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 39754 篇文献，本页显示第 2541 - 2560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2541 | 2026-01-14 |
Artificial intelligence at the gut-oral microbiota frontier: mapping machine learning tools for gastric cancer risk prediction
2025-Nov-25, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-025-01487-1
PMID:41291759
|
综述 | 本文系统回顾并批判性评估了利用微生物组和非侵入性生物标志物（涵盖肠道、胃黏膜、口腔生态系统及舌象成像代理）进行胃癌预测的人工智能和机器学习模型 | 首次系统性地绘制了AI驱动的基于微生物组的胃癌预测方法学图景，并引入了临床准备度矩阵和验证质量评估来突出转化差距 | 纳入研究数量有限（仅9项），方法学严谨性、外部验证（仅33.3%的研究采用）、可解释性和报告标准差异较大，可重复性存在挑战 | 系统回顾和评估用于胃癌预测的AI/ML模型，以绘制方法学严谨性、转化准备度和生物标志物收敛性 | 利用微生物组数据（来自胃黏膜、粪便、唾液、舌苔、肿瘤组织）和非侵入性生物标志物进行胃癌诊断、风险分类或治疗反应预测的研究 | 机器学习 | 胃癌 | 16S rRNA测序 | Random Forest, LASSO, LightGBM, 深度学习 | 微生物组数据，舌象成像代理 | NA | NA | NA | AUC | NA |
| 2542 | 2026-01-14 |
Transforming Intraoperative Breast Cancer Diagnosis through D-FFOCT and AI Integration
2025-Nov-21, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2025.26.11.3877
PMID:41312911
|
评论 | 本文讨论了将动态全场光学相干断层扫描（D-FFOCT）与人工智能（AI）结合用于术中乳腺癌诊断的变革潜力 | 提出将D-FFOCT的高分辨率实时成像与深度学习算法结合，为术中乳腺癌诊断提供了一种非破坏性、快速且准确的替代方案 | 实施面临高质量数据集需求、算法偏见以及技术整合等挑战 | 优化乳腺癌手术的术中诊断，提升决策质量并改善患者预后 | 乳腺癌组织样本 | 数字病理学 | 乳腺癌 | 动态全场光学相干断层扫描（D-FFOCT） | 深度学习 | 图像 | NA | NA | NA | 诊断准确性，速度 | NA |
| 2543 | 2026-01-14 |
Deep Learning for RNA Secondary Structure Determination: Gauging Generalizability and Broadening the Scope of Traditional Methods
2025-Nov-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.04.686644
PMID:41278894
|
综述 | 本文探讨了深度学习在RNA二级结构预测中的应用，评估了其泛化能力，并扩展了传统方法的范围 | 使用从蛋白质数据库（PDB）中整理的新基准数据集来评估方法泛化性，并讨论了深度学习在预测结构探测数据方面的应用 | 已知RNA结构的多样性和数量有限，可能导致模型对未见结构的预测准确性不足，即泛化差距问题 | 评估深度学习在RNA二级结构预测中的泛化能力，并探索其与传统方法的整合 | RNA二级结构预测方法，特别是深度学习模型 | 机器学习 | NA | RNA结构预测，结构探测数据预测 | 深度学习模型 | RNA结构数据，结构探测数据 | 从蛋白质数据库（PDB）中整理的结构化RNA基准数据集 | NA | NA | 泛化能力评估 | NA |
| 2544 | 2026-01-14 |
Employment of artificial intelligence for an unbiased evaluation regarding the recovery of right ventricular function after mitral valve transcatheter edge-to-edge repair
2025-Nov, European journal of heart failure
IF:16.9Q1
DOI:10.1002/ejhf.3705
PMID:40488515
|
研究论文 | 本研究利用传统超声心动图和人工智能深度学习模型，评估了经导管二尖瓣缘对缘修复术对严重二尖瓣反流患者右心室功能恢复的影响 | 首次结合传统超声心动图测量（TAPSE）与基于深度学习的右心室射血分数预测模型，对M-TEER术后右心室功能恢复进行无偏评估 | 研究为双中心注册研究，可能存在选择偏倚；随访时间较短（3个月），无法评估长期右心室功能变化 | 评估经导管二尖瓣缘对缘修复术对严重二尖瓣反流患者右心室功能恢复的影响 | 接受M-TEER治疗的严重二尖瓣反流患者 | 数字病理学 | 心血管疾病 | 超声心动图 | 深度学习模型 | 二维心尖四腔视图超声心动图视频 | 851名患者 | NA | NA | NA | NA |
| 2545 | 2026-01-14 |
A generative deep learning approach to de novo antibiotic design
2025-Oct-16, Cell
IF:45.5Q1
DOI:10.1016/j.cell.2025.07.033
PMID:40816267
|
研究论文 | 本文提出了一种生成式深度学习框架，用于从头设计新型抗生素，通过片段筛选和不受约束的化合物生成方法，成功合成并验证了具有抗菌活性的化合物 | 开发了一种结合遗传算法和变分自编码器的生成式人工智能框架，用于从头设计结构新颖的抗生素，突破了现有库中化合物的结构限制 | 仅合成了24种化合物进行验证，样本规模相对较小，且体内实验仅限于小鼠模型 | 设计结构新颖的抗生素以应对抗菌素耐药性危机 | 针对淋病奈瑟菌和金黄色葡萄球菌的抗菌化合物 | 机器学习 | 细菌感染 | 生成式深度学习, 遗传算法, 变分自编码器 | VAE | 化学结构数据 | 超过10个化学片段进行筛选，合成了24种化合物 | NA | 变分自编码器 | 抗菌活性, 杀菌效果, 体内细菌负荷减少 | NA |
| 2546 | 2026-01-14 |
Localized identification of seepage and ponding in earthen embankment using infrared thermography assimilated with different deep learning frameworks
2025-Oct-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-13258-y
PMID:41093858
|
研究论文 | 本研究通过将被动红外热成像技术与深度学习算法结合，提出了一种用于识别土堤渗漏和积水的高级方法 | 将土堤渗漏识别任务转化为图像分类问题，并利用深度学习框架处理热图像序列以高精度预测渗漏和积水范围 | NA | 解决土堤长期渗漏和积水导致的失效问题，以增强堤坝安全和洪水易发区的灾害预防策略 | 土堤（土质堤坝） | 计算机视觉 | NA | 红外热成像技术 | 深度学习算法 | 热图像序列 | NA | NA | NA | 准确度 | NA |
| 2547 | 2026-01-14 |
VISTA Uncovers Missing Gene Expression and Spatial-induced Information for Spatial Transcriptomic Data Analysis
2025-Oct-07, Research square
DOI:10.21203/rs.3.rs-7564369/v1
PMID:41282090
|
研究论文 | 提出了一种名为VISTA的新方法，用于预测空间转录组学数据中未观测基因的表达水平 | 首次结合变分推断和几何深度学习联合建模单细胞RNA-seq数据和空间转录组学数据，并引入不确定性量化 | 未明确说明方法在极低基因覆盖度或高度异质性组织中的性能限制 | 解决空间转录组学技术因可同时分析的基因数量有限而导致的信息缺失问题 | 亚细胞空间转录组学数据 | 计算生物学 | NA | 单细胞RNA-seq, 空间转录组学 | 几何深度学习 | 基因表达数据, 空间数据 | 四个空间转录组学数据集 | NA | NA | 插补性能, 时间效率, 内存消耗 | NA |
| 2548 | 2026-01-14 |
Impact of deep learning model uncertainty on manual corrections to MRI-based auto-segmentation in prostate cancer radiotherapy
2025-Sep, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70221
PMID:40849835
|
研究论文 | 本研究评估了深度学习生成的不确定性图对经验丰富的放射肿瘤学家在前列腺癌放疗中手动修正基于深度学习的自动分割的影响 | 首次系统评估了向临床医生展示深度学习分割不确定性图如何影响其决策、质量感知、信心和编辑效率 | 研究样本量较小（35例独立测试集），且仅涉及四位经验丰富的肿瘤学家，结果可能无法推广到更广泛的临床医生群体或不同分割任务 | 评估深度学习生成的不确定性图在临床医生手动修正放疗自动分割过程中的影响 | 接受超低分割MRI-only放疗的前列腺癌患者 | 数字病理学 | 前列腺癌 | MRI | 深度学习模型 | 医学影像（MRI） | 434例患者用于训练（10折交叉验证），35例独立测试集 | nnUNet | nnUNet | Dice系数 | NA |
| 2549 | 2026-01-14 |
Development and clinical implementation of an MRI-only planning workflow featuring deep learning-based synthetic CT for prostate cancer external beam radiotherapy
2025-Sep, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70228
PMID:40841175
|
研究论文 | 本文开发并临床实施了一种仅基于MRI的放疗规划工作流程，利用深度学习生成合成CT图像，用于前列腺癌外部束放射治疗 | 创新点包括开发多通道CycleGAN模型从MRI生成合成CT、自动化基准标记检测以及将工作流程集成到治疗规划系统中，从而消除对CT扫描的需求 | 研究样本量较小（回顾性11例，前瞻性10例），且未详细讨论模型在不同患者群体或成像设备上的泛化能力 | 旨在临床实施仅基于MRI的放疗规划工作流程，用于前列腺癌外部束放射治疗，以提高效率和减少辐射暴露 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | MRI成像（T1加权Dixon、T2加权3D、T2*加权GRE）、定量磁化率映射 | GAN | 图像 | 回顾性11例患者，前瞻性10例患者 | NA | CycleGAN | 剂量学差异百分比、基准标记检测成功率、检测时间减少 | NA |
| 2550 | 2026-01-14 |
Single- versus multi-model in the deep learning prediction of monitor units per control point for automated treatment planning in prostate cancer
2025-Sep, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70229
PMID:40883098
|
研究论文 | 本研究比较了单模型与多模型深度学习方法在预测前列腺癌容积旋转调强放疗中每个控制点监测单位数的性能，以自动化治疗计划 | 引入了基于深度学习的单模型与多模型方法，用于预测前列腺癌VMAT治疗中每个控制点的监测单位数，并比较了2D与3D输入数据的性能 | 研究仅基于单一机构的前列腺癌患者数据，样本量相对有限，且未评估模型在其他癌症类型或放疗技术中的泛化能力 | 开发并比较深度学习方法，以预测前列腺癌容积旋转调强放疗中每个控制点的监测单位数，实现自动化治疗计划 | 前列腺癌患者接受60 Gy分20次放疗的治疗计划数据 | 数字病理 | 前列腺癌 | 容积旋转调强放疗 | 深度学习模型 | 3D剂量分布数据、2D平均剂量强度投影数据 | 302份均匀治疗计划（训练集220份、验证集40份、测试集42份） | NA | NA | 每个控制点仪表权重的误差百分比、每个束流监测单位的误差百分比、临床目标达成率 | NA |
| 2551 | 2026-01-14 |
A Deep Learning Method for Autism Spectrum Disorder Classification Based on Multimodal Neuroimaging Data
2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC58623.2025.11253912
PMID:41337246
|
研究论文 | 本文提出了一种基于多模态神经影像数据的深度学习模型，用于自闭症谱系障碍（ASD）的分类诊断 | 通过融合功能磁共振成像（fMRI）和结构磁共振成像（sMRI）的互补信息，构建更全面的特征空间，捕捉单一模态无法提供的复杂神经病理特征 | 研究仅使用了ABIDE NYU站点的数据，样本量有限，且未在其他独立数据集上进行验证 | 提高自闭症谱系障碍（ASD）与典型发育对照组（TC）的早期分类准确性，以支持及时干预和治疗 | 自闭症谱系障碍（ASD）患者和典型发育对照组（TC）的个体 | 机器学习 | 自闭症谱系障碍 | 功能磁共振成像（fMRI），结构磁共振成像（sMRI） | 深度学习模型 | 神经影像数据 | 来自ABIDE NYU站点的影像数据 | NA | NA | 准确率，AUC，灵敏度，特异度 | NA |
| 2552 | 2026-01-14 |
A fusocelular skin dataset with whole slide images for deep learning models
2025-May-14, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05108-3
PMID:40368949
|
研究论文 | 本文介绍了AI4SkIN数据集，这是首个用于皮肤梭形细胞病变的公开全切片图像数据集，通过创新的众包协议进行标注，旨在提升计算机辅助诊断系统的性能 | 首次公开了针对皮肤梭形细胞病变的全切片图像数据集，并采用基于高斯过程的众包协议进行标注，展示了非专家标注数据在训练深度学习模型中的有效性 | 未明确提及数据集的样本多样性或潜在的标注偏差，且未详细讨论模型在临床环境中的泛化能力 | 开发一个用于皮肤梭形细胞病变分类的公开数据集，以支持计算机辅助诊断系统的研究和验证 | 皮肤梭形细胞病变的全切片图像 | 数字病理学 | 皮肤梭形细胞病变 | 苏木精和伊红染色 | 深度学习模型 | 全切片图像 | 641张全切片图像 | NA | NA | NA | NA |
| 2553 | 2026-01-14 |
Trends and Gaps in Public Perception of Genetic Testing for Dementia Risk: Unsupervised Deep Learning of Twitter Posts From 2010 to 2023
2025 Apr-Jun 01, Alzheimer disease and associated disorders
DOI:10.1097/WAD.0000000000000667
PMID:40371554
|
研究论文 | 本研究利用Twitter数据，通过无监督深度学习方法分析了2010年至2023年间公众对痴呆症基因检测的认知趋势和差距 | 首次结合BERT模型和主题建模技术，从社交媒体数据中挖掘公众对痴呆症基因检测的长期认知演变，并识别出关键争议话题 | 研究仅基于英语推文数据，可能无法全面反映全球多元文化背景下的公众认知；主题一致性系数较低（Silhouette Coefficient=0.19），表明话题聚类效果有限 | 分析公众对痴呆症基因检测的认知趋势、关注焦点及信息传播模式 | 2010年1月1日至2023年4月1日期间包含相关术语的英文推文 | 自然语言处理 | 痴呆症 | 基因检测 | BERT | 文本 | 3045条原始/源推文 | NA | BERT | Silhouette Coefficient | NA |
| 2554 | 2026-01-14 |
GaitDynamics: A Generative Foundation Model for Analyzing Human Walking and Running
2025-Mar-21, Research square
DOI:10.21203/rs.3.rs-6206222/v1
PMID:40166023
|
研究论文 | 本文介绍了GaitDynamics，一个用于分析人类行走和跑步的生成式基础模型，旨在通过大规模多样化数据训练，实现低成本、高精度的步态动力学预测 | 开发了首个针对人类步态的生成式基础模型，能够处理多样化输入和输出任务，并在数据缺失或未见人群上保持高准确性和鲁棒性 | 模型训练依赖于大规模数据集，可能无法覆盖所有可能的步态变异或极端情况；未详细讨论模型在实时应用中的计算延迟问题 | 通过深度学习模型低成本地预测和分析人类步态动力学，以促进健康、预防损伤、治疗疾病和优化运动表现 | 人类行走和跑步的步态动力学，包括运动学和地面反作用力 | 机器学习 | NA | 深度学习 | 生成式基础模型 | 运动学和力数据 | 大规模数据集，包含多样化参与者人口统计学和步态模式 | 未指定 | 未指定 | 准确性, 鲁棒性 | 未指定 |
| 2555 | 2026-01-14 |
VISTA Uncovers Missing Gene Expression and Spatial-induced Information for Spatial Transcriptomic Data Analysis
2025-Mar-18, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.26.609718
PMID:40166134
|
研究论文 | 本文提出了一种名为VISTA的新方法，用于预测空间转录组数据中未观测基因的表达水平，以克服现有技术的局限性 | VISTA结合了变分推断和几何深度学习，联合建模单细胞RNA-seq和空间转录组数据，并引入了不确定性量化，能够高效处理大规模数据集 | NA | 解决空间转录组技术中基因表达信息缺失的问题，提升空间诱导细胞状态和特征的分析能力 | 空间转录组数据 | 生物信息学 | NA | 单细胞RNA-seq, 空间转录组学 | 几何深度学习 | 基因表达数据, 空间数据 | 四个空间转录组数据集 | NA | NA | 时间效率, 内存消耗 | NA |
| 2556 | 2026-01-14 |
Unraveling microglial spatial organization in the developing human brain with DeepCellMap, a deep learning approach coupled with spatial statistics
2025-Feb-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-56560-z
PMID:39948387
|
研究论文 | 本文介绍了一种名为DeepCellMap的深度学习辅助工具，用于分析发育中人类大脑的小胶质细胞空间组织 | 开发了DeepCellMap工具，结合多尺度图像处理与先进空间统计，首次系统映射小胶质细胞在正常和病理大脑发育中的空间组织 | 未明确说明样本量的具体限制或工具在不同成像模态下的验证范围 | 研究发育中人类大脑的小胶质细胞空间组织及其在病理条件下的变化 | 人类胎儿大脑组织中的小胶质细胞 | 数字病理学 | NA | 多尺度图像处理，空间统计，聚类分析 | 深度学习 | 组织切片图像 | NA | NA | NA | NA | NA |
| 2557 | 2026-01-14 |
Innovative Immunoinformatics Tools for Enhancing MHC (Major Histocompatibility Complex) Class I Epitope Prediction in Immunoproteomics
2025, Protein and peptide letters
IF:1.0Q4
|
综述 | 本文综述了免疫信息学工具在提升MHC I类表位预测方面的最新进展 | 整合了生物信息学算法、人工智能和机器学习模型，特别是深度学习与多组学数据融合，以增强表位预测的敏感性和特异性 | 由于MHC I类结合肽的复杂性和多样性，在不同人群和情境中精确识别表位仍极具挑战性 | 提升MHC I类表位预测的准确性，以促进疫苗开发、癌症免疫疗法和自身免疫性疾病研究 | MHC I类分子结合肽 | 自然语言处理 | NA | 免疫信息学工具（如NetMHC、IEDB、MHCflurry）、生物信息学算法、人工智能、机器学习、深度学习、多组学数据整合 | 机器学习模型、深度学习模型 | 大规模肽-MHC结合数据、结构特征、相互作用动态、蛋白质组学、转录组学、基因组学数据 | NA | NA | NA | 敏感性、特异性、准确性 | NA |
| 2558 | 2026-01-14 |
Highly Elastic, Fatigue-Resistant, and Antifreezing MXene Functionalized Organohydrogels as Flexible Pressure Sensors for Human Motion Monitoring
2024-11-20, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c12852
PMID:39506450
|
研究论文 | 本研究设计了一种基于MXene功能化有机水凝胶的柔性压力传感器，用于人体运动监测 | 设计了一种具有双网络结构和可逆交联相互作用的弹性、抗疲劳、抗冻PVA/LA有机水凝胶，并引入MXene作为导电填料以增强传感器性能 | NA | 开发用于人体运动监测和健康监测的柔性压力传感器 | 基于MXene功能化有机水凝胶的柔性压力传感器 | 机器学习 | NA | NA | CNN, LSTM | 传感器信号数据 | NA | NA | 一维卷积神经网络, 长短期记忆网络 | 准确率 | NA |
| 2559 | 2026-01-14 |
Cloud-Integrated Smart Nanomembrane Wearables for Remote Wireless Continuous Health Monitoring of Postpartum Women
2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202307609
PMID:38279514
|
研究论文 | 本文介绍了一种用于产后女性远程无线连续健康监测的云集成智能纳米膜可穿戴系统 | 开发了基于柔性胸骨设备和共形纳米膜传感器的云集成可穿戴系统，用于产后女性的心血管监测，并通过深度学习实现医疗设备级血压预测 | 研究样本仅限于20名产后黑人女性，且未提及长期使用的耐久性或成本效益分析 | 解决非传染性疾病患者，特别是产后女性，对长期、连续健康监测的未满足需求 | 产后女性，特别是美国黑人产后女性 | 数字病理学 | 心血管疾病 | 纳米膜传感器技术 | 深度学习 | 波形数据 | 20名产后黑人女性 | NA | NA | NA | 云架构 |
| 2560 | 2026-01-14 |
Distribution-Agnostic Deep Learning Enables Accurate Single-Cell Data Recovery and Transcriptional Regulation Interpretation
2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202307280
PMID:38380499
|
研究论文 | 本文提出了一种名为Bis的分布无关深度学习模型，用于准确恢复单细胞RNA测序数据中的缺失基因表达值 | Bis模型基于最优传输的自编码器架构，无需严格的数据分布假设，并利用批量RNA测序数据进行监督指导，以解决单细胞数据稀疏性问题 | 未明确说明模型在超大规模数据集上的计算效率或对不同单细胞平台的泛化能力限制 | 开发一种分布无关的深度学习方法，以准确恢复单细胞RNA测序数据中的缺失表达值并解释转录调控 | 单细胞RNA测序数据，包括模拟和真实数据集，以及头颈鳞状细胞癌微环境中的细胞亚群 | 机器学习 | 头颈鳞状细胞癌 | 单细胞RNA测序，批量RNA测序 | 自编码器 | 基因表达数据 | NA | NA | 基于最优传输的自编码器 | NA | NA |