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 3581 - 3600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3581 | 2025-11-16 |
Multi-Cohort Federated Learning Shows Synergy in Mortality Prediction for MRI-Based and Metabolomics-Based Age Scores
2025-Dec, Journal of healthcare informatics research
IF:5.4Q1
DOI:10.1007/s41666-025-00208-6
PMID:41230244
|
研究论文 | 本研究通过联邦学习分析基于脑MRI的BrainAge和基于代谢物的MetaboAge两种生物年龄评分在死亡率预测中的协同作用 | 首次使用联邦学习研究不同生物年龄评分之间的相互作用，并发现BrainAge和MetaboAge在死亡率预测中具有互补价值 | 研究仅基于三个大型人群队列，数据共享限制可能影响更广泛的应用 | 研究基于脑MRI和代谢物的两种生物年龄评分之间的关系及其在死亡率和痴呆预测中的协同作用 | 三个大型人群队列的脑MRI数据和代谢物数据 | 机器学习 | 老年疾病 | 脑MRI, 代谢组学 | 深度学习 | 医学影像, 代谢物数据 | 三个大型人群队列 | 联邦学习框架 | 深度学习模型 | 年龄预测误差, 关联分析, 生存分析 | NA |
| 3582 | 2025-11-16 |
Binding mode prediction of imidazothiadiazoles against insect ecdysone receptors via a combination of AlphaFold3 and molecular simulations
2025-Dec, Pest management science
IF:3.8Q1
DOI:10.1002/ps.70141
PMID:40808334
|
研究论文 | 结合AlphaFold3和分子模拟预测咪唑噻二唑类化合物与昆虫蜕皮激素受体的结合模式 | 首次使用AlphaFold3深度学习模型结合分子动力学模拟阐明咪唑噻二唑类化合物与昆虫蜕皮激素受体的诱导契合结合机制 | 标准对接算法难以模拟诱导契合机制，实验验证尚不充分 | 阐明咪唑噻二唑类化合物与昆虫蜕皮激素受体的分子结合机制 | 咪唑噻二唑类化合物和鳞翅目昆虫蜕皮激素受体 | 计算生物学 | 害虫防治 | AlphaFold3, 分子动力学模拟, 结合自由能计算, QSAR分析 | 深度学习, 分子模拟 | 蛋白质结构, 配体结构, 结合亲和力数据 | 包括新合成的咪唑噻二唑类化合物 | AlphaFold3, 分子模拟软件 | AlphaFold3架构 | 结合自由能, 结合模式合理性评估 | NA |
| 3583 | 2025-11-16 |
Classification of neurological and mental health disorders based on multimodal approaches: A comprehensive review
2025-Dec, Neuroscience and biobehavioral reviews
IF:7.5Q1
DOI:10.1016/j.neubiorev.2025.106399
PMID:41052735
|
综述 | 本文对基于深度学习的多模态方法在神经系统和精神健康疾病分类中的应用进行了全面综述 | 首次系统综述深度学习多模态方法在神经系统和精神健康疾病分类中的联合应用，涵盖十种主要疾病类型 | 存在数据不平衡、模型可解释性不足以及缺乏大规模高质量数据集等挑战 | 综述深度学习多模态方法在神经系统和精神健康疾病分类中的研究进展 | 十种主要疾病（五种神经系统疾病和五种精神健康疾病） | 机器学习 | 神经系统疾病,精神健康疾病 | 多模态数据融合 | 深度学习 | 神经影像,生物信号,临床评估 | NA | NA | NA | NA | NA |
| 3584 | 2025-11-16 |
3D anatomical atlas of the heads of male and female adult Chamaeleo calyptratus
2025-Nov-15, Anatomical record (Hoboken, N.J. : 2007)
DOI:10.1002/ar.70077
PMID:41239830
|
研究论文 | 本研究通过数字解剖图谱首次完整描述了变色龙头部的骨骼和软组织结构 | 创建了首个变色龙头部数字解剖图谱，首次绘制了颅缝和肌肉附着位点图谱，并探索了性别差异 | 仅使用两个成年样本进行研究，样本量有限 | 描述变色龙头部解剖结构并分析性别差异 | 成年雄性及雌性变色龙（Chamaeleo calyptratus）头部解剖结构 | 数字病理学 | NA | 对比增强染色技术，显微CT扫描 | 深度学习模型 | 3D图像数据 | 2个成年标本（雌雄各一） | NA | NA | NA | NA |
| 3585 | 2025-11-16 |
Diagnostic value of a second-generation super-resolution deep learning-based reconstruction combined with a metal artifact reduction algorithm for pelvic CT
2025-Nov-15, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-05080-4
PMID:41240086
|
研究论文 | 评估第二代超分辨率深度学习重建算法结合金属伪影减少算法在金属髋关节植入物患者CT图像中的诊断价值 | 首次将第二代超分辨率深度学习重建算法与金属伪影减少算法结合应用于盆腔CT成像 | 样本量较小（仅40例患者），且为回顾性研究设计 | 评估深度学习重建算法结合金属伪影减少算法对CT图像质量的改善效果 | 金属髋关节植入物患者的盆腔CT图像 | 医学影像处理 | 骨科植入物相关 | CT成像 | 深度学习重建算法 | CT图像 | 40例患者（30例女性，年龄范围54-93岁） | NA | 第二代超分辨率深度学习重建(DLR2)，第一代深度学习重建(DLR1) | 标准差，伪影指数，5点评分，组内相关系数 | NA |
| 3586 | 2025-11-16 |
Towards automated fetal brain biometry reporting for 3-dimensional T2-weighted 0.55-3T magnetic resonance imaging at 20-40 weeks gestational age range
2025-Nov-14, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06403-2
PMID:41238791
|
研究论文 | 开发并验证了一种基于深度学习的全自动胎儿大脑生物测量报告流程，用于3D T2加权胎儿脑MRI | 首个提出全自动生物测量报告流程的研究，整合了深度学习测量、百分位数和z值计算与报告生成 | 研究基于特定场强(0.55-3T)和孕周范围(20-40周)，尚未建立通用的胎儿生物测量协议 | 实现3D T2加权胎儿脑MRI生物测量报告的自动化，提高临床工作流程效率 | 胎儿大脑生物测量 | 医学影像分析 | 胎儿发育 | 3D T2加权磁共振成像，切片到体积重建(SVR) | 3D UNet | 3D MRI图像 | 回顾性研究90例，前瞻性研究111例，正常对照组406例 | NA | 3D UNet | 绝对差异测量，可接受性评分，处理时间 | NA |
| 3587 | 2025-11-16 |
Application of AI-assisted magnifying colonoscopy system in the diagnosis of colorectal tumors: a multicenter exploratory diagnostic study
2025-Nov-14, Surgical endoscopy
DOI:10.1007/s00464-025-12196-0
PMID:41238992
|
研究论文 | 开发基于JNET分类的AI辅助诊断模型用于结直肠肿瘤诊断的多中心探索性研究 | 首次将改进的DeepLabV3+模型应用于放大结肠镜图像分析，并基于JNET分类标准开发AI辅助诊断系统 | 需要进一步研究评估其在真实临床环境中的有效性和成本效益 | 评估AI辅助诊断模型在结直肠肿瘤诊断中的性能 | 结直肠肿瘤患者 | 数字病理 | 结直肠肿瘤 | 放大内窥镜 | 深度学习 | 图像 | 219名患者的2645张放大图像 | NA | DeepLabV3+ | 准确率,敏感度,特异度,AUC | NA |
| 3588 | 2025-11-16 |
Genomic Prediction of Feed Efficiency in Boars by Deep Learning
2025-Nov-14, G3 (Bethesda, Md.)
DOI:10.1093/g3journal/jkaf274
PMID:41239183
|
研究论文 | 本研究通过深度学习模型预测公猪的饲料效率性状，并与传统线性基因组预测模型进行对比 | 首次将深度学习应用于公猪饲料效率的基因组预测，能够捕捉传统线性模型忽略的非加性遗传效应 | 计算成本显著增加，且非加性方差的捕获并未显著提升预测能力 | 比较深度学习与线性模型在预测公猪饲料效率性状方面的表现，评估深度学习捕捉非加性遗传方差的能力 | 两个公猪群体（父系和母系品系） | 机器学习 | NA | 基因组选择 | MLP, CNN | 基因组数据 | 两个公猪群体（具体数量未提及） | NA | MLP, CNN | 预测能力 | NA |
| 3589 | 2025-11-16 |
Automatic detection of knee medial collateral ligament (MCL) tear from magnetic resonance imaging using deep neural network
2025-Nov-13, The Knee
DOI:10.1016/j.knee.2025.10.028
PMID:41238423
|
研究论文 | 使用深度神经网络从膝关节磁共振成像中自动检测内侧副韧带撕裂 | 首次使用深度神经网络解决MCL撕裂检测问题，设计了三种不同场景的深度学习模型进行比较 | 数据集仅来自单一医院，样本量相对有限，需要未来研究在更广泛人群中验证 | 开发自动检测膝关节内侧副韧带撕裂的方法 | 膝关节磁共振图像 | 计算机视觉 | 膝关节损伤 | 磁共振成像 | CNN | 图像 | 60名患者的3575张膝关节MRI图像 | NA | 自定义CNN, VGG19 | 准确率, 损失值, AUC | NA |
| 3590 | 2025-11-16 |
Screening and analysis of malt pentapeptide DPP-IV inhibitory activity
2025-Nov-12, NPJ science of food
IF:6.3Q1
DOI:10.1038/s41538-025-00584-8
PMID:41224748
|
研究论文 | 本研究通过多学科方法从麦芽中鉴定出具有DPP-IV抑制活性的五肽YPQPQ，并揭示其通过ERK信号通路发挥作用的机制 | 首次从麦芽醇溶蛋白中鉴定出五肽YPQPQ作为新型天然DPP-IV抑制剂，并阐明其通过调控ERK信号通路发挥作用的分子机制 | 研究主要基于计算模拟和体外实验，缺乏体内实验验证和临床前研究数据 | 从麦芽中筛选和验证具有DPP-IV抑制活性的天然化合物，为2型糖尿病治疗提供新候选药物 | 麦芽来源的五肽化合物，特别是YPQPQ五肽 | 计算生物学, 药物发现 | 2型糖尿病 | 分子对接, 分子动力学模拟, 网络药理学, 深度学习, 体外活性测试 | ConPlex, KPGT | 分子结构数据, 蛋白质序列, 活性测试数据 | 麦芽醇溶蛋白来源的五肽YPQPQ | NA | NA | IC50值(23.87 μM), ERK磷酸化水平 | NA |
| 3591 | 2025-11-16 |
A Large-Scale Synthetic Benchmark Dataset for Non-Cooperative Space Target Perception
2025-Nov-12, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06056-8
PMID:41224761
|
研究论文 | 构建了一个用于空间目标感知的大规模合成基准数据集NCSTP | 创建了首个支持空间目标检测、识别和部件分割的多任务合成数据集，通过Blender模拟真实空间环境生成多样化图像 | 数据为合成生成而非真实空间图像，可能与实际空间环境存在差异 | 解决空间目标感知研究中缺乏大规模标注数据集的问题 | 卫星、空间碎片和太空岩石等空间目标 | 计算机视觉 | NA | Blender三维建模与渲染 | 目标检测模型,语义分割模型 | 合成图像 | 200,000张图像 | NA | NA | NA | NA |
| 3592 | 2025-11-16 |
Deep generative optimization of mRNA codon sequences for enhanced mRNA translation and therapeutic efficacy
2025-Nov-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-64894-x
PMID:41224770
|
研究论文 | 提出深度学习框架RiboDecode，通过优化mRNA密码子序列增强mRNA翻译效率和治疗效果 | 直接从大规模核糖体分析数据学习，在大型序列空间进行生成式探索，实现数据驱动且考虑细胞环境的mRNA设计 | 未明确说明模型在更广泛疾病模型中的适用性 | 优化mRNA密码子序列以提高mRNA翻译效率和治疗效果 | mRNA密码子序列、流感血凝素mRNA、神经生长因子mRNA | 机器学习 | 流感病毒感染、视网膜神经节细胞损伤 | 核糖体分析、深度生成模型 | 深度学习生成模型 | 序列数据、核糖体分析数据 | 小鼠模型研究 | NA | NA | 预测准确性、蛋白表达水平、中和抗体反应强度、神经保护效果 | NA |
| 3593 | 2025-11-14 |
Deep learning approach to energy consumption modeling in wastewater pumping systems
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23158-w
PMID:41224784
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3594 | 2025-11-16 |
Deep learning-based metal artifact reduction in CT for total knee arthroplasty
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21012-7
PMID:41224803
|
研究论文 | 本研究开发了一种基于深度学习的膝关节金属伪影减少网络(KMAR-Net)，用于全膝关节置换术后CT图像中的金属伪影消除 | 开发了专门的深度学习网络KMAR-Net，在金属伪影减少方面优于传统的投影完成方法 | 研究样本量有限，仅包含50名无金属假体患者和44名TKA术后患者 | 评估基于深度学习的金属伪影减少技术在TKA术后CT评估中的性能 | 全膝关节置换术后患者的CT图像 | 医学影像处理 | 骨科疾病 | CT扫描 | 深度学习网络 | CT图像 | 50名无金属假体患者用于开发数据集，44名TKA术后患者用于临床测试 | NA | KMAR-Net | 面积测量、平均衰减值、标准差、视觉分级分析 | NA |
| 3595 | 2025-11-16 |
An enhanced deep learning-based framework for diagnosing apple leaf diseases
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23272-9
PMID:41224813
|
研究论文 | 提出一种改进的轻量级YOLOv8模型E-YOLOv8，用于苹果叶部病害的实时诊断 | 融合GhostConv和C3模块减少冗余特征提取和计算成本，结合CBAM注意力和定制FPN增强多尺度特征融合和小病变检测能力 | 仅针对苹果叶部病害进行验证，未测试在其他作物病害上的泛化能力 | 开发轻量级深度学习框架实现苹果叶部病害的实时准确诊断 | 苹果叶部病害图像 | 计算机视觉 | 植物病害 | 深度学习 | YOLO | 图像 | 大规模苹果叶部病害数据集 | NA | YOLOv8, E-YOLOv8, GhostConv, C3, CBAM, FPN | mAP0.5, GFLOPs, 参数量 | 边缘设备 |
| 3596 | 2025-11-16 |
D-TNet: a hybrid Dense Net-transformer model for robust diabetic retinopathy detection
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23234-1
PMID:41224814
|
研究论文 | 提出一种混合DenseNet-Transformer模型D-TNet，用于糖尿病视网膜病变的鲁棒检测和严重程度分级 | 首次将DenseNet121的空间特征提取能力与Transformer的长距离上下文依赖建模能力相结合，解决了传统AI方法在DR严重程度分级中的不平衡分类和泛化能力差的问题 | 需要跨数据集验证和实际部署测试，尚未整合多模态临床数据 | 开发可靠的糖尿病视网膜病变自动检测和严重程度分级系统 | 糖尿病视网膜病变患者的视网膜图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | CNN, Transformer | 图像 | 来自APTOS2019和Messidor-2数据集的视网膜图像 | NA | DenseNet121, Transformer | 准确率, F1分数, Kappa分数 | NA |
| 3597 | 2025-11-16 |
Underwater dam image enhancement based on CNN-transformer fusion
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23746-w
PMID:41224884
|
研究论文 | 提出融合CNN和Transformer的ESRTGAN网络用于水坝水下图像增强 | 首次将CNN的局部特征提取与Transformer的全局上下文建模相结合用于水坝水下图像增强 | 未明确说明模型在极端浑浊水域的泛化能力 | 解决水坝水下图像的光学退化问题，提升图像质量以支持安全检测 | 水坝水下结构图像 | 计算机视觉 | NA | 图像增强技术 | GAN, CNN, Transformer | 图像 | 真实水坝水下图像数据集（未明确具体数量） | NA | ESRTGAN（包含多尺度特征融合、自适应通道注意力机制） | PSNR, SSIM, LPIPS | NA |
| 3598 | 2025-11-16 |
Multimodal deep learning for midpalatal suture assessment in maxillary expansion
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23500-2
PMID:41224896
|
研究论文 | 开发并验证了用于腭中缝成熟度评估的多模态深度学习框架DeepMSM | 首个整合锥形束CT与临床指标的多模态深度学习框架，采用基于注意力的融合策略 | 回顾性研究，样本量相对有限（200例患者） | 开发自动化的腭中缝成熟度评估系统以提高正畸治疗规划的可靠性 | 200名7-36岁正畸患者的腭中缝 | 医学影像分析 | 正颌畸形 | 锥形束CT，头影侧位片 | 深度学习 | 医学影像，临床变量 | 200名正畸患者 | NA | 基于注意力的融合架构 | 准确率，F1分数 | NA |
| 3599 | 2025-11-16 |
Integrating transfer learning with scalogram analysis for blood pressure estimation from PPG signals
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23350-y
PMID:41224941
|
研究论文 | 本研究开发了一种基于深度学习和迁移学习的可靠方法，通过光电容积脉搏波信号进行血压估计 | 提出了一种独特的迁移学习框架，将尺度图深度特征提取与随机森林回归相结合，为血压估计提供了新途径 | 仅使用MIMIC-II公开数据库，未在其他数据集上验证模型泛化能力 | 开发并验证基于深度学习的可靠血压估计方法 | 光电容积脉搏波信号 | 机器学习 | 心血管疾病 | 连续小波变换 | CNN | 信号数据 | 来自MIMIC-II数据库的样本 | NA | VGG16, ResNet50, InceptionV3, NASNetLarge, InceptionResNetV2, ConvNeXtTiny | 平均绝对误差, 标准差 | NA |
| 3600 | 2025-11-16 |
Four-class classification of tumor-induced colorectal obstruction histopathology: A ResNet-mamba-mased study on cellular interaction pattern recognition
2025-Nov-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23263-w
PMID:41224975
|
研究论文 | 开发基于ResNet和状态空间模块的深度学习模型，用于识别肿瘤性结直肠梗阻病理切片中的细胞相互作用模式并进行四分类 | 结合残差卷积网络和双向状态空间模块，能够同时进行多尺度特征提取和细胞相互作用的时空动态建模 | 数据来自单中心回顾性收集，缺乏外部多中心验证；仅在离线环境中评估，缺少真实工作流程中的前瞻性临床验证 | 开发深度学习模型识别肿瘤性肠梗阻病理切片中的细胞相互作用模式 | 肿瘤诱导性肠梗阻患者的病理切片 | 数字病理 | 结直肠癌 | 病理切片分析 | CNN, SSM | 图像 | 来自蚌埠医科大学第一附属医院的回顾性病理切片数据集 | PyTorch | ResNet, Mamba | 准确率, 宏F1分数, ROC-AUC, 召回率 | NA |