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 1464 篇文献，本页显示第 981 - 1000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 981 | 2025-10-06 |
Recognition of microplastic aging features based on multimodal data fusion and attention mechanisms
2025-Sep-15, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.139301
PMID:40684512
|
研究论文 | 基于多模态数据融合和注意力机制识别微塑料老化特征 | 首次将SEM图像和FT-IR数据通过多模态融合与注意力机制结合，能够识别不同老化类型的关键特征关联 | NA | 开发能够准确识别微塑料老化特征的方法，理解微塑料老化机制 | 微塑料老化样品 | 计算机视觉,自然语言处理 | NA | SEM成像,FT-IR光谱分析 | 深度学习模型 | 图像,光谱数据 | 1371个样品，涵盖7种老化类型 | NA | 注意力机制 | 准确率,F1分数 | NA |
| 982 | 2025-10-06 |
Real-time oil spill concentration assessment through fluorescence imaging and deep learning
2025-Sep-15, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.139374
PMID:40818234
|
研究论文 | 本研究通过结合荧光成像、深度学习、移动应用和数据管理系统，开发了一种自动化实时溢油评估方法 | 首次将荧光成像与深度学习相结合用于实时溢油浓度评估，并开发了配套的移动应用和数据管理系统 | 仅测试了两种原油类型（萘基原油和芳香-萘基原油），浓度范围限定在0-500 mg/L | 开发快速准确的实时溢油评估技术以支持环境评估和应急响应 | 两种原油类型：萘基原油和芳香-萘基原油 | 计算机视觉 | NA | 荧光成像 | CNN | 图像 | 1530张荧光图像，包含两种原油类型在不同浓度下的数据 | NA | 卷积神经网络结合自定义回归模型 | R²分数, RMSE | NA |
| 983 | 2025-10-06 |
Early Detection of Lung Metastases in Breast Cancer Using YOLOv10 and Transfer Learning: A Diagnostic Accuracy Study
2025-Sep-09, Medical science monitor : international medical journal of experimental and clinical research
IF:2.2Q3
DOI:10.12659/MSM.948195
PMID:40922404
|
研究论文 | 本研究使用YOLOv10和迁移学习技术开发了一种基于CT影像的乳腺癌肺转移早期检测系统 | 首次将YOLOv10模型与迁移学习相结合应用于乳腺癌肺转移的CT影像检测，相比现有方法具有更高的诊断准确性 | 样本量较小（仅16名患者），数据来源于单一医疗机构，需要更大规模的多中心研究验证 | 开发并验证基于深度学习的乳腺癌肺转移自动检测系统 | 乳腺癌确诊患者的肺部CT影像 | 计算机视觉 | 乳腺癌 | CT影像分析 | YOLOv10, CNN | 医学影像 | 16名患者的1264张增强CT图像 | NA | ResNet-50, GoogLeNet | 准确率, 灵敏度, 特异性, 精确率, AUC | NA |
| 984 | 2025-10-06 |
Calibration Transfer of Deep Learning Models among Multiple Raman Spectrometers via Low-Rank Adaptation
2025-Sep-09, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c01846
PMID:40922652
|
研究论文 | 提出基于低秩自适应的校准转移方法LoRA-CT，实现深度学习模型在多个拉曼光谱仪之间的高效迁移 | 通过将权重更新分解为低秩矩阵，实现参数高效的模型微调，比全参数微调减少600倍可训练参数 | NA | 解决深度学习模型在不同拉曼光谱仪之间的可移植性问题 | 溶剂混合物和混合油样品 | 机器学习 | NA | 拉曼光谱 | 深度学习 | 光谱数据 | 三个数据集（溶剂混合物和混合油），使用极少量转移样本 | NA | NA | 决定系数R², 均方根误差RMSE | NA |
| 985 | 2025-10-06 |
BiVAE-CPI: An Interpretable Generative Model Using a Bilateral Variational Autoencoder for Compound-Protein Interaction Prediction
2025-Sep-08, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01001
PMID:40839758
|
研究论文 | 提出了一种基于双边变分自编码器的可解释生成模型BiVAE-CPI，用于预测化合物-蛋白质相互作用 | 首次将双边变分自编码器应用于CPI预测，考虑不同CPI对之间的相关性，并通过潜在空间学习共享低维潜在表示 | 未明确说明模型在更大规模数据集上的泛化能力 | 开发一种能够更好预测化合物-蛋白质相互作用的深度学习模型 | 化合物-蛋白质相互作用对 | 机器学习 | NA | 深度学习 | 变分自编码器, 图神经网络, 门控卷积网络 | 化合物结构数据, 蛋白质序列数据 | 两个基准数据集（具体数量未明确说明） | NA | 双边变分自编码器(BiVAE), 图同构网络(GIN), 门控卷积编码器 | NA | NA |
| 986 | 2025-10-06 |
A generalist deep-learning volume segmentation tool for volume electron microscopy of biological samples
2025-Sep, Journal of structural biology
IF:3.0Q3
DOI:10.1016/j.jsb.2025.108214
PMID:40449855
|
研究论文 | 介绍了一种用于生物样本体积电子显微镜的通用深度学习体积分割工具VST | 开发了能够处理多种生物样本类型的通用体积分割工具，自动化数据预处理、增强和网络构建流程，并支持基于轮廓图的实例分割 | NA | 开发适用于体积电子显微镜图像的通用深度学习分割工具 | 生物样本的体积电子显微镜图像数据 | 计算机视觉 | NA | 体积电子显微镜，透射电子显微镜，扫描电子显微镜 | 深度学习 | 体积电子显微镜图像堆栈 | NA | NA | NA | NA | 本地硬件 |
| 987 | 2025-10-06 |
Developing a deep learning-based surgical-skill assessment model focused on instrument handling in laparoscopic colorectal surgery
2025-Sep, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2025.110260
PMID:40544713
|
研究论文 | 开发基于深度学习的腹腔镜结直肠手术中器械操作技能评估模型 | 首次利用计算机视觉技术自动识别腹腔镜手术中的组织抓取行为，并基于组织抓取次数实现自动手术技能评估 | 自动识别成功/失败组织抓取的准确性不足，需要进一步提高识别精度 | 开发自动化手术技能评估方法，重点关注腹腔镜手术中的器械操作技能 | 腹腔镜结直肠手术视频 | 计算机视觉 | 结直肠癌 | 计算机视觉技术 | 深度学习模型 | 手术视频 | 三个不同技能水平组（高技能组、中技能组、低技能组）的手术视频 | NA | NA | 相关性分析 | NA |
| 988 | 2025-10-06 |
Development and interpretation of a pathomics-driven ensemble predictive model for prognosis of intrahepatic cholangiocarcinoma
2025-Sep, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2025.110295
PMID:40627917
|
研究论文 | 开发并解释了一种基于病理组学的集成预测模型，用于肝内胆管癌的预后预测 | 首次开发了肝内胆管癌的病理组学集成预测模型，并通过多种方法提升模型可解释性 | NA | 开发可解释的病理组学模型以改善肝内胆管癌的临床管理和预后预测 | 肝内胆管癌患者 | 数字病理 | 肝内胆管癌 | 深度学习，K-means聚类，细胞形态学特征分析 | 集成模型，深度学习 | 术后肿瘤切片图像 | 252例iCCA患者（内部验证）+ TCGA数据库（外部验证） | NA | NA | AUC | NA |
| 989 | 2025-10-06 |
AI Revolution in Radiology, Radiation Oncology and Nuclear Medicine: Transforming and Innovating the Radiological Sciences
2025-Sep, Journal of medical imaging and radiation oncology
IF:2.2Q2
DOI:10.1111/1754-9485.13880
PMID:40631621
|
综述 | 评估人工智能在放射学、核医学和放射肿瘤学领域的影响，并强调医学教育中AI专业培训的必要性 | 系统阐述AI在放射科学三大分支领域的整合现状与教育需求，强调跨学科融合与专业人才培养的创新视角 | 作为综述文章未涉及具体实验验证，主要基于现有文献分析 | 探讨AI技术在放射科学领域的临床应用与教育整合 | 放射学、核医学和放射肿瘤学的诊断与治疗流程 | 医学影像分析 | NA | 深度学习、机器学习 | NA | 医学影像 | NA | NA | NA | 诊断准确性、工作效率 | NA |
| 990 | 2025-10-06 |
The Use of Deep Learning in Primary Agricultural Products Freshness Assessment: A Systematic Review
2025-Sep, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.70535
PMID:40914846
|
综述 | 本文系统综述了深度学习在初级农产品新鲜度评估中的应用现状与发展趋势 | 首次系统整合机器视觉、光谱技术和电子鼻与深度学习相结合的农产品新鲜度评估方法，并指出当前技术局限与未来发展方向 | 现有技术仍存在数据标准化不足、模型泛化能力有限等挑战 | 探讨深度学习技术在初级农产品新鲜度评估领域的应用潜力 | 初级农产品（包括水果、蔬菜等生鲜产品） | 计算机视觉, 机器学习 | NA | 机器视觉, 高光谱成像, 近红外光谱, 荧光光谱, 拉曼光谱, 电子鼻 | 深度学习神经网络 | 图像数据, 光谱数据, 传感器数据 | NA | NA | NA | NA | NA |
| 991 | 2025-10-06 |
The association of retinal age gap with schizophrenia: a cross-sectional analysis
2025-Sep, Schizophrenia research
IF:3.6Q1
DOI:10.1016/j.schres.2025.07.018
PMID:40712190
|
研究论文 | 本研究通过深度学习分析视网膜图像，探讨精神分裂症与视网膜年龄差距的关联 | 首次使用视网膜年龄作为生物衰老标志物研究精神分裂症患者的神经系统加速衰老现象 | 横断面研究设计无法确定因果关系，且样本中精神分裂症患者数量相对较少 | 研究精神分裂症与视网膜年龄差距的关联及其机制 | 98,629名40岁及以上眼科医院就诊者，其中214名精神分裂症患者 | 数字病理学 | 精神分裂症 | 彩色视网膜摄影 | CNN | 图像 | 98,629名参与者（214名精神分裂症患者） | NA | 卷积神经网络 | NA | NA |
| 992 | 2025-10-06 |
Artificial intelligence in advancing optical coherence tomography for disease detection and cancer diagnosis: A scoping review
2025-Sep, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2025.110188
PMID:40839924
|
综述 | 本文探讨人工智能在光学相干断层扫描技术中用于疾病检测和癌症诊断的应用范围综述 | 系统性地综述了AI与OCT技术结合在多种医学领域中的应用潜力，特别是实时手术决策和肿瘤边缘检测方面的创新 | 存在模型有效性不确定和临床数据集不完整的问题，需要解决数据集偏差和模型优化 | 研究人工智能如何提升光学相干断层扫描技术的临床性能 | 眼科、心脏病学、皮肤病学和肿瘤学领域的疾病检测与诊断 | 医学影像分析 | 视网膜疾病、心血管疾病、上皮癌 | 光学相干断层扫描 | CNN | 医学影像 | NA | NA | 卷积神经网络 | NA | NA |
| 993 | 2025-10-06 |
[Artificial intelligence-enhanced ECG interpretation: a new era for electrocardiography?]
2025-Sep, Giornale italiano di cardiologia (2006)
DOI:10.1714/4542.45427
PMID:40864481
|
综述 | 本文探讨人工智能技术如何革新心电图解读，将其从静态诊断工具转变为动态预测工具 | AI-ECG能够检测亚临床心室功能障碍、进行长期风险分层，并在明显临床症状出现前预测主要不良事件 | AI模型可解释性差、算法偏见、过拟合、数据治理和监管不确定性等问题仍需严格方法学审查 | 研究人工智能技术在心电图解读中的应用潜力与挑战 | 心血管疾病患者的心电图数据 | 医疗人工智能 | 心血管疾病 | 心电图分析 | 机器学习,深度学习 | 心电图信号 | NA | NA | NA | NA | 联邦学习架构 |
| 994 | 2025-10-06 |
A Comparative Analysis on the Classification of Pineapple Varieties Using Thermal Imaging Coupled With Transfer Learning
2025-Sep, Journal of food science
IF:3.2Q2
DOI:10.1111/1750-3841.70530
PMID:40923325
|
研究论文 | 本研究利用热成像技术和迁移学习对菠萝品种进行分类比较分析 | 首次将热成像技术与迁移学习相结合用于菠萝品种分类，并在三种温度条件下进行数据采集 | 模型架构创新不是主要目标，仅对现有CNN模型进行基准测试 | 开发基于热成像和深度学习的菠萝品种无损分类方法 | 三种菠萝品种（Moris、Josapine和N36） | 计算机视觉 | NA | 热成像技术 | CNN | 热成像图像 | 3240张热成像图像，涵盖3个菠萝品种在3种温度条件（5°C、10°C、25°C）下的数据 | NA | ResNet, VGG16, InceptionV3 | 准确率, 精确率, 召回率, F1分数 | NA |
| 995 | 2025-10-06 |
MASSISTANT: A deep learning model for De Novo molecular structure prediction from EI‑MS spectra via SELFIES encoding
2025-Sep-27, Journal of chromatography. A
DOI:10.1016/j.chroma.2025.466216
PMID:40706264
|
研究论文 | 开发了一种名为MASSISTANT的深度学习模型，能够直接从低分辨率EI-MS谱图预测分子结构 | 首次使用SELFIES编码实现从EI-MS谱图的从头分子结构预测 | 模型性能对数据集质量敏感，分子量限制在600 Da以下 | 开发从EI-MS谱图自动预测分子结构的深度学习方法 | 挥发性半挥发性化合物的EI-MS谱图 | 机器学习 | NA | 气相色谱-电子轰击质谱(GC-EI-MS) | 深度神经网络 | 质谱数据 | NIST数据集18万张谱图，分子量低于600 Da的化合物 | NA | NA | 准确率,Tanimoto得分 | NA |
| 996 | 2025-10-06 |
Deep Learning Modeling to Differentiate Multiple Sclerosis From MOG Antibody-Associated Disease
2025-Sep-23, Neurology
IF:7.7Q1
DOI:10.1212/WNL.0000000000214075
PMID:40906978
|
研究论文 | 本研究开发深度学习模型结合临床/MRI算法区分多发性硬化与MOG抗体相关疾病 | 首次结合临床/MRI算法与深度学习模型，并利用概率注意力图识别关键鉴别区域 | 回顾性研究，缺乏前瞻性验证，样本来源相对集中 | 区分多发性硬化(MS)与髓鞘少突胶质细胞糖蛋白抗体相关疾病(MOGAD) | 成人非急性期MS和MOGAD患者的脑部MRI扫描 | 医学影像分析 | 神经系统疾病 | MRI扫描(T2-FLAIR, T1加权) | CNN | 医学影像 | 406例MRI扫描(218例RRMS, 188例MOGAD) | NA | ResNet-10 | 准确率, 敏感度, 特异度 | NA |
| 997 | 2025-10-06 |
Label-free chimeric antigen receptor T-cell expression analysis using neural networks and statistical distribution modeling
2025-Sep-16, Biochemical and biophysical research communications
IF:2.5Q3
DOI:10.1016/j.bbrc.2025.152454
PMID:40795576
|
研究论文 | 本研究开发了一种基于亮场显微镜和深度学习的无标记方法，用于预测CAR-T细胞的CAR表达率 | 首次成功实现T细胞中CAR表达率的无标记预测，通过卷积神经网络结合高斯拟合的分类分数分布分析 | 仅在四个供体样本上验证，样本规模有限 | 优化CAR-T细胞疗法的治疗效果和患者安全性监测 | CAR-T细胞 | 计算机视觉 | 血液恶性肿瘤 | 亮场显微镜 | CNN | 图像 | 四个供体 | NA | 卷积神经网络 | 预测准确率, 最大预测误差 | NA |
| 998 | 2025-10-06 |
Selection of representative electrodes for stereoscopic visual comfort studies in conjunction with brain mechanism analysis
2025-Sep-15, Brain research
IF:2.7Q3
DOI:10.1016/j.brainres.2025.149800
PMID:40544932
|
研究论文 | 通过立体视觉脑机制分析寻找评估立体视觉舒适度的代表性电极 | 首次通过脑机制分析为立体视觉舒适度研究的电极选择提供科学依据 | 样本量相对较小，仅分析了15个电极 | 寻找评估立体视觉舒适度的代表性电极 | 立体视觉舒适度与不适状态的脑电信号 | 脑机接口 | 视觉不适 | 脑电图(EEG)、事件相关电位、功率谱分析 | 机器学习模型、深度学习模型 | 脑电信号 | 15个电极的脑电活动数据 | NA | NA | 分类准确率 | NA |
| 999 | 2025-10-06 |
Deep learning for named entity recognition in Turkish radiology reports
2025-09-08, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.243100
PMID:40018795
|
研究论文 | 本研究开发并评估了用于土耳其语放射学报告中命名实体识别的深度学习框架 | 针对土耳其语放射学报告特点，结合自适应跨度枚举和跨度图传播技术，优化了DYGIE++模型在土耳其语医疗文本上的表现 | 由于隐私问题无法使用真实患者数据，仅使用合成的放射学报告数据集 | 提高从放射学报告中提取信息的准确性和效率 | 土耳其语放射学报告 | 自然语言处理 | NA | 命名实体识别(NER) | BERT, 前馈神经网络 | 文本 | 1,056份土耳其语放射学报告 | DYGIE++ | BERTurk, BioBERTurk, PubMedBERT, XLM-RoBERTa | F1分数, 精确率, 召回率 | NA |
| 1000 | 2025-10-06 |
Automatic bone age assessment: a Turkish population study
2025-09-08, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.242999
PMID:40094318
|
研究论文 | 本研究开发了一种基于深度学习的自动骨龄评估模型，特别针对土耳其人群进行优化 | 首次针对土耳其人群开发深度学习骨龄评估模型，并比较了单一数据集与混合数据集的性能差异 | 数据来源存在异质性，土耳其人群样本量相对较少，模型性能仍有提升空间 | 开发针对土耳其人群的自动骨龄评估模型，研究人口统计学因素对模型性能的影响 | 手部X光片及对应的骨龄和性别信息 | 计算机视觉 | 生长发育评估 | X光成像 | CNN | 图像 | 土耳其人群2,730张手部X光片，公开数据集18,757张（RSNA 12,572张，RHPE 6,185张） | TensorFlow | 改进的InceptionV3 | 平均绝对误差(MAE) | NA |