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 36487 篇文献，本页显示第 2221 - 2240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2221 | 2025-12-01 |
AI-Powered Skin Lesion Diagnosis using Whale Optimization Algorithm Enhanced ResNet 50 for Cancer Prediction
2025-Aug-01, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2025.26.8.2919
PMID:40849708
|
研究论文 | 本研究利用鲸鱼优化算法增强ResNet-50网络，实现皮肤病变的二元分类诊断 | 首次将鲸鱼优化算法应用于ResNet-50超参数优化，显著提升了皮肤病变分类性能 | 仅针对二元分类任务，未涉及多类别皮肤病变分类 | 通过优化深度学习模型提高皮肤病变分类的准确率和效率 | 皮肤痣图像数据 | 计算机视觉 | 皮肤癌 | 深度学习 | CNN | 图像 | 3600张平衡的皮肤痣图像（1800良性，1800恶性） | NA | AlexNet,GoogleNet,VGG16,ResNet50,WOA-optimized ResNet50 | 准确率,精确率,召回率,F1分数,特异性,马修斯相关系数,对数损失,AUC-ROC,推理时间 | NA |
| 2222 | 2025-12-01 |
Walrus Optimization-Enhanced ResNet-50 for AI-Driven Renal Malignancy Prediction with Occlusion Sensitivity-Based Interpretation
2025-Aug-01, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2025.26.8.2995
PMID:40849716
|
研究论文 | 使用海象优化算法增强ResNet-50模型进行肾恶性肿瘤预测，并结合遮挡敏感性分析提升模型可解释性 | 首次将海象优化算法(WaOA)应用于ResNet-50超参数优化，结合遮挡敏感性分析提供模型决策过程的可视化解释 | 推理时间略高(0.1133秒)，仅使用单模态CT图像数据 | 优化深度学习模型在肾恶性肿瘤检测中的分类性能并确保模型可解释性 | 肾部CT图像中的四种诊断类别：囊肿、正常、结石和肿瘤 | 医学影像分析 | 肾恶性肿瘤 | CT影像分析 | CNN | 图像 | 12,446张腹部CT图像（囊肿3,709张，正常5,077张，结石1,377张，肿瘤2,283张） | NA | ResNet-50, AlexNet, GoogLeNet, Inception V3 | 准确率, 精确率, 召回率, F1分数, AUC-ROC, MCC, 对数损失 | NA |
| 2223 | 2025-12-01 |
An automated ATAC-seq method reveals sequence determinants of transcription factor dose response in the open chromatin
2025-Jul-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.24.666684
PMID:40777328
|
研究论文 | 开发自动化ATAC-seq平台RoboATAC，系统研究转录因子剂量对染色质可及性的定量影响 | 首次建立可扩展的自动化ATAC-seq平台，系统分析22种转录因子的剂量梯度对染色质可及性的定量影响，发现DNA序列可独立预测剂量敏感性 | 研究仅限于HEK293T细胞系，未在其他细胞类型中验证 | 揭示转录因子剂量与染色质可及性之间的定量关系 | HEK293T细胞中的22种转录因子 | 基因组学 | NA | ATAC-seq, 深度学习 | 深度学习模型 | 基因组测序数据 | 246个样本（22种TF的梯度过表达） | NA | NA | NA | NA |
| 2224 | 2025-12-01 |
Deep learning approaches for diagnosing seizure based on EEG signal analysis
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1669919
PMID:41311991
|
研究论文 | 提出一种集成深度迁移学习框架，用于基于脑电图信号的个性化癫痫发作检测 | 结合ResNet、EfficientNet和定制化二维卷积神经网络，通过集成学习提升模型对患者特异性变异和噪声的鲁棒性 | 未提及模型在更大规模数据集上的验证效果和临床部署的可行性 | 开发高性能的癫痫发作检测方法以改善患者生活质量 | 癫痫患者的脑电图信号 | 机器学习 | 癫痫 | 脑电图信号分析，短时傅里叶变换 | CNN, 集成学习, 迁移学习 | 脑电图信号，时频谱图 | CHB-MIT头皮脑电图数据库和土耳其癫痫脑电图数据集 | TensorFlow, PyTorch | ResNet, EfficientNet, 2DCNN | AUC | NA |
| 2225 | 2025-12-01 |
Beyond the joystick: deep learning games for hand movement recovery
2025, Frontiers in rehabilitation sciences
IF:1.3Q3
DOI:10.3389/fresc.2025.1653302
PMID:41312123
|
研究论文 | 本研究开发了基于深度学习的手势识别系统，将经典街机游戏改造为手势控制的康复工具 | 使用预训练CNN模型和MediaPipe库实现基于单目摄像头的手势识别，将传统游戏改造为康复训练工具 | 样本量较小（15名参与者），仅评估了短期使用效果 | 通过游戏化治疗练习增强认知功能和手眼协调能力，支持手部康复计划 | 手部康复患者的手势识别和运动恢复 | 计算机视觉 | NA | 手势识别，计算机视觉 | CNN | 图像，视频 | 15名参与者 | MediaPipe, Phaser.js | 预训练CNN模型 | 手势识别准确率，系统可用性量表(SUS)，单样本t检验 | 基于网页的界面，标准摄像头设备 |
| 2226 | 2025-12-01 |
Detection of spheno-occipital synchondrosis fusion stages using artificial intelligence
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1682917
PMID:41312140
|
研究论文 | 本研究应用三种YOLO深度学习模型自动检测蝶枕软骨联合融合阶段 | 首次将YOLO系列深度学习模型应用于蝶枕软骨联合融合阶段的自动分类 | 研究样本仅限于6-25岁人群的CBCT影像数据 | 自动化蝶枕软骨联合融合阶段的分类评估 | 1,661名6-25岁个体的锥形束CT矢状面图像 | 计算机视觉 | 颅面异常 | 锥形束计算机断层扫描(CBCT) | CNN | 医学影像 | 1,661名个体 | YOLOv5, YOLOv8, YOLOv11 | YOLOv5, YOLOv8, YOLOv11 | 平均精度(mAP), 精确率, 召回率, F1分数, 推理时间 | NA |
| 2227 | 2025-12-01 |
Precise diagnosis of pediatric posterior cranial fossa neoplasms based on 2.5D MRI deep learning
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1700694
PMID:41312172
|
研究论文 | 开发基于2.5D多序列MRI的深度学习框架ResSwinT，用于儿童后颅窝肿瘤的精确分类 | 首次将残差网络与Swin Transformer结合应用于2.5D多序列MRI融合，并通过SHAP方法增强模型可解释性 | 回顾性研究，样本量相对有限（309例患者） | 开发可解释的AI辅助诊断工具，提高儿童后颅窝肿瘤术前诊断准确性 | 经病理证实的309例儿童后颅窝肿瘤患者（109例毛细胞星形细胞瘤，130例髓母细胞瘤，70例室管膜瘤） | 数字病理 | 儿童后颅窝肿瘤 | 多序列MRI（T1WI, T1C, T2WI, FLAIR, ADC） | 深度学习 | 2.5D MRI图像 | 309例患者 | PyTorch | ResSwinT（ResNet + Swin Transformer） | 准确率, AUC | NA |
| 2228 | 2025-12-01 |
AI redefines mass spectrometry chemicals identification: retention time prediction in metabolomics and for a Human Exposome Project
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1687056
PMID:41312237
|
综述 | 本文综述人工智能在代谢组学中保留时间预测的应用及其在人类暴露组计划中的价值 | 整合机器学习保留时间预测与质谱分析，提出利用内源性化合物作为内标校准的跨实验室可转移性策略 | 依赖有限的光谱库和结构模糊性导致大部分检测特征仍无法识别 | 通过人工智能增强保留时间预测，提高代谢物注释置信度并推动暴露组学研究 | 人类生物样本中的环境和内源性化学物质 | 机器学习 | NA | 液相色谱-高分辨率质谱(LC-HRMS)，气相色谱 | 深度学习，图神经网络，迁移学习 | 质谱数据，化学结构数据 | NA | NA | NA | 候选物排序优化，假阳性降低 | NA |
| 2229 | 2025-12-01 |
Research on the application of a multi-model cascaded deep learning framework in the pathological diagnosis of osteosarcoma
2025, Oncology reviews
IF:3.1Q2
DOI:10.3389/or.2025.1592408
PMID:41312358
|
研究论文 | 开发了一种基于Vision Mamba的多模型级联深度学习框架，用于骨肉瘤的病理诊断和评估 | 首次将先进的Vision Mamba模型作为核心网络架构，构建多模型级联深度学习框架应用于骨肉瘤病理诊断 | NA | 提高骨肉瘤病理诊断和评估的精确度和效率 | 骨肉瘤患者的病理图像 | 数字病理 | 骨肉瘤 | 病理图像分析 | 深度学习 | 图像 | 68例重庆总医院骨肉瘤患者真实世界数据+德克萨斯大学西南/UT达拉斯公开骨肉瘤评估数据 | NA | Vision Mamba (ViM) | Dice系数,AUC,敏感性,特异性,阳性预测值,阴性预测值 | NA |
| 2230 | 2025-12-01 |
Detection and classification of microplastics in green tea using SERS with gold nanoparticle substrates integrating chemometrics and deep learning
2025, Current research in food science
IF:6.2Q1
DOI:10.1016/j.crfs.2025.101235
PMID:41312430
|
研究论文 | 本研究利用金纳米颗粒基底的表面增强拉曼散射技术结合化学计量学和深度学习方法检测和分类绿茶中的微塑料污染 | 首次将表面增强拉曼散射技术与化学计量学方法和深度学习模型结合应用于绿茶中微塑料的检测与分类 | PLS-DA模型在Ryokucha茶品种中未达到完美分类准确率，1D-CNN模型性能略低于PLS-DA | 开发快速、灵敏、非破坏性的微塑料检测方法以保障绿茶食品安全 | 四种绿茶粉末（抹茶、茉莉花茶、煎茶、绿茶）中的聚苯乙烯和聚对苯二甲酸乙二醇酯微塑料 | 分析化学与人工智能交叉领域 | NA | 表面增强拉曼散射，金纳米颗粒基底 | 1D-CNN, PLS-DA, SVM | 拉曼光谱数据 | 四种绿茶粉末品种的拉曼光谱样本 | NA | 一维卷积神经网络 | 准确率 | NA |
| 2231 | 2025-11-30 |
Multimodal deep learning model for predicting prognosis following radiotherapy-based combination therapy in unresectable hepatocellular carcinoma
2026-Jan-01, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2025.218122
PMID:41213465
|
研究论文 | 开发基于Transformer的多模态深度学习模型TRIM-uHCC，用于预测不可切除肝细胞癌放疗联合治疗后的预后 | 首次提出基于Transformer的多模态深度学习模型，在预后预测性能上显著优于现有指南标准和其他深度学习模型 | 回顾性研究设计，样本来自六个医疗中心但可能存在选择偏倚 | 开发精准的预后分层模型以指导不可切除肝细胞癌的放疗联合治疗方案选择 | 不可切除肝细胞癌患者 | 数字病理 | 肝细胞癌 | 多模态深度学习 | Transformer | 多模态医疗数据 | 875例不可切除肝细胞癌患者（ES队列383例，ETS队列492例） | NA | Transformer, Swin-Transformer, ViT, ResNet50, ResNeXt50 | C-index, 时间依赖性AUC | NA |
| 2232 | 2025-11-30 |
Hybrid deep learning reconstruction for fast four-dimensional cone beam computed tomography in small animal imaging
2025-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70092
PMID:41316732
|
研究论文 | 开发了一种混合深度学习重建方法用于快速4D锥形束CT成像，在降低扫描剂量和时间的同时提高图像质量 | 提出结合深度学习运动核回归和运动补偿的混合重建框架，并引入自适应骨骼加权策略抑制骨骼引起的条纹伪影 | 仅在小动物成像中进行验证，尚未在临床人体成像中测试 | 开发快速低剂量的4D锥形束CT重建方法 | 小动物成像 | 医学影像重建 | NA | 锥形束CT成像 | 深度学习神经网络 | CT投影数据，4D图像序列 | 活体动物实验 | NA | SARnet | 均方根误差，结构相似性指数 | NA |
| 2233 | 2025-11-30 |
Lightweight Hybrid Deep Learning Models for Accurate Classification of Respiratory Conditions from Raw Lung Sounds
2025-Nov-29, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02315-8
PMID:41315171
|
研究论文 | 提出一种基于轻量级混合深度学习模型的框架，用于从原始肺音中准确分类十一种呼吸系统疾病 | 首次使用无需特征工程或预处理的原始肺音数据，结合轻量级混合CNN-LSTM架构实现高精度呼吸病理分类 | 仅进行了数据集内评估，需要额外临床数据集的外部验证来评估泛化能力 | 提高呼吸系统疾病诊断准确性，并通过对比分析确定最高效的模型 | 原始肺听诊音 | 机器学习 | 呼吸系统疾病 | 肺音听诊 | CNN, LSTM, 混合CNN-LSTM | 音频 | 两个不同数据集（原始形式和增强后） | NA | 混合CNN-LSTM | 准确率 | NA |
| 2234 | 2025-11-30 |
Determining optimal strategies for personalized atrial fibrillation treatment in intensive care unit patients using a deep learning-based causal inference approach: rhythm and/or rate control
2025-Nov-29, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocaf203
PMID:41317034
|
研究论文 | 本研究使用基于深度学习的因果推断方法评估ICU房颤患者不同治疗策略（节律控制、心率控制、两者联合或不控制）对死亡率的影响 | 首次将深度学习因果推断模型应用于ICU房颤患者的个性化治疗策略优化，并识别出不同策略的优势患者亚组 | 基于观察性数据，可能存在未测量的混杂因素；研究结果需在前瞻性研究中验证 | 评估ICU房颤患者不同管理策略在降低死亡率方面的效果 | 重症监护室（ICU）房颤患者 | 医疗人工智能 | 心血管疾病 | 深度学习因果推断 | 深度学习因果推断模型 | 电子健康记录 | 13,583名ICU房颤患者（来自MIMIC-III和MIMIC-IV数据库） | NA | NA | 平均处理效应，治疗效应大小 | NA |
| 2235 | 2025-11-30 |
Advanced neuroimaging in pediatric epilepsy surgery: state of the art and future perspectives
2025-Nov-29, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03859-9
PMID:41317206
|
综述 | 综述儿科耐药性癫痫结构MRI后处理技术的最新进展及其在癫痫灶定位和术前规划中的应用 | 重点介绍人工智能驱动的定量后处理技术（MELD-Graph、MAP18、FLAT1、SUPR-FLAIR）在检测常规MRI阴性癫痫患者细微皮质异常方面的创新应用 | 需要进一步标准化和临床验证，工作流程整合尚未普及 | 评估先进结构MRI后处理技术在儿科耐药性癫痫术前评估中的价值 | 儿科耐药性癫痫患者 | 医学影像分析 | 儿科癫痫 | 结构MRI后处理，包括机器学习、深度学习、基于体素的形态测量学、皮质表面投影、FLAIR/T1比率映射 | 深度学习，深度神经网络 | MRI影像数据 | NA | NA | NA | 敏感性，特异性，病变检测率 | NA |
| 2236 | 2025-11-30 |
Application and Challenges of Deep Learning in Pulmonary Vessels Segmentation of CTPA Images
2025-Nov-28, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3638808
PMID:41313701
|
综述 | 本文系统综述了深度学习在CTPA图像肺血管分割中的应用进展与挑战 | 首次按数据维度(2D/3D/2.5D)系统分类网络架构并评估临床适应性，提出针对标注稀缺和模型泛化等临床挑战的创新缓解策略 | 基于文献综述的分析方法，缺乏原始实验验证；仅纳入23项高质量研究，可能存在发表偏倚 | 评估深度学习在CTPA图像肺血管分割中的技术进展和临床实施挑战 | CTPA图像中的肺血管结构 | 数字病理 | 肺血管疾病 | 计算机断层扫描肺血管造影(CTPA) | 深度学习 | 医学影像 | 23项高质量研究 | NA | NA | Dice相似系数(DSC) | NA |
| 2237 | 2025-11-30 |
Ortho-OPD: an Automatic Osteotomy Planes Design Model for Orthognathic Surgery Based on Deep Learning
2025-Nov-28, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3638775
PMID:41313700
|
研究论文 | 提出基于深度学习的自动截骨平面设计模型Ortho-OPD，用于正颌手术规划 | 首次结合CNN分割网络和RANSAC算法实现从原始CT数据自动设计正颌手术截骨平面 | 训练样本量较小（71例），需进一步扩大验证 | 开发自动化的正颌手术截骨平面设计方法以提升手术规划效率 | 颅颌面CT数据和正颌手术截骨平面 | 计算机视觉 | 牙颌面畸形 | CT成像 | CNN | 3D医学图像（CT） | 71个训练样本，31个测试病例 | NA | CNN结合RANSAC算法 | Dice相似系数，角度误差，最短距离，临床效率 | NA |
| 2238 | 2025-11-30 |
Artificial Intelligence in Pediatric Surgery: From Diagnostics and Preoperative Planning to Risk Stratification: A Comprehensive Review of Current Applications
2025-Nov-28, European journal of pediatric surgery : official journal of Austrian Association of Pediatric Surgery ... [et al] = Zeitschrift fur Kinderchirurgie
IF:1.5Q3
DOI:10.1055/a-2743-4868
PMID:41314409
|
综述 | 全面综述人工智能在儿科外科诊断、术前规划、风险分层和手术错误预防四大领域的当前应用 | 首次系统整合儿科外科四大应用领域的最新进展，突出成人外科与儿科外科在AI转化方面的差异 | 多数研究为回顾性单中心研究，方法学异质性强，外部验证不足，缺乏前瞻性验证 | 评估人工智能在儿科外科领域的应用现状和发展前景 | 儿科外科患者群体 | 数字病理 | 儿科外科疾病 | 深度学习 | 深度学习模型 | 医学影像 | NA | NA | NA | 准确率 | NA |
| 2239 | 2025-11-30 |
Capturing atomic wetting dynamics in real time
2025-Nov-28, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-66416-1
PMID:41315237
|
研究论文 | 通过原位原子分辨率透射电镜和深度学习CNN实时观察并分析了SnO纳米线在多壁碳纳米管内的原子级润湿动力学和生长机制 | 首次实时捕获了受限空间内原子级润湿动力学，揭示了纳米线生长的两阶段机制，并建立了传统毛细作用模型无法描述的润湿界面条件 | 研究仅限于SnO纳米线在碳纳米管内的生长过程，未验证其他材料体系的适用性 | 理解纳米尺度下原子级润湿动力学及其对纳米材料制备的影响 | 多壁碳纳米管内金属纳米线的生长过程 | 材料科学,纳米技术 | NA | 原位原子分辨率透射电镜,深度学习卷积神经网络 | CNN | 原子分辨率图像序列 | NA | NA | 卷积神经网络 | NA | NA |
| 2240 | 2025-11-30 |
Hybrid deep learning with attention fusion for enhanced colon cancer detection
2025-Nov-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29447-8
PMID:41315603
|
研究论文 | 提出一种结合EfficientNet-B3和Vision Transformer的混合深度学习模型，通过注意力融合机制增强结肠癌检测性能 | 首次将EfficientNet-B3的局部纹理特征提取能力与Vision Transformer的全局上下文建模能力通过多头注意力融合机制相结合 | 存在轻微过拟合倾向 | 开发自动化结肠癌检测系统 | 结肠镜图像 | 计算机视觉 | 结肠癌 | NA | CNN, Transformer | 图像 | Kvasir内窥镜数据集中的八类图像 | NA | EfficientNet-B3, Vision Transformer | 准确率, F1分数, MCC, Brier Score | NA |