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 36836 篇文献，本页显示第 3701 - 3720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3701 | 2025-11-21 |
Automated quantification of Ki-67 expression in breast cancer from H&E-stained slides using a transformer-based regression model
2025-Nov-17, Breast cancer research : BCR
IF:6.1Q1
DOI:10.1186/s13058-025-02149-9
PMID:41250202
|
研究论文 | 开发了一种基于Transformer的回归模型，直接从H&E染色全切片图像中自动量化乳腺癌Ki-67表达 | 首次使用Transformer架构直接从H&E染色图像估计Ki-67表达，无需额外免疫组化染色，通过跨模态学习实现形态特征到分子表达的映射 | 模型性能依赖于补丁质量筛选，在实验室间差异和密集细胞核情况下可能存在挑战 | 开发自动化工具从常规H&E染色切片准确量化Ki-67增殖指数，替代额外免疫组化染色 | 乳腺癌组织切片 | 数字病理学 | 乳腺癌 | H&E染色，免疫组化染色，全切片成像 | Transformer，回归模型，分类模型 | 全切片图像 | 1153张H&E染色WSI和843张IHC染色WSI | NA | Transformer | R2，AUROC | NA |
| 3702 | 2025-11-21 |
Modeling protein-small molecule conformational ensembles with PLACER
2025-Nov-11, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2427161122
PMID:41187076
|
研究论文 | 开发了一种名为PLACER的图神经网络，用于生成蛋白质-小分子系统的构象集合 | 首次提出完全原子级别的图神经网络方法，能够快速生成蛋白质-小分子相互作用的构象集合，相比传统方法在速度和通用性上具有优势 | NA | 解决蛋白质-小分子相互作用构象异质性建模的挑战 | 蛋白质-小分子复合物系统 | 机器学习 | NA | 图神经网络 | GNN | 分子结构数据 | 来自剑桥结构数据库和蛋白质数据库的结构数据 | NA | PLACER | 结构生成准确性，酶活性(/值) | NA |
| 3703 | 2025-11-21 |
Artificial intelligence in chronic obstructive pulmonary disease: recent advances in imaging and physiological monitoring
2025-Nov-10, Current opinion in pulmonary medicine
IF:2.8Q2
DOI:10.1097/MCP.0000000000001228
PMID:41208246
|
综述 | 总结人工智能在慢性阻塞性肺疾病影像学和生理监测领域的最新应用进展 | 深度学习模型在胸部X光和CT影像中实现COPD高精度检测、疾病特征量化和临床结局预测，机器学习算法改进肺功能测试解读并利用咳嗽声和可穿戴设备数据进行无创诊断 | 大多数应用仍处于早期开发阶段，面临临床验证不足、算法偏见和标准化评估指标缺失等关键挑战 | 推进慢性阻塞性肺疾病的诊断和管理 | 慢性阻塞性肺疾病患者 | 医学人工智能 | 慢性阻塞性肺疾病 | 胸部X光、计算机断层扫描、肺功能测试、咳嗽声分析、可穿戴智能设备监测 | 深度学习, 机器学习 | 医学影像, 生理信号, 音频数据 | NA | NA | NA | 准确度 | NA |
| 3704 | 2025-11-21 |
A deep learning system for detecting silent brain infarction and predicting stroke risk
2025-Nov, Nature biomedical engineering
IF:26.8Q1
DOI:10.1038/s41551-025-01413-9
PMID:40481238
|
研究论文 | 开发基于视网膜图像的深度学习系统DeepRETStroke，用于检测无症状性脑梗死并预测卒中风险 | 首次利用视网膜图像构建领域特定的基础模型来表征眼脑连接，无需脑部影像即可检测无症状性脑梗死 | 需要大规模视网膜图像数据进行预训练，模型性能在不同人群中的普适性需进一步验证 | 开发非侵入性的卒中风险预测系统 | 来自中国、新加坡、马来西亚、美国、英国和丹麦的视网膜图像数据 | 数字病理 | 心血管疾病 | 视网膜成像 | 深度学习 | 图像 | 预训练：895,640张视网膜照片；验证：213,762张视网膜照片；前瞻性研究：218名卒中参与者 | NA | DeepRETStroke | AUC | NA |
| 3705 | 2025-11-21 |
Multimodal deep learning for immunotherapy response prediction and biomarker discovery in non-small cell lung cancer
2025-Nov-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocaf142
PMID:40901703
|
研究论文 | 开发多模态深度学习模型DeepAFM，整合组织病理学、基因组学和临床信息预测非小细胞肺癌患者对免疫治疗的反应 | 提出首个结合VQVAE2自监督学习的多模态预测框架，通过注意力热图实现生物标志物可视化发现 | 样本量较小（93例患者），置信区间范围较宽 | 预测晚期非小细胞肺癌患者对免疫治疗的反应并发现生物标志物 | 晚期非小细胞肺癌患者 | 数字病理学 | 肺癌 | 全切片图像分析，基因组测序 | 多模态深度学习，VQVAE2 | 组织病理图像，基因组数据，临床数据 | 93例晚期NSCLC患者 | NA | VQVAE2, DeepAFM | AUC | NA |
| 3706 | 2025-11-21 |
Superior performance of three-dimensional to two-dimensional convolutional neural network for predicting airflow limitation in patients with chronic obstructive pulmonary disease
2025-Nov, Respiratory investigation
IF:2.4Q2
DOI:10.1016/j.resinv.2025.10.008
PMID:41187391
|
研究论文 | 比较三维和二维卷积神经网络在预测COPD患者气流受限方面的性能 | 首次系统比较3D-CNN与2D-CNN在预测COPD患者肺功能指标(%FEV1)中的表现，证明3D-CNN的优越性 | 样本量有限(200个内部数据集+20个外部验证数据)，需要更大数据集验证和纵向应用研究 | 评估和比较基于深度学习的模型预测COPD患者气流受限的准确性 | 慢性阻塞性肺疾病(COPD)患者 | 医学影像分析 | 慢性阻塞性肺疾病 | 计算机断层扫描(CT) | CNN | 医学影像 | 200个内部CT数据集+20个外部验证数据 | NA | ResNet18 | 均方根误差(RMSE), 相关系数 | NA |
| 3707 | 2025-11-21 |
Familial fibrotic hypersensitivity pneumonitis: A distinct clinical phenotype with shorter leukocyte telomere length
2025-Nov, Respiratory investigation
IF:2.4Q2
DOI:10.1016/j.resinv.2025.10.012
PMID:41197207
|
研究论文 | 本研究探讨家族性纤维化性过敏性肺炎的独特临床特征及其与较短白细胞端粒长度的关联 | 首次发现家族性纤维化性过敏性肺炎具有独特的临床表型，且与较短的白细胞端粒长度显著相关 | 回顾性研究设计，样本量有限（19例家族性病例） | 研究家族性纤维化性过敏性肺炎的临床特征和白细胞端粒长度特征 | 490例接受白细胞端粒长度测量的患者，其中131例纤维化性过敏性肺炎患者（含19例家族性病例） | 数字病理学 | 间质性肺病 | 白细胞端粒长度测量，胸部高分辨率CT | 深度学习 | 医学影像，临床数据 | 490例患者（131例纤维化性过敏性肺炎，其中19例家族性病例） | NA | NA | 统计学显著性（p值），相关系数（r值） | NA |
| 3708 | 2025-11-21 |
Automated C. elegans behavior analysis via deep learning-based detection and tracking
2025-Nov, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013707
PMID:41218058
|
研究论文 | 提出一种基于深度学习的秀丽隐杆线虫行为自动分析方法，实现多线虫实时检测、跟踪和运动参数定量分析 | 集成YOLOv8与ByteTrack的增强型线虫检测框架，实现多线虫实时精确跟踪和多种行为参数的自动提取 | NA | 开发自动化高通量线虫行为分析方法，替代传统人工跟踪的低效方式 | 秀丽隐杆线虫(Caenorhabditis elegans) | 计算机视觉 | NA | 深度学习 | CNN | 视频图像 | NA | YOLOv8, ByteTrack | YOLOv8 | 精确度, 召回率, mAP50, 帧率(FPS) | NA |
| 3709 | 2025-11-21 |
Designing flexible protein structures and sampling protein conformations with a unified model using vector quantization and diffusion
2025-Nov, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwaf290
PMID:41245953
|
研究论文 | 提出一种结合向量量化和扩散模型的统一方法PVQD，用于蛋白质结构设计和构象采样 | 首次将向量量化自编码器与潜在空间扩散模型结合，统一了蛋白质结构预测、设计和构象动力学建模 | NA | 开发能够预测蛋白质构象分布和设计具有丰富构象动力学蛋白质结构的深度学习方法 | 蛋白质骨架结构和构象动力学 | 机器学习 | NA | 深度学习 | VQ-VAE, 扩散模型 | 蛋白质结构数据 | NA | NA | 向量量化自编码器, 潜在空间扩散模型 | 二级结构组成, 环区长度, 结构域大小, 实验结构变异重现度 | NA |
| 3710 | 2025-11-21 |
Identification of natural product-based drug combination (NPDC) using artificial intelligence
2025-Nov, Chinese journal of natural medicines
IF:4.0Q1
DOI:10.1016/S1875-5364(25)60942-3
PMID:41260785
|
综述 | 本文全面回顾了人工智能在天然产物药物组合识别领域的最新进展 | 通过整合多源异质数据和自主特征提取，显著提高了预测准确性，为新型天然产物药物组合发现提供了强有力的技术途径 | 当前方法仍受限于实验数据碎片化、高成本和广泛的组合空间 | 加速天然产物药物组合的发现并为实验验证提供指导 | 天然产物药物组合 | 机器学习 | 复杂疾病 | 高通量筛选,人工智能算法 | 传统机器学习,深度学习 | 多源异质数据 | NA | NA | NA | 预测准确性 | NA |
| 3711 | 2025-11-21 |
DeepGCGR: an interpretable two-layer deep learning model for the discovery of GCGR-activating compounds
2025-Nov, Chinese journal of natural medicines
IF:4.0Q1
DOI:10.1016/S1875-5364(25)60969-1
PMID:41260780
|
研究论文 | 提出一种可解释的双层深度学习模型DeepGCGR，用于加速发现GCGR激动剂化合物 | 首次将图卷积网络与多重注意力机制结合用于GCGR激动剂发现，并专门应用于中药天然产物的筛选 | 未提及模型验证的样本规模和数据来源局限性 | 开发高效发现GCGR激活化合物的计算方法 | 针对GCGR的化合物生物活性预测和功能分类 | 药物发现 | 2型糖尿病 | 深度学习，图卷积网络 | GCN | 化学化合物结构数据 | NA | NA | 图卷积网络(GCN)与多重注意力机制 | NA | NA |
| 3712 | 2025-11-21 |
Advancing network pharmacology with artificial intelligence: the next paradigm in traditional Chinese medicine
2025-Nov, Chinese journal of natural medicines
IF:4.0Q1
DOI:10.1016/S1875-5364(25)60941-1
PMID:41260784
|
综述 | 本文探讨人工智能如何推动网络药理学在中医药研究中的发展 | 提出将人工智能技术整合到中医药网络药理学研究的新范式 | 未提及具体实验验证数据和实际应用案例 | 促进中医药网络药理学研究的现代化发展 | 中医药网络药理学研究方法 | 自然语言处理, 机器学习 | NA | 网络生物学, 深度学习 | 深度学习模型 | 网络数据, 药理学数据 | NA | NA | NA | NA | NA |
| 3713 | 2025-11-21 |
Artificial intelligence in natural products research
2025-Nov, Chinese journal of natural medicines
IF:4.0Q1
DOI:10.1016/S1875-5364(25)60902-2
PMID:41260783
|
综述 | 本文探讨人工智能技术在天然药物研究中的应用与前景 | 系统阐述AI技术如何解决天然药物研究中成分复杂、提取困难等传统挑战 | 当前应用存在数据质量、模型可解释性和伦理问题等限制 | 加速天然药物的发现与开发进程 | 天然药物及其化学成分 | 机器学习 | NA | 深度学习, 机器学习 | DL, ML | 化学数据集 | NA | NA | NA | NA | NA |
| 3714 | 2025-11-21 |
Artificial intelligence in traditional Chinese medicine: from systems biological mechanism discovery, real-world clinical evidence inference to personalized clinical decision support
2025-Nov, Chinese journal of natural medicines
IF:4.0Q1
DOI:10.1016/S1875-5364(25)60983-6
PMID:41260781
|
综述 | 概述人工智能在中医药领域的应用研究，涵盖系统生物学机制发现、真实世界临床证据推断和个性化临床决策支持 | 首次从系统生物学机制发现、真实世界临床证据推断和个性化临床决策支持三个维度系统梳理中医药与人工智能的融合研究 | 依赖高质量大规模数据仓库的建立和领域知识图谱的构建，在中医药证候机制解析和因果推断框架方面仍存在挑战 | 推动人工智能与中医药的跨学科融合，提升中医药科学研究和临床实践水平 | 中医药电子医疗记录、实验分子数据、中医证候机制、中药方剂和临床诊疗决策 | 自然语言处理, 机器学习 | 中医药相关疾病 | 电子医疗记录分析, 分子数据挖掘, 知识图谱构建 | 深度学习, 大语言模型 | 文本, 结构化医疗数据, 分子数据 | NA | NA | NA | NA | NA |
| 3715 | 2025-11-21 |
Multicenter study of CT-based deep learning for predicting preoperative T staging and TNM staging in clear cell renal cell carcinoma
2025-Oct-17, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-14836-z
PMID:41107801
|
研究论文 | 基于CT的深度学习模型用于预测肾透明细胞癌术前T分期和TNM分期 | 开发了基于Transformer-ResNet架构的3D深度学习模型，首次在多中心研究中验证其在肾透明细胞癌术前分期中的应用 | 在晚期亚类（T3+T4和TNM III期）中表现中等 | 开发并验证基于CT的深度学习模型，用于肾透明细胞癌的术前分期 | 肾透明细胞癌患者 | 计算机视觉 | 肾癌 | CT成像 | 深度学习 | CT图像 | 1,148例来自五个医疗中心的肾透明细胞癌患者 | NA | Transformer-ResNet (TR-Net) | micro-AUC, macro-AUC, accuracy | NA |
| 3716 | 2025-11-21 |
Efficacy and safety of platelet-rich plasma injections for the treatment of knee osteoarthritis: a systematic review and meta-analysis of randomized controlled trials
2025-Oct-17, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03253-4
PMID:41107915
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估富血小板血浆注射治疗膝骨关节炎的疗效和安全性 | 首次结合神经网络模型预测PRP治疗结果，识别最佳PRP浓度范围和注射方案，并发现PRP与其他治疗的协同效应 | 长期随访数据有限，评价标准缺乏标准化，生物学可解释性和临床实施存在挑战 | 全面评估PRP注射治疗膝骨关节炎的疗效和安全性 | 膝骨关节炎患者 | 医学研究 | 骨关节炎 | PRP注射治疗，神经网络模型 | 神经网络 | 临床试验数据 | 28项随机对照试验，共3246名KOA患者 | NA | 神经网络 | 疼痛缓解，功能改善，治疗反应预测准确性 | NA |
| 3717 | 2025-11-21 |
Accuracy of Deep Learning-Aided Detection of Microsatellite Instability in Colorectal Cancer: A Systematic Review and Meta-Analysis
2025-Oct-15, Clinical colorectal cancer
IF:3.3Q2
DOI:10.1016/j.clcc.2025.09.004
PMID:41260961
|
系统评价与Meta分析 | 通过系统评价和Meta分析评估深度学习在结直肠癌微卫星不稳定性检测中的准确性 | 首次对基于病理切片的深度学习检测结直肠癌微卫星不稳定性的准确性进行系统评价和Meta分析 | 基于MRI、结肠镜和拉曼光谱的深度学习研究数量极少，需要更多验证 | 评估深度学习在结直肠癌微卫星不稳定性检测中的准确性 | 结直肠癌患者 | 数字病理学 | 结直肠癌 | 深度学习 | 深度学习模型 | 病理切片图像、MRI图像、结肠镜图像、拉曼光谱数据 | 30项原始研究 | NA | NA | 特异性、敏感性、汇总受试者工作特征曲线下面积 | NA |
| 3718 | 2025-11-21 |
Comparative Diagnostic Accuracy of AI-Assisted Fluorine-18 Fluorodeoxyglucose Positron Emission Tomography Versus Structural Magnetic Resonance Imaging in Alzheimer Disease: Systematic Review and Meta-Analysis
2025-Oct-08, JMIR aging
IF:5.0Q1
DOI:10.2196/76981
PMID:41061249
|
系统综述与Meta分析 | 通过系统综述和Meta分析比较AI辅助的18F-FDG PET与结构MRI在阿尔茨海默病诊断中的准确性 | 首次系统比较AI辅助的两种神经影像技术（18F-FDG PET和sMRI）在AD诊断中的性能差异 | 研究质量分层、算法类型和验证策略导致的异质性 | 比较AI辅助的18F-FDG PET与结构MRI在阿尔茨海默病诊断中的性能差异 | 阿尔茨海默病患者 | 医学影像分析 | 阿尔茨海默病 | 18F-FDG PET, 结构MRI | 机器学习, 深度学习 | 医学影像 | 38项研究纳入分析 | NA | NA | 敏感度, 特异度, SROC-AUC | NA |
| 3719 | 2025-11-21 |
YOLOv12 Algorithm-Aided Detection and Classification of Lateral Malleolar Avulsion Fracture and Subfibular Ossicle Based on CT Images: Multicenter Study
2025-Oct-03, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/79064
PMID:40924436
|
研究论文 | 基于CT图像使用YOLOv12算法辅助检测和分类外踝撕脱性骨折与腓骨下籽骨的多中心研究 | 首次将最新YOLOv12算法应用于外踝撕脱性骨折与腓骨下籽骨的CT图像检测与分类，并在多中心数据上验证其性能优于放射科医生单独阅读CT | 回顾性研究设计，仅来自两家医院的数据，需要进一步前瞻性验证 | 评估深度学习模型在CT图像上检测和分类外踝撕脱性骨折与腓骨下籽骨的性能 | 1918名患者（外踝撕脱性骨折1253例，腓骨下籽骨665例）的CT图像 | 计算机视觉 | 骨科疾病 | CT成像，MRI成像 | CNN | 医学图像 | 1918名患者，训练集1092例，内部验证集476例，外部测试集350例 | NA | YOLOv12, Faster R-CNN, SSD, RetinaNet | mAP50, AUC, 准确率, 灵敏度, 特异性 | NA |
| 3720 | 2025-11-21 |
Development and Validation an Integrated Deep Learning Model to Assist Eosinophilic Chronic Rhinosinusitis Diagnosis: A Multicenter Study
2025-Oct, International forum of allergy & rhinology
IF:7.2Q1
DOI:10.1002/alr.23595
PMID:40387008
|
研究论文 | 开发并验证一种集成深度学习模型，用于辅助嗜酸性慢性鼻窦炎的术前诊断 | 首次结合CT影像特征和临床参数构建集成深度学习模型，并探索模型预测的生物学基础 | 样本量相对有限（1098例），蛋白质组学分析仅包含34例患者 | 开发非侵入性术前预测方法用于嗜酸性慢性鼻窦炎的诊断 | 慢性鼻窦炎患者 | 医学影像分析 | 慢性鼻窦炎 | 计算机断层扫描（CT），蛋白质组学分析 | 3D-CNN, SVM | CT影像，临床参数 | 1098例患者（来自两家医院），其中34例进行蛋白质组学分析 | NA | 3D-ResNet, 3D-Xception, HR-Net | AUC, 敏感度, 特异度, 准确度 | NA |