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 1210 篇文献，本页显示第 421 - 440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 421 | 2025-10-06 |
Advances and challenges in pathomics for liver cancer: From diagnosis to prognostic stratification
2025-Jun-24, World journal of clinical oncology
IF:2.6Q3
DOI:10.5306/wjco.v16.i6.107646
PMID:40585839
|
综述 | 本文综述了病理组学在肝癌从诊断到预后分层中的应用进展与挑战 | 整合人工智能与定量病理图像分析，通过全切片图像自动分析实现肿瘤分类、微血管侵犯检测和预后预测 | 多中心验证研究有限、模型可解释性不足、临床工作流程整合困难 | 推进病理组学在肝癌精准医疗中的应用 | 肝细胞癌（HCC）和胆管癌的病理标本 | 数字病理 | 肝癌 | 全切片图像分析 | 深度学习 | 病理图像 | NA | NA | MVI-AI诊断模型, CHOWDER | 准确率 | NA |
| 422 | 2025-10-06 |
Deep learning-quantified body composition from positron emission tomography/computed tomography and cardiovascular outcomes: a multicentre study
2025-Jun-23, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehaf131
PMID:40159388
|
研究论文 | 利用深度学习从PET/CT图像自动量化身体成分并评估其与心血管结局的关联 | 首次结合深度学习和图像处理从标准心脏PET/CT低剂量扫描中自动量化多种身体组织成分，并建立其与死亡或心肌梗死风险的关联 | 多中心研究但样本来源有限，仅包含三个中心的患者数据 | 评估从PET/CT自动量化的身体成分与心血管结局的关联 | 接受PET心肌灌注成像的患者 | 医学影像分析 | 心血管疾病 | PET/CT心肌灌注成像，深度学习图像分割 | 深度学习 | 医学影像（PET/CT图像） | 10085名患者（中位年龄68岁，57%男性） | NA | NA | 风险比（HR），置信区间（CI） | NA |
| 423 | 2025-10-06 |
BoneDat, a database of standardized bone morphology for in silico analyses
2025-Jun-20, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05161-y
PMID:40541988
|
研究论文 | 开发了一个名为BoneDat的标准化骨形态数据库，用于骨科和进化生物学领域的计算机模拟分析 | 首个提供标准化、高质量人类骨形态数据集的综合数据库，包含经过整理的骨分割掩码、归一化几何体和按性别年龄组织的参考形态模板 | 数据集仅包含278个临床腰骨盆CT扫描，样本来源相对有限 | 解决骨结构-功能关系研究中缺乏标准化高质量数据集的问题，提升计算模型的可重复性和可靠性 | 人类骨盆和下脊柱骨形态 | 医学影像分析 | 骨科疾病 | CT扫描 | 深度学习模型 | 医学影像 | 278个临床腰骨盆CT扫描，年龄16-91岁，按性别在十个年龄组中平衡分布 | NA | NA | NA | NA |
| 424 | 2025-10-06 |
Ultra-wide-field fundus photography and AI-based screening and referral for multiple ocular fundus diseases
2025-Jun-17, Cell reports. Medicine
DOI:10.1016/j.xcrm.2025.102187
PMID:40499544
|
研究论文 | 开发基于人工智能的深度学习算法用于多种眼底疾病的筛查和转诊推荐 | 结合超广角眼底成像和跨域协同学习方法，显著提升周边视网膜异常的检测能力 | NA | 解决眼底疾病全面筛查的困难 | 眼底疾病患者 | 计算机视觉 | 眼底疾病 | 超广角眼底成像 | 深度学习算法 | 图像 | 59,475张超广角眼底图像 | NA | Swin Transformer,跨域协同学习 | AUC | NA |
| 425 | 2025-10-06 |
Oil Palm Fruits Dataset in Plantations for Harvest Estimation Using Digital Census and Smartphone
2025-Jun-10, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05227-x
PMID:40494879
|
研究论文 | 本文介绍了印度尼西亚中加里曼丹商业种植园的油棕鲜果串图像数据集，用于数字普查和智能手机收获估算 | 提供了包含五个成熟阶段（未熟、欠熟、成熟、开花和异常）的油棕鲜果串图像数据集，并采用数据增强技术处理类别不平衡问题 | 图像存在部分可见性、低对比度、遮挡和模糊等现实世界复杂情况 | 开发用于油棕鲜果串检测和分类的深度学习模型，以监测收获时间、预测产量和优化种植园运营资源 | 油棕鲜果串（FFBs） | 计算机视觉 | NA | 智能手机视频录制，计算机视觉标注工具（CVAT） | 深度学习模型 | 图像 | 训练集10,207张图像，验证集2,896张图像，测试集1,400张图像 | NA | NA | NA | NA |
| 426 | 2025-10-06 |
Near-term prediction of sustained ventricular arrhythmias applying artificial intelligence to single-lead ambulatory electrocardiogram
2025-Jun-02, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehaf073
PMID:40157386
|
研究论文 | 本研究开发了一种基于深度学习的单导联动态心电图模型，用于短期预测持续性室性心律失常 | 首次将深度学习应用于单导联动态心电图数据，能够提前预测持续性室性心动过速的发生，并发现了早期除极模式作为潜在预测因子 | 回顾性研究设计，心律失常事件发生率较低(0.5%) | 开发能够短期预测危及生命的室性心律失常的人工智能模型 | 来自六个国家的247,254份14天动态心电图记录 | 机器学习 | 心血管疾病 | 动态心电图监测 | 深度学习 | 心电图信号 | 247,254份动态心电图记录（开发集183,177份，内部验证43,580份，外部验证20,497份） | NA | NA | AUC, 敏感度, 特异度 | NA |
| 427 | 2025-10-06 |
Human Embryo Quality Assessment with Deep Learning Models
2025-Jun, Journal of obstetrics and gynaecology of India
DOI:10.1007/s13224-025-02109-5
PMID:40584797
|
研究论文 | 本研究使用深度学习模型对人类胚胎图像进行质量评估，以区分优质和非优质胚胎 | 首次在胚胎质量评估中比较多种CNN架构，并证明EfficientNetV2在此任务中的卓越性能 | 数据来源于单一医院，可能影响模型的泛化能力 | 开发客观、可重复的胚胎质量评估方法以提高辅助生殖技术的成功率 | 人类胚胎图像（第3天和第5天发育阶段） | 计算机视觉 | 生殖疾病 | 胚胎图像分析 | CNN | 图像 | 来自胡志明市Hung Vuong医院的数据集 | NA | VGG-19, ResNet-50, InceptionV3, EfficientNetV2 | 准确率, 精确率, 召回率 | NA |
| 428 | 2025-10-06 |
Racial disparities in continuous glucose monitoring-based 60-min glucose predictions among people with type 1 diabetes
2025-Jun, PLOS digital health
DOI:10.1371/journal.pdig.0000918
PMID:40587474
|
研究论文 | 评估基于连续血糖监测数据的机器学习模型在1型糖尿病患者血糖预测中的算法公平性 | 首次系统评估训练数据种族构成对LSTM血糖预测模型性能的影响，并探索迁移学习在减轻算法偏见中的作用 | 样本量相对有限，仅包含白人和黑人参与者，未包含其他种族群体 | 研究机器学习模型在糖尿病技术中的算法公平性和潜在的医疗保健差异 | 1型糖尿病患者 | 机器学习 | 糖尿病 | 连续血糖监测(CGM) | LSTM | 时间序列血糖数据 | 205名参与者(101名白人，104名黑人) | NA | LSTM | 均方根误差(RMSE) | NA |
| 429 | 2025-10-06 |
Unstained Blood Smear Analysis: A Review of Rule-Based, Machine Learning, and Deep Learning Techniques
2025-Jun-30, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500121
PMID:40583517
|
综述 | 本文系统回顾了基于规则、机器学习和深度学习方法在未染色血涂片细胞分割与分类中的应用 | 首次全面比较了三种不同技术路线在未染色血细胞分析中的性能表现，并指出了临床转化的关键挑战 | NA | 分析未染色血细胞图像的分割与分类技术现状与发展方向 | 未染色血涂片中的血细胞 | 数字病理学 | 血液疾病 | 生物光子学成像技术 | 基于规则方法, 机器学习, 深度学习 | 未染色血细胞图像 | NA | NA | NA | NA | NA |
| 430 | 2025-10-06 |
A Deep Learning-Based De-Artifact Diffusion Model for Removing Motion Artifacts in Knee MRI
2025-Jun-30, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70027
PMID:40583513
|
研究论文 | 构建基于深度学习的去伪影扩散模型，用于去除膝关节MRI中的运动伪影 | 首次将条件扩散模型应用于膝关节MRI运动伪影去除，并使用真实世界数据进行模型构建 | 研究为回顾性设计，样本量相对有限，需要进一步前瞻性验证 | 开发有效的深度学习模型去除膝关节MRI运动伪影 | 膝关节MRI图像 | 医学影像处理 | 膝关节疾病 | MRI成像技术 | 条件扩散模型 | 医学图像 | 模型构建：90名患者（1997张2D切片）；内部测试：25名患者（795张切片）；外部测试：39名患者（813张切片） | NA | 条件扩散模型 | RMSE, PSNR, SSIM, 主观评分 | NA |
| 431 | 2025-10-06 |
Radiation Dose Reduction and Image Quality Improvement of UHR CT of the Neck by Novel Deep-learning Image Reconstruction
2025-Jun-30, Clinical neuroradiology
IF:2.4Q2
DOI:10.1007/s00062-025-01532-5
PMID:40586788
|
研究论文 | 评估结合新型深度学习重建算法的剂量降低超高清CT在头颈部成像中对图像质量和辐射暴露的影响 | 首次将新型深度学习重建算法(DL-2)与体重适应性剂量降低协议相结合用于头颈部超高清CT成像 | 回顾性研究设计，样本量相对有限(共128例患者) | 评估深度学习重建算法在头颈部CT成像中降低辐射剂量同时提升图像质量的性能 | 头颈部CT图像 | 医学影像处理 | 头颈部疾病 | 超高清CT成像，深度学习图像重建 | 深度学习 | CT图像 | 128例患者(98例采用体重适应性协议，30例采用标准剂量) | NA | Clear-IQ引擎，自适应迭代剂量降低 | 信噪比，对比噪声比，诊断可接受性，图像噪声 | NA |
| 432 | 2025-10-06 |
Bidirectional Prototype-Guided Consistency Constraint for Semi-Supervised Fetal Ultrasound Image Segmentation
2025-Jun-30, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3584236
PMID:40587357
|
研究论文 | 提出一种基于双向原型引导一致性约束的半监督胎儿超声图像分割方法 | 通过原型桥接标注和未标注数据并建立双向交互，结合不确定性交叉监督提升伪标签质量 | NA | 解决胎儿超声图像标注数据稀缺问题，提升半监督分割性能 | 胎儿超声图像 | 医学图像分割 | 胎儿发育评估 | 超声成像 | 深度学习 | 超声图像 | 在两个胎儿超声数据集上进行实验 | NA | BiPCC | 分割性能指标 | NA |
| 433 | 2025-10-06 |
DeepLabV3+ With Convolutional Triplet Attention and Histopathology-Guided Voting for Hyperspectral Image Segmentation of Serous Ovarian Cancer
2025-Jun-30, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500142
PMID:40587972
|
研究论文 | 提出融合卷积三重注意力和组织病理学引导投票机制的DeepLabV3+模型，用于浆液性卵巢癌高光谱图像分割 | 集成卷积三重注意力模块捕捉跨维度光谱-空间依赖，结合WHO诊断标准的组织病理学引导投票机制 | 基线DeepLabV3+模型处理高维数据性能欠佳，泛化能力和判别能力有限 | 提升浆液性卵巢癌高光谱图像分割的准确性和判别能力 | 浆液性卵巢癌组织的高光谱图像 | 计算机视觉 | 卵巢癌 | 高光谱成像 | CNN | 高光谱图像 | NA | NA | DeepLabV3+, Convolutional Triplet Attention Module, U-Net, PAN, FPN | 准确率 | NA |
| 434 | 2025-10-06 |
A Deep Learning Framework for the Electronic Structure of Water: Toward a Universal Model
2025-Jun-30, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00496
PMID:40588763
|
研究论文 | 提出一种改进的机器学习Deep Kohn-Sham方法DeePKS-ES，用于精确模拟水系统的电子结构 | 通过将哈密顿矩阵及其特征值和特征向量纳入损失函数，建立了水系统的通用模型，能够从廉价的PBE计算重现高级混合泛函的电子特性 | NA | 开发能够精确模拟水系统电子结构的计算方法，弥合量子力学精度与可扩展计算之间的差距 | 水系统的电子结构，包括单个水分子到体相液体 | 机器学习 | NA | Deep Kohn-Sham方法，混合泛函计算，广义梯度近似计算 | 深度学习 | 量子化学计算数据 | NA | NA | DeePKS | 能带间隙预测，态密度预测，总能量预测，原子力预测 | NA |
| 435 | 2025-10-06 |
Research status, hotspots and perspectives of artificial intelligence applied to pain management: a bibliometric and visual analysis
2025-Jun-28, Updates in surgery
IF:2.4Q2
DOI:10.1007/s13304-025-02296-w
PMID:40580377
|
文献计量分析 | 通过文献计量和可视化分析方法探讨人工智能在疼痛管理领域的研究现状、热点与趋势 | 首次对人工智能应用于疼痛管理领域进行系统的文献计量分析，识别了该领域的研究热点和未来发展方向 | 仅纳入英文文献和WOS数据库文献，可能存在语言和数据库选择偏倚 | 分析人工智能在疼痛管理领域的研究现状、热点和发展趋势 | 970篇相关研究论文，涉及5679位作者、2030个学术机构和84个国家/地区 | 机器学习 | 疼痛管理 | 文献计量分析、可视化分析 | NA | 文献数据 | 970篇发表论文 | VOSviewer, CiteSpace, Bibliometrix | NA | 发文量、共被引频次、合作网络分析 | NA |
| 436 | 2025-10-06 |
Machine Learning Based Multi-Class Classification and Grading of Squamous Cell Carcinoma in Optical Microscopy
2025-Jun-27, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70016
PMID:40579786
|
研究论文 | 本研究利用机器学习和深度学习模型对鳞状细胞癌组织病理图像进行多分类和分级 | 结合机器学习特征分析和可解释深度学习模型，实现高精度的鳞状细胞癌自动分级 | NA | 开发自动化的鳞状细胞癌组织病理分级方法 | 鳞状细胞癌组织病理图像 | 数字病理 | 鳞状细胞癌 | 光学显微镜成像 | 支持向量机,朴素贝叶斯,决策树,KNN,神经网络,CNN | 图像 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 437 | 2025-10-06 |
Design and Optimization of an automatic deep learning-based cerebral reperfusion scoring (TICI) using thrombus localization
2025-Jun-26, Journal of neuroradiology = Journal de neuroradiologie
DOI:10.1016/j.neurad.2025.101366
PMID:40581292
|
研究论文 | 设计和优化基于深度学习的自动脑灌注评分(TICI)系统，利用血栓定位技术 | 首次将血栓定位信息整合到基于CNN的TICI评分分类模型中 | 三分类模型性能不足，自动血栓检测模块未能提升模型表现 | 开发人工智能辅助的脑梗死溶栓评分系统 | 接受机械取栓治疗的患者 | 医学影像分析 | 脑梗死 | 数字减影血管造影 | CNN | 医学影像 | 422名患者，2492个血栓标注，1609个DSA序列 | NA | 卷积神经网络 | 特异性, 敏感性, F1分数 | NA |
| 438 | 2025-10-06 |
Fog-Enabled Modular Deep Learning Platform for Textual Data Mining in Healthcare for Pathology Detection in Burkina Faso
2025-Jun-26, Studies in health technology and informatics
DOI:10.3233/SHTI250696
PMID:40588904
|
研究论文 | 提出了一种面向布基纳法索医疗环境的深度学习诊断支持平台架构 | 结合诊断治疗指南与OCR提取的手写处方文本数据，并针对当地环境比较了雾计算与云计算两种架构 | 基于模拟验证，缺乏真实环境部署数据 | 开发适用于布基纳法索医疗体系的深度学习诊断支持平台 | 手写处方和电子健康记录中的文本数据 | 自然语言处理 | 病理学检测 | 光学字符识别（OCR） | 深度学习 | 文本 | NA | NA | NA | NA | 雾计算架构、云计算架构 |
| 439 | 2025-10-06 |
Smart Wearable Analytics for Cycling: AI-Based Physical Exertion Prediction
2025-Jun-26, Studies in health technology and informatics
DOI:10.3233/SHTI250714
PMID:40588921
|
研究论文 | 本研究评估了基于深度学习的LSTM与多头注意力模型，用于骑行运动中身体劳累程度的分类和回归预测 | 首次将LSTM与多头注意力机制结合应用于运动生理数据预测，并采用MRMR和UFR特征选择方法识别关键预测因子 | 样本量较小（27名健康参与者），仅针对骑行运动，未验证其他运动场景 | 开发AI模型预测骑行运动中的身体劳累程度 | 27名健康参与者的骑行运动数据 | 机器学习 | NA | ECG信号分析，心率变异性特征提取 | LSTM | 生理时间序列数据 | 27名健康参与者，数据分为8个两分钟区间 | NA | LSTM with Multi-Head Attention | MSE, R2, 准确率, F1分数 | NA |
| 440 | 2025-10-06 |
Integrating GWAS and Transcriptomic Data Using PrediXcan and Multimodal Deep Learning Reveals Genetic Basis and Drug Repositioning Opportunities for Alzheimer's Disease
2025-Jun-10, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.01.02.25319880
PMID:40585083
|
研究论文 | 本研究整合多组学数据和人工智能方法揭示阿尔茨海默病的分子机制并探索个性化药物重定位策略 | 结合PrediXcan方法和多模态深度学习模型AD-MIF，首次在阿尔茨海默病研究中实现GWAS与转录组数据的深度融合，显著提升表型预测准确性 | 研究样本量相对有限（553个样本），主要基于ROSMAP数据库的背外侧前额叶皮层数据 | 阐明阿尔茨海默病的分子调控机制并开发个性化药物重定位策略 | 阿尔茨海默病患者脑组织样本和SAMP8 AD模型小鼠 | 机器学习 | 阿尔茨海默病 | GWAS, 转录组分析, 多组学数据整合 | 自编码器, 图自编码器, 深度学习 | 基因型数据, 基因表达数据 | 553个背外侧前额叶皮层样本 | NA | AD-MIF（多模态信息融合模型） | AUC（曲线下面积） | NA |