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 36930 篇文献，本页显示第 3861 - 3880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3861 | 2025-11-21 |
A deep learning method for predicting interactions for intrinsically disordered regions of proteins
2025-Aug-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.19.629373
PMID:39763873
|
研究论文 | 开发了一种名为Disobind的深度学习方法，用于预测蛋白质内在无序区域与结合伴侣之间的相互作用 | 结合ProtT5蛋白质语言模型的序列嵌入，考虑结合伴侣的上下文，不依赖结构信息和多重序列比对 | NA | 预测蛋白质内在无序区域与结合伴侣之间的相互作用界面 | 蛋白质内在无序区域及其结合伴侣 | 生物信息学 | NA | 蛋白质语言模型 | 深度学习 | 蛋白质序列 | NA | NA | ProtT5 | 接触图预测准确率，界面残基预测准确率 | NA |
| 3862 | 2025-11-21 |
Parasitic diagnosis: A journey from basic microscopy to cutting-edge technology
2025 Jul-Dec, Tropical parasitology
DOI:10.4103/tp.tp_61_24
PMID:41244084
|
综述 | 本文综述了寄生虫诊断技术从基础显微镜到现代人工智能的发展历程 | 系统梳理了寄生虫诊断技术的演进，特别强调了人工智能和卷积神经网络在提升诊断准确性和效率方面的革命性作用 | 面临数据集多样性不足和低收入地区基础设施支持有限的挑战 | 改善寄生虫感染诊断方法以应对全球公共卫生挑战 | 寄生虫感染及其诊断技术 | 数字病理 | 寄生虫感染 | 显微镜检查、血清学诊断、ELISA、免疫印迹、PCR、多重检测、下一代测序 | CNN | 图像、分子数据 | NA | NA | NA | 灵敏度、特异性、准确性、效率 | NA |
| 3863 | 2025-11-21 |
AVN: A Deep Learning Approach for the Analysis of Birdsong
2025-Jun-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.10.593561
PMID:39229184
|
研究论文 | 开发了一种基于深度学习的鸟类鸣声分析工具AVN，用于斑胸草雀鸣声的自动标注和特征提取 | 无需额外训练数据即可跨多个动物群体准确标注鸣声，并开发了无需额外训练数据即可测量鸣声模仿的新方法 | NA | 开发标准化的行为分析工具以促进鸣声行为研究 | 斑胸草雀的习得性鸣声 | 机器学习 | NA | 深度学习行为分析 | 深度学习 | 音频 | 多个研究组和实验中的斑胸草雀鸣声数据 | Python | NA | 准确性、敏感性、与人类专家判断的一致性 | NA |
| 3864 | 2025-11-21 |
Near-zero photon bioimaging by fusing deep learning and ultralow-light microscopy
2025-May-27, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2412261122
PMID:40388622
|
研究论文 | 提出一种结合深度学习和超低光显微镜的近零光子生物成像方法，可在极低光照条件下实现高质量生物图像重建 | 首次实现kHz速率和比标准显微镜低10000倍辐照度的近零光子生物成像，能够从每个像素仅0.01光子的极低信号中重建生物图像 | 未明确说明方法在特定生物样本类型或复杂组织中的适用性限制 | 开发在极低光照条件下实现可靠和可重复光学显微镜成像的新方法 | 多细胞和亚细胞生物结构特征 | 生物医学成像 | NA | 超低光显微镜，深度学习图像重建 | 深度学习 | 光子稀疏图像 | NA | NA | NA | 成像保真度 | NA |
| 3865 | 2025-11-21 |
Correlation does not equal causation: the imperative of causal inference in machine learning models for immunotherapy
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1630781
PMID:41041318
|
综述 | 本文系统评述了机器学习在免疫治疗研究中忽视因果推断的方法学缺陷，并探讨了因果机器学习的最新进展与挑战 | 首次系统揭示免疫治疗研究中普遍存在的'知识-实践鸿沟'，即研究者虽认知'相关不等于因果'却在实践中忽略因果推断，并提出了因果机器学习的具体解决方案 | 基于文献综述的分析，缺乏原始数据验证；未提供因果机器学习模型在临床环境中的实际效能比较 | 探讨因果推断在免疫治疗机器学习模型中的重要性及实施路径 | 免疫检查点抑制剂研究文献和黑色素瘤回顾性研究 | 机器学习 | 免疫治疗相关疾病 | 多组学数据整合，包括影像学、基因组学和临床记录 | 因果机器学习模型 | 多模态数据 | 90项免疫检查点抑制剂研究和36项黑色素瘤回顾性研究 | NA | Targeted-BEHRT, CIMLA, CURE | 模型可解释性，临床适用性 | NA |
| 3866 | 2025-11-21 |
Deep Multi-View Clustering With Meta Information Compression
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3630899
PMID:41237033
|
研究论文 | 提出一种基于元学习的深度多视图聚类方法，通过信息压缩和语义拼图机制学习低冗余的聚类友好表示 | 从元学习角度提出信息压缩器和语义拼图机制，在保持关键语义的同时最小化冗余信息 | 未明确说明方法在极端数据不平衡或噪声视图条件下的鲁棒性 | 解决多视图聚类中互补信息选择与关键细节捕获之间的平衡问题 | 多视图数据样本 | 机器学习 | NA | NA | 深度学习 | 多视图数据 | 多个不同规模的数据集（具体数量未说明） | NA | 信息压缩器, 语义拼图机制 | 聚类性能指标（具体指标未说明） | NA |
| 3867 | 2025-11-21 |
TSCytoPred: a deep learning framework for inferring cytokine expression trajectories from irregular longitudinal gene expression data to enhance multi-omics analyses
2025, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.20270
PMID:41244204
|
研究论文 | 提出TSCytoPred深度学习框架，从非规则纵向基因表达数据推断细胞因子表达轨迹以增强多组学分析 | 开发首个基于深度学习的模型，通过基因表达数据和转录因子相互作用计算推断细胞因子表达轨迹，并包含插值模块处理不规则时间间隔数据 | 依赖基因表达数据的质量和完整性，在细胞因子表达机制完全未知的情况下预测性能可能受限 | 通过推断细胞因子表达轨迹来改善疾病结果预测和治疗反应评估 | 细胞因子表达轨迹，基因表达数据，COVID-19患者 | 机器学习 | COVID-19 | 基因表达分析，转录因子相互作用分析 | 深度学习，神经网络 | 纵向基因表达数据，时间序列数据 | COVID-19数据集（具体数量未明确说明） | NA | 包含插值模块的神经网络 | 决定系数(R)，平均绝对误差(MAE) | NA |
| 3868 | 2025-11-21 |
Shape modeling of longitudinal medical images: from diffeomorphic metric mapping to deep learning
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1671099
PMID:41244609
|
综述 | 本文综述了从微分同胚度量映射到深度学习的纵向医学图像形状建模方法 | 系统比较了传统微分同胚映射与深度学习在纵向形状建模中的协同应用，并指出未来研究方向 | 作为综述文章，未提出新的原创算法，主要分析现有方法的优缺点 | 探讨生物组织纵向形状变化的建模方法及其在医疗健康中的应用 | 生物组织的时空形状变化，包括自然和病理性的形态改变 | 医学图像分析 | NA | 医学图像序列分析 | 自编码器,生成网络,循环神经网络 | 纵向医学图像 | NA | NA | NA | NA | NA |
| 3869 | 2025-11-21 |
Artificial intelligence-, organoid-, and organ-on-chip-powered models to improve pre-clinical animal testing of vaccines and immunotherapeutics: potential, progress, and challenges
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1681106
PMID:41244612
|
综述 | 探讨人工智能、类器官和器官芯片技术在改进疫苗和免疫疗法临床前动物测试中的潜力与挑战 | 提出结合人工智能、类器官和器官芯片的混合验证系统作为动物测试的补充工具 | 现有模型尚不能完全复制活体系统的复杂性，无法全面模拟疫苗和免疫疗法的安全性、免疫原性和保护效力 | 评估替代性临床前研究方法的潜力以加速疫苗和免疫疗法开发 | 疫苗和免疫疗法 | 数字病理 | 传染病和癌症 | 类器官培养、器官芯片、深度学习 | 深度学习模型 | 生物医学数据 | NA | NA | NA | NA | NA |
| 3870 | 2025-11-21 |
Construction of a diagnostic model for temporal lobe epilepsy using interpretable deep learning: disease-associated markers identification
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1655338
PMID:41244607
|
研究论文 | 本研究开发了一种基于可解释深度学习的颞叶癫痫诊断模型，并识别了疾病相关标志物 | 结合SHAP和Kolmogorov-Arnold Networks (KAN)进行模型解释，首次提供基因与TLE状态之间的非线性数学表达式 | 样本量相对有限（287个样本），需要进一步临床验证 | 开发可解释的深度学习诊断模型并识别颞叶癫痫相关标志物 | 颞叶癫痫患者与正常对照的基因表达数据 | 机器学习 | 颞叶癫痫 | RNA-seq, 微阵列 | DNN, XGBoost, RF, LR, KNN | 基因表达数据 | 287个样本来自8个GEO数据集 | NA | 深度神经网络 | AUC, 准确率 | NA |
| 3871 | 2025-11-21 |
High-resolution deep learning-reconstructed T2-weighted imaging for the improvement of image quality and extraprostatic extension assessment in prostate MRI
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1695043
PMID:41244649
|
研究论文 | 评估高分辨率T2加权成像结合深度学习重建在提升前列腺多参数MRI图像质量和前列腺外侵犯评估中的效果 | 首次将高分辨率T2加权成像与深度学习重建技术结合应用于前列腺MRI，显著改善了图像质量和病灶轮廓显示 | 样本量较小（69例患者），运动伪影在高分辨率序列中更明显，前列腺外侵犯检测缺乏充分的组织病理学验证 | 提升前列腺MRI的图像质量和诊断准确性 | 前列腺癌患者 | 数字病理 | 前列腺癌 | 多参数MRI，深度学习图像重建 | 深度学习模型 | 医学影像 | 69例患者 | NA | NA | Likert评分，Wilcoxon符号秩检验，Cohen's kappa | 3T MRI扫描仪 |
| 3872 | 2025-11-21 |
Type IV minor pilin ComN predicted the USS-receptor in Pasteurellaceae
2025, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2025.1647523
PMID:41244683
|
研究论文 | 通过多学科方法鉴定Pasteurellaceae科细菌中负责同源DNA摄取的USS受体蛋白PpdA/ComN | 首次通过深度学习结构建模和共进化分析系统鉴定出Pasteurellaceae科细菌的USS受体蛋白 | 尚未通过重组蛋白实验和突变体实验进行功能验证 | 鉴定Pasteurellaceae科细菌中负责自然转化的USS受体蛋白 | Pasteurellaceae科细菌及其USS摄取信号序列 | 计算生物学, 结构生物学 | 细菌感染性疾病 | AlphaFold3结构建模, 几何深度学习, 分子动力学模拟, 共进化分析 | 深度学习, 几何深度学习 | 蛋白质序列, DNA序列, 蛋白质结构 | 10种具有不同USS特异性的Pasteurellaceae科细菌 | AlphaFold3, DeepPBS | 深度学习蛋白质结构预测模型 | RMSD | NA |
| 3873 | 2025-11-21 |
Rapid and accurate recognition of erythrocytic stage parasites of Plasmodium falciparum via a deep learning-based YOLOv3 platform
2025, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2025.1471436
PMID:41244694
|
研究论文 | 开发基于YOLOv3深度学习平台的疟疾寄生虫自动识别工具 | 首次将YOLOv3目标检测算法应用于恶性疟原虫红细胞内期寄生虫的自动识别 | 样本量较小（仅262张图像），仅在薄血涂片上进行验证 | 开发人工智能辅助诊断工具以实现疟疾早期快速诊断 | 恶性疟原虫感染的红细胞 | 计算机视觉 | 疟疾 | 显微镜检查,qPCR验证 | YOLOv3 | 图像 | 262张薄血涂片图像 | NA | YOLOv3 | 准确率,假阴性率,假阳性率 | NA |
| 3874 | 2025-11-21 |
Potential of AI-based diagnostic grading system for knee osteoarthritis
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1707588
PMID:41244763
|
研究论文 | 开发并评估基于人工智能的膝骨关节炎诊断分级系统，使用X射线影像和迁移学习技术 | 采用迁移学习技术，以DenseNet-121为基础网络构建AI辅助诊断系统，专门针对膝骨关节炎分级诊断 | 数据集存在不平衡问题，单中心数据限制，难以区分0级和1级因影像特征重叠 | 开发AI辅助诊断系统以帮助临床医生和医学学员实现膝骨关节炎的早期精确诊断 | 膝骨关节炎患者的X射线影像 | 计算机视觉 | 膝骨关节炎 | X射线成像 | 深度学习,机器学习 | 医学影像 | 301张X光片（602个膝盖图像） | TensorFlow/PyTorch（未明确指定） | DenseNet-121,DenseNet201,ResNet50,MobileNet | 准确率,AUC,精确率,召回率 | NA |
| 3875 | 2025-11-21 |
Universal differential equations as a unifying modeling language for neuroscience
2025, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2025.1677930
PMID:41244995
|
研究论文 | 介绍通用微分方程作为神经科学统一建模框架的创新方法 | 提出通用微分方程框架，整合机械模型、现象学模型和数据驱动深度神经网络的优势 | 未提及具体应用案例的性能局限 | 建立神经科学中不同建模方法的统一框架 | 神经科学中的计算模型和建模方法 | 机器学习 | NA | 微分方程建模, 深度学习 | 通用微分方程 | 神经科学数据集 | NA | NA | NA | NA | NA |
| 3876 | 2025-11-21 |
Preoperative Imaging Assessment of Lymphovascular Invasion in Breast Cancer: Current Evidence, Technical Advances, and Future Directions
2025, Breast cancer (Dove Medical Press)
DOI:10.2147/BCTT.S562537
PMID:41245007
|
综述 | 系统综述乳腺癌淋巴血管侵犯术前影像评估的最新证据、技术进展和未来方向 | 整合了人工智能辅助诊断工具（放射组学和深度学习）与传统影像技术的创新应用 | 缺乏跨中心的标准化成像参数，罕见乳腺癌亚型研究不足，放射组学特征提取协议不一致且外部验证有限 | 优化乳腺癌淋巴血管侵犯的术前评估以改善临床决策和患者管理 | 乳腺癌患者 | 数字病理 | 乳腺癌 | 超声、对比增强超声、弹性成像、乳腺X线摄影（数字和对比增强）、磁共振成像（DCE-MRI、DWI、IVIM等功能序列） | 深度学习 | 医学影像 | NA | NA | NA | 敏感度, AUC | NA |
| 3877 | 2025-11-21 |
A photovoltaic panel cleaning robot with a lightweight YOLO v8
2025, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2025.1606774
PMID:41245199
|
研究论文 | 开发了一种配备轻量化YOLO v8的光伏面板清洁机器人，具备光伏检测、路径规划和动作控制功能 | 采用轻量化Mobile-VIT模型改进YOLOv8，结合改进的A*和DWA路径规划算法，实现高效光伏面板清洁 | NA | 开发自主光伏面板清洁机器人以提高清洁效率和安全性 | 光伏电站的面板清洁维护 | 计算机视觉,机器人导航 | NA | 深度学习,计算机视觉 | YOLOv8,Mobile-VIT | 图像 | NA | NA | YOLOv8,Mobile Vision Transformer | 准确率,处理速度 | NA |
| 3878 | 2025-11-21 |
Deep learning in intracranial EEG for seizure detection: advances, challenges, and clinical applications
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1677898
PMID:41245840
|
综述 | 本文综述了深度学习在颅内脑电图癫痫发作检测中的最新进展、挑战和临床应用 | 整合了CNN、RNN-LSTM和Transformer等多种深度学习架构，能够直接建模发作期和发作前期的动态特征，捕获包括频谱变化、连接模式和时间特征在内的新型生物标志物 | 面临数据稀缺、iEEG采集异质性、预处理协议不一致和模型可解释性有限等挑战 | 开发自动检测和分类癫痫发作事件的深度学习方法，准确定位耐药性癫痫的致痫区 | 颅内脑电图记录的癫痫发作事件和癫痫样放电 | 机器学习 | 癫痫 | 颅内脑电图 | CNN, RNN, LSTM, Transformer | 脑电信号 | NA | NA | 卷积神经网络，循环神经网络，长短期记忆网络，Transformer架构 | 准确率 | 神经形态计算技术 |
| 3879 | 2025-11-21 |
Geometric and dosimetric evaluation of auto-segmentation of brain arteriovenous malformations using multimodal imaging in stereotactic radiosurgery
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1645990
PMID:41245834
|
研究论文 | 开发用于脑动静脉畸形自动分割的两阶段深度学习模型，以提升立体定向放射外科手术中白质束保护的效率 | 提出结合2D U-Net检测辅助和3D自注意力分割模型的两阶段深度学习方法，在U-Net变体中引入空间和通道注意力模块及通用'注意力残差块' | 研究样本量有限（191例患者），且所有数据来自单一医疗中心 | 开发自动分割脑动静脉畸形的方法以优化立体定向放射外科手术计划 | 邻近白质束的脑动静脉畸形患者 | 医学影像分析 | 脑动静脉畸形 | 多模态成像，弥散张量成像，白质束成像 | 深度学习 | 医学影像 | 191例患者（153例训练，38例验证） | NA | U-Net, 自注意力模型 | Dice相似系数, 敏感度, F2-score, Hausdorff距离, 平均表面距离 | NA |
| 3880 | 2025-11-21 |
Predicting PROTAC off-target effects via warhead involvement levels in drug-target interactions using graph attention neural networks
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.10.028
PMID:41245892
|
研究论文 | 开发基于图注意力神经网络的深度学习框架SENTINEL，用于预测PROTAC分子中弹头在药物-靶点相互作用中的参与水平及其脱靶倾向 | 首次将路径增强图变换器网络(PAGTNs)与图注意力神经网络(GATs)结合，在低数据环境下实现PROTAC脱靶效应的准确预测 | 数据集规模有限，需要更大规模的外部验证 | 预测PROTAC分子的脱靶蛋白降解风险 | PROTAC分子中的弹头部分 | 机器学习 | NA | 药物-靶点相互作用分析 | GAT, PAGTN | 分子图数据 | NA | NA | 图注意力网络, 路径增强图变换器网络 | AUC, F1-score | NA |