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 661 - 680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 661 | 2026-02-11 |
Deep learning-based multimodal CT/MRI image fusion and segmentation strategies for surgical planning of oral and maxillofacial tumors: A pilot study
2025-10, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2025.102324
PMID:40174752
|
研究论文 | 本研究评估了基于深度学习的多模态CT/MRI图像融合与分割策略在口腔颌面部肿瘤手术规划中的可行性和准确性 | 结合三种图像融合模型（Elastix、ANTs、NiftyReg）和三种分割模型（nnU-Net、3D UX-Net、U-Net），构建了九种混合深度学习模型，用于口腔颌面部肿瘤的自动多模态图像融合与分割 | 研究为试点研究，样本量较小（30例患者），且未在外部验证集上进行测试 | 评估深度学习模型在口腔颌面部肿瘤手术规划中多模态CT/MRI图像融合与分割的可行性和准确性 | 口腔颌面部肿瘤患者 | 数字病理学 | 口腔颌面部肿瘤 | 增强CT扫描、MRI扫描 | 深度学习模型 | CT图像、MRI图像 | 30例口腔颌面部肿瘤患者 | NA | nnU-Net, 3D UX-Net, U-Net | 融合指数（FI）、Dice相似系数（Dice）、95% Hausdorff距离（HD95）、平均表面距离（MSD）、精确率（precision）、召回率（recall） | NA |
| 662 | 2026-02-11 |
Attention-based deep learning network for predicting World Health Organization meningioma grade and Ki-67 expression based on magnetic resonance imaging
2025-Aug-20, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11958-7
PMID:40836018
|
研究论文 | 本研究开发了一种基于注意力机制的深度学习网络，用于基于术前磁共振成像预测脑膜瘤的WHO分级和Ki-67表达 | 提出了一种全自动的注意力增强深度学习网络，结合了nn-Unet分割和2.5D分类模型（ResNet50和Swin Transformer），以非侵入方式准确预测脑膜瘤分级和Ki-67表达 | 研究为回顾性设计，可能存在选择偏倚；外部验证集规模有限；未在所有临床场景中进行前瞻性验证 | 开发自动化深度学习模型，用于术前无创评估脑膜瘤的WHO分级和Ki-67表达，以指导个性化治疗 | 脑膜瘤患者 | 数字病理学 | 脑膜瘤 | 磁共振成像 | CNN, Transformer | 图像 | 952名脑膜瘤患者（训练集542例，内部验证集96例，外部测试集314例） | NA | nn-Unet, ResNet50, Swin Transformer | Dice系数, AUC | NA |
| 663 | 2026-02-11 |
Assessing the potential of deep learning for protein-ligand docking
2025-Aug-12, ArXiv
PMID:38827451
|
研究论文 | 本文介绍了PoseBench，首个用于蛋白质-配体对接的全面基准测试，旨在评估深度学习方法在预测蛋白质结构、多配体结合及未知结合口袋场景下的性能 | 首次系统研究深度学习方法在预测（apo）蛋白质结构、多配体并发结合及无先验结合口袋知识三种实际场景下的表现，并引入首个多配体基准数据集 | 深度学习方法在预测新颖蛋白质-配体结合构象时仍面临挑战，且在结构准确性与化学特异性之间难以平衡 | 评估深度学习方法在蛋白质-配体对接中的实际应用潜力，特别是在药物发现和酶设计等生物医学研究领域 | 蛋白质-配体对接方法，包括深度学习和传统算法 | 机器学习 | NA | 深度学习 | 深度学习模型 | 蛋白质结构数据，配体数据 | NA | NA | AlphaFold 3 | 结构准确性，化学特异性 | NA |
| 664 | 2026-02-11 |
Multi-scale structural similarity embedding search across entire proteomes
2025-Mar-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.28.640875
PMID:40093062
|
研究论文 | 提出了一种可扩展的结构相似性搜索策略，用于处理大规模三维生物分子结构数据 | 利用蛋白质语言模型和深度神经网络将三维结构转换为固定长度向量，实现高效的大规模结构比较，并能泛化至全长多肽链和多聚体组装 | NA | 开发可扩展且高效的结构相似性搜索方法，以应对人工智能/深度学习预测带来的三维生物分子结构信息快速增长 | 实验确定的结构和AI/DL方法预测的计算结构模型 | 机器学习 | NA | 蛋白质语言模型, 深度神经网络 | 深度神经网络 | 三维结构数据 | NA | NA | NA | TM-score | NA |
| 665 | 2026-02-11 |
Integrating blockchain technology with artificial intelligence for the diagnosis of tibial plateau fractures
2025-Feb-21, European journal of trauma and emergency surgery : official publication of the European Trauma Society
IF:1.9Q2
DOI:10.1007/s00068-025-02793-y
PMID:39984717
|
研究论文 | 本研究评估了整合区块链技术与人工智能的先进诊断模型在急诊环境中识别胫骨平台骨折的可行性和有效性 | 首次将区块链技术与深度学习结合，构建了一个用于胫骨平台骨折检测的分布式网络，实现了无需数据出院的模型训练和参数聚合 | 研究仅在三家独立医院收集图像进行训练和验证，样本来源和多样性可能有限 | 评估整合区块链与人工智能的模型在急诊环境中安全、协作诊断胫骨平台骨折的临床价值 | 胫骨平台骨折患者的医学影像 | 计算机视觉 | 骨科创伤 | 深度学习 | CNN | 图像 | 来自三家独立医院的影像数据，具体数量未明确说明 | NA | YOLOv8n | 准确率, 灵敏度, 特异性, F1分数, AUC | NA |
| 666 | 2026-02-11 |
Impact of deep learning on pediatric elbow fracture detection: a systematic review and meta-analysis
2025-Feb-20, European journal of trauma and emergency surgery : official publication of the European Trauma Society
IF:1.9Q2
DOI:10.1007/s00068-025-02779-w
PMID:39976732
|
系统综述与荟萃分析 | 本研究系统评估了深度学习模型在检测儿童肘部骨折中的性能 | 首次对深度学习模型在儿童肘部骨折检测中的表现进行系统综述与荟萃分析，并强调了预处理技术和模型骨干架构对性能的影响 | 仅纳入了6项符合标准的研究，样本量有限，可能存在发表偏倚 | 评估深度学习模型在儿童肘部骨折检测中的诊断性能 | 0至16岁儿童的肘部骨折 | 计算机视觉 | 儿童肘部骨折 | 深度学习 | 深度学习模型 | 医学影像数据（如X光片） | NA | NA | ResNet | 灵敏度, 特异度, AUC | NA |
| 667 | 2026-02-11 |
Retinal vascular alterations in cognitive impairment: A multicenter study in China
2025-Feb, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.14593
PMID:39988572
|
研究论文 | 本研究通过多中心研究，利用深度学习模型分析认知障碍患者的视网膜血管变化，探索其作为认知功能下降生物标志物的潜力 | 首次在东亚三个地区（上海、香港、宁夏）开展多中心研究，利用VC-Net深度学习模型分割视网膜动静脉网络并提取36个血管特征，发现认知障碍患者血管结构显著改变 | 样本量相对较小（共440名参与者），需要更大规模队列验证，且未深入探讨潜在机制 | 研究认知障碍患者的视网膜血管变化，探索其作为阿尔茨海默病诊断生物标志物的可能性 | 轻度认知障碍（MCI）或阿尔茨海默病（AD）患者及健康对照者 | 数字病理学 | 阿尔茨海默病 | 视网膜成像 | 深度学习 | 图像 | 440名参与者（176名MCI/AD患者，264名对照） | NA | VC-Net | NA | NA |
| 668 | 2026-02-10 |
Recent Advances in Spectroscopy and Imaging Techniques for Nondestructive Detection of Meat Quality and Safety
2025-Dec, Food science & nutrition
IF:3.5Q2
DOI:10.1002/fsn3.71303
PMID:41356232
|
综述 | 本文综述了光谱和成像技术在无损检测肉类品质与安全方面的最新进展，包括其原理、应用、优缺点及未来展望 | 总结了多种先进光谱和成像技术在肉类检测中的多场景应用，并探讨了结合深度学习算法以提高检测全面性和准确性的未来研究方向 | 这些技术在工业应用中仍面临成本高、数据分析复杂等挑战，且光谱技术仅能感知局部样本信息，成像技术检测速率较慢 | 总结光谱和成像技术在肉类品质与安全检测中的最新发展，以推动高质量食品交付消费者 | 肉类（作为人类饮食中重要的动物蛋白来源） | 机器视觉 | NA | 近红外光谱、拉曼光谱、荧光光谱、太赫兹光谱、高光谱成像、多光谱成像、X射线成像、热成像 | NA | 光谱数据、图像数据 | NA | NA | NA | NA | NA |
| 669 | 2026-02-10 |
[A multimodal disease-specific cohort for melanoma research: Construction, governance, and preliminary report]
2025-Nov-28, Zhong nan da xue xue bao. Yi xue ban = Journal of Central South University. Medical sciences
|
研究论文 | 本研究构建了一个针对中国人群肢端黑色素瘤的多模态疾病特异性队列，旨在提供高质量数据以支持疾病特征描述和预后机制探索 | 整合了混合自动化ETL与AI辅助架构进行数据治理，并利用基于Transformer的NLP模型处理病理叙述，结合深度学习流程处理原始影像数据，实现了多模态数据的标准化整合与质量控制 | 单中心前瞻性队列研究，样本来源有限，可能影响结果的普遍性；部分患者数据不完整，如Breslow厚度和Clark分级数据存在缺失 | 构建一个代表性的多模态疾病特异性队列，为中国人群肢端黑色素瘤研究提供高质量数据基础 | 肢端黑色素瘤患者，特别是中国人群中的患者 | 数字病理学 | 黑色素瘤 | 数字病理全切片成像，DICOM影像，临床分子数据采集，基于Transformer的NLP模型，深度学习流程 | Transformer, 深度学习模型 | 图像, 文本, 结构化临床数据 | 1036名黑色素瘤患者，包含8536张数字病理全切片图像，5084次DICOM影像采集，超过350,000个结构化临床分子数据点 | NA | Transformer | NA | NA |
| 670 | 2026-02-10 |
The diagnostic value of artificial intelligence in oral squamous cell carcinoma: A systematic review and meta-analysis
2025-10, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2025.102429
PMID:40518015
|
系统综述与荟萃分析 | 本文通过系统综述与荟萃分析评估了人工智能在检测口腔鳞状细胞癌中的诊断性能 | 首次对人工智能在口腔鳞状细胞癌诊断中的表现进行系统综述与荟萃分析，并比较了深度学习算法与传统机器学习方法的性能差异 | 研究间存在显著异质性，需要标准化方法和外部验证才能广泛实施 | 评估人工智能在口腔鳞状细胞癌诊断中的准确性 | 口腔鳞状细胞癌 | 数字病理学 | 口腔鳞状细胞癌 | NA | 深度学习算法, 传统机器学习方法 | NA | 24项研究，包含18,574个样本 | NA | NA | 敏感性, 特异性, 阳性似然比, 阴性似然比, 诊断比值比 | NA |
| 671 | 2026-02-10 |
Deep Learning-based Alignment Measurement in Knee Radiographs
2025-Sep-19, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-032-04965-0_12
PMID:41568201
|
研究论文 | 本研究提出了一种基于深度学习的方法，用于在膝关节前后位X光片中通过自动定位膝关节解剖标志来测量膝关节对齐 | 首次基于深度学习定位超过100个膝关节解剖标志以完整勾勒膝关节形状，并整合术前和术后图像的膝关节对齐测量 | NA | 自动化膝关节对齐测量以预测关节健康和全膝关节置换术后的手术结果 | 膝关节前后位X光片 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | Hourglass网络 | 平均绝对差异, 组内相关系数 | NA |
| 672 | 2026-02-09 |
MapReduce-based deep learning framework for potato leaf disease detection in sustainable precision agriculture
2025-Dec-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-30940-3
PMID:41419754
|
研究论文 | 本研究提出了一种基于MapReduce的深度学习框架，用于可持续精准农业中的马铃薯叶部病害检测 | 将轻量级MobileNetV3分类器与MapReduce风格的数据管道相结合，实现了预处理和批量推理的跨节点并行化处理 | 仅使用了2152张图像的数据集，且病害类别仅限于三类，未在更大规模或更多类别的数据集上进行验证 | 实现马铃薯叶部病害的准确、及时检测，以支持可持续精准农业并减少作物产量损失 | 马铃薯叶部病害图像，包括疫病等类别 | 计算机视觉 | 马铃薯叶部病害 | 图像处理，数据增强 | CNN | 图像 | 2152张图像，分为三个类别 | TensorFlow, PyTorch (未明确指定，但基于MobileNetV3推断) | MobileNetV3 | 准确率，灵敏度，特异性，F1分数，混淆矩阵，误分类率 | GPU训练，MapReduce管道实现水平可扩展性 |
| 673 | 2026-02-09 |
Evaluation of computer-aided detection for gastric cancer using white-light and linked-color imaging: a pilot study
2025-Dec, iGIE : innovation, investigation and insights
DOI:10.1016/j.igie.2025.09.010
PMID:41647811
|
研究论文 | 本研究评估了新型计算机辅助检测系统CAD EYE在胃镜中使用白光成像和联动彩色成像检测胃癌的性能 | 首次比较了CADe系统在WLI与LCI模式下的检测框出现频率，并评估了其在胃癌检测中的实际应用效果 | 单中心回顾性研究，样本量有限，假阳性率较高，需要进一步优化 | 评估计算机辅助检测系统在胃癌诊断中的性能 | 接受胃镜检查的胃癌患者 | 数字病理 | 胃癌 | 白光成像，联动彩色成像，计算机辅助检测 | 深度学习模型 | 内窥镜图像 | 210名患者（105名CADe组，105名对照组），来自600名患者的倾向评分匹配 | NA | CAD EYE系统 | 假阳性检测次数，检测框出现频率，活检率，检查时间，癌症检测率，关键胃部位识别准确率 | NA |
| 674 | 2026-02-09 |
Deep learning-driven proteomics analysis for gene annotation in the renin-angiotensin system
2025-Nov-05, European journal of pharmacology
IF:4.2Q1
DOI:10.1016/j.ejphar.2025.178119
PMID:40907688
|
研究论文 | 本研究开发了一个多标签深度学习模型，用于系统注释肾素-血管紧张素系统（RAS）基因功能，并通过蛋白质组学验证其在心血管疾病中的关键作用 | 首次将多标签AI建模与细胞外囊泡（EV）蛋白质组学相结合，用于RAS通路注释，并揭示了一个新的IRAP/Ywha(s)/Nedd4-2-ACE2相互作用轴作为潜在治疗靶点 | 研究主要基于文献数据，实验验证仅限于DOCA-盐高血压小鼠模型，可能无法完全代表人类疾病状态 | 系统注释RAS基因功能并阐明其在生物通路中的作用，以推进对心血管疾病的理解 | 肾素-血管紧张素系统（RAS）相关基因，特别是AGTR2、IRAP（LNPEP）、Ywhas（SFN）、EDNRA和ESR2 | 自然语言处理 | 心血管疾病 | 文本挖掘，蛋白质组学，毛细管Western分析 | MLP | 文本 | 来自PubMed和PMC的39,463篇RAS相关出版物 | NA | 多层感知机 | 精确度，F1分数，排序损失，ROC-AUC | NA |
| 675 | 2026-02-09 |
A bimodal image dataset for seed classification from the visible and near-infrared spectrum
2025-Oct-08, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05979-6
PMID:41062509
|
研究论文 | 本文介绍了一个包含RGB和高光谱图像的双模态种子图像数据集，用于10种植物的种子分类研究 | 提供了一个在农业领域中稀缺的双模态种子图像数据集，结合了可见光和近红外光谱信息，是目前最大的双模态种子数据集之一 | NA | 解决农业领域中缺乏超越可见光谱的光谱信息数据集的问题，促进种子分类研究 | 10种植物物种的种子 | 计算机视觉 | NA | 高光谱成像 | 深度学习模型 | 图像 | NA | NA | NA | 多类分类性能 | NA |
| 676 | 2026-02-09 |
Poor-prognosis young-onset colorectal cancer is defined by the mesenchymal subtype and can be predicted by integrating molecular and histopathological characteristics
2025-Sep, ESMO gastrointestinal oncology
DOI:10.1016/j.esmogo.2025.100181
PMID:41647998
|
研究论文 | 本研究通过分析年轻发病结直肠癌的分子和临床特征，揭示了其与晚发病例的异质性，并开发了一个结合分子和组织学标志物的风险评分模型来预测CMS4间充质亚型 | 首次整合了深度学习和分子标记（如SDI、微卫星状态和miR-200s启动子甲基化）来预测年轻发病结直肠癌中的CMS4间充质亚型，并建立了有效的风险评分模型 | 研究依赖于回顾性队列数据，可能受到样本选择偏差的影响，且外部验证的广泛性有待进一步确认 | 解析结直肠癌的年龄依赖性分子异质性，并开发识别高风险年轻发病患者的模型 | 年轻发病结直肠癌患者（年龄<50岁）的临床和分子数据 | 数字病理学 | 结直肠癌 | 深度学习分析、分子亚型分型、微卫星状态检测、启动子甲基化分析 | 深度学习框架 | 苏木精-伊红染色全切片图像、临床数据、分子数据 | 总临床数据涉及564,439个患者样本，分子特征分析使用1,874个患者样本 | NA | NA | 曲线下面积 | NA |
| 677 | 2026-02-09 |
UNISELF: A Unified Network with Instance Normalization and Self-Ensembled Lesion Fusion for Multiple Sclerosis Lesion Segmentation
2025-Aug-06, ArXiv
PMID:41479462
|
研究论文 | 本文提出了一种名为UNISELF的统一网络，用于多发性硬化病灶的自动分割，通过实例归一化和自集成病灶融合技术，在单源有限数据训练下优化了域内精度和域外泛化能力 | 引入测试时自集成病灶融合和测试时实例归一化，以同时提升单训练域内的分割精度并增强对多域外测试数据集的泛化能力，有效处理域偏移和缺失输入对比度问题 | 方法仅在特定公开和私有数据集上验证，可能未覆盖所有临床场景；训练数据有限，可能影响在更广泛数据上的性能 | 开发一种深度学习方法来优化多发性硬化病灶的自动分割，在保证域内精度的同时提高跨域泛化能力 | 多发性硬化病灶 | 数字病理学 | 多发性硬化 | 多对比磁共振成像 | 深度学习网络 | 图像 | 基于ISBI 2015纵向MS分割挑战训练数据集，并测试于MICCAI 2016、UMCL公共数据集及私有多站点数据集 | NA | 统一网络（UNISELF） | 分割精度 | NA |
| 678 | 2026-02-09 |
Deep learning based treatment remission prediction to transcranial direct current stimulation in bipolar depression using EEG power spectral density
2025-Jul-29, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.07.16.24310445
PMID:40766130
|
研究论文 | 本研究利用深度学习模型基于治疗前脑电图信号预测双相抑郁患者在接受经颅直流电刺激治疗后的临床缓解情况 | 首次将混合1DCNN和GRU模型应用于双相抑郁的经颅直流电刺激治疗缓解预测，并采用特定电极的功率谱密度值作为输入特征 | 样本量较小（仅21名参与者），可能影响模型的泛化能力 | 预测双相抑郁患者在接受6周家庭经颅直流电刺激治疗后的临床缓解情况 | 双相抑郁患者 | 机器学习 | 双相情感障碍 | 脑电图 | CNN, GRU | 脑电图信号 | 21名双相参与者 | NA | 1DCNN, GRU | 准确率, 灵敏度, 特异度 | NA |
| 679 | 2026-02-09 |
Real-world radiology data for artificial intelligence-driven cancer support systems and biomarker development
2025-Jun, ESMO real world data and digital oncology
DOI:10.1016/j.esmorw.2025.100120
PMID:41647703
|
综述 | 本文探讨了利用真实世界放射学数据与人工智能技术开发癌症诊断与治疗支持系统及生物标志物的潜力与挑战 | 提出了结合真实世界数据与人工智能的新范式，以加速癌症生物标志物发现和临床支持工具开发 | 面临数据访问困难、质量参差不齐、处理复杂以及临床信任建立等挑战 | 旨在推动人工智能在真实世界放射学数据中的应用，以改善癌症患者护理 | 真实世界放射学数据（包括影像和报告）及癌症患者群体 | 数字病理学 | 癌症 | 深度学习 | 深度学习模型 | 影像, 文本 | NA | NA | NA | NA | NA |
| 680 | 2026-02-09 |
T2W-CogLoadNet: a framework for cognitive load assessment of dance movements based on deep learning-powered human pose estimation
2025, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2025.1707539
PMID:41646903
|
研究论文 | 本文提出了一种基于深度学习的人体姿态估计框架T2W-CogLoadNet，用于评估舞蹈动作的认知负荷 | 结合了Temporal Convolutional Network (TCN)-Transformer进行时间特征提取，并利用Whale Optimization (WOA)进行超参数优化，实现了3D舞蹈姿态估计和认知负荷建模 | 未整合多模态输入，对不同舞蹈风格的适应性有待提升，实时监测工具尚未开发 | 优化舞蹈训练效果并促进康复应用，通过评估舞蹈动作的认知负荷 | 舞蹈姿态和认知负荷 | 计算机视觉 | NA | 深度学习，人体姿态估计 | TCN, Transformer | 视频 | AIST++专业舞蹈数据集和Kinetics 400广义运动数据集 | NA | T2W-CogLoadNet, TCN, Transformer | MAE, RMSE, MPJPE | NA |