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 19283 篇文献，本页显示第 12521 - 12540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12521 | 2025-10-06 |
Artificial Intelligence-Assisted Detection of Breast Cancer Lymph Node Metastases in the Post-Neoadjuvant Treatment Setting
2025-Jun, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2025.104121
PMID:40020876
|
研究论文 | 开发用于乳腺癌新辅助治疗后淋巴结转移检测的可解释深度学习流程 | 首次专门针对接受新辅助系统治疗（NAT）的乳腺癌患者淋巴结转移检测算法进行泛化性评估，并创建了包含治疗效应的大规模数据集 | 研究主要关注乳腺癌新辅助治疗后的淋巴结检测，在其他癌症类型或治疗场景中的泛化能力尚未验证 | 开发能够自动化检测乳腺癌新辅助治疗后淋巴结转移的人工智能算法 | 接受新辅助系统治疗的乳腺癌患者的淋巴结组织切片 | 数字病理学 | 乳腺癌 | 数字病理切片扫描 | 深度学习 | 病理组织切片图像 | 1027张病理切片 | NA | NA | AUC, 特异性, 敏感性 | NA |
| 12522 | 2025-10-06 |
FedOpenHAR: Federated Multitask Transfer Learning for Sensor-Based Human Activity Recognition
2025-Jun, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1089/cmb.2024.0631
PMID:40267073
|
研究论文 | 提出FedOpenHAR框架，探索传感器数据在联邦学习环境下的多任务迁移学习，用于人类活动识别和设备位置识别 | 首次将联邦迁移学习应用于传感器数据的多任务场景，通过训练任务特定层和个性化层实现知识共享 | 研究基于十个较小数据集，可能在大规模数据场景下需要进一步验证 | 开发适用于多任务传感器数据分析的联邦学习框架 | 基于运动传感器的可穿戴设备数据 | 机器学习 | NA | 传感器数据分析 | 深度学习 | 传感器数据 | 十个数据集 | Flower | DeepConvLSTM | 准确率 | NA |
| 12523 | 2025-10-06 |
QRS-centric beat-wise atrial fibrillation detection in ECG signals using deep neural networks
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110282
PMID:40378565
|
研究论文 | 提出一种基于QRS波群的心拍级别房颤检测深度学习方法 | 采用QRS中心化方法实现精确的心拍级别房颤检测，解决了传统节律级检测与即时心律失常识别之间的关键差距 | NA | 开发精确的心拍级别房颤自动检测方法 | 心电图信号中的房颤和其他心律失常类型 | 医疗信号处理 | 心血管疾病 | 心电图分析 | CNN, 双向LSTM | 心电图信号 | MIT-BIH心律失常数据库、MIT-BIH房颤数据库、MIMIC-III和Simband数据集 | NA | 卷积层与双向LSTM层集成架构 | 精确度, 灵敏度, F分数 | NA |
| 12524 | 2025-10-06 |
Evaporative cooling signals for wound healing in plants
2025-May-28, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.23.655667
PMID:40502075
|
研究论文 | 本研究揭示了植物叶片损伤后通过蒸发冷却激活冷响应基因的伤口愈合机制 | 首次发现植物伤口愈合过程中局部冷却现象及其作为愈合定量标志的功能，并开发了基于计算机视觉的监测方法 | 研究主要基于拟南芥模型，在其他植物中的普适性有待验证 | 探究植物伤口愈合的最终阶段调控机制 | 拟南芥叶片伤口愈合过程 | 计算机视觉, 植物生理学 | 植物组织损伤 | 计算机视觉, 深度学习 | 深度学习模型 | 图像数据 | NA | NA | NA | NA | NA |
| 12525 | 2025-10-06 |
A pediatric ECG database with disease diagnosis covering 11643 children
2025-May-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05225-z
PMID:40419508
|
研究论文 | 构建了一个包含11643名儿童的心电图数据库，并提供心血管疾病诊断标签 | 首个专门针对0-14岁儿童的心电图数据库，提供心血管疾病诊断标签，填补了现有数据集主要关注成人的空白 | 数据仅来自单一医院，可能限制模型的泛化能力 | 为儿科心血管疾病的智能诊断提供数据支持 | 0-14岁住院儿童的心电图数据 | 数字病理 | 心血管疾病 | 心电图检查 | NA | 心电图信号 | 11643名儿童，14190条心电图记录（12334条12导联，1856条9导联） | NA | NA | NA | NA |
| 12526 | 2025-10-06 |
Artificial Intelligence Applied to Ultrasound Diagnosis of Pelvic Gynecological Tumors: A Systematic Review and Meta-Analysis
2025-May-08, Gynecologic and obstetric investigation
IF:2.0Q2
DOI:10.1159/000545850
PMID:40340944
|
系统评价与Meta分析 | 本文系统评价了人工智能在盆腔妇科肿瘤超声诊断中的应用，并通过Meta分析评估其诊断性能 | 首次对AI在妇科盆腔肿瘤超声诊断中的研究进行系统评价和Meta分析，并与ADNEX模型的性能进行对比 | 95%的研究存在高偏倚风险，主要由于研究纳入标准不当、缺乏患者级别的训练测试集分割和校准评估不足 | 评估人工智能在盆腔妇科肿瘤超声诊断中的识别和鉴别能力 | 盆腔妇科肿瘤（卵巢肿瘤、子宫内膜肿瘤、子宫肌层肿瘤） | 医学影像分析 | 妇科肿瘤 | 超声成像 | 深度学习, 基于放射组学的机器学习 | 超声图像 | 44项研究（40项卵巢肿瘤、3项子宫内膜肿瘤、1项子宫肌层肿瘤） | NA | NA | AUC, 敏感性, 特异性 | NA |
| 12527 | 2025-10-06 |
U-Net-Based Prediction of Cerebrospinal Fluid Distribution and Ventricular Reflux Grading
2025-May, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70029
PMID:40229147
|
研究论文 | 本研究开发基于U-Net的深度学习模型，用于预测人类脑脊液中造影剂的分布和脑室反流分级 | 首次使用U-Net模型仅基于注射后2小时的早期MRI数据即可准确预测24小时后的造影剂峰值分布，与使用更多时间点数据的模型性能相当 | 研究依赖于特定造影剂和MRI扫描协议，模型泛化能力需进一步验证 | 开发能够预测脑脊液造影剂分布的深度学习模型，减少MRI扫描次数而不影响临床分析 | 人类脑脊液和脑室系统 | 医学影像分析 | 中枢神经系统疾病 | T1加权磁共振成像 | CNN | 医学影像 | NA | NA | U-Net | 与神经放射科医师的脑室反流分级一致性 | NA |
| 12528 | 2025-10-06 |
Longitudinal Risk Prediction for Pediatric Glioma with Temporal Deep Learning
2025-May, NEJM AI
DOI:10.1056/aioa2400703
PMID:40535328
|
研究论文 | 开发了一种用于儿科胶质瘤复发预测的时序深度学习模型，通过分析连续MRI扫描提高复发风险预测性能 | 提出自监督时序深度学习方法，通过按时间顺序分类的预训练任务学习连续医学影像的时序特征 | 数据可用性和当前机器学习方法的限制可能影响模型性能 | 提高儿科胶质瘤复发风险的个体化预测准确性 | 儿科低级别和高级别胶质瘤患者 | 医学影像分析 | 儿科胶质瘤 | 磁共振成像 | 深度学习 | 医学影像 | 715名患者的3994次扫描，来自三个不同机构 | NA | 时序深度学习模型 | F1分数, AUC | NA |
| 12529 | 2025-10-06 |
Trade-offs between machine learning and deep learning for mental illness detection on social media
2025-Apr-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99167-6
PMID:40281061
|
研究论文 | 比较机器学习和深度学习模型在社交媒体心理健康检测中的性能权衡 | 系统评估传统机器学习与深度学习模型在心理健康文本分类中的性能差异，特别关注准确性、可解释性和计算效率之间的权衡关系 | 仅使用中等规模数据集进行评估，未涵盖超大规模数据场景 | 为心理健康状况检测选择最合适的模型方法 | 社交媒体用户关于抑郁、焦虑和自杀意念的文本讨论 | 自然语言处理 | 精神疾病 | 文本分析 | 逻辑回归,随机森林,LightGBM,ALBERT,GRU | 文本数据 | 中等规模数据集 | NA | ALBERT,Gated Recurrent Units | 准确性,可解释性,计算效率 | NA |
| 12530 | 2025-10-06 |
Deep Learning-Enabled Assessment of Right Ventricular Function Improves Prognostication After Transcatheter Edge-to-Edge Repair for Mitral Regurgitation
2025-Jan, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.124.017005
PMID:39836730
|
研究论文 | 本研究利用深度学习模型从二维超声心动图视频预测右心室射血分数，评估其在接受经导管二尖瓣修复术的重度二尖瓣反流患者预后预测中的价值 | 首次将深度学习预测的右心室射血分数应用于经导管二尖瓣修复术患者的预后评估，证明其优于传统的三尖瓣环平面收缩偏移测量方法 | 研究为回顾性多中心注册研究，仅包含2017-2023年间可获得高质量二维心尖四腔视图视频的患者 | 评估深度学习预测的右心室射血分数对重度二尖瓣反流患者经导管二尖瓣修复术后预后的预测价值 | 接受经导管二尖瓣修复术的重度二尖瓣反流患者 | 数字病理学 | 心血管疾病 | 二维超声心动图视频分析 | 深度学习模型 | 视频 | 1154例患者 | NA | NA | AUC, Kaplan-Meier生存分析, 风险比 | NA |
| 12531 | 2025-10-06 |
Introducing a Deep Neural Network Model with Practical Implementation for Polyp Detection in Colonoscopy Videos
2025, Journal of medical signals and sensors
DOI:10.4103/jmss.jmss_23_24
PMID:40546333
|
研究论文 | 提出一种用于结肠镜视频息肉检测的深度学习模型 | 采用迁移学习和多任务学习解决标注数据有限的问题，同时实现息肉分类和边界框检测 | 缺乏非息肉图像数据集，需要额外进行数据收集 | 开发简单准确的深度学习模型用于结肠镜息肉检测 | 结肠镜视频中的息肉图像 | 计算机视觉 | 结直肠癌 | 深度学习 | 深度神经网络 | 图像 | KVASIR-SEG、CVC-CLINIC数据集和LDPolyp视频数据集提取的非息肉图像 | NA | 深度神经网络 | 准确率, 边界框检测准确率, 处理时间 | NA |
| 12532 | 2025-10-06 |
Deep learning for differential diagnosis of parotid tumors based on 2.5D magnetic resonance imaging
2025-Dec, Annals of medicine
IF:4.9Q1
DOI:10.1080/07853890.2025.2520401
PMID:40531801
|
研究论文 | 本研究开发了一种基于2.5D磁共振成像和深度学习模型的腮腺肿瘤良恶性鉴别方法 | 首次将2.5D成像方法（包含层间信息）与基于Transformer的迁移学习模型结合应用于腮腺肿瘤的鉴别诊断 | 回顾性研究，样本量较小（122例患者），缺乏外部验证 | 开发准确的腮腺肿瘤术前良恶性鉴别诊断方法以指导手术规划 | 腮腺肿瘤患者 | 医学影像分析 | 腮腺肿瘤 | 磁共振成像 | 深度学习, Transformer | 2D和2.5D磁共振图像, 临床特征 | 122例腮腺肿瘤患者 | NA | Transformer | AUC, 灵敏度, 混淆矩阵 | NA |
| 12533 | 2025-10-06 |
Optimized YOLOv8 for enhanced breast tumor segmentation in ultrasound imaging
2025-Jun-19, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-02889-2
PMID:40536560
|
研究论文 | 本研究探索使用优化的YOLOv8和深度学习模型改进乳腺超声图像分割性能 | 将YOLOv8目标检测算法应用于分割任务，并比较联合训练与按良恶性分类单独训练的策略 | 仅使用780张超声图像，样本量相对有限 | 提高乳腺肿瘤超声图像分割的准确性和效率 | 乳腺超声图像中的良性和恶性肿瘤 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 图像 | 780张超声图像（分为良性和恶性类别） | NA | UNet, DenseNet-121, VGG16, VGG19, YOLOv8 | Dice系数, IoU, mAP, F1-score | NA |
| 12534 | 2025-10-06 |
Deep learning detects retropharyngeal edema on MRI in patients with acute neck infections
2025-Jun-19, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-025-00599-6
PMID:40536731
|
研究论文 | 开发基于深度学习的算法，用于自动检测急性颈部感染患者MRI图像中的咽后水肿 | 提出基于弱标注数据且计算效率高的深度学习模型，在切片和患者两个层级实现咽后水肿的自动检测 | 模型性能仍需在更大样本和更多中心验证 | 开发自动检测急性颈部感染患者咽后水肿的深度学习算法 | 479例急性颈部感染患者的MRI图像 | 医学影像分析 | 急性颈部感染 | MRI, 轴向T2加权水相Dixon成像 | CNN | 医学影像 | 479例患者（244例RPE阳性，235例RPE阴性） | NA | 自定义CNN, InceptionV3 | 准确率, 敏感度, 特异度, AUROC | NA |
| 12535 | 2025-10-06 |
Automated assessment of simulated laparoscopic surgical skill performance using deep learning
2025-Apr-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96336-5
PMID:40253514
|
研究论文 | 本研究利用深度学习技术自动评估模拟腹腔镜手术技能表现 | 引入了专门设计的模拟腹腔镜手术性能数据集(LSPD)，并采用弱监督3DCNN方法进行外科医生经验水平分类 | 基于模拟环境而非真实手术场景，数据集规模可能有限 | 开发自动化手术技能评估系统以减少对人工专家评估的依赖 | 不同经验水平外科医生(新手、学员、专家)的模拟腹腔镜手术表现 | 计算机视觉 | NA | 深度学习，计算机视觉 | 3DCNN | 手术模拟视频 | 包含新手、学员和专家三个技能水平的外科医生样本 | NA | 3D卷积神经网络 | F1分数，AUC | NA |
| 12536 | 2025-10-06 |
MBRSTCformer: a knowledge embedded local-global spatiotemporal transformer for emotion recognition
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10277-3
PMID:40538970
|
研究论文 | 提出一种基于脑电信号的局部-全局时空Transformer模型MBRSTCformer用于情绪识别 | 结合大脑认知机制，提出多脑区协作网络和级联金字塔空间融合时序卷积网络，能够量化不同脑区刺激差异并融合多脑区特征 | NA | 开发稳健的脑电信号情绪识别模型 | 脑电信号情绪识别 | 机器学习 | NA | 脑电信号处理 | Transformer, CNN | 脑电信号 | DEAP和DREAMER两个主流情绪识别数据集 | NA | MBRSTCformer, Cascade Pyramid Spatial Fusion Temporal Convolution Network | 准确率 | NA |
| 12537 | 2025-10-06 |
Artificial intelligence entering the pathology arena in oncology: current applications and future perspectives
2025-Jul, Annals of oncology : official journal of the European Society for Medical Oncology
IF:56.7Q1
DOI:10.1016/j.annonc.2025.03.006
PMID:40307127
|
综述 | 本文系统综述了人工智能在肿瘤病理学领域的当前应用与未来展望 | 首次通过ESMO精准肿瘤工作组系统评估AI在肿瘤病理中的应用现状，特别关注基础模型和基于Transformer的深度学习等新兴技术 | 目前尚无基于IA或IB证据支持的AI预后或预测生物标志物，数据可用性、可解释性和监管问题仍是主要障碍 | 评估人工智能在肿瘤病理学中的当前应用并展望未来发展前景 | 肿瘤病理学中应用AI算法的相关研究 | 数字病理学 | 肿瘤 | 系统综述方法 | 基础模型,通用模型,基于Transformer的深度学习 | 病理图像,多组学数据 | NA | NA | Transformer | 准确性,效率 | NA |
| 12538 | 2025-06-22 |
Deep learning-designed dynamics
2025-Jun-20, Nature chemical biology
IF:12.9Q1
DOI:10.1038/s41589-025-01963-8
PMID:40542166
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12539 | 2025-10-06 |
A primer on variational inference for physics-informed deep generative modelling
2025-Jun-19, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences
DOI:10.1098/rsta.2024.0324
PMID:40534291
|
综述 | 本文系统介绍了变分推断在物理信息深度生成建模中的理论基础与实践方法 | 将变分推断与深度学习相结合，为物理正反问题提供统一的贝叶斯推断框架，强调不确定性量化的灵活性 | 未提供具体应用案例的性能对比数据 | 为科学界提供解决物理基础问题的变分推断方法论，特别关注不确定性量化 | 物理正反问题的生成建模与反演任务 | 机器学习 | NA | 变分推断 | 深度生成模型 | 物理模型数据 | NA | NA | NA | 不确定性量化准确度 | NA |
| 12540 | 2025-10-06 |
Applying a multi-task and multi-instance framework to predict axillary lymph node metastases in breast cancer
2025-Jun-18, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-00971-0
PMID:40533499
|
研究论文 | 提出一种结合多任务学习和多示例学习的深度学习框架，用于预测乳腺癌腋窝淋巴结转移状态 | 首次将多任务学习与多示例学习结合，模拟真实临床多视图联合预测场景，使用Transformer模型Segformer作为网络主干 | 未明确说明样本数据的具体来源和采集标准 | 开发能够辅助临床医生评估乳腺癌腋窝淋巴结转移状态的深度学习工具 | 乳腺癌患者的原发性肿瘤和腋窝淋巴结超声图像 | 计算机视觉 | 乳腺癌 | 超声成像 | Transformer | 医学图像 | 训练队列和内外测试队列（具体数量未明确） | NA | Segformer | AUC, 敏感度, 特异度 | NA |