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 19280 篇文献，本页显示第 5361 - 5380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5361 | 2025-12-04 |
Hierarchical classification of anterior cruciate ligament using deep learning for athletes healthcare
2025, BioImpacts : BI
IF:2.2Q3
DOI:10.34172/bi.31060
PMID:41322394
|
研究论文 | 本研究提出了一种基于深度学习的层次化模型，用于自动检测和分类前交叉韧带损伤 | 结合注意力机制和层次化特征提取，提高了ACL分割和分类的准确性 | 未明确提及模型在多样化数据集或临床环境中的泛化能力 | 开发自动评估前交叉韧带损伤的方法，以支持运动员医疗保健和快速诊断 | 膝关节MRI图像中的前交叉韧带区域 | 计算机视觉 | 前交叉韧带损伤 | MRI成像 | CNN | 图像 | NA | NA | 编码器-解码器架构, 层次化卷积神经网络 | 准确率 | NA |
| 5362 | 2025-12-04 |
A hybrid deep learning framework for SEM-based air pollutant analysis: Mamba integration and GAN-augmented training
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1664317
PMID:41322471
|
研究论文 | 本文提出了一种用于基于扫描电镜图像的空气污染物成分分类的混合深度学习框架 | 将Mamba（一种具有线性计算复杂度的状态空间模型）集成到图像分类流程中，以建模长程依赖关系，并引入基于CGAN的数据增强策略来合成逼真的SEM样颗粒图像以扩充训练集 | NA | 准确分析空气污染物成分，以应对空气污染对公共健康和生态稳定构成的威胁 | 空气污染物成分 | 计算机视觉 | NA | 扫描电镜（SEM）成像 | CNN, Mamba, GAN | 显微图像或光谱图像 | NA | NA | Mamba, CGAN | 检测准确率, 推理速度 | NA |
| 5363 | 2025-12-04 |
Synthetic CT generation from CBCT using deep learning for adaptive radiotherapy in prostate cancer
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1680803
PMID:41322652
|
研究论文 | 本研究评估了基于深度学习的模型从前列腺癌患者的CBCT图像生成合成CT的准确性，并探讨了其在治疗计划和自适应放疗决策中的临床应用潜力 | 使用U-Net和ResU-Net等简单架构的深度学习模型，从CBCT图像生成合成CT，以支持前列腺癌自适应放疗的精确剂量计算和工作流程 | 研究样本量较小（仅10名患者），且为回顾性研究，可能限制了结果的普遍性 | 评估深度学习模型生成合成CT的准确性，并研究其在前列腺癌自适应放疗中的临床应用 | 前列腺癌患者的CBCT和CT图像 | 数字病理学 | 前列腺癌 | 锥形束计算机断层扫描 | CNN | 图像 | 10名前列腺癌患者，每人提供50组CBCT-CT配对数据（包括1个计划CT和5个不同治疗日的CBCT扫描） | PyTorch | U-Net, ResU-Net | SSIM, PSNR, MAE, HU差异分布 | NA |
| 5364 | 2025-12-04 |
Assessment of functional decline in stroke patients using 3D deep learning and dynamic functional connectivity based on resting-state fMRI
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1666991
PMID:41323228
|
研究论文 | 本研究开发了一种基于静息态功能磁共振成像和动态功能连接特征的3D深度学习框架，用于自动评估脑卒中患者上肢运动障碍的严重程度 | 首次结合动态功能连接特征与3D卷积神经网络，实现了对脑卒中患者上肢运动障碍严重程度的高精度自动分类 | 样本量相对较小（仅69名患者），且分类仅基于二分组（轻度至中度与重度），未涵盖更细粒度的障碍分级 | 开发自动化方法评估脑卒中患者上肢运动障碍的严重程度 | 69名脑卒中患者 | 医学影像分析 | 脑卒中 | 静息态功能磁共振成像 | 3D-CNN | 功能磁共振成像数据 | 69名脑卒中患者（29名轻度至中度障碍，40名重度障碍） | NA | 3D卷积神经网络 | 平衡准确率, 特异性, 敏感性 | NA |
| 5365 | 2025-12-04 |
AI-assisted MRI segmentation analysis of brain region volume alterations in Parkinson's disease
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1666556
PMID:41323344
|
研究论文 | 本研究利用深度学习自动分割技术分析帕金森病患者脑区体积变化与病程的关联 | 采用深度学习自动全脑区域分割技术，系统探究了帕金森病患者多个脑区体积与病程的横断面关联 | 样本量较小（83例），且为回顾性研究设计，可能影响结果的普遍性 | 探究帕金森病患者脑区体积变化与疾病进展的关联 | 帕金森病患者 | 数字病理学 | 帕金森病 | 磁共振成像（MRI） | 深度学习 | 图像 | 83例帕金森病患者 | NA | NA | NA | NA |
| 5366 | 2025-12-04 |
AI-based prediction of pathological risk factors in lung adenocarcinoma from CT imaging: bridging innovation and clinical practice
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1687360
PMID:41323376
|
综述 | 本文综述了基于人工智能（AI）特别是深度学习（DL）在肺腺癌CT影像中预测病理风险因素的最新进展、应用与局限 | 总结了AI在预测肺腺癌特定高风险病理亚型（如气腔播散、高危亚型、隐匿淋巴结、脏层胸膜侵犯）方面的创新应用，并强调提升模型可解释性与临床适用性的方向 | 当前研究面临数据集多样性与规模有限、模型可解释性不足以及临床适用性有待增强等挑战 | 回顾AI在肺腺癌病理风险因素预测领域的研究进展，旨在为未来研究提供参考并推动AI在该领域的开发与应用 | 肺腺癌（LUAD）及其相关的病理风险因素，如气腔播散、高危病理亚型、隐匿淋巴结和脏层胸膜侵犯 | 数字病理学 | 肺癌 | 深度学习（DL） | NA | CT影像 | NA | NA | NA | NA | NA |
| 5367 | 2025-12-04 |
Predictive performance of MRI and CT radiomics in predicting the response to induction chemotherapy in nasopharyngeal carcinoma: a network meta-analysis
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1590420
PMID:41323390
|
荟萃分析 | 本研究通过网络荟萃分析评估了基于MRI和CT的影像组学方法在预测鼻咽癌诱导化疗反应中的准确性 | 首次通过网络荟萃分析比较不同影像组学模型（包括基于MRI的SVM模型、临床-影像组学融合模型以及基于CT的深度学习CNN模型）在预测鼻咽癌诱导化疗反应中的性能，并利用SUCRA值对模型进行排序 | 纳入的研究存在偏倚风险（7项研究被PROBAST评估为有偏倚风险），且需要标准化协议、前瞻性多中心验证以及肿瘤微环境机制研究的进一步支持才能实现临床转化 | 评估不同影像组学方法在预测鼻咽癌对诱导化疗反应中的准确性 | 鼻咽癌患者 | 数字病理学 | 鼻咽癌 | 影像组学 | SVM, CNN | 医学影像（MRI, CT） | 1550名受试者（来自10项研究） | NA | 卷积神经网络 | 灵敏度, 特异性, 准确率, AUC | NA |
| 5368 | 2025-12-04 |
Comparison of Radiomics and Deep Learning Using Intestinal Ultrasound Images for Differentiating Inflammatory and Fibrotic Intestinal Strictures in Crohn's Disease
2025, Journal of inflammation research
IF:4.2Q2
DOI:10.2147/JIR.S546832
PMID:41323560
|
研究论文 | 本研究比较了基于放射组学和深度学习方法，利用肠道超声图像区分克罗恩病中炎症性和纤维化性肠道狭窄的性能 | 首次将深度学习和放射组学应用于肠道超声图像，以区分克罗恩病中的肠道狭窄类型，并通过类激活映射增强模型的可解释性 | 研究为回顾性分析，样本量相对较小（64名患者，87张图像），可能影响模型的泛化能力 | 比较放射组学和深度学习在区分克罗恩病肠道狭窄类型方面的性能，以支持临床治疗决策 | 克罗恩病患者的肠道超声图像 | 计算机视觉 | 克罗恩病 | 肠道超声，Masson三色染色 | 深度学习模型 | 图像 | 64名克罗恩病患者，共87张肠道超声图像 | NA | NA | 准确率，灵敏度，特异性，ROC曲线下面积 | NA |
| 5369 | 2025-12-04 |
Scoping the Landscape of Deep Learning for Alzheimer's Disease Stage Classification: Methods, Challenges, and Opportunities
2025, BME frontiers
IF:5.0Q1
DOI:10.34133/bmef.0202
PMID:41323574
|
综述 | 本文是一篇范围综述，旨在梳理和评估深度学习在阿尔茨海默病分期分类中的应用现状、方法、挑战与机遇 | 首次对2018年至2024年间发表的深度学习应用于阿尔茨海默病分期分类的研究进行系统性范围综述，通过比较分析揭示了迁移学习与定制CNN模型在准确率上的微小差异，并强调了外部验证和成本效益评估的严重缺失 | 综述仅分析了18篇同行评审研究，样本量有限；研究主要关注已发表文献，可能未涵盖未发表或正在进行的研究；对方法学局限性和转化障碍的分析主要基于文献报告，缺乏实证验证 | 评估深度学习在阿尔茨海默病分期分类中的当前性能基准，识别方法学局限性，并突出转化到临床应用的障碍 | 2018年至2024年间发表的18篇关于深度学习应用于阿尔茨海默病分期分类的同行评审研究 | 数字病理学 | 阿尔茨海默病 | NA | CNN, 迁移学习 | NA | NA | NA | NA | 准确率 | NA |
| 5370 | 2025-12-03 |
Letter re: A deep learning model for preoperative risk stratification of pancreatic ductal adenocarcinoma based on genomic predictors of liver metastasis
2025-Dec-09, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2025.116046
PMID:41326211
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5371 | 2025-10-30 |
AI-Enabled Echocardiography Interpretation With Multitask Deep Learning
2025-Dec-02, JAMA
DOI:10.1001/jama.2025.16625
PMID:41160021
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5372 | 2025-10-30 |
AI-Enabled Echocardiography Interpretation With Multitask Deep Learning-Reply
2025-Dec-02, JAMA
DOI:10.1001/jama.2025.16627
PMID:41160035
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5373 | 2025-10-30 |
AI-Enabled Echocardiography Interpretation With Multitask Deep Learning
2025-Dec-02, JAMA
DOI:10.1001/jama.2025.16623
PMID:41160046
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5374 | 2025-12-03 |
MSformer: A Meta-Structure Based Interpretable Framework for Representation Learning of Natural Products
2025-Dec-02, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03958
PMID:41201272
|
研究论文 | 本文提出了一种基于元结构的可解释框架MSformer，用于自然产物的表示学习，以解决其结构复杂性和数据稀缺性问题 | MSformer通过质谱启发的元结构碎片化算法，在有限自然产物数据集上进行预训练，实现了对自然产物结构丰富性和药物相关性的高效捕获，并提供了层次化可解释性 | 预训练仅基于40万个自然产物数据，可能无法覆盖所有自然产物结构多样性 | 开发一种用于自然产物表示学习的深度学习框架，以促进药物发现 | 自然产物及其化学结构 | 自然语言处理 | NA | 质谱启发的碎片化算法 | Transformer | 化学结构数据 | 40万个自然产物，生成2.34亿个元结构 | NA | Transformer | NA | NA |
| 5375 | 2025-12-03 |
Neural network-driven direct CBCT-based dose calculation for head-and-neck proton treatment planning
2025-Dec-02, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae222a
PMID:41265034
|
研究论文 | 本研究开发并验证了一种基于扩展长短期记忆（xLSTM）神经网络的深度学习方法，用于直接从锥形束计算机断层扫描（CBCT）图像进行质子剂量计算 | 首次将xLSTM神经网络应用于直接CBCT质子剂量计算，通过能量令牌编码和射束视角序列建模捕捉质子剂量沉积模式的空间依赖性，消除了传统校正工作流程 | 研究为回顾性分析，样本量有限（40例患者），且仅针对头颈部癌症进行了验证 | 开发一种准确且高效的直接CBCT质子剂量计算方法，以支持自适应质子治疗计划 | 头颈部癌症患者的配对计划CT图像和治疗CBCT图像 | 医学影像分析 | 头颈部癌症 | 锥形束计算机断层扫描（CBCT），蒙特卡洛（MC）模拟 | xLSTM | 医学影像（CT，CBCT） | 40例头颈部癌症患者的回顾性数据集，包含配对计划CT和治疗CBCT图像；训练使用82,500个配对的质子笔形束配置 | NA | xLSTM | 伽马通过率，平均百分比剂量误差，剂量体积直方图比较，临床靶区V95%差异，危及器官平均剂量差异 | NA |
| 5376 | 2025-12-03 |
Characterizing the Immune Response in Pig-to-Human Heart Xenografts Using a Multimodal Diagnostic System
2025-Dec-02, Circulation
IF:35.5Q1
|
研究论文 | 本研究通过多模态诊断系统，对猪到人心脏异种移植物的免疫反应进行了精确表征 | 首次结合形态学评估、免疫表型分析、超微结构评估、自动定量多重免疫荧光染色和基因表达谱分析，对猪到人心脏异种移植物的异种免疫反应进行多模态表型分析 | 研究仅基于两个异种移植物样本，样本量较小，且仅在再灌注后66小时进行分析，可能未捕捉到免疫反应的长期动态 | 精确表征猪到人心脏异种移植物中的异种免疫反应和损伤 | 从10基因编辑猪移植到脑死亡人类受体的两个心脏异种移植物 | 数字病理学 | 心血管疾病 | 多重免疫荧光染色, 基因表达谱分析 | 深度学习 | 图像, 基因表达数据 | 两个心脏异种移植物样本，以及作为对照的植入前异种移植物和野生型猪心脏（包括有/无缺血/再灌注损伤和脑死亡） | NA | NA | NA | NA |
| 5377 | 2025-12-03 |
Bioinformatics Portal for Predicting Binding Regions and Modes in Protein-Nucleic Acid Interactions
2025-Dec-02, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzaf114
PMID:41329480
|
研究论文 | 本文介绍了一个用于预测蛋白质-核酸相互作用（PNIs）结合区域和模式的生物信息学门户网站，该门户整合了数据库、机器学习/深度学习预测工具及潜在应用分析 | 开发了一个集成的在线生物信息学门户，系统整合了PNIs数据库、多种ML/DL预测算法，并提供了用户友好的交互界面 | 未在摘要中明确说明具体的技术局限性 | 通过计算建模预测PNIs的结合位点和构象动力学，以理解其分子机制并促进核酸药物设计 | 蛋白质-核酸相互作用（PNIs） | 生物信息学 | NA | 机器学习（ML）、深度学习（DL） | NA | 蛋白质-核酸相互作用数据 | NA | NA | NA | NA | 在线平台（http://rv.agroda.cn/pni_portal） |
| 5378 | 2025-12-03 |
Profiling Cell-state Fingerprints Based on Deep Learning Model with Meta-programs of Pan-cancer
2025-Dec-02, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzaf123
PMID:41329499
|
研究论文 | 本研究基于深度学习模型StateNet，利用泛癌元程序生成细胞状态指纹，以揭示癌症细胞的共同特征和个体差异 | 开发了深度学习模型StateNet，首次基于泛癌元程序生成细胞状态指纹，用于分析癌症细胞的共享机制和个体特性 | 未明确说明模型在独立验证集上的泛化能力或计算效率的具体限制 | 研究泛癌中细胞状态的共享机制和个体差异，以开发癌症分析工具 | 159,372个细胞，来自245个细胞系，覆盖14种组织类型 | 机器学习 | 泛癌 | 单细胞RNA测序 | 深度学习模型 | 单细胞RNA测序数据 | 159,372个细胞，245个细胞系，14种组织类型 | NA | StateNet | NA | NA |
| 5379 | 2025-12-03 |
Deep-ELA: Deep Exploratory Landscape Analysis with Self-Supervised Pretrained Transformers for Single- and Multiobjective Continuous Optimization Problems
2025-Dec-01, Evolutionary computation
IF:4.6Q1
DOI:10.1162/evco_a_00367
PMID:39903851
|
研究论文 | 本文提出了一种名为Deep-ELA的混合方法，结合深度学习和探索性景观分析特征，用于单目标和多目标连续优化问题的表征 | 通过自监督预训练Transformer模型，在数百万随机生成的优化问题上学习深度表示，解决了传统ELA特征的相关性限制并扩展至多目标问题 | 未明确提及具体性能限制或数据偏差问题 | 开发一种能有效表征连续优化问题景观的混合框架，以支持算法选择、配置及问题理解等任务 | 单目标和多目标连续优化问题 | 机器学习 | NA | 探索性景观分析（ELA）、深度学习 | Transformer | 数值特征、点云数据 | 数百万随机生成的优化问题 | NA | Transformer | NA | NA |
| 5380 | 2025-12-03 |
Advancing Optical Coherence Tomography Diagnostic Capabilities: Machine Learning Approaches to Detect Autoimmune Inflammatory Diseases
2025-12-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society
IF:2.0Q2
DOI:10.1097/WNO.0000000000002322
PMID:39910704
|
研究论文 | 本研究利用机器学习方法分析光学相干断层扫描（OCT）图像，以区分自身免疫性炎症疾病、其他眼病及健康对照 | 首次应用支持向量机（SVM）模型基于OCT测量的pRNFL、GCIPL和INL层厚度，区分多种自身免疫性炎症疾病（如NMOSD、MOGAD、MS）及其他眼病与健康对照 | 样本量相对有限，特别是其他眼病组（n=16）；MS与NMOSD比较的准确率较低（0.53），模型泛化能力需进一步验证 | 评估机器学习分析OCT测量数据以区分不同自身免疫性炎症疾病、其他眼病及健康对照的可行性 | 来自Mangalore脱髓鞘疾病登记库的MS（99例患者）、NMOSD（40例）、MOGAD（74例）、其他眼病（16例）及健康对照（54例）的眼部OCT图像 | 机器学习 | 自身免疫性炎症疾病 | 光学相干断层扫描（OCT） | SVM | 图像 | MS（99例患者）、NMOSD（40例）、MOGAD（74例）、其他眼病（16例）、健康对照（54例） | NA | 支持向量机（SVM） | 准确率, AUROC | NA |