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 36434 篇文献，本页显示第 461 - 480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 461 | 2025-12-11 |
Deep learning habitat radiomics based on ultrasound for predicting preoperative locally progression and postoperative recurrence risk of thyroid cancer: a multicenter study
2025-Dec-10, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004415
PMID:41363706
|
研究论文 | 本研究开发了一种基于超声的深度学习栖息地放射组学模型，用于预测甲状腺癌的术前局部进展和术后复发风险 | 首次将深度学习栖息地放射组学应用于甲状腺癌超声图像，通过瘤内亚区分割和瘤周区域分析捕捉肿瘤空间异质性，并结合临床变量构建预测模型 | 研究为回顾性设计，需要更多样化临床环境和更长随访时间的前瞻性验证 | 开发预测甲状腺癌局部进展和复发风险的超声影像模型 | 甲状腺癌患者 | 数字病理学 | 甲状腺癌 | 超声成像 | 深度学习 | 超声图像 | 回顾性队列1881例（来自9个医疗中心），前瞻性验证队列130例 | 未明确说明 | 深度学习栖息地放射组学模型 | AUC, Kaplan-Meier分析, Cox回归 | 未明确说明 |
| 462 | 2025-12-11 |
Benchmarking heterogeneous network-based methods for drug repurposing
2025-Dec-10, NPJ systems biology and applications
IF:3.5Q1
DOI:10.1038/s41540-025-00633-8
PMID:41366216
|
研究论文 | 本研究系统地评估了十种基于异质网络的药物重定位方法在八个数据集上的性能 | 引入了两个新的药物-疾病数据集，并揭示了交叉验证策略对性能评估的重大影响 | 研究主要基于现有数据集，可能未涵盖所有生物相互作用类型 | 评估基于异质网络的药物重定位方法的可靠性和泛化能力 | 十种基于异质网络的药物重定位方法 | 机器学习 | NA | NA | 矩阵分解, 矩阵补全, 推荐系统, 深度学习 | 异质网络数据 | 八个数据集（包括六个公开数据集和两个新数据集） | NA | NMF, NMF-PDR, NMF-DR, VDA-GKSBMF, BNNR, OMC, HGIMC, IBCF, LIBMF, DRDM | AUC, AUPR | NA |
| 463 | 2025-12-11 |
Exploring the pathogenic mechanism of RNH1 in colorectal cancer based on eQTL, Multi-omics and deep learning
2025-Dec-10, Journal of applied genetics
IF:2.0Q3
DOI:10.1007/s13353-025-01029-4
PMID:41366589
|
研究论文 | 本研究基于eQTL、多组学和深度学习探索RNH1在结直肠癌中的致病机制 | 首次将RNH1与双硫死亡和结直肠癌风险联系起来，并利用单细胞RNA测序、空间转录组测序和深度学习生存神经网络构建预后模型 | 研究主要基于生物信息学分析和体外验证，缺乏体内实验验证RNH1的具体功能机制 | 探索RNH1在结直肠癌中的致病机制及其作为生物标志物和治疗靶点的潜力 | 结直肠癌患者组织和细胞 | 机器学习 | 结直肠癌 | eQTL, 单细胞RNA测序, 空间转录组测序, RNA测序, qPCR | 深度学习生存神经网络 | 基因表达数据, 转录组数据, 单细胞数据, 空间转录组数据 | 结直肠癌患者癌组织和正常组织样本 | NA | DeepSurv | 生存分析 | NA |
| 464 | 2025-12-11 |
Super-resolution deep learning reconstruction improves brain MRI quality and detection of metastases
2025-Dec-10, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01921-3
PMID:41366626
|
研究论文 | 本研究评估了超分辨率深度学习重建（SR-DLR）相较于传统深度学习重建（DLR）在脑转移瘤检测和图像质量提升方面的表现 | 首次在脑转移瘤检测中比较了超分辨率深度学习重建（SR-DLR）与传统深度学习重建（DLR），并证明SR-DLR在病灶检测性能和图像质量方面具有显著优势 | 研究为回顾性设计，样本量相对较小（47例患者），且仅基于单一MRI序列（对比增强3D全脑T1加权成像） | 评估超分辨率深度学习重建（SR-DLR）在脑转移瘤检测和MRI图像质量改善方面的效果 | 脑转移瘤患者的对比增强3D全脑T1加权MRI图像 | 数字病理 | 脑转移瘤 | MRI成像，深度学习重建 | 深度学习重建模型 | 医学图像（MRI） | 47例连续患者，共检测到117个脑转移病灶 | NA | NA | JAFROC分析，Wilcoxon符号秩检验，McNemar检验，配对t检验，半高全宽，边缘上升距离，边缘上升斜率，信噪比，对比噪声比 | NA |
| 465 | 2025-12-11 |
EEG motor imagery classification through a two-dimensional CNN-LSTM deep architecture and fuzzy decision-making
2025-Dec-10, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2554256
PMID:41368697
|
研究论文 | 本文提出了一种基于二维CNN-LSTM深度架构和模糊决策的EEG运动想象分类方法 | 结合了二维CNN-LSTM模型和Choquet模糊积分进行决策融合，以提升在噪声EEG条件下的分类可靠性 | NA | 开发一种鲁棒的深度学习框架，用于从原始EEG信号中自动检测运动想象 | 原始EEG信号 | 机器学习 | NA | STFT | CNN, LSTM | EEG信号 | NA | NA | 二维CNN-LSTM | 准确率 | NA |
| 466 | 2025-12-11 |
A deep learning system on monolithic implant-supported crown design: Evaluating AI-generated models against conventional software outputs
2025-Dec-10, Journal of prosthodontics : official journal of the American College of Prosthodontists
DOI:10.1111/jopr.70067
PMID:41368738
|
研究论文 | 本研究评估了一种基于Transformer的深度学习模型在生成单颗种植体支持冠（ISC）方面的有效性，并与传统软件生成的冠进行比较 | 首次将基于Transformer的深度学习模型（PoinTr架构）应用于种植体支持冠的自动化设计，相比传统软件，在轮廓、咬合形态和穿龈轮廓方面更接近技师设计 | 概念验证研究，样本量有限（311例），近中接触适应性在所有自动化组中仍不如技师设计冠 | 评估AI生成种植体支持冠的有效性，并与传统软件输出进行比较 | 单颗后牙第一磨牙区种植体支持冠的设计 | 计算机视觉 | NA | 深度学习 | Transformer | 数字印模图像 | 311例患者（291例用于训练，20例用于验证） | NA | PoinTr | 整体轮廓偏差, 咬合形态差异, 近中接触, 穿龈轮廓 | NA |
| 467 | 2025-12-11 |
A Deep Learning Model for Efficient Nontargeted Screening of New Psychoactive Substances with Benchtop Nuclear Magnetic Resonance Devices
2025-Dec-10, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c05514
PMID:41368808
|
研究论文 | 本研究提出了一种用于台式核磁共振设备的新型深度学习模型，用于高效非靶向筛查新型精神活性物质 | 提出了一种结合通道注意力增强架构、化学信息预处理以及对比预训练（将NMR谱与SMILES表示对齐）的深度学习模型，显著提升了低信噪比条件下的谱图特征提取能力 | 模型目前仅针对九种NPS类别进行分类，未明确说明模型在更广泛或未知物质上的泛化能力 | 开发一种能够利用低信噪比台式核磁共振数据进行高效、准确的新型精神活性物质非靶向筛查的方法 | 新型精神活性物质 | 机器学习 | NA | 核磁共振 | 深度学习模型 | 核磁共振谱图 | NA | NA | 通道注意力增强架构 | 准确率 | NA |
| 468 | 2025-12-11 |
Fingerprint-Based Machine Learning for SARS-CoV-2 and MERS-CoV Mpro Inhibition: Highlighting the Potential of Bayesian Neural Networks
2025-Dec-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02014
PMID:41368857
|
研究论文 | 本研究利用指纹特征，通过机器学习方法预测SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂的效力，并比较了传统机器学习模型与贝叶斯神经网络模型的性能 | 在低数据量条件下，首次将贝叶斯神经网络应用于SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂的效力预测，并证明其优于随机森林和梯度提升等传统机器学习模型 | 研究基于有限的数据集进行，模型在更广泛化合物或不同靶点上的泛化能力尚未验证 | 开发并比较机器学习模型，以预测SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂的效力 | SARS-CoV-2和MERS-CoV的主要蛋白酶抑制剂 | 机器学习 | COVID-19, MERS | 分子指纹 | 随机森林, 梯度提升, 贝叶斯神经网络 | 化学结构数据 | 未公开的SARS-CoV-2和MERS-CoV主要蛋白酶抑制剂数据集 | NA | 贝叶斯神经网络 | NA | NA |
| 469 | 2025-12-11 |
Deep learning-derived orthogonal minimum joint space width improves radiographic assessment of knee osteoarthritis severity and progression
2025-Dec-10, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA
DOI:10.1002/ksa.70227
PMID:41368950
|
研究论文 | 本研究评估了一种基于深度学习自动测量的正交最小关节间隙宽度在检测和监测膝骨关节炎进展中的性能 | 提出了一种新的正交最小关节间隙宽度度量，该度量通过深度学习自动测量，相比传统的固定位置测量方法，在区分关节间隙狭窄严重程度和纵向响应性方面表现更优 | 研究为回顾性队列研究，数据来源于单一数据库（OAI），未来需要在其他人群或前瞻性研究中验证 | 评估一种人工智能衍生的影像学生物标志物（正交最小关节间隙宽度）在膝骨关节炎严重程度评估和进展监测中的性能 | 膝骨关节炎患者的膝关节X光片 | 数字病理学 | 骨关节炎 | 深度学习 | 深度学习模型 | 图像（X光片） | 15313张膝关节X光片，来自骨关节炎倡议（OAI）数据库，时间跨度为基线至72个月随访 | NA | NA | 受试者工作特征曲线下面积，标准化响应均值，相对标准化响应均值 | NA |
| 470 | 2025-12-11 |
Synthetic computed tomography from magnetic resonance imaging: An editorial on deep learning approaches for hip and knee image translation
2025-Dec-10, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA
DOI:10.1002/ksa.70229
PMID:41368970
|
评论 | 本文概述了从磁共振成像生成合成计算机断层扫描在肌肉骨骼护理中的应用，特别是髋关节和膝关节领域 | 总结了深度学习在MRI到CT图像转换中的创新方法，包括条件生成对抗网络和扩散模型，以提高解剖保真度和临床实用性 | NA | 探讨合成CT在减少辐射暴露、整合成像和术前规划中的潜力，以促进临床协作研究 | 髋关节和膝关节的肌肉骨骼成像数据 | 计算机视觉 | 肌肉骨骼疾病 | 磁共振成像，计算机断层扫描 | 条件生成对抗网络，扩散模型 | 图像 | NA | NA | NA | NA | NA |
| 471 | 2025-12-11 |
Physicochemically Informed Axial Chirality Descriptors Enable Accurate Prediction of Atropisomeric Stability
2025-Dec-10, Angewandte Chemie (International ed. in English)
DOI:10.1002/anie.202521349
PMID:41369251
|
研究论文 | 本文介绍了一种名为ACSD-GAT的深度学习框架，用于预测轴手性分子的旋转能垒，以评估其构象稳定性 | 提出了一个结合物理化学信息的轴手性结构描述符（ACSD），并首次构建了一个包含1015个实验测量旋转能垒的基准数据集 | NA | 解决轴手性分子构象稳定性预测的挑战，以促进不对称合成、药物发现和功能材料开发 | 轴手性分子，特别是复杂药物、分子开关和新合成的轴手性异构体 | 机器学习 | NA | 深度学习 | GAT | 化学结构数据 | 1015个实验测量的旋转能垒数据 | NA | 图注意力网络 | R, RMSE | NA |
| 472 | 2025-12-11 |
Dynamic reward-augmented ensemble learning for EEG signal classification in major depressive disorder
2025-Dec-10, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae2333
PMID:41369644
|
研究论文 | 本文提出了一种用于重度抑郁症EEG信号分类的动态奖励增强集成学习框架AABEL | 提出了基于强化学习的自适应权重分配机制、多尺度神经动力学特征融合方法以及端到端的奖励传播优化流程 | 未明确说明模型在跨数据集或临床环境中的泛化能力验证 | 开发自适应EEG信号分类框架以改进重度抑郁症的诊断 | 重度抑郁症患者的EEG信号 | 机器学习 | 重度抑郁症 | 脑电图 | CNN, GRU, Transformer | EEG信号 | 使用OpenNeuro ds003478数据集（具体样本数未明确说明） | NA | CNN, GRU, Transformer | 准确率, F1分数 | NA |
| 473 | 2025-12-11 |
Association of skill and errors with outcomes in robotic rectal cancer surgery
2025-Dec-10, Surgical endoscopy
DOI:10.1007/s00464-025-12393-x
PMID:41369760
|
研究论文 | 本研究评估了机器人直肠癌手术中客观技能与错误工具，并提供了一个用于训练和测试深度学习模型的细粒度验证数据集 | 首次在机器人直肠癌手术中验证了细粒度错误和技能注释与临床结果的关联，为自动化评估和深度学习模型开发奠定了基础 | 样本量较小（30例手术），属于可行性研究，需要更大规模研究进一步验证 | 评估机器人直肠癌手术中的客观技能和错误工具，并建立细粒度数据集以支持深度学习模型开发 | 机器人辅助全直肠系膜切除术（RTME）的手术视频和临床数据 | 数字病理 | 直肠癌 | 手术视频分析，客观临床人类可靠性分析（OCHRA），可修改的机器人技能全球评估（M-GEARS） | 深度学习模型 | 手术视频，临床数据 | 30例机器人辅助全直肠系膜切除术（RTME）手术 | NA | NA | 错误数量，并发症发生率，手术时间延长，评分者间可靠性（匹配错误同意百分比），相关性分析（r值，p值） | NA |
| 474 | 2025-12-11 |
The Application of Deep Learning Human Pose Estimation in Sport: A Systematic Review
2025-Dec-10, Sports medicine - open
DOI:10.1186/s40798-025-00953-3
PMID:41369858
|
综述 | 本文系统回顾了基于深度学习的人体姿态估计在体育领域的应用，重点关注训练数据集的可用性、可重复性及人为因素的影响 | 首次从体育科学角度对基于深度学习的人体姿态估计进行系统性评估，并为未来研究和应用提供实践指导 | 大多数研究依赖私有数据集进行算法训练和验证，限制了可重复性和泛化能力；缺乏开放数据集和标准化实践 | 系统评估基于深度学习的人体姿态估计在体育领域的应用现状、挑战及未来方向 | 体育运动中的人体姿态估计相关研究 | 计算机视觉 | NA | 深度学习 | NA | 2D和3D视觉数据 | 371篇文章 | NA | NA | NA | NA |
| 475 | 2025-12-11 |
Machine Learning for Performance Prediction and Optimization of Polymer Composites: Unveiling the Dominant Role of Thermally Conductive Pathways
2025-Dec-09, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c21877
PMID:41364534
|
研究论文 | 本研究开发了一种结合传统机器学习、深度学习和生成建模的策略，用于预测和优化聚合物复合材料的性能，特别关注导热通路的作用 | 提出了一种新颖的密集球体堆积算法来构建多填料复合材料的几何模型，并定义了与导热通路相关的描述符以提高预测准确性，同时使用基于Transformer的生成模型在低填料体积分数下生成具有导热通路的RVE结构 | 传统机器学习算法在捕捉导热通路方面存在局限性，且研究主要关注低填料体积分数下的情况，可能未全面覆盖所有填料条件 | 预测和优化聚合物复合材料的导热性和机械性能，以开发下一代高性能复合材料 | 多填料聚合物复合材料，特别是其导热通路和填料分布 | 机器学习 | NA | 密集球体堆积算法，COMSOL模拟，随机森林回归，卷积神经网络，基于Transformer的生成模型 | Random Forest Regression (RFR), Convolutional Neural Network (CNN), Transformer | 几何模型数据，模拟数据 | 1024个代表性体积元素（RVE）模型 | COMSOL, 未指定具体框架（可能包括TensorFlow/PyTorch等） | Random Forest, CNN, Transformer | 预测准确性（具体指标未明确列出，如精度、召回率等） | NA |
| 476 | 2025-12-11 |
Deep Learning-Powered Electrical Brain Signals Analysis: Advancing Neurological Diagnostics
2025-Dec-09, IEEE reviews in biomedical engineering
IF:17.2Q1
DOI:10.1109/RBME.2025.3625973
PMID:41364564
|
综述 | 本文系统回顾了深度学习在基于脑电图（EEG）和颅内脑电图（iEEG）的神经疾病诊断中的最新进展 | 整合了46个数据集和7种神经疾病的应用，强调预训练多任务模型在实现可扩展、泛化解决方案中的作用，并提出了标准化基准以评估模型 | 数据集异质性和任务变异性可能阻碍稳健深度学习解决方案的开发 | 推动神经疾病诊断向智能、适应性强的医疗系统发展 | 脑电图（EEG）和颅内脑电图（iEEG）信号 | 机器学习 | 神经疾病 | 脑电图（EEG），颅内脑电图（iEEG） | 深度学习模型 | 脑电信号 | 涉及46个数据集 | NA | NA | NA | NA |
| 477 | 2025-12-11 |
Deep Learning-based Surrogate Model of Subject-Specific Finite-Element Analysis for Vertebrae
2025-Dec-09, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3642160
PMID:41364580
|
研究论文 | 本研究提出了一种基于深度学习/机器学习的代理模型，用于高效预测椎体应力分布 | 开发了一种集成椎体形状编码并采用表面节点与内部节点分离解码分支的新型深度学习代理模型，建立了端到端自动化处理流程 | 在椎体前下缘和椎弓根区域观察到局部预测差异 | 开发高效预测椎体应力分布的替代模型，以加速个性化生物力学评估 | L1椎体 | 数字病理学 | 老年疾病 | CT扫描 | 深度学习/机器学习 | 图像 | 基于42个真实CT扫描通过数据增强生成的3,960个合成L1椎体 | NA | NA | 平均绝对误差,R值 | NA |
| 478 | 2025-12-11 |
A Similarity-Constrained Multi-way Gated Attention Network for Focused Ultrasound-induced Blood-brain Barrier Opening Evaluation
2025-Dec-09, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3642073
PMID:41364579
|
研究论文 | 本研究提出了一种基于门控注意力的新模型，用于利用时域声学信号片段预测聚焦超声诱导的血脑屏障开放结果 | 提出了一种结合声学编码器、多路门控注意力机制和包含相似性约束的任务特定损失函数的新型门控注意力模型，以增强类间区分能力并减少注意力模式的冗余 | 研究样本量相对有限（174次FUS治疗），且未明确提及模型在更广泛或不同患者群体中的泛化能力验证 | 开发一种高时间分辨率、高预测可靠性且可解释的方法，用于评估聚焦超声诱导的血脑屏障开放的有效性和安全性 | 聚焦超声治疗过程中的时域声学信号片段 | 机器学习 | 中枢神经系统疾病 | 聚焦超声 | 深度学习 | 时域声学信号 | 174次FUS治疗 | NA | 门控注意力模型 | 准确率, 召回率, AUC, F1分数 | NA |
| 479 | 2025-12-11 |
The Road to Bedside: Addressing Key Hurdles for Deep Learning Prognostic Models in Light-Chain Cardiac Amyloidosis
2025-Dec-09, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeaf344
PMID:41364678
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 480 | 2025-12-11 |
General Framework for Geometric Deep Learning on Tensorial Properties of Molecules and Crystals
2025-Dec-09, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.5c12428
PMID:41364709
|
研究论文 | 本文提出了一种用于分子和晶体张量性质几何深度学习的通用框架 | 开发了一个通用输出模块，使等变图神经网络能够端到端预测具有指定置换对称性的任意阶张量，并结合XPaiNN架构实现高精度 | NA | 预测分子和晶体的张量响应性质，促进功能分子和材料的AI辅助发现与设计 | 分子和晶体 | 机器学习 | NA | NA | 等变图神经网络 | 张量数据 | NA | NA | XPaiNN | NA | NA |