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 3101 - 3120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3101 | 2025-11-22 |
NeuralFlux: Estimation of Reaction Fluxes at a Genome-Scale Level From Time-Resolved Isotope Labelling Patterns Using Deep Learning
2025-Nov-20, Plant biotechnology journal
IF:10.1Q1
DOI:10.1111/pbi.70470
PMID:41264380
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3102 | 2025-11-22 |
Multirate Industrial Process Forecasting With Hybrid Deep Learning and Adaptive Filtering
2025-Nov-20, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3631923
PMID:41264431
|
研究论文 | 提出一种混合深度学习框架解决多速率工业过程预测中采样频率变化和缺失数据的挑战 | 结合时间序列分解、倒置Transformer特征提取和改进最小门控单元网络，并引入基于死区卡尔曼滤波的自适应参数更新算法处理缺失质量变量 | NA | 提高多速率工业过程预测的准确性和鲁棒性 | 工业过程数据 | 机器学习 | NA | 时间序列分解，自适应滤波 | Transformer, MGU | 时间序列数据 | 真实工业数据集 | NA | iTransformer, 改进最小门控单元 | 平均绝对误差, 均方根误差, 合格率 | NA |
| 3103 | 2025-11-22 |
Deep Feature Learning from Electromyographic Signals for Gesture Recognition Systems
2025-Nov-20, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3635419
PMID:41264458
|
综述 | 本文系统综述了基于肌电信号的深度学习手势识别方法，并从数据表示视角对先进架构进行了分类 | 首次从数据表示视角对肌电信号深度学习架构进行分类，并探讨了半监督和自监督学习框架作为全监督范式的补充方法 | 肌电数据集有限，特别是高质量标注数据稀缺，阻碍研究成果向实际应用的转化 | 开发可泛化和鲁棒的深度学习模型用于实际肌电信号解码 | 肌电信号和手势识别系统 | 机器学习 | NA | 肌电信号采集 | 深度学习 | 时间序列波形、空间图像、频谱域、图结构 | NA | NA | NA | NA | NA |
| 3104 | 2025-11-22 |
The Pathway-informed Deep Learning Models in Cancer Research: a Survey
2025-Nov-20, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3635014
PMID:41264457
|
综述 | 本文系统综述了癌症研究中基于生物通路的深度学习模型的应用策略与分类 | 首次专门针对通路信息在深度学习模型中的应用策略进行系统分类，提出三主类七亚类的分类体系 | 作为综述性文章，不包含原始实验数据验证 | 总结癌症研究中通路信息在深度学习模型中的应用方法与发展现状 | 已发表的通路信息驱动的深度学习模型研究 | 生物信息学 | 癌症 | 深度学习 | 深度学习模型 | 多组学数据 | NA | NA | NA | NA | NA |
| 3105 | 2025-11-22 |
DUDE: Deep unsupervised domain adaptation using variable nEighbors for physiological time series analysis
2025-Nov-20, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ae2231
PMID:41265030
|
研究论文 | 提出一种名为DUDE的深度无监督域自适应框架，用于处理生理时间序列数据中的分布偏移问题 | 引入基于潜在空间密度的动态邻居选择策略，提出新型源域和目标域间的对比损失函数 | NA | 解决生理时间序列分析中源域和目标域分布不重叠时的模型泛化问题 | 生理时间序列数据（如心电图、血氧饱和度监测数据） | 机器学习 | 心血管疾病 | NA | 深度学习 | 时间序列数据 | 多个真实世界数据集，包含源域中未出现的人口统计特征、种族、地理区域和合并症 | NA | NA | 准确率提升（最高16%），四个基准测试 | NA |
| 3106 | 2025-11-22 |
Periodicity-aware deep learning for polymers
2025-Nov-20, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00903-9
PMID:41266677
|
研究论文 | 提出一种周期性感知的深度学习框架PerioGT，用于聚合物化学研究 | 首次将周期性先验知识引入聚合物深度学习框架，通过对比学习和周期性提示增强模型泛化能力 | 未明确说明模型在更广泛聚合物类型上的适用性限制 | 开发统一的聚合物深度学习框架以提升模型性能和泛化能力 | 聚合物化学结构和性质 | 机器学习 | NA | 深度学习，对比学习，图增强策略 | 图神经网络 | 化学结构数据 | 在16个下游任务上进行评估 | NA | PerioGT | state-of-the-art性能 | NA |
| 3107 | 2025-11-22 |
Degrees of uncertainty: conformal deep learning for non-invasive core body temperature prediction in extreme environments
2025-Nov-20, Communications engineering
DOI:10.1038/s44172-025-00548-6
PMID:41266785
|
研究论文 | 提出一种结合保形预测的深度学习框架，用于极端环境下无创核心体温预测并提供校准的不确定性估计 | 首次将保形预测与深度学习结合用于核心体温预测，实现12倍校准概率精度的提升和统计有效的预测区间 | 研究主要针对热应激环境，在其他极端环境下的适用性需进一步验证 | 开发具有校准不确定性的实时无创核心体温预测系统，用于安全关键场景的生理监测 | 极端环境下人体的核心体温 | 机器学习 | 热应激相关疾病 | 无创生理监测 | 深度学习 | 生理测量数据、人口统计学数据、环境数据 | 超过140,000个生理测量数据，涵盖六个操作领域 | NA | NA | 测试误差、校准概率精度、预测区间 | NA |
| 3108 | 2025-11-22 |
Deep Learning Reconstruction for 129Xe Diffusion-Weighted MRI Enables Use of Natural Abundant Xenon and Improved Image Acceleration
2025-Nov-20, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70194
PMID:41266932
|
研究论文 | 本研究评估深度学习重建技术在129Xe扩散加权MRI中的性能，验证其在使用自然丰度氙气和提高图像加速因子方面的可行性 | 首次将深度学习重建技术应用于129Xe扩散加权MRI，实现了自然丰度氙气的使用和更高的加速因子 | 深度学习重建在ADC和LmD值上存在轻微偏差（ADC偏差5.4%，LmD偏差0.8%） | 评估深度学习加速采集和重建在129Xe扩散加权MRI中定量指标的保持能力 | 哮喘、慢性阻塞性肺疾病（COPD）和特发性肺纤维化（IPF）患者以及健康志愿者 | 医学影像分析 | 呼吸系统疾病 | 129Xe扩散加权MRI，压缩感知技术 | 深度学习 | 三维医学影像 | 患者队列和3名健康志愿者，共23个三维压缩感知加速129Xe DW MRI数据集 | NA | NA | ADC（表观扩散系数），LmD（扩散长度尺度），SNR（信噪比），图像清晰度 | NA |
| 3109 | 2025-11-22 |
Deep Learning-Based Skin Lesion Classification: A CNN Approach on High-Frequency Ultrasound Imaging
2025-Nov-20, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70125
PMID:41267329
|
研究论文 | 本研究评估深度学习模型在高频超声皮肤病变图像中的二分类性能 | 首次比较单一模态与多模态（B模式和Doppler模式）CNN架构在皮肤病变分类中的表现，并提出Unity和Cascade两种融合架构 | 未明确说明样本量大小，数据质量对结果影响较大 | 开发基于高频超声图像的皮肤病变自动分类方法 | 皮肤病变的高频超声图像 | 计算机视觉 | 皮肤病变 | 高频超声成像（B模式和Doppler模式） | CNN | 超声图像 | NA | NA | Unity, Cascade | 准确率, AUC | NA |
| 3110 | 2025-11-22 |
Integrative Deep Learning from H&E Images Reveals Prognostically Distinct Pathology-Based Subtypes in Bladder Cancer
2025-Nov-20, Current cancer drug targets
IF:2.3Q3
|
研究论文 | 本研究开发了一种基于H&E图像深度学习的膀胱癌病理分型方法 | 首次使用常规H&E染色全切片图像通过深度学习特征识别具有预后意义的膀胱癌病理亚型，无需RNA测序 | 需要外部验证和前瞻性研究确认临床适用性 | 开发基于病理图像的膀胱癌分型方法以替代传统分子分型 | 膀胱癌患者的H&E染色全切片图像 | 数字病理 | 膀胱癌 | H&E染色全切片图像分析 | CNN | 图像 | 来自四个独立中心的WSI数据以及IMvigor210和GSE32894队列的转录组数据 | NA | ResNet50 | NA | NA |
| 3111 | 2025-11-22 |
Denoising single-cell RNA-seq data with a deep learning-embedded statistical framework
2025-Nov-19, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06296-w
PMID:41257571
|
研究论文 | 提出一种结合深度学习和统计建模的ZILLNB框架，用于去除单细胞RNA测序数据中的技术噪声 | 首次将零膨胀负二项回归与深度生成模型集成，通过变分自编码器和生成对抗网络学习细胞和基因层面的潜在表示 | 在样本量有限的情况下可能存在过拟合风险，模型机制解释性仍有提升空间 | 解决单细胞RNA测序数据中的技术噪声和零计数问题，提高下游分析准确性 | 单细胞RNA测序数据，包括小鼠皮层、人类PBMC和特发性肺纤维化数据集 | 生物信息学 | 特发性肺纤维化 | 单细胞RNA测序 | InfoVAE, GAN | 基因表达数据 | 多个scRNA-seq数据集，具体样本数未明确说明 | NA | 集成架构结合信息变分自编码器和生成对抗网络 | 调整兰德指数, 调整互信息, AUC-ROC, AUC-PR, 错误发现率 | NA |
| 3112 | 2025-11-22 |
MPIDNN-GPPI: multi-protein language model with an improved deep neural network for generalized protein‒protein interaction prediction
2025-Nov-19, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-025-12228-y
PMID:41257586
|
研究论文 | 提出一种基于蛋白质序列的蛋白质-蛋白质相互作用预测框架MPIDNN-GPPI，通过整合两种蛋白质语言模型和改进的深度神经网络实现跨物种通用PPI预测 | 整合Ankh和ESM-2两种蛋白质语言模型，结合多头注意力机制和深度神经网络，提升跨物种PPI预测的泛化能力 | 对于验证PPI数据有限的物种预测性能仍需提升 | 开发具有强泛化能力的蛋白质-蛋白质相互作用预测模型 | 多种物种的蛋白质-蛋白质相互作用数据 | 生物信息学 | NA | 蛋白质语言模型，深度神经网络 | DNN，多头注意力机制 | 蛋白质序列数据 | 来自STRING数据库的9个PPI数据集，涵盖哺乳动物和植物物种 | NA | Ankh，ESM-2，深度神经网络，多头注意力机制 | AUC | NA |
| 3113 | 2025-11-22 |
Infrared thermography for detecting compensatory load in people with haemophilia: a cross-sectional study
2025-Nov-19, Thrombosis journal
IF:2.6Q2
DOI:10.1186/s12959-025-00798-6
PMID:41257739
|
研究论文 | 本研究探索红外热成像技术在血友病患者中监测代偿性负荷的潜力 | 首次将红外热成像技术与深度学习相结合用于血友病患者全身温度映射分析，识别代偿性负荷模式 | 样本量较小（24名参与者），横断面研究设计无法确定因果关系 | 评估红外热成像技术在检测血友病患者代偿性负荷中的应用价值 | 24名6-76岁血友病患者，包括出血后、骨科手术后或血友病性关节病患者 | 数字病理 | 血友病 | 红外热成像技术 | 深度学习 | 热成像图像 | 24名血友病患者 | NA | NA | 温度变化模式识别 | NA |
| 3114 | 2025-11-20 |
Prediction of the Ki-67 proliferation index in lung adenocarcinoma using an interpretable CT-based deep learning radiomics model: a two-center study
2025-Nov-19, BMC pulmonary medicine
IF:2.6Q2
DOI:10.1186/s12890-025-03983-5
PMID:41257742
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3115 | 2025-11-22 |
A multi-representation deep-learning framework for accurate multicancer classification
2025-Nov-19, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-07325-1
PMID:41257847
|
研究论文 | 开发了一种集成突变衍生成像和数值基因组特征的多表示深度学习框架用于多癌种分类 | 提出首个整合突变衍生成像特征和数值基因组特征的多表示深度学习框架，通过空间变异图和数值特征矩阵的双模态融合实现多癌种分类 | 研究仅基于10,112名患者的队列，需要更大规模的外部验证和进一步的转化研究 | 开发并评估一种新型框架，通过整合互补的突变衍生特征来推进癌症分类 | 10,112名患者，涵盖33种癌症类型 | 数字病理学 | 多癌种分类 | 基因组测序，KEGG通路富集分析 | CNN, Transformer | 基因组数据，图像数据 | 10,112名患者，33种癌症类型 | PyTorch | ResNet-18, Transformer | 精确度，召回率，F1分数，准确率 | NA |
| 3116 | 2025-11-22 |
Exploring the Feasibility of a Deep Learning Algorithm for Postoperative Outcome Assessment in Unilateral Cleft Lip Repair: A Pilot Study
2025-Nov-19, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000012199
PMID:41263442
|
研究论文 | 本研究探索深度学习算法在单侧唇裂修复术后效果评估中的可行性 | 首次将基于EfficientNet-B1架构的卷积神经网络应用于唇裂术后效果评估，利用真实世界修正手术结果进行训练 | 仅为初步研究，样本量有限，需要进一步验证 | 开发AI辅助的唇裂术后效果评估系统，识别需要修正手术的患者 | 单侧唇裂修复术后患者 | 计算机视觉 | 唇裂 | 深度学习 | CNN | 图像 | 500张标准化术后面部照片 | NA | EfficientNet-B1 | 准确率, AUC, 召回率 | NA |
| 3117 | 2025-11-22 |
Integrative profiling of condensation-prone RNAs during early development
2025-Nov-19, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2025.101065
PMID:41265448
|
研究论文 | 通过整合转录组学分析和可解释深度学习框架，识别并表征了一类在早期发育中具有凝结倾向的RNA（smOOPs） | 发现新型发育凝结倾向RNA类别smOOPs，并首次揭示其序列组成特征与相分离机制的关联 | RNA特征与凝结形成的因果关系仍需进一步实验验证 | 探究RNA特征在生物分子凝结体形成中的作用机制 | 早期发育过程中的凝结倾向RNA（smOOPs） | 生物信息学 | NA | 转录组学测序，深度学习分析 | 深度学习 | RNA序列数据，蛋白质结合数据 | NA | NA | 可解释深度学习框架 | NA | NA |
| 3118 | 2025-11-22 |
Utilizing Temporal Inductive Path Neural Networks for Accurate Voice-Based Depression Classification: A Detailed Approach for Analyzing Speech Patterns to Identify Mental Health States
2025-Nov-19, Journal of voice : official journal of the Voice Foundation
IF:2.5Q1
DOI:10.1016/j.jvoice.2025.10.003
PMID:41266172
|
研究论文 | 提出一种基于语音的抑郁症分类方法，使用时序归纳路径神经网络分析语音模式以识别心理健康状态 | 首次使用时序归纳路径神经网络结合二元皇家战斗优化器进行抑郁症语音分类，实现了参数优化和准确检测 | 时序归纳路径神经网络缺乏自适应优化策略来确定最优参数 | 开发一种准确的声音基础抑郁症分类系统，帮助克服传统精神健康护理的障碍 | 抑郁症患者的语音录音 | 自然语言处理 | 抑郁症 | 语音分析，多目标匹配同步压缩线性调频变换 | TIPNN | 音频 | NA | Python | 时序归纳路径神经网络 | 准确率，精确率，灵敏度，特异性，F1分数 | NA |
| 3119 | 2025-11-22 |
MeNet: A mixed-effect deep neural network for multi-environment genomic prediction of agronomic traits
2025-Nov-19, Plant communications
IF:9.4Q1
DOI:10.1016/j.xplc.2025.101620
PMID:41267404
|
研究论文 | 提出一种混合效应深度神经网络MeNet，用于多环境下农艺性状的基因组预测 | 将混合效应模型的统计严谨性与神经网络的非线性建模能力相结合，通过双嵌入机制动态调整遗传相关性和基因组变异的贡献 | NA | 提高多环境下农艺性状基因组预测的准确性和稳健性 | 水稻、小麦和玉米的农艺性状 | 机器学习 | NA | 基因组预测 | 深度神经网络 | 基因组数据 | 3个作物数据集（12个水稻性状×3环境，小麦产量×4环境，3个玉米性状） | NA | MeNet | 预测准确率 | NA |
| 3120 | 2025-11-22 |
A Dual-stage Deep Learning Framework for Breast Ultrasound Image Segmentation and Classification
2025-Nov-18, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02298-6
PMID:41249662
|
研究论文 | 提出一种双阶段深度学习框架，用于乳腺超声图像的分割和良恶性分类 | 设计模块化双阶段流程，可灵活集成不同主干网络架构，适配特定任务需求 | NA | 支持乳腺癌诊断，提升早期检测能力 | 乳腺超声图像中的肿块区域 | 医学影像分析 | 乳腺癌 | 超声成像 | 深度学习 | 超声图像 | 两个乳腺超声数据集 | NA | DeepLabV3+, ResNet34, MobileNetV3-Small, EfficientNet-B0 | 诊断准确率 | NA |