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 1985 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-04-17 |
phyddle: Software for Exploring Phylogenetic Models with Deep Learning
2025-Dec-18, Systematic biology
IF:6.1Q1
DOI:10.1093/sysbio/syaf036
PMID:40366771
|
研究论文 | 介绍phyddle软件，这是一个基于流程的软件，用于使用无似然深度学习方法在系统发育树上执行建模任务 | 开发了phyddle软件，通过深度学习方法处理缺乏可处理似然函数的系统发育模型，扩展了系统发育推断的能力 | NA | 开发一个软件工具，以支持使用深度学习方法进行系统发育建模和推断 | 系统发育树和相关的进化模型 | 机器学习 | NA | 深度学习方法 | 深度学习模型 | 系统发育树数据 | NA | NA | NA | 准确性, 覆盖率测试 | NA |
| 2 | 2026-04-12 |
Deep multimodal fusion of patho-radiomic and clinical data for enhanced survival prediction for colorectal cancer patients
2025-Dec-05, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02210-z
PMID:41350716
|
研究论文 | 本研究提出了一个名为PRISM-CRC的新型深度学习框架，通过整合组织病理学、放射学、内窥镜和临床数据来改善结直肠癌的诊断和预后预测 | 开发了首个深度融合病理-放射组学与临床数据的多模态框架，在生存预测和微卫星不稳定性识别方面显著优于单模态模型，并能提供比传统TNM分期更精细的风险分层 | 存在因'领域偏移'导致的性能适度下降，以及在形态学模糊病例中的分类错误，需要未来前瞻性试验验证其临床效用 | 改善结直肠癌的诊断和预后预测，实现个性化治疗 | 结直肠癌患者 | 数字病理学 | 结直肠癌 | 深度学习，多模态融合 | 深度学习框架 | 组织病理学图像，放射学图像，内窥镜图像，临床数据 | NA | NA | PRISM-CRC | 一致性指数，AUC | NA |
| 3 | 2026-04-12 |
MLSPred-bench: Transforming electroencephalography (EEG) datasets into machine learning-ready epileptic seizure prediction benchmarks
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103574
PMID:40949826
|
研究论文 | 本文介绍了一种将用于癫痫检测的脑电图数据集转换为适合癫痫发作预测的机器学习就绪基准的方法 | 开发了一种新方法，能将标注为检测用途的脑电图大数据转换为适用于预测任务的机器学习就绪数据，并生成了12个基准数据集 | NA | 为癫痫发作预测模型开发提供标准化的机器学习就绪基准数据 | 脑电图数据集 | 机器学习 | 癫痫 | 脑电图 | 机器学习模型,深度学习模型 | 脑电图信号 | NA | NA | NA | 验证准确率 | NA |
| 4 | 2026-04-12 |
Optimising personalised antibiotic treatment for methicillin-resistant Staphylococcus aureus bloodstream infections in ICU patients using a deep learning-based causal inference approach
2025-12, Journal of global antimicrobial resistance
IF:3.7Q2
DOI:10.1016/j.jgar.2025.08.012
PMID:40882869
|
研究论文 | 本研究利用基于深度学习的因果推断模型，评估了万古霉素、达托霉素和利奈唑胺对ICU患者MRSA血流感染住院死亡率的降低效果，并识别了与各抗生素疗效相关的患者特征 | 首次将基于深度学习的因果推断模型应用于ICU患者MRSA血流感染的抗生素个性化治疗评估，能够量化不同抗生素的死亡率降低效果并识别特定患者亚群的疗效差异 | 研究样本量相对较小（仅270名患者），且数据来源于回顾性数据库，可能存在选择偏倚和未测量的混杂因素 | 评估万古霉素、达托霉素和利奈唑胺对ICU患者MRSA血流感染住院死亡率的治疗效果，并为个性化抗生素治疗提供依据 | 重症监护室（ICU）中患有耐甲氧西林金黄色葡萄球菌（MRSA）血流感染的患者 | 机器学习 | 血流感染 | 基于深度学习的因果推断 | 深度学习模型 | 临床数据 | 270名ICU患者 | NA | NA | 平均处理效应（ATE）、P值 | NA |
| 5 | 2026-04-12 |
The future of immunotherapy: Can artificial intelligence predict the survival of lung cancer patients? A systematic review and meta-analysis
2025-12, Respiratory medicine
IF:3.5Q2
DOI:10.1016/j.rmed.2025.108492
PMID:41241154
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了基于AI模型（利用影像组学、基因组学和蛋白质组学数据）预测非小细胞肺癌患者免疫治疗后总生存期和无进展生存期的预后准确性 | 首次通过荟萃分析综合评估了AI模型在预测NSCLC免疫治疗生存结局中的表现，并比较了不同数据模态（如蛋白质组学）和AI方法（如深度学习）的预测准确性 | 纳入研究存在异质性（I²较高），且缺乏前瞻性验证和多中心临床试验数据，AI方法尚未标准化 | 评估AI模型在预测非小细胞肺癌患者免疫治疗生存结局中的预后准确性 | 接受免疫治疗的非小细胞肺癌患者 | 机器学习 | 肺癌 | 影像组学、基因组学、蛋白质组学 | 机器学习、深度学习 | 影像数据、基因组数据、蛋白质组数据 | 23项研究，共19,189名患者 | NA | NA | 风险比、95%置信区间、I²统计量 | NA |
| 6 | 2026-04-12 |
Automated artificial intelligence detection of early or under-diagnosed interstitial lung disease by computed tomography in the COPDGene trial
2025-12, Respiratory medicine
IF:3.5Q2
DOI:10.1016/j.rmed.2025.108545
PMID:41314436
|
研究论文 | 本研究评估了人工智能工具ScreenDx在COPDGene试验中自动检测早期或未诊断的间质性肺疾病（ILD）的能力 | 开发并验证了一个深度学习模型ScreenDx，用于在CT扫描中自动检测ILD特征，特别是在最初未诊断的病例中，展示了高敏感性和特异性 | 研究基于COPDGene数据集，ILD患病率目标设定为约1-2%，可能限制了结果的泛化性；且ILD病例最初是意外纳入的，可能存在选择偏倚 | 评估人工智能工具在CT扫描中检测早期或未诊断的间质性肺疾病的性能 | COPDGene试验中的患者，包括意外纳入的ILD患者（阳性）以及随机选择的COPD和对照患者（阴性） | 数字病理学 | 间质性肺疾病 | 计算机断层扫描（CT） | 深度学习模型 | 图像 | COPDGene数据集中的患者，目标ILD患病率为约1-2% | NA | ScreenDx | 敏感性, 特异性 | NA |
| 7 | 2026-04-11 |
Quantitative CT Imaging in Progressive Pulmonary Fibrosis: Clinical Usefulness and Meaningful Threshold Definition
2025-Dec-06, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2025.11.031
PMID:41360185
|
研究论文 | 本研究通过深度学习定量CT成像，确定了非特发性肺纤维化纤维化间质性肺疾病中定义进行性肺纤维化的最小临床重要差异阈值，并验证了其预后价值 | 首次使用深度学习定量CT成像算法，定义了1年和6个月纤维化评分变化的最小临床重要差异阈值，并证明其能增强风险分层能力 | 研究为回顾性设计，可能受到选择偏倚的影响，且仅针对非特发性肺纤维化患者 | 确定定量CT成像在定义进行性肺纤维化中的临床有意义阈值，并评估其预后预测能力 | 非特发性肺纤维化纤维化间质性肺疾病患者 | 数字病理学 | 肺纤维化 | 定量CT成像 | 深度学习 | CT图像 | 476名患者 | NA | NA | 风险比, 置信区间 | NA |
| 8 | 2026-04-11 |
Classification of neurological and mental health disorders based on multimodal approaches: A comprehensive review
2025-Dec, Neuroscience and biobehavioral reviews
IF:7.5Q1
DOI:10.1016/j.neubiorev.2025.106399
PMID:41052735
|
综述 | 本文对基于深度学习的多模态方法在神经系统和心理健康障碍分类中的应用进行了全面回顾 | 填补了针对神经系统和心理健康障碍的深度学习多模态分类方法进行全面综述的空白，并分析了十种主要障碍（五种神经系统，五种心理健康相关） | NA | 指导未来研究，并促进开发更准确、可靠、可访问的神经系统和心理健康障碍诊断工具 | 十种主要的神经系统和心理健康障碍 | 机器学习 | 神经系统疾病，心理健康障碍 | NA | 深度学习 | 神经影像，生物信号，临床评估 | NA | NA | NA | NA | NA |
| 9 | 2025-12-26 |
A "calcification"-enhanced deep learning approach for precise differentiation of thyroid nodules
2025-Dec-24, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00976-9
PMID:41444688
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10 | 2026-04-06 |
A Hybrid GARCH-BiLSTM-KAN Model for Crude Oil Price Forecasting: Capturing Volatility, Temporal Dependencies, and Nonlinear Dynamics
2025-12-05, Journal of visualized experiments : JoVE
DOI:10.3791/69355
PMID:41428661
|
研究论文 | 本研究提出了一种混合GARCH-BiLSTM-KAN模型，用于原油价格预测，旨在捕捉波动性、时间依赖性和非线性动态 | 创新性地结合了GARCH模型、双向LSTM网络和Kolmogorov-Arnold网络，以协同方式量化时变波动性、建模双向时间关系并精炼非线性模式，超越了传统模型的局限 | 未明确提及具体限制，但可能包括模型复杂度高、计算资源需求大或对特定市场条件的泛化能力未知 | 开发一个稳健的预测工具，以准确预测原油价格，支持能源政策制定、风险对冲和金融衍生品定价 | 西德克萨斯中质原油的每日价格数据 | 机器学习 | NA | NA | GARCH, BiLSTM, KAN | 时间序列数据 | 39年的每日价格数据（1986-2025年） | NA | GARCH, Bidirectional LSTM, Kolmogorov-Arnold Network | 均方根误差, 平均绝对误差, 决定系数 | NA |
| 11 | 2026-04-06 |
Deep learning NTCP model for late dysphagia after radiotherapy for head and neck cancer patients based on 3D dose, CT and segmentations
2025-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.111169
PMID:41033356
|
研究论文 | 本研究开发了一种基于深度学习的正常组织并发症概率（NTCP）模型，用于预测头颈癌放疗后晚期吞咽困难，该模型整合了3D剂量分布、器官分割和CT扫描数据 | 首次将3D剂量数据、器官分割和CT扫描结合到深度学习模型中，以预测放疗后吞咽困难，相比传统基于离散剂量参数的NTCP模型，显著提升了预测性能 | 研究依赖于多机构队列数据，可能存在数据异质性；模型性能在外部测试集上略有下降，表明泛化能力有待进一步验证 | 通过深度学习模型改进头颈癌放疗后晚期吞咽困难的预测准确性 | 头颈癌患者 | 数字病理学 | 头颈癌 | 放疗剂量分析，CT扫描 | CNN | 3D剂量分布图像，CT图像，器官分割掩码 | 1484名头颈癌患者的多机构队列 | NA | Residual Network | AUC，校准曲线 | NA |
| 12 | 2026-04-05 |
Quantitative evaluation of spatially-variant deformations recovered by deep learning on clinical-like breast lesions
2025-Dec-26, IEEE transactions on radiation and plasma medical sciences
IF:4.6Q1
DOI:10.1109/trpms.2025.3649164
PMID:41929561
|
研究论文 | 本文提出了一种基于深度学习的定量评估方法，用于减少专用双面板乳腺PET扫描仪中的空间变异变形，并改善乳腺病灶的成像质量和量化分析 | 开发了一种生成合成临床样乳腺图像的方法，包括复杂病灶形状（如毛刺状病灶）和示踪剂依赖性活动特征（[F]FES和[F]FDG），并在临床样合成数据上训练神经网络以抑制双面板PET重建中的变形 | 先前研究仅使用简化几何对象和均匀背景进行训练和测试，未能完全代表乳腺PET成像的临床复杂性；本研究虽引入临床样数据，但合成数据可能仍与真实临床场景存在差异 | 评估深度学习在减少专用双面板乳腺PET扫描仪空间变异变形方面的效果，以改善病灶可视化和量化 | 临床样乳腺病灶，包括复杂形状病灶（如毛刺状病灶）和示踪剂依赖性活动特征（[F]FES和[F]FDG） | 医学影像分析 | 乳腺癌 | 专用双面板乳腺PET扫描（B-PET），统计迭代重建（DIRECT-RAMLA） | 深度学习神经网络 | 合成临床样乳腺PET图像 | NA | NA | NA | 病灶对比度指标，图像粗糙度 | NA |
| 13 | 2026-04-05 |
Multimodal Motion Capture Toolbox for Enhanced Analysis of Intersegmental Coordination in Children with Cerebral Palsy and Typically Developing
2025-12-16, Journal of visualized experiments : JoVE
DOI:10.3791/69604
PMID:41490048
|
研究论文 | 本研究开发了一个多模态运动捕捉工具箱，用于增强脑瘫儿童和正常发育儿童节段间协调性的分析 | 结合了多种运动捕捉技术（包括研究级运动学设备、惯性测量单元、3D无标记系统和基于MediaPipe的2D无标记系统），并采用开源方法解决感觉处理问题患者群体的挑战 | 样本量较小（仅包括两名脑瘫儿童和两名正常发育儿童），可能限制结果的普遍性 | 评估和比较3D标记与2D无标记运动捕捉系统在分析儿童运动协调模式中的可行性和效果 | 脑瘫儿童和正常发育儿童 | 计算机视觉 | 脑瘫 | 运动捕捉技术、深度学习人体姿态估计 | NA | 视频、运动学数据 | 4名儿童（2名脑瘫儿童，2名正常发育儿童） | MediaPipe | NA | NA | NA |
| 14 | 2026-04-05 |
Case-Based Reasoning with Deep Learning for a Hybrid Approach to Legal Text Summarization
2025-12-12, Journal of visualized experiments : JoVE
DOI:10.3791/69287
PMID:41460740
|
研究论文 | 本文提出了一种结合案例推理与深度学习的混合方法，用于法律文本摘要生成 | 将案例推理与多阶段Transformer架构相结合，用于法律文本摘要，在事实准确性、推理保真度和法律实体保留方面表现优异 | 未明确说明模型的计算复杂度或处理超长法律文档的具体限制 | 开发一种能够准确高效生成法律文本摘要的混合方法 | 法律案例文本 | 自然语言处理 | NA | 深度学习，案例推理 | Transformer | 文本 | 4,968个法律案例 | 未明确说明 | 多阶段Transformer架构 | 准确率，ROUGE分数，连贯性 | NA |
| 15 | 2026-04-04 |
Fully automated quantification of net water uptake in acute ischemic stroke using only non-contrast CT imaging
2025-Dec-25, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12238-0
PMID:41444396
|
研究论文 | 本文介绍了一种仅使用非增强CT图像全自动量化急性缺血性卒中净水摄取的方法 | 提出了一种基于专家启发式和体素级计算的完全自动化NWU量化流程，无需深度学习组件，实现了从常规NCCT扫描直接评估卒中 | 分割准确性中等（Dice系数约0.47-0.48），且为回顾性研究，需进一步验证临床适用性 | 开发一种自动化、可重复的方法来量化缺血性卒中早期病变进展，以评估溶栓治疗效果 | 急性缺血性卒中患者的非增强CT图像 | 数字病理学 | 缺血性卒中 | 非增强CT成像 | NA | 图像 | 内部数据集185例患者（排除后155例），外部测试集51例患者（排除后46例） | NA | NA | 病变检测率, 平均绝对NWU误差, Dice相似系数, 平均平均精度 | NA |
| 16 | 2026-04-04 |
Exploring the Terra incognita of AI-based domain classifications
2025-Dec, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.70392
PMID:41288334
|
研究论文 | 本研究探索了基于人工智能的蛋白质结构域分类中的未知领域，特别是针对新型蛋白质折叠的分类挑战 | 整合结构、进化和上下文信息来解析具有挑战性的折叠分配，并扩展蛋白质分类框架至未探索的结构领域 | 研究中部分候选新型折叠结构域可能源于结构域边界预测错误，如截断序列或紧密堆积的结构域重复 | 解决结构生物信息学中新型蛋白质折叠分类的核心挑战，尤其是在深度学习模型如AlphaFold2极大扩展预测蛋白质结构宇宙的背景下 | 来自TED数据库的664个候选新型折叠结构域，这些结构域在结构上多样且基本非冗余，大多缺乏与已知折叠的清晰序列或结构相似性 | 结构生物信息学 | NA | 深度学习模型（如AlphaFold2）、结构生物信息学方法 | 深度学习模型 | 蛋白质结构数据 | 664个候选新型折叠结构域 | NA | AlphaFold2 | NA | NA |
| 17 | 2026-03-29 |
Comparative Analysis of AI-based Quantification vs. Visual Rating of Enlarged Perivascular Spaces in the MESA Cohort
2025-Dec-15, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9129
PMID:41397892
|
研究论文 | 本研究比较了AI量化与视觉评分在评估扩大的血管周围空间（PVS）与血管风险因素及认知表现关联方面的效果 | 首次在MESA队列中系统比较AI自动量化与专家视觉评分在PVS研究中的敏感性，发现AI方法能检测到更多与血管风险因素和认知表现的关联 | 横断面研究设计无法确定因果关系，样本量相对有限（235名参与者），且仅基于单一队列 | 比较AI量化与视觉评分在识别PVS与血管风险因素及认知表现关联方面的差异 | 235名来自多民族动脉粥样硬化研究（MESA）的参与者，均接受脑部MRI检查 | 数字病理学 | 心血管疾病 | 脑部MRI（包括FLAIR序列） | 深度学习算法 | 医学影像（MRI图像） | 235名参与者（男性95人，女性140人；126人自报为黑人） | NA | NA | 回归系数（β），95%置信区间（CI） | NA |
| 18 | 2026-03-28 |
Transformer and graph variational autoencoder to identify microenvironments: A deep learning protocol for spatial transcriptomics
2025-Dec-19, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2025.104206
PMID:41313684
|
研究论文 | 本文提出了一个结合Transformer和图变分自编码器的计算框架TG-ME，用于通过空间转录组学和形态学图像解析空间微环境 | 创新性地整合了Transformer和图变分自编码器，以深度学习方式识别健康、肿瘤和感染组织中的空间微环境 | NA | 开发一个深度学习协议，用于识别和分析空间转录组学数据中的微环境 | 空间转录组学和形态学图像数据 | 数字病理学 | 肿瘤 | 空间转录组学 | Transformer, 图变分自编码器 | 空间转录组数据, 形态学图像 | NA | NA | Transformer, 图变分自编码器 | NA | NA |
| 19 | 2026-03-28 |
Protocol to annotate and automate single-cell instance segmentation on stimulated Raman histology using deep learning
2025-Dec-19, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2025.104221
PMID:41317327
|
研究论文 | 本文提出了一种基于深度学习的协议，用于在刺激拉曼组织学图像上实现单细胞实例分割的标注和自动化 | 开发了ELUCIDATE网络标注工具和DetectSRH Python库，结合深度学习实现无标记SRH图像的单细胞空间分析 | NA | 实现神经外科术中获取的SRH图像的自动化细胞分割 | 刺激拉曼组织学图像中的细胞 | 数字病理学 | NA | 刺激拉曼组织学 | 深度学习模型 | 图像 | NA | Python | NA | NA | NA |
| 20 | 2026-03-28 |
A Scorpion Peptide Exerts Selective Anti-Leukemia Effects Through Disrupting Cell Membranes and Triggering Bax/Bcl-2-Related Apoptosis Pathway
2025-12-18, Biomolecules
IF:4.8Q1
DOI:10.3390/biom15121751
PMID:41463404
|
研究论文 | 本研究利用深度学习模型预测并验证了一种蝎子肽Lpep3对白血病细胞的选择性抗白血病作用，通过破坏细胞膜并触发Bax/Bcl-2相关凋亡通路 | 结合AI计算模型快速筛选活性肽，并首次揭示Lpep3通过破坏细胞膜和诱导凋亡通路发挥选择性抗白血病效应 | 研究主要基于体外和动物模型，尚未进行人体临床试验，且具体作用机制细节需进一步探索 | 开发天然抗肿瘤药物，特别是针对白血病的治疗 | 白血病细胞（如MV-4-11）和小鼠模型 | 机器学习 | 白血病 | 深度学习模型预测，电子显微镜观察，台盼蓝染色，Calcein-AM/PI双染色，LDH和ATP释放检测，Western blotting，RT-qPCR | 深度学习模型 | 肽序列数据，细胞实验数据 | 七种肽的预测验证，涉及白血病细胞系和小鼠模型 | NA | NA | NA | NA |