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 3694 篇文献，本页显示第 881 - 900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 881 | 2025-10-30 |
Virtual multiplex immunofluorescence identifies lymphocyte subsets predictive of response to neoadjuvant therapy
2025, Therapeutic advances in medical oncology
IF:4.3Q2
DOI:10.1177/17588359251379411
PMID:41142474
|
研究论文 | 开发并验证一种能够将标准H&E染色病理图像转换为高质量合成多路免疫荧光图像的深度学习工具 | 开发了mSIGHT管道，通过整合配准网络克服输入与目标图像不对齐问题，优于标准Pix2Pix和CycleGAN图像转换网络 | 回顾性研究，样本量有限（17例用于模型开发），需要进一步外部验证 | 从常规H&E染色组织学图像中提取预测治疗反应的免疫细胞信息 | 三阴性乳腺癌患者的穿刺活检样本 | 数字病理学 | 乳腺癌 | 多路免疫荧光成像，H&E染色 | 生成对抗网络 | 病理图像 | 17例三阴性乳腺癌病例用于模型开发，218例乳腺癌病例用于验证 | Pix2Pix, CycleGAN | mSIGHT（整合配准网络的图像转换架构） | 像素级指标，细胞密度，细胞间邻近度，调整后优势比，置信区间，p值 | NA |
| 882 | 2025-10-30 |
Deep Learning with Contrast-Enhanced Ultrasound for Preoperative Prediction of Early Recurrence in Hepatocellular Carcinoma After Hepatectomy
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S555110
PMID:41142639
|
研究论文 | 开发基于对比增强超声和深度学习的框架，用于术前预测肝细胞癌患者肝切除术后早期复发 | 首次将多期相CEUS影像与深度学习相结合构建预测模型，并通过列线图整合临床变量 | 回顾性研究设计，样本量相对有限（115例患者） | 提高肝细胞癌患者肝切除术后早期复发的术前预测准确性 | 早期肝细胞癌患者 | 计算机视觉 | 肝细胞癌 | 对比增强超声 | 深度学习 | 超声影像 | 115例早期肝细胞癌患者（训练集75例，验证集40例） | NA | 四种深度学习模型（CEUS-AP, CEUS-PP, CEUS-LP, CEUS-MP） | AUC, 敏感性, 特异性 | NA |
| 883 | 2025-10-30 |
BrainScape: An open-source framework for integrating and preprocessing anatomical MRI datasets
2025, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.944
PMID:41143077
|
研究论文 | 介绍BrainScape开源框架，用于整合和预处理160个公开MRI数据集 | 开发了首个基于插件的开源Python框架，可自动下载、组织和预处理多源MRI数据 | 主要依赖公开数据集，可能无法覆盖所有临床场景和人口统计学特征 | 解决神经影像数据整合中的不一致性问题，促进可重复性研究 | 27227名受试者的46583个多模态MRI扫描 | 医学影像分析 | 脑部疾病 | MRI | NA | 医学影像 | 27227名受试者，46583个MRI扫描 | Python | NA | NA | NA |
| 884 | 2025-10-30 |
CausalFormer-HMC: a hybrid memory-driven transformer with causal reasoning and counterfactual explainability for leukemia diagnosis
2025, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2025.1674393
PMID:41158308
|
研究论文 | 提出一种结合卷积神经网络、视觉变换器和因果图学习器的混合AI架构CausalFormer-HMC，用于从外周血涂片图像中诊断急性淋巴细胞白血病 | 首次将因果推理和反事实可解释性集成到混合内存驱动的变换器架构中，用于白血病诊断 | NA | 提高急性淋巴细胞白血病的诊断精度和可解释性 | 外周血涂片图像中的白血病细胞 | 医学影像分析 | 白血病 | 外周血涂片图像分析 | CNN, Transformer, 因果图学习器 | 图像 | ALL数据集：89名患者的3,256张图像；C-NMC数据集：118名患者的15,135张分割细胞图像 | NA | CausalFormer-HMC（混合架构） | 准确率, F1分数, ROC-AUC | NA |
| 885 | 2025-10-30 |
Correction: DeepRNAac4C: a hybrid deep learning framework for RNA N4-acetylcytidine site prediction
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1704319
PMID:41158509
|
修正 | 对先前发表的RNA N4-乙酰胞苷位点预测深度学习框架论文进行内容修正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 886 | 2025-10-30 |
GOUHFI: A novel contrast- and resolution-agnostic segmentation tool for ultra-high-field MRI
2025, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.960
PMID:41158555
|
研究论文 | 提出一种名为GOUHFI的新型深度学习分割工具，专门用于超高频磁共振图像的分割 | 首次提出对对比度和分辨率不敏感的超高频MRI分割方法，无需微调或重新训练 | 训练数据仅包含206个标注图，可能限制模型泛化能力 | 开发适用于超高频MRI的自动分割技术 | 超高频磁共振脑部图像 | 医学影像分析 | 神经系统疾病 | 超高频磁共振成像 | 深度学习 | 3D磁共振图像 | 来自4个数据集的206个标注图（包含3T、7T和9.4T数据） | NA | 3D U-Net | Dice-Sørensen相似系数 | NA |
| 887 | 2025-10-30 |
Anomaly detection and early risk identification in digital disaster response-based on deep learning in public health
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1624345
PMID:41158574
|
研究论文 | 提出基于深度学习的异常检测和早期风险识别框架，用于数字灾难响应中的公共卫生危机管理 | 结合LSTM和Transformer架构分析时空数据，在异常检测精度上提升23%，误报率降低31% | 未提及模型在极端灾难场景下的泛化能力和计算效率限制 | 提升公共卫生危机中的实时决策能力和态势感知 | 来自医院、急救服务、社交媒体和环境传感器的多源异构数据 | 机器学习 | 公共卫生事件 | 深度学习 | LSTM, Transformer | 时空数据 | 多个数据集（EM-DAT、FEMA、UNOSAT、Earthquake） | NA | LSTM, Transformer | 精确度, 误报率 | NA |
| 888 | 2025-10-30 |
New-generation rice seed germination assessment: high efficiency and flexibility via SeedRuler web-based platform
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1671998
PMID:41158679
|
研究论文 | 开发了一个基于网络的稻种发芽评估平台SeedRuler，结合传统图像处理和深度学习技术提高分析效率和准确性 | 整合了三种核心模块（传统图像处理、YOLOv5目标检测和SAM分割模型），支持用户自定义发芽标准，提供自动种子尺寸测量功能 | NA | 提高稻种发芽评估的准确性、效率和可用性 | 水稻种子 | 计算机视觉 | NA | 图像处理，深度学习 | YOLOv5, Segment Anything Model (SAM) | 图像 | 1,200张水稻种子图像 | NA | YOLOv5, SAM | 平均精度均值(mAP), 平均绝对误差(MAE) | 基于网络平台 |
| 889 | 2025-10-30 |
Deep learning for scene understanding in mitochondrial dysregulation and blood cancer diagnosis
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1609851
PMID:41158859
|
研究论文 | 提出一种集成医学影像、基因组信息和临床参数的新型深度学习框架，用于线粒体失调相关血癌的全面场景理解和诊断 | 结合自监督学习、视觉Transformer和图神经网络，采用基于注意力的多模态融合机制，并整合对抗域适应和不确定性量化模块 | NA | 开发精确可扩展的血癌早期检测和管理框架 | 线粒体失调相关血癌 | 数字病理 | 血癌 | 医学影像、基因组信息、临床参数多模态数据整合 | Transformer, GNN | 图像, 基因组数据, 临床数据 | NA | NA | 视觉Transformer, 图神经网络 | 分类性能 | NA |
| 890 | 2025-10-30 |
Deep learning radiomics model of epicardial adipose tissue for predicting postoperative atrial fibrillation after lung lobectomy in lung cancer patients
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1623248
PMID:41158854
|
研究论文 | 开发并验证基于心外膜脂肪组织的深度学习影像组学模型，用于预测肺癌患者肺叶切除术后心房颤动的风险 | 首次结合心外膜脂肪组织的手工和深度学习影像组学特征，构建术后房颤预测模型 | 机器学习算法和重采样技术未显著提升模型性能 | 预测肺癌患者肺叶切除术后心房颤动的发生风险 | 来自两个中心的1,008名肺癌患者 | 医学影像分析 | 肺癌 | 对比增强胸部CT成像 | 深度学习,逻辑回归 | 医学影像 | 1,008名患者 | NA | NA | AUC,G-mean,F-measure | NA |
| 891 | 2025-10-30 |
LiT: limit order book transformer
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1616485
PMID:41159129
|
研究论文 | 提出一种基于Transformer架构的限价订单簿预测模型LiT，用于预测短期市场走势 | 首次将结构化补丁和基于Transformer的自注意力机制应用于限价订单簿预测，能够同时建模市场微观结构中的空间和时间特征 | NA | 开发能够准确预测短期市场走势的深度学习模型 | 高频限价订单簿数据 | 机器学习 | NA | 深度学习 | Transformer | 金融时间序列数据 | 多个限价订单簿数据集 | NA | Transformer | NA | NA |
| 892 | 2025-10-30 |
Enhancing COVID-19 classification of X-ray images with hybrid deep transfer learning models
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1646743
PMID:41159128
|
研究论文 | 提出一种混合深度迁移学习框架用于COVID-19 X射线图像分类 | 整合三种不同实验流程，将传统用于目标检测的YOLOV4应用于COVID-19特征检测，并采用遗传算法进行超参数优化 | NA | 开发高效的COVID-19 X射线图像分类方法 | COVID-19 X射线图像 | 计算机视觉 | COVID-19 | 深度迁移学习 | CNN | X射线图像 | 超过5000个样本的Kaggle数据集 | NA | AlexNet, EfficientNetB1, ResNet18, VGG16, YOLOV4 | 准确率, F1分数, 精确率, AUC | NA |
| 893 | 2025-10-30 |
Intracranial aneurysm segmentation on digital subtraction angiography: a retrospective and multi-center study
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1646517
PMID:41159199
|
研究论文 | 本研究开发了一种新型深度学习模型SDAN，用于数字减影血管造影中颅内动脉瘤的精确分割 | 提出了形状感知双流注意力网络，包含边缘感知局部注意力模块和全局形状感知融合块，专门解决小动脉瘤分割难题 | 回顾性研究，数据来自三个机构，需要进一步前瞻性验证 | 提高数字减影血管造影中颅内动脉瘤的分割性能，特别是小动脉瘤的分割准确性 | 颅内动脉瘤 | 数字病理 | 脑血管疾病 | 数字减影血管造影 | 深度学习 | 医学图像 | 62,187张回顾性DSA图像用于训练和测试，26,415张图像用于外部验证 | NA | SDAN, ELAM, GSFB | DSC, HD95, 敏感度 | NA |
| 894 | 2025-10-05 |
Continuous Reaching and Grasping With a BCI Controlled Robotic Arm in Healthy and Stroke-Affected Individuals
2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3611821
PMID:40966144
|
研究论文 | 提出一种基于运动想象的脑机接口范式，通过添加“点击”信号实现机械臂的连续抓取控制 | 将计算机鼠标机制引入运动想象范式，增加额外输出信号，提升脑机接口系统的自由度 | 脑电信号信噪比低和空间分辨率有限 | 开发能够同时控制移动和点击的脑机接口系统，实现连续抓取任务 | 健康受试者和中风幸存者 | 脑机接口 | 中风 | 脑电信号处理 | 深度学习 | EEG信号 | 健康受试者和中风患者（具体数量未提及） | NA | NA | 任务完成数量（5分钟内平均移动7个杯子） | NA |
| 895 | 2025-10-05 |
Reduced Biquaternion Dual-Branch Deraining U-Network via Multi-Attention Mechanism
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3612841
PMID:41004362
|
研究论文 | 提出一种基于约化双四元数的双分支去雨U-Net网络，通过多注意力机制提升图像去雨性能 | 首次将约化双四元数值神经网络应用于图像去雨任务，利用其代数特性更准确建模雨痕伪影同时保留背景图像空间结构 | 未明确说明对真实雨景数据的泛化能力限制及计算复杂度分析 | 解决现有去雨方法对多变雨型适应能力不足和从合成数据到真实数据迁移效果差的问题 | 雨纹/雨雾/雨滴/真实雨等多种雨型图像 | 计算机视觉 | NA | 深度学习 | U-Net, 注意力机制 | 图像 | NA | NA | U-Net, 双分支结构, 自注意力机制, 卷积注意力机制 | 目标检测精度, 分割精度, 图像恢复质量 | NA |
| 896 | 2025-10-05 |
Ecological suitability evaluation of traditional village locations in Jiangxi Province based on multi-model integration using artificial intelligence
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0332375
PMID:41032510
|
研究论文 | 基于人工智能多模型集成方法评估江西省传统村落选址的生态适宜性 | 首次将多种机器学习与深度学习方法集成应用于传统村落生态适宜性评价，构建综合适宜性指数(CSI) | 研究范围仅限于江西省413个传统村落，未涵盖其他地区 | 评估传统村落选址的生态适宜性并分析祖先选址的生态智慧 | 江西省413个传统村落选址点 | 机器学习 | NA | GIS空间分析，机器学习，深度学习 | Random Forest, Support Vector Machine, Gradient Boosting Decision Trees, CNN, Multilayer Perceptron | 空间栅格数据 | 413个传统村落选址点 | NA | 卷积神经网络，多层感知机 | 混淆矩阵，特征重要性分析，ROC曲线 | NA |
| 897 | 2025-10-05 |
Development of a novel artificial intelligence algorithm for interpreting fetal heart rate and uterine activity data in cardiotocography
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1638424
PMID:41035563
|
研究论文 | 开发一种新型人工智能算法用于分析胎心监护中的胎心率和子宫活动数据 | 采用三并行一维U-Net架构处理双输入信号，结合深度学习和基于规则的技术识别胎心监护关键事件 | 仅使用美国19个分娩中心的数据，模型对减速事件的识别性能相对较低(F1=0.520) | 开发辅助临床决策的胎心监护自动分析算法 | 胎心监护曲线中的加速、减速和宫缩事件 | 医疗人工智能 | 产科监护 | 胎心监护信号处理 | 深度学习, 规则基础系统 | 胎心率信号, 子宫活动信号 | 133,696个患者文件，最终使用1,600条曲线训练，421条验证，591条测试 | NA | 一维U-Net | 召回率, 精确率, F1分数, 基线准确率 | NA |
| 898 | 2025-10-05 |
Bibliometric analysis of the application of artificial intelligence techniques in bacteriology: a PRISMA-guided research agenda
2025, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2025.1641967
PMID:41035885
|
文献计量分析 | 通过PRISMA指导的文献计量分析，探讨人工智能技术在细菌学领域的应用现状和未来研究方向 | 首次将PRISMA框架的严谨性与文献计量技术相结合，系统分析细菌学中AI应用的全球科研产出和趋势演变 | 主要依赖Scopus和Web of Science数据库，可能未涵盖所有相关文献；分析基于文献计量指标而非原始研究数据 | 分析细菌学中人工智能技术应用的全球科研产出，并基于文献计量趋势提出未来研究议程 | 细菌学领域的人工智能应用相关科学文献 | 机器学习 | NA | 文献计量分析，PRISMA框架，共现网络分析，主题映射 | 传统机器学习方法，深度学习，基于Transformer的模型 | 文献元数据 | 从Scopus和Web of Science检索的细菌学AI应用相关文献 | NA | NA | 定量指标，共现网络分析，主题演化分析 | NA |
| 899 | 2025-10-05 |
Applications of artificial intelligence in early childhood health management: a systematic review from fetal to pediatric periods
2025, Frontiers in pediatrics
IF:2.1Q2
DOI:10.3389/fped.2025.1613150
PMID:41036208
|
系统综述 | 系统评估人工智能在胎儿至儿科期健康管理中的应用现状、性能表现和临床转化准备度 | 首次系统性地综合评估AI在整个儿童健康连续谱（从胎儿期到儿科期）中的应用表现和转化障碍 | 纳入研究主要基于单中心回顾性数据，缺乏前瞻性验证和外部验证 | 评估AI在胎儿和儿科护理中的应用现状、诊断准确性和临床实用性，识别现实世界实施的关键障碍 | 0-18岁个体的健康管理，涵盖胎儿期、新生儿期和儿科期 | 医疗人工智能 | 儿科疾病 | 人工智能模型 | 深度学习 | 医疗数据 | 133项研究（从4938条记录中筛选） | NA | NA | AUC, 敏感性, 准确率 | NA |
| 900 | 2025-10-05 |
The evolution of artificial intelligence technology in non-alcoholic fatty liver disease
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1634165
PMID:41036300
|
文献计量分析 | 通过文献计量学方法系统分析人工智能在非酒精性脂肪肝病研究中的应用现状与发展趋势 | 首次采用多软件联合分析策略（HistCite Pro 2.1、Scimago Graphica、VOSviewer、CiteSpace）对NAFLD领域AI研究进行系统性文献计量分析 | 仅基于Web of Science数据库，可能存在文献收录不全；缺乏对研究质量的深入评估 | 识别AI在NAFLD领域的研究趋势、重点领域和发展方向 | 2010-2025年间NAFLD领域人工智能相关的655篇学术文献 | 医学信息学 | 非酒精性脂肪肝病 | 文献计量分析，多软件联合分析 | 深度学习算法 | 文献元数据，引文数据，关键词 | 655篇论文，来自60个国家、1462个研究机构、4744位作者 | HistCite Pro, Scimago Graphica, VOSviewer, CiteSpace | NA | 文献数量，国家贡献度，期刊分布，研究主题聚类 | 文献分析软件工具 |