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 19731 篇文献，本页显示第 261 - 280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 261 | 2026-01-08 |
Biomarkers
2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz70856_104724
PMID:41498605
|
研究论文 | 本研究通过纵向分析老年驾驶者的自然驾驶行为，探讨了白质高信号对复杂认知表现的影响 | 首次使用深度学习算法量化白质高信号的总体积和区域特异性分布，并将其与纵向驾驶行为数据关联，揭示了后部白质高信号对驾驶复杂性的主导影响 | 样本仅限于认知完整的老年驾驶者，且随访时间平均为6.1年，可能无法完全捕捉长期变化 | 研究白质高信号如何影响老年驾驶者的真实世界认知功能，特别是驾驶行为 | 212名认知完整的老年驾驶者（年龄≥65岁，CDR=0） | 数字病理学 | 阿尔茨海默病 | 3T MRI脑扫描 | 深度学习算法 | 图像, 驾驶行为数据 | 212名老年驾驶者，74,275周的驾驶数据 | NA | NA | FDR校正的p值 | NA |
| 262 | 2026-01-08 |
Deep learning for otitis media classification using otoscopic image
2025-Nov-28, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000046218
PMID:41327679
|
研究论文 | 本研究评估了五种深度学习模型对中耳炎耳镜图像进行分类的性能 | 首次系统比较了包括ResNet-18、GoogLeNet、AlexNet、MobileNet-V3和VGGNet-19在内的多种深度学习模型在中耳炎分类任务中的表现，并确认了VGGNet-19的优越性能 | 数据集存在不平衡问题，且研究结果尚未在多样化的临床环境中进行验证，影响了模型的泛化能力 | 开发一种基于深度学习的自动化诊断工具，用于中耳炎的准确分类 | 819张耳镜图像，分为正常、急性中耳炎、渗出性中耳炎和慢性化脓性中耳炎四类 | 计算机视觉 | 中耳炎 | 耳镜成像 | CNN | 图像 | 819张耳镜图像 | NA | ResNet-18, GoogLeNet, AlexNet, MobileNet-V3, VGGNet-19 | 准确率, 灵敏度, 特异性, 精确率, F1分数, AUC | NA |
| 263 | 2026-01-08 |
Anterior segment optical coherence tomography in corneal diseases: A bibliometric analysis and visualization research of global research trends (1994-2024)
2025-Nov-28, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000045679
PMID:41327675
|
综述 | 本研究对前段光学相干断层扫描（AS-OCT）在角膜疾病领域的全球研究进行了文献计量分析，绘制了关键研究轨迹、合作网络和新兴趋势 | 首次对1994年至2024年间AS-OCT在角膜疾病研究领域的全球文献进行全面的文献计量与可视化分析，揭示了人工智能、深度学习和光学相干弹性成像等新兴趋势 | 分析仅限于Web of Science核心合集中的英文文献，可能未涵盖其他语言或数据库中的相关研究，且排除了非眼科或非角膜相关的研究 | 通过文献计量分析，绘制AS-OCT在角膜疾病研究中的全球趋势、合作网络及未来发展方向 | 1994年至2024年间发表的关于AS-OCT在角膜疾病应用的相关科学文献 | 数字病理学 | 角膜疾病 | 光学相干断层扫描（OCT），文献计量分析 | NA | 文本（科学文献） | 2079篇出版物 | VOSviewer, CiteSpace | NA | NA | NA |
| 264 | 2026-01-08 |
Comparative evaluation of emphysema quantification: Standardized %LAV-950 versus DL-based emphysema quantification with clinical parameter correlation
2025-Nov-28, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000046246
PMID:41327730
|
研究论文 | 本研究比较了传统的%LAV-950阈值方法与基于深度学习的算法在胸部CT扫描中量化肺气肿的效果，并评估了它们与肺功能测试参数的相关性 | 首次系统比较了传统阈值方法与深度学习算法在肺气肿量化中的性能，并发现深度学习方法在软组织重建核上能提供更一致、更强的临床参数相关性 | 研究为回顾性设计，样本量相对较小（101例），且仅针对慢性阻塞性肺疾病患者 | 评估和比较不同CT肺气肿量化方法与肺功能参数的相关性 | 慢性阻塞性肺疾病患者的胸部CT扫描和肺功能测试数据 | 医学影像分析 | 慢性阻塞性肺疾病 | 胸部计算机断层扫描，肺功能测试 | 深度学习算法 | 医学影像（CT扫描） | 101名慢性阻塞性肺疾病患者 | NA | NA | 皮尔逊相关系数，P值 | NA |
| 265 | 2026-01-08 |
Hybrid deep learning framework for cardiovascular disease diagnosis and prognosis using GAN, LSTM, GRU, VARMA, and deep DynaQ network
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25296-7
PMID:41271980
|
研究论文 | 本文提出了一种结合GAN、LSTM、GRU、VARMA和深度DynaQ网络的混合深度学习框架，用于心血管疾病的诊断和预后 | 创新点在于整合了多种深度学习模型（GAN、LSTM、GRU、VARMA和深度DynaQ网络）来生成合成医学图像、分析时间序列数据并学习最佳诊断与治疗策略 | NA | 旨在通过深度学习技术提高心血管疾病的早期诊断准确性和预后效果 | 心血管疾病患者 | 计算机视觉, 自然语言处理, 机器学习 | 心血管疾病 | 医学图像分析 | GAN, LSTM, GRU, VARMA, 深度DynaQ网络 | 图像, 时间序列数据 | 大型医学图像和患者数据集 | NA | GAN, LSTM, GRU, VARMA, 深度DynaQ网络 | 准确率, 灵敏度 | NA |
| 266 | 2026-01-08 |
A Custom Annotated Dataset for Segmentation of Pulmonary Veins, Arteries, and Airways
2025-Nov-18, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06074-6
PMID:41253855
|
研究论文 | 本文介绍了用于肺静脉、动脉和气道分割的自定义标注数据集AirRC，并验证了基于MONAI的深度学习分割模型在该数据集上的性能 | 创建了首个大规模、公开的包含肺静脉、动脉、气道管腔和气道壁完整3D标注的CT数据集，并采用两阶段优化策略提升小气道分支的分割精度 | 数据集仅包含254例CT扫描，样本量相对有限；未在更多外部数据集上进行广泛验证 | 解决肺结构分割领域缺乏大规模多结构标注数据集的问题，促进肺部疾病管理的算法开发 | 肺部CT图像中的肺静脉、肺动脉、气道管腔和气道壁结构 | 数字病理学 | 肺癌 | 计算机断层扫描（CT） | 深度学习分割模型 | 3D CT图像 | 254例来自LUNA16数据集的CT扫描 | MONAI | NA | Dice相似系数（DSC） | NA |
| 267 | 2026-01-08 |
Using Deep Learning to Simultaneously Reduce Noise and Motion Artifacts in Brain MR Imaging
2025-Oct-24, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2024-0098
PMID:39938896
|
研究论文 | 本文提出了一种使用深度学习同时减少脑部MRI中噪声和运动伪影的方法 | 针对T1W、T2W和FLAIR序列分别构建独立的训练模型，能够独立于成像方向和伪影方向去除噪声和运动伪影 | 研究仅基于20名健康志愿者的模拟图像数据，未在真实患者数据上进行广泛验证 | 通过深度学习提升脑部MRI的图像质量，促进其临床实用性 | 脑部T1加权、T2加权和FLAIR图像 | 计算机视觉 | NA | MRI成像 | 深度学习模型 | 医学图像 | 20名健康志愿者的脑部MRI图像，生成115200个模拟图像样本 | NA | NA | 结构相似性指数(SSIM), 峰值信噪比(PSNR), 视觉评估 | NA |
| 268 | 2026-01-08 |
Improved Assessment of Juxtacortical Lesions in Multiple Sclerosis Using Highly-accelerated High-resolution Double Inversion Recovery MR Imaging with Deep Learning-based Reconstruction
2025-Oct-24, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2024-0126
PMID:39971311
|
研究论文 | 本研究开发了一种基于深度学习重建的高分辨率双反转恢复磁共振成像技术，用于改进多发性硬化症皮质旁病灶的评估 | 首次将深度学习重建技术应用于高分辨率双反转恢复磁共振成像，实现了在5分钟内完成全脑扫描，显著提高了皮质旁病灶的检测能力 | 研究为回顾性分析，样本量较小（25例患者），需要更大规模的前瞻性研究验证 | 比较深度学习重建双反转恢复成像与传统双反转恢复成像在多发性硬化症皮质旁病灶检测中的诊断性能 | 多发性硬化症患者的磁共振成像数据 | 医学影像分析 | 多发性硬化症 | 磁共振成像, 双反转恢复序列, 深度学习重建 | 深度学习模型 | 磁共振图像 | 25例多发性硬化症患者 | NA | NA | 病灶计数, Wilcoxon符号秩检验 | NA |
| 269 | 2026-01-08 |
Deep Neural Network-Based Risk Prediction of Glioblastoma Multiforme Recurrence
2025-Oct-02, Journal of molecular neuroscience : MN
IF:2.8Q2
DOI:10.1007/s12031-025-02412-w
PMID:41037206
|
研究论文 | 本研究开发并评估了一种基于深度神经网络和混合差分进化神经网络的模型，用于准确预测多形性胶质母细胞瘤的复发风险 | 采用混合差分进化神经网络框架优化深度神经网络架构，用于预测晚期疾病阶段患者的GBM复发风险，并在多模态数据集上实现了优于传统方法的性能 | 研究主要依赖于TCGA和机构存储库的数据，样本量为780名患者，可能存在数据来源和样本规模的限制 | 开发高精度预测多形性胶质母细胞瘤复发风险的深度学习模型，以增强个体化治疗策略并改善患者预后 | 多形性胶质母细胞瘤患者 | 机器学习 | 脑肿瘤 | 基因组测序、影像学分析 | DNN | 基因组图谱、影像学指标、纵向临床记录 | 780名GBM患者 | Python | 混合差分进化神经网络 | 准确率、精确率、召回率、F1分数、AUC-ROC | NA |
| 270 | 2026-01-08 |
Fully Automated Anatomy Labeling for Intracardiac Echocardiography Using Deep Learning
2025-Oct, JACC. Clinical electrophysiology
DOI:10.1016/j.jacep.2025.06.009
PMID:40767798
|
研究论文 | 本文开发了一种基于深度学习的全自动算法，用于从右心房心内超声图像中检测解剖结构 | 首次提出全自动深度学习算法用于心内超声图像的解剖结构标注，作为教育或导航工具辅助电生理手术 | 算法仅针对右心房解剖结构，且部分结构识别精度未达到70% | 开发自动化工具以辅助心内超声图像在电生理手术中的解剖结构识别 | 心内超声图像中的解剖结构 | 计算机视觉 | 心血管疾病 | 心内超声 | 深度学习 | 图像 | 605次电生理手术，196,768张图像 | NA | NA | 精确率, 召回率 | NA |
| 271 | 2026-01-08 |
Automating Brachial Plexus Scan: Wireless Handheld Ultrasound with Deep Learning over Ten Locations
2025 Oct-Dec, Journal of medical ultrasound
IF:0.9Q4
DOI:10.4103/jmu.jmu_61_24
PMID:41488171
|
研究论文 | 本研究提出了一种适用于低分辨率超声图像的图像分割模型，用于自动化臂丛神经扫描 | 针对低分辨率手持超声设备，开发了一种新颖的两阶段卷积神经网络架构，结合了图像分类和分割，并引入质心细化，显著提升了在便携设备上的臂丛神经定位性能 | 研究样本量较小（30名患者），且模型仅在特定预定义位置进行测试，可能限制了其泛化能力 | 开发一种适用于低分辨率手持超声设备的自动化臂丛神经扫描模型，以辅助区域麻醉中的神经可视化 | 臂丛神经的超声图像 | 计算机视觉 | NA | B型超声成像 | CNN | 图像, 视频 | 30名成年患者，共60,000张图像 | NA | 两阶段卷积神经网络（第一阶段用于图像分类，第二阶段用于分割与质心细化） | 灵敏度, 特异度, 中位距离误差, 平均对称表面距离, 豪斯多夫距离, 交并比 | NA |
| 272 | 2026-01-08 |
Artificial intelligence-assisted glaucoma detection on color fundus images: with comorbidity and cross-institutional analysis
2025-Oct-01, Journal of the Chinese Medical Association : JCMA
IF:1.9Q2
DOI:10.1097/JCMA.0000000000001289
PMID:41102915
|
研究论文 | 本研究开发了一种基于人工智能的青光眼检测系统，通过彩色眼底图像进行青光眼筛查，并在跨机构和共病条件下验证其可靠性 | 采用分步AI流程结合图像增强、视神经区域自动识别和深度学习分类，首次在跨区域数据集和共病眼病图像上验证了系统的一致高性能 | 研究未提及系统在极低质量图像或罕见共病组合下的表现，且外部数据集数量可能有限 | 开发并验证一种能在不同临床环境和共病条件下可靠检测青光眼的人工智能系统 | 彩色眼底图像，包括来自不同医院、种族、相机类型和图像质量的样本，以及伴有其他视网膜疾病的图像 | 计算机视觉 | 青光眼 | 彩色眼底摄影 | 深度学习 | 图像 | 训练集：1696张图像（来自台北荣民总医院）；测试集：五个跨区域外部数据集及151张共病眼病内部图像 | NA | NA | 平衡准确率, AUC | NA |
| 273 | 2026-01-08 |
Improving spliced alignment by modeling splice sites with deep learning
2025-Sep-20, ArXiv
PMID:40980762
|
研究论文 | 本文提出了一种使用一维卷积神经网络（1D-CNN）建模剪接位点的方法，以改进剪接比对准确性 | 利用深度学习模型学习剪接信号，捕获跨门类的保守剪接信号，并揭示哺乳动物和鸟类特有的GC富集内含子 | NA | 提高剪接比对的准确性，特别是在处理噪声长读RNA-seq数据和远源同源蛋白质时 | 脊椎动物和昆虫基因组的剪接位点 | 生物信息学 | NA | 长读RNA-seq, 蛋白质序列比对 | CNN | 基因组序列, RNA-seq数据, 蛋白质序列 | NA | NA | 一维卷积神经网络（1D-CNN） | 连接点准确性 | NA |
| 274 | 2026-01-08 |
Estimating ascending aortic diameter from the electrocardiogram
2025-Aug-21, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.19.25333786
PMID:40894145
|
研究论文 | 本研究开发了一种基于一维卷积神经网络的深度学习模型（ECGAI-TAA），用于从12导联心电图信号中估计升主动脉直径 | 首次将12导联心电图信号与MRI测量的升主动脉直径配对，利用深度学习模型从心电图信号中估计主动脉直径，并发现模型检测到的电生理变化可能与侧上轴偏移有关 | 研究结果仅代表生理学观察，尚未经过外部验证的风险评分验证 | 探索从心电图信号中无创估计升主动脉直径的可能性 | 英国生物银行（UK Biobank）的69,173名参与者 | 机器学习 | 心血管疾病 | MRI测量，心电图信号分析 | CNN，变分自编码器 | 心电图信号（12导联，10秒，500Hz），MRI图像 | 69,173名参与者（训练集），5,191名参与者（内部测试集） | NA | 一维卷积神经网络，变分自编码器 | 方差解释率（31%），比值比（16倍） | NA |
| 275 | 2026-01-08 |
Effects of Deep Learning-Based Reconstruction on the Quality of Accelerated Contrast-Enhanced Neck MRI
2025-May, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.1059
PMID:40307199
|
研究论文 | 本研究比较了基于深度学习的重建技术与传统插值技术在加速对比增强颈部MRI中的图像质量 | 首次在加速对比增强颈部MRI中应用基于深度学习的重建算法，实现了扫描时间显著减少的同时提升图像质量 | 使用的深度学习算法为闭源工作进展版本，且重叠解剖结构的伪影略有增加 | 评估深度学习重建技术在加速颈部MRI中的图像质量与诊断性能 | 颈部对比增强MRI图像 | 医学影像分析 | NA | 对比增强MRI，深度学习重建 | 深度学习重建算法 | MRI图像 | 106名患者的MRI扫描数据 | NA | NA | 半高全宽，信号伪影百分比，非均匀性，对比噪声比，区域黏膜半高全宽，视觉评分（整体质量、清晰度、黏膜显着性、伪影、病变检测） | 3T MRI扫描仪，闭源深度学习重建算法（Siemens Healthineers WIP No. 1062） |
| 276 | 2026-01-08 |
The Future of Medicine: AI and ML Driven Drug Discovery Advancements
2025, Current topics in medicinal chemistry
IF:2.9Q3
|
综述 | 本文综述了人工智能和机器学习在药物发现领域的应用进展，包括计算机辅助药物设计、深度学习等技术如何提升药物研发的效率和准确性 | 整合了AI/ML技术于药物发现过程，特别是通过大数据和深度学习处理复杂非线性数据，以增强药物-靶点相互作用预测和个性化治疗响应 | 未具体说明当前AI/ML方法在药物发现中的实际应用案例或数据验证细节，缺乏对技术局限性的深入讨论 | 探讨AI和ML如何推动药物发现领域的进步，提高药物设计的效率、安全性和成本效益 | 药物发现过程，包括靶点发现、先导化合物优化、临床试验等阶段 | 机器学习 | NA | 计算机辅助药物设计（CADD）、结构基于药物设计（SBDD）、配体基于药物设计（LBDD）、药效团建模、PBPK建模、高级纳米-QSAR | 深度学习 | 大数据 | NA | NA | NA | NA | NA |
| 277 | 2026-01-08 |
Advances in Diagnostic Approaches for Alzheimer's Disease: From Biomarkers to Deep Learning Technology
2025, CNS & neurological disorders drug targets
|
综述 | 本文综述了阿尔茨海默病的诊断方法进展，从生物标志物到深度学习技术 | 整合了传统生物标志物（如淀粉样蛋白β）与先进深度学习技术（特别是CNN）在阿尔茨海默病诊断中的应用，并强调了这些技术作为临床辅助而非替代的角色 | 未提及具体研究样本量或实验验证细节，且未讨论深度学习模型在实际临床部署中的具体挑战 | 探讨阿尔茨海默病的诊断方法进展，包括生物标志物和深度学习技术的应用 | 阿尔茨海默病的诊断技术与方法 | 数字病理学 | 老年性疾病 | 脑脊液采样、MRI、PET、X射线、CT、超声、乳腺X线摄影 | CNN | 图像 | NA | NA | NA | 准确率 | NA |
| 278 | 2026-01-08 |
Innovative Immunoinformatics Tools for Enhancing MHC (Major Histocompatibility Complex) Class I Epitope Prediction in Immunoproteomics
2025, Protein and peptide letters
IF:1.0Q4
|
综述 | 本文综述了免疫信息学工具在增强MHC I类表位预测方面的最新进展 | 整合了人工智能、机器学习模型及多组学数据，以提高表位预测的敏感性和特异性 | 由于MHC I类结合肽的复杂性和多样性，在不同人群和情境中精确识别表位仍极具挑战 | 提升MHC I类表位预测的准确性，以支持疫苗开发、癌症免疫疗法和自身免疫性疾病研究 | MHC I类分子结合肽 | 生物信息学 | 癌症 | 免疫信息学工具（如NetMHC、IEDB、MHCflurry）、多组学数据整合 | 机器学习、深度学习 | 蛋白质组学、转录组学、基因组学数据 | NA | NA | NA | 敏感性、特异性 | NA |
| 279 | 2026-01-08 |
Structure-aware completion of plant 3D LiDAR point clouds via a multi-resolution GAN-inversion network
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1698843
PMID:41487337
|
研究论文 | 本文提出了一种名为MRC-Net的无监督深度学习框架，用于在环境干扰和传感器限制下完成植物3D LiDAR点云的鲁棒、高保真补全 | 通过集成GAN反转策略与多分辨率原则，提出了一种无监督的多分辨率补全网络，利用多分辨率退化机制和多尺度判别器，在无监督条件下实现全局结构一致性与局部细节的平衡 | NA | 解决在环境干扰和传感器限制下，3D点云补全的鲁棒性和高保真性问题，以提升下游任务性能 | 植物3D LiDAR点云 | 计算机视觉 | NA | LiDAR | GAN | 3D点云 | 多个数据集，包括虚拟数据集（如CRN）和针对农业场景的自定义数据集 | NA | Multi-Resolution Completion Net (MRC-Net), ShapeInversion | Chamfer Distance (CD), F1分数 | NA |
| 280 | 2026-01-08 |
Technology-driven approaches to intelligent mechanical weed control: a systematic review for sustainable weed management
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1734507
PMID:41487342
|
综述 | 本文对2000年至2024年间发表的智能机械除草系统进行了系统性综述，重点关注集成人工智能、机器视觉和机器人技术的设计、性能及在精准农业中的应用 | 首次提供了针对集成视觉与机器人驱动的AI机械除草系统的全面、系统性综述，并提出了包含传感器融合、自适应工具、平台模块化和用户中心界面的设计与操作指南 | 在杂草-作物区分、模型泛化、实时执行和经济可行性方面仍存在挑战 | 探索智能机械除草系统的设计与性能，以推动精准农业中可持续、非化学的杂草管理 | 智能机械除草系统，特别是集成人工智能、机器视觉和机器人技术的系统 | 计算机视觉 | NA | 机器视觉、人工智能、机器人技术 | 深度学习模型 | 图像（RGB、LiDAR、高光谱传感器数据） | 176篇技术论文，其中33篇关键工作进行了深入分析 | NA | NA | NA | NA |