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 2151 篇文献，本页显示第 521 - 540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 521 | 2025-12-30 |
Factors Impacting the Performance of Deep Learning Detection of Pulmonary Emboli
2025-Dec-26, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.12.028
PMID:41456841
|
研究论文 | 评估一款FDA批准的商业肺栓塞检测模型在真实世界中的性能，并识别与技术、人口统计学和临床因素相关的性能变化 | 在真实临床环境中评估商业AI模型的性能，并系统分析技术参数和患者合并症对模型性能的影响，为产品选择和部署后监控提供依据 | 研究为单中心回顾性设计，可能限制结果的普遍性；未评估所有潜在混杂因素；模型性能可能受数据质量和标注一致性影响 | 评估商业AI模型在真实世界中的性能，并识别影响性能的因素，以指导部署后监控和部署策略 | 11,144例CT肺血管造影检查 | 数字病理 | 肺栓塞 | CT肺血管造影 | 深度学习模型 | 医学影像 | 11,144例检查，其中1,193例为肺栓塞阳性 | NA | NA | 灵敏度, 阳性预测值 | NA |
| 522 | 2025-12-30 |
Improving multi-scale short-term precipitation forecasting through frequency domain analysis and attention mechanisms
2025-Dec-24, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2025.125276
PMID:41456591
|
研究论文 | 本研究提出了一种结合频域分析和注意力机制的新型短期降水预报模型，旨在提高多尺度降水预报的精度和效率 | 在频域量化降水的多尺度分布特征，并将跨通道多尺度注意力机制与TransUNet混合架构相结合，以捕捉降水时间演变的非线性关系 | 未明确说明模型在极端天气事件或不同地理区域的泛化能力 | 提高短期降水预报的准确性和多尺度特征捕捉能力，同时减少计算资源需求 | 小时降水分布（未来0-24小时） | 机器学习 | NA | NA | TransUNet, 注意力机制 | 时间序列数据（历史降水数据） | NA | NA | TransUNet, 跨通道多尺度注意力机制 | 威胁分数, RMSE | NA |
| 523 | 2025-12-30 |
From traditional to AI-driven: The evolution of intelligent enzyme engineering for biocatalysis
2025-Dec-22, Biotechnology advances
IF:12.1Q1
DOI:10.1016/j.biotechadv.2025.108788
PMID:41443357
|
综述 | 本文综述了从传统方法到人工智能驱动的智能酶工程在生物催化中的演变，总结了常见策略并介绍了机器学习和深度学习模型的最新应用 | 通过整合机器学习和深度学习模型，显著提升了酶工程方法的效率，准确预测突变效应并高效探索不连续序列空间，帮助避免局部适应度最优陷阱 | 存在力场精度限制、突变采样约束、实验通量限制和上位效应等挑战 | 总结酶工程策略并介绍人工智能在其中的应用，以推动酶设计向可预测和高效路径的深刻转变 | 酶工程策略，包括定向进化、理性/半理性设计、残基共进化和从头设计 | 机器学习 | NA | 定向进化、理性/半理性设计、残基共进化分析、从头设计 | 机器学习、深度学习 | 序列数据、结构数据、功能数据 | NA | NA | NA | NA | NA |
| 524 | 2025-12-30 |
Interpretable classification of endomicroscopic brain data via saliency consistent contrastive learning
2025-Dec-19, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103917
PMID:41456554
|
研究论文 | 本文提出了一种新颖的图像分类框架，用于基于pCLE数据的可解释脑组织表征 | 提出了标签对比学习损失以学习类别内相似性和类别间对比，设计了显著性一致性模块生成临床相关显著性图，并引入Top-K最大最小池化层和指数移动平均更新全局嵌入 | 未明确说明 | 提高pCLE脑组织分类的准确性和可解释性 | 离体和在体pCLE脑数据 | 计算机视觉 | 脑肿瘤 | pCLE | 深度学习 | 图像 | 未明确说明 | 未明确说明 | 未明确说明 | 准确性, 鲁棒性, 可解释性 | 未明确说明 |
| 525 | 2025-12-30 |
Learning feature dependencies for precise tumor region detection and segmentation in optical coherence tomography images
2025-Dec-18, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-025-03914-7
PMID:41410798
|
研究论文 | 提出一种新颖的依赖特征分割方法（DIFSM），用于提高视网膜OCT图像中肿瘤区域的定位和分割精度 | 通过整合图像预处理、特征间依赖分析和Vision Transformer架构，明确建模特征间依赖关系，解决重叠像素模糊问题 | 未提及模型在更大规模或更复杂肿瘤类型数据集上的泛化能力 | 提高视网膜OCT图像中肿瘤区域的自动检测和分割精度 | 视网膜OCT图像中的肿瘤感染区域 | 计算机视觉 | 视网膜肿瘤 | 光学相干断层扫描（OCT） | Vision Transformer（ViT） | 图像 | OCTID数据集中的高分辨率视网膜OCT图像 | 未明确指定 | Vision Transformer | Dice系数, IoU, 精确率, 灵敏度, 特异性, 均方匹配误差（MSME） | 未明确指定 |
| 526 | 2025-12-30 |
Large-scale automated measurement and genetic parameters analysis of early-life myofiber characteristics in broilers
2025-Dec-16, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2025.106293
PMID:41456401
|
研究论文 | 本研究利用全切片成像和深度学习工具，大规模自动测量了1032只肉鸡早期肌纤维特征，并分析了其遗传参数 | 首次大规模自动化量化肉鸡肌纤维总数和横截面积，并估计其遗传参数，揭示了肌纤维性状的遗传控制及肌肉间负相关关系 | 研究仅基于早期生命阶段样本，未涵盖整个生长周期；样本量虽大但可能受品种限制 | 探究肉鸡肌纤维特征的遗传参数及其在育种中的应用潜力 | 1032只肉鸡的胸大肌和腓肠肌 | 数字病理学 | NA | 全切片成像 | 深度学习 | 图像 | 1032只肉鸡 | NA | NA | NA | NA |
| 527 | 2025-12-30 |
HEIST: A Graph Foundation Model for Spatial Transcriptomics and Proteomics Data
2025-Dec-11, ArXiv
PMID:41040798
|
研究论文 | 本文提出了一种名为HEIST的分层图变换器基础模型，用于处理空间转录组学和蛋白质组学数据，通过建模组织为分层图结构来整合空间信息和细胞内部基因共表达网络 | HEIST模型首次将空间转录组学和蛋白质组学数据统一建模为分层图结构，通过跨层级消息传递计算基因嵌入，无需固定基因词汇表即可泛化到新数据类型（如空间蛋白质组学） | 未明确说明模型在处理超大规模数据集时的计算效率限制或对特定组织类型的适用性局限 | 开发一个能够同时利用空间信息和细胞内基因/蛋白质表达数据的基础模型，以理解细胞在组织微环境中的调控机制 | 空间转录组学和蛋白质组学数据中的细胞及其基因/蛋白质表达模式 | 计算生物学 | NA | 空间转录组学, 空间蛋白质组学 | 图变换器 | 空间组学数据（包含空间坐标和细胞内转录/蛋白质计数） | 来自15个器官的124个组织中的2230万个细胞 | NA | 分层图变换器 | 临床结果预测准确性, 细胞类型注释性能, 基因插补精度 | NA |
| 528 | 2025-12-30 |
Enlarged Perivascular Spaces and Modifiable Vascular Risk Factors: Cross-Sectional and Longitudinal Analysis in the UK Biobank Cohort
2025-Dec-06, The American journal of geriatric psychiatry : official journal of the American Association for Geriatric Psychiatry
DOI:10.1016/j.jagp.2025.11.016
PMID:41456992
|
研究论文 | 本研究利用英国生物银行队列数据，通过深度学习模型量化脑部MRI中的血管周围间隙，并探讨了血管风险因素、APOE基因型与PVS之间的横断面和纵向关联 | 首次在大规模社区队列中，结合深度学习自动量化PVS，系统分析了多种可改变血管风险因素及APOE基因型与PVS的关联，并关注了性别和脑区特异性模式 | 纵向分析样本量相对较小，随访时间较短，风险因素与PVS的纵向关联有限 | 探讨血管风险因素和APOE基因型与脑部血管周围间隙的关联，以评估PVS作为血管性脑健康生物标志物的潜力 | 英国生物银行队列中的社区居住成年人，横断面分析包括38,121名参与者，纵向分析包括4,225名参与者 | 数字病理学 | 老年疾病 | 脑部MRI | 深度学习模型 | 图像 | 横断面分析38,121名参与者，纵向分析4,225名参与者 | NA | NA | 回归系数(b), 95%置信区间(CI) | NA |
| 529 | 2025-12-30 |
Unveiling Hearts: Deep Learning-Based Electrocardiogram Classification for Congenital Heart Disease Detection
2025-Dec, Current medical science
IF:2.0Q3
DOI:10.1007/s11596-025-00134-z
PMID:41191231
|
研究论文 | 本研究开发了一种基于深度学习的ECG分类方法，用于准确检测先天性心脏病 | 结合CNN和RNN分析ECG信号，并应用SMOTE技术处理类别不平衡问题，提高了分类准确性 | 需要更多数据集进行验证，并需解决实际应用中的噪声处理和外部验证等挑战 | 开发一种深度学习方法来准确分类先天性心脏病 | ECG信号数据 | 机器学习 | 先天性心脏病 | ECG分析 | CNN, RNN | 时间序列数据 | MIT-BIH心律失常数据库 | NA | NA | 准确性 | NA |
| 530 | 2025-12-30 |
Basic Science and Pathogenesis
2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz70855_099341
PMID:41454832
|
研究论文 | 本研究开发了一种基于深度学习的自动化方法，用于分析阿尔茨海默病APP/PS1转基因小鼠模型中淀粉样蛋白斑块微环境中的星形胶质细胞和小胶质细胞的时空动态变化 | 采用可解释的机器学习模型区分反应性星形胶质细胞的肥大形态，并开发了区分血管与非血管淀粉样蛋白斑块的ML模型，提供了比传统染色密度更敏感的疾病进展测量指标 | 研究基于转基因小鼠模型，可能无法完全反映人类阿尔茨海默病的复杂性；样本量相对有限（6、9、12月龄小鼠） | 评估阿尔茨海默病淀粉样蛋白斑块微环境中星形胶质细胞增生和小胶质细胞增生的时空动态变化 | APP/PS1转基因阿尔茨海默病小鼠模型中的星形胶质细胞和小胶质细胞 | 数字病理学 | 阿尔茨海默病 | 多重免疫荧光组织切片分析 | 深度学习, 机器学习 | 图像 | 6、9、12月龄APP/PS1转基因小鼠的组织切片 | 未明确说明 | 未明确说明 | 统计显著性 | NA |
| 531 | 2025-12-30 |
Automated detection of fin whales with distributed acoustic sensing in the Arctic and Mediterranean
2025-Dec-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0041855
PMID:41460012
|
研究论文 | 本研究提出了一种基于分布式声学传感（DAS）和深度学习的自动化检测管道，用于在北极和地中海地区大规模监测长须鲸的低频叫声 | 首次将YOLO深度学习模型应用于DAS数据中的鲸鱼叫声检测，并展示了其在跨地理位置和海床环境下的强泛化能力，无需微调即可实现高性能 | 研究仅基于两条海底电缆的数据集（挪威斯瓦尔巴和摩纳哥-意大利），可能未覆盖所有海洋环境或鲸鱼叫声变体 | 开发一种自动化、可扩展的管道，用于利用分布式声学传感技术监测海洋哺乳动物（特别是长须鲸）的叫声 | 长须鲸的低频叫声 | 机器学习 | NA | 分布式声学传感（DAS） | YOLO, Hough变换, DBSCAN, 模板匹配, LightGBM | 声学数据 | 两条海底电缆的数据集：挪威斯瓦尔巴135公里和摩纳哥-意大利162公里 | NA | YOLO | F1分数 | NA |
| 532 | 2025-12-30 |
Hankel-FNO: Fast underwater acoustic charting via physics-encoded Fourier neural operator
2025-Dec-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0041890
PMID:41460013
|
研究论文 | 本文提出了一种基于傅里叶神经算子的快速水下声学制图方法，通过结合物理知识实现高效准确的声场预测 | 提出了Hankel-FNO模型，将声传播知识和地形信息编码到傅里叶神经算子中，解决了传统数据驱动方法在固定分辨率和显式偏微分方程依赖方面的限制 | 未明确说明模型在极端复杂环境或噪声干扰下的性能表现，且对大规模实时应用的泛化能力仍需进一步验证 | 开发快速准确的水下声学制图方法，以支持环境感知传感器部署优化和自主车辆路径规划等下游任务 | 水下声场传播与声学制图 | 机器学习 | NA | 傅里叶神经算子 | FNO | 声场数据、地形数据 | NA | NA | Hankel-FNO | 准确性、计算速度、长程预测性能 | NA |
| 533 | 2025-12-29 |
A survival prediction model for leptomeningeal metastasis patients with non-small cell lung cancer based on deep learning
2025-Dec-28, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-15503-z
PMID:41455921
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 534 | 2025-12-29 |
Application of Noise2Inverse and adaptation (Noise2Phase) to single-mask x-ray phase contrast micro-computed tomography
2025-Dec-27, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.70056
PMID:41454755
|
研究论文 | 本文探讨了将深度学习去噪技术Noise2Inverse及其改进版本Noise2Phase应用于单掩模X射线相位对比显微CT中，以降低曝光时间需求 | 提出了Noise2Phase方法，该方法利用成像系统特性，无需按投影分割CT数据集，从而优化了去噪流程 | 未明确说明方法在极端噪声水平下的具体性能限制或适用范围 | 旨在通过集成深度学习去噪技术，减少单掩模边缘照明XPCI显微CT的曝光时间，提高成像效率 | 弱衰减材料样本的3D成像 | 计算机视觉 | NA | 单掩模边缘照明X射线相位对比成像，显微CT | 深度学习 | 图像 | NA | NA | Noise2Inverse, Noise2Phase | NA | NA |
| 535 | 2025-12-29 |
Leveraging vision transformer for histological grade prediction in laryngeal and hypopharyngeal squamous cell carcinoma: a large-scale multicenter study
2025-Dec-27, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03876-8
PMID:41454919
|
研究论文 | 本研究开发了一种基于增强CT的Vision Transformer模型，用于无创评估喉及下咽鳞状细胞癌的组织学分级 | 首次将预训练的Vision Transformer模型应用于喉及下咽鳞状细胞癌的增强CT图像分析，以预测组织学分级，并通过大规模多中心数据验证了其性能 | 研究为回顾性设计，可能存在选择偏倚；外部验证队列样本量相对较小 | 开发非侵入性方法预测喉及下咽鳞状细胞癌的组织学分级，以辅助预后评估 | 喉及下咽鳞状细胞癌患者 | 计算机视觉 | 喉癌 | 对比增强CT扫描 | Vision Transformer, XGBoost | 医学图像 | 1648名患者（训练队列1239人，内部验证队列310人，外部验证队列99人） | NA | Vision Transformer | AUC, 决策曲线分析, 校准曲线 | NA |
| 536 | 2025-12-29 |
Graph attention-based heterogeneous multi-agent deep reinforcement learning for adaptive portfolio optimization
2025-Dec-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-32408-w
PMID:41455760
|
研究论文 | 提出了一种基于图注意力机制的异构多智能体深度强化学习框架，用于自适应投资组合优化 | 创新性地整合了图神经网络与异构智能体架构，通过图注意力网络建模时变资产关联性，并采用三种专业化智能体分别处理风险评估、收益预测和市场环境感知 | 未明确说明模型在极端市场事件（如金融危机）中的表现，且实验仅限于美国三大股指数据集 | 解决传统投资组合优化方法在捕捉复杂资产关系和适应动态市场条件方面的局限性 | 金融资产投资组合 | 机器学习 | NA | 深度强化学习 | GNN, 深度强化学习 | 金融时间序列数据 | S&P 500、NASDAQ 100和Russell 2000三个数据集 | NA | 图注意力网络（GAT） | 年化收益率（16.8%）、夏普比率（1.34）、最大回撤（8.2%） | NA |
| 537 | 2025-12-29 |
Multimodal deep learning for cancer prognosis prediction with clinical information prompts integration
2025-Dec-27, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02257-y
PMID:41455823
|
研究论文 | 本文提出了一种名为SurvPGC的多模态深度学习模型，用于整合病理图像、基因组数据和临床记录以预测癌症预后 | 通过文本模板和基础模型将临床信息转化为高维向量，并利用交叉注意力模块实现多模态数据整合，有效捕捉模态特异性特征 | 未明确说明模型在外部验证或不同癌症类型中的泛化能力，且临床信息处理可能受限于数据稀疏性和离散性 | 提高癌症生存预测的准确性，以指导治疗和评估疗效 | 癌症患者的多模态数据，包括病理图像、基因组数据和临床记录 | 数字病理学 | 癌症 | 多模态深度学习 | 深度学习模型 | 图像, 基因组数据, 文本 | 三个癌症基因组图谱数据集，具体样本数量未明确 | NA | 交叉注意力模块 | 注意力可视化，具体评估指标未明确 | NA |
| 538 | 2025-12-29 |
Deep Learning Radiomics Based on Preoperational Ultrasound Images for Predicting Ipsilateral Ischemic Stroke in Patients with Carotid Artery Stenting: A Multicenter Study
2025-Dec-26, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.006
PMID:41455622
|
研究论文 | 本研究开发并验证了一个结合临床、影像组学和深度学习特征的整合模型，用于预测颈动脉支架植入术后长期同侧缺血性卒中风险 | 首次将临床特征、影像组学特征和深度学习特征整合到一个模型中，用于预测颈动脉支架植入术后的长期卒中风险，并在多中心数据中进行了验证 | 研究为回顾性设计，可能存在选择偏倚；模型性能在外部验证集中有所下降，表明需要进一步优化和验证 | 预测颈动脉支架植入术后患者发生长期同侧缺血性卒中的风险 | 接受颈动脉支架植入术的患者 | 数字病理学 | 心血管疾病 | 超声成像 | 深度学习, 随机生存森林 | 图像 | 802名患者（来自三个中心，2018-2024年） | NA | NA | C-index, Kaplan-Meier分析 | NA |
| 539 | 2025-12-29 |
Deep Learning-Based denoising improves myocardial late enhancement imaging with spectral photon-counting CT
2025-Dec-26, Journal of cardiovascular computed tomography
IF:5.5Q1
DOI:10.1016/j.jcct.2025.12.002
PMID:41455687
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 540 | 2025-12-29 |
Development and validation of a deep learning model for severe mitral stenosis detection from chest X-rays
2025-Dec-25, Open heart
IF:2.8Q2
DOI:10.1136/openhrt-2025-003519
PMID:41448847
|
研究论文 | 本研究开发并验证了一种基于深度学习的AI模型，用于从胸部X光片中检测严重二尖瓣狭窄 | 首次利用深度学习模型从胸部X光片中自动检测二尖瓣狭窄，并生成显著性图以可视化模型关注区域 | 研究为回顾性设计，样本量相对较小（515张图像），且仅使用后前位胸部X光片 | 开发一种基于深度学习的AI模型，用于从胸部X光片中检测二尖瓣狭窄，以提供便捷的筛查工具 | 二尖瓣狭窄患者（285例）和健康对照者（230例）的胸部X光图像 | 计算机视觉 | 心血管疾病 | 胸部X光成像 | 深度学习模型 | 图像 | 515张后前位胸部X光图像（285张来自二尖瓣狭窄患者，230张来自健康对照） | NA | NA | AUC, 精确率, 召回率, F1分数, 准确率 | NA |