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 19351 篇文献，本页显示第 621 - 640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 621 | 2026-02-13 |
Artificial intelligence in surgical planning and outcome prediction for obstructive sleep apnea: emerging hype or the future standard?
2025-Dec-22, Journal of clinical sleep medicine : JCSM : official publication of the American Academy of Sleep Medicine
IF:3.5Q1
DOI:10.1007/s44470-025-00018-y
PMID:41678069
|
综述 | 本文评估了人工智能在阻塞性睡眠呼吸暂停的诊断、风险分层和成人手术规划中的新兴作用，并探讨了其潜在的临床价值和局限性 | 强调了人工智能在药物诱导睡眠内窥镜分析和舌下神经刺激/颌面手术结果预测中的应用，并指出深度学习模型在预测治疗反应方面优于传统临床预测因子 | 数据质量存在差异、缺乏针对儿童群体的验证、算法偏见和透明度问题仍然是重大障碍 | 评估人工智能在阻塞性睡眠呼吸暂停诊断、风险分层和手术规划中的临床价值与局限性 | 阻塞性睡眠呼吸暂停患者 | 医疗人工智能 | 阻塞性睡眠呼吸暂停 | 药物诱导睡眠内窥镜、可穿戴设备睡眠监测 | 深度学习模型 | 睡眠研究数据、生理信号、临床数据、影像数据 | NA | NA | NA | 诊断准确性、预测性能 | NA |
| 622 | 2026-02-13 |
Evaluation of the effectiveness of panoramic radiography in maxillary 3rd molars on an artificial intelligence model developed with findings obtained with cone beam computed tomography
2025-Dec-04, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-07438-5
PMID:41340110
|
研究论文 | 本研究旨在通过使用锥形束计算机断层扫描（CBCT）数据训练的深度学习模型，评估全景X线摄影（PR）图像中上颌第三磨牙与上颌窦底之间的位置关系，并比较不同深度学习架构的分类性能 | 首次利用基于CBCT数据训练的深度学习模型分析PR图像，以评估上颌第三磨牙与上颌窦底的关系，并采用多数投票融合策略整合多个模型的预测结果 | 研究仅使用了1,054张PR图像，样本量相对有限，且模型在三分类问题上的准确率（约69%）仍有提升空间 | 评估深度学习模型在全景X线摄影图像中识别上颌第三磨牙与上颌窦底位置关系的有效性，以减少对CBCT成像的依赖 | 上颌第三磨牙与上颌窦底之间的解剖关系 | 计算机视觉 | 口腔颌面疾病 | 锥形束计算机断层扫描（CBCT），全景X线摄影（PR） | CNN | 图像 | 1,054张全景X线摄影图像 | NA | VGG16, VGG19, ResNet50, ResNet101, GoogleNet | 准确率, 混淆矩阵 | NA |
| 623 | 2026-02-13 |
Deep Learning Based Evaluation of Skeletal Maturation: A Comparative Analysis of Five Hand-Wrist Methods
2025-Dec, Orthodontics & craniofacial research
IF:2.4Q2
DOI:10.1111/ocr.70008
PMID:40704688
|
研究论文 | 本研究利用深度学习算法，比较了五种手-腕骨成熟度评估方法在骨骼年龄估计中的诊断可靠性 | 首次使用YOLOv8x深度学习模型系统比较五种不同的手-腕骨成熟度评估方法在骨骼年龄估计中的性能 | 研究为回顾性分析，且仅针对8-16岁正畸患者，可能限制了结果的普适性 | 评估深度学习算法在骨骼年龄估计中的有效性，并比较不同手-腕骨成熟度评估方法的诊断可靠性 | 6572张来自8-16岁正畸患者的手-腕X光片 | 计算机视觉 | NA | 手-腕X光成像 | YOLOv8x | 图像 | 6572张手-腕X光片 | NA | YOLOv8x | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 624 | 2026-02-13 |
Hierarchical Convolution-Based Multilayer Perception for Denoising 3D MRI to Enhance Diagnostic Confidence in Cerebral Small Vessel Disease
2025-Dec, Phenomics (Cham, Switzerland)
DOI:10.1007/s43657-025-00219-8
PMID:41675272
|
研究论文 | 本文提出了一种基于分层卷积的多层感知器（HC-MLP）模型，用于去噪3D MRI图像，以提高脑小血管病的诊断置信度 | 引入MLP模块以减少纯CNN模型的偏差，结合MLP和CNN的简单结构简化训练并提升泛化能力，采用体素级输入和残差MLP结构部分解决过平滑问题 | 未明确提及模型在更广泛数据集或不同噪声类型下的泛化能力限制 | 通过去噪3D MRI图像，提升脑小血管病的诊断置信度 | 脑小血管病（CSVD）患者的3D MRI图像 | 计算机视觉 | 脑小血管病 | MRI | CNN, MLP | 3D MRI图像 | 训练和测试：UK Biobank 120例，ATLAS 120例；外部测试：29例 | 未明确提及 | HC-MLP（分层卷积多层感知器） | PSNR, SSIM, NMSE | 未明确提及 |
| 625 | 2026-02-13 |
Opportunities for AI-based Model-informed Drug Development: A Comparative Analysis of NONMEM and AI-based Models for Population Pharmacokinetic Prediction
2025-Nov-18, The AAPS journal
DOI:10.1208/s12248-025-01121-x
PMID:41254220
|
研究论文 | 本研究通过比较传统NONMEM方法与多种AI/ML模型在群体药代动力学预测中的表现，评估了AI在模型引导的药物开发中的潜力 | 首次系统比较了传统非线性混合效应模型与多种AI/ML模型（包括神经网络ODE模型）在模拟和真实临床数据集上的预测性能，并强调了AI模型在预测精度和计算效率方面的潜在优势 | 研究结果可能受限于特定数据集和模型类型，且AI模型在可解释性方面可能仍存在挑战，需要进一步验证 | 评估AI/ML方法在群体药代动力学建模中的有效性，以改进模型引导的药物开发策略 | 模拟数据集（基于二室模型生成）和真实临床数据集（来自1,770名患者的临床试验数据） | 机器学习 | NA | 群体药代动力学建模 | 机器学习模型, 深度学习模型, 神经网络ODE模型 | 临床数据 | 1,770名患者 | NA | NA | 均方根误差, 平均绝对误差, 决定系数 | NA |
| 626 | 2026-02-13 |
A personalized federated learning-based glucose prediction algorithm for high-risk glycemic excursion regions in type 1 diabetes
2025-Nov-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-22316-4
PMID:41184401
|
研究论文 | 本文提出了一种基于个性化联邦学习的血糖预测算法，专注于1型糖尿病中高风险血糖波动区域的预测 | 提出了一种新颖的Hypo-Hyper损失函数，根据血糖范围对误差进行惩罚，在极端血糖区域施加更高惩罚，并结合联邦学习框架FedGlu解决数据隐私问题 | 研究仅涉及125名患者，样本量相对有限，且未详细讨论模型在不同患者群体中的泛化能力 | 开发一种能够准确预测1型糖尿病患者高风险血糖波动区域同时保护数据隐私的机器学习模型 | 1型糖尿病患者的连续血糖监测数据 | 机器学习 | 糖尿病 | 连续血糖监测 | 深度学习模型 | 时间序列数据 | 125名患者 | 联邦学习框架 | NA | 均方误差改进百分比，血糖波动检测改进百分比 | NA |
| 627 | 2026-02-13 |
MetaChrome: An Open-Source, User-Friendly Tool for Automated Metaphase Chromosome Analysis
2025-Sep-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.02.673813
PMID:41019638
|
研究论文 | 介绍了一个名为MetaChrome的开源软件平台，用于自动化中期染色体分析和FISH信号共定位分析 | 开发了一个结合图形用户界面的开源软件，通过微调的深度学习模型实现中期染色体的自动化分割和FISH信号共定位分析，相比传统图像处理方法提高了分割精度 | 未明确说明 | 解决DNA-FISH染色体图像分析中染色体自动分割和FISH信号共定位的挑战，推进高通量染色体分析工作流程 | 中期染色体图像、染色体特异性FISH探针和免疫荧光标记蛋白 | 数字病理学 | NA | DNA荧光原位杂交(FISH)、高通量成像(HTI) | 深度学习模型 | 图像 | NA | NA | Cellpose | 分割精度 | NA |
| 628 | 2026-02-13 |
Reconstruction of total-body multi parametric images with shortened-duration dynamic [68Ga]Ga-PSMA-11 and [68Ga]Ga-FAPI-04 PET scans
2025-Sep-02, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adfe33
PMID:40840511
|
研究论文 | 本研究利用深度学习技术，从缩短至20分钟的全身动态PET扫描中重建多参数图像 | 提出了一种结合动态PET帧预测、参数线性拟合和生成对抗网络的深度学习框架，首次实现了从20分钟动态PET数据重建[68Ga]Ga-PSMA-11和[68Ga]Ga-FAPI-04的多参数图像，将扫描时间从1小时以上大幅缩短至20分钟 | 研究样本量相对较小（49名受试者），且仅针对两种特定示踪剂（[68Ga]Ga-FAPI-04和[68Ga]Ga-PSMA-11）进行了验证，未涵盖其他PET示踪剂或更广泛的临床场景 | 开发一种基于深度学习的图像重建方法，以缩短动态PET扫描时间，减少患者不适、运动伪影和成本 | 49名接受全身动态PET扫描的受试者（18名使用[68Ga]Ga-FAPI-04示踪剂，31名使用[68Ga]Ga-PSMA-11示踪剂） | 医学影像分析 | 前列腺癌 | 动态正电子发射断层扫描（PET），[68Ga]Ga-PSMA-11和[68Ga]Ga-FAPI-04示踪剂成像 | 生成对抗网络（GAN） | 动态PET图像序列 | 49名受试者（18名[68Ga]Ga-FAPI-04，31名[68Ga]Ga-PSMA-11） | NA | GAN | 峰值信噪比（PSNR），结构相似性指数（SSIM），皮尔逊相关系数（PCC） | NA |
| 629 | 2026-02-13 |
mmWave Radar for Sit-to-Stand Analysis: A Comparative Study With Wearables and Kinect
2025-Sep, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3548092
PMID:40042953
|
研究论文 | 本研究探讨了使用毫米波雷达技术分析坐立动作的新方法，旨在开发一种非接触式、保护隐私且可全天候运行的医疗保健解决方案 | 首次将毫米波雷达技术应用于坐立动作分析，并与可穿戴设备和Kinect进行对比研究，提出了一种非接触式、隐私保护的解决方案 | 毫米波雷达在精细动作分析方面仍存在挑战，且未与金标准VICON系统进行验证，计划未来进行验证 | 开发用于医疗保健应用的非接触式、隐私保护且全天候运行的坐立动作分析系统，以进行跌倒风险评估 | 45名参与者执行坐立动作 | 机器学习和计算机视觉 | 老年疾病 | 毫米波雷达技术，深度学习姿态估计模型，逆运动学 | 深度学习姿态估计模型 | 雷达点云数据 | 45名参与者 | NA | NA | NA | NA |
| 630 | 2026-02-13 |
Automated Whole-Brain Focal Cortical Dysplasia Detection Using MR Fingerprinting With Deep Learning
2025-Jun-10, Neurology
IF:7.7Q1
DOI:10.1212/WNL.0000000000213691
PMID:40378378
|
研究论文 | 本研究开发了一种基于磁共振指纹成像和深度学习的全脑局灶性皮质发育不良检测框架 | 首次将磁共振指纹成像与深度学习结合用于全脑局灶性皮质发育不良的自动化检测，利用单次扫描获取的多参数特征 | 样本量相对较小（40名患者和67名健康对照），且未在独立外部数据集上进行验证 | 开发一种基于磁共振指纹成像的深度学习框架，用于全脑局灶性皮质发育不良的检测 | 药物难治性局灶性癫痫患者（包括FCD IIa、IIb、mMCD、MOGHE亚型）和年龄性别匹配的健康对照 | 数字病理学 | 癫痫 | 磁共振指纹成像（MRF）、临床MRI扫描 | 深度学习 | 图像 | 40名局灶性皮质发育不良患者和67名健康对照 | NA | U-Net | 灵敏度、假阳性数、病变标签重叠度 | NA |
| 631 | 2026-02-13 |
Explainable paroxysmal atrial fibrillation diagnosis using an artificial intelligence-enabled electrocardiogram
2025-03, The Korean journal of internal medicine
DOI:10.3904/kjim.2024.130
PMID:39987899
|
研究论文 | 本研究开发了一种基于人工智能的心电图算法，用于从正常窦性心律中预测阵发性心房颤动的早期发作 | 利用深度学习模型从正常窦性心律的心电图中预测一个月内房颤发作，并采用可解释AI技术揭示模型决策的关键心电图特征 | 研究未明确说明模型在不同人群或临床环境中的泛化能力，且数据来源于特定时间段（2013-2020年），可能影响时效性 | 开发可靠的人工智能算法，通过12导联心电图检测正常窦性心律患者中房颤的早期迹象 | 阵发性心房颤动患者及正常窦性心律患者 | 机器学习 | 心血管疾病 | 12导联心电图 | 深度神经网络 | 心电图信号 | 552,372条心电图轨迹，来自318,321名患者 | NA | 深度神经网络 | AUROC | NA |
| 632 | 2026-02-13 |
Improved attention-based PCNN with GhostNet for epilepsy seizure detection using EEG and fMRI modalities: extractive pattern and histogram feature set
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1679218
PMID:41613820
|
研究论文 | 本文提出了一种增强的混合并行卷积-GhostNet框架（HPG-ESD），用于利用多模态EEG和fMRI数据进行癫痫发作检测 | 提出了一种结合改进注意力机制的并行卷积网络（IAPCNet）和GhostNet的软投票混合并行卷积-GhostNet（S-HPCGN）模型，以捕获互补的时空模式 | 未明确提及研究的局限性 | 提高癫痫发作检测的准确性和可解释性 | 儿科头皮EEG记录和静息态fMRI扫描 | 机器学习 | 癫痫 | EEG信号处理，fMRI扫描 | CNN, GhostNet | EEG信号，fMRI图像 | 24名受试者的EEG数据（CHB-MIT数据集）和52名参与者的fMRI数据（UNAM TLE数据集） | NA | IAPCNet, GhostNet | 准确率, 精确率, 灵敏度 | NA |
| 633 | 2025-12-28 |
From lesion detection to outcome prediction: artificial intelligence and deep learning applications in multiple sclerosis
2025-Dec-27, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology
IF:2.7Q3
DOI:10.1007/s10072-025-08661-2
PMID:41454173
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 634 | 2026-02-12 |
Comparative Performance Evaluation of Federated and Centralized Learning for Velum and OTE Segmentation in Sleep Endoscopy Images
2025-Dec-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01756-4
PMID:41331654
|
研究论文 | 本研究系统比较了集中式学习与联邦学习在睡眠内镜图像中软腭和OTE区域语义分割的性能 | 首次在多机构睡眠内镜视频数据上系统比较集中式学习与联邦学习在气道结构分割任务中的性能差异 | 两种模型在模糊边界和舌根解剖变异区域的分割仍存在困难，联邦学习性能显著低于集中式学习 | 评估不同学习范式在睡眠内镜图像分割中的性能差异，为临床气道分析提供深度学习模型基础 | 药物诱导睡眠内镜图像中的软腭及口咽-舌根-会厌复合体区域 | 计算机视觉 | 阻塞性睡眠呼吸暂停 | 药物诱导睡眠内镜检查 | CNN | 视频图像 | 多机构睡眠内镜视频数据 | NA | NA | 精确率, 召回率, 准确率, Dice相似系数 | NA |
| 635 | 2026-02-12 |
Nanocarrier imaging at single-cell resolution across entire mouse bodies with deep learning
2025-Dec, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-024-02528-1
PMID:39809933
|
研究论文 | 本研究提出了一种名为SCP-Nano的集成实验与深度学习流程，用于在单细胞分辨率下全面量化纳米载体在小鼠全身的靶向分布 | 开发了SCP-Nano方法，首次实现了在单细胞分辨率下对纳米载体在小鼠全身分布的全面三维映射，其检测灵敏度远高于传统全身成像技术 | 该方法目前仅在小鼠模型中进行验证，尚未应用于人体或更复杂的生物系统 | 开发高效准确的方法以分析纳米载体在生物体内的细胞水平生物分布，加速靶向药物递送系统的研发 | 小鼠体内的纳米载体，包括脂质纳米颗粒、脂质体、多聚复合物、DNA折纸和腺相关病毒 | 数字病理学 | NA | 单细胞分辨率成像，深度学习分析 | 深度学习模型 | 三维成像数据 | 小鼠模型 | NA | NA | 灵敏度 | NA |
| 636 | 2026-02-12 |
CCLR-DL: A novel statistics and deep learning hybrid method for feature selection and forecasting healthcare demand
2025-12, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109057
PMID:40929936
|
研究论文 | 本文提出了一种结合统计方法和深度学习的混合框架CCLR-DL，用于特征选择和医疗需求预测 | CCLR-DL框架首次将因果统计选择与神经预测相结合，相比现有混合方法，在提升预测准确性的同时增强了模型的可解释性 | 未明确讨论模型在其他数据集或医疗场景中的泛化能力，以及计算复杂度可能较高 | 开发一种混合预测方法，以克服传统统计方法和深度学习模型的局限性，提高医疗需求预测的准确性和可解释性 | 临床就诊和诊断数据的时间序列，用于预测医疗需求 | 机器学习 | NA | 交叉相关分析、滞后多元线性回归、格兰杰因果检验 | 深度学习模型，具体包括BiLSTM | 时间序列数据 | 630万个体，数据收集时间跨度为10年 | NA | 双向长短期记忆单元（BiLSTM） | 均方根误差（RMSE） | NA |
| 637 | 2026-02-12 |
The Use of DeepQSAR Models for the Discovery of Peptides with Enhanced Antimicrobial and Antibiofilm Potential
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02138
PMID:41195811
|
研究论文 | 本研究利用基于循环神经网络的DeepQSAR模型预测广谱抗菌肽活性，并设计出具有增强抗菌和抗生物膜潜力的新型肽 | 首次将DeepQSAR模型应用于抗菌肽的发现，成功设计出在抗菌和抗生物膜活性上均优于已知肽IDR-1018的新型肽序列 | 模型预测性能依赖于有限的训练数据量，且实验验证仅针对部分设计肽进行，未进行大规模体内外功能验证 | 开发基于深度学习的定量构效关系模型，以加速具有广谱抗菌和抗生物膜活性的新型抗菌肽的发现 | 抗菌肽（AMPs）及其衍生物 | 机器学习 | 细菌感染 | 定量构效关系（QSAR） | 循环神经网络（RNN） | 分子描述符数据 | 训练数据量未明确说明，但提及随着可用AMP训练数据增加而提升模型性能；设计了100个新型肽，其中44个进行了实验验证 | 未明确说明 | 基于循环神经网络的QSAR模型 | 5折交叉验证准确率 | NA |
| 638 | 2026-02-12 |
Current Research and Development in the Field of Magnetic Resonance Contrast Media
2025-Nov-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001206
PMID:40622723
|
综述 | 本文讨论了下一代高弛豫率钆基对比剂的研究进展，包括安全性研究、MR技术改进以及新型对比剂的开发 | 重点关注下一代钆基对比剂（如gadopiclenol和gadoquatrane）可能取代现有标准，并重新探索锰基化合物在临床MR对比剂中的应用 | 锰基化合物的临床影像潜力尚不明确，且关于钆基对比剂稳定性的新信息仍在不断涌现 | 综述磁共振对比剂领域的最新研究与发展 | 钆基对比剂（包括线性和大环螯合物）、锰基化合物 | 医学影像 | NA | 磁共振成像（MRI） | NA | NA | NA | NA | NA | NA | NA |
| 639 | 2026-02-12 |
VISTA Uncovers Missing Gene Expression and Spatial-induced Information for Spatial Transcriptomic Data Analysis
2025-Oct-07, Research square
DOI:10.21203/rs.3.rs-7564369/v1
PMID:41282090
|
研究论文 | 本文提出了一种名为VISTA的新方法，用于预测空间转录组学数据中未观测基因的表达水平 | VISTA首次结合变分推断和几何深度学习，联合建模单细胞RNA-seq数据和空间转录组学数据，并引入不确定性量化 | NA | 解决空间转录组学技术中基因表达谱覆盖范围有限的问题，提升空间转录组数据的分析能力 | 空间转录组学数据 | 机器学习 | NA | 单细胞RNA-seq, 空间转录组学 | 几何深度学习 | 基因表达数据, 空间数据 | 四个空间转录组学数据集 | NA | NA | 时间效率, 内存消耗 | NA |
| 640 | 2026-02-12 |
Fusion of habitat analysis and deep learning on contrast-enhanced T1-weighted imaging for predicting Ki-67 status in pediatric brain tumors
2025-Sep-27, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery
DOI:10.1007/s00381-025-06934-x
PMID:41014337
|
研究论文 | 本研究通过融合生境分析和深度学习技术，基于对比增强T1加权成像预测儿童脑肿瘤的Ki-67状态 | 首次将肿瘤生境分析与深度学习特征融合，用于量化儿童脑肿瘤的瘤内异质性并预测Ki-67指数 | 回顾性研究设计，样本量较小（140例），且仅基于单一成像模态（CE-T1WI） | 预测儿童脑肿瘤的Ki-67指数，以指导治疗和评估患者预后 | 儿童脑肿瘤患者 | 数字病理学 | 脑肿瘤 | 对比增强T1加权成像（CE-T1WI） | 随机森林 | 医学图像 | 140例儿童患者 | Scikit-learn | 随机森林 | AUC | NA |