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 32372 篇文献，本页显示第 2161 - 2180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2161 | 2025-10-06 |
Design of a lightweight recognition network for adult locusts and grasshoppers based on deep learning
2025-Aug-15, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.113096
PMID:40836923
|
研究论文 | 提出一种基于深度学习的轻量级网络模型CGENet，用于准确识别蝗虫和蚱蜢属种 | 引入通道主成分注意力机制模块(CPCA)，并将部分EfficientNet卷积模块替换为结合高效通道注意力机制(ECA)的GhostConv模块 | NA | 提高蝗虫和蚱蜢属种识别精度和计算效率，减少浮点运算和参数数量 | 蝗虫和蚱蜢属种 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 两个图像数据集，每个包含60个蝗虫和蚱蜢属种 | NA | EfficientNet,GhostConv,CGENet | 准确率,FLOPs,参数数量 | NA |
| 2162 | 2025-10-06 |
Fatty acid-binding protein 4 as a biomarker for colon adenocarcinoma risk and prognosis: Challenges and future directions
2025-Aug-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v17.i8.106621
PMID:40837743
|
评论 | 对FABP4作为结肠腺癌生物标志物研究的评述，探讨现有研究的局限性与未来发展方向 | 提出整合孟德尔随机化、机器学习与深度学习方法来改进FABP4生物标志物研究的新思路 | 现有研究仅通过差异表达分析难以证明FABP4与COAD发生发展的直接关联，实验验证不足 | 评估FABP4作为结肠腺癌风险与预后生物标志物的价值并探索改进研究方法 | 脂肪酸结合蛋白4(FABP4)与结肠腺癌(COAD) | 生物信息学 | 结肠癌 | 生物信息学分析，免疫组织化学，全基因组关联研究(GWAS)，多组学技术 | 机器学习，深度学习，Cox回归模型 | 基因表达数据，临床数据，多组学数据 | NA | NA | NA | NA | NA |
| 2163 | 2025-10-06 |
Computed tomography-based deep learning and multi-instance learning for predicting microvascular invasion and prognosis in hepatocellular carcinoma
2025-Aug-14, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i30.109186
PMID:40933208
|
研究论文 | 开发基于CT的2.5D深度学习和多示例学习模型用于预测肝细胞癌微血管侵犯和预后 | 首次将2.5D深度学习与多示例学习框架结合用于肝细胞癌MVI预测，并在手术切除和TACE治疗队列中验证其预后预测价值 | 回顾性研究设计，样本量相对有限（192例训练验证集+45例TACE队列） | 预测肝细胞癌微血管侵犯并评估其预后价值 | 经病理证实的肝细胞癌患者 | 计算机视觉 | 肝细胞癌 | 计算机断层扫描 | 深度学习,多示例学习 | CT动脉期图像 | 237例患者（192例主要队列，45例TACE验证队列） | NA | 2.5D深度学习架构 | AUC,决策曲线分析,DeLong检验,Kaplan-Meier生存分析 | NA |
| 2164 | 2025-10-06 |
A deep learning strategy for accurate identification of purebred and hybrid pigs across SNP chips
2025-Aug-14, Journal of animal science and biotechnology
IF:6.3Q1
DOI:10.1186/s40104-025-01249-y
PMID:40813701
|
研究论文 | 本研究提出一种基于多层感知器的多输出回归框架，用于准确识别纯种和杂交猪的基因组品种组成 | 首次将多输出回归框架应用于猪品种鉴定，相比传统方法在杂交品种识别上表现更优 | 研究仅针对中国八个省份的猪种，未涵盖全球所有猪品种 | 开发高精度的猪品种鉴定方法以支持遗传资源管理和育种策略制定 | 8199头猪（包括约克夏、长白、杜洛克纯种及其杂交品种） | 机器学习 | NA | SNP芯片基因分型（1K、50K、100K） | MLP | 基因组数据 | 8199头猪 | NA | 多层感知器 | 准确率 | NA |
| 2165 | 2025-10-06 |
Enhancing EEG-based sleep staging efficiency with minimal channels through adversarial domain adaptation and active deep learning
2025-Aug-13, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/adeec7
PMID:40645218
|
研究论文 | 提出一种结合对抗域适应和主动深度学习的框架，用于提升基于少量EEG通道的睡眠分期分类效率 | 提出ADAADL框架，结合对抗学习和主动学习策略，使用两个独立的睡眠分期分类器作为判别器，并在训练中结合熵度量和交叉熵损失 | NA | 提升基于EEG的睡眠分期分类准确性和效率 | 睡眠分期分类 | 机器学习 | 睡眠障碍 | EEG | 深度学习 | EEG信号 | 三个基准EEG数据集 | NA | 对抗域适应网络 | 分类准确率 | NA |
| 2166 | 2025-10-06 |
Effective generation of heavy-atom-free triplet photosensitizers containing multiple intersystem crossing mechanisms based on deep learning
2025-Aug-13, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc03192c
PMID:40671753
|
研究论文 | 本研究提出了一种基于深度学习的无重原子三重态光敏剂生成方法，整合了多种系间窜越机制 | 构建了包含多种系间窜越机制的全面数据集，并提出了结合片段模型和字符模型的新策略 | 现有方法主要针对有限的三重态光敏剂子集，忽略了高能级单重态和三重态之间的关键系间窜越 | 开发有效的三重态光敏剂生成方法以推进光动力疗法 | 三重态光敏剂 | 机器学习 | 癌症 | 深度学习 | Transformer, RNN, 强化学习 | 化学结构数据 | 约1.90×10^4个三重态光敏剂样本 | NA | 条件Transformer, 循环神经网络 | 预测准确率, 条件评估指标, MOSES指标 | NA |
| 2167 | 2025-10-06 |
Inference of germinal center evolutionary dynamics via simulation-based deep learning
2025-Aug-13, ArXiv
PMID:40832049
|
研究论文 | 本研究使用基于模拟的深度学习方法推断生发中心B细胞亲和力与繁殖力之间的关系函数 | 首次结合深度学习与基于模拟的推断方法来学习生发中心中B细胞亲和力-适应性响应函数 | NA | 推断生发中心中B细胞亲和力与繁殖力之间的精确关系函数 | 生发中心中的B细胞 | 机器学习 | NA | 基于模拟的推断 | 深度学习 | 模拟数据 | NA | NA | NA | NA | NA |
| 2168 | 2025-10-06 |
Colorectal cancer heterogeneity co-evolves with tumor architecture to determine disease outcome
2025-Aug-13, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.11.669722
PMID:40832253
|
研究论文 | 本研究开发了一种基于深度学习的图像分析范式，通过组织结构和核形态量化并预测结直肠癌患者预后 | 揭示了肿瘤组织结构与细胞状态之间的动态共进化关系，发现组织结构通过促进不同癌症干细胞状态驱动肿瘤异质性演化 | 研究主要聚焦于结直肠癌，其发现是否适用于其他癌症类型尚需验证 | 探索肿瘤异质性与组织结构之间的相互作用关系及其对疾病结局的影响 | 结直肠癌患者组织样本和患者来源的类器官 | 数字病理学 | 结直肠癌 | 深度学习，空间转录组学，多重免疫组织化学，患者来源类器官 | 深度学习 | 图像，空间转录组数据，免疫组织化学数据 | 未明确说明具体样本数量 | NA | NA | 患者预后预测准确性 | NA |
| 2169 | 2025-10-06 |
Anatomy-aware, label-informed approach improves image registration for challenging datasets
2025-Aug-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.11.669599
PMID:40832189
|
研究论文 | 提出一种基于标签信息的图像配准方法，用于改善具有显著形态变异数据集的配准效果 | 开发了一种解剖感知的标签引导图像配准方法，通过分割标签提供区域对应关系来指导配准过程 | 需要预先获取图像的分割标签，增加了数据预处理的工作量 | 提高具有显著形态表型数据集的图像配准精度 | 基因敲除小鼠胚胎的神经影像数据 | 医学影像分析 | 发育异常 | 图像配准技术 | NA | 生物医学图像 | E15.5小鼠胚胎 | ANTsX | NA | 配准对应性，统计分析功效和灵敏度 | NA |
| 2170 | 2025-10-06 |
Multimodal Deep Learning for ARDS Detection
2025-Aug-12, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.08.25333333
PMID:40832385
|
研究论文 | 开发了一种多模态深度学习模型，结合影像数据、通气数据和电子健康记录数据来检测急性呼吸窘迫综合征 | 首次将胸部X光片、呼吸机波形数据和电子健康记录表格数据三种模态结合用于ARDS检测，通过预训练编码器和特征提取器实现多模态特征融合 | 样本量较小（220名患者），需要进一步研究各模态对ARDS检测的附加效应 | 开发早期诊断ARDS的工具以改善患者预后 | ICU住院的急性呼吸窘迫综合征患者 | 医学人工智能 | 急性呼吸窘迫综合征 | 深度学习，多模态数据融合 | 深度学习模型 | 影像数据（胸部X光片），时间序列数据（呼吸机波形数据），表格数据（电子健康记录） | 220名ICU患者 | NA | 预训练编码器，特征提取器 | AUROC | NA |
| 2171 | 2025-10-06 |
Fluctuation structure predicts genome-wide perturbation outcomes
2025-Aug-12, Research square
DOI:10.21203/rs.3.rs-7304871/v1
PMID:40831507
|
研究论文 | 提出CIPHER框架，利用未扰动细胞中的基因共波动预测全基因组扰动结果 | 首次将统计物理学中的线性响应理论应用于功能基因组学，通过基线基因协方差结构预测扰动响应 | 方法主要基于线性响应理论，可能无法完全捕捉非线性生物过程 | 开发能够解释单细胞扰动筛选数据的理论框架 | 单细胞转录组数据和基因调控网络 | 计算生物学 | NA | 单细胞扰动筛选，RNA测序 | 线性响应模型，贝叶斯推断 | 单细胞基因表达数据 | 11个大规模单细胞扰动数据集，包含4,234个扰动和超过136万个细胞 | NA | CIPHER（基于协方差推断的框架） | 模型性能比较，不确定性感知效应大小估计 | NA |
| 2172 | 2025-10-06 |
A quantitative framework for predicting odor intensity across molecule and mixtures
2025-Aug-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.08.668954
PMID:40832259
|
研究论文 | 开发了一个结合深度学习模型和精确气味传递系统的定量框架，用于预测单分子和混合物气味强度 | 首次建立了将物理刺激特性直接与感知气味强度关联的稳健定量框架，克服了传统启发式方法的局限性 | NA | 建立嗅觉刺激强度与物理特性之间的定量预测框架 | 单分子气味物质和气味混合物 | 机器学习 | NA | 深度学习，精确气味传递系统 | 深度学习模型 | 物理特性数据，气味强度感知数据 | NA | NA | NA | NA | NA |
| 2173 | 2025-10-06 |
SynAnno: Interactive Guided Proofreading of Synaptic Annotations
2025-Aug-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.09.669342
PMID:40832296
|
研究论文 | 介绍SynAnno这一用于大规模连接组数据集中突触注释交互式校对工具 | 开发了具有结构化工作流程、优化遍历路径和3D迷你地图的交互式校对工具，集成了微调机器学习模型辅助错误检测与校正 | 仅通过七位神经科学专家的用户案例研究进行评估，样本规模有限 | 提高连接组学中突触注释校对的效率和准确性 | 大规模连接组数据集中的突触注释 | 数字病理学 | NA | 深度学习，机器学习 | NA | 连接组数据，3D图像数据 | 七位神经科学专家参与的用户研究 | PyTorch | NA | 校对效率，认知负荷，注释错误率 | NA |
| 2174 | 2025-10-06 |
Reusability Report: evaluating the performance of a meta-learning foundation model on predicting the antibacterial activity of natural products
2025-Aug-12, Research square
DOI:10.21203/rs.3.rs-6932613/v1
PMID:40831494
|
研究论文 | 评估元学习基础模型ActFound在预测天然产物抗菌活性方面的性能表现 | 首次将ActFound基础模型应用于天然产物抗菌活性预测任务，并在小样本设置下验证其性能 | ActFound在抗菌天然产物数据集上的准确率未能达到原始论文中跨领域任务的同等水平 | 评估基础模型在生物活性预测任务中的泛化能力和实用性 | 天然产物的抗菌活性预测 | 机器学习 | 细菌感染 | 元学习，成对学习 | 基础模型 | 化学化合物数据，生物活性数据 | 小样本设置下的天然产物数据集 | NA | ActFound | 准确率 | NA |
| 2175 | 2025-10-06 |
The olfactory bulb reflects structural plasticity within a genetically stable olfactory network
2025-Aug-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.08.668515
PMID:40832285
|
研究论文 | 本研究通过深度学习分割模型和支持向量机框架，探索嗅球体积及其相关脑区结构的遗传性 | 首次在大型双胞胎样本中整合嗅球体积与嗅觉网络多个脑区形态特征来评估遗传性，发现嗅觉网络的分布式遗传影响模式 | 研究样本仅限于健康年轻成年人（22-35岁），结果可能不适用于其他年龄段或临床人群 | 探究嗅球结构及其相关神经网络是否受遗传因素影响 | 941名健康年轻成年人，包括同卵和异卵双胞胎对 | 医学影像分析 | 神经退行性疾病，神经精神疾病 | 脑影像分析，深度学习分割 | 深度学习，支持向量机 | 脑部磁共振影像 | 941名健康年轻成年人（22-35岁），包括同卵和异卵双胞胎 | 深度学习框架，支持向量机框架 | NA | 分类性能 | NA |
| 2176 | 2025-10-06 |
GIN-CRC-Pareto: A graph-based Pareto-optimal multi-task learning framework to identify miRNA-target interactions in colorectal cancer
2025-Aug-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.10.669528
PMID:40832303
|
研究论文 | 提出一种基于图神经网络的帕累托最优多任务学习框架GIN-CRC-Pareto，用于识别结直肠癌中的miRNA-靶标相互作用 | 结合图神经网络与帕累托最优梯度平衡策略，动态调整多任务权重，同时预测miRNA-mRNA结合对、种子匹配对和种子匹配亚型 | NA | 开发可扩展的多任务学习框架以识别结直肠癌中的miRNA-靶标相互作用 | 结直肠癌中的microRNA-mRNA相互作用对 | 机器学习 | 结直肠癌 | 图神经网络，多任务学习，迁移学习 | GNN | 图数据 | NA | NA | GIN | 准确率, 精确率, AUC | NA |
| 2177 | 2025-10-06 |
A Systematic Review of Multimodal Deep Learning and Machine Learning Fusion Techniques for Prostate Cancer Classification
2025-Aug-11, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.07.25333235
PMID:40832371
|
系统综述 | 本文系统综述了多模态深度学习和机器学习融合技术在前列腺癌分类中的应用现状 | 首次系统评估多模态融合技术在前列腺癌分类中的最新进展，涵盖2021-2025年间符合纳入标准的27项研究 | 仅纳入2021-2025年间的有限研究数量（27项），可能存在发表偏倚 | 评估多模态深度学习和机器学习融合技术在前列腺癌分类中的实施、性能、挑战和临床适用性 | 前列腺癌分类研究 | 机器学习 | 前列腺癌 | 多模态数据融合 | 深度学习, 机器学习 | 影像数据, 临床数据, 分子信息 | 27项符合纳入标准的研究 | NA | 卷积神经网络 | 敏感性, 特异性, 准确率 | NA |
| 2178 | 2025-10-06 |
Acquisition-independent deep learning for quantitative MRI parameter estimation using neural controlled differential equations
2025-Aug-11, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103768
PMID:40945171
|
研究论文 | 本研究提出使用神经控制微分方程实现与采集协议无关的定量MRI参数估计 | 首次将神经控制微分方程应用于定量MRI参数估计，解决了现有深度学习方法对MRI采集协议变化的敏感性问题 | 在高信噪比条件下，相比最小二乘拟合的改进不再明显 | 开发一种对MRI采集协议变化具有鲁棒性的定量MRI参数估计方法 | 定量MRI参数估计 | 医学影像分析 | NA | 定量MRI | 神经控制微分方程 | MRI图像数据 | 模拟低信噪比数据和腹部、腿部活体数据 | NA | 神经控制微分方程 | 均方误差, 估计误差方差 | NA |
| 2179 | 2025-10-06 |
GastritisMIL: An interpretable deep learning model for the comprehensive histological assessment of chronic gastritis
2025-Aug-08, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101286
PMID:40843346
|
研究论文 | 提出可解释深度学习模型GastritisMIL，用于慢性胃炎全切片组织学评估 | 开发首个针对慢性胃炎全面组织学评估的可解释深度学习模型，能生成注意力热图辅助定位可疑病灶 | 基于回顾性数据训练，需前瞻性研究验证临床效用 | 开发自动化慢性胃炎组织学评估系统以辅助病理医生诊断决策 | 慢性胃炎患者的H&E染色活检切片 | 数字病理 | 胃癌前病变 | H&E染色 | 多实例学习 | 病理图像 | 2744名患者（训练集）+ 467名患者（外部验证） | NA | GastritisMIL | AUC | NA |
| 2180 | 2025-10-06 |
RiskPath: Explainable deep learning for multistep biomedical prediction in longitudinal data
2025-Aug-08, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101240
PMID:40843347
|
研究论文 | 介绍RiskPath可解释深度学习工具箱，用于纵向数据中的多步骤生物医学预测 | 提供理论指导的优化方法确定最佳模型拓扑结构，探索性能-复杂度权衡，并包含可视化预测因子随时间变化重要性的模块 | NA | 开发用于风险分层的可解释时间序列AI方法 | 经典和新兴纵向队列中的疾病风险预测 | 机器学习 | NA | 深度学习时间序列分析 | 深度学习时间序列模型 | 纵向时间序列数据 | NA | NA | NA | NA | NA |