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 36553 篇文献，本页显示第 3161 - 3180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3161 | 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 |
| 3162 | 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 |
| 3163 | 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 |
| 3164 | 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 |
| 3165 | 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 |
| 3166 | 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 |
| 3167 | 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 |
| 3168 | 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 |
| 3169 | 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 |
| 3170 | 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 |
| 3171 | 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 |
| 3172 | 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 |
| 3173 | 2025-11-23 |
Artificial intelligence for mental health: A narrative review of applications, challenges, and future directions in digital health
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251395548
PMID:41262770
|
综述 | 本文系统回顾了人工智能在心理健康领域的应用现状、挑战和未来发展方向 | 重点关注非生成式AI在心理健康领域的应用，涵盖诊断、治疗个性化和实时监测等多个维度 | 数据集多样性不足、算法偏见、缺乏临床验证以及伦理考量等挑战 | 探索人工智能在心理健康领域的应用潜力和发展方向 | 心理健康数字健康应用 | 自然语言处理, 机器学习 | 心理健康障碍 | 机器学习, 深度学习, 自然语言处理 | NA | 多模态数据 | NA | NA | NA | 诊断准确性, 治疗个性化程度 | NA |
| 3174 | 2025-11-23 |
The Hydractinia Genome Project Portal: multi-omic annotation and visualization of Hydractinia genomic datasets
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf215
PMID:41262968
|
研究论文 | 介绍水螅基因组项目门户网站，提供水螅属两种物种的多组学数据和可视化工具 | 首次提供水螅属物种的综合性多组学数据门户，包含独特的单细胞基因表达图谱和基于结构的深度学习功能注释方法 | 仅涵盖两种水螅物种，功能注释方法仍存在已知的注释转移空白 | 推进对水螅模型生物的研究，增强对基因组与形态复杂性关系的理解 | 水螅属两种广泛研究的物种 | 生物信息学 | NA | 基因组学、转录组学、蛋白质组学、单细胞测序 | DeepFRI | 基因组序列、转录组数据、蛋白质结构数据 | NA | NA | NA | NA | NA |
| 3175 | 2025-11-23 |
SCC-NET: segmentation of clinical cancer image for head and neck squamous cell carcinoma
2024-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.6.065501
PMID:39583005
|
研究论文 | 提出一种基于神经架构搜索U-Net的改进模型SCC-NET，用于头颈部鳞状细胞癌内镜图像的病灶分割 | 提出可学习离散小波池化技术，结合通道注意力模块为不同层输出分配权重，并引入CSPNet的跨阶段部分设计 | 仅使用单一医疗中心数据，样本量相对有限 | 开发头颈部鳞状细胞癌内镜图像的自动分割算法 | 头颈部鳞状细胞癌内镜图像 | 数字病理 | 头颈部鳞状细胞癌 | 内镜检查 | U-Net, CSPNet | 图像 | 556张经病理确认的鳞状细胞癌照片 | NA | SCC-NET, U-Net, CSPNet | mIOU, Dice相似系数, 准确率, 召回率 | NA |
| 3176 | 2025-11-23 |
Session Introduction: Artificial Intelligence in Clinical Medicine: Generative and Interactive Systems at the Human-Machine Interface
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160265
|
会议介绍 | 介绍2024年太平洋生物计算研讨会中关于临床医学人工智能的专题会议，重点关注生成式和交互式系统在人机界面的应用 | 聚焦于生成式AI和深度学习模型在医疗领域的突破性应用，特别强调人机交互界面的创新研究 | NA | 评估AI系统在医疗保健中的潜在影响和意义，开发解决实际医疗问题的AI算法 | 临床决策支持系统、监测工具、医学影像解读和分诊能力 | 人工智能在医学中的应用 | NA | 生成式AI、深度学习 | 深度学习模型 | 非结构化文本、影像数据、结构化和表格数据 | NA | NA | NA | NA | NA |
| 3177 | 2025-11-23 |
BrainSTEAM: A Practical Pipeline for Connectome-based fMRI Analysis towards Subject Classification
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160269
|
研究论文 | 提出BrainSTEAM集成框架，通过时空模块和多种技术组合解决fMRI数据有限导致的过拟合问题，提升基于连接组的脑功能网络分析性能 | 提出结合EdgeConv图神经网络、自编码器和Mixup策略的集成框架，通过动态分割时间序列信号构建相关网络来增加训练数据 | 依赖于有限规模的神经影像数据集，在更广泛疾病类型上的泛化能力有待验证 | 开发有效的基于连接组的fMRI分析框架，用于神经模式发现和疾病诊断 | 功能脑网络和脑区连接结构 | 神经影像分析 | 自闭症 | fMRI | GNN, Autoencoder | 功能磁共振成像时间序列数据 | ABIDE和HCP两个真实世界神经影像数据集 | PyTorch | EdgeConv | 分类准确率 | NA |
| 3178 | 2025-11-23 |
Optimizing Computer-Aided Diagnosis with Cost-Aware Deep Learning Models
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160273
|
研究论文 | 本研究提出了一种集成成本敏感参数的深度学习辅助诊断系统，旨在优化医学影像诊断中的错误分类成本 | 在激活函数中引入成本敏感参数，差异化处理假阴性和假阳性错误的代价 | 仅在两个医学影像数据集上验证，未在其他疾病或影像模态上测试 | 开发成本敏感的深度学习模型以优化计算机辅助诊断系统 | 肺结节影像和乳腺癌组织学图像 | 计算机视觉 | 肺癌, 乳腺癌 | 医学影像分析 | 深度学习 | 医学影像 | LIDC和BreakHis两个数据库的样本 | NA | NA | 灵敏度, 准确率 | NA |
| 3179 | 2025-11-23 |
A deep neural network estimation of brain age is sensitive to cognitive impairment and decline
2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:38160276
|
研究论文 | 本研究利用自由水校正的扩散MRI和T1加权MRI构建深度神经网络预测大脑年龄，并探讨其与认知障碍的关系 | 首次采用自由水校正的dMRI技术分离组织与液体信号，并结合T1加权MRI构建密集连接神经网络预测大脑年龄 | 未说明具体样本量大小和参与者的详细人口统计学特征 | 开发敏感的生物标志物用于阿尔茨海默病的诊断和监测 | 认知未受损个体和轻度认知障碍参与者 | 医学影像分析 | 阿尔茨海默病 | 扩散MRI, T1加权MRI, 自由水校正技术 | 深度神经网络 | 神经影像数据 | NA | NA | 密集连接神经网络 | 相关系数r, p值, β系数 | NA |
| 3180 | 2025-11-23 |
Live-cell imaging in the deep learning era
2023-12, Current opinion in cell biology
IF:6.0Q1
DOI:10.1016/j.ceb.2023.102271
PMID:37897927
|
综述 | 本文综述了深度学习时代活细胞成像的计算方法进展 | 系统总结了深度学习在活细胞成像中的最新应用，包括自主显微镜等前沿技术 | 仅简要覆盖重要计算方法，未提供详细的实施指南或性能比较 | 探讨深度学习如何改变活细胞成像的实施和数据分析方式 | 活细胞成像技术和相关计算方法 | 计算机视觉 | NA | 荧光显微镜，活细胞成像 | 深度学习 | 图像，时间序列数据 | NA | NA | NA | NA | NA |