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 521 - 540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 521 | 2025-05-31 |
Aligning, Autoencoding and Prompting Large Language Models for Novel Disease Reporting
2025-05, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3534586
PMID:40031357
|
research paper | 提出了一种基于提示的深度学习框架PromptLLM，用于准确高效地生成新疾病的放射学报告 | 通过视觉图像与文本报告的对齐、无标签数据的自编码以及提示LLM学习新疾病的知识和写作风格，减少对大量标注数据的依赖 | 实验仅针对COVID-19和多种胸部疾病进行验证，可能在其他疾病上的泛化能力有限 | 开发一种能够在新疾病数据有限的情况下生成准确放射学报告的方法 | 放射学图像和新疾病的报告生成 | natural language processing | COVID-19, thorax diseases | prompt-based deep learning | LLM | image, text | 仅使用1%的训练数据 | NA | NA | NA | NA |
| 522 | 2025-05-31 |
Development and validation of pan-cancer lesion segmentation AI-model for whole-body 18F-FDG PET/CT in diverse clinical cohorts
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110052
PMID:40127518
|
研究论文 | 开发并验证了一种基于深度学习的全身18F-FDG PET/CT图像病灶分割AI模型，适用于多种临床队列 | 提出了一种不依赖病灶位置和部位的深度学习自动分割模型，并在多种未见过的临床队列中进行了验证 | 模型在测试集和PHEO队列中遗漏了小体积和低摄取病灶，且在OS和ST队列中假阳性和假阴性病灶的体积和摄取无显著差异 | 开发一种适用于全身18F-FDG PET/CT图像的自动病灶分割AI模型 | 全身18F-FDG PET/CT图像中的病灶 | 数字病理学 | 多种癌症（骨肉瘤、神经母细胞瘤、儿童实体瘤、成人嗜铬细胞瘤/副神经节瘤） | 18F-FDG PET/CT成像 | 3D U-Net（特别是3D full resolution nnUNet） | 3D医学影像 | 训练、验证和测试集共1014例全身FDG-PET/CT图像，外加3个未见过的临床队列（OS队列13例，ST队列14例，PHEO队列40例） | NA | NA | NA | NA |
| 523 | 2025-05-31 |
IR-GPT: AI Foundation Models to Optimize Interventional Radiology
2025-May, Cardiovascular and interventional radiology
IF:2.8Q2
DOI:10.1007/s00270-024-03945-0
PMID:40140092
|
研究论文 | 本文探讨了如何为介入放射学（IR）定制基础人工智能（AI）模型，提出了IR-GPT的设计理念 | 首次提出为介入放射学定制基础AI模型IR-GPT，旨在提供一个统一的AI平台 | 未具体说明模型实现细节及实际应用效果 | 优化介入放射学中的AI应用 | 介入放射学相关的AI基础模型 | 数字病理学 | NA | 深度学习 | GPT | 文本、医学图像 | NA | NA | NA | NA | NA |
| 524 | 2025-05-31 |
Unsupervised Test-Time Adaptation for Hepatic Steatosis Grading Using Ultrasound B-Mode Images
2025-05, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3555180
PMID:40138246
|
研究论文 | 本文提出了一种无监督的测试时间自适应方法，用于超声B模式图像的肝脏脂肪变性分级 | 提出了一种测试时间批量归一化（TTN）技术，专门针对标签分布变化引起的域偏移，通过调整训练好的卷积神经网络模型中批量归一化层的选定特征来实现无监督自适应 | 方法仅在两个不同机构收集的腹部超声数据集上进行了评估，可能需要更多样化的数据集验证其泛化能力 | 解决肝脏脂肪变性分级中因临床环境差异导致的域偏移问题，提高模型在不同临床环境中的泛化能力 | 超声B模式图像中的肝脏脂肪变性分级 | 数字病理学 | 肝脏疾病 | 无监督域适应技术 | CNN | 图像 | 两个不同机构收集的腹部超声数据集 | NA | NA | NA | NA |
| 525 | 2025-05-31 |
Predicting the structures of cyclic peptides containing unnatural amino acids by HighFold2
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf202
PMID:40350698
|
research paper | 本文介绍了一种名为HighFold2的新模型，用于预测含有非天然氨基酸的环肽的三维结构 | HighFold2基于AlphaFold-Multimer框架，首次将预定义的刚性基团及其初始原子坐标从天然氨基酸扩展到非天然氨基酸，并引入额外的神经网络来表征肽的原子级特征，同时构建了基于不同环化约束的环肽相对位置编码矩阵 | NA | 准确预测含有非天然氨基酸的环肽的三维结构，以促进基于环肽的药物发现 | 含有非天然氨基酸的环肽及其与蛋白质的复合物 | machine learning | NA | deep learning | HighFold2 (基于AlphaFold-Multimer框架) | 3D结构数据 | NA | NA | NA | NA | NA |
| 526 | 2025-05-31 |
Grading of Foveal Hypoplasia Using Deep Learning on Retinal Fundus Images
2025-May-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.5.18
PMID:40402544
|
research paper | 本研究开发并评估了一种基于深度学习的模型，用于使用视网膜眼底图像对中心凹发育不全进行分级 | 该研究首次使用深度学习模型对中心凹发育不全进行六级分类，并在准确性和效率上优于资深和初级临床医生的评估 | 研究为回顾性研究，样本量相对有限（303名患者），且数据来源于单一时间段（2001年至2021年） | 开发并评估一种深度学习模型，用于中心凹发育不全的分级诊断 | 中心凹发育不全患者 | digital pathology | 眼科疾病 | 深度学习 | EfficientNet_b1 | image | 605张视网膜眼底图像（来自303名患者，其中男性55.1%，女性44.9%） | NA | NA | NA | NA |
| 527 | 2025-10-07 |
Bayesian Optimization with Gaussian Processes Assisted by Deep Learning for Material Designs
2025-May-29, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c00592
PMID:40383929
|
研究论文 | 本研究将深度核学习与高斯过程相结合应用于贝叶斯优化，以提升材料设计的效率 | 提出将深度核学习与高斯过程结合的贝叶斯优化方法，解决了传统高斯过程无法自动生成描述符的局限性 | 在寻找居里温度最高的合金任务中，标准高斯过程表现优于深度核学习模型 | 提升材料设计中贝叶斯优化的效率 | 氧化物数据集和有机-无机杂化钙钛矿合金 | 机器学习 | NA | 深度核学习 | 高斯过程,神经网络 | 材料特性数据 | 922个氧化物数据集和610个钙钛矿合金数据集 | NA | 深度核学习 | 效率比较 | NA |
| 528 | 2025-05-30 |
Enhanced Pelvic CT Segmentation via Deep Learning: A Study on Loss Function Effects
2025-May-29, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01550-2
PMID:40437147
|
research paper | 本研究探讨了使用卷积神经网络（CNN）在盆腔CT图像中自动分割风险器官（OARs）的方法，重点关注膀胱、前列腺、直肠和股骨头（FHs）的分割，以替代传统的手动分割方法 | 通过比较U-Net、ResU-Net、SegResNet和Attention U-Net模型，并探索不同损失函数对分割精度的影响，发现SegResNet在分割性能上优于其他模型，且Dice损失函数在多数OARs分割中表现最佳 | 研究仅针对盆腔CT图像，样本量相对有限（240例前列腺分割和220例其他器官分割），且未探讨模型在其他影像模态或更大数据集上的泛化能力 | 提高放射治疗计划中风险器官（OARs）自动分割的精度和效率 | 盆腔CT图像中的膀胱、前列腺、直肠和股骨头（FHs） | digital pathology | prostate cancer | CT | CNN, U-Net, ResU-Net, SegResNet, Attention U-Net | image | 240例前列腺分割患者和220例其他器官分割患者 | NA | NA | NA | NA |
| 529 | 2025-10-07 |
DCA-U-Net: a deep learning network for segmentation of laser-induced thermal damage regions in mouse skin OCT images
2025-May-28, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adcd7c
PMID:40239684
|
研究论文 | 提出一种用于小鼠皮肤OCT图像中激光诱导热损伤区域分割的轻量级深度学习网络DCA-U-Net | 通过引入更高效的扩张ConvNeXT块和双模块注意力块，在显著减少参数量的同时提升特征提取能力和分割精度 | 研究仅限于小鼠皮肤激光热损伤OCT数据，尚未在人类临床数据上验证 | 开发高效的皮肤激光热损伤区域自动分割方法以支持精准诊疗 | 小鼠皮肤激光热损伤区域的OCT图像 | 计算机视觉 | 皮肤损伤 | 光学相干断层扫描 | CNN | 图像 | 两个不同部位的小鼠皮肤激光热损伤OCT数据集 | NA | U-Net, Dilated ConvNeXT, Attention机制 | 分割精度 | NA |
| 530 | 2025-10-07 |
Deep Learning-Assisted 3D Pressure Sensors for Control of Unmanned Aerial Vehicles
2025-May-28, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c03575
PMID:40371705
|
研究论文 | 开发了一种基于多层微结构复合薄膜压阻传感阵列和深度学习技术的可穿戴智能手势识别控制系统，用于无人机控制 | 结合多层微结构复合薄膜压阻传感阵列与深度学习技术，实现了高灵敏度手势识别和无人机控制 | NA | 开发实时人体运动检测和识别系统，用于虚拟现实、远程控制和机器人应用 | 人体手势动作和无人机控制 | 机器学习和机器人技术 | NA | 压阻传感技术和深度学习 | CNN | 传感器数据和手势数据 | NA | NA | 卷积神经网络 | 识别准确率 | NA |
| 531 | 2025-05-30 |
Combined Topological Data Analysis and Geometric Deep Learning Reveal Niches by the Quantification of Protein Binding Pockets
2025-May-28, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1089/cmb.2025.0076
PMID:40434873
|
研究论文 | 本文结合拓扑数据分析（TDA）和几何深度学习（GDL）来分析酶的假定蛋白质口袋，以全面理解蛋白质结构基序 | 首次整合了局部和全局表示方法来分析蛋白质口袋，提供了对蛋白质结构基序的全面和互补的理解 | 方法在结构已知的情况下特别有用，对于未知结构的情况可能不适用 | 研究蛋白质口袋的定位、测量及其解剖结构，以进一步理解蛋白质功能 | 酶的假定蛋白质口袋 | 计算生物学 | NA | 拓扑数据分析（TDA）、几何深度学习（GDL） | GDL | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 532 | 2025-05-30 |
Efficient feature extraction using light-weight CNN attention-based deep learning architectures for ultrasound fetal plane classification
2025-May-28, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01566-6
PMID:40437331
|
research paper | 提出了一种基于轻量级CNN和注意力机制的深度学习架构，用于超声胎儿平面分类 | 结合轻量级EfficientNet特征提取主干和注意力机制，显著减少可训练参数数量，便于边缘设备部署 | 未提及模型在不同超声设备或操作者间的泛化能力 | 辅助产科医生进行胎儿平面分类，提高产前诊断效率 | 超声胎儿图像中的关键平面（脑部、股骨、胸部、宫颈和腹部） | computer vision | prenatal development | 深度学习 | CNN with attention mechanism | 超声图像 | 最大基准超声数据集（具体数量未提及） | NA | NA | NA | NA |
| 533 | 2025-10-07 |
Digital Biomarkers for Parkinson Disease: Bibliometric Analysis and a Scoping Review of Deep Learning for Freezing of Gait
2025-May-20, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/71560
PMID:40392578
|
综述 | 通过文献计量分析和范围综述评估帕金森病数字生物标志物研究现状，特别关注深度学习在冻结步态检测中的应用 | 结合文献计量学与范围综述方法，首次系统分析帕金森病数字生物标志物研究格局，并深入评估深度学习模型在冻结步态检测中的性能 | 跨学科和跨机构合作不足，企业资助缺乏，冻结步态深度学习模型缺乏外部验证和标准化性能报告 | 评估全球帕金森病生物标志物研究现状、热点和未来趋势，系统综述冻结步态数字生物标志物的深度学习模型 | 帕金森病患者，特别是冻结步态症状 | 数字病理学 | 帕金森病 | 文献计量分析，范围综述，深度学习 | CNN | 文献数据，步态数据 | 文献计量分析750项研究，范围综述40项研究，涉及3700名研究人员 | NA | 卷积神经网络，基于CNN的架构 | 准确率，灵敏度，特异性，AUC | NA |
| 534 | 2025-10-07 |
The role of artificial intelligence in occupational health in radiation exposure: a scoping review of the literature
2025-May-16, Environmental health : a global access science source
IF:5.3Q1
DOI:10.1186/s12940-025-01186-3
PMID:40380224
|
综述 | 本文通过范围综述方法探讨人工智能在职业性辐射暴露评估、监测和控制中的应用现状与挑战 | 首次系统梳理人工智能在职业辐射防护领域的应用框架，识别出监督评估、检测监测、防护控制三大应用方向 | 依赖现有文献质量，存在数据异质性；缺乏对具体算法性能的定量比较；未涵盖非英语文献 | 综述人工智能在职业性辐射暴露管理中的应用研究现状 | 职业辐射暴露相关的评估、监测、控制与防护措施 | 机器学习 | 放射性疾病 | 专家系统、机器学习、深度学习 | 多种AI模型 | 文献数据 | 59篇符合条件的文章（从初始2920篇中筛选） | NA | NA | MMAT质量评估工具 | NA |
| 535 | 2025-10-07 |
Ultrasound-based deep learning radiomics for enhanced axillary lymph node metastasis assessment: a multicenter study
2025-May-08, The oncologist
DOI:10.1093/oncolo/oyaf090
PMID:40349137
|
研究论文 | 本研究开发了一种基于超声的深度学习影像组学模型，用于评估乳腺癌腋窝淋巴结转移，并通过多中心研究验证其临床价值 | 结合深度学习与手工提取的影像组学特征，构建临床-影像组学模型，并在多中心数据集和前瞻性测试中验证其性能 | NA | 开发用于评估乳腺癌腋窝淋巴结转移的深度学习影像组学模型，并评估其对放射科医生诊断准确性的影响 | 乳腺癌患者 | 数字病理 | 乳腺癌 | 超声成像 | 深度学习 | 超声图像 | 来自6家医院的866名乳腺癌患者 | NA | NA | AUC | NA |
| 536 | 2025-10-07 |
Wearable Artificial Intelligence for Sleep Disorders: Scoping Review
2025-May-06, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/65272
PMID:40327852
|
综述 | 本文对用于睡眠障碍的人工智能可穿戴设备进行了范围综述，重点关注研究特征、可穿戴技术特点及AI检测分析方法 | 首次系统综述AI驱动的可穿戴设备在睡眠障碍领域的应用现状和方法学特征 | 主要关注睡眠呼吸暂停，对其他睡眠障碍的研究有限，缺乏治疗效果评估 | 概述AI驱动的可穿戴设备在睡眠障碍检测和分析中的应用现状 | 使用可穿戴设备和AI算法检测或预测睡眠障碍的同行评议研究 | 医疗人工智能 | 睡眠障碍 | 可穿戴设备监测技术 | CNN,随机森林,支持向量机 | 呼吸数据,心率数据,身体运动数据 | 46项符合条件的研究 | NA | 卷积神经网络 | NA | NA |
| 537 | 2025-10-07 |
Current Technological Advances in Dysphagia Screening: Systematic Scoping Review
2025-May-05, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/65551
PMID:40324167
|
系统范围综述 | 本系统范围综述全面评估了人工智能和传感器技术在吞咽困难筛查中的当前进展、性能表现和方法学质量 | 首次系统评估AI和传感器技术在吞咽困难筛查中的应用，特别关注多模态系统的性能优势和方法学质量评估 | 纳入研究存在偏倚风险，缺乏外部验证和领域适应性测试，可能影响实际应用价值 | 评估人工智能和传感器技术在吞咽困难筛查中的技术现状、性能表现和方法学质量 | 吞咽困难筛查技术研究 | 医疗人工智能 | 吞咽困难 | 传感器技术，人工智能分析 | 支持向量机，深度学习 | 声学信号，振动信号 | 24项研究，2979名参与者（1717名吞咽困难患者，1262名对照组） | NA | NA | 准确率，受试者工作特征曲线下面积，灵敏度 | NA |
| 538 | 2025-10-07 |
Diagnostic performance of deep learning-based coronary computed tomography angiography in detecting coronary artery stenosis
2025-May, The international journal of cardiovascular imaging
DOI:10.1007/s10554-025-03383-0
PMID:40156689
|
研究论文 | 验证基于深度学习的冠状动脉CT血管成像自动诊断模型在检测冠状动脉狭窄中的性能 | 开发了全自动深度学习模型，采用多阶段框架进行冠状动脉分割和狭窄分析 | 研究限于特定时间段内的多中心数据，需要进一步验证在更广泛人群中的适用性 | 验证深度学习模型在诊断阻塞性冠状动脉疾病中的性能 | 疑似冠状动脉疾病患者 | 医学影像分析 | 冠状动脉疾病 | 冠状动脉CT血管成像 | CNN | 医学影像 | 1090名患者 | NA | 3D Multi-resolution Cascade CNN, 3D Cascade-Locally Optimized Network, Stenosis Analysis Network | 准确率, 敏感度, 特异度, 阳性预测值, 阴性预测值, kappa系数 | NA |
| 539 | 2025-10-07 |
Construction of a deep learning model and identification of the pivotal characteristics of FGF7- and MGST1- positive fibroblasts in heart failure post-myocardial infarction
2025-May, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.143171
PMID:40258553
|
研究论文 | 本研究通过构建深度学习模型并识别FGF7-和MGST1-阳性成纤维细胞在心肌梗死后心力衰竭中的关键特征 | 首次发现FGF7MGST1成纤维细胞在心肌梗死后心力衰竭中下调，并通过深度学习模型和孟德尔随机化分析揭示其因果关联 | 研究主要基于单细胞测序数据和小鼠模型，需要在更大样本和临床环境中进一步验证 | 探究成纤维细胞异质性在心肌梗死后心力衰竭发生发展中的作用机制 | 心脏组织中的成纤维细胞，特别是FGF7MGST1阳性成纤维细胞 | 数字病理学 | 心血管疾病 | scRNA-seq, qRT-PCR, 孟德尔随机化分析 | 深度学习模型 | 单细胞RNA测序数据, 基因表达数据 | 小鼠心肌梗死模型 | NA | NA | NA | NA |
| 540 | 2025-10-07 |
The prediction of RNA-small molecule binding sites in RNA structures based on geometric deep learning
2025-May, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.143308
PMID:40268011
|
研究论文 | 提出基于几何深度学习的RLBSIF方法，用于预测RNA结构中与小分子配体的结合位点 | 首次将表面几何特征（形状指数和距离依赖曲率）与化学特征（原子电荷）结合，通过MaSIF-based表面相互作用指纹全面表征RNA-配体相互作用 | 模型仅在440个结合口袋上训练，样本规模有限 | 准确预测RNA结构中配体结合位点以指导药物设计 | RNA-小分子配体结合位点 | 机器学习 | NA | 几何深度学习 | CNN | 结构表面特征数据 | 440个结合口袋 | PyTorch | ResNet18 | 准确率 | NA |