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 39829 篇文献，本页显示第 3121 - 3140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3121 | 2026-01-08 |
DSSA-PPI: enhancing binding affinity change prediction upon protein mutations using disentangled structure-sequence aware attention
2025-Dec-23, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc08898d
PMID:41487137
|
研究论文 | 本文提出了一种名为DSSA-PPI的混合深度学习框架，通过解耦注意力机制整合结构和序列信息，以增强蛋白质突变对结合亲和力变化的预测 | 采用解耦注意力机制结合几何等变图神经网络PPIFormer和蛋白质语言模型ESM-2，提出了一种新颖的表征学习策略，整合序列和结构特异性贡献 | 未明确提及具体局限性，可能依赖于标准数据集SKEMPI v2的覆盖范围 | 提高蛋白质突变对蛋白质-蛋白质相互作用结合亲和力变化的预测精度 | 蛋白质-蛋白质相互作用中的突变效应 | 机器学习 | NA | 深度学习 | GNN, 语言模型 | 结构数据, 序列数据 | 标准蛋白质结合亲和力数据集SKEMPI v2 | NA | PPIFormer, ESM-2 | NA | NA |
| 3122 | 2026-01-08 |
[Diagnosis and treatment of liver diseases in the era of artificial intelligence]
2025-Dec-20, Zhonghua gan zang bing za zhi = Zhonghua ganzangbing zazhi = Chinese journal of hepatology
|
综述 | 本文分析了人工智能在肝病领域大数据分析、转化研究及影像病理解读等关键领域的应用进展，并探讨了其在真实世界诊断与治疗中面临的挑战 | 系统梳理了AI在肝病诊断与治疗中的应用现状，并明确指出当前AI工具在辅助临床决策中的核心痛点，如模型成熟度不足、责任归属问题及多中心通用模型构建困难 | 当前机器学习与深度学习技术尚无法有效支持真实世界临床决策，AI模型存在碎片化、个性化问题，难以整合为广泛适用的多中心通用模型 | 探讨人工智能在肝病诊断与治疗领域的应用潜力与挑战，推动AI驱动决策支持工具的发展 | 肝病领域的临床诊断与治疗过程 | 数字病理 | 肝病 | NA | 机器学习, 深度学习 | 多模态数据（病史、体征、实验室数据、影像、病理） | NA | NA | NA | NA | NA |
| 3123 | 2026-01-08 |
Deep learning predicts haematopoietic stem cell ageing from 3D chromatin images
2025-Dec-15, bioRxiv : the preprint server for biology
DOI:10.64898/2025.12.11.693143
PMID:41473290
|
研究论文 | 本研究提出了一种基于卷积神经网络的可解释深度学习模型ChromAgeNet，用于从3D染色质图像预测造血干细胞衰老 | 首次利用深度学习从3D染色质图像中量化预测造血干细胞衰老，并识别出染色质熵、外周异染色质和染色质凝聚体等预测标志物 | 模型性能（AUROC 0.77 ± 0.03）仍有提升空间，且目前仅在小鼠HSCs上验证 | 量化造血干细胞衰老过程，开发用于衰老预测和药物筛选的工具 | 小鼠造血干细胞（HSCs） | 数字病理学 | 老年疾病 | 3D显微镜成像，DAPI染色 | CNN | 图像 | 未明确指定样本数量，但使用年轻和年老小鼠HSCs的3D图像数据集 | 未明确指定，但基于卷积神经网络 | ChromAgeNet（自定义CNN架构） | AUROC | NA |
| 3124 | 2026-01-08 |
Fast and trustworthy nowcasting of dengue fever: A case study using attention-based probabilistic neural networks in São Paulo, Brazil
2025-Dec-12, Epidemics
IF:3.0Q2
DOI:10.1016/j.epidem.2025.100880
PMID:41411852
|
研究论文 | 本研究提出了一种名为NowcastPNN的新型概率神经网络架构，用于对巴西圣保罗的登革热发病率进行实时估计和预测 | 结合了负二项分布的统计建模与注意力机制等深度学习技术，并采用蒙特卡洛Dropout方法获取预测不确定性区间 | 模型需要大量训练数据（相当于2-4年的发病率计数）才能超越基准模型 | 开发一种快速可靠的传染病实时预测方法，以支持公共卫生决策 | 登革热发病率数据 | 机器学习 | 登革热 | NA | 概率神经网络, 注意力机制 | 时间序列数据 | 相当于2-4年的登革热发病率计数 | NA | NowcastPNN | 预测区间评分规则 | 计算成本低廉 |
| 3125 | 2026-01-08 |
Use of artificial intelligence in the diagnosis of alterations in cervical cytology: A university population-based observational study
2025-12-10, Biomedica : revista del Instituto Nacional de Salud
IF:0.8Q4
DOI:10.7705/biomedica.7651
PMID:41410328
|
研究论文 | 本研究评估并比较了四种基于人工智能的模型在巴氏涂片细胞异常检测中的判别能力 | 在哥伦比亚大学人群中首次评估了人工智能模型用于宫颈细胞学异常诊断的潜力，并比较了不同模型在筛查和检测任务中的表现 | 研究样本量较小（650张图像），且仅基于单一大学队列，可能限制了结果的泛化能力 | 评估和比较人工智能模型在巴氏涂片异常检测中的判别能力，以改善宫颈癌筛查的诊断性能 | 来自哥伦比亚东北部大学队列的巴氏涂片细胞图像 | 数字病理学 | 宫颈癌 | 数字图像分析, 深度学习 | CNN | 图像 | 650张巴氏涂片细胞图像 | NA | DenseNet, InceptionV3, MobileNet, VGG19 | 灵敏度, 特异性, 曲线下面积 | NA |
| 3126 | 2026-01-08 |
Prediction model for the risk of vitreous haemorrhage after vitrectomy combined with intraocular injection for the treatment of proliferative diabetic retinopathy
2025-Dec-09, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2025.105313
PMID:41381021
|
研究论文 | 本研究开发了一种轻量级多模态深度学习模型，用于准确预测增殖性糖尿病视网膜病变患者玻璃体切除联合眼内药物治疗后玻璃体腔出血的风险 | 整合超广角荧光素血管造影图像和临床数据，构建轻量级多模态深度学习模型，在预测术后玻璃体腔出血风险方面表现出高准确性和良好的可解释性 | 回顾性研究设计，样本量有限（1318只眼），外部验证集规模较小（264只眼） | 开发预测模型以评估增殖性糖尿病视网膜病变患者术后玻璃体腔出血风险 | 增殖性糖尿病视网膜病变患者 | 数字病理学 | 糖尿病视网膜病变 | 超广角荧光素血管造影 | 深度学习 | 图像, 临床数据 | 1318只眼（来自968名患者），外部测试集264只眼 | NA | EfficientNet-V2, 多层感知机 | AUROC, 精确率-召回率曲线下面积, 准确率, Brier分数, 校准斜率, 校准截距 | NA |
| 3127 | 2026-01-08 |
Comment on association of peripheral immune markers with brain age and dementia risk estimated using deep learning methods
2025-Dec-04, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004275
PMID:41494186
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3128 | 2026-01-08 |
Emerging Artificial Intelligence Technologies for Risk Assessment and Management in Acute Myeloid Leukemia: A Review
2025-Dec-01, JAMA oncology
IF:22.5Q1
DOI:10.1001/jamaoncol.2025.3601
PMID:41196612
|
综述 | 本文综述了人工智能技术在急性髓系白血病风险分层、诊断和治疗规划中的应用现状与潜力 | 整合了机器学习、深度学习、可解释AI和联邦学习等多种AI技术，在AML管理中实现比传统ELN指南更高的预后准确性，并解决了数据稀缺和隐私保护问题 | 未提及具体研究方法的局限性，但强调了临床转化需要统一数据标准、健全监管框架和公平技术获取 | 评估人工智能技术在急性髓系白血病风险分层和管理中的应用潜力 | 急性髓系白血病（AML）患者 | 数字病理学 | 白血病 | 机器学习、深度学习、可解释AI、联邦学习 | NA | 临床数据、细胞遗传学数据、分子数据、骨髓涂片图像、转录组数据 | NA | NA | NA | AUROC, 准确率 | NA |
| 3129 | 2026-01-08 |
Unveiling optimal molecular features for hERG insights with automatic machine learning
2025-Dec, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101411
PMID:41487145
|
研究论文 | 本文介绍了一种名为MaxQsaring的新型通用框架，该框架整合了分子描述符、指纹和深度学习预训练表示，用于预测化合物性质，并以hERG阻断预测为例展示了其优越性能 | 开发了首个集成分子描述符、指纹和深度学习预训练表示的通用框架，通过自动优化特征组合实现了最先进的预测性能，并在TDC基准测试中19/22任务排名第一 | 深度学习预训练表示对提升模型泛化能力（特别是对新骨架化合物）的影响相对有限 | 开发通用化合物性质预测框架以提升早期药物发现成功率 | 化合物（特别是hERG阻断相关化合物） | 机器学习 | NA | 自动机器学习 | 决策树,深度学习模型 | 分子描述符、指纹、预训练表示 | NA | NA | NA | 准确率,泛化能力 | NA |
| 3130 | 2026-01-08 |
Artificial Intelligence in Medicine With Emphasis on Orthopedic Practice
2025-Dec, Cureus
DOI:10.7759/cureus.98306
PMID:41487832
|
综述 | 本文全面回顾了人工智能在医疗保健领域的影响，特别聚焦于其在骨科医学中的应用 | 重点探讨了大型语言模型和机器学习算法在骨科诊断、医学教育及个性化护理中的整合应用，并指出了向多模态模型发展的未来方向 | 现实世界应用受限于数据质量、系统集成和伦理问题，且临床推理能力仍有不足 | 评估人工智能在医疗保健，特别是骨科实践中的应用潜力与挑战 | 人工智能技术（如大型语言模型和机器学习算法）及其在骨科诊断、医学教育和患者护理中的应用 | 机器学习 | 骨科疾病 | 深度学习技术 | 大型语言模型, 机器学习算法 | 医学影像, 文本数据 | NA | NA | NA | 诊断准确性 | NA |
| 3131 | 2026-01-08 |
Corrigendum to Deep learning model based on primary tumor to predict lymph node status in clinical stage IA lung adenocarcinoma: a multicenter study [Journal of the National Cancer Center 4 (2024) 233-240]
2025-Dec, Journal of the National Cancer Center
IF:7.6Q1
DOI:10.1016/j.jncc.2025.08.002
PMID:41497255
|
correction | 本文是对一篇关于利用深度学习模型基于原发肿瘤预测临床IA期肺腺癌淋巴结状态的多中心研究的更正 | NA | NA | NA | NA | NA | lung cancer | NA | NA | NA | NA | NA | NA | NA | NA |
| 3132 | 2026-01-08 |
Expression of concern: "GBERT: A hybrid deep learning model based on GPT-BERT for fake news detection" [Heliyon 10 (2024) e35865]
2025-Dec, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e44214
PMID:41497874
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3133 | 2026-01-08 |
Biomarkers
2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz70856_104724
PMID:41498605
|
研究论文 | 本研究通过纵向分析老年驾驶者的自然驾驶行为，探讨了白质高信号对复杂认知表现的影响 | 首次使用深度学习算法量化白质高信号的总体积和区域特异性分布，并将其与纵向驾驶行为数据关联，揭示了后部白质高信号对驾驶复杂性的主导影响 | 样本仅限于认知完整的老年驾驶者，且随访时间平均为6.1年，可能无法完全捕捉长期变化 | 研究白质高信号如何影响老年驾驶者的真实世界认知功能，特别是驾驶行为 | 212名认知完整的老年驾驶者（年龄≥65岁，CDR=0） | 数字病理学 | 阿尔茨海默病 | 3T MRI脑扫描 | 深度学习算法 | 图像, 驾驶行为数据 | 212名老年驾驶者，74,275周的驾驶数据 | NA | NA | FDR校正的p值 | NA |
| 3134 | 2026-01-08 |
Deep learning for otitis media classification using otoscopic image
2025-Nov-28, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000046218
PMID:41327679
|
研究论文 | 本研究评估了五种深度学习模型对中耳炎耳镜图像进行分类的性能 | 首次系统比较了包括ResNet-18、GoogLeNet、AlexNet、MobileNet-V3和VGGNet-19在内的多种深度学习模型在中耳炎分类任务中的表现，并确认了VGGNet-19的优越性能 | 数据集存在不平衡问题，且研究结果尚未在多样化的临床环境中进行验证，影响了模型的泛化能力 | 开发一种基于深度学习的自动化诊断工具，用于中耳炎的准确分类 | 819张耳镜图像，分为正常、急性中耳炎、渗出性中耳炎和慢性化脓性中耳炎四类 | 计算机视觉 | 中耳炎 | 耳镜成像 | CNN | 图像 | 819张耳镜图像 | NA | ResNet-18, GoogLeNet, AlexNet, MobileNet-V3, VGGNet-19 | 准确率, 灵敏度, 特异性, 精确率, F1分数, AUC | NA |
| 3135 | 2026-01-08 |
Anterior segment optical coherence tomography in corneal diseases: A bibliometric analysis and visualization research of global research trends (1994-2024)
2025-Nov-28, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000045679
PMID:41327675
|
综述 | 本研究对前段光学相干断层扫描（AS-OCT）在角膜疾病领域的全球研究进行了文献计量分析，绘制了关键研究轨迹、合作网络和新兴趋势 | 首次对1994年至2024年间AS-OCT在角膜疾病研究领域的全球文献进行全面的文献计量与可视化分析，揭示了人工智能、深度学习和光学相干弹性成像等新兴趋势 | 分析仅限于Web of Science核心合集中的英文文献，可能未涵盖其他语言或数据库中的相关研究，且排除了非眼科或非角膜相关的研究 | 通过文献计量分析，绘制AS-OCT在角膜疾病研究中的全球趋势、合作网络及未来发展方向 | 1994年至2024年间发表的关于AS-OCT在角膜疾病应用的相关科学文献 | 数字病理学 | 角膜疾病 | 光学相干断层扫描（OCT），文献计量分析 | NA | 文本（科学文献） | 2079篇出版物 | VOSviewer, CiteSpace | NA | NA | NA |
| 3136 | 2026-01-08 |
Comparative evaluation of emphysema quantification: Standardized %LAV-950 versus DL-based emphysema quantification with clinical parameter correlation
2025-Nov-28, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000046246
PMID:41327730
|
研究论文 | 本研究比较了传统的%LAV-950阈值方法与基于深度学习的算法在胸部CT扫描中量化肺气肿的效果，并评估了它们与肺功能测试参数的相关性 | 首次系统比较了传统阈值方法与深度学习算法在肺气肿量化中的性能，并发现深度学习方法在软组织重建核上能提供更一致、更强的临床参数相关性 | 研究为回顾性设计，样本量相对较小（101例），且仅针对慢性阻塞性肺疾病患者 | 评估和比较不同CT肺气肿量化方法与肺功能参数的相关性 | 慢性阻塞性肺疾病患者的胸部CT扫描和肺功能测试数据 | 医学影像分析 | 慢性阻塞性肺疾病 | 胸部计算机断层扫描，肺功能测试 | 深度学习算法 | 医学影像（CT扫描） | 101名慢性阻塞性肺疾病患者 | NA | NA | 皮尔逊相关系数，P值 | NA |
| 3137 | 2026-01-08 |
Hybrid deep learning framework for cardiovascular disease diagnosis and prognosis using GAN, LSTM, GRU, VARMA, and deep DynaQ network
2025-Nov-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25296-7
PMID:41271980
|
研究论文 | 本文提出了一种结合GAN、LSTM、GRU、VARMA和深度DynaQ网络的混合深度学习框架，用于心血管疾病的诊断和预后 | 创新点在于整合了多种深度学习模型（GAN、LSTM、GRU、VARMA和深度DynaQ网络）来生成合成医学图像、分析时间序列数据并学习最佳诊断与治疗策略 | NA | 旨在通过深度学习技术提高心血管疾病的早期诊断准确性和预后效果 | 心血管疾病患者 | 计算机视觉, 自然语言处理, 机器学习 | 心血管疾病 | 医学图像分析 | GAN, LSTM, GRU, VARMA, 深度DynaQ网络 | 图像, 时间序列数据 | 大型医学图像和患者数据集 | NA | GAN, LSTM, GRU, VARMA, 深度DynaQ网络 | 准确率, 灵敏度 | NA |
| 3138 | 2026-01-08 |
A Custom Annotated Dataset for Segmentation of Pulmonary Veins, Arteries, and Airways
2025-Nov-18, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06074-6
PMID:41253855
|
研究论文 | 本文介绍了用于肺静脉、动脉和气道分割的自定义标注数据集AirRC，并验证了基于MONAI的深度学习分割模型在该数据集上的性能 | 创建了首个大规模、公开的包含肺静脉、动脉、气道管腔和气道壁完整3D标注的CT数据集，并采用两阶段优化策略提升小气道分支的分割精度 | 数据集仅包含254例CT扫描，样本量相对有限；未在更多外部数据集上进行广泛验证 | 解决肺结构分割领域缺乏大规模多结构标注数据集的问题，促进肺部疾病管理的算法开发 | 肺部CT图像中的肺静脉、肺动脉、气道管腔和气道壁结构 | 数字病理学 | 肺癌 | 计算机断层扫描（CT） | 深度学习分割模型 | 3D CT图像 | 254例来自LUNA16数据集的CT扫描 | MONAI | NA | Dice相似系数（DSC） | NA |
| 3139 | 2026-01-08 |
Using Deep Learning to Simultaneously Reduce Noise and Motion Artifacts in Brain MR Imaging
2025-Oct-24, 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.2024-0098
PMID:39938896
|
研究论文 | 本文提出了一种使用深度学习同时减少脑部MRI中噪声和运动伪影的方法 | 针对T1W、T2W和FLAIR序列分别构建独立的训练模型，能够独立于成像方向和伪影方向去除噪声和运动伪影 | 研究仅基于20名健康志愿者的模拟图像数据，未在真实患者数据上进行广泛验证 | 通过深度学习提升脑部MRI的图像质量，促进其临床实用性 | 脑部T1加权、T2加权和FLAIR图像 | 计算机视觉 | NA | MRI成像 | 深度学习模型 | 医学图像 | 20名健康志愿者的脑部MRI图像，生成115200个模拟图像样本 | NA | NA | 结构相似性指数(SSIM), 峰值信噪比(PSNR), 视觉评估 | NA |
| 3140 | 2026-01-08 |
Improved Assessment of Juxtacortical Lesions in Multiple Sclerosis Using Highly-accelerated High-resolution Double Inversion Recovery MR Imaging with Deep Learning-based Reconstruction
2025-Oct-24, 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.2024-0126
PMID:39971311
|
研究论文 | 本研究开发了一种基于深度学习重建的高分辨率双反转恢复磁共振成像技术，用于改进多发性硬化症皮质旁病灶的评估 | 首次将深度学习重建技术应用于高分辨率双反转恢复磁共振成像，实现了在5分钟内完成全脑扫描，显著提高了皮质旁病灶的检测能力 | 研究为回顾性分析，样本量较小（25例患者），需要更大规模的前瞻性研究验证 | 比较深度学习重建双反转恢复成像与传统双反转恢复成像在多发性硬化症皮质旁病灶检测中的诊断性能 | 多发性硬化症患者的磁共振成像数据 | 医学影像分析 | 多发性硬化症 | 磁共振成像, 双反转恢复序列, 深度学习重建 | 深度学习模型 | 磁共振图像 | 25例多发性硬化症患者 | NA | NA | 病灶计数, Wilcoxon符号秩检验 | NA |