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 971 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2025-12-15 |
Time series forecasting of chlorophyll-a concentrations in the Chesapeake Bay
2025-Aug-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-16352-3
PMID:40846738
|
研究论文 | 本研究评估了使用长短期记忆神经网络预测切萨皮克湾叶绿素a浓度的方法 | 首次将LSTM神经网络应用于切萨皮克湾叶绿素a浓度的时间序列预测，并证明其优于传统统计模型ARIMA和TBATS | NA | 评估深度学习模型在预测叶绿素a浓度方面的性能，以支持水质管理和政策决策 | 切萨皮克湾三个地理区域的叶绿素a浓度时间序列数据 | 机器学习 | NA | 卫星遥感 | LSTM | 时间序列数据 | 1997年至2020年每周的卫星衍生叶绿素a测量数据，覆盖三个区域 | NA | LSTM | 均方根误差 | NA |
| 22 | 2025-12-14 |
PixCUE: Joint Uncertainty Estimation and Image Reconstruction in MRI using Deep Pixel Classification
2025-Aug, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01250-3
PMID:39633210
|
研究论文 | 提出一种名为PixCUE的深度学习方法，用于在MRI重建中同时生成重建图像和不确定性图 | 首次将像素分类框架应用于MRI重建中的不确定性估计，能够在单次前向传播中同时输出重建图像和不确定性图，显著降低了计算成本 | 未明确说明方法在极端噪声或复杂病理情况下的鲁棒性，也未与其他非MC类不确定性估计方法进行系统比较 | 解决深度学习MRI重建中的不确定性估计问题，降低计算成本 | 磁共振成像（MRI）数据 | 医学影像分析 | NA | 磁共振成像（MRI） | 深度学习模型 | 图像（k空间数据及重建图像） | NA | NA | NA | NMSE, PSNR, SSIM | NA |
| 23 | 2025-12-11 |
Buzzing with Intelligence: A Systematic Review of Smart Beehive Technologies
2025-Aug-29, Sensors (Basel, Switzerland)
DOI:10.3390/s25175359
PMID:40942788
|
综述 | 本文对应用于蜂箱的智能系统进行了系统性文献回顾，重点关注物联网监控、传感器模态、机器学习技术及其在精准养蜂中的应用 | 系统性地整合了智能蜂箱技术的最新进展，突出了深度学习、计算机视觉和多模态传感器融合的趋势，并强调了公开数据集的重要性 | 系统集成、数据集标准化和大规模部署方面仍存在挑战 | 调查智能系统在养蜂中的应用，以改善蜂群健康、生产力和环境适应性 | 智能蜂箱技术，包括物联网监控、传感器和机器学习应用 | 机器学习 | NA | 物联网监控、传感器技术、机器学习 | 深度学习 | 环境数据、声学数据、视觉数据、结构数据 | 分析了135篇同行评审出版物 | NA | NA | NA | NA |
| 24 | 2025-12-11 |
The diagnostic performance of ultrasound features for biliary atresia: a systematic review and updated meta-analysis
2025-Aug-18, Pediatric surgery international
IF:1.5Q3
DOI:10.1007/s00383-025-06118-3
PMID:40824323
|
荟萃分析 | 本文通过系统综述和更新的荟萃分析，评估了超声特征在诊断胆道闭锁（BA）和囊性胆道闭锁（CBA）中的诊断性能 | 首次专门针对囊性胆道闭锁（CBA）与伴有黄疸和肝门区囊肿的婴儿的鉴别诊断，评估了超声特征的准确性，并整合了人工智能在提高诊断准确性方面的潜力 | 超声引导下经皮经肝胆管造影（PTCC）的临床应用受限于技术复杂性和患者要求，且胆囊异常相关特征的未检出比例存在较大变异 | 评估超声特征在鉴别胆道闭锁（BA）与婴儿胆汁淤积症，以及囊性胆道闭锁（CBA）与伴有黄疸和肝门区囊肿的婴儿中的诊断性能 | 胆道闭锁（BA）和囊性胆道闭锁（CBA）患者，以及作为对照的婴儿胆汁淤积症或伴有黄疸和肝门区囊肿的婴儿 | 数字病理学 | 胆道闭锁 | 超声成像 | NA | 医学影像（超声图像） | NA | NA | NA | 敏感性, 特异性, 汇总受试者工作特征曲线 | NA |
| 25 | 2025-12-11 |
Performance Evaluation of Deep Learning for the Detection and Segmentation of Thyroid Nodules: Systematic Review and Meta-Analysis
2025-Aug-14, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/73516
PMID:40811738
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了深度学习算法在甲状腺结节检测和分割中的诊断性能 | 首次通过系统综述和荟萃分析全面评估深度学习在甲状腺结节影像诊断中的性能，并比较其与临床医生的准确性 | 现有研究存在方法学设计欠佳、数据集图像质量不一致以及外部验证不足等问题，可能引入偏倚 | 评估深度学习算法在诊断甲状腺结节恶性程度方面的性能，识别影响其诊断效能的关键因素，并与临床医生的图像诊断准确性进行比较 | 甲状腺结节 | 医学图像分析 | 甲状腺癌 | 深度学习 | 深度学习模型 | 医学影像 | 基于41项符合条件的研究 | NA | NA | 敏感性, 特异性, AUC | NA |
| 26 | 2025-12-10 |
Artificial intelligence driven neuropsychiatry: a systematic review of electroencephalography-based computational techniques for major depressive disorder prediction
2025-Aug-16, Neuroscience
IF:2.9Q2
|
系统综述 | 本文系统综述了基于脑电图信号的计算技术用于预测重度抑郁症的研究，分析了预处理流程、模型性能及临床转化障碍 | 首次系统性地比较了深度学习架构（如CNN和混合CNN-LSTM模型）与传统机器学习方法在抑郁症预测中的表现，并强调了单通道或少电极配置在便携诊断工具中的潜力 | 研究方法存在显著不一致性，数据异质性大，模型可解释性有限，且缺乏标准化评估协议，这限制了结果的普适性和可靠性 | 旨在通过人工智能驱动的脑电图分析，为抑郁症诊断提供标准化计算框架，推动精准精神病学的发展 | 基于脑电图信号的抑郁症预测研究 | 自然语言处理 | 精神疾病 | 脑电图信号处理 | CNN, LSTM, 混合CNN-LSTM模型, SVM | 脑电图信号 | NA | NA | 卷积神经网络, 长短期记忆网络, 支持向量机 | 准确率 | NA |
| 27 | 2025-12-10 |
Is the use of machine learning in head and neck cancer radiotherapy supported by clinical trials?
2025-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.105036
PMID:40587931
|
综述 | 本文通过系统综述临床试验，评估了人工智能和机器学习在头颈癌放疗中的应用效果 | 首次系统性地收集并分析了临床试验数据，以评估机器学习在头颈癌管理中的实际效用，并比较了深度学习与传统算法的性能 | 研究仅基于42项符合条件的临床试验，样本量有限，且模型、方法和终点的多样性可能影响结论的普适性 | 评估机器学习在头颈癌临床管理中的应用效果，特别是在检测/分类、图像分割和治疗反应/剂量分布预测方面的作用 | 头颈癌（HNC）患者 | 机器学习 | 头颈癌 | NA | 深度学习, KNN, SVM, 逻辑回归 | 图像, 临床数据 | 基于42项临床试验，具体样本量未详细说明 | NA | 多层神经网络 | 准确率, AUC, 特异性, 敏感性, Dice系数 | NA |
| 28 | 2025-12-08 |
Stacked Deep Learning Ensemble for Multiomics Cancer Type Classification: Development and Validation Study
2025-Aug-12, JMIR bioinformatics and biotechnology
DOI:10.2196/70709
PMID:41342170
|
研究论文 | 本研究开发并验证了一个基于堆叠深度学习集成的模型，用于整合RNA测序、体细胞突变和DNA甲基化数据，以分类五种常见癌症类型 | 采用堆叠集成学习方法整合五种成熟算法，通过多组学数据融合显著提升了癌症分类准确率 | 仅针对沙特阿拉伯的五种癌症类型，样本多样性和泛化能力有待进一步验证 | 评估多组学数据整合在癌症类型分类中的效果，提升诊断准确性 | 乳腺癌、结直肠癌、甲状腺癌、非霍奇金淋巴瘤和子宫体癌 | 机器学习 | 癌症 | RNA测序, 体细胞突变分析, DNA甲基化分析 | 支持向量机, k近邻, 人工神经网络, 卷积神经网络, 随机森林 | 多组学数据 | NA | NA | 堆叠集成模型 | 准确率 | NA |
| 29 | 2025-12-07 |
Transformative potential of artificial intelligence in US CDC HIV interventions: balancing innovation with health privacy
2025-Aug-01, AIDS (London, England)
DOI:10.1097/QAD.0000000000004220
PMID:40643081
|
评论 | 本文探讨了人工智能在美国CDC HIV干预中的变革潜力，强调在创新与健康隐私之间取得平衡 | 提出了AI在HIV预防中的综合应用框架，包括机器学习、深度学习和生成式AI，并强调与公共卫生策略（如PEPFAR）的对齐 | 未提供具体实证数据或案例研究，主要基于理论分析和愿景展望 | 探索AI在HIV预防和治疗中的潜在应用，以推动更公平的健康结果 | 美国CDC的HIV干预策略及相关公共卫生系统 | 机器学习 | HIV | 机器学习（ML）、深度学习（DL）、生成式AI（Gen AI） | NA | 复杂HIV相关数据集 | NA | NA | NA | NA | NA |
| 30 | 2025-12-05 |
Single-cell image-based screens identify host regulators of Ebola virus infection dynamics
2025-Aug, Nature microbiology
IF:20.5Q1
DOI:10.1038/s41564-025-02034-3
PMID:40707832
|
研究论文 | 本研究通过基于单细胞图像的基因组规模CRISPR筛选，结合深度学习模型，系统识别了埃博拉病毒感染的宿主调控因子，并揭示了其在病毒复制不同阶段的作用机制 | 首次将基于单细胞图像的基因组规模CRISPR筛选与深度学习模型相结合，系统识别了998个埃博拉病毒感染的宿主调控因子，并利用随机森林模型揭示了STRAP在病毒RNA与蛋白质平衡调控中的新机制 | 研究主要基于体外细胞实验，尚未在动物模型或临床环境中验证筛选结果的体内有效性 | 识别埃博拉病毒感染的宿主调控因子，探索潜在的治疗靶点 | 埃博拉病毒（EBOV）、苏丹病毒、马尔堡病毒及其感染的宿主细胞 | 计算生物学 | 病毒感染 | 基于图像的基因组规模CRISPR筛选、深度学习、随机森林模型 | 深度学习模型、随机森林 | 单细胞图像数据 | 39,085,093个细胞 | NA | NA | NA | NA |
| 31 | 2025-12-04 |
Deep learning-based prognosis of major adverse cardiac events in patients with acute myocardial infarction: a retrospective observational study in the Republic of Korea
2025-Aug, Osong public health and research perspectives
IF:2.1Q3
DOI:10.24171/j.phrp.2025.0120
PMID:40701813
|
研究论文 | 本研究开发了基于深度神经网络的模型，用于准确预测急性心肌梗死患者出院后1、6和12个月的主要不良心脏事件 | 首次针对急性心肌梗死患者出院后不同随访时间点（1、6、12个月）开发了深度神经网络模型，并在预测主要不良心脏事件方面超越了传统机器学习方法 | 研究为回顾性观察性研究，可能存在选择偏倚；仅在韩国单一地区进行，外部泛化性有待验证 | 开发能够准确预测急性心肌梗死患者出院后主要不良心脏事件的深度学习模型 | 急性心肌梗死患者 | 机器学习 | 心血管疾病 | NA | DNN | 临床数据 | NA | NA | 深度神经网络 | 准确率 | NA |
| 32 | 2025-12-03 |
Assessment of resolution and noise in magnetic resonance images reconstructed by data driven approaches
2025-Aug, Zeitschrift fur medizinische Physik
IF:2.4Q2
DOI:10.1016/j.zemedi.2023.08.007
PMID:37684119
|
研究论文 | 本文评估了数据驱动方法重建加速MRI扫描时的分辨率和噪声增强 | 首次为典型模型和数据驱动的MRI重建方法提供了空间分辨率和噪声增强（g因子）的详细地图分析 | 仅基于单个患者的常规脑部扫描数据，样本量有限 | 评估数据驱动MRI重建方法在分辨率和噪声方面的性能 | MRI图像重建方法 | 医学影像 | NA | MRI | 深度学习, 变分网络, U-Net | 图像 | 单个患者的脑部MRI数据 | NA | U-Net | 局部分辨率, g因子 | NA |
| 33 | 2025-12-03 |
Enhanced direct joint attenuation and scatter correction of whole-body PET images via context-aware deep networks
2025-Aug, Zeitschrift fur medizinische Physik
IF:2.4Q2
DOI:10.1016/j.zemedi.2024.01.002
PMID:38302292
|
研究论文 | 提出一种基于上下文感知深度网络的增强直接联合衰减和散射校正方法，用于无CT或MR辅助的全身PET图像定量重建 | 通过上下文感知卷积核调制实现受试者和区域特异性滤波，以处理PET成像中的摄取变异，并利用大规模数据集（910例全身研究）进行训练 | 未明确说明模型在极端病理情况或罕见解剖变异下的泛化能力 | 开发一种无需结构信息（如CT或MR）的直接衰减和散射校正方法，以提高PET图像的定量准确性 | 全身PET图像 | 医学影像分析 | NA | PET成像 | CNN | 图像 | 910例全身研究 | NA | 上下文感知卷积网络 | 绝对相对误差, 相对误差 | NA |
| 34 | 2025-12-02 |
Artificial intelligence-augmented ultrasound diagnosis of follicular-patterned thyroid neoplasms: a multicenter retrospective study
2025-Aug, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103351
PMID:40697959
|
研究论文 | 本研究开发并验证了一种基于深度学习（OverLoCK模型）的超声诊断系统，用于术前区分良恶性滤泡型甲状腺肿瘤 | 开发了新颖的OverLoCK（Overview-first-Look-Closely-next ConvNet with Context-Mixing Dynamic Kernels）模型，并首次在多中心、大规模回顾性研究中验证了深度学习系统在滤泡型甲状腺肿瘤术前诊断中的应用价值 | 研究为回顾性设计，需要在真实世界临床环境中进行前瞻性研究以进一步验证 | 开发并验证一种基于深度学习的超声诊断系统，以提高滤泡型甲状腺肿瘤的术前诊断准确性，减少不必要的手术干预 | 滤泡型甲状腺肿瘤患者，包括甲状腺滤泡腺瘤、滤泡癌和滤泡亚型乳头状甲状腺癌 | 数字病理 | 甲状腺癌 | 超声成像 | CNN | 图像 | 3817名患者（9393张超声图像），来自中国11个中心 | NA | OverLoCK | AUC, 准确率, 灵敏度, 特异度, 阳性预测值, 阴性预测值, F1分数 | NA |
| 35 | 2025-12-01 |
Deep Learning Enabled Optimization and Mass Transfer Mechanism in Ultrasound-Assisted Enzymatic Extraction of Polyphenols from Tartary Buckwheat Hulls
2025-Aug-21, Foods (Basel, Switzerland)
DOI:10.3390/foods14162915
PMID:40870826
|
研究论文 | 本研究采用超声辅助酶法从苦荞壳中提取多酚，并通过数值模拟和自适应神经模糊推理系统优化提取工艺 | 结合超声辅助酶法提取与ANFIS模型预测，首次系统分析苦荞壳多酚的传质机理和温度敏感性 | 仅针对苦荞壳单一原料进行研究，未验证其他植物残渣的适用性 | 开发绿色高效的多酚提取方法并探究其传质机制 | 苦荞壳中的多酚类化合物 | 机器学习 | NA | 超声辅助酶法提取、数值模拟、高效液相色谱分析 | ANFIS（自适应神经模糊推理系统） | 化学分析数据、提取工艺参数 | 苦荞壳样品（具体数量未明确说明） | ANFIS | 神经模糊推理系统 | 决定系数R² | NA |
| 36 | 2025-12-01 |
AI-Powered Skin Lesion Diagnosis using Whale Optimization Algorithm Enhanced ResNet 50 for Cancer Prediction
2025-Aug-01, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2025.26.8.2919
PMID:40849708
|
研究论文 | 本研究利用鲸鱼优化算法增强ResNet-50网络，实现皮肤病变的二元分类诊断 | 首次将鲸鱼优化算法应用于ResNet-50超参数优化，显著提升了皮肤病变分类性能 | 仅针对二元分类任务，未涉及多类别皮肤病变分类 | 通过优化深度学习模型提高皮肤病变分类的准确率和效率 | 皮肤痣图像数据 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN | 图像 | 3600张平衡的皮肤痣图像（1800良性，1800恶性） | NA | AlexNet,GoogleNet,VGG16,ResNet50,WOA-optimized ResNet50 | 准确率,精确率,召回率,F1分数,特异性,马修斯相关系数,对数损失,AUC-ROC,推理时间 | NA |
| 37 | 2025-12-01 |
Walrus Optimization-Enhanced ResNet-50 for AI-Driven Renal Malignancy Prediction with Occlusion Sensitivity-Based Interpretation
2025-Aug-01, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2025.26.8.2995
PMID:40849716
|
研究论文 | 使用海象优化算法增强ResNet-50模型进行肾恶性肿瘤预测，并结合遮挡敏感性分析提升模型可解释性 | 首次将海象优化算法(WaOA)应用于ResNet-50超参数优化，结合遮挡敏感性分析提供模型决策过程的可视化解释 | 推理时间略高(0.1133秒)，仅使用单模态CT图像数据 | 优化深度学习模型在肾恶性肿瘤检测中的分类性能并确保模型可解释性 | 肾部CT图像中的四种诊断类别：囊肿、正常、结石和肿瘤 | 医学影像分析 | 肾恶性肿瘤 | CT影像分析 | CNN | 图像 | 12,446张腹部CT图像（囊肿3,709张，正常5,077张，结石1,377张，肿瘤2,283张） | NA | ResNet-50, AlexNet, GoogLeNet, Inception V3 | 准确率, 精确率, 召回率, F1分数, AUC-ROC, MCC, 对数损失 | NA |
| 38 | 2025-11-30 |
A combinatorial mutational map of active non-native protein kinases by deep learning guided sequence design
2025-Aug-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.03.668353
PMID:40766444
|
研究论文 | 通过深度学习指导的序列设计构建活性非天然蛋白激酶的组合突变图谱 | 突破传统方法限制，通过深度学习指导重新设计天然蛋白酪氨酸激酶，生成具有高度组合突变的新型功能序列 | NA | 探索高度组合和稀疏的序列-功能景观在突变尺度上的功能探索 | 蛋白酪氨酸激酶及其重新设计的序列变体 | 机器学习 | NA | 深度学习指导的序列设计，无细胞检测 | 深度学习，回归模型 | 蛋白质序列数据，功能活性数据 | 537个重新设计的序列变体，覆盖76个不同位置的436个独特突变 | NA | NA | 活性保留率（85%变体保持活性），功能预测准确率 | NA |
| 39 | 2025-11-26 |
Anatomy-aware, label-informed approach improves image registration for challenging datasets
2025-Aug-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.11.669599
PMID:40832189
|
研究论文 | 提出一种基于标签信息的图像配准方法，用于处理具有显著形态差异的生物医学图像 | 开发了在ANTsX生态系统中的标签知情图像配准函数，通过分割标签提供区域对应关系来引导配准 | 需要预先获取图像分割标签，这可能增加额外的工作量 | 改进具有显著形态表型数据集的图像配准精度 | 基因敲除小鼠胚胎的神经影像数据 | 数字病理 | 发育异常 | 图像配准，体积形态计量学 | NA | 生物医学图像 | E15.5小鼠胚胎 | ANTsX | NA | 配准对应性，统计分析的效能和敏感性 | NA |
| 40 | 2025-11-25 |
Inference of germinal center evolutionary dynamics via simulation-based deep learning
2025-Aug-13, ArXiv
PMID:40832049
|
研究论文 | 通过基于模拟的深度学习方法推断生发中心B细胞的进化动力学 | 首次使用深度学习结合模拟推断来学习B细胞亲和力与繁殖力之间的响应函数 | 基于特定GC条件的重复实验，可能不适用于所有生发中心环境 | 揭示B细胞亲和力与繁殖力之间的确切关系 | 生发中心中的B细胞 | 机器学习 | NA | 模拟推断 | 深度学习 | 实验数据 | NA | NA | NA | NA | NA |