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 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 | 2025-12-18 |
MedNet: a lightweight attention-augmented CNN for medical image classification
2025-Nov-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25857-w
PMID:41290816
|
研究论文 | 提出一种名为MedNet的轻量级注意力增强CNN模型，用于医学图像分类任务 | 结合深度可分离卷积与CBAM注意力机制，高效提取并精炼空间和上下文相关特征，在保持高精度的同时显著减少参数和计算成本 | 仅在公开的MedMNIST和Fitzpatrick17k数据集上进行了验证，未在更多样化或更大规模的临床数据集上进行测试 | 开发一种高效、轻量化的深度学习架构，以提升医学图像分类的准确性和泛化能力 | 医学图像分类任务 | 计算机视觉 | 皮肤病 | NA | CNN | 图像 | DermaMNIST、BloodMNIST、OCTMNIST（来自MedMNIST）和Fitzpatrick17k数据集 | NA | ResidualDSCBAMBlock, CBAM | 准确率 | NA |
| 242 | 2025-12-18 |
Development and validation of a machine learning-based prognostic model for gastric cancer: a multicenter retrospective study
2025-Nov-21, Langenbeck's archives of surgery
DOI:10.1007/s00423-025-03883-6
PMID:41269322
|
研究论文 | 本研究开发并验证了一种基于机器学习的胃癌预后预测模型，并在多中心真实世界数据中进行了评估 | 首次将多种特征选择方法与四种建模算法（包括Cox、RSF、CoxBoost和Deepsurv_Cox）结合，构建了用于胃癌总体生存期和癌症特异性生存期预测的集成模型，并在独立测试中超越了传统的TNM分期系统 | 研究为回顾性设计，可能存在选择偏倚；模型在外部验证中的表现仍需在更多样化的患者群体中进一步确认 | 开发并验证一种基于机器学习的胃癌预后预测模型，以提高生存预测的准确性 | 胃癌患者 | 机器学习 | 胃癌 | NA | Cox, RSF, CoxBoost, Deepsurv_Cox | 临床数据 | SEER数据库21,559名患者，两个中国医疗中心3,805名患者 | NA | 集成模型（堆叠模型） | C-index, 综合Brier评分, 平均AUC, 时间依赖性ROC曲线, 决策曲线分析 | NA |
| 243 | 2025-12-18 |
Application of MobileNet and Xception neural networks to identify Sillago sihama populations in Vietnam's coastal waters based on otolith morphology
2025-Nov, Journal of fish biology
IF:1.7Q2
DOI:10.1111/jfb.70130
PMID:40731378
|
研究论文 | 本研究应用MobileNet和Xception深度学习模型，基于耳石形态对越南沿海水域的印度-太平洋鳕鱼种群进行识别 | 首次将MobileNet和Xception深度学习模型应用于耳石形态分析，显著提升了鱼类种群分类的准确性 | 研究仅基于越南三个沿海区域的样本，可能无法代表更广泛地理范围内的种群多样性 | 通过耳石形态分析识别越南沿海印度-太平洋鳕鱼的种群结构 | 越南沿海三个区域（包括Son Cha和Cat Ba）的印度-太平洋鳕鱼耳石样本 | 计算机视觉 | NA | 耳石形态分析 | CNN | 图像 | 来自越南三个沿海区域的印度-太平洋鳕鱼耳石样本 | NA | MobileNet, Xception | 准确率 | NA |
| 244 | 2025-12-18 |
Effectiveness of AI-Based Tools in Detecting Diabetic Retinopathy in Low- and Middle-Income Countries: A Systematic Review of Diagnostic Performance and Implementation Feasibility
2025-Nov, Cureus
DOI:10.7759/cureus.96554
PMID:41393614
|
系统综述 | 本文系统综述了在低收入和中等收入国家中，基于AI的工具在检测糖尿病视网膜病变方面的诊断性能和实施可行性 | 聚焦于低收入和中等收入国家，系统评估AI工具在糖尿病视网膜病变筛查中的诊断准确性和实施可行性，填补了该领域证据分散的空白 | 符合条件的原始研究数量较少，且对基础设施需求、监管考虑和长期可持续性的报告有限 | 评估AI工具在低收入和中等收入国家中检测糖尿病视网膜病变的有效性和实施可行性 | 基于视网膜成像的AI、机器学习或深度学习工具 | 数字病理学 | 糖尿病视网膜病变 | 视网膜成像 | 深度学习, 机器学习 | 图像 | NA | NA | NA | 诊断准确性 | NA |
| 245 | 2025-12-18 |
Artificial Intelligence in Radiology: Transforming Cancer Detection and Diagnosis
2025-Nov, Cureus
DOI:10.7759/cureus.96518
PMID:41393619
|
综述 | 本文综述了人工智能在放射肿瘤学中的应用，涵盖多种癌症类型和成像技术，探讨了其在癌症检测和诊断中的最新进展与挑战 | 综合了深度学习、放射组学和放射基因组学框架在多种癌症类型中的最新应用，并强调了AI作为放射科医生协作伙伴的角色，而非替代 | 模型在不同人群和机构间的泛化能力有限，存在数据孤岛、监管不确定性，以及临床环境中可解释AI输出的需求 | 评估人工智能在放射肿瘤学中的当前应用，并为其安全、公平和有效的实施提供战略方向 | 乳腺癌、肺癌、前列腺癌、脑癌、胃肠道癌和转移性疾病等主要癌症类型 | 数字病理学 | 肺癌, 前列腺癌, 乳腺癌, 脑癌, 胃肠道癌 | CT, MRI, PET/CT, 数字乳腺X线摄影 | 深度学习 | 图像 | NA | NA | NA | 准确性, 分割精度, 风险预测, 分子表型推断 | NA |
| 246 | 2025-12-18 |
Efficiency of Artificial Intelligence in Three-Dimensional Reconstruction of Medical Imaging
2025-Nov, Cureus
DOI:10.7759/cureus.96580
PMID:41393720
|
综述 | 本文综述了人工智能在医学影像三维重建中的效率，探讨了其如何提升准确性、速度及临床效用 | 系统性地回顾了近10年AI驱动的三维重建技术，重点评估了深度学习模型在提升重建自动化、精度及临床应用方面的突破 | 研究仅纳入成人影像数据，排除了儿科及临床前研究，且存在高计算需求、标准化数据集缺乏、真实世界验证不足等挑战 | 评估人工智能在医学影像三维重建中的效率、临床应用及现存挑战 | 近10年发表的、针对成人人类影像的、基于AI的三维重建研究 | 计算机视觉 | NA | 医学影像三维重建 | 深度学习 | 医学影像 | NA | NA | U-Net, V-Net, DenseVNet, GAN | Dice系数 | NA |
| 247 | 2025-12-18 |
Benchmarking robustness of automated CT pancreas segmentation: achieving human-level reliability through human-in-the-loop optimization
2025-Nov, Radiology advances
DOI:10.1093/radadv/umaf040
PMID:41394428
|
研究论文 | 本研究系统评估了深度学习模型在CT胰腺分割中的鲁棒性，并通过人机协同优化策略提升其可靠性，以达到人类水平的性能 | 引入分数阈值指标量化模型达到人类最小性能的比例，并采用主动学习策略识别高不确定性预测进行人工修订，显著提升模型鲁棒性 | 研究主要基于健康人群的CT数据，未充分验证在异常病例或不同扫描仪间的泛化能力 | 评估深度学习模型在CT胰腺分割中的鲁棒性，并探索提升其可靠性的方法 | CT扫描图像中的胰腺分割 | 数字病理学 | 胰腺疾病 | CT扫描 | 深度学习模型 | CT图像 | 903例静脉期CT扫描，其中803例用于训练/验证，100例健康测试病例 | NA | 3D U-Net | Dice相似系数, 归一化表面Dice, 分数阈值 | NA |
| 248 | 2025-12-17 |
Early diagnosis of transient ischemic attack facilitated by SERS-based artificial intelligence sensors
2025-Nov-27, Mikrochimica acta
DOI:10.1007/s00604-025-07699-5
PMID:41307575
|
研究论文 | 本研究开发了一种基于荷叶/铜/二氧化硅/银多层膜的表面增强拉曼散射检测平台，结合人工智能算法，用于早期诊断短暂性脑缺血发作 | 结合SERS多层膜传感器与多种深度学习模型，实现了对TIA血清炎症标志物的高特异性检测，其中LightGBM模型准确率达99.64% | 未提及样本量的具体限制或外部验证的广泛性 | 通过SERS与人工智能技术提高短暂性脑缺血发作的早期诊断准确率 | 短暂性脑缺血发作患者与健康对照者的血清样本 | 机器学习 | 心血管疾病 | 表面增强拉曼散射 | LightGBM, ANN, 1D-CNN, BiLSTM, Transformer, AlexNet | 血清SERS光谱 | TIA患者与健康对照者的血清样本（具体数量未明确） | NA | LightGBM, ANN, 1D-CNN, BiLSTM, Transformer, AlexNet4 | 准确率 | NA |
| 249 | 2025-12-17 |
Deep Learning-Assisted Automated Diagnosis of Osteoporosis Based on Computed Tomography Scans: Systematic Review and Meta-Analysis
2025-Nov-24, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/77155
PMID:41284986
|
系统综述与荟萃分析 | 本文通过系统综述与荟萃分析，评估了基于CT扫描的深度学习模型在骨质疏松症诊断中的性能 | 首次对基于CT扫描的深度学习模型在骨质疏松症诊断中的性能进行系统综述与荟萃分析，并识别了影响模型性能的关键因素，如DenseNet变体、多切片输入、3D架构和CT作为参考标准 | 纳入研究间存在显著的异质性，外部验证有限，且缺乏完整的端到端流程，这限制了所提模型的普适性 | 调查基于CT扫描的深度学习模型在诊断骨质疏松症方面的诊断性能 | 接受CT扫描的成年参与者 | 计算机视觉 | 骨质疏松症 | 计算机断层扫描（CT） | 深度学习模型 | CT图像 | 24项研究，包含来自29,808名参与者的CT图像 | NA | DenseNet, 3D架构 | 灵敏度, 特异性, 曲线下面积 | NA |
| 250 | 2025-12-17 |
Quantitative profiling of whole-brain connectomes at single-axon resolution using deep learning and high-resolution light sheet microscopy
2025-Nov-16, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.14.688340
PMID:41292859
|
研究论文 | 本文介绍了一种名为MAPL3的端到端流程，结合自监督学习和创新深度架构，用于在单轴突分辨率下定量分析全脑连接组 | MAPL3整合了自监督学习与创新深度架构，能够捕获局部和全局的脑范围轴突投射，支持个体和群体水平的定量层析分析，并在跨实验泛化能力上优于现有方法 | NA | 开发一种技术来揭示单个轴突如何形成全脑连接组，以理解大脑功能和行为 | 全脑连接组，特别是单个轴突和脑范围轴突投射 | 计算机视觉 | NA | 高分辨率光片显微镜 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 251 | 2025-12-17 |
Computational redesign of a thermostable T7 RNA polymerase
2025-Nov-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.12.688101
PMID:41292992
|
研究论文 | 本研究通过结构计算设计开发了一种高度稳定的T7 RNA聚合酶变体 | 结合PROSS识别的新突变与先前稳定变体的突变，通过数据驱动启发式过滤，设计出功能稳定性显著提升的T7 RNA聚合酶 | 未提及 | 提高T7 RNA聚合酶的热稳定性以扩展其生物技术应用 | T7 RNA聚合酶及其计算设计的变体 | 机器学习 | NA | 结构计算设计，PROSS，圆二色光谱 | NA | 蛋白质结构数据 | 18个测试的蛋白质设计 | NA | NA | 功能稳定性温度，表观熔解温度，活性保留百分比 | NA |
| 252 | 2025-12-17 |
Development of a deep learning model for guiding treatment decisions of acute variceal bleeding in patients with cirrhosis
2025-Nov-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i41.111361
PMID:41257275
|
研究论文 | 本研究开发了一种基于深度学习的AI-AVB模型，用于预测肝硬化患者急性静脉曲张出血的治疗效果，并指导治疗决策 | 开发了一种新的AI模型，相比传统风险分层方法，在预测六周治疗失败和一年死亡率方面表现出更优的性能，并能有效识别可能从预防性TIPS中受益的高风险患者 | 研究基于回顾性多中心队列，可能存在选择偏倚；模型在外部验证中的性能略有下降，需要进一步前瞻性验证 | 开发人工智能模型以指导肝硬化患者急性静脉曲张出血的治疗决策，并识别适合预防性经颈静脉肝内门体分流术的患者 | 肝硬化合并急性静脉曲张出血的患者 | 数字病理学 | 肝硬化 | 深度学习 | 深度学习模型 | 临床基线数据 | 3090名患者（1227名接受内镜静脉曲张结扎加药物治疗，1863名接受预防性TIPS） | NA | NA | AUC | NA |
| 253 | 2025-12-17 |
Smartphone-based biosensing: a review of optical imaging, microfluidic integration, and AI-enhanced analysis
2025-Nov-03, Mikrochimica acta
DOI:10.1007/s00604-025-07523-0
PMID:41184410
|
综述 | 本文综述了基于智能手机的生物传感技术，重点关注光学成像、微流控集成和AI增强分析的最新进展 | 整合了人工智能和深度学习技术，通过图像增强、模态转换和自动化量化提升诊断准确性，并探讨了开源硬件和云连接分析在去中心化医疗中的应用前景 | 存在硬件可变性、标准化不足和临床验证缺乏等挑战 | 总结和评估智能手机集成生物传感技术，以推动便携式、低成本诊断平台的发展 | 生物和化学目标，包括核酸、蛋白质、细胞和病原体 | 生物医学传感 | 眼部疾病、代谢疾病、泌尿系统疾病、癌症、传染病 | 光学成像（明场、荧光、暗场）、电化学传感、微流控芯片 | 深度学习 | 图像 | NA | NA | NA | 诊断准确性 | 智能手机平台、云连接分析 |
| 254 | 2025-12-17 |
Integrating AI with Biosensors and Voltammetry for Neurotransmitter Detection and Quantification: A Systematic Review
2025-Nov-02, Biosensors
DOI:10.3390/bios15110729
PMID:41294740
|
系统综述 | 本文系统综述了人工智能与生物传感器和伏安法结合用于复杂生物流体中神经递质检测和定量的研究 | 整合人工智能方法（如机器学习和深度学习）以克服传统生物传感器在神经递质信号解卷积和实时监测中的局限性 | 传感器稳定性不足和神经递质间相互作用复杂性等挑战仍然存在 | 评估和综合人工智能在改进神经递质自动检测和定量方面的应用研究 | 复杂生物流体（如脑脊液）中的神经递质 | 机器学习 | 神经退行性疾病 | 伏安法 | 机器学习, 模式识别, 深度学习 | 信号数据 | NA | NA | NA | NA | NA |
| 255 | 2025-12-15 |
Automatic Segmentation of Intraluminal Thrombus in Abdominal Aortic Aneurysms Based on CT Images: A Comprehensive Review of Deep Learning-Based Methods
2025-Nov-30, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14238497
PMID:41375800
|
综述 | 本文综述了深度学习技术在腹主动脉瘤影像分析中的应用，特别关注了腔内血栓的自动分割方法 | 首次系统性地回顾和比较了基于深度学习的腹主动脉瘤腔内血栓分割方法，并指出了2D多视图融合模型和3D U-Net的性能优势 | 缺乏标准化的数据集限制了模型的开发和外部验证 | 回顾和分析深度学习在腹主动脉瘤腔内血栓分割中的应用 | 基于计算机断层扫描血管造影的腹主动脉瘤患者影像 | 数字病理学 | 心血管疾病 | 计算机断层扫描血管造影 | 深度学习网络 | CT图像 | 从664篇文章中筛选出22篇符合条件的研究 | NA | U-Net | Dice相似系数 | NA |
| 256 | 2025-12-15 |
Artificial Intelligence in Patient Blood Management: A Systematic Review of Predictive, Diagnostic, and Decision Support Applications
2025-Nov-29, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14238479
PMID:41375782
|
综述 | 本文系统综述了人工智能在患者血液管理（PBM）中预测、诊断和决策支持应用的研究现状、方法趋势及临床转化挑战 | 首次系统性地整合了AI在PBM三大支柱（优化贫血管理、减少失血、确保适当输血）中的应用证据，并识别了深度学习在图像贫血检测、集成方法在风险预测中的优势以及循环/混合架构在血液供应预测中的有效性 | 研究异质性较大，外部验证和临床实际部署有限，缺乏标准化报告和工作流程整合 | 评估人工智能在患者血液管理领域的应用潜力与现状 | 涵盖贫血检测、出血风险分层、输血预测、输血安全及库存管理相关研究 | 机器学习 | NA | NA | 深度学习, 集成学习, 梯度提升, 循环神经网络, 混合架构 | 图像, 临床数据 | NA | NA | NA | NA | NA |
| 257 | 2025-12-15 |
Predicting suicide death among veterans after psychiatric hospitalization using transformer based models with social determinants and NLP
2025-Nov-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-27435-6
PMID:41315506
|
研究论文 | 本研究使用基于Transformer的模型，结合社会行为健康决定因素和自然语言处理技术，预测退伍军人在精神病院出院后的自杀死亡风险 | 将社会行为健康决定因素作为预测因子，并比较了基于ICD编码和NLP提取的SBDH对两种先进模型预测性能的提升效果 | 研究人群仅限于美国退伍军人，可能限制了结果的普适性 | 评估社会行为健康决定因素是否能改善精神病院出院患者自杀死亡的预测 | 美国退伍军人事务部精神病院出院的退伍军人 | 自然语言处理 | 精神疾病 | 自然语言处理 | Transformer, 集成学习模型 | 文本, 结构化数据 | 197,581名退伍军人，共414,043次出院记录 | NA | TransformEHR | 灵敏度, 阳性预测值, 受试者工作特征曲线下面积 | NA |
| 258 | 2025-12-15 |
Tailoring Energy Absorption of Curved-Beam Lattices Through a Data-Driven Approach
2025-Nov-28, Materials (Basel, Switzerland)
DOI:10.3390/ma18235377
PMID:41374219
|
研究论文 | 本研究提出了一种新型曲线梁厚度梯度晶格结构，并采用结合深度学习和遗传算法的智能逆向设计框架来优化其几何参数，以最大化能量吸收性能 | 提出了曲线梁厚度梯度晶格结构，并首次将深度学习和遗传算法集成到智能逆向设计框架中，用于优化晶格结构的能量吸收性能，同时应用可解释性方法分析几何参数的影响机制 | NA | 通过数据驱动方法优化曲线梁晶格结构的几何参数，以最大化其总能量吸收和比能量吸收性能 | 曲线梁厚度梯度晶格结构 | 机器学习 | NA | 深度学习, 遗传算法 | NA | NA | NA | NA | NA | 总能量吸收, 比能量吸收 | NA |
| 259 | 2025-12-15 |
SwinCAMF-Net: Explainable Cross-Attention Multimodal Swin Network for Mammogram Analysis
2025-Nov-28, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15233037
PMID:41374420
|
研究论文 | 本研究提出了一种名为SwinCAMF-Net的多模态交叉注意力Swin Transformer网络，用于通过整合多视图乳腺X光摄影、3D ROI体积和临床元数据来改进乳腺病变的联合分类与分割 | 提出了一种新颖的交叉注意力融合模块，通过查询-键注意力选择性对齐多模态特征，并整合了Swin Transformer编码器、3D CNN体积编码器和临床投影模块，实现了多模态证据的互补融合 | 未明确提及模型在外部验证集上的泛化能力或计算效率的具体限制 | 改进乳腺病变的联合分类与分割，提升乳腺癌诊断的准确性和临床可解释性 | 乳腺X光摄影图像、3D ROI体积和临床元数据 | 计算机视觉 | 乳腺癌 | 多模态深度学习 | Swin Transformer, 3D CNN | 图像, 3D体积数据, 文本元数据 | 基于CBIS-DDSM和RTM基准数据集，具体样本数量未明确说明 | PyTorch | Swin Transformer, 3D CNN, 交叉注意力融合模块 | 准确率, AUC-ROC, F1分数, Dice系数 | 未明确说明具体GPU类型或云平台 |
| 260 | 2025-12-15 |
Radiologist-Validated Automatic Lumbar T1-Weighted Spinal MRI Segmentation Tool via an Attention U-Net Algorithm
2025-Nov-28, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15233046
PMID:41374427
|
研究论文 | 本研究开发了一种基于注意力U-Net算法的自动腰椎T1加权脊柱MRI分割工具，并由放射科医生验证 | 针对目前T1加权脊柱MRI分割工具较少的现状，首次将注意力U-Net应用于该领域，并比较了不同损失函数（BCE与MSE）的性能 | Cohen's Kappa系数为0.31，表明放射科医生间的一致性仅为一般水平 | 创建用于T1加权腰椎MRI的自动分割工具，以辅助骨科医生和放射科医生 | 腰椎T1加权脊柱MRI图像 | 计算机视觉 | 椎间盘突出和椎体损伤 | MRI | 深度学习 | 图像 | NA | NA | Attention U-Net, U-Net++ | SSIM, DICE系数, Likert Scale, Cohen's Kappa系数 | NA |