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 3382 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2025-11-22 |
Evaluation of recent lightweight deep learning architectures for lung cancer CT classification
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1647701
PMID:41049845
|
研究论文 | 评估三种轻量级深度学习架构在肺癌CT分类任务中的性能表现 | 首次系统评估MobileOne-S0、FastViT-S12和MambaOut-Femto等新兴轻量级模型在医学影像特别是肺癌分类中的应用潜力 | 研究样本量相对有限（公共数据集95例，私有数据集274例），未在更多样化的临床环境中验证 | 为资源受限环境下的临床部署提供基于证据的模型选择指导 | 肺癌CT图像的分类任务 | 计算机视觉 | 肺癌 | CT成像 | 深度学习 | 医学影像 | 公共数据集95例，私有数据集274例 | NA | MobileOne-S0, FastViT-S12, MambaOut-Femto, ResNet, Swin Transformer | 准确率, AUC, 推理时间, 参数量, FLOPs | NA |
| 202 | 2025-11-22 |
Correction: Evaluation of recent lightweight deep learning architectures for lung cancer CT classification
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1715188
PMID:41195277
|
修正 | 对先前发表的关于轻量级深度学习架构在肺癌CT分类中评估的文章进行修正 | NA | NA | NA | NA | NA | 肺癌 | CT | NA | NA | NA | NA | NA | NA | NA |
| 203 | 2025-11-22 |
DeepAttNet: deep neural network incorporating cross-attention mechanism for subject-independent mental stress detection in passive brain-computer interfaces using bilateral ear-EEG
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1685087
PMID:41255549
|
研究论文 | 提出了一种基于交叉注意力机制的深度神经网络DeepAttNet，用于被动脑机接口中独立于被试的心理压力检测 | 引入了休息对休息范式来隔离任务相关干扰，开发了专门建模半球间神经动力学的交叉注意力机制和逐点时间压缩模块 | 样本量相对较小（32名成人参与者），仅使用双耳EEG记录 | 开发独立于被试的心理压力检测方法，提升被动脑机接口在现实场景中的应用 | 32名成人参与者的双耳EEG数据 | 脑机接口 | 心理健康 | 脑电图 | 深度学习, CNN | EEG信号 | 32名成人参与者 | NA | DeepAttNet, EEGNet, ShallowConvNet, DeepConvNet, TSception | 准确率, 宏F1值 | NA |
| 204 | 2025-11-22 |
Multi-Omics Meets Premalignancy: Paving the Way for Early Prevention of Cancer
2025, Research (Washington, D.C.)
DOI:10.34133/research.0930
PMID:41255572
|
综述 | 本文系统探讨多组学技术与人工智能在癌前病变研究中的整合应用及其对癌症早期预防的推动作用 | 首次系统梳理15种癌症类型的临床公认癌前病变，并强调多组学与人工智能融合在肿瘤发生轨迹推断中的创新应用 | 未涉及具体临床验证数据，主要基于现有研究进行理论梳理与展望 | 推动癌症早期检测与药物预防策略发展 | 癌前病变及其向恶性肿瘤转化的动态过程 | 数字病理 | 泛癌种 | 多组学技术, 单细胞测序, 空间组学 | 深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 205 | 2025-11-22 |
Two-decade dialogue between artificial intelligence and osteoporosis: research trajectories and frontier projections under bibliometric and visual analysis
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1606361
PMID:41255602
|
文献计量分析 | 通过文献计量和可视化方法系统分析2004-2024年间人工智能在骨质疏松症研究领域的发展轨迹和前沿趋势 | 首次对骨质疏松症领域人工智能研究进行全面的文献计量分析，识别了该领域的发展轨迹、新兴前沿和关键挑战 | 仅基于Web of Science数据库的英文文献，可能存在语言和数据库偏倚 | 评估人工智能在骨质疏松症研究中的知识进展和发展趋势 | 2004-2024年间发表的骨质疏松症与人工智能相关文献 | 文献计量学 | 骨质疏松症 | 文献计量分析，可视化分析 | NA | 文献元数据 | 408篇出版物（343篇文章，65篇综述） | VOSviewer, CiteSpace, Scimago Graphica, Bibliometrix | NA | NA | NA |
| 206 | 2025-11-22 |
Deep learning-driven MRI for accurate brain volumetry in murine models of neurodegenerative diseases
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1632169
PMID:41255818
|
研究论文 | 本研究开发了一种基于深度学习的MRI分割方法，用于精确测量神经退行性疾病小鼠模型的脑体积 | 采用深度学习分割方法在7特斯拉MRI上实现快速（4.3分钟）高分辨率脑体积测量，显著减少采集时间并提高动物福利 | 需要麻醉可能影响采集参数，研究主要聚焦小鼠模型 | 开发可靠的小鼠脑体积定量方法以评估神经退行性疾病进程和治疗干预 | 健康C57BL/6J小鼠和肌萎缩侧索硬化、铜宗诱导脱髓鞘、多发性硬化疾病模型小鼠 | 数字病理 | 神经退行性疾病 | MRI, T1加权成像 | 深度学习分割模型 | 医学影像 | 健康C57BL/6J小鼠和疾病模型小鼠 | NA | NA | 重现性 | NA |
| 207 | 2025-11-22 |
Thyroid nodule and lymph node metastasis assessment from ultrasound images using deep learning
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1684104
PMID:41255824
|
研究论文 | 本研究开发了一种基于深度学习的超声图像诊断模型，用于术前区分良性甲状腺结节、非转移性恶性甲状腺结节和转移性恶性甲状腺结节 | 首次建立能够同时区分三种甲状腺结节类型（BTN、NMTN、MMTN）的AI诊断模型，并在多中心数据上验证其性能优于放射科医生 | 样本量相对较小（195例患者），且各类别样本数量不均衡（MMTN样本最多，NMTN样本最少） | 开发AI辅助诊断工具以提高甲状腺结节超声诊断的准确性和一致性 | 甲状腺结节患者的超声图像 | 计算机视觉 | 甲状腺癌 | 超声成像 | CNN | 图像 | 195名患者（BTN=60，NMTN=15，MMTN=120），共3,537张超声图像 | NA | NA | AUC, 准确率, ROC曲线, 混淆矩阵 | NA |
| 208 | 2025-11-22 |
Prospects and challenges of deep learning in gynecologic malignancies
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1592078
PMID:41256318
|
综述 | 概述深度学习在妇科恶性肿瘤诊疗中的应用现状与挑战 | 系统探讨深度学习在妇科肿瘤影像分析中的多任务应用潜力及多组学数据整合方向 | 未涉及具体临床验证数据与实际部署障碍的量化分析 | 评估深度学习技术在妇科恶性肿瘤诊疗中的发展前景 | 妇科恶性肿瘤的影像与病理数据 | 数字病理学 | 妇科肿瘤 | 医学影像分析（X射线、CT、MRI、SPECT） | 深度学习模型 | 影像数据 | NA | NA | NA | NA | NA |
| 209 | 2025-11-22 |
Predicting alcohol use disorder risk in firefighters using a multimodal deep learning model: a cross-sectional study
2025, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2025.1643552
PMID:41256950
|
研究论文 | 开发并验证了一种融合结构磁共振成像和神经心理学评估的多模态深度学习框架，用于预测消防员的酒精使用障碍风险 | 首次将结构MRI与神经心理学评估相结合，通过多模态深度学习实现酒精使用障碍的客观风险分层，避免了传统自我报告方法的系统性漏报问题 | 横断面研究设计无法建立因果关系，样本主要为男性消防员可能限制结果的普适性 | 开发客观的酒精使用障碍风险预测模型，用于高风险职业人群的早期筛查 | 689名现役消防员 | 数字病理 | 酒精使用障碍 | 结构磁共振成像, 神经心理学评估 | CNN, Transformer, 多层感知机 | 图像, 临床数据 | 689名现役消防员（平均年龄43.3±8.8岁，93%为男性） | PyTorch, TensorFlow | ResNet-50, Vision Transformer | 准确率, AUC, ROC曲线 | NA |
| 210 | 2025-11-22 |
Deep learning-based classification of colorectal cancer in histopathology images for category detection
2025, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpaf077
PMID:41256969
|
研究论文 | 本研究开发基于深度学习的结直肠癌组织病理图像分类系统，用于自动识别不同癌症类别 | 提出两阶段预测框架，先进行异常检测再进行多类别分类，显著提升对代表性不足和形态复杂类别的分类鲁棒性 | Swin Transformer模型计算需求较高，部分类别样本量可能不足 | 开发自动化的结直肠癌分类系统以辅助病理学家诊断 | 结直肠癌组织病理图像 | 数字病理 | 结直肠癌 | 苏木精-伊红染色组织病理学成像 | CNN, Transformer | 图像 | NA | NA | ResNet-34, ResNet-50, Swin Transformer V2 | 准确率, ROC AUC, F1-score | NA |
| 211 | 2025-11-22 |
The role of health monitoring technologies in optimising athletes' self-regulation
2025, Wiadomosci lekarskie (Warsaw, Poland : 1960)
DOI:10.36740/WLek/209507
PMID:41075206
|
研究论文 | 开发结合可穿戴设备、云计算和深度学习的智能系统来监测运动员表现和健康 | 整合最新可穿戴设备与深度学习技术实现运动员健康状态的实时监测和预测 | NA | 分析当前运动员表现和健康监测方法，开发智能监测系统 | 运动员的健康监测和训练优化 | 机器学习 | NA | 可穿戴设备监测 | 深度学习 | 生理参数数据 | NA | NA | NA | 预测准确率 | 云计算 |
| 212 | 2025-11-21 |
Correlation does not equal causation: the imperative of causal inference in machine learning models for immunotherapy
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1630781
PMID:41041318
|
综述 | 本文系统评述了机器学习在免疫治疗研究中忽视因果推断的方法学缺陷，并探讨了因果机器学习的最新进展与挑战 | 首次系统揭示免疫治疗研究中普遍存在的'知识-实践鸿沟'，即研究者虽认知'相关不等于因果'却在实践中忽略因果推断，并提出了因果机器学习的具体解决方案 | 基于文献综述的分析，缺乏原始数据验证；未提供因果机器学习模型在临床环境中的实际效能比较 | 探讨因果推断在免疫治疗机器学习模型中的重要性及实施路径 | 免疫检查点抑制剂研究文献和黑色素瘤回顾性研究 | 机器学习 | 免疫治疗相关疾病 | 多组学数据整合，包括影像学、基因组学和临床记录 | 因果机器学习模型 | 多模态数据 | 90项免疫检查点抑制剂研究和36项黑色素瘤回顾性研究 | NA | Targeted-BEHRT, CIMLA, CURE | 模型可解释性，临床适用性 | NA |
| 213 | 2025-11-21 |
Deep Multi-View Clustering With Meta Information Compression
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3630899
PMID:41237033
|
研究论文 | 提出一种基于元学习的深度多视图聚类方法，通过信息压缩和语义拼图机制学习低冗余的聚类友好表示 | 从元学习角度提出信息压缩器和语义拼图机制，在保持关键语义的同时最小化冗余信息 | 未明确说明方法在极端数据不平衡或噪声视图条件下的鲁棒性 | 解决多视图聚类中互补信息选择与关键细节捕获之间的平衡问题 | 多视图数据样本 | 机器学习 | NA | NA | 深度学习 | 多视图数据 | 多个不同规模的数据集（具体数量未说明） | NA | 信息压缩器, 语义拼图机制 | 聚类性能指标（具体指标未说明） | NA |
| 214 | 2025-11-21 |
TSCytoPred: a deep learning framework for inferring cytokine expression trajectories from irregular longitudinal gene expression data to enhance multi-omics analyses
2025, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.20270
PMID:41244204
|
研究论文 | 提出TSCytoPred深度学习框架，从非规则纵向基因表达数据推断细胞因子表达轨迹以增强多组学分析 | 开发首个基于深度学习的模型，通过基因表达数据和转录因子相互作用计算推断细胞因子表达轨迹，并包含插值模块处理不规则时间间隔数据 | 依赖基因表达数据的质量和完整性，在细胞因子表达机制完全未知的情况下预测性能可能受限 | 通过推断细胞因子表达轨迹来改善疾病结果预测和治疗反应评估 | 细胞因子表达轨迹，基因表达数据，COVID-19患者 | 机器学习 | COVID-19 | 基因表达分析，转录因子相互作用分析 | 深度学习，神经网络 | 纵向基因表达数据，时间序列数据 | COVID-19数据集（具体数量未明确说明） | NA | 包含插值模块的神经网络 | 决定系数(R)，平均绝对误差(MAE) | NA |
| 215 | 2025-11-21 |
Shape modeling of longitudinal medical images: from diffeomorphic metric mapping to deep learning
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1671099
PMID:41244609
|
综述 | 本文综述了从微分同胚度量映射到深度学习的纵向医学图像形状建模方法 | 系统比较了传统微分同胚映射与深度学习在纵向形状建模中的协同应用，并指出未来研究方向 | 作为综述文章，未提出新的原创算法，主要分析现有方法的优缺点 | 探讨生物组织纵向形状变化的建模方法及其在医疗健康中的应用 | 生物组织的时空形状变化，包括自然和病理性的形态改变 | 医学图像分析 | NA | 医学图像序列分析 | 自编码器,生成网络,循环神经网络 | 纵向医学图像 | NA | NA | NA | NA | NA |
| 216 | 2025-11-21 |
Artificial intelligence-, organoid-, and organ-on-chip-powered models to improve pre-clinical animal testing of vaccines and immunotherapeutics: potential, progress, and challenges
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1681106
PMID:41244612
|
综述 | 探讨人工智能、类器官和器官芯片技术在改进疫苗和免疫疗法临床前动物测试中的潜力与挑战 | 提出结合人工智能、类器官和器官芯片的混合验证系统作为动物测试的补充工具 | 现有模型尚不能完全复制活体系统的复杂性，无法全面模拟疫苗和免疫疗法的安全性、免疫原性和保护效力 | 评估替代性临床前研究方法的潜力以加速疫苗和免疫疗法开发 | 疫苗和免疫疗法 | 数字病理 | 传染病和癌症 | 类器官培养、器官芯片、深度学习 | 深度学习模型 | 生物医学数据 | NA | NA | NA | NA | NA |
| 217 | 2025-11-21 |
Construction of a diagnostic model for temporal lobe epilepsy using interpretable deep learning: disease-associated markers identification
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1655338
PMID:41244607
|
研究论文 | 本研究开发了一种基于可解释深度学习的颞叶癫痫诊断模型，并识别了疾病相关标志物 | 结合SHAP和Kolmogorov-Arnold Networks (KAN)进行模型解释，首次提供基因与TLE状态之间的非线性数学表达式 | 样本量相对有限（287个样本），需要进一步临床验证 | 开发可解释的深度学习诊断模型并识别颞叶癫痫相关标志物 | 颞叶癫痫患者与正常对照的基因表达数据 | 机器学习 | 颞叶癫痫 | RNA-seq, 微阵列 | DNN, XGBoost, RF, LR, KNN | 基因表达数据 | 287个样本来自8个GEO数据集 | NA | 深度神经网络 | AUC, 准确率 | NA |
| 218 | 2025-11-21 |
High-resolution deep learning-reconstructed T2-weighted imaging for the improvement of image quality and extraprostatic extension assessment in prostate MRI
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1695043
PMID:41244649
|
研究论文 | 评估高分辨率T2加权成像结合深度学习重建在提升前列腺多参数MRI图像质量和前列腺外侵犯评估中的效果 | 首次将高分辨率T2加权成像与深度学习重建技术结合应用于前列腺MRI，显著改善了图像质量和病灶轮廓显示 | 样本量较小（69例患者），运动伪影在高分辨率序列中更明显，前列腺外侵犯检测缺乏充分的组织病理学验证 | 提升前列腺MRI的图像质量和诊断准确性 | 前列腺癌患者 | 数字病理 | 前列腺癌 | 多参数MRI，深度学习图像重建 | 深度学习模型 | 医学影像 | 69例患者 | NA | NA | Likert评分，Wilcoxon符号秩检验，Cohen's kappa | 3T MRI扫描仪 |
| 219 | 2025-11-21 |
Type IV minor pilin ComN predicted the USS-receptor in Pasteurellaceae
2025, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2025.1647523
PMID:41244683
|
研究论文 | 通过多学科方法鉴定Pasteurellaceae科细菌中负责同源DNA摄取的USS受体蛋白PpdA/ComN | 首次通过深度学习结构建模和共进化分析系统鉴定出Pasteurellaceae科细菌的USS受体蛋白 | 尚未通过重组蛋白实验和突变体实验进行功能验证 | 鉴定Pasteurellaceae科细菌中负责自然转化的USS受体蛋白 | Pasteurellaceae科细菌及其USS摄取信号序列 | 计算生物学, 结构生物学 | 细菌感染性疾病 | AlphaFold3结构建模, 几何深度学习, 分子动力学模拟, 共进化分析 | 深度学习, 几何深度学习 | 蛋白质序列, DNA序列, 蛋白质结构 | 10种具有不同USS特异性的Pasteurellaceae科细菌 | AlphaFold3, DeepPBS | 深度学习蛋白质结构预测模型 | RMSD | NA |
| 220 | 2025-11-21 |
Rapid and accurate recognition of erythrocytic stage parasites of Plasmodium falciparum via a deep learning-based YOLOv3 platform
2025, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2025.1471436
PMID:41244694
|
研究论文 | 开发基于YOLOv3深度学习平台的疟疾寄生虫自动识别工具 | 首次将YOLOv3目标检测算法应用于恶性疟原虫红细胞内期寄生虫的自动识别 | 样本量较小（仅262张图像），仅在薄血涂片上进行验证 | 开发人工智能辅助诊断工具以实现疟疾早期快速诊断 | 恶性疟原虫感染的红细胞 | 计算机视觉 | 疟疾 | 显微镜检查,qPCR验证 | YOLOv3 | 图像 | 262张薄血涂片图像 | NA | YOLOv3 | 准确率,假阴性率,假阳性率 | NA |