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 541 - 560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 541 | 2025-11-14 |
Deep-Learning Aided Atomic-Scale Observation of Anisotropic Melting of the Charge Density Wave in TaS2
2025-Nov, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202507496
PMID:41014519
|
研究论文 | 通过深度学习和扫描透射电子显微镜技术观测TaS2中电荷密度波的各向异性熔化过程 | 首次结合人工智能增强的扫描透射电子显微镜和微分相位衬度成像技术，在原子尺度直接观测电荷密度波相变动力学 | 实验受电子束辐照条件限制，可能对样品产生一定影响 | 研究TaS2中电荷密度波相变的原子尺度动力学机制 | 1T-TaS2材料中的近公度电荷密度波相 | 材料科学,电子显微学 | NA | 扫描透射电子显微镜,微分相位衬度成像,电子束辐照 | 深度学习 | 原子分辨率图像序列 | NA | NA | NA | NA | NA |
| 542 | 2025-11-14 |
AI-identified CD133-targeting natural compounds demonstrate differential anti-tumor effects and mechanisms in pan-cancer models
2025-Nov, EMBO molecular medicine
IF:9.0Q1
DOI:10.1038/s44321-025-00308-1
PMID:41039172
|
研究论文 | 利用深度学习筛选靶向CD133的天然化合物，并在泛癌模型中验证其抗肿瘤效果和机制差异 | 结合AI驱动的化合物筛选与生物验证，发现结构相似但作用机制不同的CD133靶向天然化合物 | 仅依赖分子结构的虚拟筛选无法完全阐明作用机制，需要活体模型验证 | 开发靶向CD133的泛癌治疗药物 | 癌症细胞系、肿瘤患者来源类器官、动物模型 | 机器学习 | 泛癌 | 深度学习, TransformerCPI | Transformer | 蛋白质序列, 分子结构 | 多种癌症细胞系、患者来源类器官和动物模型 | NA | TransformerCPI | 结合亲和力, 抗肿瘤效果, 安全性 | NA |
| 543 | 2025-11-14 |
Knowledge-based automated radiation therapy treatment planning utilizing dose prediction with a 2.5D-U-Net
2025-Nov, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.105199
PMID:41172787
|
研究论文 | 开发基于知识的自动化放射治疗计划系统，使用2.5D-U-Net进行剂量预测 | 首次将2.5D-U-Net应用于放射治疗剂量预测，实现基于深度学习的逆向治疗计划自动化 | 仅在前列腺和乳腺癌治疗中验证，样本量有限（72/66训练，12测试） | 自动化强度调制放射治疗（IMRT）的逆向治疗计划过程 | 前列腺癌和乳腺癌患者 | 医学影像分析 | 前列腺癌, 乳腺癌 | 容积旋转调强放疗（VMAT） | U-Net | 放射治疗计划数据 | 训练集：72个前列腺计划+66个乳腺癌计划，测试集：12个患者数据集 | NA | 2.5D-U-Net | DVH指标, 计划质量指标（PQM）, 专家盲评 | NA |
| 544 | 2025-11-14 |
A few-shot u-net learning framework for fast and accurate three-dimensional dose prediction in radiotherapy
2025-Nov, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.105184
PMID:41072102
|
研究论文 | 提出一种基于少样本学习的FS-UNet框架，用于快速准确的三维放疗剂量预测 | 将元学习（MAML）和原型网络集成到U-Net框架中，实现小样本条件下的精准剂量预测 | 研究样本量相对有限（前列腺102例，肝脏29例，胰腺30例） | 提高放疗计划中患者特异性剂量预测的准确性和效率 | 前列腺癌、肝癌、胰腺癌患者的放疗剂量分布 | 医学影像分析 | 前列腺癌,肝癌,胰腺癌 | 放射治疗剂量预测 | CNN,元学习 | 三维医学影像 | 前列腺102例，肝脏29例，胰腺30例 | PyTorch,TensorFlow | U-Net,Prototypical Network | MSE,DVH | GPU |
| 545 | 2025-11-14 |
Artificial intelligence in bioinformatics: a survey
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf576
PMID:41206113
|
综述 | 系统总结人工智能技术在生物信息学领域的研究进展与应用场景 | 首次系统量化展示AI在蛋白质结构预测（中位误差0.96Å）、单细胞建模（AvgBIO≈0.82）、蛋白质设计（成功率92%）和癌症检测（AUC≈0.93）等领域的突破性成果 | 面临数据噪声与稀疏性、长生物序列建模困难、多模态数据整合复杂、模型可解释性不足及伦理隐私问题等挑战 | 探讨人工智能技术在生物信息学领域的应用现状与发展前景 | 基因组学、转录组学、蛋白质组学及单细胞多模态数据集 | 生物信息学 | 癌症 | 高通量测序技术, 多组学方法, 单细胞多模态分析 | 深度学习, 强化学习, 传统机器学习算法 | 基因组序列, 蛋白质结构, 多组学数据, 生物医学文本 | NA | NA | NA | 中位误差, AvgBIO, 成功率, AUC | NA |
| 546 | 2025-11-14 |
DMRU: generative deep learning to unravel condition-specific cytosine methylation in plants
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf579
PMID:41206115
|
研究论文 | 开发了一种名为DMRU的可解释深度编码器-解码器生成系统，用于识别植物中条件特异性胞嘧啶甲基化 | 首个能够识别条件特异性DNA甲基化的生成式深度学习系统，具有跨物种通用性 | NA | 研究植物中条件特异性胞嘧啶甲基化与转录组状态的关系 | 植物DNA甲基化模式 | 机器学习 | NA | DNA甲基化分析 | 深度编码器-解码器 | DNA甲基化数据，转录组数据 | 涵盖85种不同条件和多种植物物种的大规模实验数据 | NA | 深度编码器-解码器 | 准确率 | NA |
| 547 | 2025-11-14 |
MOFormer: navigating the antimicrobial peptide design space with Pareto-based multi-objective transformer
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf376
PMID:41206110
|
研究论文 | 提出一种基于帕累托优化的多目标Transformer模型MOFormer，用于同时优化抗菌肽的多个属性 | 首次将条件Transformer与帕累托优化结合，构建结构化序列-属性空间实现高效多目标抗菌肽设计 | 未明确说明模型在更广泛肽类设计中的泛化能力 | 开发能够同时优化抗菌肽多个属性的深度学习设计方法 | 抗菌肽序列设计 | 机器学习 | 传染病 | 深度学习，序列生成 | Transformer | 序列数据 | NA | NA | Transformer | 超体积，最小抑制浓度，溶血性，毒性 | NA |
| 548 | 2025-11-14 |
Application of machine learning and deep learning approaches for prediction modeling with time-to-event outcomes in clinical epidemiology. Methods comparison and practical considerations for generalizability and interpretability
2025-Nov, Annals of epidemiology
IF:3.3Q1
DOI:10.1016/j.annepidem.2025.10.012
PMID:41101574
|
研究论文 | 比较机器学习、深度学习和回归方法在临床流行病学时间-事件结局预测模型中的应用 | 首次系统评估梯度提升机在整合蛋白质生物标志物和脂质的临床预测模型中的表现，并探讨其在模型灵活性、区分度、校准和简约性之间的平衡优势 | 研究仅针对心血管风险预测，未验证在其他疾病领域的适用性 | 评估不同预测建模方法在临床流行病学时间-事件结局预测中的性能 | 临床预测模型，整合蛋白质生物标志物和脂质的心血管风险预测 | 机器学习 | 心血管疾病 | 临床生物标志物整合分析 | 梯度提升机, 深度学习, 回归模型 | 临床数据，生物标志物数据 | NA | NA | 梯度提升机 | C统计量, Brier评分 | NA |
| 549 | 2025-11-14 |
White matter hyperintensity segmentation of multiple sclerosis and neuromyelitis optical spectrum disorders using 2.5D FrC-ResUnet
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2384
PMID:41209196
|
研究论文 | 本研究提出了一种用于多发性硬化和视神经脊髓炎谱系疾病脑白质高信号分割的2.5D深度学习模型 | 提出2.5D傅里叶卷积ResUnet模型，结合谱编码器提取全局信息，并集成选择性特征模块和卷积块注意力模块以增强病灶-背景区分能力 | NMOSD疾病罕见导致脑白质高信号分割研究数据有限 | 开发用于多发性硬化和视神经脊髓炎谱系疾病脑白质高信号自动分割的深度学习方法 | 多发性硬化和视神经脊髓炎谱系疾病患者的脑白质高信号病灶 | 医学图像分析 | 多发性硬化, 视神经脊髓炎谱系疾病 | 磁共振成像 | 深度学习, CNN | 医学图像 | MS公共数据集和本地MS、NMOSD数据集 | NA | 2.5D FrC-ResUnet, U-Net, ResUNet, FC-DenseNet, AttentionUNet | Dice相似系数 | NA |
| 550 | 2025-11-14 |
A multibranch fusion network (MBF-Net) for intracranial large-vessel occlusion classification
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2255
PMID:41209184
|
研究论文 | 提出多分支融合网络MBF-Net用于颅内大血管闭塞亚型分类 | 采用多分支结构缓解长尾效应，引入分支层次深度聚合模块和语义信息增强模块提升特征提取能力 | 未明确说明数据集的样本来源和多样性限制 | 开发能够有效分类颅内大血管闭塞亚型的深度学习模型 | 计算机断层扫描血管造影图像中的颅内大血管闭塞 | 计算机视觉 | 心血管疾病 | 计算机断层扫描血管造影 | CNN | 医学图像 | NA | NA | 多分支融合网络 | 灵敏度,精确度,F1分数 | NA |
| 551 | 2025-11-14 |
Automated segmentation of the primary tumor in nasopharyngeal carcinoma using a deep learning framework in positron emission tomography imaging: a comparative study
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1090
PMID:41209202
|
研究论文 | 本研究比较了三种深度学习模型在鼻咽癌PET图像中原发肿瘤自动分割的性能 | 首次在鼻咽癌PET图像分割中系统比较了Res-Unet、Nn-Unet和Nn-Former三种深度学习模型的性能 | 研究为单中心回顾性研究，样本量相对有限，需要多中心前瞻性验证 | 优化鼻咽癌放疗靶区勾画的精确度和效率 | 鼻咽癌患者 | 数字病理 | 鼻咽癌 | PET成像 | 深度学习 | 医学图像 | 212例鼻咽癌患者的PET影像数据（训练集170例，测试集42例） | NA | Res-Unet, Nn-Unet, Nn-Former | Dice相似系数, Hausdorff距离, 平均表面距离 | NA |
| 552 | 2025-11-14 |
Effect of age on substantia nigra subregions using neuromelanin-sensitive magnetic resonance imaging overlapping on quantitative susceptibility mapping
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-57
PMID:41209208
|
研究论文 | 本研究使用神经黑色素敏感磁共振成像和定量磁化率映射技术，探讨年龄对黑质亚区神经黑色素信号强度和铁浓度的影响 | 首次在黑质亚区水平同时分析神经黑色素信号强度和铁浓度随年龄的变化规律，并揭示不同亚区的差异化年龄效应 | 样本量相对有限（95名健康志愿者），且为横断面研究无法确定因果关系 | 探究年龄对黑质不同亚区神经黑色素敏感磁共振成像测量值和铁浓度的差异化影响 | 95名18-84岁健康志愿者的黑质亚区（背侧和腹侧黑质的侧部、中央部和内侧部） | 医学影像分析 | 神经系统老化 | 神经黑色素敏感磁共振成像（NM-MRI）、定量磁化率映射（QSM）、深度学习重建 | 深度学习 | 磁共振影像 | 95名健康志愿者（18-84岁） | NA | NA | 组内相关系数（ICC）、决定系数（R2）、P值 | NA |
| 553 | 2025-11-14 |
Deep learning in multi-modal breast cancer data fusion: a literature review
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2903
PMID:41209219
|
文献综述 | 本文全面综述了过去5年多模态乳腺癌研究中深度学习的应用进展 | 系统梳理多模态乳腺癌数据的融合策略，分析从特征级融合到决策级融合的方法演进 | 多模态融合仍处于探索阶段，高质量公共数据集稀缺 | 总结多模态乳腺癌研究中深度学习的应用现状和发展方向 | 乳腺癌多模态数据融合研究 | 数字病理 | 乳腺癌 | NA | 深度学习 | 多模态数据 | NA | NA | NA | NA | NA |
| 554 | 2025-11-14 |
Deep learning-based no-reference quality assessment of anterior segment ultrasound biomicroscopy panoramic images
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-592
PMID:41209222
|
研究论文 | 本研究提出了一种基于深度学习的无参考质量评估方法，用于客观自动评估前段超声生物显微镜全景图像质量 | 首次将深度学习应用于前段UBM图像的无参考质量评估，开发了YOLOv8s_DW_FOCUS模型精准提取感兴趣区域和识别关键解剖标志 | 研究样本仅来自单一医疗中心，需要多中心验证以进一步证明方法的泛化能力 | 开发客观自动的UBM图像质量评估方法，替代主观评价 | 前段超声生物显微镜全景图像 | 计算机视觉 | 眼科疾病 | 超声生物显微镜 | YOLO,深度学习 | 医学图像 | 1,154张临床前段全景UBM图像 | PyTorch | YOLOv8s_DW_FOCUS | 平均精度均值,召回率,精确率 | NA |
| 555 | 2025-11-14 |
Automatic diagnosis of coronary artery stenosis by deep learning based on X-ray coronary angiography
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2415
PMID:41209223
|
研究论文 | 开发基于深度学习的X射线冠状动脉造影自动诊断冠状动脉狭窄方法 | 提出双输出深度卷积神经网络，实现血管分割和狭窄程度五级分类的自动诊断 | 样本量相对有限（168名患者的383张血管造影图像） | 通过深度学习辅助冠状动脉疾病的诊断和治疗规划 | 冠状动脉狭窄病变 | 计算机视觉 | 心血管疾病 | X射线冠状动脉造影 | CNN | 图像 | 168名患者的383张血管造影图像 | NA | 双输出深度卷积神经网络 | IoU, Dice系数, 精确度, 敏感度 | NA |
| 556 | 2025-11-14 |
Deep learning-assisted aortic stenosis detection and grading based on multiview versus single-view echocardiography
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-415
PMID:41209232
|
研究论文 | 开发深度学习框架用于自动检测和分级主动脉瓣狭窄 | 首次探索全自动主动脉瓣狭窄分析流程，比较多视图与单视图超声心动图方法 | 研究样本主要来自三家医院，需要进一步外部验证 | 开发深度学习框架以简化临床主动脉瓣狭窄评估 | 主动脉瓣狭窄患者 | 医学影像分析 | 心血管疾病 | 超声心动图 | 深度学习 | 超声心动图像 | 499项AS研究（1,996个超声心动图视图），训练集302例，验证集76例，内部测试集121例，真实世界测试集3,278例 | NA | NA | AUC, 相关系数, P值 | NA |
| 557 | 2025-11-14 |
Deep learning-based bone removal in head and neck computed tomography angiography: a comparative study with conventional algorithms
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-942
PMID:41209247
|
研究论文 | 比较深度学习与传统算法在头颈部CT血管造影中骨骼去除效果的随机对照研究 | 首次系统比较基于卷积神经网络的深度学习骨骼去除算法与传统阈值算法在头颈部CTA中的性能，并评估不同管电压设置下的辐射剂量优化效果 | 单中心研究，样本量相对有限（119例患者），仅评估两种管电压设置 | 评估深度学习骨骼去除算法在头颈部CTA中的图像质量和辐射剂量优化效果 | 119例疑似脑血管疾病患者的中位年龄57岁（IQR 50-65岁） | 医学影像分析 | 脑血管疾病 | 计算机断层扫描血管造影（CTA） | CNN | 医学影像 | 119例患者，1,014张标注CTA图像用于训练 | NA | 卷积神经网络 | 骨骼去除效果评分，血管分支完整性评分，整体血管完整性评分，CTDIvol，DLP，Cohen's d效应量 | NA |
| 558 | 2025-11-14 |
Automatic segmentation and reconstruction of lower-extremity arteries from computed tomography angiography images via a deep learning framework
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1051
PMID:41209248
|
研究论文 | 开发基于3D卷积神经网络的深度学习框架，用于从CT血管造影图像自动分割和重建下肢动脉 | 提出首个专门用于下肢动脉三维重建的自动工具LEAS-Net，采用三阶段网络架构实现从粗定位到精细分割的血管重建 | 回顾性研究设计，仅针对口腔颌面部肿瘤患者群体 | 开发用于术前游离皮瓣移植规划的下肢动脉自动重建AI模型 | 口腔颌面部肿瘤患者的下肢CTA图像 | 计算机视觉 | 口腔颌面部肿瘤 | 计算机断层扫描血管造影(CTA) | CNN | 医学图像 | 1,201名患者的下肢CTA图像数据 | NA | 三阶段网络架构(粗分辨率网络、细化网络、精细分辨率网络) | Dice相似系数,中心线Dice系数(clDice),图像质量评分,处理时间 | NA |
| 559 | 2025-11-14 |
Artificial intelligence aids doctors in diagnosing necrotizing enterocolitis and predicting surgery using abdominal radiographs: a multicenter study
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2867
PMID:41209270
|
研究论文 | 开发基于卷积神经网络的人工智能模型，通过腹部X光片辅助医生诊断新生儿坏死性小肠结肠炎及预测手术需求 | 首次使用多中心数据开发CNN模型，能够同时识别NEC疾病状态和预测手术需求，并验证AI辅助对临床医生诊断准确率的提升效果 | 回顾性研究，样本量相对有限（738张X光片），外部验证集规模较小 | 开发AI模型辅助新生儿坏死性小肠结肠炎的诊断和手术预测 | 576名早产儿的738张腹部X光片 | 计算机视觉 | 新生儿坏死性小肠结肠炎 | 腹部X光摄影 | CNN | 医学图像 | 738张腹部X光片来自576名早产儿，来自三个医疗中心 | NA | EfficientNet-b0, Inception_v3, VGG, ResNet, SqueezeNet, DenseNet | AUC | NA |
| 560 | 2025-11-14 |
Simultaneous classification and delineation of seven types of histological growth patterns in lung adenocarcinomas using self-supervised learning and online hard patch mining
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2282
PMID:41209264
|
研究论文 | 开发基于自监督学习和在线困难样本挖掘的深度学习框架，用于同时分类和勾画肺腺癌的七种组织学生长模式 | 结合自监督学习与一致性正则化和伪标签技术，提出在线困难样本挖掘方法以改善组织学相似斑块的特征提取 | NA | 开发自动分类和勾画肺腺癌生长模式的深度学习框架，替代耗时且依赖经验的人工检查 | 肺腺癌组织切片中的七种生长模式和正常肺组织 | 数字病理 | 肺癌 | 苏木精-伊红染色 | 深度学习 | 全切片图像 | 288张全切片图像 | NA | NA | 精确率,召回率,交并比,Cohen's kappa | NA |