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 32372 篇文献，本页显示第 3021 - 3040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3021 | 2025-10-06 |
Root mixture analysis: methods and vision
2025-Sep, Trends in plant science
IF:17.3Q1
DOI:10.1016/j.tplants.2025.07.003
PMID:40781027
|
综述 | 本文综述了作物根系混合物分析的方法与愿景，强调开发标准化、经济高效的根系表型分析方法的迫切性 | 提出利用与根系功能相关的理化性状作为物种识别标记，并通过优化深度学习和机器学习方法实现高通量根系混合物分析 | 当前工具无法实现非破坏性采样的根系物种区分，导致研究规模受限 | 开发支持可持续农业的根系混合物分析方法 | 多样化作物混合物中的根系相互作用 | 机器学习 | NA | 根系表型分析 | 深度学习, 机器学习 | 根系理化性状数据 | NA | NA | NA | NA | NA |
| 3022 | 2025-10-06 |
Automated surgical workflow recognition in privacy-preserving depth videos of the operating room
2025-Sep, Surgical endoscopy
DOI:10.1007/s00464-025-12031-6
PMID:40770511
|
研究论文 | 本研究使用深度学习技术，基于隐私保护的深度视频实现手术室工作流程的自动识别 | 首次在手术室工作流程识别中采用隐私保护的深度摄像头，并提出新的阶段持续时间估计误差评估指标 | 实时预测性能低于术后分析，性能受摄像头在手术室中的位置影响 | 开发自动识别手术室工作流程的方法以提高手术室效率 | 21台腹腔镜手术的深度视频数据 | 计算机视觉 | NA | 深度摄像头视频采集 | 深度学习 | 深度视频 | 21台腹腔镜手术 | NA | ASFormer | 平均精度均值, 平均绝对误差 | NA |
| 3023 | 2025-10-06 |
Training of physical neural networks
2025-Sep, Nature
IF:50.5Q1
DOI:10.1038/s41586-025-09384-2
PMID:40903603
|
综述 | 本文探讨了物理神经网络(PNNs)的训练方法及其在人工智能计算中的潜在应用 | 提出利用模拟物理系统直接执行计算的新型神经网络架构，可能改变人工智能计算的基本范式 | 目前仅局限于小规模实验室演示，尚无方法能够扩展到与当前反向传播算法相媲美的大型模型 | 探索物理神经网络的训练方法及其在人工智能领域的应用潜力 | 物理神经网络及其训练算法 | 机器学习 | NA | 模拟物理计算 | 物理神经网络 | NA | NA | NA | NA | NA | 模拟物理系统 |
| 3024 | 2025-10-06 |
Applying Deep Learning to Quantify Drivers of Long-Term Ecological Change in a Swedish Marine Protected Area
2025-Sep, Ecology and evolution
IF:2.3Q2
DOI:10.1002/ece3.72091
PMID:40904377
|
研究论文 | 应用深度学习技术分析瑞典海洋保护区长期生态变化驱动因素 | 首次将目标检测模型应用于海洋保护区长期视频监测数据，量化底栖无脊椎动物的深度分布和丰度趋势 | 仅针对瑞典西海岸单一研究地点的17个分类群进行分析，结果可能不具有普遍性 | 量化海洋保护区长期生态变化驱动因素 | 瑞典Kosterhavet国家公园海底底栖无脊椎动物 | 计算机视觉 | NA | 视频监测，深度学习 | 目标检测模型 | 视频影像 | 1997-2023年间72,369条出现记录 | NA | NA | 平均精度均值(mAP) | NA |
| 3025 | 2025-10-06 |
Lightweight and precise cell classification based on holographic tomography-derived refractive index point cloud
2025-Sep, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.30.9.096501
PMID:40904524
|
研究论文 | 提出基于全息层析成像折射率点云的轻量级精确细胞分类方法 | 将3D折射率体素数据转换为点云表示，并专门设计RI-PointNet++深度学习模型，在保持分类精度的同时大幅降低计算复杂度 | 仅针对HeLa细胞活力分类进行验证，未在其他细胞类型或疾病场景中测试 | 开发基于全息层析成像3D折射率点云数据的高效准确细胞分类方法 | HeLa细胞的活力状态 | 计算机视觉 | NA | 全息层析成像 | 深度学习 | 3D折射率点云 | NA | NA | RI-PointNet++ | 准确率 | 中央处理器(CPU)硬件 |
| 3026 | 2025-10-06 |
Enzyme functional classification using artificial intelligence
2025-Sep, Trends in biotechnology
IF:14.3Q1
DOI:10.1016/j.tibtech.2025.03.003
PMID:40155269
|
综述 | 本文综述了人工智能在酶功能分类与预测中的研究进展，从传统机器学习过渡到深度学习，并展望了生成式AI与生物大数据结合的未来方向 | 系统总结了AI在酶功能预测领域从传统机器学习到深度学习的演进，特别强调了深度学习自动特征提取的优势，并前瞻性地提出生成式AI与生物大数据结合用于新酶功能发现和从头酶设计 | NA | 探讨人工智能技术在酶功能分类与预测中的应用与发展趋势 | 酶的功能分类与预测 | 机器学习 | NA | 人工智能，机器学习，深度学习 | NA | 生物化学数据 | NA | NA | NA | NA | NA |
| 3027 | 2025-10-06 |
Risk stratification of chest pain in the emergency department using artificial intelligence applied to electrocardiograms
2025-Sep-01, Open heart
IF:2.8Q2
DOI:10.1136/openhrt-2025-003343
PMID:40889954
|
研究论文 | 开发了一种基于人工智能的心电图风险分层模型（CP-AI），用于急诊科胸痛患者的7天主要心血管事件预测 | 首次将深度学习模型应用于心电图数据，结合临床特征构建全自动风险分层系统，显著优于传统生物标志物模型 | 回顾性研究设计，需在前瞻性研究中进一步验证 | 改进急诊科胸痛患者的风险分层方法 | 急诊科就诊的胸痛患者 | 医疗人工智能 | 心血管疾病 | 深度学习，心电图分析 | 神经网络分类器 | 心电图数据，临床数据 | 训练集15,048名患者，外部验证集14,476名患者 | NA | 患者对比学习表示模型 | AUROC, AUPRC | NA |
| 3028 | 2025-10-06 |
Synthesized myelin and iron stainings from 7T multi-contrast MRI via deep learning
2025-Sep, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121417
PMID:40784593
|
研究论文 | 开发深度学习模型从7T多对比度MRI数据生成铁和髓磷脂染色图像 | 首次使用自注意力生成对抗网络从体内MRI数据合成达到离体组织学分辨率水平的铁和髓磷脂染色图像 | 模型训练仅使用有限样本（两个尸体头部），需要更多数据验证泛化能力 | 通过深度学习实现非侵入性的髓磷脂和铁染色图像合成，促进脑组织学研究 | 人脑组织（尸体头部和活体MRI数据） | 医学影像分析 | 神经退行性疾病 | 7T MRI, T1加权成像, 多回波GRE, R2*, QSM, 组织学染色 | GAN | MRI图像, 组织学图像 | 2个尸体头部标本和2个活体MRI数据集 | NA | 自注意力生成对抗网络 | 定性评估（图像细节相似度, 组织区分能力） | NA |
| 3029 | 2025-10-06 |
From Support Vector Machines to Neural Networks: Advancing Automated Velopharyngeal Dysfunction Detection in Patients With Cleft Palate
2025-Sep-01, Annals of plastic surgery
IF:1.4Q3
DOI:10.1097/SAP.0000000000004460
PMID:40911835
|
研究论文 | 本研究开发了一种基于神经网络的深度学习模型，用于从语音样本中自动检测腭裂患者的腭咽功能障碍 | 从支持向量机转向神经网络方法，开发自监督深度学习模型用于VPD自动检测 | 模型可能捕捉到混杂数据，需要解决此问题并实现多语言语音分析 | 在低收入和中等收入国家扩大腭咽功能障碍护理规模 | 腭裂修复后患者，包括30名对照组和30名VPD患者 | 机器学习 | 腭咽功能障碍 | 语音分析 | 神经网络 | 音频 | 60名患者，约8000个音频样本 | NA | 自监督深度学习 | 准确率, 宏精确率, 宏召回率, F1分数 | NA |
| 3030 | 2025-10-06 |
LoRA-PT: Low-rank adapting UNETR for hippocampus segmentation using principal tensor singular values and vectors
2025-Sep-01, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103254
PMID:40912142
|
研究论文 | 提出一种基于低秩自适应UNETR的参数量高效微调方法用于海马体分割 | 将transformer结构参数矩阵分解为三个三阶张量，通过张量奇异值分解生成仅需更新主奇异值和向量的低秩张量 | 方法在三个公开海马体数据集上验证，但未提及在其他脑部结构或医学图像分割任务中的泛化能力 | 开发参数高效的微调方法以降低海马体分割模型的计算需求和数据依赖 | 海马体脑部结构 | 医学图像分割 | 精神疾病 | 深度学习，张量分解 | UNETR | 医学图像 | 三个公开海马体数据集 | NA | UNETR, Transformer | 分割精度，参数更新数量 | NA |
| 3031 | 2025-10-06 |
Radiomics and deep learning methods for predicting the growth of subsolid nodules based on CT images
2025-Aug-29, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000044104
PMID:40898494
|
研究论文 | 本研究评估了基于CT影像的深度学习与放射组学方法在预测亚实性肺结节生长中的临床应用价值 | 通过ResNet-based融合网络将放射组学特征与深度学习模型相结合，构建了性能更优的集成模型 | 回顾性研究设计，样本量相对有限（387个结节） | 预测亚实性肺结节的生长趋势以指导临床管理 | 353名患者的387个亚实性肺结节 | 计算机视觉 | 肺癌 | CT成像 | CNN | 医学影像 | 387个亚实性肺结节（195个生长组，192个非生长组） | NA | ResNet18 | AUC, 决策曲线分析 | NA |
| 3032 | 2025-10-06 |
Artificial intelligence in joint arthroplasty: A bibliometric analysis of global research trends (2001-2025)
2025-Aug-29, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000044136
PMID:40898573
|
文献计量分析 | 通过文献计量分析方法揭示2001-2025年间人工智能在关节置换领域的研究趋势和热点 | 首次系统分析人工智能在关节置换领域的全球研究趋势和发展脉络 | 仅基于Web of Science数据库，未包含其他学术数据库的文献 | 分析人工智能在关节置换领域的研究趋势和重点方向 | 关节置换相关的人工智能研究文献 | 机器学习 | 关节疾病 | 文献计量分析 | NA | 文献数据 | 533篇出版物 | CiteSpace, VOSviewer, Scimago Graphica | NA | NA | NA |
| 3033 | 2025-10-06 |
The art of diagnosing rare skin tumors: Can DL-CNNs enhance dermatologists' diagnostic accuracy?
2025-Aug-29, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2025.115751
PMID:40912058
|
研究论文 | 评估二元深度学习卷积神经网络在罕见皮肤肿瘤诊断中的性能及其对皮肤科医生的辅助作用 | 首次在国际皮肤科医生群体中系统评估DL-CNN对罕见皮肤肿瘤的诊断性能及其临床辅助价值 | DL-CNN在罕见皮肤肿瘤诊断中表现有限，无法显著提升专家诊断准确率，训练数据质量需改进 | 评估DL-CNN在罕见皮肤肿瘤诊断中的性能及其对皮肤科医生的决策支持水平 | 200张经组织学确认的罕见皮肤肿瘤皮肤镜图像 | 计算机视觉 | 皮肤肿瘤 | 皮肤镜成像 | CNN | 图像 | 200张皮肤镜图像 | NA | 二元DL-CNN（Moleanalyzer-Pro） | 灵敏度, 特异度, ROC-AUC | NA |
| 3034 | 2025-10-06 |
Foundation models in ophthalmology: a preliminary study on AI-assisted diagnosis of myopic maculopathy and posterior staphyloma using ultra-widefield fundus images
2025-Aug-28, BMJ open ophthalmology
IF:2.0Q2
DOI:10.1136/bmjophth-2024-002073
PMID:40876931
|
研究论文 | 本研究开发了一种基于眼科基础模型和超广角眼底图像的深度学习模型，用于诊断病理性近视相关的黄斑病变和后巩膜葡萄肿 | 首次将眼科基础模型RETFound应用于超广角眼底图像分析，在病理性近视病变检测中表现出优于其他方法的性能 | 研究为回顾性设计，样本量相对有限，仅来自两家医疗中心 | 开发AI辅助诊断系统，用于检测病理性近视的特征性眼底改变 | 高度近视患者的超广角眼底图像 | 计算机视觉 | 眼科疾病 | 超广角眼底成像 | 深度学习模型 | 图像 | 训练集：1105张图像来自543名患者；测试集：293张图像来自150名患者 | NA | RETFound | 准确率, F1分数, AUROC | NA |
| 3035 | 2025-10-06 |
Role of artificial intelligence-based ocular biomarkers in hepatobiliary diseases: A scoping review
2025-Aug-27, World journal of hepatology
IF:2.5Q2
DOI:10.4254/wjh.v17.i8.109801
PMID:40901593
|
综述 | 探讨基于人工智能的眼部生物标志物在肝胆疾病中的应用价值 | 首次系统综述AI技术通过眼部影像识别七类肝胆疾病的潜力 | 未涉及具体临床验证数据和技术实施细节 | 评估AI在肝胆疾病眼部生物标志物分析中的应用前景 | 肝胆疾病患者的眼部影像数据 | 数字病理 | 肝胆疾病 | 眼部影像技术（裂隙灯、视网膜眼底、光学相干断层扫描） | 深度学习 | 图像 | NA | NA | ResNet-101 | NA | NA |
| 3036 | 2025-10-06 |
Biparametric magnetic resonance imaging-based radiomic and deep learning models for predicting Ki-67 risk stratification in hepatocellular carcinoma
2025-Aug-27, World journal of hepatology
IF:2.5Q2
DOI:10.4254/wjh.v17.i8.109530
PMID:40901605
|
研究论文 | 开发基于双参数磁共振成像的放射组学和深度迁移学习模型预测肝细胞癌Ki-67风险分层和无复发生存期 | 首次整合bpMRI放射组学和深度迁移学习特征构建预测Ki-67风险分层的列线图模型 | 样本量有限（198例患者），仅使用双参数MRI序列 | 预测肝细胞癌Ki-67风险分层和患者无复发生存期 | 198例经病理确诊的肝细胞癌患者 | 数字病理 | 肝细胞癌 | 双参数磁共振成像，免疫组织化学染色 | 深度迁移学习，随机森林 | 医学影像（T2加权和动脉期图像） | 198例肝细胞癌患者 | NA | 随机森林 | AUC | NA |
| 3037 | 2025-10-06 |
[Multi-source adversarial adaptation with calibration for electroencephalogram-based classification of meditation and resting states]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202504044
PMID:40887180
|
研究论文 | 提出一种用于脑电信号冥想状态分类的校准多源对抗自适应网络 | 首次将多源对抗自适应与校准机制结合用于脑电信号分类，通过目标域少量标注数据提升模型性能 | 样本量相对有限（18名受试者），仅针对特定人群（甲基苯丙胺康复者） | 开发能够克服个体差异的脑电信号冥想状态监测系统 | 接受甲基苯丙胺康复治疗的18名受试者的脑电信号 | 生物医学信息学 | 物质依赖障碍 | 脑电图 | 域对抗神经网络 | 脑电信号 | 18名受试者 | NA | 多源对抗自适应网络 | 准确率 | NA |
| 3038 | 2025-10-06 |
[Study on dental image segmentation and automatic root canal measurement based on multi-stage deep learning using cone beam computed tomography]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202503008
PMID:40887191
|
研究论文 | 基于锥形束CT图像开发全自动牙齿分割和根管测量方法 | 采用多阶段深度学习方法实现牙齿分割和根管自动测量，分割性能指标优于现有方法 | NA | 为临床根管诊断分级、器械选择和术前规划提供客观高效的测量结果 | 锥形束CT牙齿图像 | 计算机视觉 | 牙科疾病 | 锥形束计算机断层扫描(CBCT) | 深度学习 | 医学图像 | NA | NA | Attention U-Net | Dice系数,Jaccard系数,Hausdorff距离,平均表面距离,相对误差,角度误差,正确分类率 | NA |
| 3039 | 2025-10-06 |
[Brain midline segmentation method based on prior knowledge and path optimization]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202412032
PMID:40887192
|
研究论文 | 提出一种基于先验知识和路径优化的两阶段深度学习网络模型，用于解决脑中线分割精度不足和连续性差的问题 | 利用相邻脑中线切片特征一致性的先验知识，采用特征加权策略融合关联切片特征，并结合最优路径搜索策略解决分割不连续问题 | NA | 实现脑中线的精确分割 | 脑中线结构 | 医学图像分析 | 脑部疾病 | 深度学习 | 深度学习网络 | 医学影像 | CQ500数据集 | NA | 两阶段框架 | Dice相似系数, Hausdorff距离, 平均对称表面距离, 归一化表面Dice | NA |
| 3040 | 2025-10-06 |
[Research progress in electroencephalogram-based brain age prediction]
2025-Aug-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202503043
PMID:40887200
|
综述 | 本文系统回顾了基于脑电图（EEG）的脑年龄预测研究进展，涵盖数据处理、特征提取、模型构建和结果评估等关键环节 | 全面梳理了EEG脑年龄预测领域的技术发展脉络，系统总结了机器学习和深度学习方法的应用现状，并探讨了未来研究方向 | 存在数据质量问题和模型可解释性挑战 | 推动基于EEG的脑年龄预测在临床和研究场景中的广泛应用 | 脑电图信号及其与脑功能状态的关系 | 机器学习 | 神经退行性疾病 | 脑电图（EEG） | 机器学习,深度学习 | 神经生理信号 | NA | NA | NA | NA | NA |