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 1702 篇文献，本页显示第 901 - 920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 901 | 2025-11-26 |
Artificial intelligence prediction of age from echocardiography as a marker for cardiovascular disease
2025-Nov-18, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02050-x
PMID:41254301
|
研究论文 | 本研究开发了一种深度学习模型，通过超声心动图视频预测患者年龄，并探索其作为心血管疾病风险标志物的潜力 | 首次利用大规模超声心动图视频数据开发年龄预测模型，揭示了生物年龄与心血管疾病风险之间的关联 | 研究基于回顾性数据，需要前瞻性验证；模型性能可能受数据质量和采集协议差异影响 | 开发基于超声心动图的年龄预测模型，探索其作为心血管疾病风险评估工具的临床应用价值 | 90,738名患者的166,508项研究中的2,610,266个超声心动图视频 | 计算机视觉 | 心血管疾病 | 多视角超声心动图 | 深度学习 | 视频 | 90,738名患者的2,610,266个视频 | NA | NA | 平均绝对误差, 决定系数 | NA |
| 902 | 2025-11-20 |
AllergenAI: a deep learning model predicting allergenicity based on protein sequence
2025-Nov-18, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06302-1
PMID:41254570
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 903 | 2025-11-26 |
Curvature-aware selective feature interaction network for skin lesion segmentation
2025-Nov-11, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108314
PMID:41285053
|
研究论文 | 提出一种用于皮肤病变分割的曲率感知选择性特征交互网络 | 提出多粒度特征交互模块和曲率感知选择性特征模块，通过注意力机制和曲率评估来增强特征交互并减少冗余信息 | NA | 解决皮肤病变分割中特征交互不足和冗余信息的问题 | 皮肤病变图像 | 医学图像分析 | 皮肤病 | 深度学习 | CNN | 图像 | 三个皮肤图像数据集 | NA | 编码器-解码器架构,CASFI-Net | NA | 低计算成本 |
| 904 | 2025-11-26 |
[Research on the rapid diagnosis of three common Gram-negative bacilli in bloodstream infections based on the CNN-Dinov2 hybrid model]
2025-Nov-06, Zhonghua yu fang yi xue za zhi [Chinese journal of preventive medicine]
|
研究论文 | 基于CNN-Dinov2混合模型开发用于血流感染中三种常见革兰阴性杆菌快速诊断的自动分类模型 | 将ResNet的局部特征提取能力与Dinov2的全局预训练特征相结合，构建混合深度学习模型 | 研究样本仅来自单一医院，样本量相对有限 | 开发能够快速诊断血流感染中三种常见革兰阴性杆菌的自动分类模型 | 血流感染患者的革兰染色显微图像 | 计算机视觉 | 血流感染 | 革兰染色显微成像 | CNN, 深度学习 | 图像 | 1425张革兰染色显微图像，包括419张、411张、413张目标菌株和182张其他革兰阴性杆菌 | NA | CNN-Dinov2混合模型, ResNet, Dinov2, AlexNet, ResNet18 | 准确率, 精确率, 加权F1分数, 召回率, PR曲线, AP值 | NA |
| 905 | 2025-11-26 |
Multimodal Deep Learning for Longitudinal Prediction of Glaucoma Progression Using Sequential RNFL, Visual Field, and Clinical Data
2025-Nov-04, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.10.31.25339266
PMID:41282868
|
研究论文 | 开发并验证了一种多模态纵向深度学习框架，用于预测青光眼进展 | 首次将序列结构数据（OCT RNFL扫描）、功能数据（视野图）和临床数据通过双向LSTM融合，实现长期青光眼进展预测 | 在70岁以上患者中性能略有下降，且为回顾性研究 | 预测青光眼未来进展，预防不可逆视力丧失 | 青光眼患者 | 数字病理学 | 青光眼 | OCT RNFL扫描，视野检查 | CNN, LSTM | 医学图像，临床数据 | 10,864名患者 | NA | ConvNeXt-V2, ViT, MobileNet-V2, EfficientNet-B0, 双向LSTM | AUC, 准确率 | NA |
| 906 | 2025-11-26 |
Accurate machine learning model for human embryo morphokinetic stage detection
2025-Nov, Journal of assisted reproduction and genetics
IF:3.2Q2
DOI:10.1007/s10815-025-03585-4
PMID:40833447
|
研究论文 | 开发了一种用于人类胚胎形态动力学阶段检测的高精度机器学习模型 | 相比现有模型准确率提升17%，能够检测17个胚胎形态动力学阶段并精确识别阶段变化时间 | 基于静态胚胎图像和固定数据集，未提及在其他数据集上的泛化能力 | 开发准确的人类胚胎植入前发育形态动力学阶段检测工具 | 人类植入前胚胎发育过程 | 计算机视觉 | 生殖医学 | 胚胎形态动力学分析 | 深度学习 | 图像 | 273,438张标注的胚胎图像 | 未明确指定 | EfficientNet-V2-Large | F1-score, 准确率 | NA |
| 907 | 2025-11-26 |
PPEPFinder: A deep learning framework integrating sequence embeddings and structural graph representations for predicting fungal and oomycete effector proteins
2025-Nov, The Plant journal : for cell and molecular biology
DOI:10.1111/tpj.70593
PMID:41284811
|
研究论文 | 提出一个集成深度学习的框架PPEPFinder，用于预测真菌和卵菌的效应蛋白 | 首次将序列嵌入和结构图表示相结合，通过集成三个独立预测模型来提升效应蛋白识别性能 | 仅针对真菌和卵菌病原体，未扩展到其他植物病原体类型 | 开发准确识别植物病原体效应蛋白的计算方法 | 真菌和卵菌分泌的效应蛋白 | 生物信息学 | 植物病害 | 蛋白质语言模型，深度学习 | Transformer, GAT, 逻辑回归 | 蛋白质序列和结构数据 | NA | PyTorch | Transformer, Graph Attention Network | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 908 | 2025-11-25 |
AFPDeepPred: A Deep Learning Framework for Accurate Identification of Antifreeze Proteins
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02024
PMID:41170781
|
研究论文 | 提出一种名为AFPDeepPred的多模态深度学习框架，用于准确识别抗冻蛋白 | 首次将进化尺度建模与混沌游戏表示相结合，通过双线性注意力网络融合全局和局部序列信息 | NA | 开发高精度的抗冻蛋白识别方法 | 抗冻蛋白序列 | 自然语言处理 | NA | 蛋白质序列分析 | 深度学习 | 蛋白质序列数据 | 基于Swiss-Prot数据库的数据集 | NA | 双线性注意力网络 | 准确率 | NA |
| 909 | 2025-11-25 |
Learning Binding Affinities via Fine-Tuning of Protein and Ligand Language Models
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02063
PMID:41171175
|
研究论文 | 提出BALM深度学习框架，通过微调蛋白质和配体语言模型预测结合亲和力 | 使用预训练的蛋白质和配体语言模型进行结合亲和力预测，并提出改进的评估策略 | 未明确说明模型在特定蛋白质家族或配体类型上的局限性 | 开发计算高效的结合亲和力预测方法用于早期药物发现筛选 | 蛋白质-配体结合亲和力 | 机器学习 | NA | 语言模型微调 | 语言模型 | 蛋白质序列, 配体结构 | BindingDB数据库的精选版本 | NA | 蛋白质语言模型, 配体语言模型 | 结合亲和力预测准确度, 泛化能力评估指标 | NA |
| 910 | 2025-11-25 |
Geometry-Driven Attention Model with 3D Molecular Features for Multi-Property Prediction of OLED Materials
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01916
PMID:41172256
|
研究论文 | 提出一种基于三维自注意力机制的深度学习模型3D-SAT-OLED，用于预测OLED材料的多重性能参数 | 首次将三维分子结构与高斯核特征提取器和空间位置编码相结合，并采用动态Tanh和SwiGLU激活函数增强模型稳定性和非线性建模能力 | 未明确说明模型计算效率与传统DFT方法的对比，也未提及模型在更大规模数据集上的表现 | 开发高效的OLED材料性能预测工具以替代计算昂贵的传统方法 | 有机发光二极管材料 | 机器学习 | NA | 深度学习 | 自注意力机制 | 三维分子结构数据 | QM9和OLED QM属性数据集 | NA | 3D-SAT-OLED | MAE | NA |
| 911 | 2025-11-25 |
Efficient Generation of Protein and Protein-Protein Complex Dynamics via SE(3)-Parameterized Diffusion Models
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01971
PMID:41188090
|
研究论文 | 提出一种基于SE(3)参数化扩散模型的蛋白质构象轨迹生成方法PTraj-Diff | 首次将几何扩散框架应用于蛋白质和蛋白质复合物轨迹生成，通过残基级SE(3)变换参数化和张量积注意力机制有效捕获蛋白质几何约束 | 未明确说明模型在特定蛋白质类型或复杂结构上的泛化能力限制 | 开发高效生成蛋白质和蛋白质-蛋白质复合物构象动态轨迹的计算方法 | 蛋白质单体和蛋白质-蛋白质复合物的构象轨迹 | 计算生物学 | NA | 扩散模型, 分子动力学模拟 | 扩散模型 | 蛋白质结构数据, 构象轨迹数据 | NA | NA | PTraj-Diff, Power Bert Encoder | NA | 降低了对数据和硬件资源的需求 |
| 912 | 2025-11-25 |
RAPID-Net: Accurate Pocket Identification for Binding-Site-Agnostic Docking
2025-Nov-24, 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，用于精确预测结合口袋并实现与分子对接流程的无缝集成 | 开发结合口袋不可知对接方法，能识别远端功能位点，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 | 开发准确识别可药性口袋的算法，提升基于结构的药物设计效率 | 蛋白质结合口袋和配体对接 | 计算生物学 | 传染病（SARS-CoV-2） | 深度学习 | 深度学习网络 | 蛋白质结构数据 | PoseBusters基准测试集 | NA | RAPID-Net | RMSD, PoseBusters化学有效性标准, Top-1姿态准确率, 口袋-配体交集率 | NA |
| 913 | 2025-11-25 |
Carbon market price prediction in the Yangtze River Basin based on improved deep learning ensemble model with CEEMDAN and Attention-RNN
2025-Nov-21, Carbon balance and management
IF:3.9Q2
DOI:10.1186/s13021-025-00346-9
PMID:41269474
|
研究论文 | 提出一种结合CEEMDAN分解和注意力机制RNN的集成深度学习模型，用于长江流域碳市场价格预测 | 首次将CEEMDAN分解与注意力机制RNN结合，并考虑多重影响因素进行碳价格预测 | 仅在中国长江流域三个试点地区进行验证，未在其他区域测试 | 提高碳交易市场价格预测的准确性 | 长江流域碳交易试点地区（上海市、湖北省、重庆市）的碳市场价格 | 机器学习 | NA | CEEMDAN分解，深度学习 | RNN, LSTM, GRU | 时间序列数据（碳价格和外部变量） | 长江流域3个碳交易试点地区数据 | NA | 注意力机制RNN，CEEMDAN-Attention-RNN集成模型 | 平均绝对百分比误差（MAPE） | NA |
| 914 | 2025-11-25 |
Multi-omics strategies for biomarker discovery and application in personalized oncology
2025-Nov-21, Molecular biomedicine
IF:6.3Q1
DOI:10.1186/s43556-025-00340-0
PMID:41269529
|
综述 | 本文系统综述了多组学策略在生物标志物发现和个性化肿瘤学中的应用框架与方法 | 提出了涵盖水平和垂直整合策略的多组学综合分析框架，特别强调机器学习和深度学习方法在数据解读中的应用 | 存在数据异质性、可重复性以及跨患者群体临床验证等主要挑战 | 为研究人员和临床医生提供多组学数据在生物标志物发现和个性化癌症护理中实施的当前方法和未来方向 | 多组学整合策略、分析工作流程、计算工具及其在肿瘤学中的应用 | 生物信息学 | 肿瘤 | 基因组学、转录组学、蛋白质组学、代谢组学、单细胞多组学、空间多组学 | 机器学习,深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 915 | 2025-11-25 |
High-capacity directional information processor using all-optical multilayered neural networks
2025-Nov-21, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adu0904
PMID:41270162
|
研究论文 | 提出一种基于超表面的方向性衍射深度神经网络，实现高容量信息处理 | 将波传播方向编码到神经网络中，引入新的自由度，实现方向依赖功能 | NA | 开发高容量光学信息处理器 | 数字和时尚产品分类、数据加密 | 光学神经网络 | NA | 超表面技术、几何相位控制、传播相位控制 | 衍射深度神经网络 | 光学信号 | NA | NA | 多层神经网络、三自旋解耦超表面 | NA | NA |
| 916 | 2025-11-25 |
Detection and Management of Geographic Atrophy Secondary to Age-Related Macular Degeneration Using Noninvasive Retinal Images and Artificial Intelligence: Systematic Review
2025-Nov-21, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/81328
PMID:41270236
|
系统综述 | 系统评估人工智能在年龄相关性黄斑变性继发地图样萎缩检测和管理中的应用性能 | 首次系统整合从初始检测到进展预测的地图样萎缩管理证据，使用多种无创成像技术 | 需要加强报告规范，确保跨人群和设备的数据多样性，在前瞻性多中心研究中实施严格的外部验证 | 评估人工智能在无创成像模式下检测和管理地图样萎缩的性能，并与临床专家评估作为金标准进行比较 | 年龄相关性黄斑变性继发地图样萎缩患者 | 医学影像分析 | 年龄相关性黄斑变性 | 彩色眼底照相、眼底自发荧光、近红外反射、频域光学相干断层扫描、扫频源光学相干断层扫描、3D光学相干断层扫描 | 深度学习 | 视网膜图像 | 至少24,592名参与者（检测：7,132人，评估和进展：14,064人，预测：6,706人），年龄范围50-94岁 | NA | U-Net, ResNet50, EfficientNetB4, Xception, Inception v3, PSC-UNet | 与临床专家评估比较的性能指标 | NA |
| 917 | 2025-11-25 |
Gradient descent in materia through homodyne gradient extraction
2025-Nov-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65155-7
PMID:41271705
|
研究论文 | 提出一种基于零差检测的梯度提取方法，可在物理系统中直接实现梯度下降 | 无需系统解析描述即可在物理系统中直接获取梯度信息，通过不同频率正弦波扰动参数实现可扩展的梯度提取 | NA | 开发适用于物理系统的高效能深度学习硬件实现方法 | 可重构非线性处理单元和物理材料系统 | 机器学习 | NA | 零差检测，正弦波扰动 | 物理神经网络 | 物理系统参数 | NA | NA | NA | NA | 物理材料系统 |
| 918 | 2025-11-25 |
Adaptive stretching of representations across brain regions and deep learning model layers
2025-Nov-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65231-y
PMID:41271767
|
研究论文 | 研究大脑区域和深度学习模型层中表征的自适应拉伸机制 | 发现大脑各区域和深度学习模型均会沿任务相关维度自适应拉伸表征，且无需显式注意力机制 | 仅针对颜色和运动方向两个维度进行研究，未探索其他感知维度 | 探究大脑和人工神经网络如何通过表征拉伸优化任务表现 | 猴子大脑多个区域（V4、MT、lateral PFC、FEF、LIP、IT）和深度学习模型 | 计算神经科学 | NA | 神经电生理记录，深度学习 | 深度学习模型 | 神经电生理信号，视觉输入数据 | 多个猴子大脑区域记录数据 | NA | NA | 任务表现误差 | NA |
| 919 | 2025-11-25 |
An intelligent YOLO and CNN-BiGRU framework for road infrastructure based anomaly assessment
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25030-3
PMID:41271820
|
研究论文 | 提出一种融合YOLOv11目标检测和CNN-BiGRU时序预测的智能道路基础设施异常评估框架 | 首次将数字孪生环境与YOLOv11和CNN-BiGRU模型结合，实现道路异常的空间检测与时序严重性预测一体化 | 未提及模型在极端天气条件下的泛化能力及长期部署的稳定性验证 | 开发实时智能道路基础设施监测系统以替代低效的人工巡检 | 道路坑洼、表面裂缝、模糊标线、积雪覆盖等关键道路状况 | 计算机视觉 | NA | 深度学习 | CNN, BiGRU, YOLO | 图像 | LiRA-CD公共数据集中的30,000多个实例 | TensorRT | YOLOv11, CNN-BiGRU | mAP@0.5, mAP@[0.5:0.95], AUROC, 精确率, 召回率, 特异性, F1分数, R², AAE, ASE | Intel i7-12700K CPU, NVIDIA RTX 3090 GPU, 32 GB DDR5 RAM |
| 920 | 2025-11-25 |
Advanced deep learning techniques for automated license plate recognition
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24967-9
PMID:41271827
|
研究论文 | 本研究通过结合YOLOv10和定制化Tesseract OCR引擎，开发了针对泰语-罗马字母混合车牌自动识别系统 | 首次采用YOLOv10与定制化Tesseract OCR相结合的方法解决泰语-罗马字母混合车牌识别难题 | 未明确说明在极端恶劣天气条件下的性能表现 | 提升自动车牌识别系统在复杂现实场景中的性能 | 泰语-罗马字母混合车牌 | 计算机视觉 | NA | 深度学习,光学字符识别 | YOLOv10,Tesseract OCR | 图像,视频 | 50,000张图像和10,000个视频片段 | PyTorch,Tesseract | YOLOv10 | 检测准确率,F1分数,推理时间 | Jetson Nano |