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 1094 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2025-11-18 |
A combination of conserved and stage-specific lncRNA biomarkers to detect lung adenocarcinoma progression
2025-Oct, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2431190
PMID:39601689
|
研究论文 | 通过整合网络方法识别肺腺癌进展中的保守和阶段特异性lncRNA生物标志物 | 首次结合阶段特异性与保守lncRNA构建多阶段ceRNA网络，并整合深度学习进行生物标志物识别 | 未明确说明样本来源和验证队列的规模 | 探索lncRNA在肺腺癌进展中的分子机制并开发诊断生物标志物 | 肺腺癌患者组织样本中的lncRNA、mRNA和miRNA | 生物信息学 | 肺癌 | 表达谱分析，ceRNA网络构建，深度学习 | 深度学习 | 基因表达数据 | NA | NA | NA | NA | NA |
| 282 | 2025-11-18 |
Deep-VEGF: deep stacked ensemble model for prediction of vascular endothelial growth factor by concatenating gated recurrent unit with two-dimensional convolutional neural network
2025-Oct, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2323144
PMID:38450715
|
研究论文 | 提出一种基于深度堆叠集成学习的计算模型Deep-VEGF，用于从蛋白质一级序列预测血管内皮生长因子 | 开发了新型特征描述符KSTS-BPSSM，并首次将GRU与二维CNN通过堆叠集成方法结合用于VEGF预测 | NA | 开发准确预测血管内皮生长因子的计算模型以替代昂贵耗时的实验识别方法 | 血管内皮生长因子(VEGF)蛋白质序列 | 生物信息学 | 癌症,糖尿病视网膜病变,黄斑变性,关节炎 | 蛋白质序列分析 | GRU,GAN,CNN,集成学习 | 蛋白质一级序列 | NA | NA | 门控循环单元,生成对抗网络,二维卷积神经网络 | 准确率 | NA |
| 283 | 2025-11-18 |
ANN multi-layer perceptron for prediction of blood-brain barrier permeable compounds for central nervous system therapeutics
2025-Oct, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2326671
PMID:38497749
|
研究论文 | 开发人工神经网络多层感知器模型预测血脑屏障通透性化合物，用于中枢神经系统药物研发 | 使用大型数据集构建ANN模型，在BBB通透性预测中实现了高精度指标 | 仅基于化学结构预测BBB通透性存在困难 | 预测化合物的血脑屏障通透性以促进中枢神经系统药物研发 | 化学化合物 | 机器学习 | 中枢神经系统疾病 | NA | ANN多层感知器 | 化学结构数据 | 大型数据集 | NA | 多层感知器 | 准确率,特异性,敏感性,AUC,MCC | NA |
| 284 | 2025-11-17 |
Artificial Intelligence in Thyroid Cytopathology: Diagnostic and Technical Insights
2025-Oct-31, Cancers
IF:4.5Q1
DOI:10.3390/cancers17213525
PMID:41228318
|
综述 | 本文综述了深度学习在甲状腺细胞病理学中的应用现状、技术挑战和临床前景 | 系统分析了深度学习在甲状腺细胞学中的预分析变异性来源、架构选择和多模态整合潜力 | 当前研究多为回顾性和单中心设计，缺乏外部验证，存在泛化性不足的问题 | 探讨深度学习在甲状腺细胞病理学中的技术实现和临床应用前景 | 甲状腺细针穿刺细胞学样本 | 数字病理学 | 甲状腺疾病 | 细针穿刺细胞学 | 深度学习 | 细胞学图像 | NA | NA | NA | NA | NA |
| 285 | 2025-11-17 |
Fault Diagnosis of Rolling Bearings Using Denoising Multi-Channel Mixture of CNN and Mamba-Enhanced Adaptive Self-Attention LSTM
2025-Oct-31, Sensors (Basel, Switzerland)
DOI:10.3390/s25216652
PMID:41228875
|
研究论文 | 提出一种结合多视图卷积混合层和Mamba增强自适应自注意力LSTM的滚动轴承故障诊断方法 | 首次将混合专家机制引入多视图卷积层设计，并提出Mamba增强的自适应自注意力LSTM模型，有效解决长程依赖建模和噪声环境下的特征提取问题 | 方法主要针对滚动轴承系统，在其他旋转机械故障诊断中的泛化能力需进一步验证 | 提高滚动轴承在噪声环境下的故障诊断准确率 | 滚动球轴承系统 | 机器学习 | NA | 振动信号分析 | CNN, LSTM, 自注意力机制 | 时间序列振动信号 | 帕德博恩大学和凯斯西储大学轴承数据集 | NA | 多视图卷积混合层, MASA-LSTM | 准确率, 鲁棒性 | NA |
| 286 | 2025-11-17 |
Deep learning radiomics and 18F-FDG PET/CT imaging: mediastinal lymph node characteristics as predictors of metastasis in non-small cell lung cancer
2025-Oct-31, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-2025-650
PMID:41234569
|
研究论文 | 开发基于18F-FDG PET/CT成像的深度学习放射组学模型，用于区分非小细胞肺癌患者良恶性淋巴结 | 首次将DenseNet121深度学习特征与放射组学特征相结合，证明两者具有互补性并能显著提高诊断准确性 | 回顾性研究设计，样本量相对有限（217个淋巴结），需要进一步前瞻性验证 | 提高非小细胞肺癌淋巴结转移的准确诊断能力 | 185名非小细胞肺癌患者的217个高代谢淋巴结 | 数字病理 | 肺癌 | 18F-FDG PET/CT成像 | ANN, ET, 多种机器学习模型 | 医学影像（PET/CT图像） | 185名患者，217个淋巴结 | NA | DenseNet121 | AUC, 准确率, 敏感度, 特异度, F1分数 | NA |
| 287 | 2025-11-17 |
Deep learning-based classification of pleural malignancy using medical thoracoscopic images
2025-Oct-31, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-2025-588
PMID:41234571
|
研究论文 | 开发基于深度学习的胸膜恶性肿瘤分类模型，使用胸腔镜图像进行自动诊断 | 首次将深度学习应用于胸腔镜图像进行胸膜恶性肿瘤分类，模型在无明显肿瘤结节的情况下仍保持高准确率 | 研究基于单中心数据，模型性能可能受限于数据来源的多样性 | 开发能够辅助胸腔镜检查实时临床决策的自动诊断模型 | 426名接受医疗胸腔镜检查患者的胸膜图像 | 计算机视觉 | 肺癌 | 医疗胸腔镜成像 | CNN | 图像 | 426名患者的4,932张胸腔镜图像（2,093张良性，2,839张恶性） | TensorFlow, Keras | InceptionV3 | 准确率, 精确率, 召回率, F1分数, ROC-AUC, Grad-CAM可视化 | NA |
| 288 | 2025-11-17 |
Incremental prognostic value of solid component volume ratio and entropy for pathological stage IA invasive lung adenocarcinoma after surgery
2025-Oct-31, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-2025-838
PMID:41234597
|
研究论文 | 本研究评估基于深度学习的定量参数对病理分期IA期浸润性肺腺癌术后复发的增量预后价值 | 首次将深度学习定量参数（固体成分体积比和熵）与传统测量方法比较，证明其在预测IA期肺腺癌复发中的优越性 | 回顾性研究设计，需要外部验证队列确认结果 | 评估深度学习定量参数对病理分期IA期浸润性肺腺癌术后复发的预后价值 | 2,117例病理分期IA期浸润性肺腺癌患者 | 数字病理 | 肺癌 | CT影像分析，深度学习 | 深度学习模型 | 医学影像（CT图像） | 2,117例患者，其中139例复发，41例死亡 | NA | NA | Harrell一致性指数，ROC曲线，净重分类改善指数，综合判别改善指数，校准曲线，决策曲线分析 | NA |
| 289 | 2025-11-17 |
A deep learning-based prognostic prediction model for distal cholangiocarcinoma incorporating the metabolism-inflammation marker monocyte-to-high-density lipoprotein cholesterol ratio
2025-Oct-31, Translational cancer research
IF:1.5Q4
DOI:10.21037/tcr-2025-968
PMID:41234827
|
研究论文 | 本研究开发了一种基于深度学习的远端胆管癌预后预测模型，整合了新型炎症代谢标志物单核细胞与高密度脂蛋白胆固醇比值 | 首次将MHR这一新型炎症代谢标志物与深度学习相结合构建远端胆管癌预后预测模型 | 回顾性单中心研究，样本量有限（188例患者） | 探讨MHR在远端胆管癌患者中的预后价值并构建预后预测模型 | 接受根治性胰十二指肠切除术的远端胆管癌患者 | 数字病理 | 胆管癌 | 临床病理数据分析，深度学习 | 随机森林，LASSO回归，Cox比例风险模型 | 临床病理数据，实验室检查数据 | 188例远端胆管癌患者 | NA | 生存预测列线图 | AUC，疾病无进展生存期，总生存期 | NA |
| 290 | 2025-11-17 |
Predicting Radiotherapy Outcomes with Deep Learning Models Through Baseline and Adaptive Simulation Computed Tomography in Patients with Pharyngeal Cancer
2025-Oct-30, Cancers
IF:4.5Q1
DOI:10.3390/cancers17213492
PMID:41228285
|
研究论文 | 开发深度学习模型通过融合基线和自适应放疗模拟CT图像预测咽癌患者放疗结局 | 首次将基线和自适应放疗模拟CT图像结合，采用深度对比学习模型预测咽癌患者局部复发、颈部淋巴结复发和远处转移 | 需要外部验证确认模型性能，样本量相对有限 | 预测咽癌患者放疗治疗结局 | 新诊断口咽癌或下咽癌患者 | 数字病理 | 咽癌 | 计算机断层扫描(CT) | 深度对比学习模型 | CT图像 | 162例患者 | NA | 深度对比学习模型 | AUC, 准确率 | NA |
| 291 | 2025-11-17 |
A Training-Free Foreground-Background Separation-Based Wire Extraction Method for Large-Format Transmission Line Images
2025-Oct-29, Sensors (Basel, Switzerland)
DOI:10.3390/s25216636
PMID:41228859
|
研究论文 | 提出一种无需训练的输电线路图像导线提取方法，通过深度估计图增强前景导线与复杂背景的分离 | 利用深度估计图提升前景导线与复杂背景的分离度，无需任务特定训练或标注数据集 | 未明确说明方法在极端复杂背景下的性能表现 | 开发适用于大规模输电线路图像的导线提取方法 | 高分辨率大尺寸输电线路图像中的导线 | 计算机视觉 | NA | 深度估计，线段结构检测 | NA | 图像 | NA | NA | NA | NA | NA |
| 292 | 2025-11-17 |
Hybrid Framework for Cartilage Damage Detection from Vibroacoustic Signals Using Ensemble Empirical Mode Decomposition and CNNs
2025-Oct-29, Sensors (Basel, Switzerland)
DOI:10.3390/s25216638
PMID:41228862
|
研究论文 | 提出一种结合非线性信号分解和深度学习的混合框架，用于从振动声信号中检测软骨损伤 | 首次将集成经验模态分解、去趋势波动分析与卷积神经网络相结合用于软骨损伤检测 | 研究样本量有限，仅针对膝骨关节炎患者和健康对照 | 开发非侵入性软骨退变检测方法 | 膝骨关节炎患者和健康对照者的振动声信号 | 生物医学信号处理 | 骨关节炎 | 振动声信号分析，连续小波变换 | CNN, SVM | 振动声信号，时频图像 | 膝骨关节炎患者和健康对照者（具体数量未明确说明） | NA | 卷积神经网络 | 准确率，AUC | 未明确说明 |
| 293 | 2025-11-17 |
Applications of artificial intelligence in diagnosis and treatment planning of orthodontics: a narrative review
2025-Oct-28, The Saudi dental journal
DOI:10.1007/s44445-025-00077-0
PMID:41148504
|
综述 | 本文综述了人工智能在正畸诊断和治疗计划中的应用现状与发展前景 | 系统梳理了人工智能在正畸领域的多种应用场景，包括标志点识别、错颌畸形分类、治疗计划制定等，并强调了临床监督的重要性 | 需要更多临床试验来验证和优化这些模型的准确性和可靠性 | 探讨人工智能在正畸学各领域的相关性和应用价值 | 正畸学领域的诊断和治疗计划 | 数字病理 | 口腔疾病 | 深度学习 | 深度学习模型 | 二维和三维解剖结构数据 | NA | NA | NA | 准确度 | NA |
| 294 | 2025-11-17 |
OTC-NET: A Multimodal Method for Accurate Diagnosis of Ovarian Cancer in O-RADS Category 4 Masses
2025-Oct-28, Cancers
IF:4.5Q1
DOI:10.3390/cancers17213466
PMID:41228259
|
研究论文 | 提出一种结合超声图像和临床信息的多模态方法OTC-NET，用于提高O-RADS 4类卵巢肿块良恶性分类的准确性 | 首次将超声图像与临床数据结合用于O-RADS 4类卵巢肿块的分类，突破了现有深度学习模型仅关注超声图像的局限 | 未明确说明样本数据的具体来源和多样性，可能影响模型的泛化能力 | 提高O-RADS 4类卵巢肿块良恶性术前鉴别的准确性 | O-RADS 4类卵巢肿块患者 | 数字病理 | 卵巢癌 | 超声成像 | 深度学习模型 | 多模态数据（超声图像、临床信息） | NA | NA | OTC-NET | AUC, 准确率 | NA |
| 295 | 2025-11-17 |
CaneFocus-Net: A Sugarcane Leaf Disease Detection Model Based on Adaptive Receptive Field and Multi-Scale Fusion
2025-Oct-28, Sensors (Basel, Switzerland)
DOI:10.3390/s25216628
PMID:41228851
|
研究论文 | 提出一种基于自适应感受野和多尺度融合的甘蔗叶片病害检测模型CaneFocus-Net | 引入轻量级跨阶段特征融合模块、通道-空间自适应校准机制与多尺度池化聚合模块，扩展高分辨率浅层特征层并采用分阶段自适应非线性优化策略 | NA | 实现复杂田间环境下甘蔗叶片病害的早期精准检测 | 甘蔗叶片病害 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | NA | NA | 单阶段检测架构，CaneFocus-Net | 精确率，召回率，mAP50，mAP50-95 | NA |
| 296 | 2025-11-17 |
Advanced Signal Analysis Model for Internal Defect Mapping in Bridge Decks Using Impact-Echo Field Testing
2025-Oct-28, Sensors (Basel, Switzerland)
DOI:10.3390/s25216623
PMID:41228846
|
研究论文 | 本研究提出了一种先进的信号分析模型，用于通过冲击回波现场测试数据识别桥面板内部缺陷 | 将深度学习框架与冲击回波测试相结合，通过CNN模型优化信号参数，显著提高了缺陷检测精度 | 未明确说明模型在更广泛环境条件下的泛化能力 | 开发用于桥面板内部缺陷识别的先进信号分析方法 | 混凝土桥面板的内部缺陷 | 信号处理 | NA | 冲击回波现场测试 | CNN | 冲击回波信号 | 未明确说明具体样本数量，但提到采集了大量现场数据 | NA | 卷积神经网络 | 分类准确率 | NA |
| 297 | 2025-11-17 |
Microstructure Identification of Additive Manufactured Titanium Alloy by Using Lamb Wave-DenseNet Network
2025-Oct-28, Sensors (Basel, Switzerland)
DOI:10.3390/s25216630
PMID:41228853
|
研究论文 | 本研究结合超声波测试和深度学习技术，提出一种用于增材制造钛合金微观结构识别的增强型Lamb波-DenseNet网络 | 采用改进的DenseNet架构结合激光诱导超声Lamb波测试，实现了对增材制造钛合金不同晶粒微观结构的高精度识别 | 基于仿真数据集训练模型，实际工程应用中的环境变量可能影响模型性能 | 优化增材制造钛合金组件的机械可靠性并延长其使用寿命 | 增材制造钛合金组件的微观结构（细晶、粗晶和混合晶粒结构） | 机器学习 | NA | 激光诱导超声Lamb波测试，COMSOL Multiphysics仿真 | DenseNet | 时域信号，频域特征 | 基于三种代表性微观结构模型的综合仿真数据集 | NA | 增强型Lamb波-DenseNet网络 | 识别准确率 | COMSOL Multiphysics软件(v.6.3) |
| 298 | 2025-11-17 |
Generalizable Hybrid Wavelet-Deep Learning Architecture for Robust Arrhythmia Detection in Wearable ECG Monitoring
2025-Oct-26, Sensors (Basel, Switzerland)
DOI:10.3390/s25216590
PMID:41228815
|
研究论文 | 提出一种结合小波变换和深度学习的混合架构，用于可穿戴ECG监测中的鲁棒性心律失常检测 | 将时频表示与手工特征相结合，通过特征融合和PCA降维实现高效准确的心律失常分类 | 仅使用单一数据集进行验证，时频表示在不同数据折叠间存在变异性 | 开发适用于可穿戴设备的通用性心律失常检测框架 | 心电图信号 | 数字病理 | 心血管疾病 | 小波变换，特征提取 | CNN, Transformer | 心电图信号，时频图像 | PhysioNet Challenge 2017数据集 | PyTorch, TensorFlow | SimpleCNN, ResNet-18, CNNTransformer, Vision Transformer | 准确率, F1分数, 精确率, 推理效率 | 可穿戴设备，移动健康应用，边缘计算 |
| 299 | 2025-11-17 |
Application of Artificial Intelligence in Predicting Coal Mine Disaster Risks: A Review
2025-Oct-26, Sensors (Basel, Switzerland)
DOI:10.3390/s25216586
PMID:41228809
|
综述 | 本文综述了人工智能技术在煤矿灾害风险预测中的应用现状与发展前景 | 系统分析了人工智能在五大煤矿灾害预测中的技术原理与应用效果，并强调了大模型和自主智能体在未来的重要性 | 未提供具体的实证研究数据，主要基于现有文献分析 | 探讨人工智能技术在煤矿灾害风险预测中的应用潜力与发展方向 | 煤矿灾害风险预测系统 | 机器学习 | NA | 机器学习，深度学习，大语言模型 | NA | 多源异构数据 | NA | NA | NA | 预测准确率，数据整合能力，决策智能化程度 | NA |
| 300 | 2025-11-17 |
A Hybrid YOLO and Segment Anything Model Pipeline for Multi-Damage Segmentation in UAV Inspection Imagery
2025-Oct-25, Sensors (Basel, Switzerland)
DOI:10.3390/s25216568
PMID:41228791
|
研究论文 | 提出一种结合YOLO和Segment Anything Model的混合管道，用于无人机检测图像中的多损伤分割 | 开发了类别特定的混合分割策略，针对线性裂缝使用YOLO原生分割，针对风化痕迹和裸露钢筋使用SAM进行精细化分割 | 裸露钢筋的分割性能相对较低(IoU仅0.205)，几何复杂缺陷的分割效果仍受提示策略限制 | 寻找无人机检测图像中多损伤分割的最优深度学习管道 | 民用基础设施损伤，包括裂缝、风化痕迹和裸露钢筋 | 计算机视觉 | NA | 无人机图像采集，深度学习分割 | YOLO, SAM | 高分辨率图像 | NA | SAHI | YOLO11, Segment Anything Model | mAP50, IoU | NA |