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 32373 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 | 2025-10-06 |
A Generative AI-Assisted Piezo-MEMS Ultrasound Device for Plant Dehydration Monitoring
2025-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202504954
PMID:40536421
|
研究论文 | 开发了一种基于压电微机电系统的超声波设备，结合生成式人工智能实现植物叶片水分含量的实时监测 | 首次将CMOS兼容的压电微机电超声波传感器与条件变分自编码器相结合，实现非侵入式植物水分监测 | 未提及设备在不同环境条件下的长期稳定性测试结果 | 开发可重复使用的植物脱水监测系统以提高农业效率 | 植物叶片水分含量 | 机器学习和传感器技术 | 植物脱水 | 压电微机电系统（MEMS）和超声波传感 | 条件变分自编码器（CVAE） | 电信号 | 多种栽培品种的植物叶片 | NA | 条件变分自编码器 | 均方根误差（1.25%） | NA |
| 3302 | 2025-10-06 |
Bionic Multimodal Augmented Somatosensory Receptor Enabled by Thermogalvanic Hydrogel
2025-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202505873
PMID:40583160
|
研究论文 | 提出一种基于热电水凝胶的自供电多模态指尖受体，用于增强触觉感知 | 仿生皮肤感知机制，集成热电水凝胶作为主动机械感受器和热感受器，实现熵稳定材料指纹感知 | NA | 开发具有高灵敏度、自监督能力和环境稳定性的电子皮肤受体 | 触觉感知系统与材料识别 | 仿生传感 | 感觉障碍 | 热电转换，界面热传导 | 深度学习 | 热电压信号，动态差分信号 | NA | NA | NA | 准确率95.5% | NA |
| 3303 | 2025-10-06 |
Deep Learning-Assisted Rapid Bacterial Classification Based on Raman Spectroscopy of Bacteria Lysed by Acoustically Driven Fiber-Tip Vibration
2025-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202507724
PMID:40625037
|
研究论文 | 提出一种基于声流体裂解、拉曼光谱和深度学习的细菌快速分类新方法 | 首次将声驱动光纤尖端振动裂解技术与拉曼光谱和深度学习相结合，有效暴露细菌内部分子信息 | NA | 开发快速准确的细菌病原体识别方法以支持临床决策 | 七种细菌样本 | 机器学习 | 细菌感染 | 拉曼光谱, 声流体裂解技术 | CNN | 光谱数据 | 七种细菌样本 | NA | ResNet | 准确率 | NA |
| 3304 | 2025-10-06 |
External Testing of a Deep Learning Model for Lung Cancer Risk from Low-Dose Chest CT
2025-Aug, Radiology
IF:12.1Q1
DOI:10.1148/radiol.243393
PMID:40762850
|
研究论文 | 本研究在亚洲健康检查队列中对Sybil深度学习模型进行外部测试，评估其基于低剂量CT预测肺癌风险的能力 | 首次在亚洲人群中对Sybil模型进行外部验证，并特别评估了在从不吸烟或轻度吸烟人群中的预测性能 | 在从不吸烟或轻度吸烟亚组中对未来肺癌的预测性能较差(AUC 0.56)，模型在此人群中的适用性有限 | 验证Sybil深度学习模型在亚洲人群中预测肺癌风险的泛化能力 | 50-80岁接受健康检查的亚洲人群，包括重度吸烟者和从不/轻度吸烟者 | 数字病理 | 肺癌 | 低剂量CT扫描 | 深度学习 | 医学影像 | 18057名个体，其中92例确诊肺癌 | NA | Sybil | AUC | NA |
| 3305 | 2025-10-06 |
Inverse-designed metasurfaces for wavefront restoration in under-display camera systems
2025-Aug, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2025-0242
PMID:40896159
|
研究论文 | 提出一种逆向设计的超表面用于消除屏下摄像头系统中的衍射畸变，实现波前恢复 | 通过逆向设计超表面直接抑制金属像素结构引起的高阶衍射模式，无需依赖外部软件处理 | 未提及具体性能指标和实验验证规模 | 解决屏下摄像头系统中由显示面板周期性像素结构引起的光学衍射问题 | 智能手机屏下摄像头系统 | 计算光学 | NA | 超表面设计，波前调控 | NA | 光学图像 | NA | NA | NA | NA | NA |
| 3306 | 2025-10-06 |
ACtriplet: An improved deep learning model for activity cliffs prediction by in tegrating triplet loss and pre-training
2025-Aug, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101317
PMID:40893440
|
研究论文 | 提出一种改进的深度学习模型ACtriplet，通过整合三元组损失和预训练策略来预测活性悬崖 | 将人脸识别中的三元组损失与预训练策略相结合，专门针对活性悬崖预测任务设计新模型 | 数据量无法快速增加的困境 | 提高活性悬崖预测的准确性，推动深度学习在药物发现早期阶段的应用 | 活性悬崖（结构相似但结合亲和力差异大的化合物对） | 机器学习 | NA | 深度学习 | 深度神经网络 | 分子图像, 分子图 | 30个基准数据集 | NA | ACtriplet | NA | NA |
| 3307 | 2025-10-06 |
The future of pharmaceuticals: Artificial intelligence in drug discovery and development
2025-Aug, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101248
PMID:40893437
|
综述 | 本文探讨人工智能在药物发现与开发领域的应用现状、优势及挑战 | 系统阐述AI通过整合数据、算力与算法革新传统药物研发模式，涵盖分子生成、虚拟筛选到临床试验优化的全流程创新 | 面临数据共享机制不完善、算法知识产权保护不足、湿实验与干实验融合困难等挑战 | 分析AI技术在药物研发中的应用潜力与发展方向 | 药物研发流程（包括靶点发现、分子设计、临床试验等） | 机器学习 | NA | 机器学习，深度学习，分子生成技术，虚拟筛选 | NA | 分子数据，临床试验数据 | NA | NA | NA | NA | NA |
| 3308 | 2025-10-06 |
Automatic labels are as effective as manual labels in digital pathology images classification with deep learning
2025-Aug, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100462
PMID:40894240
|
研究论文 | 本研究探讨在数字病理图像分类中自动标签与手动标签对深度学习模型训练效果的比较 | 首次系统评估自动标签在数字病理图像分类中的有效性，并确定10%为噪声标签的容忍阈值 | 研究仅针对三种特定疾病类型，未涵盖更广泛的病理分类场景 | 研究自动标签在训练数字病理图像分类深度学习模型中的适用条件 | 全切片图像(WSI) | 数字病理 | 乳糜泻,肺癌,结肠癌 | 数字病理图像分析 | CNN, Vision Transformer | 图像 | 10,604个全切片图像 | NA | 卷积神经网络,视觉变换器 | F1-score | NA |
| 3309 | 2025-10-06 |
Comparison of Experienced and Inexperienced Raters Using Automated Deep Learning Computed Tomography Analysis to Evaluate Tricuspid Valve and Right Heart Morphology
2025-Aug, Structural heart : the journal of the Heart Team
DOI:10.1016/j.shj.2025.100488
PMID:40894369
|
研究论文 | 比较经验丰富和经验不足的评估者使用深度学习CT分析评估三尖瓣和右心形态的差异 | 首次证明基于深度学习的CT分析结果不受用户经验水平影响 | NA | 评估深度学习CT分析在三尖瓣和右心形态评估中的用户独立性 | 三尖瓣和右心形态 | 计算机视觉 | 心血管疾病 | 计算机断层扫描(CT) | 深度学习 | CT图像 | NA | NA | NA | NA | NA |
| 3310 | 2025-10-06 |
Utility of Thin-slice Fat-suppressed Single-shot T2-weighted MR Imaging with Deep Learning Image Reconstruction as a Protocol for Evaluating the Pancreas
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.2024-0017
PMID:38910138
|
研究论文 | 比较薄层脂肪抑制单次激发T2加权成像与深度学习图像重建在胰腺评估中的效用 | 首次将深度学习图像重建技术应用于薄层脂肪抑制单次激发T2加权成像，用于胰腺评估 | 回顾性研究设计，样本量较小（42例患者） | 评估不同T2加权成像协议结合深度学习图像重建在胰腺成像中的性能 | 胰腺癌患者 | 医学影像分析 | 胰腺癌 | MRI, 深度学习图像重建 | 深度学习 | 医学影像 | 42例胰腺癌患者 | NA | NA | 信噪比, 胰腺-病灶对比度, 图像质量评分 | NA |
| 3311 | 2025-10-06 |
Thin-slice 2D MR Imaging of the Shoulder Joint Using Denoising Deep Learning Reconstruction Provides Higher Image Quality Than 3D MR Imaging
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.2023-0115
PMID:38777762
|
研究论文 | 比较薄层2D磁共振成像与3D磁共振成像在肩关节成像中的质量差异 | 首次将并行成像、部分傅里叶技术和基于深度学习的去噪重建方法结合应用于肩关节2D MRI成像 | 样本量较小（仅18例患者），未详细说明深度学习模型的具体架构 | 评估薄层2D MRI结合先进成像技术和深度学习重建在肩关节成像中的优势 | 肩关节MRI图像 | 医学影像分析 | 肌肉骨骼疾病 | MRI, 并行成像, 部分傅里叶技术, 深度学习重建 | 深度学习 | 医学影像 | 18例患者 | NA | NA | 变异系数, 李克特五分量表, Gwet一致性系数 | NA |
| 3312 | 2025-10-06 |
Increased Expression of Secreted Form A Disintegrin and Metalloproteinase 28 (ADAM28s) in Esophageal Squamous Cell Carcinoma: Implication for Carcinoma Cell Proliferation via Interleukin 6 Receptor Shedding
2025-Jul-29, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2025.104222
PMID:40744225
|
研究论文 | 本研究探讨了ADAM28s在食管鳞状细胞癌中的过表达及其通过白细胞介素6受体脱落促进癌细胞增殖的分子机制 | 首次发现ADAM28s在食管鳞癌中以活性形式过表达，并揭示了其通过IL-6信号通路促进癌细胞增殖的新机制 | 研究仅使用了有限的细胞系（TE-1、KYSE-140、TE-8）和小鼠异种移植模型，需要更广泛的临床样本验证 | 研究ADAM28在食管鳞状细胞癌中的表达、临床意义及其介导癌细胞增殖的分子机制 | 食管鳞状细胞癌组织、癌细胞系（TE-1、KYSE-140、TE-8）、小鼠异种移植模型 | 癌症生物学 | 食管鳞状细胞癌 | 免疫印迹分析、免疫组织化学、深度学习人工智能分析、siRNA干扰、小鼠异种移植模型 | 深度学习模型 | 蛋白质印迹数据、免疫组织化学图像、细胞增殖数据、动物实验数据 | 食管鳞癌组织与正常食管组织对比，三种癌细胞系，小鼠异种移植模型 | NA | NA | 5年总生存率、疾病特异性生存率、肿瘤生长抑制率 | NA |
| 3313 | 2025-10-06 |
Clinical application of a deep learning system for automatic mandibular alveolar bone quantity assessment and suggested treatment options using CBCT cross-sections
2025-Jul-25, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000043257
PMID:40725950
|
研究论文 | 开发基于深度学习的自动下颌骨量评估系统，通过CBCT横截面图像提供种植治疗建议 | 首个将YOLOv8分割模型应用于下颌骨量自动评估并提供实时治疗建议的临床适用系统 | 系统仍需未来改进以完全满足临床应用需求 | 开发临床适用的AI系统，用于自动骨量评估和治疗方案建议 | 无牙颌区域的下颌牙槽骨和下牙槽神经管 | 计算机视觉 | 口腔疾病 | 锥形束计算机断层扫描(CBCT) | CNN | 医学图像 | 88个病例 | PyTorch | YOLOv8-seg | 精确度,召回率,mAP50,交并比,Dice相似系数 | NA |
| 3314 | 2025-10-06 |
Association of deep learning-derived histologic features of placental chorionic villi with maternal and infant characteristics in the New Hampshire birth cohort study
2025-Jul-23, Placenta
IF:3.0Q2
DOI:10.1016/j.placenta.2025.07.084
PMID:40902262
|
研究论文 | 本研究利用深度学习技术自动量化胎盘绒毛膜绒毛特征，并分析其与母婴临床特征的相关性 | 首次开发基于深度学习的自动化方法检测超过900万个胎盘绒毛，并利用无监督聚类识别出与生物学分类一致的绒毛亚型 | 研究样本仅来自新罕布什尔州出生队列，样本量相对有限，且仅分析了足月胎盘 | 通过AI方法标准化胎盘结构量化，减轻病理学家负担，深入了解胎盘生长和适应机制 | 1531例足月胎盘全玻片图像中的绒毛膜绒毛结构 | 数字病理学 | 妇产科疾病 | 全玻片成像，深度学习分割 | 深度学习分割模型 | 病理图像 | 1531例足月胎盘全玻片图像，检测超过900万个绒毛 | NA | NA | 统计显著性(p值) | NA |
| 3315 | 2025-10-06 |
Enhancing breast cancer classification using a deep sparse wavelet autoencoder approach
2025-Jul-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-11816-y
PMID:40681757
|
研究论文 | 提出一种集成深度学习、稀疏编码和小波网络的深度稀疏小波自编码器方法，用于增强二维乳腺癌图像分类性能 | 提出新型DSWAE架构，结合堆叠小波自编码器构建专门针对二维乳腺癌图像分类的鲁棒模型，在提升分类精度的同时优化计算效率 | NA | 开发高效的二维乳腺癌图像分类方法以提升早期检测和分期准确性 | 二维乳腺癌图像数据集 | 计算机视觉 | 乳腺癌 | 数字成像技术 | 自编码器 | 图像 | NA | NA | 深度稀疏小波自编码器(DSWAE), 堆叠小波自编码器 | 精确率, 召回率 | NA |
| 3316 | 2025-10-06 |
Ultrafast T2-weighted MR imaging of the urinary bladder using deep learning-accelerated HASTE at 3 Tesla
2025-Jul-15, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01810-1
PMID:40665218
|
研究论文 | 评估深度学习重建的半傅里叶单次激发快速自旋回波序列在3特斯拉磁共振上实现膀胱超快速成像的可行性 | 首次将深度学习重建技术应用于HASTE序列，显著缩短膀胱成像时间同时提高图像质量 | DL-HASTE和HASTE对膀胱内尿液流动伪影敏感，而T2-TSE序列几乎不受影响 | 开发并验证基于深度学习的超快速膀胱磁共振成像技术 | 50名接受盆腔磁共振检查的患者 | 医学影像 | 泌尿系统疾病 | 磁共振成像，深度学习重建 | 深度学习 | 磁共振图像 | 50名患者 | NA | NA | 图像质量评分，信噪比，对比噪声比 | NA |
| 3317 | 2025-10-06 |
Longitudinal Tracking of Emphysema Holes at Noncontrast CT: Dynamic Patterns and Clinical Relationships
2025-Jul, Radiology
IF:12.1Q1
DOI:10.1148/radiol.243239
PMID:40662972
|
研究论文 | 本研究使用深度学习软件纵向追踪肺气肿空洞的动态变化，并分析其与肺功能下降、疾病进展和死亡率的关系 | 首次使用深度学习技术对肺气肿空洞进行纵向追踪，并根据直径变化对空洞进行动态分组 | 样本量相对较小（108名参与者），且为韩国阻塞性肺病队列的二次分析 | 追踪肺气肿空洞的纵向变化模式，并研究其与临床指标的关系 | 韩国阻塞性肺病队列研究的参与者 | 医学影像分析 | 阻塞性肺病/肺气肿 | 非对比CT成像 | 深度学习 | CT医学影像 | 108名参与者（平均年龄63.4岁，104名男性） | NA | NA | 线性回归系数(β), p值, log-rank检验 | NA |
| 3318 | 2025-10-06 |
Improving RNA Secondary Structure Prediction Through Expanded Training Data
2025-May-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.03.652028
PMID:40654677
|
研究论文 | 通过构建扩展训练数据集来改进RNA二级结构预测 | 开发了大规模多样化的RNA序列与二级结构配对的RNASSTR数据集，并通过实验验证了该数据集对提升预测模型泛化能力的价值 | MXfold2模型在大型RNASSTR数据集上重新训练计算成本过高且测试性能不佳 | 解决RNA结构预测因训练数据不足而落后于蛋白质结构预测的问题 | RNA二级结构 | 机器学习 | NA | RNA结构预测 | 深度学习模型 | RNA序列和二级结构数据 | 大规模多样化的RNA序列-结构配对数据集 | NA | SincFold, MXfold2 | 泛化能力，预测准确性 | NA |
| 3319 | 2025-10-06 |
AI-driven early detection of severe influenza in Jiangsu, China: a deep learning model validated through the design of multi-center clinical trials and prospective real-world deployment
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1610244
PMID:40900711
|
研究论文 | 开发并验证基于深度学习的重症流感早期诊断模型 | 采用多中心临床试验设计和前瞻性真实世界部署验证的AI模型 | 研究范围限定在江苏省87家医院，可能存在地域局限性 | 开发重症流感早期诊断的深度学习模型 | 江苏省87家医院2019-2025年的电子健康记录数据 | 机器学习 | 流感 | 电子健康记录分析 | 深度学习 | 电子健康记录 | 江苏省87家医院2019-2025年数据 | NA | NA | AUC, 误诊率 | NA |
| 3320 | 2025-10-06 |
Automated Classification of Dental Caries in Bitewing Radiographs Using Machine Learning and the ICCMS Framework
2025, International journal of dentistry
IF:1.9Q2
DOI:10.1155/ijod/6644310
PMID:40894183
|
研究论文 | 本研究评估YOLOv11模型在咬翼片中基于ICCMS框架的龋齿自动检测与分割性能 | 首次将YOLOv11模型与标准化ICCMS框架结合用于龋齿分类，并系统评估不同阶段龋损的检测性能差异 | 模型对早期龋损（RA1+RA2和RA3类别）检测性能中等，mAP50分别为0.61和0.52 | 开发基于人工智能的龋齿自动检测系统以提高诊断准确性 | 咬翼片中的龋齿病变 | 计算机视觉 | 龋齿 | 深度学习 | YOLO | X射线图像 | 730张咬翼片，包含1115个标注龋损 | NA | YOLOv11 | IoU, Dice相似系数, 精确率, 召回率, mAP50 | NA |