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 1094 篇文献，本页显示第 101 - 120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 101 | 2025-12-15 |
Biologically informed neural network models are robust to spurious interactions via self-pruning
2025-Oct-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.24.684155
PMID:41278889
|
研究论文 | 本研究提出了一种评估生物学信息神经网络模型可靠性的新方法，通过测量模型在训练过程中对虚假相互作用的自我修剪能力 | 提出了一种可扩展且通用的自我修剪度量方法，用于评估BINN模型从先验知识网络中识别和移除虚假相互作用的能力，并实现了完全GPU加速的LEMBAS框架，获得了超过7倍的性能提升 | 分析主要关注选定的通路而非更全面的视角，且模型需要足够大的L2正则化才能有效修剪虚假相互作用 | 评估生物学信息神经网络模型在复杂细胞网络建模中机制推断的可靠性 | 细胞内信号传导动力学网络 | 机器学习 | NA | 深度学习，先验知识网络 | 循环神经网络 | 信号网络数据 | 3个不同的数据集 | PyTorch | LEMBAS | 预测准确性，自我修剪程度 | GPU加速 |
| 102 | 2025-12-14 |
Labeled dataset of X-ray protein ligand images in 3D point cloud and validated deep learning models
2025-Oct-31, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06002-8
PMID:41173949
|
研究论文 | 本文介绍了首个化学标记的蛋白质配体3D点云数据集LigPCDS，并验证了基于该数据集的深度学习模型用于语义分割以恢复配体化学结构 | 首次创建了基于X射线蛋白质晶体学实验数据的化学标记3D点云配体数据集，并采用类似积木的标记方法进行点云标注 | NA | 构建并验证一个标记的3D点云配体数据集，以支持蛋白质配体结构解析、计算机辅助药物设计和蛋白质功能研究 | 蛋白质配体（小有机分子）的3D点云图像 | 计算机视觉 | NA | X射线蛋白质晶体学 | 深度学习模型 | 3D点云图像 | NA | NA | NA | NA | NA |
| 103 | 2025-12-14 |
Structure-based Predictions of Conformational B Cell Epitopes by Protein Language Model and Deep Learning
2025-Oct-30, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.29.685313
PMID:41278910
|
研究论文 | 本文介绍了一种基于蛋白质语言模型和深度学习的框架，用于预测抗原结构上的构象B细胞表位 | 提出了一种以表面“斑块”（由三个相邻残基组成的三元组）为中心的框架，直接预测抗原结构上的表位，结合蛋白质语言模型（ESM-2）和卷积神经网络，显著优于现有工具 | 模型在开发过程中未见的五个外部复合物上表现良好，但可能仍需更多样化的数据集验证泛化能力，且实验成本较高的问题未完全解决 | 预测构象B细胞表位，以支持抗体发现、抗原优先排序、抗体工程和疫苗设计 | 抗体-抗原复合物，特别是构象B细胞表位 | 自然语言处理, 机器学习 | NA | 蛋白质语言模型, 深度学习 | 多层感知机, 卷积神经网络 | 蛋白质结构数据 | 1,151个AbDb抗体-抗原复合物 | NA | ESM-2, 多层感知机, 卷积神经网络 | F1分数, ROC-AUC, PR-AUC | NA |
| 104 | 2025-12-14 |
SubCell: Proteome-aware vision foundation models for microscopy capture single-cell biology
2025-Oct-30, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.06.627299
PMID:41278937
|
研究论文 | 本文介绍了SubCell，一套用于荧光显微镜的自监督深度学习模型，旨在准确捕捉细胞形态、蛋白质定位、细胞组织和生物功能 | 提出了一种新颖的蛋白质组感知学习目标，并构建了首个直接从图像数据学习的蛋白质组层次结构图 | 未明确提及具体局限性 | 开发能够超越人类感知能力捕捉单细胞生物学的视觉基础模型 | 人类蛋白质图谱中的蛋白质组范围图像集合 | 计算机视觉 | NA | 荧光显微镜 | 自监督深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 105 | 2025-12-13 |
The Duke University Cervical Spine MRI Segmentation Dataset (CSpineSeg)
2025-Oct-27, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05975-w
PMID:41145519
|
研究论文 | 本文介绍了杜克大学颈椎MRI分割数据集（CSpineSeg），并提出了一个深度学习分割模型作为基准 | 发布了一个公开可用的颈椎MRI分割数据集，并提供了一个基准分割模型 | 数据集仅包含单中心数据，可能限制模型的泛化能力 | 为颈椎研究提供数据资源，并建立分割任务的基准 | 颈椎磁共振成像（MRI） | 数字病理学 | 颈椎疾病 | 磁共振成像（MRI） | 深度学习分割模型 | 图像 | 1,255例颈椎MRI检查（来自1,232名患者），其中481例有专家手动分割标注 | NA | NA | Dice系数 | NA |
| 106 | 2025-12-13 |
A knowledge-driven deep learning framework for organoid morphological segmentation and characterization
2025-Oct-21, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-025-02411-8
PMID:41121276
|
研究论文 | 本文提出了一种知识驱动的深度学习框架TransOrga-plus，用于在非侵入性和低资源设置下自动分析类器官的形态分割和动态特征 | 提出了一种结合生物知识（如类器官形态特征）的多模态Transformer分割模块，并引入轻量级多目标跟踪模块，实现了非侵入性类器官动态分析 | NA | 开发一个通用框架，用于在非侵入性和低资源设置下分析类器官的动态变化 | 类器官 | 计算机视觉 | NA | 明场显微镜成像 | Transformer | 图像 | 大规模类器官数据集，涵盖多种组织类型和显微成像设置 | NA | 多模态Transformer | NA | NA |
| 107 | 2025-12-13 |
Biologically grounded neocortex computational primitives implemented on neuromorphic hardware improve vision transformer performance
2025-Oct-14, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2504164122
PMID:41055996
|
研究论文 | 本研究通过构建一个受实验约束的生物物理真实小鼠初级视觉皮层微环路模型，揭示了特定中间神经元类别通过竞争-合作机制实现软赢家通吃（sWTA）动力学，并将其映射到神经形态硬件上，最终作为预处理滤波器集成到Vision Transformer中，显著提升了模型的泛化能力和计算效率 | 将生物物理真实的皮层微环路计算原理（sWTA）首次映射到神经形态硬件（IBM TrueNorth），并作为预处理模块嵌入现代Vision Transformer架构，实现了生物学原理与AI性能提升的统一 | 模型基于小鼠初级视觉皮层（2-3层）的体外生理数据构建，其计算原理在其他皮层区域或更复杂认知任务中的普适性有待进一步验证 | 探索大脑皮层微环路的计算原理，并将其转化为可提升现代深度学习架构性能的神经形态计算模块 | 小鼠初级视觉皮层（层2-3）的微环路，涉及四种主要中间神经元类别（Parvalbumin, Somatostatin, vasoactive intestinal peptide, LAMP5） | 机器学习, 神经形态计算 | NA | 生物物理真实建模, 神经形态硬件映射 | Vision Transformer, 基于电导的神经网络 | 图像数据 | NA | NA | Vision Transformer, sWTA模块 | 准确率, 泛化性能, 训练计算量 | IBM TrueNorth神经形态芯片 |
| 108 | 2025-12-13 |
Artificial Intelligence in Rhinoplasty: Precision or Over-Reliance?
2025-Oct, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-025-04954-1
PMID:40389738
|
评论 | 本文探讨了人工智能在鼻整形术中的应用及其潜在影响，包括术前规划、患者沟通以及相关的伦理和医学法律问题 | 深入分析了AI在鼻整形术中的创新应用，如深度学习与GANs用于预测术后结果，并强调了其局限性及伦理考量 | AI无法考虑个体愈合过程、组织行为和长期鼻部重塑，且存在预测偏差、强化不切实际的美学标准等伦理问题 | 评估人工智能在鼻整形术中的角色，探讨其作为辅助工具而非替代外科专业知识的合理性 | 人工智能技术在鼻整形术中的应用及其对患者和医疗实践的影响 | 数字病理学 | NA | 深度学习, 生成对抗网络(GANs) | 深度学习模型, GANs | 图像数据 | NA | NA | NA | NA | NA |
| 109 | 2025-12-13 |
Correlation of fetal heartbeat outcome after Day 3 or Day 5 single embryo transfer of morphologically selected embryos with an annotation-free deep learning scoring system: Results from a multi-center study
2025-Oct, Journal of assisted reproduction and genetics
IF:3.2Q2
DOI:10.1007/s10815-025-03570-x
PMID:40794157
|
研究论文 | 本研究通过多中心回顾性队列分析，评估了基于AI的胚胎评分系统（iDAScore V2）在预测胎儿心跳结局方面是否等同于或优于传统形态学评估 | 首次在多中心研究中验证了完全自动化的AI胚胎评分系统（iDAScore V2）在预测胚胎植入成功率（以胎儿心跳为指标）方面的优越性，且无需人工标注 | 研究为回顾性观察性设计，可能存在选择偏倚；未涉及不同AI模型间的比较；临床结局指标仅限于胎儿心跳 | 比较AI胚胎评分系统与形态学评估在预测胚胎植入成功率方面的效能 | 通过形态学和时差成像视频选择的第3天或第5天单胚胎移植的胚胎 | 数字病理 | 生殖医学 | 时差成像视频分析 | 深度学习 | 视频 | 第3天移植胚胎2965个，第5天及以上移植胚胎6970个 | 未提及 | iDAScore V2 | AUC | 未提及 |
| 110 | 2025-12-12 |
Qimai: a multi-agent framework for zero-shot DNA-protein interaction prediction
2025-Oct-02, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.30.679628
PMID:41256652
|
研究论文 | 本文提出了一个名为Qimai的多智能体框架，用于零样本DNA-蛋白质相互作用预测，通过整合深度学习预测与生物证据来提高模型对未见蛋白质的泛化能力 | 提出了一个模块化的AI智能体框架，首次将基于Transformer的DPI模型预测与来自查询蛋白的直接基序证据、来自其相互作用蛋白的间接基序证据相结合，并利用大型语言模型作为推理引擎进行动态权重分配，实现了可解释的预测 | 未明确说明框架的计算效率或对大规模基因组数据集的可扩展性，也未讨论LLM推理可能引入的偏差或错误 | 解决现有DNA-蛋白质相互作用预测模型对训练中未见的新蛋白质泛化能力差的问题 | DNA-蛋白质相互作用 | 机器学习 | NA | 深度学习, 大型语言模型 | Transformer | 基因组序列数据, 蛋白质相互作用数据 | 78个未见过的蛋白质作为基准测试集 | 未明确指定，但提及了基于Transformer的模型和LLM | Transformer | AUC-PR, AUC-ROC, MCC | NA |
| 111 | 2025-12-12 |
A 2025 perspective on the role of machine learning for biomarker discovery in clinical proteomics
2025-Oct, Expert review of proteomics
IF:3.8Q1
DOI:10.1080/14789450.2025.2545828
PMID:40772544
|
观点文章 | 本文批判性地审视了机器学习在临床蛋白质组学生物标志物发现中的应用，强调算法新颖性无法弥补小样本量、批次效应、过拟合、数据泄露和模型泛化差等问题 | 提出在临床蛋白质组学中应现实且负责任地使用机器学习，强调严谨的研究设计、适当的验证策略以及透明、可重复的建模实践，而非追求炒作驱动的复杂性 | 本文为观点性文章，未进行具体实验或模型开发，因此未提供实证数据或性能比较 | 探讨机器学习在临床蛋白质组学生物标志物发现中的角色、挑战及未来方向 | 临床蛋白质组学数据及相关的机器学习应用 | 机器学习 | NA | 临床蛋白质组学 | 深度学习架构 | 蛋白质组学数据 | NA | NA | NA | NA | NA |
| 112 | 2025-12-11 |
Fall Detection in Elderly People: A Systematic Review of Ambient Assisted Living and Smart Home-Related Technology Performance
2025-Oct-23, Sensors (Basel, Switzerland)
DOI:10.3390/s25216540
PMID:41228764
|
系统综述 | 本文系统综述了环境辅助生活与智能家居技术中老年人跌倒检测系统的性能表现 | 通过系统综述方法，首次将跌倒检测性能参数与传感器类别及方法进行综合分类比较，并利用ANOVA分析揭示了可穿戴传感器性能较差而深度学习方法表现最佳的结论 | 研究仅基于文献综述，未进行原始实验验证；数据库筛选可能存在遗漏；未考虑不同研究间实验设置差异对性能比较的影响 | 调查环境辅助生活与智能家居中跌倒检测系统的性能，分析不同传感器类别和方法的优劣 | 老年人跌倒检测系统 | 机器学习 | 老年疾病 | NA | 深度学习, 机器学习, 阈值方法 | 传感器数据 | 80项研究 | NA | NA | 准确率, 精确率, 灵敏度, 特异性, F1分数, 训练时间, 测试时间 | NA |
| 113 | 2025-12-11 |
[Expert consensus on clinical application of immunotherapy intelligent prediction for colorectal cancer based on artificial intelligence platform(2025 version)]
2025-Oct-01, Zhonghua wai ke za zhi [Chinese journal of surgery]
|
专家共识 | 本文介绍了基于人工智能平台的结直肠癌免疫治疗智能预测临床应用的专家共识（2025版），旨在利用深度学习算法预测MSI状态并指导免疫治疗决策 | 提出了一种基于人工智能平台和深度学习算法的结直肠癌免疫治疗智能预测新策略，以克服传统MSI检测方法的局限性 | 共识内容基于现有研究，其广泛临床应用仍需进一步验证；未详细说明具体算法性能的局限性 | 制定结直肠癌免疫治疗智能预测的临床专家共识，以促进MSI状态预测并支持免疫治疗方案的选择与应用 | 结直肠癌患者 | 数字病理学 | 结直肠癌 | 免疫组织化学，下一代测序 | 深度学习算法 | 病理图像，分子标记数据 | NA | NA | NA | NA | NA |
| 114 | 2025-12-10 |
KSMoFinder - Knowledge graph embedding of proteins and motifs for predicting kinases of human phosphosites
2025-Oct-23, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.21.683733
PMID:41279605
|
研究论文 | 本文介绍了KSMoFinder，一种通过整合蛋白质生物背景来预测激酶-底物-基序关系的深度学习模型 | KSMoFinder不仅考虑磷酸化位点周围的氨基酸序列基序，还通过知识图谱嵌入整合了蛋白质的生物背景，从而超越了仅基于基序相似性的现有工具 | 未明确提及模型的具体局限性 | 预测人类磷酸化位点的激酶 | 蛋白质、激酶特异性基序和基序组成 | 机器学习 | NA | 知识图谱嵌入、深度学习分类 | 深度学习分类器 | 知识图谱数据、蛋白质序列数据 | 使用来自iPTMnet和PhosphositePlus的真实激酶-底物-基序数据集 | 未明确指定 | 未明确指定 | ROC-AUC, PR-AUC | 未明确指定 |
| 115 | 2025-12-10 |
Deep Learning of Brain-Behavior Dimensions Identifies Transdiagnostic Biotypes in Youth with ADHD and Anxiety Disorders
2025-Oct-15, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.13.682243
PMID:41279186
|
研究论文 | 本研究开发了一个基于深度学习的脑-行为建模框架，用于识别青少年ADHD和焦虑障碍中的跨诊断生物型 | 整合临床显著功能连接与认知行为测量，识别可解释的维度和生物学基础的亚型（生物型），并验证其在独立队列中的稳健性和泛化性 | NA | 阐明异质性精神表现，推进基于生物学的早期分类框架，促进青少年心理健康临床转化 | 青少年（9-11岁）ADHD和焦虑障碍患者 | 机器学习 | ADHD, 焦虑障碍 | 功能连接分析 | 深度学习 | 功能连接数据, 认知行为测量数据 | 3,508名儿童（ABCD数据集）和224名年龄匹配参与者（HBN队列） | NA | NA | NA | NA |
| 116 | 2025-12-10 |
SCREAM: Single-cell Clustering using Representation Autoencoder of Multiomics
2025-Oct-13, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.03.680290
PMID:41279430
|
研究论文 | 本文提出了一种名为SCREAM的新型深度学习框架，用于单细胞多组学数据的稳健整合与聚类 | SCREAM结合了堆叠自编码器（SAEs）和深度嵌入聚类（DEC），为多组学数据生成鲁棒的潜在表示并优化聚类分配 | 未在摘要中明确提及 | 开发一个深度学习框架以解决单细胞多组学数据整合与聚类的挑战 | 单细胞多组学数据，包括SNARE-seq和CITE-seq数据集 | 机器学习 | NA | 单细胞多组学技术（如SNARE-seq, CITE-seq） | 自编码器（Autoencoder） | 多组学数据 | 未在摘要中明确提及 | 未在摘要中明确提及 | 堆叠自编码器（SAEs） | 调整兰德指数（ARI）, 归一化互信息（NMI） | 未在摘要中明确提及 |
| 117 | 2025-12-10 |
AnatomyArray: A high-throughput platform for anatomical phenotyping in plants
2025-Oct-08, The Plant cell
DOI:10.1093/plcell/koaf223
PMID:40977461
|
研究论文 | 本文介绍了AnatomyArray系统，一个用于植物高通量解剖表型分析的集成平台，包括组织切片、成像和深度学习分析工具 | 开发了AnatomyArray系统，结合高通量石蜡切片、多通道成像和深度学习工具AnatomyNet，实现了植物组织细胞排列和形态的自动化定量分析 | 未明确提及系统在非小麦物种或更广泛植物组织中的适用性限制 | 解决植物解剖表型大规模成像和准确定量的技术挑战，以研究植物组织结构和功能的遗传基础 | 植物组织，特别是小麦根部的解剖结构 | 数字病理学 | NA | 高通量石蜡切片、多通道载玻片成像 | 深度学习 | 图像 | 多样化小麦种群 | NA | AnatomyNet | NA | NA |
| 118 | 2025-12-10 |
Deep Learning-Based Control of Electrically Evoked Activity in Human Visual Cortex
2025-Oct-08, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.24.678361
PMID:41279945
|
研究论文 | 本文介绍了一种基于深度学习的自动化数据驱动神经控制方法，用于视觉神经假体，通过生成最优多电极刺激模式来诱发目标神经响应 | 首次在人类植入物中应用深度学习框架进行神经控制，实现了自动化多电极刺激模式的优化，显著优于传统手动校准方法 | 研究仅基于一名盲人参与者的数据，样本规模有限，且未在更广泛临床应用中验证 | 开发一种自动化数据驱动的神经控制方法，以改善视觉神经假体的感知稳定性和效果 | 植入在盲人参与者枕叶皮层的96通道犹他电极阵列 | 机器学习 | 视力障碍 | 深度神经网络训练与预测 | 深度神经网络 | 神经响应数据 | 一名盲人参与者 | 深度学习框架 | 深度神经网络 | 神经活动控制效果、刺激电流降低、感知稳定性 | NA |
| 119 | 2025-12-10 |
Deep learning for automatic ICD coding: Review, opportunities and challenges
2025-Oct, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103187
PMID:40664094
|
综述 | 本文全面综述了深度学习在自动ICD编码中的最新进展、机遇与挑战 | 从独特视角系统总结深度学习在ICD编码中的应用，分析模型设计动机、网络架构及辅助数据整合趋势 | 综述范围限于2017-2023年文献，未涵盖传统机器学习方法的详细对比分析 | 揭示自动ICD编码领域的关键挑战与发展趋势 | 基于深度学习的自动ICD编码方法相关文献 | 自然语言处理 | NA | 深度学习 | CNN, RNN, Transformer, PLM | 临床文本 | 53篇相关文献（2017-2023年） | NA | 卷积神经网络, 循环神经网络, 注意力机制, Transformer, 预训练语言模型 | NA | NA |
| 120 | 2025-12-10 |
Medical radiology report generation: A systematic review of current deep learning methods, trends, and future directions
2025-Oct, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103220
PMID:40700862
|
系统综述 | 本文对基于深度学习的医学影像报告生成领域进行了全面的系统性回顾，总结了当前方法、趋势和未来方向 | 这是迄今为止最全面的关于深度学习医学影像报告生成的系统性综述，涵盖了从传统架构到大型语言模型的最新进展，并首次系统性地整理了22个数据集、14个评估指标、约20个损失函数、超过25个视觉骨干网络和30多个文本骨干网络 | 作为一篇综述文章，其局限性在于主要基于现有文献进行分析，未提出新的原创模型或方法 | 系统回顾和总结深度学习在医学影像报告生成领域的研究现状、方法和发展趋势 | 医学影像报告生成相关的研究文献、数据集、模型架构和评估方法 | 自然语言处理, 医学影像 | NA | 深度学习 | CNN, Transformer, 大型语言模型 | 医学影像, 文本报告 | 涉及78项研究，涵盖22个公开数据集 | TensorFlow, PyTorch | ResNet, VGG, U-Net, DenseNet, EfficientNet, Transformer | 准确率, 精确率, 召回率, F1分数, BLEU, ROUGE, METEOR, CIDEr | NA |