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 1408 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2025-06-12 |
Computed tomography-based deep learning radiomics model for preoperative prediction of tumor immune microenvironment in colorectal cancer
2025-May-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v17.i5.106103
PMID:40487956
|
research paper | 该研究开发了一种基于CT的深度学习放射组学模型，用于术前预测结直肠癌肿瘤免疫微环境的关键生物标志物 | 首次提出使用非侵入性的CT图像结合深度学习模型预测肿瘤免疫微环境，避免了传统侵入性活检的局限性 | 研究为回顾性设计，样本量相对有限（315例），需要前瞻性研究进一步验证 | 开发非侵入性方法评估结直肠癌患者的肿瘤免疫微环境成分 | 315例经病理确诊的结直肠癌患者的术前CT图像 | digital pathology | colorectal cancer | CT成像 | DenseNet-121/169 | image | 315例结直肠癌患者（训练队列220例，验证队列95例） | NA | NA | NA | NA |
| 282 | 2025-06-12 |
Predicting gastric cancer survival using machine learning: A systematic review
2025-May-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v17.i5.103804
PMID:40487963
|
系统综述 | 本文系统评估了机器学习在预测胃癌患者生存率中的应用及其局限性 | 总结了机器学习模型在胃癌生存预测中的最新应用，并指出了当前方法的局限性 | 回顾性研究数据依赖性强，模型可解释性不足 | 评估机器学习在预测胃癌生存率中的应用并指出当前方法的局限性 | 胃癌患者的生存率预测 | 机器学习 | 胃癌 | 机器学习 | 深度学习, 随机森林, 支持向量机, 集成方法 | 临床数据 | 134至14177名患者 | NA | NA | NA | NA |
| 283 | 2025-06-12 |
Three-Dimensional Reconstruction of Serial Block-Face Scanning Electron Microscopy Using Semantic Segmentation based on Semi-Supervised Deep Learning
2025-May-09, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada
IF:2.9Q1
DOI:10.1093/mam/ozaf047
PMID:40497462
|
研究论文 | 本研究提出了一种基于半监督深度学习的语义分割方法，用于三维重建连续块面扫描电子显微镜（SBF-SEM）图像 | 采用半监督学习方法结合分割插值技术，减少手动标注成本，同时保持高分割精度 | 方法在稀疏标注数据上表现良好，但在极端复杂结构上的分割精度可能受限 | 开发高效准确的SBF-SEM图像分割方法，实现复杂细胞器的三维重建 | 小鼠脑细胞和倒置图像 | 数字病理 | NA | 连续块面扫描电子显微镜（SBF-SEM） | 深度神经网络（具体架构未说明） | 电子显微镜图像 | 未明确说明样本数量，但包含小鼠脑细胞和倒置图像两类数据 | NA | NA | NA | NA |
| 284 | 2025-10-06 |
In silico analysis of soybean-derived umami peptides: Discovery and interaction mechanisms with T1R1/T1R3 receptor
2025-May, Food chemistry: X
DOI:10.1016/j.fochx.2025.102544
PMID:40486061
|
研究论文 | 通过计算分析方法从大豆蛋白中筛选鉴定与鲜味受体T1R1/T1R3结合的鲜味肽 | 整合深度学习预测、分子对接和分子动力学模拟等多种计算方法系统研究大豆源鲜味肽 | 研究主要基于计算机模拟，实验验证相对有限 | 开发天然鲜味增强剂并探索鲜味肽与受体的相互作用机制 | 大豆蛋白衍生的二肽至六肽 | 计算生物学 | NA | 虚拟酶解、分子对接、分子动力学模拟、电子舌实验、感官评价 | 深度学习 | 肽序列数据 | 629个肽段（从43个非毒性肽中筛选出17个潜在鲜味肽） | NA | NA | 结合稳定性、感官评价评分 | NA |
| 285 | 2025-10-06 |
A review of recent artificial intelligence for traditional medicine
2025-May, Journal of traditional and complementary medicine
IF:3.3Q1
DOI:10.1016/j.jtcme.2025.02.009
PMID:40486280
|
综述 | 本文综述人工智能在传统医学领域的最新应用进展 | 从人工智能技术和传统医学应用双重视角系统梳理AITM研究前沿 | 作为综述文章未开展原创性实验验证 | 促进人工智能与传统医学领域的跨学科合作与创新 | 传统医学诊断流程与研究方向 | 自然语言处理, 机器学习 | NA | 机器学习, 深度学习, 大语言模型 | NA | NA | NA | NA | NA | NA | NA |
| 286 | 2025-10-06 |
KARNet: A Novel Deep-Learning Approach for Dementia Stage Detection in MRI Images
2025-May, Cureus
DOI:10.7759/cureus.83548
PMID:40486321
|
研究论文 | 提出一种名为KARNet的新型深度学习框架，用于从MRI图像中检测痴呆症阶段 | 首次将Kolmogorov-Arnold网络架构与改进的ResNet-18和主成分分析相结合用于痴呆症分期 | NA | 开发一种准确检测和分期痴呆症的深度学习模型 | 痴呆症患者的MRI图像 | 计算机视觉 | 老年疾病 | 磁共振成像 | CNN, KAN | 图像 | 阿尔茨海默病神经影像倡议数据集 | NA | ResNet-18, KAN | 准确率 | NA |
| 287 | 2025-10-06 |
Using deep learning to predict postoperative pain in reverse shoulder arthroplasty patients
2025-May, JSES international
DOI:10.1016/j.jseint.2024.11.020
PMID:40486767
|
研究论文 | 本研究开发了一种深度学习算法，用于预测反向全肩关节置换术后的术后疼痛 | 首次将深度学习应用于肩关节置换术后疼痛预测，并识别出影响术后疼痛的关键临床因素 | 模型性能仍需提升，需要纳入更多预测参数并考虑其他机器学习算法 | 开发预测反向全肩关节置换术后疼痛的深度学习算法 | 接受反向全肩关节置换术的患者 | 机器学习 | 骨科疾病 | 人工神经网络 | 人工神经网络 | 临床数据 | 1707名患者（疼痛组705人，无疼痛组1002人） | NA | 人工神经网络 | 准确率, 精确率, 召回率, F1分数 | NA |
| 288 | 2025-10-06 |
The reliability of deep learning models in assessing the shoulder arthroscopic field's visual clarity in relation to bleeding
2025-May, JSES international
DOI:10.1016/j.jseint.2025.02.003
PMID:40486805
|
研究论文 | 本研究开发深度学习模型用于评估肩关节镜手术视野清晰度，并与人工评估进行可靠性对比 | 首次将多种深度学习模型应用于肩关节镜视野清晰度分类，并系统评估其与人工评估的一致性 | 研究为回顾性设计，样本量相对有限，仅包含113例肩关节镜手术 | 开发可靠的深度学习模型客观评估肩关节镜手术视野清晰度 | 肩关节镜手术视频和图像 | 计算机视觉 | 骨科疾病 | 深度学习，迁移学习 | CNN, Transformer | 图像，视频 | 113例肩关节镜手术（63例训练集，50例测试集），共3750张图像 | TensorFlow, PyTorch | DenseNet169, DenseNet201, Xception, InceptionResNetV2, VGG16, ViT | 准确率，一致性百分比，加权kappa系数，组内相关系数，偏差，一致性界限 | NA |
| 289 | 2025-10-06 |
Deep learning MRI-based radiomic models for predicting recurrence in locally advanced nasopharyngeal carcinoma after neoadjuvant chemoradiotherapy: a multi-center study
2025-May-15, Clinical & experimental metastasis
IF:4.2Q2
DOI:10.1007/s10585-025-10349-y
PMID:40369240
|
研究论文 | 本研究开发基于深度学习的MRI影像组学模型，用于预测局部晚期鼻咽癌新辅助放化疗后的复发风险 | 首次结合传统影像组学特征与深度学习特征构建多中心预测模型，并比较不同序列和模型组合的预测性能 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 验证基于深度学习的MRI影像组学模型预测局部晚期鼻咽癌复发的临床价值 | 328例来自四家医院的局部晚期鼻咽癌患者 | 医学影像分析 | 鼻咽癌 | MRI影像组学分析 | 机器学习分类器 | 医学影像数据 | 328例患者（训练集229例，验证集99例） | NA | LASSO, Random Forest | AUC, 准确率, 敏感性, 特异性 | NA |
| 290 | 2025-10-06 |
Meet the author: Hae Kyung Im
2025-May-14, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2025.100880
PMID:40373740
|
研究论文 | 开发了一种整合深度学习和单细胞数据的细胞类型特异性转录组范围关联研究方法 | 将深度学习方法与单细胞数据整合到细胞类型特异性转录组范围关联研究框架中 | NA | 改进转录组范围关联研究分析，更好理解复杂疾病基因组学 | 基因组数据 | 机器学习 | 复杂疾病 | 单细胞数据，转录组范围关联研究 | 深度学习 | 基因组数据，单细胞数据 | NA | NA | NA | NA | NA |
| 291 | 2025-10-06 |
Single-cell and spatial transcriptomics reveals an anti-tumor neutrophil subgroup in microwave thermochemotherapy-treated lip cancer
2025-05-13, International journal of oral science
IF:10.8Q1
DOI:10.1038/s41368-025-00366-8
PMID:40360503
|
研究论文 | 本研究通过单细胞和空间转录组学揭示了微波热化疗治疗唇癌中具有抗肿瘤活性的中性粒细胞亚群及其作用机制 | 首次发现微波热化疗能诱导具有抗肿瘤活性的MNDA TANs（N1表型）大量浸润，并构建了预测预后的MX2生物标志物 | 研究样本量有限，需要更大规模的临床验证 | 探究微波热化疗治疗唇鳞状细胞癌的分子机制和免疫微环境变化 | 唇鳞状细胞癌患者肿瘤组织 | 数字病理学 | 唇癌 | 单细胞转录组测序, 空间转录组学, 苏木精-伊红染色 | 深度学习 | 基因表达数据, 病理图像 | NA | NA | NA | 预后相关性分析 | NA |
| 292 | 2025-10-06 |
SimSon: simple contrastive learning of SMILES for molecular property prediction
2025-May-06, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf275
PMID:40341364
|
研究论文 | 提出一种名为SimSon的自监督对比学习框架，用于学习SMILES分子表示并预测分子性质 | 使用随机化SMILES通过对比学习来增强模型的泛化能力和鲁棒性，能够捕捉分子级别的全局语义上下文 | NA | 解决分子性质预测中标记数据短缺和泛化能力不足的问题 | SMILES分子表示 | 生物信息学, 化学信息学 | NA | 对比学习 | 自监督学习模型 | SMILES分子数据 | NA | NA | 对比学习框架 | NA | NA |
| 293 | 2025-10-06 |
Unraveling the three-dimensional genome structure using machine learning
2025-May, BMB reports
IF:2.9Q3
PMID:40058875
|
综述 | 本文综述了基于机器学习方法解析三维基因组结构的研究进展 | 系统总结了机器学习在染色体构象研究中的应用，包括从DNA序列预测相互作用、识别染色质层次结构以及提升Hi-C数据分辨率 | NA | 探讨机器学习方法在三维基因组结构分析中的应用 | 染色质相互作用和三维基因组结构 | 机器学习 | NA | 高通量染色体构象捕获测序 | 深度学习 | 基因组序列数据，Hi-C数据 | NA | NA | NA | NA | NA |
| 294 | 2025-06-10 |
Insights into "Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis"
2025-May-30, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.04.046
PMID:40450446
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 295 | 2025-06-10 |
Response to Letter to the Editor regarding "Evaluation of accuracy of deep learning and conventional neural network algorithms in detection of dental implant type using intraoral radiographic images: A systematic review and meta-analysis"
2025-May-30, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.05.012
PMID:40450443
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 296 | 2025-10-06 |
Machine Learning and Deep Learning Techniques for Prediction and Diagnosis of Leptospirosis: Systematic Literature Review
2025-May-29, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/67859
PMID:40440642
|
系统综述 | 本文系统评估了机器学习和深度学习技术在钩端螺旋体病预测和诊断中的应用 | 首次对ML和DL在钩端螺旋体病预测诊断中的应用进行系统性综述，识别了常用算法和性能表现 | 纳入研究数量有限（17篇），公开数据集使用不足（仅35%），多数研究依赖私有数据 | 评估机器学习和深度学习技术在钩端螺旋体病预测和诊断中的应用效果 | 钩端螺旋体病相关研究文献 | 机器学习 | 钩端螺旋体病 | NA | 支持向量机,人工神经网络,决策树,卷积神经网络 | 临床记录,医院数据,区域监测系统数据 | 17项研究纳入定性分析 | NA | U-Net | 准确率 | NA |
| 297 | 2025-10-06 |
PathoGraph: A Graph-Based Method for Standardized Representation of Pathology Knowledge
2025-May-27, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04906-z
PMID:40425649
|
研究论文 | 提出一种基于图结构的病理知识标准化表示方法PathoGraph，用于系统组织病理学知识 | 首次提出基于图的病理知识表示方法，能够全面捕捉多尺度疾病特征和病理学家专业知识 | NA | 系统组织病理学知识以促进计算利用和AI技术整合 | 病理数据（切片和诊断报告）中的知识元素 | 数字病理学 | 肿瘤疾病 | 图表示方法 | NA | 病理切片、诊断报告 | NA | NA | 图结构 | NA | NA |
| 298 | 2025-10-06 |
Leveraging Social Media Data to Understand the Impact of COVID-19 on Residents' Dietary Behaviors: Observational Study
2025-May-23, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/51638
PMID:40409748
|
研究论文 | 利用Twitter社交媒体数据分析COVID-19疫情对居民饮食行为的影响 | 首次结合社交媒体图像和文本数据，通过深度学习分析疫情对饮食行为、情绪和肥胖关系的多层次影响 | 研究仅基于Twitter数据，可能无法代表全部人群；依赖用户自发发布内容，存在选择偏差 | 探究COVID-19疫情对居民饮食行为、情绪和肥胖关系的影响 | Twitter平台上与食物相关的推文图像和文本数据 | 自然语言处理,计算机视觉 | COVID-19 | 社交媒体数据分析,情感分析 | CNN | 图像,文本 | 约200,000条2019-2021年期间的食物相关推文 | NA | ResNet-101 | 相关系数,P值 | NA |
| 299 | 2025-10-06 |
Identifying Disinformation on the Extended Impacts of COVID-19: Methodological Investigation Using a Fuzzy Ranking Ensemble of Natural Language Processing Models
2025-May-21, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/73601
PMID:40397945
|
研究论文 | 本研究开发了一种融合预训练语言模型和模糊排序集成方法的深度学习框架，用于检测关于COVID-19长期影响的不实信息 | 提出了一种创新的基于模糊排序的集成方法，结合重新参数化的Gompertz函数来融合多个预训练语言模型的预测结果 | 数据集规模相对有限（共2927个样本），且仅基于文本内容进行训练 | 开发一个鲁棒且可泛化的深度学习框架来检测与COVID-19长期影响相关的错误信息 | 关于COVID-19长期影响和再感染风险的网络信息 | 自然语言处理 | COVID-19 | 自然语言处理 | 预训练语言模型,集成学习 | 文本 | 2927个样本（566个真实样本，2361个虚假样本） | scikit-learn | RoBERTa,DeBERTa,XLNet,HAN | 准确率,精确率,召回率,F1分数,AUC | Tesla T4（用于HAN训练）,RTX A5000（用于其他模型训练） |
| 300 | 2025-10-06 |
Prediction of Spontaneous Breathing Trial Outcome in Critically Ill-Ventilated Patients Using Deep Learning: Development and Verification Study
2025-May-21, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/64592
PMID:40397953
|
研究论文 | 开发基于深度学习的人工智能模型，用于预测危重症机械通气患者自主呼吸试验结果 | 提出新型混合CNN-MLP架构，通过交错CNN和MLP层实现特征学习和融合，提高模型灵活性和预测精度 | 研究为回顾性队列研究，数据来源于单一医疗中心，需要进一步前瞻性验证 | 建立数据驱动方法预测自主呼吸试验结果，提供客观高效的呼吸机脱机评估工具 | 台湾中部某医疗中心重症监护室20岁及以上机械通气患者 | 医疗人工智能 | 呼吸系统疾病 | 深度学习 | CNN, MLP | 临床数据 | 3686名患者，6536条自主呼吸试验前临床记录 | NA | 混合CNN-MLP | 精确度, 召回率, 特异性, F1分数 | NA |