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 1756 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2026-02-26 |
Automated tumor stroma ratio assessment in colorectal cancer using hybrid deep learning approach
2025-Nov-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24229-8
PMID:41266465
|
研究论文 | 本研究提出了一种混合深度学习方法，用于结直肠癌中肿瘤-间质比的自动评估 | 首次引入结合Transformer机制的集成深度学习方法，以增强TSR评估中的空间上下文理解，解决了传统纯CNN模型的局限性 | 未明确说明 | 开发一种自动、客观且稳健的结直肠癌肿瘤-间质比评估方法 | 结直肠癌组织切片图像 | 数字病理学 | 结直肠癌 | 全切片图像分析 | CNN, Transformer | 图像 | NA | NA | CNN-Transformer UNET, Efficient-TransUNet | 准确率, 精确率, 召回率, F1分数, 马修斯相关系数, 聚合Dice系数 | NA |
| 62 | 2026-02-25 |
Artificial intelligence-powered copilots for precision diagnosis and surgical assessment of histological growth patterns in resectable colorectal liver metastases: a prospective study
2025-Nov-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002922
PMID:40638258
|
研究论文 | 本研究开发了一种名为COFFEE的基于Transformer的深度学习模型，用于利用结直肠癌肝转移患者的全切片图像精确分类组织病理学生长模式，旨在辅助病理诊断和手术评估 | 开发了首个基于Transformer和TransMIL框架的AI模型COFFEE，用于结直肠癌肝转移中组织病理学生长模式的精确分类，并展示了其在辅助病理医生提高诊断准确性和效率方面的潜力 | 研究样本量相对有限，前瞻性队列仅包含30名患者，且模型在更广泛人群和不同医疗中心中的泛化能力有待进一步验证 | 开发人工智能辅助工具，以提高结直肠癌肝转移中组织病理学生长模式的诊断精度和手术评估效率 | 被诊断为结直肠癌肝转移的患者及其全切片图像 | 数字病理学 | 结直肠癌 | 全切片图像分析 | Transformer, 深度学习 | 图像 | 431名患者（训练集297名，测试集104名，前瞻性队列30名），涉及来自TCGA-COAD队列的1442张WSI和验证集的972张WSI | PyTorch | Vision Transformer, TransMIL | AUC, 准确率 | NA |
| 63 | 2025-11-30 |
Integrative and deep learning-based prediction of therapy response in ovarian cancer
2025-Nov-28, Journal of experimental & clinical cancer research : CR
IF:11.4Q1
DOI:10.1186/s13046-025-03554-w
PMID:41316472
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 64 | 2026-02-19 |
Deep Learning Segmentation of Pelvic Soft Tissue in Isotropic and Anisotropic MRI Using Routine T2 Scans
2025-Nov-24, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001828
PMID:41701554
|
研究论文 | 本研究比较了基于各向异性和各向同性MRI重建的深度学习模型在盆腔软组织结构分割中的性能 | 首次系统比较了各向异性和各向同性MRI重建对盆腔神经和肌肉组织分割精度的影响，并证明各向同性重建能提供更平滑、更解剖学准确的3D模型 | 样本量较小（仅35例直肠癌患者），且仅基于T2加权MRI序列，未评估其他序列或多模态数据 | 评估各向同性MRI重建在盆腔软组织分割中的优势，以提升术前规划和手术导航的准确性 | 直肠癌患者的盆腔MRI图像，重点关注骶神经、闭孔神经和梨状肌 | 数字病理学 | 直肠癌 | T2加权MRI扫描 | CNN | 3D MRI图像 | 35例直肠癌患者 | nnU-Net | nnU-Net | Dice相似系数, 交并比, 精确率, 召回率 | NA |
| 65 | 2026-02-19 |
Dual attention-based deep learning with blockchain for multimedia data processing and secure access control in IoHT
2025-Nov-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24384-y
PMID:41254085
|
研究论文 | 本文提出了一种基于区块链和双注意力深度贝叶斯网络的多媒体数据处理与安全访问控制方法，用于医疗物联网 | 结合区块链技术与双注意力机制的深度贝叶斯网络，实现高效的多媒体数据处理和增强的安全访问控制 | 未明确提及具体的数据集规模或实验环境限制 | 提升医疗物联网中多媒体数据处理的安全性和效率 | 医疗物联网中的多媒体数据（如文本、图像、语音） | 机器学习 | NA | 区块链技术，深度学习方法 | 深度贝叶斯网络 | 多媒体数据（文本、图像、语音） | NA | NA | 双注意力深度贝叶斯网络 | 访问控制速度 | NA |
| 66 | 2026-02-17 |
Decoding Dendritic Cell Subtypes via Integrated Radiogenomics: A Stacked Ensemble Model for Predicting Immunotherapy Response in NSCLC
2025-Nov-15, FASEB journal : official publication of the Federation of American Societies for Experimental Biology
IF:4.4Q2
DOI:10.1096/fj.202501990R
PMID:41160086
|
研究论文 | 本研究通过整合单细胞RNA测序、影像组学和深度学习，开发了一个多模态框架，用于解码树突状细胞亚型并预测非小细胞肺癌患者对免疫疗法的反应 | 首次将单细胞RNA测序、影像组学和深度学习结合，采用堆叠集成学习方法整合转录组、临床和影像组学数据，以预测免疫治疗反应并识别关键的树突状细胞标记基因 | 未明确说明样本量是否足够大或模型是否在其他独立队列中得到验证，可能限制了结果的泛化能力 | 预测非小细胞肺癌患者对PD-1抑制剂免疫疗法的反应，并探索树突状细胞介导的机制 | 非小细胞肺癌患者的肿瘤样本，包括响应者和非响应者 | 数字病理学 | 肺癌 | 单细胞RNA测序, 影像组学 | LSTM, ResNet50, 集成学习 | 转录组数据, 临床数据, 影像数据 | NA | NA | LSTM, ResNet50 | 准确率, AUC | NA |
| 67 | 2026-02-13 |
Opportunities for AI-based Model-informed Drug Development: A Comparative Analysis of NONMEM and AI-based Models for Population Pharmacokinetic Prediction
2025-Nov-18, The AAPS journal
DOI:10.1208/s12248-025-01121-x
PMID:41254220
|
研究论文 | 本研究通过比较传统NONMEM方法与多种AI/ML模型在群体药代动力学预测中的表现，评估了AI在模型引导的药物开发中的潜力 | 首次系统比较了传统非线性混合效应模型与多种AI/ML模型（包括神经网络ODE模型）在模拟和真实临床数据集上的预测性能，并强调了AI模型在预测精度和计算效率方面的潜在优势 | 研究结果可能受限于特定数据集和模型类型，且AI模型在可解释性方面可能仍存在挑战，需要进一步验证 | 评估AI/ML方法在群体药代动力学建模中的有效性，以改进模型引导的药物开发策略 | 模拟数据集（基于二室模型生成）和真实临床数据集（来自1,770名患者的临床试验数据） | 机器学习 | NA | 群体药代动力学建模 | 机器学习模型, 深度学习模型, 神经网络ODE模型 | 临床数据 | 1,770名患者 | NA | NA | 均方根误差, 平均绝对误差, 决定系数 | NA |
| 68 | 2026-02-13 |
A personalized federated learning-based glucose prediction algorithm for high-risk glycemic excursion regions in type 1 diabetes
2025-Nov-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22316-4
PMID:41184401
|
研究论文 | 本文提出了一种基于个性化联邦学习的血糖预测算法，专注于1型糖尿病中高风险血糖波动区域的预测 | 提出了一种新颖的Hypo-Hyper损失函数，根据血糖范围对误差进行惩罚，在极端血糖区域施加更高惩罚，并结合联邦学习框架FedGlu解决数据隐私问题 | 研究仅涉及125名患者，样本量相对有限，且未详细讨论模型在不同患者群体中的泛化能力 | 开发一种能够准确预测1型糖尿病患者高风险血糖波动区域同时保护数据隐私的机器学习模型 | 1型糖尿病患者的连续血糖监测数据 | 机器学习 | 糖尿病 | 连续血糖监测 | 深度学习模型 | 时间序列数据 | 125名患者 | 联邦学习框架 | NA | 均方误差改进百分比，血糖波动检测改进百分比 | NA |
| 69 | 2026-02-12 |
The Use of DeepQSAR Models for the Discovery of Peptides with Enhanced Antimicrobial and Antibiofilm Potential
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02138
PMID:41195811
|
研究论文 | 本研究利用基于循环神经网络的DeepQSAR模型预测广谱抗菌肽活性，并设计出具有增强抗菌和抗生物膜潜力的新型肽 | 首次将DeepQSAR模型应用于抗菌肽的发现，成功设计出在抗菌和抗生物膜活性上均优于已知肽IDR-1018的新型肽序列 | 模型预测性能依赖于有限的训练数据量，且实验验证仅针对部分设计肽进行，未进行大规模体内外功能验证 | 开发基于深度学习的定量构效关系模型，以加速具有广谱抗菌和抗生物膜活性的新型抗菌肽的发现 | 抗菌肽（AMPs）及其衍生物 | 机器学习 | 细菌感染 | 定量构效关系（QSAR） | 循环神经网络（RNN） | 分子描述符数据 | 训练数据量未明确说明，但提及随着可用AMP训练数据增加而提升模型性能；设计了100个新型肽，其中44个进行了实验验证 | 未明确说明 | 基于循环神经网络的QSAR模型 | 5折交叉验证准确率 | NA |
| 70 | 2026-02-12 |
Current Research and Development in the Field of Magnetic Resonance Contrast Media
2025-Nov-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001206
PMID:40622723
|
综述 | 本文讨论了下一代高弛豫率钆基对比剂的研究进展，包括安全性研究、MR技术改进以及新型对比剂的开发 | 重点关注下一代钆基对比剂（如gadopiclenol和gadoquatrane）可能取代现有标准，并重新探索锰基化合物在临床MR对比剂中的应用 | 锰基化合物的临床影像潜力尚不明确，且关于钆基对比剂稳定性的新信息仍在不断涌现 | 综述磁共振对比剂领域的最新研究与发展 | 钆基对比剂（包括线性和大环螯合物）、锰基化合物 | 医学影像 | NA | 磁共振成像（MRI） | NA | NA | NA | NA | NA | NA | NA |
| 71 | 2026-02-11 |
Developing an Artificial Intelligence Chatbot for Snake Image Classification and Accuracy Improvement
2025-Nov-05, The American journal of tropical medicine and hygiene
DOI:10.4269/ajtmh.25-0101
PMID:40840366
|
研究论文 | 本研究开发了一种基于Swin Transformer v2架构的深度学习模型，用于蛇类图像分类，并通过测试时目标检测与裁剪（TT-ODC）预处理方法提升模型在真实场景中的准确率 | 提出了TT-ODC预处理方法，有效缩小了模型在验证集与外部测试集之间的性能差距，并将模型集成至LINE聊天机器人中实现实际应用 | 研究主要针对台湾地区的蛇类，模型在其他地理区域的泛化能力未经验证 | 开发一种能够准确识别蛇类物种的人工智能工具，以辅助临床蛇咬伤治疗中的抗蛇毒血清选择 | 蛇类图像 | 计算机视觉 | 蛇咬伤 | 深度学习，图像分类 | Transformer | 图像 | 训练集：12,000张图像（源自30,573张标注图像）；外部测试集：2,400张图像 | 未明确提及 | Swin Transformer v2 | 准确率 | NA |
| 72 | 2026-02-11 |
Metabolic modelling: Insights into the machine room of plant metabolism
2025-Nov, Journal of plant physiology
IF:4.0Q1
DOI:10.1016/j.jplph.2025.154584
PMID:40957247
|
综述 | 本文综述了植物代谢建模的最新趋势，探讨了如何利用这些方法从亚细胞到群落和生态系统层面研究代谢，并讨论了机器学习与深度学习在模型构建和分析中的应用 | 将代谢建模的范围扩展到涵盖多种植物物种、基因型和环境特异性代谢、特化代谢途径，并整合时空分辨率与植物-微生物相互作用，同时探索了机器学习辅助模型重建与分析的混合策略 | NA | 从网络视角研究植物代谢，提供对网络层面过程的机制性见解 | 植物代谢网络 | 机器学习 | NA | 代谢建模 | 深度学习 | NA | NA | NA | NA | NA | NA |
| 73 | 2026-02-10 |
[A multimodal disease-specific cohort for melanoma research: Construction, governance, and preliminary report]
2025-Nov-28, Zhong nan da xue xue bao. Yi xue ban = Journal of Central South University. Medical sciences
|
研究论文 | 本研究构建了一个针对中国人群肢端黑色素瘤的多模态疾病特异性队列，旨在提供高质量数据以支持疾病特征描述和预后机制探索 | 整合了混合自动化ETL与AI辅助架构进行数据治理，并利用基于Transformer的NLP模型处理病理叙述，结合深度学习流程处理原始影像数据，实现了多模态数据的标准化整合与质量控制 | 单中心前瞻性队列研究，样本来源有限，可能影响结果的普遍性；部分患者数据不完整，如Breslow厚度和Clark分级数据存在缺失 | 构建一个代表性的多模态疾病特异性队列，为中国人群肢端黑色素瘤研究提供高质量数据基础 | 肢端黑色素瘤患者，特别是中国人群中的患者 | 数字病理学 | 黑色素瘤 | 数字病理全切片成像，DICOM影像，临床分子数据采集，基于Transformer的NLP模型，深度学习流程 | Transformer, 深度学习模型 | 图像, 文本, 结构化临床数据 | 1036名黑色素瘤患者，包含8536张数字病理全切片图像，5084次DICOM影像采集，超过350,000个结构化临床分子数据点 | NA | Transformer | NA | NA |
| 74 | 2026-02-09 |
Deep learning-driven proteomics analysis for gene annotation in the renin-angiotensin system
2025-Nov-05, European journal of pharmacology
IF:4.2Q1
DOI:10.1016/j.ejphar.2025.178119
PMID:40907688
|
研究论文 | 本研究开发了一个多标签深度学习模型，用于系统注释肾素-血管紧张素系统（RAS）基因功能，并通过蛋白质组学验证其在心血管疾病中的关键作用 | 首次将多标签AI建模与细胞外囊泡（EV）蛋白质组学相结合，用于RAS通路注释，并揭示了一个新的IRAP/Ywha(s)/Nedd4-2-ACE2相互作用轴作为潜在治疗靶点 | 研究主要基于文献数据，实验验证仅限于DOCA-盐高血压小鼠模型，可能无法完全代表人类疾病状态 | 系统注释RAS基因功能并阐明其在生物通路中的作用，以推进对心血管疾病的理解 | 肾素-血管紧张素系统（RAS）相关基因，特别是AGTR2、IRAP（LNPEP）、Ywhas（SFN）、EDNRA和ESR2 | 自然语言处理 | 心血管疾病 | 文本挖掘，蛋白质组学，毛细管Western分析 | MLP | 文本 | 来自PubMed和PMC的39,463篇RAS相关出版物 | NA | 多层感知机 | 精确度，F1分数，排序损失，ROC-AUC | NA |
| 75 | 2026-02-08 |
Deep learning algorithm for predicting rapid progression of abdominal aortic aneurysm by integrating CT images and clinical features
2025-Nov-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22167-z
PMID:41184332
|
研究论文 | 本研究开发并验证了一种端到端多模态深度学习模型，通过整合CT图像特征、几何特征和临床特征来预测腹主动脉瘤的快速进展 | 首次提出结合CT图像、几何特征和临床特征的多模态深度学习模型，显著提升了腹主动脉瘤快速进展的预测性能 | 研究为回顾性设计，数据来源于两家医院，可能存在选择偏倚，且模型需要进一步的外部验证 | 开发并验证一种多模态深度学习模型，以更准确地预测腹主动脉瘤的快速进展 | 腹主动脉瘤患者 | 数字病理学 | 心血管疾病 | CT成像 | 深度学习 | 图像, 临床数据 | 561名腹主动脉瘤患者，包含14,252张标注的CT轴位图像 | NA | ResNet | AUC, 准确率 | NA |
| 76 | 2026-02-08 |
Novel fusion architecture of multi-location blood flow sounds for arteriovenous fistula stenosis diagnosis
2025-Nov, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109022
PMID:40886696
|
研究论文 | 本文提出了一种基于多位置血流声音融合的架构，用于动静脉瘘狭窄诊断 | 引入了多位置融合架构（MPFA）结合位置元数据，通过通道融合和时间融合策略，利用多个血管段的声音信息提升诊断准确性，而非仅依赖模型复杂度增加 | 未明确说明数据采集的具体环境条件或潜在噪声干扰，且样本量未在摘要中详细披露 | 诊断动静脉瘘狭窄并确定其精确位置 | 动静脉瘘的血流声音数据 | 机器学习 | 心血管疾病 | 血流声音分析 | 深度学习模型 | 声音数据 | NA | NA | 通用模型和个体位置模型 | 准确率 | NA |
| 77 | 2026-02-06 |
MSFHNet: a hybrid deep learning network for multi-scale spatiotemporal feature extraction of spatial cognitive EEG signals in BCI-VR systems
2025-Nov, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03386-y
PMID:40471491
|
研究论文 | 本文提出了一种名为MSFHNet的混合深度学习网络，用于在BCI-VR系统中提取空间认知EEG信号的多尺度时空特征 | 提出了一种结合多尺度扩张卷积与通道-空间注意力机制的混合神经网络架构，用于深度提取EEG信号的时空特征，并在beta2频段实现了高分类精度 | NA | 通过人工智能分析脑电图数据，解码空间任务期间的脑活动模式，以提升BCI-VR系统在空间认知训练与评估中的应用 | 空间认知EEG信号 | 机器学习 | NA | 脑电图（EEG） | CNN, 注意力机制 | EEG信号 | NA | NA | MSFHNet | 分类准确率 | NA |
| 78 | 2026-01-30 |
A predicted structural interactome reveals binding interference from intrinsically disordered regions
2025-Nov-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.15.670535
PMID:40894573
|
研究论文 | 本研究利用AlphaFold2多聚体模型预测并分析了蛋白质-蛋白质相互作用，特别关注了内在无序区域在相互作用中的重要性 | 首次结合物理和功能数据集，系统性地预测了非哺乳动物物种的蛋白质相互作用网络，并揭示了内在无序区域在结合干扰中的关键作用 | 研究主要基于计算预测，缺乏实验验证；且专注于特定非哺乳动物物种，可能限制了结果的普适性 | 预测和分析蛋白质-蛋白质相互作用的结构网络，特别关注内在无序区域的功能 | 非哺乳动物物种的蛋白质 | 机器学习 | NA | 深度学习，结构预测 | AlphaFold2 | 蛋白质序列和结构数据 | NA | AlphaFold2 | AlphaFold2多聚体模型 | 高置信度预测 | NA |
| 79 | 2026-01-29 |
AI-assisted computed tomography analysis for pre-procedural planning prior to TAVI
2025-Nov-12, Clinical research in cardiology : official journal of the German Cardiac Society
IF:3.8Q1
DOI:10.1007/s00392-025-02790-6
PMID:41603941
|
研究论文 | 本研究比较了基于深度学习的全自动CT分析算法与临床标准软件在TAVI术前规划中的性能 | 开发了一种全自动、基于深度学习的算法，用于TAVI术前CT分析，无需人工干预即可完成完整分析 | 研究为回顾性分析，样本量相对较小（98例患者），且仅与单一商业软件进行比较 | 评估基于深度学习的全自动CT分析算法在TAVI术前规划中的准确性和可行性 | 接受TAVI的症状性严重主动脉瓣狭窄患者 | 数字病理学 | 心血管疾病 | 心脏计算机断层扫描 | 深度学习算法 | CT图像 | 98例患者 | NA | NA | 平均绝对误差, 平均绝对百分比误差, 组内相关系数 | NA |
| 80 | 2026-01-29 |
Overview of Multimodal Radiomics and Deep Learning in the Prediction of Axillary Lymph Node Status in Breast Cancer
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.07.017
PMID:40830005
|
综述 | 本文综述了多模态影像组学和深度学习在预测乳腺癌腋窝淋巴结状态中的应用与进展 | 整合了多模态影像（如乳腺X线摄影、超声、MRI和PET/CT）与深度学习算法，系统分析了影像组学工作流和模型构建策略，为乳腺癌腋窝淋巴结转移的非侵入性预测提供了综合参考 | 存在方法学和技术上的挑战待解决，未具体说明 | 合成和评估当前研究成果，为乳腺癌腋窝淋巴结转移的精准诊断和评估提供参考，并推动该领域的发展 | 乳腺癌患者的腋窝淋巴结状态 | 数字病理学 | 乳腺癌 | 多模态影像技术（乳腺X线摄影、超声、MRI、PET/CT） | 深度学习算法 | 多模态医学影像 | NA | NA | NA | NA | NA |