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 34078 篇文献，本页显示第 3821 - 3840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3821 | 2025-09-21 |
Comment on "VAULT-OCT: Vault Accuracy Using Deep Learning Technology - An AI Model for Predicting Implantable Collamer Lens Postoperative Vault with AS-OCT"
2025-Sep-19, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001794
PMID:40971892
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3822 | 2025-10-06 |
Deep Learning for simulating the evolution of condensed matter systems at the continuum scale: methods and applications
2025-Sep-19, Journal of physics. Condensed matter : an Institute of Physics journal
DOI:10.1088/1361-648X/ae096d
PMID:40972655
|
综述 | 本文系统回顾了深度学习在模拟凝聚态物质系统连续尺度演化方面的最新方法与应用 | 系统化整理了神经网络处理时间依赖演化的多种策略与架构，区分了数据驱动和物理信息策略，并讨论了混合方法 | 神经网络方法作为传统计算方法有效替代方案仍面临主要挑战和缺陷 | 研究凝聚态物理中复杂系统时间演化的模拟方法 | 凝聚态物质系统的连续尺度演化 | 机器学习 | NA | 神经网络方法 | NA | 偏微分方程解的大型数据集 | NA | NA | NA | NA | NA |
| 3823 | 2025-10-06 |
Multi-modal CT Perfusion-based Deep Learning for Predicting Stroke Lesion Outcomes in Complete and No Recanalization Scenarios
2025-Sep-19, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9016
PMID:40973461
|
研究论文 | 开发基于多模态CT灌注的深度学习模型，用于预测急性缺血性脑卒中患者在不同再通情况下的最终病灶结果 | 针对完全再通和无再通两种不同临床场景分别开发专门的深度学习模型，相比传统阈值方法提供更准确的病灶预测 | 样本量相对有限，特别是无再通组样本较少(n=138)，且为多中心回顾性研究 | 预测急性缺血性脑卒中患者的最终病灶位置和体积，改善临床治疗决策 | 急性缺血性脑卒中患者，包括完全再通患者(n=350)和无再通患者(n=138) | 医学影像分析 | 脑卒中 | CT灌注成像，扩散加权成像 | 深度学习 | 医学影像 | 完全再通患者350例，无再通患者138例 | NA | 3D nnU-Net | Dice系数, 95% Hausdorff距离, 平均对称表面距离 | NA |
| 3824 | 2025-10-06 |
Phylogenetic Methods Meet Deep Learning
2025-Sep-19, Genome biology and evolution
IF:3.2Q2
DOI:10.1093/gbe/evaf177
PMID:40973626
|
观点文章 | 探讨深度学习在系统发育学中的应用潜力及挑战 | 提出使用紧凑双射梯形向量或Transformer等新训练数据编码方式处理更大规模的树和基因组数据集 | 基于模拟训练数据存在风险，计算估计的可重复性和鲁棒性仍需加强 | 推动深度学习与传统系统发育重建方法的互补融合 | 系统发育数据和基因组数据集 | 机器学习 | NA | 基因组测序 | Transformer | 基因组数据 | NA | NA | Transformer | NA | NA |
| 3825 | 2025-10-06 |
OcuViT: A Vision Transformer-Based Approach for Automated Diabetic Retinopathy and AMD Classification
2025-Sep-19, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01676-3
PMID:40973913
|
研究论文 | 提出基于视觉Transformer的OcuViT模型，用于自动分类糖尿病视网膜病变和年龄相关性黄斑变性 | 首次将视觉Transformer通过迁移学习应用于眼科诊断，并设计了高效的预处理流程 | 未明确说明模型在计算效率方面的具体表现 | 开发自动化的视网膜疾病分类系统以提高诊断精度和可靠性 | 糖尿病视网膜病变(DR)和年龄相关性黄斑变性(AMD) | 计算机视觉 | 视网膜疾病 | 深度学习，迁移学习 | Vision Transformer (ViT) | 视网膜眼底图像 | APTOS数据集和IChallenge-AMD数据集 | PyTorch | ViT-Base-Patch16-224 | 准确率，鲁棒性 | NA |
| 3826 | 2025-10-06 |
Lightweight Transfer Learning Models for Multi-Class Brain Tumor Classification: Glioma, Meningioma, Pituitary Tumors, and No Tumor MRI Screening
2025-Sep-19, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01686-1
PMID:40973910
|
研究论文 | 开发轻量级深度学习模型用于多类别脑肿瘤MRI图像分类 | 比较多种轻量级ResNet变体和自定义CNN在脑肿瘤分类中的表现，证明迁移学习在小规模临床中心的适用性 | 仅使用单一序列MRI数据，需要多序列MRI和更大患者队列验证 | 开发高效准确的脑肿瘤AI诊断解决方案 | 胶质瘤、脑膜瘤、垂体瘤和无肿瘤的MRI扫描图像 | 计算机视觉 | 脑肿瘤 | MRI成像 | CNN, ResNet | 图像 | 7023张MRI图像（5712训练，1311验证） | PyTorch, TensorFlow | ResNet-18, ResNet-34, ResNet-50, 自定义CNN | 准确率, AUC, 敏感度, 特异度, 混淆矩阵 | 有限计算资源（针对小型临床中心优化） |
| 3827 | 2025-10-05 |
Modeling the vertebrate regulatory sequence landscape by UUATAC-seq and deep learning
2025-Sep-18, Cell
IF:45.5Q1
DOI:10.1016/j.cell.2025.06.020
PMID:40633538
|
研究论文 | 通过开发UUATAC-seq技术和深度学习模型NvwaCE，系统解析脊椎动物基因组调控序列景观 | 开发了超高通量单核染色质可及性测序技术(UUATAC-seq)，并构建了能直接从基因组序列预测调控元件景观的多任务深度学习模型NvwaCE | 仅涵盖五个代表性脊椎动物物种，可能无法完全代表所有脊椎动物的调控序列多样性 | 解码脊椎动物基因组调控序列的语言和功能组织 | 五个代表性脊椎动物物种的顺式调控元件(cCREs) | 计算生物学 | NA | UUATAC-seq，染色质可及性测序 | 深度学习 | 基因组序列，染色质可及性数据 | 五个脊椎动物物种 | NA | NvwaCE | 预测精度，与QTL和基因组编辑结果的一致性 | NA |
| 3828 | 2025-10-06 |
RNA velocity and beyond: Current advances in modeling single-cell transcriptional dynamics
2025-Sep-18, Allergology international : official journal of the Japanese Society of Allergology
IF:6.2Q1
DOI:10.1016/j.alit.2025.08.005
PMID:40973591
|
综述 | 本文系统回顾了RNA Velocity技术在单细胞转录组动力学建模中的发展历程、应用进展与未来方向 | 全面梳理了从基础RNA Velocity到第二代计算工具（如scVelo、dynamo、CellRank）的演进过程，并重点探讨了在过敏和免疫疾病研究中的创新应用 | RNA Velocity分析仍存在计算挑战和方法学限制，需要进一步改进 | 总结单细胞转录动力学建模技术的最新进展，特别是在免疫疾病研究中的应用 | 单细胞RNA测序数据、免疫细胞分化过程、疾病机制研究 | 计算生物学 | 过敏性疾病和免疫介导疾病 | 单细胞RNA测序（scRNA-seq）、RNA Velocity分析 | 数学动力学模型、深度学习模型 | 单细胞转录组数据、空间转录组数据、多组学数据 | NA | NA | NA | NA | NA |
| 3829 | 2025-10-06 |
Comparative evaluation of deep learning and traditional models for predicting traffic accident severity in Saudi Arabia
2025-Sep-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-13484-4
PMID:40962904
|
研究论文 | 本研究比较了深度学习与传统模型在预测沙特阿拉伯交通事故严重程度方面的性能 | 首次在沙特阿拉伯东部省份使用人工神经网络与传统机器学习模型进行交通事故严重程度预测的对比研究 | 研究仅基于2018-2022年沙特阿拉伯东部省份的数据，可能缺乏地域普适性 | 预测交通事故严重程度以提升道路安全和事故预防能力 | 沙特阿拉伯东部14个城市的交通事故数据 | 机器学习 | NA | NA | ANN, BRT, SVM, Naïve Bayes, logistic regression | 交通事故记录数据 | 9,548起事故案例，涉及17,100辆车，造成2,527人死亡和8,020人受伤 | NA | NA | 准确率, 灵敏度, 特异性, G-mean, AUC | NA |
| 3830 | 2025-10-06 |
Augmenting conventional criteria: a CT-based deep learning radiomics nomogram for early recurrence risk stratification in hepatocellular carcinoma after liver transplantation
2025-Sep-17, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-02082-7
PMID:40962936
|
研究论文 | 开发基于CT的深度学习影像组学列线图用于预测肝细胞癌肝移植后早期复发风险 | 结合影像组学特征、深度学习特征和临床变量构建新型预测模型，相比传统标准提供额外预测价值 | 样本量相对有限（245例），仅在两中心进行验证 | 改善肝细胞癌肝移植后早期复发的风险分层和临床决策 | 肝细胞癌患者肝移植前的CT影像和临床数据 | 数字病理 | 肝细胞癌 | CT成像 | 深度学习 | 医学影像 | 245例肝细胞癌患者（训练集184例，验证集61例） | NA | NA | AUC | NA |
| 3831 | 2025-10-06 |
Non-iterative and uncertainty-aware MRI-based liver fat estimation using an unsupervised deep learning method
2025-Sep-17, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103811
PMID:40972442
|
研究论文 | 提出一种基于无监督深度学习的非迭代MRI肝脏脂肪定量方法AI-DEAL，可同时估计质子密度脂肪分数及其不确定性 | 首次结合深度学习和加权最小二乘法实现单次MRI水脂分离，能同时输出脂肪分数估计值和不确定性图谱 | 在脂肪-水模体中的PDFF偏差较大(-3.43%)，模型泛化能力仍需进一步验证 | 开发快速准确的MRI肝脏脂肪定量方法 | 肝脏质子密度脂肪分数(PDFF) | 医学影像分析 | 肝脏疾病 | CSE-MRI, 脂肪-水模体, 数值模体 | 无监督深度学习 | MRI图像 | 体内肝脏数据、脂肪-水模体、数值模体 | NA | AI-DEAL | PDFF偏差, 不确定性评估 | NA |
| 3832 | 2025-10-06 |
Unfolding the diagnostic pipeline of diabetic retinopathy with artificial intelligence: A systematic review
2025-Sep-17, Survey of ophthalmology
IF:5.1Q1
|
系统综述 | 本文系统综述了人工智能在糖尿病视网膜病变诊断流程中的应用 | 提出了完整的AI驱动DR诊断流程，包括图像预处理、视盘定位与移除、血管分割、特征提取和严重程度分类的序列化阶段 | 存在当前挑战未具体说明，且仅基于MESSIDOR数据集验证 | 探索人工智能技术在自动化糖尿病视网膜病变诊断中的应用与改进 | 糖尿病视网膜病变的诊断流程和分类系统 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | 深度学习模型 | 医学图像 | 基于MESSIDOR数据集 | NA | NA | 准确率 | NA |
| 3833 | 2025-10-06 |
Nivolumab plus ipilimumab for potentially resectable hepatocellular carcinoma: long-term efficacy and biomarker exploration
2025-Sep-17, Journal of hepatology
IF:26.8Q1
DOI:10.1016/j.jhep.2025.08.035
PMID:40972843
|
研究论文 | 评估纳武利尤单抗联合伊匹木单抗在潜在可切除肝细胞癌患者中的长期疗效并探索预测性生物标志物 | 首次在潜在可切除肝细胞癌中探索免疫联合疗法作为新辅助治疗的长期疗效，并通过多组学分析揭示三级淋巴结构(TLS)的治疗机制 | 单臂研究设计且样本量有限(43例患者)，缺乏随机对照试验验证 | 评估免疫检查点抑制剂联合疗法在潜在可切除肝细胞癌患者中的疗效和安全性 | 肝细胞癌患者 | 临床医学 | 肝细胞癌 | 基因组分析、转录组分析、免疫细胞分析、光谱流式细胞术 | 深度学习算法 | 肿瘤组织样本、外周血样本、临床数据 | 43例肝细胞癌患者(男性37例/女性6例) | NA | NA | 客观缓解率、4年无进展生存率、4年总生存率、主要病理学缓解率 | NA |
| 3834 | 2025-10-06 |
Deep-Learning Driven Identification of Novel Antimicrobial Peptides
2025-Sep-16, Chemistry (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/chem.202501918
PMID:40801152
|
研究论文 | 本研究通过深度学习驱动的流程识别新型抗菌肽 | 结合HydrAMP和AMPlify两种深度学习算法进行抗菌肽的识别与筛选 | 仅对三种候选肽进行了实验验证，样本量有限 | 加速发现新型抗菌肽并进行机制表征 | 色氨酸富集短肽序列 | 机器学习 | 细菌感染 | 深度学习算法，生物物理分析 | 深度学习 | 肽序列数据 | 3种合成肽，多种革兰氏阳性和阴性细菌菌株 | NA | HydrAMP, AMPlify | 抗菌活性评估 | NA |
| 3835 | 2025-10-06 |
AI-driven hazard prioritization of plastic additives using Tox21 bioassays and self-supervised graph transformers
2025-Sep-16, Environmental toxicology and chemistry
IF:3.6Q2
DOI:10.1093/etojnl/vgaf228
PMID:40971996
|
研究论文 | 本研究利用Tox21生物测定数据和自监督图变换器模型，对塑料添加剂的潜在毒性进行AI驱动的危害优先级排序 | 首次将GROVER算法（结合变换器和自监督预训练的图神经网络）应用于塑料添加剂毒性预测，克服传统图神经网络的局限性 | 研究依赖于Tox21数据库的现有数据，可能无法覆盖所有塑料添加剂的完整毒性特征 | 筛选高用量塑料添加剂的潜在毒性，支持监管决策 | ECHA塑料添加剂倡议中400多种高用量塑料添加剂 | 机器学习 | NA | Tox21生物测定 | 图变换器,图神经网络 | 化学结构数据,生物活性数据 | 超过7,000种化学物质的Tox21数据集，包含171种塑料添加剂 | GROVER | GROVER（基于变换器的图神经网络架构） | F1分数 | NA |
| 3836 | 2025-10-06 |
Adaptive High-Distance RGB Imaging for Accurate Dairy Cow Feed Intake Estimation1
2025-Sep-16, Journal of animal science
IF:2.7Q1
DOI:10.1093/jas/skaf247
PMID:40972117
|
研究论文 | 提出基于RGB图像的奶牛饲料摄入量估计方法，为牧场管理提供成本效益高的智能测量解决方案 | 创新性地将自注意力机制和多尺度融合技术与ResNet结合，设计用于饲料总量估计的深度学习模型 | NA | 开发准确估计奶牛饲料摄入量的智能测量方法 | 奶牛饲料堆 | 计算机视觉 | NA | RGB成像 | CNN | 图像 | NA | NA | U2-Net, ResNet | MAE, RMSE | NA |
| 3837 | 2025-10-06 |
The interpretable deep learning framework and validation for seizure detection in pediatric electroencephalography: An improved accuracy and performance analysis
2025-Sep-16, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103276
PMID:40972406
|
研究论文 | 提出用于儿科脑电图癫痫发作检测的可解释深度学习框架，并比较两种新型模型 | 设计了带压缩激励模块的全卷积网络（SE-FCN）和基于Transformer的模型（TransNet），能输出通道显著性权重并生成热力图推断致痫区 | 模型在跨被试验证协议下性能仍有提升空间，临床验证需进一步扩展 | 开发可解释的深度学习框架用于儿科脑电图癫痫发作检测 | 儿科癫痫患者的脑电图数据 | 深度学习 | 癫痫 | 脑电图（EEG） | CNN, Transformer | 脑电图时序数据 | CHB-MIT儿科脑电图数据集中的22名患者 | NA | SE-FCN, TransNet | AUC, 准确率 | NA |
| 3838 | 2025-10-06 |
Can classical statistics and deep learning converge on explainable, causally driven target discovery?
2025-Sep-15, DNA research : an international journal for rapid publication of reports on genes and genomes
IF:3.9Q1
DOI:10.1093/dnares/dsaf024
PMID:40971794
|
综述 | 探讨传统统计方法与深度学习在复杂疾病因果机制发现中的融合应用 | 提出结合深度学习可扩展性与统计遗传学推断能力的混合模型框架 | 当前深度学习模型存在过拟合风险、可解释性不足及缺乏标准化评估框架 | 开发新一代计算工具揭示复杂疾病的分子基础并加速遗传发现向有效治疗的转化 | 复杂疾病的遗传变异与多组学数据 | 机器学习 | 复杂疾病 | 全基因组关联研究, 多组学数据整合 | 深度学习, 统计模型 | 基因组数据, 多组学数据 | NA | NA | NA | NA | NA |
| 3839 | 2025-10-06 |
Epicardial and Pericardial Adipose Tissue: Anatomy, physiology, Imaging, Segmentation, and Treatment Effects
2025-Sep-13, The British journal of radiology
DOI:10.1093/bjr/tqaf223
PMID:40971601
|
综述 | 本文综述了心外膜和心包脂肪组织的解剖学特征、生理功能、影像学评估方法及其在心血管疾病中的作用 | 系统区分了心外膜脂肪组织（EAT）和心包脂肪组织（PAT）的不同生理作用，并重点讨论了基于深度学习的图像分割技术在量化这些脂肪组织中的最新进展 | 不同研究间存在相互矛盾的证据，且影像学评估缺乏标准化的扫描和图像重建方案 | 探讨心外膜和心包脂肪组织的特征及其在心血管疾病风险评估和治疗中的作用 | 心外膜脂肪组织（EAT）和心包脂肪组织（PAT） | 数字病理学 | 心血管疾病 | CT, MRI, 超声心动图 | 深度学习 | 医学影像 | NA | NA | NA | 准确性, 可重复性 | NA |
| 3840 | 2025-10-06 |
Deep learning-based volume of interest imaging in helical CT for image quality improvement and radiation dose reduction
2025-Sep-13, The British journal of radiology
DOI:10.1093/bjr/tqaf128
PMID:40971630
|
研究论文 | 开发基于深度学习的螺旋CT感兴趣区域成像技术，用于改善图像质量并降低辐射剂量 | 提出基于残差U-Net架构的VOI-Net深度学习方法来校正螺旋CT中的截断伪影，实现辐射剂量降低或感兴趣区域内图像质量提升 | 仅通过模拟评估了3例患者病例（1例胸部CT和2例腹盆腔CT），样本量有限 | 开发螺旋CT感兴趣区域成像技术以降低辐射剂量或改善感兴趣区域内图像质量 | 间质性肺病患者的胸部CT和肝肿瘤患者的腹盆腔CT | 医学影像处理 | 间质性肺病, 肝肿瘤 | 螺旋CT成像 | 深度学习 | CT图像 | 3例患者病例（1例胸部CT，2例腹盆腔CT） | NA | 残差U-Net | 均方根误差 | NA |