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 40262 篇文献，本页显示第 6741 - 6760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6741 | 2025-12-04 |
Deep learning-driven adaptive optics for single-molecule localization microscopy
2023-11, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-023-02029-0
PMID:37770712
|
研究论文 | 本文提出了一种基于深度学习的自适应光学方法，用于单分子定位显微镜，以直接推断波前畸变并进行近实时补偿，从而提高成像分辨率 | 开发了深度学习驱动的自适应光学系统，绕过传统的迭代试错过程，直接从单分子发射模式推断共享波前畸变，实现近实时补偿 | NA | 提高单分子定位显微镜在生物组织中的成像分辨率和保真度 | 单分子发射模式，波前畸变，脑组织样本 | 计算机视觉 | NA | 单分子定位显微镜 | 深度神经网络 | 图像 | 超过130微米厚的脑组织样本 | NA | NA | 分辨率，保真度 | NA |
| 6742 | 2025-12-04 |
CryoREAD: de novo structure modeling for nucleic acids in cryo-EM maps using deep learning
2023-11, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-023-02032-5
PMID:37783885
|
研究论文 | 本文介绍了一种名为CryoREAD的深度学习方法，用于在冷冻电镜图中从头建模核酸的原子结构 | 提出首个完全自动化的深度学习方法来从头建模DNA/RNA的原子结构，特别是在分辨率低于原子水平时仍能实现 | 方法在分辨率低于5.0 Å的冷冻电镜图中测试，可能对更低分辨率图的适用性有限 | 开发一种自动化工具，以解决核酸在冷冻电镜图中结构建模的挑战 | DNA和RNA的三维结构，以及它们与蛋白质的复合物 | 结构生物学, 深度学习 | NA | 冷冻电镜（cryo-EM） | 深度学习 | 冷冻电镜图 | 在2.0至5.0 Å分辨率的冷冻电镜图上测试，并应用于SARS-CoV-2的生物分子复合物图 | NA | NA | 准确性 | NA |
| 6743 | 2025-12-04 |
EmbryoNet: using deep learning to link embryonic phenotypes to signaling pathways
2023-06, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-023-01873-4
PMID:37156842
|
研究论文 | 本研究开发了一个名为EmbryoNet的深度卷积神经网络，用于自动识别斑马鱼信号通路突变体的表型缺陷 | 首次利用深度学习结合时间依赖性发育轨迹模型，无偏地准确识别和分类七种主要脊椎动物发育信号通路的功能缺失表型缺陷 | 分类方案尚未标准化，且需要专家知识进行验证 | 通过自动表型分析链接胚胎表型与信号通路，以识别发育缺陷的潜在信号机制 | 斑马鱼胚胎及其信号通路突变体 | 计算机视觉 | NA | 深度学习，自动表型分析 | CNN | 图像 | 超过200万张用于训练和测试的图像 | NA | EmbryoNet | 高精度分类 | NA |
| 6744 | 2025-12-04 |
A Unified Learning Model for Estimating Fiber Orientation Distribution Functions on Heterogeneous Multi-shell Diffusion-Weighted MRI
2023, Computational diffusion MRI. CDMRI (Workshop)
DOI:10.1007/978-3-031-47292-3_2
PMID:41321351
|
研究论文 | 本文提出了一种统一的动态网络，用于在异质多壳扩散加权MRI序列上高效估计纤维取向分布函数 | 采用单阶段球形卷积神经网络，避免了传统多阶段学习策略对中间表示的依赖，提高了估计效率和一致性 | 研究主要基于HCP年轻成人数据，未广泛验证于其他人群或临床场景，且未讨论模型在更复杂病理条件下的泛化能力 | 开发一种更高效和一致的纤维取向分布函数估计方法，以改进扩散加权MRI在组织分类和微结构成像中的应用 | 人类连接组计划中的年轻成人受试者，使用重测扫描数据 | 医学影像分析 | NA | 多壳扩散加权MRI | 球形卷积神经网络 | 扩散加权MRI图像 | 人类连接组计划年轻成人数据集，包含重测扫描 | NA | 球形卷积神经网络 | 重测一致性，估计效率 | NA |
| 6745 | 2025-12-03 |
Making AI accessible for forensic DNA profile analysis
2026-Feb, Forensic science international. Genetics
DOI:10.1016/j.fsigen.2025.103345
PMID:40848662
|
研究论文 | 本研究探索使用案例工作中收集的数据和广泛采用的U-Net架构训练高性能模型，用于法医DNA分析中的等位基因自动识别 | 首次利用案例工作数据而非手动标注数据训练U-Net模型进行等位基因识别，实现了与人类分析师相当的性能，并公开了代码、模型权重和研究数据以促进社区发展 | 未明确说明数据、标注或模型架构中哪些方面对性能起关键作用，未来工作需进一步探索这些因素 | 开发一种易于访问且高性能的深度学习模型，用于自动化法医DNA分析中的等位基因识别 | 法医DNA分析中的电泳图（EPG）数据，包括案例数据和独立混合研究数据 | 计算机视觉 | NA | DNA分析，电泳图（EPG）技术 | CNN | 图像（电泳图扫描点） | 未明确指定具体样本数量，但包括案例数据和独立混合研究数据 | 未明确指定，但可能基于PyTorch或TensorFlow（因U-Net常用） | U-Net | F1分数 | NA |
| 6746 | 2025-12-03 |
A semi-supervised learning-based framework for quantifying litter fluxes in river systems
2026-Jan-15, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2025.124833
PMID:41161028
|
研究论文 | 本文提出了一种结合半监督学习和切片辅助超推理的框架，用于量化河流横截面漂浮垃圾通量 | 首次将半监督学习与SAHI方法结合用于河流漂浮垃圾通量量化，解决了监督学习依赖大量标注数据和小垃圾物品检测困难的问题 | 框架仍会严重低估垃圾通量（比人工测量低3-4倍），主要因透明垃圾和困在水葫芦中的物品漏检 | 开发一种更高效准确的河流漂浮垃圾通量量化方法，以支持污染评估 | 河流水面漂浮的宏观塑料垃圾（>5毫米） | 计算机视觉 | NA | 半监督学习，切片辅助超推理 | CNN | 图像 | 来自荷兰、印度尼西亚和越南水道的图像数据，具体数量未明确说明 | PyTorch | ResNet50, Faster R-CNN | F1分数 | NA |
| 6747 | 2025-12-03 |
Floc image-driven deep learning enhanced by temporal windows and transformers for carbon emission reduction in drinking water treatment plants
2026-Jan-15, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2025.124868
PMID:41202793
|
研究论文 | 本研究通过引入絮体形态特征提取、时间窗口选择和Transformer架构集成等策略，优化深度学习模型，用于饮用水处理厂的精确混凝剂投加，以实现碳减排 | 提出了创新的絮体形态特征提取方法、时间窗口选择策略以及Transformer架构的集成，显著提升了深度学习模型在短期数据下的性能 | 研究仅基于一个月的数据进行训练，虽然通过自更新机制确保长期适应性，但初始数据量有限可能影响模型的泛化能力 | 优化深度学习算法以实现饮用水处理厂中混凝剂的精确投加，从而提升水净化效率并减少碳排放 | 饮用水处理厂中的混凝剂投加过程 | 机器学习 | NA | 絮体图像分析 | CNN, LSTM, GAN, Transformer | 图像, 时间序列数据 | 一个月的数据 | TensorFlow, PyTorch | Temporal Convolutional Network (TCN), Transformer | R, R² | NA |
| 6748 | 2025-12-03 |
Will artificial intelligence solve the riddle of athlete development? A critical review of how AI is being used for athlete identification, selection, and development
2026-Jan, Psychology of sport and exercise
IF:3.1Q1
DOI:10.1016/j.psychsport.2025.102978
PMID:41038088
|
综述 | 本文批判性地回顾了人工智能在运动员识别、选拔和发展领域的应用现状与挑战 | 系统梳理了人工智能在体育科学中应用于运动员发展的三个主要领域，并强调了创新与批判性评估的平衡方法 | 未明确提及具体研究限制，但暗示了该领域应用范围与效用尚不完全明确 | 探讨人工智能在运动员发展（包括识别、选拔和培养）中的使用范围、效用及相关挑战 | 体育科学研究中使用人工智能的文献 | 机器学习 | NA | 机器学习，深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 6749 | 2025-12-03 |
Machine Learning Approaches for Predicting RNA-RNA/DNA Interactions
2026, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4670-0_14
PMID:41174207
|
综述 | 本章介绍用于预测RNA-RNA/DNA相互作用的机器学习方法，这对于理解非编码RNA功能至关重要 | 利用深度学习技术和来自高通量测序方法的大规模相互作用数据，开发出比传统基于能量方法更准确的预测工具 | 存在过拟合风险和需要第三方验证等挑战 | 预测RNA-RNA/DNA相互作用以理解非编码RNA功能 | 原核小RNA、一般RNA-RNA相互作用、miRNAs、box C/D snoRNAs、lncRNA-DNA三链体、CRISPR引导RNA设计 | 机器学习 | NA | 高通量测序 | 深度学习 | 相互作用数据 | NA | NA | NA | 准确性 | NA |
| 6750 | 2025-12-03 |
Deep learning-based hyperspectral oil spill detection for marine pollution monitoring in the Gulf of Mexico: A step toward marine pollution monitoring and SDG 14 compliance
2026-Jan, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.118908
PMID:41202730
|
研究论文 | 本研究应用高光谱遥感数据与深度学习技术，提高墨西哥湾石油泄漏检测的准确性和效率 | 结合高光谱影像的丰富光谱信息与深度学习分割模型，实现可靠的石油污染区域检测 | 数据稀缺和高维度问题通过主成分分析和标准化补丁输入处理，但未讨论模型泛化能力或实时检测限制 | 增强石油泄漏检测精度和效率，支持海洋污染监测和可持续发展目标14的合规性 | 墨西哥湾的石油泄漏污染区域 | 计算机视觉 | NA | 高光谱遥感 | CNN | 图像 | 使用公开可用的高光谱石油泄漏数据库（HOSD） | NA | U-Net, DeepLabv3 | IoU, F1分数, 精确率, 召回率 | NA |
| 6751 | 2025-12-03 |
A deep learning-based method for marine oil spill detection and its application in UAV imagery
2026-Jan, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.118889
PMID:41166779
|
研究论文 | 本研究开发了一种基于YOLOv12的无人机图像海洋溢油检测框架，旨在提高溢油检测的准确性和边界划分的精度 | 提出了一种基于YOLOv12的无人机图像溢油检测框架，通过高分辨率输入、预训练权重初始化和余弦退火学习率调度策略，增强了污染特征表示能力 | 未明确提及模型在极端天气或夜间条件下的性能，也未讨论计算资源需求或实时处理速度的详细限制 | 开发高效智能的海洋溢油检测机制，以支持早期预警和快速响应，保护海洋生态系统和沿海经济安全 | 无人机图像中的海洋溢油区域 | 计算机视觉 | NA | 无人机遥感成像 | CNN | 图像, 视频 | 构建了一个包含多样溢油形态、不同海洋干扰条件和多尺度目标的遥感图像数据集 | NA | YOLOv12 | F1 Score, mAP@0.5, mAP@0.5-0.95, 精确率-召回率曲线 | NA |
| 6752 | 2025-12-03 |
Letter re: A deep learning model for preoperative risk stratification of pancreatic ductal adenocarcinoma based on genomic predictors of liver metastasis
2025-Dec-09, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2025.116046
PMID:41326211
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6753 | 2025-10-30 |
AI-Enabled Echocardiography Interpretation With Multitask Deep Learning
2025-Dec-02, JAMA
DOI:10.1001/jama.2025.16625
PMID:41160021
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6754 | 2025-10-30 |
AI-Enabled Echocardiography Interpretation With Multitask Deep Learning-Reply
2025-Dec-02, JAMA
DOI:10.1001/jama.2025.16627
PMID:41160035
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6755 | 2025-10-30 |
AI-Enabled Echocardiography Interpretation With Multitask Deep Learning
2025-Dec-02, JAMA
DOI:10.1001/jama.2025.16623
PMID:41160046
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6756 | 2025-12-03 |
MSformer: A Meta-Structure Based Interpretable Framework for Representation Learning of Natural Products
2025-Dec-02, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03958
PMID:41201272
|
研究论文 | 本文提出了一种基于元结构的可解释框架MSformer，用于自然产物的表示学习，以解决其结构复杂性和数据稀缺性问题 | MSformer通过质谱启发的元结构碎片化算法，在有限自然产物数据集上进行预训练，实现了对自然产物结构丰富性和药物相关性的高效捕获，并提供了层次化可解释性 | 预训练仅基于40万个自然产物数据，可能无法覆盖所有自然产物结构多样性 | 开发一种用于自然产物表示学习的深度学习框架，以促进药物发现 | 自然产物及其化学结构 | 自然语言处理 | NA | 质谱启发的碎片化算法 | Transformer | 化学结构数据 | 40万个自然产物，生成2.34亿个元结构 | NA | Transformer | NA | NA |
| 6757 | 2025-12-03 |
Neural network-driven direct CBCT-based dose calculation for head-and-neck proton treatment planning
2025-Dec-02, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae222a
PMID:41265034
|
研究论文 | 本研究开发并验证了一种基于扩展长短期记忆（xLSTM）神经网络的深度学习方法，用于直接从锥形束计算机断层扫描（CBCT）图像进行质子剂量计算 | 首次将xLSTM神经网络应用于直接CBCT质子剂量计算，通过能量令牌编码和射束视角序列建模捕捉质子剂量沉积模式的空间依赖性，消除了传统校正工作流程 | 研究为回顾性分析，样本量有限（40例患者），且仅针对头颈部癌症进行了验证 | 开发一种准确且高效的直接CBCT质子剂量计算方法，以支持自适应质子治疗计划 | 头颈部癌症患者的配对计划CT图像和治疗CBCT图像 | 医学影像分析 | 头颈部癌症 | 锥形束计算机断层扫描（CBCT），蒙特卡洛（MC）模拟 | xLSTM | 医学影像（CT，CBCT） | 40例头颈部癌症患者的回顾性数据集，包含配对计划CT和治疗CBCT图像；训练使用82,500个配对的质子笔形束配置 | NA | xLSTM | 伽马通过率，平均百分比剂量误差，剂量体积直方图比较，临床靶区V95%差异，危及器官平均剂量差异 | NA |
| 6758 | 2025-12-03 |
Characterizing the Immune Response in Pig-to-Human Heart Xenografts Using a Multimodal Diagnostic System
2025-Dec-02, Circulation
IF:35.5Q1
|
研究论文 | 本研究通过多模态诊断系统，对猪到人心脏异种移植物的免疫反应进行了精确表征 | 首次结合形态学评估、免疫表型分析、超微结构评估、自动定量多重免疫荧光染色和基因表达谱分析，对猪到人心脏异种移植物的异种免疫反应进行多模态表型分析 | 研究仅基于两个异种移植物样本，样本量较小，且仅在再灌注后66小时进行分析，可能未捕捉到免疫反应的长期动态 | 精确表征猪到人心脏异种移植物中的异种免疫反应和损伤 | 从10基因编辑猪移植到脑死亡人类受体的两个心脏异种移植物 | 数字病理学 | 心血管疾病 | 多重免疫荧光染色, 基因表达谱分析 | 深度学习 | 图像, 基因表达数据 | 两个心脏异种移植物样本，以及作为对照的植入前异种移植物和野生型猪心脏（包括有/无缺血/再灌注损伤和脑死亡） | NA | NA | NA | NA |
| 6759 | 2025-12-03 |
3D Automated Segmentation of Bronchial Abnormalities on Ultrashort Echo Time MRI: A Quantitative MR Outcome in Cystic Fibrosis
2025-Dec-02, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70196
PMID:41328895
|
研究论文 | 开发了一种基于深度学习的系统，用于在超短回波时间MRI上自动分割囊性纤维化支气管异常，并评估其在临床治疗监测中的相关性 | 首次将深度学习应用于超短回波时间MRI上囊性纤维化支气管异常的自动分割，并验证了其在CFTR调节剂治疗监测中的临床价值 | 研究为回顾性设计，样本量有限，且依赖于专家精修分割作为金标准 | 开发一个深度学习系统，用于在超短回波时间MRI上分割囊性纤维化支气管异常，并评估其临床相关性 | 囊性纤维化患者的支气管异常，包括支气管扩张、管壁增厚和黏液 | 数字病理学 | 囊性纤维化 | 超短回波时间MRI | CNN | 3D MRI图像 | 166名囊性纤维化患者，包括训练集97例、测试集25例和独立临床验证队列44例 | NA | RiSeNet | 归一化表面Dice, 中心线Dice | NA |
| 6760 | 2025-12-03 |
Non-invasive hemoglobin estimation with outcome prediction via deep learning analysis of ECG-derived cardiac micro-dynamics
2025-Dec-02, Internal and emergency medicine
IF:3.2Q1
DOI:10.1007/s11739-025-04209-6
PMID:41329232
|
研究论文 | 本研究开发了一种基于心电图和深度学习的非侵入性血红蛋白估计模型，用于贫血检测并评估其对全因死亡率和新发心力衰竭的预测能力 | 首次利用深度学习分析心电图衍生的心脏微动力学特征来非侵入性估计血红蛋白水平，并验证其在心血管风险预测中的预后价值 | 研究为回顾性设计，可能受到选择偏倚的影响；模型性能在轻度贫血检测中相对较低；外部验证仅来自两家医院 | 开发一种非侵入性、低成本的贫血筛查工具，并评估其与心血管结局的关联 | 心电图信号与对应的血红蛋白水平数据 | 数字病理学 | 心血管疾病 | 心电图分析 | 深度学习模型 | 心电图信号 | 训练集：187,202名患者的388,166份心电图；内部测试集：24,279名患者；外部测试集：29,247名患者 | NA | NA | AUC, 敏感性, 特异性, Pearson相关系数, 风险比 | NA |