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 1099 篇文献，本页显示第 841 - 860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 841 | 2025-10-05 |
SAGERank: inductive learning of protein-protein interaction from antibody-antigen recognition
2025-Oct-01, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc03707g
PMID:40927012
|
研究论文 | 提出SAGERank深度学习框架用于抗体-抗原相互作用预测和蛋白质-蛋白质相互作用研究 | 使用图采样聚合网络进行抗体设计，首次展示归纳式深度学习在解决分子科学小数据集问题方面的潜力 | NA | 预测抗体-抗原对接并开发基于结构的设计方法 | 抗体-抗原相互作用、蛋白质-蛋白质相互作用 | 机器学习 | 癌症 | 深度学习 | 图神经网络 | 蛋白质结构数据 | 癌症靶点数据集 | NA | Graph Sample and Aggregate Networks | 排名性能、识别准确性 | NA |
| 842 | 2025-10-05 |
SynapseNet: Deep learning for automatic synapse reconstruction
2025-Oct-01, Molecular biology of the cell
IF:3.1Q3
DOI:10.1091/mbc.E24-11-0519
PMID:40875337
|
研究论文 | 开发用于电子显微镜图像中突触结构自动分割的深度学习工具SynapseNet | 结合大规模标注数据集和领域自适应功能，能在多种电子显微镜方法中可靠分割突触结构 | NA | 实现电子显微镜图像中突触结构的自动分割和分析 | 突触囊泡、活性区、线粒体、突触前密度、突触带和突触区室等突触结构 | 计算机视觉 | NA | 电子显微镜 | 深度学习 | 电子显微镜图像 | 大规模标注数据集 | NA | NA | NA | NA |
| 843 | 2025-10-05 |
Deep Learning-Based Breath-Hold and Free-Breathing Cine MRI for Comprehensive Cardiac Evaluation
2025-Oct, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2025.0440
PMID:41015857
|
研究论文 | 评估和比较自由呼吸与屏气深度学习电影MRI序列在扫描时间、测量精度和图像质量方面与传统电影MRI的性能差异 | 首次系统比较针对心律失常和呼吸困难患者的两种深度学习电影MRI序列（自由呼吸和屏气）与传统方法的综合性能 | 样本量相对有限（70名参与者），且仅在3T扫描器上进行验证 | 开发更高效的心脏MRI成像方法，特别关注心律失常和呼吸困难患者的临床应用 | 70名参与者（24名心律失常、17名呼吸困难、29名正常窦性心律和正常呼吸） | 医学影像分析 | 心血管疾病 | 电影MRI, 深度学习 | 深度学习模型 | 心脏MRI图像 | 70名患者 | NA | NA | 扫描时间, 测量精度, 图像质量评分, 相关系数, 95%一致性界限 | 3T MRI扫描器 |
| 844 | 2025-10-05 |
Addressing Partial Volume Effects in Clinical PET Quantification: Modern Correction Strategies and Challenges
2025-Oct, PET clinics
IF:3.0Q2
DOI:10.1016/j.cpet.2025.07.001
PMID:40813150
|
综述 | 本文系统评述临床PET定量分析中部分容积效应的现代校正策略及其挑战 | 首次将新型部分容积校正方法归纳为四大类别并分析各自特点 | 未提供具体实验数据验证不同方法的性能比较 | 解决临床PET定量分析中的部分容积效应问题 | PET成像中的部分容积效应 | 医学影像分析 | NA | PET成像 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 845 | 2025-10-05 |
Motion Management in Positron Emission Tomography/Computed Tomography and Positron Emission Tomography/Magnetic Resonance
2025-Oct, PET clinics
IF:3.0Q2
DOI:10.1016/j.cpet.2025.07.004
PMID:40858422
|
综述 | 探讨临床PET检查中运动伪影的校正策略及其最新进展 | 整合外部设备与数据驱动的运动追踪技术，结合深度学习方法和全身PET系统实现先进运动校正 | NA | 提升PET图像质量与定量准确性 | PET/CT和PET/MR成像中的运动伪影 | 医学影像处理 | 肿瘤学、神经学、心血管疾病 | PET/CT、PET/MR、全身PET系统 | 深度学习 | 医学影像 | NA | NA | NA | 定量可靠性 | NA |
| 846 | 2025-10-05 |
Advancing Positron Emission Tomography Image Quantification: Artificial Intelligence-Driven Methods, Clinical Challenges, and Emerging Opportunities in Long-Axial Field-of-View Positron Emission Tomography/Computed Tomography Imaging
2025-Oct, PET clinics
IF:3.0Q2
DOI:10.1016/j.cpet.2025.07.010
PMID:40885661
|
综述 | 本文探讨人工智能在长轴视野PET/CT成像中提升图像定量分析的创新方法与临床挑战 | 系统阐述AI技术（特别是深度学习）在PET成像定量分析中的革命性应用，重点关注长轴视野PET/CT这一新兴技术 | NA | 推进正电子发射断层扫描图像定量分析技术，提升临床决策精准度 | 正电子发射断层扫描/计算机断层扫描（PET/CT）成像技术 | 医学影像分析 | 肿瘤学 | PET/CT成像，深度学习 | 深度学习模型 | 医学影像数据 | NA | NA | NA | NA | NA |
| 847 | 2025-10-05 |
Morphology Prior Enhanced Teeth Segmentation for High-Resolution Oral Scans
2025-Oct-01, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3616205
PMID:41032560
|
研究论文 | 提出一种形态学先验增强的牙齿分割框架，用于高分辨率口腔扫描图像 | 通过牙齿形态学先验、姿态对齐预处理、分解-合并策略和可变形感受野模块，提升牙齿分割的准确性和泛化能力 | 未明确说明对特殊牙齿排列或病理状况的适应性 | 改进高分辨率口腔扫描图像中的牙齿分割精度 | 口腔内扫描图像中的牙齿结构 | 计算机视觉 | 牙科疾病 | 深度学习 | 图神经网络 | 3D口腔扫描图像 | 来自四个中心的6238个口腔内扫描图像 | NA | 可变形感受野网络 | 交叉中心测试准确率 | NA |
| 848 | 2025-10-05 |
Yb3+-optimized core-shell structured luminescent material for dual-mode encryption and deep learning fluorescence imaging
2025-Oct-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.569475
PMID:41032767
|
研究论文 | 本研究开发了Yb3+优化的核壳结构上转换发光材料，应用于双模式加密和深度学习荧光成像 | 通过优化Yb掺杂浓度使发光强度提升16-17倍，并整合莫尔斯码结构加密与QR码信息加密的多级安全特征 | 未提及材料的大规模生产成本和长期稳定性数据 | 开发具有增强发光性能的核壳结构材料用于高级防伪认证 | NaYF:Yb,NdLn(Er,Tm)@NaYf:Yb核壳上转换发光材料 | 材料科学,计算机视觉 | NA | 水热法,外延生长法,上转换发光技术 | CNN | 荧光图像 | 未明确说明样本数量 | PyCharm | 残差神经网络 | 分类准确率 | NA |
| 849 | 2025-10-05 |
Predicting the soliton trapping in birefringence optical fibers via spectral neural operator enhanced by CNLSE-Layer
2025-Oct-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.572368
PMID:41032825
|
研究论文 | 提出一种通过将耦合非线性薛定谔方程嵌入神经网络来预测双折射光纤中孤子俘获现象的方法 | 首次将CNLSE作为网络层嵌入神经网络，并采用谱神经算子建模群速度色散算子 | NA | 预测双折射光纤中孤子俘获现象的产生 | 双折射光纤中的矢量光学孤子 | 机器学习 | NA | 物理信息深度学习 | 神经网络 | NA | NA | NA | CNLSE-Layer, 谱神经算子 | NA | NA |
| 850 | 2025-10-05 |
Multi-operator-based model-driven self-supervised learning for fluorescence diffusion tomography
2025-Oct-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.572740
PMID:41032816
|
研究论文 | 提出一种基于多算子的模型驱动自监督学习方法用于荧光扩散断层成像，无需标注数据即可实现高质量重建 | 利用几何分离的源-探测器配置推导两个前向算子，并将算子作为双重约束集成到展开网络架构中 | 未提及具体的数据集规模限制和计算资源需求 | 解决荧光扩散断层成像中标注数据依赖问题，提升无标注数据场景下的重建质量 | 荧光扩散断层成像重建 | 医学影像重建 | NA | 荧光扩散断层成像 | 自监督学习 | 光学成像数据 | NA | NA | 展开网络架构 | 重建质量，形态特征恢复能力 | NA |
| 851 | 2025-10-03 |
Gradient responsive regularization: a deep learning framework for codon frequency based classification of evolutionarily conserved genes
2025-Oct-01, BMC genomic data
IF:1.9Q3
DOI:10.1186/s12863-025-01358-7
PMID:41034712
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 852 | 2025-10-03 |
Radiomics and deep learning model based on X-ray imaging for the assisted diagnosis of early Legg-Calvé-Perthes disease
2025-Oct-01, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-09189-4
PMID:41034891
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 853 | 2025-10-05 |
Melatonin Alleviates Retina Angiogenesis by Targeting Fibronectin and the VEGF Pathway
2025-Oct-15, FASEB journal : official publication of the Federation of American Societies for Experimental Biology
IF:4.4Q2
DOI:10.1096/fj.202500814RR
PMID:41026035
|
研究论文 | 本研究通过RNA测序和深度学习模型发现褪黑素可通过靶向纤连蛋白和VEGF通路抑制视网膜血管生成 | 首次结合RNA测序和深度学习模型BioNet从FDA批准药物中发现褪黑素作为纤连蛋白抑制剂，并证实其通过双重抑制FN1表达和VEGFR2磷酸化来抑制血管生成 | 研究主要基于氧诱导视网膜病变模型，尚未在更多疾病模型或临床环境中验证 | 探索视网膜病理性血管生成的分子机制并寻找潜在治疗靶点 | 糖尿病视网膜病变和早产儿视网膜病变的血管生成机制 | 计算生物学 | 视网膜病变 | RNA测序, 深度学习药物筛选, 体外血管生成实验, 体内动物模型 | 深度学习 | 基因表达数据, 药物分子数据 | 氧诱导视网膜病变动物模型 | BioNet | NA | FN1表达水平, VEGFR2磷酸化水平, 视网膜前簇状血管数量 | NA |
| 854 | 2025-10-05 |
Automated segmentation of soft X-ray tomography: Native cellular structure with submicron resolution at high-throughput for whole-cell quantitative imaging in yeast
2025-Oct-01, Molecular biology of the cell
IF:3.1Q3
DOI:10.1091/mbc.E24-10-0486
PMID:40875368
|
研究论文 | 开发基于深度学习的自动分割流程用于软X射线断层扫描数据的细胞结构分割 | 首次将深度学习自动分割应用于软X射线断层扫描，实现高通量全细胞定量成像分析 | 依赖手动迭代优化来提高分割精度 | 实现酵母细胞亚微米分辨率下的高通量全细胞定量成像分析 | 三种酵母菌株（野生型、VPH1-GFP和另一菌株）的细胞结构 | 计算机视觉 | NA | 软X射线断层扫描(SXT) | 深度学习 | 三维断层扫描图像 | 数百个细胞，涵盖三种酵母菌株 | NA | NA | 分割精度 | NA |
| 855 | 2025-10-05 |
3D human pose point cloud data of light detection and ranging (LiDAR)
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.112043
PMID:41018860
|
研究论文 | 本文介绍了使用3D LiDAR传感器采集的用于人体姿态预测的点云数据集 | 利用3D LiDAR技术采集人体姿态点云数据，该方法不捕获面部图像，更保护个人隐私 | 当前数据采集仅使用一名30-40岁男性受试者，未来需要扩展更多样本人群 | 开发用于人体姿态预测的3D点云数据集 | 人体姿态点云数据 | 计算机视觉 | NA | 3D LiDAR传感技术 | CNN | 3D点云数据 | 1400个3D点云数据，包含4种人体姿态类别，每类280个训练数据和280个测试数据 | NA | NA | NA | NA |
| 856 | 2025-10-05 |
Relational Graph Convolutional Network for Robust Mass Spectrum Classification
2025-Oct-01, Journal of the American Society for Mass Spectrometry
IF:3.1Q1
DOI:10.1021/jasms.5c00055
PMID:40888691
|
研究论文 | 提出一种基于关系图卷积网络的新型深度学习架构，用于高分辨率质谱成像中的稳健质谱分类 | 首次在MSI分类中利用质量缺陷和已知质量差异等HRMS结构特征，将质谱表示为图结构以学习化学相关离子家族间的关联 | 未明确说明模型在特定类型质谱数据上的泛化能力限制 | 开发能够充分利用高分辨率质谱特征并具有鲁棒性的质谱分类方法 | 质谱成像数据中的质谱信号 | 机器学习 | NA | 高分辨率质谱成像 | R-GCN, 深度学习 | 质谱数据 | 多个不同的MSI数据集 | NA | 关系图卷积网络 | 鲁棒性评估（针对质量偏移、离子丢失等信号变化） | NA |
| 857 | 2025-10-05 |
Bioinformatics and machine learning reveal novel prognostic biomarkers in head and neck squamous cell carcinoma
2025-Oct-01, Journal of applied genetics
IF:2.0Q3
DOI:10.1007/s13353-025-01018-7
PMID:41028529
|
研究论文 | 通过生物信息学和机器学习方法识别头颈部鳞状细胞癌的新型预后生物标志物 | 结合深度学习和生物信息学分析鉴定出KRT33B、KRTAP3-3、C14orf34和ACADM等新型诊断和预后生物标志物，并发现ACADM、KRT33B和C14orf34组合具有最佳诊断性能 | NA | 寻找头颈部鳞状细胞癌的诊断和预后生物标志物以提高患者生存率 | 头颈部鳞状细胞癌患者 | 机器学习 | 头颈部鳞状细胞癌 | RNA表达数据分析 | 深度学习 | 基因表达数据 | NA | NA | NA | 灵敏度, 特异性, AUC | NA |
| 858 | 2025-10-05 |
Modeling Enzyme Temperature Stability from Sequence Segment Perspective
2025-Oct-01, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01674
PMID:41031662
|
研究论文 | 本文提出了一种从序列片段角度预测酶温度稳定性的深度学习框架 | 引入基于蛋白质序列片段表示的新方法，考虑不同区域对热稳定性的差异贡献 | 数据可用性有限且分布不平衡可能影响模型性能 | 开发能够准确预测酶温度稳定性的计算方法 | 酶蛋白质序列及其温度稳定性 | 机器学习 | NA | 深度学习 | Transformer | 蛋白质序列数据 | NA | NA | Segment Transformer | RMSE, MAE, Pearson correlation, Spearman correlation | NA |
| 859 | 2025-10-05 |
Choroidal Vascular Fingerprints From Indocyanine Green Angiography Unveil Chorioretinal Disease State
2025-Oct-01, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.66.13.3
PMID:41031739
|
研究论文 | 开发基于人机协同策略的深度学习算法，从吲哚菁绿血管造影图像中提取脉络膜血管多维特征，并探索其与多种脉络膜视网膜疾病的关联 | 首次提出脉络膜血管指纹概念，采用人机协同策略实现标注高效的深度学习算法，可量化血管直径、密度、复杂度、迂曲度和分支角度等多维特征 | 回顾性研究设计，样本量相对有限（394只眼），未包含所有类型的脉络膜视网膜疾病 | 开发标注高效的深度学习算法，探索脉络膜血管特征与脉络膜视网膜疾病的关联 | 中心性浆液性脉络膜视网膜病变、息肉样脉络膜血管病变、病理性近视患者及正常对照者的眼底图像 | 数字病理 | 脉络膜视网膜疾病 | 吲哚菁绿血管造影 | 深度学习分割模型 | 图像 | 394只眼（243只患者眼，151只正常对照眼） | NA | NA | AUC, ICC | NA |
| 860 | 2025-10-05 |
Deep Learning for Automatic Segmentation of Pituitary Adenomas: A Videomics Study
2025-Oct-01, Operative neurosurgery (Hagerstown, Md.)
DOI:10.1227/ons.0000000000001781
PMID:41031839
|
研究论文 | 本研究评估了三种深度学习模型在垂体腺瘤自动分割中的性能，发现Swin Transformer模型在肿瘤边界描绘方面表现最优 | 首次将视频内镜与人工智能结合的videomics技术应用于垂体腺瘤的实时手术分割，并比较了Swin Transformer、YOLO和Mask R-CNN三种先进模型 | 回顾性研究，样本量相对有限（700帧图像），仅基于单一医疗机构数据 | 评估不同深度学习模型在垂体腺瘤自动分割中的性能，提高手术中肿瘤边界描绘的准确性 | 接受内镜经鼻手术的垂体腺瘤患者 | 计算机视觉 | 垂体腺瘤 | 视频内镜技术 | Swin Transformer, YOLO, Mask R-CNN | 视频帧图像 | 700帧代表性图像，来自20个手术视频（14个训练，3个验证，3个测试） | NA | Swin Transformer, YOLOv8x, Mask R-CNN | mAP, Dice相似系数, 召回率, 精确率 | NA |