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 36491 篇文献，本页显示第 2041 - 2060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2041 | 2025-12-02 |
Progression and prospects of machine learning techniques in nanotoxicology: riding the AI-driven wave
2025-Nov, Toxicology mechanisms and methods
IF:2.8Q2
DOI:10.1080/15376516.2025.2536659
PMID:40717503
|
综述 | 本文系统总结了机器学习在纳米毒理学中的应用、挑战及未来前景 | 探讨了机器学习，特别是深度学习网络，在预测纳米颗粒毒性方面的潜力，并提出了整合其他计算方法以改进毒性评估的可能性 | 机器学习面临训练数据有限、模型可解释性问题以及纳米材料-生物相互作用复杂性等挑战 | 评估机器学习技术在纳米毒理学领域的应用，以改进纳米颗粒毒性评估方法 | 纳米颗粒及其在生态环境中的分布与毒性 | 机器学习 | NA | 机器学习，深度学习 | 深度学习网络 | 数据集 | NA | NA | NA | NA | NA |
| 2042 | 2025-12-02 |
Advanced deep learning for automatic classification of fired bullets from standard-issue firearms
2025-Nov, Science & justice : journal of the Forensic Science Society
IF:1.9Q3
DOI:10.1016/j.scijus.2025.101335
PMID:41320451
|
研究论文 | 本研究探索深度学习用于自动分类标准制式枪支发射的子弹标记，以提高法医枪支检验的准确性和减少主观性 | 采用三种不同的图像预处理策略（全景成像、LEA分割和线条分割）并结合预训练的ResNet50网络，实现了对高度相似子弹膛线标记的高精度分类，其中LEA分割策略表现最佳 | 研究仅基于中国执法机构常用的六种标准制式枪支的6000枚子弹数据集，可能未涵盖所有枪支类型或变异情况 | 通过AI驱动的解决方案提高法医枪支检验的效率和准确性，减少主观判断不一致的问题 | 从六种标准制式枪支发射的6000枚子弹 | 计算机视觉 | NA | BalScan系统全景成像 | CNN | 图像 | 6000枚子弹 | TensorFlow, PyTorch, Keras | ResNet50 | 分类准确率 | NA |
| 2043 | 2025-12-02 |
Ark+: Supervised training a single high-performance AI foundation model from many differently labeled datasets-no label consolidation required
2025-Oct-29, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103828
PMID:41319624
|
研究论文 | 本文提出了一种名为Ark的监督学习框架，能够在不进行标签统一的情况下，利用多个异构标注的公开数据集训练单一高性能AI基础模型 | 提出Ark框架，首次实现了无需人工标签统一即可聚合多个异构标注数据集进行监督训练，突破了跨数据集标签异质性的长期障碍 | NA | 开发一种能够利用多个公开异构标注数据集训练单一高性能AI基础模型的方法 | 胸部X光片（CXRs）和眼底摄影图像 | 医学影像分析 | 肺部疾病（包括肺炎等） | 深度学习 | 基础模型 | 图像 | Ark5使用335,484张CXRs，Ark6使用704,363张CXRs | PyTorch | 多种架构（具体未指定） | 分类、分割、定位任务的性能评估，性别偏差分析 | NA |
| 2044 | 2025-12-02 |
Hippocampal grey matter changes across scales in Alzheimer's Disease
2025-Oct-15, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.15.682705
PMID:41280080
|
研究论文 | 本研究利用ADNI数据集，通过深度学习模型分析阿尔茨海默病和轻度认知障碍患者海马体的宏观结构（如厚度和脑回）与微观结构变化 | 采用迭代训练范式调整现有深度学习模型，以捕捉老年及海马退化个体的海马拓扑结构，并首次结合宏观与微观结构变化，揭示AD和MCI中扩散方向与平均扩散系数的空间非重叠性 | 研究依赖于ADNI数据集，样本可能具有选择性偏差；未探讨其他神经退行性疾病的影响；深度学习模型的泛化能力需进一步验证 | 探究阿尔茨海默病和轻度认知障碍中海马体宏观与微观结构的变化特征 | 阿尔茨海默病患者、轻度认知障碍患者及健康老年对照个体 | 数字病理学 | 阿尔茨海默病 | 扩散MRI，深度学习 | 深度学习模型 | MRI图像，扩散张量数据 | ADNI数据集中的AD、MCI患者及健康对照个体 | NA | NA | NA | NA |
| 2045 | 2025-12-02 |
GhostFold: Accurate protein structure prediction using structure-constrained synthetic coevolutionary signals
2025-Oct-14, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.13.682177
PMID:41279404
|
研究论文 | 提出一种名为GhostFold的方法，可从单一氨基酸序列生成结构约束的合成多序列比对，用于高精度蛋白质结构预测 | 无需传统同源搜索，利用蛋白质语言模型和结构字母表生成具有折叠一致性的合成序列，解决了同源序列稀少蛋白质的结构预测难题 | 未明确说明方法对特定结构类型（如膜蛋白）的适用性，且合成序列的进化合理性有待进一步验证 | 开发不依赖深度多序列比对的蛋白质结构预测方法 | 孤儿蛋白质、高变抗体环等难以通过传统方法预测结构的蛋白质 | 计算结构生物学 | NA | 蛋白质语言模型（ProstT5）、3Di结构字母表 | 深度学习模型 | 氨基酸序列、结构表示 | NA | NA | AlphaFold2 | pLDDT | 计算轻量级（具体资源未说明） |
| 2046 | 2025-12-02 |
High-Risk Carotid Lesion Segmentation: Advancing Stroke Risk Detection With Deep Learning
2025-Oct-14, Journal of endovascular therapy : an official journal of the International Society of Endovascular Specialists
IF:1.7Q2
DOI:10.1177/15266028251381672
PMID:41321026
|
研究论文 | 本研究探讨了使用人工智能软件PRAEVAorta2在CT血管造影上自动分割颈动脉斑块的可行性，并比较了有症状与无症状患者斑块成分的差异 | 引入了AI工具PRAEVAorta2来自动分割和量化颈动脉斑块成分，超越传统狭窄分级，提供更细致的斑块易损性评估 | 血栓分割的Dice相似系数较低（0.33），表明该成分的自动分割性能有待提升 | 评估AI在颈动脉病变分割中的可行性，并比较有症状与无症状患者斑块成分的差异 | 颈动脉斑块 | 数字病理 | 心血管疾病 | CT血管造影 | 深度学习 | 图像 | 156名患者（81个有症状病变，75个无症状病变） | NA | NA | 敏感性, 特异性, Dice相似系数, 体积相似性 | NA |
| 2047 | 2025-12-02 |
Uncovering the Mechanistic Landscape of Regulatory DNA with Deep Learning
2025-Oct-08, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.07.681052
PMID:41278958
|
研究论文 | 本文提出了一种结合深度学习和可解释AI的计算框架SEAM，用于解析调控DNA的机制景观并评估基因突变的功能影响 | 开发了SEAM框架，首次系统性地将深度学习和可解释AI结合，能够识别功能结合位点、区分突变对结合位点的不同影响（保留/破坏/创建），并发现调控信号存在突变稳健型和易重编程型两种类型 | 未明确说明模型在哪些具体调控位点类型上的泛化能力，也未提供大规模验证数据 | 解析调控DNA的机制逻辑，评估非编码区基因突变的功能影响，并指导合成序列设计 | 人类和其他物种的调控基因座（regulatory loci） | 机器学习 | NA | 深度学习，可解释AI | 深度学习模型 | DNA序列数据 | NA | NA | NA | NA | NA |
| 2048 | 2025-12-02 |
Glomerular Segmentation, Classification, and Pathomic Feature-based Prediction of Clinical Outcomes in Minimal Change Disease and Focal Segmental Glomerulosclerosis
2025-Oct-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.10.01.25336172
PMID:41282794
|
研究论文 | 本研究应用计算图像分析自动化分割和分类肾小球，并提取非硬化肾小球的亚视觉病理特征以评估其临床相关性 | 利用深度学习模型自动化分割和分类肾小球，并从非硬化肾小球中提取亚视觉病理特征用于预测临床结局，揭示了传统评估中未被充分认识的预后信息 | 研究仅基于特定染色（PAS）的WSI图像，且模型在%SS的评估上一致性仅为中等（ICC=0.592），非硬化肾小球病理特征的预测性能相对有限（iAUCs约0.66-0.68） | 自动化评估肾小球硬化并探索非硬化肾小球的病理特征与临床结局（疾病进展和蛋白尿缓解）的关联 | 局灶节段性肾小球硬化症和微小病变病的肾小球 | 数字病理学 | 肾脏疾病 | PAS染色全切片图像分析 | 深度学习模型 | 图像 | 基于NEPTUNE/CureGN队列的PAS染色WSI图像，具体样本数量未在摘要中明确 | NA | NA | ICC, iAUC | NA |
| 2049 | 2025-12-02 |
Physics-Informed Machine Learning in Biomedical Science and Engineering
2025-Oct-06, ArXiv
PMID:41281212
|
综述 | 本文综述了物理信息机器学习在生物医学科学与工程中的应用，重点介绍了PINNs、NODEs和神经算子三类框架 | 系统性地将参数化物理定律与数据驱动方法相结合，为复杂生物医学系统建模提供了可解释且高效的范式 | 存在不确定性量化、泛化能力以及与大型语言模型整合等开放挑战 | 探讨物理信息机器学习在生物医学领域的应用潜力与发展方向 | 生物固体与流体力学、力学生物学、医学成像、生理系统、药代动力学、细胞信号传导等多尺度生物医学系统 | 机器学习 | NA | NA | 物理信息神经网络, 神经常微分方程, 神经算子 | NA | NA | NA | PINNs, NODEs, NOs | NA | NA |
| 2050 | 2025-12-02 |
Diffusion model-based contrast-enhanced CT synthesis for breast cancer radiotherapy: Pursuing contrast-free imaging
2025 Oct-Dec, Science progress
IF:2.6Q2
DOI:10.1177/00368504251399577
PMID:41308043
|
研究论文 | 本研究开发了一种基于扩散模型的深度学习框架，用于从非对比增强CT合成对比增强CT图像，以探索其在乳腺癌放疗中的应用效果 | 提出了一种新颖的基于扩散模型的图像到图像转换方法（SynDiff），在乳腺癌放疗中实现从非对比增强CT到对比增强CT的合成，相比传统生成对抗网络模型（如Pix2Pix、CycleGAN、RegGAN）表现出更优性能 | 样本量相对有限（共194例患者），且外部验证队列仅包含18例患者，可能影响模型的泛化能力评估 | 开发并评估深度学习模型在乳腺癌放疗中从非对比增强CT合成对比增强CT图像的应用效果，以追求无对比剂成像 | 乳腺癌患者的非对比增强CT和对比增强CT图像对 | 计算机视觉 | 乳腺癌 | CT成像 | 扩散模型, GAN | 医学图像（CT） | 194例患者（176例来自医院一，18例来自医院二），分为训练队列（122例）、内部测试队列（54例）和外部验证队列（18例） | NA | SynDiff, Pix2Pix, CycleGAN, RegGAN | PSNR, SSIM, NMAE | NA |
| 2051 | 2025-12-02 |
Artificial intelligence-augmented ultrasound diagnosis of follicular-patterned thyroid neoplasms: a multicenter retrospective study
2025-Aug, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103351
PMID:40697959
|
研究论文 | 本研究开发并验证了一种基于深度学习（OverLoCK模型）的超声诊断系统，用于术前区分良恶性滤泡型甲状腺肿瘤 | 开发了新颖的OverLoCK（Overview-first-Look-Closely-next ConvNet with Context-Mixing Dynamic Kernels）模型，并首次在多中心、大规模回顾性研究中验证了深度学习系统在滤泡型甲状腺肿瘤术前诊断中的应用价值 | 研究为回顾性设计，需要在真实世界临床环境中进行前瞻性研究以进一步验证 | 开发并验证一种基于深度学习的超声诊断系统，以提高滤泡型甲状腺肿瘤的术前诊断准确性，减少不必要的手术干预 | 滤泡型甲状腺肿瘤患者，包括甲状腺滤泡腺瘤、滤泡癌和滤泡亚型乳头状甲状腺癌 | 数字病理 | 甲状腺癌 | 超声成像 | CNN | 图像 | 3817名患者（9393张超声图像），来自中国11个中心 | NA | OverLoCK | AUC, 准确率, 灵敏度, 特异度, 阳性预测值, 阴性预测值, F1分数 | NA |
| 2052 | 2025-12-02 |
Mapping the Evolution of Thyroid Ultrasound Research: A 30-year Bibliometric Analysis
2025, Current medical imaging
IF:1.1Q3
|
综述 | 本文通过文献计量学方法，系统梳理了甲状腺超声研究30年的发展历程，识别了发展趋势、研究热点和新兴前沿 | 首次对甲状腺超声研究领域进行了长达30年的系统性文献计量分析，并利用VOSviewer和CiteSpace工具揭示了合作网络、参考文献时间线及关键词突现 | 分析仅基于Web of Science核心合集中的英文文献，可能遗漏其他语言或数据库的重要研究 | 通过文献计量分析，绘制甲状腺超声研究的演变图谱，识别发展趋势、研究热点和新兴前沿 | 1994年至2023年间Web of Science核心合集收录的甲状腺超声相关英文文章和综述 | 医学影像分析 | 甲状腺疾病 | 文献计量分析 | NA | 文献元数据 | 8,489篇文献 | VOSviewer, CiteSpace | NA | NA | NA |
| 2053 | 2025-12-02 |
Enhancing Bangla handwritten character recognition using Vision Transformers, VGG-16, and ResNet-50: a performance analysis
2025, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2025.1682984
PMID:41322980
|
研究论文 | 本文通过比较Vision Transformer、VGG-16和ResNet-50在孟加拉语手写字符识别任务上的性能，展示了ViT在捕获全局上下文和长距离依赖方面的优势 | 首次在孟加拉语手写字符识别任务中应用Vision Transformer，并实现了98.26%的当前最佳准确率，超越了传统CNN架构 | 研究仅使用了CMATERdb 3.1.2数据集，未在其他数据集上验证模型的泛化能力；未讨论计算资源消耗和模型推理速度 | 比较不同深度学习架构在孟加拉语手写字符识别任务上的性能，探索Transformer架构在该领域的应用潜力 | 孟加拉语手写字符图像 | 计算机视觉 | NA | NA | Vision Transformer, CNN | 图像 | 24,000张图像，涵盖50个基本孟加拉语字符 | NA | Vision Transformer, VGG-16, ResNet-50 | 准确率 | NA |
| 2054 | 2025-12-02 |
Advances in artificial intelligence-based technologies for increasing the quality of medical products
2024-Nov-30, Daru : journal of Faculty of Pharmacy, Tehran University of Medical Sciences
IF:2.5Q3
DOI:10.1007/s40199-024-00548-5
PMID:39613923
|
综述 | 本文综述了人工智能技术在提高医疗产品质量方面的最新进展和应用 | 整合了AI在药物靶点预测、产品开发加速及医疗质量提升中的综合应用视角 | 作为综述文章，未涉及具体实验数据或模型性能的深入分析 | 探讨AI技术如何优化医疗产品的开发流程、质量与成本效益 | 医疗产品（如药物）的开发与制造过程 | 机器学习 | NA | 机器学习、深度学习 | NA | 生物医学数据（如蛋白质结构、健康统计数据） | NA | NA | NA | NA | NA |
| 2055 | 2025-12-01 |
Deep learning-based quantitative assessment of renal chronicity indices in lupus nephritis
2026-Feb, Annals of diagnostic pathology
IF:1.5Q3
|
研究论文 | 开发基于深度学习的自动化评估狼疮性肾炎肾脏慢性指数的流程 | 首个从疾病特异性角度自动化评估肾脏慢性指数的深度学习流程，显著提高观察者间一致性并增强预后预测能力 | 两个队列存在轻微人口统计学差异，特别是年龄和血红蛋白水平 | 开发自动化评估狼疮性肾炎肾脏慢性指数的有效深度学习流程 | 狼疮性肾炎患者 | 数字病理学 | 狼疮性肾炎 | 深度学习 | CNN | 病理切片图像 | 141名患者的282张切片（训练队列30名患者60张切片，内部测试148张切片，外部测试74张切片） | NA | NA | 分割性能，与病理学家相关性，观察者间一致性，预后准确性 | NA |
| 2056 | 2025-12-01 |
A 2D-digital spectral sensing method for rapid antibiotic detection in water
2026-Jan-01, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2025.123279
PMID:41202958
|
研究论文 | 提出一种结合二维数字光谱图像与深度学习技术的水体抗生素快速检测方法 | 开发新型光谱成像系统与组合化学探针，将样本信息转化为具有二维全息光谱特征的图像，并构建端到端的定量分析模型 | NA | 建立高效低成本的水体抗生素快速监测技术 | 水体中的抗生素污染物 | 计算机视觉 | NA | 光谱成像技术、组合化学探针 | CNN | 二维数字光谱图像 | NA | NA | 数字光谱卷积神经网络（DSCNN） | R值（0.85-0.93），检测限（1.94 mg/L） | NA |
| 2057 | 2025-12-01 |
A deep learning framework to iDentify prOgnostically releVant cancEr Regions (DOVER) within whole slide histopathology images
2026-Jan-01, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2025.218134
PMID:41238099
|
研究论文 | 提出一种深度学习框架DOVER，用于在组织病理学全切片图像中识别具有预后相关性的癌症区域 | 首次开发能够精确定位全切片图像中预后相关区域的方法，通过从组织微阵列点中学习预后模式并映射到更大切片 | 需要进一步验证框架的泛化能力，目前仅在两种癌症类型中测试 | 解决肿瘤形态异质性带来的预后预测挑战，精确定位最具预后价值的肿瘤区域 | 非小细胞肺癌(NSCLC)和口咽鳞状细胞癌(OPSCC)患者的全切片图像 | 数字病理学 | 肺癌,头颈癌 | 全切片成像,组织微阵列,定量免疫荧光 | 深度学习 | 组织病理学图像,临床数据 | 2041名患者(NSCLC:1141例, OPSCC:900例) | NA | NA | c-index | NA |
| 2058 | 2025-12-01 |
Functional blepharoptosis screening with generative augmented deep learning from external ocular photography
2025-Dec, Orbit (Amsterdam, Netherlands)
DOI:10.1080/01676830.2025.2497460
PMID:40304715
|
研究论文 | 开发并验证基于外部眼部照片的功能性上睑下垂深度学习筛查模型，并评估生成式数据增强对模型性能的影响 | 首次将生成对抗网络（StyleGAN）生成的合成图像用于增强功能性上睑下垂检测模型的训练数据 | 样本量相对有限（771只眼睛），且来自单一三级眼科诊所，可能影响模型泛化能力 | 开发能够从外部眼部照片中检测功能性上睑下垂的深度学习模型 | 21岁及以上患者的眼部照片，包括639例临床诊断的功能性上睑下垂和132例正常对照 | 计算机视觉 | 眼科疾病 | 外部眼部摄影 | 深度学习, GAN | 图像 | 771只眼睛（训练集539，验证集76，测试集156），增强后训练集增加2000张合成图像 | NA | StyleGAN | 敏感度, 特异度, AUC | NA |
| 2059 | 2025-12-01 |
Prognostic value of body composition out of PSMA-PET/CT in prostate cancer patients undergoing PSMA-therapy
2025-Dec, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07416-7
PMID:40580320
|
研究论文 | 本研究开发了一种基于深度学习的全身CT分割方法，用于评估接受PSMA放射性配体治疗的转移性去势抵抗性前列腺癌患者的身体组成及其预后价值 | 首次使用深度学习从标准PSMA-PET-CT中自动分割身体组成成分，超越传统的PSMA-PET评估，发现新的预后指标 | 回顾性研究，样本量较小，需要在更大规模的前瞻性数据集中验证 | 开发基于深度学习的身体组成评估方法，探索其在mCRPC患者预后预测中的价值 | 86名接受[177Lu]Lu-PSMA放射性配体治疗的转移性去势抵抗性前列腺癌患者 | 数字病理 | 前列腺癌 | PSMA-PET-CT, [68 Ga]Ga-PSMA-PET-CT扫描 | 深度学习分割模型 | CT图像 | 86名前列腺癌患者 | NA | NA | Cox回归分析p值, Kaplan-Meier分析, log-rank检验 | NA |
| 2060 | 2025-12-01 |
Orbital CT deep learning models in thyroid eye disease rival medical specialists' performance in optic neuropathy prediction in a quaternary referral center and revealed impact of the bony walls
2025-Dec, Orbit (Amsterdam, Netherlands)
DOI:10.1080/01676830.2025.2521868
PMID:40591440
|
研究论文 | 开发并评估用于甲状腺眼病患者视神经病变预测的轨道CT深度学习模型 | 首次在四级转诊中心证明轨道CT深度学习模型在视神经病变预测方面与医学专家表现相当，并揭示了骨壁结构的影响 | 样本量相对有限（126名患者），研究时间跨度较长（2002-2017年） | 开发用于甲状腺眼病患者视神经病变预测的深度学习模型 | 甲状腺眼病患者，包括伴有和不伴有视神经病变的病例 | 医学影像分析 | 甲状腺眼病 | 轨道CT成像 | 深度学习模型 | CT图像（2D和3D） | 126名甲状腺眼病患者，252个轨道，其中36个轨道确诊视神经病变 | NA | NA | 敏感度, 特异性, AUC | NA |