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 19716 篇文献，本页显示第 1181 - 1200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1181 | 2025-12-26 |
The Role of Large Language Models in Ophthalmology: A Review of Current Applications, Performance, and Future Directions
2025-Nov, Cureus
DOI:10.7759/cureus.97374
PMID:41431521
|
综述 | 本文综述了大型语言模型（LLMs）在眼科领域的当前应用、性能表现及未来发展方向 | 系统性地评估了LLMs（如ChatGPT）在眼科临床决策支持、文档处理、患者教育和医学培训等具体应用场景中的表现，并探讨了多模态与检索增强模型如何提升信息准确性与相关性 | 指出将AI整合到临床护理中存在伦理与法律困境、专家表现差异等潜在风险与局限性 | 评估大型语言模型在眼科领域的应用潜力与现状 | 大型语言模型（如ChatGPT、GPT-4）及其在眼科领域的应用 | 自然语言处理 | 眼科疾病 | 深度学习 | 大型语言模型 | 文本 | NA | NA | GPT-4, Chat Generative Pretrained Transformer | NA | NA |
| 1182 | 2025-12-26 |
[Prospects and technical challenges of non-invasive brain-computer interfaces in manned space missions]
2025-Aug-28, Zhong nan da xue xue bao. Yi xue ban = Journal of Central South University. Medical sciences
|
综述 | 本文探讨了非侵入式脑机接口在载人航天任务中的应用前景与技术挑战 | 系统性地提出了非侵入式脑机接口在航天员选拔、在轨任务执行及任务后康复全周期的应用范式，并展望了与深度学习、虚拟现实及机器人技术的融合方向 | 未提供具体的实验数据或案例研究，主要基于理论分析与前景展望 | 分析非侵入式脑机接口技术在载人航天任务中的潜在应用价值与面临的技术瓶颈 | 航天员在长期太空任务中的生理、心理及认知功能 | 脑机接口 | NA | 非侵入式脑机接口，神经信号采集与解读，神经调控 | NA | 多模态生理信号（神经信号等） | NA | NA | NA | NA | NA |
| 1183 | 2025-12-26 |
Adapting and evaluating deep-pseudo neural network for survival data with time-varying covariates
2025, Journal of applied statistics
IF:1.2Q2
DOI:10.1080/02664763.2024.2444649
PMID:40765660
|
研究论文 | 本研究将Deep-pseudo生存神经网络（DSNN）模型扩展应用于包含时变协变量的生存数据预测，并与扩展Cox模型、Dynamic-DeepHit及多元联合模型进行比较 | 首次将DSNN模型适应于处理时变协变量的生存数据，通过离散化生存时间扩展其应用场景，在模拟和真实数据中验证了其预测潜力 | 研究主要基于模拟数据和单一真实数据集，未在更广泛的实际临床场景中验证模型的泛化能力 | 开发并评估适用于时变协变量生存数据预测的深度学习模型 | 包含时变协变量的生存数据 | 机器学习 | NA | 深度学习 | 神经网络 | 生存数据 | NA | NA | Deep-pseudo生存神经网络（DSNN） | Brier分数 | NA |
| 1184 | 2025-12-26 |
Ratio maps of T1w/T2w MRI signal intensity do not improve deep-learning segmentation of pediatric brain tumors
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323398
PMID:41428695
|
研究论文 | 本研究探讨了在儿科脑肿瘤分割任务中，使用T1w/T2w比值图或组合图是否能够提升基于nnU-Net的深度学习模型性能 | 首次系统评估T1w/T2w比值图在儿科脑肿瘤自动分割中的实际效用，挑战了该技术在组织区分方面的传统认知 | 研究仅基于BraTS-PED 2024数据集，样本量相对有限（n=261），且未探索其他可能的图像融合或预处理方法 | 评估T1w/T2w比值图对儿科脑肿瘤自动分割模型性能的影响 | 儿科脑肿瘤患者的MRI图像 | 数字病理学 | 脑肿瘤 | MRI（包括T1加权、T2加权、FLAIR和对比增强T1加权成像） | CNN | 医学影像（MRI） | 261名儿科脑肿瘤患者 | nnU-Net | U-Net | Dice系数 | NA |
| 1185 | 2025-12-25 |
Deep Learning Exploration Expands the Natural Diversity of Metallothioneins in the Archaea Domain
2025-Dec-24, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c05880
PMID:41370558
|
研究论文 | 本研究利用深度学习探索并扩展了古菌域中金属硫蛋白的自然多样性 | 首次全面识别古菌金属硫蛋白，揭示其进化谱系和结构多样性，并通过AlphaFold3建模和功能实验验证其金属抗性 | 研究仅基于406个基因组，可能未覆盖所有古菌多样性；功能实验仅测试了少数金属硫蛋白 | 探索古菌域中金属硫蛋白的多样性、进化、结构和功能 | 古菌基因组中的金属硫蛋白 | 机器学习 | NA | 基因组分析、AlphaFold3建模、功能实验 | 深度学习 | 基因组序列、蛋白质结构 | 从406个古菌基因组中识别出180个金属硫蛋白 | AlphaFold3 | AlphaFold3 | NA | NA |
| 1186 | 2025-12-25 |
Macretina: a dataset, to support deep learning assisted retinopathy of prematurity diagnosis
2025-Dec-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-31624-8
PMID:41436820
|
研究论文 | 本研究介绍了一个名为Macretina的专家标注数据集，旨在支持基于深度学习的早产儿视网膜病变（ROP）自动诊断 | 提供了一个从印度医院收集的、包含多种病理特征标注的综合性ROP数据集，专门设计用于支持AI模型的开发与评估 | 数据集来源于单一中心（Macretina医院），可能限制了模型的泛化能力 | 开发一个用于支持AI辅助早产儿视网膜病变（ROP）诊断的综合性数据集 | 早产儿的视网膜眼底图像 | 数字病理学 | 早产儿视网膜病变 | 宽视野视网膜成像系统（3nethra Neo） | 深度卷积神经网络（DCNN） | 图像 | 来自112名早产儿的1432张视网膜眼底图像 | NA | NA | NA | NA |
| 1187 | 2025-12-25 |
Deep learning-based disease detection in potato and mango leaves: a comparative study of CNN, AlexNet, ResNet, and EfficientNet
2025-Dec-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-32607-5
PMID:41436834
|
研究论文 | 本研究利用深度学习模型对马铃薯和芒果叶片病害进行自动检测，并比较了CNN、AlexNet、ResNet和EfficientNet四种架构的性能 | 在植物病害检测领域，首次对CNN、AlexNet、ResNet和EfficientNet四种深度学习架构在马铃薯和芒果叶片数据集上进行了系统性比较研究，并验证了EfficientNet在植物病害分类中的优越性 | 研究仅使用了两个公开数据集（共6152张图像），样本多样性可能有限；模型在真实田间复杂环境下的泛化能力有待进一步验证 | 开发自动植物病害识别系统，以支持精准农业和早期病害防治 | 马铃薯叶片和芒果叶片 | 计算机视觉 | 植物病害 | 图像处理、数据增强 | CNN, AlexNet, ResNet, EfficientNet | 图像 | 6152张叶片图像（马铃薯2152张，芒果4000张） | 未明确提及 | CNN, AlexNet, ResNet, EfficientNet | 准确率、精确率、召回率、损失值 | 未明确提及 |
| 1188 | 2025-12-25 |
Deep Learning-Based Risk Factor Analysis for Accurate Prediction of Lung Cancer in High-Risk Populations
2025-Dec-24, American journal of clinical oncology
DOI:10.1097/COC.0000000000001284
PMID:41437170
|
研究论文 | 本研究提出了一种结合深度学习和优化算法的新型框架，用于高风险人群中肺癌的准确预测 | 整合了LIDC-IDRI、WOA-APSO、CNN和KNG-CNN等先进技术，优化特征选择，实现了99.25%的高预测准确率 | 未明确说明研究样本的具体规模或数据集的局限性 | 提高肺癌早期检测和风险预测的准确性，以改善患者生存率和降低治疗成本 | 高风险人群中的肺癌预测 | 计算机视觉 | 肺癌 | 深度学习，优化算法 | CNN, KNG-CNN | 图像 | NA | PYTHON | 卷积神经网络，基于核的非高斯卷积神经网络 | 准确率 | NA |
| 1189 | 2025-12-25 |
Novel noninvasive assessment of upper urinary tract urine flow dynamics: a deep learning-driven reconstruction model combined with CFD simulation
2025-Dec-24, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03730-w
PMID:41437298
|
研究论文 | 本研究提出了一种结合深度学习模型重建与计算流体动力学模拟的非侵入性方法，用于评估儿童肾积水患者的上尿路尿液流动动力学参数，并比较了三种机器人辅助肾盂成形术的临床效果 | 首次将深度学习驱动的网格重建技术应用于儿童肾积水病变的三维模型重建，并结合计算流体动力学模拟来非侵入性地测量尿液流动动力学参数 | 样本量较小（仅36例患者），且研究为单中心设计，可能限制结果的普遍适用性 | 评估三种不同机器人辅助肾盂成形术手术策略对儿童肾积水患者上尿路尿液流动动力学的影响，并确定最优手术方法 | 接受机器人辅助肾盂成形术的儿童肾积水患者 | 数字病理学 | 肾积水 | 磁共振尿路造影, 计算流体动力学模拟 | 深度学习网络 | 磁共振图像 | 36例患者 | NA | NA | NA | NA |
| 1190 | 2025-12-25 |
Multi-DNBiTM: preterm labor prediction from electrohysterography signals using multi-head attention-enabled deep learning framework
2025-Dec-24, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2602829
PMID:41439533
|
研究论文 | 本文提出了一种基于多注意力头的分布式神经网络与双向长短期记忆结合的框架（multi-DNBiTM），用于从子宫电信号中预测早产，以提高预测准确性 | 引入了多注意力头机制和根均能量熵深度特征（RMEn2D），以增强对子宫电信号中细微变化的捕捉和表示能力 | 未明确提及模型在外部数据集上的泛化能力或计算资源需求的具体限制 | 通过深度学习框架提高早产预测的准确性和敏感性 | 子宫电信号数据 | 机器学习 | 产科疾病 | 子宫电信号分析 | LSTM, 注意力机制 | 信号数据 | NA | NA | 双向长短期记忆网络, 多注意力头机制 | 准确率, 敏感性, 特异性 | NA |
| 1191 | 2025-12-25 |
Deep Learning-Based Brainstem Segmentation and Multi-Class Classification for Parkinsonian Syndrome
2025-Dec-24, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70215
PMID:41439587
|
研究论文 | 本研究开发并验证了一种结合深度学习脑干分割与机器学习分类的两步算法，用于自动分割脑干亚结构并基于体积测量对帕金森综合征进行多类别分类 | 提出了一种结合深度学习脑干分割与机器学习分类的两步算法，实现了对帕金森综合征的自动鉴别，并在内部和外部数据集上进行了验证 | 研究为回顾性设计，且外部验证数据集规模相对较小（82例） | 开发并验证一种自动分割脑干亚结构并分类帕金森综合征的算法 | 帕金森综合征患者（包括进行性核上性麻痹、多系统萎缩-小脑变异型、帕金森病）及正常认知受试者 | 数字病理学 | 帕金森综合征 | 3D梯度回波T1加权序列 | 深度学习, 机器学习 | MRI图像 | 内部数据集：300例正常认知受试者（分割用），513例受试者（分类用，含207例正常、52例PSP、65例MSA-C、189例PD）；外部数据集：82例受试者（24例PSP、28例MSA-C、30例PD） | NA | NA | Dice相似系数, 受试者工作特征曲线下面积 | NA |
| 1192 | 2025-12-25 |
Advanced lung segmentation on chest HRCT: comprehensive pipeline for quantification of airways, vessels, and injury patterns
2025-Dec-24, La Radiologia medica
DOI:10.1007/s11547-025-02166-w
PMID:41441964
|
研究论文 | 本文提出了一种结合U-Net AI分割与定制图像处理的混合管道，用于同时分割肺部、气道、肺血管和实质损伤模式，并在COVID-19和特发性肺纤维化患者的HRCT扫描中验证了其性能 | 与现有工具通常针对单一解剖结构并主要依赖深度学习或基于规则的方法不同，该混合管道将U-Net AI分割与定制图像处理相结合，实现了肺部、气道、血管和实质损伤模式的可靠同时分割 | 研究样本量有限，仅使用了47例CT扫描（包括公共数据集和回顾性数据），可能影响结果的普遍性 | 开发一个可靠的混合管道，用于在胸部高分辨率CT上同时量化气道、血管和损伤模式，以诊断和监测肺部疾病 | COVID-19和特发性肺纤维化患者的胸部HRCT扫描 | 数字病理学 | 肺癌 | 胸部高分辨率CT扫描 | U-Net | 图像 | 47例CT扫描（19例来自COVID-19公共数据集用于深度学习，8例来自EXACT'09挑战用于验证气道分割，20例回顾性HRCT扫描用于管道验证） | NA | U-Net | Dice系数 | NA |
| 1193 | 2025-12-25 |
Correction: Addressing fractures that are hard to diagnose on imaging: Radiomics or deep learning?
2025-Dec-24, La Radiologia medica
DOI:10.1007/s11547-025-02151-3
PMID:41441965
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1194 | 2025-12-25 |
Effect of deep learning reconstruction on arm-induced artifacts compared with hybrid iterative reconstruction and filtered-backprojection in abdominal CT
2025-Dec-24, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00998-9
PMID:41442007
|
研究论文 | 本研究评估了深度学习图像重建在腹部CT中减少手臂伪影和提升图像质量的效果，并与迭代重建和滤波反投影方法进行比较 | 首次系统比较深度学习重建、自适应统计迭代重建和滤波反投影在手臂下垂腹部CT中的伪影减少和图像质量提升效果 | 研究样本量较小，仅包括10例患者数据；未评估不同扫描参数或设备的影响 | 评估深度学习重建在腹部CT中减少手臂伪影和改善图像质量的效能 | 肝脏结节体模（含手臂模拟）和10例手臂下垂腹部CT患者 | 医学影像处理 | NA | CT扫描 | 深度学习重建 | CT图像 | 1个体模（模拟三种手臂位置）和10例患者 | NA | NA | 伪影强度（Gumbel分布位置参数、标准差）、信噪比、对比噪声比、主观评价（噪声、伪影、锐度、整体质量） | NA |
| 1195 | 2025-12-25 |
TFS-FENet: A time-frequency spatial deep learning framework for EEG-based ADHD subtype classification
2025-Dec-24, Applied neuropsychology. Child
DOI:10.1080/21622965.2025.2606108
PMID:41442154
|
研究论文 | 本文提出了一种名为TFS-FENet的深度学习框架，用于基于EEG的ADHD亚型分类，通过整合CNN和注意力机制来建模EEG的时-频-空三维特征 | 首次同时捕获EEG的联合三维时-频和空间特征，而现有方法多专注于二维特征建模 | NA | 开发一个客观的基于EEG的ADHD诊断辅助工具，以弥补临床诊断主要依赖行为表现和缺乏生物标记物的不足 | 注意力缺陷多动障碍（ADHD）患者，具体包括ADHD-注意缺陷型、ADHD-混合型以及典型发育儿童 | 机器学习 | 注意力缺陷多动障碍 | 脑电图（EEG） | CNN | 脑电图信号 | NA | NA | TFS-FENet | 准确率 | NA |
| 1196 | 2025-12-25 |
DeepR2OM: Accurate Recognition for RNA 2'-O-Methylation Sites in Human Genome Using Deep Learning
2025-Dec-23, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3647488
PMID:41433162
|
研究论文 | 本文提出了一种名为DeepR2OM的新方法，通过整合特征选择和深度学习技术，准确预测人类基因组中的RNA 2'-O-甲基化位点 | DeepR2OM结合了八种RNA描述符进行序列编码，采用特征选择算法降维，并利用深度学习网络进行训练，首次整合了卷积神经网络、多头自注意力机制和深度神经网络作为预测模型 | 未明确说明模型在其他物种或更大数据集上的泛化能力，以及特征选择可能丢失部分生物信息 | 开发一种快速、成本效益高的方法，以准确预测RNA 2'-O-甲基化位点，从而理解RNA的生物学功能及相关病理 | 人类基因组中的RNA 2'-O-甲基化位点 | 生物信息学 | NA | RNA描述符编码、特征选择算法、深度学习 | CNN, Multi-Head Self-Attention, DNN | RNA序列数据 | NA | NA | 卷积神经网络、多头自注意力机制、深度神经网络 | 准确率、召回率、精确率、马修斯相关系数 | NA |
| 1197 | 2025-12-25 |
Real-time Instantaneous Phase Estimation Using a Deep Dual-Branch Complex Neural Network
2025-Dec-23, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3647598
PMID:41433160
|
研究论文 | 本文提出了一种基于深度学习双分支复杂神经网络的实时瞬时相位估计算法，用于神经振荡信号处理 | 采用类似复杂小波变换的双分支结构生成伪复数值信号进行瞬时相位估计，并引入离散余弦变换层提取信号实部和虚部的潜在空间表示 | NA | 开发适用于脑机接口和神经调节系统的实时瞬时相位估计算法 | 神经振荡信号的瞬时相位 | 机器学习 | NA | 深度学习 | 复杂神经网络 | 信号数据 | NA | NA | 双分支复杂神经网络 | 相位估计准确度 | 现场可编程门阵列 |
| 1198 | 2025-12-25 |
Multi-Task Learning for OSA Detection and Sleep Staging via Multi-Scale Modeling
2025-Dec-23, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3647317
PMID:41433180
|
研究论文 | 本文提出了一种统一的多模态多任务网络MT-TASPPNet，用于同时进行阻塞性睡眠呼吸暂停（OSA）事件检测和睡眠分期 | 首次提出一个统一的多模态多任务网络同时处理OSA检测和睡眠分期，并引入了EOG引导的先验机制来增强对细微睡眠阶段的区分能力 | 未明确提及模型在更广泛或不同人群数据集上的泛化能力，也未讨论模型的计算复杂度 | 开发一个高效、可扩展的多任务睡眠分析系统，用于睡眠障碍的诊断和管理 | 睡眠障碍患者的多模态生理信号（EEG、ECG、气流信号、EOG） | 机器学习 | 睡眠障碍 | 多模态信号处理，多任务学习 | 深度学习，多任务学习网络 | 生理信号时间序列（EEG、ECG、气流、EOG） | 三个大规模数据集：SHHS1、SHHS2和悉尼睡眠生物库 | NA | MT-TASPPNet（多任务三重空洞空间金字塔池化网络），包含空洞空间金字塔池化模块 | 准确度，宏平均F1分数，Kappa系数 | NA |
| 1199 | 2025-12-25 |
Self-Supervised Koopman Operator Learning for Distributed Final Synchronization Prediction of Networked Nonlinear Dynamics
2025-Dec-23, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3644299
PMID:41433175
|
研究论文 | 本文开发了一种混合Koopman深度学习算法，用于仅使用相邻状态信息预测不同拓扑结构网络化非线性动力系统的最终同步状态 | 提出了一种自监督Koopman算子学习方法，能够从个体和/或相邻状态序列中提取并融合多种不同拓扑的线性特征，从而预测非线性网络动力系统的最终同步状态，而现有方法通常仅适用于线性网络 | 未明确说明算法在极端非线性或大规模网络中的适用性限制，且未提供实际应用场景的验证 | 研究网络化非线性动力系统的最终同步预测问题 | 具有不同拓扑结构的网络化非线性动力系统 | 机器学习 | NA | Koopman算子理论，深度学习 | 自监督学习，混合模型 | 状态序列数据 | NA | NA | 非线性编码器，非线性解码器 | 通过数值模拟验证有效性，但未指定具体评估指标 | NA |
| 1200 | 2025-12-25 |
Label Noise in Pathological Segmentation Is Overlooked, Leading to Potential Overestimation of Artificial Intelligence
2025-Dec-23, Cancer science
IF:4.5Q1
DOI:10.1111/cas.70288
PMID:41433191
|
研究论文 | 本研究通过调查公共数据集和合成人工标签噪声，评估了标签噪声对病理分割模型的影响 | 首次系统评估了病理分割中标签噪声的类型及其对AI模型性能的潜在高估风险，特别是边界相关噪声的影响 | 研究主要基于合成噪声和公开数据集，可能未完全覆盖真实临床环境中所有噪声类型 | 评估标签噪声在病理分割AI模型训练中的影响，并探讨其对性能评估的潜在偏差 | 病理分割AI模型，特别是用于乳腺癌语义分割的深度学习模型 | 数字病理 | 乳腺癌 | 语义分割 | 深度学习模型 | 图像 | 使用公开数据集和乳腺癌语义分割数据集，具体样本数量未明确说明 | NA | NA | 表现评分（包括真实性能评分和表观性能评分） | NA |