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 19309 篇文献，本页显示第 8021 - 8040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8021 | 2025-09-12 |
Enhancing Protein Structure Learning using a Size-Guided Conditional Mixture-of-Experts
2025-Sep-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3607904
PMID:40928909
|
研究论文 | 提出一种基于蛋白质大小引导的条件混合专家模型，用于提升蛋白质结构深度学习性能 | 首次将蛋白质大小作为先验知识引入深度学习框架，通过条件混合专家模型自适应激活子网络 | NA | 改进蛋白质结构深度学习方法，提升蛋白质性质预测精度 | 蛋白质结构与性质 | 机器学习 | NA | 深度学习 | 条件混合专家模型(Conditional Mixture-of-Experts) | 蛋白质结构表示 | 在8个任务、2种蛋白质表示形式、3种数据集划分共48种测试设置上进行验证 | NA | NA | NA | NA |
| 8022 | 2025-09-12 |
Enhancing Automated Seizure Detection via Self-Calibrating Spatial-Temporal EEG Features with SC-LSTM
2025-Sep-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3607766
PMID:40928912
|
研究论文 | 提出一种新型混合深度学习架构SC-LSTM，通过自适应时空特征提取增强癫痫发作自动检测 | 整合自校准空间特征重建模块(SCConvNet)和双向LSTM网络，实现并行时空特征提取，显著提升对患者特异性EEG变异的捕捉能力 | 仅在新生儿EEG数据集上验证，未明确说明模型在其他年龄组或癫痫类型的泛化能力 | 开发高精度、稳定的自动化癫痫发作检测方法以支持个体化诊断 | 新生儿癫痫患者的脑电图(EEG)信号 | 机器学习 | 癫痫 | 脑电图(EEG)分析，K折交叉验证 | SC-LSTM（自校准卷积网络与双向LSTM的混合架构） | 多通道时间序列EEG信号 | 两个真实世界新生儿EEG数据集（具体样本量未明确说明） | NA | NA | NA | NA |
| 8023 | 2025-09-12 |
InterVelo: A Mutually Enhancing Model for Estimating Pseudotime and RNA Velocity in Multi-Omic Single-Cell Data
2025-Sep-10, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf500
PMID:40929041
|
研究论文 | 提出InterVelo深度学习框架，用于在多组学单细胞数据中同时估计伪时间和RNA速率 | 通过无监督细胞时间引导RNA速率估计，同时利用RNA速率优化伪时间方向，实现双向增强学习 | NA | 改进单细胞数据中转录动态的推断精度 | 多组学单细胞数据 | 计算生物学 | NA | 单细胞多组学测序 | 深度学习框架 | 单细胞多组学数据 | 模拟和真实数据集（未指定具体样本数量） | NA | NA | NA | NA |
| 8024 | 2025-09-12 |
Explainable Deep Learning Framework for Classifying Mandibular Fractures on Panoramic Radiographs
2025-Sep-10, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000011892
PMID:40929658
|
研究论文 | 开发基于全景X光片的可解释深度学习框架，用于自动分类下颌骨骨折 | 结合新颖的临床相关分类系统和可解释AI技术（Grad-CAM和LIME）提升模型决策透明度 | 需要更大规模、多机构数据集进一步验证泛化能力 | 实现下颌骨骨折的自动分类以辅助颌面创伤诊疗 | 下颌骨骨折患者 | 计算机视觉 | 颌面创伤 | 全景X光成像 | CNN | 图像 | 800张来自面部创伤患者的全景X光片 | NA | NA | NA | NA |
| 8025 | 2025-09-12 |
Automatic infant 2D pose estimation from videos: Comparing seven deep neural network methods
2025-Sep-10, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-025-02816-x
PMID:40931295
|
研究论文 | 比较七种深度神经网络方法在婴儿视频中自动进行2D姿态估计的性能 | 首次系统评估主流姿态估计方法在婴儿视频上的表现，并引入基于躯干长度的误差指标及检测可靠性分析 | 方法主要在成人数据上训练，未针对婴儿进行专门微调（除DeepLabCut和MediaPipe外） | 评估和比较深度学习模型在婴儿姿态估计任务中的性能 | 婴儿视频数据（包含仰卧位和复杂场景） | 计算机视觉 | NA | 深度学习，机器学习 | AlphaPose, DeepLabCut/DeeperCut, Detectron2, HRNet, MediaPipe/BlazePose, OpenPose, ViTPose | 视频 | NA | NA | NA | NA | NA |
| 8026 | 2025-09-12 |
Advanced digital image forensics: A hybrid framework for copy-move forgery detection in multimedia security
2025-Sep, Journal of forensic sciences
IF:1.5Q2
DOI:10.1111/1556-4029.70076
PMID:40361265
|
研究论文 | 提出一种用于多媒体安全中复制-移动伪造检测的混合框架，结合频域滤波、关键点提取、深度学习模型和聚类技术 | 整合FFT频域滤波、SIFT与ORB关键点提取、MobilenetV2和VGG16特征提取以及注意力机制，提升检测准确性和鲁棒性 | NA | 开发高精度数字图像伪造检测方法，保障图像完整性验证 | 数字图像及其可能存在的复制-移动伪造区域 | 计算机视觉 | NA | 快速傅里叶变换(FFT)、SIFT、ORB、DBSCAN聚类、注意力机制 | MobilenetV2, VGG16 | 图像 | 基于五个基准复制-移动伪造数据集进行广泛测试 | NA | NA | NA | NA |
| 8027 | 2025-09-12 |
Early diagnosis of mild cognitive impairment and Alzheimer's disease using multimodal feature-based deep learning models in a Chinese elderly population
2025-Sep, Asian journal of psychiatry
IF:3.8Q1
DOI:10.1016/j.ajp.2025.104632
PMID:40743680
|
研究论文 | 本研究利用基于多模态特征（ERP和中医体质）的深度学习模型，在中国老年人群中实现轻度认知障碍和阿尔茨海默病的早期诊断 | 首次融合事件相关电位（ERP）和中医体质特征，并采用图卷积网络（GCN）进行跨被试分类，在认知障碍早期诊断中表现出色 | 样本量较小（共90名参与者），且仅针对中国老年人群，结果泛化性需进一步验证 | 评估基于融合ERP和中医特征的深度学习模型在认知障碍跨被试分类中的效能 | 中国老年人群（包括健康对照组、轻度认知障碍患者和阿尔茨海默病患者） | 机器学习 | 老年疾病 | ERP（事件相关电位）、中医体质问卷、深度学习 | EEGNet、CNN-LSTM、GCN（图卷积网络）、多尺度特征重建GCN、多层感知机 | 脑电信号、问卷数据 | 90名参与者（30名健康对照、30名MCI患者、30名AD患者） | NA | NA | NA | NA |
| 8028 | 2025-09-12 |
Spectral computed tomography thermometry for thermal ablation: applicability and needle artifact reduction
2025-Sep, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.105093
PMID:40850158
|
研究论文 | 评估光谱CT测温在微波消融中的适用性，并比较基于衰减与基于物理密度的测温方法，同时探索最优金属伪影减少技术 | 首次系统比较光谱CT中基于衰减和基于物理密度的测温方法，并测试多种MAR技术（包括O-MAR、深度学习MAR和光谱CT组合）对测温精度的影响 | 研究基于体外凝胶模型，未涉及人体组织；样本量较小（4个模型，23次扫描） | 提高肝肿瘤热消融过程中温度监测的精确性和可靠性 | 肝肿瘤热消融过程中的温度分布 | 医学影像 | 肝肿瘤 | 光谱CT，微波消融，金属伪影减少（MAR）技术 | NA | CT影像 | 4个嵌入温度传感器的凝胶模型，进行23次CT扫描 | NA | NA | NA | NA |
| 8029 | 2025-09-12 |
Machine learning driven semi-automated framework for yeast sporulation efficiency quantification using ilastik segmentation and Fiji nuclear enumeration
2025-Sep, Fungal genetics and biology : FG & B
IF:2.4Q3
DOI:10.1016/j.fgb.2025.104024
PMID:40876769
|
研究论文 | 提出一种基于机器学习的半自动化框架，用于酵母孢子形成效率的量化分析 | 结合ilastik纹理特征优化分割与Fiji核计数，实现多形态孢子的稳健量化，支持批量自动分类且兼容标准显微镜 | 需手动质量检查点，未完全实现全自动化 | 开发高效、客观的酵母孢子形成效率量化方法以替代人工计数 | 酵母孢子（包括二孢、三孢和四孢形态） | 数字病理学 | NA | 图像分割与处理 | 机器学习（非指定深度学习模型） | 显微镜图像 | 验证中包括Hsp82磷酸化突变体等多遗传背景样本，未明确总数 | NA | NA | NA | NA |
| 8030 | 2025-09-12 |
A weakly-supervised deep learning model for fast localisation and delineation of the skeleton, internal organs, and spinal canal on whole-body diffusion-weighted MRI (WB-DWI)
2025-Aug-28, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109043
PMID:40929938
|
研究论文 | 提出一种弱监督深度学习模型，用于在全身扩散加权MRI上快速定位和勾画骨骼、内部器官及椎管 | 使用基于图谱方法生成的“软标签”训练3D残差U-Net，实现快速且可重复的概率图生成，速度比传统方法快12倍 | 模型在肋骨区域的骨骼勾画性能相对较低（Dice评分0.67），且仅在晚期前列腺癌和多发性骨髓瘤患者中验证 | 开发自动化算法以支持癌症成像生物标志物（ADC和TDV）的量化测量 | 晚期前列腺癌（APC）和多发性骨髓瘤（MM）患者的全身扩散加权MRI扫描 | 数字病理 | 前列腺癌 | WB-DWI（全身扩散加权磁共振成像） | 3D Residual U-Net | image | 532例患者扫描用于训练和验证，45例患者用于测试 | NA | NA | NA | NA |
| 8031 | 2025-05-08 |
Retraction: "Diagnostic Classification and Prognostic Prediction Using Common Genetic Variants in Autism Spectrum Disorder: Genotype-Based Deep Learning"
2025-05-06, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/76833
PMID:40331761
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8032 | 2025-05-01 |
Predicting Mortality with Deep Learning: Are Metrics Alone Enough?
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.250224
PMID:40304577
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8033 | 2024-12-12 |
Integrating Deep Learning with Biology: A New Frontier in Triple-Negative Breast Cancer Treatment Prediction?
2025-01, Radiology. Artificial intelligence
DOI:10.1148/ryai.240740
PMID:39660996
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8034 | 2025-09-12 |
Characterization of CNS Network Changes in Two Rodent Models of Chronic Pain
2025, Biological & pharmaceutical bulletin
IF:1.7Q3
DOI:10.1248/bpb.b25-00045
PMID:40930793
|
研究论文 | 本研究使用静息态功能磁共振成像技术，在两种慢性疼痛啮齿动物模型中表征中枢神经系统功能网络的变化 | 结合深度学习的监督机器学习方法预测慢性疼痛，并发现传统网络分析未捕捉到的连接模式信息 | 研究仅基于两种特定啮齿动物模型，结果外推至人类或其他疼痛模型需谨慎 | 探究慢性疼痛相关的中枢神经系统功能变化 | Lewis大鼠和Sprague-Dawley大鼠 | 神经影像学 | 慢性疼痛 | 静息态功能磁共振成像（fMRI），独立成分分析（ICA），图论测量，基于种子的功能连接分析 | 监督机器学习结合深度学习 | 神经影像数据 | 实验1：CFA模型组16只，对照组14只；实验2：PSNL模型组25只，假手术组19只 | NA | NA | NA | NA |
| 8035 | 2025-10-06 |
Adaptive radiotherapy dose prediction on head and neck cancer patients with a 3D multi-headed U-Net deep learning architecture
2025-Dec-01, Machine Learning. Health
DOI:10.1088/3049-477X/adfade
PMID:40917990
|
研究论文 | 提出一种多头部U-Net深度学习架构，用于头颈癌患者自适应放疗剂量预测 | 首次将治疗前计划中的医生临床目标整合到剂量预测模型中，通过双头设计同时处理自适应会话数据和治疗前数据 | 样本量较小（仅43名患者），需要进一步验证在更大数据集上的泛化能力 | 提高头颈癌自适应放疗中剂量预测的准确性和效率 | 头颈癌患者 | 医学影像分析 | 头颈癌 | 深度学习 | U-Net | CT图像、结构集、剂量分布 | 43名患者，包含治疗前计划、自适应治疗计划、结构集和CT图像 | NA | 多头部U-Net（MHU-Net）, 标准U-Net | 最大剂量误差, 平均剂量误差 | NA |
| 8036 | 2025-10-06 |
Development and Validation of a Semiautomated Tool for Measuring Periorbital Distances
2025 Nov-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100887
PMID:40917265
|
研究论文 | 开发并验证了一种用于测量眼周距离的半自动化工具OrbitJ，并与人工测量及两种AI工具进行比较 | 开发了基于FIJI(ImageJ)的半自动化眼周测量工具，结合线性插值和四次多项式拟合，提高了测量效率和可重复性 | 样本量较小(45例)，仅针对唇腭裂综合征患者，PeriOrbitAI工具在6张图像上分析失败 | 验证眼周测量工具的准确性和效率 | 45例唇腭裂综合征患者的正面照片 | 医学图像分析 | 唇腭裂综合征 | 图像分析，线性插值，多项式拟合 | 深度学习算法 | 图像 | 45张患者照片 | FIJI(ImageJ) | NA | 平均绝对误差，可靠性，偏差，Pearson相关系数，组内相关系数(ICC) | NA |
| 8037 | 2025-10-06 |
MRI-based diffusion weighted imaging and diffusion kurtosis imaging grading of clear cell renal cell carcinoma using a deep learning classifier
2025-Nov, Oncology letters
IF:2.5Q3
DOI:10.3892/ol.2025.15246
PMID:40917726
|
研究论文 | 本研究开发了一种基于MRI扩散加权成像和扩散峰度成像的深度学习模型，用于术前预测透明细胞肾细胞癌的病理分级 | 首次结合DWI和DKI序列图像构建深度学习模型用于ccRCC病理分级预测，采用VGG-16作为主干网络架构 | 样本量相对较小（仅79例患者），需要更大规模的研究验证模型泛化能力 | 验证基于MRI的深度学习模型在术前预测透明细胞肾细胞癌病理分级的有效性 | 79例透明细胞肾细胞癌患者（40例低级别，39例高级别） | 医学影像分析 | 肾细胞癌 | MRI, 扩散加权成像(DWI), 扩散峰度成像(DKI) | 深度学习 | 医学影像 | 79例ccRCC患者（40例低级别，39例高级别） | NA | VGG-16 | 准确率, 精确率, 召回率, F1分数 | NA |
| 8038 | 2025-10-06 |
Artificial Intelligence in Liver Pathology: Precision Histology for Accurate Diagnoses
2025 Nov-Dec, Journal of clinical and experimental hepatology
IF:3.3Q2
DOI:10.1016/j.jceh.2025.103145
PMID:40927758
|
综述 | 本文综述了人工智能在肝脏病理学中的应用，重点探讨AI如何推动精准组织学诊断的发展 | 系统阐述AI在肝脏组织学中减少重复任务负担、预测多种结果、降低观察者间变异性的创新应用 | 未提供具体实验数据验证AI模型在肝脏病理中的实际性能表现 | 探讨人工智能技术在肝脏病理学和精准组织学诊断中的应用价值与挑战 | 肝脏组织病理学数据和诊断流程 | 数字病理学 | 肝脏疾病 | 全玻片成像, 数字病理学 | 机器学习, 深度学习 | 病理图像 | NA | NA | NA | NA | NA |
| 8039 | 2025-10-06 |
Preoperative prediction of malignant transformation in sinonasal inverted papilloma: a novel MRI-based deep learning approach
2025-Oct, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11655-5
PMID:40355636
|
研究论文 | 开发基于MRI的深度学习模型用于术前区分鼻腔鼻窦内翻性乳头状瘤与其恶性转化 | 首次提出基于多中心大样本MRI数据的深度学习诊断模型，通过注意力机制整合多序列特征 | 研究样本量相对有限，需要进一步多中心验证 | 术前预测鼻腔鼻窦内翻性乳头状瘤的恶性转化 | 568例来自四个中心的鼻腔鼻窦内翻性乳头状瘤患者（421例）和恶性转化患者（147例） | 医学影像分析 | 鼻腔鼻窦肿瘤 | MRI成像 | 深度学习模型 | 医学影像（T1WI、T2WI、CE-T1WI） | 568例患者（421例SIP，147例SIP-SCC）来自四个医疗中心 | NA | 基于注意力机制的组合模型 | AUC, Brier分数, 校准曲线, 决策曲线分析 | NA |
| 8040 | 2025-10-06 |
Artificial Intelligence-Assisted Standard Plane Detection in Hip Ultrasound for Developmental Dysplasia of the Hip: A Novel Real-Time Deep Learning Approach
2025-Oct, Journal of orthopaedic research : official publication of the Orthopaedic Research Society
IF:2.1Q2
DOI:10.1002/jor.70020
PMID:40619593
|
研究论文 | 开发了一种基于人工智能的实时髋关节超声标准平面检测软件，用于发育性髋关节发育不良的筛查 | 提出了首个实时深度学习方法来检测髋关节超声中的标准平面，减少操作者依赖性 | 研究样本量相对有限，仅基于45个临床超声视频 | 提高发育性髋关节发育不良超声筛查的准确性和一致性 | 髋关节超声图像中的标准平面检测 | 计算机视觉 | 发育性髋关节发育不良 | 超声成像，Graf方法 | 目标检测模型 | 超声图像帧 | 训练集2,737帧（1,737标准平面，1,000非标准平面），验证集934帧（347标准平面，587非标准平面），来自45个临床超声视频 | NA | SSD-MobileNet V2, YOLOv11n | 准确率, 精确率, 召回率, F1分数 | NA |