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 1681 - 1700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1681 | 2025-10-05 |
Deep learning for the harmonization of structural MRI scans: a survey
2024-Aug-31, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-024-01280-6
PMID:39217355
|
综述 | 本文系统综述了基于深度学习的结构MRI图像协调方法，分析不同网络架构和算法的优缺点 | 首次从网络架构、学习算法、监督策略和输出类型四个维度系统分析结构MRI协调技术，特别关注解耦表示学习等新兴方法 | 缺乏不同方法间的全面定量比较，评估标准不统一 | 为研究人员和从业者选择合适图像协调架构提供指导，推动该领域发展 | 结构MRI医学图像 | 医学图像处理 | NA | 磁共振成像(MRI) | 深度学习 | 医学图像 | NA | NA | U-Net,GAN,VAE,流式生成模型,Transformer,自定义网络架构 | 常用评估指标 | NA |
| 1682 | 2025-10-05 |
Cardiovascular Disease Risk Stratification Using Hybrid Deep Learning Paradigm: First of Its Kind on Canadian Trial Data
2024-Aug-28, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14171894
PMID:39272680
|
研究论文 | 本研究开发了一种基于混合深度学习的AtheroEdge™ 3.0HDL系统，用于心血管疾病风险分层 | 首次在加拿大试验数据上应用混合深度学习范式进行心血管疾病风险分层，相比单向深度学习、双向深度学习和机器学习范式有显著性能提升 | 研究样本量相对有限（500人），需要在更大人群中进一步验证 | 开发并验证基于颈动脉斑块特征的混合深度学习系统用于心血管疾病风险分层 | 接受颈动脉B型超声和冠状动脉造影检查的500名患者 | 数字病理 | 心血管疾病 | 颈动脉B型超声，冠状动脉造影 | 混合深度学习，单向深度学习，双向深度学习，机器学习 | 医学影像数据 | 500名患者 | NA | AtheroEdge™ 3.0HDL | p值，曲线下面积 | NA |
| 1683 | 2025-10-05 |
A multimodal deep learning model to infer cell-type-specific functional gene networks
2023-Feb-14, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-023-05146-x
PMID:36788477
|
研究论文 | 开发了一种多模态深度学习模型来预测人脑中细胞类型特异性功能基因网络 | 首次整合单核基因表达数据和全局蛋白质相互作用网络来构建细胞类型特异性功能基因网络 | 目前仅应用于人脑组织，尚未验证在其他组织中的适用性 | 预测细胞类型特异性功能基因网络以理解基因在特定细胞类型中的功能关系 | 人脑中的不同细胞类型及其功能基因网络 | 生物信息学 | 自闭症,阿尔茨海默病 | 单核RNA测序,蛋白质相互作用网络分析 | 多模态深度学习,CNN,boosting tree | 基因表达数据,蛋白质相互作用数据 | NA | NA | MDLCN,CNN | ROC曲线下面积,精确召回曲线下面积 | NA |
| 1684 | 2025-10-06 |
Optimizing delamination imaging via full wavefield segmentation using augmented simulated wavefield data
2026-Jan, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2025.107789
PMID:40819597
|
研究论文 | 提出一种结合波数滤波与混合噪声翻转增强的数据预处理策略，用于提升深度学习模型在全波场分割中对碳纤维增强聚合物分层损伤的成像性能 | 通过频域隔离分层引入的导波模态，结合噪声增强和翻转增强技术，引导深度学习模型更有效聚焦分层相关特征 | 仅使用模拟数据进行训练，虽在实验测量中验证有效，但实际应用场景的多样性可能仍需进一步验证 | 优化碳纤维增强聚合物中分层损伤的全波场分割成像 | 碳纤维增强聚合物中的分层损伤 | 计算机视觉 | NA | 全波场分割、波数滤波、导波模态分析 | 深度学习模型 | 波场数据 | NA | NA | NA | 交并比 | NA |
| 1685 | 2025-10-06 |
A Transformer-based framework with generative spectral augmentation for online monitoring of hyaluronic acid fermentation
2025-Dec-01, Carbohydrate polymers
IF:10.7Q1
DOI:10.1016/j.carbpol.2025.124278
PMID:40973290
|
研究论文 | 提出结合数据增强和深度学习的在线监测框架，用于透明质酸发酵过程中分子量和浓度的实时监测 | 首次将Wasserstein GAN with gradient penalty (WGAN-GP)数据增强技术与改进的Transformer模型相结合，用于近红外光谱分析 | 未明确说明训练数据的具体规模和发酵过程的变异范围 | 开发精确实时的透明质酸发酵过程监测方法 | 透明质酸发酵过程 | 机器学习 | NA | 近红外光谱分析 | GAN, Transformer, CNN, LSTM | 光谱数据 | NA | NA | WGAN-GP, Transformer, 1D-CNN, LSTM | 预测精度, 泛化能力 | NA |
| 1686 | 2025-10-06 |
Artificial Intelligence-Based Approaches for Brain Tumor Segmentation in MRI: A Review
2025-Nov, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70141
PMID:40962716
|
综述 | 本文综述了基于人工智能的MRI脑肿瘤分割方法 | 系统梳理了脑肿瘤分割领域的技术进展，涵盖网络架构设计、不平衡设置分割和多模态处理等关键技术主题 | 作为综述文章，不包含原始实验数据和新方法验证 | 回顾MRI脑肿瘤分割的人工智能方法 | 脑肿瘤MRI图像 | 医学影像分析 | 脑肿瘤 | MRI | CNN, ViT | 医学影像 | 基于200多篇学术文献的分析 | NA | NA | NA | NA |
| 1687 | 2025-10-05 |
Therapeutic targets in lung diseases identified through single-cell analysis and mendelian randomization
2025 Nov-Dec, Heart & lung : the journal of critical care
IF:2.4Q2
DOI:10.1016/j.hrtlng.2025.07.015
PMID:40716288
|
研究论文 | 通过单细胞分析和孟德尔随机化方法识别肺部疾病的治疗靶点 | 整合单细胞转录组数据和孟德尔随机化分析，首次构建了跨12种肺部特征的泛肺病靶点谱 | 仅对部分肺部特征（肺癌、FVC和FEV1/FVC比值）建立了因果关系，其他特征的因果验证有限 | 识别肺部疾病的因果治疗靶点并验证其遗传作用 | 12种肺部特征（10种疾病和2种功能指标：FVC和FEV1/FVC比值） | 生物信息学 | 肺癌 | 单细胞转录组测序, 孟德尔随机化, cis-eQTL分析 | 深度学习模型 | 单细胞转录组数据, 遗传数据 | 人类肺细胞图谱数据及独立验证队列 | Geneformer | NA | 共定位检验 | NA |
| 1688 | 2025-10-06 |
Vitiligo Signature-Based Drug Screening Identifies Fulvestrant as a Novel Immunotherapy Combination Strategy
2025-Sep-20, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202503979
PMID:40974370
|
研究论文 | 本研究通过白癜风特征识别开发了免疫治疗组合策略，并验证了氟维司群增强抗PD-L1治疗的潜力 | 首次建立白癜风特征(VGS)区分冷热肿瘤，并利用深度学习系统发现氟维司群作为免疫治疗联合用药 | 研究主要基于临床前模型，尚未进行临床验证 | 开发改善免疫治疗效果的精准医疗策略 | 黑色素瘤和白癜风患者样本 | 数字病理 | 黑色素瘤 | 单细胞RNA测序，免疫荧光，流式细胞术 | 深度学习 | 基因表达数据，细胞图像 | NA | NA | NA | 准确性 | NA |
| 1689 | 2025-10-06 |
Self-AttentionNeXt: Exploring schizophrenic optical coherence tomography image detection investigations
2025-Sep-19, World journal of psychiatry
IF:3.9Q1
DOI:10.5498/wjp.v15.i9.108359
PMID:40933157
|
研究论文 | 开发了一种名为Self-AttentionNeXt的新型深度学习模型，用于通过光学相干断层扫描图像检测精神分裂症 | 将分组自注意力机制、残差和倒置瓶颈块相结合，构建了融合Transformer注意力机制和卷积神经网络的新型架构 | NA | 开发先进的深度学习模型对OCT图像进行分类，利用视网膜生物标志物区分精神分裂症患者和健康对照 | 精神分裂症患者的OCT图像和健康对照的OCT图像 | 计算机视觉 | 精神分裂症 | 光学相干断层扫描 | CNN, 自注意力机制 | 图像 | 自定义收集的精神分裂症OCT数据集和公开可用的OCT2017数据集 | NA | Self-AttentionNeXt（包含分组自注意力机制、残差块、倒置瓶颈块和1×1卷积） | 准确率 | NA |
| 1690 | 2025-10-06 |
Quantum-Resistant Privacy Preservation for Mobile Healthcare Services in Connected Transportation Systems via Deep Neural Architectures
2025-Sep-19, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3612210
PMID:40971270
|
研究论文 | 提出了一种用于车联网移动医疗服务的量子抗性隐私保护框架，结合格密码学和深度神经网络架构 | 首次将基于格的量子抗性密码学（Ring-LWE）与深度神经网络架构相结合，用于保护车联网环境中的移动医疗数据隐私 | 未明确说明实验数据的具体规模和来源，且未与其他量子抗性方案进行直接比较 | 开发量子计算时代下移动医疗服务的隐私保护解决方案 | 车联网环境中的移动医疗服务和敏感医疗数据 | 网络安全, 机器学习 | NA | 格密码学, 深度神经网络 | CNN, 注意力机制 | 网络数据, 医疗数据 | NA | NA | 卷积模块, 注意力模块 | 准确率, 端到端延迟, 加密开销, 入侵检测效果 | NA |
| 1691 | 2025-10-06 |
Trans-Driver: a deep learning approach for cancer driver gene discovery with multi-omics data
2025-Sep-19, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3612010
PMID:40971265
|
研究论文 | 提出一种基于Transformer架构的深度学习方法Trans-Driver，用于整合多组学数据发现癌症驱动基因 | 引入基于核的多头自注意力机制与门控残差连接，以及动态Tanh归一化函数，增强异质多组学特征的整合与建模能力 | NA | 癌症驱动基因的精准识别 | 蛋白质编码基因 | 机器学习 | 癌症 | 多组学数据整合分析 | Transformer | 多组学数据 | 约20,000个蛋白质编码基因，在TCGA、CGC和PCAWG数据集上验证 | NA | Transformer | NA | NA |
| 1692 | 2025-10-06 |
Transfer Learning and Permutation-Invariance Improving Predicting Genome-Wide, Cell-Specific and Directional Interventions Effects of Complex Systems
2025-Sep-19, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202509456
PMID:40971773
|
研究论文 | 本研究开发了一种基于迁移学习和排列不变性的深度学习模型SETComp，用于预测复杂系统干预对基因组和细胞特异性效应 | 利用排列不变性作为核心模块，通过在大规模单化合物干预数据上预训练，再在少量复杂系统干预数据上微调，实现了对未见复杂系统干预效应的准确预测 | 模型在复杂系统干预数据上的训练样本量相对较小 | 开发能够预测复杂系统（如天然产物）对基因组和细胞特异性干预效应的计算模型 | 细胞系中的单化合物和复杂系统干预效应 | 机器学习 | NA | 深度学习 | 深度学习模型 | 基因组干预效应数据 | 大量单化合物干预数据和少量复杂系统干预数据 | NA | SETComp（基于排列不变性的嵌入和迁移学习模型） | 准确率 | NA |
| 1693 | 2025-09-21 |
Comment on "VAULT-OCT: Vault Accuracy Using Deep Learning Technology - An AI Model for Predicting Implantable Collamer Lens Postoperative Vault with AS-OCT"
2025-Sep-19, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001794
PMID:40971892
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1694 | 2025-10-06 |
Deep Learning for simulating the evolution of condensed matter systems at the continuum scale: methods and applications
2025-Sep-19, Journal of physics. Condensed matter : an Institute of Physics journal
DOI:10.1088/1361-648X/ae096d
PMID:40972655
|
综述 | 本文系统回顾了深度学习在模拟凝聚态物质系统连续尺度演化方面的最新方法与应用 | 系统化整理了神经网络处理时间依赖演化的多种策略与架构，区分了数据驱动和物理信息策略，并讨论了混合方法 | 神经网络方法作为传统计算方法有效替代方案仍面临主要挑战和缺陷 | 研究凝聚态物理中复杂系统时间演化的模拟方法 | 凝聚态物质系统的连续尺度演化 | 机器学习 | NA | 神经网络方法 | NA | 偏微分方程解的大型数据集 | NA | NA | NA | NA | NA |
| 1695 | 2025-10-06 |
Visual language model-assisted spectral CT reconstruction by diffusion and low-rank priors from limited-angle measurements
2025-Sep-19, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae0974
PMID:40972665
|
研究论文 | 开发了一种视觉语言模型辅助的谱CT重建方法，通过扩散模型和低秩先验从有限角度测量中重建高质量图像 | 首次将视觉语言模型与扩散模型结合用于谱CT重建，通过提示工程表示有限角度伪影特征，实现单一模型适应多种扫描设置 | NA | 解决有限角度扫描伪影问题并实现多设置适应性谱CT重建 | 谱CT图像 | 计算机视觉 | NA | 谱CT成像 | 扩散模型, 视觉语言模型 | CT图像 | NA | NA | 扩散模型 | 峰值信噪比 | NA |
| 1696 | 2025-10-06 |
Multi-modal CT Perfusion-based Deep Learning for Predicting Stroke Lesion Outcomes in Complete and No Recanalization Scenarios
2025-Sep-19, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9016
PMID:40973461
|
研究论文 | 开发基于多模态CT灌注的深度学习模型，用于预测急性缺血性脑卒中患者在不同再通情况下的最终病灶结果 | 针对完全再通和无再通两种不同临床场景分别开发专门的深度学习模型，相比传统阈值方法提供更准确的病灶预测 | 样本量相对有限，特别是无再通组样本较少(n=138)，且为多中心回顾性研究 | 预测急性缺血性脑卒中患者的最终病灶位置和体积，改善临床治疗决策 | 急性缺血性脑卒中患者，包括完全再通患者(n=350)和无再通患者(n=138) | 医学影像分析 | 脑卒中 | CT灌注成像，扩散加权成像 | 深度学习 | 医学影像 | 完全再通患者350例，无再通患者138例 | NA | 3D nnU-Net | Dice系数, 95% Hausdorff距离, 平均对称表面距离 | NA |
| 1697 | 2025-10-06 |
Phylogenetic Methods Meet Deep Learning
2025-Sep-19, Genome biology and evolution
IF:3.2Q2
DOI:10.1093/gbe/evaf177
PMID:40973626
|
观点文章 | 探讨深度学习在系统发育学中的应用潜力及挑战 | 提出使用紧凑双射梯形向量或Transformer等新训练数据编码方式处理更大规模的树和基因组数据集 | 基于模拟训练数据存在风险，计算估计的可重复性和鲁棒性仍需加强 | 推动深度学习与传统系统发育重建方法的互补融合 | 系统发育数据和基因组数据集 | 机器学习 | NA | 基因组测序 | Transformer | 基因组数据 | NA | NA | Transformer | NA | NA |
| 1698 | 2025-10-06 |
OcuViT: A Vision Transformer-Based Approach for Automated Diabetic Retinopathy and AMD Classification
2025-Sep-19, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01676-3
PMID:40973913
|
研究论文 | 提出基于视觉Transformer的OcuViT模型，用于自动分类糖尿病视网膜病变和年龄相关性黄斑变性 | 首次将视觉Transformer通过迁移学习应用于眼科诊断，并设计了高效的预处理流程 | 未明确说明模型在计算效率方面的具体表现 | 开发自动化的视网膜疾病分类系统以提高诊断精度和可靠性 | 糖尿病视网膜病变(DR)和年龄相关性黄斑变性(AMD) | 计算机视觉 | 视网膜疾病 | 深度学习，迁移学习 | Vision Transformer (ViT) | 视网膜眼底图像 | APTOS数据集和IChallenge-AMD数据集 | PyTorch | ViT-Base-Patch16-224 | 准确率，鲁棒性 | NA |
| 1699 | 2025-10-06 |
Lightweight Transfer Learning Models for Multi-Class Brain Tumor Classification: Glioma, Meningioma, Pituitary Tumors, and No Tumor MRI Screening
2025-Sep-19, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01686-1
PMID:40973910
|
研究论文 | 开发轻量级深度学习模型用于多类别脑肿瘤MRI图像分类 | 比较多种轻量级ResNet变体和自定义CNN在脑肿瘤分类中的表现，证明迁移学习在小规模临床中心的适用性 | 仅使用单一序列MRI数据，需要多序列MRI和更大患者队列验证 | 开发高效准确的脑肿瘤AI诊断解决方案 | 胶质瘤、脑膜瘤、垂体瘤和无肿瘤的MRI扫描图像 | 计算机视觉 | 脑肿瘤 | MRI成像 | CNN, ResNet | 图像 | 7023张MRI图像（5712训练，1311验证） | PyTorch, TensorFlow | ResNet-18, ResNet-34, ResNet-50, 自定义CNN | 准确率, AUC, 敏感度, 特异度, 混淆矩阵 | 有限计算资源（针对小型临床中心优化） |
| 1700 | 2025-10-05 |
Modeling the vertebrate regulatory sequence landscape by UUATAC-seq and deep learning
2025-Sep-18, Cell
IF:45.5Q1
DOI:10.1016/j.cell.2025.06.020
PMID:40633538
|
研究论文 | 通过开发UUATAC-seq技术和深度学习模型NvwaCE，系统解析脊椎动物基因组调控序列景观 | 开发了超高通量单核染色质可及性测序技术(UUATAC-seq)，并构建了能直接从基因组序列预测调控元件景观的多任务深度学习模型NvwaCE | 仅涵盖五个代表性脊椎动物物种，可能无法完全代表所有脊椎动物的调控序列多样性 | 解码脊椎动物基因组调控序列的语言和功能组织 | 五个代表性脊椎动物物种的顺式调控元件(cCREs) | 计算生物学 | NA | UUATAC-seq，染色质可及性测序 | 深度学习 | 基因组序列，染色质可及性数据 | 五个脊椎动物物种 | NA | NvwaCE | 预测精度，与QTL和基因组编辑结果的一致性 | NA |