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 1821 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2025-12-22 |
A prognostic index integrating deep learning baseline PET/CT biomarkers and multi-omics profiling in diffuse large B cell lymphoma
2025-Nov-18, Cell reports. Medicine
DOI:10.1016/j.xcrm.2025.102452
PMID:41260205
|
研究论文 | 本研究通过整合深度学习基线PET/CT生物标志物与多组学数据，构建了一个用于弥漫性大B细胞淋巴瘤的预后指数模型 | 首次将nnUNet深度学习框架应用于DLBCL的PET/CT分析，并整合了DNA/RNA测序数据、临床因素和LymphPlex遗传亚型，开发了新型多模态预后模型 | 研究样本主要来自特定患者群体，外部验证和前瞻性验证尚需进一步开展 | 提高弥漫性大B细胞淋巴瘤的预后预测精度并推进个体化治疗 | 1,024名新诊断的弥漫性大B细胞淋巴瘤患者 | 数字病理学 | 淋巴瘤 | PET/CT成像，DNA测序，RNA测序 | 深度学习 | 医学影像，基因组数据，转录组数据 | 1,024名DLBCL患者 | nnUNet | nnUNet | 预后区分能力（具体指标未明确说明） | NA |
| 202 | 2025-12-22 |
Deep Learning Enables Fast and Accurate Quantification of MRI-Guided Near-Infrared Spectral Tomography for Breast Cancer Diagnosis
2025-Nov, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3574727
PMID:40440147
|
研究论文 | 本文开发了一种基于深度学习的MRI引导近红外光谱断层扫描图像重建方法，用于乳腺癌诊断 | 提出了一种深度学习驱动的MR引导3D NIRST图像重建系统，显著提高了重建速度和诊断准确性 | 研究基于合成数据训练的网络，并在38例临床检查中验证，样本量相对有限 | 提高乳腺癌诊断的特异性和敏感性 | 乳腺异常患者的临床成像数据 | 医学影像分析 | 乳腺癌 | MRI引导的近红外光谱断层扫描 | 深度学习模型 | 合成数据及临床MRI与NIRST数据 | 38例临床成像检查 | NA | NA | 敏感性, 特异性, 诊断准确率, ROC曲线下面积 | NA |
| 203 | 2025-12-22 |
Next-generation antiviral peptides: AI-driven design, translational delivery platforms, and future therapeutic directions
2025-Nov, Virus research
IF:2.5Q3
DOI:10.1016/j.virusres.2025.199642
PMID:41106780
|
综述 | 本文综述了抗病毒肽作为下一代治疗药物的研究进展，重点关注AI驱动的设计、新型递送策略及临床转化应用 | 整合了AI驱动的抗病毒肽从头设计、新型递送平台（如纳米颗粒、水凝胶）以及未来方向（如CRISPR/mRNA递送）的全面视角 | NA | 提供抗病毒肽研究的综合视角，强调AI驱动发现、递送策略和转化应用 | 抗病毒肽 | 自然语言处理, 机器学习 | NA | NA | 机器学习, 深度学习, GANs, 大语言模型, 强化学习 | NA | NA | NA | NA | NA | NA |
| 204 | 2025-12-22 |
AI in Prostate MRI: A Task-Based Review
2025-Nov, Journal of the Korean Society of Radiology
DOI:10.3348/jksr.2025.0062
PMID:41415644
|
综述 | 本文基于任务对前列腺MRI中的人工智能应用进行了全面回顾 | 以任务为导向系统梳理了AI在前列腺MRI中的临床应用，涵盖了从分割到监测的多个关键环节 | 目前仅有少数AI工具商业化可用，且综述未深入讨论具体算法的技术细节 | 概述AI在前列腺MRI中的临床应用现状与潜力 | 前列腺MRI图像及相关AI算法 | 数字病理学 | 前列腺癌 | MRI | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 205 | 2025-12-21 |
AI in Esophageal Motility Disorders: Systematic Review of High-Resolution Manometry Studies
2025-Nov-27, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/85223
PMID:41308193
|
系统综述 | 本文系统综述了人工智能在食管高分辨率测压（HRM）判读中的应用，评估其诊断准确性、方法学、临床验证及实施障碍 | 首次系统性地梳理了AI在HRM判读中的演进轨迹，量化了AI相比人类专家在可重复性上的显著优势，并揭示了算法性能与临床转化之间的关键脱节 | 纳入研究存在显著的异质性，无法进行定量荟萃分析；所有研究均缺乏外部验证，且存在患者选择偏倚风险；尚无研究获得监管批准 | 评估当前AI在食管高分辨率测压（HRM）判读中的应用，并评估其诊断准确性、方法学途径、临床验证、实施障碍以及对胃肠病学实践的现实影响 | 使用AI或机器学习解释食管HRM的原始研究，研究对象为有食管症状的成人 | 医学人工智能 | 食管动力障碍 | 高分辨率食管测压（HRM） | 传统机器学习, 深度学习 | 测压数据 | 17项研究，共4588名患者 | NA | NA | 准确率, 置信区间 | NA |
| 206 | 2025-12-21 |
Radiomics-Based Machine Learning for the Detection of Myometrial Invasion in Endometrial Cancer: Systematic Review and Meta-Analysis
2025-Nov-27, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/78809
PMID:41309108
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了基于影像组学的机器学习模型在检测子宫内膜癌肌层浸润中的诊断性能 | 首次对基于影像组学的机器学习（包括传统机器学习和深度学习）模型在检测子宫内膜癌肌层浸润方面的诊断性能进行了全面的系统综述和荟萃分析，并通过亚组分析比较了不同模型类型的效能 | 现有证据有限，主要依赖于内部验证，缺乏大规模、多中心的外部验证研究 | 系统评估基于影像组学的机器学习方法在识别子宫内膜癌肌层浸润方面的诊断性能，并比较传统机器学习与深度学习模型的差异，以指导无创诊断工具的研发或改进 | 子宫内膜癌患者 | 医学影像分析 | 子宫内膜癌 | 影像组学 | 机器学习, 深度学习 | 医学影像（磁共振成像, 超声成像） | 19项研究，共4373名子宫内膜癌患者 | NA | NA | 敏感性, 特异性, 阳性似然比, 阴性似然比, 诊断比值比, 汇总受试者工作特征曲线下面积 | NA |
| 207 | 2025-12-21 |
High-performance parallel multi-scale attention network with explainable AI for intelligent diagnosis of leaf diseases in agricultural systems
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26144-4
PMID:41298723
|
研究论文 | 本文提出了一种用于木薯和花生叶片病害智能诊断的高性能并行多尺度注意力网络，并结合可解释AI技术 | 提出了ROI-MDAN网络用于识别和分割叶片关键病害区域，开发了MSFNet-CAM模型利用并行多尺度特征和坐标注意力增强特征融合，并采用Grad-CAM解释模型决策过程 | NA | 开发基于深度学习的叶片病害检测框架以提高农业病害诊断准确率 | 木薯和花生的叶片 | 计算机视觉 | 植物病害 | GAN数据增强 | CNN, GAN | 图像 | NA | NA | ROI-MDAN, MSFNet-CAM | NA | NA |
| 208 | 2025-12-21 |
An AI-powered smart Agribot for detecting locusts in farmlands using IoT and deep learning
2025-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23497-8
PMID:41233495
|
研究论文 | 本研究提出了一种结合物联网、机器学习和深度学习的智能农业机器人系统，用于农田中蝗虫的实时检测 | 集成物联网框架与深度学习模型，并引入人工蜂群算法和SVC特征选择器优化蝗虫检测性能 | 在研究和实施过程中发现了一些局限性，但未在摘要中具体说明 | 开发一个智能农业机器人系统，以自动化方式检测农田中的蝗虫，防止其对农业生产造成损害 | 农田中的蝗虫 | 计算机视觉 | NA | 物联网传感器、深度学习、机器学习 | CNN | 图像、视频流 | NA | NA | VGG19 | 准确率 | NA |
| 209 | 2025-11-09 |
Correction to: Deep learning approach for tooth numbering and restoration detection on pediatric periapical radiographs in mixed dentition
2025-Nov-08, Clinical oral investigations
IF:3.1Q1
DOI:10.1007/s00784-025-06646-1
PMID:41205095
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 210 | 2025-12-21 |
Clinical consequences of deep learning image reconstruction at CT
2025-Nov-01, The British journal of radiology
DOI:10.1093/bjr/tqaf152
PMID:40880286
|
评论 | 本文探讨了深度学习图像重建在CT中的临床应用、优势、挑战及未来研究方向 | 强调了深度学习重建相比传统迭代重建技术在降低图像噪声、改善噪声纹理和低剂量下空间分辨率方面的优势，并讨论了其在剂量减少和伪影减少方面的潜力 | 深度学习重建的性能受框架类型、训练数据、患者体型和临床任务的影响，可能引入模糊或伪影，且需要更多临床场景评估 | 评估深度学习图像重建在CT成像中的临床后果，包括剂量减少、图像质量维护和诊断准确性 | CT成像中的深度学习重建技术，特别关注腹部应用 | 医学影像 | NA | 深度学习重建 | 深度学习模型 | CT图像 | NA | NA | NA | 图像噪声、空间分辨率、诊断准确性 | NA |
| 211 | 2025-12-21 |
Deep learning-empowered low-cost portable automated refraction system: A solution to the inadequate effective correction rate of refractive errors in resource-limited areas
2025-Nov, Ophthalmic & physiological optics : the journal of the British College of Ophthalmic Opticians (Optometrists)
DOI:10.1111/opo.70027
PMID:41133975
|
研究论文 | 本文开发并验证了一种基于深度学习和红外偏心光折射的低成本便携式自动验光系统（TRDS），旨在提高资源有限地区屈光不正的矫正率 | 结合低成本硬件（CMOS探测器、红外LED）与端到端深度学习模型，利用362,000张图像训练，实现了高精度的便携式自动验光 | 在高近视亚组中表现一致性一般（M: r=0.62），且样本仅来自单一医院（北京同仁医院），可能限制泛化性 | 开发并验证一种低成本、便携的自动验光系统，以改善资源有限地区的屈光不正矫正效果 | 282名年龄在18-60岁的参与者，包括近视和远视患者 | 计算机视觉 | 屈光不正 | 红外偏心光折射 | 深度学习模型 | 图像 | 282名参与者，训练数据包含362,000张图像 | NA | 端到端深度学习模型 | Pearson相关系数, Bland-Altman图, 组内相关系数, 矫正视力 | NA |
| 212 | 2025-12-21 |
graphB3-an interpretable graph learning approach for predicting blood-brain barrier permeability
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf679
PMID:41405959
|
研究论文 | 本文提出了一种名为graphB3的可解释图学习模型，用于预测候选药物的血脑屏障通透性 | 提出了一种参数高效的基于图卷积的模型，利用分子中原子的详细信息进行预测，并能够解释分子中哪些部分对穿越血脑屏障最为重要 | NA | 预测候选药物的血脑屏障通透性，以辅助脑相关疾病的药物发现 | 候选药物分子 | 机器学习 | 脑相关疾病 | NA | 图卷积网络 | 分子图数据 | NA | NA | graphB3 | NA | NA |
| 213 | 2025-12-21 |
Artificial Intelligence as a Tool in the Diagnosis of Bladder Cancer: A Narrative Review
2025-Nov, Cureus
DOI:10.7759/cureus.96958
PMID:41409960
|
综述 | 本文是一篇叙述性综述，总结了人工智能在膀胱癌诊断中的应用进展 | 系统性地综述了AI在膀胱癌诊断中跨多种模态（如膀胱镜、组织病理学、尿液生物标志物和基因组数据）的应用，并强调了其在提高诊断精度、早期检测和工作流效率方面的潜力 | 当前临床采用面临数据质量、算法透明度和伦理治理等挑战，需要多中心合作开发可解释且经过验证的模型 | 总结并批判性评估人工智能在膀胱癌诊断中的应用进展 | 膀胱癌 | 数字病理学 | 膀胱癌 | NA | 深度学习 | 图像、生物标志物数据、基因组数据 | NA | NA | NA | 准确性 | NA |
| 214 | 2025-12-20 |
Prediction model based on contrast-enhanced computed tomography images and clinical indicators for the prognosis of pancreatic necrosis in acute pancreatitis
2025-Nov-21, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000045909
PMID:41305799
|
研究论文 | 本研究基于增强CT图像和临床指标，开发了用于预测急性坏死性胰腺炎预后的模型 | 结合深度学习自动分割的胰腺CT图像与临床指标，构建集成预测模型以提高预后准确性 | 样本量较小（133例），且为单中心前瞻性观察研究，可能限制模型的泛化能力 | 提高急性坏死性胰腺炎（ANP）预后预测的准确性 | 急性坏死性胰腺炎患者 | 数字病理学 | 胰腺炎 | 对比增强计算机断层扫描（CECT） | 深度学习, 逻辑回归 | 图像, 临床指标 | 133例急性坏死性胰腺炎患者 | NA | Attention U-Net, 3D ResNet | 准确率 | NA |
| 215 | 2025-12-20 |
Efficacy of MRI-based deep learning algorithm for detecting acute ischemic stroke: evaluation among diverse readers
2025-Nov-17, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12137-4
PMID:41249548
|
研究论文 | 本研究评估了基于MRI的深度学习算法在不同医学背景读者中检测急性缺血性脑卒中的效能 | 评估深度学习算法在不同医学背景读者（包括放射科住院医师、临床医生和非神经放射科医生）中的辅助诊断效果，并特别关注其对表现最差读者（临床医生）的性能提升 | 研究为回顾性单中心研究，样本量有限（407例），且未评估算法在更广泛读者群体或不同机构中的泛化能力 | 评估基于MRI的深度学习算法在辅助不同医学背景读者诊断急性缺血性脑卒中方面的有效性和一致性 | 急性缺血性脑卒中患者的MRI扫描图像 | 医学影像分析 | 急性缺血性脑卒中 | MRI | 深度学习算法 | MRI图像 | 407例患者MRI扫描（其中95例确诊为急性缺血性脑卒中） | NA | NA | AUC, 准确率, 灵敏度, 特异性, 诊断置信度, 读者间一致性 | NA |
| 216 | 2025-12-20 |
Hybrid Fourier light field microscopy system with deep learning for 3D high-resolution reconstruction
2025-Nov-17, Optics express
IF:3.2Q2
DOI:10.1364/OE.574814
PMID:41414199
|
研究论文 | 本文提出了一种结合光学系统创新和深度学习重建的3D分辨率增强方法，以解决传统光场显微镜的空间分辨率限制 | 开发了混合傅里叶光场显微镜系统，同时捕获高分辨率中心视图和多角度低分辨率光场图像，并构建了包含自注意力角度增强模块、混合残差特征提取模块和渐进分辨率增强融合模块的网络架构 | NA | 增强光场显微镜的空间分辨率，实现高质量3D重建 | 光场图像数据 | 计算机视觉 | NA | 光场显微镜 | 深度学习网络 | 图像 | 密集光场数据集、HCI 4D光场数据集及自建混合显微镜系统数据 | NA | 自注意力角度增强模块、混合残差特征提取模块、渐进分辨率增强融合模块 | 峰值信噪比, 结构相似性指数 | NA |
| 217 | 2025-12-20 |
Low-light RGBW Imaging demosaicking method based on residual interpolation prior and a dual-branch decoding network
2025-Nov-17, Optics express
IF:3.2Q2
DOI:10.1364/OE.574990
PMID:41414232
|
研究论文 | 本文提出了一种基于残差插值先验和双分支解码网络的RGBW成像去马赛克方法，用于提升低光条件下的图像质量 | 提出了一种结合预处理插值算法和双分支解码网络的新方法，将去马赛克任务转化为更适合深度学习网络的图像恢复问题，并利用W通道的高灵敏度优化图像重建 | 未明确提及方法在高噪声或极端低光条件下的性能限制，也未与其他先进深度学习去马赛克方法进行广泛比较 | 提升低光条件下RGBW阵列成像的去马赛克性能，以改善图像细节和色彩保真度 | RGBW阵列捕获的低光图像 | 计算机视觉 | NA | RGBW成像，深度学习网络 | 双分支解码网络 | 图像 | 基于真实低光场景构建的数据集，具体样本数量未明确说明 | NA | 双分支解码网络 | 图像细节增强和色彩保真度，具体量化指标未明确说明 | NA |
| 218 | 2025-12-20 |
Temporal super-resolution with a latent diffusion model for optically measured sound field
2025-Nov-17, Optics express
IF:3.2Q2
DOI:10.1364/OE.573227
PMID:41414259
|
研究论文 | 提出一种基于潜在扩散模型的方法，用于实现光学声场成像中的时间超分辨率 | 首次将潜在扩散模型应用于光学声场成像的时间超分辨率任务，通过条件约束生成中间帧，以减轻高速相机的采样需求 | 未明确说明模型在极端噪声或复杂声场条件下的鲁棒性，且实验可能局限于特定数据集 | 降低光学声场成像的采样要求、数据传输与处理需求、功耗，并提升成像的时间质量 | 光学测量的声场数据 | 计算机视觉 | NA | 光学声场成像 | 潜在扩散模型 | 图像 | NA | NA | 潜在扩散模型 | NA | NA |
| 219 | 2025-12-20 |
Direct wavefront sensing with a plenoptic sensor based on deep learning: publisher's note
2025-Nov-17, Optics express
IF:3.2Q2
DOI:10.1364/OE.583993
PMID:41414296
|
更正 | 本文是对先前发表文章《Direct wavefront sensing with a plenoptic sensor based on deep learning》的出版方更正说明 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 220 | 2025-12-20 |
Physics-prior and deep learning fusion for single-plane diffractive imaging in frequency-spatial domains
2025-Nov-17, Optics express
IF:3.2Q2
DOI:10.1364/OE.579297
PMID:41414311
|
研究论文 | 本文提出了一种面向单平面衍射光学元件的先验引导计算成像方法，通过融合物理先验与深度学习在频域和空间域实现高质量图像重建 | 提出了先验引导注意力增强多尺度去模糊网络，结合全视场平均波前像差模型和RGB通道先验PSF特征，在频域和空间域进行特征融合 | 使用小样本训练数据集，可能限制模型在更广泛场景下的泛化能力 | 为单平面衍射光学元件实现高质量成像提供理论基础，推动光学系统小型化发展 | 单平面衍射光学元件成像系统 | 计算机视觉 | NA | 衍射光学成像，计算成像 | 深度学习网络 | 图像 | 小样本训练数据集（具体数量未说明） | NA | 先验引导注意力增强多尺度去模糊网络 | 峰值信噪比 | NA |