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 3710 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2026-03-17 |
AI redefines mass spectrometry chemicals identification: retention time prediction in metabolomics and for a Human Exposome Project
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1687056
PMID:41312237
|
综述 | 本文综述了人工智能在质谱化学鉴定中的应用，特别是在代谢组学和人类暴露组项目中预测保留时间的方法 | 整合机器学习（包括深度学习和图神经网络）进行保留时间预测，并结合概率校准和跨平台协调，以提高代谢物注释的置信度 | NA | 通过人工智能增强保留时间预测，以改善人类暴露组项目中环境与内源性化学物质的鉴定 | 人类生物样本中的环境与内源性化学物质 | 机器学习 | NA | 液相色谱-高分辨率质谱, 气相色谱 | 深度学习, 图神经网络, 迁移学习 | 质谱数据 | NA | NA | NA | NA | NA |
| 182 | 2026-03-14 |
Accuracy of deep learning-based attenuation correction in 99mTc-GSA SPECT/CT hepatic imaging
2025-01, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2024.11.002
PMID:39549604
|
研究论文 | 本研究利用深度学习生成伪CT图像进行衰减校正，评估了在99mTc-GSA SPECT/CT肝成像中深度学习衰减校正的准确性 | 首次使用CycleGAN从非衰减校正SPECT图像生成伪CT图像进行衰减校正，避免了CT检查带来的辐射暴露 | 研究仅纳入正常和异常肝功能患者各一例，样本量小，且未涵盖多种肝病和肝脏形态变化 | 评估深度学习生成的伪CT图像在99mTc-GSA SPECT/CT成像中衰减校正的准确性 | 99mTc-GSA SPECT/CT肝成像数据 | 医学影像分析 | 肝病 | SPECT/CT成像 | GAN | 医学影像（SPECT和CT图像） | 2例患者（正常和异常肝功能各一例） | NA | CycleGAN | 总肝计数、结构相似性指数（SSIM）、变异系数（%CV） | NA |
| 183 | 2026-03-14 |
Breath-hold diffusion-weighted MR imaging (DWI) using deep learning reconstruction: Comparison with navigator triggered DWI in patients with malignant liver tumors
2025-01, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2024.11.027
PMID:39667265
|
研究论文 | 本研究探讨了使用深度学习重建的单次屏气扩散加权磁共振成像在恶性肝肿瘤患者中的可行性，并与导航触发扩散加权成像进行比较 | 首次将深度学习重建技术应用于单次屏气扩散加权磁共振成像，以改善图像质量并可能作为导航触发成像的补充 | 研究未明确深度学习重建的具体模型架构和计算资源，且样本量相对有限（91例患者） | 比较单次屏气扩散加权磁共振成像与导航触发扩散加权成像在恶性肝肿瘤患者中的图像质量和可行性 | 恶性肝肿瘤患者 | 医学影像分析 | 肝恶性肿瘤 | 扩散加权磁共振成像，深度学习重建 | 深度学习模型 | 磁共振图像 | 91例患者 | NA | NA | 信噪比，对比噪声比，表观扩散系数值 | NA |
| 184 | 2026-03-14 |
Analyzing the TotalSegmentator for facial feature removal in head CT scans
2025-01, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2024.12.018
PMID:39754865
|
研究论文 | 本研究评估了使用TotalSegmentator进行头部CT扫描面部特征去除的流程，以降低再识别风险并保护数据隐私 | 首次将TotalSegmentator应用于头部CT扫描的面部特征去除，并与现有先进算法进行比较，展示了其在隐私保护方面的优越性 | 研究仅基于单一数据集（UCLH EIT Stroke数据集），样本量为1404个渲染图像，可能无法完全代表所有临床场景 | 评估面部识别技术在医学影像中的隐私风险，并开发一种有效的去面部特征流程以降低再识别风险 | 头部CT扫描的渲染图像，包括去面部特征前后的对比 | 医学影像分析 | 卒中 | CT扫描，深度学习模型 | 深度学习模型，支持向量机 | 图像 | 1404个高质量渲染图像，来自UCLH EIT Stroke数据集 | NA | NA | ROC-AUC, 准确率 | NA |
| 185 | 2026-03-14 |
Constructing a Predictive Model for STH and Schistosomiasis Classification From Microscopic Images
2025, BioMed research international
IF:2.6Q3
DOI:10.1155/bmri/8074581
PMID:41321694
|
研究论文 | 本研究开发了一种结合机器学习和深度学习的创新系统，用于分析寄生虫卵的显微镜图像，以提高诊断速度和准确性 | 提出了一种混合CNN-ML方法，相比传统纯CNN方法，在寄生虫分类任务中实现了更高的准确率 | 数据集较小、存储时间较长、多样性有限且可能存在退化，这可能影响模型的泛化能力 | 构建一个预测模型，用于从显微镜图像中对土壤传播蠕虫和血吸虫病进行分类，以改善在资源有限环境下的诊断 | 显微镜图像中的寄生虫卵，包括钩虫、血吸虫病等类别以及阴性样本 | 计算机视觉 | 寄生虫病 | 显微镜成像 | CNN, ViT, SVM, XGBoost, KNN, RF, DT | 图像 | 1490张图像，来自埃塞俄比亚公共卫生研究所 | TensorFlow, PyTorch, Scikit-learn | VGG16, ResNet50, DenseNet121, MobileNetV2, EfficientNetB0, ViT | 准确率 | NA |
| 186 | 2026-03-13 |
ChromBPNet: bias factorized, base-resolution deep learning models of chromatin accessibility reveal cis-regulatory sequence syntax, transcription factor footprints and regulatory variants
2025-Jan-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.25.630221
PMID:39829783
|
研究论文 | 本文介绍了一种名为ChromBPNet的深度学习模型，用于解析染色质可及性，揭示顺式调控序列语法、转录因子足迹和调控变异 | ChromBPNet通过分解酶特异性偏差与调控序列决定因素，实现了跨实验和测序深度的紧凑转录因子基序词典、协同基序语法和精确足迹的稳健发现 | NA | 研究染色质可及性的序列语法和遗传变异，以解码调控DNA和遗传变异 | 顺式调控元件、染色质可及性、转录因子结合 | 机器学习 | NA | 染色质可及性测定 | 深度学习DNA序列模型 | DNA序列 | NA | NA | ChromBPNet | NA | NA |
| 187 | 2026-03-13 |
Retinal Vessel Plexus Differentiation Based on OCT Angiography Using Deep Learning
2025 Jan-Feb, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100605
PMID:39624795
|
研究论文 | 本研究提出了一种基于深度学习的OCT血管成像（OCTA）方法，用于分割视网膜的浅层、深层和无血管丛，无需结构OCT图像输入或分割边界 | 首次仅使用OCTA数据通过深度学习分割视网膜血管丛，无需依赖结构OCT层分割作为边界，并利用合成双类图像显著提升性能 | 研究样本量较小（33名患者），模型在更复杂的多类薄片数据上的性能仅进行了定性观察，未进行定量评估 | 开发一种基于深度学习的OCTA图像分割方法，以区分视网膜的浅层、深层和无血管丛 | 视网膜血管丛（浅层、深层、无血管丛） | 计算机视觉 | NA | OCT血管成像（OCTA） | 深度学习 | 图像 | 235个OCTA立方体（来自33名患者） | NA | U-Net | Dice系数 | NA |
| 188 | 2026-03-13 |
Exploring meaning in life from social network content in the sleep scenario
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1642085
PMID:41306873
|
研究论文 | 本研究利用社交媒体数据，通过深度学习和语义依赖图算法，探索睡眠场景下生命意义及其相关因素 | 结合社交媒体大数据、用户调查与ChatGPT生成见解，开发深度学习模型评估生命意义成分，并应用语义依赖图算法识别相关因素，桥接了两种基础生命意义理论 | 数据主要来源于社交媒体，可能存在样本偏差，且ChatGPT生成见解的可靠性需进一步验证 | 探索生命意义及其在个体和群体层面的相关因素，为心理健康问题提供线索和干预信息 | 社交媒体用户及其发布的微博内容与调查响应 | 自然语言处理 | NA | 社交媒体数据挖掘，深度学习，语义依赖图算法 | 深度学习模型 | 文本 | 微博帖子7,588,597条，用户调查响应448份 | NA | NA | NA | NA |
| 189 | 2026-03-13 |
[RPT Doi Award: Deep learning-based correction for time truncation in cerebral computed tomography perfusion]
2025, Igaku butsuri : Nihon Igaku Butsuri Gakkai kikanshi = Japanese journal of medical physics : an official journal of Japan Society of Medical Physics
DOI:10.11323/jjmp.45.1_3
PMID:41813218
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 190 | 2026-03-13 |
Integrative multi-stage deep learning framework for ovarian tumor ultrasound classification with explainability and confidence estimation
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1760167
PMID:41815279
|
研究论文 | 本文提出了一个名为EfficientOvaNet的深度学习框架，用于基于超声图像对卵巢肿瘤进行分类，并集成了可解释性和置信度估计方法 | 采用双分支EfficientNet-B3架构，结合感兴趣区域特征与全局上下文信息，并整合了Grad-CAM、蒙特卡洛Dropout不确定性估计和t-SNE特征可视化等可解释性方法 | 未明确提及研究的具体局限性，如数据集规模、泛化能力或临床验证的不足 | 提高卵巢肿瘤超声分类的诊断准确性，减少主观性，并支持及时干预和个体化治疗 | 卵巢肿瘤的超声图像 | 计算机视觉 | 卵巢癌 | 超声成像 | CNN | 图像 | 基于MMOTU数据集，具体样本数量未在摘要中明确说明 | 未明确指定，但提及了深度学习框架 | EfficientNet-B3 | 准确率, F1分数, AUC | 未在摘要中明确说明 |
| 191 | 2026-03-13 |
Artificial Intelligence and Medical Education (2013-2024): A Scopus-Based Bibliometric Analysis
2025, The East African health research journal
DOI:10.24248/eahrj.v9i1.817
PMID:41815979
|
研究论文 | 本文通过Scopus数据库对2013-2024年间人工智能在医学教育领域的研究进行了文献计量分析 | 首次对人工智能在医学教育领域的全球合作与出版趋势进行了全面的文献计量分析，揭示了新兴主题和国际协作网络 | 分析仅基于Scopus数据库，可能未涵盖所有相关文献；研究为描述性分析，未深入探讨具体AI技术的教育效果 | 分析人工智能在医学教育领域应用的全球研究趋势、主要贡献者和主题发展 | 2013-2024年间Scopus数据库中关于人工智能与医学教育的学术出版物 | 自然语言处理 | NA | 文献计量分析 | NA | 文本 | 1081篇出版物（2024年峰值） | Bibliometrix R package | NA | NA | NA |
| 192 | 2026-03-13 |
Precision oncology: Computational methods for multi-omics data integration to improve drug response prediction
2025, Cambridge prisms. Precision medicine
DOI:10.1017/pcm.2025.10003
PMID:41816503
|
综述 | 本文综述了整合多组学数据以改善药物反应预测的计算方法 | 系统性地概述了用于药物反应预测的多组学数据整合方法，包括传统机器学习、深度学习及多模态集成框架 | NA | 提高药物反应预测的准确性，推动精准医学发展 | 多组学数据集 | 机器学习 | 癌症 | 多组学数据整合 | 机器学习模型, 深度学习模型 | 多组学数据 | NA | NA | NA | 剂量-反应曲线下面积, F1分数, 均方误差 | NA |
| 193 | 2026-03-06 |
From video to vital signs: a new method for contactless multichannel seismocardiography
2025-Jan-10, NPJ cardiovascular health
DOI:10.1038/s44325-024-00034-6
PMID:41775984
|
研究论文 | 本研究提出了一种利用智能手机视频进行非接触式多通道心震图测量的创新方法 | 首次利用标准智能手机视频从多个胸部位置捕获心震图信号，结合计算机视觉和深度学习技术提升信号分辨率 | 研究仅在14名健康参与者中进行测试，样本量较小，且未在患者群体中验证 | 开发一种成本效益高、易于普及的心脏监测工具 | 健康参与者的胸部振动信号 | 计算机视觉 | 心血管疾病 | 心震图 | 深度学习 | 视频 | 14名健康参与者的28个胸部视频 | NA | NA | 均方误差, 心率估计偏差, 相关系数 | NA |
| 194 | 2026-03-06 |
Dual-hybrid intrusion detection system to detect False Data Injection in smart grids
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316536
PMID:39869576
|
研究论文 | 本文提出了一种用于智能电网中检测虚假数据注入攻击的新型双混合入侵检测系统 | 提出了一种结合粒子群优化和灰狼优化进行混合特征选择，并集成CNN和LSTM网络的混合深度学习分类器的新型入侵检测系统框架 | 研究基于模拟数据集，未来需集成真实世界智能电网数据进行验证，并需解决大规模部署中的实时处理和可扩展性挑战 | 增强智能电网中入侵检测系统检测虚假数据注入攻击的准确性和鲁棒性 | 智能电网中的虚假数据注入攻击 | 机器学习 | NA | NA | CNN, LSTM | 工业控制系统网络攻击数据集（电力系统数据集） | NA | NA | CNN, LSTM | 准确率, 召回率, 精确率, F值 | NA |
| 195 | 2026-03-06 |
A deep learning aided bone marrow segmentation of quantitative fat MRI for myelofibrosis patients
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1498832
PMID:40485725
|
研究论文 | 本研究利用深度学习U-Net模型自动化骨髓纤维化患者骨盆定量脂肪MRI中的骨髓分割 | 首次在骨髓纤维化患者的骨盆定量脂肪MRI中应用并比较了四种U-Net模型（包括2D和3D注意力U-Net）进行骨髓自动化分割 | 研究仅基于58名患者的数据集，样本量相对较小；且仅评估了U-Net系列模型，未与其他先进分割架构对比 | 自动化骨髓纤维化患者骨盆定量脂肪MRI中的骨髓分割 | 骨髓纤维化患者的骨盆MRI图像，重点关注股骨近端和髂后骨的骨髓区域 | 数字病理学 | 骨髓纤维化 | 定量脂肪MRI | CNN | 图像 | 58名骨髓纤维化患者的容积图像 | NA | U-Net, 2D U-Net, 2D attention U-Net, 3D U-Net, 3D attention U-Net | 平均Jaccard指数, 平均体积误差, 平均Hausdorff距离, 平均体积交集比 | NA |
| 196 | 2026-03-06 |
Deep learning in obsessive-compulsive disorder: a narrative review
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1581297
PMID:40585546
|
综述 | 本文是一篇关于深度学习在强迫症研究中应用的叙述性综述，总结了10项相关研究的主要发现 | 系统性地综述了深度学习在强迫症诊断、症状分类和治疗反应预测中的应用潜力，并指出了利用被动收集数据（如可穿戴设备）进行早期检测和持续症状追踪的新兴机遇 | 当前模型受限于小样本量、缺乏治疗预测的比较研究，以及对早期反应检测或可扩展监测解决方案的关注不足 | 评估深度学习在解决强迫症诊断和治疗挑战方面的应用现状与前景 | 强迫症患者 | 机器学习 | 强迫症 | NA | 深度学习 | 神经影像数据, EEG数据, 临床数据 | NA | NA | NA | 准确率 | NA |
| 197 | 2026-03-06 |
EPISeg: Automated segmentation of the spinal cord on echo planar images using open-access multi-center data
2025, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.98
PMID:40937159
|
研究论文 | 本文开发了一种名为EPISeg的深度学习模型，用于自动分割脊髓梯度回波平面成像数据，并公开了一个多中心数据集 | 提出首个针对梯度回波平面成像数据的自动脊髓分割深度学习模型，并公开了多中心标注数据集 | 未明确说明模型在极端运动伪影或严重信号丢失情况下的性能限制 | 开发自动化工具以改进脊髓功能磁共振成像数据的预处理流程 | 脊髓梯度回波平面成像数据 | 数字病理学 | NA | 功能磁共振成像，梯度回波平面成像 | 深度学习模型 | 医学影像 | 多中心数据集（具体数量未明确） | NA | EPISeg | 分割质量 | NA |
| 198 | 2026-03-06 |
Tokenization and deep learning architectures in genomics: A comprehensive review
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.07.038
PMID:40821715
|
综述 | 本文全面回顾了基因组学中标记化技术和深度学习架构的应用与挑战 | 系统梳理了基因组学中标记化技术与深度学习架构的现状，并指出当前标记化方法在捕捉DNA序列基序方面的不足，强调未来模型需整合更具生物学相关性的标记化技术 | 未提出新的具体模型或技术，主要基于现有文献进行总结，缺乏实证研究验证 | 综述基因组学领域深度学习架构与标记化技术的研究进展，探讨其应用与改进方向 | 基因组学中的DNA序列数据及相关计算任务（如抗菌素耐药性预测、基因注释） | 自然语言处理, 机器学习 | NA | DNA测序技术 | 深度学习模型 | 基因组序列数据 | NA | NA | NA | NA | NA |
| 199 | 2026-03-06 |
Bridging the clinical gap: Confidence informed IDH prediction in brain gliomas using MRI and deep learning
2025 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdaf142
PMID:40842645
|
研究论文 | 本文提出了一种结合体素分割网络与贝叶斯逻辑回归的深度学习框架，用于基于MRI图像无创预测脑胶质瘤的IDH突变状态并提供置信度评分 | 首次将体素级分割网络(MC-net)与贝叶斯逻辑回归(BLR)相结合，为IDH状态预测提供置信度评分，解决了深度学习模型临床转化中的可靠性评估难题 | 研究依赖于多中心数据但未提及外部验证集的独立性能，模型在罕见亚型或非典型病例中的表现尚未验证 | 开发一种能够提供预测置信度的非侵入性方法，用于脑胶质瘤IDH突变状态的准确预测，以辅助临床决策 | 脑胶质瘤患者 | 数字病理学 | 脑胶质瘤 | MRI成像 | 深度学习, 贝叶斯模型 | 医学影像(MRI) | 来自8个机构的2,481例胶质瘤病例 | 未明确说明 | MC-net, 贝叶斯逻辑回归(BLR) | 分类准确率, AUC, Brier分数 | NA |
| 200 | 2026-03-06 |
Voiceprints of cognitive impairment: analyzing digital voice for early detection of Alzheimer's and related dementias
2025, NPJ dementia
DOI:10.1038/s44400-025-00040-0
PMID:41195302
|
研究论文 | 本研究利用人工智能分析数字语音录音，以早期检测阿尔茨海默病及相关痴呆症 | 结合特征工程机器学习和端到端深度学习（包含大型语言模型）进行语音分析，用于认知障碍检测和亚型区分 | 样本量相对较小（188名参与者），且研究聚焦于早期发病群体，可能限制泛化性 | 通过语音分析实现认知障碍的早期检测，并区分早发性阿尔茨海默病与非阿尔茨海默病认知障碍 | 早发性阿尔茨海默病患者、早发性非阿尔茨海默病认知障碍患者及认知未受损对照者 | 自然语言处理 | 阿尔茨海默病 | 数字语音录音分析 | 机器学习, 深度学习 | 语音 | 188名参与者（120名患者，68名对照） | NA | 大型语言模型 | AUC | NA |