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 36734 篇文献，本页显示第 2221 - 2240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2221 | 2025-12-03 |
Transformer-based multimodal fusion model predicts early hematoma expansion in spontaneous cerebral hemorrhage: A multicenter study
2026-Jan, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112465
PMID:41135231
|
研究论文 | 本研究开发了一种基于Transformer的多模态融合模型，用于预测自发性脑出血患者的早期血肿扩张 | 首次将深度学习特征、影像组学特征和临床因素通过Transformer模型进行融合，用于早期血肿扩张的预测 | 样本量相对有限，且为回顾性研究，需要进一步前瞻性验证 | 开发一个精确预测自发性脑出血患者早期血肿扩张的模型 | 自发性脑出血患者 | 医学影像分析 | 脑出血 | 非对比计算机断层扫描 | Transformer, SVM, LR, RF, AdaBoost | 图像, 临床数据 | 465名患者（来自三家医院） | NA | Transformer | AUC, 校准曲线 | NA |
| 2222 | 2025-12-03 |
A deep learning-based method for marine oil spill detection and its application in UAV imagery
2026-Jan, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.118889
PMID:41166779
|
研究论文 | 本研究开发了一种基于YOLOv12的无人机图像海洋溢油检测框架，旨在提高溢油检测的准确性和边界划分的精度 | 提出了一种基于YOLOv12的无人机图像溢油检测框架，通过高分辨率输入、预训练权重初始化和余弦退火学习率调度策略，增强了污染特征表示能力 | 未明确提及模型在极端天气或夜间条件下的性能，也未讨论计算资源需求或实时处理速度的详细限制 | 开发高效智能的海洋溢油检测机制，以支持早期预警和快速响应，保护海洋生态系统和沿海经济安全 | 无人机图像中的海洋溢油区域 | 计算机视觉 | NA | 无人机遥感成像 | CNN | 图像, 视频 | 构建了一个包含多样溢油形态、不同海洋干扰条件和多尺度目标的遥感图像数据集 | NA | YOLOv12 | F1 Score, mAP@0.5, mAP@0.5-0.95, 精确率-召回率曲线 | NA |
| 2223 | 2025-12-03 |
Letter re: A deep learning model for preoperative risk stratification of pancreatic ductal adenocarcinoma based on genomic predictors of liver metastasis
2025-Dec-09, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2025.116046
PMID:41326211
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2224 | 2025-10-30 |
AI-Enabled Echocardiography Interpretation With Multitask Deep Learning
2025-Dec-02, JAMA
DOI:10.1001/jama.2025.16625
PMID:41160021
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2225 | 2025-10-30 |
AI-Enabled Echocardiography Interpretation With Multitask Deep Learning-Reply
2025-Dec-02, JAMA
DOI:10.1001/jama.2025.16627
PMID:41160035
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2226 | 2025-10-30 |
AI-Enabled Echocardiography Interpretation With Multitask Deep Learning
2025-Dec-02, JAMA
DOI:10.1001/jama.2025.16623
PMID:41160046
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2227 | 2025-12-03 |
MSformer: A Meta-Structure Based Interpretable Framework for Representation Learning of Natural Products
2025-Dec-02, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03958
PMID:41201272
|
研究论文 | 本文提出了一种基于元结构的可解释框架MSformer，用于自然产物的表示学习，以解决其结构复杂性和数据稀缺性问题 | MSformer通过质谱启发的元结构碎片化算法，在有限自然产物数据集上进行预训练，实现了对自然产物结构丰富性和药物相关性的高效捕获，并提供了层次化可解释性 | 预训练仅基于40万个自然产物数据，可能无法覆盖所有自然产物结构多样性 | 开发一种用于自然产物表示学习的深度学习框架，以促进药物发现 | 自然产物及其化学结构 | 自然语言处理 | NA | 质谱启发的碎片化算法 | Transformer | 化学结构数据 | 40万个自然产物，生成2.34亿个元结构 | NA | Transformer | NA | NA |
| 2228 | 2025-12-03 |
Neural network-driven direct CBCT-based dose calculation for head-and-neck proton treatment planning
2025-Dec-02, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae222a
PMID:41265034
|
研究论文 | 本研究开发并验证了一种基于扩展长短期记忆（xLSTM）神经网络的深度学习方法，用于直接从锥形束计算机断层扫描（CBCT）图像进行质子剂量计算 | 首次将xLSTM神经网络应用于直接CBCT质子剂量计算，通过能量令牌编码和射束视角序列建模捕捉质子剂量沉积模式的空间依赖性，消除了传统校正工作流程 | 研究为回顾性分析，样本量有限（40例患者），且仅针对头颈部癌症进行了验证 | 开发一种准确且高效的直接CBCT质子剂量计算方法，以支持自适应质子治疗计划 | 头颈部癌症患者的配对计划CT图像和治疗CBCT图像 | 医学影像分析 | 头颈部癌症 | 锥形束计算机断层扫描（CBCT），蒙特卡洛（MC）模拟 | xLSTM | 医学影像（CT，CBCT） | 40例头颈部癌症患者的回顾性数据集，包含配对计划CT和治疗CBCT图像；训练使用82,500个配对的质子笔形束配置 | NA | xLSTM | 伽马通过率，平均百分比剂量误差，剂量体积直方图比较，临床靶区V95%差异，危及器官平均剂量差异 | NA |
| 2229 | 2025-12-03 |
Characterizing the Immune Response in Pig-to-Human Heart Xenografts Using a Multimodal Diagnostic System
2025-Dec-02, Circulation
IF:35.5Q1
|
研究论文 | 本研究通过多模态诊断系统，对猪到人心脏异种移植物的免疫反应进行了精确表征 | 首次结合形态学评估、免疫表型分析、超微结构评估、自动定量多重免疫荧光染色和基因表达谱分析，对猪到人心脏异种移植物的异种免疫反应进行多模态表型分析 | 研究仅基于两个异种移植物样本，样本量较小，且仅在再灌注后66小时进行分析，可能未捕捉到免疫反应的长期动态 | 精确表征猪到人心脏异种移植物中的异种免疫反应和损伤 | 从10基因编辑猪移植到脑死亡人类受体的两个心脏异种移植物 | 数字病理学 | 心血管疾病 | 多重免疫荧光染色, 基因表达谱分析 | 深度学习 | 图像, 基因表达数据 | 两个心脏异种移植物样本，以及作为对照的植入前异种移植物和野生型猪心脏（包括有/无缺血/再灌注损伤和脑死亡） | NA | NA | NA | NA |
| 2230 | 2025-12-03 |
JASPAR 2026: expansion of transcription factor binding profiles and integration of deep learning models
2025-Dec-02, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf1209
PMID:41325984
|
研究论文 | 本文介绍了JASPAR数据库2026版本的更新内容，包括扩展转录因子结合谱、整合深度学习模型以及提供新的注释工具 | 首次在JASPAR数据库中整合深度学习模型集合，包含1259个基于ENCODE ChIP-seq数据训练的BPNet模型，实现了从传统位置频率矩阵向深度学习建模的范式转变 | 深度学习模型目前仅基于人类ENCODE ChIP-seq数据集训练，尚未扩展到其他物种 | 扩展和更新转录因子结合谱数据库，整合深度学习模型以改进TF-DNA相互作用的建模与表征 | 转录因子DNA结合谱、深度学习模型、调控序列模拟 | 生物信息学 | NA | ChIP-seq、深度学习建模 | BPNet | DNA序列数据、ChIP-seq数据 | 240个人类转录因子的ENCODE ChIP-seq数据集 | NA | BPNet | NA | NA |
| 2231 | 2025-12-03 |
Comparing deep learning CNN method with traditional MRI-based hippocampal segmentation and volumetry for early Alzheimer's disease diagnosis across diverse populations
2025-Dec-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29366-8
PMID:41326490
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2232 | 2025-12-03 |
3D Automated Segmentation of Bronchial Abnormalities on Ultrashort Echo Time MRI: A Quantitative MR Outcome in Cystic Fibrosis
2025-Dec-02, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70196
PMID:41328895
|
研究论文 | 开发了一种基于深度学习的系统，用于在超短回波时间MRI上自动分割囊性纤维化支气管异常，并评估其在临床治疗监测中的相关性 | 首次将深度学习应用于超短回波时间MRI上囊性纤维化支气管异常的自动分割，并验证了其在CFTR调节剂治疗监测中的临床价值 | 研究为回顾性设计，样本量有限，且依赖于专家精修分割作为金标准 | 开发一个深度学习系统，用于在超短回波时间MRI上分割囊性纤维化支气管异常，并评估其临床相关性 | 囊性纤维化患者的支气管异常，包括支气管扩张、管壁增厚和黏液 | 数字病理学 | 囊性纤维化 | 超短回波时间MRI | CNN | 3D MRI图像 | 166名囊性纤维化患者，包括训练集97例、测试集25例和独立临床验证队列44例 | NA | RiSeNet | 归一化表面Dice, 中心线Dice | NA |
| 2233 | 2025-12-03 |
Non-invasive hemoglobin estimation with outcome prediction via deep learning analysis of ECG-derived cardiac micro-dynamics
2025-Dec-02, Internal and emergency medicine
IF:3.2Q1
DOI:10.1007/s11739-025-04209-6
PMID:41329232
|
研究论文 | 本研究开发了一种基于心电图和深度学习的非侵入性血红蛋白估计模型，用于贫血检测并评估其对全因死亡率和新发心力衰竭的预测能力 | 首次利用深度学习分析心电图衍生的心脏微动力学特征来非侵入性估计血红蛋白水平，并验证其在心血管风险预测中的预后价值 | 研究为回顾性设计，可能受到选择偏倚的影响；模型性能在轻度贫血检测中相对较低；外部验证仅来自两家医院 | 开发一种非侵入性、低成本的贫血筛查工具，并评估其与心血管结局的关联 | 心电图信号与对应的血红蛋白水平数据 | 数字病理学 | 心血管疾病 | 心电图分析 | 深度学习模型 | 心电图信号 | 训练集：187,202名患者的388,166份心电图；内部测试集：24,279名患者；外部测试集：29,247名患者 | NA | NA | AUC, 敏感性, 特异性, Pearson相关系数, 风险比 | NA |
| 2234 | 2025-12-03 |
CNN-Powered Dual-Path Network with Adaptive Attention for Red Blood Cell Classification
2025-Dec-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01759-1
PMID:41329245
|
研究论文 | 提出一种结合EfficientNetB3和DenseNet201的双路径卷积神经网络架构，并集成CBAM注意力机制，用于红细胞形态亚型的准确分类 | 设计了一种新颖的CNN-DP-Att架构，通过双路径（高分辨率细节路径和上下文特征路径）结合双主干网络（EfficientNetB3和DenseNet201）以及CBAM注意力机制，有效提取红细胞形态的细微特征 | 未明确说明模型在外部验证集上的泛化能力、计算效率或临床部署的可行性 | 开发一种基于深度学习的自动化系统，以准确分类红细胞形态亚型，辅助血液学疾病的诊断和监测 | 红细胞（RBC）的形态亚型，包括多种红细胞异常 | 计算机视觉 | 血液学疾病 | 医学成像 | CNN | 图像 | NA | NA | EfficientNetB3, DenseNet201 | 精度 | NA |
| 2235 | 2025-12-03 |
A deep learning model to reduce agent dose for contrast-enhanced MRI of the cerebellopontine angle cistern
2025-Dec-02, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12187-8
PMID:41329327
|
研究论文 | 本研究评估了一种深度学习模型，用于减少桥小脑角池对比增强T1加权MRI的造影剂剂量 | 首次在桥小脑角池MRI中广泛评估了用于减少造影剂剂量的深度学习模型，并证明了该模型能使低剂量图像恢复至足以用于前庭神经鞘瘤诊断和管理的质量 | 这是一项多中心回顾性研究，样本量相对有限（72名患者，203项MRI研究），且仅针对前庭神经鞘瘤患者 | 评估深度学习模型在减少桥小脑角池对比增强MRI造影剂剂量方面的效果 | 前庭神经鞘瘤患者的MRI图像 | 数字病理学 | 前庭神经鞘瘤 | 对比增强T1加权MRI | 深度学习模型 | MRI图像 | 72名前庭神经鞘瘤患者，共203项MRI研究 | NA | NA | 结构相似性指数，峰值信噪比，Dice系数，95% Hausdorff距离，平均表面距离 | NA |
| 2236 | 2025-12-03 |
Exploring potential gene signatures in dengue through machine learning and deep learning approaches
2025-Dec-02, Virus genes
IF:1.9Q4
DOI:10.1007/s11262-025-02204-9
PMID:41329415
|
研究论文 | 本研究通过机器学习和深度学习技术分析登革热微阵列数据，以识别潜在的生物标志物和诊断基因特征 | 结合递归特征消除和遗传算法的机器学习与深度学习方法来识别登革热相关差异表达基因，并确定了与血小板功能和硬腭形态异常相关的七个枢纽基因 | 研究结果需要在更大、更多样化的队列中进行进一步验证以确认其预后效用 | 识别登革热临床条件下的潜在生物标志物和诊断基因特征 | 登革热患者微阵列数据中的差异表达基因 | 机器学习 | 登革热 | 微阵列 | Random Forest, Support Vector Machine | 基因表达数据 | 四个微阵列数据集（GSE84331, GSE18090, GSE43777, E-MTAB-3162） | NA | NA | NA | NA |
| 2237 | 2025-12-03 |
Bioinformatics Portal for Predicting Binding Regions and Modes in Protein-Nucleic Acid Interactions
2025-Dec-02, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzaf114
PMID:41329480
|
研究论文 | 本文介绍了一个用于预测蛋白质-核酸相互作用（PNIs）结合区域和模式的生物信息学门户网站，该门户整合了数据库、机器学习/深度学习预测工具及潜在应用分析 | 开发了一个集成的在线生物信息学门户，系统整合了PNIs数据库、多种ML/DL预测算法，并提供了用户友好的交互界面 | 未在摘要中明确说明具体的技术局限性 | 通过计算建模预测PNIs的结合位点和构象动力学，以理解其分子机制并促进核酸药物设计 | 蛋白质-核酸相互作用（PNIs） | 生物信息学 | NA | 机器学习（ML）、深度学习（DL） | NA | 蛋白质-核酸相互作用数据 | NA | NA | NA | NA | 在线平台（http://rv.agroda.cn/pni_portal） |
| 2238 | 2025-12-03 |
HGCPep: Hypergraph Deep Learning Identifies Cancer-associated Non-coding Peptides
2025-Dec-02, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzaf093
PMID:41329495
|
研究论文 | 本研究开发了一个名为HGCPep的深度学习框架，利用超图建模非编码RNA与其编码的多肽之间的内在关系，以更准确地识别癌症相关的非编码多肽 | 首次提出利用超图神经网络建模非编码RNA转录本与其编码的多肽群体之间的关系，将转录背景信息融入多肽特征表示，突破了传统仅基于序列分析方法的局限 | 未明确说明模型在跨癌症类型泛化能力、实验验证规模以及计算复杂度方面的具体限制 | 开发一种能够系统识别癌症相关非编码多肽的计算方法，为癌症免疫治疗发现新的治疗靶点 | 非编码RNA编码的小肽 | 生物信息学, 机器学习 | 癌症 | 深度学习, 超图神经网络 | 超图神经网络, 卷积神经网络 | 序列数据, 图结构数据 | NA | NA | 超图神经网络与卷积神经网络的集成架构 | NA | NA |
| 2239 | 2025-12-03 |
Profiling Cell-state Fingerprints Based on Deep Learning Model with Meta-programs of Pan-cancer
2025-Dec-02, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzaf123
PMID:41329499
|
研究论文 | 本研究基于深度学习模型StateNet，利用泛癌元程序生成细胞状态指纹，以揭示癌症细胞的共同特征和个体差异 | 开发了深度学习模型StateNet，首次基于泛癌元程序生成细胞状态指纹，用于分析癌症细胞的共享机制和个体特性 | 未明确说明模型在独立验证集上的泛化能力或计算效率的具体限制 | 研究泛癌中细胞状态的共享机制和个体差异，以开发癌症分析工具 | 159,372个细胞，来自245个细胞系，覆盖14种组织类型 | 机器学习 | 泛癌 | 单细胞RNA测序 | 深度学习模型 | 单细胞RNA测序数据 | 159,372个细胞，245个细胞系，14种组织类型 | NA | StateNet | NA | NA |
| 2240 | 2025-12-03 |
Deep-ELA: Deep Exploratory Landscape Analysis with Self-Supervised Pretrained Transformers for Single- and Multiobjective Continuous Optimization Problems
2025-Dec-01, Evolutionary computation
IF:4.6Q1
DOI:10.1162/evco_a_00367
PMID:39903851
|
研究论文 | 本文提出了一种名为Deep-ELA的混合方法，结合深度学习和探索性景观分析特征，用于单目标和多目标连续优化问题的表征 | 通过自监督预训练Transformer模型，在数百万随机生成的优化问题上学习深度表示，解决了传统ELA特征的相关性限制并扩展至多目标问题 | 未明确提及具体性能限制或数据偏差问题 | 开发一种能有效表征连续优化问题景观的混合框架，以支持算法选择、配置及问题理解等任务 | 单目标和多目标连续优化问题 | 机器学习 | NA | 探索性景观分析（ELA）、深度学习 | Transformer | 数值特征、点云数据 | 数百万随机生成的优化问题 | NA | Transformer | NA | NA |