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 33929 篇文献，本页显示第 2361 - 2380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2361 | 2025-10-05 |
Morphology Prior Enhanced Teeth Segmentation for High-Resolution Oral Scans
2025-Oct-01, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3616205
PMID:41032560
|
研究论文 | 提出一种形态学先验增强的牙齿分割框架，用于高分辨率口腔扫描图像 | 通过牙齿形态学先验、姿态对齐预处理、分解-合并策略和可变形感受野模块，提升牙齿分割的准确性和泛化能力 | 未明确说明对特殊牙齿排列或病理状况的适应性 | 改进高分辨率口腔扫描图像中的牙齿分割精度 | 口腔内扫描图像中的牙齿结构 | 计算机视觉 | 牙科疾病 | 深度学习 | 图神经网络 | 3D口腔扫描图像 | 来自四个中心的6238个口腔内扫描图像 | NA | 可变形感受野网络 | 交叉中心测试准确率 | NA |
| 2362 | 2025-10-05 |
Yb3+-optimized core-shell structured luminescent material for dual-mode encryption and deep learning fluorescence imaging
2025-Oct-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.569475
PMID:41032767
|
研究论文 | 本研究开发了Yb3+优化的核壳结构上转换发光材料，应用于双模式加密和深度学习荧光成像 | 通过优化Yb掺杂浓度使发光强度提升16-17倍，并整合莫尔斯码结构加密与QR码信息加密的多级安全特征 | 未提及材料的大规模生产成本和长期稳定性数据 | 开发具有增强发光性能的核壳结构材料用于高级防伪认证 | NaYF:Yb,NdLn(Er,Tm)@NaYf:Yb核壳上转换发光材料 | 材料科学,计算机视觉 | NA | 水热法,外延生长法,上转换发光技术 | CNN | 荧光图像 | 未明确说明样本数量 | PyCharm | 残差神经网络 | 分类准确率 | NA |
| 2363 | 2025-10-05 |
Predicting the soliton trapping in birefringence optical fibers via spectral neural operator enhanced by CNLSE-Layer
2025-Oct-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.572368
PMID:41032825
|
研究论文 | 提出一种通过将耦合非线性薛定谔方程嵌入神经网络来预测双折射光纤中孤子俘获现象的方法 | 首次将CNLSE作为网络层嵌入神经网络，并采用谱神经算子建模群速度色散算子 | NA | 预测双折射光纤中孤子俘获现象的产生 | 双折射光纤中的矢量光学孤子 | 机器学习 | NA | 物理信息深度学习 | 神经网络 | NA | NA | NA | CNLSE-Layer, 谱神经算子 | NA | NA |
| 2364 | 2025-10-05 |
Multi-operator-based model-driven self-supervised learning for fluorescence diffusion tomography
2025-Oct-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.572740
PMID:41032816
|
研究论文 | 提出一种基于多算子的模型驱动自监督学习方法用于荧光扩散断层成像，无需标注数据即可实现高质量重建 | 利用几何分离的源-探测器配置推导两个前向算子，并将算子作为双重约束集成到展开网络架构中 | 未提及具体的数据集规模限制和计算资源需求 | 解决荧光扩散断层成像中标注数据依赖问题，提升无标注数据场景下的重建质量 | 荧光扩散断层成像重建 | 医学影像重建 | NA | 荧光扩散断层成像 | 自监督学习 | 光学成像数据 | NA | NA | 展开网络架构 | 重建质量，形态特征恢复能力 | NA |
| 2365 | 2025-10-05 |
Harnessing deep statistical potential for biophysical scoring of protein-peptide interactions
2025-Oct-01, Acta pharmacologica Sinica
IF:6.9Q1
DOI:10.1038/s41401-025-01659-8
PMID:41034399
|
研究论文 | 开发了一种名为DeepPpIScore的新型评分函数，用于蛋白质-肽相互作用的生物物理评分 | 结合无监督几何深度学习与物理启发的统计势能，无需结合亲和力数据或分类标签即可训练 | 仅使用精选的实验结构进行训练，未明确说明数据规模和多样性限制 | 改进蛋白质-肽相互作用的预测精度和可解释性 | 蛋白质-肽相互作用 | 机器学习 | NA | 几何深度学习，统计势能 | 深度学习 | 三维结构数据 | NA | NA | NA | 结合亲和力预测，结合对识别，结合模式预测 | NA |
| 2366 | 2025-10-03 |
Gradient responsive regularization: a deep learning framework for codon frequency based classification of evolutionarily conserved genes
2025-Oct-01, BMC genomic data
IF:1.9Q3
DOI:10.1186/s12863-025-01358-7
PMID:41034712
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2367 | 2025-10-03 |
Radiomics and deep learning model based on X-ray imaging for the assisted diagnosis of early Legg-Calvé-Perthes disease
2025-Oct-01, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-09189-4
PMID:41034891
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2368 | 2025-10-05 |
Deep Learning-Based CAD System for Enhanced Breast Lesion Classification and Grading Using RFTSDP Approach
2025-Oct-01, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.70056
PMID:41035163
|
研究论文 | 开发了一种基于深度学习的CAD系统，通过射频时间序列动态处理方法增强乳腺病变的分类和分级能力 | 提出了射频时间序列动态处理(RFTSDP)方法，通过分析组织在受控刺激下的动态响应和散射体位移对RF回声的影响来增强诊断信息 | 研究仅使用了11个离体乳腺组织样本，样本量较小 | 开发能够准确分类和分级乳腺病变的计算机辅助诊断系统 | 离体乳腺组织样本 | 计算机视觉 | 乳腺癌 | 射频时间序列动态处理(RFTSDP)，超快速超声数据采集 | CNN | 超声图像，射频时间序列数据 | 11个离体乳腺组织样本 | NA | 卷积神经网络 | 准确率 | NA |
| 2369 | 2025-10-05 |
Real-Time Deep-Learning Image Reconstruction and Instrument Tracking in MR-Guided Biopsies
2025-Oct-01, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70138
PMID:41035253
|
研究论文 | 开发基于深度学习的实时MRI图像重建和器械跟踪系统，用于加速MR引导活检手术 | 首次在临床环境中验证深度学习重建和器械跟踪方法，使用真实k空间采集数据而非模拟数据 | 样本量有限，仅8名患者用于前瞻性可行性测试，高欠采样率下性能下降 | 加速MR引导活检手术流程，实现实时器械跟踪 | 男性患者活检手术中的针导器械 | 医学影像分析 | 前列腺癌 | MRI, 深度学习 | 深度学习模型 | MR DICOM图像, k空间数据 | 1289名男性患者用于训练，8名男性患者用于测试 | NA | NA | 器械尖端预测误差, ITP成功率 | NA |
| 2370 | 2025-10-05 |
Deep learning predicts osteogenic differentiation stages of human mesenchymal stem cells from phase-contrast microscopy images
2025-Sep-30, Dental materials journal
IF:1.9Q4
DOI:10.4012/dmj.2025-015
PMID:40903238
|
研究论文 | 本研究构建并验证了能够仅通过相差显微镜图像预测间充质干细胞成骨分化阶段的深度学习模型 | 首次使用深度学习模型从相差显微镜图像中非侵入性地预测人间充质干细胞的成骨分化阶段 | 研究仅使用了UE7T-13细胞系，未在其他细胞类型上验证模型的通用性 | 开发基于深度学习的细胞分化阶段自动识别方法 | 人间充质干细胞(UE7T-13细胞系) | 计算机视觉 | NA | 相差显微镜成像 | CNN | 图像 | 在D0、D1、D5、D10和D14五个时间点采集的相差显微镜图像 | NA | ResNet-50, DenseNet-121 | 精确率, 灵敏度, F1分数, 总体准确率 | NA |
| 2371 | 2025-10-05 |
Analysis of the analgesic mechanism of TENS-WAA in colonoscopy using the EEG-fNIRS system: a study protocol for a randomised controlled trial
2025-Sep-30, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2025-103681
PMID:41033775
|
研究论文 | 本研究通过随机对照试验探究基于腕踝针理论的经皮神经电刺激在结肠镜检查中的中枢镇痛机制 | 首次结合EEG-fNIRS多模态系统研究TENS-WAA的镇痛机制，并应用深度学习框架分析神经生理信号与主观疼痛体验的关系 | 单中心研究且样本量较小（60例患者），结果可能受到研究设计限制 | 探究TENS-WAA在结肠镜检查中的中枢镇痛机制 | 接受无麻醉结肠镜检查的患者 | 数字病理 | 结直肠疾病 | EEG-fNIRS多模态系统，经皮神经电刺激 | 深度学习 | 神经生理信号（EEG、fNIRS），主观疼痛评分 | 60例结肠镜检查患者 | NA | NA | 疼痛预测准确率，VAS评分相关性 | NA |
| 2372 | 2025-10-05 |
Identification of structural predictors of lung function improvement in adults with cystic fibrosis treated with elexacaftor-tezacaftor-ivacaftor using deep-learning
2025-Sep-30, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2025.09.003
PMID:41033969
|
研究论文 | 本研究使用深度学习模型评估囊性纤维化成人患者在接受ETI治疗前后CT结构异常与肺功能改善的关系 | 首次使用深度学习模型量化囊性纤维化患者CT结构异常，并识别ETI治疗后肺功能改善的预测因子 | 研究仅基于CT影像和肺功能指标，未考虑其他可能影响治疗效果的临床因素 | 评估囊性纤维化患者CT结构异常与ETI治疗后肺功能改善的关系 | 囊性纤维化成人患者 | 数字病理 | 囊性纤维化 | CT影像分析 | 深度学习 | CT影像 | 训练集：100例CF患者和150例其他支气管疾病患者的胸部CT；测试集：218例接受ETI治疗的CF成人患者 | NA | NA | 与放射科医师表现相当 | NA |
| 2373 | 2025-10-05 |
PTF-Vāc: An explainable and generative deep co-learning encoders-decoders system for ab-initio discovery of plant transcription factor binding sites
2025-Sep-30, Plant communications
IF:9.4Q1
DOI:10.1016/j.xplc.2025.101543
PMID:41035197
|
研究论文 | 开发了一种可解释的深度协同学习编码器-解码器系统PTF-Vāc，用于从头发现植物转录因子结合位点 | 首次提出基于通用TF:DNA相互作用模型的深度协同学习系统，将TFBS发现与基序查找步骤解耦，不依赖物种特异性模型 | NA | 解决植物转录因子结合位点发现中的跨物种变异性和上下文依赖性问题 | 植物转录因子及其结合位点 | 机器学习 | NA | 深度学习 | 编码器-解码器 | 基因组序列数据 | 大量实验数据 | NA | 深度编码器-解码器 | NA | NA |
| 2374 | 2025-10-05 |
Identification of key genes for fish adaptation to freshwater and seawater based on attention mechanism
2025-Sep-29, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-025-12089-5
PMID:41023606
|
研究论文 | 提出基于注意力机制的WAGA模型，用于识别鱼类淡水和海水适应的关键基因 | 首次将自然语言处理与自注意力机制结合用于基因特征表示，通过注意力权重识别关键基因 | 未明确说明模型验证的具体数据集规模和物种范围 | 研究鱼类对淡水和海水环境的生态适应机制 | 淡水和海水鱼类的蛋白质编码基因 | 自然语言处理, 机器学习 | NA | 自然语言处理, 深度学习 | 自注意力机制 | 基因序列数据 | NA | NA | WAGA（加权注意力基因分析模型） | NA | NA |
| 2375 | 2025-10-05 |
A hybrid method for fusion cardiac biomarkers and echocardiography videos in the experimental classification of Trypanosoma cruzi infection
2025-Sep-29, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-025-01446-w
PMID:41023672
|
研究论文 | 提出一种基于晚期多模态融合的混合方法，整合机器学习与深度学习算法，通过心脏生物标志物和超声心动图视频对克氏锥虫感染进行分类 | 首次将机器学习与深度学习通过晚期多模态融合相结合，用于克氏锥虫感染的分类诊断 | 研究仅使用96只ICR小鼠作为实验对象，样本量有限 | 开发自动化工具用于克氏锥虫感染的早期诊断和监测 | 克氏锥虫感染的小鼠模型 | 机器学习, 深度学习 | 恰加斯病 | 超声心动图, 生物标志物分析 | 集成特征选择, 多核学习, 深度学习 | 视频, 生物标志物数据 | 96只ICR小鼠 | NA | NA | 准确率, AUC, F1分数 | NA |
| 2376 | 2025-10-05 |
Diagnostic performance of artificial intelligence for dermatological conditions: a systematic review focused on low- and middle-income countries to address resource constraints and improve access to specialist care
2025-Sep-29, International journal of emergency medicine
IF:2.0Q2
DOI:10.1186/s12245-025-00975-4
PMID:41023774
|
系统评价 | 本系统评价评估人工智能在低收入和中等收入国家皮肤病诊断中的应用性能，重点关注资源受限环境下的实施挑战 | 首次系统性地聚焦于低收入和中等收入国家的皮肤病AI诊断研究，填补了该领域的研究空白 | 研究设计异质性高，数据集肤色代表性不足，临床验证有限，存在基础设施障碍 | 评估AI技术在低收入和中等收入国家皮肤病诊断中的性能和应用效果 | 低收入和中等收入国家的皮肤病诊断 | 计算机视觉 | 皮肤病 | 深度学习 | CNN | 皮肤图像 | 基于19项研究的汇总数据 | NA | 卷积神经网络 | 敏感度, 特异度, 精确度, 准确率 | NA |
| 2377 | 2025-10-05 |
Decoding ancestry-specific genetic risk: interpretable deep feature selection reveals prostate cancer SNP disparities in diverse populations
2025-Sep-29, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-025-00470-9
PMID:41024066
|
研究论文 | 提出一种可解释的深度特征选择框架，用于识别前列腺癌中具有种族特异性的SNP标志物 | 将可解释特征选择与深度学习相结合，通过梯度方差最小化和非线性交互建模解决高维SNP数据的泛化问题 | MEC-AA数据集（非洲裔美国人）的AUC较低（0.559），可能反映样本量限制和种群特异性复杂性 | 增强SNP在前列腺癌诊断中的预测能力和生物学相关性 | 良性及恶性前列腺癌样本 | 机器学习 | 前列腺癌 | SNP分析 | DNN | 基因组数据 | PLCO、BPC3和MEC-AA三个数据集 | NA | 深度神经网络 | AUC, p值 | NA |
| 2378 | 2025-10-05 |
Gauze detection and segmentation in laparoscopic liver surgery: a multi-center study
2025-Sep-29, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03190-2
PMID:41024181
|
研究论文 | 开发用于腹腔镜肝脏手术中纱布检测与分割的深度学习框架 | 提出基于难度分级（简单/中等/困难）的定量评估方法，并在多中心数据上验证模型性能 | 样本量有限（仅33个手术视频），未说明模型实时性表现 | 辅助外科医生检测手术纱布，降低遗漏风险，提升手术安全性与效率 | 腹腔镜肝脏手术视频中的纱布 | 计算机视觉 | 肝脏疾病 | 腹腔镜手术视频分析 | CNN | 视频帧图像 | 33个腹腔镜肝脏手术视频（来自2家医院） | PyTorch | YOLOv8n, FCN-ResNet101 | 召回率, 精确率, Dice系数 | NA |
| 2379 | 2025-10-05 |
Novel multi-task learning for Alzheimer's stage classification using hippocampal MRI segmentation, feature fusion, and nomogram modeling
2025-Sep-29, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03204-z
PMID:41024255
|
研究论文 | 开发并验证了一个基于海马体MRI的多任务学习框架，用于阿尔茨海默病进展阶段的多分类 | 提出了一种结合放射组学特征、深度学习特征和临床特征的多任务学习方法，并开发了可解释的诺模图模型 | 回顾性多中心研究，样本量相对有限 | 阿尔茨海默病进展阶段的准确分类和预测 | 2956名阿尔茨海默病患者，涵盖四个疾病阶段 | 医学影像分析 | 阿尔茨海默病 | T1加权MRI，海马体分割，特征融合 | LSTM, CNN, Transformer | MRI图像，临床数据 | 2956名患者 | PyTorch, Scikit-learn | U-Net, nnU-Net, Swin-UNet, MedT, Vision Transformer, Swin Transformer, 3D CNN-LSTM | 准确率, AUC, Dice系数 | NA |
| 2380 | 2025-10-05 |
Deep learning-driven morphological analysis for assessing EMT state and drug sensitivity of single tumor cell
2025-Sep-29, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.118051
PMID:41032972
|
研究论文 | 开发基于卷积神经网络的深度学习模型，通过无标记形态分析评估单个肿瘤细胞的上皮间质转化状态和药物敏感性 | 首次实现单细胞分辨率下无标记、非侵入性的EMT状态量化分析，能够实时评估罕见循环肿瘤细胞的转移潜能 | 研究仅基于MCF-7细胞系，未在其他细胞类型或临床样本中验证 | 开发非侵入性方法评估肿瘤细胞EMT状态和药物敏感性 | 循环肿瘤细胞(CTCs)和MCF-7细胞系 | 数字病理学 | 癌症 | 无标记形态分析，TGF-β刺激EMT诱导 | CNN | 细胞图像 | NA | NA | 卷积神经网络 | NA | NA |