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 36930 篇文献，本页显示第 3301 - 3320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3301 | 2025-11-26 |
Deep Learning Framework for Classifying Whole-Slide Multiplex Immunofluorescence Images to Predict Immunotherapy Response in Melanoma Patients
2025-Nov-24, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3623576
PMID:41284441
|
研究论文 | 提出一种用于分类全玻片多重免疫荧光图像以预测黑色素瘤患者免疫治疗反应的深度学习框架 | 开发了通道优化与多示例学习(COMIL)框架，通过建模通道间关系和结合多示例学习来提升分类性能 | NA | 预测黑色素瘤患者的免疫治疗反应 | 黑色素瘤患者 | 数字病理学 | 黑色素瘤 | 多重免疫荧光成像 | 深度学习 | 全玻片多重免疫荧光图像 | 来自澳大利亚黑色素瘤研究所的mIF图像 | NA | 多示例学习框架 | AUC | NA |
| 3302 | 2025-11-26 |
Deconver: A Deconvolutional Network for Medical Image Segmentation
2025-Nov-24, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3623381
PMID:41284450
|
研究论文 | 提出一种融合传统反卷积技术的医学图像分割网络Deconver | 将传统图像恢复中的反卷积技术作为可学习核心组件集成到U型架构中，用高效非负反卷积操作替代计算昂贵的注意力机制 | 未明确说明模型在更广泛医学图像数据上的泛化能力 | 开发计算效率更高的医学图像分割方法 | 医学图像分割任务 | 数字病理 | 多疾病类别（涵盖脑部、脾脏、乳腺等多种器官病变） | 深度学习 | CNN, 反卷积网络 | 2D和3D医学图像 | 五个数据集（ISLES'22, Spleen, BraTS'23, GlaS, FIVES） | NA | U-Net, Deconver | Dice系数, Hausdorff距离, FLOPs | NA |
| 3303 | 2025-11-26 |
AI-Driven Quantitative Analysis of Pathological Images for Membranous Nephropathy Across Macro and Micro Modalities
2025-Nov-24, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3624618
PMID:41284446
|
研究论文 | 提出基于Mamba模型的AI驱动框架，通过整合光镜和电镜图像对膜性肾病进行多尺度定量分析和进展预测 | 首次将Mamba模型应用于病理图像分析，模拟病理医生诊断流程整合宏观和微观图像进行联合分析 | 仅使用109例外部数据集进行验证，样本量相对有限 | 开发能够量化病理变化并预测膜性肾病进展的深度学习方法 | 膜性肾病患者的肾小球基底膜病理变化 | 数字病理学 | 膜性肾病 | 光镜,透射电镜 | Mamba模型,经典机器学习模型 | 图像 | 109例病例 | NA | Mamba | 肾小球分类性能,GBM分割性能,MN进展预测性能 | NA |
| 3304 | 2025-11-26 |
EMI Cancellation for Shielding-Free Ultra-Low-Field MRI
2025-Nov-24, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3635911
PMID:41284462
|
研究论文 | 开发基于深度学习的电磁干扰抑制方法用于无屏蔽超低场磁共振成像 | 提出融合Transformer和混合注意力机制的U-Net架构EMIC-Net，实现从传感线圈信号到射频接收线圈干扰的数据驱动非线性映射 | NA | 解决无屏蔽环境中超低场磁共振成像的电磁干扰问题 | 人体大脑成像 | 医学影像处理 | NA | 超低场磁共振成像 | U-Net, Transformer, CNN | 磁共振信号数据 | 小规模数据集（具体数量未明确说明） | NA | U-Net, Transformer, 混合注意力机制 | SNR, PSNR, SSIM | NA |
| 3305 | 2025-11-26 |
Advanced COVID-19 detection using cough signals with space reconstruction and 3D deep convolutional neural networks
2025-Nov-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29633-8
PMID:41286001
|
研究论文 | 提出一种结合相空间重构和3D深度卷积神经网络的咳嗽音频信号COVID-19检测方法 | 首次将相空间重构技术用于咳嗽信号特征提取，并设计专用的3D深度卷积神经网络进行多分类 | 仅使用单一数据集进行验证，未在临床环境中进行实时测试 | 开发非侵入式COVID-19快速筛查方法 | 咳嗽音频信号 | 机器学习 | COVID-19 | 音频信号分析 | 3D CNN | 音频 | COUGHVID数据集中超过8,400个咳嗽录音 | NA | 自定义五层卷积神经网络 | 准确率, 召回率, 特异性 | NA |
| 3306 | 2025-11-26 |
Automated diagnosis of early-stage retinopathy of prematurity
2025-Nov-24, Eye (London, England)
DOI:10.1038/s41433-025-04122-4
PMID:41286176
|
研究论文 | 开发基于深度学习的早产儿视网膜病变自动检测和分级系统 | 结合U-Net分割和ResNet50分类的集成管道，通过叠加分割后的血管和脊状特征保留关键疾病特征 | NA | 实现早产儿视网膜病变的自动检测和分期 | 早产儿视网膜图像 | 计算机视觉 | 早产儿视网膜病变 | 视网膜成像 | CNN | 图像 | 400GB视网膜图像数据集 | NA | U-Net, ResNet50 | 准确率 | NA |
| 3307 | 2025-11-26 |
Helixer: ab initio prediction of primary eukaryotic gene models combining deep learning and a hidden Markov model
2025-Nov-24, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02939-1
PMID:41286201
|
研究论文 | 介绍Helixer——一种结合深度学习和隐马尔可夫模型的从头真核生物基因预测工具 | 无需RNA测序等实验数据即可实现跨物种高精度基因预测，结合深度学习与隐马尔可夫模型的新方法 | NA | 开发适用于多种真核生物基因组的从头基因预测工具 | 真菌、植物、脊椎动物和无脊椎动物基因组 | 生物信息学 | NA | 深度学习，隐马尔可夫模型 | 深度学习模型，隐马尔可夫模型 | 基因组序列数据 | NA | NA | NA | 多评估指标 | NA |
| 3308 | 2025-11-26 |
Deep Learning-Driven Early Diagnosis of Respiratory Diseases using CNN-RNN Fusion on Lung Sound Data
2025-Nov-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28832-7
PMID:41286281
|
研究论文 | 提出一种基于CNN-RNN融合的深度学习算法，用于肺音数据分析以实现呼吸系统疾病的早期诊断 | 结合CNN和RNN架构的融合模型，使用Grad-CAM提供可解释性可视化，在肺音分析领域实现高精度疾病分类 | 未提及模型在真实临床环境中的验证效果和跨设备泛化能力 | 通过肺音分析改进呼吸系统疾病的早期诊断 | 肺炎、哮喘和慢性阻塞性肺疾病(COPD)等呼吸系统疾病 | 数字病理 | 呼吸系统疾病 | 肺音记录分析 | CNN, RNN, LSTM | 音频信号 | Coswara和ICBHI数据集 | NA | CNN-RNN融合架构（3个CNN层、3个最大池化层、2个全连接层、2个LSTM层） | 准确率, 灵敏度, 特异性, F1分数 | NA |
| 3309 | 2025-11-26 |
Antimicrobial peptide prediction based on contrastive learning and gated convolutional neural network
2025-Nov-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29666-z
PMID:41286313
|
研究论文 | 提出基于对比学习和门控卷积神经网络的抗菌肽预测框架CG-AMP | 采用双模块架构，结合预训练语言模型、对比学习和增强卷积神经网络，有效整合多模态特征 | NA | 开发高效识别抗菌肽的计算方法 | 抗菌肽（AMPs） | 自然语言处理, 机器学习 | NA | 深度学习 | CNN, 预训练语言模型 | 序列数据 | NA | NA | 门控卷积神经网络 | 准确率, F1分数, 马修斯相关系数 | NA |
| 3310 | 2025-11-26 |
The role of data augmentation and attention mechanisms in UNet and ConvNeXt architectures for optimizing breast tumor segmentation
2025-Nov-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29841-2
PMID:41286401
|
研究论文 | 本研究系统分析UNet+ConvNeXt Tiny架构在乳腺肿瘤分割中的优化配置，重点评估数据增强和注意力机制的影响 | 首次在UNet+ConvNeXt Tiny架构中系统评估注意力机制与数据增强的协同作用，发现注意力机制能显著提升分割性能而数据增强需谨慎使用 | 某些几何变换数据增强技术可能扭曲超声图像解剖结构导致分割质量下降 | 优化乳腺肿瘤分割模型的架构配置和正则化技术 | 乳腺超声图像中的肿瘤区域 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 医学图像 | BUSI数据集和BUS-UCLM数据集 | NA | UNet, ConvNeXt | F1分数, 精确率, IoU, 召回率, Dice系数 | NA |
| 3311 | 2025-11-26 |
On the public dissemination and open sourcing of ultrasound resources, datasets and deep learning models
2025-Nov-24, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02162-4
PMID:41286495
|
研究论文 | 本文系统整理并评估了公开可用的超声数据集和深度学习模型，提出了专门的质量评分体系 | 开发了原创的超声数据集质量评分(SonoDQS)和模型质量评分(SonoMQS)体系 | 仅评估公开资源，未涉及私有或商业数据集和模型 | 促进超声数据在医学影像机器学习研究中的更广泛应用 | 公开超声数据集和深度学习模型 | 医学影像分析 | 多解剖部位疾病 | 超声成像 | 深度学习模型 | 超声图像 | 72个公共超声数据集和56个开源模型 | NA | NA | SonoDQS, SonoMQS | NA |
| 3312 | 2025-11-26 |
OMetaNet: an efficient hybrid deep learning model based on multimodal data fusion and contrastive learning for predicting 2'-O-methylation sites in human RNA
2025-Nov-24, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06324-9
PMID:41286599
|
研究论文 | 提出基于多模态数据融合和对比学习的混合深度学习模型OMetaNet，用于预测人类RNA中的2'-O-甲基化位点 | 构建低冗余数据集，创新提出KN-PairMatrix编码方案，开发集成残差CNN、下采样优化CNN、Mamba网络和跨模态交互融合模块的深度学习框架，采用对比学习驱动的自适应混合损失函数和渐进特征解缠策略 | NA | 准确识别RNA 2'-O-甲基化位点，深入理解RNA调控机制 | 人类RNA中的2'-O-甲基化位点 | 生物信息学 | NA | RNA 2'-O-甲基化位点预测 | CNN, Mamba网络, 混合深度学习模型 | 序列数据, 多模态数据 | NA | NA | 残差CNN, 下采样优化CNN, Mamba网络, 跨模态交互融合模块 | 独立评估指标 | NA |
| 3313 | 2025-11-26 |
Mood states recognition based on Mandarin speech and deep learning in patients with bipolar disorder
2025-Nov-24, BMC psychiatry
IF:3.4Q2
DOI:10.1186/s12888-025-07630-5
PMID:41286671
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3314 | 2025-11-26 |
Detection of intracranial hemorrhage using ultralow-dose brain computed tomography with deep learning reconstruction versus conventional-dose computed tomography
2025-Nov-24, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-02082-5
PMID:41286703
|
研究论文 | 评估超低剂量脑CT结合深度学习重建在颅内出血检测中的诊断性能、图像质量和辐射剂量 | 首次比较超低剂量CT结合深度学习重建与传统剂量CT在颅内出血检测中的性能，实现辐射剂量降低约87.7% | 回顾性研究，样本量较小（93例患者），需更大规模研究验证 | 评估超低剂量CT结合深度学习重建在颅内出血检测中的诊断效能 | 93例患者（中位年龄67岁，61例男性）的脑CT影像 | 医学影像分析 | 颅内出血 | 计算机断层扫描（CT） | 深度学习重建（DLR） | CT影像 | 93例患者 | NA | NA | 灵敏度, 特异性, 图像噪声, 信噪比, 对比噪声比 | NA |
| 3315 | 2025-11-26 |
Diagnostic accuracy of traditional and deep learning methods for detecting depression based on speech features: a systematic review and meta-analysis
2025-Nov-24, BMC psychiatry
IF:3.4Q2
DOI:10.1186/s12888-025-07628-z
PMID:41286759
|
系统综述与荟萃分析 | 系统比较传统机器学习和深度学习方法在基于语音特征的抑郁症诊断中的准确性 | 首次系统比较传统机器学习与深度学习模型在语音特征抑郁症诊断中的表现，并进行亚组分析 | 纳入研究数量有限（25项），存在异质性，部分亚组样本量较小 | 评估和比较基于语音特征的传统机器学习和深度学习模型在抑郁症诊断中的准确性 | 临床确诊的抑郁症患者和健康对照者 | 自然语言处理 | 抑郁症 | 语音特征分析 | 传统机器学习,深度学习 | 语音 | 25项研究（9项TML，16项DL） | NA | NA | 灵敏度,特异性,AUC | NA |
| 3316 | 2025-11-26 |
Deep vision in agriculture: assessing the function of YOLO in the classification of plant leaf diseases (PLDs)
2025-Nov-24, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-025-00497-y
PMID:41286934
|
综述 | 本文系统综述了YOLO系列模型在植物叶片病害分类中的应用 | 首次对YOLOv1至YOLOv10及领域专用变体进行深度综合比较，并构建结构化数据集目录和性能基准分析 | NA | 评估YOLO模型在植物叶片病害检测中的性能表现和发展趋势 | 植物叶片病害(PLDs) | 计算机视觉 | 植物病害 | 深度学习 | YOLO系列目标检测模型 | 图像 | NA | NA | YOLOv1, YOLOv2, YOLOv3, YOLOv4, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10, CTB-YOLO, BED-YOLO, RAG-augmented YOLOv8 | 准确率, 精确率, 召回率, F1分数, 平均精度均值, 帧率 | NA |
| 3317 | 2025-11-26 |
The ANTsX ecosystem for mapping the mouse brain
2025-Nov-22, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-66741-5
PMID:41274934
|
研究论文 | 介绍ANTsX生态系统用于小鼠大脑图谱构建的映射流程和新方法 | 提出两种新方法：基于速度场的发育时间点连续插值方法和使用最小标注公开数据的深度学习自动脑区分割框架 | NA | 解决多模态数据映射到共享坐标框架的挑战 | 小鼠大脑 | 数字病理 | NA | MERFISH空间转录组学,fMOST形态学数据,发育MRI,LSFM数据 | 深度学习 | 空间转录组数据,形态学数据,磁共振成像,光片荧光显微镜数据 | NA | ANTsX | NA | NA | NA |
| 3318 | 2025-11-26 |
Enhanced Visualization of Intracranial Cortical Arteries Using Deep Learning Reconstruction in Vessel Wall MR Imaging
2025-Nov-22, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.tn.2025-0091
PMID:41285511
|
研究论文 | 本研究评估深度学习重建在血管壁成像中对颅内皮质动脉可视化效果的提升 | 首次将深度学习重建技术应用于血管壁磁共振成像，显著提升皮质动脉的可视化质量 | 样本量较小（17例患者），仅评估了特定序列的血管壁成像 | 评估深度学习重建在脑血管壁成像中的临床应用价值 | 颅内动脉系统，包括皮质动脉、颈内动脉、椎动脉、基底动脉等29个动脉节段 | 医学影像分析 | 脑血管疾病 | 3D T1WI-CUBE血管壁磁共振成像 | 深度学习重建 | 磁共振图像 | 17例患者 | NA | NA | 图像质量评分、信噪比(SNR)、对比噪声比(CNR) | NA |
| 3319 | 2025-11-26 |
Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network
2025-Nov-20, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07660-x
PMID:41261210
|
研究论文 | 提出基于卷积神经网络的深度学习框架，用于18F-flurpiridaz PET心肌灌注成像的动态逐帧运动校正 | 首次将3D-ResNet架构应用于PET图像的运动校正，实现自动化处理并减少人工干预的需求 | 研究依赖于两个经验丰富操作者的手动校正作为金标准，可能存在主观偏差 | 开发自动化的运动校正方法以提高心肌血流量定量的准确性和效率 | 接受18F-flurpiridaz PET心肌灌注成像的患者 | 医学影像分析 | 心血管疾病 | PET成像, 深度学习 | CNN | 3D PET图像 | 来自32个中心的III期临床试验数据（NCT01347710），采用5折交叉验证 | NA | 3D-ResNet | AUC, 一致性界限, 平均差异 | NA |
| 3320 | 2025-11-26 |
Boosting reservoir computing with brain-inspired adaptive control of E-I balance
2025-Nov-20, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-64978-8
PMID:41266325
|
研究论文 | 通过大脑启发的兴奋-抑制平衡自适应控制机制提升储备池计算性能 | 首次在储备池计算中引入动态调节兴奋-抑制平衡的自适应机制，并发现适度抑制状态能产生最佳性能 | 未明确说明实验数据规模和具体应用场景的局限性 | 提升储备池计算的性能并减少超参数调优成本 | 储备池计算网络 | 机器学习 | NA | 储备池计算 | 循环神经网络 | 时间序列数据 | NA | NA | 储备池计算 | 记忆容量, 时间序列预测精度 | NA |