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 49376 篇文献，本页显示第 20101 - 20120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20101 | 2025-11-23 |
Deep learning model for assessing survival benefits in hepatocellular carcinoma patients undergoing intra-arterial therapies based on proliferative subtype
2025-Nov-19, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02100-4
PMID:41258471
|
研究论文 | 开发基于深度学习的多任务系统，用于检测增殖性肝细胞癌并预测肝动脉内治疗后的生存获益 | 创建了新型Prototype Mamba Net (PMN)架构，结合影像组学和临床变量构建预后列线图，首次实现非侵入性识别增殖性HCC亚型并指导个性化治疗选择 | 回顾性多中心研究，样本量有限，需要进一步前瞻性验证 | 开发非侵入性方法识别增殖性肝细胞癌亚型并预测肝动脉内治疗后的生存获益 | 肝细胞癌患者 | 数字病理 | 肝细胞癌 | 对比增强CT扫描 | 深度学习 | 医学影像 | 两个队列共2147例患者（手术切除组398例，不可切除HCC组1749例） | nnUNet | nnUNet, Prototype Mamba Net (PMN) | AUC, 时间依赖性AUC, 综合Brier评分 | NA |
| 20102 | 2025-11-23 |
Neuromorphic computing paradigms enhance robustness through spiking neural networks
2025-Nov-19, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65197-x
PMID:41261120
|
研究论文 | 本研究探索了利用脉冲神经网络(SNN)的神经形态计算范式如何通过时间处理能力和专门训练算法提升对抗攻击的鲁棒性 | 提出优先处理任务关键信息的编码序列、早期退出解码机制、专门训练算法和融合编码策略，显著增强SNN的鲁棒性 | 仅在CIFAR-10数据集上验证，未在其他更复杂数据集上测试 | 解决深度学习模型对抗攻击脆弱性问题，开发更鲁棒的智能系统 | 脉冲神经网络(SNN)与传统人工神经网络(ANN)的鲁棒性对比 | 机器学习 | NA | 神经形态计算 | SNN, ANN | 图像 | CIFAR-10数据集 | NA | 脉冲神经网络 | 鲁棒性 | NA |
| 20103 | 2025-11-23 |
Identification of novel vertebral development factors through UK Biobank candidate gene search and body imaging analysis
2025-Nov-19, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-025-09021-8
PMID:41261143
|
研究论文 | 通过整合UK Biobank基因数据与深度学习多模态身体成像分析，识别影响人类椎体发育的关键基因 | 首次在人类中发现VRTN基因影响椎体发育，并建立基因变异与慢性疼痛的关联 | 研究依赖UK Biobank数据库，样本特征可能存在局限性 | 探究与胸腰椎解剖结构相关的遗传因素 | 人类椎体发育和肋骨变异 | 数字病理学 | 骨骼发育异常 | 基因分析，多模态身体成像 | 深度学习 | 基因数据，医学影像 | UK Biobank数据库样本 | NA | NA | NA | NA |
| 20104 | 2025-11-23 |
High-accuracy protein complex structure modeling based on sequence-derived structure complementarity
2025-Nov-19, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65090-7
PMID:41261173
|
研究论文 | 提出DeepSCFold流程，通过序列衍生的结构互补性提高蛋白质复合物结构建模精度 | 利用基于序列的深度学习模型预测蛋白质间结构相似性和相互作用概率，构建深度配对多序列比对，有效捕获蛋白质相互作用的内在保守模式 | NA | 提高蛋白质复合物结构预测的准确性 | 蛋白质复合物结构 | 生物信息学 | NA | 深度学习，多序列比对 | 深度学习模型 | 蛋白质序列数据，结构数据 | CASP15的多聚体靶标和SAbDab数据库的抗体-抗原复合物 | NA | NA | TM-score，预测成功率 | NA |
| 20105 | 2025-11-23 |
A deep learning approach for the analysis of birdsong
2025-Nov-18, eLife
IF:6.4Q1
DOI:10.7554/eLife.101111
PMID:41252196
|
研究论文 | 开发了一种基于深度学习的斑胸草雀鸣声分析工具AVN，能够高精度标注鸣声并生成可解释特征 | 开发了无需重新训练即可跨动物群体泛化的鸣声分析工具，并提出了无需训练数据即可测量鸣声模仿的新方法 | 目前主要针对斑胸草雀鸣声，在其他物种上的适用性需要进一步验证 | 开发可解释且可泛化的鸟类鸣声行为分析工具 | 斑胸草雀的学习性鸣声 | 机器学习 | NA | 深度学习行为分析 | 深度学习 | 音频数据 | 多个动物群体的斑胸草雀鸣声数据 | Python | AVN（鸟类发声网络） | 准确率, 敏感性, 与专家判断的一致性 | NA |
| 20106 | 2025-11-23 |
Prompt guiding multi-scale adaptive sparse representation-driven network for low-dose CT MAR
2025-Nov-13, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103870
PMID:41270401
|
研究论文 | 提出一种提示引导的多尺度自适应稀疏表示驱动网络PMSRNet，用于低剂量CT重建与金属伪影减少的联合任务 | 设计了提示引导尺度自适应阈值生成器和多尺度系数融合模块，能够同时利用尺度内特征和跨尺度互补性；通过提示引导策略实现单一模型适应多种剂量水平 | 未明确说明模型在极端剂量条件下的性能表现和临床验证结果 | 解决低剂量CT重建与金属伪影减少的联合任务 | 低剂量CT图像 | 医学影像处理 | NA | CT成像 | 深度学习网络 | CT图像 | NA | NA | PMSRNet, PDuMSRNet | NA | NA |
| 20107 | 2025-11-23 |
Assessing deep learning models for multi-class upper endoscopic disease segmentation: A comprehensive comparative study
2025-Nov-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i41.111184
PMID:41262538
|
研究论文 | 本研究对17种深度学习模型在上消化道多类别疾病分割任务中的表现进行了全面比较分析 | 首次系统比较了基于CNN、Transformer和Mamba架构的17种先进模型在上消化道多类别疾病分割任务中的表现，并特别关注临床转化和实时应用潜力 | 跨数据集评估显示模型泛化能力有限（泛化保留率64.78%-71.52%），需要更强大的临床验证 | 评估深度学习模型在上消化道多类别疾病分割中的性能，识别适合临床应用的最佳模型 | 上消化道疾病的内镜图像 | 计算机视觉 | 上消化道疾病 | 内镜检查 | CNN, Transformer, Mamba | 图像 | 自收集数据集3313张图像（9个类别），公共EDD2020数据集386张图像（5个类别） | NA | Swin-UMamba, SegFormer, ConvNeXt + UPerNet, 金字塔视觉Transformer v2 + 高效多尺度卷积解码 | 交并比(IoU), 性能效率权衡得分 | NA |
| 20108 | 2025-11-23 |
High-throughput Raman platform for microplastics detection on filtration membranes
2025-Nov-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.140101
PMID:41109029
|
研究论文 | 开发了一种集成线扫描拉曼成像平台，用于滤膜上微塑料的高通量检测与分析 | 结合马赛克扫描拉曼光谱和光学显微镜，集成先进深度学习分割算法，实现快速高通量微塑料分析 | 在结构复杂的滤膜表面进行拉曼测量存在挑战，仅能检测≥10μm的微塑料 | 开发高通量微塑料检测平台，解决当前技术无法提供大量微塑料化学和形态分布分析的难题 | 47毫米直径滤膜上的微塑料颗粒 | 环境监测 | NA | 拉曼光谱，光学显微镜，马赛克扫描拉曼光谱 | 深度学习分割算法 | 光谱数据，空间数据，图像数据 | 47毫米直径滤膜 | NA | NA | 统计可靠性 | NA |
| 20109 | 2025-11-21 |
RETRACTION: A Novel Deep Learning Framework for Accurate Melanoma Diagnosis Integrating Imaging and Genomic Data for Improved Patient Outcomes
2025-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.70296
PMID:41261496
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20110 | 2025-11-23 |
Prophylactic biological mesh reinforcement during ileostomy closure surgery evaluated by the image-based deep learning model for the prevention of stoma-site incisional hernia: phase II study protocol for a single-centre, prospective, randomised controlled clinical trial
2025-Oct-07, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2025-101121
PMID:41062141
|
研究论文 | 评估生物补片预防回肠造口关闭术后造口部位切口疝的二期临床试验方案 | 首次采用基于影像的深度学习模型预测造口部位切口疝风险并指导生物补片预防性应用 | 单中心研究且样本量较小（40例患者） | 评估生物补片在预防造口部位切口疝中的安全性和有效性 | 需要接受回肠造口关闭术且经深度学习模型识别为高风险的患者 | 数字病理 | 直肠癌 | 影像组学 | 深度学习 | 医学影像 | 40例患者 | NA | NA | 切口疝发生率、局部疼痛、切口感染、血清肿 | NA |
| 20111 | 2025-11-23 |
AI Tools for Heart Failure Management: A Comprehensive Review of Potential, Pitfalls, and Predictive Analytics
2025-Oct, Cureus
DOI:10.7759/cureus.94920
PMID:41262808
|
综述 | 本文全面回顾了人工智能在心力衰竭管理中的应用潜力、局限性和预测分析能力 | 系统评估了AI在心力衰竭管理中的三大关键贡献：亚临床心衰检测、个性化治疗方案选择和人类-机器协作预测模型 | 存在算法偏见、数据安全问题、AI黑箱特性及其他潜在偏见风险 | 探讨人工智能算法和模型如何支持心力衰竭管理的各个方面 | 心力衰竭患者管理相关的临床数据和AI应用 | 自然语言处理, 机器学习 | 心血管疾病 | 机器学习, 深度学习, 自然语言处理 | NA | 临床数据, 文献数据 | 从1617篇文献中筛选出163篇符合纳入标准的研究 | NA | NA | 准确性, 预测性能 | NA |
| 20112 | 2025-11-23 |
Commentary on "Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review" by Nogueira et al. (2025)
2025-Sep, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-025-04825-9
PMID:40105945
|
评论 | 对Nogueira等人关于机器学习、深度学习和人工智能在美容整形外科应用的系统性综述的评论文章 | NA | NA | 对相关综述文章进行评论和讨论 | 美容整形外科领域的机器学习、深度学习和人工智能应用 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20113 | 2025-11-23 |
Deep Learning Application of YOLOv8 for Aortic Dissection Screening Using Non-contrast Computed Tomography
2025-Sep-01, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery
IF:5.7Q1
DOI:10.1016/j.ejvs.2025.08.054
PMID:40902929
|
研究论文 | 本研究开发并验证了基于YOLOv8深度学习模型在非对比CT图像中检测主动脉夹层的应用 | 首次将YOLOv8模型应用于非对比CT的主动脉夹层筛查，并通过Grad-CAM实现模型可解释性 | 回顾性研究设计，样本主要来自五个医疗机构 | 开发可靠的主动脉夹层自动筛查工具以提高诊断效率和准确性 | 主动脉夹层患者的非对比CT影像数据 | 计算机视觉 | 心血管疾病 | CT成像 | YOLO | 医学影像 | 1138例CT扫描（569例主动脉夹层，569例对照组） | PyTorch | YOLOv8s | AUC, 敏感度, 特异度, 推理时间 | NA |
| 20114 | 2025-11-23 |
Deep learning-based EEG source imaging is robust under varying electrode configurations
2025-Jul, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology
IF:3.7Q2
DOI:10.1016/j.clinph.2025.04.009
PMID:40318257
|
研究论文 | 本研究验证了基于深度学习的脑电源成像方法DeepSIF在不同电极配置下的鲁棒性能 | 首次系统评估深度学习脑电源成像方法在不同电极密度下的性能表现，证明其在低密度EEG下的有效性 | 研究样本量有限，仅包含27名耐药性癫痫患者 | 评估电极数量对深度学习脑电源成像性能的影响 | 计算机模拟数据和27名耐药性癫痫患者的临床数据 | 脑机接口, 生物医学工程 | 癫痫 | 脑电图(EEG), 源成像 | 深度学习 | 脑电信号 | 27名耐药性癫痫患者 | NA | DeepSIF | 空间离散度 | NA |
| 20115 | 2025-11-23 |
Artificial intelligence-based parotid contouring for radiation oncology in head and neck cancers
2025-Jul-01, Indian journal of cancer
IF:0.9Q4
DOI:10.4103/ijc.ijc_473_23
PMID:41272860
|
研究论文 | 本研究开发了一种基于人工智能的自动腮腺轮廓分割方法，用于头颈癌放射治疗规划 | 采用U-Net架构实现腮腺自动轮廓分割，提高治疗规划的精确性和效率 | 仅使用20个匿名CT数据集，样本量较小 | 开发自动腮腺轮廓分割算法以改进头颈癌放射治疗规划 | 头颈癌患者的腮腺器官 | 数字病理 | 头颈癌 | CT扫描 | CNN | 医学图像 | 20个匿名CT数据集 | NA | U-Net | 准确率,精确率,召回率,损失函数,交并比 | NA |
| 20116 | 2025-11-23 |
Advancing Digital Precision Medicine for Chronic Fatigue Syndrome through Longitudinal Large-Scale Multi-Modal Biological Omics Modeling with Machine Learning and Artificial Intelligence
2025-Jun-18, ArXiv
PMID:40980765
|
研究论文 | 通过纵向多组学数据和人工智能方法研究慢性疲劳综合征的生物标志物和疾病机制 | 开发了可解释的深度学习框架BioMapAI，创建了首个健康和疾病状态下的多组学连接图谱，揭示了微生物-免疫-代谢组的相互作用变化 | 样本规模相对有限，疾病持续时间分组较为宽泛 | 探索慢性疲劳综合征的病因机制并开发精准医疗方法 | 慢性疲劳综合征患者和健康对照者 | 数字病理学 | 慢性疲劳综合征 | 宏基因组学, 代谢组学, 免疫分析, 临床表型分析 | 深度学习 | 多组学数据, 临床数据 | ME/CFS患者154人（短期75人，长期79人），健康对照79人 | BioMapAI | 深度学习框架 | 疾病分类精度 | NA |
| 20117 | 2025-11-23 |
Single Cell Spatial Transcriptomics Reveals Immunotherapy-Driven Bone Marrow Niche Remodeling in AML
2025-Jan-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.24.634753
PMID:39975227
|
研究论文 | 本研究通过单细胞空间转录组学分析免疫治疗对急性髓系白血病骨髓微环境的重塑作用 | 整合单细胞RNA测序与空间转录组数据，开发基于深度学习的细胞分割模型，采用细胞边缘距离计算方法更精确分析肿瘤微环境 | 测序深度限制，样本量有限 | 研究免疫治疗对急性髓系白血病骨髓微环境中白血病细胞与免疫细胞时空相互作用的影响 | 难治性或复发性急性髓系白血病患者的骨髓样本 | 数字病理学 | 急性髓系白血病 | 单细胞RNA测序, 空间转录组学, 多组学分析 | 深度学习分割模型 | 空间转录组数据, 单细胞RNA测序数据, 图像数据 | NA | NA | NA | NA | NA |
| 20118 | 2025-11-23 |
Robust Human Gait Speed Recognition Under Non-Ideal Conditions for Suspension-Assisted Walking Systems
2025 Jan-Dec, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.70029
PMID:41262208
|
研究论文 | 提出一种基于IMU信号和混合深度学习模型的步态速度识别框架，用于非理想条件下的可靠步态分析 | 融合CNN和BiLSTM的混合深度学习模型，结合多传感器数据融合和两阶段特征选择策略，在非理想条件下实现高精度步态速度识别 | 仅使用8名健康受试者数据，未在患者群体中验证，样本规模有限 | 开发在非理想条件下鲁棒的步态速度识别方法，用于移动能力评估和智能辅助系统 | 健康受试者的下肢运动数据 | 机器学习 | NA | 惯性测量单元(IMU)信号采集，快速傅里叶变换(FFT)，连续小波变换(CWT) | CNN, BiLSTM, LSTM, GRU, BP | 运动传感器数据 | 8名健康受试者 | NA | CNN-BiLSTM混合模型 | 准确率, 均方根误差(RMSE) | NA |
| 20119 | 2025-11-23 |
Engineering Macrophage via Biomaterial-Mediated Mitochondrial Regulation: Mechanisms and Strategies
2025, Research (Washington, D.C.)
DOI:10.34133/research.0883
PMID:41262353
|
综述 | 本文综述了通过生物材料介导的线粒体调控工程化改造巨噬细胞的机制与策略 | 提出人工智能驱动的深度学习方法加速靶向线粒体疗法开发，建立理性设计原则和标准化评估方案 | 面临单细胞中心调控、线粒体互作复杂性和传统试错策略效率低下等转化挑战 | 开发针对炎症相关疾病的线粒体靶向精准免疫治疗策略 | 巨噬细胞的线粒体稳态与表型极化 | 生物医学工程 | 炎症性疾病 | 生物材料介导的线粒体调控 | 深度学习 | 代谢网络模型 | NA | NA | NA | NA | NA |
| 20120 | 2025-11-23 |
Artificial intelligence-assisted accurate diagnosis of anterior cruciate ligament tears using customized CNN and YOLOv9
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1691048
PMID:41262491
|
研究论文 | 本研究开发了一种基于定制CNN和YOLOv9的人工智能系统，用于通过膝关节MRI准确诊断前交叉韧带撕裂 | 提出定制化CNN架构，采用手术验证数据集，同时包含部分和完全撕裂病例，并采用严格的患者级数据分割方法 | 单中心研究，未来需要扩展到多中心数据集、多样化MRI协议和前瞻性读者研究 | 评估多种CNN架构在前交叉韧带撕裂检测中的性能 | 前交叉韧带撕裂患者 | 计算机视觉 | 运动损伤 | 磁共振成像 | CNN, YOLOv9 | 图像 | 8,086个质子密度加权矢状位膝关节MRI切片 | NA | CustomCNN, DenseNet121, InceptionResNetV2 | 准确率, 灵敏度, 特异性, AUC | NA |