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 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2025-12-23 |
Improving Performance, Robustness, and Fairness of Radiographic AI Models with Finely-Controllable Synthetic Data
2025-Nov-24, Research square
DOI:10.21203/rs.3.rs-7687810/v1
PMID:41356360
|
研究论文 | 本研究提出RoentGen-v2，一种用于胸部X光片的文本到图像扩散模型，通过精细控制放射学发现和患者人口统计学属性生成合成数据，以提升下游疾病分类模型的性能、鲁棒性和公平性 | 首次开发了能够显式控制人口统计学属性（如性别、年龄、种族/民族）的临床可信胸部X光片生成模型，并提出了利用合成数据进行监督预训练再在真实数据上微调的改进训练策略 | 未明确提及模型在更广泛疾病类型或不同成像模态上的泛化能力，以及合成数据与真实数据之间可能存在的分布差异对长期部署的影响 | 开发临床可部署的深度学习模型，通过合成数据提升诊断成像模型的性能、鲁棒性和公平性 | 胸部X光片图像 | 计算机视觉 | 未指定具体疾病，但涉及胸部疾病分类 | 文本到图像扩散模型 | 扩散模型 | 图像 | 合成数据集包含超过565,000张图像，并在来自五个机构的超过137,000张保留胸部X光片上进行评估 | 未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架 | RoentGen-v2（基于扩散模型的架构） | 准确率，公平性差距（如误诊公平性差距） | 未明确指定，但可能使用GPU（如NVIDIA系列）进行模型训练和生成 |
| 242 | 2025-12-23 |
Perioperative Artificial Intelligence Driven Integrated Modeling of Surgeries using Anesthetic, Physical and Cognitive Statuses for Predicting Hospital Outcomes
2025-Nov-21, Research square
DOI:10.21203/rs.3.rs-8000504/v1
PMID:41333422
|
研究论文 | 本研究利用术前认知状态（通过画钟测试评估）结合术中变量、人口统计学、身体状况和合并症，预测住院时间、费用、随访疼痛和一年死亡率等医院结局 | 首次将术前认知状态（通过半监督深度学习算法提取的画钟测试特征）整合到围手术期人工智能模型中，用于预测多种手术结局，并发现认知特征在预测中的重要性 | 仅分析了6个手术组，数据可用性有限；画钟测试特征可能无法全面代表认知状态；模型未在外部数据集上验证 | 预测围手术期医院结局，包括住院时间、费用、疼痛和死亡率 | 接受手术的患者，特别是其术前认知状态、术中变量和人口统计学特征 | 机器学习 | 围手术期并发症 | 画钟测试，半监督深度学习算法 | 机器学习模型 | 结构化临床数据（包括认知测试特征、术中变量、人口统计学信息） | 6个手术组中可用的足够数据样本 | NA | NA | NA | NA |
| 243 | 2025-12-23 |
Deep Learning for Time-Series Segmentation of Mechanical Ventilator Waveforms
2025-Nov-21, Research square
DOI:10.21203/rs.3.rs-8001137/v1
PMID:41333439
|
研究论文 | 本研究开发并验证了一种基于一维注意力门控U-Net架构的深度学习模型，用于机械通气波形中吸气和呼气起始点的分割 | 首次将一维注意力门控U-Net架构应用于机械通气波形分割，在嘈杂的真实世界数据中实现了优于传统启发式方法的高精度分割性能 | 研究样本量相对有限（33名患者），未在更广泛的患者群体或不同型号呼吸机上进行外部验证 | 开发高精度的机械通气波形分割方法以检测患者-呼吸机异步性 | 机械通气波形数据 | 数字病理学 | 呼吸系统疾病 | 机械通气波形分析 | U-Net | 时间序列数据 | 33名患者的9,719次呼吸波形 | NA | 一维注意力门控U-Net | F1分数 | NA |
| 244 | 2025-12-23 |
CUSP: Complex Spike Sorting from Multi-electrode Array Recordings with U-net Sequence-to-Sequence Prediction
2025-Nov-18, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.18.689109
PMID:41332555
|
研究论文 | 本文介绍了一种名为CUSP的深度学习框架，用于从高密度多电极阵列记录中自动检测和分类小脑浦肯野细胞的复杂尖峰信号 | 提出了一种结合U-Net架构与混合自注意力inception块的序列到序列预测方法，能够整合局部场电位和动作电位信号，实现复杂尖峰的自动化、高精度检测 | 方法主要在小脑神经像素记录数据上验证，在其他神经系统的泛化能力需进一步测试 | 开发一种自动化、鲁棒的复杂尖峰排序方法，以改善小脑及其他神经系统中爆发式或动态复杂尖峰模式的分析 | 小脑浦肯野细胞的复杂尖峰信号 | 机器学习 | NA | 多电极阵列记录，神经像素记录 | U-Net | 神经电生理信号序列 | 基于恒河猴的小脑神经像素记录数据 | NA | U-Net with hybrid self-attention inception blocks | F1分数 | NA |
| 245 | 2025-12-23 |
CIRPIN: Learning Circular Permutation-Invariant Representations to Uncover Putative Protein Homologs
2025-Nov-18, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.18.689110
PMID:41332582
|
研究论文 | 本文提出了一种名为CIRPIN的循环置换不变图神经网络，用于检测因拓扑重排（特别是循环置换）而相关的蛋白质同源物 | 提出了一种新颖的数据增强策略，使用合成循环置换（synCPs）来训练模型，使其学习对循环置换不变的蛋白质表示 | 未明确说明模型在非循环置换相关蛋白质检测上的性能比较或潜在误检情况 | 开发一种能够识别因循环置换而相关的蛋白质同源物的深度学习工具 | 蛋白质结构 | 机器学习 | NA | 图神经网络，结构比对 | GNN | 蛋白质结构数据 | 来自SCOPe和AlphaFold Cluster Representatives数据库的蛋白质 | NA | 循环置换不变图神经网络 | NA | NA |
| 246 | 2025-12-23 |
Inferring binding specificities of human transcription factors with the wisdom of crowds
2025-Nov-17, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.16.688692
PMID:41332515
|
研究论文 | 本文报告了IBIS社区挑战赛的结果，该挑战赛旨在通过多实验数据构建人类转录因子结合特异性模型，并评估不同机器学习方法在DNA基序建模中的表现 | 通过大规模开放社区挑战赛，系统比较了深度学习模型与传统位置权重矩阵在转录因子结合特异性建模中的性能，并建立了丰富的基准数据集和评估框架 | 研究主要针对人类转录因子，可能无法直接推广到其他物种；且挑战赛数据可能未覆盖所有转录因子类型 | 评估和比较不同计算方法在推断转录因子结合特异性方面的性能，以找到最佳的DNA基序表示方法 | 人类转录因子的结合特异性模型 | 生物信息学 | NA | 多实验数据整合分析 | 深度学习模型, 位置权重矩阵, 其他机器学习方法 | DNA序列数据 | NA | NA | NA | NA | NA |
| 247 | 2025-12-22 |
REECAP: Contrastive learning of retinal aging reveals genetic loci linking morphology to eye disease
2025-Nov-27, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.11.19.25340555
PMID:41332846
|
研究论文 | 本文提出REECAP框架，通过对比学习优化视网膜基础模型，生成与年龄相关的图像表征，用于GWAS研究，以揭示眼病遗传位点 | 利用对比学习引导视网膜基础模型沿年龄轴对齐图像表征，生成多变量衰老表型用于GWAS，发现了传统疾病标签GWAS未检测到的遗传位点，并通过条件图像合成将遗传变异与解剖变化关联 | 研究仅基于UK Biobank的特定人群数据，可能缺乏多样性；未详细讨论模型在其他数据集或眼病中的泛化能力 | 探索深度学习基础模型在连接组织形态与疾病遗传结构方面的潜力，以发现和解释眼病相关遗传位点 | UK Biobank参与者的视网膜眼底图像 | 计算机视觉 | 眼病 | 对比学习, 基因组关联研究 | 基础模型 | 图像 | 87,478张眼底图像来自52,742名UK Biobank参与者 | NA | RETFound | NA | NA |
| 248 | 2025-12-22 |
Comparative analysis of multiple deep learning models with mitigation-driven approaches for enhanced Alzheimer's disease classification
2025-Nov-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-27914-w
PMID:41274951
|
研究论文 | 本研究通过比较多种深度学习模型，并采用缓解类别不平衡的策略，旨在提升基于结构MRI的阿尔茨海默病分类性能 | 提出了2D冠状面切片网格化方法，在保留96%诊断信息的同时显著降低计算需求；系统比较了十种深度学习架构，并验证了传统CNN在医学神经影像分类中的持续有效性；结合SMOTE、代价敏感学习和焦点损失等策略有效缓解了类别不平衡问题 | 模型在痴呆类别上的灵敏度较低（38%）；Vision Transformer和胶囊网络在该任务上表现不佳甚至完全失败；总体平衡准确率仍有提升空间 | 开发并评估用于阿尔茨海默病自动分类的深度学习模型，平衡诊断准确性与计算效率 | 阿尔茨海默病患者、轻度认知障碍患者和健康对照者的T1加权MRI扫描 | 数字病理学 | 阿尔茨海默病 | 结构MRI（sMRI），2D冠状面切片网格化方法 | CNN, Vision Transformer, Capsule Network | 图像 | 1346名独特患者的14,983张2D网格图像 | NA | ECAResNet269, 以及其他九种深度学习架构（包括传统CNN、Vision Transformer、胶囊网络） | 平衡准确率, 灵敏度, 特异性 | 标准临床硬件 |
| 249 | 2025-12-22 |
Targeting peptide-MHC complexes with designed T cell receptors and antibodies
2025-Nov-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.19.689381
PMID:41332722
|
研究论文 | 本文介绍了一种基于结构的深度学习框架ADAPT，用于设计靶向特定肽-MHC复合物的T细胞受体和抗体 | 开发了首个基于结构的深度学习框架ADAPT，用于从头设计靶向pMHC的TCR和抗体，并通过冷冻电镜结构验证了设计界面的原子级精度 | 未明确说明设计框架在更广泛pMHC靶点上的通用性验证规模，以及体内疗效数据尚未提供 | 开发计算设计方法以生成靶向特定肽-MHC复合物的新型T细胞受体和抗体 | 肽-MHC复合物、T细胞受体、抗体 | 计算生物学 | 肿瘤、自身免疫性疾病 | 深度学习、结构生物学、冷冻电镜 | 深度学习框架 | 蛋白质结构数据、序列数据 | 针对多种pMHC组合进行了设计评估（具体数量未明确） | NA | ADAPT（基于结构的深度学习框架） | 结构验证精度（原子级界面准确性） | NA |
| 250 | 2025-12-22 |
Radiologic, Pathologic, and Deep Learning Predictors of Response to Immune Checkpoint Blockade in Renal Cell Carcinoma Patients Undergoing Post-Treatment Nephrectomy
2025-Nov-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.11.19.25340277
PMID:41332849
|
研究论文 | 本研究首次提出了一个整合放射学、病理学和深度学习的定量框架，用于评估肾细胞癌患者在接受免疫检查点抑制剂治疗后进行肾切除术后的反应 | 首次整合放射学、病理学和深度学习模型，系统评估肾细胞癌患者免疫检查点抑制剂治疗后的反应，并区分免疫介导的病理回归变化与凝固性坏死 | 回顾性研究设计，样本量相对有限（99例患者），需要在更大规模的前瞻性研究中验证 | 评估肾细胞癌患者接受免疫检查点抑制剂治疗后进行肾切除术的反应，以指导术后适应性治疗策略 | 局部晚期或转移性肾细胞癌患者，在接受至少一个周期含免疫检查点抑制剂的双联疗法后进行肾切除术 | 数字病理学 | 肾细胞癌 | 深度学习方法 | 深度学习模型 | 放射学影像、病理学图像 | 99例患者（66例减瘤性肾切除术，33例新辅助肾切除术） | NA | NA | 风险比, 置信区间, p值 | NA |
| 251 | 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 |
| 252 | 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 |
| 253 | 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 |
| 254 | 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 |
| 255 | 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 |
| 256 | 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 |
| 257 | 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 |
| 258 | 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 |
| 259 | 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 |
| 260 | 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 |