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 32373 篇文献，本页显示第 1301 - 1320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1301 | 2025-10-05 |
Rethinking the AI Paradigm for Solubility Prediction of Drug‑Like Compounds with Dual-Perspective Modeling and Experimental Validation
2025-Sep-25, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202511667
PMID:40995668
|
研究论文 | 通过双视角建模和实验验证重新思考药物样化合物溶解度预测的AI范式 | 构建了迄今为止最大的药物和药物样分子水溶性数据集，并发现多种统计机器学习算法的集成模型在当前数据限制下优于深度学习模型 | 数据限制使得深度学习模型表现不如集成方法 | 开发可靠的药物溶解度预测模型并指导新药发现 | 药物和药物样分子的水溶性 | 机器学习 | NA | 实验验证 | 回归算法,分类算法,集成学习 | 化学数据 | 最大的药物和药物样分子水溶性数据集 | NA | 集成学习 | 准确性,泛化能力 | NA |
| 1302 | 2025-10-05 |
Deep learning model for automated detection of Helicobacter pylori and intestinal metaplasia on gastric biopsy digital whole slide images
2025-Sep-25, American journal of clinical pathology
IF:2.3Q2
DOI:10.1093/ajcp/aqaf110
PMID:40996022
|
研究论文 | 开发用于胃活检数字全切片图像中幽门螺杆菌和肠化生自动检测的深度学习模型 | 采用两阶段模型架构，结合Vision Transformer进行伪影过滤和图注意力网络进行特征聚合，同时考虑背景炎症特征以更贴近临床诊断实际 | 样本量相对有限（180个全切片图像），模型性能在HPOrg分类上仍有提升空间 | 开发胃活检标本中幽门螺杆菌和肠化生的自动检测工具 | 胃活检组织标本的数字化全切片图像 | 数字病理学 | 胃部疾病 | H&E染色，全切片数字扫描 | Vision Transformer, Graph Attention Network | 图像 | 180个胃活检H&E全切片图像，776,636个图像块 | NA | Vision Transformer, Graph Attention Network | 精确度, F1分数, 微平均F1分数, 宏平均F1分数 | NA |
| 1303 | 2025-10-05 |
Variational autoencoder-based deep learning and radiomics for predicting pathologic complete response to neoadjuvant chemoimmunotherapy in locally advanced esophageal squamous cell carcinoma
2025-Sep-25, The British journal of radiology
DOI:10.1093/bjr/tqaf239
PMID:40996309
|
研究论文 | 本研究利用变分自编码器深度学习与影像组学技术预测局部晚期食管鳞癌患者新辅助 chemoimmunotherapy 后的病理完全缓解 | 创新性地结合变分自编码器深度学习和影像组学构建深度学习影像组学模型预测治疗反应 | 研究样本量有限，仅来自单一机构，需要多中心验证 | 预测局部晚期食管鳞癌患者新辅助 chemoimmunotherapy 后的病理完全缓解 | 局部晚期食管鳞癌患者 | 医学影像分析 | 食管鳞癌 | 增强CT，影像组学 | 变分自编码器 | 医学影像 | 训练队列253名患者，测试队列40名患者 | NA | 变分自编码器 | AUC，F1分数，精确度，召回率 | NA |
| 1304 | 2025-10-05 |
Deep learning reconstruction for temporomandibular joint MRI: diagnostic interchangeability, image quality, and scan time reduction
2025-Sep-25, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12029-7
PMID:40996510
|
研究论文 | 评估深度学习重建颞下颌关节MRI与传统MRI在诊断互换性、图像质量和扫描时间方面的表现 | 首次系统评估深度学习重建技术在颞下颌关节MRI中的诊断互换性，并证明其能显著减少扫描时间同时提升图像质量 | 样本量相对有限（88名患者），仅评估了特定MRI序列（PDW和T2W FS） | 验证深度学习重建MRI在颞下颌关节疾病诊断中的临床应用价值 | 疑似颞下颌关节紊乱病患者 | 医学影像分析 | 颞下颌关节疾病 | 磁共振成像 | 深度学习 | 医学影像 | 88名患者（平均年龄37±16岁，43名男性），共176个颞下颌关节 | NA | NA | 诊断一致性, 图像质量评分, 信噪比, 对比噪声比, 扫描时间 | NA |
| 1305 | 2025-10-05 |
Machine-learned density functional based quantum chemical computations for ethane: performance of DeepMind 21 on potential energy surface and molecular properties
2025-Sep-25, Journal of molecular modeling
IF:2.1Q3
DOI:10.1007/s00894-025-06451-3
PMID:40996570
|
研究论文 | 本文使用DeepMind 21机器学习密度泛函对乙烷分子的势能面和分子性质进行量子化学计算 | 首次将深度学习密度泛函DM21应用于乙烷分子的量子科学计算，验证其在势能面生成和量子化学计算中的适用性 | 研究仅针对乙烷分子，缺乏对其他分子体系的验证 | 评估机器学习密度泛函在量子化学计算中的性能 | 乙烷分子(C2H6) | 量子化学计算 | NA | 密度泛函理论(DFT), 机器学习 | 神经网络 | 量子化学数据 | 乙烷分子体系 | TensorFlow, PySCF | DeepMind 21 (DM21) | 与CCSD(T)基准能量对比, 与传统DFT方法(B3LYP, PW6B95)比较 | NA |
| 1306 | 2025-10-05 |
Deep learning-based segmentation of acute pulmonary embolism in cardiac CT images
2025-Sep-25, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03503-0
PMID:40996587
|
研究论文 | 本研究开发基于深度学习的急性肺栓塞自动分割方法，使用心脏CT图像进行验证 | 首次将nnU-Net和基于Transformer的VT-UNet网络应用于急性肺栓塞的自动分割，并在200例CTPA数据集上取得优于现有技术的性能 | 研究样本量相对有限（200例），未提及外部验证结果 | 开发自动分割急性肺栓塞的深度学习方法，以改善患者预后和治疗规划 | 急性肺栓塞患者的CT肺动脉造影图像 | 计算机视觉 | 肺栓塞 | CT肺动脉造影 | CNN, Transformer | 医学图像 | 200例CTPA图像体积 | NA | nnU-Net, VT-UNet | Dice相似系数, 95百分位Hausdorff距离 | NA |
| 1307 | 2025-10-05 |
Decoding the limits of deep learning in molecular docking for drug discovery
2025-Sep-24, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc05395a
PMID:40901622
|
研究论文 | 深入分析深度学习在分子对接中的性能表现、局限性和优化策略 | 首次系统评估生成扩散模型、回归架构和混合框架在分子对接五大关键维度的表现 | 深度学习方法在遇到新型蛋白结合口袋时泛化能力不足 | 评估深度学习在分子对接中的性能局限并探索优化策略 | 分子对接方法和蛋白-配体复合物 | 机器学习 | NA | 分子对接 | 生成扩散模型,回归模型,混合框架 | 蛋白-配体结构数据 | NA | NA | 生成扩散模型,回归架构,混合框架 | 姿态预测精度,物理合理性,相互作用恢复,虚拟筛选效果,泛化能力 | NA |
| 1308 | 2025-10-05 |
A novel hybrid deep learning model for segmentation and uzzy Res-LeNet based classification for Alzheimer's disease
2025-Sep-24, Neurogenetics
IF:1.6Q3
DOI:10.1007/s10048-025-00837-4
PMID:40991056
|
研究论文 | 提出一种用于阿尔茨海默病分割和分类的混合深度学习方法 | 开发了结合O-SegNet和U-Net的O-SegUNet分割模型，以及融合模糊逻辑、ResNeXt和LeNet的Fuzzy Res-LeNet分类模型 | NA | 阿尔茨海默病的早期检测和分类 | 阿尔茨海默病患者的大脑磁共振成像图像 | 医学影像分析 | 阿尔茨海默病 | 磁共振成像 | 混合深度学习模型 | 医学图像 | NA | NA | O-SegUNet, Fuzzy Res-LeNet, U-Net, SegNet, ResNeXt, LeNet | 准确率, 敏感度, 特异性 | NA |
| 1309 | 2025-10-05 |
Beyond application-specific design: a generalized deep learning framework for optical property prediction in TiO2/GaN nanophotonic metasurfaces
2025-Sep-24, Nanoscale advances
IF:4.6Q2
DOI:10.1039/d5na00550g
PMID:40880600
|
研究论文 | 提出基于人工智能的框架预测TiO2/GaN纳米光子超表面中纳米柱的光学特性 | 采用迁移学习模型处理两种不同材料纳米柱的光学响应，建立通用深度学习框架替代传统试错分析 | 仅验证了特定波长范围（600-700 nm）和特定尺寸透镜的性能，角度变化研究较为初步 | 开发通用深度学习框架用于纳米光子超表面的光学特性预测 | 氮化镓和二氧化钛纳米柱的光学传输和相位响应 | 机器学习 | NA | 光学传输测量，折射率检测 | 迁移学习 | 光学响应数据 | 两个包含氮化镓和二氧化钛纳米柱光学响应的大型数据集 | NA | NA | 均方误差 | NA |
| 1310 | 2025-10-05 |
Fuzzy Rule-Based Differentiable Representation Learning
2025-Sep-24, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3609722
PMID:40991592
|
研究论文 | 提出一种基于模糊规则的可微分表示学习方法，在保持可解释性的同时提升表示学习性能 | 首次将Takagi-Sugeno-Kang模糊系统与可微分优化相结合，提出具有可解释性的表示学习方法，并引入二阶几何保持策略增强鲁棒性 | NA | 开发具有透明度和可解释性的表示学习方法，克服传统黑盒方法的局限性 | 复杂数据集的特征表示学习 | 机器学习 | NA | NA | 模糊系统,深度学习 | 基准数据集 | NA | NA | Takagi-Sugeno-Kang模糊系统 | NA | NA |
| 1311 | 2025-10-05 |
BrainAuth: A Neuro-Biometric Approach for Personal Authentication
2025-Sep-24, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3613234
PMID:40991601
|
研究论文 | 提出了一种基于深度强化学习的脑电波生物认证框架BrainAuth，用于个人身份认证 | 采用深度强化学习框架，结合Dyna架构和双重估计技术，通过分层结构减少探索时间，提高认证准确性和抗欺骗能力 | NA | 开发一种用户友好、鲁棒可靠的个人生物认证系统 | 个人身份认证 | 机器学习 | NA | 脑电波采集 | 深度强化学习,深度神经网络 | 脑电波信号 | NA | NA | 深度神经网络 | 等错误率,真阳性,假阳性,真阴性,假阴性,错误接受率,错误拒绝率,正确接受率 | NA |
| 1312 | 2025-10-05 |
Reliable Multimodal Cancer Survival Prediction with Confidence-aware Risk Modeling
2025-Sep-24, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3613406
PMID:40991606
|
研究论文 | 提出一种可靠的多模态癌症生存预测框架ReCaSP，通过多模态对齐融合整合组织学全切片图像和转录组数据，并提供置信度感知的风险预测 | 首次在多模态生存预测中引入置信度感知风险建模机制，并提出跨注意力对齐模块解决多模态数据对齐噪声问题 | 未明确说明模型在不同癌症类型间的泛化能力及计算复杂度分析 | 开发可靠的多模态癌症生存预测方法，提供预测结果的置信度评估 | 癌症患者的组织学全切片图像和转录组数据 | 数字病理学 | 癌症 | 全切片图像分析，转录组分析 | 深度学习 | 图像，基因表达数据 | 五个数据集（具体数量未明确说明） | 证据深度学习 | 跨注意力对齐模块，多模态融合架构 | C-Index | NA |
| 1313 | 2025-10-05 |
STANet: A Surgical Gesture Recognition Method Based on Spatiotemporal Fusion
2025-Sep-24, Annals of the New York Academy of Sciences
IF:4.1Q1
DOI:10.1111/nyas.70053
PMID:40991934
|
研究论文 | 提出一种基于时空融合的手术手势识别方法STANet，用于机器人手术中的动作序列建模 | 设计了时空自适应网络，通过时间模块和空间模块分别提取特征，并采用时间自适应卷积策略进行时空特征融合 | 未明确说明模型在更复杂手术场景或实时应用中的性能表现 | 开发高效的手术手势识别方法以提升手术质量评估和智能识别辅助能力 | 机器人手术中的手术手势序列 | 计算机视觉 | NA | 深度学习 | CNN, RNN, TCN | 手术手势序列数据 | 基于JIGSAWS和RARP-45两个公开手术手势数据集 | NA | STANet（时空自适应网络） | NA | NA |
| 1314 | 2025-10-05 |
Transforming histologic assessment: artificial intelligence in cancer diagnosis and personalized treatment
2025-Sep-24, British journal of cancer
IF:6.4Q1
DOI:10.1038/s41416-025-03206-y
PMID:40993310
|
综述 | 本文综述人工智能在组织学评估中的变革作用，特别是在癌症诊断和个性化治疗中的应用进展 | AI从诊断辅助工具发展为临床决策的核心组成部分，通过组织形态学表型聚类和空间转录组学等创新技术实现癌症分层和治疗个性化 | AI预测验证存在挑战，特别是在预后应用方面，资源有限环境中的可及性仍需解决，需要标准化数据集和伦理框架 | 探讨人工智能在组织病理学评估中的转型作用及其在癌症诊断和个性化治疗中的应用 | 组织学图像（特别是全切片图像WSIs）及其与基因组、临床数据的整合 | 数字病理学 | 癌症 | 深度学习, 空间转录组学, 多模态方法 | 深度学习模型 | 组织学图像, 基因组数据, 临床数据 | 基于TCGA等公共数据库的高质量全切片图像 | NA | NA | 预测准确性, 可解释性 | NA |
| 1315 | 2025-10-05 |
Automated detection of neonatal pulmonary hypertension in echocardiograms with a deep learning model
2025-Sep-24, Pediatric research
IF:3.1Q1
DOI:10.1038/s41390-025-04404-3
PMID:40993360
|
研究论文 | 开发用于自动检测新生儿肺动脉高压的深度学习模型 | 首次将时空卷积神经网络应用于新生儿超声心动图视频的肺动脉高压自动检测，并通过显著性图谱提供模型可解释性 | 研究样本量有限（共1353个视频），仅基于收缩偏心指数作为标签标准 | 开发自动化工具辅助新生儿肺动脉高压的早期筛查和诊断 | 3-90天新生儿的标准超声心动图视频 | 计算机视觉 | 肺动脉高压 | 超声心动图 | CNN | 视频 | 训练验证集975个视频，测试集378个视频，总计1353个视频片段 | NA | 空间卷积神经网络,时空卷积神经网络 | AUROC | NA |
| 1316 | 2025-10-05 |
Deciphering the sequence basis and application of transcriptional initiation regulation in plant genomes through deep learning
2025-Sep-22, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03782-5
PMID:40983924
|
研究论文 | 开发可解释深度学习模型GenoRetriever，系统解析植物转录起始位点的序列调控机制 | 首次利用多作物基因组STRIPE-seq数据构建可解释深度学习模型，量化27个核心启动子基序对转录起始的调控作用 | 研究主要基于作物基因组，可能不适用于所有植物物种 | 解析植物转录起始调控的序列基础及其应用 | 16个大豆组织和6种其他作物的转录起始位点 | 机器学习 | NA | STRIPE-seq, 深度测序 | 深度学习 | 基因组序列数据 | 16个大豆组织+6种作物基因组 | NA | GenoRetriever | NA | NA |
| 1317 | 2025-10-05 |
GeneRAIN: multifaceted representation of genes via deep learning of gene expression networks
2025-Sep-22, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03749-6
PMID:40983974
|
研究论文 | 开发了基于Transformer的GeneRAIN模型套件，通过深度学习基因表达网络生成多维度基因表征 | 提出创新的Binning-By-Gene标准化技术和GeneRAIN-vec多维度基因表征方法，能够从蛋白质编码基因向长链非编码RNA进行知识迁移 | NA | 通过深度学习基因表达关系推进生物探索 | 人类基因表达数据 | 机器学习 | NA | RNA-seq | Transformer | 基因表达数据 | 410,000个人类批量RNA-seq样本 | NA | Transformer | NA | NA |
| 1318 | 2025-10-05 |
An updated patent review of small molecule glucagon receptor antagonists (2020-2024)
2025-Sep-21, Expert opinion on therapeutic patents
IF:5.4Q1
DOI:10.1080/13543776.2025.2559928
PMID:40968011
|
综述 | 本文综述了2020-2024年间小分子胰高血糖素受体拮抗剂的最新专利进展 | 发现创新主体从制药公司转向学术机构，揭示了深度学习与虚拟筛选在新化学型开发中的应用趋势 | 仍需临床研究验证这些化合物能否克服当前开发瓶颈并解决安全性问题 | 分析小分子胰高血糖素受体拮抗剂的最新专利进展和创新策略 | 小分子胰高血糖素受体拮抗剂及相关专利文献 | 药物发现 | 糖尿病 | 深度学习, 虚拟筛选 | NA | 专利数据, 临床数据, 文献数据 | NA | NA | NA | NA | NA |
| 1319 | 2025-10-05 |
Knowledge and Perceptions of AI Among Medical Students in Morocco: Cross-Sectional Study
2025-Sep-19, JMIR formative research
IF:2.0Q4
DOI:10.2196/66156
PMID:40971792
|
研究论文 | 本研究通过横断面调查评估了摩洛哥医学生对人工智能的认知水平和态度 | 首次在摩洛哥医学生群体中开展人工智能认知与态度的系统性研究 | 采用滚雪球抽样方法，样本代表性可能存在局限；研究仅限于单一医学院校 | 评估摩洛哥医学生对人工智能的知识水平和认知态度 | 摩洛哥阿加迪尔医学院1-7年级的本科医学生 | 医学教育 | NA | 横断面调查 | NA | 问卷调查数据 | 580名医学生（女性363人，62.6%；平均年龄21.3岁） | JAMOVI 2.6.2 | NA | P值 | NA |
| 1320 | 2025-10-05 |
Deep learning-based cross-device standardization of surface-enhanced Raman spectroscopy for enhanced bacterial recognition
2025-Sep-19, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.126931
PMID:40991976
|
研究论文 | 提出深度学习框架解决便携式与实验室级拉曼光谱设备间的标准化问题，提升细菌识别性能 | 开发SERS-D2DNet光谱转换网络和SuperRaman分类网络的双重深度学习框架，实现跨设备光谱标准化与高效细菌分类 | 研究仅涉及4种便携设备和1种实验室设备，设备类型覆盖范围有限 | 解决表面增强拉曼光谱在便携设备与实验室设备间的标准化问题，提升细菌识别准确性 | 20种临床相关细菌特征和参考化合物的SERS光谱数据 | 机器学习 | 细菌感染 | 表面增强拉曼光谱(SERS) | 序列到序列神经网络, 超操作神经网络(Super-ONN) | 光谱数据 | 20个分析物类别，使用5种不同设备采集 | NA | SERS-D2DNet, SuperRaman | 平均绝对误差(MAE), R值, 分类准确率 | NA |