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 36553 篇文献，本页显示第 2881 - 2900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2881 | 2025-11-25 |
Consensus Molecular Subtypes (CMS) Classification: a progress towards Subtype-Driven treatments in colorectal cancer
2025-Nov-24, World journal of surgical oncology
IF:2.5Q1
DOI:10.1186/s12957-025-04117-1
PMID:41276825
|
综述 | 本文综述了结直肠癌共识分子分型（CMS）的分类方法、预后价值、治疗指导意义及临床转化面临的挑战 | 系统整合了基于基因表达谱、免疫组化和深度学习图像分析的CMS分类方法，并探讨了单细胞测序解决肿瘤内异质性的新策略 | 肿瘤内异质性和技术障碍阻碍了CMS分类的临床推广应用 | 评估CMS分类在结直肠癌预后预测和个性化治疗指导中的应用价值 | 结直肠癌分子亚型及其临床特征 | 数字病理 | 结直肠癌 | 基因表达谱分析, 免疫组化, 单细胞RNA测序, 深度学习 | 深度学习 | 基因表达数据, 病理图像 | NA | NA | NA | NA | NA |
| 2882 | 2025-11-25 |
Phylo-Spec: a phylogeny-fusion deep learning model advances microbiome status identification
2025-Nov-24, mSystems
IF:5.0Q1
DOI:10.1128/msystems.01453-25
PMID:41283667
|
研究论文 | 提出一种融合系统发育信息的深度学习模型Phylo-Spec，用于改进微生物组状态识别 | 首次将系统发育层次结构融入深度学习框架，通过自底向上迭代融合微生物特征，并动态处理未分类物种 | 仅在合成数据集和部分真实数据上验证，需要更广泛的临床验证 | 改进微生物组状态分类和健康状态识别 | 人类微生物组数据 | 生物信息学 | NA | 宏基因组测序，扩增子测序 | 深度学习 | 微生物组数据 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 2883 | 2025-11-25 |
Unveiling the landscape of prokaryotic global regulators through deep protein language models
2025-Nov-24, mSystems
IF:5.0Q1
DOI:10.1128/msystems.00950-25
PMID:41283681
|
研究论文 | 利用深度蛋白质语言模型系统性地探索原核生物全局调控因子的多样性 | 首次使用深度学习方法在大规模原核生物基因组中系统识别全局调控因子，突破了传统同源性和结构域方法的局限 | 部分识别出的蛋白质功能未知，需要进一步实验验证 | 构建原核生物全局调控因子的全面图谱，理解其多样性和进化动态 | 14,800个细菌和古菌类型菌株基因组 | 生物信息学 | NA | 蛋白质语言模型，深度学习 | 深度学习模型 | 蛋白质序列数据 | 14,800个原核生物基因组，74,872个经过验证的GR序列，270,000多个GR样蛋白质 | NA | 蛋白质语言模型 | 灵敏度，泛化能力 | NA |
| 2884 | 2025-11-25 |
Artificial intelligence in arterial healing, remodeling, and prediction: its implications in vascular surgery
2025-Nov-24, The Journal of cardiovascular surgery
IF:1.4Q3
DOI:10.23736/S0021-9509.25.13397-1
PMID:41283977
|
综述 | 本文综述人工智能在血管外科中动脉愈合、重塑和预测分析方面的应用与前景 | 系统整合AI技术在血管外科多环节的应用，包括内皮恢复监测、血流动力学模拟和术中导航等创新方向 | 面临标注数据质量不足、算法可解释性差、数据隐私伦理问题等挑战 | 探讨人工智能技术在血管外科领域的临床应用与发展前景 | 动脉愈合过程、血管重塑机制、血管疾病预测模型 | 数字病理 | 心血管疾病 | 超声成像, MRI, 计算流体动力学 | CNN, RNN, 机器学习, 深度学习 | 医学影像, 血流动力学数据, 生物传感器数据 | NA | NA | 卷积神经网络, 循环神经网络 | NA | NA |
| 2885 | 2025-11-25 |
Artificial intelligence-based decision support systems and their role in vascular surgery and clinical practice
2025-Nov-24, The Journal of cardiovascular surgery
IF:1.4Q3
DOI:10.23736/S0021-9509.25.13491-5
PMID:41283980
|
综述 | 探讨人工智能决策支持系统在血管外科临床实践中的应用现状与挑战 | 系统梳理AI-DSS在血管外科多场景应用（影像分析、术中导航、预测建模）并首次整合数字孪生等新兴概念 | 模型可解释性不足、泛化能力有限、与电子病历集成困难、伦理法律障碍及实施成本高昂 | 分析人工智能决策支持系统在血管外科临床实践中的潜力与实施障碍 | 血管外科疾病诊疗流程（动脉瘤、斑块、狭窄等） | 数字病理 | 心血管疾病 | 深度学习 | 深度学习模型 | 医学影像、生物力学数据、生物标志物 | NA | NA | NA | 准确率 | NA |
| 2886 | 2025-11-25 |
Deep learning for non-invasive detection of steatosis and fibrosis in MASLD: a multicenter study with a new fibroscan-labelled ultrasound dataset
2025-Nov-24, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05309-9
PMID:41284028
|
研究论文 | 开发并验证基于深度学习模型利用常规B超图像无创评估肝脏脂肪变性和纤维化的方法 | 首次使用Fibroscan标记的超声数据集，结合多中心数据验证深度学习模型在MASLD疾病评估中的性能 | 样本量相对有限，外部测试集样本数量较少（DS3仅18例患者） | 开发无创检测肝脏脂肪变性和纤维化的深度学习方法 | MASLD（代谢相关脂肪性肝病）患者 | 医学影像分析 | 代谢相关脂肪性肝病 | B模式超声成像，Fibroscan测量 | CNN, Transformer | 超声图像 | 总样本247例患者（DS1:111例，DS2:95例，DS3:18例，DS4:23例），共2799张图像 | NA | EfficientNet-B4, Vision Transformers | AUROC, 95%置信区间 | NA |
| 2887 | 2025-11-25 |
Deep learning in bone marrow cytomorphology: advances in segmentation, classification, and clinical translation
2025-Nov-24, Medical oncology (Northwood, London, England)
DOI:10.1007/s12032-025-03127-z
PMID:41284066
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2888 | 2025-11-25 |
Deep learning-based image reconstruction significantly improves image quality of MRI examinations of the orbit at 3 Tesla
2025-Nov-23, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2025.11.003
PMID:41276422
|
研究论文 | 本研究评估深度学习图像重建技术在3特斯拉眼眶MRI中提升图像质量的效果 | 首次系统评估深度学习图像重建技术在3T眼眶MRI中的图像质量改善效果 | 样本量相对有限(71例患者)，仅评估了冠状位T2加权和对比增强脂肪抑制T1加权图像 | 评估深度学习图像重建技术对眼眶MRI图像质量的改善效果 | 眼眶MRI图像和视神经结构 | 医学影像分析 | 眼眶疾病 | 磁共振成像(MRI) | 深度学习 | 医学图像 | 71例患者(48名女性，23名男性)，年龄7-90岁 | NA | NA | 信噪比(SNR), 对比噪声比(CNR), 图像质量评分 | NA |
| 2889 | 2025-11-25 |
Predicting Pharmacological Treatment Response in Migraine Using AI/ML: A Scoping Review of the Evidence and Future Directions
2025-Nov-23, Pharmacotherapy
IF:2.9Q2
DOI:10.1002/phar.70085
PMID:41276479
|
综述 | 本文通过范围综述系统评估了人工智能和机器学习在预测偏头痛药物治疗反应方面的证据 | 首次系统评估AI/ML在偏头痛药物治疗预测中的应用，识别方法学缺陷并提出未来发展方向 | 纳入研究数量有限(12项)，存在方法学缺陷如缺乏外部验证、患者队列重叠、缺少生物标志物和遗传数据 | 评估AI/ML在预测偏头痛药物治疗反应中的证据现状和未来方向 | 偏头痛患者药物治疗反应预测 | 机器学习 | 偏头痛 | 临床表型分析，神经影像数据 | 支持向量机，深度学习，概率模型 | 临床数据，神经影像数据 | 12项研究(自2006年起) | NA | NA | 预测准确率 | NA |
| 2890 | 2025-11-25 |
Deep learning assessment of street spatial quality in old residential communities of Wuchang, Wuhan, China
2025-Nov-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28936-0
PMID:41276562
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2891 | 2025-11-25 |
Development and validation of a machine learning-based prognostic model for gastric cancer: a multicenter retrospective study
2025-Nov-21, Langenbeck's archives of surgery
DOI:10.1007/s00423-025-03883-6
PMID:41269322
|
研究论文 | 开发并验证基于机器学习的胃癌预后预测模型 | 整合多种机器学习算法构建集成模型，并在多中心真实世界数据中验证其优于传统TNM分期系统 | 回顾性研究设计，数据来源于特定数据库和医疗中心 | 开发胃癌生存预后预测模型 | 胃癌患者 | 机器学习 | 胃癌 | 临床数据分析 | Cox, RSF, CoxBoost, Deepsurv_Cox, 集成模型 | 临床数据 | SEER数据库21,559例患者，中国两个医疗中心3,805例患者 | NA | 集成模型 | C-index, IBS, mean AUC, 时间依赖ROC曲线, 校准曲线, DCA | NA |
| 2892 | 2025-11-25 |
Carbon market price prediction in the Yangtze River Basin based on improved deep learning ensemble model with CEEMDAN and Attention-RNN
2025-Nov-21, Carbon balance and management
IF:3.9Q2
DOI:10.1186/s13021-025-00346-9
PMID:41269474
|
研究论文 | 提出一种结合CEEMDAN分解和注意力机制RNN的集成深度学习模型，用于长江流域碳市场价格预测 | 首次将CEEMDAN分解与注意力机制RNN结合，并考虑多重影响因素进行碳价格预测 | 仅在中国长江流域三个试点地区进行验证，未在其他区域测试 | 提高碳交易市场价格预测的准确性 | 长江流域碳交易试点地区（上海市、湖北省、重庆市）的碳市场价格 | 机器学习 | NA | CEEMDAN分解，深度学习 | RNN, LSTM, GRU | 时间序列数据（碳价格和外部变量） | 长江流域3个碳交易试点地区数据 | NA | 注意力机制RNN，CEEMDAN-Attention-RNN集成模型 | 平均绝对百分比误差（MAPE） | NA |
| 2893 | 2025-11-25 |
Multi-omics strategies for biomarker discovery and application in personalized oncology
2025-Nov-21, Molecular biomedicine
IF:6.3Q1
DOI:10.1186/s43556-025-00340-0
PMID:41269529
|
综述 | 本文系统综述了多组学策略在生物标志物发现和个性化肿瘤学中的应用框架与方法 | 提出了涵盖水平和垂直整合策略的多组学综合分析框架，特别强调机器学习和深度学习方法在数据解读中的应用 | 存在数据异质性、可重复性以及跨患者群体临床验证等主要挑战 | 为研究人员和临床医生提供多组学数据在生物标志物发现和个性化癌症护理中实施的当前方法和未来方向 | 多组学整合策略、分析工作流程、计算工具及其在肿瘤学中的应用 | 生物信息学 | 肿瘤 | 基因组学、转录组学、蛋白质组学、代谢组学、单细胞多组学、空间多组学 | 机器学习,深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 2894 | 2025-11-25 |
High-capacity directional information processor using all-optical multilayered neural networks
2025-Nov-21, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adu0904
PMID:41270162
|
研究论文 | 提出一种基于超表面的方向性衍射深度神经网络，实现高容量信息处理 | 将波传播方向编码到神经网络中，引入新的自由度，实现方向依赖功能 | NA | 开发高容量光学信息处理器 | 数字和时尚产品分类、数据加密 | 光学神经网络 | NA | 超表面技术、几何相位控制、传播相位控制 | 衍射深度神经网络 | 光学信号 | NA | NA | 多层神经网络、三自旋解耦超表面 | NA | NA |
| 2895 | 2025-11-25 |
Rapid cancer diagnosis using deep learning-powered label-free subcellular-resolution photoacoustic histology
2025-Nov-21, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adz1820
PMID:41270177
|
研究论文 | 开发了一种亚细胞分辨率紫外光声显微镜系统，结合深度学习实现无标记快速癌症诊断 | 开发了240纳米分辨率的SRUV-PAM系统，首次结合循环一致性生成对抗网络进行虚拟染色，并使用DenseNet-121实现肝脏良恶性肿瘤诊断 | NA | 解决传统组织染色方法耗时且易产生伪影的问题，开发快速无标记癌症诊断技术 | 肝脏组织中的良性和恶性肿瘤 | 数字病理学 | 肝癌 | 紫外光声显微镜，虚拟染色 | GAN, CNN | 光声显微镜图像 | NA | NA | CycleGAN, DenseNet-121 | AUC | NA |
| 2896 | 2025-11-25 |
Detection and Management of Geographic Atrophy Secondary to Age-Related Macular Degeneration Using Noninvasive Retinal Images and Artificial Intelligence: Systematic Review
2025-Nov-21, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/81328
PMID:41270236
|
系统综述 | 系统评估人工智能在年龄相关性黄斑变性继发地图样萎缩检测和管理中的应用性能 | 首次系统整合从初始检测到进展预测的地图样萎缩管理证据，使用多种无创成像技术 | 需要加强报告规范，确保跨人群和设备的数据多样性，在前瞻性多中心研究中实施严格的外部验证 | 评估人工智能在无创成像模式下检测和管理地图样萎缩的性能，并与临床专家评估作为金标准进行比较 | 年龄相关性黄斑变性继发地图样萎缩患者 | 医学影像分析 | 年龄相关性黄斑变性 | 彩色眼底照相、眼底自发荧光、近红外反射、频域光学相干断层扫描、扫频源光学相干断层扫描、3D光学相干断层扫描 | 深度学习 | 视网膜图像 | 至少24,592名参与者（检测：7,132人，评估和进展：14,064人，预测：6,706人），年龄范围50-94岁 | NA | U-Net, ResNet50, EfficientNetB4, Xception, Inception v3, PSC-UNet | 与临床专家评估比较的性能指标 | NA |
| 2897 | 2025-11-25 |
Gradient descent in materia through homodyne gradient extraction
2025-Nov-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65155-7
PMID:41271705
|
研究论文 | 提出一种基于零差检测的梯度提取方法，可在物理系统中直接实现梯度下降 | 无需系统解析描述即可在物理系统中直接获取梯度信息，通过不同频率正弦波扰动参数实现可扩展的梯度提取 | NA | 开发适用于物理系统的高效能深度学习硬件实现方法 | 可重构非线性处理单元和物理材料系统 | 机器学习 | NA | 零差检测，正弦波扰动 | 物理神经网络 | 物理系统参数 | NA | NA | NA | NA | 物理材料系统 |
| 2898 | 2025-11-25 |
Adaptive stretching of representations across brain regions and deep learning model layers
2025-Nov-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65231-y
PMID:41271767
|
研究论文 | 研究大脑区域和深度学习模型层中表征的自适应拉伸机制 | 发现大脑各区域和深度学习模型均会沿任务相关维度自适应拉伸表征，且无需显式注意力机制 | 仅针对颜色和运动方向两个维度进行研究，未探索其他感知维度 | 探究大脑和人工神经网络如何通过表征拉伸优化任务表现 | 猴子大脑多个区域（V4、MT、lateral PFC、FEF、LIP、IT）和深度学习模型 | 计算神经科学 | NA | 神经电生理记录，深度学习 | 深度学习模型 | 神经电生理信号，视觉输入数据 | 多个猴子大脑区域记录数据 | NA | NA | 任务表现误差 | NA |
| 2899 | 2025-11-25 |
An intelligent YOLO and CNN-BiGRU framework for road infrastructure based anomaly assessment
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25030-3
PMID:41271820
|
研究论文 | 提出一种融合YOLOv11目标检测和CNN-BiGRU时序预测的智能道路基础设施异常评估框架 | 首次将数字孪生环境与YOLOv11和CNN-BiGRU模型结合，实现道路异常的空间检测与时序严重性预测一体化 | 未提及模型在极端天气条件下的泛化能力及长期部署的稳定性验证 | 开发实时智能道路基础设施监测系统以替代低效的人工巡检 | 道路坑洼、表面裂缝、模糊标线、积雪覆盖等关键道路状况 | 计算机视觉 | NA | 深度学习 | CNN, BiGRU, YOLO | 图像 | LiRA-CD公共数据集中的30,000多个实例 | TensorRT | YOLOv11, CNN-BiGRU | mAP@0.5, mAP@[0.5:0.95], AUROC, 精确率, 召回率, 特异性, F1分数, R², AAE, ASE | Intel i7-12700K CPU, NVIDIA RTX 3090 GPU, 32 GB DDR5 RAM |
| 2900 | 2025-11-25 |
Advanced deep learning techniques for automated license plate recognition
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24967-9
PMID:41271827
|
研究论文 | 本研究通过结合YOLOv10和定制化Tesseract OCR引擎，开发了针对泰语-罗马字母混合车牌自动识别系统 | 首次采用YOLOv10与定制化Tesseract OCR相结合的方法解决泰语-罗马字母混合车牌识别难题 | 未明确说明在极端恶劣天气条件下的性能表现 | 提升自动车牌识别系统在复杂现实场景中的性能 | 泰语-罗马字母混合车牌 | 计算机视觉 | NA | 深度学习,光学字符识别 | YOLOv10,Tesseract OCR | 图像,视频 | 50,000张图像和10,000个视频片段 | PyTorch,Tesseract | YOLOv10 | 检测准确率,F1分数,推理时间 | Jetson Nano |