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 801 - 820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 801 | 2025-11-28 |
Comparative Analysis of Transformer Architectures and Ensemble Methods for Automated Glaucoma Screening in Fundus Images from Portable Ophthalmoscopes
2025-Nov-03, Vision (Basel, Switzerland)
DOI:10.3390/vision9040093
PMID:41283577
|
研究论文 | 本研究比较多种Transformer架构和集成方法在便携式眼底镜图像中自动筛查青光眼的性能 | 首次系统评估Transformer集成方法在低质量便携设备图像上的青光眼检测性能，通过患者级聚合显著提升准确度 | 研究主要基于特定数据集，在更广泛设备类型和人群中的泛化能力仍需验证 | 开发适用于便携设备的鲁棒青光眼自动筛查方法 | 眼底图像 | 计算机视觉 | 青光眼 | 深度学习 | Transformer | 图像 | Brazil Glaucoma数据集和私有D-Eye数据集 | NA | Swin-Tiny, ViT-Base, MobileViT-Small, DeiT-Base | 准确率, F1分数, 敏感度 | NA |
| 802 | 2025-11-28 |
Artificial intelligence-based metal artefact correction algorithm for radiotherapy patients with dental hardware in head and neck CT: towards precise imaging
2025-Nov-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf038
PMID:40366748
|
研究论文 | 本研究评估基于人工智能的金属伪影校正算法在头颈部CT中对牙科金属植入物患者图像质量的改善效果 | 首次在体内研究中证明基于深度学习的AI-MAC算法在金属伪影校正方面优于传统插值法MAC | 回顾性研究设计，样本量较小（41例患者），仅针对头颈部放疗患者 | 评估AI-MAC算法在头颈部CT中减少牙科金属伪影的临床效能 | 41例带有不可移除牙科金属植入物并接受头颈部CT扫描的放疗患者 | 医学影像处理 | 头颈部肿瘤 | CT扫描，深度学习 | 深度学习模型 | CT图像 | 41例患者 | NA | NA | 信噪比，伪影指数，Dice相似系数，Hausdorff距离 | NA |
| 803 | 2025-11-28 |
Development of an Open-Source Algorithm for Automated Segmentation in Clinician-Led Paranasal Sinus Radiologic Research
2025-Nov, The Laryngoscope
DOI:10.1002/lary.32292
PMID:40421828
|
研究论文 | 开发并验证用于鼻窦CT自动分割的开源算法 | 提供首个专门针对鼻窦腔的公开可用的深度学习分割算法 | 样本量相对较小（100个扫描），需要进一步验证 | 为耳鼻喉科研究社区开发开源分割算法 | 鼻窦CT扫描 | 数字病理 | 鼻窦疾病 | CT扫描 | 深度学习 | 医学影像 | 100个鼻窦扫描，7300个切片 | NA | UNet++ | Dice相似系数, IoU, Hausdorff距离, 敏感度, 特异度, 视觉相似度评分 | NA |
| 804 | 2025-11-28 |
Automated Detection and Grading of Renal Cell Carcinoma in Histopathological Images via Efficient Attention Transformer Network
2025-Nov-01, Medical sciences (Basel, Switzerland)
DOI:10.3390/medsci13040257
PMID:41283258
|
研究论文 | 提出EAT-Net双流深度学习模型，用于自动检测和分级肾细胞癌组织病理学图像 | 结合EfficientNet局部特征提取和Vision Transformer全局上下文依赖捕获，集成SE模块重新校准特征图 | NA | 自动化肾细胞癌组织病理学分级 | 肾细胞癌组织病理学图像 | 数字病理学 | 肾细胞癌 | 组织病理学成像 | CNN, Transformer | 图像 | 两个公开数据集KMC-RENAL和RCCG-Net | NA | EfficientNetB0, Vision Transformer, Squeeze-and-Excitation | 准确率, 精确率, 召回率, F1分数 | NA |
| 805 | 2025-11-28 |
Development of a PANoptosis-Related Pathomics Prognostic Model in Ovarian Cancer: A Multi-Omics Study
2025-Nov, Journal of cellular and molecular medicine
IF:4.3Q2
DOI:10.1111/jcmm.70958
PMID:41284376
|
研究论文 | 本研究开发了一种基于PANoptosis相关病理组学的卵巢癌预后深度学习模型 | 首次探索PANoptosis在卵巢癌预后中的作用，并开发了结合多组学数据的病理组学预后模型 | 研究基于公开数据库数据，需要进一步实验验证 | 阐明PANoptosis在卵巢癌预后中的作用并开发预后模型 | 卵巢癌患者 | 数字病理 | 卵巢癌 | scRNA-seq, 空间转录组, 病理图像分析 | 深度学习 | 基因表达数据, 空间数据, 病理图像 | TCGA、GTEx和GEO数据库的卵巢癌数据 | NA | ResNet-50 | 预后预测准确性 | NA |
| 806 | 2025-11-28 |
Few-shot learning for the classification of colorectal neuroendocrine tumors and polyps on endoscopic images
2025-Nov, The Journal of international medical research
IF:1.4Q4
DOI:10.1177/03000605251395564
PMID:41285115
|
研究论文 | 提出一种基于小样本学习的结直肠神经内分泌肿瘤和息肉内镜图像分类方法 | 首次将小样本学习应用于结直肠神经内分泌肿瘤与息肉的分类，解决了罕见病数据稀缺问题 | 样本量相对有限（总计195张图像），且为回顾性研究 | 开发能够准确分类结直肠神经内分泌肿瘤和息肉的计算机辅助诊断系统 | 结直肠神经内分泌肿瘤、锯齿状病变和息肉、传统腺瘤的内镜图像 | 计算机视觉 | 结直肠癌 | 内镜成像 | 小样本学习 | 图像 | 195张内镜图像（56张锯齿状病变和息肉，86张腺瘤，53张神经内分泌肿瘤） | TensorFlow, Keras | ResNet50 V2 | AUC, F1-score, Matthews相关系数, Cohen's kappa, 准确率, 灵敏度, 精确率 | NA |
| 807 | 2025-11-27 |
Artificial intelligence-enabled hydrogels: innovations and applications
2025-Nov-26, Journal of materials chemistry. B
DOI:10.1039/d5tb01944c
PMID:41165199
|
综述 | 本文综述了人工智能在水凝胶材料设计与性能优化中的创新方法及其在3D打印、环境检测和伤口愈合等领域的多场景应用 | 将人工智能技术（机器学习和深度学习）与传统水凝胶研究交叉融合，推动水凝胶向智能化和功能化方向发展 | AI驱动的水凝胶研究仍面临方法局限性和技术挑战 | 探讨人工智能在水凝胶材料研究中的创新应用和发展趋势 | 水凝胶材料及其在生物医学等领域的应用 | 材料科学,生物医学工程 | NA | 机器学习,深度学习 | NA | 材料性能数据,应用场景数据 | NA | NA | NA | NA | NA |
| 808 | 2025-11-27 |
Recent Advances in Integrating Machine Learning with Omics Approaches in Food Science and Nutrition Research
2025-Nov-26, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c08522
PMID:41229200
|
综述 | 探讨机器学习与多组学技术在食品科学与营养研究中的整合应用现状与前景 | 系统整合基因组学、转录组学、蛋白质组学、代谢组学等多组学数据与机器学习方法的协同应用 | 面临数据质量、模型可靠性和可解释性方面的挑战 | 推动机器学习与组学技术在食品加工、安全评估和营养干预中的预测模型开发 | 食品成分、微生物组及食品与人类健康的复杂关系 | 机器学习 | NA | 基因组学, 转录组学, 蛋白质组学, 代谢组学, 多组学整合 | 经典机器学习, 深度学习, 人工神经网络 | 多组学数据 | NA | NA | NA | NA | NA |
| 809 | 2025-11-27 |
[Artificial intelligence accelerates bridging the gap in intelligent surgery through medical-engineering-mathematical integration]
2025-Nov-26, Zhonghua wai ke za zhi [Chinese journal of surgery]
|
综述 | 探讨人工智能在推动医学-工程-数学融合以缩小智能外科差距中的关键作用 | 系统阐述AI技术（深度学习、计算机视觉、自然语言处理和多模态融合）在 bridging 医学-工程-数学融合差距中的核心驱动作用 | 主要基于肝胆胰外科案例和实践进行分析，未涵盖其他外科专科的验证 | 分析当前阻碍外科领域医学-工程-数学融合的关键障碍，并提出AI驱动的解决方案 | 外科手术领域的医学-工程-数学融合过程 | 计算机视觉,自然语言处理,机器学习 | 肝胆胰疾病 | 深度学习,计算机视觉,自然语言处理,多模态融合 | NA | 多模态医疗数据 | 基于国际案例研究和机构实践 | NA | NA | NA | NA |
| 810 | 2025-11-27 |
[Advances in the treatment and prognosis of intrahepatic cholangiocarcinoma]
2025-Nov-26, Zhonghua wai ke za zhi [Chinese journal of surgery]
|
综述 | 本文综述肝内胆管癌的治疗进展与预后管理策略 | 系统整合人工智能放射组学与深度学习技术在诊断、预后评估及淋巴结转移预测中的创新应用 | 晚期肝内胆管癌的生存结局仍不理想 | 探讨肝内胆管癌的治疗策略与预后改善方法 | 肝内胆管癌（ICC）患者 | 数字病理 | 胆管癌 | 放射组学, 深度学习 | 深度学习模型 | 医学影像 | NA | NA | NA | 5年生存率 | NA |
| 811 | 2025-11-27 |
Dose stratification-based convolutional neural networks for dose distribution prediction in radiotherapy
2025-Nov-25, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae183f
PMID:41151107
|
研究论文 | 提出基于剂量分层的卷积神经网络方法，用于提高放射治疗中剂量分布预测的精度 | 首次将剂量分层策略与分层预测机制相结合，通过四分量独立预测和同质性损失函数优化局部高梯度区域预测 | 目前仅在头颈癌病例和OpenKBP数据集上进行验证，需要扩展至其他癌症类型 | 提升放射治疗计划中剂量分布预测的准确性和临床适用性 | 头颈癌患者的放射治疗剂量分布 | 医学影像分析 | 头颈癌 | 放射治疗计划 | CNN | 医学影像数据 | OpenKBP数据集中的头颈癌病例 | NA | 卷积神经网络 | 剂量分布预测精度，同质性指数 | NA |
| 812 | 2025-11-27 |
DART Predictor: A Multi-Label Attention Model for High-Throughput Screening of Chemicals with Developmental and Reproductive Toxicity (DART)
2025-Nov-25, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c11641
PMID:41232073
|
研究论文 | 开发基于多标签注意力机制的深度学习模型DART Predictor，用于高通量筛选具有发育和生殖毒性的化学品 | 首次将暴露参数与分子描述符和生物测定活性特征整合，采用标签感知注意力机制预测六种DART结局 | 模型性能依赖于暴露参数的准确性，外部验证数据集规模有限 | 建立暴露信息增强的发育和生殖毒性化学品风险评估新方法 | 具有发育和生殖毒性的化学品 | 机器学习 | 发育和生殖毒性相关疾病 | 深度学习，高通量筛选 | 多标签注意力模型 | 分子描述符，生物测定活性特征，暴露参数 | 25,175条化学多样性记录 | NA | 标签感知注意力机制 | AUC, 召回率 | 云平台部署 |
| 813 | 2025-11-27 |
Single-channel EEG-based sleep stage classification via hybrid data distillation
2025-Nov-25, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae1f3c
PMID:41232135
|
研究论文 | 提出一种混合数据蒸馏方法，用于单通道脑电信号的睡眠分期分类 | 结合梯度匹配和分布匹配的混合数据蒸馏方法，通过将大型真实数据集蒸馏成小型隐私保护的合成数据集来降低计算负担和隐私风险 | 仅在三个公共数据集上验证，未在更广泛的数据集上测试 | 开发计算成本低且保护隐私的自动睡眠分期分类方法 | 单通道脑电信号数据 | 机器学习 | 睡眠障碍 | 脑电信号分析 | 深度学习模型 | 脑电信号时间序列数据 | 三个公共数据集 | NA | NA | NA | NA |
| 814 | 2025-11-27 |
A Dual-Generalization Low-Light Enhancement Framework for Capsule Endoscopy Image Restoration and Segmentation
2025-Nov-25, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3636480
PMID:41289131
|
研究论文 | 提出一种双泛化低光增强框架，用于胶囊内窥镜图像恢复和分割 | 通过亮度级别泛化模块和细节分割泛化模块实现双重泛化能力，能同时处理不同亮度级别和细节程度的胶囊内窥镜图像 | NA | 提升胶囊内窥镜图像在低光条件下的恢复质量和分割精度 | 无线胶囊内窥镜(WCE)图像 | 计算机视觉 | 胃肠道疾病 | 深度学习 | CNN | 图像 | Kvasir-Capsule数据集和RLE数据集 | PyTorch | IGLFM, BLGM, WSGM | PSNR, SSIM, mIoU, Dice系数 | NA |
| 815 | 2025-11-27 |
Multi-view field deep learning and data augmentation for heavy metals concentrations prediction in marine sediments based on visible and near-infrared spectroscopy
2025-Nov-24, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.119037
PMID:41289856
|
研究论文 | 提出融合双重正则化Wasserstein生成对抗网络和多视场长短期记忆网络的方法，用于基于可见-近红外光谱预测海洋沉积物重金属浓度 | 首次将DR-WGAN-GP数据增强与MVF-LSTM多尺度建模相结合，解决海洋沉积物样本稀缺下的重金属浓度预测问题 | 样本数量有限可能影响模型泛化能力，方法仅在特定重金属（Cu和As）上验证 | 开发快速无损的海洋沉积物重金属污染监测方法 | 海洋沉积物中的铜（Cu）和砷（As）重金属浓度 | 机器学习 | NA | 可见-近红外光谱（Vis-NIR spectroscopy） | GAN, LSTM | 光谱数据 | 小规模海洋沉积物样本集 | NA | DR-WGAN-GP, MVF-LSTM | R, RMSE, RPD | NA |
| 816 | 2025-11-27 |
Utilization of an automated machine learning approach for the detection of granular corneal dystrophy via slit lamp photographs
2025-Nov-22, BMC ophthalmology
IF:1.7Q3
DOI:10.1186/s12886-025-04324-0
PMID:41275196
|
研究论文 | 本研究应用自动化机器学习技术通过裂隙灯照片检测颗粒状角膜营养不良 | 首次将Google Vertex-AI自动化机器学习平台应用于罕见眼科疾病GCD的自动诊断 | 样本量较小(仅223张图像)，且排除了伴随其他角膜疾病的患者 | 开发基于自动化机器学习的颗粒状角膜营养不良自动诊断系统 | 颗粒状角膜营养不良患者的裂隙灯照片 | 计算机视觉 | 颗粒状角膜营养不良 | 裂隙灯摄影 | 深度学习 | 图像 | 223张裂隙灯照片(72张GCD, 151张非GCD) | Google Vertex-AI | AutoML | AUPRC, 灵敏度, 特异性, 阳性预测值, 准确率, F1分数 | Google Vertex-AI平台 |
| 817 | 2025-11-27 |
Active Stacking-Deep Learning with Strategic Sampling for Small and Imbalanced Chemical Toxicity Prediction
2025-Nov-18, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c04016
PMID:41280803
|
研究论文 | 提出一种结合主动学习、堆叠集成学习和战略采样的深度学习框架，用于解决化学毒性预测中数据不平衡和有限数据的问题 | 首次将主动学习与堆叠集成学习结合，并集成CNN、BiLSTM和注意力机制，在数据不平衡情况下实现高效毒性预测 | 在不同测试比例下性能有所下降，虽然不确定性方法在严重类别不平衡下表现更稳定 | 提高化学毒性预测的准确性和数据效率，特别是针对干扰甲状腺的化学物质 | 针对甲状腺过氧化物酶的甲状腺干扰化学物质(TDCs) | 机器学习 | 甲状腺功能障碍 | 分子对接 | CNN, BiLSTM, 注意力机制 | 化学数据 | NA | NA | 卷积神经网络, 双向长短期记忆网络, 注意力机制 | MCC, AUROC, AUPRC | NA |
| 818 | 2025-11-27 |
Artificial intelligence powered radiomics model for the assessment of colorectal tumor immune microenvironment
2025-Nov-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v17.i11.108576
PMID:41281478
|
研究论文 | 开发基于深度学习的放射组学模型，用于结直肠肿瘤免疫微环境的无创评估 | 首次结合术前CT影像和组织病理学图像开发深度学习模型预测结直肠癌免疫相关指标 | 研究样本量较小且来自单一医疗中心，缺乏明确的纳入/排除标准，未包含临床病理特征 | 建立无创评估结直肠肿瘤免疫微环境的方法 | 315例确诊结直肠癌患者 | 数字病理 | 结直肠癌 | CT影像学，组织病理学分析 | 深度学习模型 | CT图像，组织病理图像 | 315例结直肠癌患者 | NA | NA | ROC曲线，AUC，决策曲线分析 | NA |
| 819 | 2025-11-27 |
Artificial intelligence in echocardiography: trends, hotspots and future directions
2025-Nov-14, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004061
PMID:41247994
|
综述 | 通过文献计量学方法分析人工智能在超声心动图领域的研究趋势、热点和未来方向 | 首次使用文献计量学方法系统分析AI在超声心动图领域的科研产出和发展轨迹 | 仅基于Web of Science数据库的1296篇文献，可能存在收录偏差 | 分析人工智能在超声心动图领域的研究趋势和发展方向 | 1296篇相关科研文献 | 医学影像分析 | 心血管疾病 | 文献计量学分析 | 深度学习 | 文献元数据 | 1296篇出版物 | bibliometrix R | NA | NA | NA |
| 820 | 2025-11-27 |
Artificial intelligence in contrast enhanced ultrasound: A new era for liver lesion assessment
2025-Nov-14, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i42.112196
PMID:41278165
|
综述 | 本文综述了人工智能在对比增强超声中提升肝脏病灶评估准确性的应用 | 首次系统整合机器学习与深度学习技术于CEUS，实现实时分析和LI-RADS分类标准化 | 需要更多大规模多中心研究验证临床适用性 | 评估AI增强CEUS在肝脏成像中的临床应用价值 | 肝脏病灶的对比增强超声图像 | 医学影像分析 | 肝脏疾病 | 对比增强超声(CEUS) | 机器学习,深度学习 | 超声图像 | NA | NA | NA | LI-RADS分类一致性,操作者间变异性,敏感性 | NA |