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 2092 篇文献，本页显示第 81 - 100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2026-01-08 |
Artificial intelligence-assisted prediction of Demodex mite density in facial erythema
2025-Dec-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29791-9
PMID:41345235
|
研究论文 | 本研究开发并评估了一个深度学习模型（DemodexNet），用于预测面部红斑中的蠕形螨密度，并评估其对皮肤科医生诊断性能的影响 | 首次开发了基于深度学习的非侵入性、自动化模型来预测面部红斑中的蠕形螨密度，并证明了AI辅助能显著提高皮肤科医生的诊断准确性 | 这项概念验证研究仅限于韩国患者（Fitzpatrick皮肤类型III-IV），在更广泛临床应用前需要在多样化人群中验证 | 开发AI模型以预测面部红斑中的蠕形螨密度，并评估其对皮肤科医生诊断性能的辅助效果 | 面部红斑患者 | 数字病理学 | 皮肤疾病 | 深度学习 | CNN | 图像 | 1,124名患者 | NA | DemodexNet | AUC | NA |
| 82 | 2026-01-08 |
Comparison of imaging-based bone marrow dosimetry methodologies and their dose-effect relationships in [177Lu]Lu-PSMA-617 RLT including a novel method with active marrow localization
2025-Dec-04, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-025-00816-6
PMID:41345337
|
研究论文 | 本文比较了基于图像的骨髓剂量测定方法，并探讨了它们在预测[177Lu]Lu-PSMA-617放射性配体治疗后血细胞计数变化中的作用 | 提出了一种利用[68Ga]Ga-PSMA-11 PET/CT和[99mTc]Tc-硫胶体SPECT/CT进行肿瘤和骨髓定位的新方法，结合改进的蒙特卡罗剂量测定代码，允许海绵骨中的肿瘤浸润 | 样本量较小（方法1-3为20例患者，方法4为12例患者），且仅基于单次治疗周期的数据 | 建立准确的骨髓剂量测定方法，以指导患者特异性治疗并预测血液学毒性 | 接受[177Lu]Lu-PSMA-617放射性配体治疗的患者 | 数字病理学 | 前列腺癌 | SPECT/CT, PET/CT, 深度学习分割, 蒙特卡罗模拟 | 深度学习工具 | 医学影像（CT, SPECT, PET） | 20例患者（方法1-3），12例患者（方法4） | NA | NA | 斯皮尔曼等级相关系数 | NA |
| 83 | 2026-01-08 |
Comment on association of peripheral immune markers with brain age and dementia risk estimated using deep learning methods
2025-Dec-04, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004275
PMID:41494186
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 84 | 2026-01-08 |
HyperGraph-based capsule temporal memory network for efficient and explainable diabetic retinopathy detection in retinal imaging
2025-Dec-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-30128-9
PMID:41339440
|
研究论文 | 本文提出了一种基于超图胶囊时序记忆网络的高效且可解释的糖尿病视网膜病变检测方法 | 结合超图神经网络建模视网膜病灶的高阶空间关系、胶囊网络实现特征层次结构，以及时序胶囊记忆单元处理长短期时序依赖，提升了检测的准确性和可解释性 | 未明确提及模型在更广泛或多样化临床环境中的泛化能力验证 | 开发一种准确、可扩展且可解释的糖尿病视网膜病变自动检测系统 | 视网膜图像中的糖尿病视网膜病变病灶 | 计算机视觉 | 糖尿病视网膜病变 | 视网膜成像 | 超图神经网络, 胶囊网络, 时序记忆网络 | 图像 | DRIVE和Diabetic Retinopathy数据集 | NA | HyperGraph Capsule Temporal Network (HGCTN) | 准确率, 召回率, 特异性 | NA |
| 85 | 2026-01-08 |
A transformer-based prognostic signature integrating tumor and body composition CT images predicts postoperative recurrence in gastric cancer
2025-Dec-03, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02183-z
PMID:41339473
|
研究论文 | 本研究开发了一种基于Vision Transformer的多模态深度学习模型，整合肿瘤和身体成分CT图像以预测胃癌患者术后复发风险 | 首次将身体成分（骨骼肌和脂肪组织）CT图像与肿瘤图像及临床数据整合，构建多模态预后预测模型，显著提升胃癌复发风险分层能力 | 研究为回顾性设计，需前瞻性验证；模型性能在外部验证队列中有所下降 | 提高胃癌患者术前预后预测准确性，指导个体化治疗策略 | 胃癌患者 | 数字病理学 | 胃癌 | 计算机断层扫描（CT） | Vision Transformer | CT图像, 临床数据 | 1862名患者（训练、内部验证和外部验证队列） | NA | Vision Transformer | C-index, 净重分类改善指数, 综合判别改善指数, 3年及5年无复发生存率 | NA |
| 86 | 2025-12-04 |
A deep learning model for multiclass lung cancer classification using multimodal data fusion
2025-Dec-02, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-04168-6
PMID:41331169
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 87 | 2026-01-08 |
DeepRNA-DTI: a deep learning approach for RNA-compound interaction prediction with binding site interpretability
2025-Dec-02, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-01132-y
PMID:41331479
|
研究论文 | 本文提出了一种基于深度学习的RNA-化合物相互作用预测方法DeepRNA-DTI，该方法通过多任务学习框架同时预测相互作用的存在和核苷酸水平的结合位点 | 结合了预训练的RNA-FM和Mole-BERT嵌入，并采用多任务学习框架实现RNA-化合物相互作用预测与结合位点可解释性 | 未明确提及模型的局限性 | 预测RNA与化合物的相互作用，以支持RNA靶向药物发现 | RNA序列和化合物 | 自然语言处理 | NA | 深度学习 | 深度学习模型 | 序列数据 | 整合了来自蛋白质数据库和文献来源的综合数据集，并应用于超过4800万种化合物的高通量虚拟筛选 | NA | RNA-FM, Mole-BERT | NA | NA |
| 88 | 2026-01-08 |
Non-invasive prediction of Ki-67 and p53 biomarkers in spinal ependymoma via deep learning: using multimodal magnetic resonance imaging and clinical data
2025-Dec-02, Biomarker research
IF:9.5Q1
DOI:10.1186/s40364-025-00879-8
PMID:41331485
|
研究论文 | 本研究开发了一个深度学习框架，用于通过整合多模态MRI和临床数据，非侵入性地预测脊髓室管膜瘤中的Ki-67和p53生物标志物 | 首次将深度学习应用于脊髓室管膜瘤的Ki-67和p53生物标志物预测，整合了多模态MRI和临床数据，并采用了自动分割和集成神经网络模型LGBMNet | 由于脊髓室管膜瘤罕见，数据集可能仍显不足，且分析脊髓MRI存在技术挑战 | 非侵入性地预测脊髓室管膜瘤的Ki-67和p53生物标志物，以辅助术前规划和精准神经外科治疗 | 脊髓室管膜瘤患者 | 数字病理学 | 脊髓室管膜瘤 | 免疫组织化学(IHC), 磁共振成像(MRI) | 集成神经网络, 多层感知机, 梯度提升机 | 图像, 临床数据 | 352名患者 | NA | SegFormer, LGBMNet | AUC | NA |
| 89 | 2026-01-08 |
Mitigating distributed denial of service attacks using attribute subset selection with temporal convolutional networks
2025-Dec-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-30137-8
PMID:41331500
|
研究论文 | 本文提出了一种基于Salp Swarm特征选择和深度学习架构的新型智能框架（IFAD-SSFSDLA），用于实时检测分布式拒绝服务（DDoS）攻击 | 结合Salp Swarm算法进行特征选择和时序卷积网络（TCN）进行分类，提高了DDoS攻击检测的准确性和实时性 | 未明确提及模型在不同网络环境或新型攻击模式下的泛化能力 | 开发一个实时DDoS攻击检测系统，以识别和缓解网络攻击 | 网络流量数据，特别是来自CIC-IDS-2017和Edge-IIoT数据集的DDoS攻击样本 | 机器学习 | NA | 深度学习，特征选择算法 | TCN | 网络流量数据 | 使用CIC-IDS-2017和Edge-IIoT两个数据集，具体样本数量未明确 | NA | 时序卷积网络（TCN） | 准确率 | NA |
| 90 | 2026-01-08 |
An immersive mirror: a descriptive study of peer observer and active participant experiences in simulation
2025-Dec-02, Advances in simulation (London, England)
DOI:10.1186/s41077-025-00395-7
PMID:41331705
|
研究论文 | 本研究通过质性描述设计，探讨了护理模拟中同伴观察者和主动参与者的体验，以理解共享学习经历如何转变和改善护理实践 | 首次深入探讨了护理模拟中同伴观察者的思想和反应，强调了观察者角色作为沉浸式情感体验的重要性，并提出了将观察者共情与护理理论结合作为强大学习工具的新视角 | 研究样本仅限于预注册二年级护理学生，可能无法推广到其他年级或专业背景；采用自我报告数据，可能存在回忆偏差 | 探索护理模拟中同伴观察者和主动参与者的体验，以增进对共享学习如何促进护理实践的理解 | 预注册二年级护理学生中的同伴观察者和主动参与者 | 护理教育 | NA | 质性描述设计，反思性主题分析 | NA | 自我报告体验的质性数据 | 175个同伴观察者账户和234个主动参与者账户 | NA | NA | NA | NA |
| 91 | 2026-01-08 |
Emerging Artificial Intelligence Technologies for Risk Assessment and Management in Acute Myeloid Leukemia: A Review
2025-Dec-01, JAMA oncology
IF:22.5Q1
DOI:10.1001/jamaoncol.2025.3601
PMID:41196612
|
综述 | 本文综述了人工智能技术在急性髓系白血病风险分层、诊断和治疗规划中的应用现状与潜力 | 整合了机器学习、深度学习、可解释AI和联邦学习等多种AI技术，在AML管理中实现比传统ELN指南更高的预后准确性，并解决了数据稀缺和隐私保护问题 | 未提及具体研究方法的局限性，但强调了临床转化需要统一数据标准、健全监管框架和公平技术获取 | 评估人工智能技术在急性髓系白血病风险分层和管理中的应用潜力 | 急性髓系白血病（AML）患者 | 数字病理学 | 白血病 | 机器学习、深度学习、可解释AI、联邦学习 | NA | 临床数据、细胞遗传学数据、分子数据、骨髓涂片图像、转录组数据 | NA | NA | NA | AUROC, 准确率 | NA |
| 92 | 2025-12-03 |
Automated abdominal aortic calcification scoring via deep learning: a multi-center validation of LVLCRNet
2025-Dec-01, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-02072-7
PMID:41327056
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 93 | 2026-01-08 |
The roles of radiomics and deep learning for automatic detection, stability assessment, and rupture risk prediction in intracranial aneurysms: a systematic review
2025-Dec-01, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03588-y
PMID:41327324
|
系统综述 | 本文系统综述了影像组学和深度学习在颅内动脉瘤自动检测、稳定性评估及破裂风险预测中的应用、进展与挑战 | 首次系统性地总结和比较了影像组学与深度学习在颅内动脉瘤自动检测、稳定性评估和破裂风险预测三大任务中的研究现状、性能表现及方法学特点，并指出了当前研究的局限性和未来发展方向 | 纳入的研究多为回顾性、单中心、样本量有限，且大多数研究缺乏模型校准和跨平台验证，存在异质性问题 | 系统评估影像组学和深度学习在颅内动脉瘤自动检测、稳定性评估及破裂风险预测中的作用，为个体化分层管理提供见解 | 颅内动脉瘤 | 医学影像分析 | 颅内动脉瘤 | 影像组学，深度学习 | 深度学习框架 | 医学影像数据 | 28项原始研究，共涉及32,991个颅内动脉瘤 | NA | NA | AUC | NA |
| 94 | 2026-01-08 |
Machine learning and deep learning in clinical practice: Advancing neurodegenerative disease diagnosis with multimodal markers
2025-Dec-01, Brain research bulletin
IF:3.5Q2
|
综述 | 本文综述了机器学习和深度学习在神经退行性疾病诊断和管理中的当前应用，探讨了其优势、局限性及未来发展方向 | 系统性地整合了多模态生物标志物（如神经影像、电生理学、行为功能、言语笔迹分析和分子生物标志物）与人工智能技术，并展望了纵向数据融合、联邦学习、可解释AI和大语言模型等新兴方向在临床决策支持中的潜力 | 面临数据异质性、模型可解释性不足、人群多样性有限以及患者隐私相关的伦理问题等挑战 | 探讨人工智能（特别是机器学习和深度学习）如何利用多模态生物标志物提升神经退行性疾病的精准诊断和治疗 | 神经退行性疾病，包括阿尔茨海默病、帕金森病、亨廷顿病和多发性硬化症 | 机器学习 | 神经退行性疾病 | 神经影像、脑脊液生物标志物分析、电生理学、行为功能评估、言语和笔迹分析、分子生物标志物检测 | 机器学习, 深度学习 | 多模态数据（图像、信号、文本、生物分子数据） | NA | NA | NA | 诊断准确性 | NA |
| 95 | 2026-01-08 |
Unveiling optimal molecular features for hERG insights with automatic machine learning
2025-Dec, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101411
PMID:41487145
|
研究论文 | 本文介绍了一种名为MaxQsaring的新型通用框架，该框架整合了分子描述符、指纹和深度学习预训练表示，用于预测化合物性质，并以hERG阻断预测为例展示了其优越性能 | 开发了首个集成分子描述符、指纹和深度学习预训练表示的通用框架，通过自动优化特征组合实现了最先进的预测性能，并在TDC基准测试中19/22任务排名第一 | 深度学习预训练表示对提升模型泛化能力（特别是对新骨架化合物）的影响相对有限 | 开发通用化合物性质预测框架以提升早期药物发现成功率 | 化合物（特别是hERG阻断相关化合物） | 机器学习 | NA | 自动机器学习 | 决策树,深度学习模型 | 分子描述符、指纹、预训练表示 | NA | NA | NA | 准确率,泛化能力 | NA |
| 96 | 2026-01-08 |
Artificial Intelligence in Medicine With Emphasis on Orthopedic Practice
2025-Dec, Cureus
DOI:10.7759/cureus.98306
PMID:41487832
|
综述 | 本文全面回顾了人工智能在医疗保健领域的影响，特别聚焦于其在骨科医学中的应用 | 重点探讨了大型语言模型和机器学习算法在骨科诊断、医学教育及个性化护理中的整合应用，并指出了向多模态模型发展的未来方向 | 现实世界应用受限于数据质量、系统集成和伦理问题，且临床推理能力仍有不足 | 评估人工智能在医疗保健，特别是骨科实践中的应用潜力与挑战 | 人工智能技术（如大型语言模型和机器学习算法）及其在骨科诊断、医学教育和患者护理中的应用 | 机器学习 | 骨科疾病 | 深度学习技术 | 大型语言模型, 机器学习算法 | 医学影像, 文本数据 | NA | NA | NA | 诊断准确性 | NA |
| 97 | 2026-01-08 |
Corrigendum to Deep learning model based on primary tumor to predict lymph node status in clinical stage IA lung adenocarcinoma: a multicenter study [Journal of the National Cancer Center 4 (2024) 233-240]
2025-Dec, Journal of the National Cancer Center
IF:7.6Q1
DOI:10.1016/j.jncc.2025.08.002
PMID:41497255
|
correction | 本文是对一篇关于利用深度学习模型基于原发肿瘤预测临床IA期肺腺癌淋巴结状态的多中心研究的更正 | NA | NA | NA | NA | NA | lung cancer | NA | NA | NA | NA | NA | NA | NA | NA |
| 98 | 2026-01-08 |
AI-driven diffusion weighted imaging-based non-contrast protocol for breast cancer diagnosis: a multicentre, multidimensional validation study
2025-Dec, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103694
PMID:41497515
|
研究论文 | 本研究开发了一种基于深度学习的非对比剂扩散加权成像模型（DWI-DL），用于乳腺癌的准确诊断，并通过多中心、多维度的验证研究评估其性能 | 首次开发了仅使用非对比剂扩散加权成像（DWI）的深度学习模型进行乳腺癌诊断，该模型性能与基于增强的模型相当，并显著超越了仅解读DWI的放射科专家，同时将解读时间减少了55.5% | 该模型的性能仍低于解读标准乳腺MRI的专家放射科医生 | 开发并验证一种基于深度学习的非对比剂扩散加权成像协议，用于乳腺癌的准确诊断，以提高诊断效率和安全性 | 经病理证实的乳腺病变患者 | 数字病理学 | 乳腺癌 | 扩散加权成像 | 深度学习模型 | 医学影像 | 共2493名患者，其中1286名用于模型开发（训练774，验证256，测试256），661名用于外部测试，546名用于前瞻性队列分析 | NA | NA | AUC | NA |
| 99 | 2026-01-08 |
Expression of concern: "GBERT: A hybrid deep learning model based on GPT-BERT for fake news detection" [Heliyon 10 (2024) e35865]
2025-Dec, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e44214
PMID:41497874
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 100 | 2026-01-08 |
Cost-effectiveness of opportunistic osteoporosis screening using artificial-intelligence assisted chest radiographs in Japan
2025-Dec, Osteoporosis and sarcopenia
IF:2.5Q1
DOI:10.1016/j.afos.2025.10.003
PMID:41498102
|
研究论文 | 本研究评估了在日本50岁及以上女性中，利用人工智能辅助的胸部X光进行机会性骨质疏松筛查的成本效益 | 首次将人工智能辅助的胸部X光用于骨质疏松的机会性筛查，并评估其在日本特定人群中的成本效益，包括高骨折发生率地区 | 研究基于模型估计，可能未涵盖所有现实世界变量；结果主要针对日本女性，可能不适用于其他人群或医疗体系 | 评估人工智能辅助的胸部X光在骨质疏松机会性筛查中的成本效益 | 日本50岁及以上的女性，包括全国范围、高骨折发生率地区（如吴市）及低发生率情景 | 数字病理 | 骨质疏松 | 胸部X光，双能X射线吸收测定法 | 深度学习 | 图像 | NA | NA | NA | 成本每质量调整生命年 | NA |