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 32372 篇文献，本页显示第 121 - 140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2025-10-05 |
Smart detection of biofouling: A deep learning framework for water infrastructure surveillance
2025-Sep-23, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2025.124665
PMID:41043362
|
研究论文 | 提出一种基于深度学习的端到端检测与实例分割框架MusselDet，用于监测淡水生物污损物种黄金贻贝的关键生命周期阶段 | 提出增强型Co-DETR架构，包含三个关键模块：CA-CBAM增强稀疏数据特征区分能力、LDGCN通过时空图学习恢复缺失幼虫特征、MLST实现细粒度实例分割和集群密度评估 | 基于自定义数据集进行评估，未在更广泛环境中验证框架的泛化能力 | 开发智能检测框架用于水基础设施生物污损监测 | 黄金贻贝（Limnoperna fortunei）的关键生命周期阶段 | 计算机视觉 | NA | 深度学习 | Transformer, CNN, GCN | 图像 | 自定义黄金贻贝数据集（GMD） | PyTorch | Co-DETR, CA-CBAM, LDGCN, MLST | 平均精度(mAP₅₀), 召回率, 推理速度(FPS) | NA |
| 122 | 2025-10-05 |
Deep learning-based prediction of cardiopulmonary disease in retinal images of premature infants
2025-Sep-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.09.18.25336004
PMID:41001491
|
研究论文 | 本研究开发了一种基于深度学习的方法，利用早产儿视网膜图像预测支气管肺发育不良和肺动脉高压 | 首次发现ROP筛查视网膜图像中包含与BPD和PH相关的特征，并提出结合图像特征与人口统计学风险因素的多模态模型 | 样本量相对有限（BPD队列99例，PH队列37例），且仅包含≤34周胎龄的图像 | 探索视网膜图像特征与早产儿心肺疾病的关联性，开发早期预测模型 | 493名有ROP风险的早产儿，来自7个新生儿重症监护室 | 计算机视觉 | 心血管疾病 | 视网膜成像 | 深度学习,支持向量机 | 图像,临床数据 | 493名婴儿（BPD测试集99例，PH测试集37例） | NA | ResNet18 | AUC | NA |
| 123 | 2025-10-05 |
An Artificial Intelligence-Based Framework for Predicting Emergency Department Overcrowding: Development and Evaluation Study
2025-Sep-17, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/73960
PMID:40961493
|
研究论文 | 开发并评估基于人工智能的急诊科拥挤预测框架 | 首次将时间序列视觉变换器(TSiTPlus)和可解释卷积神经网络(XCMPlus)应用于急诊科拥挤预测，支持6小时提前量和24小时平均预测 | 研究数据仅来自美国东南部一家合作医院，可能限制模型的泛化能力 | 预测急诊科候诊人数以支持主动资源分配和改善医院效率 | 急诊科患者流量数据 | 机器学习 | NA | 机器学习预测建模 | 时间序列视觉变换器,可解释卷积神经网络 | 医院急诊科内部和外部数据 | 来自美国东南部一家合作医院的急诊科数据 | NA | TSiTPlus,XCMPlus | 平均绝对误差,均方误差 | NA |
| 124 | 2025-10-05 |
Unveiling genetic architecture of white matter microstructure through unsupervised deep representation learning of fractional anisotropy maps
2025-Sep-17, Research square
DOI:10.21203/rs.3.rs-7411165/v1
PMID:41001519
|
研究论文 | 提出一种基于深度学习的无监督表示学习方法UDR-WM，用于从分数各向异性图谱中提取白质微观结构特征 | 采用无监督深度学习方法直接从体素级FA图谱提取全脑特征，无需先验解剖假设，相比传统方法显著提高了遗传发现能力 | NA | 揭示白质微观结构的遗传架构及其与脑部疾病的关联 | 人脑白质微观结构 | 医学影像分析 | 精神分裂症,帕金森病 | 扩散MRI,全基因组关联分析(GWAS) | 深度学习 | 医学影像(分数各向异性图谱) | NA | NA | 无监督深度表示学习 | SNP遗传力,Mann-Whitney U检验,Wald检验,Fisher精确检验 | NA |
| 125 | 2025-10-05 |
Rapid and sensitive acute leukemia classification and diagnosis platform using deep learning-assisted SERS detection
2025-Sep-16, Cell reports. Medicine
DOI:10.1016/j.xcrm.2025.102320
PMID:40925373
|
研究论文 | 提出结合深度学习和表面增强拉曼散射的分类策略，用于急性白血病的快速灵敏诊断 | 首次将Transformer模型与SERS检测结合，通过一维光谱和二维图像的特征融合实现急性白血病亚型分类 | 样本量相对有限（390例），仅验证了脑脊液样本 | 开发快速敏感的急性白血病分类诊断平台 | 脑脊液样本（包括健康对照、急性白血病患者和其他疾病患者） | 数字病理 | 白血病 | 表面增强拉曼散射（SERS） | Transformer | 光谱数据，图像数据 | 390例脑脊液样本 | NA | Transformer | 准确率，灵敏度，特异性，可靠性 | NA |
| 126 | 2025-10-05 |
Image-based drug screening combined with molecular profiling identifies signatures and drivers of therapy resistance in pediatric AML
2025-Sep-16, Cell reports. Medicine
DOI:10.1016/j.xcrm.2025.102304
PMID:40840446
|
研究论文 | 本研究开发了结合高内涵成像和深度学习表型分析的功能性筛选平台，用于识别儿童急性髓系白血病的治疗耐药特征和驱动因素 | 首次系统性应用功能性精准医学方法研究儿童急性髓系白血病，结合分子谱分析识别跨遗传亚组的治疗耐药早期特征 | 研究样本量有限（45例患者），尚未在更大队列中验证预测效果 | 研究儿童急性髓系白血病的治疗耐药机制并确定靶向治疗策略 | 儿童急性髓系白血病患者样本 | 数字病理学 | 白血病 | 高内涵成像，基因组分析，表观基因组分析 | 深度学习 | 图像，基因组数据，表观基因组数据 | 45例儿童急性髓系白血病患者 | NA | NA | NA | NA |
| 127 | 2025-10-05 |
Deep-Learning-Based Analysis of Disease-Specific Structural Biomarkers on Retinal Sensitivity in Neovascular Age-Related Macular Degeneration
2025-Sep-02, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.66.12.68
PMID:41025875
|
研究论文 | 本研究使用深度学习分析新生血管性年龄相关性黄斑变性中疾病特异性生物标志物对视网膜点对点敏感性的影响 | 首次使用深度学习技术量化多种生物标志物并评估它们对视网膜敏感性的交互影响 | 样本量较小（20例患者），研究设计为横断面研究无法确定因果关系 | 评估疾病特异性生物标志物对新生血管性年龄相关性黄斑变性患者视网膜敏感性的影响 | 活动性新生血管性年龄相关性黄斑变性患者 | 数字病理学 | 年龄相关性黄斑变性 | 光学相干断层扫描，微视野检查，深度学习 | 深度学习 | 医学影像 | 20例患者（20只眼），平均年龄76.0岁 | NA | NA | 置信区间，点对点敏感性变化（dB） | NA |
| 128 | 2025-10-05 |
Deep learning-based detection of generalized convulsive seizures using a wrist-worn accelerometer
2025-Sep, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.18406
PMID:40265999
|
研究论文 | 开发并验证基于腕戴式加速度计和深度学习算法的全身性惊厥发作自动检测系统 | 提出集成卷积神经网络架构，通过基于分位数的聚合实现可调灵敏度，适用于现成智能手表 | 一名患者因传感器手臂被床栏卡住导致漏检一次发作，检测性能受传感器位置影响 | 开发自动化检测全身性或双侧惊厥发作的算法 | 癫痫监测单元中接受视频脑电图监测的384名患者 | 机器学习 | 癫痫 | 三维加速度计传感 | CNN | 加速度计幅度数据 | 训练集：37名患者54次惊厥发作；测试集：347名患者49次惊厥发作 | NA | 集成卷积神经网络 | 灵敏度, 误报率, 检测延迟 | NA |
| 129 | 2025-10-05 |
Effect of Tear Classification on Subscapularis Muscle Volume: A Deep Learning-based Semi-automatic Analysis of Pre- and Postoperative Changes in 246 Rotator Cuff Repair Patients With and Without First Facet Subscapularis Tears
2025-Sep, Orthopaedic journal of sports medicine
IF:2.4Q2
DOI:10.1177/23259671251374303
PMID:41036382
|
研究论文 | 本研究使用深度学习分割工具分析246例肩袖修复患者术前术后肩胛下肌体积变化，探讨肌腱撕裂分类与肌肉体积的关系 | 首次使用深度学习MRI分割技术系统评估不同肩胛下肌腱撕裂分类对肌肉体积的影响及术后变化 | 研究为单中心队列研究，证据等级为3级，样本量相对有限 | 评估肩胛下肌体积与肌腱撕裂分类的关系，并分析术前术后肌肉体积变化 | 246例接受关节镜肩袖修复术的患者 | 医学影像分析 | 肩袖损伤 | 磁共振成像 | 深度学习分割模型 | MRI图像 | 246例患者 | NA | NA | 标准化肩胛下肌体积，统计学显著性(P值) | NA |
| 130 | 2025-10-05 |
How Everything Is Connected to Everything Else - Population-Specific Connections between Adaptive Evolution, Disease Susceptibility, and Drug Responsiveness
2025-Sep, Advanced genetics (Hoboken, N.J.)
DOI:10.1002/ggn2.202500018
PMID:41036480
|
评论 | 探讨适应性进化、疾病易感性和药物反应性之间的人口特异性联系 | 使用整合统计测试的深度学习网络识别17个人类群体中的有利突变，揭示三者间广泛且高度人群特异性的关联 | 许多有利突变仍未被识别，关联机制尚未完全阐明 | 研究适应性进化、疾病易感性和药物反应性之间的内在联系 | 17个人类群体的基因组数据 | 机器学习 | NA | 全基因组关联研究(GWAS), 深度学习 | 深度学习网络 | 基因组数据 | 17个人类群体 | NA | NA | NA | NA |
| 131 | 2025-10-05 |
SurvBoard: standardized benchmarking for multi-omics cancer survival models
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf521
PMID:41031875
|
研究论文 | 介绍SurvBoard基准框架，用于标准化多组学癌症生存预测模型的评估 | 开发了首个标准化多组学癌症生存模型基准测试框架，解决了实验设计标准化和缺失模态数据处理的问题 | 未明确说明框架适用的具体癌症类型范围和样本规模限制 | 建立标准化的多组学癌症生存预测模型评估体系 | 多组学癌症生存预测模型 | 机器学习 | 癌症 | 多组学数据整合（基因组学、转录组学、表观基因组学、蛋白质组学） | 统计模型,深度学习模型 | 多组学数据 | NA | NA | NA | 生存函数校准指标 | NA |
| 132 | 2025-10-05 |
Performance of Artificial Intelligence Models in Predicting Responsiveness of Hepatocellular Carcinoma to Transarterial Chemoembolization (TACE): A Systematic Review and Meta-Analysis
2025-Aug-30, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.08.028
PMID:40889566
|
系统综述与Meta分析 | 评估人工智能模型预测肝细胞癌经动脉化疗栓塞治疗反应性的性能 | 首次系统比较手工放射组学与深度学习模型在预测TACE治疗反应中的表现 | 研究间存在异质性，需要进一步验证 | 评估人工智能模型预测HCC患者TACE治疗疗效的性能 | 接受经动脉化疗栓塞治疗的肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 放射组学分析，深度学习 | 手工放射组学模型，深度学习模型 | 医学影像数据 | 27项研究纳入系统综述，11项研究纳入Meta分析 | NA | NA | 受试者工作特征曲线下面积，置信区间 | NA |
| 133 | 2025-10-05 |
ESMDynamic: Fast and Accurate Prediction of Protein Dynamic Contact Maps from Single Sequences
2025-Aug-24, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.20.671365
PMID:40894558
|
研究论文 | 开发了一种直接从蛋白质序列预测动态残基-残基接触概率图的深度学习模型 | 首个直接从单序列预测蛋白质动态接触图的方法，无需多序列比对，推理速度比现有方法快几个数量级 | NA | 预测蛋白质动态接触图以理解构象动力学 | 蛋白质序列和构象动力学 | 结构生物学 | NA | 分子动力学模拟，深度学习 | 深度学习模型 | 蛋白质序列，接触波动数据 | 两个大规模MD数据集（mdCATH和ATLAS） | NA | ESMFold | NA | NA |
| 134 | 2025-10-05 |
Towards expert-level autonomous carotid ultrasonography with large-scale learning-based robotic system
2025-Aug-23, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-62865-w
PMID:40849291
|
研究论文 | 本文提出了一种基于大规模学习的自主颈动脉超声机器人系统UltraBot，实现了专家级性能 | 四项创新：统一的模仿学习框架、大规模专家演示数据集（247,000样本）、全面扫描协议、临床导向验证 | NA | 开发能够达到专家水平的自主颈动脉超声系统 | 颈动脉超声检查 | 医学影像，机器人技术 | 心血管疾病 | 超声成像 | 模仿学习，深度学习 | 超声图像，机器人操作数据 | 247,000个样本 | NA | 基础模型 | 成功率，准确度，可重复性 | NA |
| 135 | 2025-10-05 |
Enhancing Diagnostic Accuracy of Fresh Vertebral Compression Fractures With Deep Learning Models
2025-Aug-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005156
PMID:39468863
|
研究论文 | 本研究开发基于X射线图像的深度学习模型用于准确诊断新鲜胸腰椎压缩性骨折 | 首次将深度学习模型应用于X射线图像诊断新鲜椎体压缩性骨折，可作为MRI的替代方案 | 回顾性研究设计，样本来源单一，未进行外部验证 | 开发能够准确诊断新鲜椎体压缩性骨折的深度学习模型 | 疑似胸腰椎压缩性骨折患者的X射线图像 | 计算机视觉 | 骨科疾病 | X射线成像 | CNN | 图像 | 2224名患者的3025张侧位X射线图像 | NA | EfficientNet,MobileNet,MnasNet | AUC,准确率,灵敏度,特异性,F1分数,精确率,ROC曲线 | NA |
| 136 | 2025-10-05 |
Sharing a whole-/total-body [18F]FDG-PET/CT dataset with CT-derived segmentations: an ENHANCE.PET initiative
2025-Aug-05, Research square
DOI:10.21203/rs.3.rs-7169062/v2
PMID:40799763
|
研究论文 | 发布包含1597个全身/整体PET/CT图像及对应130个靶区CT分割的大型多中心数据集 | 提供首个大规模全身/整体PET/CT数据集，包含多病理类型和130个精细解剖区域的CT衍生分割 | 分割结果先由软件自动生成后经培训医师修正，可能存在人工校正误差 | 填补PET/CT数据在临床管理应用中的资源空白 | 无明显疾病个体及肺癌、淋巴瘤、黑色素瘤患者的多中心影像数据 | 数字病理 | 肺癌,淋巴瘤,黑色素瘤 | FDG-PET/CT, CT分割 | NA | PET/CT图像, 分割标注 | 1597个PET/CT图像，130个靶区分割区域 | NA | NA | NA | NA |
| 137 | 2025-10-05 |
Automated Measurements of Spinal Parameters for Scoliosis Using Deep Learning
2025-Jun-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005280
PMID:40152470
|
研究论文 | 开发并验证用于脊柱侧弯诊断的自动化卷积神经网络测量系统 | 首次提出包含粗分割、关键点定位和精细分割的完整CNN流程，可同时测量多种脊柱参数而不仅限于Cobb角 | 单中心回顾性研究，样本量相对有限，缺乏外部验证 | 开发自动化脊柱参数测量系统以提高脊柱侧弯诊断效率和准确性 | 1682名脊柱侧弯患者的正位和侧位X光片 | 计算机视觉 | 脊柱侧弯 | X光成像 | CNN | 医学影像 | 1682名患者（含87名青少年和26名老年患者测试集） | NA | NA | Dice系数, 平均绝对误差, 正确关键点百分比 | NA |
| 138 | 2025-10-05 |
Performance of Artificial Intelligence in Diagnosing Lumbar Spinal Stenosis: A Systematic Review and Meta-Analysis
2025-May-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005174
PMID:39451133
|
系统评价与荟萃分析 | 本系统评价与荟萃分析评估人工智能在诊断腰椎管狭窄症中的表现 | 首次通过系统评价和荟萃分析全面评估AI技术对腰椎管狭窄症及其不同狭窄类型的诊断价值 | 需要进一步的外部验证以增强对不同狭窄类别的分析并提高轻中度狭窄的诊断准确性 | 评估人工智能诊断腰椎管狭窄症的价值，为智能诊断工具开发提供循证支持 | 腰椎管狭窄症及其不同类型和狭窄程度 | 医学影像分析 | 腰椎管狭窄症 | 深度学习, 机器学习 | 深度学习模型, 机器学习模型 | 医学影像数据 | 48篇纳入研究的样本汇总 | NA | NA | 准确率, 95%置信区间 | R4.4.0统计软件 |
| 139 | 2025-10-05 |
gRNAde: Geometric Deep Learning for 3D RNA inverse design
2025-Feb-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.31.587283
PMID:38826198
|
研究论文 | 本文介绍了一种基于几何深度学习的3D RNA逆设计方法gRNAde | 首个在3D RNA骨架上操作的几何深度学习流程，能够同时考虑RNA结构和动力学特性进行序列设计 | NA | 开发能够处理3D RNA构象多样性的逆设计方法 | RNA分子结构和序列 | 计算生物学 | NA | 几何深度学习 | 图神经网络 | 3D RNA骨架结构 | PDB数据库中的14个RNA结构，以及10个结构化RNA骨架的湿实验验证 | PyTorch | 多状态图神经网络，自回归解码器 | 天然序列恢复率，成功率 | NA |
| 140 | 2025-10-05 |
The information bottleneck as a principle underlying multi-area cortical representations during decision-making
2025-Feb-15, bioRxiv : the preprint server for biology
DOI:10.1101/2023.07.12.548742
PMID:37502862
|
研究论文 | 通过研究猴子决策过程中大脑多个区域的计算机制，发现大脑使用多区域计算形成最小充分表征的原理 | 首次揭示了大脑在决策过程中通过多区域计算形成最优表征的机制，并发现这一过程符合信息瓶颈原理 | 研究仅关注DLPFC和PMd两个脑区，可能未完全涵盖决策过程中涉及的所有脑区 | 探索大脑在决策过程中如何通过多个脑区分布计算并形成最优表征 | 猴子的背外侧前额叶皮层(DLPFC)和背侧前运动皮层(PMd)神经元活动 | 计算神经科学 | NA | 单神经元记录、多单元记录 | 循环神经网络(RNN) | 神经电生理数据 | 猴子DLPFC和PMd脑区的神经元记录数据 | NA | 多区域循环神经网络 | NA | NA |