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 1162 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 | 2025-11-21 |
Utility of Thin-slice Single-shot T2-weighted MR Imaging with Deep Learning Reconstruction as a Protocol for Evaluating Pancreatic Cystic Lesions
2025-Nov-20, 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.2025-0042
PMID:40518300
|
研究论文 | 评估深度学习重建超分辨率技术在2mm薄层单次激发T2加权MR成像中对胰腺囊性病变的诊断价值 | 首次将工业开发的深度学习重建超分辨率技术应用于2mm薄层单次激发T2加权MR成像，并与传统5mm层厚图像进行对比 | 样本量较小（仅30例患者），研究时间范围较短（2024年6-7月） | 评估深度学习重建超分辨率技术对胰腺囊性病变MR图像质量的影响 | 胰腺囊性病变患者 | 医学影像分析 | 胰腺囊性病变 | 单次激发涡轮自旋回波MR成像，深度学习重建超分辨率技术 | 深度学习重建模型 | MR图像 | 30例连续胰腺囊性病变患者 | NA | NA | 信噪比，对比噪声比，图像质量评分，诊断置信度 | NA |
| 2 | 2025-07-24 |
Integrating radiology and histology via co-attention deep learning for predicting progression-free survival in patients with metastatic prostate cancer
2025-Nov-20, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003697
PMID:40693634
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3 | 2025-11-21 |
Emerging trends in AI-integrated optical biosensors for point-of-care diagnostics: current status and future prospects
2025-Nov-20, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc04899k
PMID:41200923
|
综述 | 本文综述了人工智能集成光学生物传感器在即时诊断领域的发展现状与未来前景 | 系统探讨了人工智能技术与光学生物传感器的融合创新，重点关注传感器设计、数据科学和小型化的最新进展 | 存在数据隐私保护、系统集成复杂性和临床验证等挑战 | 分析人工智能集成光学生物传感器在即时诊断领域的发展趋势和应用前景 | 光学生物传感器及其与人工智能的集成系统 | 生物医学工程 | NA | SPR、荧光、比色法、拉曼光谱等光学传感技术 | 机器学习、深度学习 | 光学传感信号数据 | NA | NA | NA | 灵敏度、特异性、多重检测能力 | 物联网、云计算 |
| 4 | 2025-11-21 |
Design of Carbon Nanotube Inhibitors for Main Proteinase of SARS-CoV-2: A Combined Deep Learning and Molecular Dynamics Simulation Study
2025-Nov-20, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.5c05780
PMID:41212638
|
研究论文 | 本研究结合深度学习和分子动力学模拟评估碳纳米管与SARS-CoV-2主蛋白酶的结合性能 | 首次系统评估深度学习在纳米结构-蛋白质对接中的性能，并揭示DL生成构象为局部能量最小值的亚稳态结构 | 深度学习模型未能完全处理结合口袋附近柔性环的结构变化 | 开发SARS-CoV-2主蛋白酶的碳纳米管抑制剂 | 碳纳米管与SARS-CoV-2主蛋白酶(Mpro) | 机器学习 | COVID-19 | 分子动力学模拟, 分子对接 | 深度学习模型 | 分子结构数据 | NA | NA | DeepRMSD + Vina | 结构一致性, 能量势垒分析 | NA |
| 5 | 2025-11-21 |
Estimating concentrations of atmospheric pollutants in mixed gases based on deep convolutional network with time series decomposition
2025-Nov-20, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d5ay01235j
PMID:41222504
|
研究论文 | 提出基于时间序列分解的深度卷积网络模型，用于混合气体中大气污染物浓度的估计和成分识别 | 采用时间序列高低频分解技术，将原始信号分解为粗糙和细节分量分别用于估计气体浓度均值和偏差，并探索了传感器阵列在混合气体分析中的应用 | NA | 开发能够准确估计混合气体中污染物浓度并识别成分类型的深度学习方法 | 四种主要大气污染物（CO、NO、SO、HCHO）及其混合气体 | 机器学习和传感器数据分析 | NA | 气体混合物采集系统、传感器阵列技术 | CNN | 时间序列传感器数据 | NA | NA | 基于时间序列分解的卷积神经网络 | 估计精度 | NA |
| 6 | 2025-11-21 |
Role of artificial intelligence in medical image analysis
2025-Nov-20, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003824
PMID:41131954
|
综述 | 概述人工智能在医学影像分析领域的最新进展、方法特点及未来趋势 | 系统梳理了基于卷积神经网络和大型语言模型的AI技术在医学影像分析中的新兴应用与发展轨迹 | 对AI技术解决关键临床挑战的性能评估研究有限 | 探讨人工智能在医学影像分析中的作用与发展趋势 | 医学影像分析技术 | 医学影像分析 | NA | 深度学习 | CNN, LLMs | 医学影像 | NA | NA | 卷积神经网络, ChatGPT | NA | NA |
| 7 | 2025-11-21 |
Low-count whole-body PET denoising with deep learning in a multicenter, multi-tracer and externally validated study
2025-Nov-20, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07672-7
PMID:41261209
|
研究论文 | 通过深度学习算法在多中心、多示踪剂研究中实现低计数全身PET图像去噪并保持诊断准确性 | 首个在欧洲临床环境中针对多种示踪剂和未见过的扫描仪技术进行盲法评估的PET去噪算法研究 | 仅在欧洲三家医院进行验证，未包含更多地区和扫描仪型号 | 验证深度学习去噪算法在低计数PET扫描中的临床实用性和泛化能力 | 65个来自GE和西门子系统的PET扫描，使用[¹⁸F]FDG、[¹⁸F]PSMA、[⁶⁸Ga]PSMA和[⁶⁸Ga]DOTATATE四种示踪剂 | 医学影像分析 | 肿瘤疾病 | PET成像，深度学习去噪 | 深度学习 | PET医学影像 | 65个扫描，243个病灶 | NA | NUCLARITY | RMSE, PSNR, SSIM, SUVmean, SUVmax, MTV, 敏感性, 特异性, 一致性相关系数 | NA |
| 8 | 2025-11-21 |
Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network
2025-Nov-20, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07660-x
PMID:41261210
|
研究论文 | 提出基于卷积神经网络的深度学习框架，用于18F-flurpiridaz PET心肌灌注成像的自动帧间运动校正 | 首次将3D-ResNet架构应用于PET图像帧间运动校正，实现自动化处理并减少人工操作变异性和时间消耗 | 研究依赖于两个经验操作者的手动校正作为金标准，且样本来自单一临床试验 | 开发自动运动校正方法以改善18F-flurpiridaz PET心肌血流定量准确性 | 32个中心的临床试验患者数据（NCT01347710） | 数字病理 | 心血管疾病 | PET成像，18F-flurpiridaz示踪剂 | CNN | 3D PET图像体积 | 32个中心的多中心临床试验数据（具体样本数未明确说明） | NA | 3D-ResNet | AUC, 一致性界限, 平均差异 | NA |
| 9 | 2025-11-21 |
Deep learning model for automated detection of Helicobacter pylori and intestinal metaplasia on gastric biopsy digital whole slide images
2025-Nov-19, American journal of clinical pathology
IF:2.3Q2
DOI:10.1093/ajcp/aqaf110
PMID:40996022
|
研究论文 | 开发用于胃活检数字全切片图像中幽门螺杆菌和肠上皮化生自动检测的深度学习模型 | 采用两阶段模型（Vision Transformer与图注意力网络结合），并考虑背景组织病理学特征，更贴近真实临床诊断场景 | 样本量相对有限（180个全切片图像），仅基于单一医疗中心的H&E染色图像 | 开发自动化工具用于胃活检标本中幽门螺杆菌微生物和肠上皮化生的检测 | 胃活检组织标本的数字化全切片图像 | 数字病理学 | 胃部疾病 | H&E染色，全切片图像数字化 | Vision Transformer, Graph Attention Network | 图像 | 180个胃活检H&E全切片图像（776,636个图像块） | NA | Vision Transformer, Graph Attention Network | 精确度, F1分数, 微平均F1分数, 宏平均F1分数 | NA |
| 10 | 2025-11-21 |
Electrolyzers-HSI: Close-Range Multi-Scene Hyperspectral Imaging Benchmark Dataset
2025-Nov-19, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06279-9
PMID:41257984
|
研究论文 | 介绍了一个用于电解槽材料分类的多模态高光谱成像基准数据集 | 提出了首个专门针对电解槽关键原材料回收的多场景高光谱成像基准数据集，集成了RGB图像和HSI数据立方体 | 数据集仅包含55个配准样本，样本规模相对有限 | 加速关键原材料的回收利用，推动智能可持续电子废物回收 | 粉碎后的电解槽样品 | 计算机视觉 | NA | 高光谱成像(HSI) | Transformer | 图像, 高光谱数据 | 55个配准的高分辨率RGB图像和HSI数据立方体 | NA | Transformer | NA | NA |
| 11 | 2025-11-21 |
TS-SatFire: A Multi-Task Satellite Image Time-Series Dataset for Wildfire Detection and Prediction
2025-Nov-19, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06271-3
PMID:41258139
|
研究论文 | 提出一个用于野火检测和预测的多任务卫星图像时间序列数据集 | 首个综合多时相遥感数据集，支持主动火点检测、每日过火面积制图和次日野火进展预测三个任务 | 数据集仅覆盖美国本土2017-2021年的野火事件 | 通过多任务深度学习模型增强野火监测和预测能力 | 美国本土野火事件 | 计算机视觉 | NA | 多光谱多时相遥感成像 | 深度学习模型 | 卫星图像时间序列、气象数据、地形数据、土地覆盖数据、燃料信息 | 3552幅地表反射图像，总计71GB数据 | NA | NA | NA | NA |
| 12 | 2025-11-21 |
Frequency-Aware B-Line and Pleural Line Analysis in Lung Ultrasound Videos
2025-Nov-19, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3634433
PMID:41259172
|
研究论文 | 提出一种集成小波增强和时序注意力建模的肺超声视频分析框架，用于准确识别B线和胸膜线 | 引入离散小波变换的双组分频率特征增强方法和自适应注意力模块，有效抑制噪声并建模长程时序依赖 | 肺超声视频数据标注有限，模型在多诊断特征开发方面存在数据限制 | 开发自动分析肺超声视频中B线和胸膜线的深度学习框架 | 肺超声视频中的B线和胸膜线 | 计算机视觉 | 肺间质疾病 | 肺超声 | 深度学习 | 视频 | 2,149个超声视频（193,410帧），外加Covid-BLUES公共数据集 | PyTorch | 时序注意力模型 | AUC, ACC | NA |
| 13 | 2025-11-21 |
Cardiac Arrhythmia Classification From Lead I ECG Recorded in a Free-Living Environment
2025-Nov-19, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3634307
PMID:41259171
|
研究论文 | 提出基于深度学习的框架CARE-I，使用单导联心电图在自由生活环境中进行心律失常分类 | 开发了新的数据相似性评估指标以增强迁移学习和外部数据集验证，并测试了在真实噪声环境下的鲁棒性 | 仅使用单导联心电图数据，可能无法捕捉某些需要多导联的心律失常特征 | 开发能够在自由生活环境中准确检测心律失常的AI模型 | 心律失常患者的心电图数据 | 机器学习 | 心血管疾病 | 心电图记录 | 深度学习 | 心电图信号 | 超过60,000份心电图来自PhysioNet Challenge 2021数据集 | NA | NA | AUC, 敏感度, 特异度 | NA |
| 14 | 2025-11-21 |
Explainable End-to-End Seizure Prediction via Stationary Wavelet Transform-Driven Dynamic Multiscale Fuzzy Clustering
2025-Nov-19, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3633739
PMID:41259173
|
研究论文 | 提出一种基于平稳小波变换的动态多尺度模糊聚类框架，用于可解释的癫痫发作预测 | 结合平稳小波变换与几何注意力机制，开发黎曼流形模糊聚类算法，并采用对比学习和混合监督/自监督策略增强模型鲁棒性 | 未明确说明模型在跨数据集泛化能力及计算复杂度方面的具体限制 | 解决癫痫发作预测中存在的个体差异性和时空耦合复杂性难题，提升特征判别性和模型可解释性 | 癫痫患者的脑电图信号 | 生物医学信号处理 | 癫痫 | 平稳小波变换，脑电图分析 | CNN，模糊聚类 | 脑电图信号 | NA | PyTorch，TensorFlow | 三层卷积网络，多尺度卷积核 | FPR，预测性能指标 | NA |
| 15 | 2025-11-21 |
Interpretable End to End Epileptic Seizure Detection via Linear and Nonlinear Filtering Networks
2025-Nov-19, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3633726
PMID:41259168
|
研究论文 | 提出一种结合线性和非线性滤波网络的可解释癫痫发作检测对比学习框架 | 首次通过双分支解耦网络分离EEG信号的线性和非线性成分，并采用混合监督与自监督对比学习策略 | 未提及模型在不同癫痫亚型间的泛化能力及计算效率分析 | 开发可解释的端到端癫痫发作检测方法 | 头皮和颅内脑电图数据中的六种癫痫发作类型与非发作状态 | 医疗人工智能 | 癫痫 | 脑电图分析 | CNN, 对比学习 | 脑电图信号 | NA | PyTorch | 三层卷积架构，双分支解耦网络，多尺度卷积模块 | 准确率 | NA |
| 16 | 2025-11-21 |
Prediction of DNA Methylation With Long-Range State-Space Models
2025-Nov-19, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3634738
PMID:41259183
|
研究论文 | 本研究使用基于Hyena架构的长程状态空间模型预测六种植物物种的DNA甲基化状态 | 首次将HyenaDNA框架应用于DNA甲基化预测，并在多个植物物种上实现了优于现有方法的准确率 | 仅针对六种植物物种进行研究，未涉及其他生物种类 | 开发更准确的DNA甲基化预测方法 | 六种植物物种的DNA甲基化状态 | 机器学习 | NA | DNA甲基化测序 | 状态空间模型 | DNA序列数据 | 六种植物物种的全基因组数据 | PyTorch | HyenaDNA | 准确率 | NA |
| 17 | 2025-11-21 |
Sequence to Location: Protein Subcellular Localization Driven by Deep Pretrained Language Model
2025-Nov-19, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3634612
PMID:41259184
|
研究论文 | 提出基于深度预训练语言模型的蛋白质亚细胞定位预测算法SubLoc | 融合蛋白质语言模型ProtT5的序列嵌入、图卷积网络处理3D结构信息以及双向门控循环单元与多头注意力机制的序列特征分析 | NA | 开发高效准确的蛋白质亚细胞定位预测方法 | 蛋白质序列及其亚细胞定位 | 生物信息学 | NA | 蛋白质序列分析 | 图卷积网络, 双向门控循环单元, 注意力机制 | 蛋白质序列数据 | NA | NA | ProtT5, 图卷积网络, 双向GRU, 多头注意力 | 精确度, 召回率, MCC | NA |
| 18 | 2025-11-21 |
iDRKAN: Interpretable miRNA-Disease Association Prediction Based on Dual-Graph Representation Learning and Kolmogorov-Arnold Network
2025-Nov-19, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3634550
PMID:41259182
|
研究论文 | 提出基于双图表示学习和Kolmogorov-Arnold网络的可解释miRNA-疾病关联预测方法iDRKAN | 结合双图表示学习和可解释KAN网络，通过多通道注意力和语义层注意力机制融合异构信息，实现预测性能与可解释性的平衡 | NA | 准确预测miRNA与疾病之间的关联关系 | miRNA和疾病 | 生物信息学 | 多种疾病 | 图表示学习，对比学习 | GCN, KAN, 注意力机制 | 图数据，关联矩阵，相似性矩阵 | 两个公共数据集 | NA | 图卷积网络，Kolmogorov-Arnold网络，多通道注意力，语义层注意力 | 多种性能指标 | NA |
| 19 | 2025-11-21 |
Spatial-Frequency Enhanced Mamba for Multi-Modal Image Fusion
2025-Nov-19, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3632221
PMID:41259195
|
研究论文 | 提出一种空间频率增强的Mamba框架SFMFusion用于多模态图像融合 | 首次将Mamba模型引入多模态图像融合领域，并提出空间频率增强模块和动态融合机制 | 未明确说明计算复杂度与现有方法的详细对比 | 解决多模态图像融合中特征提取和融合效率的问题 | 多模态图像数据 | 计算机视觉 | NA | 多模态图像融合 | Mamba, CNN | 多模态图像 | 六个多模态图像融合数据集 | NA | Spatial-Frequency Enhanced Mamba Block, Dynamic Fusion Mamba Block, 三分支结构 | NA | NA |
| 20 | 2025-11-21 |
Deep domain adaptation eliminates costly data required for task-agnostic wearable robotic control
2025-Nov-19, Science robotics
IF:26.1Q1
DOI:10.1126/scirobotics.ads8652
PMID:41259448
|
研究论文 | 提出一种深度域适应框架，利用生物力学模型模拟传感器数据解决可穿戴机器人控制中的数据稀缺问题 | 通过构建中间域将易获取数据转换为数据受限域，无需昂贵设备特定标注数据 | 模型误差仍比使用完整设备特定数据集的最佳情况高11-44% | 开发可实时部署的深度学习模型，用于任务无关的可穿戴机器人控制 | 髋膝关节力矩估计和可穿戴外骨骼控制 | 机器学习 | NA | 深度域适应 | 深度神经网络 | 生物力学传感器数据，模拟传感器数据 | 8名外骨骼使用者 | NA | 深度域适应网络 | 力矩估计误差(Nm/kg)，代谢成本降低百分比 | NA |