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 43650 篇文献，本页显示第 601 - 620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 601 | 2026-04-22 |
scGPD: single-cell informed gene panel design for targeted spatial transcriptomics
2025-Oct-02, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.02.680117
PMID:41256660
|
研究论文 | 本文介绍了一种基于深度学习的基因面板设计框架scGPD，用于空间转录组学中的靶向基因选择 | 提出了一种基因-基因相关性感知的门控机制，从单细胞RNA-seq数据中提取信息特征，鼓励所选基因的多样性并消除冗余 | NA | 设计用于靶向空间转录组学的信息性基因面板，以捕获组织内细胞和空间异质性的复杂性 | 单细胞RNA-seq数据和空间转录组学数据 | 计算生物学 | NA | 单细胞RNA测序, 空间转录组学 | 深度学习 | 基因表达数据 | NA | NA | NA | 细胞类型分类准确率, 转录组范围表达恢复能力 | NA |
| 602 | 2026-04-22 |
Reliable deep learning for coronary artery disease detection: a patient-level, statistically validated MRI study
2025 Oct-Dec, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie
DOI:10.47162/RJME.66.4.09
PMID:41787625
|
研究论文 | 本研究评估了DenseNet121和ResNet50两种深度学习架构在利用多参数心脏磁共振成像自动检测冠状动脉疾病方面的性能和统计稳健性 | 结合了患者级别的数据划分、严格的统计验证（如Shapiro-Wilk检验和Brown-Forsythe检验）以及现实预处理流程，以生成可重复且具有临床意义的性能评估 | 未提及具体样本量、计算资源细节或外部验证结果 | 评估深度学习模型在冠状动脉疾病自动检测中的可靠性和统计稳健性 | 冠状动脉疾病患者的心脏磁共振成像数据 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像 | CNN | 图像 | NA | NA | DenseNet121, ResNet50 | 准确率, AUC-ROC, 精确率-召回率曲线下面积 | NA |
| 603 | 2026-04-22 |
Sharing a whole-/total-body [18F]FDG-PET/CT dataset with CT-derived segmentations: an ENHANCE.PET initiative
2025-Aug-05, Research square
DOI:10.21203/rs.3.rs-7169062/v2
PMID:40799763
|
研究论文 | 本文介绍了一个大型全身和全身体积的[18F]FDG-PET/CT数据集，包含1,597张PET/CT图像及对应的130个目标区域的CT衍生分割 | 提供了首个包含多中心、多病理类型（如肺癌、淋巴瘤、黑色素瘤）的大规模全身PET/CT数据集，并附带经医生验证的CT自动分割结果 | 数据集中分割结果基于CT图像自动生成后人工校正，可能存在分割误差；且仅包含特定病理类型，未覆盖所有疾病 | 通过共享带分割标注的PET/CT数据集，促进深度学习训练和多模态图像分析在临床管理中的应用 | 无显性疾病的个体及患有肺癌、淋巴瘤、黑色素瘤等不同病理的患者 | 数字病理学 | 肺癌, 淋巴瘤, 黑色素瘤 | PET/CT成像, CT自动分割 | NA | 图像（PET/CT） | 1,597张PET/CT图像，来自多中心个体，包括健康者和患者 | NA | NA | NA | NA |
| 604 | 2026-04-22 |
Accurate and real-time brain tumour detection and classification using optimized YOLOv5 architecture
2025-Jul-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07773-1
PMID:40651993
|
研究论文 | 本研究提出了一种结合全卷积神经网络和YOLOv5的集成模型，用于从MRI图像中实时、准确地检测和分类脑肿瘤 | 提出了一种将FCNN用于分类和YOLOv5用于检测与分割的集成框架，并采用RMSProp优化器提升分类性能，实现了高达98.80%的平均准确率 | 未明确提及模型在不同MRI扫描设备或成像参数下的泛化能力，也未讨论临床部署中的实时性具体要求 | 开发一种高精度、实时的脑肿瘤自动检测与分类系统，以辅助医疗影像诊断 | 脑部MRI图像中的肿瘤区域 | 计算机视觉 | 脑肿瘤 | MRI成像 | CNN, YOLO | 图像 | 未明确提及具体样本数量 | PyTorch | FCNN, YOLOv5 | 准确率, 精确率, 召回率, F1系数, 特异性 | NA |
| 605 | 2026-04-22 |
Circulating tumor cell detection in cancer patients using in-flow deep learning holography
2025-Jul-09, ArXiv
PMID:40671945
|
研究论文 | 本文介绍了一种结合数字全息显微镜、微流体富集和深度学习图像分析的系统，用于提高循环肿瘤细胞检测的敏感性和特异性 | 整合了惯性微流体预处理与双模态成像（全息术和荧光传感），并利用深度学习模型提供细胞形态学置信度，可实时分析，且发现传统EpCAM标记可能导致假阴性 | 仅进行了初步研究，样本量较小（13名前列腺癌患者和8名健康对照），需要更大规模验证 | 提高循环肿瘤细胞的检测准确性和效率，以用于癌症早期检测、预后评估和疾病监测 | 循环肿瘤细胞（CTCs），来自健康血液样本和癌细胞系，以及前列腺癌患者和健康对照的血液样本 | 数字病理学 | 前列腺癌 | 数字全息显微镜（DHM）、微流体富集、免疫荧光分析 | 深度学习模型 | 图像（全息和荧光图像） | 13名晚期前列腺癌患者和8名健康对照 | NA | NA | 患者级别假阳性率（1细胞/毫升） | NA |
| 606 | 2026-04-22 |
Discovery of naturally inspired antimicrobial peptides using deep learning
2025-06-15, Bioorganic chemistry
IF:4.5Q1
DOI:10.1016/j.bioorg.2025.108444
PMID:40209356
|
研究论文 | 本研究利用深度学习从细菌基因组中挖掘非核糖体肽合成酶基因簇，设计并优化出具有强效抗菌活性的新型抗菌肽 | 首次结合216,408个细菌基因组的NRPS基因簇挖掘与深度学习评分系统，高效发现并优化出具有膜破坏机制且与传统抗生素协同作用的抗菌肽 | 研究仅针对两种病原菌进行活性测试，尚未在更广泛的菌株或体内模型中验证效果 | 利用深度学习加速从沉默生物合成基因簇中发现天然启发的抗菌肽 | 细菌非核糖体肽合成酶基因簇及其编码的肽类化合物 | 机器学习 | 细菌感染 | 基因组挖掘，固相化学合成 | 深度学习模型 | 基因组序列数据，肽序列数据 | 216,408个细菌基因组，335,024个NRPS基因簇，328个独特肽支架 | NA | NA | 最小抑菌浓度 | NA |
| 607 | 2026-04-22 |
Regulatory risk loci link disrupted androgen response to pathophysiology of Polycystic Ovary Syndrome
2025-Jun-11, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.26.25324630
PMID:40196246
|
研究论文 | 本研究通过整合分子和表观基因组注释，并利用深度学习框架预测多囊卵巢综合征风险变异的细胞类型特异性调控效应，揭示了这些变异如何影响转录因子结合位点，从而关联雄激素反应与PCOS病理生理学 | 首次结合深度学习模型与表观基因组数据，系统预测PCOS风险变异的细胞类型特异性调控效应，并揭示其通过破坏雄激素介导信号通路导致高雄激素血症的分子机制 | 研究主要基于计算预测和体外实验验证，缺乏体内功能实验的直接证据；模型预测的增强子破坏活性仅覆盖约20%的风险变异，可能存在未检出的调控效应 | 解析PCOS遗传易感位点如何通过调控分子机制驱动疾病表型，并建立风险变异与病理生理学的功能联系 | 多囊卵巢综合征的风险遗传变异及其在脑和内分泌细胞类型中的调控效应 | 机器学习 | 多囊卵巢综合征 | 深度学习框架、表观基因组注释、报告基因检测 | 深度学习模型 | 表观基因组数据、分子注释数据 | NA | NA | NA | 与报告基因检测数据的一致性 | NA |
| 608 | 2026-04-22 |
Discovery and characterization of novel FAK inhibitors for breast cancer therapy via hybrid virtual screening, biological evaluation and molecular dynamics simulations
2025-06-01, Bioorganic chemistry
IF:4.5Q1
DOI:10.1016/j.bioorg.2025.108400
PMID:40163988
|
研究论文 | 本文通过混合虚拟筛选、生物活性评价和分子动力学模拟，发现并表征了用于乳腺癌治疗的新型FAK抑制剂 | 利用基于结构的高透明度渗透性虚拟筛选和基于几何深度学习的DeepDock算法，从内部数据库中发现了具有新型骨架的FAK抑制剂 | 未明确说明筛选数据库的具体规模或多样性限制，且仅对10种化合物进行了生物活性评估，样本量有限 | 开发针对乳腺癌的新型FAK抑制剂 | FAK（黏着斑激酶）抑制剂 | 机器学习 | 乳腺癌 | 虚拟筛选、分子对接、分子动力学模拟 | 深度学习 | 化学结构数据 | 从内部数据库筛选出10种化合物进行生物活性评估 | NA | DeepDock | 抑制活性 | NA |
| 609 | 2026-04-22 |
Deep learning inference of cell type-specific gene expression from breast tumor histopathology
2025-May-09, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.04.652089
PMID:41030996
|
研究论文 | 本研究开发了一种名为SLIDE的深度学习工具，能够直接从乳腺癌组织病理学全切片图像中预测细胞类型特异性基因表达和丰度 | 首次利用深度学习直接从组织病理学图像推断细胞类型特异性基因表达，无需进行昂贵的单细胞或批量RNA测序 | 研究主要基于TCGA乳腺癌队列，可能在其他癌症类型或更大样本中需要进一步验证 | 开发一种快速、经济高效的方法来推断乳腺癌肿瘤微环境中的细胞类型特异性基因表达 | 乳腺癌组织病理学全切片图像和相关的基因表达数据 | 数字病理学 | 乳腺癌 | 单细胞RNA测序, 批量RNA测序 | 深度学习 | 图像 | TCGA乳腺癌队列及160例独立病例 | NA | NA | NA | NA |
| 610 | 2026-04-22 |
Brain tumor segmentation and detection in MRI using convolutional neural networks and VGG16
2025-Mar, Cancer biomarkers : section A of Disease markers
IF:2.2Q3
DOI:10.1177/18758592241311184
PMID:40183298
|
研究论文 | 本研究利用卷积神经网络和VGG16模型，开发了一种用于MRI图像中脑肿瘤自动分割和检测的系统 | 提出了一种能够预测分割性能（mIoU）并检测失败事件的深度学习模型，无需在测试时访问真实数据，同时通过预期mIoU值处理数据不平衡问题 | 未明确说明模型在多样化或大规模临床数据集上的泛化能力，也未详细讨论计算资源需求或实时处理性能 | 开发一个自动化系统，用于从MRI图像中准确检测和分类脑肿瘤，以辅助医疗专业人员快速、准确诊断 | MRI图像中的脑肿瘤 | 计算机视觉 | 脑肿瘤 | 深度学习，图像处理技术 | CNN, VGG16 | 图像 | NA | Python | VGG16 | mIoU, 训练准确率, 验证准确率, 验证损失 | NA |
| 611 | 2026-04-22 |
Multiscale footprints reveal the organization of cis-regulatory elements
2025-02, Nature
IF:50.5Q1
DOI:10.1038/s41586-024-08443-4
PMID:39843737
|
研究论文 | 本文介绍了一种名为PRINT的计算方法，用于从染色质可及性数据中识别DNA-蛋白质相互作用的多尺度足迹，并开发了seq2PRINT深度学习框架以推断转录因子和核小体结合 | 开发了PRINT方法，首次从多尺度蛋白质大小角度分析染色质可及性数据中的DNA-蛋白质相互作用足迹，并结合深度学习框架seq2PRINT实现精确的调控逻辑解读 | 方法主要依赖于染色质可及性数据，可能无法完全捕捉所有DNA-蛋白质相互作用的复杂性，且应用范围目前限于特定细胞类型 | 研究顺式调控元件的组织结构和动态变化，以连接其结构与细胞命运和疾病中的功能 | 人类骨髓和小鼠造血干细胞中的顺式调控元件 | 机器学习 | NA | 染色质可及性测序 | 深度学习 | 染色质可及性数据 | NA | NA | NA | NA | NA |
| 612 | 2026-04-22 |
TimeFlies: an snRNA-seq aging clock for the fruit fly head sheds light on sex-biased aging
2025-Jan-25, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.25.625273
PMID:39896546
|
研究论文 | 本文介绍了TimeFlies，一种基于单细胞RNA测序的果蝇头部衰老时钟，利用深度学习预测供体年龄并揭示性别差异 | 开发了首个基于全基因组基因表达谱的泛细胞类型单细胞转录组衰老时钟，并应用于探究衰老中的性别差异 | 研究局限于果蝇头部，未涉及其他组织或物种，且单细胞测序数据可能存在技术偏差 | 构建单细胞转录组衰老时钟以识别年龄相关基因并探究衰老的性别差异 | 果蝇头部细胞 | 机器学习 | NA | 单细胞RNA测序 | 深度学习 | 基因表达谱 | NA | NA | NA | NA | NA |
| 613 | 2026-04-22 |
Artificial intelligence in Brazilian Primary Health Care: scoping review
2025, Revista brasileira de enfermagem
IF:1.2Q3
DOI:10.1590/0034-7167-2024-0363
PMID:41370529
|
综述 | 本文通过范围综述探讨了人工智能在巴西初级卫生保健中的应用情况 | 首次系统性地综述了人工智能在巴西初级卫生保健中的具体应用、优势与挑战 | 研究仅基于截至2025年2月的文献，可能未涵盖最新进展；且为叙述性综述，缺乏定量分析 | 提供人工智能在巴西初级卫生保健中应用的证据 | 巴西初级卫生保健系统及相关人工智能应用研究 | 医疗人工智能 | NA | 机器学习,深度学习 | NA | NA | 从981篇文献中筛选出27项研究 | NA | NA | NA | NA |
| 614 | 2026-04-22 |
Machine learning models of cerebral oxygenation (rcSO2) for brain injury detection in neonates with hypoxic-ischaemic encephalopathy
2024-11, The Journal of physiology
DOI:10.1113/JP287001
PMID:39425751
|
研究论文 | 本研究旨在测试区域脑氧饱和度(rcSO)在检测足月婴儿脑损伤中的潜在效用，并探讨rcSO特征是否与缺氧缺血性脑病(HIE)分级相关 | 首次将机器学习与深度学习模型应用于rcSO信号分析，以自动化方式预测新生儿脑损伤不良结局，并探索rcSO特征与HIE分级的关联 | 样本量较小（58例），模型预测准确度中等（AUC=0.73），需要更大规模研究验证 | 开发基于rcSO信号的机器学习模型，用于早期检测缺氧缺血性脑病新生儿的脑损伤 | 58名足月缺氧缺血性脑病新生儿（胎龄>36周） | 机器学习 | 缺氧缺血性脑病 | 近红外光谱(NIRS)监测，磁共振成像(MRI) | 机器学习模型，深度学习模型 | rcSO时间序列信号，MRI图像 | 58名足月HIE新生儿 | 未明确说明 | 未明确说明 | AUC，置信区间，马修斯相关系数 | 未明确说明 |
| 615 | 2024-09-11 |
The emergence of deep learning as the current state of art for classification and risk assessment of ventricular arrhythmias
2024-09, The Journal of physiology
DOI:10.1113/JP287420
PMID:39252427
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 616 | 2026-04-22 |
Integrated machine learning and deep learning for predicting diabetic nephropathy model construction, validation, and interpretability
2024-08, Endocrine
IF:3.0Q2
DOI:10.1007/s12020-024-03735-1
PMID:38393509
|
研究论文 | 本文构建并验证了一个用于辅助诊断糖尿病肾病的风险预测模型，结合机器学习和深度学习技术 | 通过集成多种特征选择算法筛选关键变量，并构建十个机器学习模型进行比较，最终基于最佳模型开发了在线平台 | 未明确提及模型在更广泛人群或不同医疗环境中的泛化能力验证 | 构建糖尿病肾病的风险预测模型以辅助早期诊断和筛查 | 糖尿病肾病患者数据 | 机器学习 | 糖尿病肾病 | 机器学习算法 | 随机森林 | 临床数据 | 未明确指定具体样本数量 | 未明确指定 | 随机森林 | ROC曲线下面积, 精确率-召回率, 准确率, 马修斯相关系数, Kappa系数 | NA |
| 617 | 2026-04-22 |
Applications of artificial intelligence (AI) in ovarian cancer, pancreatic cancer, and image biomarker discovery
2022, Cancer biomarkers : section A of Disease markers
IF:2.2Q3
DOI:10.3233/CBM-210301
PMID:35213360
|
综述 | 本文综述了人工智能在卵巢癌、胰腺癌及影像生物标志物发现中的应用、进展与挑战 | 系统总结了AI在卵巢癌和胰腺癌生物标志物发现中的具体应用，并强调了可解释性和可信赖AI在罕见癌症研究中的重要性 | 大多数AI模型尚未应用于临床，许多研究的影像数据未公开，疾病低流行率和无症状特性限制了数据可用性 | 探讨人工智能在卵巢癌和胰腺癌生物标志物发现中的应用进展、挑战及监管伦理考量 | 卵巢癌和胰腺癌的影像生物标志物 | 机器学习 | 卵巢癌,胰腺癌 | NA | NA | 影像数据 | NA | NA | NA | NA | NA |
| 618 | 2026-04-22 |
True ultra-low-dose amyloid PET/MRI enhanced with deep learning for clinical interpretation
2021-07, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-020-05151-9
PMID:33416955
|
研究论文 | 本研究评估了深度学习增强技术在超低剂量淀粉样蛋白PET/MRI中的应用，以提升图像质量并验证其临床诊断效能 | 首次在真实注射超低剂量（标准剂量的2.2±1.3%）淀粉样蛋白PET/MRI数据上验证深度学习增强技术的有效性，并证明了采样模拟数据的通用性 | 样本量较小（仅18名参与者），且研究仅针对淀粉样蛋白成像，未涵盖其他PET示踪剂或疾病类型 | 评估深度学习技术能否从超低剂量PET/MRI数据中合成具有诊断质量的图像，以显著降低辐射剂量 | 18名参与者的超低剂量与标准剂量18F-florbetaben PET/MRI图像数据 | 数字病理学 | 阿尔茨海默病（淀粉样蛋白相关） | PET/MRI成像，18F-florbetaben示踪剂注射 | CNN | 医学图像（PET和MRI） | 18名参与者，每名接受两次PET/MRI扫描（超低剂量和标准剂量） | NA | 预训练的卷积神经网络（具体架构未指定） | 峰值信噪比, 结构相似性, 均方根误差, 区域标准摄取值比值的变异系数, 图像质量五分制评分, 淀粉样蛋白状态分类准确率 | NA |
| 619 | 2026-04-22 |
Deep learning-based model for predicting progression in patients with head and neck squamous cell carcinoma
2020, Cancer biomarkers : section A of Disease markers
IF:2.2Q3
DOI:10.3233/CBM-190380
PMID:31658045
|
研究论文 | 本研究构建了一个基于深度学习的模型，通过整合多组学数据来预测头颈部鳞状细胞癌患者的疾病进展 | 利用自编码器整合RNA测序、miRNA测序和甲基化数据，构建了预测无进展生存期的深度学习模型，相比传统方法（如主成分分析或单独Cox比例风险模型）更准确高效 | 未明确提及样本量是否充足或模型在其他独立数据集上的泛化能力 | 预测头颈部鳞状细胞癌患者的疾病进展 | 头颈部鳞状细胞癌患者 | 机器学习 | 头颈部鳞状细胞癌 | RNA测序, miRNA测序, 甲基化测序 | 自编码器, SVM | 多组学数据 | 来自TCGA的数据，具体样本数未明确 | NA | 自编码器 | C-index | NA |
| 620 | 2026-04-21 |
Multi-timescale representation with adaptive routing for deep tabular learning under temporal shift
2026-Jul, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2026.108670
PMID:41638097
|
研究论文 | 本文提出了一种名为TARS的即插即用方法，用于在时间偏移下实现稳健的表格学习，通过多时间尺度表示和自适应路由机制提升深度模型的性能 | 首次将时间偏移视为多尺度异质动态过程，并设计了显式时间编码器、隐式漂移编码器、漂移感知路由机制和特征-时间融合层四个互补模块，以自适应地加权相关时间尺度 | 未明确讨论计算开销或模型在极端时间偏移场景下的泛化能力，实验仅限于TabReD基准中的八个数据集 | 提升深度表格学习模型在时间偏移下的稳健性和长期性能 | 随时间演变的表格数据集 | 机器学习 | NA | NA | MLP, DCNv2 | 表格数据 | NA | NA | NA | 平均相对改进 | NA |