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 948 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2025-10-06 |
Intelligent Diagnosis of Pancreatic Biopsy From Endoscopic Ultrasound-Guided Fine-Needle Aspiration Via Stimulated Raman Histopathology
2025-Aug, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2025.104182
PMID:40288652
|
研究论文 | 开发基于深度学习刺激拉曼散射显微镜的快速无标记方法，用于胰腺EUS-FNA标本的术中组织学诊断 | 首次将深度学习与刺激拉曼散射显微镜结合应用于胰腺EUS-FNA标本的术中诊断，替代传统快速现场评估 | 样本量有限（76例训练集，33例测试集），需要进一步临床验证 | 开发更高效客观的胰腺活检术中诊断方法 | 胰腺EUS-FNA新鲜组织标本 | 数字病理 | 胰腺肿瘤 | 刺激拉曼散射显微镜，苏木精-伊红染色 | CNN | 图像 | 76例患者训练集，33例外部测试集 | NA | 卷积神经网络 | 准确率 | NA |
| 402 | 2025-10-06 |
Deep Learning Methodology for Quantification of Normal Pancreas Structures
2025-Aug, Toxicologic pathology
IF:1.4Q4
DOI:10.1177/01926233251341824
PMID:40522090
|
研究论文 | 开发了一种基于深度学习的胰腺组织结构量化方法，用于疾病模型和毒理学研究 | 首次将正常胰腺亚结构整合到深度学习算法中，并包含异常胰腺区域，实现连续定量分析 | 未明确说明样本规模和技术验证的详细范围 | 开发自动化定量分析器官亚结构的深度学习方法 | 胰腺组织亚结构 | 数字病理学 | 胰腺疾病 | 数字病理学 | 深度学习 | 组织病理图像 | NA | NA | NA | 定量测量 | NA |
| 403 | 2025-10-06 |
Recurrent multi-view 6DoF pose estimation for marker-less surgical tool tracking
2025-Aug, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03436-8
PMID:40528143
|
研究论文 | 提出一种结合多视角和循环神经网络的新型深度学习架构，用于无标记手术器械6DoF姿态估计 | 首次将多视角姿态估计与循环神经网络结合，利用时空特征提取器整合整个帧序列的特征 | 仅在合成数据集和有限真实数据集上进行验证，需要更多临床数据验证 | 开发无标记手术器械跟踪方法以替代基于标记的跟踪系统 | 手术器械的6自由度姿态估计 | 计算机视觉 | NA | 深度学习 | 循环神经网络 | RGB视频 | 合成数据集和四摄像头真实数据集 | NA | 循环神经网络,时空特征提取器 | 尖端误差,角度误差 | NA |
| 404 | 2025-10-06 |
BronchoGAN: anatomically consistent and domain-agnostic image-to-image translation for video bronchoscopy
2025-Aug, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03450-w
PMID:40560442
|
研究论文 | 提出了一种结合解剖学约束的图像到图像翻译方法BronchoGAN，用于视频支气管镜图像生成 | 将支气管孔解剖约束和基础模型生成的深度图像作为中间表示集成到条件GAN中，实现跨域鲁棒图像翻译 | NA | 解决支气管镜图像稀缺问题，实现跨域图像翻译以生成逼真支气管镜图像 | 支气管镜图像，包括虚拟支气管镜、体模以及体内外图像数据 | 计算机视觉 | 肺部疾病 | 图像到图像翻译，深度图像生成 | GAN,条件GAN | 图像 | NA | NA | 条件GAN | FID, SSIM, Dice系数 | NA |
| 405 | 2025-10-06 |
CoSpred: Machine Learning Workflow to Predict Tandem Mass Spectrum in Proteomics
2025-Aug, Proteomics
IF:3.4Q2
DOI:10.1002/pmic.70004
PMID:40583480
|
研究论文 | 开发了一个名为CoSpred的端到端机器学习工作流程，用于预测蛋白质组学中的串联质谱图 | 采用Transformer编码器架构预测完整MS/MS谱图，提供模块化设计允许轻松替换其他ML模型，支持用户创建自定义训练数据集 | NA | 提高肽段和蛋白质的鉴定率，通过生成高保真理论谱图构建更完整的光谱库 | 肽段序列和对应的质谱图 | 机器学习 | NA | 质谱分析 | Transformer | 肽段序列数据，质谱数据 | NA | NA | Transformer编码器 | NA | NA |
| 406 | 2025-10-06 |
Three-Dimensional Visualisation of Blood Vessels in Human Gliomas Using Tissue Clearing and Deep Learning
2025-08, Neuropathology and applied neurobiology
IF:4.0Q1
DOI:10.1111/nan.70027
PMID:40628519
|
研究论文 | 本研究结合组织透明化技术和深度学习实现了人脑胶质瘤血管系统的三维可视化 | 首次将OPTIClear组织透明化技术与专用3D U-Net结合，实现完整人脑组织样本中胶质瘤血管系统的精准三维重建 | 研究基于福尔马林固定厚组织切片，可能影响部分生物活性特征的保留 | 开发人脑胶质瘤血管系统三维可视化方法并分析不同级别胶质瘤的血管形态差异 | 人脑胶质瘤组织样本 | 数字病理学 | 胶质瘤 | 组织透明化(OPTIClear)、免疫荧光标记、共聚焦显微镜成像 | CNN | 三维图像 | 人脑胶质瘤厚组织切片(500μm) | NA | 3D U-Net | 准确率,效率 | NA |
| 407 | 2025-10-06 |
A multimodule graph-based neural network for accurate drug-target interaction prediction via genomic, proteomic, and structural data fusion
2025-Aug, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.145907
PMID:40653240
|
研究论文 | 开发了一种基于图神经网络的多模块模型GINCOVNET，用于通过融合基因组、蛋白质组和结构数据准确预测药物-靶点相互作用 | 首次将分子结构信息、靶点序列以及分子和靶点的扰动基因表达数据融合到图神经网络中进行DTI预测 | NA | 加速药物发现和重定位，提供对药物-靶点相互作用分子机制更全面的理解 | 药物-靶点相互作用 | 机器学习 | NA | 基因组数据、蛋白质组数据、结构数据、基因表达数据融合 | 图神经网络 | 分子结构信息、靶点序列、基因表达数据 | NA | NA | GINCOVNET | R2, MAE | NA |
| 408 | 2025-10-06 |
Identification of hypertrophic cardiomyopathy on electrocardiographic images with deep learning
2025-Aug, Nature cardiovascular research
IF:9.4Q1
DOI:10.1038/s44161-025-00685-3
PMID:40696040
|
研究论文 | 开发并验证了一种能够从12导联心电图图像中识别肥厚型心肌病的深度学习模型 | 首次开发能够从心电图图像（而非原始电压数据）检测肥厚型心肌病的深度学习模型，支持多种心电图布局格式 | 模型性能依赖于心电图图像质量，且在不同数据源的定义标准存在差异（部分使用心脏磁共振确认，部分使用诊断代码） | 开发一种可扩展的基于心电图图像的肥厚型心肌病筛查方法 | 肥厚型心肌病患者的心电图图像 | 计算机视觉 | 心血管疾病 | 心脏磁共振(CMR), 超声心动图 | 深度学习 | 图像 | 124,553份心电图来自66,987名个体（耶鲁纽黑文医院），外加MIMIC-IV、阿姆斯特丹大学医学中心和英国生物银行的外部验证数据 | NA | NA | AUROC | NA |
| 409 | 2025-10-06 |
The art of diagnosing rare skin tumors: Can DL-CNNs enhance dermatologists' diagnostic accuracy?
2025-Aug-29, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2025.115751
PMID:40912058
|
研究论文 | 评估二元深度学习卷积神经网络在罕见皮肤肿瘤诊断中的性能及其对皮肤科医生的辅助作用 | 首次在国际皮肤科医生群体中系统评估DL-CNN对罕见皮肤肿瘤的诊断性能及其临床辅助价值 | DL-CNN在罕见皮肤肿瘤诊断中表现有限，无法显著提升专家诊断准确率，训练数据质量需改进 | 评估DL-CNN在罕见皮肤肿瘤诊断中的性能及其对皮肤科医生的决策支持水平 | 200张经组织学确认的罕见皮肤肿瘤皮肤镜图像 | 计算机视觉 | 皮肤肿瘤 | 皮肤镜成像 | CNN | 图像 | 200张皮肤镜图像 | NA | 二元DL-CNN（Moleanalyzer-Pro） | 灵敏度, 特异度, ROC-AUC | NA |
| 410 | 2025-10-06 |
Role of artificial intelligence-based ocular biomarkers in hepatobiliary diseases: A scoping review
2025-Aug-27, World journal of hepatology
IF:2.5Q2
DOI:10.4254/wjh.v17.i8.109801
PMID:40901593
|
综述 | 探讨基于人工智能的眼部生物标志物在肝胆疾病中的应用价值 | 首次系统综述AI技术通过眼部影像识别七类肝胆疾病的潜力 | 未涉及具体临床验证数据和技术实施细节 | 评估AI在肝胆疾病眼部生物标志物分析中的应用前景 | 肝胆疾病患者的眼部影像数据 | 数字病理 | 肝胆疾病 | 眼部影像技术（裂隙灯、视网膜眼底、光学相干断层扫描） | 深度学习 | 图像 | NA | NA | ResNet-101 | NA | NA |
| 411 | 2025-10-06 |
Biparametric magnetic resonance imaging-based radiomic and deep learning models for predicting Ki-67 risk stratification in hepatocellular carcinoma
2025-Aug-27, World journal of hepatology
IF:2.5Q2
DOI:10.4254/wjh.v17.i8.109530
PMID:40901605
|
研究论文 | 开发基于双参数磁共振成像的放射组学和深度迁移学习模型预测肝细胞癌Ki-67风险分层和无复发生存期 | 首次整合bpMRI放射组学和深度迁移学习特征构建预测Ki-67风险分层的列线图模型 | 样本量有限（198例患者），仅使用双参数MRI序列 | 预测肝细胞癌Ki-67风险分层和患者无复发生存期 | 198例经病理确诊的肝细胞癌患者 | 数字病理 | 肝细胞癌 | 双参数磁共振成像，免疫组织化学染色 | 深度迁移学习，随机森林 | 医学影像（T2加权和动脉期图像） | 198例肝细胞癌患者 | NA | 随机森林 | AUC | NA |
| 412 | 2025-10-06 |
[Multi-source adversarial adaptation with calibration for electroencephalogram-based classification of meditation and resting states]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202504044
PMID:40887180
|
研究论文 | 提出一种用于脑电信号冥想状态分类的校准多源对抗自适应网络 | 首次将多源对抗自适应与校准机制结合用于脑电信号分类，通过目标域少量标注数据提升模型性能 | 样本量相对有限（18名受试者），仅针对特定人群（甲基苯丙胺康复者） | 开发能够克服个体差异的脑电信号冥想状态监测系统 | 接受甲基苯丙胺康复治疗的18名受试者的脑电信号 | 生物医学信息学 | 物质依赖障碍 | 脑电图 | 域对抗神经网络 | 脑电信号 | 18名受试者 | NA | 多源对抗自适应网络 | 准确率 | NA |
| 413 | 2025-10-06 |
[Study on dental image segmentation and automatic root canal measurement based on multi-stage deep learning using cone beam computed tomography]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202503008
PMID:40887191
|
研究论文 | 基于锥形束CT图像开发全自动牙齿分割和根管测量方法 | 采用多阶段深度学习方法实现牙齿分割和根管自动测量，分割性能指标优于现有方法 | NA | 为临床根管诊断分级、器械选择和术前规划提供客观高效的测量结果 | 锥形束CT牙齿图像 | 计算机视觉 | 牙科疾病 | 锥形束计算机断层扫描(CBCT) | 深度学习 | 医学图像 | NA | NA | Attention U-Net | Dice系数,Jaccard系数,Hausdorff距离,平均表面距离,相对误差,角度误差,正确分类率 | NA |
| 414 | 2025-10-06 |
[Brain midline segmentation method based on prior knowledge and path optimization]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202412032
PMID:40887192
|
研究论文 | 提出一种基于先验知识和路径优化的两阶段深度学习网络模型，用于解决脑中线分割精度不足和连续性差的问题 | 利用相邻脑中线切片特征一致性的先验知识，采用特征加权策略融合关联切片特征，并结合最优路径搜索策略解决分割不连续问题 | NA | 实现脑中线的精确分割 | 脑中线结构 | 医学图像分析 | 脑部疾病 | 深度学习 | 深度学习网络 | 医学影像 | CQ500数据集 | NA | 两阶段框架 | Dice相似系数, Hausdorff距离, 平均对称表面距离, 归一化表面Dice | NA |
| 415 | 2025-10-06 |
[Research progress in electroencephalogram-based brain age prediction]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202503043
PMID:40887200
|
综述 | 本文系统回顾了基于脑电图（EEG）的脑年龄预测研究进展，涵盖数据处理、特征提取、模型构建和结果评估等关键环节 | 全面梳理了EEG脑年龄预测领域的技术发展脉络，系统总结了机器学习和深度学习方法的应用现状，并探讨了未来研究方向 | 存在数据质量问题和模型可解释性挑战 | 推动基于EEG的脑年龄预测在临床和研究场景中的广泛应用 | 脑电图信号及其与脑功能状态的关系 | 机器学习 | 神经退行性疾病 | 脑电图（EEG） | 机器学习,深度学习 | 神经生理信号 | NA | NA | NA | NA | NA |
| 416 | 2025-10-06 |
Comparison of Foundation and Supervised Learning-Based Models for Detection of Referable Glaucoma from Fundus Photographs
2025-Aug-24, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.21.25334170
PMID:40894149
|
研究论文 | 比较基础模型和监督学习模型在眼底照片中检测需转诊青光眼的性能 | 首次系统比较基于自监督预训练的基础模型（RETFound）与传统监督学习模型（VGG-19）在青光眼检测任务中的表现，并分析训练数据量、图像裁剪和人口统计学因素对模型性能的影响 | 研究仅使用单一医疗系统的数据，外部验证集规模较小（N=300），且仅评估了两种模型架构 | 开发自动检测需转诊青光眼的深度学习模型 | 眼底照片 | 计算机视觉 | 青光眼 | 眼底摄影 | Vision Transformer, CNN | 图像 | 训练集8,996张，验证集3,002张，测试集1,000张，外部测试集300张眼底照片 | NA | RETFound, VGG-19 | AUC-ROC, 敏感性, 特异性, F1分数 | NA |
| 417 | 2025-10-06 |
Deep learning models for pathological classification and staging of oesophageal cancer
2025-Aug-24, World journal of clinical oncology
IF:2.6Q3
DOI:10.5306/wjco.v16.i8.109893
PMID:40901333
|
comments | 对Wei研究中应用Wave-Vision Transformer进行食管癌分类的评论，重点讨论其准确性、临床潜力及局限性 | 首次对Wave-Vision Transformer在食管癌病理分类中的应用进行系统性评述，强调其高效准确的特性 | 数据集多样性不足，缺乏可解释人工智能方法 | 评估深度学习模型在食管癌病理分类和分期中的临床应用价值 | 食管癌病理图像 | digital pathology | oesophageal cancer | NA | Vision Transformer | pathological images | NA | NA | Wave-Vision Transformer | accuracy, efficiency | NA |
| 418 | 2025-10-06 |
Cell reprogramming in cancer: Interplay of genetic, epigenetic mechanisms, and the tumor microenvironment in carcinogenesis and metastasis
2025-Aug-24, World journal of clinical oncology
IF:2.6Q3
DOI:10.5306/wjco.v16.i8.106838
PMID:40901331
|
综述 | 探讨细胞可塑性在癌症发生发展中的作用机制及其与肿瘤微环境的相互作用 | 提出'失调的细胞可塑性'可作为癌症新特征，并整合AlphaFold等AI技术加速癌症药物开发 | 主要基于理论机制探讨，缺乏具体实验数据验证 | 解析细胞重编程在癌症发生和转移中的分子机制 | 癌细胞的可塑性变化过程 | 计算生物学 | 癌症 | 下一代测序, 单细胞RNA分析, 深度学习 | 深度学习 | 基因组数据, 表观遗传数据, 蛋白质结构数据 | NA | AlphaFold | AlphaFold 2 | NA | NA |
| 419 | 2025-10-06 |
Polymer-derived distance penalties improve chromatin interaction predictions from single-cell data across crop genomes
2025-Aug-23, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.20.671329
PMID:40894789
|
研究论文 | 提出基于聚合物物理的距离惩罚函数，用于改进作物基因组中单细胞染色质相互作用预测 | 首次将聚合物物理学原理应用于作物基因组染色质相互作用预测，通过多组分幂律模型校正长程相互作用的系统性高估 | 方法主要针对植物物种验证，在动物或其他生物系统中的适用性尚未验证 | 改进单细胞数据中染色质相互作用的预测准确性，特别是减少长程相互作用的假阳性 | 玉米、水稻和大豆的染色质相互作用数据 | 计算生物学 | NA | Hi-C测序，单细胞可及性分析 | 多组分幂律模型 | 基因组相互作用数据，Hi-C数据 | 三种作物物种（玉米、水稻、大豆）的实验数据 | NA | 多组分幂律模型 | 假阳性率降低，与Hi-C数据一致性 | NA |
| 420 | 2025-10-06 |
Efficient Double Helix Detection with Steerable Filters
2025-Aug-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.14.670427
PMID:40894605
|
研究论文 | 提出一种使用可操纵滤波器的高效双螺旋点扩散函数检测方案，用于3D单分子定位显微镜或追踪 | 仅需7次卷积即可同时提取2D位置和波瓣方向（轴向位置）估计，计算量比基于深度学习的方法少几个数量级 | NA | 开发高效的3D单分子定位显微镜检测方法 | 双螺旋点扩散函数 | 计算机视觉 | NA | 单分子定位显微镜(SMLM) | 可操纵滤波器 | 显微镜图像 | NA | PYthon Microscopy Environment (PYME) | 双高斯模型 | NA | NA |