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 1977 篇文献，本页显示第 1421 - 1440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1421 | 2025-12-11 |
Deep learning in oral lichen planus diagnosis: a systematic review of clinical image-based detection approaches
2025-Dec, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2025.07.009
PMID:40897576
|
系统综述 | 本文系统评估了深度学习模型利用临床照片诊断口腔扁平苔藓的诊断性能 | 首次系统综述了基于临床图像的深度学习模型在口腔扁平苔藓诊断中的应用与性能 | 纳入研究存在数据集小且同质、图像预处理不一致以及外部验证有限等局限性 | 系统评估深度学习模型在口腔扁平苔藓临床图像诊断中的性能 | 利用深度学习架构进行口腔扁平苔藓诊断的研究 | 计算机视觉 | 口腔扁平苔藓 | 临床摄影 | CNN, Vision Transformer | 图像 | NA | NA | InceptionResNetV2, Xception | 准确率, 灵敏度, 特异性, AUC | NA |
| 1422 | 2025-12-11 |
Deep Learning Predicts EGFR Mutation Status from Histology Images in Non-Small Cell Lung Cancer
2025-Dec-01, Cancer research communications
IF:2.0Q3
DOI:10.1158/2767-9764.CRC-25-0155
PMID:41211715
|
研究论文 | 本研究开发并验证了一种深度学习模型Lunit SCOPE Genotype Predictor，用于从非小细胞肺癌的常规H&E组织学图像中预测EGFR突变状态 | 首次利用超过12,000张全切片图像训练深度学习模型，实现从常规组织学图像中预测EGFR突变状态，并在多样化的临床数据集中验证了其稳健性能 | 未明确提及模型在特定亚型或罕见突变中的性能限制，也未讨论模型的可解释性 | 通过深度学习模型补充分子EGFR突变筛查，提高非小细胞肺癌的生物标志物检测率 | 非小细胞肺癌患者的组织学图像 | 数字病理学 | 肺癌 | 深度学习 | 深度学习模型 | 图像 | 训练集超过12,000张全切片图像，验证集1,461例，独立测试集599例，多扫描仪测试集2,261例 | 未明确提及 | 未明确提及 | AUROC | 未明确提及 |
| 1423 | 2025-12-11 |
Weed mapping using UAV imagery and AI techniques: current trends and challenges
2025-Dec, Pest management science
IF:3.8Q1
DOI:10.1002/ps.70151
PMID:40836577
|
综述 | 本文综述了利用无人机图像和人工智能技术进行杂草识别与制图的最新研究进展、方法和挑战 | 系统性地分析和比较了基于无人机图像的杂草识别中传统机器学习与深度学习方法，并特别关注了非可见光谱通道的应用趋势 | 本文是一篇综述，不包含原创实验数据，主要基于现有文献进行分析 | 分析机器学习/深度学习技术在无人机图像杂草识别中的应用现状、方法及挑战 | 无人机捕获的农田杂草图像 | 计算机视觉 | NA | 无人机成像 | 机器学习, 深度学习 | 图像 | NA | NA | NA | 准确率 | NA |
| 1424 | 2025-12-11 |
Characterization and classification of chronic kidney disease by spatial MIST and deep learning algorithm
2025-Dec-01, American journal of physiology. Renal physiology
DOI:10.1152/ajprenal.00265.2025
PMID:41134685
|
研究论文 | 本研究利用空间多重免疫染色信号标记技术结合深度学习算法，对慢性肾脏病的分子异质性和空间特征进行了表征与分类 | 首次应用Spatial MIST技术结合图神经网络，在单细胞分辨率下量化蛋白质表达，揭示了慢性肾脏病纤维化重塑的空间复杂性，并识别出关键预测标志物 | 研究样本量有限，仅基于特定蛋白质标记物，且未在独立队列中进行外部验证 | 开发一种基于空间蛋白质组学特征的慢性肾脏病分类方法，以促进生物标志物发现和疾病进展评估 | 人类肾脏活检组织样本，包括对照组/低级别纤维化和高级别纤维化患者 | 数字病理学 | 慢性肾脏病 | 空间多重免疫染色信号标记技术 | 图神经网络 | 空间蛋白质表达数据 | 未明确指定具体样本数量，但包括对照组和不同纤维化级别的肾脏活检样本 | 未明确指定 | 图神经网络分类器 | 未明确指定 | NA |
| 1425 | 2025-12-11 |
Prospective multi-institutional study of library-based adaptive radiotherapy for cervical cancer: Evaluation of plan-of-the-day selection and population analysis
2025-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70356
PMID:41253687
|
研究论文 | 本研究是一项前瞻性多中心试验，评估了基于计划库的自适应放疗在局部晚期宫颈癌治疗中的计划选择、几何与剂量学影响，并识别了能从自适应放疗中获益的患者亚群 | 结合深度学习模型进行日常靶区和危及器官分割，并开发决策树模型来预测能从自适应放疗中获益的患者亚群 | 研究样本量相对较小（49例患者），且为单臂II期试验，缺乏随机对照设计 | 评估基于计划库的自适应放疗在局部晚期宫颈癌治疗中的临床应用效果 | 局部晚期宫颈癌患者 | 数字病理 | 宫颈癌 | 锥形束CT引导的自适应放疗，深度学习分割 | 深度学习模型 | CT图像，锥形束CT图像 | 49例宫颈癌患者 | NA | NA | D95%靶区剂量，几何覆盖率，剂量学覆盖率 | NA |
| 1426 | 2025-12-11 |
Machine learning for modelling the health impacts of extreme heat: A comprehensive literature review
2025-Dec, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2025.109965
PMID:41319442
|
综述 | 本文对当前用于模拟极端高温对人类健康影响的机器学习应用进行了全面的文献综述 | 系统性地梳理和评估了机器学习在高温健康研究领域的应用现状、优势与局限，并提出了未来发展的具体建议 | 纳入的25篇研究主要来自高收入国家，可能无法全面代表全球情况；研究多关注单一健康结局和一般人群，对个体层面和脆弱群体的研究不足 | 综述机器学习在模拟极端高温健康影响中的应用，以指导未来研究并减轻全球高温相关的健康负担 | 已发表的关于使用机器学习建模极端高温对人类健康影响的科学文献 | 机器学习 | NA | NA | Random Forest, 深度学习 | 环境数据（如气温、湿度）、时间数据、社会人口学数据 | NA | NA | NA | NA | NA |
| 1427 | 2025-12-11 |
Epigenetics is all you need: A transformer to decode chromatin structural compartments from the epigenome
2025-Dec, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012326
PMID:41337156
|
研究论文 | 本文介绍了一种基于Transformer架构的深度学习模型TECSAS，用于直接从表观基因组数据预测染色质亚区室注释 | 开发了首个基于Transformer的模型TECSAS，用于从表观基因组数据解码染色质三维结构亚区室，并揭示了远程表观基因组背景对染色质组织的影响 | 未明确提及模型的具体局限性，如数据依赖性、泛化能力或计算成本 | 研究表观基因组特征与三维基因组组织之间的复杂相互作用，以更好地理解基因组结构和功能 | 染色质三维结构、表观基因组数据（组蛋白修饰、转录因子结合谱、RNA-Seq数据） | 机器学习 | NA | 组蛋白修饰分析、转录因子结合谱分析、RNA-Seq | Transformer | 表观基因组数据（组蛋白修饰、转录因子结合、RNA-Seq） | NA | NA | Transformer | 高准确性（未指定具体指标） | NA |
| 1428 | 2025-12-11 |
Automatic Assessment of Radiological Parameters of the Distal Radius Using a Hybrid Approach Combining Deep Learning and a Computer-Aided Diagnostic Algorithm
2025-Dec, Clinics in orthopedic surgery
IF:1.9Q2
DOI:10.4055/cios24407
PMID:41356550
|
研究论文 | 本研究开发了一种结合深度学习与传统计算机辅助诊断的混合方法，用于自动评估手腕X光片中桡骨远端的放射学参数 | 提出了一种新颖的自动化混合方法，结合深度学习模型与传统计算机辅助诊断算法，以准确识别手腕X光片中的解剖标志并自动测量放射学参数 | 研究样本量相对有限（训练集487张，测试集100张），且测试集仅来自两个机构，可能影响模型的泛化能力 | 开发自动化方法以检测手腕X光片中的解剖标志并测量桡骨远端的放射学参数，减少人工劳动并提高效率 | 手腕X光片，特别是桡骨远端的解剖标志和放射学参数（如桡骨倾斜角、桡骨长度、掌倾角和尺骨变异） | 计算机视觉 | NA | X光摄影 | 深度学习模型 | 图像 | 训练和验证集487张手腕X光片，测试集100张来自两个机构的手腕X光片 | NA | NA | 成功检测率（SDR）、平均绝对误差（MAE）、组内相关系数（ICC）、皮尔逊相关系数（r） | NA |
| 1429 | 2025-12-11 |
TAR-YOLO: A Novel Deep Learning Model and Dataset for Tennis Action Recognition
2025-Dec, Scandinavian journal of medicine & science in sports
IF:3.5Q1
DOI:10.1111/sms.70177
PMID:41368876
|
研究论文 | 本文提出了一种基于YOLO11架构的新型姿态驱动动作识别模型TAR-YOLO，并构建了专门用于网球姿态估计和动作分类的自定义数据集TAR-Det | 提出了TAR-YOLO模型，引入了RES-Head和DSAM两个新组件，并集成了SPD-Conv和Slide Loss，显著提升了在遮挡、姿态变形和多视角一致性等挑战下的性能 | NA | 开发能够准确识别网球动作并提供及时反馈的智能系统，应用于实时广播、AI辅助教练、技能评估和伤害预防 | 网球运动员的动作 | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | NA | NA | YOLO11, RES-Head, DSAM, SPD-Conv | 精确率, 召回率, mAP, FLOPs, FPS | NA |
| 1430 | 2025-12-10 |
60 kVp Coronary CT Angiography as a Screening Tool on Asymptomatic Patients: An Initial Experience
2025-Dec-10, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000869
PMID:41363201
|
研究论文 | 本研究探讨了使用60 kVp冠状动脉CT血管造影结合深度学习重建技术作为无症状患者筛查工具的可行性 | 首次将超低剂量60 kVp CCTA与深度学习重建结合，用于无症状患者的冠状动脉疾病筛查，显著降低了辐射剂量和对比剂用量 | 60 kVp CCTA会导致斑块体积和狭窄程度的显著高估，且在血管和管腔描绘方面主观评分较低 | 评估超低剂量冠状动脉CT血管造影作为无症状患者筛查工具的可行性 | 156名无症状但至少有一个冠状动脉疾病风险因素的患者 | 数字病理学 | 心血管疾病 | 冠状动脉CT血管造影 | 深度学习 | 医学影像 | 156名患者 | NA | NA | 灵敏度, 特异性, 准确率, 阴性预测值 | NA |
| 1431 | 2025-12-10 |
Deep Learning Model for Fast Determination of Equilibrium Dissociation Constants Using Biolayer Interferometry Sensorgrams
2025-Dec-09, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03188
PMID:41271228
|
研究论文 | 本文提出了一种基于深度学习的模型，用于快速预测生物层干涉测量（BLI）传感器图谱的平衡解离常数 | 创新性地将YOLOv5模型用于自动识别和提取PubMed文献中的BLI曲线，并结合干-半干-湿策略扩展数据集；在卷积神经网络中引入了SE和CBA模块并进行微调，以提升预测精度和泛化能力 | 模型在湿数据上的总预测准确率为60%，仍有提升空间；未来需要更多高质量BLI传感器图谱数据以进一步提高模型的准确性和鲁棒性 | 开发一种能够基于单浓度BLI传感器图谱快速准确预测平衡解离常数（K值）的深度学习方法 | 生物层干涉测量（BLI）传感器图谱 | 机器学习 | NA | 生物层干涉测量 | CNN, GAN | 传感器图谱（曲线数据） | 5640条传感器图谱（包括3812条从PubMed提取的曲线、525条实验室湿数据、1303条生成对抗网络生成的干数据） | NA | YOLOv5, 卷积神经网络（含SE和CBA模块） | 准确率 | NA |
| 1432 | 2025-12-10 |
Accelerating Many-Body Quantum Chemistry via Generative Transformer-Enhanced Configuration Interaction
2025-Dec-09, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01429
PMID:41283762
|
研究论文 | 提出了一种基于Transformer的生成式机器学习方法GTNN-SCI，用于加速多体量子化学计算，通过生成式采样重要构型来高效处理强关联系统 | 利用Transformer的自注意力机制捕获长程电子关联，实现比现有神经网络方法高达10倍的加速，并能识别传统耦合方案遗漏的高阶激发，获得更低的变分能量 | NA | 加速多体量子化学计算，精确求解强关联分子系统的电子薛定谔方程 | 代表性分子（如N₂、H₂O、C₂）和强关联的[Fe₂S₂(SCH₃)₄]²⁻ ([2Fe-2S])团簇系统 | 机器学习 | NA | 量子化学计算，构型相互作用 | Transformer | 量子化学构型数据 | NA | NA | Transformer | 收敛速度，能量（关联能、结合能、基态能量），化学精度 | NA |
| 1433 | 2025-12-10 |
Model-based spatiotemporal synthetic data generation framework and deep-learning reconstruction for real-time MRI oxygen extraction fraction mapping
2025-Dec-09, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae2380
PMID:41285110
|
研究论文 | 提出了一种用于实时动态磁共振成像的模型化时空合成数据生成框架及深度学习重建方法，以实现氧摄取分数的动态追踪 | 开发了针对实时动态场景的模型化时空合成数据生成框架，并结合超快速多重叠回波分离成像技术，实现了三维时空重建以追踪氧摄取分数的动态变化 | 未明确说明方法在更广泛临床场景或不同病理条件下的泛化能力 | 解决深度学习定量磁共振成像重建中训练数据稀缺问题，并提升实时动态成像的重建质量 | 数值模拟大脑、水模体及人脑实验数据 | 医学影像分析 | NA | 超快速多重叠回波分离成像技术 | 深度学习 | 三维时空磁共振成像数据 | NA | NA | NA | 准确性 | NA |
| 1434 | 2025-12-10 |
Adaptive Physics-Aware Raman Baseline Correction with Machine Learning Predicted Parameters
2025-Dec-09, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c05185
PMID:41294352
|
研究论文 | 提出了一种自适应物理感知的拉曼基线校正方法DIRAS及其增强版DIRAS+，通过机器学习预测参数实现自动化校正 | 开发了动态迭代重加权自回归光谱基线校正方法，结合深度学习优化正则化参数，实现无需手动干预的自适应校正 | 方法在通用性和用户控制方面可能仍有局限，未明确说明在其他类型光谱数据上的适用性 | 提高拉曼光谱基线校正的准确性和自动化水平，以支持可靠的光谱解释和下游化学计量工作流程 | 拉曼光谱数据，特别是表面增强拉曼散射数据集 | 机器学习 | NA | 拉曼光谱，表面增强拉曼散射 | 深度学习模型 | 光谱数据 | 两个SERS数据集 | NA | NA | 结构相似性指数，峰值保真度，类内变异性，基线失真，校准误差，分析灵敏度 | NA |
| 1435 | 2025-12-10 |
Deep-Learning Prediction of Protein Secondary Structure from Circular Dichroism Spectrum Using Three-Layer Image Recognition
2025-Dec-09, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04550
PMID:41321189
|
研究论文 | 本研究开发了一种基于图像识别的深度学习方法，用于从圆二色谱中准确预测蛋白质二级结构参数 | 创新点在于将圆二色谱数值数据转换为三层（RGB）图像，并利用卷积神经网络进行图像识别，实现了高精度的二级结构参数预测 | NA | 开发一种深度学习方法，用于从圆二色谱中预测蛋白质二级结构参数 | 蛋白质的圆二色谱和对应的二级结构参数 | 机器学习 | NA | 圆二色谱 | CNN | 图像 | 243个圆二色谱RGB图像 | NA | 原始CNN | 相关系数, RMSD | NA |
| 1436 | 2025-12-10 |
Towards Modality- and Sampling-Universal Learning Strategies for Accelerating Cardiovascular Imaging: Summary of the CMRxRecon2024 Challenge
2025-Dec-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3641610
PMID:41359736
|
研究论文 | 本文总结了CMRxRecon2024挑战赛，该挑战赛旨在解决心脏磁共振成像中深度学习模型跨模态和采样方案泛化能力不足的问题 | 引入了最大的公开多模态心脏磁共振原始数据集、开放基准测试平台和共享代码，并发现基于提示的适应和增强的物理驱动一致性是实现强跨场景性能的关键 | 未明确说明模型在临床环境中的具体验证结果或部署挑战 | 加速心血管成像，开发跨模态和采样方案通用的学习策略 | 心脏磁共振成像数据 | 数字病理学 | 心血管疾病 | 心脏磁共振成像 | 深度学习模型 | 图像 | 来自18个国家超过200个团队参与的大规模多模态数据集 | NA | NA | 跨场景性能评估 | NA |
| 1437 | 2025-12-10 |
Deep learning algorithm assisting diagnosis of prostate cancer extracapsular extension based on [18F]PSMA-1007 PET/CT and multiparametric MRI: A multicenter study
2025-Dec-08, Prostate cancer and prostatic diseases
IF:5.1Q1
DOI:10.1038/s41391-025-01063-7
PMID:41361534
|
研究论文 | 本研究旨在开发和验证基于多参数MRI和[18F]PSMA-1007 PET/CT的深度学习模型，以预测前列腺癌的包膜外侵犯，并探索将深度学习与临床专业知识相结合的简化模型 | 开发了结合多参数MRI和PET/CT的深度学习模型（MPC-M），并引入了简化模型（E-MPC-M）以提高临床实用性，同时利用Grad-CAM进行模型可解释性可视化 | 模型应被视为初步研究，需要更大规模的前瞻性多中心研究来确认其稳健性和泛化性 | 预测前列腺癌的包膜外侵犯 | 接受根治性前列腺切除术的前列腺癌患者 | 数字病理学 | 前列腺癌 | 多参数MRI, [18F]PSMA-1007 PET/CT | 深度学习模型 | 医学影像（MRI, PET/CT） | 388名患者，来自三个中心 | NA | NA | AUC, 灵敏度, 特异性 | NA |
| 1438 | 2025-12-10 |
Application of Artificial Intelligence-Based Transfer Learning Models to the Bethesda System for Thyroid Cytopathology
2025-Dec-08, Cytopathology : official journal of the British Society for Clinical Cytology
IF:1.2Q3
DOI:10.1111/cyt.70045
PMID:41361911
|
研究论文 | 本研究评估了基于集成软投票的迁移学习模型在甲状腺细胞学涂片根据Bethesda系统进行分类的性能 | 首次将集成迁移学习方法应用于Bethesda甲状腺细胞病理学报告系统的分类任务 | 研究样本量较小（94例病例，949张图像），未来需要更大规模的数据集（特别是全玻片成像数据）进行验证 | 评估迁移学习模型在甲状腺细胞学涂片Bethesda系统分类中的性能 | 甲状腺细针穿刺细胞学涂片图像 | 数字病理学 | 甲状腺癌 | 细针穿刺细胞学 | CNN | 图像 | 94例甲状腺FNAC病例，共949张代表性图像 | TensorFlow, Keras | Xception, ResNet50V2, DenseNet121, MobileNetV2, InceptionV3, EfficientNetB3 | 灵敏度, 特异性, 精确度, 阴性预测值, F1分数, AUCROC | NA |
| 1439 | 2025-12-10 |
A commentary on: "deep learning-based radiomics and machine learning for prognostic assessment in IDH-wildtype glioblastoma after maximal safe surgical resection: a multicenter study"
2025-Dec-08, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004153
PMID:41363102
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1440 | 2025-12-10 |
Letter to the Editor "Decoding the black box: critical appraisal of deep learning radiomics for predicting neoadjuvant response in head and neck cancer"
2025-Dec-08, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004288
PMID:41363136
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |