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 35284 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2025-12-02 |
Dengue forecasting and outbreak detection in Brazil using LSTM: integrating human mobility and climate factors
2026-Mar, Infectious Disease Modelling
IF:3.0Q1
DOI:10.1016/j.idm.2025.11.002
PMID:41321683
|
研究论文 | 本研究开发了一种基于LSTM的深度学习模型，通过整合历史登革热病例、气候变量和人类移动数据，来预测巴西的登革热病例并检测疫情爆发 | 首次将人类移动数据整合到基于深度学习的登革热预测框架中，以捕捉病毒传播的空间动态 | 研究仅针对巴西选定的城市，可能无法直接推广到其他地区或国家 | 提高登革热病例预测和疫情爆发的检测准确性，以支持早期预警系统和公共卫生干预 | 巴西选定城市的登革热病例数据、气候变量和人类移动数据 | 机器学习 | 登革热 | NA | LSTM | 时间序列数据 | NA | NA | LSTM | 平均绝对误差, 平均绝对百分比误差, 连续排名概率得分, 准确率, 灵敏度, 特异性, F1分数 | NA |
| 2 | 2025-12-02 |
Deep-ELA: Deep Exploratory Landscape Analysis with Self-Supervised Pretrained Transformers for Single- and Multiobjective Continuous Optimization Problems
2025-Dec-01, Evolutionary computation
IF:4.6Q1
DOI:10.1162/evco_a_00367
PMID:39903851
|
研究论文 | 提出一种结合深度学习和探索性景观分析特征的混合方法Deep-ELA，用于单目标和多目标连续优化问题的数值表征 | 通过自监督预训练Transformer模型学习优化问题景观的深度表示，克服传统ELA特征的相关性和多目标适用性限制 | 需要大量未标记数据进行预训练，且未在真实世界复杂优化问题上进行充分验证 | 开发一种能够有效表征连续优化问题景观的通用框架 | 单目标和多目标连续优化问题 | 机器学习 | NA | 自监督学习，探索性景观分析 | Transformer | 数值优化问题数据 | 数百万个随机生成的优化问题 | PyTorch, TensorFlow | Transformer | NA | NA |
| 3 | 2025-12-02 |
Advancing Optical Coherence Tomography Diagnostic Capabilities: Machine Learning Approaches to Detect Autoimmune Inflammatory Diseases
2025-12-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society
IF:2.0Q2
DOI:10.1097/WNO.0000000000002322
PMID:39910704
|
研究论文 | 本研究利用机器学习模型，基于光学相干断层扫描（OCT）的视网膜图像，区分不同的自身免疫性炎症疾病、其他眼部疾病和健康对照 | 首次将支持向量机（SVM）模型应用于基于OCT测量的pRNFL、GCIPL和INL数据，以区分多种自身免疫性炎症疾病（如NMOSD、MOGAD、MS）、其他眼部疾病和健康对照，展示了机器学习在眼科疾病鉴别诊断中的潜力 | 样本量相对有限，特别是“其他眼部疾病”组仅16例；MS与NMOSD的比较准确率较低（0.53），表明模型对某些疾病对的区分能力有待提高；研究基于特定队列（Mangalore脱髓鞘疾病登记库），结果可能需要外部验证 | 评估机器学习分析基于OCT测量数据区分不同自身免疫性炎症疾病、其他眼部疾病和健康对照的可行性 | 来自Mangalore脱髓鞘疾病登记库的多发性硬化症（MS）、视神经脊髓炎谱系疾病（NMOSD）、髓鞘少突胶质细胞糖蛋白抗体相关疾病（MOGAD）患者、其他眼部疾病患者及健康对照者的眼睛 | 机器学习 | 自身免疫性炎症疾病（包括NMOSD、MOGAD、MS） | 光学相干断层扫描（OCT） | SVM | 图像（OCT视网膜图像）及衍生测量数据 | 总计283例患者眼睛（MS: 99例患者，NMOSD: 40例，MOGAD: 74例，其他眼部疾病: 16例，健康对照: 54例） | Scikit-learn（推断，因使用SVM及交叉验证） | 支持向量机（SVM） | 准确率, AUC | NA |
| 4 | 2025-05-08 |
Response to Letter: "Skin Cancer Detection Using Deep Learning Approaches" by Haque et al
2025-Dec, Cancer biotherapy & radiopharmaceuticals
DOI:10.1089/cbr.2025.0122
PMID:40329831
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5 | 2025-12-02 |
Deep learning model for differentiating thyroid eye disease and orbital myositis on computed tomography (CT) imaging
2025-Dec, Orbit (Amsterdam, Netherlands)
DOI:10.1080/01676830.2025.2510587
PMID:40459922
|
研究论文 | 开发了一种基于眼眶CT影像的深度学习模型，用于准确区分甲状腺眼病和眼眶肌炎这两种临床表现重叠的疾病 | 首次利用单张冠状位眼眶CT图像，通过深度学习模型高精度区分甲状腺眼病和眼眶肌炎，并发现模型不仅能识别眼外肌增大，还能捕捉其他显著特征 | 回顾性、单中心研究，样本量有限（192例患者），可能影响模型的泛化能力 | 开发一种基于影像的自动化诊断工具，以辅助区分临床表现相似的甲状腺眼病和眼眶肌炎 | 甲状腺眼病患者、眼眶肌炎患者及正常对照者的眼眶CT影像 | 计算机视觉 | 甲状腺眼病,眼眶肌炎 | 眼眶计算机断层扫描（CT）成像 | CNN | 图像 | 192名患者（110例甲状腺眼病，51例眼眶肌炎，31例对照）的1628张图像 | NA | Visual Geometry Group-16 (VGG-16) | 准确率, AUC, 灵敏度, 特异性, F1分数 | NA |
| 6 | 2025-12-02 |
VAULT-OCT: vault accuracy using deep learning technology-an artificial intelligence model for predicting implantable collamer lens postoperative vault with AS-OCT
2025-Dec-01, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001743
PMID:40660493
|
研究论文 | 开发了一种基于深度学习的人工智能模型VAULT-OCT，用于利用术前前段光学相干断层扫描（AS-OCT）图像预测有晶状体眼可植入式Collamer镜片（ICL）的术后拱高 | 首次提出基于术前AS-OCT图像的深度学习模型来预测ICL术后拱高，为ICL尺寸选择提供了新的数据驱动方法 | 研究为回顾性设计，样本量相对有限（324只眼），且仅基于单一中心的患者数据，可能影响模型的泛化能力 | 开发一个准确预测ICL术后拱高的深度学习模型，以优化ICL尺寸选择 | 接受ICL植入术患者的术前AS-OCT图像及术后拱高测量数据 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描（OCT） | 神经网络 | 图像 | 324只眼（来自162名连续患者） | NA | 自定义分类器 | 均方根误差, 平均绝对误差 | NA |
| 7 | 2025-12-02 |
Application of Deep Learning for Predicting Hematoma Expansion in Intracerebral Hemorrhage Using Computed Tomography Scans: A Systematic Review and Meta-Analysis of Diagnostic Accuracy
2025-Dec, La Radiologia medica
DOI:10.1007/s11547-025-02089-6
PMID:40932678
|
系统综述与荟萃分析 | 本文系统综述并荟萃分析了基于深度学习的网络在利用CT图像预测脑出血患者血肿扩张方面的诊断准确性 | 首次对深度学习模型在脑出血血肿扩张预测中的应用进行系统性回顾和诊断准确性的荟萃分析 | 纳入研究的异质性较高，且可能存在发表偏倚 | 评估深度学习模型在预测脑出血患者血肿扩张方面的诊断性能 | 脑出血患者的CT扫描图像 | 医学影像分析 | 脑出血 | CT成像 | 深度学习网络 | CT图像 | 22项研究纳入定性综合，其中11项用于纯DL荟萃分析，6项用于组合DL荟萃分析 | NA | NA | 灵敏度, 特异度, 阳性诊断似然比, 阴性诊断似然比, 诊断比值比, 曲线下面积 | NA |
| 8 | 2025-12-02 |
Radiomics integrated with machine and deep learning analysis of T2-weighted and arterial-phase T1-weighted Magnetic Resonance Imaging for non-invasive detection of metastatic axillary lymph nodes in breast cancer
2025-Dec, La Radiologia medica
DOI:10.1007/s11547-025-02090-z
PMID:40986134
|
研究论文 | 本研究比较了从T2加权和动脉期T1加权MRI序列提取的影像组学特征，通过单变量、机器学习和深度学习分析，评估其在预测乳腺癌患者腋窝淋巴结转移中的诊断性能 | 整合了T2加权和动脉期T1加权MRI的影像组学特征，并综合应用了单变量、多种机器学习分类器及神经网络进行对比分析，发现T2加权影像在深度学习模型中表现最佳 | 研究为回顾性分析，样本量相对有限（100例患者，155个淋巴结），且仅基于特定MRI序列，未考虑其他影像模态或临床因素 | 评估影像组学特征结合机器学习和深度学习在非侵入性检测乳腺癌腋窝淋巴结转移中的诊断性能 | 乳腺癌患者的腋窝淋巴结（包括转移性和非转移性） | 数字病理学 | 乳腺癌 | MRI（T2加权和动脉期T1加权序列） | 逻辑回归,梯度提升,随机森林,神经网络 | 医学影像（MRI图像） | 100例乳腺癌患者，包含52个转移性和103个非转移性淋巴结，总计155个淋巴结 | NA | 神经网络（具体架构未指定）,逻辑回归,梯度提升,随机森林 | AUC,灵敏度,特异性,准确度 | NA |
| 9 | 2025-12-02 |
Integrating pathology genomics and single-cell genomics to identify lactate metabolism-related prognostic features and therapeutic strategies for melanoma
2025-Dec, Apoptosis : an international journal on programmed cell death
IF:6.1Q1
DOI:10.1007/s10495-025-02190-1
PMID:41006685
|
研究论文 | 本研究整合病理基因组学和单细胞基因组学，构建了基于乳酸代谢的预后模型，并探索了黑色素瘤的治疗策略 | 首次整合多组学数据（包括病理影像特征、单细胞RNA测序、空间转录组学等）系统表征黑色素瘤乳酸代谢的分子特征，并构建了结合病理特征和基因特征的预后模型 | 研究主要基于回顾性数据，需要前瞻性临床验证；模型在外部队列中的泛化能力有待进一步评估 | 系统表征黑色素瘤中乳酸代谢的分子特征，构建有效的预后模型，并探索潜在的治疗策略 | 皮肤黑色素瘤（SKCM） | 数字病理学 | 黑色素瘤 | 单细胞RNA测序, 空间转录组学, 基因集变异分析（GSVA） | CNN, 机器学习算法 | 图像, 基因组数据, 转录组数据 | TCGA训练和验证队列（具体样本数未明确说明），涉及443个病理影像特征 | CellProfiler, 预训练的ResNet50（基于PyTorch或TensorFlow框架） | ResNet50 | 预后性能（如生存分析），未明确具体指标如AUC、准确率等 | NA |
| 10 | 2025-12-02 |
Advances in artificial intelligence-based radiogenomics for lung cancer precision medicine
2025-Dec-01, Progress in biomedical engineering (Bristol, England)
DOI:10.1088/2516-1091/ae224a
PMID:41265027
|
综述 | 本文综述了基于人工智能的放射基因组学在肺癌精准医疗中的应用进展 | 整合医学影像、基因组学和临床数据，利用机器学习和深度学习技术非侵入性地预测关键致癌驱动突变，探索影像特征与基因表达之间的关联，并开发肺癌预后模型 | 在标准化、全面验证、模型可解释性、种族多样性以及多组学数据库构建方面仍面临挑战 | 提升肺癌精准医疗中放射基因组学模型的临床价值和普适性 | 肺癌患者 | 计算机视觉 | 肺癌 | 医学影像、基因组学 | 机器学习, 深度学习 | 图像, 基因组数据, 临床数据 | NA | NA | NA | NA | NA |
| 11 | 2025-12-02 |
Development and evaluation of deep learning models for estimating the organ at-risk dose constraint from two-dimensional cine magnetic resonance imaging scans during irradiation
2025-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70403
PMID:41310917
|
研究论文 | 本研究开发并评估了一种深度学习模型，用于从二维电影磁共振成像扫描中估计放射治疗期间危及器官的剂量约束 | 利用深度学习从二维电影MRI中预测危及器官剂量约束，实现了实时剂量监测的创新方法 | 结果仅显示有限改进，且受多种限制约束 | 开发能够从二维电影MRI中估计危及器官剂量约束的深度学习模型 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | 二维电影磁共振成像，MR-linear accelerator | 深度学习模型 | 图像 | 91名前列腺癌患者，381个治疗分次 | NA | NA | 相关系数，平均绝对误差，曲线下面积，灵敏度，特异度 | NA |
| 12 | 2025-12-02 |
Paired PET-MRI Deep Learning Model for Translating [11C]PiB to [18F]Florbetaben Amyloid Images
2025-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70168
PMID:41310910
|
研究论文 | 本文提出了一种基于可变形卷积网络的U-Net模型，用于将[11C]PiB PET图像转换为[18F]Florbetaben淀粉样蛋白图像，以增强数据集并解决视觉评估与Centiloid量表不一致的问题 | 结合可变形卷积网络（DCNv3）与U-Net架构，实现长距离依赖捕捉和高效计算，用于PET图像间的跨示踪剂翻译 | 未明确提及模型在更广泛数据集或不同临床环境中的泛化能力限制 | 开发一种深度学习模型，用于标准化不同淀粉样蛋白PET示踪剂图像，以支持长期临床试验和多中心比较 | 阿尔茨海默病患者的淀粉样蛋白PET图像，具体为[11C]PiB和[18F]Florbetaben示踪剂图像 | 医学影像分析 | 阿尔茨海默病 | PET-MRI成像 | U-Net | 图像 | NA | NA | 基于DCNv3的U-Net | NA | NA |
| 13 | 2025-12-02 |
A 25-year journey with protein blocks: Unveiling the versatility of a structural alphabet
2025-Dec, Biochimie
IF:3.3Q2
DOI:10.1016/j.biochi.2025.08.007
PMID:40789363
|
综述 | 本文回顾了蛋白质块作为一种结构字母表在25年发展历程中的广泛应用，包括其在蛋白质结构、动力学和功能分析中的关键作用 | 通过引入基于熵的指数（N）来区分蛋白质的刚性、柔性和无序区域，并结合深度学习显著提升了预测性能 | NA | 总结蛋白质块作为一种结构字母表在结构生物信息学中的多功能性和应用进展 | 蛋白质结构、动力学和功能 | 结构生物信息学 | NA | 蛋白质块分析、分子动力学分析、深度学习 | NA | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 14 | 2025-12-02 |
Integration of Dose Surface Maps and Genetic Data Identifies the Lower Posterior Rectum as a Key Region for Toxicity after Prostate Cancer Radiotherapy
2025-Dec-01, Clinical cancer research : an official journal of the American Association for Cancer Research
IF:10.0Q1
DOI:10.1158/1078-0432.CCR-25-2102
PMID:41081635
|
研究论文 | 本研究结合直肠剂量表面图与遗传数据，识别了前列腺癌放疗后直肠毒性的关键区域 | 首次将直肠剂量表面图与遗传数据相结合，识别特定基因型驱动的毒性空间模式，并揭示了后下直肠为关键风险区域 | 研究样本量有限（1,293例），仅分析了三个候选SNP，未进行全基因组关联研究 | 识别前列腺癌放疗后直肠毒性的基因-剂量交互作用区域 | 前列腺癌放疗患者 | 数字病理 | 前列腺癌 | 深度学习分割、剂量表面图生成、体素级Cox比例风险模型 | 深度学习 | 医学影像（剂量分布图）、遗传数据 | 1,293例前列腺癌患者（来自REQUITE研究） | NA | NA | P值、风险比 | NA |
| 15 | 2025-12-02 |
AI-Driven Early Detection of Diabetic Glaucoma and Emerging Horizons in Bionic Eye Technology
2025-Dec-01, Zhongguo ying yong sheng li xue za zhi = Zhongguo yingyong shenglixue zazhi = Chinese journal of applied physiology
DOI:10.62958/j.cjap.2025.031
PMID:41320280
|
综述 | 本文综述了人工智能在糖尿病性青光眼早期检测中的应用以及仿生眼技术的最新进展 | 强调了将AI驱动的诊断与新兴仿生眼技术相结合，代表了管理糖尿病性青光眼的重要转变 | NA | 探讨人工智能在早期识别糖尿病性青光眼中的作用，并回顾旨在帮助受影响个体恢复视力的仿生眼技术进展 | 糖尿病性青光眼患者及相关诊断与视力恢复技术 | 计算机视觉, 自然语言处理 | 糖尿病性青光眼 | 深度学习 | NA | 视网膜图像（如眼底相机和光学相干断层扫描图像） | NA | NA | NA | NA | NA |
| 16 | 2025-12-02 |
Artificial Intelligence in Cardiovascular MRI: From Imaging to Biomechanics and Diagnosis
2025-Dec-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000864
PMID:41321165
|
综述 | 本文综述了人工智能（特别是深度学习）如何重塑心血管磁共振成像的各个方面，从规划、采集到重建、分析及临床报告生成 | 全面概述了人工智能在心血管MRI领域的应用进展，包括提升采集速度、空间分辨率、抑制伪影和运动校正，以及自动化后处理和临床数据整合 | 作为综述文章，未提出具体的新模型或实验，主要基于现有文献总结，缺乏原创性研究数据 | 探讨人工智能在心血管磁共振成像中的应用，以提升成像效率、分析精度和临床管理能力 | 心血管磁共振成像技术及其在心血管疾病诊断与管理中的应用 | 计算机视觉 | 心血管疾病 | 磁共振成像（MRI） | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 17 | 2025-12-02 |
Deep-Learning Prediction of Protein Secondary Structure from Circular Dichroism Spectrum Using Three-Layer Image Recognition
2025-Dec-01, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04550
PMID:41321189
|
研究论文 | 本研究开发了一种基于图像识别的深度学习方法，用于从圆二色光谱中准确预测蛋白质二级结构参数 | 提出了一种将圆二色光谱数值数据转换为三层（RGB）图像的独特方法，并利用卷积神经网络进行图像识别，实现了对蛋白质二级结构参数的高精度预测 | 数据集仅包含243个圆二色光谱RGB图像，样本规模相对较小，可能影响模型的泛化能力 | 开发一种基于深度学习的圆二色光谱分析方法，用于预测蛋白质二级结构参数 | 蛋白质的圆二色光谱数据及其对应的二级结构参数 | 机器学习 | NA | 圆二色光谱技术 | CNN | 图像 | 243个圆二色光谱RGB图像 | NA | 原始CNN | 相关系数, RMSD | NA |
| 18 | 2025-12-02 |
Automated evaluation of pulmonary lesion changes on chest radiograph during follow-up using semantic segmentation
2025-Dec-01, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.253567
PMID:41321291
|
研究论文 | 本文开发并验证了一种基于深度学习的模型，利用病灶特异性分割技术，通过配对胸部X光片自动评估肺实变和胸腔积液的变化状态 | 首次提出一种基于病灶特异性分割的深度学习模型，用于自动评估随访胸部X光片中肺实变和胸腔积液的变化状态 | 模型在ICU环境中对胸腔积液变化的评估准确性显著低于放射科医生，且研究数据仅来自单一机构，可能影响泛化能力 | 开发一种自动化工具，用于评估随访胸部X光片中肺病变的变化状态，以辅助临床决策 | 肺实变和胸腔积液在配对胸部X光片中的变化状态 | 数字病理学 | 肺疾病 | 胸部X光成像 | 深度学习模型 | 图像 | 训练集：5,178张胸部X光片（来自单一机构）；验证集：急诊科和重症监护室的配对胸部X光片 | NA | NA | AUC, 准确率 | NA |
| 19 | 2025-12-02 |
Analysis of the impact of irradiance and temperature on photovoltaic production: A statistical and machine learning approach
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103716
PMID:41323109
|
研究论文 | 本研究结合统计分析和深度学习技术，探讨了太阳辐照度和环境温度对光伏发电的影响 | 采用自编码器模型捕捉非线性关系，并引入新的交互项以增强对联合环境变化的敏感性 | NA | 评估环境因素对光伏发电的影响，以优化光伏系统在多变气候条件下的性能 | 光伏发电系统及其环境因素（太阳辐照度和环境温度） | 机器学习 | NA | 统计分析和深度学习 | 自编码器 | 环境数据（辐照度、温度）和发电数据 | NA | NA | 自编码器 | 准确度、泛化能力 | NA |
| 20 | 2025-12-02 |
Associations Between Deep Learning-Derived Fat, Muscle, and Bone Measures From Abdominal Computed Tomography Scans and Fall Risk in Persons Aged 20 Years or Older
2025-Dec, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2025.100299
PMID:41323361
|
研究论文 | 本研究探讨了通过腹部CT扫描获得的深度学习衍生脂肪、肌肉和骨骼测量指标与20岁及以上人群跌倒风险之间的关联 | 首次利用深度学习算法从腹部CT扫描中自动提取身体成分指标，并系统评估其与跌倒风险的关联，特别关注肌肉密度作为早期风险预测因子的潜力 | 研究为回顾性设计，可能受到混杂因素影响；样本主要来自单一地区，可能限制结果的普适性；跌倒事件通过医疗记录识别，可能存在漏报 | 确定腹部CT身体成分测量指标是否与成人跌倒风险相关 | 20至89岁接受腹部CT扫描的成年人 | 数字病理学 | 老年疾病 | 腹部CT扫描 | 深度学习算法 | 医学影像 | 3972名20至89岁个体 | NA | NA | 风险比, 置信区间 | NA |