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 1261 - 1280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1261 | 2025-12-05 |
Perioperative Artificial Intelligence Driven Integrated Modeling of Surgeries using Anesthetic, Physical and Cognitive Statuses for Predicting Hospital Outcomes
2025-Nov-21, Research square
DOI:10.21203/rs.3.rs-8000504/v1
PMID:41333422
|
研究论文 | 本研究利用人工智能整合围手术期麻醉、生理和认知状态数据，预测住院结果，重点关注术前认知状态对手术预后的影响 | 首次将术前认知状态（通过时钟绘图测试量化）与围手术期变量结合，采用半监督深度学习算法提取特征，用于多手术组的预后预测 | 仅分析了6个有足够数据的手术组，可能无法推广到所有手术类型；认知状态评估仅依赖时钟绘图测试，未涵盖其他认知维度 | 预测住院时间、费用、随访疼痛和1年死亡率等手术结果，以改进医疗建模和围手术期风险预测 | 接受手术的患者，包括其麻醉、生理和认知状态数据 | 机器学习 | 老年疾病 | 时钟绘图测试，半监督深度学习算法 | 机器学习模型 | 结构化数据（包括认知特征、麻醉变量、生理指标等） | NA | Scikit-learn | NA | NA | NA |
| 1262 | 2025-12-05 |
Deep Learning for Time-Series Segmentation of Mechanical Ventilator Waveforms
2025-Nov-21, Research square
DOI:10.21203/rs.3.rs-8001137/v1
PMID:41333439
|
研究论文 | 本文开发并验证了一种基于一维注意力门控U-Net架构的深度学习模型，用于机械通气波形中吸气和呼气起始点的分割 | 首次将一维注意力门控U-Net架构应用于机械通气波形分割，在嘈杂真实数据中显著优于传统启发式方法，并通过梯度加权类激活映射揭示了模型利用多样化波形特征的能力 | 研究仅基于33名患者的9,719次呼吸数据，样本规模相对有限，且未在更广泛患者群体或不同呼吸机型号中进行外部验证 | 开发高精度实时波形分割方法以检测患者-呼吸机异步（PVAs） | 机械通气波形中的吸气和呼气起始点 | 机器学习 | 呼吸系统疾病 | 机械通气波形分析 | 深度学习模型 | 时间序列数据（机械通气波形） | 33名患者的9,719次呼吸 | NA | 一维注意力门控U-Net | F1分数 | NA |
| 1263 | 2025-12-05 |
Targeting peptide-MHC complexes with designed T cell receptors and antibodies
2025-Nov-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.19.689381
PMID:41332722
|
研究论文 | 本文介绍了一种基于结构的深度学习框架ADAPT，用于设计针对特定肽-MHC复合物的T细胞受体和抗体 | 开发了首个基于结构的深度学习框架ADAPT，能够设计T细胞受体和抗体以精确靶向肽-MHC复合物，突破了传统方法在胸腺负选择限制下的局限性 | 研究主要基于计算设计和体外验证，尚未进行大规模体内或临床试验，且设计的TCRs和抗体的长期安全性和有效性需进一步评估 | 开发一种能够设计靶向肽-MHC复合物的T细胞受体和抗体的计算方法，以推动癌症免疫治疗和自身免疫性疾病治疗 | 肽-MHC复合物、T细胞受体、抗体 | 机器学习 | 癌症 | 冷冻电子显微镜、深度学习 | 深度学习模型 | 结构数据、序列数据 | 针对多种肽-MHC复合物面板进行了设计和表征 | NA | ADAPT框架 | 原子级精度 | NA |
| 1264 | 2025-12-05 |
Radiologic, Pathologic, and Deep Learning Predictors of Response to Immune Checkpoint Blockade in Renal Cell Carcinoma Patients Undergoing Post-Treatment Nephrectomy
2025-Nov-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.11.19.25340277
PMID:41332849
|
研究论文 | 本研究通过整合放射学、病理学和深度学习模型，评估了肾细胞癌患者在接受免疫检查点抑制剂治疗后行肾切除术的疗效预测因素 | 首次提出了一个集成的、定量的框架来评估肾细胞癌患者接受免疫检查点抑制剂治疗后的反应，并利用深度学习模型客观验证病理学家评估的肿瘤消退程度和量化免疫浸润 | 研究为回顾性设计，样本量相对有限（99例患者），且需要在未来进行前瞻性验证 | 评估肾细胞癌患者在接受免疫检查点抑制剂治疗后行肾切除术的疗效预测因素，以指导术后适应性治疗策略 | 接受至少一个周期含免疫检查点抑制剂的双联疗法后行肾切除术的局部晚期或转移性肾细胞癌患者 | 数字病理学 | 肾细胞癌 | 深度学习 | 深度学习模型 | 放射影像数据, 病理图像数据 | 99例患者（66例减瘤性肾切除术，33例新辅助肾切除术） | NA | NA | 风险比, 置信区间, p值 | NA |
| 1265 | 2025-12-05 |
Weakly Supervised Segmentation and Classification of Alpha-Synuclein Aggregates in Brightfield Midbrain Images
2025-Nov-20, ArXiv
PMID:41333166
|
研究论文 | 本研究开发了一种基于弱监督分割和ResNet50分类器的自动化图像处理流程，用于在帕金森病和中脑组织的全切片图像中分割和分类α-突触核蛋白聚集体 | 提出了一种对免疫组化标记变异具有鲁棒性的弱监督分割方法，能够自动区分Lewy小体和神经突等主要聚集体形态 | 未明确说明样本量的具体限制或模型在其他数据集上的泛化能力 | 自动分析帕金森病中α-突触核蛋白聚集体的空间组织和异质性 | 帕金森病和中脑组织中的α-突触核蛋白聚集体（包括Lewy小体和神经突） | 数字病理学 | 帕金森病 | 免疫组化染色 | CNN | 图像 | NA | NA | ResNet50 | 平衡准确度 | NA |
| 1266 | 2025-12-05 |
Deep learning based ischemic lesion markers on non-contrast head CT compared to CTP and DWI
2025-Nov-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.11.18.25340504
PMID:41332814
|
研究论文 | 本研究比较了基于深度学习的非对比增强头部CT（DLNCCT）与手动NCCT、CTP和DWI在急性缺血性脑卒中中缺血区域分割的空间重叠和影像标志物一致性 | 开发了一种深度学习模型来自动分割NCCT上的缺血区域，并与CTP和DWI等现有方法进行比较，展示了DLNCCT在识别和量化缺血损伤方面的潜力 | 空间重叠指标（如Dice系数）相对较低（例如DLNCCT与DWI为0.22±0.25），表明分割一致性有待提高；样本中性别信息部分未知 | 评估深度学习模型在非对比增强CT上分割缺血脑组织的准确性，并与CTP和DWI等标准影像方法进行比较 | 急性缺血性脑卒中患者的非对比增强头部CT影像 | 数字病理学 | 心血管疾病 | 非对比增强CT（NCCT）、CT灌注成像（CTP）、弥散加权成像（DWI） | 深度学习分割模型 | 医学影像（CT图像） | 训练集218例（男性104例，女性89例，未知25例，平均年龄68±14岁），测试集762例（男性243例，女性206例，未知313例，平均年龄70±15岁） | NA | NA | Dice相似系数（DSC）、Bland-Altman分析（平均差异及95%置信区间）、一致性相关系数（CCC） | NA |
| 1267 | 2025-12-05 |
Clinical Validation and Prospective Deployment of an Automated Deep Learning-Based Coronary Segmentation and Cardiac Toxicity Risk Prediction System
2025-Nov-18, ArXiv
PMID:41333170
|
研究论文 | 本文介绍了一个基于深度学习的自动化冠状动脉分割和心脏毒性风险预测系统的临床验证与前瞻性部署 | 开发并验证了一个3D U-Net模型，用于自动分割心脏亚结构，并前瞻性地监测心脏剂量暴露，实现了大规模实时风险预警 | 训练数据主要来自单一机构（2003-2014年），可能限制了模型的泛化能力；外部验证数据集的时间跨度较长（2005-2020年），可能存在技术变化的影响 | 验证AI自动分割心脏亚结构的准确性，并预测心脏毒性风险，以促进冠状动脉保护治疗和随访 | 肺癌患者的心脏亚结构（如左前降支冠状动脉） | 数字病理学 | 肺癌 | CT扫描 | 深度学习 | 图像 | 训练集560例，内部验证70例，外部验证283例，回顾性分析3,399例，前瞻性监测1,386例 | NA | 3D U-Net | Dice系数, ASSD, 绝对差异百分比, 风险比 | NA |
| 1268 | 2025-12-05 |
Hyperbolic Graph Embeddings Reveal the Host-Pathogen Interactome
2025-Nov-18, ArXiv
PMID:41333173
|
研究论文 | 本文开发了一个名为ApexPPI的深度学习框架，利用双曲图嵌入技术预测宿主与病原体之间的蛋白质相互作用 | 首次将蛋白质网络表示为双曲黎曼空间以捕捉生物网络的层次性和无标度结构，并整合多模态生物数据通过多任务双曲图神经网络进行预测 | 预测结果仍需通过实验验证，且模型性能可能受输入数据质量和完整性的影响 | 预测宿主与病原体之间的蛋白质相互作用，以促进新疗法的发现 | 宿主与病原体蛋白质 | 机器学习 | 传染病 | 蛋白质序列分析、基因扰动实验、互补相互作用网络 | 图神经网络 | 蛋白质序列、基因表达数据、网络数据 | 数千万个可能的蛋白质对 | NA | 多任务双曲图神经网络 | 准确率 | NA |
| 1269 | 2025-12-05 |
Toggle-Untoggle - a cell segmentation tool with an interactive user verification interface
2025-Nov-15, Journal of cell science
IF:3.3Q3
DOI:10.1242/jcs.264154
PMID:41065013
|
研究论文 | 本文介绍了一个名为Toggle-Untoggle的桌面应用程序，用于荧光显微镜图像中细胞分割的质量控制 | 开发了一个无需编程的交互式用户验证界面，结合了预训练的Cellpose模型，允许用户直观地调整和修正自动细胞分割结果 | NA | 提高荧光显微镜图像中细胞分割的准确性和可访问性，使湿实验室研究人员能进行高效的定量分析 | 荧光显微镜图像中的细胞 | 数字病理学 | NA | 荧光显微镜成像 | 深度学习模型 | 图像 | NA | NA | Cellpose cyto3模型, nuclei模型 | NA | NA |
| 1270 | 2025-12-05 |
Computational workflows for natural and biomedical image processing based on hypercomplex algebras
2025-Nov-14, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101388
PMID:41328164
|
研究论文 | 本文介绍了一种基于超复数代数（如四元数）的计算工作流，用于自然和生物医学图像处理，包括图像重新着色、去色、对比度增强以及组织学图像的染色分离等任务 | 利用四元数和二维正交平面分割框架，开发了非数据驱动的图像处理方法，在多种处理任务中展现出与现有方法相当或更优的性能 | 未明确提及方法在处理高维数据或实时应用中的具体限制 | 开发基于超复数代数的图像处理工作流，以提升自然和生物医学图像的处理效果 | 自然图像和生物医学图像（包括组织学图像） | 计算机视觉, 数字病理学 | NA | 图像处理工作流 | NA | 图像 | NA | NA | NA | NA | NA |
| 1271 | 2025-12-05 |
Plug-and-play computational method for advancing natural and biomedical image representation
2025-Nov-14, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101412
PMID:41328168
|
研究论文 | 本文介绍了一种基于超复数代数的非数据驱动框架，用于自然和生物医学图像处理 | 提出了一种无需训练数据的即插即用方法，适用于多种图像处理任务 | NA | 推进自然和生物医学图像的表示方法 | 自然和生物医学图像 | 计算机视觉 | NA | 超复数代数 | NA | 图像 | NA | NA | NA | NA | NA |
| 1272 | 2025-12-05 |
Pan-microalgal dark proteome mapping via interpretable deep learning and synthetic chimeras
2025-Nov-14, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101373
PMID:41328162
|
研究论文 | 本研究开发了一个名为LASR的深度学习框架，用于对微藻基因组中的“暗蛋白质组”序列进行分类和注释 | 提出了结合Transformer和状态空间模型的LASR框架，使用合成嵌合序列进行训练，实现了比传统BLASTP快约10,701倍的分类速度，并保持了高准确率 | 研究仅针对十个藻类门类，可能无法完全覆盖所有微藻物种的多样性 | 开发高效准确的微藻暗蛋白质组序列分类工具 | 十个藻类门类的翻译ORFeomes序列 | 自然语言处理 | NA | 氨基酸序列分析 | Transformer, 状态空间模型 | 氨基酸序列 | 约7700万条序列 | NA | Transformer | 召回率, 准确率 | NA |
| 1273 | 2025-12-05 |
MSAI-Path: Predicting Microsatellite Instability From Routine Histology Slides Without Reinventing the Wheel
2025-Nov-07, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2025.100932
PMID:41207630
|
研究论文 | 提出一种结合计算模型与病理学家知识的可解释混合方法，用于从结直肠癌常规组织切片中预测微卫星不稳定性 | 首次将贝塞斯达指南中MSI相关组织学特征（如上皮内淋巴细胞、分化等级等）通过自动分割模型进行量化，并与临床数据结合构建可解释预测模型 | 方法依赖于预定义的组织学特征量化，可能未涵盖所有潜在预测特征；在活检样本中验证队列相对较小 | 开发可解释且可验证的MSI预测方法，替代传统黑盒深度学习模型 | 结直肠癌患者的组织切片（包括切除和活检样本） | 数字病理学 | 结直肠癌 | 组织切片数字化（H&E染色全切片图像） | 逻辑回归, 随机森林 | 全切片图像, 临床数据 | 来自2267名患者的3256张全切片图像，涵盖5个中心的7个队列 | 未明确说明（提及深度学习分割模型但未指定框架） | 未明确说明（使用核与组织分割模型但未指定架构） | AUC（曲线下面积）, 敏感性 | 未明确说明 |
| 1274 | 2025-12-05 |
Metagenomics approach to predict antibiotic resistance genes in sputum samples of adult people with cystic fibrosis: a pilot study
2025-Nov-05, Microbiology spectrum
IF:3.7Q2
DOI:10.1128/spectrum.02299-24
PMID:41190884
|
研究论文 | 本研究探索了使用宏基因组学和深度学习工具deepARG来预测囊性纤维化成人痰液样本中抗生素耐药基因的可行性 | 首次将宏基因组学与深度学习工具deepARG结合，为囊性纤维化患者提供了一种不依赖培养、更快速的抗生素敏感性预测方法 | 样本量较小（20名患者，68份样本），且仅对部分抗生素类别（如氨基糖苷类、头孢菌素类、氟喹诺酮类）的预测结果显著 | 评估宏基因组学方法预测囊性纤维化患者痰液中抗生素耐药基因的效能，以替代耗时的传统培养方法 | 囊性纤维化成人患者的痰液样本 | 宏基因组学 | 囊性纤维化 | 鸟枪法宏基因组测序 | 深度学习 | 宏基因组测序数据 | 20名患者提供的68份痰液样本 | NA | deepARG | AUC-ROC, 灵敏度 | NA |
| 1275 | 2025-12-05 |
Extraction of Novel Features and Diagnosis Prediction in Myelodysplastic Neoplasm Using a Weakly Supervised Artificial Intelligence Model Based on Normal Megakaryocytes
2025-Nov, Pathology international
IF:2.5Q2
DOI:10.1111/pin.70049
PMID:40955745
|
研究论文 | 本研究提出了一种基于形态正常巨核细胞的弱监督人工智能模型，用于从骨髓活检标本中提取新特征并预测骨髓增生异常肿瘤的诊断 | 首次开发出能够基于正常巨核细胞形态对骨髓增生异常肿瘤与正常病例进行分类的人工智能模型，并揭示了与疾病预测显著相关的新的组织学特征 | 研究领域（骨髓活检）的人工智能应用仍相对有限，模型性能在疾病分类方面（AUC 0.879）虽良好但仍有提升空间 | 开发人工智能模型以辅助骨髓病理评估和疾病诊断 | 苏木精-伊红染色的骨髓活检标本中的形态正常巨核细胞 | 数字病理学 | 骨髓增生异常肿瘤 | 苏木精-伊红染色 | 深度学习, XGBoost | 图像 | 未明确说明 | 未明确说明 | 未明确说明 | AUC | 未明确说明 |
| 1276 | 2025-12-05 |
Multiscale Cell-Cell Interactive Spatial Transcriptomics Analysis
2025-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202508358
PMID:40948400
|
研究论文 | 提出了一种名为MCIST的多尺度细胞间交互空间转录组学分析方法，用于改进空间域检测 | 结合多尺度拓扑表示与空间深度学习技术，首次在空间转录组学分析中系统考虑多尺度细胞间交互作用 | 未明确提及方法在特定组织类型或低分辨率数据上的适用性限制 | 开发一种能整合多尺度细胞间交互的空间转录组学数据分析方法 | 空间转录组学数据 | 空间转录组学 | NA | 空间转录组学 | 深度学习 | 空间转录组学数据 | 37个基准空间转录组学数据集 | NA | NA | 聚类分数 | NA |
| 1277 | 2025-12-05 |
Artificial Intelligence for Detection of Parkinson's Disease From Speech Signals-A Comprehensive Review
2025 Nov-Dec, BioFactors (Oxford, England)
DOI:10.1002/biof.70065
PMID:41342337
|
综述 | 本文全面回顾了2020年至2024年间利用人工智能方法通过语音信号检测帕金森病的研究 | 聚焦于AI方法在帕金森病语音信号检测中的应用，并强调了对更具可解释性AI方法的需求 | 仅回顾了IEEE出版物，可能未涵盖所有相关研究 | 调查利用语音信号检测帕金森病的人工智能方法 | 帕金森病患者与健康对照者的语音信号 | 自然语言处理 | 帕金森病 | 语音信号分析 | 机器学习, 深度学习 | 语音信号 | NA | NA | NA | NA | NA |
| 1278 | 2025-12-05 |
Comparison of machine learning methods versus traditional Cox regression for survival prediction in cancer using real-world data: a systematic literature review and meta-analysis
2025-Oct-28, BMC medical research methodology
IF:3.9Q1
DOI:10.1186/s12874-025-02694-z
PMID:41152747
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，比较了机器学习模型与传统Cox回归在癌症生存预测中的性能 | 首次系统性地比较了多种机器学习模型与Cox比例风险模型在真实世界癌症生存预测中的性能，并进行了荟萃分析 | 纳入研究的异质性较高，且仅基于AUC或C指数进行性能比较，可能未全面反映模型优劣 | 系统总结观察性研究中机器学习模型在癌症生存结局预测中的应用，并比较其与Cox回归模型的性能 | 癌症患者的生存结局预测 | 机器学习 | 癌症 | NA | 随机生存森林, 梯度提升, 深度学习 | 真实世界数据 | NA | R | NA | AUC, C指数 | NA |
| 1279 | 2025-12-05 |
Using Deep Learning to Simultaneously Reduce Noise and Motion Artifacts in Brain MR Imaging
2025-Oct-24, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2024-0098
PMID:39938896
|
研究论文 | 本文提出了一种使用深度学习同时减少脑部磁共振成像中噪声和运动伪影的方法 | 通过为T1W、T2W和FLAIR序列分别构建训练模型，独立于成像方向和伪影方向，有效去除噪声和运动伪影 | 研究仅基于20名健康志愿者的模拟图像数据，未涉及真实患者数据或更多样化的病理情况 | 减少脑部MRI中的运动伪影和噪声，提升临床实用性 | 脑部T1加权、T2加权和FLAIR图像 | 计算机视觉 | NA | 磁共振成像 | 深度学习 | 图像 | 20名健康志愿者的脑部MRI图像，生成了115200张模拟图像用于训练、验证和测试 | NA | NA | 结构相似性指数, 峰值信噪比, 视觉评估 | NA |
| 1280 | 2025-12-05 |
Improved Assessment of Juxtacortical Lesions in Multiple Sclerosis Using Highly-accelerated High-resolution Double Inversion Recovery MR Imaging with Deep Learning-based Reconstruction
2025-Oct-24, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2024-0126
PMID:39971311
|
研究论文 | 本研究开发了一种基于深度学习的高分辨率双反转恢复磁共振成像技术，用于改进多发性硬化症中皮质旁病变的评估 | 采用深度学习重建技术（DL-Speed）实现高分辨率双反转恢复成像，相比传统压缩感知方法在检测皮质旁多发性硬化病变方面表现出更优性能 | 研究为回顾性分析，样本量较小（25例患者），且仅针对多发性硬化症患者 | 评估基于深度学习重建的高分辨率双反转恢复磁共振成像在检测多发性硬化症皮质旁病变中的诊断性能 | 多发性硬化症患者的磁共振成像数据 | 医学影像分析 | 多发性硬化症 | 磁共振成像（MRI），包括3D FLAIR、传统DIR和深度学习加速DIR | 深度学习重建模型 | 磁共振图像 | 25例多发性硬化症患者 | NA | NA | 病变计数统计，Wilcoxon符号秩检验 | NA |