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 36487 篇文献，本页显示第 2821 - 2840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2821 | 2025-11-25 |
Three-Dimensional Choroidal Contour Mapping in Central Serous Chorioretinopathy and Fellow Eyes
2025-Nov-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.11.23
PMID:41251531
|
研究论文 | 本研究通过三维脉络膜轮廓映射定量评估中心性浆液性脉络膜视网膜病变患眼及对侧眼的脉络膜形态特征 | 首次结合深度学习与三维平滑方法对脉络膜内外边界进行三维轮廓映射分析，揭示CSCR患眼与对侧眼的形态差异 | 回顾性研究设计且样本量有限（29例患者），结果需更大样本验证 | 定量分析单侧CSCR患者患眼与对侧眼的脉络膜三维形态特征 | 29例单侧CSCR患者的58只眼睛（包括患眼与对侧眼） | 数字病理 | 中心性浆液性脉络膜视网膜病变 | 扫频源光学相干断层扫描 | 深度学习 | 三维医学影像 | 29例患者58只眼睛 | NA | NA | 球形半径拟合值，相关系数，P值 | NA |
| 2822 | 2025-11-25 |
An efficient deep learning-based strategy to screen inhibitors for GluN1/GluN3A receptor
2025-Nov, Acta pharmacologica Sinica
IF:6.9Q1
DOI:10.1038/s41401-025-01513-x
PMID:40069493
|
研究论文 | 开发基于深度学习的策略高效筛选GluN1/GluN3A受体抑制剂 | 结合序列和复合物评分函数的多阶段深度学习筛选策略，平衡效率与准确性 | 药理研究仍处于早期阶段，筛选方法需进一步验证 | 开发高效准确的GluN1/GluN3A受体抑制剂筛选方法 | GluN1/GluN3A受体及其抑制剂 | 机器学习 | 神经精神疾病 | 全细胞电压钳电生理学 | 深度学习 | 化合物序列数据 | 1800万化合物库筛选至约10个候选分子 | NA | IGModel, RTMScore | IC50值（2.87±0.80μM） | NA |
| 2823 | 2025-11-25 |
Discovery of novel GluN1/GluN3A NMDA receptor inhibitors using a deep learning-based method
2025-Nov, Acta pharmacologica Sinica
IF:6.9Q1
DOI:10.1038/s41401-025-01571-1
PMID:40355656
|
研究论文 | 本研究使用基于深度学习的分子表示框架GeminiMol进行配体虚拟筛选，发现了新型GluN1/GluN3A NMDA受体抑制剂GM-10 | 开发了结合生物活性构象空间信息的深度学习分子表示框架，实现了基于配体的虚拟筛选和骨架跃迁 | 发现的抑制剂GM-10对GluN1/GluN2A和GluN1/GluN3B的选择性有待进一步提高 | 发现新型GluN1/GluN3A NMDA受体抑制剂 | NMDA受体抑制剂 | 机器学习 | 神经系统疾病 | 配体虚拟筛选，全细胞膜片钳记录 | 深度学习 | 分子结构数据 | 1800万化合物库 | GeminiMol | NA | IC50值 | NA |
| 2824 | 2025-11-25 |
Deep Learning-Enhanced Noninvasive Detection of Pulmonary Hypertension and Subtypes via Chest Radiographs, Validated by Catheterization
2025-Nov, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2025.06.008
PMID:40541737
|
研究论文 | 本研究开发了基于胸部X光片的深度学习模型，用于无创检测肺动脉高压及其亚型 | 首次开发专门针对先天性心脏病相关肺动脉高压亚型检测的深度学习模型，并在多种临床队列中验证性能 | 需要更多样化人群的进一步验证以增强临床普适性 | 开发非侵入性、可访问且准确的肺动脉高压诊断工具 | 肺动脉高压患者，特别是先天性心脏病相关肺动脉高压亚型患者 | 数字病理 | 心血管疾病 | 胸部X光摄影，右心导管检查，经胸超声心动图 | 深度学习 | 图像 | 4,576名患者（2,288名PH患者），包括内部测试集2,140名患者和外部验证集90名患者 | NA | CXR-PH-Net, CXR-CHD-PAH-Net | AUC, 敏感度, 特异度 | NA |
| 2825 | 2025-11-25 |
Preoperative risk prediction of major cardiovascular events in noncardiac surgery using the 12-lead electrocardiogram: an explainable deep learning approach
2025-Nov, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2025.07.085
PMID:40967934
|
研究论文 | 本研究开发了一种可解释的深度学习模型，通过整合术前12导联心电图和临床数据来预测非心脏手术患者的主要心血管不良事件 | 首次将深度学习应用于术前心电图分析，结合临床变量构建融合模型，并采用生成对抗框架提供波形层面的可解释性分析 | 研究基于单一医疗数据库的回顾性数据，需要外部验证来确认模型的泛化能力 | 改进非心脏手术患者术前心血管风险评估的准确性 | 接受重大非心脏手术的成年患者 | 医疗人工智能 | 心血管疾病 | 12导联心电图分析 | CNN | 心电图波形信号, 临床变量 | 37,081例患者 | NA | 卷积神经网络 | AUROC | NA |
| 2826 | 2025-11-25 |
Genotype-by-sex interaction analyses for alcohol use disorder across biobanks
2025-Nov, Alcohol, clinical & experimental research
DOI:10.1111/acer.70173
PMID:41017299
|
研究论文 | 本研究通过基因组范围内的基因型-性别交互作用分析，探索酒精使用障碍的遗传基础及其性别差异 | 首个针对酒精使用障碍的基因组范围内基因型-性别交互作用研究，发现了多个与性别相关的遗传位点 | 研究主要基于欧洲和非洲血统样本，其他人群的代表性可能不足 | 探索遗传变异如何与生物性别相互作用影响酒精使用障碍风险 | 酒精使用障碍患者和对照人群 | 基因组学 | 酒精使用障碍 | 全基因组关联分析, 深度学习, 表达数量性状位点分析 | 深度学习 | 基因组数据, 临床数据 | 1,039,476名参与者（150,429例病例和889,046例对照） | NA | NA | p值 | NA |
| 2827 | 2025-11-25 |
Evaluation of metagenome binning: advances and challenges
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf617
PMID:41269281
|
研究论文 | 评估宏基因组分箱方法的最新进展与挑战 | 系统评估最新深度学习分箱工具，发现对比学习模型表现最佳，并提出多样本分箱的新策略 | 未明确说明评估数据集的规模和多样性限制 | 评估宏基因组分箱方法的性能与效果 | 宏基因组分箱工具和算法 | 生物信息学 | NA | 宏基因组测序 | 深度学习,对比学习 | 宏基因组序列数据 | CAMI2数据集和真实宏基因组数据集 | NA | NA | 分箱性能,嵌入精度,运行速度 | NA |
| 2828 | 2025-11-25 |
Disrupting explicit encoding paradigms: property-interactive transformers decode T-cell receptor specificity beyond dataset biases
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf609
PMID:41269278
|
研究论文 | 本文开发了一种基于Transformer的T细胞受体特异性预测模型TCRoss，通过氨基酸特性交叉映射模拟空间结构，显著提升了预测性能 | 提出通过交叉映射TCR和肽的氨基酸特性来隐式模拟空间结构，并开发了首个基于Transformer的大规模学习模型TCRoss | NA | 开发能够超越数据集偏差、准确预测T细胞受体与肽结合特异性的深度学习模型 | T细胞受体(TCRs)与肽的结合特异性 | 机器学习 | 免疫系统疾病 | 深度学习，T细胞激活实验，生物物理验证 | Transformer | 生物序列数据，氨基酸特性数据 | NA | NA | Transformer | 预测准确性，注意力机制分析 | NA |
| 2829 | 2025-11-25 |
Constructing the 3D spatial distribution of PM2.5 concentrations during the 2022 Beijing Winter Olympics using LiDAR vertical observation networks and machine learning models
2025-Nov, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2025.109875
PMID:41130189
|
研究论文 | 本研究结合激光雷达垂直观测网络和机器学习模型，重构了2022年北京冬奥会期间京津冀地区PM2.5浓度的三维时空分布 | 首次将34个激光雷达站点与多种机器学习模型集成，构建了PM2.5的三维空间分布，并识别了不同奥运阶段的污染传输机制 | 研究区域仅限于京津冀地区，模型在其他地区的适用性需要进一步验证 | 研究北京冬奥会期间PM2.5的三维分布特征和传输机制 | 京津冀地区的PM2.5污染 | 机器学习 | NA | 激光雷达垂直观测，地面监测 | XGBoost, Random Forest, LightGBM, RNN, CNN-RNN, CNN-BiLSTM | 激光雷达垂直观测数据，地面监测数据 | 34个激光雷达站点数据 | NA | CNN-BiLSTM, CNN-RNN | R², RMSE, MAE | NA |
| 2830 | 2025-11-25 |
Vessel Wall Imaging at 7T: State of the Art
2025-Oct-24, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9065
PMID:41136333
|
综述 | 本文综述了7T磁共振在颅内血管壁成像中的技术发展、临床应用及未来前景 | 系统总结了7T-MRI在血管壁成像中的技术优势，包括更高空间分辨率、信噪比和对比度，以及深度学习重建等新兴技术 | 存在B1场不均匀性和缺乏标准化协议等挑战 | 探讨7T-MRI在神经血管疾病诊断中的应用价值和技术发展 | 颅内血管壁成像技术及其在脑血管疾病中的应用 | 医学影像 | 脑血管疾病 | 7T-MRI, MPIR-TSE, SPACE, CUBE, CSF抑制技术 | NA | 磁共振影像 | NA | NA | NA | 空间分辨率, 信噪比, 对比噪声比 | NA |
| 2831 | 2025-11-25 |
Deep multi-instance learning model based on gadoxetic acid-enhanced MRI for predicting microvascular invasion of hepatocellular carcinoma: a multicenter, retrospective study
2025-Oct-22, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-14971-7
PMID:41126066
|
研究论文 | 基于钆塞酸增强MRI开发深度学习模型用于预测肝细胞癌微血管侵犯的多中心回顾性研究 | 比较不同感兴趣区域和图像输入维度对深度学习模型性能的影响，提出基于所有轴向切片的2.5D深度多示例学习模型 | 回顾性研究设计，样本量相对有限（206例患者） | 术前无创预测肝细胞癌微血管侵犯 | 经病理证实的肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 钆塞酸增强MRI，包括肝胆期图像、T1WI-FS和T2WI-FS序列 | 深度学习，多示例学习 | 医学影像 | 206例来自三家医院的患者 | NA | 2D DL, 3D DL, 2.5D MIL | AUC | NA |
| 2832 | 2025-11-25 |
Assessing the performance of artificial intelligence models in evaluating inflammatory skin disease severity: a systematic review and meta-analysis
2025-Oct-17, The British journal of dermatology
DOI:10.1093/bjd/ljaf250
PMID:40570030
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估基于图像的人工智能模型在炎症性皮肤病严重程度评估中的性能表现 | 首次对AI模型在皮肤病严重程度评估中的性能进行系统性定量分析，比较了不同疾病类型和评分系统的差异 | 纳入研究数量有限，数据报告透明度不足，缺乏高质量前瞻性研究 | 定性和定量评估基于图像的AI模型在各种皮肤病严重程度评估中的性能 | 炎症性皮肤病严重程度评估 | 医学人工智能 | 炎症性皮肤病 | 深度学习 | 深度学习模型 | 临床图像 | 45项研究用于系统评价，19项研究用于荟萃分析 | NA | NA | 灵敏度, 特异性, 准确率 | NA |
| 2833 | 2025-11-25 |
Retinal image-based deep learning for mild cognitive impairment detection in coronary artery disease population
2025-Oct-14, Heart (British Cardiac Society)
DOI:10.1136/heartjnl-2024-325486
PMID:40379470
|
研究论文 | 本研究开发了一种基于眼底图像的深度学习模型，用于在冠状动脉疾病人群中筛查轻度认知障碍 | 首次将眼底图像与深度学习结合用于冠状动脉疾病患者的轻度认知障碍筛查，提供了一种非侵入性的早期诊断替代方案 | 单中心横断面研究，样本来源单一，需要多中心验证 | 优化冠状动脉疾病人群中轻度认知障碍的诊断，实现早期干预和改善预后 | 冠状动脉疾病患者（至少有一处≥50%狭窄） | 数字病理学 | 心血管疾病 | 眼底成像 | CNN | 图像 | 4357名患者，9009张合格图像 | NA | 四种不同的卷积神经网络架构（具体未指明） | AUC, 校准曲线, 决策曲线 | NA |
| 2834 | 2025-11-25 |
EEG workload estimation and classification: a systematic review
2025-Oct-09, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad705e
PMID:39151457
|
系统综述 | 系统综述EEG认知负荷估计与分类中机器学习和深度学习方法的应用现状 | 首次系统梳理EEG负荷估计中ML/DL方法的应用格局，发现采样频率与模型精度的关联性 | 纳入研究存在方法学异质性，缺乏标准化评估框架 | 系统评估机器学习与深度学习在EEG认知负荷估计与分类中的应用效果 | 33篇符合纳入标准的科学论文 | 机器学习 | NA | 脑电图(EEG) | SVM, CNN, 循环神经网络, 混合网络 | EEG信号 | 33篇研究论文（从125篇初筛文献中筛选） | NA | 卷积神经网络, 循环神经网络, 支持向量机 | 准确率 | NA |
| 2835 | 2025-11-25 |
Decoding tissue-specific enhancers in plants using massively parallel assays and deep learning
2025-Oct-08, The Plant cell
DOI:10.1093/plcell/koaf236
PMID:41030057
|
研究论文 | 本研究利用大规模平行报告基因检测和深度学习技术，解码番茄果实组织特异性增强子 | 首次在植物中系统鉴定果实特异性增强子，并通过深度学习指导合成增强子的设计 | 研究仅针对番茄果实组织，未涵盖其他植物物种或组织类型 | 解析植物组织特异性增强子的调控机制并设计合成增强子 | 番茄果实和叶片组织 | 深度学习 | NA | 大规模平行报告基因检测（MPRA） | 深度学习 | 基因组序列数据 | 11,180个来自果实特异性基因的启动子片段 | NA | NA | NA | NA |
| 2836 | 2025-11-25 |
RNA sequence design and protein-DNA specificity prediction with NA-MPNN
2025-Oct-08, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.03.679414
PMID:41256668
|
研究论文 | 提出统一处理RNA序列设计和蛋白质-DNA结合特异性预测的深度学习模型NA-MPNN | 首次提出统一处理核酸逆折叠问题的深度学习模型，采用统一生物聚合物图表示方法处理蛋白质、DNA和RNA | NA | 解决核酸逆折叠问题，即给定核酸或核酸-蛋白质复合物的三维结构，寻找最可能的核酸序列 | RNA序列设计，蛋白质-DNA结合特异性预测 | 机器学习 | NA | 深度学习，图神经网络 | MPNN | 三维结构数据，序列数据 | NA | NA | 消息传递神经网络 | NA | NA |
| 2837 | 2025-11-25 |
Polarimetric feature analysis of Mueller matrices for brain tumor image segmentation
2025-Oct-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.561518
PMID:41215153
|
研究论文 | 本研究利用穆勒矩阵偏振测量数据开发深度学习模型，实现脑肿瘤图像的自动分割 | 比较基于原始穆勒矩阵测量值与Lu-Chipman特征图的深度学习模型性能，展示单波长偏振测量在脑肿瘤分割中的潜力 | 数据采集和标注过程耗时，临床应用面临实际挑战 | 探索穆勒矩阵偏振测量在脑肿瘤识别和分割中的应用价值 | 人脑组织样本 | 计算机视觉 | 脑肿瘤 | 穆勒矩阵偏振测量(MMP) | 深度学习模型 | 偏振图像 | NA | NA | NA | 分割准确率 | NA |
| 2838 | 2025-11-25 |
Decentralized, privacy-preserving surgical video analysis with Swarm Learning
2025-Oct-03, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.10.02.25337106
PMID:41256170
|
研究论文 | 开发了一种结合弱监督深度学习和群学习技术的去中心化手术视频分析流程，用于预测患者级别的疾病分期 | 首次将弱监督深度学习与群学习结合用于手术视频分析，无需集中数据即可实现多中心协作训练 | 硬件故障和与电子病历系统集成有限是临床实施的主要障碍 | 开发隐私保护的多中心协作手术视频分析系统 | 397例腹腔镜阑尾切除术视频记录 | 计算机视觉 | 阑尾炎 | 弱监督深度学习，群学习 | 深度学习 | 手术视频 | 来自6个国际外科中心的397例腹腔镜阑尾切除术记录 | NA | SurgTempoNet, SurgFrameNet, Multiple Instance Learning | 分类性能，泛化性能 | NA |
| 2839 | 2025-11-25 |
Hybrid deep learning-mechanistic modeling of cellular dynamics from a spatiotemporal single-cell atlas
2025-Oct-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.02.679951
PMID:41256408
|
研究论文 | 开发了一种结合深度学习和机制建模的方法，从果蝇胚胎单细胞时空图谱中重建细胞动态过程 | 提出了变分自编码器-潜在神经常微分方程框架，将黑盒深度学习与可解释的机制模型相结合 | 黑盒深度学习方法在预测组合扰动效应方面存在固有局限性 | 研究细胞异质性、转变和调控网络中的动态过程 | 黑腹果蝇囊胚胚胎的单细胞荧光成像时空图谱 | 计算生物学 | NA | 单细胞荧光成像，空间配准 | VAE, 神经ODE | 基因表达谱，图像数据 | 六个配准的发育时间点（原肠胚形成前） | NA | 变分自编码器，神经常微分方程 | NA | NA |
| 2840 | 2025-11-25 |
Interpretable deep learning model diagnoses gastrointestinal stromal tumors and lesion characteristics with microprobe endoscopic ultrasonography
2025-Oct-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-17018-w
PMID:41038910
|
研究论文 | 开发可解释深度学习模型ECMAI-ME，通过微探头超声内镜图像诊断胃肠道间质瘤及病变特征 | 首次将病变特征整合到MEUS图像中，使AI推理与临床诊断流程对齐，开发了七个深度学习模型 | 研究仅基于中国五家医院的数据，需要更多国际多中心验证 | 提高微探头超声内镜对胃肠道间质瘤的诊断能力 | 胃肠道间质瘤和病变特征 | 数字病理 | 胃肠道间质瘤 | 微探头超声内镜 | 深度学习 | 图像 | 来自873个黏膜下病变的9,229张MEUS图像，涉及五家中国医院 | NA | ECMAI-ME | AUC, 准确率, 特异性, 敏感性 | NA |