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 32373 篇文献，本页显示第 2681 - 2700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2681 | 2025-10-06 |
A Feature-Augmented Transformer Model to Recognize Functional Activities from in-the-wild Smartwatch Data
2025-Jul-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3586074
PMID:40614149
|
研究论文 | 提出一种特征增强的Transformer模型，用于从智能手表数据中识别功能性活动 | 引入特征标记-变换器嵌入来增强特征表示，并发布了大规模功能性活动数据集ArWISE | NA | 识别功能性活动以支持认知健康评估、康复治疗和慢性病管理 | 从503名参与者收集的智能手表数据 | 机器学习 | 认知障碍,慢性病 | 智能手表传感器数据采集 | Transformer | 传感器时间序列数据 | 503名参与者，超过3200万个标记数据点 | NA | Transformer | 分类性能 | NA |
| 2682 | 2025-10-06 |
Denoising pediatric cardiac photon-counting CT data with sparse coding and data-adaptive, self-supervised deep learning
2025-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17918
PMID:40660927
|
研究论文 | 提出一种结合稀疏编码和数据自适应自监督深度学习的方法，用于儿科心脏光子计数CT数据的降噪 | 对Vision Transformer架构进行两项针对性改进：修改多层感知机实现编码图像数据的跨令牌重组，以及用超完备字典替换网络头执行字典稀疏编码 | 在已重度降噪的重建数据中，对1岁以下患者的临床PCCT数据应用时会出现部分图像细节平滑化 | 推进自监督深度学习降噪方法以适应儿科心脏CT数据中可变的图像质量 | 儿科心脏光子计数CT数据 | 医学影像处理 | 先天性心脏病 | 光子计数CT | Vision Transformer | 3D CT图像 | 20名杜克大学患者（1-18岁）的回顾性数据，加上3名额外患者和临床前系统获取的小鼠心脏PCCT数据集 | PyTorch | 改进的3D Vision Transformer | 强度偏差, 强度方差 | NA |
| 2683 | 2025-10-06 |
Image-based mandibular and maxillary parcellation and annotation using computed tomography (IMPACT): a deep learning-based clinical tool for orodental dose estimation and osteoradionecrosis assessment
2025-Jul, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100817
PMID:40894269
|
研究论文 | 提出基于深度学习的口腔颌面结构自动分割框架IMPACT，用于放射治疗中的剂量估计和放射性骨坏死评估 | 首个将下颌骨/上颌骨分区与个体牙齿分割相结合，并与ClinRad放射性骨坏死分期系统对齐的深度学习自动分割框架 | 数据中缺失的子区域分割适用性有限 | 开发用于口腔剂量估计和放射性骨坏死评估的临床工具 | 头颈癌患者的计算机断层扫描图像中的下颌骨、上颌骨和个体牙齿 | 计算机视觉 | 头颈癌 | 计算机断层扫描 | 深度学习 | 医学图像 | 60个临床病例的模拟CT图像 | NA | Swin UNETR, ResUNet | Dice系数, 剂量体积参数(Dmean, D2%) | NA |
| 2684 | 2025-02-25 |
Ectopic, intra-thyroid parathyroid adenoma better visualized by deep learning enhanced choline PET/CT
2025-Jun-01, QJM : monthly journal of the Association of Physicians
DOI:10.1093/qjmed/hcaf057
PMID:39992255
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2685 | 2025-10-06 |
IBDome: An integrated molecular, histopathological, and clinical atlas of inflammatory bowel diseases
2025-Apr-10, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.26.645544
PMID:40291692
|
研究论文 | 构建了炎症性肠病的综合分子、组织病理学和临床图谱，通过多组学和多模态数据分析揭示疾病特征 | 整合了多组学数据和临床信息，开发了基于基础模型的深度学习方法来预测组织学疾病活动评分 | 样本量相对有限（1002例），未涉及所有IBD亚型 | 提高对炎症性肠病的理解，改进诊断并实现个性化治疗策略 | 炎症性肠病（克罗恩病和溃疡性结肠炎）患者及非IBD对照 | 数字病理学 | 炎症性肠病 | 全外显子测序,RNA测序,血清蛋白质组学,组织病理学评估 | 深度学习,基础模型 | 基因组数据,转录组数据,蛋白质组数据,组织病理图像 | 1002例临床注释患者（包括IBD患者和非IBD对照） | NA | 基础模型 | 组织学疾病活动评分预测准确性 | NA |
| 2686 | 2025-10-06 |
Path2Omics: Enhanced transcriptomic and methylation prediction accuracy from tumor histopathology
2025-Mar-16, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.26.640189
PMID:40568160
|
研究论文 | 开发了一种名为Path2Omics的深度学习模型，可从肿瘤组织病理学图像预测基因表达和甲基化数据 | 整合FFPE和FF样本训练，显著提升预测准确性，预测基因数量比先前模型DeepPT提高约5倍 | NA | 通过组织病理学图像预测分子特征，推进精准肿瘤学发展 | 23种癌症类型的肿瘤组织病理学图像 | 数字病理学 | 癌症 | 组织病理学 | 深度学习 | 图像 | 20,497张切片（9,456张FFPE和11,041张FF），来自8,007名患者的23个TCGA队列 | NA | NA | 预测基因数量 | NA |
| 2687 | 2025-10-06 |
CT-based 3D Super-resolution Radiomics for the Differential Diagnosis of Brucella vs. Tuberculous Spondylitis using Deep Learning
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究开发了基于深度学习和超分辨率CT图像的影像组学模型，用于提高布鲁氏菌性脊柱炎和结核性脊柱炎的鉴别诊断准确性 | 首次将超分辨率技术与深度学习影像组学相结合应用于脊柱炎鉴别诊断，开发了综合临床、影像组学和深度学习的多模态融合模型 | 样本量较小(94例)，回顾性研究设计，存在影像异质性，需要更大规模多中心研究验证 | 提高布鲁氏菌性脊柱炎与结核性脊柱炎的鉴别诊断准确性 | 94例确诊为布鲁氏菌性脊柱炎或结核性脊柱炎的患者 | 医学影像分析 | 脊柱炎 | CT成像, 超分辨率技术 | CNN, MLP | CT图像 | 94例患者(训练集65例，验证集29例)，其中布鲁氏菌性脊柱炎57例，结核性脊柱炎37例 | NA | ResNet18, ResNet34, MLP | AUC, 敏感性, 特异性, ROC, 决策曲线分析 | NA |
| 2688 | 2025-10-06 |
Multimodal deep learning for predicting protein ubiquitination sites
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf200
PMID:40917649
|
研究论文 | 开发了一种基于多模态深度学习的蛋白质泛素化位点预测工具 | 整合多种蛋白质序列表示方法（one-hot编码、嵌入表示和理化特性）于统一深度学习框架，显著提升预测准确性和鲁棒性 | NA | 准确预测蛋白质泛素化位点 | 蛋白质序列 | 生物信息学 | NA | 深度学习 | 深度学习 | 蛋白质序列数据 | 通用、人类特异性和植物特异性数据集 | NA | 多模态深度学习框架 | 准确率, 灵敏度, 特异性, MCC, AUC | NA |
| 2689 | 2025-10-06 |
A graph attention-based deep learning network for predicting biotech-small-molecule drug interactions
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf192
PMID:40917652
|
研究论文 | 提出一种基于图注意力网络的深度学习框架，用于预测生物技术药物与小分子药物之间的相互作用 | 首次将图注意力网络应用于生物技术药物与小分子药物的相互作用预测，解决了传统方法主要关注小分子药物的局限性 | 未在摘要中明确说明研究的局限性 | 改进生物技术药物与小分子药物之间的相互作用预测，促进更有效的联合疗法开发 | 生物技术药物和小分子药物 | 机器学习 | NA | 深度学习 | 图注意力网络 | 图数据 | NA | NA | 图注意力网络 | 微观评估,宏观评估,加权评估 | NA |
| 2690 | 2025-10-06 |
ResLysEmbed: a ResNet-based framework for succinylated lysine residue prediction using sequence and language model embeddings
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf198
PMID:40917651
|
研究论文 | 提出一种基于ResNet的框架ResLysEmbed，结合传统词嵌入和蛋白质语言模型嵌入预测琥珀酰化赖氨酸位点 | 开发了三种混合架构并比较了多种蛋白质语言模型，其中ResLysEmbed在琥珀酰化位点预测中表现最优 | NA | 提高琥珀酰化赖氨酸位点的预测性能 | 蛋白质序列中的琥珀酰化赖氨酸位点 | 生物信息学 | NA | 蛋白质语言模型，深度学习 | CNN, ResNet | 蛋白质序列数据 | NA | NA | ResNet, ConvLysEmbed, InceptLysEmbed | 准确率, MCC, F1分数 | NA |
| 2691 | 2025-10-06 |
Knowledge Attitudes and Ethical Concerns About Artificial Intelligence Among Medical Students at Taibah University: A Cross-Sectional Study
2025, Advances in medical education and practice
IF:1.8Q2
DOI:10.2147/AMEP.S528281
PMID:40917814
|
研究论文 | 本研究调查了Taibah大学医学生对人工智能的知识、态度和伦理关注 | 首次在沙特阿拉伯医学教育背景下系统评估医学生对AI的认知水平和伦理关切 | 单中心研究，样本量有限（189人），依赖自我报告数据可能存在偏差 | 评估医学生对AI的认知准备度和伦理关注，为医学教育课程开发提供依据 | Taibah大学189名医学生 | 医学教育 | NA | 问卷调查 | NA | 问卷数据 | 189名医学生 | NA | NA | 描述性统计，单因素方差分析 | NA |
| 2692 | 2025-10-06 |
The Revolution in Midwifery Education: How AI and Deep Learning are Transforming Outcome-Based Assessments?
2025, Advances in medical education and practice
IF:1.8Q2
DOI:10.2147/AMEP.S543098
PMID:40917813
|
综述 | 本文综述了人工智能和深度学习在助产教育成果评估中的应用与潜力 | 系统评估AI和深度学习在助产教育成果评估中的创新应用，包括个性化学习和临床技能提升 | 面临基础设施准备、数字素养、数据保护和算法偏见等伦理挑战 | 探讨AI和深度学习如何提升助产教育中的成果评估效果 | 助产教育中的学生临床技能评估 | 教育技术 | 母婴健康 | 系统文献综述 | CNN, LSTM, Random Forest, SVM | 文献数据 | 从771篇文献中筛选15篇符合标准的文章 | NA | NA | 客观性评估、个性化反馈、临床学习模拟效果 | NA |
| 2693 | 2025-10-06 |
Transformer-based ECG classification for early detection of cardiac arrhythmias
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1600855
PMID:40917829
|
研究论文 | 提出基于Transformer的深度学习框架用于心电图自动分类，实现心律失常的早期检测 | 首次将Transformer架构与先进的预处理、特征选择和降维技术结合应用于ECG分类 | 数据集和评估协议差异导致比较仅为指示性，实时或资源受限环境部署需进一步优化验证 | 开发自动化心电图分类系统用于心血管疾病早期检测 | 心电图信号 | 生物医学信号处理 | 心血管疾病 | ECG信号处理 | Transformer | 信号数据 | MIT-BIH基准数据集 | NA | Transformer | 准确率,精确率,召回率,F1分数,AUC | NA |
| 2694 | 2025-10-06 |
Brain tumor classification using GAN-augmented data with autoencoders and Swin Transformers
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1635796
PMID:40917831
|
研究论文 | 提出一种结合Swin Transformer和AE-cGAN数据增强的新型深度学习模型用于脑肿瘤分类 | 首次将Swin Transformer与AE-cGAN数据增强相结合，有效解决数据不平衡和特征提取不足的问题 | 尚未进行实时临床部署验证，应用范围有待扩展到其他医学影像任务 | 开发高性能的脑肿瘤自动分类方法 | 脑肿瘤医学影像数据 | 计算机视觉 | 脑肿瘤 | 深度学习 | Transformer, GAN, Autoencoder | 医学影像 | 两个公开数据集（Figshare和Kaggle） | NA | Swin Transformer, AE-cGAN | 准确率, 敏感性, 特异性 | NA |
| 2695 | 2025-10-06 |
Exploring the Potentials of Artificial Intelligence in Sepsis Management in the Intensive Care Unit
2025, Critical care research and practice
IF:1.8Q3
DOI:10.1155/ccrp/9031137
PMID:40917940
|
综述 | 探讨人工智能在重症监护室脓毒症管理中的潜力与应用 | 系统评估人工智能方法（机器学习、深度学习、自然语言处理）相较于传统SOFA和SIRS标准在脓毒症早期预测中的优势 | 存在算法偏见、数据碎片化、缺乏验证和可解释性问题 | 研究人工智能在重症监护室脓毒症早期诊断和管理中的应用价值 | 重症监护室脓毒症患者 | 自然语言处理, 机器学习 | 脓毒症 | 机器学习, 深度学习, 自然语言处理 | 随机森林, XGBoost, 神经网络 | 临床数据, 生命体征, 实验室结果, 患者病史 | NA | NA | NA | 准确率, AUROC曲线下面积 | NA |
| 2696 | 2025-10-06 |
Nomogram Model for Identifying the Risk of Coronary Heart Disease in Patients with Chronic Obstructive Pulmonary Disease Based on Deep Learning Radiomics and Clinical Data: A Multicenter Study
2025, International journal of chronic obstructive pulmonary disease
IF:2.7Q2
DOI:10.2147/COPD.S539307
PMID:40917929
|
研究论文 | 基于深度学习影像组学和临床数据开发用于评估慢性阻塞性肺疾病患者冠心病风险的列线图模型 | 首次将临床数据、影像组学特征和三维深度学习特征整合到列线图模型中，用于COPD患者的CHD风险预测 | 回顾性研究设计，样本量相对有限（543例患者） | 开发并验证用于COPD患者CHD风险评估的个性化预测模型 | 来自两个医疗中心的543名慢性阻塞性肺疾病患者 | 医学影像分析 | 冠心病,慢性阻塞性肺疾病 | 计算机断层扫描（CT） | 深度学习,影像组学 | 医学影像,临床数据 | 543名COPD患者（中心1：398例，中心2：145例） | NA | ResNet50 | AUC,净收益 | NA |
| 2697 | 2025-10-06 |
Oral-Anatomical Knowledge-Informed Semi-Supervised Learning for 3D Dental CBCT Segmentation and Lesion Detection
2025, IEEE transactions on automation science and engineering : a publication of the IEEE Robotics and Automation Society
IF:5.9Q1
DOI:10.1109/tase.2025.3530936
PMID:40918035
|
研究论文 | 提出一种融合口腔解剖知识的半监督学习模型，用于3D牙科CBCT图像分割和病变检测 | 将定性口腔解剖知识转化为定量表示，并融入深度学习框架，减少对大量标注数据的依赖 | 主要针对小病变分割任务，在更大规模数据集上的泛化能力有待验证 | 开发自动化3D牙科CBCT图像分割和病变检测方法 | 牙科CBCT图像中的病变、骨骼、牙齿和修复材料 | 计算机视觉 | 口腔疾病 | 锥形束计算机断层扫描(CBCT) | 深度学习 | 3D医学图像 | 真实世界数据集（具体数量未明确说明） | NA | 知识引导的双任务学习架构 | NA | NA |
| 2698 | 2025-10-06 |
Utilizing Detectron2 for accurate and efficient colon cancer detection in histopathological images
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1593534
PMID:40918447
|
研究论文 | 本研究提出了一种基于Detectron2深度学习框架的结肠癌组织病理图像分类方法 | 首次将Detectron2框架优化并应用于结肠癌组织病理图像分类任务，实现了99.8%的准确率 | 研究仅使用单一数据集进行验证，未在更广泛的数据集上进行测试 | 开发准确高效的结肠癌自动检测工具以辅助临床诊断 | 结肠组织病理图像 | 计算机视觉 | 结肠癌 | 组织病理学成像 | 深度学习目标检测模型 | 图像 | LC25000数据集中10,000张标注图像（5,000正常，5,000癌变） | Detectron2 | 基于Detectron2的目标检测架构 | 准确率 | NA |
| 2699 | 2025-10-06 |
BlendNet: a blending-based convolutional neural network for effective deep learning of electrocardiogram signals
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1625637
PMID:40918589
|
研究论文 | 提出一种基于混合的卷积神经网络BlendNet，通过alpha混合方法有效提取心电图信号特征 | 提出alpha混合方法，将小波尺度图和二值图像的特征进行融合，生成更丰富的复合特征集 | 仅使用162个心电图记录进行实验，样本规模有限 | 提高心电图信号在心血管疾病诊断中的深度学习效果 | 心电图信号 | 机器学习 | 心血管疾病 | 连续小波变换 | CNN | 图像, 信号 | 162个心电图记录 | NA | BlendNet | 分类准确率 | NA |
| 2700 | 2025-10-06 |
Dairy DigiD: a keypoint-based deep learning system for classifying dairy cattle by physiological and reproductive status
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1545247
PMID:40918586
|
研究论文 | 开发基于关键点检测的深度学习系统Dairy DigiD，通过奶牛面部图像分类其生理和繁殖状态 | 结合DenseNet121全局图像分类和Detectron2细粒度面部分析的双重方法，利用30个解剖关键点检测提升分类鲁棒性 | DenseNet121对背景噪声敏感导致泛化能力有限 | 开发非侵入式精准畜牧监测系统，替代传统识别方法 | 奶牛 | 计算机视觉 | NA | 深度学习，关键点检测，实例分割 | CNN | 高分辨率面部图像 | NA | Detectron2 | DenseNet121, Detectron2 | 准确率 | NA |