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 1409 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2025-10-06 |
Cellular and subcellular specialization enables biology-constrained deep learning
2025-May-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.22.655599
PMID:40501912
|
研究论文 | 本研究开发了一种符合生物学约束的深度学习模型，通过模拟神经元细胞类型和树突区室的特化机制来实现图像分类任务 | 提出了首个完全符合生物学约束的深度学习算法，整合了兴奋性/抑制性神经元分化和树突区室信号传导的特化机制 | 模型虽然符合生物学约束，但仍是对真实神经系统的简化表示，需要进一步实验验证 | 探索大脑如何通过神经元细胞类型和树突区室的特化来协调多层神经回路的学习过程 | 人工神经网络模型，模拟生物神经元的特化结构和信号传导机制 | 机器学习 | NA | 深度学习算法 | 循环神经网络 | 图像 | NA | NA | 多层循环神经网络，包含兴奋性和抑制性神经元单元 | 分类准确率 | NA |
| 62 | 2025-10-06 |
A Systematic Review of AI-Based Techniques for Automated Waste Classification
2025-May-18, Sensors (Basel, Switzerland)
DOI:10.3390/s25103181
PMID:40431972
|
系统综述 | 本文系统综述了基于人工智能的自动化废物分类技术，重点关注机器学习和深度学习的应用 | 采用系统文献综述方法分析97项研究，提出将AI技术分为机器学习、深度学习和混合模型三类，并制定了分阶段发展路线图 | 识别出数据集不平衡、现实世界变异性和标准化问题等关键限制因素 | 探索人工智能在自动化废物分类中的作用 | 废物分类相关的研究文献和公开数据集 | 机器学习 | NA | 机器学习,深度学习 | CNN,混合模型 | 图像 | 分析97项研究和15个公开数据集 | NA | CNN | 模型准确率,系统效率 | NA |
| 63 | 2025-10-06 |
Using deep learning to predict internalizing problems from brain structure in youth
2025-May-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.28.625869
PMID:40654936
|
研究论文 | 使用深度学习通过脑结构特征预测青少年内化问题的横断面和纵向恶化轨迹 | 首次结合四个大规模数据集，利用脑结构测量指标（厚度、表面积和体积）通过深度学习预测内化问题的临床状态和恶化轨迹 | 纵向模型在普通人群样本中预测性能欠佳，主要神经发育条件的外部测试集样本量较小 | 探索内化问题的生物标志物，建立脑结构与内化问题的预测模型 | 青少年人群，包括普通人群和神经发育条件患者 | 机器学习 | 精神健康疾病 | 脑结构测量（厚度、表面积、体积） | 深度学习 | 脑结构测量数据 | 横断面分析14,523人，纵向分析10,540人 | NA | NA | AUC | NA |
| 64 | 2025-10-06 |
Histopathology-based Protein Multiplex Generation using Deep Learning
2025-May-28, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.01.26.24301803
PMID:39677425
|
研究论文 | 提出一种直接从标准H&E组织病理学图像生成空间解析蛋白多重图像的深度学习框架HistoPlexer | 首次实现从常规H&E图像直接生成蛋白多重图像，采用条件生成对抗网络架构和定制损失函数解决切片间变异问题 | 研究主要基于转移性黑色素瘤样本，在其他癌症类型的泛化能力需进一步验证 | 开发从H&E图像生成蛋白多重图像的方法以降低肿瘤微环境分析成本和时间 | 转移性黑色素瘤样本和其他癌症类型的公开数据集 | 数字病理学 | 黑色素瘤 | 蛋白多重成像，H&E染色 | GAN | 组织病理学图像 | 转移性黑色素瘤样本和多种癌症类型的公开数据集 | NA | 条件生成对抗网络 | 像素级相似度，嵌入级相似度，专家评估，生存预测准确率，免疫亚型分类准确率 | NA |
| 65 | 2025-10-06 |
scDILT: A Model-Based and Constrained Deep Learning Framework for Single-Cell Data Integration, Label Transferring, and Clustering
2025 May-Jun, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3553068
PMID:40811359
|
研究论文 | 提出了一种基于条件自编码器和深度嵌入聚类的单细胞数据集成工具scDILT，用于数据整合、标签转移和聚类分析 | 首次开发能同时实现单细胞数据整合、保持参考数据集细胞簇结构、并将新数据集细胞映射到参考注释簇的工具 | NA | 开发单细胞数据集成框架，实现批次效应去除和细胞类型标签转移 | 单细胞RNA测序数据和多组学单细胞数据 | 机器学习 | NA | scRNA-seq, 多组学单细胞测序 | 条件自编码器, 深度嵌入聚类 | 单细胞基因表达数据 | 模拟数据集和真实数据集 | NA | 条件自编码器, 深度嵌入聚类 | 数据整合效果评估指标 | NA |
| 66 | 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 |
| 67 | 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 |
| 68 | 2025-10-06 |
Predicting postoperative prognosis in clear cell renal cell carcinoma using a multiphase CT-based deep learning model
2025-05, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04593-1
PMID:39311948
|
研究论文 | 开发基于多期相CT图像的深度学习模型用于预测肾透明细胞癌患者术后预后 | 首次结合三期相CT图像（平扫期、皮质髓质期、肾实质期）构建深度学习模型，并与Leibovich评分系统结合形成列线图 | 回顾性研究，样本量相对有限（382例患者），需要外部验证 | 评估基于CT图像的深度学习模型在预测肾透明细胞癌术后预后的价值 | 肾透明细胞癌患者 | 医学影像分析 | 肾癌 | CT成像 | CNN, ELM | CT图像 | 382例肾透明细胞癌患者（训练集229例，测试集153例） | NA | ResNet50 | AUC, IDI | NA |
| 69 | 2025-10-06 |
Application of deep learning models for accurate classification of fluid collections in acute necrotizing pancreatitis on computed tomography: a multicenter study
2025-05, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04607-y
PMID:39347977
|
研究论文 | 应用深度学习模型对急性坏死性胰腺炎CT图像中的胰液积聚进行基于固体碎屑的准确分类 | 首次在多中心研究中比较ResNet 50、Vision Transformer和MedViT架构在胰腺液体积聚分类中的性能 | 样本量相对有限（152例患者），外部测试集性能中等 | 开发基于CT的深度学习模型用于急性胰腺炎中胰液积聚的固体碎屑分类 | 急性胰腺炎伴胰液积聚的患者 | 医学影像分析 | 急性胰腺炎 | 计算机断层扫描（CT）、磁共振成像（MRI）、内镜超声（EUS） | 深度学习 | CT图像 | 152例患者（129例训练/验证，23例测试），共2180张图像 | NA | ResNet 50,Vision transformer (ViT),MedViT | 灵敏度,特异度,AUC | NA |
| 70 | 2025-10-06 |
Evaluation of SR-DLR in low-dose abdominal CT: superior image quality and noise reduction
2025-05, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04686-x
PMID:39560744
|
研究论文 | 评估超分辨率深度学习重建在低剂量腹部CT中的图像质量和噪声降低效果 | 首次在低剂量腹部CT中系统比较超分辨率深度学习重建与传统深度学习重建及混合迭代重建算法的性能 | 回顾性研究，样本量较小（35例患者），单中心数据 | 评估不同图像重建算法在低剂量腹部CT中的性能差异 | 低剂量腹部CT扫描图像 | 医学影像处理 | NA | 计算机断层扫描 | 深度学习 | CT图像 | 35例患者 | NA | 超分辨率深度学习重建 | 噪声幅度, 对比噪声比, 噪声功率谱, 边缘上升斜率, 主观图像质量评分 | NA |
| 71 | 2025-10-06 |
Machine learning and deep learning models for preoperative detection of lymph node metastasis in colorectal cancer: a systematic review and meta-analysis
2025-05, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04668-z
PMID:39522103
|
系统综述与荟萃分析 | 评估机器学习和深度学习模型在结直肠癌术前淋巴结转移预测中的诊断性能 | 首次对ML/DL模型在CRC术前LNM检测中的诊断性能进行系统评价和荟萃分析 | 纳入研究数量有限(12项)，存在异质性(I2:86.17)，需要更多前瞻性多中心研究验证 | 评估ML和DL模型在结直肠癌术前淋巴结转移预测中的诊断性能 | 结直肠癌患者 | 机器学习 | 结直肠癌 | NA | 机器学习,深度学习 | NA | 8321名患者 | NA | NA | AUC,敏感性,特异性 | NA |
| 72 | 2025-10-06 |
Application of deep learning techniques for breath-hold, high-precision T2-weighted magnetic resonance imaging of the abdomen
2025-05, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04675-0
PMID:39535616
|
研究论文 | 评估基于深度学习的PIQE算法在高精度单次激发快速自旋回波序列中用于腹部T2加权磁共振成像的可行性 | 首次将深度学习PIQE算法应用于高精度SS-FSE序列，并与标准SS-FSE和MS-FSE序列进行图像质量比较 | 单中心研究设计且缺乏病理学确认 | 评估深度学习算法在腹部磁共振成像中的应用效果 | 腹部T2加权磁共振图像 | 医学影像分析 | 肝脏疾病,胰腺疾病 | 磁共振成像,单次激发快速自旋回波,多次激发快速自旋回波 | 深度学习 | 医学影像 | 105名患者 | PIQE | NA | 图像质量评分,信噪比,对比噪声比 | NA |
| 73 | 2025-10-06 |
Structural Diversity of Mitochondria in the Neuromuscular System across Development Revealed by 3D Electron Microscopy
2025-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202411191
PMID:40047328
|
研究论文 | 本研究通过3D电子显微镜和深度学习技术，揭示了线粒体在秀丽隐杆线虫神经肌肉系统中随发育阶段变化的结构多样性 | 开发了半自动线粒体重建方法，首次系统比较了正常发育阶段和dauer期线粒体结构差异，发现了与突触连接相关的线粒体结构特性 | 研究主要基于秀丽隐杆线虫模型，在哺乳动物系统中的普适性仍需验证 | 探究神经肌肉系统中线粒体结构在发育过程中的变化规律及其功能意义 | 秀丽隐杆线虫的神经肌肉系统 | 生物医学成像 | NA | 3D电子显微镜，深度学习 | NA | 3D电子显微镜图像 | 正常生殖阶段和dauer期的秀丽隐杆线虫样本 | NA | NA | NA | NA |
| 74 | 2025-10-06 |
Machine Learning for Predicting Critical Events Among Hospitalized Children
2025-05-01, JAMA network open
IF:10.5Q1
|
研究论文 | 开发一种机器学习模型用于早期检测住院儿童的病情恶化，实现全院统一风险评估 | 创建了首个覆盖医院所有科室的统一风险评估模型，突破了传统分科室评估的局限性 | 回顾性研究设计，需要在更多医疗机构进行前瞻性验证 | 开发早期检测住院儿童病情恶化的机器学习模型 | 3家三级医院住院的18岁以下儿童患者 | 机器学习 | 儿科疾病 | NA | XGBoost, 深度学习模型 | 临床数据（年龄、生命体征、实验室结果、合并症等） | 135,621名患者 | XGBoost | 极端梯度提升机, 深度学习模型 | C统计量, 灵敏度, 需警示人数 | NA |
| 75 | 2025-10-06 |
HVAngleEst: A Dataset for End-to-end Automated Hallux Valgus Angle Measurement from X-Ray Images
2025-May-30, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05261-9
PMID:40447606
|
研究论文 | 本文提出了首个用于拇外翻角度自动测量的大规模公开数据集HVAngleEst | 创建了首个专门用于拇外翻角度估计的大规模开放数据集，支持端到端自动测量 | NA | 开发用于拇外翻角度自动测量的深度学习算法 | X射线图像中的足部区域和骨骼结构 | 计算机视觉 | 足部疾病 | X射线成像 | NA | X射线图像 | 1,382张X射线图像，来自1,150名患者 | NA | NA | NA | NA |
| 76 | 2025-10-06 |
Assessing Algorithmic Fairness With a Multimodal Artificial Intelligence Model in Men of African and Non-African Origin on NRG Oncology Prostate Cancer Phase III Trials
2025-May, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI-24-00284
PMID:40344545
|
研究论文 | 评估多模态人工智能模型在前列腺癌临床试验中针对非洲裔和非非洲裔男性的算法公平性 | 首次在前列腺癌临床试验中评估多模态AI模型在不同种族亚组中的算法公平性和泛化能力 | 种族分类仅基于非洲裔和非非洲裔，未考虑其他种族群体 | 评估多模态AI算法在前列腺癌预后预测中的种族公平性 | 来自5项NRG肿瘤学前列腺癌III期临床试验的5,708名患者 | 数字病理学 | 前列腺癌 | 数字组织病理学, 临床数据分析 | 深度学习 | 图像, 临床数据 | 5,708名患者（948名非洲裔，4,731名非非洲裔，29名种族未知） | NA | 多模态人工智能模型 | 亚分布风险比, 累积发病率, Gray检验, Cox比例风险模型, Fine-Gray模型 | NA |
| 77 | 2025-10-06 |
Phase recognition in manual Small-Incision cataract surgery with MS-TCN + + on the novel SICS-105 dataset
2025-May-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00303-z
PMID:40399321
|
研究论文 | 本研究首次构建了手动小切口白内障手术视频数据集，并利用MS-TCN++架构实现了手术阶段识别 | 创建了首个手动小切口白内障手术视频数据集SICS-105，并将MS-TCN++架构首次应用于该手术的阶段识别 | 手术阶段数量较多且持续时间较长，相比超声乳化手术更具挑战性 | 通过深度学习实现手动小切口白内障手术的阶段识别 | 手动小切口白内障手术视频 | 计算机视觉 | 白内障 | 深度学习 | MS-TCN++ | 视频 | 105名患者（SICS-105数据集） | NA | MS-TCN++ | 准确率, 编辑距离, F1分数, 精确率-召回率AUC, 敏感度, 特异度 | NA |
| 78 | 2025-10-06 |
Integration of MRI radiomics and clinical data for preoperative prediction of vascular invasion in breast cancer: A deep learning approach
2025-May, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2025.110339
PMID:39880177
|
研究论文 | 本研究通过整合MRI影像组学特征与临床数据，开发深度学习模型用于乳腺癌血管侵犯的术前预测 | 首次将MRI影像组学特征与临床数据相结合，采用深度学习方法构建乳腺癌血管侵犯预测模型 | 样本量相对较小（102例患者），且为单中心回顾性研究 | 提高乳腺癌血管侵犯的术前预测准确性，为手术规划和患者管理提供依据 | 经手术病理证实的102例浸润性乳腺癌患者 | 医学影像分析 | 乳腺癌 | MRI成像，扩散加权成像（DWI），动态增强扫描 | 深度学习模型 | 医学影像（MRI），临床数据 | 102例乳腺癌患者 | NA | NA | AUC，敏感性，特异性 | NA |
| 79 | 2025-10-06 |
Single-Molecule SERS Discrimination of Proline from Hydroxyproline Assisted by a Deep Learning Model
2025-05-07, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.5c01177
PMID:40241681
|
研究论文 | 本研究结合单分子表面增强拉曼光谱和深度学习模型，首次实现了脯氨酸与羟脯氨酸的单分子水平区分 | 首次使用一维卷积神经网络模型成功区分脯氨酸和羟脯氨酸的单分子SERS信号，准确率达96.6% | 信号波动和柠檬酸盐的强干扰可能影响分析结果 | 开发能够区分低丰度羟基化的单分子检测方法 | 脯氨酸和羟脯氨酸分子 | 机器学习 | NA | 单分子表面增强拉曼光谱(SERS) | CNN | 光谱数据 | NA | NA | 一维卷积神经网络(1D-CNN) | 准确率 | NA |
| 80 | 2025-10-06 |
DRExplainer: Quantifiable interpretability in drug response prediction with directed graph convolutional network
2025-05, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103101
PMID:40056540
|
研究论文 | 提出一种基于有向图卷积网络的可解释药物反应预测模型DRExplainer | 首次在有向二分网络框架中实现药物反应预测，并引入可量化的模型可解释性方法 | 未明确说明模型在更大规模数据集上的泛化能力 | 改进癌症细胞系对治疗药物的反应预测 | 癌症细胞系和药物 | 机器学习 | 癌症 | 多组学分析 | 有向图卷积网络 | 多组学数据、化学结构数据、药物反应数据 | NA | NA | 有向图卷积网络 | NA | NA |