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 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2025-11-19 |
AI-driven pre-screening for colorectal cancer using complete blood counts: toward broader population impact
2025-Nov-18, International journal of colorectal disease
IF:2.5Q1
DOI:10.1007/s00384-025-05030-5
PMID:41251828
|
研究论文 | 本研究开发了一种基于常规血常规检测数据的可解释人工智能模型，用于结直肠癌的预筛查 | 首次利用常规血常规检测数据开发可解释AI模型进行结直肠癌筛查，相比传统方法更具可及性和成本效益 | 回顾性研究设计，模型灵敏度低于粪便免疫化学测试，仅在特定亚组中与FIT进行比较 | 开发基于血常规数据的AI模型用于结直肠癌早期检测 | 45-75岁接受结肠镜检查并在六个月内进行血常规检测的28,450名个体 | 机器学习 | 结直肠癌 | 血常规检测 | 岭回归 | 临床检测数据 | 28,450名个体（439例CRC，2,955例高级别腺瘤，21,662例良性发现） | NA | 岭回归 | AUC, 灵敏度, 特异性 | NA |
| 202 | 2025-11-19 |
Development and validation of an AI-augmented deep learning model for survival prediction in de novo metastatic colorectal cancer
2025-Nov-18, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-03974-2
PMID:41251848
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 203 | 2025-11-19 |
Deep-Learning Virtual Superior Mesenteric Artery Modeling for Risk Stratification in Pancreas Surgery
2025-Nov-18, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-025-18543-8
PMID:41251913
|
研究论文 | 本研究开发基于深度学习的虚拟肠系膜上动脉三维建模方法，用于胰腺手术风险分层 | 首次将深度学习应用于肠系膜上动脉三维可视化建模，并建立解剖特征与围手术期结局的关联 | 样本量相对有限（124例），仅包含两个医疗中心的数据 | 评估深度学习虚拟建模在胰腺手术风险分层中的应用价值 | 接受胰腺切除术的胰腺恶性肿瘤患者 | 数字病理 | 胰腺癌 | 计算机断层扫描（CT） | 深度学习模型 | 医学影像（CT扫描） | 124例患者 | NA | NA | 逻辑回归和线性回归分析 | NA |
| 204 | 2025-11-19 |
Next-generation antifungal peptide discovery: the synergy of artificial intelligence and omics technologies
2025-Nov-18, World journal of microbiology & biotechnology
IF:4.0Q2
DOI:10.1007/s11274-025-04662-7
PMID:41251968
|
综述 | 本文综述人工智能与组学技术在抗真菌肽发现中的协同作用及其临床应用前景 | 首次系统阐述人工智能与组学技术协同开发抗真菌肽的创新方法，提出整合机器学习、深度学习与基因编辑技术的综合解决方案 | 模型复杂性、数据量有限、决策过程不透明等人工智能应用限制 | 开发高效低耐药性的新型抗真菌肽替代疗法 | 抗真菌肽(AFPs)及其生物合成基因簇 | 自然语言处理, 机器学习 | 真菌感染 | 组学技术, CRISPR-Cas9基因编辑, 转录组学 | 机器学习, 深度学习, 自然语言处理 | 基因组数据, 肽序列数据 | NA | NA | NA | 精确度, 准确率 | NA |
| 205 | 2025-11-19 |
Deep learning-driven ultra-stretchable kirigami metamaterials: towards surface texture modulation via buckling
2025-Nov-17, Soft matter
IF:2.9Q2
DOI:10.1039/d5sm00933b
PMID:41246961
|
研究论文 | 提出基于深度学习的剪纸超材料创新设计策略，实现通过屈曲行为调控表面纹理 | 利用深度学习预测复杂非线性本构关系，打破传统单向切割剪纸结构的几何对称性限制 | NA | 探索剪纸结构在几何对称性破坏后的屈曲行为机制及几何形状对可重构编程性的影响 | 镶嵌切割剪纸超材料结构 | 机器学习 | NA | 深度学习 | NA | 力学性能数据，几何结构数据 | NA | NA | NA | 准确率 | NA |
| 206 | 2025-11-19 |
Deep learning-based obstructive coronary artery disease prediction from myocardial perfusion SPECT
2025-Nov-17, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07655-8
PMID:41247514
|
研究论文 | 本研究应用深度学习技术从心肌灌注SPECT预测冠状动脉疾病的金标准侵入性冠状动脉造影结果 | 首次将深度学习衰减校正、应力/静息数据组合及临床因素整合到CAD预测模型中 | 回顾性研究设计，样本量相对有限（515例患者） | 开发基于深度学习的非侵入性冠状动脉疾病诊断方法 | 冠状动脉疾病患者的心肌灌注SPECT数据 | 医学影像分析 | 冠状动脉疾病 | 心肌灌注SPECT，Tc-99m-sestamibi，Tl-201 | 深度学习模型 | 医学影像（SPECT图像） | 515名患者（来自3个临床中心） | NA | NA | AUC，准确率 | NA |
| 207 | 2025-11-19 |
Automated health monitoring system using YOLOv8 for real-time device parameter detection
2025-Nov-17, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01673-4
PMID:41247607
|
研究论文 | 提出一种基于YOLOv8的自动化健康监测系统，用于实时检测医疗设备参数 | 首次将YOLOv8光学字符识别技术应用于医疗设备参数检测，相比其他方法具有更快的检测速度 | 目前仅针对特定医疗设备，尚未包含心率监测仪、脉搏血氧仪等其他设备 | 开发自动化健康监测系统以减少人工劳动并保持效率 | 血压监测仪、数字体温计等医疗设备 | 计算机视觉 | 老年疾病 | 光学字符识别 | CNN, YOLO | 图像 | 两个自建图像数据集和1000张来自不同医疗设备的测试图像 | NA | YOLOv8, 卷积神经网络 | 准确率 | NA |
| 208 | 2025-11-19 |
Diffusion Models for Neuroimaging Data Augmentation: Assessing Realism and Clinical Relevance
2025-Nov-17, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02300-1
PMID:41247615
|
研究论文 | 本研究探讨使用去噪扩散概率模型生成合成3D T1加权脑部MRI图像，以解决神经退行性疾病医学影像数据稀缺问题 | 首次将DDPMs应用于多中心神经影像数据生成，解决罕见疾病数据稀缺和结构保真度的双重挑战 | 高频细节重建存在局限，生成图像的分辨率有待提升 | 开发神经影像数据增强方法以支持深度学习在医学影像中的应用 | 健康受试者的3D T1加权脑部MRI图像 | 医学影像分析 | 神经退行性疾病 | 脑部MRI | DDPM | 3D医学图像 | 多中心健康受试者数据集 | NA | 去噪扩散概率模型 | 最大均值差异, 视觉评估 | NA |
| 209 | 2025-11-19 |
From Signal to Symphony: Exploring 2D Sequence Representations for Protein Function Prediction
2025-Nov-17, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01768
PMID:41247925
|
研究论文 | 探索将蛋白质氨基酸序列转化为二维声谱图表示用于蛋白质功能预测 | 提出蛋白质声谱化方法，将1D序列转换为2D声谱图表示，并证明这种结构转换对模型预测性能的重要贡献 | 领域知识仅提供适度的性能提升，模型在特定上下文中的数据效率需要进一步验证 | 探索蛋白质序列的最佳表示方法以提高功能预测性能 | 蛋白质氨基酸序列 | 计算生物学 | NA | 蛋白质声谱化 | 融合模型,扩散模型 | 蛋白质序列,声谱图 | 18,000个序列，涵盖12个功能多样的蛋白质类别 | NA | Transformer,ESM-2,ProtBERT | 准确率 | NA |
| 210 | 2025-11-19 |
Efficacy of MRI-based deep learning algorithm for detecting acute ischemic stroke: evaluation among diverse readers
2025-Nov-17, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12137-4
PMID:41249548
|
研究论文 | 评估基于MRI的深度学习算法在不同医学背景读者中检测急性缺血性卒中的效果 | 首次在不同医学背景读者中评估深度学习算法对急性缺血性卒中检测的辅助效果，特别关注算法性能的用户依赖性 | 单中心回顾性研究，样本量有限，未包含神经放射学专家读者 | 评估基于MRI的深度学习算法在不同医学背景读者中检测急性缺血性卒中的效果 | 407例患者的MRI扫描，包括95例急性缺血性卒中患者 | 医学影像分析 | 急性缺血性卒中 | MRI成像 | 深度学习算法 | MRI图像 | 407例患者MRI扫描（95例急性缺血性卒中，23%） | NA | NA | AUC, 准确率, 敏感度, 特异度, 诊断置信度, 读者间一致性 | NA |
| 211 | 2025-11-19 |
Deep Learning Models for Radiomics-Based Segmentation of Vestibular Schwannoma on Magnetic Resonance Imaging: A Systematic Review and Meta-analysis
2025-Nov-17, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01757-3
PMID:41249667
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析评估基于深度学习的放射组学模型在前庭神经鞘瘤MRI分割中的性能表现 | 首次对基于深度学习的放射组学模型在前庭神经鞘瘤分割中的性能进行系统评价和定量荟萃分析 | 仅纳入报告Dice相似系数的研究，可能存在选择偏倚 | 评估深度学习模型在前庭神经鞘瘤分割中的性能 | 前庭神经鞘瘤病例 | 医学影像分析 | 前庭神经鞘瘤 | 磁共振成像驱动的放射组学 | 深度学习模型 | 磁共振图像 | 41项研究涉及8028例前庭神经鞘瘤病例 | NA | NA | Dice相似系数 | NA |
| 212 | 2025-11-19 |
Fully automated IVUS image segmentation with efficient deep-learning-assisted annotation
2025-Nov-16, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.111312
PMID:41248587
|
研究论文 | 提出一种结合主动学习和模型输出交互的高效深度学习框架，实现全自动IVUS图像分割并大幅减少标注工作量 | 集成空间和通道概率注意力模块的双分支网络，同时分割管腔和斑块区域并预测潜在分割错误，引入分割质量评估量化未标注图像的分割质量 | 仅使用266名受试者的冠状动脉IVUS数据进行验证，需要进一步在多中心数据集上测试泛化能力 | 开发高效的全自动IVUS图像分割方法以减少标注工作量 | 冠状动脉IVUS图像中的管腔和斑块区域 | 医学图像分割 | 冠状动脉疾病 | IVUS成像 | 深度学习 | 医学图像 | 266名受试者的38,771个横截面帧 | NA | 双分支网络，空间和通道概率注意力模块 | 5折交叉验证 | NA |
| 213 | 2025-11-19 |
Graph-based deep reinforcement learning for haplotype assembly with Ralphi
2025-Nov-14, Genome research
IF:6.2Q1
DOI:10.1101/gr.280569.125
PMID:41238397
|
研究论文 | 提出了一种基于图深度强化学习的新型单倍型组装框架Ralphi | 首次将深度强化学习与图表示相结合用于单倍型组装问题 | 仅基于1000基因组计划数据进行训练和验证 | 开发更准确的单倍型组装方法 | 二倍体基因组的单倍型组装 | 机器学习 | NA | 深度强化学习, 图神经网络 | 深度强化学习 | 基因组测序数据, 片段图 | 1000基因组计划数据集 | NA | 图神经网络 | 错误率, 单倍型区块长度 | NA |
| 214 | 2025-11-19 |
Generating synthetic task-based brain fingerprints for population neuroscience using deep learning
2025-Nov-14, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-09158-6
PMID:41238730
|
研究论文 | 提出一种名为DeepTaskGen的深度学习方法，可从静息态功能磁共振成像生成合成任务态对比图 | 首次使用深度学习从静息态fMRI合成未获取的任务态对比图，解决了大规模数据集中任务覆盖不足的问题 | 方法依赖于静息态fMRI数据的质量，且生成的任务对比图可能受限于训练数据的任务类型 | 开发能够从静息态fMRI生成任务态功能对比图的方法，促进个体差异研究和生物标志物开发 | 人类连接组计划寿命数据和英国生物银行超过20,000名个体 | 医学影像分析 | 神经系统疾病 | 功能磁共振成像 | 深度学习 | 医学影像 | 超过20,000名个体 | NA | NA | 重建性能, 预测性能 | NA |
| 215 | 2025-11-19 |
Combining MEA-Net and LAP-Net for Pneumoconiosis Staging Framework
2025-Nov-14, Journal of occupational and environmental medicine
IF:2.3Q2
DOI:10.1097/JOM.0000000000003618
PMID:41247264
|
研究论文 | 提出一种结合MEA-Net和LAP-Net的深度学习框架用于尘肺病分期诊断 | 首次将MEA-Net和LAP-Net网络结合应用于尘肺病分期任务 | NA | 改进尘肺病诊断的主观过程，提高分期准确性 | 尘肺病患者的肺部X光片 | 计算机视觉 | 尘肺病 | 深度学习 | CNN | 图像 | NA | NA | MEA-Net, LAP-Net | 准确率, 精确率, 召回率, 特异性, F1分数, AUC | NA |
| 216 | 2025-11-19 |
A comparative analysis of deep learning-based quantitative hemorrhagic CT parameters versus traditional semi-quantitative CT scores for predicting delayed cerebral ischemia in aneurysmal subarachnoid hemorrhage: a multicenter cohort study
2025-Nov-14, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004024
PMID:41247872
|
研究论文 | 比较基于深度学习的定量出血CT参数与传统半定量CT评分在预测动脉瘤性蛛网膜下腔出血后迟发性脑缺血中的表现 | 首次使用3D-UNet深度学习模型量化出血参数，并与传统评分方法进行多中心比较 | 研究为观察性研究，需要进一步前瞻性验证 | 评估深度学习定量CT参数在预测迟发性脑缺血方面的优越性 | 动脉瘤性蛛网膜下腔出血患者 | 医学影像分析 | 脑血管疾病 | CT影像分析 | 深度学习 | CT影像 | 多中心队列研究（回顾性队列2021.01-2023.12，前瞻性队列2024.01-2024.12，外部验证队列2018.07-2024.11） | NA | 3D-UNet | AUC, ROC分析, 决策曲线分析 | NA |
| 217 | 2025-11-19 |
Artificial intelligence in echocardiography: trends, hotspots and future directions
2025-Nov-14, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004061
PMID:41247994
|
综述 | 通过文献计量学方法分析人工智能在超声心动图领域的研究趋势、热点和未来方向 | 首次使用文献计量学方法系统分析AI在超声心动图领域的全球研究格局和发展轨迹 | 仅基于Web of Science数据库的1296篇文献，可能存在收录范围限制 | 分析人工智能在超声心动图领域的研究趋势和发展方向 | 1296篇相关学术出版物 | 医学影像分析 | 心血管疾病 | 文献计量学分析 | 深度学习 | 文献元数据 | 1296篇出版物 | bibliometrix R | NA | NA | NA |
| 218 | 2025-11-19 |
RAPID-Net: Accurate Pocket Identification for Binding-Site-Agnostic Docking
2025-Nov-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01744
PMID:41231530
|
研究论文 | 提出RAPID-Net深度学习算法，用于准确预测结合口袋并与分子对接流程无缝集成 | 开发结合口袋不可知对接方法，能够识别远端功能位点，为变构抑制剂设计提供新机会 | 姿态排序而非采样是主要精度瓶颈，在最具挑战性的时间分割测试中性能略低于AlphaFold 3 | 开发准确的结合口袋识别方法以改进基于结构的药物设计 | 蛋白质结合口袋和配体对接 | 计算生物学 | 传染病（如COVID-19） | 深度学习 | 神经网络 | 蛋白质结构数据 | PoseBusters基准测试数据集 | NA | RAPID-Net | RMSD, PoseBusters化学有效性标准, 口袋-配体交集率 | NA |
| 219 | 2025-11-19 |
Measurement of Choroidal Vascularity Index and Choroidal Thickness Using Deep Learning-Based Methods with SS-OCT
2025-Nov-12, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000004733
PMID:41248233
|
研究论文 | 本研究利用基于深度学习的卷积神经网络实现SS-OCT图像中脉络膜厚度和脉络膜血管指数的全自动测量 | 首次将深度学习技术应用于SS-OCT图像的脉络膜区域自动检测和参数计算，实现了脉络膜厚度和血管指数的全自动化测量 | 研究样本量相对有限（791张图像），仅包含18岁及以上人群，未涵盖更广泛的年龄群体 | 开发基于人工智能的自动化方法测量脉络膜厚度和脉络膜血管指数 | SS-OCT图像中的脉络膜区域 | 计算机视觉 | 眼科疾病 | 扫频源光学相干断层扫描（SS-OCT） | CNN | 医学图像 | 791张SS-OCT图像（来自652名患者），其中474张训练，237张验证，80张测试 | NA | 卷积神经网络 | 准确率，平均绝对误差，交并比，曲线下面积，组内相关系数 | NA |
| 220 | 2025-11-19 |
Koina: Democratizing machine learning for proteomics research
2025-Nov-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-64870-5
PMID:41219230
|
研究论文 | 介绍Koina开源平台，旨在促进蛋白质组学中机器学习模型的发布与应用 | 开发了首个去中心化、在线可访问的蛋白质组学机器学习模型库，解决了模型可发现性和可用性问题 | 仅以FragPipe平台为例展示集成效果，尚未验证与其他蛋白质组学工具的广泛兼容性 | 降低蛋白质组学领域机器学习模型的使用门槛，促进模型在数据分析流程中的集成 | 蛋白质组学机器学习模型及其在数据分析流程中的应用 | 机器学习 | NA | 蛋白质组学分析 | NA | 质谱数据、蛋白质组学数据 | NA | NA | NA | NA | 在线可访问平台 |