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 1720 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 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 |
| 282 | 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 |
| 283 | 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 |
| 284 | 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 |
| 285 | 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 |
| 286 | 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 |
| 287 | 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 |
| 288 | 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 |
| 289 | 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 |
| 290 | 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 |
| 291 | 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 |
| 292 | 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 |
| 293 | 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 |
| 294 | 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 |
| 295 | 2025-12-20 |
Encryption and decryption applications on conductive films using THz real-time high-resolution imaging
2025-Nov-17, Optics express
IF:3.2Q2
DOI:10.1364/OE.578547
PMID:41414329
|
研究论文 | 本文提出了一种基于太赫兹实时准近场成像系统的低成本、高隐蔽性信息加密与解密应用 | 结合材料基加密策略、先进太赫兹成像与深度学习去噪，形成统一框架，实现复杂噪声环境下加密信息的清晰识别 | 在超低信噪比条件下，成像清晰度显著下降，这是实际应用中的主要挑战 | 开发用于安全通信、防伪和信息保护的太赫兹成像加密与解密技术 | 基于不同成分石墨铅笔设计的文本、涂层和二维码图案加密结构 | 计算机视觉 | NA | 太赫兹实时准近场成像 | CNN | 图像 | NA | NA | 改进的U-Net | 峰值信噪比, 结构相似性, 特征相似性 | NA |
| 296 | 2025-12-20 |
SNR enhancement for low-SNR amplitude-modulated holographic data storage based on deep learning
2025-Nov-17, Optics express
IF:3.2Q2
DOI:10.1364/OE.573648
PMID:41414339
|
研究论文 | 本文提出了一种改进的U-Net模型DRAMCU-Net，用于增强全息数据存储图像的信噪比 | 引入了扩张残差注意力块和多尺度卷积块，以提升对低信噪比数据页中随机噪声的处理能力 | 未明确说明模型在极端噪声条件下的性能或计算效率 | 增强振幅调制全息存储中低信噪比数据页的信噪比 | 全息数据存储图像 | 计算机视觉 | NA | NA | CNN | 图像 | NA | NA | U-Net, DRAMCU-Net | 信噪比 | NA |
| 297 | 2025-12-20 |
Deep-learning-enabled single-shot fringe projection profilometry based on inner shifting-phase encoding
2025-Nov-17, Optics express
IF:3.2Q2
DOI:10.1364/OE.576136
PMID:41414342
|
研究论文 | 本文提出了一种基于深度学习结合内移相编码的单次条纹投影轮廓术方法，用于动态三维测量 | 通过将条纹阶次嵌入单幅高频条纹图案的相移分量，并采用物理约束的双网络架构，解决了单次测量中包裹相位和条纹阶次同时准确提取的固有模糊性问题 | 未明确提及具体局限性，但单次测量方法可能仍受限于复杂场景或噪声干扰 | 实现高精度的动态三维测量，特别是针对复杂和孤立物体 | 复杂和孤立物体的三维形状 | 计算机视觉 | NA | 条纹投影轮廓术，内移相编码 | CNN | 图像 | NA | NA | 轻量级卷积神经网络 | 绝对相位恢复精度 | 低计算复杂度 |
| 298 | 2025-12-20 |
The application of artificial intelligence-based algorithms in predicting the progression of keratoconus: a systematic review
2025-Nov-15, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-025-03855-1
PMID:41240157
|
系统综述 | 本文系统综述了人工智能算法在预测圆锥角膜进展中的应用 | 首次系统性地评估了多种AI模型在圆锥角膜进展预测中的表现，并识别了关键预测因素，如后表面高度、最大角膜曲率和年龄 | 研究证据受限于进展标准不一致、缺乏独立多中心外部验证、依赖特定设备以及校准和决策曲线分析报告不全面 | 评估人工智能算法在预测圆锥角膜进展方面的应用效果 | 圆锥角膜患者 | 机器学习 | 圆锥角膜 | NA | 机器学习,深度学习 | NA | 10,940只眼睛 | NA | NA | AUC,准确率 | NA |
| 299 | 2025-12-20 |
Simulation and empirical evaluation of biologically-informed neural network performance
2025-Nov-14, bioRxiv : the preprint server for biology
DOI:10.1101/2025.11.13.687845
PMID:41292768
|
研究论文 | 本文通过模拟框架和实证评估，研究了生物信息神经网络（BiNNs）在预测前列腺癌转移状态中的性能影响因素 | 开发了两个模拟框架来系统评估BiNN性能的影响因素，包括信号类型、强度、特征稀疏性和样本大小，并实证测试了整合种系和体细胞数据的效果 | P-NET在稀疏的种系数据上表现不佳，且添加种系数据未改善预测性能，仅提升了基因优先级排序和模型解释性 | 评估生物信息神经网络（BiNNs）的性能影响因素，并应用于前列腺癌转移状态的预测 | 前列腺癌患者 | 机器学习 | 前列腺癌 | 体细胞突变和拷贝数变异分析 | BiNN, P-NET | 基因组数据（体细胞突变、拷贝数、种系变异） | 未明确指定 | NA | 基于Reactome通路数据库的架构 | 预测准确性、基因优先级排序、模型解释性 | NA |
| 300 | 2025-12-20 |
Machine Learning Methods for the Prediction of Intraoperative Hypotension with Biosignal Waveforms
2025-Nov-14, Medicina (Kaunas, Lithuania)
DOI:10.3390/medicina61112039
PMID:41303875
|
研究论文 | 本研究旨在开发和验证利用生物信号波形和个性化临床信息预测术中低血压的机器学习和深度学习模型 | 结合四种生物信号波形（动脉血压、心电图、光电容积脉搏波、二氧化碳波形）与患者临床信息，开发了梯度提升机和混合CNN-RNN模型，用于预测术中低血压 | 研究为回顾性观察性研究，数据来源于单一医疗中心，可能限制了模型的泛化能力 | 开发能够预测术中低血压的预测模型，以预防术后心肌梗死、急性肾损伤等并发症 | 接受非心脏手术的患者 | 机器学习 | 心血管疾病 | 生物信号波形分析 | 梯度提升机, CNN-RNN | 波形数据, 临床信息 | 2611名患者 | NA | CNN-RNN | AUROC, 准确率 | NA |