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 1819 篇文献，本页显示第 981 - 1000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 981 | 2025-11-23 |
Prompt guiding multi-scale adaptive sparse representation-driven network for low-dose CT MAR
2025-Nov-13, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103870
PMID:41270401
|
研究论文 | 提出一种提示引导的多尺度自适应稀疏表示驱动网络PMSRNet，用于低剂量CT重建与金属伪影减少的联合任务 | 设计了提示引导尺度自适应阈值生成器和多尺度系数融合模块，能够同时利用尺度内特征和跨尺度互补性；通过提示引导策略实现单一模型适应多种剂量水平 | 未明确说明模型在极端剂量条件下的性能表现和临床验证结果 | 解决低剂量CT重建与金属伪影减少的联合任务 | 低剂量CT图像 | 医学影像处理 | NA | CT成像 | 深度学习网络 | CT图像 | NA | NA | PMSRNet, PDuMSRNet | NA | NA |
| 982 | 2025-11-23 |
Assessing deep learning models for multi-class upper endoscopic disease segmentation: A comprehensive comparative study
2025-Nov-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i41.111184
PMID:41262538
|
研究论文 | 本研究对17种深度学习模型在上消化道多类别疾病分割任务中的表现进行了全面比较分析 | 首次系统比较了基于CNN、Transformer和Mamba架构的17种先进模型在上消化道多类别疾病分割任务中的表现，并特别关注临床转化和实时应用潜力 | 跨数据集评估显示模型泛化能力有限（泛化保留率64.78%-71.52%），需要更强大的临床验证 | 评估深度学习模型在上消化道多类别疾病分割中的性能，识别适合临床应用的最佳模型 | 上消化道疾病的内镜图像 | 计算机视觉 | 上消化道疾病 | 内镜检查 | CNN, Transformer, Mamba | 图像 | 自收集数据集3313张图像（9个类别），公共EDD2020数据集386张图像（5个类别） | NA | Swin-UMamba, SegFormer, ConvNeXt + UPerNet, 金字塔视觉Transformer v2 + 高效多尺度卷积解码 | 交并比(IoU), 性能效率权衡得分 | NA |
| 983 | 2025-11-23 |
High-throughput Raman platform for microplastics detection on filtration membranes
2025-Nov-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.140101
PMID:41109029
|
研究论文 | 开发了一种集成线扫描拉曼成像平台，用于滤膜上微塑料的高通量检测与分析 | 结合马赛克扫描拉曼光谱和光学显微镜，集成先进深度学习分割算法，实现快速高通量微塑料分析 | 在结构复杂的滤膜表面进行拉曼测量存在挑战，仅能检测≥10μm的微塑料 | 开发高通量微塑料检测平台，解决当前技术无法提供大量微塑料化学和形态分布分析的难题 | 47毫米直径滤膜上的微塑料颗粒 | 环境监测 | NA | 拉曼光谱，光学显微镜，马赛克扫描拉曼光谱 | 深度学习分割算法 | 光谱数据，空间数据，图像数据 | 47毫米直径滤膜 | NA | NA | 统计可靠性 | NA |
| 984 | 2025-11-23 |
Integrative deep learning of spatial multi-omics with SWITCH
2025-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00891-w
PMID:41162770
|
研究论文 | 提出一种名为SWITCH的深度生成模型，用于整合空间多组学数据并进行跨模态预测 | 引入循环映射机制，无需配对数据即可实现可靠的跨模态转换，并通过伪配对提供补充信号 | 未明确说明模型对数据质量和规模的敏感性 | 开发计算方法来整合未配对的空间多组学数据并实现跨模态预测 | 空间多组学数据 | 机器学习 | NA | 空间组学技术 | 深度生成模型 | 空间多组学数据 | NA | NA | SWITCH | 整合准确性，空间域划分精度 | NA |
| 985 | 2025-11-23 |
A machine learning framework using urinary biomarkers for pancreatic ductal adenocarcinoma prediction with post hoc validation via single-cell transcriptomics
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf583
PMID:41212589
|
研究论文 | 开发基于尿液生物标志物和人口统计学数据的机器学习框架用于胰腺导管腺癌预测，并通过单细胞转录组学进行验证 | 首次结合尿液生物标志物与人口统计学数据构建PDAC预测模型，并利用单细胞RNA测序验证生物标志物的表达显著性 | 需要不同数据集验证框架的泛化能力，尚未整合其他组学数据 | 开发早期准确诊断胰腺导管腺癌的预测工具 | 胰腺导管腺癌患者尿液生物标志物和人口统计学数据 | 机器学习 | 胰腺癌 | 单细胞RNA测序(scRNA-seq) | 机器学习,深度学习 | 生物分子数据,人口统计学数据 | NA | NA | NA | 准确率 | NA |
| 986 | 2025-11-21 |
RETRACTION: A Novel Deep Learning Framework for Accurate Melanoma Diagnosis Integrating Imaging and Genomic Data for Improved Patient Outcomes
2025-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.70296
PMID:41261496
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 987 | 2025-11-23 |
The promise of artificial intelligence and machine learning for migraine treatment outcome prediction: A narrative review
2025-Nov, Cephalalgia : an international journal of headache
IF:5.0Q1
DOI:10.1177/03331024251395541
PMID:41269887
|
综述 | 本文综述了人工智能和机器学习在偏头痛治疗结果预测中的应用现状与前景 | 系统总结了AI模型在偏头痛治疗预测中的创新应用，包括数字孪生、对话式AI和虚拟AI代理等新兴技术 | 现有研究仍需进一步优化模型、加强验证并在真实临床环境中进行前瞻性评估 | 探讨人工智能在优化偏头痛个体化治疗策略中的潜力 | 偏头痛患者的治疗结果预测 | 机器学习 | 偏头痛 | 机器学习，深度学习 | NA | 临床特征数据，影像数据 | NA | NA | NA | NA | NA |
| 988 | 2025-11-22 |
FetalDenseNet: multi-scale deep learning for enhanced early detection of fetal anatomical planes in prenatal ultrasound
2025-Nov-25, Journal of perinatal medicine
IF:1.7Q2
DOI:10.1515/jpm-2025-0249
PMID:40983600
|
研究论文 | 本研究开发了FetalDenseNet多尺度深度学习模型，用于增强产前超声中胎儿解剖平面的早期检测 | 比较了五种CNN架构在胎儿超声图像分类中的性能，发现DenseNet169在大型临床验证数据集上表现最佳 | 仅评估了五种CNN架构，可能未涵盖所有先进的深度学习模型 | 提高胎儿解剖平面的分类准确性以改善胎儿超声解读 | 胎儿超声图像中的解剖平面 | 计算机视觉 | 产前诊断 | 超声成像 | CNN | 图像 | 12,400张超声图像来自1,792名患者 | NA | VGG16, ResNet50, InceptionV3, DenseNet169, MobileNetV2 | 准确率 | NA |
| 989 | 2025-11-22 |
Cortical surface electric field estimation for real-time TMS with graph neural networks
2025-Nov-21, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae1ee7
PMID:41223543
|
研究论文 | 开发了一种基于图神经网络的实时经颅磁刺激皮层表面电场估计方法 | 无需构建3D解剖头部模型，通过图神经网络直接在二维皮层表面网格上实现电场估计 | NA | 实现经颅磁刺激中皮层表面电场的实时估计 | 人类头部磁共振图像和皮层表面电场 | 医学图像分析 | 神经系统疾病 | 经颅磁刺激，磁共振成像 | 图神经网络，U-Net | 三维头部磁共振图像 | NA | NA | GNN，U-Net | 估计精度，计算速度 | NA |
| 990 | 2025-11-22 |
TEMC-Cas: Accurate Cas Protein Classification via Combined Contrastive Learning and Protein Language Models
2025-Nov-21, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.5c00631
PMID:41100703
|
研究论文 | 提出一种结合对比学习和蛋白质语言模型的Cas蛋白准确分类框架TEMC-Cas | 将精细调优的ESM蛋白质语言模型与对比学习相结合，利用进化尺度建模捕捉远缘同源性，通过对比学习区分密切相关的亚型 | NA | 开发准确的Cas蛋白分类方法以理解CRISPR-Cas系统和开发基因组编辑工具 | Cas1-Cas13家族和17种Cas12亚型的蛋白质 | 机器学习 | NA | 蛋白质序列分析 | 深度学习, 对比学习 | 蛋白质序列数据 | NA | PyTorch | ESM蛋白质语言模型 | 分类准确率 | NA |
| 991 | 2025-11-22 |
Spinal Cord Segmentation and Injury Detection based on Siamese Conventional WideRes Network using CT Image
2025-Nov-21, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-025-09587-1
PMID:41266913
|
研究论文 | 提出基于孪生卷积宽残差网络的CT图像脊髓分割与损伤检测新方法 | 首次将孪生卷积神经网络与宽残差网络结合用于脊髓损伤检测，并集成Mask R-CNN分割和主动轮廓椎间盘定位技术 | 未明确说明数据集规模和类别不平衡问题的具体处理方式 | 开发精确的脊髓分割和损伤检测深度学习系统 | 脊髓CT图像中的脊髓区域和损伤病变 | 医学影像分析 | 脊髓损伤 | CT成像 | CNN, Siamese Network | CT图像 | NA | NA | Mask R-CNN, WideResNet, Siamese CNN | 准确率, 真阴性率, 真阳性率 | NA |
| 992 | 2025-11-22 |
A Paradigm Shift in Congenital Heart Disease: A Scientometric Portrait of the Rise of Computational Intelligence
2025-Nov-21, Pediatric cardiology
IF:1.5Q2
DOI:10.1007/s00246-025-04102-1
PMID:41269260
|
文献计量分析 | 通过文献计量学方法分析人工智能在先天性心脏病研究领域的全球发展态势 | 首次系统描绘人工智能在先天性心脏病研究领域的全球知识图谱和发展轨迹 | 仅基于Web of Science数据库文献，可能遗漏部分相关研究 | 揭示人工智能在先天性心脏病研究领域的全球研究格局和发展趋势 | 500篇与先天性心脏病人工智能应用相关的科学出版物 | 机器学习 | 先天性心脏病 | 文献计量分析 | 深度学习 | 文献元数据 | 500篇出版物 | VOSviewer, Bibliometrix R | NA | NA | NA |
| 993 | 2025-11-22 |
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 | 面临数据隐私保护、系统集成复杂性和临床验证等挑战 | 分析人工智能增强型光学生物传感器在即时诊断领域的应用潜力与发展方向 | 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 | NA | NA | NA | 灵敏度、特异性、多重检测能力 | 物联网、云计算 |
| 994 | 2025-11-22 |
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 | 提出一种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 | 首次将时间序列高低频分解与CNN结合用于混合气体分析，通过分解信号分别估计浓度均值和偏差 | 仅针对四种特定大气污染物（CO、NO、SO、HCHO）进行研究，未验证对其他气体的适用性 | 开发混合气体中污染物浓度估计和成分识别的新方法 | 四种大气污染物（CO、NO、SO、HCHO）及其混合气体 | 机器学习和信号处理 | NA | 气体传感器阵列技术 | CNN | 时间序列传感器数据 | 通过自动化气体混合采集系统生成的预设比例混合气体数据集 | NA | 基于CNN的深度学习模型 | 估计精度 | NA |
| 995 | 2025-11-22 |
A transfer learning framework for PTP1B inhibitor activity prediction: differential modeling of natural and non-natural products with web platform implementation
2025-Nov-20, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11400-6
PMID:41264203
|
研究论文 | 开发了一个基于迁移学习的PTP1B抑制剂活性预测框架，专门针对天然产物和非天然产物分别建模，并实现了在线预测平台 | 首次将PTP1B抑制剂数据集按天然产物和非天然产物分离建模，并应用迁移学习技术提升天然产物的预测性能 | 未明确说明数据集的具体规模和来源限制 | 开发针对PTP1B抑制剂的深度学习活性预测模型，提高药物筛选效率 | PTP1B抑制剂和诱饵分子，包括天然产物和非天然产物 | 机器学习 | 糖尿病,肥胖症,癌症 | 深度学习,迁移学习 | 图神经网络,多层感知机,Transformer | 分子结构数据,SMILES字符串,分子指纹 | NA | NA | Attentive FP,多层感知机-ECFP4,PubChem10M_SMILES_BPE_450k | 五折交叉验证 | NA |
| 996 | 2025-11-22 |
DeepMCL-DTI: predicting drug-target interactions using multi-channel deep learning with attention mechanism
2025-Nov-20, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11402-4
PMID:41264204
|
研究论文 | 提出一种基于注意力机制的多通道深度学习模型DeepMCL-DTI，用于预测药物-靶点相互作用 | 采用四通道特征提取架构（GraphSAGE和CNN用于药物特征，ProtBert和BiConvLSTM用于蛋白质特征）和跨空间与通道维度的交互注意力模块 | 未明确说明模型的可解释性和计算效率限制 | 开发更准确的药物-靶点相互作用预测方法以加速药物发现 | 药物分子和蛋白质靶点 | 生物信息学，机器学习 | NA | 深度学习，注意力机制 | CNN, LSTM, Graph Neural Network, Transformer | 药物分子图数据，蛋白质序列数据 | DrugBank和Davis数据集 | NA | GraphSAGE, CNN, ProtBert, BiConvLSTM | NA | NA |
| 997 | 2025-11-22 |
IMF-DDI: Information Mapping and Fusion Framework for Drug-drug Interaction Prediction
2025-Nov-20, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00781-9
PMID:41264226
|
研究论文 | 提出一种结合多源外部实体信息的药物相互作用预测框架IMF-DDI | 通过信息映射模块捕获药物分子与多外部实体的关联，并利用多源信息融合模块整合信息生成药物分子表征 | 未明确说明模型对未知药物相互作用的泛化能力验证 | 提升药物相互作用预测的准确性和泛化能力 | 药物分子及其相互作用关系 | 机器学习 | NA | 深度学习 | NA | 药物分子结构数据，药物相互作用数据 | DrugBank和TWOSIDES数据集 | NA | 信息映射模块，多源信息融合模块 | NA | NA |
| 998 | 2025-11-22 |
NeuralFlux: Estimation of Reaction Fluxes at a Genome-Scale Level From Time-Resolved Isotope Labelling Patterns Using Deep Learning
2025-Nov-20, Plant biotechnology journal
IF:10.1Q1
DOI:10.1111/pbi.70470
PMID:41264380
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 999 | 2025-11-22 |
Multirate Industrial Process Forecasting With Hybrid Deep Learning and Adaptive Filtering
2025-Nov-20, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3631923
PMID:41264431
|
研究论文 | 提出一种混合深度学习框架解决多速率工业过程预测中采样频率变化和缺失数据的挑战 | 结合时间序列分解、倒置Transformer特征提取和改进最小门控单元网络，并引入基于死区卡尔曼滤波的自适应参数更新算法处理缺失质量变量 | NA | 提高多速率工业过程预测的准确性和鲁棒性 | 工业过程数据 | 机器学习 | NA | 时间序列分解，自适应滤波 | Transformer, MGU | 时间序列数据 | 真实工业数据集 | NA | iTransformer, 改进最小门控单元 | 平均绝对误差, 均方根误差, 合格率 | NA |
| 1000 | 2025-11-22 |
Deep Learning-Based Skin Lesion Classification: A CNN Approach on High-Frequency Ultrasound Imaging
2025-Nov-20, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70125
PMID:41267329
|
研究论文 | 本研究评估深度学习模型在高频超声皮肤病变图像中的二分类性能 | 首次比较单一模态与多模态（B模式和Doppler模式）CNN架构在皮肤病变分类中的表现，并提出Unity和Cascade两种融合架构 | 未明确说明样本量大小，数据质量对结果影响较大 | 开发基于高频超声图像的皮肤病变自动分类方法 | 皮肤病变的高频超声图像 | 计算机视觉 | 皮肤病变 | 高频超声成像（B模式和Doppler模式） | CNN | 超声图像 | NA | NA | Unity, Cascade | 准确率, AUC | NA |