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 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 | 2025-11-25 |
Explainable AI for intelligent green energy forecasting: deep learning with iHow optimization algorithm (iHOW)
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26167-x
PMID:41272235
|
研究论文 | 本研究提出了一种结合动态时间卷积网络、特征选择方法和iHow优化算法的可解释人工智能方法，用于绿色能源预测 | 整合了动态时间卷积网络(DTCNs)、特征选择方法和新型元启发式优化算法iHow，显著提高了绿色能源预测精度 | NA | 提高绿色能源预测精度，支持有效的能源管理和电网可靠性 | 太阳能和风能等可再生能源的发电量预测 | 机器学习 | NA | 深度学习，元启发式优化算法 | 动态时间卷积网络(DTCNs) | 时间序列数据 | NA | NA | 动态时间卷积网络(DTCNs) | 均方误差(MSE), R平方值(R²) | NA |
| 2922 | 2025-11-25 |
Research on the prediction of slow blood flow in pPCI of STEMI patients based on CatBoost
2025-Nov-21, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03406-5
PMID:41272650
|
研究论文 | 本研究基于CatBoost算法预测STEMI患者直接经皮冠状动脉介入治疗后的慢血流现象 | 结合36种数据填补与平衡方法的组合，并集成8种机器学习方法，最终使用贝叶斯优化的CatBoost模型进行预测 | 数据仅来自南宁市四家三甲医院，样本来源相对局限 | 预测STEMI患者pPCI术后慢血流风险，为早期干预提供依据 | 接受直接经皮冠状动脉介入治疗的STEMI患者 | 机器学习 | 心血管疾病 | GAN数据填补，贝叶斯超参数优化 | CatBoost, 集成机器学习 | 临床数据 | 来自四家三甲医院的pPCI患者数据 | CatBoost, Optuna | CatBoost | AUC, F1-score, ROC曲线 | NA |
| 2923 | 2025-11-25 |
Computational Approaches to Neurological Disorder Diagnosis: An In-Depth Review of Current Methods and Future Prospects
2025-Nov-21, Current medical imaging
IF:1.1Q3
|
综述 | 本文对五种主要神经系统疾病（阿尔茨海默病、帕金森病、癫痫、亨廷顿病和肌萎缩侧索硬化）的计算诊断方法进行了全面分析 | 系统评估了140项同行评审研究，整合了多模态数据并探讨了深度学习等新兴技术在神经诊断中的潜力 | 临床实施仍面临挑战，诊断精度和患者预后有待进一步改善 | 改善神经系统疾病的诊断精度和患者预后 | 阿尔茨海默病、帕金森病、癫痫、亨廷顿病和肌萎缩侧索硬化五种神经系统疾病 | 机器学习 | 神经系统疾病 | 机器学习算法、神经影像技术、电生理信号分析 | 深度学习 | 多模态数据 | 基于140项同行评审研究的综合分析 | NA | NA | 有效性、准确性 | NA |
| 2924 | 2025-07-24 |
Integrating radiology and histology via co-attention deep learning for predicting progression-free survival in patients with metastatic prostate cancer
2025-Nov-20, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003697
PMID:40693634
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2925 | 2025-11-25 |
Comparative Evaluation of Deep Learning Models for 3D Segmentation and Volumetry of Vestibular Schwannomas Using Large Heterogeneous Datasets with External Validation
2025-Nov-19, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9112
PMID:41260669
|
研究论文 | 本研究比较了五种深度学习模型在听神经瘤3D分割和体积测量中的性能，并评估了其对数据异质性的鲁棒性和外部验证的泛化能力 | 首次在大规模异质性数据集上系统比较了包括CNN、Transformer和基础模型在内的五种深度学习模型在听神经瘤3D分割中的表现，并进行了外部验证 | 对小肿瘤(<200mm³)的分割性能相对较低(Dice评分0.848-0.854)，模型性能受肿瘤体积大小影响 | 评估和比较深度学习模型在听神经瘤3D分割和体积测量中的性能 | 听神经瘤患者 | 医学图像分析 | 听神经瘤 | T1对比增强MRI成像 | 深度学习分割模型 | 3D医学图像 | 内部数据集：2,692个扫描(383名患者)用于训练，277个扫描(97名患者)用于测试；外部测试集：241个扫描 | nnUNet, U-Mamba, UNETR, MedSAM | nnUNet(base, ResEncL), U-Mamba, UNETR, MedSAM | Dice相似系数, Hausdorff距离, 表面到表面距离, 相对体积误差 | NA |
| 2926 | 2025-11-25 |
Personalized real-time inference of momentary excitability from human EEG
2025-Nov-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121547
PMID:41135744
|
研究论文 | 提出PRIME深度学习框架，通过原始EEG信号实时预测皮层兴奋性 | 首次直接从原始EEG信号预测TMS诱发电位幅度，结合迁移学习和持续自适应技术实现个性化生物标志物识别 | 目前仅验证于运动皮层，其他皮层区域的适用性尚未建立 | 开发实时脑皮层兴奋性推断方法以改进经颅磁刺激治疗效果 | 人类脑电图信号和皮层兴奋性 | 机器学习 | 神经系统疾病 | 脑电图, 经颅磁刺激 | 深度学习 | 脑电图信号 | NA | NA | NA | 预测精度, 延迟时间 | NA |
| 2927 | 2025-11-25 |
Real-time deep learning for tumor segmentation and tool tracking: development and validation of an AI navigation system in vacuum-assisted breast biopsy
2025-Nov-13, World journal of surgical oncology
IF:2.5Q1
DOI:10.1186/s12957-025-04087-4
PMID:41225484
|
研究论文 | 开发并验证了一种基于YOLOv11深度学习架构的实时AI导航系统，用于真空辅助乳腺活检中的肿瘤分割和工具追踪 | 首个专门为真空辅助乳腺活检设计的实时AI导航系统，采用两阶段深度学习架构实现肿瘤定位和工具实时追踪 | 研究样本仅来自单一医疗中心，需要多中心验证来确认泛化能力 | 开发实时AI导航系统以辅助缺乏放射学经验的年轻医生在真空辅助乳腺活检中准确定位病灶和活检针 | 乳腺病灶和活检工具 | 计算机视觉 | 乳腺疾病 | 超声成像 | YOLO | 超声图像 | 来自167例真空辅助乳腺活检的22,278张标注超声图像 | NA | YOLOv11 | mAP50, 处理速度 | GPU和CPU平台 |
| 2928 | 2025-11-25 |
Motion-Informed 3D Deep Learning Reconstruction in Patients with Cognitive Impairment
2025-Nov-13, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8977
PMID:41062184
|
研究论文 | 开发并验证一种集成运动校正的深度学习重建方法，用于改善认知障碍患者3D T1加权脑MRI的图像质量 | 将回顾性运动校正整合到深度学习重建流程中，专门针对3D脑MRI采集中的运动伪影问题 | 样本量相对较小（41名参与者），研究时间范围有限（2022年10月至2023年8月） | 验证集成运动校正的深度学习重建方法在3D脑MRI中的效果 | 健康志愿者和记忆丧失评估患者 | 医学影像分析 | 认知障碍 | 3D MPRAGE序列，SAMER采集技术 | 深度学习 | 3D脑MRI图像 | 41名参与者（15名女性，37%），154个图像体积 | NA | NA | 分割误差，Likert量表评分，Wilcoxon检验，组内相关系数 | NA |
| 2929 | 2025-11-25 |
The Ongoing Evolution of AI in Craniofacial Surgery: From Theory to Reality and Beyond
2025-Nov-10, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000012123
PMID:41213058
|
综述 | 概述人工智能在颅面外科领域的理论发展、当前应用及未来方向 | 系统梳理AI在颅面外科围手术期各阶段的应用场景，并提出联邦学习、生成设计和可解释AI等未来发展方向 | 数据集有限、技术准确性存疑、临床接受度不足、缺乏外部验证和通用性、透明度与伦理问题 | 探讨人工智能在颅面外科领域的应用演进与发展前景 | 颅面外科相关疾病与手术流程 | 数字病理 | 颅面畸形 | 机器学习,深度学习 | NA | CT扫描,影像数据 | NA | NA | NA | NA | NA |
| 2930 | 2025-11-25 |
Predicting intracranial aneurysm rupture risk and intervention outcomes using denoising-enhanced CT Angiography
2025-Nov-10, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9093
PMID:41213812
|
研究论文 | 开发了一种结合去噪技术的多模态框架，用于评估颅内动脉瘤破裂风险和预测介入治疗结果 | 提出新型去噪算法增强CTA图像质量，并整合临床变量、影像组学特征和深度学习形态学数据的多模态框架 | 回顾性多中心研究，样本量相对有限（352例患者） | 评估颅内动脉瘤破裂风险并预测介入治疗结果 | 颅内动脉瘤患者 | 医学影像分析 | 颅内动脉瘤 | CT血管成像（CTA），去噪算法 | 深度学习模型 | 医学影像（CTA图像），临床数据 | 352例接受CTA检查的颅内动脉瘤患者 | NA | NA | AUC（曲线下面积），Hunt-Hess评分，WFNS评分，改良Rankin量表 | NA |
| 2931 | 2025-11-25 |
Deep-Learning Accelerated Vessel Wall Imaging Using T1-SPACE at Ultra-High Field Strength MRI
2025-Nov-10, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9097
PMID:41213815
|
研究论文 | 评估基于深度学习的图像重建技术在7T超高场强MRI中对颅内血管壁成像的可行性和技术性能 | 首次在7T超高场强MRI中应用深度学习加速的T1-SPACE序列进行颅内血管壁成像，显著缩短采集时间并提升图像质量 | 单中心回顾性研究，样本量较小（36例患者） | 评估深度学习加速血管壁成像技术在超高场强MRI中的临床应用价值 | 颅内血管壁 | 医学影像分析 | 脑血管疾病 | 7T MRI, T1-SPACE序列, 深度学习图像重建 | 深度学习 | MRI图像 | 36例患者（21名女性，平均年龄53.3±16.2岁） | NA | NA | 图像质量评分, 信噪比, 对比噪声比, Bland-Altman分析, 组内相关系数 | NA |
| 2932 | 2025-11-25 |
ModeTv2: GPU-accelerated motion decomposition transformer for pairwise optimization in medical image registration
2025-Nov-10, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103862
PMID:41275578
|
研究论文 | 提出一种GPU加速的运动分解Transformer网络用于医学图像配准中的成对优化 | 引入增强版运动分解Transformer算子(ModeTv2)，通过CUDA扩展提升计算效率，并提出RegHead模块优化形变场 | NA | 开发高效精确的医学图像配准方法 | 脑部MRI和腹部CT图像 | 医学图像处理 | NA | 医学图像配准 | Transformer, 金字塔网络 | 医学图像(MRI, CT) | 三个公共脑部MRI数据集和一个腹部CT数据集 | PyTorch, CUDA | ModeTv2, 金字塔网络 | 精度, 效率, 泛化性 | GPU加速, CUDA扩展 |
| 2933 | 2025-11-25 |
Artificial intelligence-based lesion characterization and outcome prediction of prostate cancer on [18F]DCFPyL PSMA imaging
2025-Nov-05, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.111265
PMID:41202884
|
研究论文 | 开发基于人工智能的模型用于前列腺癌病灶特征描述和预后预测 | 首次结合[18F]DCFPyL PET/CT多模态成像开发深度学习模型，同时实现PSMA-RADS评分、恶性分类、治疗反应预测和生存预测四项任务 | 样本量相对有限，生存预测的C指数较低(0.58-0.60)，模型性能有待进一步提升 | 开发人工智能工具辅助前列腺癌临床决策 | 接受[18F]DCFPyL PET/CT成像的前列腺癌患者 | 数字病理 | 前列腺癌 | [18F]DCFPyL PET/CT成像，PSMA-Reporting and Data System (RADS) | 深度学习 | 医学影像(PET和CT) | 训练和内部测试集238例，前瞻性测试集36例 | NA | 输入串联模型(单模态和多模态) | AUROC, C-index | NA |
| 2934 | 2025-11-25 |
Deep Learning Reconstruction for 7T MP2RAGE and SPACE MRI: Improving Image Quality at High Acceleration Factors
2025-Nov-03, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8841
PMID:40393739
|
研究论文 | 本研究评估了基于深度学习的图像重建技术在7T脑部MRI中的性能表现 | 将深度学习重建技术应用于超高场7T MRI，并在MP2RAGE和SPACE两种序列上验证其性能 | 回顾性研究设计，样本量相对有限（60例患者） | 评估深度学习重建技术在7T MRI中的图像质量改善效果 | 脑部MRI图像 | 医学影像分析 | 神经系统疾病 | MP2RAGE, SPACE FLAIR MRI序列 | 深度学习 | 医学影像 | 60例患者（30例MP2RAGE数据，30例SPACE FLAIR数据） | NA | NA | 图像质量评分, 对比噪声比, 噪声水平, 伪影评估 | NA |
| 2935 | 2025-11-25 |
Comparison of Three-Dimensional Choroidal Contour in Patients With Neovascular Age-Related Macular Degeneration and Their Fellow Eyes
2025-Nov-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.11.26
PMID:41251528
|
研究论文 | 比较新生血管性年龄相关性黄斑变性患者患眼与对侧眼的三维脉络膜轮廓差异 | 首次使用深度学习模型生成的宽场三维脉络膜轮廓图比较nAMD患眼与对侧眼的脉络膜形态差异 | 样本量较小（30例患者），未纳入健康对照组 | 探究nAMD患者双眼脉络膜轮廓的差异特征 | 30例单眼nAMD伴对侧眼早期/中期AMD患者 | 数字病理 | 年龄相关性黄斑变性 | 扫频源光学相干断层扫描 | 深度学习模型 | 三维 volumetric 扫描图像 | 30例患者（60只眼） | NA | NA | 配对t检验，P值 | NA |
| 2936 | 2025-11-25 |
Three-Dimensional Choroidal Contour Mapping in Central Serous Chorioretinopathy and Fellow Eyes
2025-Nov-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.11.23
PMID:41251531
|
研究论文 | 本研究通过三维脉络膜轮廓映射定量评估中心性浆液性脉络膜视网膜病变患眼及对侧眼的脉络膜形态特征 | 首次结合深度学习与三维平滑方法对脉络膜内外边界进行三维轮廓映射分析，揭示CSCR患眼与对侧眼的形态差异 | 回顾性研究设计且样本量有限（29例患者），结果需更大样本验证 | 定量分析单侧CSCR患者患眼与对侧眼的脉络膜三维形态特征 | 29例单侧CSCR患者的58只眼睛（包括患眼与对侧眼） | 数字病理 | 中心性浆液性脉络膜视网膜病变 | 扫频源光学相干断层扫描 | 深度学习 | 三维医学影像 | 29例患者58只眼睛 | NA | NA | 球形半径拟合值，相关系数，P值 | NA |
| 2937 | 2025-11-25 |
An efficient deep learning-based strategy to screen inhibitors for GluN1/GluN3A receptor
2025-Nov, Acta pharmacologica Sinica
IF:6.9Q1
DOI:10.1038/s41401-025-01513-x
PMID:40069493
|
研究论文 | 开发基于深度学习的策略高效筛选GluN1/GluN3A受体抑制剂 | 结合序列和复合物评分函数的多阶段深度学习筛选策略，平衡效率与准确性 | 药理研究仍处于早期阶段，筛选方法需进一步验证 | 开发高效准确的GluN1/GluN3A受体抑制剂筛选方法 | GluN1/GluN3A受体及其抑制剂 | 机器学习 | 神经精神疾病 | 全细胞电压钳电生理学 | 深度学习 | 化合物序列数据 | 1800万化合物库筛选至约10个候选分子 | NA | IGModel, RTMScore | IC50值（2.87±0.80μM） | NA |
| 2938 | 2025-11-25 |
Discovery of novel GluN1/GluN3A NMDA receptor inhibitors using a deep learning-based method
2025-Nov, Acta pharmacologica Sinica
IF:6.9Q1
DOI:10.1038/s41401-025-01571-1
PMID:40355656
|
研究论文 | 本研究使用基于深度学习的分子表示框架GeminiMol进行配体虚拟筛选，发现了新型GluN1/GluN3A NMDA受体抑制剂GM-10 | 开发了结合生物活性构象空间信息的深度学习分子表示框架，实现了基于配体的虚拟筛选和骨架跃迁 | 发现的抑制剂GM-10对GluN1/GluN2A和GluN1/GluN3B的选择性有待进一步提高 | 发现新型GluN1/GluN3A NMDA受体抑制剂 | NMDA受体抑制剂 | 机器学习 | 神经系统疾病 | 配体虚拟筛选，全细胞膜片钳记录 | 深度学习 | 分子结构数据 | 1800万化合物库 | GeminiMol | NA | IC50值 | NA |
| 2939 | 2025-11-25 |
Deep Learning-Enhanced Noninvasive Detection of Pulmonary Hypertension and Subtypes via Chest Radiographs, Validated by Catheterization
2025-Nov, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2025.06.008
PMID:40541737
|
研究论文 | 本研究开发了基于胸部X光片的深度学习模型，用于无创检测肺动脉高压及其亚型 | 首次开发专门针对先天性心脏病相关肺动脉高压亚型检测的深度学习模型，并在多种临床队列中验证性能 | 需要更多样化人群的进一步验证以增强临床普适性 | 开发非侵入性、可访问且准确的肺动脉高压诊断工具 | 肺动脉高压患者，特别是先天性心脏病相关肺动脉高压亚型患者 | 数字病理 | 心血管疾病 | 胸部X光摄影，右心导管检查，经胸超声心动图 | 深度学习 | 图像 | 4,576名患者（2,288名PH患者），包括内部测试集2,140名患者和外部验证集90名患者 | NA | CXR-PH-Net, CXR-CHD-PAH-Net | AUC, 敏感度, 特异度 | NA |
| 2940 | 2025-11-25 |
Preoperative risk prediction of major cardiovascular events in noncardiac surgery using the 12-lead electrocardiogram: an explainable deep learning approach
2025-Nov, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2025.07.085
PMID:40967934
|
研究论文 | 本研究开发了一种可解释的深度学习模型，通过整合术前12导联心电图和临床数据来预测非心脏手术患者的主要心血管不良事件 | 首次将深度学习应用于术前心电图分析，结合临床变量构建融合模型，并采用生成对抗框架提供波形层面的可解释性分析 | 研究基于单一医疗数据库的回顾性数据，需要外部验证来确认模型的泛化能力 | 改进非心脏手术患者术前心血管风险评估的准确性 | 接受重大非心脏手术的成年患者 | 医疗人工智能 | 心血管疾病 | 12导联心电图分析 | CNN | 心电图波形信号, 临床变量 | 37,081例患者 | NA | 卷积神经网络 | AUROC | NA |