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 19270 篇文献，本页显示第 6601 - 6620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6601 | 2025-10-24 |
Understanding the Impact of Seasonal Weather Dynamics on Rice Disease Occurrence Using Neural Networks: A Case Study of Panicle Blast and Grain Rot
2025-Oct, Phytopathology
IF:2.6Q2
DOI:10.1094/PHYTO-01-25-0004-FI
PMID:40586730
|
研究论文 | 本研究利用长短期记忆神经网络分析季节性天气动态对水稻穗瘟病和谷粒腐病发生的影响 | 首次提出仅基于气象数据的数据驱动方法，通过梯度分析揭示气象变量与病害发生的隐藏关系及时态动态 | 模型测试准确率相对较低（PB 64.9%，GR 68.0%），且依赖充足的数据支持 | 探究季节性天气动态对水稻病害发生的影响机制 | 水稻穗瘟病和谷粒腐病 | 机器学习 | 水稻病害 | 气象数据分析 | LSTM | 时间序列数据 | 180天的七种气象变量时间序列数据 | NA | 长短期记忆网络 | 准确率 | NA |
| 6602 | 2025-10-24 |
Neural networks to estimate multiple sclerosis disability and predict progression using routinely collected healthcare data
2025-Oct, Multiple sclerosis (Houndmills, Basingstoke, England)
DOI:10.1177/13524585251347513
PMID:40607660
|
研究论文 | 本研究利用常规收集的医疗保健数据开发神经网络算法，用于评估多发性硬化症相关残疾并预测其进展 | 首次将深度学习与生存分析相结合，使用行政数据估计EDSS评分并预测疾病进展风险 | 研究基于意大利坎帕尼亚地区的行政数据，可能限制结果的普适性 | 填补行政数据集中缺乏多发性硬化症残疾评估的空白，支持人群水平估计和医疗规划 | 多发性硬化症患者群体 | 机器学习 | 多发性硬化症 | 深度学习，生存分析 | 神经网络，混合模型 | 行政医疗数据 | 意大利坎帕尼亚地区2015-2021年多发性硬化症患者群体数据 | NA | 深度学习架构，生存分析混合模型 | 准确率，精确率，F1分数，预测性能 | NA |
| 6603 | 2025-10-24 |
Generalized deep learning for histopathology image classification using supervised contrastive learning
2025-Sep, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2024.11.013
PMID:39551131
|
研究论文 | 本研究提出了一种名为HistopathAI的混合网络，利用监督对比学习和混合深度特征融合技术来提升组织病理学图像分类的准确性 | 结合监督对比学习(SCL)和混合深度特征融合(HDFF)，采用从特征学习到分类器学习的顺序方法，在数据不平衡场景下仍能实现卓越性能 | NA | 提高组织病理学图像分类的准确性和诊断效率，支持数字病理学转型 | 组织病理学图像 | 数字病理学 | 癌症 | 组织病理学图像分析 | 深度学习, CNN | 图像 | 七个公开数据集和一个私有数据集 | NA | EfficientNetB3, ResNet50 | 准确率 | NA |
| 6604 | 2025-10-24 |
Full dimensional dynamic 3D convolution and point cloud in pulmonary nodule detection
2025-Sep, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2024.11.033
PMID:39617261
|
研究论文 | 提出一种名为ODR3DNet的新型肺结节检测方法，结合全维度动态3D卷积和点云机器学习算法 | 引入全维度动态3D卷积技术，开发专门针对肺部3D点云数据的机器学习检测算法 | 未明确说明研究的具体局限性 | 提升肺结节检测的准确性和适应性，克服传统3D CNN的局限性 | 肺部结节 | 计算机视觉 | 肺癌 | 深度学习，3D点云处理 | 3D CNN | 3D点云数据，医学影像 | NA | NA | ODR3DNet，Omni-dimension Dynamic Residual 3D Net | CPM | NA |
| 6605 | 2025-10-24 |
Evaluating the dosimetric and positioning accuracy of a deep learning based synthetic-CT model for liver radiotherapy treatment planning
2025-Apr-11, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adc818
PMID:40174606
|
研究论文 | 评估基于深度学习的合成CT模型在肝癌放射治疗计划中的剂量学和定位准确性 | 首个在剂量学和患者定位两方面验证肝癌合成CT模型的研究，展示了仅使用MRI工作流程的可行性 | 样本量较小（11名患者），需进一步扩大验证规模 | 验证深度学习生成的合成CT在肝癌放射治疗中的剂量计算和定位准确性 | 肝癌患者放射治疗计划 | 医学影像分析 | 肝癌 | MRI, 合成CT生成, 4D CBCT | CycleGAN | 医学影像（MRI, CT, CBCT） | 11名患者 | NA | CycleGAN | 剂量差异百分比, 平移差异, 旋转差异, DVH分析 | NA |
| 6606 | 2025-10-23 |
Guideline-driven clinical decision support for colonoscopy patients using the hierarchical multi-label deep learning method
2025-Oct-20, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003469
PMID:40405345
|
研究论文 | 开发基于分层多标签深度学习方法的结肠镜检查临床决策支持系统 | 采用分层多标签可解释分类框架和最新基于Transformer的预训练模型，实现结肠镜检查报告的高精度语义识别 | 研究仅基于中文语料库，需要在更多医疗机构验证系统通用性 | 建立指南驱动的自动临床决策支持系统以减轻医疗负担并规范医疗保健 | 结肠镜检查患者的电子报告 | 自然语言处理 | 结直肠癌 | 自然语言处理，深度学习 | Transformer | 文本 | 初始数据集302,965份电子结肠镜报告，精选2,041条患者记录用于训练测试，外部验证包含3,177例连续结肠镜检查病例 | BERT, ERNIE | BERT-base-Chinese, BERT-wwm-ext-Chinese, ERNIE-3.0-base-zh | 准确率, Macro-F1分数 | NA |
| 6607 | 2025-10-23 |
Artificial intelligence for multi-time-point arterial phase contrast-enhanced MRI profiling to predict prognosis after transarterial chemoembolization in hepatocellular carcinoma
2025-Oct, La Radiologia medica
DOI:10.1007/s11547-025-02043-6
PMID:40707767
|
研究论文 | 开发基于多时间点动脉期增强MRI和人工智能的预后分层模型，用于预测肝细胞癌患者经动脉化疗栓塞术后的预后 | 首次将Swin Transformer架构应用于多时间点动脉期增强MRI数据，实现肝细胞癌TACE治疗后的四分类预后分层 | 回顾性研究设计，样本量相对有限（181例患者） | 开发AI模型用于肝细胞癌TACE治疗后的预后预测 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 对比增强磁共振成像 | 深度学习 | 医学影像 | 181例肝细胞癌患者的543次动脉期CE-MRI扫描 | NA | ProgSwin-UNETR, Swin Transformer | AUC, 准确率 | NA |
| 6608 | 2025-10-23 |
Deep learning-driven incidental detection of vertebral fractures in cancer patients: advancing diagnostic precision and clinical management
2025-Oct, La Radiologia medica
DOI:10.1007/s11547-025-02058-z
PMID:40751896
|
研究论文 | 本研究评估了基于深度学习的应用在癌症患者椎体压缩骨折 incidental 检测中的诊断性能 | 开发了深度学习应用来辅助检测癌症患者中常被漏诊的椎体压缩骨折，显著提高了诊断精确度 | 回顾性研究设计，假阳性病例包括硬化性椎体转移瘤、脊柱侧弯和椎体识别错误 | 评估深度学习应用在降低高风险癌症人群 incidental 椎体骨折漏诊率的潜力 | 1556例IV期癌症患者的胸腹盆腔CT扫描 | 医学影像分析 | 骨质疏松性椎体骨折 | CT扫描 | 深度学习 | 医学影像 | 1556例IV期癌症患者的TAP CT扫描 | NA | NA | 阳性预测值 | NA |
| 6609 | 2025-10-23 |
The Application of Artificial Intelligence in Spine Surgery: A Scoping Review
2025-Apr-01, Journal of the American Academy of Orthopaedic Surgeons. Global research & reviews
DOI:10.5435/JAAOSGlobal-D-24-00405
PMID:40239218
|
综述 | 本范围综述系统分析了人工智能在脊柱外科领域的应用现状和发展趋势 | 首次对2020-2024年间AI在脊柱外科应用的文献进行全面梳理，明确了当前研究重点和空白领域 | 仅纳入PubMed和EMBASE数据库文献，单中心研究占比高(72/105)，大样本研究较少(仅27/105研究样本量>1000) | 系统评估人工智能技术在脊柱外科领域的应用范围和发展现状 | 脊柱外科相关的医学研究文献 | 医疗人工智能 | 脊柱疾病 | 监督学习 | 机器学习,深度学习 | 医学图像,临床数据 | 105项研究，其中27项样本量超过1000例患者 | NA | NA | NA | NA |
| 6610 | 2025-10-23 |
RESPAN: A Deep Learning Pipeline for Accurate and Automated Restoration, Segmentation, and Quantification of Dendritic Spines
2025-Feb-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.06.597812
PMID:38895232
|
研究论文 | 开发了一个名为RESPAN的深度学习流程，用于准确自动地恢复、分割和量化树突棘 | 集成最先进的深度学习技术进行图像恢复、分割和分析，通过内容感知恢复增强信号、对比度和各向同性分辨率 | NA | 开发自动化树突棘量化工具以研究突触连接性 | 树突棘、树突分支和神经元胞体 | 计算机视觉 | NA | 活体成像、体内双光子显微镜 | 深度学习 | 图像 | NA | NA | NA | 准确度、可重复性 | NA |
| 6611 | 2025-10-19 |
Predictive Value of Social Determinants of Health on 90-Day Readmission and Health Utilization Following ACDF: A Comparative Analysis of XGBoost, Random Forest, Elastic-Net, SVR, and Deep Learning
2025-Nov, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682251332556
PMID:40173192
|
研究论文 | 本研究评估社会健康决定因素对前路颈椎间盘切除融合术患者90天再入院和医疗资源利用的预测价值 | 首次应用机器学习方法评估社会健康决定因素在ACDF手术预后中的作用 | 依赖单一医疗系统数据和使用代理SDH测量指标 | 评估社会健康决定因素对ACDF患者术后90天再入院和医疗资源利用的预测能力 | 3127名接受前路颈椎间盘切除融合术的患者 | 机器学习 | 颈椎疾病 | 社会脆弱性指数评估 | XGBoost, Random Forest, Elastic-Net, SVR, Deep Learning | 临床和人口统计学数据 | 3127名ACDF患者(2003-2023年) | NA | 平衡随机森林, 支持向量回归 | AUC, MAE | NA |
| 6612 | 2025-10-19 |
"Frustratingly easy" domain adaptation for cross-species transcription factor binding prediction
2025-Aug-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.21.655414
PMID:40501927
|
研究论文 | 提出一种名为MORALE的简单而有效的领域自适应框架，用于跨物种转录因子结合预测 | 通过对齐跨物种序列嵌入的统计矩，无需对抗训练或复杂架构即可学习物种不变调控特征 | NA | 提高深度学习模型在跨物种转录因子结合预测中的泛化能力 | 多物种转录因子ChIP-seq数据集 | 机器学习 | NA | ChIP-seq | 深度学习 | DNA序列数据 | NA | NA | NA | 准确率 | NA |
| 6613 | 2025-10-19 |
NeuroLens: organ localization using natural language commands for anatomical recognition in surgical training
2025-Aug, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03463-5
PMID:40555837
|
研究论文 | 介绍NeuroLens多模态系统，通过整合视频与文本语音输入增强手术训练中的解剖结构识别能力 | 开发了结合视频与自然语言命令的多模态深度学习定位系统，为手术训练提供交互式学习平台 | 样本量较小限制了结果的普适性 | 增强手术训练中的解剖结构识别能力 | 手术学员和执业外科医生 | 计算机视觉 | 神经系统疾病 | 神经内窥镜视频分析 | 深度学习定位模型 | 视频,文本,语音 | 5名参与者（手术学生和执业外科医生） | NA | NA | 准确率,平均交并比(mIoU),系统可用性量表(SUS) | NA |
| 6614 | 2025-10-15 |
Biomolecular Interaction Prediction: The Era of AI
2025-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202509501
PMID:40671265
|
综述 | 本文全面综述了深度学习在生物分子相互作用预测中的应用及其对药物发现的推动作用 | 系统总结了利用序列数据、结构信息和功能注释等多种特征来增强生物分子相互作用预测的深度学习算法 | NA | 提升生物分子相互作用预测的准确性以促进药物发现和分子生物学研究 | 蛋白质、核酸和小分子等各类靶分子 | 机器学习 | NA | 深度学习 | NA | 序列数据、结构信息、功能注释 | NA | NA | NA | NA | NA |
| 6615 | 2025-10-15 |
DeepSecMS Advances DIA-Based Selenoproteome Profiling Through Cys-to-Sec Proxy Training
2025-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202504109
PMID:40693414
|
研究论文 | 本研究开发了DeepSecMS方法，通过基于半胱氨酸的代理训练策略提升基于DIA的硒蛋白组分析能力 | 提出基于深度学习的代理训练策略，利用大量半胱氨酸肽段数据预测稀有硒代半胱氨酸肽段特征 | 硒代半胱氨酸在蛋白质组中极为稀有，可能影响模型对极罕见硒蛋白的识别能力 | 开发新型计算方法以增强硒蛋白组的全面分析能力 | 人类硒蛋白组中的硒代半胱氨酸肽段 | 机器学习 | NA | 数据非依赖采集质谱，深度学习 | 深度学习 | 质谱数据，肽段序列 | 大规模半胱氨酸肽段数据集 | NA | NA | MS2预测准确率，保留时间预测，离子迁移率预测 | NA |
| 6616 | 2025-10-15 |
Generating human facial animation by aggregation deep network and low-rank active learning with table tennis applications
2025-Aug-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-13779-6
PMID:40750813
|
研究论文 | 提出一种基于情感语音生成逼真人脸动画的新方法，应用于乒乓球直播场景 | 结合深度网络聚合与低秩主动学习，通过声学特征识别音素-情感组合并选择关键面部帧 | NA | 开发能够实时生成与语音和情感表达高度匹配的面部动画技术 | 人脸动画生成 | 计算机视觉 | NA | 主动学习、形变技术 | 深度学习 | 语音信号、视频帧 | NA | NA | NA | NA | iOS和Android移动操作系统 |
| 6617 | 2025-10-15 |
Structural similarities reveal an expansive conotoxin family with a two-finger toxin fold
2025-Jul-05, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.03.662903
PMID:40631153
|
研究论文 | 通过结构生物信息学方法揭示六个芋螺毒素超家族具有共同的进化起源和双指毒素折叠结构 | 首次发现六个序列同源性低的芋螺毒素超家族具有共同的双指毒素折叠结构，并识别出广泛存在于原口动物中的2FTX蛋白家族 | 基于结构相似性的进化推断仍需更多实验验证 | 研究芋螺毒素的结构特征和进化关系 | 芋螺毒素超家族和原口动物分泌蛋白 | 结构生物信息学 | NA | NMR结构解析, 深度学习结构预测, 结构比较分析 | 深度学习 | 蛋白质序列和结构数据 | 六个芋螺毒素超家族和多种原口动物蛋白质 | NA | NA | 结构相似性 | NA |
| 6618 | 2025-10-15 |
AI-enabled CT-guided end-to-end quantification of total cardiac activity in 18FDG cardiac PET/CT for detection of cardiac sarcoidosis
2025-Jun, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2025.102195
PMID:40127777
|
研究论文 | 开发基于深度学习的全自动管道，通过CT衰减图分割心脏结构并量化18F-FDG PET活动以检测心脏结节病 | 首次提出基于CT衰减图的全自动深度学习分割方法用于心脏FDG PET定量分析 | 样本量较小（69例患者），需更大规模验证 | 开发自动化方法量化心脏FDG PET活动以改善心脏结节病检测 | 疑似心脏结节病患者 | 数字病理学 | 心脏结节病 | PET/CT成像, 18F-FDG PET | 深度学习 | 医学影像（CT和PET图像） | 69例患者（29例确诊心脏结节病） | NA | NA | AUC, 敏感性, 特异性 | NA |
| 6619 | 2025-10-15 |
Correction: Zafar et al. Skin Lesion Analysis and Cancer Detection Based on Machine/Deep Learning Techniques: A Comprehensive Survey. Life 2023, 13, 146
2025-Feb-18, Life (Basel, Switzerland)
DOI:10.3390/life15020316
PMID:40003734
|
correction | 对已发表论文《基于机器/深度学习技术的皮肤病变分析和癌症检测：全面综述》的更正说明 | NA | NA | NA | NA | digital pathology | skin cancer | NA | NA | NA | NA | NA | NA | NA | NA |
| 6620 | 2025-06-10 |
Re: Using Deep Learning To Differentiate Among Histology Renal Tumor Types in Computed Tomography Scans
2025-Nov, European urology
IF:25.3Q1
DOI:10.1016/j.eururo.2025.05.028
PMID:40484756
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |