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 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2025-12-01 |
Research on the application of a multi-model cascaded deep learning framework in the pathological diagnosis of osteosarcoma
2025, Oncology reviews
IF:3.1Q2
DOI:10.3389/or.2025.1592408
PMID:41312358
|
研究论文 | 开发了一种基于Vision Mamba的多模型级联深度学习框架，用于骨肉瘤的病理诊断和评估 | 首次将先进的Vision Mamba模型作为核心网络架构，构建多模型级联深度学习框架应用于骨肉瘤病理诊断 | NA | 提高骨肉瘤病理诊断和评估的精确度和效率 | 骨肉瘤患者的病理图像 | 数字病理 | 骨肉瘤 | 病理图像分析 | 深度学习 | 图像 | 68例重庆总医院骨肉瘤患者真实世界数据+德克萨斯大学西南/UT达拉斯公开骨肉瘤评估数据 | NA | Vision Mamba (ViM) | Dice系数,AUC,敏感性,特异性,阳性预测值,阴性预测值 | NA |
| 362 | 2025-12-01 |
Detection and classification of microplastics in green tea using SERS with gold nanoparticle substrates integrating chemometrics and deep learning
2025, Current research in food science
IF:6.2Q1
DOI:10.1016/j.crfs.2025.101235
PMID:41312430
|
研究论文 | 本研究利用金纳米颗粒基底的表面增强拉曼散射技术结合化学计量学和深度学习方法检测和分类绿茶中的微塑料污染 | 首次将表面增强拉曼散射技术与化学计量学方法和深度学习模型结合应用于绿茶中微塑料的检测与分类 | PLS-DA模型在Ryokucha茶品种中未达到完美分类准确率，1D-CNN模型性能略低于PLS-DA | 开发快速、灵敏、非破坏性的微塑料检测方法以保障绿茶食品安全 | 四种绿茶粉末（抹茶、茉莉花茶、煎茶、绿茶）中的聚苯乙烯和聚对苯二甲酸乙二醇酯微塑料 | 分析化学与人工智能交叉领域 | NA | 表面增强拉曼散射，金纳米颗粒基底 | 1D-CNN, PLS-DA, SVM | 拉曼光谱数据 | 四种绿茶粉末品种的拉曼光谱样本 | NA | 一维卷积神经网络 | 准确率 | NA |
| 363 | 2025-11-30 |
Predicting Inhibition of CDK2 with SAnDReS: The Application of Machine Learning to Navigate the Scoring Function Space
2025, Current medicinal chemistry
IF:3.5Q2
|
综述 | 本文综述了应用机器学习模型和SAnDReS程序预测CDK2抑制的研究进展 | 开发了基于SAnDReS的机器学习模型，在预测CDK2抑制方面优于传统和深度学习评分函数，并引入创新的DOME分析方法 | NA | 评估计算模型在预测CDK2抑制方面的应用 | CDK2蛋白及其抑制剂 | 机器学习 | 癌症 | 机器学习建模 | 机器学习模型,深度学习 | 结构数据,结合亲和力数据 | 基于BindingDB数据库的CDK2相关数据 | SAnDReS | NA | 预测性能,pKi预测精度 | NA |
| 364 | 2025-11-30 |
1DCNN-BiLSTM-transformer hypertension risk prediction model based on APW
2025, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2025.1714654
PMID:41306277
|
研究论文 | 提出一种基于动脉压力波形的1DCNN-BiLSTM-Transformer混合架构用于高血压风险预测 | 首次将1D-CNN、双向LSTM和Transformer结合用于APW数据分析，同时捕捉局部波形特征、长程时间依赖性和跨压力段的非线性交互 | 未明确说明样本量规模，且仅基于单一数据库进行验证 | 开发基于动脉压力波形的高血压风险预测模型 | 高血压患者与非高血压患者的动脉压力波形数据 | 机器学习 | 心血管疾病 | 动脉压力波形分析 | 1D-CNN, BiLSTM, Transformer | 动脉压力波形信号 | NA | NA | 1D-CNN-BiLSTM-Transformer混合架构 | 准确率, 精确率, 召回率, F1分数 | NA |
| 365 | 2025-11-30 |
Retrospective Development of an AI Model Combining Ultrasound and Clinical Data for Pediatric Appendicitis Differentiation
2025, Emergency medicine international
IF:1.2Q3
DOI:10.1155/emmi/8879232
PMID:41306444
|
研究论文 | 开发并验证了一种结合超声图像和临床数据的人工智能模型，用于儿童复杂性阑尾炎与非复杂性阑尾炎的鉴别诊断 | 首次采用多模态方法整合超声图像的深度学习特征、影像组学特征和临床实验室指标，构建综合诊断模型 | 回顾性研究设计，样本量相对有限（372例），仅来自三个医疗中心 | 开发能够准确鉴别儿童复杂性阑尾炎与非复杂性阑尾炎的AI辅助诊断工具 | 372例经病理证实的儿童阑尾炎患者（230例男性，142例女性） | 数字病理 | 阑尾炎 | 超声成像，深度学习迁移学习，影像组学分析 | 机器学习分类模型 | 超声图像，临床实验室数据 | 372例儿科阑尾炎病例，来自三个医疗中心 | NA | 构建了四种模型：Rad模型（仅影像组学特征）、DL模型（仅深度学习特征）、DTL模型（结合影像组学和深度学习特征）、Combine模型（整合所有三类特征） | AUC，准确率，阳性预测值，ROC曲线，决策曲线分析，DeLong检验 | NA |
| 366 | 2025-11-30 |
Exploring the role of artificial intelligence toward management of HIV and TB co-infection in Nigeria: a comprehensive narrative review
2025 Jan-Dec, Therapeutic advances in infectious disease
IF:3.8Q2
DOI:10.1177/20499361251395916
PMID:41306468
|
综述 | 本文探讨人工智能在尼日利亚HIV与结核病共感染管理中的应用现状与潜力 | 系统评估AI技术在尼日利亚HIV/TB共感染管理中的具体应用场景和实施障碍 | 依赖文献综述方法，未进行原始数据收集和实证分析 | 探索人工智能在改善尼日利亚HIV与结核病共感染管理中的作用 | 尼日利亚HIV与结核病共感染患者群体及相关医疗管理系统 | 医疗人工智能 | HIV与结核病共感染 | 文献综述方法 | 深度学习, 机器学习, 计算机辅助检测, 模糊认知图, 逻辑回归, Twin模型 | 医学文献数据 | 2014-2022年间发表的相关研究文献 | NA | NA | NA | NA |
| 367 | 2025-11-30 |
A Dual-input deep learning architecture for classification and latency estimation in ABR signals
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1693921
PMID:41306502
|
研究论文 | 提出一种双输入深度学习架构，用于听觉脑干反应信号的分类和潜伏期估计 | 首次采用配对信号方法和多任务学习框架，同时进行波V存在性分类和潜伏期预测 | NA | 开发自动化ABR信号分析方法以替代耗时且主观的人工解读 | 听觉脑干反应信号中的波V特征 | 生物医学信号处理 | 听觉障碍 | 听觉脑干反应检测 | CNN | 生物电信号 | NA | NA | 具有主干网络和双分支的多任务架构 | F1-score, R平方 | NA |
| 368 | 2025-11-30 |
Artificial intelligence for algorithmic trading digital assets: evidence from the Counter-Strike 2 skin market
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1702924
PMID:41306520
|
研究论文 | 本研究开发并评估了基于深度学习的自动化交易系统，用于预测《反恐精英2》游戏皮肤价格并指导交易决策 | 首次系统研究人工智能在游戏皮肤交易中的应用，针对高波动性、低流动性的虚拟资产市场开发专门的交易策略 | 研究仅基于Steam市场数据，未考虑外部市场因素；交易策略受限于平台规定的7天持有期和10%交易成本 | 探索人工智能在虚拟资产交易中的可行性和有效性 | 《反恐精英2》游戏皮肤市场 | 机器学习 | NA | 深度学习时间序列预测 | LSTM, Neural Hierarchical Interpolation for Time Series | 时间序列价格数据 | 12,000个独特皮肤，时间跨度为2024年5月至2025年4月 | NA | LSTM, Neural Hierarchical Interpolation for Time Series | 夏普比率, 索提诺比率, 投资回报率 | NA |
| 369 | 2025-11-30 |
Deep learning based on MRI for assessing the prognostic value of lateral lymph nodes in rectal cancer
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1681939
PMID:41306533
|
研究论文 | 本研究开发基于MRI的深度学习模型用于评估直肠癌侧方淋巴结的预后价值 | 首次将深度学习应用于直肠癌侧方淋巴结的自动识别和分割，相比传统MRI T2WI方法提高了诊断效率和准确性 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 优化直肠癌术前治疗策略，提高侧方淋巴结阳性评估的准确性 | 直肠癌患者的MRI影像和临床预后数据 | 医学影像分析 | 直肠癌 | MRI T2加权成像 | 深度学习模型 | 医学影像 | 1,000例患者用于训练，480例患者用于验证，来自5个医疗中心 | NA | NA | 准确率, 特异性 | NA |
| 370 | 2025-11-30 |
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探索睡眠场景中生命意义的表现及其相关因素 | 结合社交媒体大数据与深度学习模型分析生命意义，并整合两种基础MIL理论 | 数据主要来自单一社交媒体平台，样本代表性可能有限 | 探索生命意义在社交媒体中的表现及其与心理因素的关系 | 微博用户及其发布内容 | 自然语言处理 | 心理健康 | 社交媒体数据分析，深度学习，语义依赖图算法 | 深度学习模型 | 文本，调查问卷 | 微博帖子7,588,597条，用户调查问卷448份 | NA | NA | NA | NA |
| 371 | 2025-11-30 |
Artificial intelligence in healthcare: applications, challenges, and future directions. A narrative review informed by international, multidisciplinary expertise
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1644041
PMID:41306935
|
综述 | 本文通过国际多学科专业知识对人工智能在医疗保健领域的应用、挑战和未来方向进行叙述性综述 | 强调生成式AI和辅助医疗专业等未充分探索领域，提供整合的多学科视角 | 叙述性综述方法可能存在选择偏倚，未进行系统性质量评估 | 评估人工智能在医疗保健中的作用，总结其历史演变、当前应用及对医疗专业和生物医学研究的影响 | 医疗和外科专业中的AI应用，辅助医疗专业，生物医学研究 | 医疗人工智能 | NA | 文献综述 | NA | 文献数据 | NA | NA | NA | NA | NA |
| 372 | 2025-11-30 |
How do chemical epistemological beliefs affect Chinese students' chemistry disciplinary competence? A structural equation modeling analysis
2025, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2025.1599442
PMID:41307014
|
研究论文 | 探讨化学认识论信念如何通过批判性思维倾向和化学学习方式影响中国学生的化学学科能力 | 首次通过结构方程模型分析化学认识论信念对学科能力的影响机制，揭示批判性思维倾向和学习方式的中介作用 | 样本量较小（182名11年级学生），仅针对中国学生群体，缺乏跨文化比较 | 探索化学认识论信念对学生化学学科能力的影响机制，为培养化学学科能力提供建议 | 中国11年级学生 | 教育研究 | NA | 结构方程模型 | 结构方程模型 | 问卷调查数据 | 182名11年级学生 | NA | NA | NA | NA |
| 373 | 2025-11-30 |
AI and emerging technologies for diagnosis
2025, Progress in brain research
DOI:10.1016/bs.pbr.2025.08.004
PMID:41314747
|
综述 | 本章探讨人工智能在医学诊断领域的变革性作用及其应用前景 | 系统阐述AI技术通过机器学习和深度学习在医学影像解读与疾病早期识别中的突破性应用 | 未提及具体技术实施细节和临床验证数据 | 分析人工智能在医疗诊断中的应用价值与发展挑战 | 医学诊断流程与疾病检测方法 | 医疗人工智能 | 癌症, 神经系统疾病, 心脏疾病, 眼科疾病 | 机器学习, 深度学习 | NA | 医学影像(MRI, CT, X射线) | NA | NA | NA | 诊断准确率, 假阳性率, 假阴性率 | NA |
| 374 | 2025-11-29 |
SeedGerm-VIG: an open and comprehensive pipeline to quantify seed vigor in wheat and other cereal crops using deep learning-powered dynamic phenotypic analysis
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaf129
PMID:41100176
|
研究论文 | 开发了一个基于深度学习的自动化种子活力分析管道SeedGerm-VIG，用于量化小麦和其他谷类作物的种子活力 | 整合了多种深度学习模型和计算机视觉算法，建立了时间序列有向图来跟踪根尖生长，并创建了新的种子活力评分矩阵 | NA | 开发自动化种子活力评估方法，促进作物改良 | 小麦、水稻和大麦种子 | 计算机视觉 | NA | 深度学习，计算机视觉 | YOLOv8x-Germ, U-Net | 图像 | 小麦21个商业基因型494个随机抽样种子（超过29,500张种子级图像），水稻120个种子，大麦240个种子 | NA | YOLOv8x-Germ, U-Net | R2 = 84.1% | NA |
| 375 | 2025-11-29 |
Explainable Transfer Learning with Residual Attention BiLSTM for Prognosis of Ischemic Heart Disease
2025, F1000Research
DOI:10.12688/f1000research.166307.3
PMID:41216267
|
研究论文 | 提出一种可解释的迁移学习残差注意力双向LSTM模型用于缺血性心脏病预后预测 | 结合迁移学习、残差注意力机制、SHAP可解释性分析和人口统计学重加权策略，提高模型准确性、可解释性和公平性 | 仅在UCI心脏病数据集上验证，需要更多临床数据验证泛化能力 | 开发准确、可解释且公平的缺血性心脏病预后预测模型 | 缺血性心脏病患者临床数据 | 机器学习 | 心血管疾病 | 深度学习，迁移学习 | BiLSTM, 注意力机制 | 临床数据 | UCI心脏病数据集，10折交叉验证 | NA | 残差注意力双向LSTM (Residual Attention BiLSTM) | 准确率, F1分数, AUC, 错误率 | NA |
| 376 | 2025-11-29 |
Objective Evaluation of a Deep Learning-Based Noise Reduction Algorithm for Hearing Aids Under Diverse Fitting and Listening Conditions
2025 Jan-Dec, Trends in hearing
IF:2.6Q1
DOI:10.1177/23312165251396644
PMID:41289071
|
研究论文 | 本研究评估了一种基于深度神经网络(DNN)的降噪算法在助听器中的性能，并与传统信号处理方法进行比较 | 首次在多样化助听器配置和听音条件下系统评估DNN降噪算法，并结合波束成形技术 | 使用KEMAR假人头录音而非真实患者，在中等混响条件下效果有限，非侵入式指标存在较大变异性 | 评估深度学习降噪算法在助听器中的性能表现 | 助听器信号处理系统 | 信号处理 | 听力障碍 | 深度神经网络降噪，自适应滤波，波束成形 | DNN | 音频录音 | 1,152个KEMAR假人头录音，使用5种听力图配置 | NA | NA | HASPI, HASQI, pMOS | NA |
| 377 | 2025-11-29 |
SVNC-Net: An optimized U-Net variant with 2D convolutions for lightweight 3D spleen segmentation
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0332482
PMID:41289322
|
研究论文 | 提出一种基于U-Net优化的轻量级3D脾脏分割网络SVNC-Net，使用2D卷积处理CT切片 | 在U-Net框架基础上引入深度可分离卷积，使用2D卷积实现3D分割，显著降低计算复杂度和内存使用 | 未明确说明模型在极端病理情况下的泛化能力 | 开发适用于资源受限环境的实时3D脾脏分割方法 | CT扫描中的脾脏器官 | 数字病理 | 脾脏疾病 | CT扫描 | CNN | 医学影像 | 两个公开数据集（具体数量未说明） | 未明确说明 | U-Net变体 | 与UPerNet、EMANet、CCNet、SegNet、ShuffleNet对比评估 | 适用于边缘设备和资源受限环境 |
| 378 | 2025-11-29 |
Deep learning and multi-omics reveal programmed cell death-associated diagnostic signatures and prognostic biomarkers in gastric cancer
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1690200
PMID:41293156
|
研究论文 | 通过深度学习与多组学分析揭示胃癌中程序性细胞死亡相关的诊断标志物和预后生物标志物 | 开发了基于评分聚类框架整合多种机器学习算法，并应用混合CNN+BiLSTM模型进行转录组特征提取和亚型分类 | 样本量可能不足导致部分基因表达存在微小差异 | 改善胃癌的诊断和预后评估框架 | 胃癌患者的多组学数据 | 数字病理学 | 胃癌 | 多组学分析, 空间转录组, RT-qPCR | CNN, BiLSTM | 转录组数据, 蛋白质组数据 | TCGA队列和临床样本 | TensorFlow, PyTorch | CNN+BiLSTM混合模型 | 准确率, 预后预测值 | NA |
| 379 | 2025-11-29 |
Habitat radiomics and deep learning on gadoxetic acid-enhanced MRI for noninvasive assessment of CK19 expression and recurrence-free survival in hepatocellular carcinoma
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1684264
PMID:41293267
|
研究论文 | 基于钆塞酸增强MRI开发结合临床、影像、生境放射组学和深度学习特征的非侵入性模型，用于预测肝细胞癌CK19表达和无复发生存期 | 首次将生境放射组学与深度学习特征结合临床和影像特征，构建综合预测模型评估肝细胞癌CK19表达和预后 | 回顾性研究设计，样本量有限，需要多中心前瞻性验证 | 开发非侵入性预测模型评估肝细胞癌CK19表达和复发风险 | 539例肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 钆塞酸增强MRI | 深度学习, 逻辑回归 | 医学影像 | 539例患者（训练集266例，内部测试集114例，外部测试集159例） | NA | DL-HR列线图模型 | AUC, 95%置信区间, P值 | NA |
| 380 | 2025-11-29 |
Federated radiomics analysis of preoperative MRI across institutions: toward integrated glioma segmentation and molecular subtyping
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1648145
PMID:41293309
|
研究论文 | 提出基于联邦学习的多任务3D深度神经网络框架，实现跨机构胶质瘤分割和分子分型预测 | 首次将联邦学习应用于多模态MRI的胶质瘤自动分割和多重分子标记物联合预测，实现隐私保护下的多中心协作 | 研究依赖公开数据集，需在更多真实临床场景中验证；模型性能可能受各机构数据异质性影响 | 开发非侵入性胶质瘤分子特征预测方法，解决临床数据共享的隐私限制问题 | 胶质瘤患者的多模态MRI影像数据 | 医学影像分析 | 胶质瘤 | 多模态MRI | 3D深度神经网络,多任务学习 | 医学影像 | 训练集1,552例，外部验证集466例 | 联邦学习框架 | 多任务3D深度神经网络 | AUC,Dice系数 | NA |