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 33929 篇文献，本页显示第 1901 - 1920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1901 | 2025-10-29 |
Experimental investigation of real-time 3D beam's eye view image-guided radiotherapy for prostate SBRT
2025-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70086
PMID:41145979
|
研究论文 | 开发并实验评估用于前列腺立体定向放射治疗的新型实时3D射束方向影像引导放射治疗系统 | 首次将基于深度学习的2D MV标记分割方法与3D IGRT框架集成，实现实时3D射束方向影像引导 | 研究中使用了人体骨盆模型而非真实患者，且仅针对前列腺癌进行评估 | 开发实时3D射束方向影像引导放射治疗系统，提高前列腺立体定向放射治疗的剂量递送精度 | 前列腺立体定向放射治疗中的金标记跟踪和运动补偿 | 医学影像分析 | 前列腺癌 | 射束方向成像，立体定向放射治疗 | CNN | MV图像 | 使用植入三个金标记的人体骨盆模型，四种患者来源的前列腺运动轨迹 | NA | 卷积神经网络 | 定位精度，系统延迟，误差百分位数 | NA |
| 1902 | 2025-10-29 |
TDMAR-Net: a frequency-aware tri-domain diffusion network for CT metal artifact reduction
2025-Oct-28, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae0efc
PMID:41038229
|
研究论文 | 提出一种基于扩散模型的三域神经网络TDMAR-Net，用于减少CT金属伪影并提升图像质量 | 首次将扩散模型应用于三域（投影域、图像域、傅里叶域）金属伪影消除，采用两阶段训练策略结合大规模预训练和掩码数据微调 | 未明确说明模型在极端金属植入物情况下的性能表现 | 开发有效的CT金属伪影消除方法以改善临床诊断 | CT图像中的金属伪影 | 计算机视觉 | NA | CT成像 | 扩散模型 | CT图像 | 合成数据集和临床数据集 | NA | TDMAR-Net | NA | NA |
| 1903 | 2025-10-29 |
The Evolving Quest for Chemical Understanding in the Quantum Age
2025-Oct-28, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01299
PMID:41065510
|
观点文章 | 探讨量子时代化学理解的发展演变，提出从传统计算方法向机器学习和量子计算新范式的转变 | 提出层次建模作为超越多尺度建模约束的新平台，强调化学概念作为连接理论与理解的支架作用 | NA | 研究化学理解在量子时代的发展路径和方法论转变 | 化学概念（芳香性、电负性、反应性、立体选择性）和分子系统 | 计算化学 | NA | 量子计算，机器学习 | 深度学习 | NA | NA | NA | NA | NA | 量子计算机 |
| 1904 | 2025-10-29 |
Deep Learning-Enabled Unbiased Precision Toxicity Assessment of Zebrafish Organ Development
2025-Oct-28, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c10763
PMID:41090693
|
研究论文 | 开发基于U-Net的深度学习模型，用于斑马鱼器官发育的精准毒性评估 | 首次实现无偏见的像素级分割和形态量化，能够检测传统方法无法发现的大小依赖性和器官特异性毒性差异 | 方法尚未在其他材料污染物上进行广泛验证 | 建立客观毒理学分析的通用框架，提高毒性评估的准确性、效率和可重复性 | 斑马鱼器官发育，包括光感受器细胞层、内网状层、骨骼肌和脊髓 | 计算机视觉 | NA | 深度学习图像分析 | CNN | 生物图像 | 数千张生物图像 | NA | U-Net | NA | NA |
| 1905 | 2025-10-29 |
Robust Identification of Gas Mixtures from FTIR Spectra using Attention Mechanism to Mitigate Instrument Line Shape Variations
2025-Oct-28, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03975
PMID:41103041
|
研究论文 | 提出基于注意力机制的深度学习框架，用于从FTIR光谱中稳健识别气体混合物成分 | 首次将注意力机制应用于解决FTIR光谱中仪器线形变化问题，显著提升跨设备识别性能 | 仅针对8种气体成分和10种仪器线形进行验证，未涵盖更广泛的气体种类和仪器类型 | 解决FTIR光谱分析中仪器线形变化对气体混合物识别的影响 | 气体混合物及其FTIR光谱数据 | 光谱分析 | NA | 傅里叶变换红外光谱(FTIR) | 深度学习,注意力机制 | 光谱数据 | 包含10种不同仪器线形和8种气体成分的自建数据集 | NA | 基于注意力机制的深度学习框架 | 精确匹配率 | NA |
| 1906 | 2025-10-29 |
High-Performance Triboelectric Nanogenerator Based on PVDF/Cellulose Filter Paper Composites for Internet of Things-Assisted Wireless Sensing and Energy Harvesting
2025-Oct-28, Langmuir : the ACS journal of surfaces and colloids
IF:3.7Q2
DOI:10.1021/acs.langmuir.5c04209
PMID:41105935
|
研究论文 | 本研究开发了一种基于PVDF/纤维素滤纸复合膜的高性能摩擦纳米发电机，用于物联网辅助的无线传感和能量收集 | 采用PVDF/纤维素滤纸复合膜作为增强正摩擦层，实现了高达230V的开路电压和优异的操作稳定性，并集成了深度学习辅助信号处理框架 | 未明确说明设备长期使用的耐久性测试结果和规模化生产的可行性 | 提升摩擦纳米发电机的输出性能和设备可持续性，拓展其在可穿戴设备和健康监测领域的应用 | 基于PVDF/纤维素滤纸复合膜的摩擦纳米发电机 | 物联网 | NA | 摩擦纳米发电技术 | 深度学习 | 传感器信号数据 | NA | NA | NA | 开路电压, 动作识别准确率 | NA |
| 1907 | 2025-10-29 |
MODAPro: Explainable Heterogeneous Networks with Variational Graph Autoencoder for Mining Disease-Specific Functional Molecules and Pathways from Omics Data
2025-Oct-28, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03611
PMID:41110139
|
研究论文 | 提出MODAPro深度学习框架，通过变分图自编码器和图卷积网络整合多组学数据，挖掘疾病特异性功能分子和通路 | 结合变分图自编码器与图卷积网络的新型架构，能够以前所未有的分辨率捕获和解释跨组学层的复杂非线性分子关系 | NA | 解决多组学数据整合中的异质性、稀疏性和可解释性差距问题，挖掘疾病相关生物标志物和功能模块 | 多组学数据中的分子关系和疾病相关生物标志物 | 机器学习 | 多种疾病 | 多组学数据整合分析 | VAE,GCN | 多组学数据 | NA | PyTorch,TensorFlow | 变分图自编码器,图卷积网络 | NA | NA |
| 1908 | 2025-10-29 |
A Deep Learning-Based Framework for Valence Bond Structure Selection and Weight Prediction
2025-Oct-28, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01220
PMID:41111284
|
研究论文 | 提出了一种基于深度学习的价键结构选择与权重预测框架DLVB | 首次将价键理论与图变换器通过化学意义表示相结合，无需计算即可准确预测价键结构权重 | 未明确说明模型在更大分子系统上的泛化能力 | 扩展价键理论在更大活性空间和更高分子复杂度体系中的应用 | 价键结构和分子体系 | 机器学习 | NA | 深度学习，选择构型相互作用(SCI) | 图变换器 | 化学结构表示 | NA | NA | 图变换器 | 准确性，可扩展性 | NA |
| 1909 | 2025-10-29 |
Artificial Intelligence in HPLC Method Development: A Critical Review of Technological Integration, Limitations, and Future Directions
2025-Oct-28, Critical reviews in analytical chemistry
IF:4.2Q1
DOI:10.1080/10408347.2025.2575352
PMID:41146636
|
综述 | 本文批判性评述了人工智能在高效液相色谱方法开发中的技术整合、局限性与未来发展方向 | 系统剖析了从传统实验设计到AI驱动平台的范式转变，首次明确区分了确定性模拟器与真正AI工具的认知边界 | AI模型可解释性不足、监管验证困难、数据标准化缺失、训练数据集多样性不足、黑箱模型在GxP监管环境中接受度有限 | 分析AI在HPLC方法开发中的技术整合现状与未来发展方向 | 高效液相色谱方法开发过程 | 机器学习 | NA | 高效液相色谱 | 机器学习, 深度学习, 强化学习 | 色谱数据 | NA | NA | NA | NA | NA |
| 1910 | 2025-10-29 |
From Sequence to Response: AI-Guided Prediction of Nucleic Acid Nanoparticles Immune Recognitions
2025-Oct-28, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202509459
PMID:41147065
|
研究论文 | 开发基于深度学习的框架，仅通过核酸纳米颗粒序列预测其诱导的细胞因子反应 | 利用基于Transformer的架构通过系统链置换增强，无需手动特征工程即可实现序列到免疫反应的预测 | 模型训练仅基于176个核酸纳米颗粒样本，样本规模相对有限 | 建立核酸纳米颗粒序列与免疫反应之间的定量构效关系模型 | 核酸纳米颗粒在人类小胶质细胞中诱导的干扰素-β和白介素-6细胞因子反应 | 机器学习 | NA | 核酸纳米颗粒技术 | Transformer | 序列数据 | 176个结构多样、单独组装且实验表征的核酸纳米颗粒 | NA | Transformer | 相关系数R, 均方根误差RMSE | NA |
| 1911 | 2025-10-29 |
Lipid MRI in Plant Science: Principles and Potential Areas of Application
2025-Oct-28, Journal of experimental botany
IF:5.6Q1
DOI:10.1093/jxb/eraf479
PMID:41147200
|
综述 | 本文综述了磁共振成像技术在植物科学中脂质分析的应用原理、最新进展与未来前景 | 整合深度学习与多模态方法的MRI技术为种子生物学和油料作物表型分析带来变革 | NA | 探讨MRI技术在植物脂质分析中的应用潜力与发展方向 | 植物种子及脂质代谢过程 | 植物科学 | NA | 磁共振成像 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 1912 | 2025-10-29 |
Xception Convolutional Deep Maxout Network for Enhanced Breast Cancer Classification Using Histopathological Images
2025-Oct-28, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70088
PMID:41147717
|
研究论文 | 开发Xception卷积深度Maxout网络用于增强乳腺癌组织病理学图像分类 | 结合深度Maxout网络、分数阶微积分和Xception卷积神经网络，提出Xcov-DMN新架构 | 未提及外部验证数据集和临床部署可行性 | 提高乳腺癌组织病理学图像分类的准确性和特征提取能力 | 乳腺癌组织病理学图像 | 计算机视觉 | 乳腺癌 | 组织病理学成像 | CNN | 图像 | NA | NA | Xception, Deep Maxout Network | 准确率, 真阴性率, 真阳性率 | NA |
| 1913 | 2025-10-29 |
Deep learning enhanced MRI radiomics in predicting pathologic response of head and neck squamous carcinoma to neoadjuvant chemoimmunotherapy: a retrospective analysis
2025-Oct-28, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003710
PMID:41147765
|
研究论文 | 本研究利用深度学习增强的MRI影像组学预测头颈部鳞状细胞癌对新辅助化疗免疫治疗的病理反应 | 将深度学习特征与传统影像组学特征和临床病理特征相结合，显著提高了预测性能 | 回顾性研究设计，样本量相对有限，需要前瞻性验证 | 预测头颈部鳞状细胞癌患者对新辅助化疗免疫治疗的病理完全反应 | 经组织学确认的头颈部鳞状细胞癌患者 | 医学影像分析 | 头颈部鳞状细胞癌 | 磁共振成像 | 深度学习，逻辑回归 | 医学影像，临床病理数据 | 训练、测试和外部验证队列（具体数量未明确说明） | NA | NA | AUC（曲线下面积） | NA |
| 1914 | 2025-10-29 |
Copolymer Sequence Regulation Enabled by Reactivity Ratio Fingerprints via Machine Learning
2025-Oct-28, Angewandte Chemie (International ed. in English)
DOI:10.1002/anie.202513086
PMID:41147785
|
研究论文 | 开发基于机器学习的新型反应性比指纹平台，用于高效测定二元和三元共聚反应中的反应性比 | 提出创新的反应性比指纹设计，实现从稀疏实验数据中毫秒级测定反应性比，并扩展至三元共聚体系 | NA | 通过机器学习方法改进共聚物序列调控技术，实现按需序列定制 | 二元和三元共聚反应体系 | 机器学习 | NA | 反应性比指纹，动力学研究，玻璃化转变表征 | 深度学习 | 反应性比指纹数据，实验数据 | 数百万个反应性比指纹 | NA | NA | 测定效率（毫秒级） | NA |
| 1915 | 2025-10-29 |
Detection of kochia [Bassia scoparia (L.) A.J. Scott] and waterhemp [Amaranthus tuberculatus (Moq.) J.D. Sauer] in sugarbeet field using hyperspectral imaging and deep learning technologies
2025-Oct-28, Pest management science
IF:3.8Q1
DOI:10.1002/ps.70319
PMID:41147806
|
研究论文 | 本研究开发了一种基于高光谱成像和深度学习的技术，用于在甜菜田中准确区分杂草科氏地肤和水麻 | 首次将注意力增强卷积神经网络（AE-CNN）结合光谱和空间特征应用于田间杂草识别，实现了99.99%的分类准确率 | 研究仅针对两种特定杂草物种，未验证模型对其他杂草种类的泛化能力 | 开发能够区分甜菜田中科氏地肤和水麻杂草的自动识别系统 | 甜菜作物及其两种竞争性杂草（科氏地肤和水麻） | 计算机视觉 | NA | 高光谱成像 | CNN, SVM | 高光谱图像 | NA | NA | AE-CNN（注意力增强卷积神经网络） | 准确率, 精确率, 召回率, F1分数 | NA |
| 1916 | 2025-10-29 |
Robust Brain Extraction Tool for Non-enhanced CT and CT Angiography: Cta-bet
2025-Oct-28, Radiology. Artificial intelligence
DOI:10.1148/ryai.240847
PMID:41147859
|
研究论文 | 开发并评估用于CT血管造影和非增强CT图像的深度学习脑提取模型CTA-BET | 首个专门针对CTA和NCCT图像的深度学习脑提取工具，在两种图像类型上均优于现有基准工具 | 回顾性研究，样本量有限（CTA训练100例，验证50例；NCCT验证132例） | 开发准确的脑部分割工具以增强临床和研究中的自动化影像分析 | CT血管造影和非增强CT图像中的脑组织 | 医学影像分析 | 脑血管疾病 | 深度学习 | CNN | CT图像 | 训练集100例患者，CTA验证集50例患者，NCCT验证集132例患者 | NA | NA | Dice系数,Hausdorff距离,z-score标准化直方图 | NA |
| 1917 | 2025-10-29 |
Accelerating direct material decomposition via diffusion probabilistic model for Sparse-view spectral computed tomography
2025-Oct-28, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.1177/08953996251375815
PMID:41147999
|
研究论文 | 提出一种基于扩散概率模型的无监督深度学习框架，用于稀疏视图能谱CT的直接材料分解 | 引入虚拟单色图像作为多色投影的关键区分增强器，并将概率扩散先验整合到优化过程中 | 仅在临床前数据上进行验证，尚未在临床数据上测试 | 解决稀疏视图能谱CT中材料分解的收敛限制和几何不一致性问题 | 能谱CT的虚拟单色图像和材料特定表示 | 医学影像处理 | NA | 能谱CT，稀疏视图采样 | 扩散概率模型 | CT图像，投影数据 | NA | 深度学习框架 | 扩散概率模型 | 峰值信噪比PSNR，结构相似性SSIM | NA |
| 1918 | 2025-10-29 |
ADMGCN: Graph Convolutional Network for Alzheimer's Disease Diagnosis with a Meta-learning Paradigm
2025-Oct-28, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf580
PMID:41148043
|
研究论文 | 提出一种基于元学习范式的图卷积网络ADMGCN，用于阿尔茨海默病的早期诊断 | 将元学习范式与图卷积网络结合，通过采样创建标签平衡任务，提高数据利用率和模型对标签不平衡的鲁棒性 | NA | 开发阿尔茨海默病早期诊断方法 | 阿尔茨海默病患者 | 医学影像分析 | 阿尔茨海默病 | 神经影像分析 | GCN, 元学习 | 神经影像数据 | ADNI数据集 | NA | ADMGCN | 准确率 | NA |
| 1919 | 2025-10-29 |
Accelerating battery innovation: AI-powered molecular discovery
2025-Oct-27, Chemical Society reviews
IF:40.4Q1
DOI:10.1039/d5cs00053j
PMID:40980860
|
综述 | 系统探讨人工智能在下一代电池系统分子发现中的集成应用 | 首次系统整合多维分子表征策略与AI算法（包括新兴大语言模型）用于电池材料发现 | 未提供具体实验验证数据，主要基于文献综述和理论分析 | 加速电池材料分子设计以推动可持续能源创新 | 电池相关分子材料 | 机器学习 | NA | 分子工程，高通量虚拟筛选，高通量实验 | 经典机器学习，深度学习，大语言模型 | 分子表征数据，电化学性质数据 | NA | NA | NA | NA | NA |
| 1920 | 2025-10-29 |
Magnetic resonance imaging-based artificial intelligence model predicts neoadjuvant therapy response in triple-negative breast cancer
2025-10-27, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.253376
PMID:41140117
|
研究论文 | 开发基于深度学习的AI模型，利用治疗前MRI预测三阴性乳腺癌患者对新辅助化疗的病理完全缓解 | 首次使用治疗前多序列MRI数据训练残差卷积神经网络预测TNBC患者对新辅助化疗的响应 | 回顾性研究、样本量较小（43例患者）、需要更大数据集和更多影像模态验证 | 预测三阴性乳腺癌患者对新辅助化疗的病理完全缓解 | 三阴性乳腺癌患者 | 医学影像分析 | 乳腺癌 | 磁共振成像 | CNN | 医学影像 | 43例患者的49个病灶 | NA | 残差卷积神经网络 | 准确率, AUC, Dice相似系数 | NA |