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 16751 篇文献，本页显示第 321 - 340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 321 | 2025-11-19 |
Deep Learning-Enabled Real-Time Single-Shot Refocusing of Microwell Array for Digital Melting Curve Analysis
2025-Nov-18, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c05194
PMID:41188072
|
研究论文 | 提出一种基于深度学习的单次自适应点扩散函数注意力重聚焦模型，用于数字熔解曲线分析中的微孔阵列实时重聚焦 | 首次将深度学习与点扩散函数自校准调制结合，实现无机电运动的数字PCR微阵列自动聚焦 | 未明确说明模型在更广泛温度范围内的泛化能力及对不同样本类型的适应性 | 提升数字熔解曲线分析在宽温度范围内的准确性和分辨率 | 数字PCR微孔阵列中的核酸样本 | 计算机视觉 | 呼吸道病原体感染 | 数字PCR, 熔解曲线分析, 荧光成像 | 深度学习, 注意力机制 | 荧光图像 | NA | NA | 单次自适应点扩散函数注意力重聚焦模型 | 识别准确率, 变异系数, 分辨率 | NA |
| 322 | 2025-11-19 |
Deep Learning Models for Colloidal Nanocrystal Synthesis
2025-Nov-18, ACS nano
IF:15.8Q1
DOI:10.1021/acsnano.5c09134
PMID:41193409
|
研究论文 | 开发基于深度学习的胶体纳米晶体合成模型，通过合成参数预测纳米晶体的最终尺寸和形状 | 首次将深度学习应用于纳米晶体合成参数与物理性质关联建模，提出基于反应中间体的数据增强方法和精细描述符 | 数据集仅包含348种纳米晶体组成，模型性能可能受限于数据覆盖范围 | 建立合成参数与纳米晶体物理性质之间的定量关系模型 | 胶体纳米晶体 | 机器学习 | NA | 透射电子显微镜，半监督学习 | 深度学习，分割模型 | 图像，配方数据 | 3508个配方覆盖348种纳米晶体组成，约120万纳米晶体图像数据 | NA | NA | 平均绝对误差1.39nm，形状分类准确率89% | NA |
| 323 | 2025-11-19 |
Integrating Model-Based Reconstruction and Deep Learning for Accelerating Mass Spectrometry Imaging
2025-Nov-18, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04075
PMID:41199627
|
研究论文 | 提出一种结合模型重建与深度学习的方法来加速质谱成像 | 将光栅扫描前向模型与深度学习先验结合，无需针对不同采集设置重新训练即可重建高分辨率离子图像 | 未明确说明方法在极端稀疏采样条件下的性能边界 | 解决质谱成像中光栅扫描数据采集耗时长的问题，实现高效组织成像和3D重建 | 脑部和肾脏等生物组织结构 | 计算成像 | NA | 质谱成像 | 深度学习 | 质谱图像 | 多种组织类型（脑部、肾脏等） | NA | 基于预训练网络的去噪器 | 图像保真度 | NA |
| 324 | 2025-11-19 |
Plasmonic Scattering Interferometric Microscopy: Decoding the Dynamic Interfacial Chemistry of Single Nanoparticles
2025-Nov-18, Accounts of chemical research
IF:16.4Q1
DOI:10.1021/acs.accounts.5c00294
PMID:40845220
|
研究论文 | 介绍等离子体散射干涉显微镜技术及其在单纳米粒子界面化学动态研究中的应用 | 开发高分辨率等离子体散射干涉显微镜技术，实现单纳米粒子水平实时观测电催化活性和反应动力学 | 当前技术仍存在一定局限性，需要进一步改进和优化 | 开发新型光学显微技术用于纳米材料界面化学研究 | 单纳米粒子及其界面化学反应 | 纳米科学 | NA | 等离子体散射干涉显微镜 | 深度学习 | 光学图像 | NA | NA | NA | 空间分辨率，时间分辨率 | NA |
| 325 | 2025-11-19 |
Leveraging Artificial Intelligence to Transform Thoracic Radiology for Lung Nodules and Lung Cancer: Applications, Challenges, and Future Directions
2025-Nov-18, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000866
PMID:41246950
|
综述 | 回顾人工智能在胸部放射学中肺结节和肺癌应用的历史发展、当前挑战与未来方向 | 系统梳理了从早期基于临床知识的AI方法到深度学习再到Transformer架构的演进历程，并探讨了基础模型、多模态AI和多组学方法在肺结节和肺癌领域的新兴应用 | 作为综述文章，主要基于文献分析，未涉及原始实验数据验证 | 探讨人工智能在胸部放射学中肺结节和肺癌诊断、评估和预测方面的应用与发展 | 肺结节和肺癌的医学影像分析 | 医学影像分析 | 肺癌 | 医学影像分析，深度学习，Transformer | 深度学习模型，Transformer | 医学影像 | NA | NA | Transformer | NA | NA |
| 326 | 2025-11-19 |
A Dual-stage Deep Learning Framework for Breast Ultrasound Image Segmentation and Classification
2025-Nov-18, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02298-6
PMID:41249662
|
研究论文 | 提出一种双阶段深度学习框架，用于乳腺超声图像的分割和分类，以支持乳腺癌诊断 | 设计模块化双阶段流程，可灵活集成不同骨干架构，DeepLabV3+与ResNet34编码器实现最准确分割，轻量级分类器MobileNetV3-Small和EfficientNet-B0实现最佳分类性能 | NA | 探索深度学习技术在乳腺超声图像分割和分类中的应用，支持乳腺癌诊断 | 乳腺超声图像中的肿块区域 | 医学影像分析 | 乳腺癌 | 超声成像 | CNN | 超声图像 | 两个乳腺超声数据集 | NA | DeepLabV3+, ResNet34, MobileNetV3-Small, EfficientNet-B0 | 诊断准确率 | NA |
| 327 | 2025-11-19 |
MGCL-CAP: Masked Graph Contrastive Learning with Gated Cross-Attention for Chemical Allergenicity Prediction
2025-Nov-18, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02222
PMID:41251678
|
研究论文 | 提出一种基于掩码图对比学习和门控交叉注意力的深度学习框架MGCL-CAP，用于化学物质致敏性预测 | 结合掩码图对比学习与门控交叉注意力融合机制，能够学习结构不变的图嵌入并有效整合多模态分子特征 | 未明确说明模型在更大规模或更复杂化学数据集上的泛化能力 | 开发计算方法来高效预测化学物质的致敏性，减少实验负担 | 化学物质及其分子结构 | 机器学习 | 过敏性疾病 | 分子图表示学习 | 图神经网络 | 图数据, 分子指纹 | NA | PyTorch | 图同构网络, 多头注意力机制 | 准确率, 稳定性指标 | NA |
| 328 | 2025-11-19 |
Automatically quantifying spatial heterogeneity of immune and tumor hypoxia environment and predicting disease-free survival for patients with rectal cancer
2025-Nov-18, Cancer immunology, immunotherapy : CII
DOI:10.1007/s00262-025-04235-5
PMID:41251704
|
研究论文 | 开发自动化流程定量分析直肠癌肿瘤微环境中免疫和缺氧标志物的空间异质性并预测患者无病生存期 | 整合深度学习肿瘤分割与计算检测方法，首次实现自动量化免疫组化空间异质性特征并与临床预后关联分析 | 需要在多中心队列中进一步验证临床适用性，样本量相对有限 | 建立自动化的免疫组化定量分析流程，探索肿瘤微环境空间异质性与临床预后的关联 | 直肠癌患者肿瘤组织样本 | 数字病理学 | 直肠癌 | 免疫组化染色 | 深度学习 | 病理图像 | 104例患者样本（57例训练集/47例验证集） | NA | NA | C-index | NA |
| 329 | 2025-11-19 |
Analysis of deep learning-based segmentation of lymph nodes on full-dose and reduced-dose body CT
2025-Nov-18, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05253-8
PMID:41251734
|
研究论文 | 验证基于深度学习的全自动模型在常规剂量和模拟低剂量CT上对淋巴结检测与分割的性能 | 首次在模拟低剂量CT（5%-75%剂量）上系统评估3D nnU-Net对淋巴结分割的性能，并提出通过多剂量数据增强提升模型鲁棒性 | 使用模拟而非真实低剂量CT数据，样本量相对有限 | 评估深度学习模型在不同剂量CT扫描中对淋巴结自动分割的鲁棒性 | 人体CT图像中的淋巴结 | 医学影像分析 | 淋巴结相关疾病 | CT成像，噪声模拟技术 | 3D CNN | CT医学影像 | 151例患者CT（15,341个淋巴结标注）+120例外部验证CT | nnU-Net | 3D nnU-Net | 精确度，灵敏度，Dice相似系数，豪斯多夫距离 | NA |
| 330 | 2025-11-19 |
Feasibility of deep learning-accelerated HASTE-FS for pancreatic cystic lesion surveillance: comparison with conventional HASTE and MRCP
2025-Nov-18, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05265-4
PMID:41251737
|
研究论文 | 比较深度学习加速的HASTE-FS与传统HASTE和MRCP在胰腺囊性病变监测中的性能 | 首次将深度学习重建技术应用于单次激发脂肪饱和T2加权成像（DL HASTE-FS），并与传统成像方法进行系统性比较 | 回顾性研究设计，样本量有限（91例患者），仅使用3T MRI设备 | 评估深度学习加速成像技术在胰腺囊性病变监测中的临床应用价值 | 胰腺囊性病变患者 | 医学影像分析 | 胰腺疾病 | MRI, 深度学习重建, HASTE序列, MRCP | 深度学习 | 医学影像 | 91例连续患者，其中70个预选索引PCL | NA | NA | Likert量表评分, p值 | 3T MRI设备 |
| 331 | 2025-11-19 |
Abdominal multi-organ segmentation on 3D negative-contrast CT cholangiopancreatography: a comparative study of deep learning methods
2025-Nov-18, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05273-4
PMID:41251738
|
研究论文 | 比较四种深度学习模型在3D负对比CT胆胰管成像上的腹部多器官分割性能 | 首次在3D-nCTCP数据上系统比较2D和3D深度学习分割模型，证明3D体积模型在复杂小器官分割中的优势 | 回顾性研究，样本量有限（111例患者），仅针对恶性低位胆道梗阻患者 | 自动化3D负对比CT胆胰管成像中胆道和胰腺系统的分割，以改善术前规划和诊断 | 胆道系统、胰腺、十二指肠和肝脏的医学图像分割 | 数字病理 | 胆道癌 | CT成像 | 深度学习分割模型 | 3D医学图像 | 111例恶性低位胆道梗阻患者，共25,700张图像 | NA | TransUNet 2D, nnU-Net 2D, Swin-UNETR 2D, Swin-UNETR 3D | Dice相似系数, 平均对称表面距离, 观察者间变异 | NA |
| 332 | 2025-11-19 |
Total-body [18F]FDG-PET/CT imaging of healthy volunteers with minimal effective dose
2025-Nov-18, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07644-x
PMID:41251746
|
研究论文 | 本研究探索在健康志愿者中使用全身PET/CT成像结合深度学习生成合成CT图像，以最小化辐射剂量的可行性 | 首次将全身PET成像与深度学习生成的合成CT衰减图相结合，实现极低有效剂量的PET/CT成像 | 研究仅纳入高加索人群，样本量有限，且未评估在病理状态下的应用效果 | 开发最小化辐射剂量的全身PET/CT成像方案 | 47名健康志愿者（25名女性/22名男性，BMI：24±3 kg/m²） | 医学影像 | NA | PET/CT成像，深度学习 | 深度学习模型 | PET图像数据，CT图像数据 | 47名健康志愿者 | NA | NA | 标准化摄取值，变异系数 | NA |
| 333 | 2025-11-19 |
AI-driven pre-screening for colorectal cancer using complete blood counts: toward broader population impact
2025-Nov-18, International journal of colorectal disease
IF:2.5Q1
DOI:10.1007/s00384-025-05030-5
PMID:41251828
|
研究论文 | 本研究开发了一种基于常规血常规检测数据的可解释人工智能模型，用于结直肠癌的预筛查 | 首次利用常规血常规检测数据开发可解释AI模型进行结直肠癌筛查，相比传统方法更具可及性和成本效益 | 回顾性研究设计，模型灵敏度低于粪便免疫化学测试，仅在特定亚组中与FIT进行比较 | 开发基于血常规数据的AI模型用于结直肠癌早期检测 | 45-75岁接受结肠镜检查并在六个月内进行血常规检测的28,450名个体 | 机器学习 | 结直肠癌 | 血常规检测 | 岭回归 | 临床检测数据 | 28,450名个体（439例CRC，2,955例高级别腺瘤，21,662例良性发现） | NA | 岭回归 | AUC, 灵敏度, 特异性 | NA |
| 334 | 2025-11-19 |
Development and validation of an AI-augmented deep learning model for survival prediction in de novo metastatic colorectal cancer
2025-Nov-18, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-03974-2
PMID:41251848
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 335 | 2025-11-19 |
Deep-Learning Virtual Superior Mesenteric Artery Modeling for Risk Stratification in Pancreas Surgery
2025-Nov-18, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-025-18543-8
PMID:41251913
|
研究论文 | 本研究开发基于深度学习的虚拟肠系膜上动脉三维建模方法，用于胰腺手术风险分层 | 首次将深度学习应用于肠系膜上动脉三维可视化建模，并建立解剖特征与围手术期结局的关联 | 样本量相对有限（124例），仅包含两个医疗中心的数据 | 评估深度学习虚拟建模在胰腺手术风险分层中的应用价值 | 接受胰腺切除术的胰腺恶性肿瘤患者 | 数字病理 | 胰腺癌 | 计算机断层扫描（CT） | 深度学习模型 | 医学影像（CT扫描） | 124例患者 | NA | NA | 逻辑回归和线性回归分析 | NA |
| 336 | 2025-11-19 |
Next-generation antifungal peptide discovery: the synergy of artificial intelligence and omics technologies
2025-Nov-18, World journal of microbiology & biotechnology
IF:4.0Q2
DOI:10.1007/s11274-025-04662-7
PMID:41251968
|
综述 | 本文综述人工智能与组学技术在抗真菌肽发现中的协同作用及其临床应用前景 | 首次系统阐述人工智能与组学技术协同开发抗真菌肽的创新方法，提出整合机器学习、深度学习与基因编辑技术的综合解决方案 | 模型复杂性、数据量有限、决策过程不透明等人工智能应用限制 | 开发高效低耐药性的新型抗真菌肽替代疗法 | 抗真菌肽(AFPs)及其生物合成基因簇 | 自然语言处理, 机器学习 | 真菌感染 | 组学技术, CRISPR-Cas9基因编辑, 转录组学 | 机器学习, 深度学习, 自然语言处理 | 基因组数据, 肽序列数据 | NA | NA | NA | 精确度, 准确率 | NA |
| 337 | 2025-11-19 |
Deep learning-driven ultra-stretchable kirigami metamaterials: towards surface texture modulation via buckling
2025-Nov-17, Soft matter
IF:2.9Q2
DOI:10.1039/d5sm00933b
PMID:41246961
|
研究论文 | 提出基于深度学习的剪纸超材料创新设计策略，实现通过屈曲行为调控表面纹理 | 利用深度学习预测复杂非线性本构关系，打破传统单向切割剪纸结构的几何对称性限制 | NA | 探索剪纸结构在几何对称性破坏后的屈曲行为机制及几何形状对可重构编程性的影响 | 镶嵌切割剪纸超材料结构 | 机器学习 | NA | 深度学习 | NA | 力学性能数据，几何结构数据 | NA | NA | NA | 准确率 | NA |
| 338 | 2025-11-19 |
Deep learning-based obstructive coronary artery disease prediction from myocardial perfusion SPECT
2025-Nov-17, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07655-8
PMID:41247514
|
研究论文 | 本研究应用深度学习技术从心肌灌注SPECT预测冠状动脉疾病的金标准侵入性冠状动脉造影结果 | 首次将深度学习衰减校正、应力/静息数据组合及临床因素整合到CAD预测模型中 | 回顾性研究设计，样本量相对有限（515例患者） | 开发基于深度学习的非侵入性冠状动脉疾病诊断方法 | 冠状动脉疾病患者的心肌灌注SPECT数据 | 医学影像分析 | 冠状动脉疾病 | 心肌灌注SPECT，Tc-99m-sestamibi，Tl-201 | 深度学习模型 | 医学影像（SPECT图像） | 515名患者（来自3个临床中心） | NA | NA | AUC，准确率 | NA |
| 339 | 2025-11-19 |
Automated health monitoring system using YOLOv8 for real-time device parameter detection
2025-Nov-17, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01673-4
PMID:41247607
|
研究论文 | 提出一种基于YOLOv8的自动化健康监测系统，用于实时检测医疗设备参数 | 首次将YOLOv8光学字符识别技术应用于医疗设备参数检测，相比其他方法具有更快的检测速度 | 目前仅针对特定医疗设备，尚未包含心率监测仪、脉搏血氧仪等其他设备 | 开发自动化健康监测系统以减少人工劳动并保持效率 | 血压监测仪、数字体温计等医疗设备 | 计算机视觉 | 老年疾病 | 光学字符识别 | CNN, YOLO | 图像 | 两个自建图像数据集和1000张来自不同医疗设备的测试图像 | NA | YOLOv8, 卷积神经网络 | 准确率 | NA |
| 340 | 2025-11-19 |
Diffusion Models for Neuroimaging Data Augmentation: Assessing Realism and Clinical Relevance
2025-Nov-17, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02300-1
PMID:41247615
|
研究论文 | 本研究探讨使用去噪扩散概率模型生成合成3D T1加权脑部MRI图像，以解决神经退行性疾病医学影像数据稀缺问题 | 首次将DDPMs应用于多中心神经影像数据生成，解决罕见疾病数据稀缺和结构保真度的双重挑战 | 高频细节重建存在局限，生成图像的分辨率有待提升 | 开发神经影像数据增强方法以支持深度学习在医学影像中的应用 | 健康受试者的3D T1加权脑部MRI图像 | 医学影像分析 | 神经退行性疾病 | 脑部MRI | DDPM | 3D医学图像 | 多中心健康受试者数据集 | NA | 去噪扩散概率模型 | 最大均值差异, 视觉评估 | NA |