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 36465 篇文献，本页显示第 2561 - 2580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2561 | 2025-11-27 |
Advancing Stroke Diagnosis: A Comprehensive Review of Artificial Intelligence in Detecting Early Ischemic Changes on Noncontrast CT (NCCT)
2025-Nov-24, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.11.015
PMID:41290431
|
综述 | 本文综述人工智能在非增强CT图像上检测早期缺血性改变的应用现状与发展前景 | 系统总结AI在自动计算ASPECTS评分和基于深度学习的EIC检测两大技术突破，强调其在辅助临床决策中的创新价值 | 现有AI模型仍存在依赖大规模数据集和临床验证不足等局限性 | 探索人工智能在急性缺血性卒中早期诊断中的应用潜力 | 非增强CT图像中的早期缺血性改变 | 数字病理 | 脑血管疾病 | NCCT | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 2562 | 2025-11-27 |
Explainable Artificial Intelligence for Multi-Modal Cancer Analysis: From Genomics to Immunology
2025-Nov-23, Critical reviews in oncology/hematology
DOI:10.1016/j.critrevonc.2025.105040
PMID:41290079
|
综述 | 本文综述了可解释人工智能在多模态癌症分析中的应用，重点介绍了从基因组学到免疫学的多模态数据整合方法 | 提出了免疫学信息引导的多模态整合方法，将预测特征与肿瘤免疫微环境动态联系起来，增强了生物标志物发现和免疫治疗分层能力 | 面临数据协调和模态不平衡等挑战，需要确保科学有效性的模态选择标准 | 推进个性化精准肿瘤学发展，提高癌症预后准确性、治疗选择和治疗反应预测能力 | 多模态生物医学数据，包括基因组学、转录组学、组织病理学、医学影像、蛋白质组学、代谢组学、电子健康记录和免疫学特征 | 机器学习 | 癌症 | 多模态深度学习，可解释人工智能 | 深度学习 | 多模态生物医学数据 | NA | NA | NA | 统计指标，生物学合理性评估 | NA |
| 2563 | 2025-11-27 |
Utilization of an automated machine learning approach for the detection of granular corneal dystrophy via slit lamp photographs
2025-Nov-22, BMC ophthalmology
IF:1.7Q3
DOI:10.1186/s12886-025-04324-0
PMID:41275196
|
研究论文 | 本研究应用自动化机器学习技术通过裂隙灯照片检测颗粒状角膜营养不良 | 首次将Google Vertex-AI自动化机器学习平台应用于罕见眼科疾病GCD的自动诊断 | 样本量较小(仅223张图像)，且排除了伴随其他角膜疾病的患者 | 开发基于自动化机器学习的颗粒状角膜营养不良自动诊断系统 | 颗粒状角膜营养不良患者的裂隙灯照片 | 计算机视觉 | 颗粒状角膜营养不良 | 裂隙灯摄影 | 深度学习 | 图像 | 223张裂隙灯照片(72张GCD, 151张非GCD) | Google Vertex-AI | AutoML | AUPRC, 灵敏度, 特异性, 阳性预测值, 准确率, F1分数 | Google Vertex-AI平台 |
| 2564 | 2025-11-27 |
Automated detection of the epileptogenic zone in stereoelectroencephalography for drug-resistant epilepsy using multi-epileptogenic biomarker machine learning
2025-Nov-22, Epilepsy research
IF:2.0Q3
DOI:10.1016/j.eplepsyres.2025.107710
PMID:41289960
|
研究论文 | 本研究开发了一种可解释的机器学习框架，通过整合多种癫痫源性生物标志物来自动定位药物难治性癫痫患者的致痫区 | 首次将多种癫痫源性生物标志物整合到可解释的机器学习框架中，并使用SHAP方法解释深度学习模型的决策过程 | 回顾性研究，样本量相对较小（38名患者），需要更大规模的前瞻性验证 | 开发可解释的机器学习框架以提升药物难治性癫痫患者致痫区的定位准确性 | 接受立体脑电图探查的药物难治性癫痫患者 | 机器学习 | 癫痫 | 立体脑电图，电生理特征分析 | 深度学习，机器学习算法 | 电生理信号 | 38名患者，1671个SEEG通道 | NA | NA | AUC | NA |
| 2565 | 2025-11-27 |
A review of firearm toolmarks identification: Progress, challenges, and perspectives
2025-Nov-20, Forensic science international
IF:2.2Q1
DOI:10.1016/j.forsciint.2025.112735
PMID:41289806
|
综述 | 系统回顾枪支工具痕迹识别技术的演进历程，分析当前挑战并展望未来发展方向 | 提出从传统形态学方法向概率评估框架的范式转变，引入似然比量化识别结论 | 需解决多模态数据融合和非标准化枪支识别等挑战 | 构建可验证、高可靠性的枪支识别系统 | 枪支发射的子弹和弹壳上的微观痕迹 | 法医科学 | NA | 共聚焦显微镜、扫描电子显微镜、微型计算机断层扫描 | 深度学习 | 3D地形图像 | NA | NA | NA | 似然比 | NA |
| 2566 | 2025-11-27 |
De novo Design of All-atom Biomolecular Interactions with RFdiffusion3
2025-Nov-19, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.18.676967
PMID:41000976
|
研究论文 | 介绍RFdiffusion3扩散模型用于全原子生物分子相互作用的从头设计 | 首次实现蛋白质结构在配体、核酸等非蛋白质原子环境中的全原子建模，支持复杂原子级约束条件 | 未明确说明模型的具体限制条件 | 开发能够设计全原子生物分子相互作用的蛋白质设计方法 | 蛋白质结构、配体、核酸、非蛋白质原子 | 机器学习 | NA | 扩散模型 | 扩散模型 | 蛋白质结构数据、原子坐标 | NA | NA | RFdiffusion3 | 基准测试性能 | 计算成本降低至先前方法的十分之一 |
| 2567 | 2025-11-27 |
Rapid MR examination with deep learning reconstruction improves diagnosis of complicated acute appendicitis
2025-Nov-19, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112554
PMID:41289720
|
研究论文 | 评估采用深度学习重建的快速非对比磁共振成像在诊断复杂性阑尾炎中的性能 | 首次将深度学习重建技术应用于快速非对比MRI协议，显著提升对复杂性阑尾炎的诊断准确性 | 样本量较小（62例患者），且包含特殊人群（4例孕妇） | 比较深度学习重建MRI与传统MRI及非对比CT在诊断复杂性阑尾炎方面的性能差异 | 急性阑尾炎患者（含孕妇群体） | 医学影像分析 | 急性阑尾炎 | 磁共振成像（T1加权、T2加权、扩散加权成像）、计算机断层扫描 | 深度学习重建模型 | 医学影像 | 62例患者（55例确诊急性阑尾炎，其中51例同时接受CT和MRI检查，4例孕妇仅接受MRI检查） | NA | NA | 灵敏度、阴性预测值、受试者工作特征分析、kappa统计量 | NA |
| 2568 | 2025-11-27 |
Active Stacking-Deep Learning with Strategic Sampling for Small and Imbalanced Chemical Toxicity Prediction
2025-Nov-18, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c04016
PMID:41280803
|
研究论文 | 提出一种结合主动学习、堆叠集成学习和战略采样的深度学习框架，用于解决化学毒性预测中数据不平衡和有限数据的问题 | 首次将主动学习与堆叠集成学习结合，并集成CNN、BiLSTM和注意力机制，在数据不平衡情况下实现高效毒性预测 | 在不同测试比例下性能有所下降，虽然不确定性方法在严重类别不平衡下表现更稳定 | 提高化学毒性预测的准确性和数据效率，特别是针对干扰甲状腺的化学物质 | 针对甲状腺过氧化物酶的甲状腺干扰化学物质(TDCs) | 机器学习 | 甲状腺功能障碍 | 分子对接 | CNN, BiLSTM, 注意力机制 | 化学数据 | NA | NA | 卷积神经网络, 双向长短期记忆网络, 注意力机制 | MCC, AUROC, AUPRC | NA |
| 2569 | 2025-11-27 |
Can artificial intelligence predict failure of non-invasive respiratory support in the neonatal unit?
2025-Nov-18, Seminars in fetal & neonatal medicine
IF:2.9Q1
DOI:10.1016/j.siny.2025.101692
PMID:41290497
|
综述 | 探讨人工智能在新生儿重症监护室中预测无创呼吸支持失败的应用潜力 | 首次系统评估AI模型在预测新生儿无创通气失败方面的表现，重点关注深度学习模型的应用潜力 | 纳入研究数量有限（6项），缺乏多中心外部验证研究，需要进一步验证模型的泛化能力 | 评估人工智能预测新生儿无创呼吸支持失败的能力，以改善临床决策和个性化护理 | 新生儿重症监护室中的早产儿和新生儿患者 | 医疗人工智能 | 新生儿呼吸系统疾病 | 无创通气监测 | 深度学习, 逻辑回归, 支持向量机 | 临床监测数据 | 3421名婴儿 | NA | 多模态深度神经网络 | AUC | NA |
| 2570 | 2025-11-27 |
Quantitative profiling of whole-brain connectomes at single-axon resolution using deep learning and high-resolution light sheet microscopy
2025-Nov-16, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.14.688340
PMID:41292859
|
研究论文 | 本文介绍了一种结合深度学习与高分辨率光片显微镜的端到端流程MAPL3，用于在全脑范围内以单轴突分辨率定量分析连接组 | 将自监督学习与创新深度架构相结合，能够同时捕捉局部和全脑范围的轴突投射，实现个体和群体水平的定量层析分析 | NA | 开发能够在单轴突分辨率下定量分析全脑连接组的技术方法 | 大脑连接组、单个轴突、眶额皮层神经回路 | 数字病理学 | NA | 高分辨率光片显微镜 | 深度学习 | 显微镜图像 | NA | NA | 自监督学习架构 | 定量分析性能 | NA |
| 2571 | 2025-11-27 |
Artificial intelligence powered radiomics model for the assessment of colorectal tumor immune microenvironment
2025-Nov-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v17.i11.108576
PMID:41281478
|
研究论文 | 开发基于深度学习的放射组学模型，用于结直肠肿瘤免疫微环境的无创评估 | 首次结合术前CT影像和组织病理学图像开发深度学习模型预测结直肠癌免疫相关指标 | 研究样本量较小且来自单一医疗中心，缺乏明确的纳入/排除标准，未包含临床病理特征 | 建立无创评估结直肠肿瘤免疫微环境的方法 | 315例确诊结直肠癌患者 | 数字病理 | 结直肠癌 | CT影像学，组织病理学分析 | 深度学习模型 | CT图像，组织病理图像 | 315例结直肠癌患者 | NA | NA | ROC曲线，AUC，决策曲线分析 | NA |
| 2572 | 2025-11-27 |
Artificial intelligence in echocardiography: trends, hotspots and future directions
2025-Nov-14, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004061
PMID:41247994
|
综述 | 通过文献计量学方法分析人工智能在超声心动图领域的研究趋势、热点和未来方向 | 首次使用文献计量学方法系统分析AI在超声心动图领域的科研产出和发展轨迹 | 仅基于Web of Science数据库的1296篇文献，可能存在收录偏差 | 分析人工智能在超声心动图领域的研究趋势和发展方向 | 1296篇相关科研文献 | 医学影像分析 | 心血管疾病 | 文献计量学分析 | 深度学习 | 文献元数据 | 1296篇出版物 | bibliometrix R | NA | NA | NA |
| 2573 | 2025-11-27 |
Artificial intelligence in contrast enhanced ultrasound: A new era for liver lesion assessment
2025-Nov-14, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i42.112196
PMID:41278165
|
综述 | 本文综述了人工智能在对比增强超声中提升肝脏病灶评估准确性的应用 | 首次系统整合机器学习与深度学习技术于CEUS，实现实时分析和LI-RADS分类标准化 | 需要更多大规模多中心研究验证临床适用性 | 评估AI增强CEUS在肝脏成像中的临床应用价值 | 肝脏病灶的对比增强超声图像 | 医学影像分析 | 肝脏疾病 | 对比增强超声(CEUS) | 机器学习,深度学习 | 超声图像 | NA | NA | NA | LI-RADS分类一致性,操作者间变异性,敏感性 | NA |
| 2574 | 2025-11-27 |
Could artificial intelligence-powered colonoscopies change the future of colorectal cancer screening?
2025-Nov-14, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i42.111291
PMID:41278160
|
综述 | 评估人工智能在结直肠癌筛查中的应用潜力与挑战 | 提出软AI结肠镜概念，整合计算机辅助检测和诊断系统提升病变识别能力 | AI实施成本高、数据隐私问题、需要大量临床验证 | 评估AI技术对结直肠癌筛查流程的影响 | 结直肠癌筛查方法及AI辅助诊断系统 | 数字病理 | 结直肠癌 | 结肠镜检查 | 深度学习 | 内窥镜图像 | NA | NA | NA | 病变检测率 | NA |
| 2575 | 2025-11-27 |
Simulation and empirical evaluation of biologically-informed neural network performance
2025-Nov-14, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.13.687845
PMID:41292768
|
研究论文 | 本文开发了两个模拟框架来评估影响生物信息神经网络性能的因素，并实证检验了整合胚系和体细胞数据对前列腺癌转移状态预测的影响 | 首次开发了系统评估生物信息神经网络性能的模拟框架，揭示了数据集特征对模型性能的影响规律 | 实证研究中胚系数据稀疏导致模型性能不佳，整合胚系数据未能改善预测性能 | 评估生物信息神经网络在不同数据集特征下的性能表现 | 前列腺癌患者 | 机器学习 | 前列腺癌 | 体细胞突变检测、拷贝数变异分析、胚系变异分析 | BiNN, P-NET | 基因组变异数据 | NA | NA | 基于Reactome通路数据库的神经网络架构 | 预测准确率、基因优先级排序、模型可解释性 | NA |
| 2576 | 2025-11-27 |
Validation of virtual trichrome stains for kidney fibrosis evaluation using dual-mode emission and transmission microscopy
2025-Nov-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.11.11.25339911
PMID:41292615
|
研究论文 | 开发并验证基于双模式发射和透射显微镜的虚拟三色染色技术用于肾脏纤维化评估 | 提出DUET显微镜平台，能够从H&E染色切片同时获取明场和荧光图像生成虚拟三色染色，无需传统三色染色流程 | 研究样本量较小（32例肾移植活检），需要更大规模验证 | 开发更快速、经济且可扩展的肾脏纤维化评估方法 | 肾移植活检组织 | 数字病理学 | 肾脏疾病 | 双模式发射和透射显微镜，H&E染色 | 深度学习 | 全切片图像 | 32例肾移植活检 | 未明确说明 | 未明确说明 | 观察者间一致性，相关性分析 | NA |
| 2577 | 2025-11-27 |
Computational redesign of a thermostable T7 RNA polymerase
2025-Nov-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.12.688101
PMID:41292992
|
研究论文 | 通过计算设计开发高稳定性T7 RNA聚合酶变体 | 结合已知稳定突变与PROSS预测的新突变，通过数据驱动启发式筛选获得热稳定性显著提升的T7 RNAP变体 | 未使用深度学习方法，商业最稳定变体的序列仍属专有 | 提高T7 RNA聚合酶的热稳定性 | T7 RNA聚合酶及其突变体 | 计算生物学 | NA | 结构计算设计，圆二色谱，热挑战实验 | PROSS算法 | 蛋白质结构数据，热稳定性数据 | 18个测试蛋白质设计 | PROSS | NA | 功能稳定性温度，表观熔解温度，相对活性 | NA |
| 2578 | 2025-11-27 |
Overcoming Extrapolation Challenges of Deep Learning by Incorporating Physics in Protein Sequence-Function Modeling
2025-Nov-11, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.09.687530
PMID:41293023
|
研究论文 | 提出通过整合蛋白质物理相互作用和动力学来改进深度学习模型在蛋白质序列-功能关系预测中的外推能力 | 将基于物理的能量效应量化直接整合到卷积和图卷积神经网络中，显著改善了位置和突变类型的外推预测性能 | 依赖于可用的蛋白质结构和物理建模数据，在数据稀缺情况下仍存在挑战 | 克服深度学习在蛋白质序列-功能建模中的外推挑战 | 蛋白质序列与功能关系 | 机器学习 | 遗传疾病 | 深度突变扫描数据 | CNN, 图卷积神经网络 | 蛋白质序列数据, 结构数据 | NA | NA | 卷积神经网络, 图卷积神经网络 | 外推预测性能 | NA |
| 2579 | 2025-11-27 |
Graph attention with structural features improves the generalizability of identifying functional sequences at a protein interface
2025-Nov-10, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.04.686550
PMID:41292907
|
研究论文 | 开发了一种结合结构特征和图注意力网络的模型，用于预测蛋白质界面功能性序列 | 提出GAN-PLM架构，将蛋白质结构图与蛋白质语言模型嵌入相结合，显著提高了对多样化序列空间的泛化能力 | 模型在显著偏离训练序列的未见库上性能仍有提升空间 | 提高蛋白质界面功能性序列预测的准确性和泛化能力 | SARS-CoV-2 Spike受体结合域与ACE2受体的结合界面 | 生物信息学 | 传染病 | 深度突变扫描，蛋白质语言模型 | 图注意力网络 | 蛋白质序列，结构数据 | 超过43,000个序列变体 | PyTorch | GAN-PLM | 平衡准确率 | NA |
| 2580 | 2025-11-27 |
Validation of Fully-Automated Deep Learning-Based Fibroglandular Tissue Segmentation for Efficient and Reliable Quantitation of Background Parenchymal Enhancement in Breast MRI
2025-Nov-10, ArXiv
PMID:41293527
|
研究论文 | 本研究验证了一种基于深度学习的全自动纤维腺体组织分割方法在乳腺MRI背景实质强化量化中的应用 | 首次系统评估开源全自动深度学习分割方法在BPE量化中的性能，并与传统半自动方法进行对比 | 样本量相对有限（100例），需要更大规模研究验证 | 开发高效可靠的乳腺背景实质强化量化方法以改进乳腺癌风险评估 | 100名女性的乳腺MRI检查数据 | 数字病理学 | 乳腺癌 | 动态对比增强磁共振成像 | 深度学习 | 医学影像 | 100例女性乳腺MRI检查 | NA | NA | 分割一致性，定量BPE指标一致性，与定性BPE相关性 | NA |