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 38687 篇文献，本页显示第 5481 - 5500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5481 | 2025-11-26 |
EMI Cancellation for Shielding-Free Ultra-Low-Field MRI
2025-Nov-24, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3635911
PMID:41284462
|
研究论文 | 开发基于深度学习的电磁干扰抑制方法用于无屏蔽超低场磁共振成像 | 提出融合Transformer和混合注意力机制的U-Net架构EMIC-Net，实现从传感线圈信号到射频接收线圈干扰的数据驱动非线性映射 | NA | 解决无屏蔽环境中超低场磁共振成像的电磁干扰问题 | 人体大脑成像 | 医学影像处理 | NA | 超低场磁共振成像 | U-Net, Transformer, CNN | 磁共振信号数据 | 小规模数据集（具体数量未明确说明） | NA | U-Net, Transformer, 混合注意力机制 | SNR, PSNR, SSIM | NA |
| 5482 | 2025-11-26 |
Helixer: ab initio prediction of primary eukaryotic gene models combining deep learning and a hidden Markov model
2025-Nov-24, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02939-1
PMID:41286201
|
研究论文 | 介绍Helixer——一种结合深度学习和隐马尔可夫模型的从头真核生物基因预测工具 | 无需RNA测序等实验数据即可实现跨物种高精度基因预测，结合深度学习与隐马尔可夫模型的新方法 | NA | 开发适用于多种真核生物基因组的从头基因预测工具 | 真菌、植物、脊椎动物和无脊椎动物基因组 | 生物信息学 | NA | 深度学习，隐马尔可夫模型 | 深度学习模型，隐马尔可夫模型 | 基因组序列数据 | NA | NA | NA | 多评估指标 | NA |
| 5483 | 2025-11-26 |
Enhanced Visualization of Intracranial Cortical Arteries Using Deep Learning Reconstruction in Vessel Wall MR Imaging
2025-Nov-22, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.tn.2025-0091
PMID:41285511
|
研究论文 | 本研究评估深度学习重建在血管壁成像中对颅内皮质动脉可视化效果的提升 | 首次将深度学习重建技术应用于血管壁磁共振成像，显著提升皮质动脉的可视化质量 | 样本量较小（17例患者），仅评估了特定序列的血管壁成像 | 评估深度学习重建在脑血管壁成像中的临床应用价值 | 颅内动脉系统，包括皮质动脉、颈内动脉、椎动脉、基底动脉等29个动脉节段 | 医学影像分析 | 脑血管疾病 | 3D T1WI-CUBE血管壁磁共振成像 | 深度学习重建 | 磁共振图像 | 17例患者 | NA | NA | 图像质量评分、信噪比(SNR)、对比噪声比(CNR) | NA |
| 5484 | 2025-11-26 |
Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network
2025-Nov-20, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07660-x
PMID:41261210
|
研究论文 | 提出基于卷积神经网络的深度学习框架，用于18F-flurpiridaz PET心肌灌注成像的动态逐帧运动校正 | 首次将3D-ResNet架构应用于PET图像的运动校正，实现自动化处理并减少人工干预的需求 | 研究依赖于两个经验丰富操作者的手动校正作为金标准，可能存在主观偏差 | 开发自动化的运动校正方法以提高心肌血流量定量的准确性和效率 | 接受18F-flurpiridaz PET心肌灌注成像的患者 | 医学影像分析 | 心血管疾病 | PET成像, 深度学习 | CNN | 3D PET图像 | 来自32个中心的III期临床试验数据（NCT01347710），采用5折交叉验证 | NA | 3D-ResNet | AUC, 一致性界限, 平均差异 | NA |
| 5485 | 2025-11-26 |
Boosting reservoir computing with brain-inspired adaptive control of E-I balance
2025-Nov-20, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-64978-8
PMID:41266325
|
研究论文 | 通过大脑启发的兴奋-抑制平衡自适应控制机制提升储备池计算性能 | 首次在储备池计算中引入动态调节兴奋-抑制平衡的自适应机制，并发现适度抑制状态能产生最佳性能 | 未明确说明实验数据规模和具体应用场景的局限性 | 提升储备池计算的性能并减少超参数调优成本 | 储备池计算网络 | 机器学习 | NA | 储备池计算 | 循环神经网络 | 时间序列数据 | NA | NA | 储备池计算 | 记忆容量, 时间序列预测精度 | NA |
| 5486 | 2025-11-26 |
Non-coding genetic variants underlying higher prostate cancer risk in men of African ancestry
2025-Nov-20, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-64631-4
PMID:41266362
|
研究论文 | 本研究通过深度学习模型识别影响前列腺癌风险的非洲裔人群特异性非编码遗传变异 | 首次使用深度学习模型系统识别非洲裔人群中影响前列腺增强子功能的非编码SNP，并揭示其通过两种机制促进癌症发展的新途径 | 研究主要关注非洲裔人群，需要进一步验证在其他人群中的适用性；大部分预测的SNP尚未进行实验验证 | 探索非洲裔男性前列腺癌风险更高的遗传机制，特别是非编码调控SNP的作用 | 非洲裔和欧洲裔男性的前列腺癌遗传数据 | 计算生物学 | 前列腺癌 | 深度学习，全基因组关联研究(GWAS) | 深度学习模型 | 基因组序列数据，增强子功能数据 | NA | NA | NA | 风险预测改善效果 | NA |
| 5487 | 2025-11-26 |
Piscis: A loss estimator of the F1 score enables accurate spot detection in fluorescence microscopy images via deep learning
2025-Nov-19, Cell systems
IF:9.0Q1
DOI:10.1016/j.cels.2025.101448
PMID:41265398
|
研究论文 | 提出一种基于深度学习的荧光显微镜图像斑点检测算法Piscis，使用近似F1分数的损失函数实现自动检测 | 开发了SmoothF1损失函数，直接惩罚假阳性和假阴性，同时保持可微性以用于深度学习训练 | NA | 开发无需手动参数调优的自动斑点检测算法 | 荧光显微镜图像中的RNA转录本斑点 | 计算机视觉 | NA | RNA FISH空间转录组学 | 深度学习 | 图像 | 358张手动标注的实验RNA FISH图像和240张合成图像 | NA | NA | F1分数 | NA |
| 5488 | 2025-11-26 |
DNALONGBENCH: a benchmark suite for long-range DNA prediction tasks
2025-Nov-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65077-4
PMID:41253815
|
研究论文 | 本文提出了一个用于评估长距离DNA依赖任务性能的基准测试套件DNALONGBENCH | 首次构建了覆盖五个关键基因组学任务、支持长达100万碱基对长距离依赖评估的标准化基准数据集 | 基准测试仅包含五个特定基因组学任务，可能无法覆盖所有长距离DNA依赖场景 | 解决长距离DNA依赖建模的评估标准缺失问题，促进基因组深度学习模型的发展 | DNA序列中的长距离依赖关系 | 生物信息学 | NA | 基因组测序 | CNN, 基础模型 | DNA序列数据 | NA | NA | HyenaDNA, Caduceus-Ph, Caduceus-PS | NA | NA |
| 5489 | 2025-11-26 |
Deep generative modeling of temperature-dependent structural ensembles of proteins
2025-Nov-18, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-025-01737-2
PMID:41254233
|
研究论文 | 开发了一种基于深度学习的蛋白质结构集成生成模型，能够模拟温度依赖的蛋白质构象集合 | 提出了首个能够生成温度条件化蛋白质原子级结构集成的潜在扩散模型 | 模型训练依赖于分子动力学模拟数据，计算成本仍然较高 | 开发高效生成蛋白质结构集成的方法，替代计算昂贵的分子动力学模拟 | 蛋白质重原子结构集成 | 机器学习 | NA | 分子动力学模拟，深度学习 | 潜在扩散模型，自编码器 | 分子结构数据 | mdCATH数据集 | NA | 潜在扩散模型，自编码器 | 侧链和主链扭转角分布准确性，温度依赖性集成特性，与长时MD模拟比较 | NA |
| 5490 | 2025-11-26 |
Artificial intelligence prediction of age from echocardiography as a marker for cardiovascular disease
2025-Nov-18, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02050-x
PMID:41254301
|
研究论文 | 本研究开发了一种深度学习模型，通过超声心动图视频预测患者年龄，并探索其作为心血管疾病风险标志物的潜力 | 首次利用大规模超声心动图视频数据开发年龄预测模型，揭示了生物年龄与心血管疾病风险之间的关联 | 研究基于回顾性数据，需要前瞻性验证；模型性能可能受数据质量和采集协议差异影响 | 开发基于超声心动图的年龄预测模型，探索其作为心血管疾病风险评估工具的临床应用价值 | 90,738名患者的166,508项研究中的2,610,266个超声心动图视频 | 计算机视觉 | 心血管疾病 | 多视角超声心动图 | 深度学习 | 视频 | 90,738名患者的2,610,266个视频 | NA | NA | 平均绝对误差, 决定系数 | NA |
| 5491 | 2025-11-20 |
AllergenAI: a deep learning model predicting allergenicity based on protein sequence
2025-Nov-18, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06302-1
PMID:41254570
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5492 | 2025-11-26 |
Curvature-aware selective feature interaction network for skin lesion segmentation
2025-Nov-11, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108314
PMID:41285053
|
研究论文 | 提出一种用于皮肤病变分割的曲率感知选择性特征交互网络 | 提出多粒度特征交互模块和曲率感知选择性特征模块，通过注意力机制和曲率评估来增强特征交互并减少冗余信息 | NA | 解决皮肤病变分割中特征交互不足和冗余信息的问题 | 皮肤病变图像 | 医学图像分析 | 皮肤病 | 深度学习 | CNN | 图像 | 三个皮肤图像数据集 | NA | 编码器-解码器架构,CASFI-Net | NA | 低计算成本 |
| 5493 | 2025-11-26 |
A Mandibular Defect Dataset for Autonomous Reconstruction Planning in Oral and Maxillofacial Surgery
2025-Nov-10, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06048-8
PMID:41214004
|
研究论文 | 本文介绍了首个临床来源的下颌骨缺损数据集，包含147个不同下颌骨缺损模型，用于口腔颌面外科自主重建规划 | 首个临床来源的下颌骨缺损数据集，准确呈现临床缺损边界复杂性和患者个体解剖结构多样性 | 样本量相对有限（147个模型），可能影响模型的泛化能力 | 为基于深度学习的下颌骨缺损重建算法提供高质量数据集支持 | 下颌骨缺损模型 | 数字病理 | 口腔颌面外科疾病 | 临床数据采集与标注 | 深度学习模型 | 3D模型数据 | 147个下颌骨缺损模型 | NA | NA | NA | NA |
| 5494 | 2025-11-26 |
Delineating the Role of Alpha Waves in Exercise-induced Neural Changes through Resting-state EEG
2025-Nov-07, Journal of visualized experiments : JoVE
DOI:10.3791/68737
PMID:41284639
|
研究论文 | 本研究通过静息态脑电图和深度学习算法探索运动干预对高特质焦虑大学生前额叶alpha波神经振荡的重编程机制 | 首次识别前额叶Alpha兴奋性再平衡作为运动介导焦虑缓解的核心机制，开发了alpha波段时频预测模型 | 样本量较小（40名大学生），仅针对特质焦虑人群，需要更大规模验证 | 阐明运动诱导神经变化的alpha波作用机制，为精准运动处方开发提供依据 | 40名高特质焦虑大学生 | 机器学习 | 焦虑症 | 静息态脑电图（EEG） | 深度学习 | 脑电图时间序列数据 | 40名大学生（运动干预组20人，对照组20人） | NA | NA | 准确率, F1分数, Kappa系数 | NA |
| 5495 | 2025-11-26 |
[Research on the rapid diagnosis of three common Gram-negative bacilli in bloodstream infections based on the CNN-Dinov2 hybrid model]
2025-Nov-06, Zhonghua yu fang yi xue za zhi [Chinese journal of preventive medicine]
|
研究论文 | 基于CNN-Dinov2混合模型开发用于血流感染中三种常见革兰阴性杆菌快速诊断的自动分类模型 | 将ResNet的局部特征提取能力与Dinov2的全局预训练特征相结合，构建混合深度学习模型 | 研究样本仅来自单一医院，样本量相对有限 | 开发能够快速诊断血流感染中三种常见革兰阴性杆菌的自动分类模型 | 血流感染患者的革兰染色显微图像 | 计算机视觉 | 血流感染 | 革兰染色显微成像 | CNN, 深度学习 | 图像 | 1425张革兰染色显微图像，包括419张、411张、413张目标菌株和182张其他革兰阴性杆菌 | NA | CNN-Dinov2混合模型, ResNet, Dinov2, AlexNet, ResNet18 | 准确率, 精确率, 加权F1分数, 召回率, PR曲线, AP值 | NA |
| 5496 | 2025-11-26 |
Multimodal Deep Learning for Longitudinal Prediction of Glaucoma Progression Using Sequential RNFL, Visual Field, and Clinical Data
2025-Nov-04, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.10.31.25339266
PMID:41282868
|
研究论文 | 开发并验证了一种多模态纵向深度学习框架，用于预测青光眼进展 | 首次将序列结构数据（OCT RNFL扫描）、功能数据（视野图）和临床数据通过双向LSTM融合，实现长期青光眼进展预测 | 在70岁以上患者中性能略有下降，且为回顾性研究 | 预测青光眼未来进展，预防不可逆视力丧失 | 青光眼患者 | 数字病理学 | 青光眼 | OCT RNFL扫描，视野检查 | CNN, LSTM | 医学图像，临床数据 | 10,864名患者 | NA | ConvNeXt-V2, ViT, MobileNet-V2, EfficientNet-B0, 双向LSTM | AUC, 准确率 | NA |
| 5497 | 2025-11-26 |
Artificial intelligence in airway management: A systematic review and meta-analysis
2025-Nov, Anaesthesia, critical care & pain medicine
DOI:10.1016/j.accpm.2025.101589
PMID:40645499
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估人工智能模型在困难气道预测中的应用效果 | 首次对人工智能在气道管理领域的应用进行系统评价，并识别出表现最佳的模型架构 | 纳入研究数量有限（13篇），部分模型区分能力一般（AUC<0.80），模型验证不足 | 总结AI模型在困难气道预测中的现有证据并评估其性能 | 接受全身麻醉手术患者和急诊科患者 | 医疗人工智能 | 气道管理并发症 | 机器学习，深度学习 | 深度学习，传统机器学习 | 临床数据 | 13项研究纳入的患者数据 | R | VGG, SVM, NB | AUC, 95%置信区间, I2统计量 | R version 4.4.2 |
| 5498 | 2025-11-26 |
STANet: A Surgical Gesture Recognition Method Based on Spatiotemporal Fusion
2025-Nov, Annals of the New York Academy of Sciences
IF:4.1Q1
DOI:10.1111/nyas.70053
PMID:40991934
|
研究论文 | 提出一种基于时空融合的手术手势识别方法STANet，用于机器人手术中的动作序列建模 | 设计了时空自适应网络，通过时间模块和空间模块分别提取特征，并使用时域自适应卷积策略进行时空特征融合 | NA | 解决现有方法忽略时空特征融合的问题，有效捕捉手术手势序列的长短期依赖关系 | 手术手势识别 | 计算机视觉 | NA | 深度学习 | CNN | 视频序列 | 两个公开数据集JIGSAWS和RARP-45 | NA | STANet | NA | NA |
| 5499 | 2025-11-26 |
Accurate machine learning model for human embryo morphokinetic stage detection
2025-Nov, Journal of assisted reproduction and genetics
IF:3.2Q2
DOI:10.1007/s10815-025-03585-4
PMID:40833447
|
研究论文 | 开发了一种用于人类胚胎形态动力学阶段检测的高精度机器学习模型 | 相比现有模型准确率提升17%，能够检测17个胚胎形态动力学阶段并精确识别阶段变化时间 | 基于静态胚胎图像和固定数据集，未提及在其他数据集上的泛化能力 | 开发准确的人类胚胎植入前发育形态动力学阶段检测工具 | 人类植入前胚胎发育过程 | 计算机视觉 | 生殖医学 | 胚胎形态动力学分析 | 深度学习 | 图像 | 273,438张标注的胚胎图像 | 未明确指定 | EfficientNet-V2-Large | F1-score, 准确率 | NA |
| 5500 | 2025-11-26 |
Evaluation of a long short-term memory (LSTM)-based algorithm for predicting central frequency and synergy activation ratio using markerless motion analysis data
2025-Nov, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00498-0
PMID:41280147
|
研究论文 | 本研究开发了一种基于LSTM的深度学习算法，通过表面肌电信号和无标记运动分析数据预测肌肉疲劳和协调性 | 首次将LSTM模型与同步的肌电信号和无标记运动数据相结合，实时检测局部疲劳和协调性变化 | 样本量较小（仅5名健康男性参与者），缺乏不同人群的验证 | 提高运动表现和康复策略，通过非侵入性方法预测肌肉疲劳和协调性 | 健康男性参与者的上肢动态运动 | 机器学习 | NA | 表面肌电信号采集，无标记运动分析，非负矩阵分解 | LSTM | 肌电信号，运动数据 | 5名健康男性参与者（年龄26±1.73岁） | NA | LSTM | MSE, MAE | NA |