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 36491 篇文献，本页显示第 3941 - 3960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3941 | 2025-11-14 |
3D Neighbor2Neighbor-based unsupervised deep learning for noise reduction in OCT imaging: insights from multiple clinical datasets
2025-Oct-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.564313
PMID:41215161
|
研究论文 | 提出基于3D Neighbor2Neighbor的无监督深度学习策略用于OCT成像中的噪声降低 | 将Neighbor2Neighbor方法扩展到三维空间，并优化ResNet网络以适应OCT三维体积数据特性 | NA | 降低OCT成像中的散斑和电噪声干扰 | OCT三维体积数据 | 计算机视觉 | 眼科疾病,皮肤科疾病 | 光学相干断层扫描 | 无监督深度学习 | 三维医学图像 | NA | NA | ResNet | NA | NA |
| 3942 | 2025-11-14 |
Phase unwrapping based on transformer-enhanced residual network for Doppler OCT flow measurement
2025-Oct-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.573074
PMID:41215207
|
研究论文 | 提出一种基于Transformer增强残差网络的相位解包裹方法，用于多普勒OCT血流测量 | 将相位解包裹作为回归任务，首次将Transformer与残差网络结合，通过自注意力机制实现局部特征提取与全局上下文感知的协同 | 未明确说明模型在极端噪声条件下的性能边界和计算效率 | 解决多普勒OCT中相位包裹问题，提高血流速度测量精度 | 大鼠大脑中动脉多普勒图像和血流速度数据 | 计算机视觉 | 心血管疾病 | 多普勒光学相干断层扫描 | CNN, Transformer | 相位图像 | 大鼠大脑中动脉多普勒图像数据集 | NA | TRNet, 残差网络, Transformer | 信噪比, 视觉检查, 定量评估, 相关性分析 | NA |
| 3943 | 2025-11-14 |
From Single-Cancer to Pan-Cancer Prognosis: A Multimodal Deep Learning Framework for Survival Analysis with Robust Generalization Capability
2025-Oct, The American journal of pathology
DOI:10.1016/j.ajpath.2025.06.006
PMID:40651540
|
研究论文 | 提出统一多模态泛癌生存网络UMPSNet，通过整合组织病理学图像、基因组表达谱和元数据实现跨癌症类型的生存预后预测 | 首次提出基于最优传输注意力机制的多模态特征对齐方法和引导专家混合机制，解决癌症类型分布偏移问题，实现零样本迁移能力 | 模型在零样本迁移评估中仅验证了胰腺腺癌一种癌症类型，需要更多外部验证 | 开发具有强大泛化能力的多模态深度学习框架，实现从单癌症到泛癌的生存分析 | 癌症患者的多模态医疗数据，包括组织病理学图像、基因组表达谱和临床元数据 | 数字病理学 | 泛癌 | 全切片图像分析，基因组表达谱分析 | 深度学习 | 图像，基因组数据，文本元数据 | 3523张全切片图像（2831例患者），外加392张胰腺腺癌图像（66例患者）用于验证 | NA | UMPSNet | 一致性指数 | NA |
| 3944 | 2025-11-14 |
How Can Clinicians Leverage Vibe Coding for Machine Learning and Deep Learning Research?
2025-Oct, Endocrinology and metabolism (Seoul, Korea)
DOI:10.3803/EnM.2025.2675
PMID:41208262
|
综述 | 介绍vibe coding如何帮助临床医生进行机器学习和深度学习研究 | 提出vibe coding作为临床医生进行机器学习研究的新方法，通过自然语言指令降低编程门槛 | 未提供具体性能对比数据，主要依赖概念性介绍和案例展示 | 探讨临床医生如何利用vibe coding技术开展机器学习和深度学习研究 | 临床医生、住院医师和医学生 | 机器学习 | NA | 生成式人工智能 | NA | 公开可用数据集 | NA | NA | NA | NA | NA |
| 3945 | 2025-11-14 |
The Use of Artificial Intelligence in ECG Interpretation in the Outpatient Setting: A Scoping Review
2025-Oct, Cureus
DOI:10.7759/cureus.94113
PMID:41209885
|
综述 | 本文通过范围综述总结了深度学习算法在门诊心电图解读中的应用现状与临床价值 | 首次系统评估AI在门诊场景下心电图解读的有效性，重点关注非医院环境下的应用潜力 | 样本量小且同质性强，部分算法存在过度诊断倾向，训练数据缺乏多样性，外部验证不足 | 评估人工智能在门诊心电图解读中的诊断准确性和临床效用 | 门诊心电图数据及基于AI的心电图解读研究 | 医疗人工智能 | 心血管疾病 | 深度学习，心电图分析 | CNN | 心电图信号数据 | NA | NA | 卷积神经网络 | 诊断准确率 | NA |
| 3946 | 2025-11-14 |
Comparison of deep learning-based segmentation and registration using pre-treatment contours for online rectal delineation in magnetic resonance-guided radiotherapy
2025-Oct, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100854
PMID:41210596
|
研究论文 | 比较基于深度学习的分割和配准方法在磁共振引导放疗中直肠轮廓在线勾画的效果 | 首次系统比较基于U-Net的分割和配准模型在整合计划轮廓进行在线直肠勾画中的性能差异 | 样本量相对有限（104例患者），仅针对直肠癌单一病种进行研究 | 评估深度学习模型整合计划轮廓进行在线直肠轮廓勾画的最佳方法 | 104例直肠癌患者的磁共振影像数据 | 医学影像分析 | 直肠癌 | 磁共振成像（MRI） | CNN | 医学影像 | 104例直肠癌患者（训练68例，验证14例，测试22例） | NA | U-Net | 豪斯多夫距离（HD）, Dice系数, 定性评分 | NA |
| 3947 | 2025-11-14 |
Modeling protein-small molecule conformational ensembles with PLACER
2025-Sep-27, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.25.614868
PMID:39386615
|
研究论文 | 开发了一种名为PLACER的图神经网络，用于建模蛋白质-小分子相互作用的构象集合 | 提出首个基于原子级图神经网络的构象集合解析方法，相比传统残基级描述在速度和通用性方面具有优势 | 方法依赖于剑桥结构数据库和蛋白质数据库的训练数据，可能受限于现有数据的覆盖范围 | 解决蛋白质-小分子相互作用构象异质性的建模挑战 | 蛋白质-小分子复合物系统 | 计算生物学 | NA | 图神经网络 | GNN | 三维分子结构数据 | 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、酶设计成功率、催化活性 | NA |
| 3948 | 2025-11-14 |
Foundation models in ophthalmology: a preliminary study on AI-assisted diagnosis of myopic maculopathy and posterior staphyloma using ultra-widefield fundus images
2025-Aug-28, BMJ open ophthalmology
IF:2.0Q2
DOI:10.1136/bmjophth-2024-002073
PMID:40876931
|
研究论文 | 本研究使用基于眼科基础模型的深度学习方法，通过超广角眼底图像辅助诊断病理性近视的黄斑病变和后巩膜葡萄肿 | 首次将眼科基础模型RETFound应用于超广角眼底图像分析，在病理性近视特征检测中表现出优越性能 | 回顾性研究设计，样本量相对有限（1105张训练图像），仅在中国两家医院收集数据 | 开发基于人工智能的病理性近视眼底病变辅助诊断系统 | 高度近视患者的超广角眼底图像 | 计算机视觉 | 眼科疾病 | 超广角眼底成像 | 深度学习 | 图像 | 训练集：1105张图像来自543名患者；外部测试集：293张图像来自150名患者 | NA | RETFound | 准确率, F1分数, AUROC | NA |
| 3949 | 2025-11-14 |
Deep learning guided programmable design of Escherichia coli core promoters from sequence architecture to strength control
2025-Aug-27, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf863
PMID:40902006
|
研究论文 | 开发了一个深度学习引导的大肠杆菌核心启动子可编程设计平台，实现从序列架构到强度控制的端到端工程 | 将理性文库设计、预测建模和生成优化整合到闭环工作流中，首次实现基于Transformer和条件扩散模型的启动子从头生成与强度精确控制 | 研究主要针对大肠杆菌核心启动子，在其他生物系统中的通用性需要进一步验证 | 建立可扩展的大肠杆菌核心启动子可编程设计平台，实现精确的转录控制 | 大肠杆菌核心启动子序列 | 机器学习 | NA | Mutation-Barcoding-Reverse Sequencing | Transformer, 条件扩散模型 | DNA序列 | 112,955个合成启动子变体 | NA | Transformer, 条件扩散模型 | Pearson相关系数 | NA |
| 3950 | 2025-11-14 |
Carafe enables high quality in silico spectral library generation for data-independent acquisition proteomics
2025-Aug-04, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.15.618504
PMID:39463980
|
研究论文 | 本研究开发了Carafe工具，通过直接在DIA数据上训练深度学习模型来生成高质量实验特异性谱库 | 首次直接在DIA数据上训练深度学习模型生成谱库，相比现有基于DDA数据的预训练模型具有更好的性能 | NA | 解决数据非依赖性采集质谱分析中高质量谱库生成的挑战 | 质谱蛋白质组学数据 | 生物信息学 | NA | 数据非依赖性采集质谱，数据依赖性采集质谱 | 深度学习 | 质谱数据 | NA | NA | NA | 碎片离子强度预测，肽段检测 | NA |
| 3951 | 2025-11-14 |
Surrogate modeling of Cellular-Potts Agent-Based Models as a segmentation task using the U-Net neural network architecture
2025-Jul-27, ArXiv
PMID:40386573
|
研究论文 | 本研究开发了基于U-Net架构的卷积神经网络替代模型，用于加速细胞-波特斯模型的仿真计算 | 首次将细胞-波特斯模型的替代建模构建为分割任务，并采用考虑周期性边界条件的U-Net架构 | 模型仅针对血管生成特定场景进行验证，通用性有待进一步测试 | 开发深度学习替代模型以加速计算密集的细胞-波特斯模型仿真 | 血管生成过程中的血管发芽、延伸、吻合和血管腔隙收缩等涌现行为 | 计算生物学 | 血管生成相关疾病 | 细胞-波特斯模型，偏微分方程 | CNN | 仿真数据 | NA | NA | U-Net | 仿真加速倍数 | NA |
| 3952 | 2025-05-10 |
Deep learning model to identify and validate hypotension endotypes in surgical and critically ill patients. Comment on Br J Anaesth 2025; 134: 308-16
2025-Jul, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2025.03.025
PMID:40340157
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3953 | 2025-11-14 |
Retraction notice to "EnergyShare AI: Transforming P2P energy trading through advanced deep learning" [Heliyon 10 (2024) e36948]
2025-Jul, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e43543
PMID:41216546
|
撤稿通知 | 这是一篇关于《EnergyShare AI: Transforming P2P energy trading through advanced deep learning》文章的正式撤稿声明 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3954 | 2025-11-14 |
Radiomic 'Stress Test': exploration of a deep learning radiomic model in a high-risk prospective lung nodule cohort
2025-Jun-27, BMJ open respiratory research
IF:3.6Q1
DOI:10.1136/bmjresp-2024-002687
PMID:40579208
|
研究论文 | 评估深度学习影像组学模型在高风险肺结节队列中的诊断性能 | 首次在推荐活检的高风险肺结节队列中评估LCP深度学习影像组学模型，并开发结合临床变量的集成模型 | 单中心研究，样本量相对有限（321个结节），需要外部验证 | 评估深度学习影像组学模型在减少不必要侵入性活检方面的潜力 | 不确定肺结节（IPNs）患者 | 数字病理 | 肺癌 | 影像组学分析 | 深度学习模型 | 医学影像数据 | 321个不确定肺结节（196个恶性，125个良性） | NA | 深度学习影像组学模型 | AUC, F1分数, 临床净重分类指数 | NA |
| 3955 | 2025-11-14 |
Utilization of artificial intelligence in Men's Health: Opportunities for innovation and quality improvement
2025-Jun-27, International journal of impotence research
IF:2.8Q2
DOI:10.1038/s41443-025-01112-8
PMID:40579440
|
综述 | 本文探讨人工智能在男性健康领域的应用现状、创新机遇及伦理挑战 | 系统阐述AI在男性生育健康、勃起功能障碍、佩罗尼病等特定领域的创新应用，包括精子形态评估、三维建模和智能问诊工具 | 面临伦理实施、数据隐私保护、算法透明度等挑战，需要临床验证和监管指导 | 评估人工智能技术在男性健康领域的应用潜力与改进方向 | 男性健康相关疾病（生育问题、勃起功能障碍、佩罗尼病、睾酮缺乏、早泄等） | 自然语言处理, 机器学习 | 男性生殖系统疾病 | 机器学习，深度学习，自然语言处理 | NA | 医学影像，传感器数据，问卷文本 | NA | NA | NA | NA | NA |
| 3956 | 2025-11-14 |
Enhancing Pandemic Prediction: A Deep Learning Approach Using Transformer Neural Networks and Multi-Source Data Fusion for Infectious Disease Forecasting
2025-Jun-24, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.06.24.25330211
PMID:40666360
|
研究论文 | 提出一种基于Transformer神经网络和多源数据融合的深度学习模型，用于县级新冠病例和死亡人数的预测 | 开发多级多尺度注意力机制进行自适应时频分析，并融合社交媒体情感分析数据来捕捉时空动态 | 仅针对奥密克戎变异株的三波疫情进行验证，未涵盖其他变异株或不同传染病 | 提高传染病大流行趋势预测的准确性 | 县级新冠病例和死亡人数 | 机器学习 | 传染病 | 社交媒体情感分析，多源数据融合 | Transformer | 时间序列数据，社交媒体数据 | 三个奥密克戎变异株疫情波次（2021年12月至2023年2月）的县级数据 | NA | Transformer | 县级一致性准确率 | NA |
| 3957 | 2025-11-14 |
ACCELERATING QUANTITATIVE MRI USING SUBSPACE MULTISCALE ENERGY MODEL (SS-MUSE)
2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi60581.2025.10980741
PMID:40881623
|
研究论文 | 提出一种基于子空间多尺度能量模型的定量MRI加速方法 | 将即插即用多尺度能量模型推广到正则化子空间恢复设置，联合正则化3D多对比度空间因子 | NA | 加速定量MRI扫描，解决3D多对比度采集时间过长的问题 | 多对比度MRI图像 | 医学影像处理 | NA | 多对比度MRI | 多尺度能量模型 | 3D医学影像 | NA | NA | 子空间多尺度能量模型(SS-MUSE) | NA | NA |
| 3958 | 2025-11-14 |
Complete end-to-end learning from protein feature representation to protein interactome inference
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaf122
PMID:41206398
|
研究论文 | 提出一种名为FREEPII的端到端深度学习框架，整合共分离质谱数据和序列特征来学习蛋白质表示并推断蛋白质相互作用 | 首次实现从蛋白质特征表示到蛋白质相互作用组推断的完整端到端学习，整合多模态数据并通过监督蛋白质嵌入捕获高阶相互作用 | 未明确说明模型在特定噪声条件下的鲁棒性限制以及计算资源需求的具体分析 | 开发一个准确、可扩展的蛋白质-蛋白质相互作用和蛋白质复合物推断框架 | 蛋白质相互作用和蛋白质复合物 | 生物信息学 | NA | 共分离质谱(CF-MS), 质谱技术 | CNN | 质谱数据, 蛋白质序列数据 | NA | NA | 卷积神经网络 | NA | NA |
| 3959 | 2025-11-14 |
The Present State and Potential Applications of Artificial Intelligence in Cancer Diagnosis and Treatment
2025, Recent patents on anti-cancer drug discovery
IF:2.5Q3
|
综述 | 本文综述人工智能在癌症诊断和治疗中的当前状态与潜在应用 | 系统总结AI在癌症早期检测、分子分型、预后预测和个性化治疗等全流程的创新应用 | 未提及具体技术实现的局限性，主要关注领域整体挑战 | 探讨AI/ML在癌症检测和管理中的应用现状与发展前景 | 癌症患者和肿瘤特征 | 医疗人工智能 | 癌症 | 深度学习 | NA | 医疗数据集 | NA | NA | NA | NA | NA |
| 3960 | 2025-11-14 |
Open-Environment Evidential Learning for Reliable Myoelectric Locomotion Prediction
2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3626316
PMID:41150224
|
研究论文 | 提出开放环境证据学习框架，用于提高下肢外骨骼肌电运动预测的可靠性 | 首次将证据深度学习与分布外数据增强结合，在开放环境中可靠量化预测不确定性并检测新颖/模糊运动 | 仅评估了八名受试者和五种运动模式，真实世界部署的泛化能力需进一步验证 | 提高动态环境下基于表面肌电信号的 locomotion 预测可靠性 | 下肢外骨骼使用者的运动意图 | 机器学习 | 运动功能障碍 | 表面肌电信号(sEMG) | 深度学习 | 生物电信号 | 八名受试者，五种运动模式 | NA | 卷积神经网络 | 准确率, 风险覆盖曲线 | NA |