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 32372 篇文献，本页显示第 2001 - 2020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2001 | 2025-10-06 |
Intraoperative applications of artificial intelligence for augmented parathyroid gland recognition: a narrative review
2025-Aug-31, Gland surgery
IF:1.5Q3
DOI:10.21037/gs-2025-165
PMID:40948914
|
综述 | 本文综述了人工智能在术中甲状旁腺识别增强应用的研究现状 | 首次系统回顾AI在多种甲状旁腺识别方法（包括近红外自发荧光、视觉识别等）中的增强应用 | 纳入研究数量有限（11篇），模型尚未广泛商业应用 | 评估人工智能在术中甲状旁腺识别中的应用效果 | 甲状旁腺组织 | 数字病理 | 甲状腺疾病 | 近红外自发荧光、吲哚菁绿血管造影、双RGB/NIR成像系统 | 深度学习 | 图像 | 11项研究 | NA | NA | 召回率, 精确率 | NA |
| 2002 | 2025-10-06 |
Multimodal model enhances qualitative diagnosis of hypervascular thyroid nodules: integrating radiomics and deep learning features based on B-mode and PDI images
2025-Aug-31, Gland surgery
IF:1.5Q3
DOI:10.21037/gs-2025-183
PMID:40948925
|
研究论文 | 开发基于B超和能量多普勒成像的多模态机器学习模型，用于提高富血管甲状腺结节的良恶性诊断准确性 | 首次将B超和PDI图像的放射组学特征与深度学习特征相结合，构建多模态融合模型用于甲状腺结节诊断 | 测试集性能较训练集有所下降，存在过拟合风险，泛化能力有待验证 | 提高富血管甲状腺结节的良恶性鉴别诊断准确性 | 315例经病理证实的富血管甲状腺结节患者（Adler分级2/3级） | 医学影像分析 | 甲状腺结节 | 超声成像（B超、能量多普勒成像） | 随机森林, 逻辑回归, SVM, XGBoost, TABPFN | 超声图像 | 315例患者（训练集220例，测试集95例） | PyRadiomics, ResNet | ResNet | AUC, 准确率, 精确率, 召回率, F1分数, SHAP分析 | NA |
| 2003 | 2025-10-06 |
Artificial intelligence-driven diagnosis of acute thoracic aortic dissection: integrating imaging, biomarkers, and clinical workflows-a narrative review
2025-Aug-31, Annals of translational medicine
DOI:10.21037/atm-25-82
PMID:40949677
|
综述 | 本文综述了人工智能在急性胸主动脉夹层诊断中的应用，整合影像学、生物标志物和临床工作流程 | 首次系统评估AI模型在急诊环境下区分ATAD与其他胸痛相关疾病的性能及临床意义 | 仅检索2015-2025年间发表的研究，可能存在文献覆盖不全的局限性 | 评估AI模型在急诊胸痛鉴别诊断中的表现和临床价值 | 急性胸主动脉夹层患者及其他胸痛相关急症患者 | 数字病理 | 心血管疾病 | 影像学检查、生物标志物检测 | 深度学习 | 影像数据、生物标志物数据、临床数据 | 基于18项研究的汇总数据 | NA | NA | NA | NA |
| 2004 | 2025-10-06 |
Narrative review of the application of artificial intelligence-related technologies in the diagnosis of pulmonary nodules with recommendations for clinical practice and future research
2025-Aug-31, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-2025-1512
PMID:40950910
|
综述 | 回顾人工智能技术在肺结节诊断中的应用现状并提出临床实践建议 | 系统梳理近10年中英文文献，首次综合评估AI在肺结节影像学、病理学和基因组学三大领域的应用现状 | 模型标准化不足，缺乏外部验证，仍需大规模前瞻性研究支持临床应用 | 探讨人工智能技术在肺结节诊断中的应用现状及未来发展 | 肺结节相关研究文献 | 医学人工智能 | 肺癌 | 文献综述方法 | 深度学习, 机器学习 | 文献数据 | 近10年PubMed、Web of Science、Cochrane Library和CNKI数据库文献 | NA | NA | NA | NA |
| 2005 | 2025-10-06 |
ChronoSynthNet: a dual-task deep learning model development and validation study for predicting real-time norepinephrine dosage and the early detection of hypotension in patients with septic shock
2025-Aug-30, Cardiovascular diagnosis and therapy
IF:2.1Q3
DOI:10.21037/cdt-2025-265
PMID:40948722
|
研究论文 | 开发并验证一种双任务深度学习模型，用于预测脓毒症休克患者的实时去甲肾上腺素剂量和早期检测低血压 | 提出首个集成共享Transformer编码器、LSTM层和动态特征加权网络的双任务深度学习模型，能够同时预测血管活性药物剂量和早期预警低血压 | 基于回顾性单中心数据，需要前瞻性多中心验证才能临床部署 | 开发个性化血管活性药物治疗和早期预警脓毒症休克患者血流动力学恶化的数据驱动模型 | 符合Sepsis-3标准并接受去甲肾上腺素治疗的成人ICU脓毒症休克患者 | 医疗人工智能 | 脓毒症休克 | 电子健康记录时间序列数据分析 | Transformer, LSTM | 电子健康记录时间序列数据 | MIMIC-IV数据库(2008-2019年)中符合条件的成人ICU住院记录 | NA | Transformer编码器, LSTM, 动态特征加权网络 | AUROC, AUPRC, 精确度, 召回率, 特异性, MSE | NA |
| 2006 | 2025-10-06 |
Machine Learning Models for Predicting Gynecological Cancers: Advances, Challenges, and Future Directions
2025-Aug-27, Cancers
IF:4.5Q1
DOI:10.3390/cancers17172799
PMID:40940896
|
综述 | 本文综述了机器学习模型在妇科癌症预测领域的最新进展、挑战和未来发展方向 | 探讨了可解释AI、联邦学习和多组学融合等新兴技术在妇科癌症预测中的应用前景 | 存在数据不一致性、模型可解释性不足和临床转化困难等挑战 | 改善妇科癌症的早期预测方法，提高生存率并指导个体化治疗 | 妇科癌症（乳腺癌、宫颈癌、卵巢癌）患者 | 机器学习 | 妇科癌症 | 多组学数据融合（临床记录、基因组学、蛋白质组学、医学影像） | 支持向量机,随机森林,深度学习,卷积神经网络 | 临床记录,基因组数据,蛋白质组数据,医学影像 | NA | NA | CNN | NA | NA |
| 2007 | 2025-10-06 |
Comparative Evaluation of CNN and Transformer Architectures for Flowering Phase Classification of Tilia cordata Mill. with Automated Image Quality Filtering
2025-Aug-27, Sensors (Basel, Switzerland)
DOI:10.3390/s25175326
PMID:40942760
|
研究论文 | 本研究评估了CNN和Transformer架构在椴树开花期自动分类中的性能，并提出了自动图像质量过滤方法 | 引入了基于XGBoost分类器的自动图像质量过滤方法，首次系统比较了传统CNN与Transformer架构在物候期识别中的表现 | 研究仅针对椴树单一物种，需要在其他植物物种和地点进行验证 | 开发可靠的树木开花期自动监测方法，支持生态研究和气候变化研究 | 小叶椴树的开花物候期 | 计算机视觉 | NA | 深度学习，图像分类 | CNN, Transformer | 图像 | 大量自然田间条件下获取的真实世界图像数据集 | NA | VGG16, ResNet50, EfficientNetB3, MobileNetV3 Large, ConvNeXt Tiny, Vision Transformer (ViT-B/16), Swin Transformer Tiny | F1-score, 平衡准确率 | NA |
| 2008 | 2025-10-06 |
Applications of artificial intelligence in stem cell therapy
2025-Aug-26, World journal of stem cells
IF:3.6Q3
DOI:10.4252/wjsc.v17.i8.106086
PMID:40951704
|
综述 | 本文探讨人工智能在干细胞治疗领域的应用潜力与现状 | 系统整合人工智能技术在干细胞行为分析、鉴定表征、递送方法优化等关键环节的创新应用 | 算法验证不完善、数据可用性不足、数据质量较差及伦理考量等限制因素 | 推动干细胞研究与治疗应用的发展 | 干细胞治疗技术 | 机器学习 | NA | NA | 深度学习 | NA | NA | NA | NA | NA | NA |
| 2009 | 2025-10-06 |
Comparison of ChatGPT and DeepSeek large language models in the diagnosis of pericarditis
2025-Aug-26, World journal of cardiology
IF:1.9Q3
DOI:10.4330/wjc.v17.i8.110489
PMID:40949931
|
研究论文 | 比较ChatGPT和DeepSeek大语言模型在心包炎诊断中的准确性 | 首次系统比较不同大语言模型在心包炎诊断中的表现，为LLMs在心血管疾病诊断中的应用提供实证依据 | 样本量较小（仅16例病例报告），缺乏对非典型表现的充分评估 | 评估大语言模型作为心包炎风险分层工具的诊断准确性 | 经确诊的急性心包炎患者病例报告 | 自然语言处理 | 心血管疾病 | 大语言模型 | LLM | 文本 | 16例符合纳入标准的病例报告（来自220篇初步检索文献） | NA | ChatGPT o1, DeepThink-R1 | 诊断准确率 | NA |
| 2010 | 2025-10-06 |
Harnessing AI-driven reverse docking in drug discovery: a comprehensive review of opportunities, challenges, and emerging trends
2025-Aug-25, Journal of molecular modeling
IF:2.1Q3
DOI:10.1007/s00894-025-06480-y
PMID:40853597
|
综述 | 本文全面回顾了人工智能驱动的反向对接技术在药物发现领域的应用、挑战与发展趋势 | 系统整合人工智能与反向对接方法，提出多组学数据整合和实时发现管道等新兴方向 | 面临数据限制和算法复杂性等挑战 | 探讨AI驱动的反向对接在药物发现中的机遇与挑战 | 药物靶点识别、治疗相互作用预测 | 机器学习 | NA | 反向对接、虚拟筛选、多组学数据分析 | 机器学习,深度学习,强化学习 | 多组学数据 | NA | NA | NA | NA | 高通量计算管道 |
| 2011 | 2025-10-06 |
Predicting Healthcare Utilization Outcomes With Artificial Intelligence: A Large Scoping Review
2025-Aug-21, Value in health : the journal of the International Society for Pharmacoeconomics and Outcomes Research
IF:4.9Q1
DOI:10.1016/j.jval.2025.08.007
PMID:40848744
|
综述 | 通过范围综述系统梳理人工智能在医疗资源利用预测领域的研究现状、数据特征、方法学和报告标准 | 首次系统评估AI在医疗资源利用预测中的变量覆盖完整性，发现尚无研究包含全部6类关键变量组，并识别了报告标准依从性的不足 | 仅纳入截至2025年1月的研究，未对模型性能进行定量比较，且未评估预测模型的实际临床影响 | 识别人工智能在医疗资源利用预测研究中的数据特征、方法学趋势和报告标准依从性 | 医疗资源利用预测相关的AI研究文献 | 机器学习 | NA | 范围综述方法 | 集成模型,深度学习 | 电子健康记录,保险索赔数据 | 121项符合纳入标准的研究 | NA | 深度神经网络 | NA | NA |
| 2012 | 2025-10-06 |
Metabolic modelling: Insights into the machine room of plant metabolism
2025-Aug-14, Journal of plant physiology
IF:4.0Q1
DOI:10.1016/j.jplph.2025.154584
PMID:40957247
|
综述 | 本文综述了植物代谢建模的最新进展及其在从亚细胞到生态系统层面研究代谢网络的应用 | 探讨了机器学习与深度学习框架在模型重建和参数化中的应用，以及增强机制模型的混合策略 | NA | 研究植物代谢网络的系统级过程及其在环境互作中的作用 | 植物代谢网络及其生化反应 | 计算生物学 | NA | 代谢建模，机器学习，深度学习 | NA | 代谢网络数据 | NA | NA | NA | NA | NA |
| 2013 | 2025-10-06 |
Deep Learning Prediction and Interpretation of Riverine Nitrate Export Across the Mississippi River Basin
2025-Aug-09, Water resources research
IF:4.6Q1
DOI:10.1029/2024WR039207
PMID:40948694
|
研究论文 | 使用长短期记忆模型预测密西西比河流域硝酸盐输出并解释其空间驱动因素 | 首次将LSTM模型与高频率传感器数据结合用于流域尺度硝酸盐浓度预测，并采用可解释的Shapley值识别关键空间驱动因素和非线性阈值 | 空间验证性能相对较低（中位KGE=0.18），在未监测流域的预测能力有限 | 预测和解释密西西比河流域硝酸盐输出的时空模式及其驱动机制 | 密西西比河流域的河流硝酸盐浓度和输出量 | 机器学习 | NA | 高频传感器监测 | LSTM | 时间序列数据 | 美国本土连续区域的高频传感器数据（1980-2022年） | NA | 长短期记忆网络 | Kling-Gupta效率系数 | NA |
| 2014 | 2025-10-06 |
Novel CAC Dispersion and Density Score to Predict Myocardial Infarction and Cardiovascular Mortality
2025-Aug, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.125.018059
PMID:40613107
|
研究论文 | 本研究开发了一种新型冠状动脉钙化分散度和密度评分（CAC-DAD）用于预测主要不良心血管事件 | 首次结合冠状动脉钙化的空间分布特征和高密度钙化的保护性效应，开发了优于传统Agatston评分的预测模型 | 研究为回顾性设计，样本量相对有限（961例患者），随访时间较短（中位30天） | 评估新型CAC-DAD评分在预测主要不良心血管事件方面的预后价值 | 接受心脏计算机断层扫描进行心血管或围手术期风险评估的患者 | 数字病理 | 心血管疾病 | 心脏计算机断层扫描，深度学习算法 | 深度学习 | 医学影像 | 961例患者（中位年龄67岁，61%男性） | NA | NA | C统计量，风险比，敏感性 | NA |
| 2015 | 2025-10-06 |
Influence of Problem-based Learning Method on Learning Outcomes in Medical Curriculum
2025-Aug, The Journal of the Association of Physicians of India
DOI:10.59556/japi.73.1079
PMID:40955883
|
研究论文 | 本研究通过回顾性分析探讨问题导向学习法对医学课程学习成果的影响 | 通过比较传统教学与PBL教学在医学教育中的效果，证实PBL能显著提升学生学习成果 | 研究样本量有限（151名学生），且为单中心回顾性研究 | 评估问题导向学习法在医学课程教学中的有效性 | 151名攻读第二年MBBS药理学课程的学生 | 医学教育 | NA | 回顾性数据分析 | NA | 考试成绩数据 | 151名医学学生 | SPSS | NA | p值, 通过率 | NA |
| 2016 | 2025-10-06 |
Coalescence and Translation: A Language Model for Population Genetics
2025-Jun-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.24.661337
PMID:40666889
|
研究论文 | 开发了一种基于Transformer的语言模型cxt，用于从基因组数据推断群体遗传学中的共祖时间和祖先重组图 | 将共祖时间推断重新定义为两种生物语言之间的翻译问题，首次将大型语言模型架构应用于群体遗传学推断 | 模型训练依赖于模拟数据，在真实数据上的性能可能受模拟与真实差异影响 | 开发能够灵活、可扩展地从基因组数据推断谱系历史的新方法 | 基因组数据和祖先重组图(ARG) | 自然语言处理 | NA | 基因组测序 | Transformer | 基因组序列数据 | 基于stdpopsim目录的模拟数据训练，可产生超过百万个共祖预测 | NA | Decoder-only Transformer | 与最先进的MCMC似然模型性能相当，包括分布内和分布外场景 | NA |
| 2017 | 2025-10-06 |
[Dual-Channel Shoulder Joint X-ray Bone Age Estimation in Chinese Han Adolescents Based on the Fusion of Segmentation Labels and Original Images]
2025-Jun-25, Fa yi xue za zhi
|
研究论文 | 基于双通道肩关节X射线图像融合分割标签与原始图像的深度学习骨龄评估方法研究 | 提出结合原始图像与分割标签的双通道输入方法，通过U-Net++网络提取关键肩关节区域信息，提升骨龄评估精度 | 研究样本仅包含1286例中国汉族青少年数据，年龄范围限定在12.0至18.0岁 | 探索适用于中国汉族青少年肩关节X射线图像的骨龄评估深度学习模型 | 中国汉族青少年肩关节X射线图像 | 计算机视觉 | NA | X射线成像 | CNN | 医学图像 | 1286例肩关节X射线图像（708例男性，578例女性） | NA | VGG16, ResNet18, ResNet50, DenseNet121, U-Net++ | 平均绝对误差, 均方根误差, 决定系数, 皮尔逊相关系数 | NA |
| 2018 | 2025-10-06 |
Deep learning reveals pathology-confirmed neuroimaging signatures in Alzheimer's, vascular and Lewy body dementias
2025-Jun-03, Brain : a journal of neurology
IF:10.6Q1
DOI:10.1093/brain/awae388
PMID:39657969
|
研究论文 | 开发基于深度学习的多标签框架，通过生前T1加权MRI识别阿尔茨海默病、血管性痴呆和路易体痴呆的神经影像学生物标志物 | 首次提出基于神经病理学的数据驱动多标签深度学习框架，开发了DeepSPARE指数作为精确的病理敏感非侵入性神经影像学指标 | 样本量相对有限，路易体痴呆的平衡准确率较低(0.623)，需要外部验证 | 解决神经退行性和血管性病理共存的诊断挑战，开发基于深度学习的痴呆类型识别方法 | 423名痴呆患者和361名对照参与者 | 数字病理学 | 老年疾病 | T1加权MRI | 深度学习 | 图像 | 784名参与者(423痴呆+361对照) | NA | NA | 平衡准确率 | NA |
| 2019 | 2025-10-06 |
Redefining healthcare - The transformative power of generative AI in modern medicine
2025-06, Revista espanola de enfermedades digestivas
IF:2.7Q2
DOI:10.17235/reed.2025.11081/2024
PMID:39898717
|
综述 | 本文探讨生成式AI在现代医学中的变革潜力及其伦理法律挑战 | 系统性阐述生成式AI如何重塑医疗健康领域，强调其内容生成能力对医疗实践的颠覆性影响 | 未提供具体案例研究或实证数据支持论点 | 分析生成式AI在医疗领域的应用前景并警示相关伦理法律问题 | 医疗健康系统及专业从业人员 | 机器学习 | NA | 深度学习 | NA | 多模态数据（语言、视觉、听觉） | NA | NA | 人工神经网络 | NA | 大数据计算能力 |
| 2020 | 2025-10-06 |
Cellular and subcellular specialization enables biology-constrained deep learning
2025-May-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.22.655599
PMID:40501912
|
研究论文 | 本研究开发了一种符合生物学约束的深度学习模型，通过模拟神经元细胞类型和树突区室的特化机制来实现图像分类任务 | 提出了首个完全符合生物学约束的深度学习算法，整合了兴奋性/抑制性神经元分化和树突区室信号传导的特化机制 | 模型虽然符合生物学约束，但仍是对真实神经系统的简化表示，需要进一步实验验证 | 探索大脑如何通过神经元细胞类型和树突区室的特化来协调多层神经回路的学习过程 | 人工神经网络模型，模拟生物神经元的特化结构和信号传导机制 | 机器学习 | NA | 深度学习算法 | 循环神经网络 | 图像 | NA | NA | 多层循环神经网络，包含兴奋性和抑制性神经元单元 | 分类准确率 | NA |