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 37684 篇文献，本页显示第 821 - 840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 821 | 2025-12-26 |
Basic Science and Pathogenesis
2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz70855_097917
PMID:41434440
|
研究论文 | 本研究利用深度学习分析单细胞RNA-seq数据，探索阿尔茨海默病多样临床表型的细胞和分子机制 | 首次在人群水平上应用深度学习分析大规模单核RNA-seq数据，识别表型关联细胞，并开发个性化单细胞功能基因组学方法，包括基因调控QTLs分析 | 研究主要基于前额叶皮层数据，可能未完全反映其他脑区变化；样本虽大但仍可能存在人群偏倚 | 揭示阿尔茨海默病多样临床表型的细胞和分子基础 | 1,494个个体大脑前额叶皮层的单核RNA-seq数据 | 生物信息学 | 阿尔茨海默病 | 单核RNA-seq | 深度学习 | 基因表达数据 | 超过600万个细胞核，来自1,494个个体大脑 | NA | NA | 表型分类改进 | NA |
| 822 | 2025-12-26 |
Basic Science and Pathogenesis
2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz70855_099459
PMID:41435353
|
研究论文 | 本研究开发了一种基于Transformer架构的深度学习模型，仅使用全基因组测序数据来预测阿尔茨海默病痴呆 | 提出了一种结合窗口注意力、注释增强和图卷积网络的多步骤深度学习模型，用于从WGS数据中整合局部和远距离关系以改进AD预测 | 模型预测准确率仍有提升空间（AUC=0.68），且仅分析了染色体19上APOE基因周围的特定基因组区域 | 开发深度学习模型以早期预测阿尔茨海默病痴呆 | 阿尔茨海默病患者和认知正常个体的全基因组测序数据 | 机器学习 | 阿尔茨海默病 | 全基因组测序 | Transformer, GCN | 基因组序列数据 | 1050个样本（443名认知正常，607名AD痴呆） | NA | Transformer, GCN | AUC | NA |
| 823 | 2025-12-26 |
Deep Learning-Based Segmentation of Coronary Arteries and Stenosis Detection in X-Ray Coronary Angiography
2025-Dec, JACC. Advances
DOI:10.1016/j.jacadv.2025.102360
PMID:41447280
|
研究论文 | 本文旨在训练深度学习模型用于分割冠状动脉并检测X射线冠状动脉造影中的显著狭窄，进行外部验证并与专家变异性进行比较 | 开发了基于深度学习的模型，能够自动分割冠状动脉并检测显著狭窄，其性能与专家水平相当，并进行了多中心数据训练和外部验证 | 模型性能可能受限于训练数据的多样性和数量，且仅针对主要冠状动脉及其≥50%的狭窄进行检测 | 训练深度学习模型以自动分割冠状动脉并检测X射线冠状动脉造影中的显著狭窄，并进行外部验证 | 来自阿姆斯特丹大学医学中心和埃默里大学医院的X射线冠状动脉造影图像 | 计算机视觉 | 心血管疾病 | X射线冠状动脉造影 | 深度学习模型 | 图像 | 训练集包含10,573张图像（中心1: 9,065张，中心2: 1,508张），验证集包含309张图像（中心1: 186张，中心2: 123张） | NA | NA | Dice系数, 检测率 | NA |
| 824 | 2025-12-26 |
On the public dissemination and open sourcing of ultrasound resources, datasets and deep learning models
2025-Nov-24, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02162-4
PMID:41286495
|
研究论文 | 本文评估了公开可用的超声数据集和深度学习模型，并提出了质量评分系统SonoDQS和SonoMQS | 提出了原创的超声数据集质量评分SonoDQS和模型质量评分SonoMQS，系统性地分类和评估了公开资源 | 未提及具体的技术实施细节或模型性能验证，主要侧重于资源调查和评估 | 提高超声数据在医学影像机器学习研究中的利用率，促进公开资源的传播和使用 | 公开的超声数据集和深度学习模型 | 医学影像 | NA | 超声成像 | 深度学习模型 | 超声图像 | 72个公开超声数据集和56个开源模型 | NA | NA | SonoDQS, SonoMQS | NA |
| 825 | 2025-11-24 |
Deep Learning for Automatic Detection of Aortic Dissection on Non-contrast Computed Tomography
2025-Nov-21, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery
IF:5.7Q1
DOI:10.1016/j.ejvs.2025.09.072
PMID:41274488
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 826 | 2025-12-26 |
A predicted structural interactome reveals binding interference from intrinsically disordered regions
2025-Nov-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.15.670535
PMID:40894573
|
研究论文 | 本研究利用AlphaFold2多聚体预测了蛋白质-蛋白质相互作用，并强调了内在无序区域在相互作用中的重要性 | 结合功能关联数据预测物理相互作用，并系统分析内在无序区域的作用 | 主要针对非哺乳动物物种，可能不适用于所有生物体系 | 预测和解析蛋白质-蛋白质相互作用的分子细节 | 蛋白质相互作用网络 | 机器学习 | NA | 深度学习 | AlphaFold2 | 蛋白质序列与结构数据 | NA | AlphaFold2 | AlphaFold2多聚体 | NA | NA |
| 827 | 2025-12-26 |
MeNet: A mixed-effect deep neural network for multi-environment genomic prediction of agronomic traits
2025-Nov-19, Plant communications
IF:9.4Q1
DOI:10.1016/j.xplc.2025.101620
PMID:41267404
|
研究论文 | 提出了一种名为MeNet的混合效应深度神经网络，用于多环境下的农艺性状基因组预测 | 将混合效应模型的统计严谨性与神经网络的非线性建模能力统一起来，通过双嵌入和自适应学习遗传复杂性来动态调整随机效应和固定效应的贡献，能够直接利用基因组变异而不需降维，并能在仅使用10%田间样本进行训练的情况下进行跨环境预测 | 未明确说明模型在更广泛作物或极端环境条件下的泛化能力，以及计算效率的具体分析 | 提高多环境下农艺性状基因组预测的准确性和可解释性 | 水稻、小麦和玉米的农艺性状 | 机器学习 | NA | 基因组预测 | 深度神经网络 | 基因组数据 | 三个数据集，包括12个水稻性状（三个环境）、小麦籽粒产量（四个环境）和三个玉米性状 | NA | MeNet（混合效应深度神经网络） | NA | NA |
| 828 | 2025-12-26 |
Component puzzle protein-protein interaction prediction
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf685
PMID:41428392
|
研究论文 | 本文提出了一种名为C3PI的新型基于序列的深度学习框架，用于预测蛋白质-蛋白质相互作用 | 引入了包含puzzler和entangler两种新颖组件的复杂架构，首次在无数据泄露的金标准数据集上实现了显著优于随机预测的性能 | 未明确说明模型在特定蛋白质类型或复杂相互作用场景下的局限性 | 提高蛋白质-蛋白质相互作用预测的准确性和可靠性 | 蛋白质序列及其相互作用 | 生物信息学 | NA | 蛋白质嵌入（ProtT5） | 深度学习 | 蛋白质序列数据 | 多个数据集（具体数量未在摘要中说明） | NA | 包含puzzler和entangler组件的定制架构 | AUPRC, AUROC | NA |
| 829 | 2025-12-26 |
Structure-enhanced deep learning accelerates aptamer selection for small molecule families like steroids
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf680
PMID:41428391
|
研究论文 | 本文提出了一种名为DL-SELEX的两步深度学习框架，通过变分自编码器加速和优化小分子家族（如类固醇）的适配体选择 | 首次将深度学习整合到SELEX工作流中，利用AptaVAE和AptaClux两个VAE模型，基于分子家族的结构共性设计初始适配体库并从NGS数据中识别高性能候选物 | NA | 加速和优化小分子家族（如类固醇）的高亲和力适配体发现 | 小分子家族（如类固醇），具体以氢化可的松和睾酮为例 | 机器学习 | NA | SELEX, NGS | VAE | 序列数据 | NA | NA | AptaVAE, AptaClux | 亲和力提升倍数, SELEX迭代减少百分比 | NA |
| 830 | 2025-12-26 |
The Role of Large Language Models in Ophthalmology: A Review of Current Applications, Performance, and Future Directions
2025-Nov, Cureus
DOI:10.7759/cureus.97374
PMID:41431521
|
综述 | 本文综述了大型语言模型（LLMs）在眼科领域的当前应用、性能表现及未来发展方向 | 系统性地评估了LLMs（如ChatGPT）在眼科临床决策支持、文档处理、患者教育和医学培训等具体应用场景中的表现，并探讨了多模态与检索增强模型如何提升信息准确性与相关性 | 指出将AI整合到临床护理中存在伦理与法律困境、专家表现差异等潜在风险与局限性 | 评估大型语言模型在眼科领域的应用潜力与现状 | 大型语言模型（如ChatGPT、GPT-4）及其在眼科领域的应用 | 自然语言处理 | 眼科疾病 | 深度学习 | 大型语言模型 | 文本 | NA | NA | GPT-4, Chat Generative Pretrained Transformer | NA | NA |
| 831 | 2025-12-26 |
[Prospects and technical challenges of non-invasive brain-computer interfaces in manned space missions]
2025-Aug-28, Zhong nan da xue xue bao. Yi xue ban = Journal of Central South University. Medical sciences
|
综述 | 本文探讨了非侵入式脑机接口在载人航天任务中的应用前景与技术挑战 | 系统性地提出了非侵入式脑机接口在航天员选拔、在轨任务执行及任务后康复全周期的应用范式，并展望了与深度学习、虚拟现实及机器人技术的融合方向 | 未提供具体的实验数据或案例研究，主要基于理论分析与前景展望 | 分析非侵入式脑机接口技术在载人航天任务中的潜在应用价值与面临的技术瓶颈 | 航天员在长期太空任务中的生理、心理及认知功能 | 脑机接口 | NA | 非侵入式脑机接口，神经信号采集与解读，神经调控 | NA | 多模态生理信号（神经信号等） | NA | NA | NA | NA | NA |
| 832 | 2025-12-26 |
Adapting and evaluating deep-pseudo neural network for survival data with time-varying covariates
2025, Journal of applied statistics
IF:1.2Q2
DOI:10.1080/02664763.2024.2444649
PMID:40765660
|
研究论文 | 本研究将Deep-pseudo生存神经网络（DSNN）模型扩展应用于包含时变协变量的生存数据预测，并与扩展Cox模型、Dynamic-DeepHit及多元联合模型进行比较 | 首次将DSNN模型适应于处理时变协变量的生存数据，通过离散化生存时间扩展其应用场景，在模拟和真实数据中验证了其预测潜力 | 研究主要基于模拟数据和单一真实数据集，未在更广泛的实际临床场景中验证模型的泛化能力 | 开发并评估适用于时变协变量生存数据预测的深度学习模型 | 包含时变协变量的生存数据 | 机器学习 | NA | 深度学习 | 神经网络 | 生存数据 | NA | NA | Deep-pseudo生存神经网络（DSNN） | Brier分数 | NA |
| 833 | 2025-12-26 |
Ratio maps of T1w/T2w MRI signal intensity do not improve deep-learning segmentation of pediatric brain tumors
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323398
PMID:41428695
|
研究论文 | 本研究探讨了在儿科脑肿瘤分割任务中，使用T1w/T2w比值图或组合图是否能够提升基于nnU-Net的深度学习模型性能 | 首次系统评估T1w/T2w比值图在儿科脑肿瘤自动分割中的实际效用，挑战了该技术在组织区分方面的传统认知 | 研究仅基于BraTS-PED 2024数据集，样本量相对有限（n=261），且未探索其他可能的图像融合或预处理方法 | 评估T1w/T2w比值图对儿科脑肿瘤自动分割模型性能的影响 | 儿科脑肿瘤患者的MRI图像 | 数字病理学 | 脑肿瘤 | MRI（包括T1加权、T2加权、FLAIR和对比增强T1加权成像） | CNN | 医学影像（MRI） | 261名儿科脑肿瘤患者 | nnU-Net | U-Net | Dice系数 | NA |
| 834 | 2025-12-25 |
Diabetes and longitudinal changes in deep learning-derived measures of vertebral bone mineral density using conventional CT: the Multi-Ethnic Study of Atherosclerosis
2026-Jan, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-04995-2
PMID:40728733
|
研究论文 | 本研究探讨了糖尿病与通过常规胸部CT深度学习模型测量的椎体骨密度纵向变化之间的关联，并评估了肾功能对此关系的影响 | 首次在纵向研究中结合深度学习模型从常规CT中提取椎体骨密度，并分析糖尿病状态及肾功能（特别是糖尿病肾病）对骨密度变化的交互影响 | 研究未纳入骨微结构评估或骨折结局数据，且依赖于常规CT而非专用骨密度扫描，可能限制对糖尿病骨折风险机制的全面理解 | 探究糖尿病与椎体骨密度纵向变化的关系，并评估肾功能在此过程中的调节作用 | 来自动脉粥样硬化多种族研究肺研究的1046名参与者，包括糖尿病患者与非糖尿病患者 | 数字病理学 | 糖尿病 | 常规胸部CT扫描 | 深度学习模型 | 医学影像（CT图像） | 1046名参与者，在两次检查（2010-2012年和2016-2018年）中进行纵向测量 | NA | NA | 骨密度变化率（β值，单位mg/cm3/年）及95%置信区间 | NA |
| 835 | 2025-12-25 |
Automated 3D segmentation of rotator cuff muscle and fat from longitudinal CT for shoulder arthroplasty evaluation
2026-Jan, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-04991-6
PMID:40782188
|
研究论文 | 本研究开发并验证了一种用于在肩关节置换术患者的纵向CT扫描中自动三维分割肩袖肌肉的深度学习模型，以量化肌肉体积和脂肪分数 | 首次开发了用于肩关节置换术患者纵向CT扫描中肩袖肌肉自动三维分割的深度学习模型，实现了肌肉体积和脂肪分数的自动化量化分析 | 模型仅在53名肩关节置换术患者的CT扫描数据上进行训练和测试，样本量相对有限；研究主要关注肩袖肌肉，未涉及其他相关组织结构 | 开发自动化工具用于肩关节置换术患者的肩袖肌肉健康评估，以支持患者选择、康复规划和手术决策 | 接受全肩关节置换术的患者 | 医学图像分析 | 肩关节疾病 | CT扫描 | 深度学习 | 3D CT图像 | 53名患者用于模型开发，172名患者用于量化分析 | 未明确说明 | DeepLabV3+, ResNet50 | Dice相似系数, 平均对称表面距离, 95百分位Hausdorff距离, 相对绝对体积差异 | NA |
| 836 | 2025-12-25 |
Objective Assessment of Disorders of Consciousness Based on EEG Temporal and Spectral Features
2026-Jan, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065725500674
PMID:40985067
|
研究论文 | 本研究基于听觉oddball范式采集的EEG数据，通过提取时频域、连接性和非线性动力学特征，系统比较多种机器学习和深度学习分类器，以客观评估意识障碍（DOC）患者的意识状态 | 首次在任务态EEG数据中综合识别多域生物标志物，并系统比较包括SVM、RF、XGBoost、EEGNet和ShallowConvNet在内的多种分类器，提出集成投票模型提升分类性能 | 未提及样本量的具体限制或外部验证结果，可能影响模型的泛化能力 | 开发基于任务态EEG数据的意识障碍（DOC）客观评估方法 | 最小意识状态（MCS）患者、植物状态（VS）患者和健康对照组（HC） | 机器学习 | 意识障碍 | EEG（脑电图） | SVM, LDA, RF, XGBoost, DT, CNN | EEG信号 | 未明确提及具体样本数量 | NA | EEGNet, ShallowConvNet | 分类性能（未指定具体指标如准确率、F1分数等） | NA |
| 837 | 2025-12-25 |
Trabecular bone analysis: ultra-high-resolution CT goes far beyond high-resolution CT and gets closer to micro-CT (a study using Canon Medical CT devices)
2026-Jan, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-05001-5
PMID:40738977
|
研究论文 | 本研究评估了Canon Medical不同分辨率CT（高分辨率、超高分辨率、超超高分辨率）在测量骨小梁微结构参数方面的准确性，以微CT为参考标准 | 首次系统比较了超高分辨率CT和超超高分辨率CT在骨小梁分析中的性能，并评估了深度学习重建技术对测量结果的影响 | 研究样本量较小（16个尸体胫骨远端骨骺），且仅使用单一品牌（Canon Medical）的CT设备，可能限制结果的普适性 | 评估不同分辨率CT技术在骨小梁微结构参数测量中的准确性 | 尸体胫骨远端骨骸的骨小梁微结构 | 医学影像 | NA | CT成像（高分辨率CT、超高分辨率CT、超超高分辨率CT）、深度学习重建、微CT | NA | CT图像 | 16个尸体胫骨远端骨骺 | NA | NA | 骨小梁厚度、骨小梁分离度、骨体积/总体积的测量值与微CT参考值的比值 | NA |
| 838 | 2025-12-25 |
Gastric Neoplasm Detection at Contrast-enhanced CT with Deep Learning
2026-Jan, Radiology. Artificial intelligence
DOI:10.1148/ryai.250145
PMID:41295087
|
研究论文 | 本研究开发并验证了一种名为GANDA的深度学习模型，用于在临床常规增强CT中自动检测、诊断和分割胃部肿瘤 | 提出了一种联合分割和分类的三维深度学习模型（GANDA），用于胃部肿瘤的自动化检测与诊断，并在多个内部、外部及真实世界测试队列中验证了其性能，且诊断准确率显著高于经验丰富的放射科医生 | 研究为回顾性设计；模型在内部测试队列中的分割性能（Dice系数）对于胃癌和非胃癌分别为0.52和0.45，仍有提升空间 | 开发并验证一种基于深度学习的自动化工具，用于在增强CT图像中检测、诊断和分割胃部肿瘤 | 胃部肿瘤（胃癌及非胃癌）患者 | 数字病理学 | 胃癌 | 对比增强CT | 深度学习模型 | 三维CT图像 | 共4606名患者（来自多个中心，时间跨度为2007年至2023年） | NA | 联合分割和分类的三维深度学习模型 | 敏感性, 特异性, 准确率, 受试者工作特征分析, Dice系数 | NA |
| 839 | 2025-12-25 |
Transformer-based multimodal fusion model predicts early hematoma expansion in spontaneous cerebral hemorrhage: A multicenter study
2026-Jan, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112465
PMID:41135231
|
研究论文 | 本研究开发了一种基于Transformer的多模态融合模型，用于预测自发性脑出血患者的早期血肿扩张 | 首次将深度学习、影像组学和临床因素通过Transformer架构进行多模态融合，用于早期血肿扩张的预测 | 样本量相对有限（共465例），且为回顾性研究，需要进一步前瞻性验证 | 开发精准预测自发性脑出血患者早期血肿扩张的预测模型 | 自发性脑出血患者 | 医学影像分析 | 脑出血 | 非增强计算机断层扫描 | Transformer, SVM, LR, RF, AdaBoost | 图像, 临床数据 | 465例患者（训练集315例，内部测试集80例，外部测试集70例） | NA | Transformer | AUC, 校准曲线 | NA |
| 840 | 2025-12-25 |
Dual energy CT and deep learning for an automated volumetric segmentation of the major intracranial tissues: Feasibility and initial findings
2026-Jan, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70217
PMID:41423435
|
研究论文 | 本研究评估了使用深度学习模型和双能CT虚拟单能图像对颅内灰质、白质和脑脊液进行自动体积分割的可行性 | 利用双能CT的虚拟单能图像（VMI）和深度学习模型（特别是U-Net++ (Aug)）进行颅内组织分割，相比传统CT方法，通过光谱信息增强了分割性能 | 样本量较小（仅26名患者），且研究为初步可行性验证，需要更大规模的研究来确认结果的普适性 | 评估基于CT和深度学习的颅内组织自动体积分割的可行性，以在MRI不适用时改善患者管理 | 颅内灰质（GM）、白质（WM）和脑脊液（CSF） | 计算机视觉 | NA | 双能CT、虚拟单能成像（VMI）、T1加权磁共振成像 | 深度学习 | 图像 | 26名患者（21名用于训练/验证，5名用于测试） | NA | U-Net++, U-Net | Dice相似系数（DSC）、体积准确度 | NA |