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 32372 篇文献，本页显示第 6541 - 6560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6541 | 2025-10-06 |
Retrieval-Augmented Generation with Large Language Models in Radiology: From Theory to Practice
2025-Jul, Radiology. Artificial intelligence
DOI:10.1148/ryai.240790
PMID:40464682
|
综述 | 本文综述了基于检索增强生成的大型语言模型在放射学领域的理论与实践应用 | 将检索增强生成技术引入放射学工作流程，解决传统LLM的幻觉问题和来源不透明问题 | 需要持续改进以处理大量输入数据和复杂多智能体对话 | 探索大型语言模型在放射学工作流程优化中的应用 | 放射学工作流程和诊断实践 | 自然语言处理 | NA | 检索增强生成，少样本学习，零样本学习，多步推理 | 大型语言模型 | 文本数据 | NA | NA | NA | NA | NA |
| 6542 | 2025-10-06 |
Establish a simple and quantitative deep learning-based method to analyse complicated intra- and inter-species social interaction behaviour for four stag beetle species
2025-Jul, Open biology
IF:4.5Q1
DOI:10.1098/rsob.250060
PMID:40628294
|
研究论文 | 开发基于深度学习的简单定量方法分析四种锹形虫物种复杂的社会互动行为 | 首次将DeepLabCut™姿态估计工具应用于昆虫社会行为量化分析，实现客观定量的行为测量 | 研究基于实验室环境下的 staged encounters，可能与自然行为存在差异 | 建立定量分析方法理解锹形虫社会行为的生态和进化意义 | 四种锹形虫物种的社会互动行为 | 计算机视觉 | NA | 视频行为分析，姿态估计 | CNN | 视频 | 四种锹形虫物种的高分辨率视频数据 | DeepLabCut™ | NA | 姿态估计准确性，行为参数提取精度 | NA |
| 6543 | 2025-10-06 |
Deep Learning of Suboptimal Spirometry to Predict Respiratory Outcomes and Mortality
2025-Jun-30, Research square
DOI:10.21203/rs.3.rs-6296752/v1
PMID:40630516
|
研究论文 | 本研究开发了一种基于对比学习的深度学习模型，利用次优肺活量测定数据预测呼吸系统结局和死亡率 | 首次证明次优肺活量测定数据（包括质量控制失败和次最大努力数据）可用于预测呼吸系统结局，通过对比学习框架整合所有肺活量测定曲线 | 在COPDGene队列中添加次优数据未改善预测性能，需要在特定临床场景中进一步验证性能 | 探索机器学习模型能否基于次优肺活量测定数据预测呼吸系统结局和死亡率 | UK Biobank和COPDGene队列参与者，年龄40-80岁，有吸烟史 | 机器学习 | 呼吸系统疾病 | 肺活量测定 | 深度学习 | 时间序列数据（容量-时间曲线） | UK Biobank：352,684名参与者，940,705条容量-时间曲线；COPDGene：10,110名参与者 | NA | 对比学习框架（Spiro-CLF） | AUROC, concordance index | NA |
| 6544 | 2025-10-06 |
Broadscale reconnaissance of coral reefs from citizen science and deep learning
2025-Jun-27, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-14261-6
PMID:40571887
|
研究论文 | 通过公民科学与深度学习相结合的方法对珊瑚礁进行大规模勘测 | 结合公民科学的大视场底栖图像采集与深度学习分析，实现了对关键珊瑚类群覆盖度的准确估算 | '所有其他珊瑚'单一类别的估算精度仅在60%的站点和10-30%珊瑚覆盖度的图像中达到95%准确率 | 评估公民科学与新技术结合在珊瑚礁监测中的准确性和可行性 | 珊瑚礁底栖生物群落 | 计算机视觉 | NA | 大视场底栖图像采集 | 深度学习 | 图像 | 8086张底栖图像 | NA | NA | 准确率 | NA |
| 6545 | 2025-10-06 |
Deep learning NTCP model for late dysphagia after radiotherapy for head and neck cancer patients based on 3D dose, CT and segmentations
2025-Jun-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.06.20.25329926
PMID:40585085
|
研究论文 | 本研究开发了一种基于深度学习的NTCP模型，用于预测头颈癌放疗后晚期吞咽困难 | 首次将3D剂量分布、器官分割和CT扫描数据结合到深度学习模型中，相比传统NTCP模型能更全面捕捉吞咽困难的复杂性 | 研究样本量相对有限，且为多中心回顾性研究 | 提高头颈癌患者放疗后晚期吞咽困难的预测准确性 | 头颈癌放疗患者 | 医学影像分析 | 头颈癌 | 放射治疗，CT扫描 | CNN | 3D剂量分布，器官分割，CT扫描图像 | 1484名头颈癌患者的多机构队列 | NA | Residual Network | AUC，校准曲线 | NA |
| 6546 | 2025-10-06 |
De novo design of insulated cis-regulatory elements based on deep learning-predicted fitness landscape
2025-Jun-20, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf611
PMID:40613715
|
研究论文 | 提出基于深度学习预测适应度景观的绝缘顺式调控元件从头设计策略 | 通过整合异源配对顺式和反式调控模块建立正交宿主系统，结合深度学习算法实现宿主非依赖性转录活性的建模与序列设计 | NA | 开发能够精确预测基因调控活性的生物工程方法 | 顺式调控元件、转录启动子序列 | 生物信息学 | NA | 深度学习算法、实验数据纯化流程 | 深度学习 | 生物序列数据、转录活性数据 | 在大肠杆菌和中国仓鼠卵巢细胞系中验证 | NA | NA | 转录活性预测准确性 | NA |
| 6547 | 2025-10-06 |
Knowledge Graph-Enhanced Deep Learning Model (H-SYSTEM) for Hypertensive Intracerebral Hemorrhage: Model Development and Validation
2025-Jun-12, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/66055
PMID:40505141
|
研究论文 | 开发了一种基于知识图谱增强的深度学习模型H-SYSTEM，用于高血压性脑出血的诊断和治疗决策支持 | 将医学领域知识图谱与深度学习模型相结合，提高决策准确性和可解释性 | NA | 开发可解释且高效的高血压性脑出血诊疗决策支持系统 | 高血压性脑出血患者 | 自然语言处理, 数字病理 | 高血压性脑出血 | 命名实体识别, 语义分析, 知识图谱构建 | BERT, IDCNN, BiLSTM, CRF | 电子病历文本 | 来自6个医疗中心的605名患者 | NA | BERT-IDCNN-BiLSTM-CRF | 准确率, 精确率, 召回率, F1分数, AUC, κ系数 | NA |
| 6548 | 2025-10-06 |
Image-based evaluation of single-cell mechanics using deep learning
2025-Jun-05, Cell regeneration (London, England)
DOI:10.1186/s13619-025-00239-9
PMID:40468050
|
研究论文 | 本研究开发基于图像的深度学习模型，用于无创预测单细胞力学特性 | 首次将深度学习应用于单细胞水平力学特性评估，实现高通量、非侵入性的细胞刚度预测 | NA | 开发基于图像的深度学习方法来评估单细胞力学特性 | 间充质干细胞和巨噬细胞 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | 灵敏度 | NA |
| 6549 | 2025-10-06 |
Predicting ustekinumab treatment response in Crohn's disease using pre-treatment biopsy images
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf301
PMID:40366737
|
研究论文 | 提出一种基于预治疗活检图像的聚类增强弱监督学习框架，用于预测克罗恩病患者对乌司奴单抗的治疗反应 | 结合预训练视觉基础模型与k-means聚类识别代表性形态模式，采用多示例学习方法整合局部组织学特征和全局组织背景 | 研究样本量有限，需要在更大规模数据集中验证模型泛化能力 | 开发能够准确预测克罗恩病患者对乌司奴单抗治疗反应的深度学习模型 | 克罗恩病患者的预治疗全切片图像 | 数字病理学 | 克罗恩病 | 全切片成像 | CNN, 多示例学习 | 图像 | 独立测试集（具体数量未明确说明） | PyTorch | DenseNet | AUC, 灵敏度, 特异性 | NA |
| 6550 | 2025-10-06 |
Simple controls exceed best deep learning algorithms and reveal foundation model effectiveness for predicting genetic perturbations
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf317
PMID:40407144
|
研究论文 | 本文提出了一种简单的基线方法，在基因扰动后转录组预测任务中优于最先进的深度学习算法 | 提出了超越现有深度学习方法的简单基线方法，并阐明了基础模型在扰动预测任务中的实用性 | 未明确说明具体的数据集规模和模型计算资源需求 | 评估基因扰动后转录组预测方法的实用性和建立必要的基准测试 | 基因扰动后的转录组响应预测 | 机器学习 | NA | 转录组测序 | Transformer | 基因表达数据 | NA | NA | Transformer | NA | NA |
| 6551 | 2025-10-06 |
TRENDY: gene regulatory network inference enhanced by transformer
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf314
PMID:40408160
|
研究论文 | 提出一种名为TRENDY的新型基因调控网络推断方法，通过整合Transformer模型增强基于机制的WENDY方法 | 首次将Transformer模型整合到基于机制的GRN推断方法中，并展示了该方法可广泛提升多种GRN推断方法的性能 | 未在论文摘要中明确说明 | 开发更准确的基因调控网络推断方法 | 基因调控网络 | 机器学习 | NA | 基因表达数据分析 | Transformer | 基因表达数据 | NA | NA | Transformer | NA | NA |
| 6552 | 2025-10-06 |
A deep learning-based method for predicting the frequency classes of drug side effects based on multi-source similarity fusion
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf319
PMID:40424358
|
研究论文 | 本文开发了一种基于多源相似性融合的深度学习方法来预测药物副作用的频率类别 | 提出多源相似性融合模型，利用多源特征融合模块和自注意力机制深入探索药物与副作用关系，并采用贝叶斯变分推断更准确预测副作用频率类别 | NA | 预测药物副作用在人群中的频率类别，指导患者用药和药物研发 | 药物副作用 | 机器学习 | NA | 多源相似性融合 | 深度学习 | 多源药物相似性数据 | NA | NA | 自注意力机制 | 交叉验证、冷启动实验、独立测试 | NA |
| 6553 | 2025-10-06 |
Residue conservation and solvent accessibility are (almost) all you need for predicting mutational effects in proteins
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf322
PMID:40434923
|
研究论文 | 本文提出了一种基于残基保守性和溶剂可及性的简单进化评分方法，用于预测蛋白质突变效应 | 发现简单的进化评分（野生型和突变残基频率对数比）按残基相对溶剂可及性缩放后，性能与或略优于更复杂的深度学习模型 | 未详细探讨复杂模型学习到的额外信息，对突变景观预测的局限性认识有限 | 开发准确且可解释的蛋白质突变效应预测方法 | 蛋白质突变及其对生物物理性质的影响 | 计算生物学 | NA | 进化分析，深度突变扫描 | 进化评分模型 | 蛋白质序列数据，突变数据 | ProteinGym深度突变扫描数据集中的突变 | Python | RSALOR模型 | 稳定性、活性、适应性等生物物理性质评估 | NA |
| 6554 | 2025-10-06 |
Knowledge-enhanced protein subcellular localization prediction from 3D fluorescence microscope images
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf331
PMID:40459878
|
研究论文 | 开发了一种知识增强的蛋白质亚细胞定位预测模型KE3DLoc，可从3D荧光显微镜图像中识别蛋白质分布模式 | 结合3D和2D投影细胞信息设计图像特征提取模块，引入基因本体论知识图谱优化蛋白质表示，并设计蛋白质ID聚合增强特征一致性 | 未明确提及具体局限性，但暗示3D图像处理面临数据缺乏和建模复杂性的挑战 | 从3D荧光显微镜图像中自动识别蛋白质亚细胞定位，促进蛋白质转运分析和生物标志物发现 | 蛋白质亚细胞定位 | 计算机视觉 | NA | 3D荧光显微镜成像 | 深度学习 | 3D图像 | 三个公共数据集（未明确具体样本数量） | NA | KE3DLoc（包含图像特征提取模块和知识增强模块） | NA | NA |
| 6555 | 2025-10-06 |
Gene spatial integration: enhancing spatial transcriptomics analysis via deep learning and batch effect mitigation
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf350
PMID:40511994
|
研究论文 | 提出一种基于深度学习的基因空间整合方法，用于增强空间转录组学分析并解决批次效应问题 | 开发了利用表示学习方法将基因空间分布特征整合到基因表达特征空间的创新流程，并有效缓解多样本整合时的批次效应 | 方法仅在人类背外侧前额叶皮层数据集上验证，需要更多组织类型验证通用性 | 提升空间转录组学数据分析性能，特别是聚类分析效果 | 空间转录组学数据，特别是人类背外侧前额叶皮层样本 | 生物信息学 | NA | 空间转录组学 | 自编码器 | 空间转录组学数据，基因表达数据 | 人类背外侧前额叶皮层数据集（包括样本151673、151672等） | NA | 自编码器网络 | ARI分数 | NA |
| 6556 | 2025-10-06 |
GOBoost: leveraging long-tail gene ontology terms for accurate protein function prediction
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf267
PMID:40581608
|
研究论文 | 提出GOBoost方法，通过长尾优化集成策略解决蛋白质功能预测中基因本体术语的长尾分布问题 | 引入长尾优化集成策略、全局-局部标签图模块和多粒度焦点损失函数来增强长尾功能信息 | NA | 提高蛋白质功能预测的准确性，特别是针对长尾分布的基因本体术语 | 蛋白质功能预测 | 机器学习 | NA | 深度学习 | NA | 蛋白质数据 | PDB和AF2数据集 | NA | NA | AUPR | NA |
| 6557 | 2025-10-06 |
CT-Based Deep Learning Predicts Prognosis in Esophageal Squamous Cell Cancer Patients Receiving Immunotherapy Combined with Chemotherapy
2025-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.01.046
PMID:39956748
|
研究论文 | 本研究开发了一种基于CT的深度学习模型，用于预测接受免疫治疗联合化疗的食管鳞癌患者的生存预后 | 首次将肿瘤周围区域扩展与深度学习相结合，并构建多模态模型整合影像特征与临床指标 | 回顾性研究设计，外部测试集性能相对较低(C-index=0.60) | 开发准确的预处理风险分层工具以改善食管鳞癌患者的个性化治疗策略 | 接受免疫治疗联合化疗的食管鳞癌患者 | 数字病理 | 食管鳞癌 | CT扫描 | 深度学习 | CT影像 | 482例患者(训练集322例，内部测试集79例，外部测试集81例) | NA | NA | C-index, ROC曲线, 风险比, Kaplan-Meier分析 | NA |
| 6558 | 2025-10-06 |
Artificial intelligence-assisted detection of nasopharyngeal carcinoma on endoscopic images: a national, multicentre, model development and validation study
2025-Jun, The Lancet. Digital health
DOI:10.1016/j.landig.2025.03.001
PMID:40544083
|
研究论文 | 开发基于深度学习的鼻咽癌内窥镜图像辅助诊断系统 | 首次开发基于Swin Transformer的鼻咽诊断系统，并在全国多中心进行大规模验证 | 研究主要基于中国人群数据，需要进一步验证在其他人群中的适用性 | 通过人工智能辅助提高鼻咽癌的早期诊断准确性 | 鼻咽癌、良性增生和正常鼻咽组织的内窥镜图像 | 计算机视觉 | 鼻咽癌 | 内窥镜成像 | 深度学习 | 图像 | 27,362张内窥镜图像（10,693例鼻咽癌，7,073例良性增生，9,596例正常），来自15,521名参与者 | NA | Swin Transformer | AUC, 敏感性, 特异性, 准确率 | NA |
| 6559 | 2025-10-06 |
The Paradox of Knowledge: Why Medical Students Know More But Understand Less
2025-Jun, Medical science educator
IF:1.9Q2
DOI:10.1007/s40670-025-02379-8
PMID:40626000
|
评论 | 分析医学教育中知识掌握与临床理解脱节的矛盾现象及其解决路径 | 首次系统阐述医学教育中“知识越多理解越少”的悖论现象及其形成机制 | 未提供具体实证数据支持理论分析 | 探讨医学教育体系存在的根本问题并提出改革方向 | 医学教育体系与医学生培养模式 | 医学教育 | NA | 教育理论分析 | NA | 理论分析 | NA | NA | NA | NA | NA |
| 6560 | 2025-10-06 |
Deep Learning Model for Natural Language to Assess Effectiveness of Patients With Non-Muscle Invasive Bladder Cancer Receiving Intravesical Bacillus Calmette-Guérin Therapy
2025-Jun, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI-24-00249
PMID:40577661
|
研究论文 | 开发基于深度学习的自然语言处理模型，利用电子健康记录评估非肌层浸润性膀胱癌患者接受BCG治疗的临床结局 | 首次使用BERT模型从电子健康记录中自动提取非肌层浸润性膀胱癌患者的治疗结局信息 | 需要10%的人工审核支持，且为回顾性研究 | 评估BCG治疗在非肌层浸润性膀胱癌患者中的有效性 | 接受BCG诱导治疗的日本非肌层浸润性膀胱癌成人患者 | 自然语言处理 | 膀胱癌 | 电子健康记录分析 | BERT | 文本 | 372名患者 | NA | BERT | 精确率,召回率,F1分数,风险比 | NA |