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 6581 - 6600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6581 | 2025-10-05 |
Deep learning for the harmonization of structural MRI scans: a survey
2024-Aug-31, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-024-01280-6
PMID:39217355
|
综述 | 本文系统综述了基于深度学习的结构MRI图像协调方法，分析不同网络架构和算法的优缺点 | 首次从网络架构、学习算法、监督策略和输出类型四个维度系统分析结构MRI协调技术，特别关注解耦表示学习等新兴方法 | 缺乏不同方法间的全面定量比较，评估标准不统一 | 为研究人员和从业者选择合适图像协调架构提供指导，推动该领域发展 | 结构MRI医学图像 | 医学图像处理 | NA | 磁共振成像(MRI) | 深度学习 | 医学图像 | NA | NA | U-Net,GAN,VAE,流式生成模型,Transformer,自定义网络架构 | 常用评估指标 | NA |
| 6582 | 2025-10-05 |
Cardiovascular Disease Risk Stratification Using Hybrid Deep Learning Paradigm: First of Its Kind on Canadian Trial Data
2024-Aug-28, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14171894
PMID:39272680
|
研究论文 | 本研究开发了一种基于混合深度学习的AtheroEdge™ 3.0HDL系统，用于心血管疾病风险分层 | 首次在加拿大试验数据上应用混合深度学习范式进行心血管疾病风险分层，相比单向深度学习、双向深度学习和机器学习范式有显著性能提升 | 研究样本量相对有限（500人），需要在更大人群中进一步验证 | 开发并验证基于颈动脉斑块特征的混合深度学习系统用于心血管疾病风险分层 | 接受颈动脉B型超声和冠状动脉造影检查的500名患者 | 数字病理 | 心血管疾病 | 颈动脉B型超声，冠状动脉造影 | 混合深度学习，单向深度学习，双向深度学习，机器学习 | 医学影像数据 | 500名患者 | NA | AtheroEdge™ 3.0HDL | p值，曲线下面积 | NA |
| 6583 | 2025-10-05 |
A multimodal deep learning model to infer cell-type-specific functional gene networks
2023-Feb-14, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-023-05146-x
PMID:36788477
|
研究论文 | 开发了一种多模态深度学习模型来预测人脑中细胞类型特异性功能基因网络 | 首次整合单核基因表达数据和全局蛋白质相互作用网络来构建细胞类型特异性功能基因网络 | 目前仅应用于人脑组织，尚未验证在其他组织中的适用性 | 预测细胞类型特异性功能基因网络以理解基因在特定细胞类型中的功能关系 | 人脑中的不同细胞类型及其功能基因网络 | 生物信息学 | 自闭症,阿尔茨海默病 | 单核RNA测序,蛋白质相互作用网络分析 | 多模态深度学习,CNN,boosting tree | 基因表达数据,蛋白质相互作用数据 | NA | NA | MDLCN,CNN | ROC曲线下面积,精确召回曲线下面积 | NA |
| 6584 | 2025-10-06 |
Optimizing delamination imaging via full wavefield segmentation using augmented simulated wavefield data
2026-Jan, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2025.107789
PMID:40819597
|
研究论文 | 提出一种结合波数滤波与混合噪声翻转增强的数据预处理策略，用于提升深度学习模型在全波场分割中对碳纤维增强聚合物分层损伤的成像性能 | 通过频域隔离分层引入的导波模态，结合噪声增强和翻转增强技术，引导深度学习模型更有效聚焦分层相关特征 | 仅使用模拟数据进行训练，虽在实验测量中验证有效，但实际应用场景的多样性可能仍需进一步验证 | 优化碳纤维增强聚合物中分层损伤的全波场分割成像 | 碳纤维增强聚合物中的分层损伤 | 计算机视觉 | NA | 全波场分割、波数滤波、导波模态分析 | 深度学习模型 | 波场数据 | NA | NA | NA | 交并比 | NA |
| 6585 | 2025-10-06 |
A Transformer-based framework with generative spectral augmentation for online monitoring of hyaluronic acid fermentation
2025-Dec-01, Carbohydrate polymers
IF:10.7Q1
DOI:10.1016/j.carbpol.2025.124278
PMID:40973290
|
研究论文 | 提出结合数据增强和深度学习的在线监测框架，用于透明质酸发酵过程中分子量和浓度的实时监测 | 首次将Wasserstein GAN with gradient penalty (WGAN-GP)数据增强技术与改进的Transformer模型相结合，用于近红外光谱分析 | 未明确说明训练数据的具体规模和发酵过程的变异范围 | 开发精确实时的透明质酸发酵过程监测方法 | 透明质酸发酵过程 | 机器学习 | NA | 近红外光谱分析 | GAN, Transformer, CNN, LSTM | 光谱数据 | NA | NA | WGAN-GP, Transformer, 1D-CNN, LSTM | 预测精度, 泛化能力 | NA |
| 6586 | 2025-10-06 |
Artificial Intelligence-Based Approaches for Brain Tumor Segmentation in MRI: A Review
2025-Nov, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70141
PMID:40962716
|
综述 | 本文综述了基于人工智能的MRI脑肿瘤分割方法 | 系统梳理了脑肿瘤分割领域的技术进展，涵盖网络架构设计、不平衡设置分割和多模态处理等关键技术主题 | 作为综述文章，不包含原始实验数据和新方法验证 | 回顾MRI脑肿瘤分割的人工智能方法 | 脑肿瘤MRI图像 | 医学影像分析 | 脑肿瘤 | MRI | CNN, ViT | 医学影像 | 基于200多篇学术文献的分析 | NA | NA | NA | NA |
| 6587 | 2025-10-05 |
Therapeutic targets in lung diseases identified through single-cell analysis and mendelian randomization
2025 Nov-Dec, Heart & lung : the journal of critical care
IF:2.4Q2
DOI:10.1016/j.hrtlng.2025.07.015
PMID:40716288
|
研究论文 | 通过单细胞分析和孟德尔随机化方法识别肺部疾病的治疗靶点 | 整合单细胞转录组数据和孟德尔随机化分析，首次构建了跨12种肺部特征的泛肺病靶点谱 | 仅对部分肺部特征（肺癌、FVC和FEV1/FVC比值）建立了因果关系，其他特征的因果验证有限 | 识别肺部疾病的因果治疗靶点并验证其遗传作用 | 12种肺部特征（10种疾病和2种功能指标：FVC和FEV1/FVC比值） | 生物信息学 | 肺癌 | 单细胞转录组测序, 孟德尔随机化, cis-eQTL分析 | 深度学习模型 | 单细胞转录组数据, 遗传数据 | 人类肺细胞图谱数据及独立验证队列 | Geneformer | NA | 共定位检验 | NA |
| 6588 | 2025-10-06 |
Self-AttentionNeXt: Exploring schizophrenic optical coherence tomography image detection investigations
2025-Sep-19, World journal of psychiatry
IF:3.9Q1
DOI:10.5498/wjp.v15.i9.108359
PMID:40933157
|
研究论文 | 开发了一种名为Self-AttentionNeXt的新型深度学习模型，用于通过光学相干断层扫描图像检测精神分裂症 | 将分组自注意力机制、残差和倒置瓶颈块相结合，构建了融合Transformer注意力机制和卷积神经网络的新型架构 | NA | 开发先进的深度学习模型对OCT图像进行分类，利用视网膜生物标志物区分精神分裂症患者和健康对照 | 精神分裂症患者的OCT图像和健康对照的OCT图像 | 计算机视觉 | 精神分裂症 | 光学相干断层扫描 | CNN, 自注意力机制 | 图像 | 自定义收集的精神分裂症OCT数据集和公开可用的OCT2017数据集 | NA | Self-AttentionNeXt（包含分组自注意力机制、残差块、倒置瓶颈块和1×1卷积） | 准确率 | NA |
| 6589 | 2025-10-06 |
Quantum-Resistant Privacy Preservation for Mobile Healthcare Services in Connected Transportation Systems via Deep Neural Architectures
2025-Sep-19, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3612210
PMID:40971270
|
研究论文 | 提出了一种用于车联网移动医疗服务的量子抗性隐私保护框架，结合格密码学和深度神经网络架构 | 首次将基于格的量子抗性密码学（Ring-LWE）与深度神经网络架构相结合，用于保护车联网环境中的移动医疗数据隐私 | 未明确说明实验数据的具体规模和来源，且未与其他量子抗性方案进行直接比较 | 开发量子计算时代下移动医疗服务的隐私保护解决方案 | 车联网环境中的移动医疗服务和敏感医疗数据 | 网络安全, 机器学习 | NA | 格密码学, 深度神经网络 | CNN, 注意力机制 | 网络数据, 医疗数据 | NA | NA | 卷积模块, 注意力模块 | 准确率, 端到端延迟, 加密开销, 入侵检测效果 | NA |
| 6590 | 2025-10-06 |
Deep Learning for simulating the evolution of condensed matter systems at the continuum scale: methods and applications
2025-Sep-19, Journal of physics. Condensed matter : an Institute of Physics journal
DOI:10.1088/1361-648X/ae096d
PMID:40972655
|
综述 | 本文系统回顾了深度学习在模拟凝聚态物质系统连续尺度演化方面的最新方法与应用 | 系统化整理了神经网络处理时间依赖演化的多种策略与架构，区分了数据驱动和物理信息策略，并讨论了混合方法 | 神经网络方法作为传统计算方法有效替代方案仍面临主要挑战和缺陷 | 研究凝聚态物理中复杂系统时间演化的模拟方法 | 凝聚态物质系统的连续尺度演化 | 机器学习 | NA | 神经网络方法 | NA | 偏微分方程解的大型数据集 | NA | NA | NA | NA | NA |
| 6591 | 2025-10-06 |
OcuViT: A Vision Transformer-Based Approach for Automated Diabetic Retinopathy and AMD Classification
2025-Sep-19, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01676-3
PMID:40973913
|
研究论文 | 提出基于视觉Transformer的OcuViT模型，用于自动分类糖尿病视网膜病变和年龄相关性黄斑变性 | 首次将视觉Transformer通过迁移学习应用于眼科诊断，并设计了高效的预处理流程 | 未明确说明模型在计算效率方面的具体表现 | 开发自动化的视网膜疾病分类系统以提高诊断精度和可靠性 | 糖尿病视网膜病变(DR)和年龄相关性黄斑变性(AMD) | 计算机视觉 | 视网膜疾病 | 深度学习，迁移学习 | Vision Transformer (ViT) | 视网膜眼底图像 | APTOS数据集和IChallenge-AMD数据集 | PyTorch | ViT-Base-Patch16-224 | 准确率，鲁棒性 | NA |
| 6592 | 2025-10-06 |
Lightweight Transfer Learning Models for Multi-Class Brain Tumor Classification: Glioma, Meningioma, Pituitary Tumors, and No Tumor MRI Screening
2025-Sep-19, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01686-1
PMID:40973910
|
研究论文 | 开发轻量级深度学习模型用于多类别脑肿瘤MRI图像分类 | 比较多种轻量级ResNet变体和自定义CNN在脑肿瘤分类中的表现，证明迁移学习在小规模临床中心的适用性 | 仅使用单一序列MRI数据，需要多序列MRI和更大患者队列验证 | 开发高效准确的脑肿瘤AI诊断解决方案 | 胶质瘤、脑膜瘤、垂体瘤和无肿瘤的MRI扫描图像 | 计算机视觉 | 脑肿瘤 | MRI成像 | CNN, ResNet | 图像 | 7023张MRI图像（5712训练，1311验证） | PyTorch, TensorFlow | ResNet-18, ResNet-34, ResNet-50, 自定义CNN | 准确率, AUC, 敏感度, 特异度, 混淆矩阵 | 有限计算资源（针对小型临床中心优化） |
| 6593 | 2025-10-05 |
Modeling the vertebrate regulatory sequence landscape by UUATAC-seq and deep learning
2025-Sep-18, Cell
IF:45.5Q1
DOI:10.1016/j.cell.2025.06.020
PMID:40633538
|
研究论文 | 通过开发UUATAC-seq技术和深度学习模型NvwaCE，系统解析脊椎动物基因组调控序列景观 | 开发了超高通量单核染色质可及性测序技术(UUATAC-seq)，并构建了能直接从基因组序列预测调控元件景观的多任务深度学习模型NvwaCE | 仅涵盖五个代表性脊椎动物物种，可能无法完全代表所有脊椎动物的调控序列多样性 | 解码脊椎动物基因组调控序列的语言和功能组织 | 五个代表性脊椎动物物种的顺式调控元件(cCREs) | 计算生物学 | NA | UUATAC-seq，染色质可及性测序 | 深度学习 | 基因组序列，染色质可及性数据 | 五个脊椎动物物种 | NA | NvwaCE | 预测精度，与QTL和基因组编辑结果的一致性 | NA |
| 6594 | 2025-10-06 |
RNA velocity and beyond: Current advances in modeling single-cell transcriptional dynamics
2025-Sep-18, Allergology international : official journal of the Japanese Society of Allergology
IF:6.2Q1
DOI:10.1016/j.alit.2025.08.005
PMID:40973591
|
综述 | 本文系统回顾了RNA Velocity技术在单细胞转录组动力学建模中的发展历程、应用进展与未来方向 | 全面梳理了从基础RNA Velocity到第二代计算工具（如scVelo、dynamo、CellRank）的演进过程，并重点探讨了在过敏和免疫疾病研究中的创新应用 | RNA Velocity分析仍存在计算挑战和方法学限制，需要进一步改进 | 总结单细胞转录动力学建模技术的最新进展，特别是在免疫疾病研究中的应用 | 单细胞RNA测序数据、免疫细胞分化过程、疾病机制研究 | 计算生物学 | 过敏性疾病和免疫介导疾病 | 单细胞RNA测序（scRNA-seq）、RNA Velocity分析 | 数学动力学模型、深度学习模型 | 单细胞转录组数据、空间转录组数据、多组学数据 | NA | NA | NA | NA | NA |
| 6595 | 2025-10-06 |
Comparative evaluation of deep learning and traditional models for predicting traffic accident severity in Saudi Arabia
2025-Sep-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-13484-4
PMID:40962904
|
研究论文 | 本研究比较了深度学习与传统模型在预测沙特阿拉伯交通事故严重程度方面的性能 | 首次在沙特阿拉伯东部省份使用人工神经网络与传统机器学习模型进行交通事故严重程度预测的对比研究 | 研究仅基于2018-2022年沙特阿拉伯东部省份的数据，可能缺乏地域普适性 | 预测交通事故严重程度以提升道路安全和事故预防能力 | 沙特阿拉伯东部14个城市的交通事故数据 | 机器学习 | NA | NA | ANN, BRT, SVM, Naïve Bayes, logistic regression | 交通事故记录数据 | 9,548起事故案例，涉及17,100辆车，造成2,527人死亡和8,020人受伤 | NA | NA | 准确率, 灵敏度, 特异性, G-mean, AUC | NA |
| 6596 | 2025-10-06 |
Augmenting conventional criteria: a CT-based deep learning radiomics nomogram for early recurrence risk stratification in hepatocellular carcinoma after liver transplantation
2025-Sep-17, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-02082-7
PMID:40962936
|
研究论文 | 开发基于CT的深度学习影像组学列线图用于预测肝细胞癌肝移植后早期复发风险 | 结合影像组学特征、深度学习特征和临床变量构建新型预测模型，相比传统标准提供额外预测价值 | 样本量相对有限（245例），仅在两中心进行验证 | 改善肝细胞癌肝移植后早期复发的风险分层和临床决策 | 肝细胞癌患者肝移植前的CT影像和临床数据 | 数字病理 | 肝细胞癌 | CT成像 | 深度学习 | 医学影像 | 245例肝细胞癌患者（训练集184例，验证集61例） | NA | NA | AUC | NA |
| 6597 | 2025-10-06 |
Non-iterative and uncertainty-aware MRI-based liver fat estimation using an unsupervised deep learning method
2025-Sep-17, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103811
PMID:40972442
|
研究论文 | 提出一种基于无监督深度学习的非迭代MRI肝脏脂肪定量方法AI-DEAL，可同时估计质子密度脂肪分数及其不确定性 | 首次结合深度学习和加权最小二乘法实现单次MRI水脂分离，能同时输出脂肪分数估计值和不确定性图谱 | 在脂肪-水模体中的PDFF偏差较大(-3.43%)，模型泛化能力仍需进一步验证 | 开发快速准确的MRI肝脏脂肪定量方法 | 肝脏质子密度脂肪分数(PDFF) | 医学影像分析 | 肝脏疾病 | CSE-MRI, 脂肪-水模体, 数值模体 | 无监督深度学习 | MRI图像 | 体内肝脏数据、脂肪-水模体、数值模体 | NA | AI-DEAL | PDFF偏差, 不确定性评估 | NA |
| 6598 | 2025-10-06 |
Unfolding the diagnostic pipeline of diabetic retinopathy with artificial intelligence: A systematic review
2025-Sep-17, Survey of ophthalmology
IF:5.1Q1
|
系统综述 | 本文系统综述了人工智能在糖尿病视网膜病变诊断流程中的应用 | 提出了完整的AI驱动DR诊断流程，包括图像预处理、视盘定位与移除、血管分割、特征提取和严重程度分类的序列化阶段 | 存在当前挑战未具体说明，且仅基于MESSIDOR数据集验证 | 探索人工智能技术在自动化糖尿病视网膜病变诊断中的应用与改进 | 糖尿病视网膜病变的诊断流程和分类系统 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | 深度学习模型 | 医学图像 | 基于MESSIDOR数据集 | NA | NA | 准确率 | NA |
| 6599 | 2025-10-06 |
Deep-Learning Driven Identification of Novel Antimicrobial Peptides
2025-Sep-16, Chemistry (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/chem.202501918
PMID:40801152
|
研究论文 | 本研究通过深度学习驱动的流程识别新型抗菌肽 | 结合HydrAMP和AMPlify两种深度学习算法进行抗菌肽的识别与筛选 | 仅对三种候选肽进行了实验验证，样本量有限 | 加速发现新型抗菌肽并进行机制表征 | 色氨酸富集短肽序列 | 机器学习 | 细菌感染 | 深度学习算法，生物物理分析 | 深度学习 | 肽序列数据 | 3种合成肽，多种革兰氏阳性和阴性细菌菌株 | NA | HydrAMP, AMPlify | 抗菌活性评估 | NA |
| 6600 | 2025-10-06 |
AI-driven hazard prioritization of plastic additives using Tox21 bioassays and self-supervised graph transformers
2025-Sep-16, Environmental toxicology and chemistry
IF:3.6Q2
DOI:10.1093/etojnl/vgaf228
PMID:40971996
|
研究论文 | 本研究利用Tox21生物测定数据和自监督图变换器模型，对塑料添加剂的潜在毒性进行AI驱动的危害优先级排序 | 首次将GROVER算法（结合变换器和自监督预训练的图神经网络）应用于塑料添加剂毒性预测，克服传统图神经网络的局限性 | 研究依赖于Tox21数据库的现有数据，可能无法覆盖所有塑料添加剂的完整毒性特征 | 筛选高用量塑料添加剂的潜在毒性，支持监管决策 | ECHA塑料添加剂倡议中400多种高用量塑料添加剂 | 机器学习 | NA | Tox21生物测定 | 图变换器,图神经网络 | 化学结构数据,生物活性数据 | 超过7,000种化学物质的Tox21数据集，包含171种塑料添加剂 | GROVER | GROVER（基于变换器的图神经网络架构） | F1分数 | NA |