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 3543 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2025-12-14 |
Towards standardizing mitral transcatheter edge-to-edge repair with deep-learning algorithm: a comprehensive multi-model strategy
2025, Frontiers in network physiology
DOI:10.3389/fnetp.2025.1701758
PMID:41376828
|
研究论文 | 本文开发了三种深度学习算法，用于标准化二尖瓣经导管缘对缘修复术的资格评估，结合超声心动图数据支持二尖瓣反流的全流程评估 | 提出了一种综合多模型策略，结合质量控制、动态4D瓣膜量化和小叶级解剖解释，首次将AI应用于M-TEER资格评估的全流程标准化 | 研究样本主要来自单一机构（蒙特利尔心脏研究所），可能限制模型的泛化能力；2D小叶级分割的平均Dice分数仅为0.534，表明某些解剖结构的性能有待提升 | 开发AI算法以标准化二尖瓣经导管缘对缘修复术的资格评估流程，辅助非专家中心完成从诊断到手术的整个决策过程 | 接受二尖瓣经导管缘对缘修复术患者的经胸超声心动图和经食管超声心动图数据 | 数字病理学 | 心血管疾病 | 经胸超声心动图, 经食管超声心动图 | 深度学习算法 | 超声心动图图像 | TTE样本530例, TEE样本2,222例, 4D分割样本221例, 2D分割样本992例 | NA | NA | 准确率, 相关系数, p值, Dice系数 | NA |
| 242 | 2025-12-14 |
Artificial intelligence in hemovigilance: A narrative review on advancing blood safety and monitoring systems
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251406306
PMID:41376849
|
综述 | 本文是一篇叙述性综述，探讨了人工智能在血液安全监测（输血警戒）中的应用潜力，包括数据整合、不良事件检测、个性化风险管理和血液供应链优化 | 系统性地回顾了人工智能（包括机器学习、深度学习、自然语言处理和预测分析）在输血警戒领域的应用，并提出了未来发展方向，如联邦学习、可解释人工智能和标准化 | 面临数据隐私、算法偏见、监管缺失以及对数据质量的依赖等挑战 | 探讨人工智能技术如何增强输血警戒系统，以提升患者安全和操作效率 | 输血警戒系统及其相关的数据、不良事件和血液供应链 | 自然语言处理, 机器学习 | NA | 机器学习, 深度学习, 自然语言处理, 预测分析 | NA | 非结构化临床数据 | NA | NA | NA | NA | NA |
| 243 | 2025-12-14 |
Interpretable Artificial Intelligence Decodes the Chemical Structural Essence of Twisted Intramolecular Charge Transfer and Planar Intramolecular Charge Transfer Fluorophores
2025, Research (Washington, D.C.)
DOI:10.34133/research.1021
PMID:41377019
|
研究论文 | 本研究利用可解释机器学习方法，深入解析了扭曲分子内电荷转移和平面分子内电荷转移荧光团的化学结构本质 | 首次构建了真实世界的TICT和PICT数据集，并基于可解释机器学习建立了AI指导的结构规则，相比社区建议规则在准确性上提升了20%以上 | NA | 解码TICT和PICT荧光团的化学结构本质，以指导荧光探针的设计 | D-π-A型荧光材料，特别是TICT和PICT荧光团 | 机器学习 | NA | 可解释机器学习，深度学习 | 深度学习 | 化学结构数据 | NA | NA | NA | AUC | NA |
| 244 | 2025-12-13 |
Application and performance of artificial intelligence-based models in the detection, segmentation and classification of periapical lesions: a systematic review
2025, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2025.1717343
PMID:41367407
|
系统综述 | 本文系统综述了基于人工智能的模型在根尖周病变的检测、分割和分类中的应用与性能 | 首次系统性地总结和评估了AI在根尖周病变诊断多个任务（检测、分割、分类）中的应用现状与性能表现 | 纳入研究存在偏倚风险（32.1%的研究在参考标准方面存在显著偏倚），证据确定性仅为中等，缺乏前瞻性研究和随机临床试验验证真实临床环境中的效果 | 报告AI模型在根尖周病变检测、分割和分类中的应用与性能 | 根尖周病变（表现为根尖周放射线透射区） | 数字病理 | 牙科疾病 | NA | NA | 牙科全景X光片，口内X光片（根尖片和咬翼片），锥形束CT扫描 | 28篇符合条件的研究 | NA | NA | 准确率，灵敏度，特异度 | NA |
| 245 | 2025-12-13 |
Utility of Machine Learning to Characterize Gut Microbiota Dysbiosis and Its Clinical Implications in Inflammatory Bowel Disease
2025, Journal of inflammation research
IF:4.2Q2
DOI:10.2147/JIR.S546260
PMID:41368349
|
综述 | 本文综述了机器学习和深度学习在表征肠道菌群失调及其在炎症性肠病（IBD）中的临床意义方面的应用 | 通过整合异质数据集和揭示隐藏模式，ML和DL方法弥补了传统生物统计方法在处理非线性高维数据上的不足，为IBD的疾病分类、亚型区分和治疗反应预测提供了新的分析能力 | 综述指出未来进展依赖于标准化的微生物组检测、严格的基准测试以及多组学数据的整合，以阐明宿主-微生物相互作用 | 探讨机器学习和深度学习如何重塑基于微生物组的IBD研究，并总结其在临床转化中的优势、局限性和关键考虑因素 | 炎症性肠病（IBD）及其相关的肠道微生物组 | 机器学习 | 炎症性肠病 | NA | 机器学习, 深度学习 | 微生物组数据 | NA | NA | NA | 分类准确性, 预测准确性 | NA |
| 246 | 2025-12-13 |
Artificial intelligence techniques applied to anxiety disorders recognition: a systematic review
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1646724
PMID:41368658
|
系统综述 | 本文对人工智能技术在焦虑症识别领域的应用进行了系统性综述，分析了当前方法的准确性和研究范围 | 首次系统性地综述了人工智能技术在焦虑症识别领域的应用，比较了不同数据源和AI技术的性能，并指出AI方法相比传统检测测试具有更高的准确性 | 排除了仅关注抑郁症的研究和缺乏实验数据集的研究，可能遗漏了相关领域的重要进展 | 分析人工智能技术在焦虑症检测方法中的应用现状，为研究人员、临床医生和技术开发者提供该领域的全面概述 | 焦虑症检测方法 | 自然语言处理, 机器学习 | 焦虑症 | 机器学习, 深度学习 | NA | 自我报告数据, 生理数据, 社交网络数据 | 119项研究 | NA | NA | 准确性 | NA |
| 247 | 2025-12-12 |
Building extraction from remote sensing imagery using SegFormer with post-processing optimization
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0338104
PMID:41359638
|
研究论文 | 本研究提出了一种基于SegFormer模型并结合后处理优化的高效、准确的遥感影像建筑物提取方法 | 采用先进的基于Transformer的SegFormer模型进行语义分割，并引入噪声过滤、边界清理和建筑物规则化等后处理技术来优化提取结果 | NA | 实现从遥感影像中高效、准确地提取建筑物 | 遥感影像中的建筑物 | 计算机视觉 | NA | NA | Transformer | 图像 | 使用公开的WHU建筑物数据集，涵盖城市、乡村和山区场景 | NA | SegFormer, MiT-B5 | 交并比 | NA |
| 248 | 2025-12-12 |
Forecasting China's shipping indices based on modal decomposition and optimized deep learning integrated model
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0336906
PMID:41359688
|
研究论文 | 本研究提出了一种创新的混合预测模型VMD-CPSO-BiLSTM，用于提高中国航运指数的预测精度 | 提出了一种结合变分模态分解、混沌粒子群优化和双向长短期记忆网络的三阶段混合模型，有效处理时间序列的非线性、非平稳性和多尺度特征 | 未明确说明模型在其他国家航运市场或不同时间尺度下的泛化能力 | 提高中国航运市场时间序列预测的准确性和稳定性 | 中国航运指数 | 机器学习 | NA | 变分模态分解，混沌粒子群优化 | BiLSTM | 时间序列数据 | 未明确说明具体样本数量，但使用了关键的中国航运指数数据进行实证验证 | NA | 双向长短期记忆网络 | 预测准确性，模型稳定性 | NA |
| 249 | 2025-12-12 |
Data-driven prediction of future purchase behavior in cross-border e-commerce using sequence modeling with PSO-tuned LSTM
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0337932
PMID:41370290
|
研究论文 | 本研究提出了一种结合VMD、LSTM和PSO的混合深度学习框架，用于预测跨境电子商务中的用户购买行为 | 创新点在于将变分模态分解（VMD）与LSTM网络结合，并利用粒子群优化（PSO）自动调整超参数，以提升预测准确性和鲁棒性 | NA | 预测跨境电子商务中的用户购买行为，以提升平台运营效率和用户体验 | 跨境电子商务用户 | 机器学习 | NA | NA | LSTM | 时间序列数据 | NA | NA | LSTM | 预测准确性, 鲁棒性 | NA |
| 250 | 2025-12-12 |
Deep learning approach for objective differentiation of kidney deficiency syndrome in reproductive age females: a tongue-face fusion model
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1701545
PMID:41377689
|
研究论文 | 本文提出了一种基于深度学习的舌面融合模型，用于客观区分育龄女性肾虚综合征 | 首次采用并行DenseNet结构结合深度监督网络策略，融合舌象和面部图像的深度特征，实现肾虚综合征的客观诊断 | 样本量相对有限（总计506例），且外部验证集规模较小（130例），可能影响模型的泛化能力 | 探索通过机器学习技术实现育龄女性肾虚综合征的客观证候区分方法 | 育龄女性的舌象和面部图像数据 | 计算机视觉 | 肾虚综合征 | 图像采集 | CNN | 图像 | 376对舌面和面部图像（训练集），130例患者（外部验证集） | NA | DenseNet | 准确率, 精确率, 召回率, F1分数, ROC, AUC | NA |
| 251 | 2025-12-12 |
A Systematic Review of Species Classification Using Deep Learning Algorithms and Gender Identification of Tribolium castaneum Using Convolutional Neural Networks
2025, Zoological studies
IF:1.5Q2
DOI:10.6620/ZS.2025.64-24
PMID:41377859
|
研究论文 | 本文系统综述了深度学习算法在物种分类中的应用，并利用卷积神经网络对赤拟谷盗进行性别识别 | 首次应用CNN智能技术基于显微图像识别赤拟谷盗的性别差异，实现自动化特征提取和分类，减少人工干预 | 数据集仅包含116张显微图像，样本量较小；F1分数为0.67，表明模型在精确率和召回率平衡方面有改进空间 | 开发基于深度学习的动物识别与分类方法，特别关注赤拟谷盗的性别自动识别 | 赤拟谷盗（Tribolium castaneum）的蛹期昆虫 | 计算机视觉 | NA | 显微成像 | CNN | 图像 | 116张赤拟谷盗蛹的背侧和腹侧显微图像 | NA | NA | 准确率, F1分数 | NA |
| 252 | 2025-12-12 |
Plug-and-play high-frequency feature enhancement for plant image super-resolution
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1723354
PMID:41378185
|
研究论文 | 本文提出了一种可插拔的高频特征增强模块，用于提升植物图像超分辨率重建中精细结构细节的恢复能力 | 提出了一种可无缝集成到现有超分辨率架构中的高频特征增强模块，通过选择性放大高频信息来改善如叶脉、病变边界等细微细节的重建 | 未明确讨论模块在不同类型植物图像或极端噪声条件下的泛化性能极限 | 旨在通过增强植物图像超分辨率重建的精细细节，支持更准确的表型分析、疾病监测和精准农业 | 植物图像，包括大规模种植园图像、水生植物图像和作物病害图像 | 计算机视觉 | NA | 深度学习超分辨率 | CNN | 图像 | 三个植物数据集：油棕数据集、AqUAVPlant数据集（基于无人机的水生植物）和Plant Pathology 2020数据集（作物病害） | NA | NA | PSNR, SSIM | NA |
| 253 | 2025-12-12 |
Multimodal deep learning model for enhanced early detection of aortic stenosis integrating ECG and chest x-ray with cooperative learning
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1698680
PMID:41378244
|
研究论文 | 本研究开发了一种整合心电图和胸部X光的多模态深度学习模型，通过协同学习框架提升主动脉瓣狭窄的早期检测能力 | 首次将1D ResNet50-Transformer架构与EfficientNet架构结合，通过协同学习损失函数实现心电图和胸部X光模型的相互预测优化 | 研究为回顾性分析，可能存在选择偏倚；模型性能仍需在前瞻性临床环境中进一步验证 | 开发多模态人工智能模型以提升主动脉瓣狭窄的早期检测效果 | 接受心电图、胸部X光和超声心动图检查的7,483名患者（共23,886条记录） | 数字病理学 | 心血管疾病 | 心电图, 胸部X光, 超声心动图 | 深度学习 | 心电图信号, 医学影像 | 7,483名患者（608例主动脉瓣狭窄病例），共23,886条记录 | NA | 1D ResNet50-Transformer, EfficientNet | AUROC | NA |
| 254 | 2025-12-12 |
Deep learning-based survival analysis of bladder cancer patients in the Putuo District, Shanghai, China
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1619309
PMID:41378299
|
研究论文 | 本研究开发了一种基于TabNet的深度学习生存预测模型，用于预测上海普陀区膀胱癌患者的生存情况，并与逻辑回归模型进行了性能比较 | 首次将TabNet深度学习框架应用于膀胱癌患者的生存分析，并利用SHAP方法解释特征重要性，为社区管理提供新工具 | 研究样本仅来自上海普陀区，可能限制模型的泛化能力；样本量相对较小（620例） | 开发并验证一种深度学习生存预测模型，以改善膀胱癌患者的社区管理和随访策略 | 上海普陀区的膀胱癌患者 | 机器学习 | 膀胱癌 | 生存分析 | TabNet, 逻辑回归 | 结构化临床数据 | 620例膀胱癌患者（训练集434例，验证集186例） | TabNet | TabNet | ROC曲线, 决策曲线分析, 校准曲线 | NA |
| 255 | 2025-12-12 |
Multi-model deep learning for dementia detection: addressing data and model limitations
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1638022
PMID:41378346
|
研究论文 | 本研究评估了多种深度学习架构在基于结构MRI的痴呆症检测中的性能，以解决现有模型在预处理和特征提取方面的限制 | 通过比较八种预训练CNN、Vision Transformer、多模态注意力模型和胶囊网络，全面评估了多种先进架构在痴呆症分类中的表现，并揭示了类别不平衡对模型性能的影响 | 所有模型均表现出性能下降和对特定类别的偏见，ViT和CapsNet模型在阿尔茨海默病检测中达到100%灵敏度但精度较低，表明存在类别不平衡效应 | 评估多种深度学习架构在痴呆症诊断中的性能，以解决现有模型在数据预处理和特征提取方面的限制 | 痴呆症、轻度认知障碍（MCI）和健康对照者的结构MRI图像 | 医学影像分析 | 痴呆症 | 结构MRI（sMRI） | CNN, Vision Transformer, 注意力模型, 胶囊网络 | 图像 | 每类10,000张训练图像、3,000张验证图像和850张测试图像，总计来自ADNI数据集的平衡数据集 | NA | 3D-CNN, Vision Transformer (ViT), 多模态注意力模型, CapsNet | 准确率, 特异性, 灵敏度 | NA |
| 256 | 2025-05-27 |
Advancements in Structure-based Drug Design Using Geometric Deep Learning
2025, Current medicinal chemistry
IF:3.5Q2
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 257 | 2025-12-11 |
MDA-TransUNet: A Deep Learning-Based Automatic Segmentation Method for Cervical Cancer Brachytherapy
2025 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338251397035
PMID:41348514
|
研究论文 | 本研究提出了一种名为MDA-TransUNet的深度学习模型，用于宫颈癌近距离放射治疗中高风险临床靶区和危及器官的快速自动分割 | 提出了一种结合CNN和Transformer的混合网络模型MDA-TransUNet，用于多中心宫颈癌CT图像的分割，并在分割准确性和剂量学评估上表现出优越性能 | 研究样本量相对有限（共122例），且未详细讨论模型在不同临床场景下的泛化能力或潜在偏差 | 开发一种快速、精确的自动分割方法，以优化宫颈癌近距离放射治疗的治疗规划流程 | 宫颈癌患者的CT图像，重点关注高风险临床靶区（HR-CTV）和危及器官（膀胱、结肠、直肠、小肠） | 数字病理学 | 宫颈癌 | CT成像 | CNN, Transformer | 图像 | 122例宫颈癌近距离放射治疗患者的CT图像（来自三个临床中心），其中80例用于训练，22例用于测试，20例用于外部验证 | NA | MDA-TransUNet | Dice相似系数, Hausdorff距离, 平均表面距离 | NA |
| 258 | 2025-12-11 |
Deformable registration and generative modelling of aortic anatomies by auto-decoders and neural ODEs
2025, npj biological physics and mechanics
DOI:10.1038/s44341-025-00029-z
PMID:41355932
|
研究论文 | 提出了一种名为AD-SVFD的深度学习框架，用于主动脉解剖结构的可变形配准与生成建模 | 采用自解码器架构与神经常微分方程，实现了血管几何形状的配准与生成在一个统一框架内完成，并通过在推理时微调低维嵌入来降低计算开销 | 目前仅在健康主动脉解剖结构上进行了数值实验，未涉及病变血管或更复杂的病理形态 | 开发一个高效、可扩展且能泛化到不同形状队列的血管几何形状处理与生成框架 | 主动脉解剖几何形状 | 计算机视觉 | 心血管疾病 | 点云表示，常微分方程建模 | 自解码器，神经ODE | 点云 | NA | NA | 自解码器 | Chamfer距离 | NA |
| 259 | 2025-12-11 |
Bornean orangutan nest identification using computer vision and deep learning models to improve conservation strategies
2025, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.20333
PMID:41356436
|
研究论文 | 本研究利用计算机视觉和深度学习模型，通过无人机图像识别婆罗洲猩猩巢穴，以改进保护策略 | 首次将深度学习模型应用于婆罗洲猩猩巢穴的自动识别，通过比较四种模型性能并利用梯度加权类激活映射解释结果 | 研究仅使用二元分类数据集，未实现巢穴的自动检测，且样本量相对有限 | 提高婆罗洲猩猩种群监测的效率和准确性，支持保护策略优化 | 婆罗洲猩猩的巢穴 | 计算机视觉 | NA | 无人机图像采集 | CNN | 图像 | 1,624张图像（来自马来西亚婆罗洲沙巴的无人机影像） | TensorFlow, Keras | InceptionV3, MobileNetV2, VGG19, Xception | 准确率, 精确率, 召回率, F1分数 | NA |
| 260 | 2025-12-11 |
The paradigm shift in neural stem cells basic research driven by artificial intelligence related technologies
2025, Frontiers in cellular neuroscience
IF:4.2Q2
DOI:10.3389/fncel.2025.1696943
PMID:41356496
|
综述 | 本文综述了人工智能技术在神经干细胞基础研究中的应用现状与未来潜力 | 讨论了生成对抗网络、图神经网络和自监督学习等尚未在神经干细胞研究中应用的关键AI技术及其潜在应用 | 数据质量、模型鲁棒性和可解释性方面仍存在挑战 | 探讨人工智能技术如何推动神经干细胞基础研究的范式转变 | 神经干细胞 | 机器学习 | NA | NA | GAN, GNN, 自监督学习 | 多模态数据 | NA | NA | NA | NA | NA |