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 1821 篇文献，本页显示第 1281 - 1300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1281 | 2025-11-15 |
Illuminating radiogenomic signatures in pediatric-type diffuse gliomas: insights into molecular, clinical, and imaging correlations. Part I: high-grade group
2025-Nov, La Radiologia medica
DOI:10.1007/s11547-025-02078-9
PMID:40853542
|
综述 | 本综述系统分析了儿童型高级别弥漫性胶质瘤的分子特征、临床表现和影像学关联 | 整合2021年WHO中枢神经系统肿瘤分类最新分子标准，首次系统梳理四种儿童型高级别胶质瘤的放射基因组学特征 | 当前方法学存在局限，需要更大规模前瞻性研究验证 | 探索儿童型高级别胶质瘤的放射基因组学特征及其临床意义 | 四种儿童型高级别弥漫性胶质瘤：弥漫中线胶质瘤H3 K27改变型、弥漫半球胶质瘤H3 G34突变型、弥漫儿童型高级别胶质瘤H3野生型和IDH野生型、婴儿型半球胶质瘤 | 数字病理 | 脑胶质瘤 | 磁共振成像, 基因组学分析 | 深度学习 | 医学影像, 分子数据 | NA | NA | NA | NA | NA |
| 1282 | 2025-11-15 |
The Role of Artificial Intelligence in Orthodontics for Determining Skeletal Age Based on Cervical Vertebra Maturation Degree: A Comprehensive Review
2025-Nov, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.71487
PMID:41221429
|
综述 | 回顾人工智能在正畸学中基于颈椎成熟度评估骨骼年龄的不同应用 | 系统总结了AI在颈椎成熟度评估中的算法设计，特别关注深度学习技术在侧位头影测量片分析中的应用 | AI算法准确性受数据集大小、标注方法和模型设计等因素影响，仍需专家监督和临床判断 | 探讨人工智能在正畸学中评估骨骼年龄的应用 | 颈椎成熟度分期评估 | 医学影像分析 | 正畸治疗 | 侧位头影测量X光片分析 | CNN | 医学影像 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 1283 | 2025-11-15 |
Synthetic-to-real attentive deep learning for Alzheimer's assessment: A domain-agnostic framework for ROCF scoring
2025-Nov, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104929
PMID:41110737
|
研究论文 | 提出一种用于阿尔茨海默病评估的合成到真实深度学习框架，专注于ROCF测试的自动化评分 | 开发了轻量级数据合成流水线和专门设计的ROCF-Net模型，采用面向线条的注意力机制解决领域差异问题 | 未明确说明临床数据的具体规模和多样性限制 | 实现阿尔茨海默病的早期诊断和认知评估自动化 | 雷伊-奥斯特里特复杂图形(ROCF)测试绘图 | 数字病理 | 阿尔茨海默病 | 深度学习 | 深度学习模型 | 图像 | NA | NA | ROCF-Net | 平均绝对误差(MAE), 皮尔逊相关系数(PCC) | 轻量级计算成本 |
| 1284 | 2025-11-15 |
Lax-Pair-FIND: Discovering Lax pair from scarce data via deep learning
2025-Nov-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0278425
PMID:41236354
|
研究论文 | 提出一种从稀疏或噪声数据中发现Lax对的深度学习算法Lax-Pair-FIND | 首次将数据驱动方法应用于Lax对的发现，无需预先知道方程形式即可识别线性演化算子A | 需要已知谱算子L，且对数据稀疏性和噪声的鲁棒性仍需进一步验证 | 从数据中发现描述物理系统的Lax对数学方程 | 偏微分方程的Lax对 | 机器学习 | NA | 深度学习，稀疏优化 | 深度学习模型 | 数值模拟数据，实验数据 | NA | NA | NA | 数值模拟验证，实验验证 | NA |
| 1285 | 2025-11-14 |
A systematic review of computer-aided acupoint localization
2025-Nov-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.113708
PMID:41210988
|
系统综述 | 系统回顾了使用传统算法和深度学习在不同解剖区域进行穴位定位的研究文献 | 首次系统评估人工智能技术在穴位定位领域的应用效果与局限性 | 依赖现有文献质量，缺乏原始实验数据验证 | 评估自动化穴位定位技术的有效性、局限性和未来发展方向 | 穴位定位相关研究文献 | 计算机视觉 | NA | 深度学习，传统图像处理算法 | 深度学习模型 | 医学图像数据 | NA | NA | NA | NA | NA |
| 1286 | 2025-11-14 |
Dual-channel deep learning captures intratumoural heterogeneity on CECT for preoperative risk stratification of thymic epithelial tumors
2025-Nov-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.113683
PMID:41210998
|
研究论文 | 开发双通道深度学习框架用于胸腺上皮肿瘤的术前风险分层 | 结合双通道CNN与自适应动态聚类算法，首次在CECT图像上捕获肿瘤内异质性进行风险分层 | 样本量相对有限（336例），需进一步多中心验证 | 提高胸腺上皮肿瘤术前风险分层的准确性 | 胸腺上皮肿瘤患者 | 医学影像分析 | 胸腺上皮肿瘤 | 对比增强CT（CECT） | CNN | 医学影像 | 336例多中心胸腺上皮肿瘤患者 | NA | DenseNet121 | AUC | NA |
| 1287 | 2025-11-14 |
Light fuel classification based on Raman spectroscopy and region-adaptive convolutional neural networks
2025-Nov-13, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d5ay01009h
PMID:41178741
|
研究论文 | 提出基于拉曼光谱和区域自适应卷积神经网络的轻质燃料分类方法 | 将拉曼光谱划分为四个区域进行特异性特征提取，通过基于区域峰值密度的初始权重分配和自适应区域贡献约束机制增强模型对弱特征峰的识别能力 | 仅使用16种不同等级和来源的轻质燃料样本，样本多样性可能有限 | 开发快速准确的轻质燃料战场识别方法 | 汽油、柴油和航空燃料等轻质燃料 | 机器学习 | NA | 拉曼光谱 | CNN | 光谱数据 | 16种不同等级和来源的轻质燃料 | NA | 一维卷积神经网络 | 准确率, 精确率, 召回率, F1分数 | NA |
| 1288 | 2025-11-14 |
Prediction of single event effects in SiC MOSFET devices based on deep learning
2025-Nov-13, Nanotechnology
IF:2.9Q2
DOI:10.1088/1361-6528/ae1a8f
PMID:41183390
|
研究论文 | 提出基于深度学习的SiC MOSFET单粒子效应预测方法，通过SRIM-TCAD集成建模实现高效预测 | 首次将深度学习应用于SiC MOSFET单粒子效应预测，提出对称对数倒数数据缩放技术，实现比传统TCAD仿真快5-6个数量级的预测速度 | 仅针对SiC MOSFET器件进行研究，未验证在其他半导体器件上的适用性 | 开发高效准确预测SiC MOSFET单粒子效应的方法 | SiC MOSFET器件的单粒子效应 | 机器学习 | NA | SRIM-TCAD集成建模 | RDNN, CNN-GRU | 仿真数据 | 52,920个单粒子效应事件 | NA | 残差深度神经网络, 卷积神经网络-门控循环单元 | R² | NA |
| 1289 | 2025-11-14 |
Multi-sequence MRI deep learning and habitat radiomics for predicting mismatch repair status and prognosis in colorectal liver metastasis: a multicenter study
2025-Nov-13, La Radiologia medica
DOI:10.1007/s11547-025-02155-z
PMID:41231329
|
研究论文 | 基于多序列MRI的栖息地影像组学和深度学习模型预测结直肠癌肝转移的错配修复状态及预后 | 首次将栖息地影像组学与深度学习相结合，利用多序列MRI术前预测CRLM的MMR状态和预后 | 回顾性研究，样本量有限（178例患者） | 术前预测结直肠癌肝转移的错配修复状态和患者预后 | 结直肠癌肝转移患者 | 医学影像分析 | 结直肠癌肝转移 | 多序列MRI（T2WI、DWI、动态增强MRI） | 深度学习模型 | 医学影像 | 178例患者（训练集93例，内部验证集40例，外部验证集45例） | NA | NA | AUC, 95% CI, log-rank检验 | NA |
| 1290 | 2025-11-14 |
Resolution and quality enhancement of SPECT cerebral blood flow images using Pix2pix deep learning
2025-Nov-13, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-025-02129-1
PMID:41231365
|
研究论文 | 本研究使用Pix2pix深度学习框架提升SPECT脑血流图像的分辨率和图像质量 | 首次将Pix2pix机器学习框架应用于SPECT-CBF图像增强，使其在视觉和结构上更接近高质量的PET-CBF图像 | 样本量相对较小（73例患者），且仅针对脑缺血疑似患者进行研究 | 提升SPECT脑血流图像的空间分辨率和图像质量 | 73例疑似脑缺血患者的SPECT和PET脑血流图像 | 医学影像处理 | 脑缺血 | SPECT成像（使用123I-IMP）、PET成像（使用O-15标记气体） | GAN | 医学影像 | 73例患者（43例训练，15例测试，15例验证） | Pix2pix | Pix2pix | 视觉评分（5分制）、结构相似性指数（SSIM）、ROI定量分析、相关系数（r） | NA |
| 1291 | 2025-11-14 |
AI-Based Models for Risk Prediction in MASLD: A Systematic Review
2025-Nov-13, Digestive diseases and sciences
IF:2.5Q2
DOI:10.1007/s10620-025-09499-6
PMID:41231418
|
系统评价 | 评估基于AI的模型在MASLD风险预测和患者分层中的效能 | 首次系统评价AI模型在MASLD风险预测中的应用，重点关注临床显著疾病风险的识别 | 数据多样性不足和模型可解释性有限 | 评估AI模型在MASLD风险预测和患者分层中的效能 | MASLD患者，特别是≥F2纤维化、≥F3晚期纤维化或MASH风险个体 | 机器学习 | 代谢功能障碍相关脂肪性肝病 | 机器学习，深度学习 | NA | 临床特征，弹性成像，影像学数据 | 26项研究（2014-2025年），涵盖欧洲、美国、亚洲和南美洲的回顾性队列和横断面研究 | NA | NA | AUROC | NA |
| 1292 | 2025-11-14 |
Predicting Acute Kidney Injury with Nephrotoxic Burden in Non-Critical Patients: An Internal and External Validation Study
2025-Nov-12, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000998
PMID:41222992
|
研究论文 | 开发并验证深度学习模型用于动态预测非重症患者48小时内进展至2期或更高急性肾损伤 | 首次在多中心数据上开发并外部验证包含肾毒性药物负担等特征的深度学习预测模型 | 回顾性研究设计，仅包含两个医疗中心的数据 | 预测非重症患者急性肾损伤的进展风险 | 匹兹堡大学医学中心(39,755例)和佛罗里达大学健康中心(122,324例)的成年非重症患者 | 医疗健康 | 急性肾损伤 | 深度学习 | 深度学习模型 | 临床数据(人口统计学、合并症、药物、实验室检查、生命体征) | 总计162,079例患者(匹兹堡大学医学中心39,755例，佛罗里达大学健康中心122,324例) | NA | NA | AUROC(受试者工作特征曲线下面积) | NA |
| 1293 | 2025-11-14 |
Joint-Shrinkage Pattern Matching for Small-Sample and Imbalanced ERP Decoding in Brain-Computer Interfaces
2025-Nov-12, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3632096
PMID:41223103
|
研究论文 | 提出一种联合收缩模式匹配算法，用于解决脑机接口中小样本和类别不平衡的ERP解码问题 | 结合收缩正则化与ℓ₂,p范数构建联合收缩空间滤波器，并采用加权模板匹配模块缓解类别不平衡导致的决策边界偏移 | NA | 开发鲁棒的脑电信号解码算法以应对数据稀缺和类别不平衡的挑战 | 事件相关电位信号，特别是错误相关电位信号 | 脑机接口 | NA | 脑电信号处理 | 模式匹配算法 | 脑电信号 | 一个自收集数据集和两个公共ErrP数据集，仅需40个不平衡训练样本 | NA | 联合收缩模式匹配算法 | 平衡准确率 | NA |
| 1294 | 2025-11-14 |
Alzheimer's Disease Risk Prediction and Pathogeny Extraction Using Fuzzy Graph Evolutionary Generative Adversarial Network
2025-Nov-12, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3627582
PMID:41223111
|
研究论文 | 提出一种融合模糊图与深度学习的阿尔茨海默病风险预测及病因提取方法 | 首次将模糊图理论应用于疾病演化建模，提出模糊熵传播模型和模糊图进化生成对抗网络 | 未明确说明模型在不同疾病阶段的泛化能力 | 阿尔茨海默病的早期风险预测和病因机制探索 | 多组学脑疾病数据 | 数字病理学 | 阿尔茨海默病 | 多组学分析 | GAN | 多组学数据 | 多个脑疾病数据集（未明确具体数量） | NA | 模糊图进化生成对抗网络（FGE-GAN），包含模糊图卷积层（FGC） | 风险预测准确率 | NA |
| 1295 | 2025-11-14 |
Deep-Learning Tool ScVital Enables Species-Agnostic Integration of Cancer Cell States
2025-Nov-12, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-24-4889
PMID:41223329
|
研究论文 | 开发了跨物种整合癌症细胞状态的深度学习工具scVital | 提出物种无关的潜在空间嵌入方法和新的批次校正评估指标LSS评分 | 未明确说明计算资源需求和模型可扩展性 | 开发跨物种癌症细胞状态整合的计算工具 | 基因工程小鼠模型和原发性患者样本的scRNA-seq数据 | 计算生物学 | 胰腺导管腺癌,肺腺癌,未分化多形性肉瘤 | 单细胞RNA测序(scRNA-seq) | 变分自编码器(VAE) | 单细胞转录组数据 | NA | NA | 变分自编码器 | 潜在空间相似性评分(LSS) | NA |
| 1296 | 2025-11-14 |
MSInet: A Self-Supervised CNN Framework Integrating Global and Local Context for Robust Mass Spectrometry Imaging Segmentation
2025-Nov-11, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04885
PMID:41148111
|
研究论文 | 提出一种自监督CNN框架MSInet，通过整合全局和局部上下文信息实现稳健的质谱成像分割 | 结合补丁对比学习和超像素引导优化的双重一致性设计，同时增强全局语义关系和局部空间一致性 | NA | 开发无需标注的质谱成像分割方法以克服高维度和组织异质性挑战 | 小鼠脑组织MALDI-MSI、肾肿瘤组织DESI-MSI和合成数据集 | 数字病理 | 肾肿瘤 | 质谱成像（MALDI-MSI，DESI-MSI） | CNN | 质谱成像数据 | NA | NA | MSInet | 调整兰德指数，归一化互信息，轮廓系数 | NA |
| 1297 | 2025-11-14 |
AbEgDiffuser: Antibody Sequence-Structure Codesign with Equivariant Graph Neural Networks and Diffusion Models
2025-Nov-11, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00990
PMID:41166637
|
研究论文 | 提出一种基于等变图神经网络和扩散模型的抗体序列结构协同设计框架AbEgDiffuser | 首次将扩散模型与等变图神经网络结合用于抗体序列结构协同设计，并引入预训练蛋白质语言模型增强进化合理性 | 未明确说明模型的计算复杂度和生成抗体的实验验证结果 | 开发深度学习驱动的特异性抗体设计方法以加速药物发现 | 抗体序列和三维结构 | 计算生物学 | NA | 深度学习生成模型 | 扩散模型, 等变图神经网络 | 蛋白质序列和结构数据 | NA | NA | 双层等变图神经网络, ESM-2 | 序列准确性, 结构准确性, 结合亲和力 | NA |
| 1298 | 2025-11-14 |
[Lesion detection in optical coherence tomography based on lightweight convolutional neural networks]
2025-Nov-11, [Zhonghua yan ke za zhi] Chinese journal of ophthalmology
|
研究论文 | 基于轻量级卷积神经网络实现光学相干断层扫描图像的自动化病灶检测 | 首次成功实现九类OCT图像的自动识别，临床性能达到中级医师水平 | 回顾性研究，需要进一步前瞻性验证 | 开发基于轻量级卷积神经网络的OCT图像病灶自动检测系统 | 光学相干断层扫描图像 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描 | CNN | 图像 | 50,374个OCT图像样本，来自四川省人民医院及多个外部数据集 | NA | 轻量级卷积神经网络 | 准确率,F1分数,召回率,AUC,精确率,特异性 | NA |
| 1299 | 2025-11-14 |
Data Fusion of Deep Learned Molecular Embeddings for Property Prediction
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01728
PMID:41144852
|
研究论文 | 提出一种融合深度学习分子嵌入的多任务学习方法，用于提升稀疏数据下的材料性质预测性能 | 通过融合预训练单任务模型生成的深度嵌入，构建优于标准多任务学习的模型，减少可训练参数数量 | 方法性能依赖于预训练单任务模型的质量和嵌入表示的有效性 | 解决稀疏数据条件下材料性质预测的准确性问题 | 小分子的量子化学数据和实验数据 | 机器学习 | NA | 量子化学计算、热化学计算 | 深度学习 | 分子数据、量子化学数据、实验数据 | 广泛使用的基准数据集和新编译的稀疏数据集 | NA | 深度嵌入模型 | 预测准确性 | NA |
| 1300 | 2025-11-14 |
Explainable Analysis for New Psychoactive Substance Identification with Chemical Insights
2025-Nov-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01884
PMID:41147629
|
研究论文 | 提出一种用于新型精神活性物质识别的可解释深度推理模型NPS-EDR | 采用两阶段预测-解释框架，结合化学先验知识进行结构功能解释，通过协同训练模式特定专家和强化学习确保解释与答案的一致性 | NA | 开发可解释的深度学习方法用于新型精神活性物质识别 | 新型精神活性物质和药物分子 | 机器学习 | NA | 深度学习 | 强化学习 | 化学分子数据 | 超过2900个NPS和药物分子 | NA | NPS-EDR | 准确率, 精确率, 透明度 | NA |