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 1702 篇文献，本页显示第 261 - 280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 261 | 2026-03-06 |
Decreased parietal epithelial cell density is linked to podocyte depletion and predictors of kidney disease progression in human kidneys
2025-Nov-01, American journal of physiology. Renal physiology
DOI:10.1152/ajprenal.00243.2025
PMID:41052018
|
研究论文 | 本研究开发并应用深度学习方法来分析人类肾脏样本中壁上皮细胞（PECs）的密度，并探讨其与慢性肾脏病进展的关系 | 首次开发深度学习工具分析人类肾脏样本中PECs的密度，揭示了PEC减少与早期慢性肾小球疾病证据之间的新联系 | 研究基于肾切除样本，可能不适用于所有慢性肾脏病患者；样本主要来自无明显慢性肾脏病患者，限制了在晚期疾病中的推广 | 研究壁上皮细胞（PECs）在人类慢性肾小球疾病进展中的作用 | 人类肾切除样本中的壁上皮细胞和足细胞 | 数字病理学 | 慢性肾脏病 | 深度学习图像分析 | 深度学习 | 图像 | 超过14,000个肾小球，来自肾切除样本 | NA | NA | NA | NA |
| 262 | 2026-03-06 |
OCTA-ReVA+ AV: an open-source toolbox for retinal artery-vein segmentation and analysis in OCT angiography
2025-Nov-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.575416
PMID:41306988
|
研究论文 | 本研究介绍了一个名为OCTA-ReVA的开源工具箱，用于在光学相干断层扫描血管成像中自动分割视网膜动脉和静脉并进行血管特异性定量分析 | 开发了首个开源、全自动的工具箱，能够基于深度学习分割视网膜动脉和静脉，并独立计算动脉和静脉的多种血管指标，填补了当前临床OCTA系统无法分别量化动脉和静脉特征的空白 | 未在摘要中明确提及 | 增强对视网膜血管疾病的检测和监测能力 | 光学相干断层扫描血管成像图像中的视网膜微血管 | 数字病理学 | 视网膜血管疾病 | 光学相干断层扫描血管成像 | 深度学习 | 图像 | 未在摘要中明确提及 | 未在摘要中明确提及 | 未在摘要中明确提及 | 重复性、分割一致性 | 未在摘要中明确提及 |
| 263 | 2026-03-01 |
A multi-scale network for thyroid segmentation and dose assessment in hyperthyroid patients with uncertainty quantification
2025-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70072
PMID:41126017
|
研究论文 | 本研究提出了一种多尺度深度学习模型MSRA-UNet++，用于甲状腺分割和剂量评估，并引入了不确定性量化模块以提高可靠性 | 首次将不确定性量化模块引入甲状腺功能亢进患者的CT图像分割过程，并结合患者特异性甲状腺体素模型与个体化放射性碘动力学数据评估吸收剂量 | 未明确说明临床数据集的样本量大小，且代码尚未发布，需等待验证 | 提高甲状腺功能亢进患者基于MIRD方案的吸收剂量计算的准确性和可靠性 | 甲状腺功能亢进患者的CT和MR图像 | 数字病理学 | 甲状腺功能亢进 | CT, MR, 蒙特卡洛模拟 | 深度学习模型 | 图像 | 公开数据集HaN-Seg及临床数据集（具体样本量未明确） | PyTorch（基于代码发布链接推断） | UNet++, MSRA-UNet++ | Dice相似系数, Hausdorff距离95%, Jaccard指数 | NA |
| 264 | 2026-02-28 |
Enhancing lymph node diagnosis: integrating deep learning with endoscopic ultrasonography: a retrospective study in China
2025-Nov, Clinical endoscopy
IF:2.1Q3
DOI:10.5946/ce.2025.113
PMID:41147107
|
研究论文 | 本研究开发了一种结合深度学习与内镜超声（EUS）的机器学习模型，用于辅助诊断纵隔和腹腔内淋巴结 | 将U-Net分割模型与六种深度学习架构结合K近邻算法用于淋巴结分类，并整合专家诊断和逻辑回归模型，显著提升了诊断性能 | 研究为回顾性设计，样本量相对较小（93名患者），且仅基于中国单中心数据，可能影响模型泛化能力 | 提升内镜超声对纵隔和腹腔内淋巴结的诊断准确性，同时降低医疗成本 | 纵隔和腹腔内淋巴结的EUS图像 | 计算机视觉 | 淋巴结病变 | 内镜超声（EUS） | CNN, U-Net | 图像 | 93名患者提供的630张EUS图像 | 未明确说明 | U-Net, ResNet-50 | F1分数, 灵敏度, AUC | NA |
| 265 | 2026-02-27 |
Current State of Artificial Intelligence in Assessing Cardiac Function
2025-Nov-27, Current cardiology reports
IF:3.1Q2
DOI:10.1007/s11886-025-02314-8
PMID:41307845
|
综述 | 本文综述了人工智能在评估心脏功能方面的最新进展，涵盖心电图、超声心动图、心脏CT/MRI及电子健康记录等多种数据模态 | 整合了跨模态AI应用的最新成果，包括基础模型和多模态架构的兴起，这些技术推动了标签高效学习、自动化报告生成和可扩展的群体筛查 | 需要更多稳健的多中心验证、开源代码透明度和前瞻性试验来确认模型的泛化能力并量化患者层面的益处 | 综述人工智能在心血管医学中评估心脏功能的应用进展，旨在促进AI从概念验证向临床不可或缺工具的转变 | 心血管疾病，特别是心脏功能的评估 | 机器学习 | 心血管疾病 | ECG, 超声心动图, 心脏CT/MRI, EHR文本分析 | 深度学习算法, 基础模型, 多模态架构 | 心电图, 图像, 文本 | NA | NA | NA | 准确性 | NA |
| 266 | 2026-02-27 |
Current Advancements in Digital Neuropathology and Machine Learning for the Study of Neurodegenerative Diseases
2025-Nov, The American journal of pathology
DOI:10.1016/j.ajpath.2024.12.018
PMID:39954963
|
综述 | 本文综述了数字神经病理学与机器学习在神经退行性疾病研究中的当前进展与应用潜力 | 强调了利用全切片图像和先进机器学习/人工智能技术进行神经退行性疾病分析的计算神经病理学这一新兴领域，包括自动化疾病分期、识别新型形态学生物标志物以及通过多模态AI方法揭示新临床见解 | 领域面临专家标注有限、切片扫描不可及、机构间差异以及共享大型全切片图像数据集的复杂性等挑战 | 探讨计算神经退行性神经病理学如何增强神经病理学评估、诊断和研究，以推进对神经退行性疾病的理解 | 神经退行性疾病的神经病理学数据，特别是全切片图像 | 数字病理学 | 神经退行性疾病 | 全切片成像，机器学习/人工智能技术 | 深度学习模型，无监督学习模型，可解释AI模型 | 图像（全切片图像） | NA | NA | NA | NA | NA |
| 267 | 2026-02-27 |
ESCMID workshop: Artificial intelligence and machine learning in medical microbiology diagnostics
2025 Nov-Dec, Microbes and infection
IF:2.6Q3
DOI:10.1016/j.micinf.2025.105562
PMID:40915468
|
会议报告 | 本文介绍了ESCMID举办的关于人工智能和机器学习在医学微生物学诊断中应用的研讨会内容 | 汇集了专家讲座、实践课程和小组讨论，全面探讨了AI/ML在病原体识别、抗菌药物敏感性预测和疫情检测等关键应用，并特别强调了标准化协议、监管合规和伦理考量 | NA | 探讨人工智能和机器学习在医学微生物学诊断领域的应用潜力、挑战和未来发展方向 | 医学微生物学诊断技术、AI/ML工具与平台 | 机器学习 | NA | 全基因组测序、MALDI-TOF质谱分析、数字显微镜 | 深度学习 | 基因组数据、质谱数据、显微图像 | NA | NA | NA | NA | NA |
| 268 | 2026-02-27 |
Prediction of Proto-Oncogene Using Bidirectional GRU and Attention
2025-Nov-01, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2025.26.11.3959
PMID:41312920
|
研究论文 | 本研究提出两种基于注意力机制的深度学习方法，用于预测原癌基因蛋白序列 | 结合注意力机制与卷积神经网络（ACNN）及双向门控循环单元（ABiGRU），提高了蛋白序列分类的准确性和可解释性 | 未提及模型在更广泛数据集或实际临床环境中的泛化能力验证 | 预测原癌基因蛋白序列，以辅助癌症早期预后和靶向药物开发 | 原癌基因蛋白序列 | 生物信息学 | 癌症 | 基因组测序技术 | CNN, GRU | 蛋白序列数据 | 基于Uniprot基准数据集，具体样本数未明确 | NA | ACNN, ABiGRU | 准确率 | NA |
| 269 | 2026-02-26 |
Transforming Intraoperative Breast Cancer Diagnosis through D-FFOCT and AI Integration
2025-Nov-21, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2025.26.11.3877
PMID:41312911
|
评论 | 本文讨论了将动态全场光学相干断层扫描与人工智能相结合，用于术中乳腺癌诊断的变革潜力 | 提出将D-FFOCT的高分辨率实时成像与AI（特别是深度学习算法）相结合，以非破坏性方式显著提升术中诊断速度和准确性 | 实施挑战包括需要高质量数据集以及解决算法偏差问题 | 优化乳腺癌手术的术中诊断，提升决策质量并改善患者预后 | 乳腺癌组织样本 | 数字病理学 | 乳腺癌 | 动态全场光学相干断层扫描 | 深度学习 | 图像 | NA | NA | NA | 诊断准确性, 速度 | NA |
| 270 | 2026-02-25 |
Artificial intelligence-powered copilots for precision diagnosis and surgical assessment of histological growth patterns in resectable colorectal liver metastases: a prospective study
2025-Nov-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002922
PMID:40638258
|
研究论文 | 本研究开发了一种名为COFFEE的基于Transformer的深度学习模型，用于利用结直肠癌肝转移患者的全切片图像精确分类组织病理学生长模式，旨在辅助病理诊断和手术评估 | 开发了首个基于Transformer和TransMIL框架的AI模型COFFEE，用于结直肠癌肝转移中组织病理学生长模式的精确分类，并展示了其在辅助病理医生提高诊断准确性和效率方面的潜力 | 研究样本量相对有限，前瞻性队列仅包含30名患者，且模型在更广泛人群和不同医疗中心中的泛化能力有待进一步验证 | 开发人工智能辅助工具，以提高结直肠癌肝转移中组织病理学生长模式的诊断精度和手术评估效率 | 被诊断为结直肠癌肝转移的患者及其全切片图像 | 数字病理学 | 结直肠癌 | 全切片图像分析 | Transformer, 深度学习 | 图像 | 431名患者（训练集297名，测试集104名，前瞻性队列30名），涉及来自TCGA-COAD队列的1442张WSI和验证集的972张WSI | PyTorch | Vision Transformer, TransMIL | AUC, 准确率 | NA |
| 271 | 2025-11-30 |
Integrative and deep learning-based prediction of therapy response in ovarian cancer
2025-Nov-28, Journal of experimental & clinical cancer research : CR
IF:11.4Q1
DOI:10.1186/s13046-025-03554-w
PMID:41316472
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 272 | 2026-02-17 |
Decoding Dendritic Cell Subtypes via Integrated Radiogenomics: A Stacked Ensemble Model for Predicting Immunotherapy Response in NSCLC
2025-Nov-15, FASEB journal : official publication of the Federation of American Societies for Experimental Biology
IF:4.4Q2
DOI:10.1096/fj.202501990R
PMID:41160086
|
研究论文 | 本研究通过整合单细胞RNA测序、影像组学和深度学习，开发了一个多模态框架，用于解码树突状细胞亚型并预测非小细胞肺癌患者对免疫疗法的反应 | 首次将单细胞RNA测序、影像组学和深度学习结合，采用堆叠集成学习方法整合转录组、临床和影像组学数据，以预测免疫治疗反应并识别关键的树突状细胞标记基因 | 未明确说明样本量是否足够大或模型是否在其他独立队列中得到验证，可能限制了结果的泛化能力 | 预测非小细胞肺癌患者对PD-1抑制剂免疫疗法的反应，并探索树突状细胞介导的机制 | 非小细胞肺癌患者的肿瘤样本，包括响应者和非响应者 | 数字病理学 | 肺癌 | 单细胞RNA测序, 影像组学 | LSTM, ResNet50, 集成学习 | 转录组数据, 临床数据, 影像数据 | NA | NA | LSTM, ResNet50 | 准确率, AUC | NA |
| 273 | 2026-02-13 |
Opportunities for AI-based Model-informed Drug Development: A Comparative Analysis of NONMEM and AI-based Models for Population Pharmacokinetic Prediction
2025-Nov-18, The AAPS journal
DOI:10.1208/s12248-025-01121-x
PMID:41254220
|
研究论文 | 本研究通过比较传统NONMEM方法与多种AI/ML模型在群体药代动力学预测中的表现，评估了AI在模型引导的药物开发中的潜力 | 首次系统比较了传统非线性混合效应模型与多种AI/ML模型（包括神经网络ODE模型）在模拟和真实临床数据集上的预测性能，并强调了AI模型在预测精度和计算效率方面的潜在优势 | 研究结果可能受限于特定数据集和模型类型，且AI模型在可解释性方面可能仍存在挑战，需要进一步验证 | 评估AI/ML方法在群体药代动力学建模中的有效性，以改进模型引导的药物开发策略 | 模拟数据集（基于二室模型生成）和真实临床数据集（来自1,770名患者的临床试验数据） | 机器学习 | NA | 群体药代动力学建模 | 机器学习模型, 深度学习模型, 神经网络ODE模型 | 临床数据 | 1,770名患者 | NA | NA | 均方根误差, 平均绝对误差, 决定系数 | NA |
| 274 | 2026-02-12 |
The Use of DeepQSAR Models for the Discovery of Peptides with Enhanced Antimicrobial and Antibiofilm Potential
2025-Nov-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02138
PMID:41195811
|
研究论文 | 本研究利用基于循环神经网络的DeepQSAR模型预测广谱抗菌肽活性，并设计出具有增强抗菌和抗生物膜潜力的新型肽 | 首次将DeepQSAR模型应用于抗菌肽的发现，成功设计出在抗菌和抗生物膜活性上均优于已知肽IDR-1018的新型肽序列 | 模型预测性能依赖于有限的训练数据量，且实验验证仅针对部分设计肽进行，未进行大规模体内外功能验证 | 开发基于深度学习的定量构效关系模型，以加速具有广谱抗菌和抗生物膜活性的新型抗菌肽的发现 | 抗菌肽（AMPs）及其衍生物 | 机器学习 | 细菌感染 | 定量构效关系（QSAR） | 循环神经网络（RNN） | 分子描述符数据 | 训练数据量未明确说明，但提及随着可用AMP训练数据增加而提升模型性能；设计了100个新型肽，其中44个进行了实验验证 | 未明确说明 | 基于循环神经网络的QSAR模型 | 5折交叉验证准确率 | NA |
| 275 | 2026-02-12 |
Current Research and Development in the Field of Magnetic Resonance Contrast Media
2025-Nov-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001206
PMID:40622723
|
综述 | 本文讨论了下一代高弛豫率钆基对比剂的研究进展，包括安全性研究、MR技术改进以及新型对比剂的开发 | 重点关注下一代钆基对比剂（如gadopiclenol和gadoquatrane）可能取代现有标准，并重新探索锰基化合物在临床MR对比剂中的应用 | 锰基化合物的临床影像潜力尚不明确，且关于钆基对比剂稳定性的新信息仍在不断涌现 | 综述磁共振对比剂领域的最新研究与发展 | 钆基对比剂（包括线性和大环螯合物）、锰基化合物 | 医学影像 | NA | 磁共振成像（MRI） | NA | NA | NA | NA | NA | NA | NA |
| 276 | 2026-02-11 |
Developing an Artificial Intelligence Chatbot for Snake Image Classification and Accuracy Improvement
2025-Nov-05, The American journal of tropical medicine and hygiene
DOI:10.4269/ajtmh.25-0101
PMID:40840366
|
研究论文 | 本研究开发了一种基于Swin Transformer v2架构的深度学习模型，用于蛇类图像分类，并通过测试时目标检测与裁剪（TT-ODC）预处理方法提升模型在真实场景中的准确率 | 提出了TT-ODC预处理方法，有效缩小了模型在验证集与外部测试集之间的性能差距，并将模型集成至LINE聊天机器人中实现实际应用 | 研究主要针对台湾地区的蛇类，模型在其他地理区域的泛化能力未经验证 | 开发一种能够准确识别蛇类物种的人工智能工具，以辅助临床蛇咬伤治疗中的抗蛇毒血清选择 | 蛇类图像 | 计算机视觉 | 蛇咬伤 | 深度学习，图像分类 | Transformer | 图像 | 训练集：12,000张图像（源自30,573张标注图像）；外部测试集：2,400张图像 | 未明确提及 | Swin Transformer v2 | 准确率 | NA |
| 277 | 2026-02-11 |
Metabolic modelling: Insights into the machine room of plant metabolism
2025-Nov, Journal of plant physiology
IF:4.0Q1
DOI:10.1016/j.jplph.2025.154584
PMID:40957247
|
综述 | 本文综述了植物代谢建模的最新趋势，探讨了如何利用这些方法从亚细胞到群落和生态系统层面研究代谢，并讨论了机器学习与深度学习在模型构建和分析中的应用 | 将代谢建模的范围扩展到涵盖多种植物物种、基因型和环境特异性代谢、特化代谢途径，并整合时空分辨率与植物-微生物相互作用，同时探索了机器学习辅助模型重建与分析的混合策略 | NA | 从网络视角研究植物代谢，提供对网络层面过程的机制性见解 | 植物代谢网络 | 机器学习 | NA | 代谢建模 | 深度学习 | NA | NA | NA | NA | NA | NA |
| 278 | 2026-02-09 |
Deep learning-driven proteomics analysis for gene annotation in the renin-angiotensin system
2025-Nov-05, European journal of pharmacology
IF:4.2Q1
DOI:10.1016/j.ejphar.2025.178119
PMID:40907688
|
研究论文 | 本研究开发了一个多标签深度学习模型，用于系统注释肾素-血管紧张素系统（RAS）基因功能，并通过蛋白质组学验证其在心血管疾病中的关键作用 | 首次将多标签AI建模与细胞外囊泡（EV）蛋白质组学相结合，用于RAS通路注释，并揭示了一个新的IRAP/Ywha(s)/Nedd4-2-ACE2相互作用轴作为潜在治疗靶点 | 研究主要基于文献数据，实验验证仅限于DOCA-盐高血压小鼠模型，可能无法完全代表人类疾病状态 | 系统注释RAS基因功能并阐明其在生物通路中的作用，以推进对心血管疾病的理解 | 肾素-血管紧张素系统（RAS）相关基因，特别是AGTR2、IRAP（LNPEP）、Ywhas（SFN）、EDNRA和ESR2 | 自然语言处理 | 心血管疾病 | 文本挖掘，蛋白质组学，毛细管Western分析 | MLP | 文本 | 来自PubMed和PMC的39,463篇RAS相关出版物 | NA | 多层感知机 | 精确度，F1分数，排序损失，ROC-AUC | NA |
| 279 | 2026-02-08 |
Novel fusion architecture of multi-location blood flow sounds for arteriovenous fistula stenosis diagnosis
2025-Nov, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109022
PMID:40886696
|
研究论文 | 本文提出了一种基于多位置血流声音融合的架构，用于动静脉瘘狭窄诊断 | 引入了多位置融合架构（MPFA）结合位置元数据，通过通道融合和时间融合策略，利用多个血管段的声音信息提升诊断准确性，而非仅依赖模型复杂度增加 | 未明确说明数据采集的具体环境条件或潜在噪声干扰，且样本量未在摘要中详细披露 | 诊断动静脉瘘狭窄并确定其精确位置 | 动静脉瘘的血流声音数据 | 机器学习 | 心血管疾病 | 血流声音分析 | 深度学习模型 | 声音数据 | NA | NA | 通用模型和个体位置模型 | 准确率 | NA |
| 280 | 2026-02-06 |
MSFHNet: a hybrid deep learning network for multi-scale spatiotemporal feature extraction of spatial cognitive EEG signals in BCI-VR systems
2025-Nov, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03386-y
PMID:40471491
|
研究论文 | 本文提出了一种名为MSFHNet的混合深度学习网络，用于在BCI-VR系统中提取空间认知EEG信号的多尺度时空特征 | 提出了一种结合多尺度扩张卷积与通道-空间注意力机制的混合神经网络架构，用于深度提取EEG信号的时空特征，并在beta2频段实现了高分类精度 | NA | 通过人工智能分析脑电图数据，解码空间任务期间的脑活动模式，以提升BCI-VR系统在空间认知训练与评估中的应用 | 空间认知EEG信号 | 机器学习 | NA | 脑电图（EEG） | CNN, 注意力机制 | EEG信号 | NA | NA | MSFHNet | 分类准确率 | NA |