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 36434 篇文献，本页显示第 3361 - 3380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3361 | 2025-11-18 |
A combination of conserved and stage-specific lncRNA biomarkers to detect lung adenocarcinoma progression
2025-Oct, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2431190
PMID:39601689
|
研究论文 | 通过整合网络方法识别肺腺癌进展中的保守和阶段特异性lncRNA生物标志物 | 首次结合阶段特异性与保守lncRNA构建多阶段ceRNA网络，并整合深度学习进行生物标志物识别 | 未明确说明样本来源和验证队列的规模 | 探索lncRNA在肺腺癌进展中的分子机制并开发诊断生物标志物 | 肺腺癌患者组织样本中的lncRNA、mRNA和miRNA | 生物信息学 | 肺癌 | 表达谱分析，ceRNA网络构建，深度学习 | 深度学习 | 基因表达数据 | NA | NA | NA | NA | NA |
| 3362 | 2025-11-18 |
Deep-VEGF: deep stacked ensemble model for prediction of vascular endothelial growth factor by concatenating gated recurrent unit with two-dimensional convolutional neural network
2025-Oct, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2323144
PMID:38450715
|
研究论文 | 提出一种基于深度堆叠集成学习的计算模型Deep-VEGF，用于从蛋白质一级序列预测血管内皮生长因子 | 开发了新型特征描述符KSTS-BPSSM，并首次将GRU与二维CNN通过堆叠集成方法结合用于VEGF预测 | NA | 开发准确预测血管内皮生长因子的计算模型以替代昂贵耗时的实验识别方法 | 血管内皮生长因子(VEGF)蛋白质序列 | 生物信息学 | 癌症,糖尿病视网膜病变,黄斑变性,关节炎 | 蛋白质序列分析 | GRU,GAN,CNN,集成学习 | 蛋白质一级序列 | NA | NA | 门控循环单元,生成对抗网络,二维卷积神经网络 | 准确率 | NA |
| 3363 | 2025-11-18 |
ANN multi-layer perceptron for prediction of blood-brain barrier permeable compounds for central nervous system therapeutics
2025-Oct, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2326671
PMID:38497749
|
研究论文 | 开发人工神经网络多层感知器模型预测血脑屏障通透性化合物，用于中枢神经系统药物研发 | 使用大型数据集构建ANN模型，在BBB通透性预测中实现了高精度指标 | 仅基于化学结构预测BBB通透性存在困难 | 预测化合物的血脑屏障通透性以促进中枢神经系统药物研发 | 化学化合物 | 机器学习 | 中枢神经系统疾病 | NA | ANN多层感知器 | 化学结构数据 | 大型数据集 | NA | 多层感知器 | 准确率,特异性,敏感性,AUC,MCC | NA |
| 3364 | 2025-11-18 |
Explainable ResNet-long short-term memory model for the classification of bowel sounds frequency based on multifeature fusion
2025-Sep, The Journal of international medical research
IF:1.4Q4
DOI:10.1177/03000605251376915
PMID:41027655
|
研究论文 | 开发基于多特征融合的可解释ResNet-LSTM模型用于肠鸣音频率分类 | 提出结合ResNet50 V2和长短期记忆网络的多特征融合方法，并采用局部可解释模型无关解释增强模型透明度 | NA | 肠鸣音活动水平的准确客观分类，用于胃肠功能评估 | 肠鸣音音频数据 | 机器学习 | 胃肠疾病 | 音频特征提取 | CNN, LSTM | 音频 | 来自三个医疗机构的前瞻性多中心研究 | NA | ResNet50 V2, LSTM | 准确率, 马修斯相关系数, 加权科恩卡帕系数, 灵敏度, 特异性 | NA |
| 3365 | 2025-11-18 |
Benchmarking and Explaining Deep Learning Cortical Lesion MRI Segmentation in Multiple Sclerosis
2025-Jul-16, ArXiv
PMID:40969490
|
研究论文 | 提出一个用于多发性硬化症皮质病变MRI分割的深度学习基准测试框架 | 首次建立多中心皮质病变检测与分割基准，提出针对皮质病变检测优化的nnU-Net改进方案，并进行模型决策解释分析 | 数据来自四个机构，虽然多样化但仍可能存在泛化限制，病变模糊性和协议差异可能影响模型性能 | 开发标准化自动方法用于多发性硬化症皮质病变的MRI检测和分割 | 多发性硬化症患者的皮质病变 | 医学影像分析 | 多发性硬化症 | MRI, MP2RAGE, MPRAGE序列 | 深度学习 | MRI图像 | 656个MRI扫描，来自四个机构的临床试验和研究数据 | nnU-Net | nnU-Net | F1-score | NA |
| 3366 | 2025-11-18 |
Comparing machine learning, deep learning, and reinforcement learning performance in Culex pipiens predictive modeling
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0333536
PMID:41231961
|
研究论文 | 比较机器学习、深度学习和强化学习方法在预测库蚊分布中的性能 | 首次将强化学习方法应用于物种分布预测，并证明其在特征较少时仍能保持有效性能 | 仅针对单一物种在美国的地理分布进行研究，未验证其他物种或地区的适用性 | 比较不同机器学习方法在预测库蚊历史分布中的性能差异 | 尖音库蚊（Culex pipiens）在美国的潜在地理分布 | 机器学习 | 西尼罗河病毒感染 | 物种分布建模 | 逻辑回归, 随机森林, 深度神经网络, Q-learning, DQN, REINFORCE, Actor-Critic | 生物气候变量数据 | NA | NA | 深度神经网络, DQN | 预测性能 | NA |
| 3367 | 2025-11-18 |
Obscured-ensemble models for genomic prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0334239
PMID:41237109
|
研究论文 | 提出一种基于遮蔽标记的集成模型方法用于基因组预测 | 开发了不依赖基因组内容的遮蔽模型和集成学习方法，仅需20%的标记即可实现准确预测 | 未明确说明模型在更大规模数据集上的泛化能力 | 研究基因组预测中的捷径学习问题并开发高效预测方法 | 作物品种的基因型和农艺性状 | 机器学习 | NA | 全基因组标记分析 | 深度学习,集成学习 | 基因组标记数据 | NA | NA | 遮蔽集成模型 | 准确性 | NA |
| 3368 | 2025-11-18 |
MRI-based 2.5D deep learning and radiomics effectively predicted microvascular invasion and Ki-67 expression in hepatocellular carcinoma
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0336579
PMID:41237121
|
研究论文 | 开发并验证基于钆塞酸增强MRI肝胆期图像的2.5D深度学习和影像组学模型，结合临床特征术前预测肝细胞癌微血管侵犯和高Ki-67表达双阳性 | 首次将2.5D深度学习与影像组学结合，整合临床特征构建综合模型预测HCC的MVI和Ki-67双阳性状态 | 回顾性研究设计，样本量相对有限（235例患者），需外部验证确认泛化能力 | 术前预测肝细胞癌微血管侵犯和高Ki-67表达双阳性状态 | 235例经病理证实的肝细胞癌患者（129例双阳性，106例非双阳性） | 数字病理 | 肝细胞癌 | 钆塞酸增强MRI，影像组学分析 | 深度学习，逻辑回归 | 医学影像（MRI），临床数据 | 235例HCC患者 | NA | 2.5D深度学习架构 | AUROC, 敏感度, 特异度, 精确度, 准确率, F1分数 | NA |
| 3369 | 2025-11-18 |
Deepfake defense: Combining spatial and temporal cues with CNN-BiLSTM-transformer architecture
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0334980
PMID:41237199
|
研究论文 | 提出一种结合CNN、双向LSTM和Transformer编码器的混合深度学习架构用于深度伪造视频检测 | 首次将CNN、BiLSTM和Transformer编码器集成到统一框架中，实现空间特征与局部/全局时间特征的双路径建模 | 未提及模型在极端遮挡或复杂光照条件下的性能表现 | 开发能够有效检测深度伪造视频的鲁棒检测系统 | 深度伪造视频数据 | 计算机视觉 | NA | NA | CNN, BiLSTM, Transformer | 视频 | FaceForensics++和DeepFake Detection Challenge数据集 | TensorFlow | MobileNetV2, BiLSTM, Transformer | F1-score, AUC | NA |
| 3370 | 2025-11-18 |
Deep learning-based phenotype imputation on population-scale biobank data increases genetic discoveries
2023-12, Nature genetics
IF:31.7Q1
DOI:10.1038/s41588-023-01558-w
PMID:37985819
|
研究论文 | 提出一种基于深度学习的表型插补方法AutoComplete，用于填补大规模生物样本库中的缺失表型数据 | 开发了专门针对群体规模生物样本库数据的深度学习表型插补方法，显著提高了遗传发现能力 | 未明确说明方法在其他生物样本库或不同表型上的泛化能力 | 提高生物样本库表型数据的完整性和利用率，促进遗传学研究发现 | 英国生物银行约30万个体的表型数据 | 机器学习 | NA | 表型数据插补 | 深度学习 | 表型数据 | 约300,000个体 | NA | AutoComplete | 插补准确率, 遗传相似性, 有效样本量, 关联位点数量 | NA |
| 3371 | 2025-11-18 |
Benchmarking of deep neural networks for predicting personal gene expression from DNA sequence highlights shortcomings
2023-12, Nature genetics
IF:31.7Q1
DOI:10.1038/s41588-023-01524-6
PMID:38036778
|
研究论文 | 本研究评估了深度神经网络在预测个体基因表达方面的表现，并揭示了现有方法的局限性 | 首次系统性地评估深度学习方法在跨个体基因表达预测中的表现，发现现有方法在预测变异效应方向上的局限性 | 现有方法未能充分学习序列基序语法，导致变异效应方向预测不准确 | 评估深度学习方法在预测个体基因表达变异方面的有效性和实用性 | 839名ROSMAP研究参与者的全基因组测序和基因表达数据 | 基因组学 | NA | 全基因组测序，基因表达分析 | 深度神经网络 | 基因组DNA序列，基因表达数据 | 839名个体 | NA | NA | 变异效应方向预测准确性 | NA |
| 3372 | 2025-11-18 |
Current approaches to genomic deep learning struggle to fully capture human genetic variation
2023-12, Nature genetics
IF:31.7Q1
DOI:10.1038/s41588-023-01517-5
PMID:38036789
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3373 | 2025-11-18 |
Personal transcriptome variation is poorly explained by current genomic deep learning models
2023-12, Nature genetics
IF:31.7Q1
DOI:10.1038/s41588-023-01574-w
PMID:38036790
|
研究论文 | 评估当前基因组深度学习模型在解释个体间转录组变异方面的表现 | 首次系统评估深度学习模型在解释个体间基因表达变异方面的能力，揭示其在此任务上的局限性 | 仅评估了四种现有模型，可能未覆盖所有相关方法；研究结果基于有限的数据集 | 探索基因组深度学习模型解释个体间基因表达变异的能力 | 配对的个人基因组和转录组数据 | 机器学习 | NA | 基因组深度学习 | 深度学习模型 | DNA序列，基因表达数据 | NA | NA | NA | 表达变异解释能力，效应方向预测准确性 | NA |
| 3374 | 2025-11-18 |
Scaffolding cooperation in human groups with deep reinforcement learning
2023-10, Nature human behaviour
IF:21.4Q1
DOI:10.1038/s41562-023-01686-7
PMID:37679439
|
研究论文 | 使用深度强化学习训练社交规划器来优化人类群体网络结构，促进合作行为 | 首次将深度强化学习应用于人类群体合作网络的结构优化，采用调解而非隔离的方式处理背叛者 | 样本规模有限（共768名参与者），仅在特定游戏环境中验证 | 探索通过算法干预促进人类群体合作的有效方法 | 人类参与者群体（N=768）在合作游戏中的行为 | 机器学习 | NA | 深度强化学习，模拟方法 | 深度强化学习 | 行为数据，网络结构数据 | 768名参与者（实验组208人/13组，对照组176人/11组，对比组384人/24组） | NA | NA | 合作率 | NA |
| 3375 | 2025-11-18 |
Benchmarking of deep neural networks for predicting personal gene expression from DNA sequence highlights shortcomings
2023-Sep-28, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.16.532969
PMID:36993652
|
研究论文 | 评估深度神经网络在从DNA序列预测个体基因表达方面的性能并识别其局限性 | 首次系统评估深度学习方法在跨个体基因表达预测中的表现，揭示了现有方法在预测变异效应方向上的局限性 | 现有方法未能充分学习序列基序语法，导致对变异效应方向的预测能力不足 | 评估深度学习方法作为个人DNA解释工具在预测跨个体基因表达变异方面的实用性 | 839名ROSMAP研究参与者的全基因组测序和基因表达配对数据 | 基因组学, 机器学习 | NA | 全基因组测序, 基因表达分析 | 深度神经网络 | 基因组DNA序列, 基因表达数据 | 839名个体 | NA | NA | 变异效应方向预测准确性 | NA |
| 3376 | 2025-11-18 |
Modelling human behaviour in cognitive tasks with latent dynamical systems
2023-06, Nature human behaviour
IF:21.4Q1
DOI:10.1038/s41562-022-01510-8
PMID:36658212
|
研究论文 | 提出一种深度学习框架task-DyVA，通过潜在动态系统建模人类在认知任务中的行为反应时间序列 | 首次将表达性动态系统与深度学习结合，能够以高时间精度捕捉个体特异性行为差异，并支持通过扰动实验发现可解释的认知理论 | 未明确说明模型在其他认知任务上的泛化能力及计算复杂度 | 开发能够准确建模个体人类受试者在认知任务中反应时间序列的计算框架 | 人类受试者在任务转换认知任务中的行为数据 | 机器学习 | NA | 深度学习 | 潜在动态系统 | 反应时间序列数据 | 大型任务转换数据集中的个体人类受试者 | 深度学习框架 | task-DyVA | 时间精度，任务转换成本捕捉能力 | NA |
| 3377 | 2025-11-18 |
GlyphCreator: Towards Example-based Automatic Generation of Circular Glyphs
2022-Jan, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2021.3114877
PMID:34596552
|
研究论文 | 介绍GlyphCreator——一种基于示例自动生成圆形字形图的交互式工具 | 提出了首个基于示例的圆形字形图自动生成方法，建立了圆形字形图的设计空间并开发了字形解析深度学习模型 | NA | 开发能够自动生成圆形字形图的交互式工具，简化多维数据可视化过程 | 圆形字形图的设计与生成 | 数据可视化 | NA | 深度学习 | 深度学习模型 | 图像数据，多维数据 | NA | NA | NA | 定量实验评估 | NA |
| 3378 | 2025-11-17 |
MetaPredictomics: A Comprehensive Approach to Predict Postsurgical Non-Small Cell Lung Cancer Recurrence Using Clinicopathologic, Radiomics, and Organomics Data
2025-Dec-01, Clinical nuclear medicine
IF:9.6Q1
DOI:10.1097/RLU.0000000000006086
PMID:40902993
|
研究论文 | 提出MetaPredictomics框架，整合临床病理数据、PET/CT影像组学和多器官组学数据预测非小细胞肺癌术后复发 | 首次将肿瘤影像组学与假定健康器官的组学数据（器官组学）相结合，采用堆叠集成方法构建元模型 | 样本量相对有限（145例），使用公开数据集可能限制模型泛化能力 | 开发综合预测模型以提高非小细胞肺癌术后复发预测准确性 | 145例非小细胞肺癌患者的术前PET/CT影像和临床病理数据 | 数字病理 | 肺癌 | PET/CT影像组学，基因突变检测，深度学习分割 | 深度学习分割模型，glmboost，堆叠集成模型 | 医学影像（CT，PET），临床病理数据，基因数据 | 145例NSCLC患者 | PyRadiomics | NA | C-index | NA |
| 3379 | 2025-11-17 |
Deep learning-enabled segmentation of knee cartilage in conventional magnetic resonance images: Internal and external validation of different models
2025-Nov-14, The Knee
DOI:10.1016/j.knee.2025.10.024
PMID:41241647
|
研究论文 | 本研究开发了一种基于深度学习的膝关节软骨分割模型，并在传统MRI图像中进行了内外验证 | 首次在传统质子密度脂肪抑制MRI序列中应用3D Res U-net模型进行膝关节软骨分割，并与其他深度学习模型进行性能比较 | 研究为回顾性设计，样本量相对有限（共254例），外部验证集样本较少（35例） | 开发准确的膝关节软骨分割方法以辅助临床评估膝关节疼痛源和骨关节炎诊疗 | 膝关节软骨组织 | 医学影像分析 | 骨关节炎 | 质子密度脂肪饱和MRI序列 | 深度学习 | 3D MRI图像 | 254例膝关节MRI（219例训练-内部验证，35例外部验证） | NA | 3D Res U-net, 3D U-net, 3D V-net | Dice系数, Jaccard指数 | NA |
| 3380 | 2025-11-17 |
Multi stage sentiment analysis for product reviews on Twitter using optimized machine learning algorithm
2025-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23451-8
PMID:41233366
|
研究论文 | 提出一种优化的多阶段情感分析框架，用于分析Twitter上产品评论的情感倾向 | 优化并比较传统机器学习与深度学习方法在情感分析中的性能，确定最有效的情感分类方法 | 仅基于5200条英文推文进行分析，数据规模有限且语言单一 | 探索机器学习算法在社交媒体产品评论情感分析中的可行性 | Twitter上关于产品的用户评论 | 自然语言处理 | NA | 情感分析 | SVM, Naive Bayes, Random Forest, LSTM | 文本 | 5200条英文推文（包含正面、负面和中性评论） | NA | LSTM | NA | NA |