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 3981 - 4000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3981 | 2025-11-14 |
Material Design of Dental Implant for Minimum Stress Shielding of Bone Using Design of Experiment, Deep Learning, and Ashby Plot
2025, Journal of long-term effects of medical implants
|
研究论文 | 通过实验设计、深度学习和Ashby图确定最小应力屏蔽的牙科种植体材料属性 | 结合实验设计、深度学习和Ashby图进行牙科种植体材料设计，以最小化骨应力屏蔽效应 | 镍合金的生物相容性和技术难题需要进一步研究，碳纤维增强聚合物需要制造工艺关注 | 确定最小应力屏蔽的牙科种植体材料属性 | 牙科种植体材料 | 材料设计 | 牙科疾病 | Ansys仿真, 实验设计, 深度学习 | 深度学习模型 | 仿真数据 | 5种材料评估 | NA | NA | 应力屏蔽最小化 | Ansys软件 |
| 3982 | 2025-11-14 |
Correction to: AllerTrans: a deep learning method for predicting the allergenicity of protein sequences
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf076
PMID:41215776
|
修正 | 对先前发表的AllerTrans蛋白质过敏原性预测深度学习方法的文章进行修正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3983 | 2025-11-14 |
RETRACTION: Food Image Recognition and Food Safety Detection Method Based on Deep Learning
2025, Computational intelligence and neuroscience
DOI:10.1155/cone/9874231
PMID:41216016
|
撤稿声明 | 本文是对一篇基于深度学习的食品图像识别与食品安全检测文章的正式撤稿声明 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3984 | 2025-11-14 |
RETRACTION: A Method for Extracting Building Information from Remote Sensing Images Based on Deep Learning
2025, Computational intelligence and neuroscience
DOI:10.1155/cone/9830696
PMID:41216024
|
撤稿声明 | 本文宣布撤回一篇基于深度学习从遥感图像中提取建筑物信息的论文 | NA | NA | NA | NA | 计算机视觉 | NA | NA | NA | 遥感图像 | NA | NA | NA | NA | NA |
| 3985 | 2025-11-14 |
PSO-FeatureFusion: a general framework for fusing heterogeneous features via particle swarm optimization
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf263
PMID:41216218
|
研究论文 | 提出一种基于粒子群优化的异质特征融合通用框架PSO-FeatureFusion，用于生物信息学中的多源数据整合 | 将粒子群优化与神经网络结合，以任务无关和模块化方式联合优化多源生物特征，捕获特征间相互作用 | NA | 解决生物信息学中异质数据整合的挑战，提高药物-药物相互作用和药物-疾病关联预测的准确性 | 药物、疾病和分子特征等生物实体 | 生物信息学 | NA | 粒子群优化，神经网络 | 神经网络 | 异质生物数据 | 多个基准数据集 | NA | PSO-FeatureFusion | 准确率，精确率，召回率，F1分数，AUC | NA |
| 3986 | 2025-11-14 |
Hybrid ResNet-ViT Framework for Endometrial Lesion Analysis: A Comparative Study of MRI and CT in Endometrial Cancer Classification
2025, International journal of women's health
DOI:10.2147/IJWH.S555688
PMID:41216220
|
研究论文 | 本研究使用混合ResNet-ViT深度学习框架比较MRI和CT在子宫内膜癌分类中的诊断性能 | 提出结合ResNet50和Vision Transformer的混合深度学习模型ViTNet，用于子宫内膜病变分析 | 需要进一步验证模型评估浸润深度和其他预后特征的能力 | 评估和比较CT和MRI在子宫内膜癌检测中的诊断性能 | 子宫内膜图像，包括良性、恶性和正常三类 | 计算机视觉 | 子宫内膜癌 | MRI, CT | CNN, Transformer | 医学图像 | 300名22-85岁患者的图像数据集（KAUH-ECMD和KAUH-ECCTD） | NA | ResNet50, Vision Transformer | 准确率 | NA |
| 3987 | 2025-11-14 |
GeoGenIE: a deep learning approach to predict geographic provenance of biodiversity samples from genomic SNPs
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf250
PMID:41216217
|
研究论文 | 提出GeoGenIE深度学习软件包，用于从基因组SNP数据预测生物多样性样本的地理来源 | 结合新颖的地理遗传数据增强和预处理技术，减少参考面板需求并在稀疏采样区域提高准确性 | NA | 开发从基因组数据预测地理来源的深度学习方法 | 生物多样性样本，以白尾鹿(Odocoileus virginianus)为例 | 机器学习 | NA | 双酶切限制性位点相关DNA测序(ddRAD-seq) | 多层感知机(MLP) | 基因组SNP数据 | NA | PyTorch | 多层感知机 | 地理位置准确性，空间偏差 | 并行化执行 |
| 3988 | 2025-11-14 |
Diagnostic Performance of Deep Learning Applications in Hepatocellular Carcinoma Detection Using Computed Tomography Imaging
2024-12-30, The Turkish journal of gastroenterology : the official journal of Turkish Society of Gastroenterology
DOI:10.5152/tjg.2024.24538
PMID:39760649
|
研究论文 | 本研究利用基于YOLO架构的深度学习技术增强CT图像中肝细胞癌的检测能力 | 首次将YOLO架构应用于肝细胞癌的CT图像检测，显著超越传统诊断方法的准确率 | 样本量相对有限（122名患者），需要更大规模数据验证 | 提高肝细胞癌的早期检测准确率，改善患者预后 | 肝细胞癌患者的CT图像 | 计算机视觉 | 肝细胞癌 | CT成像 | YOLO | 医学图像 | 122名患者的1290张CT图像 | NA | YOLO | 精确率,召回率,准确率,特异性,敏感性 | NA |
| 3989 | 2025-11-14 |
Discovering small-molecule senolytics with deep neural networks
2023-06, Nature aging
IF:17.0Q1
DOI:10.1038/s43587-023-00415-z
PMID:37142829
|
研究论文 | 利用图神经网络筛选具有抗衰老细胞活性的小分子化合物 | 首次将图神经网络应用于大规模筛选抗衰老化合物，发现结构多样且具有更优药物化学性质的新候选分子 | 研究基于etoposide诱导的衰老模型，在其他衰老模型中的普适性需进一步验证 | 开发新型抗衰老药物（senolytics）以清除衰老细胞 | 衰老细胞和小分子化合物 | 机器学习 | 老年疾病 | 分子对接模拟，时间分辨荧光能量转移实验 | 图神经网络 | 化学分子结构数据 | 2,352个初筛化合物，800,000+个预测分子 | NA | 图神经网络 | 选择性，药物化学性质，分子对接评分 | NA |
| 3990 | 2025-11-13 |
Deep-learning based model for sperm morphology assessment using the SMD/MSS dataset
2025-Dec, Future science OA
IF:2.4Q3
DOI:10.1080/20565623.2025.2583010
PMID:41203404
|
研究论文 | 开发基于深度学习的精子形态评估模型，使用SMD/MSS数据集并通过数据增强技术提升性能 | 首次将卷积神经网络应用于精子形态自动评估，解决了传统人工评估主观性强的问题 | 模型准确率波动较大（55%-92%），数据集规模相对有限 | 实现精子形态评估的自动化、标准化和加速化 | 人类精子细胞 | 计算机视觉 | 生殖系统疾病 | MMC CASA系统成像 | CNN | 图像 | 1000张原始精子图像，通过数据增强扩展至6035张 | NA | 卷积神经网络 | 准确率 | NA |
| 3991 | 2025-11-13 |
Exploring the enantioselective synthesis mechanism of ammonium cations in solution using deep learning potential
2025-Nov-12, Physical chemistry chemical physics : PCCP
IF:2.9Q1
DOI:10.1039/d5cp03439f
PMID:41147815
|
研究论文 | 本研究提出结合主动学习、分子动力学和深度学习势的模拟工作流，用于探索溶液中铵阳离子的对映选择性合成机制 | 开发了集成AIMD和DLPMD的主动学习工作流，能够模拟大分子系统在长时间尺度下的对映选择性反应机制 | NA | 提高复杂溶液中不对称合成预测准确性，探索对映选择性反应机制 | 由1,1'-联-2-萘酚支架催化的季铵阳离子的对映选择性合成 | 机器学习 | NA | 分子动力学模拟，深度学习势分子动力学，主动学习工作流 | 深度学习势 | 分子模拟数据 | NA | NA | NA | 与实验观测的手性结果一致性，HNMR光谱验证 | NA |
| 3992 | 2025-11-13 |
Deep learning-enhanced zero echo time silent brain magnetic resonance imaging in infants without sedation
2025-Nov-12, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06413-0
PMID:41219520
|
研究论文 | 本研究评估深度学习重建技术在婴儿零回波时间静音脑磁共振成像中的应用效果 | 首次将深度学习重建技术应用于婴儿零回波时间静音MRI，并与传统镇静MRI进行对比 | 回顾性研究设计，样本量相对有限（78例婴儿） | 评估深度学习重建对婴儿零回波时间静音脑MRI图像质量的提升效果 | 78名孕后年龄≤16个月的婴儿 | 医学影像分析 | 儿科神经影像 | 磁共振成像，零回波时间序列，深度学习重建 | 深度学习 | 医学影像 | 78名婴儿 | NA | NA | Likert量表评分，变异系数，Mann-Whitney U检验，Cohen's kappa系数 | NA |
| 3993 | 2025-11-13 |
Charting the virosphere: computational synergies of AI and bioinformatics in viral discovery and evolution
2025-Nov-12, Journal of virology
IF:4.0Q2
DOI:10.1128/jvi.01554-25
PMID:41222234
|
综述 | 探讨人工智能与生物信息学在病毒发现和进化研究中的协同作用 | 提出整合AI模式识别与经典生物信息学的统一计算策略，突破传统同源性分析的限制 | AI驱动方法面临计算负担、数据集偏差、可解释性有限和假阳性率较高等挑战 | 加速病毒发现、增强进化洞察力并加强全球对新发传染病的防范能力 | 病毒基因组和蛋白质 | 生物信息学 | 传染病 | 宏基因组测序 | CNN, RNN, Transformer, GNN | 基因组序列，蛋白质结构 | NA | NA | AlphaFold, ESMFold, Foldseek | 灵敏度，可扩展性，假发现率 | NA |
| 3994 | 2025-11-13 |
Role of machine learning segmentation method based on CT images in preoperative staging of oral cavity cancer
2025-Nov-12, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09824-9
PMID:41222634
|
研究论文 | 基于CT图像的机器学习分割方法在口腔癌术前分期中的应用研究 | 采用定制化U-Net深度学习架构实现口腔鳞状细胞癌肿瘤和淋巴结转移的自动分割与分期预测 | 样本量相对有限（179例CT图像），肿瘤分级分类准确率有待提升（75%） | 验证机器学习方法在口腔癌术前T和N分期中的准确性 | 口腔鳞状细胞癌（OSCC）患者的CT图像数据 | 医学影像分析 | 口腔癌 | 对比增强计算机断层扫描（CT） | 深度学习 | 医学影像 | 179例对比增强CT图像（包含肿瘤和淋巴结转移两个数据集） | NA | U-Net | 准确率, 二元准确率 | NA |
| 3995 | 2025-11-13 |
A deep learning-based MRI automatic detection model for spinal schwannoma and meningioma
2025-Nov-12, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03468-x
PMID:41222816
|
研究论文 | 开发基于深度学习的MRI自动检测模型用于脊柱神经鞘瘤和脑膜瘤检测 | 在YOLOv8n基础上引入选择性核融合模块和递归门控卷积改进特征融合层 | 仅使用单中心103例回顾性数据，样本量有限 | 实现脊柱神经鞘瘤和脑膜瘤的自动检测与鉴别诊断 | 103例经病理证实的脊柱神经鞘瘤和脑膜瘤患者 | 计算机视觉 | 脊柱肿瘤 | 磁共振成像 | YOLO | 医学影像 | 103例经病理证实的病例 | NA | YOLOv8n-SKNeck | 准确率, 召回率, F1分数 | NA |
| 3996 | 2025-11-13 |
LKE-DTA: predicting drug-target binding affinity with large language model representations and knowledge graph embeddings
2025-Nov-12, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11394-1
PMID:41222841
|
研究论文 | 提出融合大语言模型和知识图谱的LKE-DTA框架，用于预测药物-靶点结合亲和力 | 首次将大语言模型与知识图谱协同集成，并提出双多头注意力机制动态融合异质嵌入 | NA | 提高药物-靶点结合亲和力预测的准确性 | 药物和蛋白质 | 机器学习 | NA | 深度学习 | 注意力机制 | 分子表示，知识图谱嵌入 | 基准数据集（Davis、KIBA）和独立测试集 | NA | 双多头注意力机制 | MSE, MAE, CI, r | NA |
| 3997 | 2025-11-13 |
SAFT: Real-Time Tracking and Mapping With Self-Supervised Robust Stereo Matching for Underwater Vehicles
2025-Nov-11, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3618666
PMID:41217922
|
研究论文 | 提出一种基于自监督鲁棒立体匹配的水下机器人实时跟踪与建图框架SAFT | 提出三种关键创新：集成成本聚合与迭代优化的立体匹配网络、利用时空约束的自监督损失函数、集成自监督模型的实时跟踪建图算法 | NA | 解决水下机器人因视觉质量退化、特征模糊和计算资源有限而面临的鲁棒高效跟踪与建图挑战 | 水下机器人 | 计算机视觉 | NA | 立体匹配 | 深度学习网络 | 立体图像 | 公共和定制水下数据集 | PyTorch | SAFT-Stereo, SAFT-DSOL | 泛化性能, 推理时间, 跟踪稳定性, 重建质量 | 实时计算资源 |
| 3998 | 2025-11-13 |
Visible Light-Near Infrared Hyperspectral Imaging and Deep Learning Enable Rapid, Non-Staining Assessment of Lung Adenocarcinoma
2025-Nov-11, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500362
PMID:41220170
|
研究论文 | 本研究开发了一种结合可见光-近红外高光谱成像和深度学习的非破坏性基因分型方法，用于快速评估肺腺癌驱动基因突变 | 首次将可见光-近红外高光谱成像与双分支深度学习融合框架相结合，实现对未染色病理切片的非破坏性基因分型 | 研究样本量相对有限（90例临床标本），需要在更大规模数据集中验证 | 开发一种非侵入性、快速评估肺腺癌驱动基因突变的方法 | 肺腺癌患者的临床病理标本 | 生物医学光子学 | 肺腺癌 | 可见光-近红外高光谱成像（400-1000 nm） | 深度学习融合框架，XGBoost | 高光谱图像 | 90例临床标本 | NA | 双分支融合网络 | 准确率，ROC曲线下面积（AUC） | NA |
| 3999 | 2025-11-13 |
Developments in diagnosis and treatment of early hypopharyngeal carcinoma and precancerous lesions: A review
2025-Nov-07, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000045617
PMID:41204550
|
综述 | 总结早期下咽癌及癌前病变诊断与治疗的最新进展 | 专门聚焦早期下咽癌的综述，系统整合了窄带成像放大内镜和人工智能等新兴诊断技术以及经口微创手术等治疗进展 | NA | 探讨早期下咽癌及癌前病变的诊断与治疗策略 | 下咽癌患者及癌前病变 | 数字病理 | 下咽癌 | 窄带成像放大内镜(ME-NBI), 深度学习 | 深度学习算法 | 内镜图像 | NA | NA | NA | NA | NA |
| 4000 | 2025-11-13 |
RL-I2IT: Image-to-image translation with deep reinforcement learning
2025-Oct-29, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108264
PMID:41218403
|
研究论文 | 提出基于深度强化学习的图像到图像转换框架RL-I2IT，通过迭代决策过程逐步转换图像 | 将I2IT重新建模为迭代决策问题，引入元策略和低维“概念计划”处理高维连续动作空间 | 未明确说明具体计算效率提升程度和模型参数减少量 | 解决传统单步图像转换模型参数多、易过拟合的问题 | 图像到图像转换任务 | 计算机视觉 | NA | 深度强化学习 | Actor-Critic | 图像 | NA | PyTorch, TensorFlow | Actor-Critic | NA | NA |