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 1262 篇文献，本页显示第 721 - 740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 721 | 2025-06-12 |
[Advances in thyroid cytopathology in China over the last ten years: retrospect and prospect]
2025-Jun-08, Zhonghua bing li xue za zhi = Chinese journal of pathology
|
review | 回顾过去十年中国在甲状腺细胞病理学领域的标准化诊疗体系建设和技术创新方面的重大突破 | 建立了手工涂片与液基细胞学结合的标准化流程，结合HE染色和细胞块技术显著提高诊断准确性，分子病理检测系统实现跨越式发展，从单基因BRAF检测发展到覆盖BRAF、TERT和RAS基因的多基因检测 | NA | 回顾和展望中国甲状腺细胞病理学领域的发展 | 甲状腺肿瘤细胞学 | 数字病理 | 甲状腺癌 | 下一代测序（NGS）、免疫细胞化学染色、分子病理检测 | 深度学习模型 | 细胞学图像 | NA | NA | NA | NA | NA |
| 722 | 2025-06-12 |
Water chemical oxygen demand prediction based on a one-dimensional multi-scale feature fusion convolutional neural network and ultraviolet-visible spectroscopy
2025-Jun-04, RSC advances
IF:3.9Q2
DOI:10.1039/d5ra00933b
PMID:40491797
|
研究论文 | 本文提出了一种基于一维多尺度特征融合卷积神经网络（1D-CNN）和紫外-可见光谱的水化学需氧量（COD）预测方法 | 该方法通过融合同一通道内三个并行子卷积和池化层提取的特征，提高了COD检测的准确性，相比传统方法和深度学习模型（如PLSR、SVM、ANN和1D-CNN）表现出更优的性能 | NA | 开发一种高效、快速且无需化学试剂的COD检测方法，以支持实时水质监测 | 水中的化学需氧量（COD） | 机器学习 | NA | 紫外-可见光谱 | 1D-CNN | 光谱数据 | NA | NA | NA | NA | NA |
| 723 | 2025-10-06 |
Automated Deep Learning Phenotyping of Tricuspid Regurgitation in Echocardiography
2025-Jun-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2025.0498
PMID:40238103
|
研究论文 | 开发用于超声心动图中三尖瓣反流自动分型的深度学习计算机视觉工作流程 | 首次构建大规模自动化深度学习流程用于三尖瓣反流严重程度分型，并在时间和地理分布不同的测试集上验证性能 | 研究基于单一医疗中心数据开发，虽在外部数据集验证但需更多中心验证普适性 | 通过深度学习自动识别彩色多普勒超声心动图视频并表征三尖瓣反流严重程度 | 超声心动图视频数据及三尖瓣反流患者 | 计算机视觉 | 心血管疾病 | 彩色多普勒超声心动图 | 深度学习计算机视觉模型 | 视频 | 训练集：47,312项研究（2,079,898个视频）来自31,708名患者；测试集：CSMC 2,462项研究（108,138个视频）和SHC 5,549项研究（278,377个视频） | NA | NA | AUC, 敏感度, 特异度 | NA |
| 724 | 2025-10-06 |
OrgaMeas: A pipeline that integrates all the processes of organelle image analysis
2025-06, Biochimica et biophysica acta. Molecular cell research
DOI:10.1016/j.bbamcr.2025.119964
PMID:40268058
|
研究论文 | 开发了一个名为OrgaMeas的高通量图像分析流程，用于测量细胞器的形态和动力学 | 整合了两个基于深度学习的工具(OrgaSegNet和DIC2Cells)，实现了精确的细胞器分割和单细胞水平ROI自动设置 | NA | 开发低成本、低编码需求的易用图像分析平台 | 细胞器图像 | 计算机视觉 | NA | 图像分析 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 725 | 2025-10-06 |
An overview of artificial intelligence and machine learning in shoulder surgery
2025-Jun, Clinics in shoulder and elbow
IF:1.8Q2
DOI:10.5397/cise.2025.00185
PMID:40405638
|
综述 | 本文综述了人工智能和机器学习在肩部手术领域的应用现状与发展前景 | 系统总结了机器学习在肩关节置换术和肩袖撕裂治疗中的创新应用，包括术后结果预测、并发症预测和AI辅助导航等 | 面临数据变异性、模型可解释性以及临床工作流程整合等挑战 | 探讨机器学习在肩部手术中的临床应用价值和发展方向 | 肩关节置换术和肩袖撕裂患者 | 机器学习 | 骨科疾病 | 机器学习算法 | XGBoost, 神经网络, 生成对抗网络 | 医学影像数据（磁共振成像、超声）、临床数据 | NA | NA | 深度学习模型 | 准确率, AUC | NA |
| 726 | 2025-10-06 |
A comprehensive image dataset of plum leaf and fruit for disease classification
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111625
PMID:40486236
|
研究论文 | 构建了一个用于疾病分类的李子叶片和果实综合图像数据集 | 创建了首个包含李子叶片和果实的综合图像数据集，涵盖多种疾病类别和环境条件 | NA | 通过机器学习技术推进农业研究并实现有效的疾病管理系统 | 李子叶片和果实 | 计算机视觉 | 植物疾病 | 图像采集和增强 | NA | 图像 | 3,554张原始图像，同等数量的处理后图像，以及18,000张增强图像 | NA | NA | NA | NA |
| 727 | 2025-10-06 |
Predictive modeling for metastasis in oncology: current methods and future directions
2025-Jun, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000003279
PMID:40486555
|
综述 | 本文综述了肿瘤学中转移预测模型的当前方法、挑战及未来发展方向 | 系统整合了机器学习、基因组学和影像技术在转移预测中的最新应用，并提出了与精准医学结合的未来方向 | 存在数据异质性、模型可解释性不足以及需要更大规模高质量数据集进行验证等挑战 | 改善癌症转移预测以提升预后评估、指导治疗策略和改善患者结局 | 癌症转移的预测模型和方法 | 机器学习 | 肿瘤学 | 基因组分析、液体活检、影像组学 | 逻辑回归,决策树,支持向量机,神经网络 | 临床数据、病理数据、分子数据、多组学数据 | NA | NA | NA | NA | 先进计算工具 |
| 728 | 2025-10-06 |
Bridging surgical oncology and personalized medicine: the role of artificial intelligence and machine learning in thoracic surgery
2025-Jun, Annals of medicine and surgery (2012)
DOI:10.1097/MS9.0000000000003302
PMID:40486596
|
综述 | 探讨人工智能和机器学习在胸外科肿瘤学中优化早期检测、手术精度和个性化护理的潜力 | 系统整合AI/ML技术在胸外科肿瘤学的多领域应用，包括深度学习算法识别肺结节、预测免疫治疗反应及AI驱动机器人提升手术精度 | 面临数据标准化不足、伦理问题及缺乏稳健验证等临床推广挑战 | 探索AI/ML技术如何通过提升早期检测、手术精度和个性化护理来优化胸外科肿瘤学 | 肺癌患者及胸外科手术相关临床数据 | 机器学习 | 肺癌 | 基因组分析、低剂量CT扫描、深度学习 | 深度学习算法、预测模型 | 医学影像、基因组数据、临床数据 | NA | NA | NA | NA | NA |
| 729 | 2025-06-12 |
Do Transformers and CNNs Learn Different Concepts of Brain Age?
2025-Jun-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70243
PMID:40489428
|
研究论文 | 比较Transformer和CNN在预测脑年龄方面的性能及其捕捉的脑老化效应差异 | 首次在脑年龄预测领域比较Transformer和CNN的性能，并探讨它们是否捕捉不同的脑老化效应概念 | 仅使用了UK Biobank的数据，可能无法完全代表其他人群 | 探索不同深度学习架构在脑年龄预测中的表现差异及其临床意义 | 脑年龄预测模型 | 计算机视觉 | 神经精神疾病 | T1加权脑磁共振成像 | Transformer (sViT, SwinT), CNN (ResNet50) | 图像 | 46,381张T1加权结构MR图像 | NA | NA | NA | NA |
| 730 | 2025-06-12 |
HEDL: Deep learning multiple approaches for early detection of depression using sarcastic text
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103370
PMID:40491515
|
研究论文 | 本文提出了一种混合集成深度学习模型（HEDL），用于通过讽刺文本来早期检测抑郁迹象 | HEDL模型独特地整合了CNN、LSTM和GRU架构，以捕捉更复杂的特征表示模式，提高了准确性和鲁棒性 | 实验仅在新闻标题数据集上进行测试，未涉及其他类型的数据 | 开发一种更准确和可靠的讽刺检测方法，用于心理健康监测和情感分析 | 讽刺文本数据 | 自然语言处理 | 抑郁症 | 深度学习 | CNN, LSTM, GRU | 文本 | 新闻标题数据集（具体数量未提及） | NA | NA | NA | NA |
| 731 | 2025-06-12 |
Detection of Undiagnosed Liver Cirrhosis via Artificial Intelligence-Enabled Electrocardiogram (DULCE): Rationale and design of a pragmatic cluster randomized clinical trial
2025-Jun, Contemporary clinical trials communications
IF:1.4Q4
DOI:10.1016/j.conctc.2025.101494
PMID:40491662
|
研究论文 | 该研究通过人工智能心电图（ECG）检测未诊断的肝硬化，设计了一项实用的集群随机临床试验 | 利用ECG支持的深度学习模型筛查晚期慢性肝病（CLD），在初级保健中展示了潜在的应用前景 | 研究仅在梅奥诊所的45个初级保健实践中进行，样本量和地域范围有限 | 评估ECG支持的人工智能模型在初级保健中筛查晚期CLD的有效性 | 初级保健患者，特别是那些在研究期间接受ECG检查的患者 | 数字病理学 | 肝硬化 | 深度学习 | 深度学习模型 | ECG数据 | 45个梅奥诊所初级保健实践的患者 | NA | NA | NA | NA |
| 732 | 2025-06-12 |
Deep Learning in Digital Breast Tomosynthesis: Current Status, Challenges, and Future Trends
2025-Jun, MedComm
IF:10.7Q1
DOI:10.1002/mco2.70247
PMID:40491967
|
review | 本文综述了深度学习在数字乳腺断层合成（DBT）乳腺癌筛查中的应用与展望 | 总结了深度学习在DBT中的三大应用类别，并提出了未来研究方向如大语言模型和多源域迁移 | 缺乏公开数据集和模型训练问题是当前主要挑战 | 探讨深度学习如何提升DBT图像处理效率和诊断准确性 | 数字乳腺断层合成（DBT）图像 | digital pathology | breast cancer | deep learning | NA | 3D medical images | NA | NA | NA | NA | NA |
| 733 | 2025-06-12 |
AI-powered remote monitoring of brain responses to clear and incomprehensible speech via speckle pattern analysis
2025-Jun, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.30.6.067001
PMID:40492267
|
研究论文 | 本文介绍了一种基于激光散斑图案分析和深度学习的远程无接触脑皮层活动监测技术 | 提出了一种远程、无接触、低成本的脑皮层活动监测方法，克服了传统功能磁共振成像和接触式监测技术的局限性 | 目前仅针对Wernicke区对清晰和不可理解语音的反应进行了测试，尚未验证在其他脑区的适用性 | 开发一种远程光子技术，通过深度学习分析激光散斑图案视频来检测人脑皮层活动 | 人脑Wernicke区对语音刺激的反应 | 神经影像技术 | NA | 激光散斑图案成像技术 | 卷积长短期记忆深度神经网络(CNN-LSTM) | 视频 | 未明确提及具体样本量 | NA | NA | NA | NA |
| 734 | 2025-10-06 |
Development of an Interpretable Machine Learning Model for Neurotoxicity Prediction of Environmentally Related Compounds
2025-Jun-10, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c03311
PMID:40307185
|
研究论文 | 开发了一种可解释的机器学习模型，用于预测环境相关化合物的神经毒性 | 结合三种分子表示方法和多种机器学习算法，开发出高性能且可解释的神经毒性预测模型 | 在已知神经毒性数据的89种化合物上准确率为0.74，仍有提升空间 | 预测环境相关化合物的神经毒性，填补神经毒性数据空白 | 环境相关化合物，特别是人体血液中检测到的1170种化合物 | 机器学习 | 神经系统疾病 | 分子指纹、分子描述符、分子图 | XGBoost, 传统机器学习算法, 深度学习方法 | 分子结构数据 | 1170种人体血液中检测到的化合物，其中89种有已知神经毒性数据 | XGBoost | NA | 准确率, AUC | NA |
| 735 | 2025-06-11 |
High-Output Droplet Electricity Generator for Intelligent Self-Powered Biochemical Analysis
2025-Jun-10, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c02079
PMID:40491299
|
研究论文 | 提出了一种微型智能自供电电子舌（MISET），用于化学和生物物质的高灵敏度、可靠性和实时检测 | MISET引入了封闭式液体传感环境和液滴能量生成机制，显著提高了信号稳定性和电荷转移效率，并通过深度学习辅助分析优化信号处理和模式识别 | NA | 克服传统分析方法在灵敏度、可靠性、便携性和实时检测方面的挑战 | 化学和生物物质 | 生物传感 | NA | 液滴能量生成（DEG）机制和深度学习辅助分析 | 深度学习 | 液体传感信号 | NA | NA | NA | NA | NA |
| 736 | 2025-06-11 |
Artificial intelligence-powered microscopy: Transforming the landscape of parasitology
2025-Jun-10, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.13433
PMID:40492595
|
综述 | 本文探讨了人工智能在寄生虫学领域的应用及其潜力 | 综述了人工智能、机器学习和深度学习在寄生虫学中的应用，特别是针对Apicomplexan、Diplomonad和Kinetoplastid类群的研究 | 讨论了在生物医学领域中实施和扩展人工智能应用所面临的挑战和限制 | 探索人工智能如何填补寄生虫学研究和诊断中的空白 | Apicomplexan、Diplomonad和Kinetoplastid类群的寄生虫 | 数字病理学 | 寄生虫病 | 显微镜和图像分析 | 机器学习和深度学习 | 图像 | NA | NA | NA | NA | NA |
| 737 | 2025-06-11 |
Genome-resolved metagenomics from short-read sequencing data in the era of artificial intelligence
2025-Jun-10, Functional & integrative genomics
IF:3.9Q1
DOI:10.1007/s10142-025-01625-x
PMID:40493087
|
综述 | 本文综述了基于人工智能的短读长宏基因组数据分析工具及其在基因组解析宏基因组学中的应用 | 整合人工智能技术于宏基因组数据分析的不同阶段，提升了处理复杂多维数据的准确性、可扩展性和效率 | 早期机器学习与深度学习模型因测序技术进步而效率降低，当前AI工具的局限性未明确说明 | 探讨人工智能在基因组解析宏基因组学中的应用及其工具性能 | 短读长宏基因组数据 | 机器学习 | NA | 短读长测序 | 机器学习和深度学习 | 基因组数据 | NA | NA | NA | NA | NA |
| 738 | 2025-06-11 |
Multiproperty Deep Learning of the Correlation Energy of Electrons and the Physicochemical Properties of Molecules
2025-Jun-10, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00414
PMID:40493380
|
研究论文 | 本文利用基于信息理论方法(ITA)的密度描述符作为多属性深度学习(DL)的特征，预测分子的相关能量和物理化学性质 | 首次将ITA密度描述符用于多属性深度学习，预测电子相关能量和多种物理化学性质，并在准确性和效率上优于传统的TD-DFT方法 | 未明确提及具体局限性 | 开发一种基于ITA-DL的通用框架，用于准确、低成本预测分子的多种性质 | 分子的电子相关能量和物理化学性质(如分子极化率、NMR屏蔽常数、氧化还原电位等) | 机器学习 | NA | 深度学习(DL), 信息理论方法(ITA) | DL | 分子描述符数据 | 未明确提及具体样本数量，但包含小发色团和大分子测试集 | NA | NA | NA | NA |
| 739 | 2025-06-11 |
Deep learning without borders: recent advances in ultrasound image classification for liver diseases diagnosis
2025-Jun-09, Expert review of medical devices
IF:2.9Q3
DOI:10.1080/17434440.2025.2514764
PMID:40445166
|
review | 本文综述了深度学习技术在利用超声影像进行肝脏疾病分类方面的最新进展 | 探讨了从CNN到其混合版本（如CNN-Transformer）等多种模型在脂肪肝、纤维化和肝癌等疾病检测中的应用 | 讨论了在不同临床环境中数据和模型泛化面临的挑战 | 提升肝脏疾病的自动诊断水平 | 肝脏疾病（如脂肪肝、纤维化和肝癌） | digital pathology | liver disease | ultrasound imaging | CNN, CNN-Transformer | image | NA | NA | NA | NA | NA |
| 740 | 2025-06-11 |
Lightweight LLM-Based Anomaly Detection Framework for Securing IoTMD Enabled Diabetes Management Control Systems
2025-Jun-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3577604
PMID:40489281
|
研究论文 | 本研究评估了多种轻量级大型语言模型（LLMs）在基于IoTMD的糖尿病管理控制系统（DMCS）中的异常检测性能 | 使用LoRA微调的LLaMA 3.2 1B-Instruct模型在异常检测中达到了99.91%的准确率和100%的精确度，展示了基于transformer架构的优越适应性和鲁棒性 | 研究仅针对糖尿病管理控制系统，未涉及其他IoTMD应用场景 | 评估轻量级LLMs在IoTMD系统中的异常检测性能，以增强其安全性 | 基于IoTMD的糖尿病管理控制系统（DMCS） | 自然语言处理 | 糖尿病 | LoRA（Low-Rank Adaptation） | LLM（包括LLaMA 3.2 1B-Instruct、GPT-2、Phi-1、Gemma 2B-Instruct等） | 文本 | NA | NA | NA | NA | NA |