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 33853 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2025-11-15 |
Investigating the Role of Area Deprivation Index in Observed Differences in CT-Based Body Composition by Race
2025-Oct, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.06.016
PMID:40517983
|
研究论文 | 本研究探讨区域剥夺指数能否解释基于CT的身体成分种族差异 | 首次结合区域剥夺指数和社会脆弱性指数分析CT身体成分的种族差异 | 回顾性研究设计，未能分析具体人口普查区域变量和个体层面数据 | 探究社会经济因素对CT身体成分种族差异的影响 | 2020年单一机构的5311名患者腹部CT数据 | 医学影像分析 | 代谢相关疾病 | CT扫描 | 深度学习 | 医学影像, 临床数据, 社会经济指数 | 5311名患者（平均年龄57.4岁，55.5%女性，46.5%黑人，39.5%白人，10.3%西班牙裔） | 开源深度学习工作流 | NA | P值 | NA |
| 182 | 2025-11-15 |
Modelling transcription with explainable AI uncovers context-specific epigenetic gene regulation at promoters and gene bodies
2025-Oct, PLoS genetics
IF:4.0Q1
DOI:10.1371/journal.pgen.1011908
PMID:41129591
|
研究论文 | 利用可解释人工智能建模转录过程，揭示启动子和基因体区域背景特异性表观遗传基因调控机制 | 首次将SHAP可解释AI方法应用于染色质相关蛋白分析，从未扰动数据预测扰动实验的直接靶标，发现ZC3H4在基因体的新调控功能及复合物间交叉对话 | 方法依赖深度学习模型的预测准确性，需要实验验证来确认推断的调控机制 | 解析转录调控中染色质相关蛋白的复杂相互作用机制 | RNA Pol-II占据位点、染色质相关蛋白谱、SET1A、ZC3H4、INTS11等调控因子 | 机器学习 | NA | 染色质相关蛋白分析、degron-based扰动实验、表观遗传分析 | 深度学习 | 表观遗传数据、蛋白质结合数据 | NA | NA | NA | 预测准确性、SHAP重要性排序 | NA |
| 183 | 2025-11-15 |
Determination of Diagnosis and Prognosis in Spinal Cord Injury Using Machine Learning
2025-Oct, Korean journal of neurotrauma
DOI:10.13004/kjnt.2025.21.e33
PMID:41220891
|
研究论文 | 本文探讨机器学习在脊髓损伤诊断和预后预测中的应用 | 首次系统评估基于卷积神经网络和深度学习放射组学的AI方法在脊髓损伤诊断和预后预测中的表现 | 数据集规模有限、研究间存在异质性、缺乏外部验证 | 开发准确及时的脊髓损伤诊断和可靠预后预测方法 | 创伤性脊髓损伤患者 | 机器学习 | 脊髓损伤 | 磁共振成像、扩散张量成像 | CNN, 神经网络, 深度学习 | 医学影像 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 184 | 2025-11-15 |
Deep learning-aided optical biopsy achieves whole-chain diagnosis of Correa cascade of gastric cancer: a prospective study
2025-Sep-30, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-025-04310-9
PMID:41029674
|
研究论文 | 开发基于深度学习的pCLE计算机辅助诊断系统，实现胃癌Correa级联的实时全链条诊断 | 首次构建能够实时诊断胃癌Correa级联全链条病变的深度学习辅助系统 | 研究在单一临床中心进行，需要多中心验证 | 开发pCLE计算机辅助诊断系统并评估其在真实临床环境中的诊断性能 | 胃黏膜病变患者 | 数字病理 | 胃癌 | 探头共聚焦激光内镜(pCLE) | 深度学习网络 | 图像,视频 | 5771次检查的47,462张pCLE图像和461段视频用于开发，951名患者的1254个病灶用于前瞻性验证 | NA | NA | 准确率,敏感性,特异性 | NA |
| 185 | 2025-11-15 |
Leveraging MobileNetV2 and deep learning innovation for high accuracy Plasmodium Vivax detection in blood smears
2025-Sep-29, Saudi pharmaceutical journal : SPJ : the official publication of the Saudi Pharmaceutical Society
IF:3.0Q2
DOI:10.1007/s44446-025-00019-1
PMID:41021108
|
研究论文 | 本研究提出了一种基于改进MobileNetV2和YOLOv3的深度学习模型，用于在薄血涂片图像中高精度检测间日疟原虫 | 在YOLOv3的主干网络中引入改进的MobileNetV2，并在瓶颈层使用提出的转换卷积层(TCL)，根据不同类别的图像特征计算权重，提高了对感染和未感染疟原虫细胞的分类效果 | 准确率仍然是检测和分类薄血涂片类别的主要缺点之一 | 提高间日疟原虫检测模型的性能和速度，为医疗专业人员提供更好的诊断方法 | 薄血涂片图像中的间日疟原虫细胞 | 计算机视觉 | 疟疾 | 显微镜血液涂片检查 | YOLOv3, CNN | 图像 | NA | NA | YOLOv3, MobileNetV2 | 准确率, 精确率, 召回率, F1分数, 平均精度均值(mAP) | NA |
| 186 | 2025-11-15 |
High Resolution TOF-MRA Using Compressed Sensing-based Deep Learning Image Reconstruction for the Visualization of Lenticulostriate Arteries: A Preliminary Study
2025-Sep-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2024-0025
PMID:39034144
|
研究论文 | 本研究比较压缩感知深度学习重建与传统压缩感知算法在时间飞跃磁共振血管成像中对豆纹动脉的显示效果 | 首次将压缩感知与深度学习相结合用于高分辨率TOF-MRA图像重建，并在不同加速因子下系统评估豆纹动脉显示效果 | 样本量较小（仅5名健康志愿者），属于初步研究 | 评估压缩感知深度学习重建在显示豆纹动脉方面的图像质量 | 健康志愿者的豆纹动脉 | 医学影像分析 | 脑血管疾病 | 时间飞跃磁共振血管成像 | 深度学习 | 磁共振图像 | 5名健康志愿者 | NA | NA | 可见豆纹动脉数量, 豆纹动脉长度, 归一化均方误差, 整体图像质量评分, 外周豆纹动脉可见性评分 | NA |
| 187 | 2025-11-15 |
GeneRAIN: multifaceted representation of genes via deep learning of gene expression networks
2025-Sep-22, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03749-6
PMID:40983974
|
研究论文 | 开发基于Transformer的GeneRAIN模型套件，从41万个人类批量RNA-seq样本中学习基因表达关系 | 提出新颖的Binning-By-Gene标准化技术和GeneRAIN-vec多面向量化基因表示方法，在知识迁移方面实现突破 | NA | 推进Transformer和自监督深度学习在基因表达数据中的应用，增强生物学探索能力 | 人类基因表达数据，包括蛋白质编码基因和长链非编码RNA | 机器学习 | NA | RNA-seq | Transformer | 基因表达数据 | 410,000个人类批量RNA-seq样本 | NA | Transformer | NA | NA |
| 188 | 2025-11-15 |
EDLNet: ensemble deep learning network model for automatic brain tumor classification and segmentation
2025-Sep, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2311343
PMID:38345061
|
研究论文 | 提出一种集成深度学习网络模型EDLNet，用于自动脑肿瘤分类和分割 | 提出新的集成深度学习网络模型，结合改进的Faster RCNN进行分类和基于DRCNN的分割方法 | NA | 开发自动脑肿瘤分类和分割的深度学习模型 | 脑部MRI扫描图像 | 数字病理 | 脑肿瘤 | MRI扫描 | 集成深度学习,Faster RCNN,深度循环卷积神经网络 | 医学图像 | 两个公开数据集(D1和D2)，具体样本数量未明确说明 | NA | EDLNet,Modified Faster RCNN,DRCNN | 准确率 | NA |
| 189 | 2025-11-15 |
Fast and Stable Neonatal Brain MR Imaging Using Integrated Learned Subspace Model and Deep Learning
2025-Aug, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3541643
PMID:40072865
|
研究论文 | 通过整合学习的新生儿特定子空间模型和模型驱动深度学习，实现快速稳定的新生儿脑部MR成像 | 提出将新生儿特定子空间模型与深度网络相结合的新方法，解决了新生儿MRI训练数据不足的问题 | 需要进一步开发以提升在新生儿成像应用中的实际效用 | 加速新生儿脑部MR成像并提高重建稳定性 | 新生儿脑部MR图像 | 医学影像处理 | 新生儿脑部疾病 | MR成像，k空间稀疏采样 | 深度学习，子空间模型 | MR图像，k空间数据 | dHCP数据集和四个独立医疗中心的测试数据 | NA | 深度神经网络 | 重建稳定性，图像质量 | NA |
| 190 | 2025-11-15 |
SimPep and OP-AND: A deep learning framework and curated database for predicting osteogenic peptides
2025-Aug, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013422
PMID:40880496
|
研究论文 | 开发了一个用于预测成骨肽的深度学习框架SimPep和经过整理的公共数据库OP-AND | 提出了新假设——参与破骨细胞形成的蛋白质衍生肽可能作为非成骨肽，并创建了首个公开的成骨肽数据库 | 成骨肽数据可用性有限 | 预测成骨肽以预防骨骼相关疾病 | 乳制品中的生物活性肽 | 机器学习 | 骨骼疾病 | NA | 深度学习 | 肽序列数据 | NA | NA | NA | 准确率, AUC | NA |
| 191 | 2025-11-15 |
Cutting Skill Assessment by Motion Analysis Using Deep Learning and Spatial Marker Tracking
2025-06, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3529500
PMID:40030929
|
研究论文 | 提出一种通过手术刀运动分析评估开放手术中切割技能的方法 | 首次将运动分析应用于开放手术技能评估，设计了3D多面ArUco码立方体并建立了手术刀尖端坐标系数据集 | 仅针对四种常见切口类型进行评估，样本规模有限 | 开发客观量化的开放手术切割技能评估方法 | 外科医生的手术刀切割技能 | 计算机视觉 | NA | 空间标记追踪，双目视觉 | CNN | 图像，运动轨迹数据 | 20名外科医生（专家和新手各半）执行四种切口类型 | PyTorch | YOLOv8 | 平均切口曲率偏差，切口长度差异，切口端点偏差，平均切口偏差，平均切割急动度 | NA |
| 192 | 2025-11-15 |
Advancing Acoustic Droplet Vaporization for Tissue Characterization Using Quantitative Ultrasound and Transfer Learning
2025-06, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3527141
PMID:40031047
|
研究论文 | 本研究通过定量超声和迁移学习技术探索声学液滴汽化在组织表征中的应用 | 首次将迁移学习与卷积神经网络结合用于区分纤维蛋白水凝胶，通过声学液滴汽化产生的微气泡特性表征组织机械性能 | 研究仅限于纤维蛋白基组织模拟水凝胶，尚未在真实生物组织中进行验证 | 开发基于声学液滴汽化和深度学习的组织表征方法 | 纤维蛋白基组织模拟水凝胶中的相变纳米液滴 | 生物医学超声 | NA | 声学液滴汽化、被动空化检测、B模式超声、对比增强超声 | CNN | 超声图像、声学信号 | 不同纤维蛋白密度的水凝胶样本 | NA | AlexNet | 平均回声强度、气泡云面积、二阶纹理特征（方差、同质性、能量） | NA |
| 193 | 2025-11-15 |
A longitudinal observational study with ecological momentary assessment and deep learning to predict non-prescribed opioid use, treatment retention, and medication nonadherence among persons receiving medication treatment for opioid use disorder
2025-Jun, Journal of substance use and addiction treatment
DOI:10.1016/j.josat.2025.209685
PMID:40127869
|
研究论文 | 使用生态瞬时评估和深度学习预测阿片类药物使用障碍患者在治疗期间的非法阿片使用、治疗保留和药物不依从行为 | 结合生态瞬时评估的实时情境数据与递归深度学习模型，采用7天滑动窗口预测次日临床结局 | 样本量较小（62名参与者），模型性能在不同结局指标间存在较大波动（AUC 0.58-0.97） | 预测接受药物治疗的阿片类药物使用障碍患者的关键临床结局 | 接受药物治疗的阿片类药物使用障碍成年患者 | 机器学习 | 阿片类药物使用障碍 | 生态瞬时评估，电子健康记录分析 | 递归深度学习模型 | 时间序列数据，情境评估数据，电子健康记录 | 62名成年人，14,322次观察记录 | NA | NA | AUC | NA |
| 194 | 2025-11-15 |
Integrating Alternative Fragmentation Techniques into Standard LC-MS Workflows Using a Single Deep Learning Model Enhances Proteome Coverage
2025-Jun-01, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.28.656555
PMID:40501536
|
研究论文 | 开发了一种能够整合多种碎片化技术的质谱仪，并构建了统一的深度学习模型来预测碎片离子强度，显著提高了蛋白质组覆盖度 | 首次构建了能够自动执行多种碎片化技术的质谱仪，并开发了覆盖所有技术的单一深度学习模型 | NA | 增强蛋白质组学实验中蛋白质鉴定的覆盖度和效率 | 蛋白质组学数据 | 机器学习 | NA | LC-MS, CID, UVPD, EID, ECD, DDA, DIA | 深度学习 | 质谱数据 | NA | Prosit | 深度学习模型 | 蛋白质鉴定数量增加百分比 | NA |
| 195 | 2025-11-15 |
Deep Learning-Based Event Counting for Apnea-Hypopnea Index Estimation Using Recursive Spiking Neural Networks
2025-04, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3498097
PMID:40030371
|
研究论文 | 提出一种基于递归脉冲神经网络的深度学习事件计数方法，用于家庭环境中睡眠呼吸暂停的筛查和呼吸暂停低通气指数估计 | 首次将递归脉冲神经网络应用于呼吸事件计数，无需精确定位事件时间点即可实现准确的AHI估计 | 样本量较小（N=33），需要在更大数据集上验证性能 | 开发改进的家庭睡眠呼吸暂停筛查方法 | 睡眠呼吸暂停患者 | 机器学习 | 睡眠呼吸暂停 | 音频记录，血氧饱和度记录 | SNN | 音频信号，SpO2信号 | 33例整夜录音数据 | NA | 递归脉冲神经网络 | 平均绝对误差 | NA |
| 196 | 2025-11-15 |
Current Advancements in Digital Neuropathology and Machine Learning for the Study of Neurodegenerative Diseases
2025-Feb-13, The American journal of pathology
DOI:10.1016/j.ajpath.2024.12.018
PMID:39954963
|
综述 | 本文综述了数字神经病理学与机器学习在神经退行性疾病研究中的最新进展与应用潜力 | 整合全切片图像与先进机器学习技术，探索无监督学习在未标注数据中的模式识别能力，开发可解释AI模型 | 面临专家标注有限、切片扫描可及性差、机构间差异大、大尺寸WSI数据集共享复杂等挑战 | 通过计算神经退行性神经病理学方法提升神经病理评估、诊断和研究水平 | 神经退行性疾病的神经病理学数据 | 数字病理学 | 神经退行性疾病 | 全切片图像分析 | 深度学习, 无监督学习 | 医学图像 | NA | NA | NA | 准确性, 效率 | NA |
| 197 | 2025-11-15 |
The Current Research Landscape on the Machine Learning Application in Autism Spectrum Disorder: A Bibliometric Analysis From 1999 to 2023
2025, Current neuropharmacology
IF:4.8Q1
|
文献计量分析 | 通过文献计量分析方法研究1999-2023年间机器学习在自闭症谱系障碍领域应用的研究现状和热点趋势 | 首次系统分析机器学习在自闭症谱系障碍领域应用的文献计量特征和发展轨迹 | 仅基于Web of Science数据库，可能存在文献收录不全的局限性 | 探索机器学习在自闭症谱系障碍领域的研究趋势、热点主题和未来发展方向 | 1999-2023年间发表的1357篇相关学术文献 | 机器学习 | 自闭症谱系障碍 | 文献计量分析，神经影像技术，脑电图 | NA | 文献元数据 | 1357篇论文 | Microsoft Excel, VOSviewer, CiteSpace | NA | NA | NA |
| 198 | 2025-11-15 |
Advancements in Image-Based Analyses for Morphology and Staging of Colon Cancer: A Comprehensive Review
2025, BioMed research international
IF:2.6Q3
DOI:10.1155/bmri/9214337
PMID:41031243
|
综述 | 本文系统回顾了基于图像的结肠癌形态学分析和分期技术的最新进展 | 全面整合了多种影像模态与人工智能技术的临床应用，特别关注AI在诊断准确性和预后预测中的突破性表现 | 存在观察者间变异性、数据集偏差、监管问题以及缺乏标准化AI验证协议等挑战 | 评估影像学技术和人工智能在结肠癌检测、分期和治疗规划中的应用效果 | 结肠癌的影像学特征和分期标准 | 数字病理 | 结肠癌 | 结肠镜检查、计算机断层扫描(CT)、磁共振成像(MRI)、内镜超声(EUS)、组织病理学分析 | 深度学习 | 医学影像 | 基于过去十年PubMed、Scopus和IEEE Xplore数据库的同行评审研究 | NA | NA | 敏感性、分期准确性、5年生存预测准确率 | NA |
| 199 | 2025-11-15 |
An explainable hybrid deep learning framework for precise skin lesion segmentation and multi-class classification
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1681542
PMID:41158448
|
研究论文 | 提出一种可解释的混合深度学习框架，用于皮肤病变的精确分割和多分类 | 集成U-Net分割网络和EfficientNet-B0分类模块的双任务架构，并引入Grad-CAM增强模型可解释性 | 存在类别不平衡问题，对代表性不足的类别处理有待改进，需要在实际场景中进一步验证 | 开发用于皮肤病变分割和分类的可靠AI诊断工具 | 皮肤病变的dermoscopic图像 | 计算机视觉 | 皮肤癌 | dermoscopic成像 | 深度学习,CNN | 图像 | HAM10000数据集 | NA | U-Net,EfficientNet-B0 | Dice系数,准确率 | NA |
| 200 | 2025-11-15 |
Detection and classification of venous thromboembolism through image test reports analysis using active learning and deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335262
PMID:41212856
|
研究论文 | 本研究通过主动学习和深度学习模型分析影像检查报告，实现静脉血栓栓塞症的检测与分类 | 结合主动学习策略与深度学习模型，在样本量有限和类别不平衡的真实临床数据中实现高效分类 | 存在ICD-10编码欠文档化问题，且在某些分类任务中模型性能会下降 | 评估主动学习在静脉血栓栓塞症报告分类中的效率，比较深度学习与传统机器学习模型的性能 | 5,839份影像检查报告，其中1,088份(18.6%)为VTE阳性 | 自然语言处理 | 静脉血栓栓塞症 | 影像报告分析 | LSTM, 1D-CNN, BERT, RF, SVM, GBM | 文本 | 5,839份影像报告 | NA | LSTM, multi-kernel 1D-CNN with GloVe, BERT, BioBERT | F1分数 | NA |