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 36487 篇文献，本页显示第 3041 - 3060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3041 | 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 |
| 3042 | 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 |
| 3043 | 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 |
| 3044 | 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 |
| 3045 | 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 |
| 3046 | 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 |
| 3047 | 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 |
| 3048 | 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 |
| 3049 | 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 |
| 3050 | 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 |
| 3051 | 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 |
| 3052 | 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 |
| 3053 | 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 |
| 3054 | 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 |
| 3055 | 2025-11-23 |
Artificial intelligence-based parotid contouring for radiation oncology in head and neck cancers
2025-Jul-01, Indian journal of cancer
IF:0.9Q4
DOI:10.4103/ijc.ijc_473_23
PMID:41272860
|
研究论文 | 本研究开发了一种基于人工智能的自动腮腺轮廓分割方法，用于头颈癌放射治疗规划 | 采用U-Net架构实现腮腺自动轮廓分割，提高治疗规划的精确性和效率 | 仅使用20个匿名CT数据集，样本量较小 | 开发自动腮腺轮廓分割算法以改进头颈癌放射治疗规划 | 头颈癌患者的腮腺器官 | 数字病理 | 头颈癌 | CT扫描 | CNN | 医学图像 | 20个匿名CT数据集 | NA | U-Net | 准确率,精确率,召回率,损失函数,交并比 | NA |
| 3056 | 2025-11-23 |
Advancing Digital Precision Medicine for Chronic Fatigue Syndrome through Longitudinal Large-Scale Multi-Modal Biological Omics Modeling with Machine Learning and Artificial Intelligence
2025-Jun-18, ArXiv
PMID:40980765
|
研究论文 | 通过纵向多组学数据和人工智能方法研究慢性疲劳综合征的生物标志物和疾病机制 | 开发了可解释的深度学习框架BioMapAI，创建了首个健康和疾病状态下的多组学连接图谱，揭示了微生物-免疫-代谢组的相互作用变化 | 样本规模相对有限，疾病持续时间分组较为宽泛 | 探索慢性疲劳综合征的病因机制并开发精准医疗方法 | 慢性疲劳综合征患者和健康对照者 | 数字病理学 | 慢性疲劳综合征 | 宏基因组学, 代谢组学, 免疫分析, 临床表型分析 | 深度学习 | 多组学数据, 临床数据 | ME/CFS患者154人（短期75人，长期79人），健康对照79人 | BioMapAI | 深度学习框架 | 疾病分类精度 | NA |
| 3057 | 2025-11-23 |
Single Cell Spatial Transcriptomics Reveals Immunotherapy-Driven Bone Marrow Niche Remodeling in AML
2025-Jan-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.24.634753
PMID:39975227
|
研究论文 | 本研究通过单细胞空间转录组学分析免疫治疗对急性髓系白血病骨髓微环境的重塑作用 | 整合单细胞RNA测序与空间转录组数据，开发基于深度学习的细胞分割模型，采用细胞边缘距离计算方法更精确分析肿瘤微环境 | 测序深度限制，样本量有限 | 研究免疫治疗对急性髓系白血病骨髓微环境中白血病细胞与免疫细胞时空相互作用的影响 | 难治性或复发性急性髓系白血病患者的骨髓样本 | 数字病理学 | 急性髓系白血病 | 单细胞RNA测序, 空间转录组学, 多组学分析 | 深度学习分割模型 | 空间转录组数据, 单细胞RNA测序数据, 图像数据 | NA | NA | NA | NA | NA |
| 3058 | 2025-11-23 |
Robust Human Gait Speed Recognition Under Non-Ideal Conditions for Suspension-Assisted Walking Systems
2025 Jan-Dec, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.70029
PMID:41262208
|
研究论文 | 提出一种基于IMU信号和混合深度学习模型的步态速度识别框架，用于非理想条件下的可靠步态分析 | 融合CNN和BiLSTM的混合深度学习模型，结合多传感器数据融合和两阶段特征选择策略，在非理想条件下实现高精度步态速度识别 | 仅使用8名健康受试者数据，未在患者群体中验证，样本规模有限 | 开发在非理想条件下鲁棒的步态速度识别方法，用于移动能力评估和智能辅助系统 | 健康受试者的下肢运动数据 | 机器学习 | NA | 惯性测量单元(IMU)信号采集，快速傅里叶变换(FFT)，连续小波变换(CWT) | CNN, BiLSTM, LSTM, GRU, BP | 运动传感器数据 | 8名健康受试者 | NA | CNN-BiLSTM混合模型 | 准确率, 均方根误差(RMSE) | NA |
| 3059 | 2025-11-23 |
Engineering Macrophage via Biomaterial-Mediated Mitochondrial Regulation: Mechanisms and Strategies
2025, Research (Washington, D.C.)
DOI:10.34133/research.0883
PMID:41262353
|
综述 | 本文综述了通过生物材料介导的线粒体调控工程化改造巨噬细胞的机制与策略 | 提出人工智能驱动的深度学习方法加速靶向线粒体疗法开发，建立理性设计原则和标准化评估方案 | 面临单细胞中心调控、线粒体互作复杂性和传统试错策略效率低下等转化挑战 | 开发针对炎症相关疾病的线粒体靶向精准免疫治疗策略 | 巨噬细胞的线粒体稳态与表型极化 | 生物医学工程 | 炎症性疾病 | 生物材料介导的线粒体调控 | 深度学习 | 代谢网络模型 | NA | NA | NA | NA | NA |
| 3060 | 2025-11-23 |
Artificial intelligence-assisted accurate diagnosis of anterior cruciate ligament tears using customized CNN and YOLOv9
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1691048
PMID:41262491
|
研究论文 | 本研究开发了一种基于定制CNN和YOLOv9的人工智能系统，用于通过膝关节MRI准确诊断前交叉韧带撕裂 | 提出定制化CNN架构，采用手术验证数据集，同时包含部分和完全撕裂病例，并采用严格的患者级数据分割方法 | 单中心研究，未来需要扩展到多中心数据集、多样化MRI协议和前瞻性读者研究 | 评估多种CNN架构在前交叉韧带撕裂检测中的性能 | 前交叉韧带撕裂患者 | 计算机视觉 | 运动损伤 | 磁共振成像 | CNN, YOLOv9 | 图像 | 8,086个质子密度加权矢状位膝关节MRI切片 | NA | CustomCNN, DenseNet121, InceptionResNetV2 | 准确率, 灵敏度, 特异性, AUC | NA |