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 3141 - 3160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3141 | 2025-09-06 |
Artificial Intelligence-Driven Automated Design of Anterior and Posterior Crowns Under Diverse Occlusal Scenarios
2025-Sep-05, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.]
IF:3.2Q1
DOI:10.1111/jerd.70029
PMID:40910757
|
研究论文 | 评估咬合类型和基于人工智能的CAD软件对自动生成前后牙冠几何精度和临床质量的影响 | 首次在多样化咬合场景下比较深度学习与传统自动化软件生成牙冠的几何偏差和临床质量 | 深度学习软件在处理前牙间隙病例时表现欠佳，需要进一步优化 | 评估AI驱动的自动化牙冠设计在不同咬合条件下的性能 | 上颌右中切牙和第一磨牙的牙冠设计 | 数字病理 | 牙科疾病 | 人工智能CAD软件、口内扫描、深度学习算法 | 深度学习模型 | 3D扫描数据 | 5种咬合类型模型各10次扫描，共100个牙冠设计样本 | NA | NA | NA | NA |
| 3142 | 2025-09-06 |
A novel RHD*01N allele harboring a c.634+1G>A splice site variant results in the RhD-negative phenotype in a Chinese blood donor
2025-Sep-05, Transfusion
IF:2.5Q2
DOI:10.1111/trf.18390
PMID:40910776
|
研究论文 | 在中国献血者中发现一种新型RHD*01N等位基因，其c.634+1G>A剪接位点变异导致RhD阴性表型 | 首次报道了由c.634+1G>A剪接位点变异引起的新型RHD*01N等位基因 | NA | 鉴定导致RhD阴性表型的分子机制 | 中国献血者的血液样本 | NA | NA | 血清学技术、Sanger测序、SMRT测序、SpliceAI预测工具 | NA | 基因序列数据 | 1例中国献血者样本 | NA | NA | NA | NA |
| 3143 | 2025-09-06 |
Prenatal diagnosis of cerebellar hypoplasia in fetal ultrasound using deep learning under the constraint of the anatomical structures of the cerebellum and cistern
2025-Sep-05, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06376-2
PMID:40911057
|
研究论文 | 本研究开发并验证了一种基于解剖结构约束的深度学习模型（ASC-Net），用于提升胎儿超声图像中小脑发育不全的产前诊断准确性 | 提出双分支深度学习分类网络ASC-Net，首次结合超声图像与解剖结构掩模作为输入，并通过小脑和脑池的解剖结构约束优化模型性能 | 回顾性研究设计，数据来源于单一医疗机构，可能影响模型泛化能力 | 提高胎儿小脑发育不全的产前超声诊断准确率 | 胎儿小脑发育异常病例及正常妊娠病例 | 计算机视觉 | 神经系统发育异常 | 超声成像 | 深度学习分类网络（ASC-Net） | 图像 | 302例小脑发育不全病例和549例正常妊娠病例 | NA | NA | NA | NA |
| 3144 | 2025-09-06 |
Enhancing Breast Density Assessment in Mammograms Through Artificial Intelligence
2025-Sep-05, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01657-6
PMID:40911159
|
研究论文 | 开发并评估一种基于深度学习的开源计算机视觉方法，用于乳腺X线摄影图像中的客观乳腺密度评估 | 提出结合定制设计卷积神经网络(CD-CNN)和极限学习机(ELM)层的创新模型，专注于资源有限医疗环境中的可及性和一致性 | 在外部mini-MIAS数据集上准确率(73.9%)明显低于内部测试集(95.4%)，表明可能存在泛化能力限制 | 开发低成本、可访问的AI解决方案，提供一致的乳腺密度分类以支持乳腺癌早期检测 | 乳腺X线摄影图像 | 计算机视觉 | 乳腺癌 | 深度学习 | CD-CNN with ELM | 图像 | 10,371张全视野数字乳腺X线摄影图像 | NA | NA | NA | NA |
| 3145 | 2025-09-06 |
Prostate MR image segmentation using a multi-stage network approach
2025-Sep-05, International urology and nephrology
IF:1.8Q3
DOI:10.1007/s11255-025-04763-0
PMID:40911178
|
研究论文 | 本研究利用多阶段深度学习网络方法对前列腺MR图像进行分割，以提高前列腺癌检测和表征的准确性 | 提出并评估了包括单阶段、顺序两阶段和端到端两阶段在内的多阶段分割方法，其中端到端方法利用共享特征表示显著提升了性能 | 模型需要进一步优化，并评估在不同医学影像背景下的泛化能力 | 通过深度学习图像分割技术提升前列腺癌的诊断准确性 | 前列腺MR图像 | 数字病理 | 前列腺癌 | T2加权磁共振成像 | MultiResUNet及多阶段深度学习架构 | 图像 | 1151名患者的61,119张T2加权MR图像 | NA | NA | NA | NA |
| 3146 | 2025-09-06 |
A dual-branch encoder network based on squeeze-and-excitation UNet and transformer for 3D PET-CT image tumor segmentation
2025-Sep-05, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03427-6
PMID:40911253
|
研究论文 | 提出一种基于SE-UNet和Transformer的双分支编码器网络TASE-UNet，用于3D PET-CT图像肿瘤分割 | 结合PET分子信息和CT病理信息，设计双分支编码器结构，在跳跃连接中加入3D CBAM注意力模块 | NA | 实现肿瘤的自动分割，替代专家手动分割 | 3D PET-CT图像中的肿瘤区域 | 计算机视觉 | 肿瘤 | 深度学习 | SE-UNet, Transformer, 3D CBAM | 3D医学图像（PET-CT） | HECKTOR2022数据集 | NA | NA | NA | NA |
| 3147 | 2025-09-06 |
Real-time corneal image segmentation for cataract surgery based on detection framework
2025-Sep-05, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03506-x
PMID:40911268
|
研究论文 | 提出一种基于椭圆建模的无锚框实时角膜分割框架EllipseNet，用于白内障手术中的角膜图像分割 | 仅需矩形边界框标注即可自动推断角膜椭圆轴，实现高效实时分割，速度比现有最优模型快近三倍 | 依赖矩形边界框初始标注，未提及多中心验证或不同手术场景的泛化能力 | 开发实时角膜分割方法以支持白内障手术的术中引导和教学培训 | 白内障手术中的角膜图像和手术器械 | 计算机视觉 | 白内障 | 深度学习图像分割 | Hourglass网络与anchor-free检测框架 | 图像 | NA | NA | NA | NA | NA |
| 3148 | 2025-10-06 |
Detectability Driven Recommendation of Anomaly Detection Models for Time-Series Data
2025-Sep-04, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3601712
PMID:40907047
|
研究论文 | 提出一种基于可检测性概念的时间序列异常检测模型推荐方法 | 首次引入可检测性概念，采用细粒度数据特征比较策略定义模型检测能力，并设计高效模型推荐算法 | 未明确说明算法在极端数据分布或大规模实时场景下的性能表现 | 解决在线异常检测应用中因计算资源限制无法同时运行多个检测模型的问题 | 时间序列异常检测模型 | 机器学习 | NA | 深度学习 | NA | 时间序列数据 | 真实时间序列数据集 | NA | NA | 有效性、效率 | NA |
| 3149 | 2025-10-06 |
Geometric-Driven Cross-Modal Registration Framework for Optical Scanning and CBCT Models in AR-Based Maxillofacial Surgical Navigation
2025-Sep-04, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3606469
PMID:40907041
|
研究论文 | 提出一种几何驱动的跨模态配准框架，用于光学扫描模型与CBCT模型在AR辅助颌面外科导航中的精确配准 | 结合几何特征提取与深度学习工作流程，实现低辐射不透性模板在CBCT中的精确定位 | NA | 提升牙科种植手术中放射模板空间定位的精确度 | 无牙颌或部分无牙颌患者的放射模板 | 计算机视觉 | 牙科疾病 | 光学扫描，锥形束计算机断层扫描（CBCT） | 深度学习 | 3D模型，医学影像 | NA | NA | NA | 均方根误差（RMSE），平均绝对误差（MAE） | NA |
| 3150 | 2025-10-06 |
A Physics-ASIC Architecture-Driven Deep Learning Photon-Counting Detector Model Under Limited Data
2025-Sep-04, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3605886
PMID:40907044
|
研究论文 | 提出一种基于物理-ASIC架构驱动的深度学习光子计数探测器模型，用于解决有限校准数据下的光子计数CT探测器建模问题 | 首次将物理-ASIC架构与深度学习相结合，能够同时捕捉传感器的完整响应和ASIC响应，在有限校准数据下实现高精度建模 | 在有限校准数据条件下进行建模，可能影响模型在更广泛场景下的泛化能力 | 开发高精度光子计数探测器模型以促进光子计数CT技术的普及应用 | 光子计数探测器(PCDs) | 医学影像处理 | NA | 光子计数计算机断层扫描(PCCT) | 深度学习模型 | 校准数据、医学影像数据 | 有限校准数据 | NA | NA | 校准误差、物理-ASIC参数估计精度、材料分解图像质量 | NA |
| 3151 | 2025-10-06 |
Advancing Point-of-Care Still's Murmur Identification: Evaluating the Efficacy of ConvNets and Transformers Using the StethAid Multicenter Heart Sound Database
2025-Sep-04, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3606341
PMID:40907040
|
研究论文 | 本研究评估了卷积神经网络和Transformer模型在识别儿童Still's杂音方面的效果 | 首个专门针对儿童Still's杂音识别的研究，建立了专门的心音数据库并比较了多种深度学习架构 | 研究基于特定设备采集的数据，模型泛化能力需进一步验证 | 开发辅助初级保健提供者准确识别Still's杂音的AI工具 | 儿童心音图数据 | 医疗人工智能 | 儿童心脏病 | 数字听诊技术 | CNN, Transformer | 心音信号 | 527例心音图数据，来自4个儿科医疗中心，总计超过2小时心音数据 | PyTorch | SQ-NET, ResNet18, AST, DeiT, Swin Transformer, DINO | 灵敏度, 特异度, 准确率 | NA |
| 3152 | 2025-10-06 |
STAD-CoAtt: Integration of Evolving Gene Graphs in the Assessment of Neuropathological Stages Using Spatiotemporal Representations of Brain Transcriptomics Data
2025-Sep-04, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3605968
PMID:40907046
|
研究论文 | 提出一种融合时空图学习和共注意力机制的STAD-CoAtt方法，用于分析阿尔茨海默病的脑转录组数据并评估神经病理学阶段 | 首次将演化基因图特征与时空表示相结合，通过共注意力网络和非线性流形对齐融合块挖掘阿尔茨海默病特异性调控网络的结构信息 | 方法主要针对阿尔茨海默病，在其他神经系统疾病中的泛化能力有待验证 | 开发基于脑转录组数据的神经病理学阶段评估方法 | 阿尔茨海默病和痴呆症相关的脑单核RNA测序数据 | 生物信息学 | 阿尔茨海默病 | 单核RNA测序(snRNA-seq) | ST-GCN, 共注意力网络 | 基因表达数据, 图数据 | 来自ROSMAP和GSE平台的两个基准RNA-seq数据集 | NA | 时空图卷积网络(ST-GCN), 共注意力网络, 非线性流形对齐融合块 | 分类准确率, 神经病理学阶段评估性能 | NA |
| 3153 | 2025-10-06 |
Estimation of Segmental Longitudinal Strain in Transesophageal Echocardiography by Deep Learning
2025-Sep-04, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3605793
PMID:40907054
|
研究论文 | 本研究开发了首个基于深度学习的自动化管道autoStrain，用于经食管超声心动图中左心室节段纵向应变的自动估计 | 首次将深度学习运动估计方法应用于经食管超声心动图的节段纵向应变自动评估，并比较了两种不同的深度学习模型 | 真实超声心动图序列的运动真值数据难以获取，依赖合成数据集进行模型训练和评估 | 开发自动化管道以提升心脏功能评估的精确度和效率 | 左心室节段纵向应变 | 计算机视觉 | 心血管疾病 | 经食管超声心动图 | 深度学习 | 超声图像序列 | 80例患者的合成TEE数据集用于训练评估，16例患者用于临床验证 | NA | RAFT, CoTracker | 平均距离误差，平均差异，一致性界限 | NA |
| 3154 | 2025-09-06 |
Deep Learning for Segmenting Ischemic Stroke Infarction in Non-contrast CT Scans by Utilizing Asymmetry
2025-Sep-04, Clinical neuroradiology
IF:2.4Q2
DOI:10.1007/s00062-025-01559-8
PMID:40908314
|
研究论文 | 本研究开发了一种结合对称性原理与nnUNet模型的分割方法，用于在非增强CT扫描中自动分割缺血性卒中梗死区域 | 引入了基于对称性学习的生成模块和上游分割模块，创新性地采用强度病变概率(ILP)函数和特定输入通道来增强模型敏感性 | 外部测试集的DSC指标相对较低(0.4891)，表明模型在外部数据上的泛化能力仍有提升空间 | 开发缺血性卒中病变的自动分割方法以辅助临床决策 | 急性缺血性卒中患者的非增强CT扫描图像 | 医学图像分析 | 缺血性卒中 | CT成像 | nnUNet, 2.5D ResUNet | 医学图像 | 397例NCCT扫描（内部数据集345训练+52测试），外加60例外部验证病例 | NA | NA | NA | NA |
| 3155 | 2025-09-06 |
Deciphering Gut Microbiome Dynamics in Irritable Bowel Syndrome Using Deep Learning
2025-Sep-04, Neurogastroenterology and motility
IF:3.5Q2
DOI:10.1111/nmo.70153
PMID:40908531
|
研究论文 | 本研究利用深度学习模型分析肠道微生物组数据以辅助肠易激综合征的诊断 | 采用深度神经网络处理高维度微生物组数据，在疾病分类中实现92.79%的准确率 | NA | 探索肠道微生物组在肠易激综合征中的作用并开发诊断方法 | 人类肠道微生物组数据 | 机器学习 | 肠易激综合征 | 微生物组分析 | DNN, XGBoost, RandomForest, Logistic Regression, LightGBM | 微生物组谱数据 | 综合微生物组数据集（具体数量未说明） | NA | NA | NA | NA |
| 3156 | 2025-09-06 |
Toward clinical translation of AI-Led drug discovery in endometrial cancer
2025-Sep-04, Expert review of anticancer therapy
IF:2.9Q2
DOI:10.1080/14737140.2025.2557602
PMID:40908794
|
综述 | 本文综述了深度学习在子宫内膜癌药物发现中的应用及其临床转化挑战 | 系统分析子宫内膜癌领域AI药物发现的临床转化瓶颈并提出多学科解决方案 | 面临数据稀缺、模型可解释性不足、生物学验证缺失和监管不确定性等挑战 | 推动人工智能驱动的药物发现技术在子宫内膜癌临床治疗中的实际应用 | 子宫内膜癌(EC) | 人工智能药物发现 | 子宫内膜癌 | 深度学习(DL) | NA | 多模态生物医学数据 | NA | NA | NA | NA | NA |
| 3157 | 2025-09-06 |
Artificial intelligence oculomics for systemic health and longevity medicine: 2025 and beyond
2025-Sep-04, Current opinion in ophthalmology
IF:3.0Q1
DOI:10.1097/ICU.0000000000001174
PMID:40910901
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3158 | 2025-10-06 |
Vision transformer network discovers the prognostic value of pancreatic cancer pathology sections via interpretable risk scores
2025-Sep-03, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-03547-3
PMID:40897976
|
研究论文 | 本研究开发了一种改进的视觉Transformer模型，通过可解释风险评分从胰腺癌病理切片中发现预后价值 | 首次将改进的视觉Transformer模型应用于胰腺癌病理切片分析，结合空间注意力机制和ImageNet2012微调，生成可解释的风险评分 | 样本量相对有限（125例公共数据库病例和28例真实世界患者），验证集C-index相对较低（0.62） | 利用深度学习预测胰腺癌患者预后，推进病理切片的精准肿瘤学应用 | 胰腺癌及癌前病变患者的H&E染色全切片图像 | 计算机视觉 | 胰腺癌 | H&E染色病理切片成像 | Vision Transformer (ViT) | 病理图像 | 153例（125例公共数据库病例，28例真实世界患者） | PyTorch, TensorFlow | 改进的Vision Transformer with spatial attention | C-index, AUC, 中位生存期 | NA |
| 3159 | 2025-09-06 |
From shadow to sustainability: How informality, environmental taxes, and green innovation reshape carbon and biodiversity futures in the G7 countries
2025-Sep-03, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.127153
PMID:40907225
|
研究论文 | 本研究提出一个结合计量经济学模型与深度学习的集成框架，分析G7国家中非正规经济、环境税和绿色创新对消费碳排放和生物多样性的影响 | 首次将计量经济模型（CS-ARDL和FMOLS）与深度学习模型（LSTM和CNN）结合，量化非正规经济在气候与生物多样性政策中的影响 | 研究仅限于G7国家1994-2020年数据，可能无法完全推广到其他国家或时期 | 探讨非正规经济、环境税和绿色创新如何共同影响碳排放和生物多样性，以支持可持续发展转型 | G7国家（加拿大、法国、德国、意大利、日本、英国、美国） | 机器学习 | NA | 计量经济分析，深度学习 | LSTM, CNN, CS-ARDL, FMOLS | 时间序列数据 | G7国家1994-2020年的年度数据 | NA | NA | NA | NA |
| 3160 | 2025-09-06 |
Voxel-level Radiomics and Deep Learning Based on MRI for Predicting Microsatellite Instability in Endometrial Carcinoma: A Two-center Study
2025-Sep-03, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.028
PMID:40908231
|
研究论文 | 开发并验证了一种基于多序列MRI和体素级放射组学的深度学习模型，用于预测子宫内膜癌的微卫星不稳定性状态 | 首次将体素级放射组学特征与Vision-Mamba架构的双通道3D深度神经网络结合，优于传统放射组学和ViT/3D-ResNet模型 | 回顾性研究，样本量有限（375例），仅来自两个医疗中心 | 预测子宫内膜癌的微卫星不稳定性状态 | 经病理确诊的子宫内膜癌患者 | 医学影像分析 | 子宫内膜癌 | 多参数MRI（T2WI, DWI, CE-T1WI），免疫组化 | Vision-Mamba架构的双通道3D深度神经网络 | MRI图像 | 375例子宫内膜癌患者（来自两个医疗中心） | NA | NA | NA | NA |