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 36908 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2025-12-21 |
ProjFusNet: deep neural network for peptide precursor prediction using projection-fused protein language model and structural features
2025-Dec-19, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-01117-x
PMID:41419957
|
研究论文 | 本文提出了一种名为ProjFusNet的深度学习框架，用于整合蛋白质序列的进化尺度表示与结构特征，以准确预测肽前体 | 提出了一种投影融合的多模态融合策略，将ESM-2的蛋白质序列表示与结构特征相结合，并利用双向LSTM建模序列与结构间的复杂相互作用 | 未在摘要中明确说明 | 提高肽前体预测的准确性 | 肽前体序列 | 自然语言处理 | NA | 深度学习 | LSTM | 序列数据，结构特征 | 未在摘要中明确说明 | 未在摘要中明确说明 | ProjFusNet, 双向LSTM | ACC, SN, AUC, SP, MCC | 未在摘要中明确说明 |
| 62 | 2025-12-21 |
Accelerating Multiparametric Quantitative MRI Using Self-Supervised Scan-Specific Implicit Neural Representation With Model Reinforcement
2025-Dec-19, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70227
PMID:41419989
|
研究论文 | 本文提出了一种自监督扫描特定的深度学习框架REFINE-MORE，用于加速多参数定量MRI的重建 | 结合隐式神经表示与模型强化模块，引入MR物理约束，并采用低秩适应策略提升计算效率 | NA | 开发用于加速多参数定量MRI重建的自监督扫描特定深度学习框架 | 多参数定量磁化转移成像，包括自由水自旋-晶格弛豫、组织大分子质子分数和磁化交换率的同步估计 | 医学影像处理 | NA | 定量MRI，磁化转移成像 | 深度学习，隐式神经表示 | MRI图像 | 体模和活体脑数据 | NA | 隐式神经表示 | 归一化均方根误差，结构相似性指数 | NA |
| 63 | 2025-12-21 |
Probing the thermal decomposition mechanism of CF3SO2F by deep learning molecular dynamics
2025-Dec-19, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-025-01847-x
PMID:41420003
|
研究论文 | 本研究利用深度学习分子动力学方法，探究了环保绝缘气体替代品三氟甲磺酰氟（CF3SO2F）的热分解机理 | 首次将结合了从头算精度与经验分子动力学效率的深度学习势能应用于CF3SO2F的热分解研究，系统分析了温度、气体混合比和缓冲气体对分解产物及组分的影响 | 研究主要基于模拟计算，虽然进行了实验验证，但实验条件与模拟的全面对比可能有限；对于复杂实际电网运行中多种因素耦合下的长期分解行为探讨不足 | 探究CF3SO2F的热分解途径与产物，评估其作为SF6替代品的环境可行性及潜在风险 | 三氟甲磺酰氟（CF3SO2F）气体 | 机器学习 | NA | 深度学习分子动力学、从头算计算、热分解实验平台 | 深度学习势能模型 | 分子动力学模拟数据、实验光谱/质谱数据 | NA | NA | NA | NA | NA |
| 64 | 2025-12-21 |
YOLO-TME: A UAV landing detection algorithm that is suitable for Polar ice Floe base stations
2025-Dec-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-32923-w
PMID:41420005
|
研究论文 | 本文提出了一种适用于极地冰基站点的无人机着陆检测算法YOLO-TME，通过集成TransConv、设计MistGFPN和EADH，提升了在复杂极地环境下的目标检测精度和实时性能 | 将基于transformer的卷积（TransConv）集成到YOLOv11中，增强网络对雾雪遮挡图像全局信息的建模能力；设计雾全局特征金字塔网络（MistGFPN）以提升小目标特征提取能力；提出高效非对称检测头（EADH）以提高模型的FPS和实时检测性能 | NA | 解决极地环境下冰漂移导致的GPS和RTK信号误差问题，实现无人机在复杂极地环境中的精准着陆检测 | 极地冰基站点的无人机着陆标志检测 | 计算机视觉 | NA | 深度学习目标检测 | CNN, Transformer | 图像 | 自制数据集 | NA | YOLOv11, TransConv, MistGFPN, EADH | 准确率, 召回率, 平均精度, F1分数, FPS | NA |
| 65 | 2025-12-21 |
Deep Learning-Based Denoising for High-Resolution Carotid Vessel Wall MRI Using Standard Neurovascular Coils
2025-Dec-19, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70226
PMID:41420073
|
研究论文 | 开发了一种基于深度学习的去噪方法，用于提升使用标准头颈临床线圈采集的高分辨率颈动脉血管壁MRI图像质量 | 首次将深度学习去噪技术应用于标准神经血管线圈采集的颈动脉血管壁MRI，无需额外硬件即可达到专用颈部表面线圈的图像质量 | 研究样本量相对有限（55次扫描），且为多中心研究，可能存在设备差异 | 提升标准头颈线圈采集的颈动脉血管壁MRI图像质量，使其接近专用线圈水平 | 颈动脉血管壁MRI图像 | 医学影像处理 | 心血管疾病 | MRI（包括2D T1/T2加权TSE、3D TOF-MRA、MPRAGE序列） | 深度学习 | 医学影像（MRI图像） | 55次扫描（来自多中心研究） | 未明确说明 | Residual UNet | PSNR, SSIM, SNR, CNR, 边缘锐度（ERD）, 放射科医生Likert评分 | NA |
| 66 | 2025-12-21 |
Systematic review and meta-analysis of regulator-approved deep learning systems for fundus diabetic retinopathy detections
2025-Dec-19, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02223-8
PMID:41420101
|
系统综述与荟萃分析 | 本研究通过系统综述和荟萃分析，评估了监管机构批准的深度学习系统在糖尿病视网膜病变自主筛查中的真实世界性能 | 首次对监管机构批准的深度学习系统在糖尿病视网膜病变筛查中的真实世界性能进行了全面的系统综述和荟萃分析，并识别了影响性能的关键因素 | 研究依赖于已发表文献，可能存在选择偏倚；不同研究间的诊断标准和参考标准存在异质性 | 评估监管机构批准的深度学习系统在糖尿病视网膜病变自主筛查中的准确性和适用性 | 糖尿病视网膜病变筛查的深度学习系统 | 医学影像分析 | 糖尿病视网膜病变 | 深度学习 | 深度学习算法 | 眼底图像 | 82项研究，覆盖887,244次检查，涉及25种设备，28个国家 | NA | NA | 灵敏度，特异性 | NA |
| 67 | 2025-12-21 |
phyddle: Software for Exploring Phylogenetic Models with Deep Learning
2025-Dec-18, Systematic biology
IF:6.1Q1
DOI:10.1093/sysbio/syaf036
PMID:40366771
|
研究论文 | 介绍用于通过深度学习进行系统发育建模的软件phyddle | 开发了一个基于流水线的软件，利用无似然深度学习方法来处理缺乏可处理似然函数的系统发育模型 | NA | 开发一个软件工具，使研究人员能够使用深度学习方法来拟合系统发育模型，特别是那些缺乏可处理似然函数的模型 | 系统发育树和相关的进化模型 | 机器学习 | NA | 深度学习 | 深度学习模型 | 系统发育树数据 | NA | NA | NA | 准确性, 覆盖率测试 | NA |
| 68 | 2025-12-21 |
AI-powered pathobiology transformers predict prognosis and targeted therapy benefits in patients with colorectal cancer ovarian metastases: a multicohort study
2025-Dec-18, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004397
PMID:41417976
|
研究论文 | 本研究开发了一种基于Transformer的可解释迁移学习模型，通过整合数字病理学和RNA数据，预测结直肠癌卵巢转移患者的预后、靶向治疗获益及分子突变 | 首次将Transformer架构与迁移学习结合，整合多模态数据（数字病理和RNA）来预测结直肠癌卵巢转移的预后和靶向治疗反应，并增强了模型的生物学可解释性 | 研究为回顾性和前瞻性多队列设计，可能存在选择偏倚；模型在部分外部测试队列中的AUC较低（0.64），表明泛化能力有待进一步验证 | 开发精准医学工具，以个体化预测结直肠癌卵巢转移患者的术后预后、靶向治疗获益和分子突变 | 结直肠癌卵巢转移患者 | 数字病理学 | 结直肠癌 | 数字病理学, RNA测序 | Transformer | 图像, 文本 | 多队列患者样本（具体数量未在摘要中提供） | NA | Transformer | AUC, 准确率, 敏感性, 特异性, 阳性预测值, 阴性预测值, 风险比 | NA |
| 69 | 2025-12-21 |
Ablation versus sublobar resection for stage IA non-small cell lung cancer: a multicenter retrospective cohort study using a deep learning model in the ablation group
2025-Dec-18, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004580
PMID:41418024
|
研究论文 | 本研究通过多中心回顾性队列分析，比较了图像引导热消融与亚肺叶切除术在IA期非小细胞肺癌患者中的长期疗效，并开发了基于深度学习的模型来预测消融后的无病生存期 | 首次使用深度学习模型（Vision Transformer）基于治疗前CT图像预测IA期非小细胞肺癌患者接受图像引导热消融后的生存结局，并比较了消融与亚肺叶切除术的长期疗效 | 研究为回顾性设计，可能存在选择偏倚；深度学习模型的外部验证队列规模未明确说明 | 比较图像引导热消融与亚肺叶切除术在IA期非小细胞肺癌患者中的长期疗效，并开发预测模型以识别适合消融治疗的患者 | IA期非小细胞肺癌患者 | 数字病理学 | 肺癌 | 图像引导热消融，亚肺叶切除术，计算机断层扫描 | 深度学习模型 | 图像 | 2145名患者（2012年至2023年接受图像引导热消融或亚肺叶切除术） | NA | Vision Transformer, Multimodal XGBoost | 曲线下面积, 风险比, 置信区间, P值 | NA |
| 70 | 2025-12-21 |
Large Separable Kernel Attention-Driven Multidimensional Feature Cross-Level Fusion Classification Network of Knee Cartilage Injury: Algorithm Development and Validation
2025-Dec-17, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/79748
PMID:41406414
|
研究论文 | 本文提出了一种基于大可分离核注意力驱动的多维特征跨级融合分类网络，用于膝关节软骨损伤的高精度分级诊断 | 首次提出结合大可分离核注意力模块与YOLOv8网络，通过跨级融合模块整合浅层高分辨率特征与深层语义特征，并利用深度可分离和逐点卷积优化多尺度特征，显著提升软骨损伤的分级表征能力 | 未明确说明模型在外部数据集上的泛化性能或计算效率的具体限制 | 提高膝关节软骨损伤的分类准确性，改进现有网络结构，并展示其临床应用价值 | 膝关节软骨损伤 | 计算机视觉 | 膝关节软骨损伤 | 磁共振成像 | CNN | 图像 | 首个基于医院的多维磁共振成像真实数据集（具体样本数未提供） | NA | YOLOv8 | 准确率, Kappa统计量, F-measure, 灵敏度, 特异度 | NA |
| 71 | 2025-12-21 |
Systems pharmacology approaches decipher the anti-cancer efficacy of ethnopharmacological agents in hepatocellular carcinoma
2025-Dec-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-27744-w
PMID:41408124
|
研究论文 | 本研究建立了一个整合转录组学、蛋白质组学和深度学习的高通量多组学平台，用于筛选187种药用植物，以发现具有抗肝细胞癌潜力的中药候选物 | 开发了一个结合多组学数据和深度学习（自编码器和多核学习）的系统药理学平台，用于高通量筛选中药，并揭示了候选中药通过调控枢纽基因和关键通路发挥抗肝癌作用的机制 | 研究主要基于体外细胞实验，缺乏体内动物模型或临床验证，且筛选的植物种类有限，可能未涵盖所有潜在有效中药 | 发现和验证具有抗肝细胞癌潜力的中药候选物，并阐明其作用机制 | 187种药用植物及其在肝细胞癌细胞中的效应 | 机器学习 | 肝细胞癌 | 转录组学, 蛋白质组学, 深度学习 | 自编码器, 多核学习 | 多组学数据（转录组和蛋白质组） | 187种药用植物 | NA | 自编码器, 多核学习 | NA | NA |
| 72 | 2025-12-21 |
Deciphering the biological underpinnings behind prognostic MRI-based imaging signatures in breast cancer: a systematic review
2025-Dec-17, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-07341-1
PMID:41408570
|
综述 | 本文系统回顾了乳腺癌中基于MRI的预后影像特征（包括影像组学和深度学习特征）的生物学基础，并评估了现有研究的方法学质量 | 首次系统性地梳理和评估了乳腺癌预后影像特征与基因组、肿瘤微环境等多组学数据的生物学关联研究 | 纳入研究的方法学严谨性有限，总体偏倚风险较高，且样本量范围较大（61-2279例），可能影响结论的普适性 | 探索乳腺癌MRI预后影像特征的生物学基础，并评估相关研究的方法学质量 | 乳腺癌患者 | 数字病理 | 乳腺癌 | MRI影像分析 | 监督机器学习, 无监督机器学习 | MRI影像, 基因组数据, 转录组数据, 多组学数据 | 16项研究，共涉及61至2279名乳腺癌患者 | NA | NA | NA | NA |
| 73 | 2025-12-21 |
Foundation Models in Dermatology: Advances in Artificial Intelligence. A Narrative Review
2025-Dec-17, Actas dermo-sifiliograficas
IF:3.8Q1
DOI:10.1016/j.ad.2025.104560
PMID:41418903
|
综述 | 本文是一篇关于基础模型在皮肤病学中应用的叙述性综述，概述了生成式AI的主要里程碑、当前发展状况、潜在风险及未来方向 | 系统性地梳理了皮肤病学领域基础模型（包括LLMs、VLMs和LMMs）的发展历程、分类及其在疾病分类、监测、风险分层和治疗规划等多任务中的应用潜力 | 该领域仍处于活跃研究阶段，具体模型的临床有效性和广泛适用性尚需进一步验证 | 综述基础模型在皮肤病学中的进展，分析其在临床辅助诊断、治疗规划及改善患者预后方面的潜力 | 皮肤病学领域的基础模型，包括大型语言模型、视觉中心模型、视觉语言模型和大型多模态模型 | 数字病理学 | 皮肤病 | 深度学习 | 基础模型, 大型语言模型, 视觉语言模型, 大型多模态模型 | 文本, 图像, 音频, 视频, 基因组学, 患者元数据 | NA | NA | NA | NA | NA |
| 74 | 2025-12-21 |
A multi-scale deep CNN based on attention mechanism for EEG emotion recognition
2025-Dec-17, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2025.110662
PMID:41418936
|
研究论文 | 本文提出了一种基于通道注意力和空间注意力的多尺度卷积神经网络，用于脑电信号情感识别 | 结合通道注意力和空间注意力机制，通过多尺度卷积网络提取更全面、更具判别性的脑电信号特征 | NA | 提高脑电信号情感识别的准确性和鲁棒性 | 脑电信号 | 机器学习 | NA | 脑电图 | CNN | 信号 | NA | NA | 多尺度卷积神经网络 | 准确率 | NA |
| 75 | 2025-12-21 |
Noise-Resilient Bioacoustics Feature Extraction Methods and Their Implications on Audio Classification Performance: Systematic Review
2025-Dec-16, JMIR biomedical engineering
DOI:10.2196/80089
PMID:41401437
|
系统综述 | 本文系统评估了生物声学分类中抗噪声特征提取与去噪技术的最新进展，重点关注方法趋势、模型类型、跨领域可迁移性及实际部署证据 | 首次系统综述了生物声学分类中的抗噪声技术，并分析了临床与生态应用间的跨领域可迁移性 | 实际部署研究有限，数据集异质性大，报告不一致，且多依赖合成噪声 | 评估抗噪声特征提取与去噪技术对生物声学分类性能的影响 | 生物声学音频数据，涵盖新生儿哭声和生态声学 | 机器学习 | NA | 音频特征提取与去噪技术 | 深度学习, 混合方法 | 音频 | 132项研究 | NA | NA | NA | NA |
| 76 | 2025-12-21 |
AI-powered epidemic control: Deepseek's role in global health resilience
2025-Dec-16, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-07082-1
PMID:41402882
|
研究论文 | 本文介绍了DeepSeek这一AI驱动平台如何通过早期预警系统、趋势预测、治疗优化和公众咨询来革新流行病管理 | 通过集成多源实时数据（流行病学、社交媒体、移动性数据）与深度学习模型（LSTM、Transformers）及可解释决策框架，提升公共卫生响应能力 | 面临数据隐私和模型准确性的挑战 | 利用AI技术增强全球公共卫生韧性，改进流行病控制 | 流行病管理、公共卫生响应系统 | 自然语言处理, 机器学习 | 流行病 | 深度学习 | LSTM, Transformer | 流行病学数据、社交媒体数据、移动性数据 | NA | NA | LSTM, Transformer | NA | NA |
| 77 | 2025-12-21 |
Interpretable fusion deep learning on super-resolution MRI for perineural invasion prediction in pancreatic ductal adenocarcinoma: a multicenter study
2025-Dec-15, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112610
PMID:41418691
|
研究论文 | 本研究开发了一种基于超分辨率MRI的可解释融合深度学习模型，用于预测胰腺导管腺癌的术前神经侵犯，并评估其在指导术后预后和治疗决策中的作用 | 首次将临床、放射组学和深度学习特征在超分辨率MRI上进行融合，构建了可解释的预测模型，并验证了其在预后分层和辅助治疗指导中的增量价值 | 研究为回顾性设计，样本量有限，且外部验证集仅来自三个中心，可能存在选择偏倚 | 开发并验证一种基于超分辨率MRI的可解释融合深度学习模型，用于预测胰腺导管腺癌的术前神经侵犯，以指导个性化治疗 | 胰腺导管腺癌患者 | 数字病理学 | 胰腺癌 | 超分辨率MRI | 深度学习, 机器学习 | MRI图像 | 714名患者（608名用于开发/内部验证，106名用于外部验证） | NA | 融合临床-放射组学-深度迁移学习 | AUC | NA |
| 78 | 2025-12-21 |
From 16S rRNA to deep learning: Evolution of computational approaches in human microbiome studies
2025-Dec-15, Computational biology and chemistry
IF:2.6Q2
|
综述 | 本文综述了人类微生物组研究中计算方法的演变，从传统的16S rRNA测序到整合多组学数据的先进计算框架 | 强调了从描述性分类学向功能、预测和机制洞察的转变，以及AI驱动的生物信息学如何将微生物组研究从观察性学科转变为预测性和转化性科学 | 面临数据异质性、AI模型可解释性有限以及数据共享伦理问题等挑战，阻碍临床转化 | 回顾人类微生物组研究中计算方法的演进，并探讨未来发展方向 | 人类微生物组 | 机器学习 | NA | 16S rRNA测序, 多组学数据集整合 | 深度学习 | 基因组, 蛋白质组, 代谢组数据 | NA | NA | NA | NA | NA |
| 79 | 2025-12-21 |
A review of deep learning techniques in Alzheimer's disease with emphasis on data tools and transfer learning
2025-Dec-14, Neuroscience
IF:2.9Q2
|
综述 | 本文综述了基于深度学习，特别是迁移学习技术，利用MRI和PET模态对阿尔茨海默病阶段进行分类的研究，并涵盖了数据预处理工具、模型性能挑战及泛化问题 | 专注于迁移学习在阿尔茨海默病早期识别中的应用，以解决数据标注不足和类别不平衡问题，并系统回顾了相关数据预处理工具 | 未提出新的实验模型或算法，主要基于现有文献进行综述，可能未涵盖所有最新研究进展 | 回顾深度学习技术，特别是迁移学习，在阿尔茨海默病阶段分类中的应用，并探讨数据工具和模型挑战 | 阿尔茨海默病的早期阶段分类 | 机器学习 | 阿尔茨海默病 | MRI, PET | 深度学习模型 | 医学影像（MRI, PET） | NA | NA | NA | NA | NA |
| 80 | 2025-12-21 |
Artificial intelligence in spine surgery: a scoping review
2025-Dec-13, Neuro-Chirurgie
DOI:10.1016/j.neuchi.2025.101764
PMID:41397525
|
综述 | 本文通过范围综述，系统梳理了人工智能在脊柱外科中的应用现状、前沿及文献缺口 | 首次全面绘制了AI在脊柱外科中的应用版图，并强调了外部验证和模型可及性的不足 | 综述基于截至2024年1月的文献，可能未涵盖最新进展；且资源分享（如数据、代码）普遍有限 | 旨在描绘人工智能在脊柱外科中的应用全景，确定当前前沿并识别文献中的空白 | 涉及脊柱外科中AI模型或已验证AI应用的研究 | 机器学习 | 脊柱疾病 | NA | 深度学习模型, 非深度学习模型 | NA | NA | NA | NA | NA | NA |