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 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 | 2025-11-17 |
Application of artificial intelligence and digital tools in cancer pathology
2026-Sep-23, The Lancet. Digital health
DOI:10.1016/j.landig.2025.100933
PMID:41241581
|
综述 | 概述人工智能在癌症病理学中的应用及其面临的挑战与发展趋势 | 强调从传统机器学习向深度学习、自监督学习基础模型、多模态模型和智能体AI的技术转型 | 存在可解释性、验证和临床整合的挑战，不同医疗机构采用程度不均 | 探讨人工智能在病理学工作流程中的应用与监管伦理问题 | 癌症病理诊断中的AI模型应用 | 数字病理学 | 癌症 | 苏木精-伊红染色、HER2/PD-L1生物标志物检测 | 深度学习,自监督学习,多模态模型 | 病理图像 | NA | NA | 基础模型 | NA | NA |
| 2 | 2025-11-17 |
MetaPredictomics: A Comprehensive Approach to Predict Postsurgical Non-Small Cell Lung Cancer Recurrence Using Clinicopathologic, Radiomics, and Organomics Data
2025-Dec-01, Clinical nuclear medicine
IF:9.6Q1
DOI:10.1097/RLU.0000000000006086
PMID:40902993
|
研究论文 | 提出MetaPredictomics框架，整合临床病理数据、PET/CT影像组学和多器官组学数据预测非小细胞肺癌术后复发 | 首次将肿瘤影像组学与假定健康器官的组学数据（器官组学）相结合，采用堆叠集成方法构建元模型 | 样本量相对有限（145例），使用公开数据集可能限制模型泛化能力 | 开发综合预测模型以提高非小细胞肺癌术后复发预测准确性 | 145例非小细胞肺癌患者的术前PET/CT影像和临床病理数据 | 数字病理 | 肺癌 | PET/CT影像组学，基因突变检测，深度学习分割 | 深度学习分割模型，glmboost，堆叠集成模型 | 医学影像（CT，PET），临床病理数据，基因数据 | 145例NSCLC患者 | PyRadiomics | NA | C-index | NA |
| 3 | 2025-11-17 |
The Future Trends of Artificial Intelligence and Innovative Technologies in the New Era of Pharmaceutical Sciences and Industry 4.0
2025-Nov-16, Drug development and industrial pharmacy
IF:2.4Q3
DOI:10.1080/03639045.2025.2590707
PMID:41241791
|
综述 | 本文综述了人工智能在制药科学中的变革性影响及其与现代技术的融合 | 探讨AI与工业4.0技术（物联网、机器人、区块链、数字孪生）的协同作用，推动个性化医疗和自适应制造 | 存在数据隐私、算法偏见和法规更新需求等挑战 | 分析AI在药物研发、生产制造和数字化转型中的应用前景 | 制药科学和工业4.0技术 | 机器学习 | NA | 基因组学数据分析、临床数据分析、环境数据分析 | 机器学习, 深度学习 | 基因组数据, 临床数据, 环境数据 | NA | NA | NA | NA | NA |
| 4 | 2025-11-17 |
Personalized real-time inference of momentary excitability from human EEG
2025-Nov-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121547
PMID:41135744
|
研究论文 | 提出一种名为PRIME的深度学习框架，可从原始脑电图信号实时预测皮层兴奋性 | 首次开发能够直接从原始EEG信号预测TMS诱发电位幅度的个性化实时推理框架，结合迁移学习和持续自适应技术 | 目前仅验证了运动皮层应用，在其他皮层区域的验证尚未建立 | 开发个性化实时脑状态依赖的经颅磁刺激干预方法 | 人类脑电图信号和皮层兴奋性 | 机器学习 | NA | 脑电图，经颅磁刺激 | 深度学习 | 脑电图信号 | NA | NA | NA | 预测准确性，延迟时间 | NA |
| 5 | 2025-11-17 |
Colorectal disease diagnosis with deep triple-stream fusion and attention refinement
2025-Nov-14, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出一种用于结直肠疾病诊断的深度三流融合注意力优化深度学习框架 | 集成三重流架构、多尺度注意力模块和挤压激励优化块，通过渐进门控融合机制实现自适应特征融合 | 未明确说明计算资源需求和模型在更广泛数据集上的泛化能力 | 开发用于结直肠疾病诊断的鲁棒计算机辅助诊断方法 | 结直肠组织病理学和内窥镜图像 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN | 图像 | 两个结直肠基准数据集：CRCCD_V1（14类）和LC25000（二分类） | NA | EfficientNetB3,ResNet50,DenseNet121 | 准确率,精确率,召回率,F1分数,ROC-AUC | NA |
| 6 | 2025-11-17 |
Evaluation of domain shift sources and generalisability in AI-based prostate MRI autocontouring for radiotherapy
2025-Nov-14, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.105188
PMID:41240504
|
研究论文 | 评估基于AI的前列腺MRI自动轮廓勾画在放疗中的域偏移源和泛化能力 | 首次揭示了图像采集/标注协议对域偏移的影响，并在相同扫描仪厂商/场强条件下验证了这一发现 | 仅使用66例前列腺MRI进行外部评估，样本量相对有限 | 分析域偏移的不同来源并评估基于异构公共数据训练的模型的泛化能力 | 前列腺MRI图像 | 数字病理 | 前列腺癌 | MRI成像 | 深度学习 | 医学图像 | 来自五个公共数据集的轴向T2加权前列腺MRI和66例外部评估数据 | nnU-Net | U-Net | Dice相似系数, 95% Hausdorff距离 | NA |
| 7 | 2025-11-17 |
Integrated assessment of urban flooding and heat island interactions: A systematic review of geospatial technologies, machine learning approaches, and microclimate dynamics
2025-Nov-14, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.127984
PMID:41240637
|
综述 | 本文系统综述了城市内涝与热岛效应的相互作用，重点关注地理空间技术、机器学习方法和微气候动力学的集成评估 | 首次系统整合了城市内涝与热岛效应的交互关系分析，提出统一的数据驱动框架来模拟复合灾害 | 缺乏可扩展模型、实时物联网数据整合不足、模型可解释性和可迁移性有限 | 评估城市内涝与热岛效应的相互作用，支持气候韧性城市规划 | 74项科学研究报告，涵盖城市微气候变量、土地利用和土地覆盖变化 | 地理信息系统,机器学习 | NA | 地理空间技术,机器学习,物联网 | CNN-LSTM,Random Forest,Gradient Boosting,Transformer,GNN | 时空数据,地理空间数据,微气候数据 | 74项科学研究（2010-2025年） | NA | CNN-LSTM混合模型,集成学习模型,图神经网络,Transformer | RMSE,R,MAE | NA |
| 8 | 2025-11-17 |
Deep learning-enabled segmentation of knee cartilage in conventional magnetic resonance images: Internal and external validation of different models
2025-Nov-14, The Knee
DOI:10.1016/j.knee.2025.10.024
PMID:41241647
|
研究论文 | 本研究开发了一种基于深度学习的膝关节软骨分割模型，并在传统MRI图像中进行了内外验证 | 首次在传统质子密度脂肪抑制MRI序列中应用3D Res U-net模型进行膝关节软骨分割，并与其他深度学习模型进行性能比较 | 研究为回顾性设计，样本量相对有限（共254例），外部验证集样本较少（35例） | 开发准确的膝关节软骨分割方法以辅助临床评估膝关节疼痛源和骨关节炎诊疗 | 膝关节软骨组织 | 医学影像分析 | 骨关节炎 | 质子密度脂肪饱和MRI序列 | 深度学习 | 3D MRI图像 | 254例膝关节MRI（219例训练-内部验证，35例外部验证） | NA | 3D Res U-net, 3D U-net, 3D V-net | Dice系数, Jaccard指数 | NA |
| 9 | 2025-11-17 |
Multi stage sentiment analysis for product reviews on Twitter using optimized machine learning algorithm
2025-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23451-8
PMID:41233366
|
研究论文 | 提出一种优化的多阶段情感分析框架，用于分析Twitter上产品评论的情感倾向 | 优化并比较传统机器学习与深度学习方法在情感分析中的性能，确定最有效的情感分类方法 | 仅基于5200条英文推文进行分析，数据规模有限且语言单一 | 探索机器学习算法在社交媒体产品评论情感分析中的可行性 | Twitter上关于产品的用户评论 | 自然语言处理 | NA | 情感分析 | SVM, Naive Bayes, Random Forest, LSTM | 文本 | 5200条英文推文（包含正面、负面和中性评论） | NA | LSTM | NA | NA |
| 10 | 2025-11-17 |
Design of multi-mode intelligent system architecture for surface defect detection of steel based on cloud technology
2025-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01005-2
PMID:41233375
|
研究论文 | 提出基于云技术的钢材表面缺陷检测多模态智能系统架构 | 创新集成边缘计算、云计算和移动计算技术，构建改进YOLOv5系列轻量模型，并设计多维智能结果分发生态系统 | NA | 实现钢材表面缺陷的自动化检测与实时监控 | 钢材表面缺陷 | 计算机视觉 | NA | 深度学习 | YOLOv5 | 图像 | 大规模自建钢材缺陷数据集 | NA | YOLOv5-efficient net, YOLOv5-mobile net | 检测准确率, 召回率, 处理速度 | 云原生架构, 边缘计算, 移动计算 |
| 11 | 2025-11-17 |
Combining K-fold cross validation with bayesian hyperparameter optimization for accuracy enhancement of land cover and land use classification
2025-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23336-w
PMID:41233377
|
研究论文 | 提出结合K折交叉验证与贝叶斯超参数优化的方法，用于提升遥感影像土地覆盖与土地利用分类的精度 | 首次将贝叶斯超参数优化与K折交叉验证相结合，增强超参数搜索空间的探索能力 | 仅针对ResNet18模型和EuroSat数据集进行验证，未在其他模型和数据集上测试 | 提高遥感影像土地覆盖与土地利用分类的准确率 | 遥感影像土地覆盖与土地利用分类 | 计算机视觉 | NA | 遥感影像分析 | CNN | 图像 | EuroSat数据集 | NA | ResNet18 | 整体准确率 | NA |
| 12 | 2025-11-17 |
Multi-stage knowledge distillation with layer fusion-based deep learning approach for skin cancer classification
2025-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23403-2
PMID:41233380
|
研究论文 | 提出一种基于多阶段知识蒸馏和层融合策略的深度学习方法用于皮肤癌分类 | 结合多阶段知识蒸馏与层融合策略，利用中间特征和损失平衡系数，并集成ViT和ConvNeXT的教师模型 | NA | 开发高效的皮肤病变细胞分类方法 | 皮肤病变细胞图像 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN, EfficientNet, ViT, ConvNeXT | 图像 | HAM10000数据集 | NA | ViT, ConvNeXT, CNN, EfficientNet | 准确率, F1分数, AUC | NA |
| 13 | 2025-11-17 |
DB-SegNet: optimized framework for glaucoma detection and optic structure segmentation from retinal fundus images
2025-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23425-w
PMID:41233423
|
研究论文 | 提出DB-SegNet框架用于视网膜眼底图像中青光眼检测和视盘视杯结构分割 | 结合扩张空洞上下文模块、双向特征校准单元、苦鱼优化算法和多尺度注意力变换器，提升多尺度特征提取和边界细节优化 | 未明确说明模型在不同设备采集图像上的泛化能力及临床部署可行性 | 开发高精度青光眼自动诊断和视盘视杯分割系统 | 视网膜眼底图像中的视盘和视杯结构 | 计算机视觉 | 青光眼 | 视网膜眼底成像 | CNN, Transformer | 图像 | 三个公开数据集（Drishti-GS1, RIM-ONE, ORIGA-Light） | NA | SegNet, DACM, BFCU, MSAT | Dice系数, 准确率 | NA |
| 14 | 2025-11-17 |
Robot motion skill learning method based on focused reward transformer
2025-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95881-3
PMID:41233501
|
研究论文 | 提出一种基于聚焦奖励变换器的机器人运动技能学习方法，通过动态平衡长期预测与即时环境线索来优化机器人运动控制 | 将引导注意力机制与奖励处理重点相结合，解决了传统决策变换器忽视即时动作价值的问题 | 仅在MuJoCo仿真平台上进行验证，未涉及真实机器人环境测试 | 改进机器人运动控制的学习和决策过程 | 机器人运动控制任务 | 机器学习 | NA | 深度强化学习 | Transformer | 运动控制序列数据 | 三个MuJoCo任务（Hopper, Walker2d, Halfcheetah）的仿真数据 | NA | Focused Reward Transformer（FRT） | 控制任务性能指标 | MuJoCo仿真平台 |
| 15 | 2025-11-17 |
An AI-powered smart Agribot for detecting locusts in farmlands using IoT and deep learning
2025-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23497-8
PMID:41233495
|
研究论文 | 本研究开发了一种基于物联网和深度学习的智能农业机器人，用于农田中蝗虫的实时检测 | 结合预训练CNN模型与传统机器学习分类器，并引入人工蜂群算法和SVC特征选择器进行蝗虫检测 | 在研究和实施过程中发现了一些局限性，但未在摘要中具体说明 | 开发智能农业机器人系统用于农田蝗虫检测 | 农田环境中的蝗虫 | 计算机视觉 | NA | 物联网传感器、深度学习、机器学习 | CNN | 图像、视频流 | NA | NA | VGG19 | 准确率,SUS评分 | NA |
| 16 | 2025-11-17 |
AI-driven prediction of progression to oral squamous cell carcinoma using a multiresolution pathology model
2025-Nov-13, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02014-1
PMID:41233507
|
研究论文 | 开发基于多分辨率深度学习的病理模型预测口腔潜在恶性病变向鳞状细胞癌的进展 | 首次将视觉变换器(ViT)应用于口腔病理图像分析，通过多分辨率深度学习模型实现恶性转化预测 | 需要在更大规模的前瞻性队列中进行进一步验证 | 预测口腔潜在恶性病变向鳞状细胞癌的进展风险 | 口腔潜在恶性病变患者的数字化全切片图像 | 数字病理学 | 口腔鳞状细胞癌 | 数字病理 | ViT, CNN | 图像 | 221张数字化全切片图像（111例进展者，110例非进展者） | NA | Vision Transformer (ViT) | 准确率, F1-score, AUROC | NA |
| 17 | 2025-11-15 |
From retina to brain: how deep learning closes the gap in silent stroke screening
2025-Nov-13, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02021-2
PMID:41233502
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18 | 2025-11-17 |
A physics-informed deep learning approach for 3D acoustic impedance estimation from seismic data: application to an offshore field in the Southwest Iran
2025-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23611-w
PMID:41233516
|
研究论文 | 提出一种结合物理建模与深度学习的混合地震反演框架，用于在数据有限的地质复杂环境中估算三维声阻抗 | 将物理信息伪井生成与深度前馈神经网络相结合，显著减少对低频背景模型和密集井校准的依赖 | 仅使用3口真实井数据，未来需要纳入不确定性量化和体积卷积网络以提高空间分辨率和模型可靠性 | 开发可靠的海上储层表征方法 | 伊朗西南部海上油田的地震数据和声阻抗 | 地球物理勘探 | NA | 地震反演、岩石物理建模、变差函数统计 | 深度前馈神经网络(DFNN) | 地震属性数据、声阻抗测井数据 | 3口真实井和36口合成伪井 | NA | 深度前馈神经网络 | 互相关系数, 归一化相对误差 | NA |
| 19 | 2025-11-15 |
Evaluation of CNN-based deep learning models for auto-contouring in glioblastoma radiotherapy: a review
2025-Nov-13, Radiation oncology (London, England)
DOI:10.1186/s13014-025-02748-y
PMID:41233797
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20 | 2025-11-15 |
Automated detection and segmentation of chondromalacia patella on axial knee MRI using YOLOv11 and a custom CNN: a deep learning-based diagnostic model
2025-Nov-13, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-09275-7
PMID:41233843
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |