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 421 - 440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 421 | 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 |
| 422 | 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 |
| 423 | 2025-12-20 |
Unconstrained deep learning-based sleep stage classification using cardiorespiratory and body movement activities in adults with suspected sleep apnea
2025-Nov-11, Proceedings of the Japan Academy. Series B, Physical and biological sciences
DOI:10.2183/pjab.101.032
PMID:40887298
|
研究论文 | 本研究评估了使用床垫下压电传感器获取的心肺和身体活动数据，通过深度学习进行无约束睡眠分期分类的可行性 | 提出了一种基于床垫压电传感器的无约束睡眠监测方法，利用心肺变异性和身体活动特征，通过双向LSTM网络实现睡眠分期，为家庭睡眠监测提供了新方案 | 研究样本仅包括疑似睡眠呼吸暂停的成人患者（106人），模型性能（平衡准确率0.70）仍有提升空间，未在更广泛人群或不同睡眠障碍患者中验证 | 开发无需传统多导睡眠图（PSG）束缚的自动化睡眠分期方法，推动家庭睡眠监测技术的发展 | 106名未经治疗的疑似睡眠呼吸暂停成年患者 | 机器学习 | 睡眠呼吸暂停 | 压电传感器信号采集，多导睡眠图（PSG） | 双向长短期记忆网络（BiLSTM） | 时序生理信号数据（心率、呼吸率、身体运动等） | 106名疑似睡眠呼吸暂停的成人参与者 | NA | 双向长短期记忆网络（BiLSTM） | 平衡准确率，Cohen's κ系数，F1分数，Deming回归，Bland-Altman分析 | NA |
| 424 | 2025-12-20 |
Deep learning-based non-invasive differential diagnosis of eyelid basal cell and sebaceous gland carcinomas using photographic images
2025-Nov-04, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-025-03801-1
PMID:41186742
|
研究论文 | 本研究开发了一种基于ResNet50的深度学习模型，利用眼睑基底细胞癌和皮脂腺癌的摄影图像进行非侵入性鉴别诊断 | 首次提出基于摄影图像的深度学习模型用于眼睑基底细胞癌和皮脂腺癌的非侵入性鉴别诊断，相比传统病理检查具有无创、快速的优势 | 研究数据仅来自单一医疗中心，样本量相对有限（共370张图像），需要多中心验证以提高泛化能力 | 开发一种非侵入性的早期鉴别诊断方法，用于区分眼睑基底细胞癌和皮脂腺癌，减少诊断延迟并提高准确性 | 眼睑基底细胞癌和皮脂腺癌的摄影图像 | 计算机视觉 | 皮肤癌 | 摄影图像采集 | CNN | 图像 | 370张摄影图像（199张眼睑基底细胞癌，171张眼睑皮脂腺癌） | NA | ResNet50 | 准确率, F1分数, 敏感性, 特异性 | NA |
| 425 | 2025-12-20 |
Light scattering patterns of triaxial ellipsoidal drops and their use in inferring drops' shapes, aided by deep learning
2025-Nov-03, Optics express
IF:3.2Q2
DOI:10.1364/OE.579521
PMID:41414109
|
研究论文 | 本研究通过扩展矢量复射线模型（VCRM3D）来探究三轴椭球液滴的光散射特性，并利用深度学习从单次光散射图案中推断液滴的三维形状 | 首次将VCRM3D模型扩展至三轴椭球液滴的光散射研究，建立了首个椭球液滴光散射图案数据库，并利用卷积神经网络从单次散射图案中实现高精度三维形状重建 | 研究基于合成数据库进行训练和验证，未明确提及在真实实验环境中的泛化性能或噪声影响 | 开发一种基于单次光散射图案的非球形液滴三维形状推断方法，以替代传统多视角成像技术 | 三轴椭球液滴（非球形液滴） | 机器视觉 | NA | 光散射模拟、深度学习 | CNN | 图像（光散射图案） | NA | NA | NA | 平均相对误差 | NA |
| 426 | 2025-12-20 |
DLAO: a physics-informed deep learning framework for aberration correction in optical coherence tomography
2025-Nov-03, Optics express
IF:3.2Q2
DOI:10.1364/OE.576331
PMID:41414138
|
研究论文 | 本文提出了一种基于物理信息深度学习的自适应光学框架DLAO，用于高效校正光学相干断层扫描图像中的复杂像差 | 引入了伪点扩散函数预处理步骤，将高维图像恢复任务转化为低维物理参数估计问题；设计了层间自适应渐进注意力网络，结合多尺度特征融合机制和新型LAPA模块，以增强对分层、多尺度特征的捕获能力 | 未明确提及 | 解决光学相干断层扫描中因系统缺陷和样本不均匀性引起的像差问题，以提升图像质量 | 光学相干断层扫描图像 | 计算机视觉 | NA | 光学相干断层扫描 | 深度学习 | 图像 | NA | NA | 层间自适应渐进注意力网络 | 峰值信噪比, 结构相似性指数 | NA |
| 427 | 2025-12-20 |
MSSPUNet: phase unwrapping using a multi-scale, multi-stage deep neural network for digital holographic tomography
2025-Nov-01, Journal of the Optical Society of America. A, Optics, image science, and vision
DOI:10.1364/JOSAA.571895
PMID:41411586
|
研究论文 | 本文提出了一种用于数字全息层析成像相位解缠的多尺度、多阶段深度神经网络MSSPUNet | 提出了一种结合多尺度特征融合与多阶段优化策略的Transformer网络，以增强跨尺度相位解缠的精度和鲁棒性 | 未明确说明模型在极端噪声或复杂畸变条件下的性能边界，且真实数据验证范围有限 | 解决数字全息层析成像中相位解缠的精度和鲁棒性问题 | 细胞、类器官、仿体以及传统3D打印结构的数字全息层析图像 | 计算机视觉 | NA | 数字全息层析成像 | Transformer网络 | 相位图像 | 大量模拟数据集及真实DHT图像（细胞、类器官、仿体、3D打印结构） | NA | MSSPUNet（多尺度多阶段Transformer网络） | 准确性、鲁棒性、泛化能力 | NA |
| 428 | 2025-12-19 |
INVESTIGATING CORRELATIONS BETWEEN MENTAL DISORDERS AND FUNDUS IMAGING DATA USING DEEP LEARNING: A Study From the UK Biobank
2025-11-01, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000004574
PMID:40601933
|
研究论文 | 本研究利用深度学习技术，基于UK Biobank数据库中的眼底图像和光学相干断层扫描数据，探索精神障碍与眼底生物标志物之间的关联 | 首次提出基于深度学习的多模态训练方法，用于自动识别精神行为障碍并解释其与眼底成像特征之间的潜在关联 | 样本量相对有限（1494名参与者），且研究结果仅为初步发现，需要更大规模的数据集进行验证 | 自动识别精神行为障碍，并探索精神疾病与眼底生物标志物之间的关联 | UK Biobank数据库中1494名参与者的眼底图像和光学相干断层扫描数据 | 数字病理学 | 精神障碍 | 光学相干断层扫描 | 深度学习模型 | 图像 | 1494名参与者 | NA | 多模态模型 | ROC曲线下面积, 敏感性, 特异性 | NA |
| 429 | 2025-12-18 |
Artificial intelligence tools for the assessment and management of dysphagia: protocol for a scoping review
2025-Nov-26, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2025-108726
PMID:41298263
|
综述 | 本文是关于人工智能工具在吞咽困难评估与管理中应用的范围综述研究方案 | 首次系统性地规划对人工智能（包括机器学习和深度学习）在吞咽困难领域应用文献的范围综述，旨在填补现有文献综合的空白 | 排除仅涉及儿科人群的研究，且不涉及患者个体数据的收集 | 系统梳理和综合人工智能工具在吞咽困难评估与管理方面的现有文献，为临床实施提供更清晰的指南 | 关注人工智能工具（如机器学习、深度学习和计算机视觉）用于评估和管理吞咽困难的研究 | 自然语言处理, 计算机视觉, 机器学习 | 吞咽困难 | NA | NA | 文本 | NA | NA | NA | NA | NA |
| 430 | 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 |
| 431 | 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 |
| 432 | 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 |
| 433 | 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 |
| 434 | 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 |
| 435 | 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 |
| 436 | 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 |
| 437 | 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 |
| 438 | 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 |
| 439 | 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 |
| 440 | 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 |