改进的U-Net架构，通过分解目标远场图案到正交圆偏振分量来高效恢复相位分布 | NA | 开发高效偏振控制器件设计方法 | 硅纳米柱超表面结构 | 计算光子学 | NA | FDTD模拟 | U-Net | 相位分布数据，远场图案 | NA | NA | 改进的U-Net | MSE, 偏振消光比, 传输效率 | NA |
| 24 | 2025-11-12 |
Dual deep learning network enables data-efficient two-color single-molecule localization microscopy with colorimetry camera
2025-Sep-22, Optics express
IF:3.2Q2
DOI:10.1364/OE.574460
PMID:41215365
|
研究论文 | 开发了一种结合双深度学习网络的CC-DeepSTORM框架，用于提升双色单分子定位显微镜的数据效率 | 提出CC-DeepLoc定位网络和CC-DeepSeparator颜色分离网络的双深度学习框架，显著提升定位精度并大幅降低数据拒绝率 | 研究主要基于模拟和单色实验数据验证，双色实验的全面性能评估有待进一步扩展 | 解决多色单分子定位显微镜技术复杂性和数据效率低下的问题 | 单分子定位显微镜图像数据 | 计算显微镜 | NA | 单分子定位显微镜(SMLM) | 深度学习网络 | 显微镜图像 | NA | 深度学习框架 | CC-DeepLoc, CC-DeepSeparator | Jaccard指数, 定位精度, 串扰率, 数据拒绝率 | NA |
| 25 | 2025-11-12 |
Research on an atmospheric turbulent channel equalization algorithm using the spatiotemporal feature fusion method
2025-Sep-22, Optics express
IF:3.2Q2
DOI:10.1364/OE.573173
PMID:41215432
|
研究论文 | 提出一种基于时空特征融合的深度学习信道均衡算法，用于消除大气湍流信道对无线光通信系统的影响 | 首次将时空特征融合方法应用于大气湍流信道均衡，突破了传统信道均衡的性能瓶颈 | NA | 解决大气湍流引起的信号衰落问题，提高无线光通信系统的传输可靠性 | 大气湍流信道模型和传输信号 | 机器学习 | NA | 深度学习 | CNN | 光强度测量数据 | NA | NA | 时空特征融合网络 | 误码率 | NA |
| 26 | 2025-11-12 |
Risk stratification of chest pain in the emergency department using artificial intelligence applied to electrocardiograms
2025-Sep-01, Open heart
IF:2.8Q2
DOI:10.1136/openhrt-2025-003343
PMID:40889954
|
研究论文 | 开发了一种基于人工智能的心电图风险分层模型（CP-AI），用于急诊胸痛患者的7天主要心血管事件预测 | 首次将深度学习模型应用于心电图数据，结合临床特征构建全自动风险分层系统，显著优于传统生物标志物模型 | 回顾性研究设计，需要在更多样化人群中验证模型泛化能力 | 改善急诊胸痛患者的风险分层，减少主观评估带来的不一致性 | 急诊胸痛患者 | 医疗人工智能 | 心血管疾病 | 深度学习，心电图分析 | 神经网络分类器 | 心电图，临床数据 | 训练集15,048名患者，外部验证集14,476名患者 | NA | 患者对比学习表示模型 | AUROC, AUPRC | NA |
| 27 | 2025-10-05 |
Correction: Javeed et al. A Hybrid Deep Learning-Driven SDN Enabled Mechanism for Secure Communication in Internet of Things (IoT). Sensors 2021, 21, 4884
2025-Sep-15, Sensors (Basel, Switzerland)
DOI:10.3390/s25185739
PMID:41013172
|
correction | 对先前发表的关于物联网安全通信的混合深度学习驱动SDN机制论文进行更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 28 | 2025-11-09 |
Navigating protein-nucleic acid sequence-structure landscapes with deep learning
2025-Sep-22, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103162
PMID:40987097
|
综述 | 本文综述了深度学习在蛋白质-核酸序列-结构关系研究中的最新进展与挑战 | 系统总结了蛋白质-核酸相互作用预测领域的新兴方法，包括整合高通量分析数据、开发更严谨的评估基准以及利用自监督学习发现生物学信号 | 实验数据稀缺且多样性有限，核酸具有独特的几何、物理化学和进化特性 | 探索深度学习在蛋白质-核酸相互作用预测和核酸设计中的应用前景 | 蛋白质-核酸复合物结构和核酸配体 | 计算生物学 | NA | 深度学习，高通量分析，自监督学习 | 深度学习模型 | 蛋白质-核酸复合物结构数据，序列数据 | NA | NA | NA | NA | NA |
| 29 | 2025-11-09 |
AI-enhanced orthodontic treatment planning - a scoping review on evidence-based clinical application with commercial software overview
2025-Sep-18, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.106112
PMID:40975160
|
综述 | 对AI增强正畸治疗规划工具的证据基础研究进行范围综述，并评估商业软件的临床应用 | 首次系统梳理AI在正畸治疗规划中的临床应用证据，并对比学术验证工具与商业软件的差异 | 商业软件普遍缺乏公开验证研究，学术工具与临床实际应用存在脱节 | 评估AI增强正畸治疗规划工具的证据基础和临床应用价值 | 正畸治疗规划相关的AI工具和研究文献 | 医疗人工智能 | 口腔正畸 | 机器学习，深度学习，大语言模型 | 机器学习，深度学习，LLM | 文本输入，口腔扫描数据 | 17篇符合纳入标准的研究文献 | NA | NA | 准确率 | NA |
| 30 | 2025-11-08 |
A deep learning model for epidermal growth factor receptor prediction using ensemble residual convolutional neural network
2025-Sep-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-18518-5
PMID:41023039
|
研究论文 | 提出一种基于集成残差卷积神经网络的深度学习模型ERCNN-EGFR，用于从氨基酸序列准确预测表皮生长因子受体 | 首次将集成残差卷积神经网络应用于EGFR预测，结合多种蛋白质特征提取方法和特征选择策略 | 模型在独立测试集上的准确率（82.85%）较训练集有所下降，可能存在泛化能力限制 | 开发准确识别表皮生长因子受体的计算方法 | 表皮生长因子受体蛋白质 | 生物信息学 | 乳腺癌 | 蛋白质序列分析 | BiLSTM, GRU, GAN, CNN | 蛋白质氨基酸序列 | NA | NA | Ensemble Residual Convolutional Neural Network | 准确率, 灵敏度, 特异性, 马修斯相关系数 | NA |
| 31 | 2025-11-08 |
Enhancing communication for people with hearing disabilities through robust sign language recognition using deep learning and the internet of things
2025-Sep-24, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2025.2562454
PMID:40990717
|
研究论文 | 提出一种结合深度学习和物联网的鲁棒手语识别方法，以增强听力障碍人士的沟通能力 | 提出ECRSLR-SAEHD方法，结合稀疏自编码器和Fennec Fox算法进行超参数调优，并集成物联网技术 | 仅使用基准数据集进行验证，未提及实际部署中的挑战 | 通过鲁棒手语识别技术改善听力障碍人士的沟通能力 | 听力障碍人士的手语识别 | 计算机视觉 | 听力障碍 | 深度学习，物联网 | 稀疏自编码器(SAE), EfficientNetB7 | 图像 | 基准数据集（未指定具体数量） | NA | EfficientNetB7, 稀疏自编码器 | 准确率 | NA |
| 32 | 2025-11-08 |
A novel hybrid deep learning model for segmentation and uzzy Res-LeNet based classification for Alzheimer's disease
2025-Sep-24, Neurogenetics
IF:1.6Q3
DOI:10.1007/s10048-025-00837-4
PMID:40991056
|
研究论文 | 提出一种用于阿尔茨海默病分割和分类的混合深度学习方法 | 提出O-SegUNet分割方法和融合模糊逻辑、ResNeXt和LeNet的Fuzzy Res-LeNet分类模型 | NA | 阿尔茨海默病的早期检测和分类 | 阿尔茨海默病患者的大脑MRI图像 | 医学影像分析 | 阿尔茨海默病 | 磁共振成像 | 混合深度学习模型 | 医学图像 | NA | NA | O-SegUNet, Fuzzy Res-LeNet, SegNet, U-Net, ResNeXt, LeNet | 准确率, 敏感度, 特异性 | NA |
| 33 | 2025-09-19 |
Letter to the Editor: Technical considerations in the development of a multimodal deep learning model for predicting hepatocellular carcinoma outcomes
2025-Sep-17, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001534
PMID:40960952
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 34 | 2025-11-08 |
Synergy of advanced machine learning and deep neural networks with consensus molecular docking for virtual screening of anaplastic lymphoma kinase inhibitors
2025-Sep-15, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-025-00657-6
PMID:40952529
|
研究论文 | 本研究开发了一种结合机器学习和分子对接的AI模型，用于虚拟筛选间变性淋巴瘤激酶抑制剂 | 结合了基于配体和基于结构的双重方法，使用集成投票模型和共识对接策略，在大型化合物库中筛选出三个有前景的ALK抑制剂 | 需要进一步的体外实验验证模型筛选性能，图神经网络表现不如传统机器学习模型 | 开发AI模型预测ALK抑制剂用于非小细胞肺癌治疗 | 间变性淋巴瘤激酶抑制剂化合物 | 机器学习 | 肺癌 | 分子对接，虚拟筛选 | XGBoost, ANN, GNN, 集成学习 | 化合物结构数据 | 120,571个化合物 | XGBoost, TensorFlow/PyTorch | 人工神经网络, 图神经网络, 集成投票模型 | F1分数, 平均精度, 交叉验证 | GPU加速分子对接程序 |
| 35 | 2025-11-07 |
Transforming histologic assessment: artificial intelligence in cancer diagnosis and personalized treatment
2025-Sep-24, British journal of cancer
IF:6.4Q1
DOI:10.1038/s41416-025-03206-y
PMID:40993310
|
综述 | 本文综述了人工智能在组织学评估中的变革作用，特别是在癌症诊断和个性化治疗中的应用进展 | AI从诊断辅助工具发展为临床决策的核心组成部分，通过深度学习技术复制并增强病理学家决策，解决观察者间变异性和诊断可重复性等挑战 | AI预测验证存在挑战，特别是在预后应用方面，资源有限环境中的可及性仍需保障 | 探讨人工智能在组织病理学评估中的转型作用及其在癌症诊断和治疗个性化中的应用 | 组织学图像、基因组数据、临床数据及其在癌症诊断和治疗预测中的整合应用 | 数字病理学 | 癌症 | 全切片成像(WSI)、空间转录组学、多模态数据整合 | 深度学习 | 图像、基因组数据、临床数据 | 基于TCGA等公共数据库的大规模组织学-基因组-临床整合数据集 | NA | NA | 预测准确性、可解释性 | NA |
| 36 | 2025-11-07 |
SeaMoon: From protein language models to continuous structural heterogeneity
2025-Sep-04, Structure (London, England : 1993)
DOI:10.1016/j.str.2025.06.010
PMID:40683255
|
研究论文 | 本研究开发了SeaMoon方法，直接从蛋白质序列预测连续结构异质性，无需依赖3D结构信息 | 首次探索直接从蛋白质序列预测连续结构运动，无需利用3D结构；结合蛋白质语言模型与轻量级卷积神经网络；能够捕捉传统方法无法识别的运动模式 | 仅对40%的测试蛋白质能够以合理精度预测至少一个真实运动 | 开发直接从蛋白质序列预测连续结构异质性的深度学习方法 | 蛋白质结构运动和构象变化 | 计算生物学, 机器学习 | NA | 蛋白质语言模型, 深度学习 | CNN | 蛋白质序列, 蛋白质语言模型嵌入 | 约1,000组实验构象集合 | NA | 轻量级卷积神经网络 | 预测精度 | NA |
| 37 | 2025-11-06 |
Leveraging deep learning to combat cyberbullying on social media
2025 Sep-Dec, Industrial psychiatry journal
DOI:10.4103/ipj.ipj_47_25
PMID:41180047
|
短篇通讯 | 探讨深度学习技术在社交媒体网络欺凌检测中的应用潜力 | 结合基于Transformer和循环神经网络的模型，并整合表情符号和情感分析等多模态数据提升检测精度 | 数据标注困难、网络俚语理解、语境依赖解释问题以及用户匿名性带来的识别挑战 | 开发更准确、全面且符合伦理的网络欺凌检测方法 | 社交媒体中的网络欺凌内容（文本、图像）和用户行为 | 自然语言处理 | NA | 情感分析，多模态数据分析 | Transformer, RNN | 文本，图像，多模态数据 | NA | NA | Transformer, 循环神经网络 | 检测准确率 | NA |
| 38 | 2025-11-05 |
Iterative improvement of deep learning models using synthetic regulatory genomics
2025-Sep-23, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.04.636130
PMID:39974895
|
研究论文 | 本研究使用深度学习模型Enformer预测合成调控基因组学数据中的DNA可及性和RNA转录，并通过微调提升模型性能 | 首次将合成调控基因组学数据用于深度学习模型的迭代改进，显著提升了模型对基因组变异的预测泛化能力 | 模型对DHS顺序或方向重排的序列预测能力较差，训练数据主要基于参考基因组相似序列 | 评估和改进深度学习模型对基因组变异序列的表观遗传特征预测能力 | DNase I超敏感位点的删除、倒位和重排等工程化序列 | 计算生物学 | NA | 合成调控基因组学，表观遗传学分析 | 深度学习 | 基因组序列，表观遗传数据 | 数十个DHS工程化序列 | NA | Enformer | 预测误差，相关性 | NA |
| 39 | 2025-11-05 |
Correction: A Systematic Review: Do the Use of Machine Learning, Deep Learning, and Artificial Intelligence Improve Patient Outcomes in Acute Myocardial Ischemia Compared to Clinician-Only Approaches?
2025-Sep, Cureus
DOI:10.7759/cureus.c307
PMID:41185712
|
correction | 本文是对先前发表的一篇系统综述文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 40 | 2025-11-04 |
A Deep Learning Model to Identify Mitral Valve Prolapse From the Echocardiogram
2025-Sep-30, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2025.08.011
PMID:41031982
|
研究论文 | 开发深度学习模型DROID-MVP用于从超声心动图视频中自动识别二尖瓣脱垂 | 首次开发专门用于二尖瓣脱垂识别的深度学习模型，并在大规模多中心数据集上进行验证 | 研究数据主要来自单一医疗系统，需要进一步外部验证 | 开发自动化二尖瓣脱垂诊断工具，减轻超声心动图诊断负担 | 心脏病患者和初级保健患者的超声心动图视频 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习 | 视频 | 总计1,043,893个超声心动图视频（48,829项研究），来自16,902名心脏病患者和9,145名初级保健患者 | NA | DROID-MVP | AUROC, 平均精度 | NA |