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 38849 篇文献，本页显示第 2481 - 2500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2481 | 2025-12-29 |
Biomarkers
2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz70856_103753
PMID:41452061
|
研究论文 | 本研究利用死后MRI和组织学数据，探讨了阿尔茨海默病（AD）和LATE相关神经退行性变中MRI形态测量指标与神经元数量、大小和密度等直接神经退行性变指标之间的关系 | 结合深度学习StarDist方法、弱监督学习和高斯混合模型，自动化检测神经元并区分神经元与胶质细胞，用于分析AD和LATE的萎缩模式差异 | 研究样本量较小（仅24名脑捐赠者），且为初步可行性结果，需要更大数据集验证 | 旨在通过MRI形态测量和组织学分析，更好地区分AD和LATE引起的萎缩，以开发更特异的生物标志物 | 24名脑捐赠者的海马体CA1亚区、下托和内嗅皮层组织 | 数字病理学 | 阿尔茨海默病 | 死后MRI（9.4T）、组织学染色（硫堇染色）、立体学测量 | 深度学习 | 图像 | 24名脑捐赠者（5名AD-LATE-，14名AD+LATE-，5名AD+LATE+） | StarDist | NA | 相关系数（r=0.72） | NA |
| 2482 | 2025-12-29 |
Biomarkers
2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz70856_103816
PMID:41452665
|
研究论文 | 本研究利用3D卷积神经网络预测轻度认知障碍老年患者在未来两年内临床痴呆评定量表总分的变化 | 首次在三个独立的公开队列中，使用3D DenseNet-121 CNN模型，仅基于T1加权脑部MRI来预测未来认知功能下降，并将影像学预测结果整合到线性混合效应模型中以提高预测准确性 | 研究仅使用了T1加权MRI数据，未来需要纳入更丰富的神经影像数据（如淀粉样蛋白和tau蛋白PET、弥散MRI）以及探索其他数据融合方法 | 预测轻度认知障碍患者向阿尔茨海默病或相关痴呆症的进展，以辅助治疗决策、识别保护因素并指导临床试验 | 来自ADNI、OASIS-3和NACC三个公开队列的老年轻度认知障碍患者 | 数字病理学 | 阿尔茨海默病 | 3D T1加权脑部MRI | CNN, 线性混合效应模型 | 图像, 表格数据 | ADNI队列1136人，OASIS-3队列241人，NACC队列942人 | NA | 3D DenseNet-121 | 平均绝对误差, R² | NA |
| 2483 | 2025-12-29 |
Harnessing artificial intelligence to advance insights in systemic sclerosis skin and lung disease
2025-Nov-01, Current opinion in rheumatology
IF:5.2Q1
DOI:10.1097/BOR.0000000000001114
PMID:40767529
|
综述 | 本文综述了截至2024年人工智能在系统性硬化症皮肤和肺部疾病研究中的应用进展 | 总结了人工智能在系统性硬化症研究中从预测建模到患者亚群识别、疾病严重程度量化及影像分析的最新应用，强调了其在处理高维复杂数据中的潜力 | NA | 综述人工智能在系统性硬化症皮肤和肺部疾病研究中的应用，以推动个性化医疗 | 系统性硬化症患者的皮肤和肺部疾病数据 | 机器学习 | 系统性硬化症 | 监督机器学习、无监督机器学习、深度学习 | NA | 临床数据、数字图像（肺部影像、皮肤活检图像） | NA | NA | NA | NA | NA |
| 2484 | 2025-12-29 |
Automated synthetic contrast-enhanced MRI improves choroid plexus segmentation in Parkinsonian syndromes
2025-Nov, Radiology advances
DOI:10.1093/radadv/umaf042
PMID:41446781
|
研究论文 | 本研究开发了一种基于深度学习的合成对比增强MRI方法，用于改善帕金森综合征中脉络丛的分割和形态学分析 | 首次提出使用深度学习从T1加权图像生成合成对比增强MRI，以替代传统钆对比剂增强MRI，用于脉络丛分割和形态测量 | 研究为回顾性设计，且外部验证队列数据时间跨度较早，可能影响泛化性 | 开发并验证一种无需注射钆对比剂的合成对比增强MRI方法，以改善神经退行性疾病中脉络丛的成像和分割 | 帕金森病、特发性震颤和非典型帕金森综合征患者的脑部MRI图像 | 医学影像分析 | 帕金森综合征 | MRI, 深度学习图像合成 | 深度学习 | MRI图像 | 内部队列265名患者，外部队列58名患者 | NA | Nested-UNet, 3D-UNet | 峰值信噪比, 结构相似性指数, Dice系数, 组内相关系数, 平均绝对体积差异 | NA |
| 2485 | 2025-12-29 |
Tractography enhancement in clinically-feasible diffusion MRI using T1-weighted MRI and anatomical context
2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3047112
PMID:41451395
|
研究论文 | 本文提出了一种结合T1加权MRI和解剖学背景的方法，从临床可行的扩散MRI数据中获取高质量的纤维束成像 | 通过整合T1加权MRI和解剖学标签作为输入，使用卷积循环神经网络（CoRNN）作为局部纤维束成像估计器，以提升临床质量扩散MRI数据的纤维束成像质量 | 未明确说明方法在更广泛数据集或不同临床环境下的泛化能力 | 从临床可行的扩散MRI数据中估计高质量的白质纤维束成像 | 人脑白质通路 | 医学影像分析 | NA | 扩散MRI（dMRI），T1加权MRI | 卷积循环神经网络（CoRNN） | 扩散MRI图像，T1加权MRI图像，解剖学标签 | NA | NA | 卷积循环神经网络（CoRNN） | 统计显著性差异，纤维束重建特征 | NA |
| 2486 | 2025-12-29 |
Forecasting daily bathtub-drowning mortality in Japan: a comparative analysis of statistical, machine learning, and deep learning approaches
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1715622
PMID:41450495
|
研究论文 | 本文比较了统计、机器学习和深度学习方法在预测日本每日浴缸溺水死亡率方面的性能 | 首次开发了全国范围的浴缸溺水死亡预测模型，并比较了DLNM、XGBoost和LSTM三种方法的预测准确性 | 模型依赖于历史数据，可能无法完全捕捉未来突发变化或未包含的风险因素 | 预测日本每日浴缸溺水死亡率，以支持公共卫生干预和及时预警 | 日本47个都道府县的浴缸溺水死亡数据 | 机器学习 | 老年疾病 | 死亡证明记录分析、气象数据整合 | DLNM, XGBoost, LSTM | 时间序列数据、气象数据、人口统计数据 | 99,930例浴缸溺水死亡记录，覆盖446,359个都道府县-天数据点 | NA | 分布式滞后非线性模型, 极端梯度提升, 长短期记忆网络 | 均方根误差, 平均绝对误差 | NA |
| 2487 | 2025-12-29 |
An adaptive hand exoskeleton rehabilitation training system integrating virtual reality and an AI-based assessment engine
2025, Frontiers in sports and active living
IF:2.3Q2
DOI:10.3389/fspor.2025.1724021
PMID:41450855
|
研究论文 | 本文提出了一种集成了虚拟现实和基于AI评估引擎的自适应手部外骨骼康复训练系统，用于中风后手部运动障碍的康复 | 融合了生物信号传感、AI分析和虚拟现实交互，实现了高效、自适应、可量化的闭环训练过程，并基于多模态数据融合、闭环自适应控制和神经可塑性多感官增强三大理论支柱 | 单臂设计限制了因果推断，样本量小（n=24），干预周期短（4周），FMA-UE代理标签通过线性插值构建，且为临床控制环境而非真实世界部署 | 开发一个数据驱动、多模态闭环康复系统，以解决传统康复中依从性低、评估主观和个性化不足的问题，促进中风后手部功能恢复 | 中风幸存者（中风后3-12个月，FMA-UE评分15-50） | 机器学习 | 心血管疾病 | 生物信号传感（6轴IMU，16通道sEMG），扩展卡尔曼滤波，虚拟现实交互 | 随机森林，支持向量回归 | 生物信号数据（运动学，肌肉激活），行为数据 | 24名中风幸存者，共479次训练会话，8,946个标注片段 | Scikit-learn | 随机森林（200棵树，深度8），支持向量回归（RBF核） | R², MAE, Spearman ρ, ICC, FMA-UE, ARAT, 握力, 标准化ROM, 任务成功率, SUS | 云AI引擎，通过MQTT与基于Unity的VR进行双向通信 |
| 2488 | 2025-12-29 |
Predicting Ki-67 expression levels in non-small cell lung cancer using an explainable CT-based deep learning radiomics model
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1655714
PMID:41450926
|
研究论文 | 本研究开发了一种可解释的CT影像深度学习放射组学模型，用于预测非小细胞肺癌中Ki-67的表达水平 | 结合临床放射学特征、放射组学特征和深度学习特征，构建了一个可解释的预测模型，并通过SHAP分析可视化特征贡献 | 回顾性研究设计，样本量相对有限，且仅基于两个中心的患者数据 | 预测非小细胞肺癌中Ki-67的表达水平，以辅助临床优化个性化治疗策略 | 非小细胞肺癌患者 | 数字病理学 | 肺癌 | CT成像 | 支持向量机 | 图像 | 371名患者（中心1: 259名，中心2: 112名） | Scikit-learn | ResNet18 | AUC, IDI | NA |
| 2489 | 2025-12-29 |
The research hotspots and trends of artificial intelligence technology in nursing management: a bibliometric study
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1710269
PMID:41451100
|
文献计量研究 | 本文通过文献计量学方法分析了人工智能在护理管理领域的研究热点与趋势 | 首次系统性地利用CiteSpace、VOSviewer和Bibliometrix工具对AI在护理管理领域的文献进行可视化分析，识别了五大研究集群和新兴热点 | 研究排除了非英语文献，且依赖文献计量分析，可能无法完全反映AI在临床实践中的实际应用情况 | 探索人工智能技术在护理管理领域的研究格局、热点与未来趋势 | Web of Science核心合集和Scopus数据库中1990年至2025年8月的151篇英文出版物 | 机器学习 | NA | 文献计量分析 | NA | 文本 | 151篇出版物 | CiteSpace, VOSviewer, Bibliometrix | NA | NA | NA |
| 2490 | 2025-12-29 |
Sentiment Analysis of Autologous Breast Reconstruction Using Natural Language Processing and Deep Learning
2025, Aesthetic surgery journal. Open forum
DOI:10.1093/asjof/ojaf145
PMID:41451120
|
研究论文 | 本研究利用自然语言处理和深度学习技术，对患者关于自体乳房重建（DIEP、TRAM、LD皮瓣）的公开评论进行情感分析 | 首次将RoBERTa等NLP模型应用于大规模患者论坛评论，以量化分析患者对特定乳房重建手术的情感与情绪，补充了传统临床研究 | 样本量较小（仅212条评论），数据来源单一（仅RealSelf平台），可能无法代表所有患者群体 | 评估患者对自体乳房重建手术（DIEP、TRAM、LD皮瓣）的情感态度和情绪体验 | RealSelf平台上关于DIEP、TRAM或LD皮瓣的公开患者评论 | 自然语言处理 | 乳腺癌 | 自然语言处理, 深度学习 | RoBERTa | 文本 | 212条患者评论（DIEP 153条，TRAM 20条，LD 39条） | NA | RoBERTa | NA | NA |
| 2491 | 2025-12-29 |
AI-driven advances in plant biotechnology: sharpening the edge of plant tissue culture and genome editing
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1718810
PMID:41451278
|
综述 | 本文综述了人工智能（AI）在植物组织培养和基因组编辑领域的应用进展与潜力 | 系统性地汇编了多种AI模型在CRISPR/Cas基因组编辑中的应用研究，并首次明确概述了AI如何变革植物组织培养和基因组编辑领域 | AI在植物CRISPR建模中的应用尚未得到充分探索，且本文为综述性文章，未提出新的原创模型或实验数据 | 探讨AI技术如何推动植物生物技术，特别是植物组织培养和基因组编辑领域的进步 | 植物组织培养协议、CRISPR/Cas9基因组编辑系统、各种生物体中的编辑模型 | 机器学习 | NA | CRISPR/Cas9基因组编辑 | 机器学习（ML）、人工神经网络（ANN）、深度学习（DL） | NA | NA | NA | NA | NA | NA |
| 2492 | 2025-12-29 |
Impact of retraining and data partitions on the generalizability of a deep learning model in the task of COVID-19 classification on chest radiographs
2024-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.6.064503
PMID:39734609
|
研究论文 | 本研究探讨了在标准胸部X光片上进行COVID-19分类任务时，不同模型再训练方案和数据划分对模型性能及泛化能力的影响 | 通过比较四种再训练策略（包括在Set B上重新训练、微调、L2正则化以及200次重新划分Set A训练集），深入分析了数据划分对深度学习模型泛化性能的影响，揭示了模型性能差异的原因 | 研究仅使用来自同一机构的数据集，可能限制了结果的广泛适用性；未涉及外部验证集，泛化能力评估可能不全面 | 评估不同再训练方案和数据划分对深度学习模型在COVID-19胸部X光分类任务中泛化性能的影响 | 标准胸部X光片（CXRs） | 计算机视觉 | COVID-19 | 深度学习 | 深度学习模型 | 图像 | Set A：9860名患者（2020年2月20日至2021年2月3日）；Set B：5893名患者（2020年3月15日至2022年1月1日） | NA | NA | AUC（曲线下面积） | NA |
| 2493 | 2025-12-29 |
MRI-based prostate cancer classification using 3D efficient capsule network
2024-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16975
PMID:38346111
|
研究论文 | 本研究提出了一种基于T2加权MRI的3D高效胶囊网络，用于前列腺癌风险分层 | 开发了3D高效胶囊网络，结合全连接胶囊层构建更深层次结构，并引入动态加权边缘损失以处理数据不平衡问题 | 未明确说明模型对图像翻转、缩放或旋转等变化的鲁棒性具体提升程度，且低风险与中风险分类性能相对较低（AUC 0.59） | 通过计算机辅助诊断实现前列腺癌Gleason评分的非侵入性预测 | 前列腺癌患者 | 数字病理 | 前列腺癌 | MRI | 胶囊网络 | 图像 | 976名患者 | NA | 3D Efficient CapsNet | AUC, F1-score, 加权Cohen's Kappa | NA |
| 2494 | 2025-12-29 |
A framework for the unsupervised and semi-supervised analysis of visual frames
2024-Apr, Political analysis : an annual publication of the Methodology Section of the American Political Science Association
IF:4.7Q1
PMID:41450450
|
研究论文 | 本文介绍了一种用于通过无监督和半监督方法分析视觉材料内容的框架 | 将计算机视觉领域的Bag of Visual Words工具引入政治科学，用于定义和提取视觉“标记”，构建类似于文本分析中Document-Term矩阵的Image-Visual Word矩阵，并开发了新颖的视觉结构主题模型 | NA | 为政治科学领域提供一种分析视觉材料内容的框架 | 视觉材料，特别是中美洲移民大篷车图片 | 计算机视觉 | NA | Bag of Visual Words, 主题模型 | NA | 图像 | NA | NA | NA | NA | NA |
| 2495 | 2025-12-28 |
Machine learning (ML) and deep learning (DL) in vaccine target selection, design, development and characterization
2026-Jan-25, Vaccine
IF:4.5Q2
DOI:10.1016/j.vaccine.2025.128051
PMID:41371096
|
综述 | 本文综述了机器学习和深度学习在疫苗靶点选择、设计、开发和表征中的应用 | 系统性地阐述了AI技术，特别是ML和DL，在理性疫苗设计中的关键作用，包括从靶点选择到临床前试验的全流程应用 | 数据可用性存在限制 | 描述ML和DL如何辅助理性疫苗设计，以应对传染病挑战 | 疫苗开发过程，包括靶点选择、设计、开发和表征 | 机器学习 | 传染病 | NA | 机器学习,深度学习 | NA | NA | NA | NA | NA | NA |
| 2496 | 2025-12-28 |
SpatialFusion: A Unified Model for Integrating Spatial Transcriptomics to Unveil Cell-type Distribution, Interaction, and Functional Heterogeneity in Tissue Microenvironments
2026-Jan-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169535
PMID:41237948
|
研究论文 | 本文介绍了一种名为SpatialFusion的创新深度学习模型，旨在通过整合基因表达和空间坐标来改进空间域识别和细胞类型反卷积 | SpatialFusion模型的核心创新在于利用图神经网络和注意力机制，通过空间数据的多维嵌入捕获复杂的空间关系，并采用双编码策略和自监督对比学习，显著提高了准确性和鲁棒性 | NA | 解决现有空间域识别和细胞类型反卷积方法在准确性、鲁棒性和计算效率方面面临的挑战 | 空间转录组学数据，特别是人类DLPFC数据集和乳腺癌肿瘤微环境 | 空间转录组学 | 乳腺癌 | 空间转录组学 | GNN, 注意力机制 | 基因表达数据, 空间坐标 | NA | NA | 图神经网络, 注意力机制 | 准确性, 分辨率 | NA |
| 2497 | 2025-12-28 |
Diffuse optical imaging with channel attention fusion network
2026-Jan, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.31.1.016001
PMID:41445764
|
研究论文 | 本文提出了一种用于漫射光学成像的端到端深度学习框架CAFNet，旨在克服传统重建技术中的伪影、噪声放大和深度敏感性限制 | 首次将通道注意力机制与AUTOMAP结合，通过多尺度特征学习和特征优先级处理，显著提升了光学属性重建的精度和鲁棒性 | 研究主要基于模拟和实验体模数据，未在真实临床患者数据上进行验证，可能限制了其直接医学应用的普适性 | 开发一种能够有效重建漫射光学图像中光学属性的深度学习模型，以改善肿瘤等深层异常检测的准确性 | 模拟数据集和实验体模中的光学属性图像 | 医学影像 | 肿瘤 | 漫射光学成像 | 深度学习 | 图像 | 模拟和实验数据集，具体样本数量未明确说明 | 未明确指定，但涉及深度学习框架 | CAFNet, AUTOMAP | 均方误差, 峰值信噪比, 结构相似性指数 | NA |
| 2498 | 2025-12-28 |
From lesion detection to outcome prediction: artificial intelligence and deep learning applications in multiple sclerosis
2025-Dec-27, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology
IF:2.7Q3
DOI:10.1007/s10072-025-08661-2
PMID:41454173
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2499 | 2025-12-28 |
A deep learning methodology for fully-automated quantification of calcific burden in high-resolution intravascular ultrasound images
2025-Dec-27, The international journal of cardiovascular imaging
DOI:10.1007/s10554-025-03583-8
PMID:41454216
|
研究论文 | 本文介绍了一种基于深度学习的全自动方法，用于在高分辨率血管内超声图像中量化钙化负荷 | 提出了一种深度学习模型，首次实现血管内超声图像中钙化组织的无缝检测和量化，克服了传统手动分析耗时的问题 | 研究样本量有限（197条血管），且仅基于单一专家标注进行训练，可能影响模型的泛化能力 | 开发一种自动化工具，用于辅助经皮冠状动脉介入治疗规划和药物疗效评估中的钙化负荷量化 | 血管内超声图像中的钙化组织 | 计算机视觉 | 心血管疾病 | 血管内超声成像 | 深度学习模型 | 图像 | 197条血管用于训练（26,211帧图像），30条血管用于测试（5,138帧图像） | NA | NA | kappa系数, 相关系数 | NA |
| 2500 | 2025-12-28 |
Drug Effect Classification using Frequency-based Graph Traversal Approach
2025-Dec-26, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3648860
PMID:41452695
|
研究论文 | 本文提出了一种基于频率的图遍历方法，用于将药物分类为对症治疗（SYM）或疾病修饰（DM）类别 | 采用异质网络和引导最短路径遍历框架，通过识别最短元路径中频繁出现的基因来分类药物作用，提高了可解释性 | NA | 分类药物为对症治疗或疾病修饰类别，以理解其治疗作用并支持药物重定位 | 药物、基因和疾病 | 机器学习 | 多发性硬化症 | 图遍历方法 | 图模型 | 异质网络数据（基因、疾病、药物） | NA | NA | 引导最短路径遍历框架 | 分类准确率 | NA |