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 1931 篇文献，本页显示第 1421 - 1440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1421 | 2025-11-14 |
Interpretable convolutional neural network for autism diagnosis support in children using structural magnetic resonance imaging datasets
2025-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.6.064501
PMID:41210923
|
研究论文 | 本研究开发了一种可解释的卷积神经网络模型，利用儿童结构磁共振成像数据支持自闭症诊断 | 首次在儿童自闭症诊断中结合深度学习和可解释性方法，通过显著性图识别与自闭症相关的关键脑区生物标志物 | 研究样本仅限于9-11岁儿童，样本量相对有限，且仅使用单一数据库的数据 | 评估基于sMRI的可解释深度学习模型在儿童自闭症诊断中的可行性 | 452名9-11岁儿童的结构磁共振成像数据，包括自闭症患者和正常发育儿童 | 医学影像分析 | 自闭症 | 结构磁共振成像 | CNN | 医学影像 | 452例T1加权sMRI扫描 | NA | 卷积神经网络 | AUC | NA |
| 1422 | 2025-11-14 |
Deep learning for digital pathology: A critical overview of methodological framework
2025-Nov, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100514
PMID:41211482
|
综述 | 本文对数字病理学中的深度学习框架进行了批判性概述，重点介绍了计算方法的最新进展 | 对数字病理学深度学习框架的数学创新进行批判性审视，并提供多种模型的比较分析 | NA | 概述数字病理学中深度学习框架的方法论进展 | 数字病理学中的深度学习方法和模型 | 数字病理学 | NA | NA | NA | 全切片图像 | NA | NA | NA | 精度 | NA |
| 1423 | 2025-11-14 |
BBATProt: a framework predicting biological function with enhanced feature extraction via interpretable deep learning
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf593
PMID:41212592
|
研究论文 | 提出一种基于可解释深度学习的蛋白质功能预测框架BBATProt，通过增强特征提取提高预测性能 | 结合BERT预训练模型、双向LSTM、时序卷积网络和注意力机制，实现局部和全局特征提取，提供可解释性可视化 | NA | 从氨基酸序列准确预测蛋白质和肽的生物功能 | 蛋白质和肽的氨基酸序列 | 生物信息学 | NA | 深度学习 | BERT, BiLSTM, TCN, Attention | 蛋白质序列数据 | NA | NA | BERT-BiLSTM-Attention-TCN | 准确率, AUC | NA |
| 1424 | 2025-11-14 |
ImmFinder: A Multiomics-Based Neural Network Approach for Predicting the Immune Genes in Livestock
2025-Nov, Omics : a journal of integrative biology
IF:2.2Q3
DOI:10.1177/15578100251389910
PMID:41115712
|
研究论文 | 提出一种基于多组学数据的全连接神经网络方法ImmFinder，用于预测牲畜免疫基因分类 | 首次将多模态深度学习应用于牲畜免疫基因分类，整合基因组学和转录组学数据 | 依赖现有牛基因组和转录组数据集训练，可能限制对其他品种或物种的泛化能力，需要额外实验验证 | 开发准确高效的免疫基因分类方法以理解免疫机制与疾病抗性关联 | 牛免疫基因与非免疫基因 | 生物信息学 | NA | 基因组学, 转录组学 | FCNN | 基因组数据, 转录组数据 | NA | Python | 全连接神经网络 | 准确率, F1分数, 精确率, 召回率, AUC-ROC | NA |
| 1425 | 2025-11-14 |
Deep Learning-based Opportunistic CT Osteoporosis Screening and the Establishment of Normative Values
2025-Nov, Radiology
IF:12.1Q1
DOI:10.1148/radiol.250917
PMID:41217284
|
研究论文 | 开发基于深度学习的自动化CT骨质疏松机会性筛查方法，建立不同CT协议和扫描仪模型的标准化校正方法 | 首次开发可重复的3D卷积神经网络自动识别骨小梁感兴趣区域，建立跨CT协议和扫描仪模型的标准化校正方法 | 回顾性研究设计，未包含所有CT扫描仪型号 | 开发自动化骨质疏松机会性筛查方法并建立诊断阈值 | 283,499名患者的538,946次CT检查 | 数字病理 | 骨质疏松 | CT成像 | CNN | 3D医学图像 | 283,499名患者，538,946次CT检查，涵盖43种扫描仪型号和6种管电压 | NA | 3D卷积神经网络 | 医师手动验证一致性(>99%) | NA |
| 1426 | 2025-11-14 |
Artificial Intelligence-Enhanced Electrocardiography for Complete Heart Block Risk Stratification
2025-Nov-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2025.2522
PMID:40833775
|
研究论文 | 开发人工智能增强心电图模型用于预测完全性心脏传导阻滞风险 | 首次开发深度学习模型预测完全性心脏传导阻滞风险，使用残差卷积神经网络架构和离散时间生存损失函数 | 研究基于回顾性队列数据，需要前瞻性验证 | 开发AI-ECG风险估计器预测完全性心脏传导阻滞发生风险 | 心电图数据和患者队列 | 医疗人工智能 | 心血管疾病 | 心电图分析 | CNN | 心电图信号 | Beth Israel Deaconess医学中心1,163,401份心电图来自189,539名患者；UK Biobank队列50,641份心电图来自189,539名患者 | NA | 残差卷积神经网络 | C指数, AUROC, 调整后风险比 | NA |
| 1427 | 2025-11-13 |
Deep learning model to identify and validate hypotension endotypes in surgical and critically ill patients. Response to Br J Anaesth 2025; 135: 249-50
2025-Nov, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2025.07.066
PMID:40885701
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1428 | 2025-11-14 |
Hybrid AI Model With CNNs and Vision Transformers for Precision Pest Classification in Crops
2025-Nov, Food science & nutrition
IF:3.5Q2
DOI:10.1002/fsn3.71174
PMID:41221087
|
研究论文 | 提出了一种融合CNN和视觉Transformer的混合深度学习模型HyPest-Net，用于农作物害虫的精确分类 | 集成CNN局部特征提取、通道与空间注意力机制以及视觉Transformer模块，解决视觉相似物种、背景干扰和光照变化等挑战 | NA | 开发有效的害虫管理技术，实现害虫的及时准确识别 | 农作物害虫 | 计算机视觉 | NA | 深度学习 | CNN, Vision Transformer | 图像 | 两个基准数据集：水稻害虫数据集（5类）和危险农场昆虫数据集（15类） | NA | HyPest-Net（集成CNN、注意力机制、ViT-B/16） | 准确率, 精确率, 敏感度, 特异性, F1分数 | NA |
| 1429 | 2025-11-13 |
Exploring the enantioselective synthesis mechanism of ammonium cations in solution using deep learning potential
2025-Nov-12, Physical chemistry chemical physics : PCCP
IF:2.9Q1
DOI:10.1039/d5cp03439f
PMID:41147815
|
研究论文 | 本研究提出结合主动学习、分子动力学和深度学习势的模拟工作流，用于探索溶液中铵阳离子的对映选择性合成机制 | 开发了集成AIMD和DLPMD的主动学习工作流，能够模拟大分子系统在长时间尺度下的对映选择性反应机制 | NA | 提高复杂溶液中不对称合成预测准确性，探索对映选择性反应机制 | 由1,1'-联-2-萘酚支架催化的季铵阳离子的对映选择性合成 | 机器学习 | NA | 分子动力学模拟，深度学习势分子动力学，主动学习工作流 | 深度学习势 | 分子模拟数据 | NA | NA | NA | 与实验观测的手性结果一致性，HNMR光谱验证 | NA |
| 1430 | 2025-11-13 |
Deep learning-enhanced zero echo time silent brain magnetic resonance imaging in infants without sedation
2025-Nov-12, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06413-0
PMID:41219520
|
研究论文 | 本研究评估深度学习重建技术在婴儿零回波时间静音脑磁共振成像中的应用效果 | 首次将深度学习重建技术应用于婴儿零回波时间静音MRI，并与传统镇静MRI进行对比 | 回顾性研究设计，样本量相对有限（78例婴儿） | 评估深度学习重建对婴儿零回波时间静音脑MRI图像质量的提升效果 | 78名孕后年龄≤16个月的婴儿 | 医学影像分析 | 儿科神经影像 | 磁共振成像，零回波时间序列，深度学习重建 | 深度学习 | 医学影像 | 78名婴儿 | NA | NA | Likert量表评分，变异系数，Mann-Whitney U检验，Cohen's kappa系数 | NA |
| 1431 | 2025-11-13 |
Charting the virosphere: computational synergies of AI and bioinformatics in viral discovery and evolution
2025-Nov-12, Journal of virology
IF:4.0Q2
DOI:10.1128/jvi.01554-25
PMID:41222234
|
综述 | 探讨人工智能与生物信息学在病毒发现和进化研究中的协同作用 | 提出整合AI模式识别与经典生物信息学的统一计算策略，突破传统同源性分析的限制 | AI驱动方法面临计算负担、数据集偏差、可解释性有限和假阳性率较高等挑战 | 加速病毒发现、增强进化洞察力并加强全球对新发传染病的防范能力 | 病毒基因组和蛋白质 | 生物信息学 | 传染病 | 宏基因组测序 | CNN, RNN, Transformer, GNN | 基因组序列，蛋白质结构 | NA | NA | AlphaFold, ESMFold, Foldseek | 灵敏度，可扩展性，假发现率 | NA |
| 1432 | 2025-11-13 |
Role of machine learning segmentation method based on CT images in preoperative staging of oral cavity cancer
2025-Nov-12, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09824-9
PMID:41222634
|
研究论文 | 基于CT图像的机器学习分割方法在口腔癌术前分期中的应用研究 | 采用定制化U-Net深度学习架构实现口腔鳞状细胞癌肿瘤和淋巴结转移的自动分割与分期预测 | 样本量相对有限（179例CT图像），肿瘤分级分类准确率有待提升（75%） | 验证机器学习方法在口腔癌术前T和N分期中的准确性 | 口腔鳞状细胞癌（OSCC）患者的CT图像数据 | 医学影像分析 | 口腔癌 | 对比增强计算机断层扫描（CT） | 深度学习 | 医学影像 | 179例对比增强CT图像（包含肿瘤和淋巴结转移两个数据集） | NA | U-Net | 准确率, 二元准确率 | NA |
| 1433 | 2025-11-13 |
A deep learning-based MRI automatic detection model for spinal schwannoma and meningioma
2025-Nov-12, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03468-x
PMID:41222816
|
研究论文 | 开发基于深度学习的MRI自动检测模型用于脊柱神经鞘瘤和脑膜瘤检测 | 在YOLOv8n基础上引入选择性核融合模块和递归门控卷积改进特征融合层 | 仅使用单中心103例回顾性数据，样本量有限 | 实现脊柱神经鞘瘤和脑膜瘤的自动检测与鉴别诊断 | 103例经病理证实的脊柱神经鞘瘤和脑膜瘤患者 | 计算机视觉 | 脊柱肿瘤 | 磁共振成像 | YOLO | 医学影像 | 103例经病理证实的病例 | NA | YOLOv8n-SKNeck | 准确率, 召回率, F1分数 | NA |
| 1434 | 2025-11-13 |
LKE-DTA: predicting drug-target binding affinity with large language model representations and knowledge graph embeddings
2025-Nov-12, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11394-1
PMID:41222841
|
研究论文 | 提出融合大语言模型和知识图谱的LKE-DTA框架，用于预测药物-靶点结合亲和力 | 首次将大语言模型与知识图谱协同集成，并提出双多头注意力机制动态融合异质嵌入 | NA | 提高药物-靶点结合亲和力预测的准确性 | 药物和蛋白质 | 机器学习 | NA | 深度学习 | 注意力机制 | 分子表示，知识图谱嵌入 | 基准数据集（Davis、KIBA）和独立测试集 | NA | 双多头注意力机制 | MSE, MAE, CI, r | NA |
| 1435 | 2025-11-13 |
SAFT: Real-Time Tracking and Mapping With Self-Supervised Robust Stereo Matching for Underwater Vehicles
2025-Nov-11, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3618666
PMID:41217922
|
研究论文 | 提出一种基于自监督鲁棒立体匹配的水下机器人实时跟踪与建图框架SAFT | 提出三种关键创新：集成成本聚合与迭代优化的立体匹配网络、利用时空约束的自监督损失函数、集成自监督模型的实时跟踪建图算法 | NA | 解决水下机器人因视觉质量退化、特征模糊和计算资源有限而面临的鲁棒高效跟踪与建图挑战 | 水下机器人 | 计算机视觉 | NA | 立体匹配 | 深度学习网络 | 立体图像 | 公共和定制水下数据集 | PyTorch | SAFT-Stereo, SAFT-DSOL | 泛化性能, 推理时间, 跟踪稳定性, 重建质量 | 实时计算资源 |
| 1436 | 2025-11-13 |
Visible Light-Near Infrared Hyperspectral Imaging and Deep Learning Enable Rapid, Non-Staining Assessment of Lung Adenocarcinoma
2025-Nov-11, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500362
PMID:41220170
|
研究论文 | 本研究开发了一种结合可见光-近红外高光谱成像和深度学习的非破坏性基因分型方法，用于快速评估肺腺癌驱动基因突变 | 首次将可见光-近红外高光谱成像与双分支深度学习融合框架相结合，实现对未染色病理切片的非破坏性基因分型 | 研究样本量相对有限（90例临床标本），需要在更大规模数据集中验证 | 开发一种非侵入性、快速评估肺腺癌驱动基因突变的方法 | 肺腺癌患者的临床病理标本 | 生物医学光子学 | 肺腺癌 | 可见光-近红外高光谱成像（400-1000 nm） | 深度学习融合框架，XGBoost | 高光谱图像 | 90例临床标本 | NA | 双分支融合网络 | 准确率，ROC曲线下面积（AUC） | NA |
| 1437 | 2025-11-13 |
Developments in diagnosis and treatment of early hypopharyngeal carcinoma and precancerous lesions: A review
2025-Nov-07, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000045617
PMID:41204550
|
综述 | 总结早期下咽癌及癌前病变诊断与治疗的最新进展 | 专门聚焦早期下咽癌的综述，系统整合了窄带成像放大内镜和人工智能等新兴诊断技术以及经口微创手术等治疗进展 | NA | 探讨早期下咽癌及癌前病变的诊断与治疗策略 | 下咽癌患者及癌前病变 | 数字病理 | 下咽癌 | 窄带成像放大内镜(ME-NBI), 深度学习 | 深度学习算法 | 内镜图像 | NA | NA | NA | NA | NA |
| 1438 | 2025-11-12 |
ReMLP-NET: A Neural Network Interaction Potential for Molecular Energy Prediction
2025-Nov-11, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01453
PMID:41143577
|
研究论文 | 提出一种名为ReMLP-NET的神经网络相互作用势，用于预测分子能量 | 使用遗传算法选择对称函数超参数，相比ReANI-2x模型在分子能量预测性能上有显著提升 | 仅适用于包含H、C、N、O、F、S、Cl元素的分子结构 | 开发计算效率更高的分子能量预测方法以替代量子力学计算 | 来自GDB13和DUD-E数据集的分子结构 | 机器学习 | NA | 机器学习算法 | MLP | 分子结构数据 | 来自Retrievium存储库的优化结构和总能量数据 | NA | 多层感知机神经网络 | MAE, RMSE | NA |
| 1439 | 2025-11-12 |
Enabling Weather-Independent Gas Detection through Deep Learning on Light-Activated Sensors
2025-Nov-11, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c10308
PMID:41144602
|
研究论文 | 通过将铋掺杂氧化铟纳米纤维与微发光二极管平台集成，并采用深度学习分析瞬态传感信号，实现天气无关的NO和H₂O气体检测 | 首次将铋掺杂氧化铟纳米纤维直接集成到μLED平台，结合CNN算法分析瞬态信号，实现天气无关的气体传感 | NA | 开发能够在环境变化条件下稳定工作的实时环境监测气体传感器 | 一氧化氮(NO)和水分(H₂O)气体 | 传感器技术 | NA | 光激活气体传感，蓝色光照激活 | CNN | 瞬态传感信号 | NA | NA | 卷积神经网络 | 分类准确率, 回归误差 | NA |
| 1440 | 2025-11-12 |
Surgical instrument-tissue interaction recognition with multi-task-attention video transformer
2025-Nov-11, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03546-3
PMID:41214416
|
研究论文 | 提出一种多任务注意力视频Transformer模型，用于识别手术器械与组织间的交互作用 | 引入细粒度时间上下文信息，并提出结合交叉注意力和门控机制的多任务注意力模块 | 仅在特定数据集上验证，未说明模型泛化能力 | 提高手术器械-组织交互识别的准确性和鲁棒性 | 手术视频中的器械-组织交互动作 | 计算机视觉 | NA | 视频分析 | Transformer | 视频 | CholecT45-Vid和GraSP-Vid数据集 | NA | Video Transformer, Multi-task Attention Module | 识别准确率 | NA |