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 1753 篇文献，本页显示第 221 - 240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2025-12-27 |
Transformer and Pre-Transformer Model-Based Sentiment Prediction with Various Embeddings: A Case Study on Amazon Reviews
2025-Nov-27, Entropy (Basel, Switzerland)
DOI:10.3390/e27121202
PMID:41440405
|
研究论文 | 本研究对亚马逊评论数据集进行了全面的情感分类模型比较评估，涵盖传统机器学习、Transformer前深度学习及Transformer模型，并分析了不同嵌入方法的性能 | 提出了一个可扩展的、考虑熵感知的评估框架，结合了定量比较和系统性的误分类样本定性分析，以揭示模型特定的不确定性模式，并采用资源感知方法模拟真实硬件限制 | 研究主要基于亚马逊特定产品类别（杂志订阅和礼品卡）的评论，可能无法完全推广到其他领域或更广泛的语言变体 | 比较不同范式的情感分类模型及嵌入方法的性能，为实际应用提供基于上下文感知的模型选择指导 | 亚马逊评论数据（Magazine Subscriptions 2023数据集和Gift Card Reviews数据集） | 自然语言处理 | NA | 情感分析 | 传统机器学习模型, LSTM, Transformer | 文本 | 初始25K条评论，后缩减至20K条以模拟资源限制 | NA | BERT, DistilBERT, LSTM | 准确率, 精确率, 召回率, F1分数, 分类交叉熵 | NA |
| 222 | 2025-12-27 |
A Masi-Entropy Image Thresholding Based on Long-Range Correlation
2025-Nov-27, Entropy (Basel, Switzerland)
DOI:10.3390/e27121203
PMID:41440406
|
研究论文 | 本文提出了一种基于Masi熵和长程相关性的图像阈值分割方法，改进了现有Tsallis和Shannon熵技术 | 使用Masi熵替代Tsallis熵来捕捉长程相互作用，并结合模拟退火算法进行参数优化，提升了分割性能 | 方法依赖于熵参数，需通过优化算法调整，可能增加计算复杂度 | 改进图像阈值分割技术，提高在多种图像类型上的分割准确性 | 红外图像、无损检测图像以及BSDS500数据集的RGB图像 | 计算机视觉 | NA | 图像阈值分割 | 支持向量机 | 图像 | BSDS500数据集中的图像 | NA | 核支持向量机 | 分割准确性 | NA |
| 223 | 2025-12-27 |
The Influence of Hobby Engagement on Cognitive Function Among Older Adults: A Population-Based Cohort Study Using Statistical Analysis and Machine Learning Predictions
2025-Nov-27, Neurology international
IF:3.2Q2
DOI:10.3390/neurolint17120192
PMID:41441211
|
研究论文 | 本研究探讨了兴趣爱好参与对老年人认知功能的影响，通过统计分析和机器学习预测方法，发现兴趣爱好参与与较低的持续低认知功能轨迹风险相关 | 采用多方法分析策略，结合传统统计模型（如线性回归、混合效应模型）与机器学习算法（包括梯度提升回归器），并应用基于组的轨迹建模识别异质性认知亚组，以全面评估兴趣爱好与认知功能的关联及预测性能 | 研究为观察性设计，无法确立因果关系；认知功能测量可能受自我报告偏差影响；样本主要来自英国社区居住的老年人，可能限制结果的普遍性 | 评估兴趣爱好参与与老年人认知功能之间的关联，并探索其作为保护性因素对认知健康轨迹的影响 | 50岁及以上的社区居住老年人 | 机器学习 | 老年疾病 | NA | 梯度提升回归器 | 纵向队列数据 | 6854名参与者 | Scikit-learn | NA | RMSE, R2 | NA |
| 224 | 2025-12-27 |
A Lightweight Cross-Gated Dual-Branch Attention Network for Colon and Lung Cancer Diagnosis from Histopathological Images
2025-Nov-26, Medical sciences (Basel, Switzerland)
DOI:10.3390/medsci13040286
PMID:41440518
|
研究论文 | 本文提出了一种轻量级交叉门控双分支注意力网络，用于从组织病理学图像中诊断结肠癌和肺癌 | 通过交叉门控融合机制集成EfficientNetV2-B0和MobileNetV3-Small骨干网络，自适应平衡全局上下文和精细结构细节，无需外部特征提取或优化阶段 | 未提及具体局限性 | 开发一种端到端的双分支注意力网络，以实现高精度、计算效率和透明度的组织病理学分类 | 结肠和肺癌的组织病理学图像 | 数字病理学 | 肺癌, 结肠癌 | NA | CNN | 图像 | NA | NA | EfficientNetV2-B0, MobileNetV3-Small | 准确率, 精确率, 召回率, F1分数, MCC | NA |
| 225 | 2025-12-27 |
A Deep Learning Approach for Microplastic Segmentation in Microscopic Images
2025-Nov-25, Toxics
IF:3.9Q1
DOI:10.3390/toxics13121018
PMID:41441239
|
研究论文 | 本文提出了一种用于显微图像中微塑料分割和形态学表征的深度学习模型 | 开发了MNv4-Conv-M-fpn模型，结合迁移学习、特征金字塔网络和特征融合模块，实现了高精度、高效率的微塑料多类别分割 | 未明确说明模型在极端环境样本或不同成像条件下的泛化能力 | 解决微塑料形态学表征的测量瓶颈，为环境风险评估提供高精度工具 | 显微图像中的微塑料颗粒 | 计算机视觉 | NA | 显微成像 | 深度学习 | 图像 | 未明确说明具体样本数量，但提及使用了多样化数据集 | 未明确说明 | MNv4-Conv-M-fpn, Feature Pyramid Network, Feature Fusion Module | 准确性, 计算效率, 推理速度 | 未明确说明 |
| 226 | 2025-12-27 |
Deep learning enabled rapid detection of live bacteria in the presence of food debris
2025-Nov-21, NPJ science of food
IF:6.3Q1
DOI:10.1038/s41538-025-00636-z
PMID:41271775
|
研究论文 | 本研究开发了一种基于深度学习的策略，利用白光显微镜图像快速检测和分类活细菌，即使在存在形态相似食物残渣的情况下也能实现 | 结合ResNet50与区域提议网络，首次实现在复杂食物基质中快速（3小时内）且高精度地检测活细菌，同时有效区分细菌与食物残渣 | 研究仅针对三种特定细菌（大肠杆菌、单核细胞增生李斯特菌、枯草芽孢杆菌）和三种食物残渣（鸡肉、菠菜、奶酪）进行验证，可能无法泛化到其他细菌或食物类型 | 开发一种快速、准确且成本效益高的活细菌检测方法，以应对食品安全中的病原体污染问题 | 活细菌（大肠杆菌、单核细胞增生李斯特菌、枯草芽孢杆菌）及食物残渣（鸡肉、菠菜、奶酪） | 计算机视觉 | NA | 白光显微镜成像 | CNN | 图像 | 涉及三种细菌和三种食物残渣的微菌落图像数据集 | NA | ResNet50, Region Proposal Network | 精确度, 召回率, 假阳性率 | NA |
| 227 | 2025-12-27 |
Degrees of uncertainty: conformal deep learning for non-invasive core body temperature prediction in extreme environments
2025-Nov-20, Communications engineering
DOI:10.1038/s44172-025-00548-6
PMID:41266785
|
研究论文 | 本文介绍了一种结合深度学习与保形预测的框架，用于在极端环境中进行非侵入性核心体温预测，并提供校准的不确定性估计 | 首次将保形预测与深度学习结合，为实时非侵入性核心体温预测提供统计校准的不确定性估计，显著提升了概率准确性 | 研究主要针对热应激环境，在其他极端环境或疾病条件下的适用性尚需进一步验证 | 开发一种具有校准不确定性的实时非侵入性核心体温预测方法，以支持安全关键的生理监测 | 核心体温预测，特别是在高风险热应激环境下的应用 | 机器学习 | NA | 深度学习, 保形预测 | 深度学习模型 | 生理测量数据, 人口统计学数据, 环境数据 | 超过140,000个生理测量数据，涵盖六个操作领域 | NA | NA | 测试误差, 校准概率准确性, 预测区间 | NA |
| 228 | 2025-12-26 |
On the public dissemination and open sourcing of ultrasound resources, datasets and deep learning models
2025-Nov-24, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02162-4
PMID:41286495
|
研究论文 | 本文评估了公开可用的超声数据集和深度学习模型，并提出了质量评分系统SonoDQS和SonoMQS | 提出了原创的超声数据集质量评分SonoDQS和模型质量评分SonoMQS，系统性地分类和评估了公开资源 | 未提及具体的技术实施细节或模型性能验证，主要侧重于资源调查和评估 | 提高超声数据在医学影像机器学习研究中的利用率，促进公开资源的传播和使用 | 公开的超声数据集和深度学习模型 | 医学影像 | NA | 超声成像 | 深度学习模型 | 超声图像 | 72个公开超声数据集和56个开源模型 | NA | NA | SonoDQS, SonoMQS | NA |
| 229 | 2025-11-24 |
Deep Learning for Automatic Detection of Aortic Dissection on Non-contrast Computed Tomography
2025-Nov-21, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery
IF:5.7Q1
DOI:10.1016/j.ejvs.2025.09.072
PMID:41274488
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 230 | 2025-12-26 |
Component puzzle protein-protein interaction prediction
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf685
PMID:41428392
|
研究论文 | 本文提出了一种名为C3PI的新型基于序列的深度学习框架，用于预测蛋白质-蛋白质相互作用 | 引入了包含puzzler和entangler两种新颖组件的复杂架构，首次在无数据泄露的金标准数据集上实现了显著优于随机预测的性能 | 未明确说明模型在特定蛋白质类型或复杂相互作用场景下的局限性 | 提高蛋白质-蛋白质相互作用预测的准确性和可靠性 | 蛋白质序列及其相互作用 | 生物信息学 | NA | 蛋白质嵌入（ProtT5） | 深度学习 | 蛋白质序列数据 | 多个数据集（具体数量未在摘要中说明） | NA | 包含puzzler和entangler组件的定制架构 | AUPRC, AUROC | NA |
| 231 | 2025-12-26 |
Structure-enhanced deep learning accelerates aptamer selection for small molecule families like steroids
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf680
PMID:41428391
|
研究论文 | 本文提出了一种名为DL-SELEX的两步深度学习框架，通过变分自编码器加速和优化小分子家族（如类固醇）的适配体选择 | 首次将深度学习整合到SELEX工作流中，利用AptaVAE和AptaClux两个VAE模型，基于分子家族的结构共性设计初始适配体库并从NGS数据中识别高性能候选物 | NA | 加速和优化小分子家族（如类固醇）的高亲和力适配体发现 | 小分子家族（如类固醇），具体以氢化可的松和睾酮为例 | 机器学习 | NA | SELEX, NGS | VAE | 序列数据 | NA | NA | AptaVAE, AptaClux | 亲和力提升倍数, SELEX迭代减少百分比 | NA |
| 232 | 2025-12-26 |
The Role of Large Language Models in Ophthalmology: A Review of Current Applications, Performance, and Future Directions
2025-Nov, Cureus
DOI:10.7759/cureus.97374
PMID:41431521
|
综述 | 本文综述了大型语言模型（LLMs）在眼科领域的当前应用、性能表现及未来发展方向 | 系统性地评估了LLMs（如ChatGPT）在眼科临床决策支持、文档处理、患者教育和医学培训等具体应用场景中的表现，并探讨了多模态与检索增强模型如何提升信息准确性与相关性 | 指出将AI整合到临床护理中存在伦理与法律困境、专家表现差异等潜在风险与局限性 | 评估大型语言模型在眼科领域的应用潜力与现状 | 大型语言模型（如ChatGPT、GPT-4）及其在眼科领域的应用 | 自然语言处理 | 眼科疾病 | 深度学习 | 大型语言模型 | 文本 | NA | NA | GPT-4, Chat Generative Pretrained Transformer | NA | NA |
| 233 | 2025-12-25 |
Development, advancement, and clinical integration of artificial intelligence technology in gastric cancer
2025-Nov-28, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003922
PMID:41400327
|
综述 | 本文综述了人工智能技术在胃癌诊断与治疗中的应用、发展及临床整合 | 重点关注了当前主流AI方法（如特征工程、深度学习）以及快速发展的预训练基础模型和多模态大模型，这些技术有望解决数据稀缺、模态异质性和临床工作流碎片化等关键障碍 | NA | 探讨人工智能如何克服胃癌个性化医疗中临床决策复杂和多模态数据整合困难的挑战 | 胃癌 | 数字病理学 | 胃癌 | NA | 深度学习, 基础模型, 大模型 | 医学影像, 数字病理, 多组学数据, 结构化临床信息 | NA | NA | NA | NA | NA |
| 234 | 2025-12-25 |
Artificial Intelligence in MRI for Urologic Oncology: A Systematic Review of Diagnostic Accuracy and Clinical Utility
2025-Nov, Cureus
DOI:10.7759/cureus.97160
PMID:41426936
|
系统综述 | 本文系统综述了人工智能在泌尿系统肿瘤MRI中的诊断准确性和临床效用 | 首次使用QUADAS-AI工具系统评估AI在MRI中应用于前列腺癌、肾癌和膀胱癌的诊断性能，并整合了成本效益分析 | 纳入研究数量有限（14项），证据在不同肿瘤部位和模型类型间较为分散，缺乏标准化报告和前瞻性影响评估 | 综合评估人工智能应用于MRI在泌尿系统肿瘤（前列腺癌、肾癌、膀胱癌）中的诊断准确性和临床实用性 | 前列腺癌、肾癌和膀胱癌的MRI影像 | 数字病理 | 前列腺癌, 肾癌, 膀胱癌 | MRI | 深度学习, 放射组学, 集成残差神经网络, 卷积神经网络 | 图像 | 从4442条记录中筛选出14项符合条件的研究 | NA | ResNet, CNN | AUC, 敏感性, Dice相似系数 | NA |
| 235 | 2025-12-24 |
Deep Learning for Autonomous Surgical Guidance Using 3-Dimensional Images From Forward-Viewing Endoscopic Optical Coherence Tomography
2025-Nov, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500181
PMID:40709742
|
研究论文 | 本文开发了一种三维卷积神经网络（3D-CNN），用于分析体积光学相干断层扫描（OCT）图像，以增强经皮肾造口术中的内窥镜引导 | 开发了一种专为体积OCT图像设计的3D-CNN模型，在实时手术引导应用中表现出较低的推理延迟，优于其他先进的体积架构 | 研究仅基于10个猪肾脏的数据集进行，样本规模较小，可能限制模型的泛化能力 | 增强经皮肾造口术中的内窥镜引导，实现计算机辅助诊断 | 猪肾脏的3D OCT图像 | 计算机视觉 | 肾脏疾病 | 光学相干断层扫描（OCT） | 3D-CNN, 3D Vision Transformer, 3D-DenseNet121, Multi-plane and Multi-slice Transformer | 3D图像 | 10个猪肾脏 | NA | 3D-CNN, 3D-ViT, 3D-DenseNet121, M3T | 准确率, 推理延迟 | NA |
| 236 | 2025-12-24 |
Deep Learning-Based Uroflowmetry Curve Analysis Improves the Noninvasive Diagnosis of Lower Urinary Tract Symptoms
2025-11, International neurourology journal
IF:1.8Q3
DOI:10.5213/inj.2550266.133
PMID:41355259
|
研究论文 | 本研究评估了基于人工智能的尿流率曲线图像分析，通过定制预处理技术提高膀胱出口梗阻和逼尿肌活动不足的诊断准确性 | 开发了结合去噪、裁剪、轴缩放和临床参数颜色编码的定制预处理流程，以增强VGG16模型在尿流率曲线分析中的性能 | 研究为回顾性分析，样本量有限（2,579张图像），且仅基于单一医疗中心的数据 | 提高下尿路症状的非侵入性诊断准确性，特别是膀胱出口梗阻和逼尿肌活动不足的识别 | 接受尿动力学研究的患者尿流率曲线图像 | 数字病理学 | 下尿路症状 | 尿流率测定 | CNN | 图像 | 2,579张尿流率曲线图像（725例正常，1,854例异常：736例膀胱出口梗阻，1,387例逼尿肌活动不足） | TensorFlow, Keras | VGG16 | AUROC | NA |
| 237 | 2025-12-24 |
Deep learning of thermodynamic laws from microscopic dynamics
2025-Nov, Physical review. E
DOI:10.1103/p2z8-j69p
PMID:41430901
|
研究论文 | 本研究通过深度神经网络从微观动力学数据中学习宏观热力学定律 | 利用深度神经网络从微观粒子图像数据中自动推导出与热力学公理一致的宏观物理定律，展示了机器学习在跨尺度物理规律发现中的潜力 | 研究基于数值模拟生成的理想气体绝热过程数据，尚未验证在更复杂系统或实验数据中的适用性 | 探索机器学习从微观尺度数据中发现宏观物理定律的能力 | 气体粒子在绝热过程中的微观动力学 | 机器学习 | NA | 分子动力学模拟 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 238 | 2025-12-23 |
ATHENA: A deep learning-based AI for functional prediction of genomic mutations and synergistic vulnerabilities in prostate cancer
2025-Nov-29, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.26.690813
PMID:41357974
|
研究论文 | 本文介绍了一种名为ATHENA的深度学习AI框架，用于预测前列腺癌中基因组突变的功能影响并揭示其协同脆弱性 | 开发了基于注意力的深度学习框架，能够建模突变间的非线性依赖关系，区分驱动突变与乘客突变，并通过SHAP分析提供可解释性 | 未明确说明模型在独立验证集上的泛化性能，也未详细讨论数据偏差可能对预测结果产生的影响 | 预测基因组突变的功能影响，识别驱动前列腺癌进展和治疗抵抗的关键突变及其协同作用 | 前列腺癌患者的多组学数据（RNA/DNA测序数据）和疾病进展模型 | 数字病理学 | 前列腺癌 | RNA/DNA测序，碱基编辑实验 | 深度学习 | 基因组测序数据，临床数据 | 大型多队列数据集（具体数量未明确说明） | 未明确说明 | 基于注意力的神经网络 | 临床结果分层能力，功能预测准确性（具体指标未明确说明） | 未明确说明 |
| 239 | 2025-12-23 |
Visionary AI: Decoding Systemic Vascular Health and Hypertensive Disorders in Pregnancy Through Retinal Imaging and Artificial Intelligence
2025-Nov-27, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.11.25.25340974
PMID:41358297
|
研究论文 | 本研究开发了一个名为Visionary AI的人工智能平台，通过整合超广角视网膜成像和基于生物学的血管建模，早期预测妊娠期高血压疾病 | 与依赖通用深度学习模型和临床输入的先前方法不同，Visionary AI构建了可解释的、基于图的母体视网膜血管表示，并应用拓扑和几何分析来识别特定疾病的微血管特征 | NA | 早期预测妊娠期高血压疾病，理解妊娠如何系统性重塑血管生理学以及这种重塑可能出错的方式 | 妊娠期女性，特别是患有高血压疾病的孕妇 | 计算机视觉 | 妊娠期高血压疾病 | 超广角视网膜成像 | 深度学习 | 图像 | 1,267例妊娠（前瞻性多民族美国队列） | NA | 基于图的表示 | AUC | NA |
| 240 | 2025-12-23 |
Prior knowledge informs graph neural networks to improve phenotype prediction from proteomics
2025-Nov-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.11.23.25340814
PMID:41358286
|
研究论文 | 本文提出了一种利用先验知识增强图神经网络以从蛋白质组学数据中预测表型的深度学习框架 | 创新性地设计了一种结合基因本体库构建二分图结构的图神经网络模型，通过整合生物学先验知识来提升表型预测性能 | 模型性能在训练数据有限的情况下可能受限，且依赖于蛋白质集合库的构建质量 | 开发一种能够从高通量蛋白质组学数据中准确预测疾病相关表型的机器学习方法 | 英国生物银行中的血浆蛋白质组学数据及个体表型数据 | 机器学习 | NA | 高通量蛋白质组学 | 图神经网络 | 蛋白质表达数据 | NA | NA | 图神经网络 | NA | NA |