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 1042 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2025-11-19 |
Association of Deep Learning Imaging Algorithm Measures of Microbial Keratitis With Vision Outcomes
2025-Oct-29, Cornea
IF:1.9Q2
DOI:10.1097/ICO.0000000000004029
PMID:41247284
|
研究论文 | 开发人工智能图像分割算法量化微生物性角膜炎角膜特征，并比较算法预测与临床医生测量对90天视力预后的关联 | 首次开发用于微生物性角膜炎的AI图像分割算法，能够自动量化角膜基质浸润面积和前房积脓等关键形态特征 | 研究仅在美国和印度两个队列中进行，样本量相对有限，需要更多地区验证 | 比较AI算法预测与临床医生测量的角膜特征对视力预后的关联性 | 微生物性角膜炎患者 | 计算机视觉 | 角膜炎 | 角膜摄影，图像分割算法 | 深度学习分割算法 | 图像 | 479名参与者（美国138人，印度341人） | NA | NA | 回归系数(β)，95%置信区间，P值 | NA |
| 42 | 2025-11-19 |
A systematic literature review on mammography: deep learning techniques for breast cancer detection with global and Asian perspectives
2025-Oct-22, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-14876-5
PMID:41126088
|
系统综述 | 本文系统综述了基于深度学习的乳腺X线摄影乳腺癌检测技术，特别关注亚洲人群的研究现状和挑战 | 首次系统分析亚洲人群在深度学习乳腺癌检测中的特殊挑战和研究空白，揭示全球研究对高加索人群数据集的偏向性 | 纳入研究的时间范围限制（2018-2023年），亚洲数据集代表性不足，缺乏多中心验证 | 评估深度学习在乳腺癌检测中的应用现状，特别关注亚洲人群的研究差距 | 基于乳腺X线摄影的乳腺癌检测研究，重点关注亚洲人群数据 | 计算机视觉 | 乳腺癌 | 深度学习，图像预处理，数据增强 | 深度学习模型 | 乳腺X线影像 | 287篇纳入研究，涉及1051条记录筛选 | NA | NA | NA | NA |
| 43 | 2025-11-19 |
Criteria for Keratoconus Progression: A Systematic Review of Diagnostic Test Accuracy
2025-Oct-22, Cornea
IF:1.9Q2
DOI:10.1097/ICO.0000000000004020
PMID:41247279
|
系统评价 | 对用于定义圆锥角膜进展标准的诊断测试准确性进行系统评价 | 首次系统评估圆锥角膜进展诊断标准的准确性，比较不同诊断方法的敏感性和特异性 | 纳入研究数量有限（15项），且主要为回顾性研究，存在潜在偏倚 | 评估圆锥角膜进展诊断标准的准确性 | 圆锥角膜患者（2654名患者的3547只眼睛） | 医学诊断 | 圆锥角膜 | 系统评价和诊断测试准确性分析 | NA | 医学研究数据 | 15项研究，2654名患者，3547只眼睛 | NA | NA | 敏感性, 特异性, 诊断比值比 | NA |
| 44 | 2025-11-19 |
Deep Learning Algorithms in the Diagnosis of Basal Cell Carcinoma Using Dermatoscopy: Systematic Review and Meta-Analysis
2025-Oct-03, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/73541
PMID:41043135
|
系统评价与荟萃分析 | 评估基于皮肤镜的深度学习算法在基底细胞癌诊断中的性能表现 | 首次对基于皮肤镜的深度学习算法诊断基底细胞癌进行系统性评价和荟萃分析 | 多数纳入研究为回顾性设计，参考标准存在差异，外部验证数据集性能有限 | 评估深度学习算法在基底细胞癌皮肤镜诊断中的诊断性能 | 基底细胞癌的皮肤镜图像 | 计算机视觉 | 皮肤癌 | 皮肤镜检查 | 深度学习算法 | 图像 | 内部验证集32,069例患者或图像，外部验证集200例患者或图像 | NA | NA | 灵敏度, 特异度, AUC | NA |
| 45 | 2025-11-19 |
The Significance of Prolonged Physical Activity in Neurogenesis and Neural Regeneration: Comparing Clinical Studies With Proposed AI-Based Framework
2025-Oct, Artificial organs
IF:2.2Q3
DOI:10.1111/aor.15059
PMID:40692193
|
综述 | 本文探讨人工智能在分析运动对神经干细胞增殖影响中的应用 | 提出基于AI的框架来比较临床研究结果，预测神经再生机制 | 主要依赖现有临床研究数据，缺乏实际AI模型验证 | 研究运动对成人神经发生的影响及AI在此领域的应用潜力 | 神经干细胞、神经元、神经胶质细胞 | 机器学习 | 神经退行性疾病 | NA | 机器学习算法,深度学习技术 | 临床研究数据 | NA | NA | NA | NA | NA |
| 46 | 2025-11-19 |
A 2025 perspective on the role of machine learning for biomarker discovery in clinical proteomics
2025-Oct, Expert review of proteomics
IF:3.8Q1
DOI:10.1080/14789450.2025.2545828
PMID:40772544
|
观点文章 | 批判性分析机器学习在临床蛋白质组学生物标志物发现中的应用现状与挑战 | 强调算法新颖性不能替代严谨的研究设计，倡导简单可解释的建模方法而非过度复杂的深度学习架构 | 未提供具体实验验证，主要基于理论分析和领域经验 | 探讨机器学习在临床蛋白质组学生物标志物发现中的合理应用方法 | 临床蛋白质组学数据 | 机器学习 | NA | 临床蛋白质组学 | 深度学习架构 | 蛋白质组学数据 | 小样本数据集 | NA | NA | 模型泛化能力，可解释性 | NA |
| 47 | 2025-11-19 |
A novel RHD*01N allele harboring a c.634+1G>A splice site variant results in the RhD-negative phenotype in a Chinese blood donor
2025-Oct, Transfusion
IF:2.5Q2
DOI:10.1111/trf.18390
PMID:40910776
|
研究论文 | 在中国献血者中发现一种导致RhD阴性表型的新型RHD*01N等位基因 | 首次报道了c.634+1G>A剪接位点变异导致的新型RHD*01N等位基因 | 仅针对单个病例进行研究，样本量有限 | 鉴定导致RhD阴性表型的新型RHD基因变异 | 中国献血者的血液样本 | 医学遗传学 | 血型系统疾病 | 血清学检测、Sanger测序、单分子实时测序 | 深度学习 | 基因组数据 | 1例中国献血者 | SpliceAI | NA | NA | NA |
| 48 | 2025-11-19 |
Deep Learning for Drug-Target Interaction Prediction: A Comprehensive Review
2025-Oct, Chemical biology & drug design
IF:3.2Q3
DOI:10.1111/cbdd.70183
PMID:41121622
|
综述 | 本文系统综述了基于深度学习的药物-靶点相互作用预测方法 | 首次对深度学习在DTI预测中的各类架构进行结构化梳理，并指出自监督学习和可解释人工智能等未来方向 | 作为综述文章未提出新的原创模型 | 总结深度学习在药物-靶点相互作用预测领域的研究进展 | 药物分子和蛋白质靶点 | 机器学习 | NA | 深度学习 | DNN, RNN, CNN, GNN, Transformer | 分子结构数据，蛋白质序列数据 | NA | NA | 深度神经网络，循环神经网络，卷积神经网络，图神经网络，Transformer模型 | 准确率，精确率，召回率，F1分数，AUC | NA |
| 49 | 2025-11-18 |
Factors associated with allergic diseases in Chinese children aged 6-14 years
2025-Oct-31, BMC public health
IF:3.5Q1
DOI:10.1186/s12889-025-24928-x
PMID:41174606
|
研究论文 | 通过机器学习算法识别中国6-14岁儿童过敏性疾病的关键影响因素 | 使用12种机器学习算法比较性能，并为三种过敏性疾病分别确定最小关键因素集 | 横断面研究设计无法确定因果关系，数据通过问卷收集可能存在回忆偏倚 | 识别和优化与儿童过敏性疾病相关的关键影响因素 | 中国6-14岁学龄儿童 | 机器学习 | 过敏性疾病 | 问卷调查 | 朴素贝叶斯 | 问卷数据 | 11308名儿童（其中4375名患有过敏性疾病） | Python | 高斯朴素贝叶斯, 伯努利朴素贝叶斯, 多项式朴素贝叶斯 | NA | NA |
| 50 | 2025-11-18 |
Artificial Intelligence-Assisted Image Extraction in Neonatal Echocardiography for Congenital Heart Disease Diagnosis in Sub-Saharan Africa: Protocol for Model Development
2025-Oct-30, JMIR research protocols
IF:1.4Q3
DOI:10.2196/75270
PMID:41167236
|
研究论文 | 开发用于撒哈拉以南非洲地区新生儿先天性心脏病诊断的人工智能辅助超声心动图图像提取模型 | 采用结合卷积神经网络和卷积长短期记忆层的深度学习模型，通过交错视觉记忆框架整合快速和慢速特征提取器，实现实时心脏视图检测 | 研究目前处于开发阶段，最终结果尚未验证，模型性能有待实际临床环境测试 | 开发AI辅助超声心动图系统，使非专业操作人员能够为疑似先天性心脏病新生儿执行基本心脏超声扫描并提取准确心脏图像 | 撒哈拉以南非洲地区0-28天新生儿，疑似先天性心脏病患者 | 数字病理 | 先天性心脏病 | 超声心动图 | CNN, ConvLSTM | 视频 | 回顾性数据近500例新生儿，前瞻性数据1000例新生儿 | TensorFlow, PyTorch | 基于交错视觉记忆框架的卷积神经网络和卷积长短期记忆层 | 实时心脏视图检测准确率 | NA |
| 51 | 2025-11-18 |
Detection of climate change signals using precipitation and temperature time series by a hybrid deep learning framework
2025-Oct-21, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-14712-0
PMID:41115993
|
研究论文 | 使用混合深度学习框架通过降水和温度时间序列检测气候变化信号 | 首次将CNN-BiLSTM-TCN-attention混合模型应用于泰国地区的气候变化检测，结合本地观测数据和CMIP6-GCM模拟 | 降水趋势空间异质性强且未显现明显信号，未来预测存在高度变异性 | 检测和量化泰国地区的气候变化信号 | 泰国地区的降水和温度时间序列数据 | 机器学习 | NA | 时间序列分析，偏差校正 | CNN, BiLSTM, TCN, Attention机制 | 时间序列数据 | 1993-2024年台站观测数据和CMIP6-GCM模拟数据 | NA | CNN-BiLSTM-TCN-attention混合架构 | 相关系数R, 均方误差MSE | NA |
| 52 | 2025-11-18 |
Deep learning simulation and decision support system for groundwater salinity risk assessment in the lower Chao Phraya River Basin, Thailand
2025-Oct-15, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-14681-4
PMID:41091255
|
研究论文 | 本研究开发了一个结合深度学习模拟和决策支持系统的框架，用于评估泰国湄南河下游流域地下水盐渍化风险 | 融合可解释机器学习与概率分析和决策支持，提供实时地下水盐度风险评估的新颖可扩展工具 | 未明确说明模型在数据稀缺地区的泛化能力验证 | 评估沿海地区地下水盐渍化风险并支持基于证据的管理决策 | 泰国湄南河下游流域的地下水系统 | 机器学习 | NA | 多方法机器学习框架，SHAP特征归因分析，高斯copula模型 | 图神经网络(GNN) | 地下水监测数据，水文气候数据 | 212个监测站点在2008和2020年的数据 | NA | 图神经网络 | 预测性能 | NA |
| 53 | 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 |
| 54 | 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 |
| 55 | 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 |
| 56 | 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 |
| 57 | 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 |
| 58 | 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 |
| 59 | 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 |
| 60 | 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 |