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 32372 篇文献，本页显示第 3221 - 3240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3221 | 2025-10-06 |
Combining curriculum learning and weakly supervised attention for enhanced thyroid nodule assessment in ultrasound imaging
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2431
PMID:40893548
|
研究论文 | 本研究结合课程学习和弱监督注意力机制，用于增强超声成像中甲状腺结节的评估准确性 | 首次将课程学习与弱监督注意力网络相结合，通过渐进式训练策略和注意力引导的数据增强来提升模型性能 | 数据集规模较小，可能限制模型的泛化能力 | 提高甲状腺结节分类的诊断准确性 | 甲状腺结节超声图像 | 计算机视觉 | 甲状腺结节 | 超声成像 | 深度学习模型 | 医学图像 | 来自Siriraj医院的验证数据集 | NA | 弱监督注意力网络 | 精确率, 召回率, F1分数 | NA |
| 3222 | 2025-10-06 |
Deep learning-based automated assessment of hepatic fibrosis via magnetic resonance images and nonimage data
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2506
PMID:40893541
|
研究论文 | 开发基于深度学习的自动化系统，通过磁共振图像和非图像数据评估肝纤维化分期 | 首次将深度学习算法与临床非成像数据（血清生物标志物、病毒状态和扫描仪参数）相结合用于肝纤维化分期 | 回顾性研究设计，样本量相对有限（500例患者） | 评估深度学习算法在肝纤维化分期和鉴别诊断中的性能 | 慢性肝病患者和健康个体 | 医学影像分析 | 肝纤维化 | 磁共振成像 | 深度学习 | 图像, 临床数据 | 500名来自两个医疗中心的患者 | NA | NA | AUROC, 敏感性, 特异性 | NA |
| 3223 | 2025-10-06 |
Influence of preprocessing of stimulated Raman scattering images on the performance of deep neural networks for detecting cancer tissue
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2608
PMID:40893563
|
研究论文 | 本研究探讨了受激拉曼散射图像预处理方法对深度学习网络在癌症组织检测中性能的影响 | 首次系统比较了五种不同预处理方法和六种深度学习架构在受激拉曼散射图像癌症检测中的性能表现 | 研究仅基于542张图像样本，样本量相对有限 | 评估不同预处理技术对深度学习算法在癌症组织分类中性能的影响 | 口腔鳞状细胞癌和非小细胞肺癌患者的组织样本图像 | 计算机视觉 | 口腔癌,肺癌 | 受激拉曼散射成像 | CNN,Transformer | 图像 | 542张组织样本图像 | NA | VGG19,ResNet50,InceptionResNetV2,Xception,ConvNeXt,Vision Transformer | 平衡准确率,精确率,召回率,F1分数 | NA |
| 3224 | 2025-09-06 |
Deep Learning-Based Multimodal Prediction of NAC Response in LARC by Integrating MRI and Proteomics
2025-Sep-01, Cancer research and treatment
IF:4.1Q2
DOI:10.4143/crt.2025.707
PMID:40907572
|
研究论文 | 本研究开发了一种基于深度学习的多模态框架，整合MRI和蛋白质组学数据预测局部晚期直肠癌患者对新辅助化疗的反应 | 首次将图神经网络与空间增强3D ResNet152结合，整合MRI空间信息和蛋白质组学分子机制，显著提升预测性能 | 回顾性研究设计，样本量相对有限（274例患者），需外部验证确认泛化能力 | 提高局部晚期直肠癌患者对新辅助化疗反应预测的准确性和生物学洞察 | 274例接受新辅助化疗的局部晚期直肠癌患者 | 数字病理 | 直肠癌 | 蛋白质组学分析、MRI成像、KEGG/GO通路分析、PPI网络构建 | 图神经网络、3D ResNet152、LightGBM分类器 | 医学影像（T2WI MRI）、蛋白质组学数据、临床特征 | 274例局部晚期直肠癌患者 | NA | NA | NA | NA |
| 3225 | 2025-09-06 |
Semi-supervised graph learning for underwater source localization using ship-of-opportunity spectrograms
2025-Sep-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0039042
PMID:40910787
|
研究论文 | 提出一种基于半监督图学习的声源定位方法，利用机会船只频谱图进行水下声源定位 | 引入图学习模块有效捕捉数据空间相关性，采用两阶段训练策略（自监督特征提取+半监督图神经网络）解决标注数据稀缺问题 | NA | 水下声源的精确定位 | 机会船只产生的中频声学宽带信号（360-1100 Hz） | 机器学习 | NA | 频谱分析，k近邻算法 | CNN，图神经网络 | 频谱图 | 2017年海底特征实验（SBCEX 2017）收集的合成和实测数据 | NA | NA | NA | NA |
| 3226 | 2025-09-06 |
Analysis of influencing factors and the most probable transition pathway in the narrow escape problem for molecular systems based on deep learning method
2025-Sep-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0288558
PMID:40910856
|
研究论文 | 本研究利用物理信息神经网络分析不规则域中的分子窄逃逸问题，探索关键参数对逃逸行为的影响及最可能过渡路径 | 首次将物理信息神经网络应用于分子窄逃逸问题，有效处理复杂域并揭示扩散系数等参数对逃逸概率的独特影响规律 | 未明确说明具体分子系统类型及实验验证环节 | 研究分子在复杂环境中的逃逸行为机制及优化逃逸效率 | 分子系统在随机过程中的逃逸行为 | 机器学习 | NA | 物理信息神经网络(PINNs) | PINNs | 模拟数据 | NA | NA | NA | NA | NA |
| 3227 | 2025-10-06 |
Beyond rigid docking: deep learning approaches for fully flexible protein-ligand interactions
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf454
PMID:40900115
|
综述 | 本文探讨深度学习如何重塑分子对接方法，特别关注解决蛋白质灵活性的新兴方案 | 利用深度学习将蛋白质灵活性纳入对接预测，更准确捕捉生物分子相互作用的动态特性 | 深度学习模型泛化能力有限，经常误预测关键分子属性（如立体化学、键长和空间相互作用） | 开发能够处理完全灵活蛋白质-配体相互作用的深度学习方法 | 蛋白质与小分子配体的相互作用 | 机器学习 | NA | 分子对接，虚拟筛选 | 深度学习 | 分子结构数据 | NA | NA | NA | NA | NA |
| 3228 | 2025-10-06 |
Phage quest: a beginner's guide to explore viral diversity in the prokaryotic world
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf449
PMID:40900113
|
指南 | 为研究人员提供探索原核生物病毒多样性的计算工具使用指南 | 整合了从早期序列组成分析到现代机器学习和深度学习技术（包括新兴语言模型）的病毒检测方法演变历程，特别关注丝状噬菌体的检测工具 | 未提供详尽的工具列表，仅重点介绍维护活跃且最先进的工具 | 帮助研究人员选择和应用适当的工具来探索地球上最小且最丰富的复制子的遗传多样性和生物学 | 噬菌体和病毒，特别是丝状噬菌体（Inoviridae） | 生物信息学 | 细菌感染 | 宏基因组测序，病毒检测，基因注释，分类学分类 | 机器学习，深度学习，语言模型 | 基因组数据，宏基因组数据 | NA | NA | NA | NA | NA |
| 3229 | 2025-10-06 |
External validation of deep learning-derived 18F-FDG PET/CT delta biomarkers for loco-regional control in head and neck cancer
2025-Aug-30, Acta oncologica (Stockholm, Sweden)
DOI:10.2340/1651-226X.2025.43977
PMID:40884216
|
研究论文 | 本研究通过外部验证深度学习模型自动计算头颈癌患者放疗前后肿瘤体积变化，用于预测局部区域控制效果 | 首次在外部机构验证深度学习模型自动计算PET/CT delta生物标志物的临床价值，提供手动分割的可扩展替代方案 | 样本量较小（仅50例患者），且模型最初在不同机构数据上训练 | 评估深度学习衍生的ΔPET-GTV生物标志物在头颈癌局部区域控制预测中的临床效用 | 头颈癌患者 | 数字病理 | 头颈癌 | 18F-FDG PET/CT成像 | 深度学习 | 医学影像（PET/CT扫描） | 50例连续头颈癌患者 | NA | NA | log-rank p值，局部区域控制率，置信区间 | NA |
| 3230 | 2025-09-06 |
Advancing Luciferase Activity and Stability beyond Directed Evolution and Rational Design through Expert Guided Deep Learning
2025-Aug-29, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.25.672183
PMID:40909496
|
研究论文 | 通过结合深度学习和结构引导理性设计开发热稳定性增强的NanoLuc荧光素酶变体 | 提出计算深度学习与结构引导理性设计的混合方法，突破传统定向进化和理性设计的局限 | NA | 优化NanoLuc荧光素酶的热稳定性和高温活性 | NanoLuc荧光素酶变体 | 机器学习 | NA | 深度学习、分子动力学模拟、蛋白质折叠研究 | 深度学习模型 | 蛋白质序列数据、结构数据 | 工程变体库（包含多个变体，具体数量未明确说明） | NA | NA | NA | NA |
| 3231 | 2025-09-06 |
Artificial Intelligence-based Liver Volume Measurement Using Preoperative and Postoperative CT Images
2025-Aug-29, Current medical imaging
IF:1.1Q3
|
研究论文 | 开发并验证了一种基于深度学习的系统，用于自动测量肝切除患者术前及术后7天和3个月的肝脏体积 | 首次利用AI自动追踪肝切除术后肝脏再生过程，提供了一种新的手术规划和患者监测方法 | 由于当前数据集的限制，未评估与临床结果的直接相关性 | 开发自动肝脏体积测量系统以辅助肝切除手术决策和术后评估 | 接受肝切除术的患者 | 计算机视觉 | 肝脏疾病 | CT成像 | 3D U-Net | CT图像 | NA | NA | NA | NA | NA |
| 3232 | 2025-10-06 |
Exploring foundation models for multi-class muscle segmentation in MR images of neuromuscular disorders: A comparative analysis of accuracy and uncertainty
2025-Aug-28, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109035
PMID:40907134
|
研究论文 | 本研究比较了基础模型在神经肌肉疾病MR图像多类别肌肉分割中的准确性和不确定性表现 | 首次探索基础模型在神经肌肉疾病肌肉分割中的应用，并系统评估其不确定性量化能力 | 研究仅基于76名患者的数据集，需要更大规模验证 | 开发准确可靠的神经肌肉疾病肌肉分割技术 | 神经肌肉疾病患者的股部MR图像 | 医学影像分析 | 神经肌肉疾病 | MR成像 | 基础模型, nnU-Net | MR图像 | 76名神经肌肉疾病患者，按脂肪浸润程度分为早期、中期和严重三组 | NA | Segment Anything Model (SAM), MedSAM, nnU-Net 2D, nnU-Net 3D | Dice相似系数(DSC), 期望校准误差(ECE), 负对数似然(NLL) | NA |
| 3233 | 2025-09-06 |
Heart failure diagnosis and ejection fraction classification via feature fusion model using non-contact vital sign signals
2025-Aug-28, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109031
PMID:40907135
|
研究论文 | 提出一种融合手工特征与深度学习的混合特征框架，用于基于非接触生命体征信号的心力衰竭诊断和射血分数分类 | 开发了结合手工特征工程与深度学习的混合特征融合框架，并设计多尺度ResNet-BiLSTM网络模型捕捉信号动态变化 | NA | 改进心力衰竭诊断和左心室射血分数分类的准确性 | 人类参与者的心力衰竭患者和健康人 | 医疗健康监测 | 心血管疾病 | 心冲击描记术(BCG)，呼吸信号分析 | ResNet-BiLSTM | 非接触生命体征信号 | 83名医院参与者 | NA | NA | NA | NA |
| 3234 | 2025-09-06 |
GIMS: Image matching system based on adaptive graph construction and graph neural network
2025-Aug-28, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108030
PMID:40907360
|
研究论文 | 提出一种基于自适应图构建和图神经网络的图像匹配系统GIMS，通过结合GNN与Transformer提升匹配性能 | 创新性自适应图构建方法（基于距离和动态阈值相似度的过滤机制）以及GNN与Transformer的混合模型架构 | 顶点和边数量显著影响训练效率和内存使用（需多GPU加速） | 提升特征点图像匹配的精度与鲁棒性 | 图像中的关键点及其图结构表示 | computer vision | NA | Sinkhorn算法、多GPU训练技术 | GNN（Graph Neural Network）、Transformer混合模型 | image | 大量图像数据集（具体数量未说明） | NA | NA | NA | NA |
| 3235 | 2025-10-06 |
Integrating ESM‑2 and Graph Neural Networks with AlphaFold‑2 Structures for Enhanced Protein Function Prediction
2025-Aug-26, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c05484
PMID:40893250
|
研究论文 | 提出一种整合ESM-2和图神经网络的改进图框架，结合AlphaFold2预测结构增强蛋白质功能预测 | 整合ESM-2蛋白质语言模型和具有混合池化机制的图卷积块，同时利用序列嵌入和结构特征 | 主要针对人类蛋白质组，对其他物种的适用性未验证 | 提高蛋白质功能预测的准确性和泛化能力 | 人类蛋白质组 | 生物信息学 | NA | 蛋白质语言模型, 图神经网络, 结构预测 | 图神经网络, ESM-2 | 蛋白质序列, 蛋白质结构 | 人类蛋白质组数据集 | NA | 图卷积网络, ESM-2 | 分子功能预测, 细胞组分预测, 生物过程预测 | NA |
| 3236 | 2025-09-06 |
Whole-genome sequencing analysis of left ventricular structure and sphericity in 80,000 people
2025-Aug-26, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.22.25334019
PMID:40909813
|
研究论文 | 本研究通过全基因组测序分析80,000人的左心室结构和球形度，探索其与心肌病的遗传关联 | 首次将3D左心室球形度作为独立遗传指标，并发现其与扩张型心肌病的关联性强于射血分数，鉴定出366个遗传位点 | 研究主要基于UK Biobank人群，结果外推性需进一步验证 | 探究左心室结构与球形度的遗传基础及其与心肌病的关联 | 84,327名UK Biobank参与者的心脏磁共振成像数据 | 生物医学信息学 | 心血管疾病 | 全基因组测序(WGS)、心脏磁共振成像、深度学习语义分割 | 深度学习模型(用于语义分割) | 影像数据(3D心脏MRI)、基因组数据 | 84,327人(UK Biobank)，并在All of Us队列中进行验证 | NA | NA | NA | NA |
| 3237 | 2025-09-06 |
Feasibility of optical stereotactic navigation for rectosigmoid cancer with deep learning-supported 3D modelling
2025-Aug-25, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2025.110397
PMID:40907165
|
研究论文 | 本研究评估了深度学习辅助三维建模的光学立体定向导航在直肠乙状结肠癌手术中的可行性 | 首次将深度学习生成的MRI分割与CT图像融合，实现亚毫米级精度的实时手术导航 | 样本量较小（仅10例患者），单中心研究 | 评估光学立体定向导航技术在直肠癌手术中的准确性和肿瘤学结果 | 局部晚期cT4bN0-2直肠癌或局部复发性直肠乙状结肠癌患者 | 数字病理 | 直肠癌 | 光学立体定向导航，CT与MRI图像融合，深度学习分割 | 深度学习模型 | 医学影像（CT、MRI） | 10例患者 | NA | NA | NA | NA |
| 3238 | 2025-10-06 |
Integrating Imaging-Derived Clinical Endotypes with Plasma Proteomics and External Polygenic Risk Scores Enhances Coronary Microvascular Disease Risk Prediction
2025-Aug-21, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.18.25333844
PMID:40894134
|
研究论文 | 本研究通过整合影像学临床内型、血浆蛋白质组学和外源多基因风险评分，开发了冠状动脉微血管疾病风险预测模型 | 首次将基于灌注PET影像的内型分型与遗传和蛋白质组数据整合用于CMVD风险预测，建立了无监督内型分型框架揭示患者亚组 | CMVD的大规模全基因组关联研究数据缺乏，依赖冠状动脉疾病GWAS作为代理 | 提升冠状动脉微血管疾病的风险预测精度 | 冠状动脉微血管疾病患者 | 机器学习, 数字病理 | 心血管疾病 | GWAS, 血浆蛋白质组学, 灌注PET成像 | 机器学习, 深度学习 | 影像数据, 蛋白质组数据, 遗传数据 | NA | NA | NA | AUROC | NA |
| 3239 | 2025-10-06 |
Automated Deep Learning Pipeline for Callosal Angle Quantification
2025-Aug-21, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.18.25333901
PMID:40894175
|
研究论文 | 开发了一种全自动深度学习框架，用于从原始MRI扫描中量化胼胝体角 | 首个完全自动化的胼胝体角测量框架，整合了脑部标志点检测和脑室分割两个互补模块 | 仅使用了特定来源的数据集进行验证，需要进一步的外部验证 | 开发自动化工具改善正常压力脑积水的诊断 | 正常压力脑积水患者的MRI脑部扫描 | 数字病理学 | 神经退行性疾病 | T1 MPRAGE和非MPRAGE MRI扫描 | CNN, UNet | 3D MRI图像 | 巴尔的摩纵向衰老研究和BIOCARD数据集用于训练和内部验证，约翰霍普金斯湾景医院的216例临床MRI扫描用于外部验证 | NA | BrainSignsNET, UNet, EfficientNetB0 | 相关系数, 平均绝对误差 | NA |
| 3240 | 2025-10-06 |
Genomic Characterization of Lung Cancer in Never-Smokers Using Deep Learning
2025-Aug-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.14.670178
PMID:40894597
|
研究论文 | 本研究开发了一种基于深度学习的定制化卷积神经网络，用于从非吸烟者肺腺癌患者的H&E染色全切片图像中同时预测16种分子改变 | 首次针对非吸烟者肺腺癌这一分子和组织学独特亚型开发深度学习模型，采用简化的两层残差块和无瓶颈层设计，能够从单张WSI同时预测多种分子改变 | 对肿瘤突变负荷、APOBEC突变特征和某些KRAS热点突变的预测性能较低到中等 | 开发针对非吸烟者肺腺癌的深度学习模型，从组织学图像预测分子特征 | 非吸烟者肺腺癌患者的组织学全切片图像 | 数字病理学 | 肺癌 | H&E染色全切片图像分析 | CNN | 图像 | 495张全切片图像 | NA | ResNet50 | AUROC | NA |