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 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 | 2025-10-06 |
Comparison of Foundation and Supervised Learning-Based Models for Detection of Referable Glaucoma from Fundus Photographs
2025-Aug-24, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.21.25334170
PMID:40894149
|
研究论文 | 比较基础模型和监督学习模型在眼底照片中检测需转诊青光眼的性能 | 首次系统比较基于自监督预训练的基础模型（RETFound）与传统监督学习模型（VGG-19）在青光眼检测任务中的表现，并分析训练数据量、图像裁剪和人口统计学因素对模型性能的影响 | 研究仅使用单一医疗系统的数据，外部验证集规模较小（N=300），且仅评估了两种模型架构 | 开发自动检测需转诊青光眼的深度学习模型 | 眼底照片 | 计算机视觉 | 青光眼 | 眼底摄影 | Vision Transformer, CNN | 图像 | 训练集8,996张，验证集3,002张，测试集1,000张，外部测试集300张眼底照片 | NA | RETFound, VGG-19 | AUC-ROC, 敏感性, 特异性, F1分数 | NA |
| 3042 | 2025-10-06 |
Deep learning models for pathological classification and staging of oesophageal cancer
2025-Aug-24, World journal of clinical oncology
IF:2.6Q3
DOI:10.5306/wjco.v16.i8.109893
PMID:40901333
|
comments | 对Wei研究中应用Wave-Vision Transformer进行食管癌分类的评论，重点讨论其准确性、临床潜力及局限性 | 首次对Wave-Vision Transformer在食管癌病理分类中的应用进行系统性评述，强调其高效准确的特性 | 数据集多样性不足，缺乏可解释人工智能方法 | 评估深度学习模型在食管癌病理分类和分期中的临床应用价值 | 食管癌病理图像 | digital pathology | oesophageal cancer | NA | Vision Transformer | pathological images | NA | NA | Wave-Vision Transformer | accuracy, efficiency | NA |
| 3043 | 2025-10-06 |
Cell reprogramming in cancer: Interplay of genetic, epigenetic mechanisms, and the tumor microenvironment in carcinogenesis and metastasis
2025-Aug-24, World journal of clinical oncology
IF:2.6Q3
DOI:10.5306/wjco.v16.i8.106838
PMID:40901331
|
综述 | 探讨细胞可塑性在癌症发生发展中的作用机制及其与肿瘤微环境的相互作用 | 提出'失调的细胞可塑性'可作为癌症新特征，并整合AlphaFold等AI技术加速癌症药物开发 | 主要基于理论机制探讨，缺乏具体实验数据验证 | 解析细胞重编程在癌症发生和转移中的分子机制 | 癌细胞的可塑性变化过程 | 计算生物学 | 癌症 | 下一代测序, 单细胞RNA分析, 深度学习 | 深度学习 | 基因组数据, 表观遗传数据, 蛋白质结构数据 | NA | AlphaFold | AlphaFold 2 | NA | NA |
| 3044 | 2025-10-06 |
Polymer-derived distance penalties improve chromatin interaction predictions from single-cell data across crop genomes
2025-Aug-23, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.20.671329
PMID:40894789
|
研究论文 | 提出基于聚合物物理的距离惩罚函数，用于改进作物基因组中单细胞染色质相互作用预测 | 首次将聚合物物理学原理应用于作物基因组染色质相互作用预测，通过多组分幂律模型校正长程相互作用的系统性高估 | 方法主要针对植物物种验证，在动物或其他生物系统中的适用性尚未验证 | 改进单细胞数据中染色质相互作用的预测准确性，特别是减少长程相互作用的假阳性 | 玉米、水稻和大豆的染色质相互作用数据 | 计算生物学 | NA | Hi-C测序，单细胞可及性分析 | 多组分幂律模型 | 基因组相互作用数据，Hi-C数据 | 三种作物物种（玉米、水稻、大豆）的实验数据 | NA | 多组分幂律模型 | 假阳性率降低，与Hi-C数据一致性 | NA |
| 3045 | 2025-10-06 |
Efficient Double Helix Detection with Steerable Filters
2025-Aug-20, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.14.670427
PMID:40894605
|
研究论文 | 提出一种使用可操纵滤波器的高效双螺旋点扩散函数检测方案，用于3D单分子定位显微镜或追踪 | 仅需7次卷积即可同时提取2D位置和波瓣方向（轴向位置）估计，计算量比基于深度学习的方法少几个数量级 | NA | 开发高效的3D单分子定位显微镜检测方法 | 双螺旋点扩散函数 | 计算机视觉 | NA | 单分子定位显微镜(SMLM) | 可操纵滤波器 | 显微镜图像 | NA | PYthon Microscopy Environment (PYME) | 双高斯模型 | NA | NA |
| 3046 | 2025-10-06 |
Classification of ocular surface diseases: Deep learning for distinguishing ocular surface squamous neoplasia from pterygium
2025-Aug, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-025-06804-x
PMID:40186633
|
研究论文 | 开发基于深度学习的模型，利用裂隙灯照片区分眼表鳞状上皮 neoplasia 和翼状胬肉 | 首次使用EfficientNet B7网络进行自动图像分割，并采用GoogleNet预训练神经网络对眼表疾病进行分类 | 样本量相对较小（162例患者），两组患者平均年龄存在统计学显著差异 | 开发能够准确区分眼表鳞状上皮 neoplasia 和翼状胬肉的深度学习模型 | 眼表疾病患者的裂隙灯照片 | 计算机视觉 | 眼表疾病 | 裂隙灯摄影 | CNN | 图像 | 162例患者（77例OSSN，85例PTG） | Python | EfficientNet B7, GoogleNet | AUC, 敏感性, F1分数, 准确率, Matthews相关系数 | NA |
| 3047 | 2025-10-06 |
Machine Listening for OSA Diagnosis: A Bayesian Meta-Analysis
2025-Aug, Chest
IF:9.5Q1
DOI:10.1016/j.chest.2025.04.006
PMID:40220991
|
meta-analysis | 通过贝叶斯荟萃分析评估机器听觉在阻塞性睡眠呼吸暂停（OSA）诊断中的准确性 | 首次采用贝叶斯双变量荟萃分析方法系统评估机器听觉技术对OSA的诊断性能，并识别影响诊断准确性的关键因素 | 纳入研究数量有限（16项研究），部分亚组分析样本量较小，需要更多外部验证研究 | 评估机器听觉技术在OSA诊断中的准确性并优化诊断方法 | 阻塞性睡眠呼吸暂停（OSA）患者 | machine learning | sleep apnea | overnight audio recordings, breathing sound analysis | deep learning, traditional machine learning | audio | 训练集4,864名参与者，测试集2,370名参与者 | NA | NA | sensitivity, specificity, diagnostic OR, positive likelihood ratio, negative likelihood ratio | NA |
| 3048 | 2025-10-06 |
Transformative potential of artificial intelligence in US CDC HIV interventions: balancing innovation with health privacy
2025-Aug-01, AIDS (London, England)
DOI:10.1097/QAD.0000000000004220
PMID:40643081
|
综述 | 探讨人工智能在美国CDC艾滋病干预中的变革潜力，重点关注创新与健康隐私的平衡 | 系统分析AI技术（包括机器学习、深度学习和生成式AI）在艾滋病预防领域的综合应用前景及其与公共卫生策略的整合 | 未涉及具体技术实施细节和实证数据支持 | 评估人工智能在艾滋病预防和治疗中的潜在应用价值及实施挑战 | 美国CDC艾滋病干预项目和全球艾滋病防治体系 | 医疗人工智能 | 艾滋病 | 机器学习(ML), 深度学习(DL), 生成式AI(Gen AI) | NA | 艾滋病相关复杂数据集 | NA | NA | NA | NA | NA |
| 3049 | 2025-10-06 |
Incorporating Artificial Intelligence into Fracture Risk Assessment: Using Clinical Imaging to Predict the Unpredictable
2025-Aug, Endocrinology and metabolism (Seoul, Korea)
DOI:10.3803/EnM.2025.2518
PMID:40754720
|
综述 | 本文综述人工智能在骨折风险评估中的最新进展，探讨其临床转化路径 | 将深度学习技术应用于常规影像数据进行机会性筛查和个体化风险评估，展示优于传统指标的预测性能 | 模型普适性不足、存在数据偏差和自动化偏差问题 | 探索人工智能作为传统骨折风险评估方法的补充工具 | 骨质疏松性骨折患者 | 医学影像分析 | 骨质疏松症 | 放射影像、计算机断层扫描 | 深度学习 | X光片、CT影像 | NA | NA | NA | NA | NA |
| 3050 | 2025-10-06 |
MRI-based Ovarian Lesion Classification via a Foundation Segmentation Model and Multimodal Analysis: A Multicenter Study
2025-Aug, Radiology
IF:12.1Q1
DOI:10.1148/radiol.243412
PMID:40762846
|
研究论文 | 开发了一种基于MRI的卵巢病变分类流程，结合基础分割模型和多模态分析 | 首次将Meta的Segment Anything Model（SAM）用于卵巢病变分割，并结合DenseNet-121深度学习模型进行多模态分类 | 回顾性研究设计，外部验证数据集样本量相对较小 | 开发高效、可推广的MRI卵巢病变特征化流程 | 卵巢病变患者 | 医学影像分析 | 卵巢疾病 | 多参数MRI | 深度学习 | 医学影像, 临床数据 | 主要数据集：534个病灶（448名女性）；外部数据集：87个病灶（84名女性） | NA | Segment Anything Model, DenseNet-121 | Dice系数, AUC | NA |
| 3051 | 2025-10-06 |
Deep learning-based model for detection of intracranial waveforms with poor brain compliance in southern Thailand
2025-Aug, Acute and critical care
IF:1.7Q3
DOI:10.4266/acc.001425
PMID:40903411
|
研究论文 | 开发基于深度学习的模型用于检测泰国南部地区颅内顺应性不良的颅内压波形 | 首次将深度学习技术应用于颅内压波形分析，实现颅内顺应性不良的自动检测 | 回顾性研究，样本量相对较小（21名患者），仅来自单一地区 | 开发深度学习模型检测指示脑顺应性不良的颅内压波形 | 脑积水术后接受脑室造口术患者的颅内压波形图像 | 医疗信号处理 | 脑积水 | 颅内压波形分析 | 深度学习 | 图像 | 21名脑积水患者的2,744张颅内压波形图像 | NA | NA | 精确率,召回率,mAP_0.5,AUC,灵敏度,特异性 | NA |
| 3052 | 2025-10-06 |
Utilizing Deep Convolutional Neural Networks and Hybrid Classification for Gastrointestinal Disease Diagnosis from Capsule Endoscopy Images
2025-Aug, Journal of biomedical physics & engineering
DOI:10.31661/jbpe.v0i0.2301-1590
PMID:40904333
|
研究论文 | 本研究开发了一种基于深度卷积神经网络和混合分类的胶囊内镜图像胃肠道疾病诊断系统 | 提出采用模型评分和类别评分的混合分类框架，通过集成学习技术提升胃肠道病变分类性能 | 研究主要关注特定类型的胃肠道病变，数据集存在类别不平衡问题 | 建立可靠的专家诊断系统以提高胶囊内镜检查的诊断准确性 | 胶囊内镜图像中的胃肠道病变 | 计算机视觉 | 胃肠道疾病 | 无线胶囊内镜(WCE) | CNN, 集成学习 | 图像 | 包含超过60,000帧的胶囊内镜图像数据集 | NA | VGG16 | 召回率, 阴性预测值 | NA |
| 3053 | 2025-10-06 |
Short-range human cortico-cortical white matter fibers have thinner axons and are less myelinated compared to long-range fibers despite a similar g-ratio
2025-Aug, PLoS biology
IF:7.8Q1
DOI:10.1371/journal.pbio.3002906
PMID:40834043
|
研究论文 | 通过二维透射电子显微镜分析比较人类大脑长程和短程白质纤维的轴突直径和髓鞘厚度差异 | 首次系统比较人类大脑长程和短程白质纤维的形态学特征，发现尽管g-ratio相似，但短程纤维具有更细的轴突和更薄的髓鞘 | 研究仅限于二维分析，未考虑三维结构特征；样本来源区域有限 | 探究人类大脑长程和短程白质纤维在轴突直径和髓鞘厚度方面的差异 | 人类大脑白质纤维，包括长程纤维（胼胝体）和短程纤维（浅表白质） | 神经科学 | NA | 二维透射电子显微镜，深度学习 | 深度学习 | 电子显微镜图像 | 约400,000条白质纤维 | NA | NA | NA | NA |
| 3054 | 2025-10-06 |
Cardiovascular magnetic resonance imaging: Principles and advanced techniques
2025 Aug-Oct, Progress in nuclear magnetic resonance spectroscopy
IF:7.3Q1
DOI:10.1016/j.pnmrs.2025.101561
PMID:40912881
|
综述 | 本文全面综述心血管磁共振成像的技术原理、现有局限及新兴发展方向 | 系统梳理了近二十年来应对CMR临床挑战的新型技术，包括自动化采集、运动处理策略、图像加速算法、多参数一体化扫描及深度学习全流程应用 | NA | 概述心血管磁共振成像的现状与未来应用前景 | 心血管磁共振成像技术体系 | 医学影像 | 心血管疾病 | 磁共振成像, 对比增强成像, 参数映射, MR血管造影 | NA | 动态/静态多对比度图像, 多参数图像 | NA | NA | NA | NA | NA |
| 3055 | 2025-10-06 |
Deep Learning-based Hierarchical Brain Segmentation with Preliminary Analysis of the Repeatability and Reproducibility
2025-Jul-31, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2023-0124
PMID:38960679
|
研究论文 | 开发基于深度学习的层次化脑部分割方法，并评估其在脑区体积测量中的可重复性和可再现性 | 提出新型深度学习层次化脑部分割方法，能够在临床可行时间内分割107个脑亚区 | 仅使用11名健康受试者的扫描数据评估可重复性和可再现性，样本量较小 | 评估深度学习脑部分割方法在体积测量中的可重复性和可再现性 | 人脑T1加权磁共振图像 | 医学影像分析 | 神经系统疾病 | T1加权磁共振成像 | 深度学习模型 | 3D医学图像 | 486名受试者用于模型训练，11名健康受试者用于评估 | NA | 层次化分割架构 | 可重复性, 可再现性 | NA |
| 3056 | 2025-10-06 |
Automatic measuring of coronary atherosclerosis from medicolegal autopsy photographs based on deep learning techniques
2025-Jul-21, Forensic science, medicine, and pathology
DOI:10.1007/s12024-025-01045-0
PMID:40690102
|
研究论文 | 开发基于深度学习的算法来自动测量法医尸检照片中的冠状动脉粥样硬化 | 首次将深度学习技术应用于法医尸检照片中的冠状动脉粥样硬化自动评估 | 对中度粥样硬化等级的识别性能较低，模型性能有待进一步提升 | 开发快速精确评估冠状动脉粥样硬化的深度学习算法并识别影响预测的因素 | 法医尸检中的冠状动脉照片 | 计算机视觉 | 心血管疾病 | 数字摄影 | 深度学习 | 图像 | 3,717张数字照片，来自1,920例法医尸检 | NA | NA | F1-score, 一致性指标, 绝对一致性指标 | NA |
| 3057 | 2025-10-06 |
Physiological Response of Tissue-Engineered Vascular Grafts to Vasoactive Agents in an Ovine Model
2025-Jul, Tissue engineering. Part C, Methods
DOI:10.1089/ten.tec.2025.0098
PMID:40548865
|
研究论文 | 本研究开发并验证了一种评估组织工程血管移植物在大型动物模型中血管反应性的方法 | 首次结合血管内超声成像和血流动力学监测评估TEVG对血管活性药物的反应能力，并开发了基于深度学习的IVUS图像分割软件 | 硝普钠未能在TEVG中引发可测量的血管舒张反应，可能与静脉组织结构差异、低压环境和系统混杂因素有关 | 评估组织工程血管移植物的血管反应性功能 | 绵羊模型中的组织工程血管移植物 | 数字病理 | 心血管疾病 | 血管内超声成像，血流动力学监测，深度学习图像分割 | 深度学习 | 医学图像，生理参数 | 多塞特绵羊模型中的TEVG植入物 | Python | NA | 管腔面积变化百分比，心率变化，平均动脉压变化 | NA |
| 3058 | 2025-10-06 |
Multicycle Dosimetric Behavior and Dose-Effect Relationships in [177Lu]Lu-DOTATATE Peptide Receptor Radionuclide Therapy
2025-Jun-02, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.124.269389
PMID:40274371
|
研究论文 | 研究[177Lu]Lu-DOTATATE肽受体放射性核素治疗中多周期剂量学行为及剂量-效应关系 | 首次系统分析多周期治疗中肿瘤与肾脏剂量学变化模式，并建立肾功能与肾脏吸收剂量关系的预测模型 | 样本量有限（30例患者），未发现肿瘤吸收剂量与治疗反应的显著关联 | 开发个性化剂量引导治疗策略 | 转移性神经内分泌肿瘤患者 | 数字病理 | 神经内分泌肿瘤 | SPECT/CT成像，蒙特卡洛剂量率图，深度学习分割 | 深度学习算法 | 医学影像（SPECT/CT，MRI） | 30例患者（78个肿瘤病灶） | NA | NA | RECIST，改良RECIST，eGFR变化百分比 | NA |
| 3059 | 2025-10-06 |
DeepBiome: A Phylogenetic Tree Informed Deep Neural Network for Microbiome Data Analysis
2025-Apr, Statistics in biosciences
IF:0.8Q4
DOI:10.1007/s12561-024-09434-9
PMID:40894332
|
研究论文 | 提出一种基于系统发育树信息的深度神经网络DeepBiome，用于微生物组数据分析和表型预测 | 首次将系统发育信息整合到神经网络架构中，能够同时分析多个分类水平并可视化微生物-表型关联网络 | 未明确说明具体样本量大小，且关联分析的具体分类水平仍需进一步确定 | 开发能够预测表型并揭示微生物-表型关联网络的分析工具 | 微生物组数据和人类表型数据 | 机器学习 | NA | 微生物组测序 | 神经网络 | 微生物丰度计数数据 | 小到中等训练样本量 | Keras, TensorFlow | 基于系统发育树指导的神经网络架构 | 准确率, 效率 | NA |
| 3060 | 2025-10-06 |
Using synthetic RNA to benchmark poly(A) length inference from direct RNA sequencing
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaf098
PMID:40899916
|
研究论文 | 本研究开发了新型深度学习工具BoostNano，并与现有三种工具在合成RNA标准品上进行了多聚腺苷酸尾长推断的基准测试 | 提出了新的深度学习多聚腺苷酸尾长估计工具BoostNano，并首次使用已知尾长的合成RNA标准品对现有工具进行系统性基准测试 | 测试仅使用两种合成RNA标准品，性能表现存在长度和样本依赖性 | 评估和比较不同多聚腺苷酸尾长推断工具的准确性和性能 | 合成体外转录RNA标准品（Sequin和增强型绿色荧光蛋白RNA） | 生物信息学 | NA | 牛津纳米孔直接RNA测序 | 深度学习 | RNA测序数据 | 两组合成RNA标准品（Sequin：30或60个核苷酸；eGFP：10-150个核苷酸） | NA | NA | 平均误差，运行时间 | NA |