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 36663 篇文献，本页显示第 3181 - 3200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3181 | 2025-11-24 |
Spatial profiling of HPV-stratified head and neck squamous cell carcinoma reveals distinct immune niches and microenvironmental architectures
2025-Nov-18, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-07280-x
PMID:41254766
|
研究论文 | 通过空间分析揭示HPV阳性和阴性头颈鳞状细胞癌在肿瘤微环境结构和免疫生态位方面的显著差异 | 首次通过高维空间分析系统比较HPV分层HNSCC的免疫生态位和微环境结构，发现TLS位置和组成的差异特征 | 样本量较小（n=16），仅使用单一技术平台进行分析 | 研究HPV状态对头颈鳞状细胞癌肿瘤-免疫-基质景观的影响 | 头颈鳞状细胞癌患者肿瘤活检组织（HPV阳性7例，HPV阴性9例） | 数字病理学 | 头颈鳞状细胞癌 | 多重免疫荧光染色，深度学习分析 | 深度学习 | 组织图像 | 16例患者肿瘤活检（7例HPV阳性，9例HPV阴性） | NA | NA | NA | NA |
| 3182 | 2025-11-24 |
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.2025.101683
PMID:41274821
|
综述 | 探讨人工智能在预测新生儿无创呼吸支持失败方面的应用潜力 | 首次系统评估AI模型在新生儿无创通气失败预测中的表现，重点关注深度学习模型的应用 | 纳入研究数量有限（6项），缺乏多中心外部验证，需要进一步研究评估泛化能力 | 改善新生儿无创呼吸支持失败的预测，降低死亡率和并发症 | 新生儿重症监护室接受无创通气的早产儿 | 机器学习 | 新生儿呼吸疾病 | NA | 深度学习, 逻辑回归, 支持向量机 | 临床数据 | 3421名婴儿 | NA | 多模态深度神经网络 | AUC | NA |
| 3183 | 2025-11-24 |
Towards precision medicine for otology and neurotology: Machine learning applications and challenges
2025-Nov-13, Hearing research
IF:2.5Q1
DOI:10.1016/j.heares.2025.109473
PMID:41274259
|
综述 | 本文系统综述了2013-2025年间机器学习和深度学习在耳科与神经耳科精准医疗中的应用与挑战 | 重点关注新兴技术（如Whisper语音识别模型和大型语言模型）与多模态数据集的整合应用 | 模型泛化能力有限，缺乏标准化，多模态数据整合框架不完善 | 探索人工智能在耳科与神经耳科精准医疗中的应用潜力 | 耳鸣、人工耳蜗及其他耳科与神经耳科疾病 | 自然语言处理, 机器学习 | 耳科疾病 | 机器学习, 深度学习, 大型语言模型 | 深度学习模型, 大型语言模型 | 影像数据, 听力测定数据, 患者报告结果 | NA | NA | Whisper | NA | NA |
| 3184 | 2025-11-09 |
Corrigendum to 'Decoding Epigenetic Enhancer-Promoter Interactions in Periodontitis via Transformer-GAN: A Deep Learning Framework for Inflammatory Gene Regulation and Biomarker Discovery' [International Dental Journal Volume 75, Issue 6, December 2025, 103879]
2025-Nov-06, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2025.103976
PMID:41202540
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3185 | 2025-11-24 |
SuperCCM: An Open Source Python Toolkit for Automated Quantification of Corneal Nerve Fibers in Confocal Microscopy Images
2025-Nov-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.11.27
PMID:41251532
|
研究论文 | 开发了一个用于角膜共聚焦显微镜图像自动分析的开放式Python工具包 | 提出了首个全自动、模块化、开源的角膜神经纤维分析工具包，支持自定义算法集成 | 模型训练使用了部分粗标注数据，可能影响分割精度 | 开发一个可扩展的角膜共聚焦显微镜图像自动分析框架 | 角膜神经纤维的形态学分析 | 数字病理学 | 神经退行性疾病 | 共聚焦显微镜成像 | CNN, 编码器-解码器 | 图像 | 210张图像来自34名参与者 | Python | VGG-11, U-Net | clDice, 组内相关系数 | NA |
| 3186 | 2025-11-24 |
FatePredictor: Cell fate decision-making prediction with an ensemble deep learning model
2025-Nov-03, Innovation (Cambridge (Mass.))
DOI:10.1016/j.xinn.2025.101010
PMID:41268507
|
研究论文 | 开发基于分岔理论和最优输运理论的集成深度学习模型FatePredictor，用于预测单细胞RNA测序数据中的细胞命运决策过程 | 结合分岔理论和动态非平衡最优输运方法重建细胞轨迹，并采用集成深度学习模型预测细胞命运分岔类型 | NA | 预测细胞分化过程中的命运决策关键转变 | 单细胞RNA测序数据中的细胞命运分岔过程 | 生物信息学 | NA | 单细胞RNA测序 | 集成深度学习 | 单细胞RNA测序数据 | 模拟数据和真实单细胞数据 | NA | NA | 准确率 | NA |
| 3187 | 2025-11-24 |
Triplet longitudinal masked autoencoder for predicting individualized functional connectome development during infancy
2025-Nov-02, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103860
PMID:41274084
|
研究论文 | 提出一种三重纵向掩码自编码器方法，用于预测婴儿期个体化功能连接组的完整发育轨迹 | 创建纵向一致性预测策略确保时间一致性，引入功能连接组特定掩码自编码器捕获领域特征，开发双重三重网络和身份条件模块解耦身份与年龄信息 | 数据稀缺且存在频繁不规则缺失的纵向婴儿功能MRI扫描 | 预测婴儿功能连接组的完整动态发育轨迹，丰富对脑功能发育模式和机制的理解 | 婴儿脑功能连接组 | 医学影像分析 | 神经发育障碍 | 静息态功能磁共振成像 | 掩码自编码器, 三重网络 | 功能磁共振图像 | 来自两个数据集的696次纵向婴儿fMRI扫描 | NA | TL-MAE | 预测准确性, 时间一致性, 个体化特征捕获能力 | NA |
| 3188 | 2025-11-24 |
Unveiling novel antimicrobial peptides from the ruminant gastrointestinal microbiomes: A deep learning-driven approach yields an anti-MRSA candidate
2025-Nov, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.01.005
PMID:39756573
|
研究论文 | 本研究开发深度学习模型从反刍动物胃肠道微生物组中识别新型抗菌肽，并发现抗MRSA候选肽 | 首次结合深度学习与反刍动物胃肠道微生物组挖掘新型抗菌肽，发现具有抗MRSA活性的候选肽 | 仅测试39种合成肽，样本量有限；机制研究主要基于分子动力学模拟 | 开发从反刍动物胃肠道微生物组中识别新型抗菌肽的方法并评估其抗菌功效 | 反刍动物胃肠道微生物组中的抗菌肽 | 机器学习 | MRSA感染 | 宏基因组测序，分子动力学模拟 | 深度学习 | 基因组数据 | 120个宏基因组和10,373个宏基因组组装基因组 | NA | NA | 抗菌活性，细胞毒性，溶血性 | NA |
| 3189 | 2025-11-24 |
2.5D Multi-View Averaging Diffusion Model for 3D Medical Image Translation: Application to Low-Count PET Reconstruction With CT-Less Attenuation Correction
2025-Nov, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3570342
PMID:40372846
|
研究论文 | 提出一种2.5D多视图平均扩散模型用于3D医学图像转换，应用于无CT衰减校正的低计数PET重建 | 开发了新颖的2.5D多视图平均扩散模型，通过轴向、冠状面和矢状面三个独立扩散模型的输出平均来保证3D生成质量，并采用CNN生成的3D先验加速采样过程 | 未在摘要中明确说明 | 开发3D医学图像转换方法，将非衰减校正低剂量PET转换为衰减校正标准剂量PET | 人类患者研究的PET医学图像数据 | 医学影像处理 | NA | PET成像，扩散模型 | 扩散模型，CNN | 3D医学图像 | NA | NA | 2.5D多视图平均扩散模型 | NA | NA |
| 3190 | 2025-11-24 |
Single Mitochondrion Morphology-Function Relationship Analysis Using Fluorescent Probes and Artificial Intelligence
2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202509140
PMID:40841958
|
研究论文 | 结合定制荧光探针与人工智能技术实现单线粒体形态与功能关系的定量分析 | 开发新型双阳离子探针MitoVP增强靶向能力，首次建立深度学习方法对单线粒体进行形态分类与功能状态映射 | 研究聚焦缺氧应激条件，尚未验证其他应激条件下的普适性 | 解析单线粒体水平形态与功能的关联机制 | 单个线粒体 | 计算机视觉, 机器学习 | 缺氧相关疾病 | 荧光探针成像, 深度学习 | 深度学习算法, 随机森林 | 荧光显微镜图像 | 超过10,000个线粒体 | NA | NA | 分类准确率 | NA |
| 3191 | 2025-11-24 |
Interpretation of RNA Universe and Coding Potential Using IntRNA
2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202509518
PMID:40847441
|
研究论文 | 本研究构建了多通道深度学习框架IntRNA来解释RNA宇宙和编码潜力 | 提出了大量RNA编码特征显著扩展特征空间，开发了RNA序列的图像式表示方法，构建了双路径模型在多个基准测试中表现最佳 | NA | 解决RNA研究中三个关键问题：检测和解释RNA编码潜力、注释sncRNAs的复杂分类、成功区分环状和线性lncRNAs | RNA序列及其编码特征 | 生物信息学 | NA | RNA序列分析 | 深度学习 | RNA序列数据 | NA | NA | 双路径模型 | 基准测试性能 | NA |
| 3192 | 2025-11-24 |
SURF: A Self-Supervised Deep Learning Method for Reference-Free Deconvolution in Spatial Transcriptomics
2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202505456
PMID:40859416
|
研究论文 | 提出一种名为SURF的自监督深度学习方法，用于空间转录组学中的无参考解卷积分析 | 首次将自监督深度学习与高维基因数据分析相结合，有效建模非线性基因相互作用并利用spot关系，无需匹配单细胞参考数据 | 未明确说明方法在极低分辨率数据或特定组织类型中的性能限制 | 开发无参考解卷积工具以提升空间转录组数据的细胞水平分析能力 | 空间转录组数据，包括合成数据集、真实数据集、人类结直肠肝转移瘤数据 | 生物信息学，计算生物学 | 结直肠癌，肝转移癌 | 空间转录组学，深度学习 | 自监督深度学习 | 基因表达数据，空间转录组数据 | 多种分辨率、物种、空间模式和组织状态的数据集 | NA | NA | 基准测试比较 | NA |
| 3193 | 2025-11-24 |
BridgeNet: a high-efficiency framework integrating sequence and structure for protein and enzyme function prediction
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf607
PMID:41259416
|
研究论文 | 提出BridgeNet框架，通过整合蛋白质序列和结构信息进行蛋白质和酶功能预测 | 通过新型潜在环境矩阵实现序列和结构信息的无缝对齐，在推理时无需显式结构输入 | NA | 开发高效整合序列和结构信息的蛋白质表示学习框架 | 蛋白质和酶的功能特性 | 计算生物学, 结构生物信息学 | NA | 深度学习 | 预训练深度学习框架 | 蛋白质序列数据, 结构数据 | NA | NA | BridgeNet（包含序列编码、结构编码和桥接模块的模块化架构） | NA | NA |
| 3194 | 2025-11-24 |
PCBert-Kla: an efficient prediction method for lysine lactylation sites based on ProtBert and fusion of physicochemical features
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf615
PMID:41259418
|
研究论文 | 提出基于ProtBert和理化特征融合的深度学习方法PCBert-Kla，用于预测蛋白质赖氨酸乳酸化位点 | 结合ProtBert提取蛋白质序列深度特征与多种理化性质融合，并引入注意力机制自动选择特征 | NA | 开发高效准确的赖氨酸乳酸化位点预测方法 | 蛋白质赖氨酸乳酸化位点 | 生物信息学 | 多种疾病 | 蛋白质序列分析 | 深度学习, 注意力机制 | 蛋白质序列数据 | NA | NA | ProtBert, 全连接网络 | 准确率, 可靠性, 泛化能力 | NA |
| 3195 | 2025-11-24 |
An Integrated Clinical-Radiomics-Deep Learning Model Based on 18F-FDG PET/CT for Predicting EGFR Mutation Status in Lung Adenocarcinoma
2025-Nov, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.71370
PMID:41263395
|
研究论文 | 基于18F-FDG PET/CT开发整合临床、影像组学和深度学习的模型预测肺腺癌EGFR突变状态 | 首次将临床特征、影像组学特征和深度学习特征整合到单一模型中预测EGFR突变状态 | 回顾性研究设计，样本量相对有限（218例患者） | 预测肺腺癌患者的EGFR突变状态 | 218例肺腺癌患者 | 数字病理 | 肺癌 | 18F-FDG PET/CT成像 | 深度学习, 机器学习 | 医学影像（PET/CT图像）, 临床数据 | 218例肺腺癌患者 | NA | ConvNext | AUC, 校准曲线, 决策曲线分析 | NA |
| 3196 | 2025-11-24 |
SciSt: single-cell reference-informed spatial gene expression prediction from pathological images
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf613
PMID:41263940
|
研究论文 | 开发了从病理图像预测空间基因表达的深度学习框架SciSt | 通过整合病理特征与生物学信息化的初始基因表达，结合细胞分割和单细胞参考数据的加权策略 | 未明确说明模型在更广泛疾病类型上的适用性 | 从病理图像预测空间基因表达，实现形态学与基因表达的跨模态转换 | 临床H&E染色图像和空间转录组数据 | 数字病理学 | 乳腺癌,肝癌 | 空间转录组学,单细胞测序 | 深度学习 | 图像,基因表达数据 | 三个基准数据集和TCGA-BRCA、TCGA-LIHC队列 | NA | NA | NA | NA |
| 3197 | 2025-11-24 |
AI-ECG-derived biological age as a predictor of mortality in cardiovascular and acute care patients
2025-Nov, European heart journal. Digital health
DOI:10.1093/ehjdh/ztaf109
PMID:41267837
|
研究论文 | 本研究开发了一种基于AI的心电图生物年龄预测模型，用于评估心血管疾病和急症患者的长期死亡风险 | 首次在高风险心血管疾病和急症患者群体中验证AI-ECG生物年龄的预后价值，并发现P波是模型最敏感的特征区域 | 研究基于单中心数据，患者合并多种疾病时AI-ECG年龄与实足年龄相关性减弱 | 评估AI-ECG生物年龄在预测高风险患者长期死亡率方面的临床效用 | 48,950名心血管疾病或急性疾病患者 | 数字病理 | 心血管疾病 | 心电图 | 深度学习 | 心电图信号 | 48,950名患者 | NA | NA | 风险比, 相关性系数 | NA |
| 3198 | 2025-11-24 |
Deep learning-based quantification of epicardial adipose tissue volume from non-contrast computed tomography images: a multi-centre study
2025-Nov, European heart journal. Digital health
DOI:10.1093/ehjdh/ztaf116
PMID:41267847
|
研究论文 | 开发并验证基于深度学习的自动心外膜脂肪组织体积量化系统，使用非对比计算机断层扫描图像 | 首个基于3D UNet++架构的心包膜分割深度学习模型，用于多中心泛亚洲人群的EAT体积自动量化 | 样本量相对有限，外部验证集仅包含160例患者 | 开发自动化心外膜脂肪组织体积量化系统，用于冠状动脉疾病风险评估 | 来自三个中心的1243例NCCT患者扫描，包括亚洲和非亚洲人群 | 医学影像分析 | 心血管疾病 | 非对比计算机断层扫描 | 深度学习 | 3D医学影像 | 1243例训练和内部验证，160例外部队列测试 | NA | 3D UNet++ | 相关系数, Bland-Altman分析, 优势比, 卡方统计量 | NA |
| 3199 | 2025-11-24 |
A deep learning-based pipeline for large-scale echocardiography data curation and measurements
2025-Nov, European heart journal. Digital health
DOI:10.1093/ehjdh/ztaf108
PMID:41267841
|
研究论文 | 开发基于深度学习的自动化流程用于大规模超声心动图数据整理和测量 | 首次提出结合数据整理和自动化测量的完整深度学习流程，能够处理大规模真实世界超声心动图数据 | 验证样本量相对有限，仅针对LVEF和LAVI两个测量指标进行了验证 | 开发自动化超声心动图数据分析流程，提高大规模数据利用效率 | 14,326例超声心动图检查（来自9,678名患者） | 医学影像分析 | 心血管疾病 | 超声心动图 | 深度学习 | 医学图像 | 14,326例检查（9,678名患者），验证子样本3,251名受试者 | NA | NA | Bland-Altman分析，偏差，标准差 | NA |
| 3200 | 2025-11-24 |
Short-term atrial fibrillation onset prediction using machine learning
2025-Nov, European heart journal. Digital health
DOI:10.1093/ehjdh/ztaf104
PMID:41267849
|
研究论文 | 本研究利用机器学习方法分析24小时动态心电图数据，实现房颤发作的短期预测 | 建立了包含95,871份手动分析心电图记录的新数据库，并首次将HRV参数与深度学习模型在房颤短期预测中进行系统比较 | 需要前瞻性研究进一步验证结果，样本年龄分布存在分层限制 | 开发能够预测窦性心律患者在随后几小时内发生房颤发作的机器学习模型 | 872名阵发性房颤患者和347名无心律异常患者的动态心电图记录 | 机器学习 | 心血管疾病 | 动态心电图监测 | 随机森林, XGBoost, 深度学习 | 心电图信号 | 95,871份Holter心电图记录，包含872名房颤患者的1,319次发作事件 | NA | NA | AUC, 准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值, F1分数 | NA |