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 36434 篇文献，本页显示第 2921 - 2940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2921 | 2025-11-23 |
Forecasting visceral leishmaniasis in Sudan using hybrid wavelet based deep learning models on climate driven multivariate time series
2025-Nov-19, Acta tropica
IF:2.1Q2
|
研究论文 | 本研究开发了一种基于小波变换和深度学习的混合模型，用于预测苏丹内脏利什曼病的月度发病率 | 提出了结合小波变换与先进深度学习模型的新型混合方法，用于分解多尺度模式并学习线性和非线性关系 | 模型需要重新校准才能应用于其他地区，且目前仅基于气候数据 | 基于关键气候驱动因素预测苏丹Gedaref州内脏利什曼病的月度发病率 | 苏丹Gedaref州的内脏利什曼病发病率数据 | 机器学习 | 内脏利什曼病 | 时间序列分析，小波变换 | GPR, GNN, TCN, BiLSTM, VAR | 多元时间序列数据 | 2000-2018年训练数据，2019-2022年测试数据 | Python | Wavelet-GPR, Wavelet-StemGNN, Wavelet-TCN-BiLSTM, VAR | RMSE, MAE, R, MAPE | NA |
| 2922 | 2025-11-23 |
A deep learning approach for the analysis of birdsong
2025-Nov-18, eLife
IF:6.4Q1
DOI:10.7554/eLife.101111
PMID:41252196
|
研究论文 | 开发了一种基于深度学习的斑胸草雀鸣声分析工具AVN，能够高精度标注鸣声并生成可解释特征 | 开发了无需重新训练即可跨动物群体泛化的鸣声分析工具，并提出了无需训练数据即可测量鸣声模仿的新方法 | 目前主要针对斑胸草雀鸣声，在其他物种上的适用性需要进一步验证 | 开发可解释且可泛化的鸟类鸣声行为分析工具 | 斑胸草雀的学习性鸣声 | 机器学习 | NA | 深度学习行为分析 | 深度学习 | 音频数据 | 多个动物群体的斑胸草雀鸣声数据 | Python | AVN（鸟类发声网络） | 准确率, 敏感性, 与专家判断的一致性 | NA |
| 2923 | 2025-11-23 |
SpatialFusion: A Unified Model for Integrating Spatial Transcriptomics to Unveil Cell-type Distribution, Interaction, and Functional Heterogeneity in Tissue Microenvironments
2025-Nov-17, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169535
PMID:41237948
|
研究论文 | 提出SpatialFusion深度学习模型，通过整合基因表达和空间坐标改进空间域识别和细胞类型反卷积 | 使用图神经网络和注意力机制通过空间数据多维度嵌入捕获复杂空间关系，采用双编码策略和自监督对比学习 | NA | 提高空间转录组学中空间域识别和细胞类型反卷积的准确性、鲁棒性和计算效率 | 组织微环境中的细胞类型分布、相互作用和功能异质性 | 生物信息学 | 乳腺癌 | 空间转录组学 | 图神经网络,注意力机制 | 基因表达数据,空间坐标数据 | 人类DLPFC数据集,乳腺癌肿瘤微环境数据 | NA | GNN,注意力机制 | 准确性,分辨率,鲁棒性 | NA |
| 2924 | 2025-11-23 |
Identification of Pueraria lobata origin using terahertz precision spectroscopy and CNN-transformer hybrid network algorithm
2025-Nov-16, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.127212
PMID:41270687
|
研究论文 | 本研究开发了一种结合太赫兹光谱和CNN-Transformer混合网络的新方法，用于鉴定葛根的地理起源 | 首次将太赫兹光谱与CNN-Transformer混合网络结合用于中药材地理起源鉴定，相比传统方法显著提高了准确率 | 仅针对中国八个地区的样本进行研究，样本来源范围有限 | 开发中药材地理起源鉴定的无损检测方法 | 葛根样本 | 计算机视觉 | NA | 太赫兹光谱，高效液相色谱法 | CNN, Transformer | 光谱数据 | 来自中国八个地区的葛根样本 | NA | CNN-Transformer混合网络 | 准确率，F1-score | NA |
| 2925 | 2025-11-23 |
Feasibility of deep learning-based cancer detection in ultrasound microvascular images
2025-Nov-15, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2025.107892
PMID:41270708
|
研究论文 | 本研究探讨基于深度学习的超声微血管图像癌症检测可行性 | 首次将3D卷积神经网络应用于声学血管造影体积数据，实现端到端的肿瘤相关血管检测 | 研究样本量有限（n=195），仅在啮齿动物模型中进行验证 | 开发高效准确的肿瘤相关血管检测方法 | 啮齿动物的声学血管造影体积数据 | 计算机视觉 | 癌症 | 声学血管造影 | CNN | 3D超声微血管图像 | 195个声学血管造影体积（98个对照，97个肿瘤） | NA | EfficientNet, ResNet, DenseNet | 准确率, 灵敏度, 特异性 | NA |
| 2926 | 2025-11-23 |
Prompt guiding multi-scale adaptive sparse representation-driven network for low-dose CT MAR
2025-Nov-13, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103870
PMID:41270401
|
研究论文 | 提出一种提示引导的多尺度自适应稀疏表示驱动网络PMSRNet，用于低剂量CT重建与金属伪影减少的联合任务 | 设计了提示引导尺度自适应阈值生成器和多尺度系数融合模块，能够同时利用尺度内特征和跨尺度互补性；通过提示引导策略实现单一模型适应多种剂量水平 | 未明确说明模型在极端剂量条件下的性能表现和临床验证结果 | 解决低剂量CT重建与金属伪影减少的联合任务 | 低剂量CT图像 | 医学影像处理 | NA | CT成像 | 深度学习网络 | CT图像 | NA | NA | PMSRNet, PDuMSRNet | NA | NA |
| 2927 | 2025-11-23 |
Assessing deep learning models for multi-class upper endoscopic disease segmentation: A comprehensive comparative study
2025-Nov-07, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i41.111184
PMID:41262538
|
研究论文 | 本研究对17种深度学习模型在上消化道多类别疾病分割任务中的表现进行了全面比较分析 | 首次系统比较了基于CNN、Transformer和Mamba架构的17种先进模型在上消化道多类别疾病分割任务中的表现，并特别关注临床转化和实时应用潜力 | 跨数据集评估显示模型泛化能力有限（泛化保留率64.78%-71.52%），需要更强大的临床验证 | 评估深度学习模型在上消化道多类别疾病分割中的性能，识别适合临床应用的最佳模型 | 上消化道疾病的内镜图像 | 计算机视觉 | 上消化道疾病 | 内镜检查 | CNN, Transformer, Mamba | 图像 | 自收集数据集3313张图像（9个类别），公共EDD2020数据集386张图像（5个类别） | NA | Swin-UMamba, SegFormer, ConvNeXt + UPerNet, 金字塔视觉Transformer v2 + 高效多尺度卷积解码 | 交并比(IoU), 性能效率权衡得分 | NA |
| 2928 | 2025-11-23 |
High-throughput Raman platform for microplastics detection on filtration membranes
2025-Nov-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.140101
PMID:41109029
|
研究论文 | 开发了一种集成线扫描拉曼成像平台，用于滤膜上微塑料的高通量检测与分析 | 结合马赛克扫描拉曼光谱和光学显微镜，集成先进深度学习分割算法，实现快速高通量微塑料分析 | 在结构复杂的滤膜表面进行拉曼测量存在挑战，仅能检测≥10μm的微塑料 | 开发高通量微塑料检测平台，解决当前技术无法提供大量微塑料化学和形态分布分析的难题 | 47毫米直径滤膜上的微塑料颗粒 | 环境监测 | NA | 拉曼光谱，光学显微镜，马赛克扫描拉曼光谱 | 深度学习分割算法 | 光谱数据，空间数据，图像数据 | 47毫米直径滤膜 | NA | NA | 统计可靠性 | NA |
| 2929 | 2025-11-23 |
Integrative deep learning of spatial multi-omics with SWITCH
2025-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00891-w
PMID:41162770
|
研究论文 | 提出一种名为SWITCH的深度生成模型，用于整合空间多组学数据并进行跨模态预测 | 引入循环映射机制，无需配对数据即可实现可靠的跨模态转换，并通过伪配对提供补充信号 | 未明确说明模型对数据质量和规模的敏感性 | 开发计算方法来整合未配对的空间多组学数据并实现跨模态预测 | 空间多组学数据 | 机器学习 | NA | 空间组学技术 | 深度生成模型 | 空间多组学数据 | NA | NA | SWITCH | 整合准确性，空间域划分精度 | NA |
| 2930 | 2025-11-23 |
A machine learning framework using urinary biomarkers for pancreatic ductal adenocarcinoma prediction with post hoc validation via single-cell transcriptomics
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf583
PMID:41212589
|
研究论文 | 开发基于尿液生物标志物和人口统计学数据的机器学习框架用于胰腺导管腺癌预测，并通过单细胞转录组学进行验证 | 首次结合尿液生物标志物与人口统计学数据构建PDAC预测模型，并利用单细胞RNA测序验证生物标志物的表达显著性 | 需要不同数据集验证框架的泛化能力，尚未整合其他组学数据 | 开发早期准确诊断胰腺导管腺癌的预测工具 | 胰腺导管腺癌患者尿液生物标志物和人口统计学数据 | 机器学习 | 胰腺癌 | 单细胞RNA测序(scRNA-seq) | 机器学习,深度学习 | 生物分子数据,人口统计学数据 | NA | NA | NA | 准确率 | NA |
| 2931 | 2025-11-21 |
RETRACTION: A Novel Deep Learning Framework for Accurate Melanoma Diagnosis Integrating Imaging and Genomic Data for Improved Patient Outcomes
2025-Nov, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.70296
PMID:41261496
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2932 | 2025-11-23 |
The promise of artificial intelligence and machine learning for migraine treatment outcome prediction: A narrative review
2025-Nov, Cephalalgia : an international journal of headache
IF:5.0Q1
DOI:10.1177/03331024251395541
PMID:41269887
|
综述 | 本文综述了人工智能和机器学习在偏头痛治疗结果预测中的应用现状与前景 | 系统总结了AI模型在偏头痛治疗预测中的创新应用，包括数字孪生、对话式AI和虚拟AI代理等新兴技术 | 现有研究仍需进一步优化模型、加强验证并在真实临床环境中进行前瞻性评估 | 探讨人工智能在优化偏头痛个体化治疗策略中的潜力 | 偏头痛患者的治疗结果预测 | 机器学习 | 偏头痛 | 机器学习，深度学习 | NA | 临床特征数据，影像数据 | NA | NA | NA | NA | NA |
| 2933 | 2025-11-23 |
Prophylactic biological mesh reinforcement during ileostomy closure surgery evaluated by the image-based deep learning model for the prevention of stoma-site incisional hernia: phase II study protocol for a single-centre, prospective, randomised controlled clinical trial
2025-Oct-07, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2025-101121
PMID:41062141
|
研究论文 | 评估生物补片预防回肠造口关闭术后造口部位切口疝的二期临床试验方案 | 首次采用基于影像的深度学习模型预测造口部位切口疝风险并指导生物补片预防性应用 | 单中心研究且样本量较小（40例患者） | 评估生物补片在预防造口部位切口疝中的安全性和有效性 | 需要接受回肠造口关闭术且经深度学习模型识别为高风险的患者 | 数字病理 | 直肠癌 | 影像组学 | 深度学习 | 医学影像 | 40例患者 | NA | NA | 切口疝发生率、局部疼痛、切口感染、血清肿 | NA |
| 2934 | 2025-11-23 |
Spine endoscopic atlas: an open-source dataset for surgical instrument segmentation
2025-Oct-02, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05897-7
PMID:41038904
|
研究论文 | 本文创建了一个用于脊柱内镜手术器械分割的开源数据集SEA，并验证了其在不同深度学习模型中的价值 | 发布了首个专门针对脊柱内镜手术的综合性标注数据集，包含大量真实手术图像和器械分割标注 | 未明确说明数据来源的多样性（如不同医疗机构、手术类型等），也未详细讨论模型在临床环境中的实际应用效果 | 开发用于脊柱内镜手术的智能辅助系统，通过自动器械分割提升手术精度和安全性 | 脊柱内镜手术中使用的各种手术器械 | 计算机视觉 | 脊柱疾病 | 内镜成像 | 深度学习模型 | 图像 | 48,510张图像，包含10,662个器械分割标注 | NA | NA | 分割准确率 | NA |
| 2935 | 2025-11-23 |
Correcting Non-Uniform Milling in FIB-SEM Images with Unsupervised Cross-Plane Image-to-Image Translation
2025-Oct-01, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.29.679411
PMID:41256585
|
研究论文 | 开发一种无监督跨平面图像转换方法，用于校正FIB-SEM图像中的非均匀铣削伪影 | 提出无需真实标注的无监督跨平面学习方法，实现端到端的图像失真校正 | 未明确说明方法在其它类型样本或更大数据集上的泛化能力 | 校正FIB-SEM图像中的非均匀铣削失真，提高图像质量 | FIB-SEM采集的生物组织三维图像数据 | 计算机视觉 | NA | FIB-SEM体积电子显微镜技术 | 图像到图像转换模型 | 三维图像体积 | 真实世界微型黄蜂数据集 | NA | NA | 定性分析,定量分析 | NA |
| 2936 | 2025-11-23 |
AI Tools for Heart Failure Management: A Comprehensive Review of Potential, Pitfalls, and Predictive Analytics
2025-Oct, Cureus
DOI:10.7759/cureus.94920
PMID:41262808
|
综述 | 本文全面回顾了人工智能在心力衰竭管理中的应用潜力、局限性和预测分析能力 | 系统评估了AI在心力衰竭管理中的三大关键贡献：亚临床心衰检测、个性化治疗方案选择和人类-机器协作预测模型 | 存在算法偏见、数据安全问题、AI黑箱特性及其他潜在偏见风险 | 探讨人工智能算法和模型如何支持心力衰竭管理的各个方面 | 心力衰竭患者管理相关的临床数据和AI应用 | 自然语言处理, 机器学习 | 心血管疾病 | 机器学习, 深度学习, 自然语言处理 | NA | 临床数据, 文献数据 | 从1617篇文献中筛选出163篇符合纳入标准的研究 | NA | NA | 准确性, 预测性能 | NA |
| 2937 | 2025-11-23 |
Comprehensive aortic stenosis characterization using multi-view deep learning
2025-Sep-29, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.09.26.25336778
PMID:41256129
|
研究论文 | 开发了集成多视图深度学习模型EchoNet-AS，通过结合B模式视频和多普勒图像评估主动脉瓣狭窄严重程度 | 首次将结构性信息（瓣膜运动）和功能性信息（主动脉瓣峰值流速）通过端到端集成方法结合，优于仅使用单一视图或多普勒测量的模型 | 未明确说明模型在特定患者亚组中的性能表现 | 开发自动化评估主动脉瓣狭窄严重程度的深度学习模型 | 主动脉瓣狭窄患者 | 医学影像分析 | 心血管疾病 | 超声心动图 | CNN | 视频,图像 | 训练集：16,076项研究中的210,193张图像；验证集：多个外部数据集共32,248项研究 | NA | 卷积神经网络,分割模型 | AUC | NA |
| 2938 | 2025-11-23 |
Commentary on "Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review" by Nogueira et al. (2025)
2025-Sep, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-025-04825-9
PMID:40105945
|
评论 | 对Nogueira等人关于机器学习、深度学习和人工智能在美容整形外科应用的系统性综述的评论文章 | NA | NA | 对相关综述文章进行评论和讨论 | 美容整形外科领域的机器学习、深度学习和人工智能应用 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2939 | 2025-11-23 |
Deep Learning Application of YOLOv8 for Aortic Dissection Screening Using Non-contrast Computed Tomography
2025-Sep-01, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery
IF:5.7Q1
DOI:10.1016/j.ejvs.2025.08.054
PMID:40902929
|
研究论文 | 本研究开发并验证了基于YOLOv8深度学习模型在非对比CT图像中检测主动脉夹层的应用 | 首次将YOLOv8模型应用于非对比CT的主动脉夹层筛查，并通过Grad-CAM实现模型可解释性 | 回顾性研究设计，样本主要来自五个医疗机构 | 开发可靠的主动脉夹层自动筛查工具以提高诊断效率和准确性 | 主动脉夹层患者的非对比CT影像数据 | 计算机视觉 | 心血管疾病 | CT成像 | YOLO | 医学影像 | 1138例CT扫描（569例主动脉夹层，569例对照组） | PyTorch | YOLOv8s | AUC, 敏感度, 特异度, 推理时间 | NA |
| 2940 | 2025-11-23 |
Deep learning-based EEG source imaging is robust under varying electrode configurations
2025-Jul, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology
IF:3.7Q2
DOI:10.1016/j.clinph.2025.04.009
PMID:40318257
|
研究论文 | 本研究验证了基于深度学习的脑电源成像方法DeepSIF在不同电极配置下的鲁棒性能 | 首次系统评估深度学习脑电源成像方法在不同电极密度下的性能表现，证明其在低密度EEG下的有效性 | 研究样本量有限，仅包含27名耐药性癫痫患者 | 评估电极数量对深度学习脑电源成像性能的影响 | 计算机模拟数据和27名耐药性癫痫患者的临床数据 | 脑机接口, 生物医学工程 | 癫痫 | 脑电图(EEG), 源成像 | 深度学习 | 脑电信号 | 27名耐药性癫痫患者 | NA | DeepSIF | 空间离散度 | NA |