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 36434 篇文献，本页显示第 3341 - 3360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3341 | 2025-11-18 |
AI-driven prediction of progression to oral squamous cell carcinoma using a multiresolution pathology model
2025-Nov-13, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02014-1
PMID:41233507
|
研究论文 | 开发基于多分辨率深度学习的病理模型，用于预测口腔潜在恶性病变进展为鳞状细胞癌的风险 | 首次将视觉变换器(ViT)应用于口腔病理图像分析，相比传统CNN模型表现更优，能够识别与恶性转化相关的组织病理学特征 | 需要在更大规模的前瞻性队列中进行进一步验证 | 改善口腔潜在恶性病变的风险分层和治疗决策 | 口腔潜在恶性病变患者 | 数字病理学 | 口腔鳞状细胞癌 | 数字病理 | ViT, CNN | 全切片病理图像 | 221张数字化全切片图像（111例进展者，110例非进展者） | NA | 视觉变换器(ViT) | 准确率, F1分数, AUROC | NA |
| 3342 | 2025-11-15 |
Evaluation of CNN-based deep learning models for auto-contouring in glioblastoma radiotherapy: a review
2025-Nov-13, Radiation oncology (London, England)
DOI:10.1186/s13014-025-02748-y
PMID:41233797
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3343 | 2025-11-15 |
Automated detection and segmentation of chondromalacia patella on axial knee MRI using YOLOv11 and a custom CNN: a deep learning-based diagnostic model
2025-Nov-13, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-09275-7
PMID:41233843
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3344 | 2025-11-18 |
A stomata imaging and segmentation pipeline incorporating generative AI to reduce dependency on manual groundtruthing
2025-Nov-13, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-025-01451-z
PMID:41233891
|
研究论文 | 提出一种结合生成式AI的气孔成像与分割流程，减少对人工标注数据的依赖 | 通过生成式AI合成数据增强模型泛化能力，实现跨物种气孔分割的自动适应 | 主要针对豌豆叶片进行研究，在其他植物物种上的适用性需进一步验证 | 开发自动化气孔性状提取系统，解决植物生物学中机器学习应用的标注瓶颈 | 豌豆叶片气孔 | 计算机视觉 | NA | 指甲油印迹技术，显微成像 | 深度学习网络 | 显微图像 | NA | NA | NA | 分割准确率 | NA |
| 3345 | 2025-11-18 |
Multi-class brain tumor MRI segmentation and classification using deep learning and machine learning approaches
2025-Nov-13, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00953-2
PMID:41233922
|
研究论文 | 本研究使用深度学习和机器学习方法对脑肿瘤MRI图像进行多类别分割和分类 | 提出边缘精炼二元直方图分割(ER-BHS)方法提取混合特征，并采用基于相关性的特征优化方法 | 样本量相对有限（1200张图像），仅包含六种肿瘤亚型 | 探索深度学习和机器学习方法在脑肿瘤MRI图像分类中的有效性 | 恶性与良性脑肿瘤及其六种亚型的MRI图像 | 医学影像分析 | 脑肿瘤 | MRI | 深度学习,机器学习,神经网络 | 医学图像 | 1200张DICOM格式脑肿瘤MRI图像，每类肿瘤200张图像 | NA | 随机委员会(RC)分类器 | 准确率 | NA |
| 3346 | 2025-11-18 |
A cross-cultivar hyperspectral framework for huanglongbing detection in citrus via wavelength optimization and deep learning
2025-Nov-13, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.127189
PMID:41242125
|
研究论文 | 提出一种基于高光谱成像和波长优化的跨柑橘品种黄龙病检测框架 | 结合连续投影算法和粒子群优化算法提取跨品种一致性波长，构建具有跨品种适应性的黄龙病检测方法 | 未明确说明样本具体数量和品种多样性，可能受限于特定实验条件 | 开发适用于不同柑橘品种的黄龙病早期检测方法 | 不同柑橘品种的高光谱图像数据 | 计算机视觉 | 植物病害 | 高光谱成像 | SVM, MLP, CNN | 高光谱图像 | NA | NA | 自定义卷积多尺度残差网络(CMR-CNN) | 准确率 | NA |
| 3347 | 2025-11-18 |
In-situ NIR spectroscopy study on microgravity-induced articular cartilage degeneration with ResNet-18
2025-Nov-11, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.127188
PMID:41242109
|
研究论文 | 本研究开发近红外光谱探针结合深度学习模型，用于微重力环境下关节软骨退化的原位检测与分类 | 首次将近红外光谱技术应用于微重力环境下的软骨退化评估，并采用ResNet-18模型实现多分类识别 | 实验样本数量有限，仅通过尾部悬吊模拟微重力环境，未在真实太空环境中验证 | 开发微重力环境下关节软骨退化的原位检测与评估方法 | 尾部悬吊模拟微重力环境下的大鼠关节软骨 | 数字病理 | 关节疾病 | 近红外光谱技术，尾部悬吊模拟微重力 | SVM, CNN | 光谱数据 | 对照组和尾部悬吊7、14、21天的软骨样本 | NA | ResNet-18 | 准确率 | NA |
| 3348 | 2025-11-18 |
Deep learning-assisted SERS platform for label-free detection of celecoxib in serum using ag@Pt@porous silicon Bragg mirror composite substrate
2025-Nov-10, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.127165
PMID:41242102
|
研究论文 | 开发了一种基于表面增强拉曼散射和深度学习的塞来昔布血清浓度检测平台 | 首次将Ag@Pt@多孔硅布拉格镜复合基底与深度学习模型相结合用于塞来昔布的免标记检测 | 深度学习模型在五类血药浓度分类中的最高准确率为84.17%，仍有提升空间 | 实现塞来昔布在拉曼光谱层面的定性识别和定量检测 | 塞来昔布药物分子 | 机器学习 | 关节炎 | 表面增强拉曼散射(SERS) | CNN | 拉曼光谱数据 | 五种不同血药浓度样本 | NA | GoogleNet, ResNet, VGG | 分类准确率 | NA |
| 3349 | 2025-11-18 |
Deep Learning for Autonomous Surgical Guidance Using 3-Dimensional Images From Forward-Viewing Endoscopic Optical Coherence Tomography
2025-Nov, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500181
PMID:40709742
|
研究论文 | 开发用于三维光学相干断层扫描图像分析的3D卷积神经网络，以增强经皮肾造口术中的内窥镜引导 | 首次将3D-CNN应用于前视内窥镜OCT图像分析，在推理延迟方面显著优于其他先进体积架构，为实时手术引导提供关键优势 | 研究仅使用10个猪肾脏数据集，样本规模有限，未在人体组织上进行验证 | 开发用于OCT引导手术干预的计算机辅助诊断工具 | 猪肾脏的3D OCT图像 | 计算机视觉 | 肾脏疾病 | 光学相干断层扫描(OCT) | 3D-CNN, 3D-ViT, 3D-DenseNet121, M3T | 3D图像 | 10个猪肾脏 | NA | 3D卷积神经网络, 3D Vision Transformer, 3D-DenseNet121, Multi-plane and Multi-slice Transformer | 准确率, 推理延迟 | NA |
| 3350 | 2025-11-18 |
Comparison of kinematics between markerless and marker-based motion capture systems for change of direction maneuvers
2025-Nov, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2025.112965
PMID:40974779
|
研究论文 | 比较无标记与基于标记的运动捕捉系统在变向动作中的运动学数据差异 | 首次系统比较无标记运动捕捉系统与金标准标记系统在变向动作中的运动学数据表现 | 样本仅包含23名男性参与者，未评估不同体型或性别的影响 | 评估无标记运动捕捉系统在运动表现评估中的适用性 | 人体变向动作的运动学特征 | 运动生物力学 | NA | 深度学习多摄像头同步捕捉，三角测量和逆运动学重建 | 深度学习 | 视频，运动学数据 | 23名男性参与者，每人进行5次90度变向动作试验 | NA | NA | Bland-Altman分析，组内相关系数，均方根偏差，归一化均方根误差 | NA |
| 3351 | 2025-11-18 |
Directed optimization and generation of yeast promoter sequences driven by deep learning
2025-Nov, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.148505
PMID:41138880
|
研究论文 | 提出基于扩散模型的酵母启动子定向优化与生成框架DOSDiff，无需预训练序列-表达预测器即可实现启动子功能增强 | 首次将扩散模型应用于启动子工程，通过局部序列编辑实现定向优化，无需依赖序列到表达预测模型 | 未明确说明模型在更广泛物种中的适用性及计算效率分析 | 开发无需预训练S2E模型的启动子定向优化方法 | 酵母启动子序列 | 机器学习 | NA | 深度学习，扩散模型 | 扩散模型 | DNA序列 | 酿酒酵母和毕赤酵母启动子（具体数量未明确） | NA | 扩散模型 | 4-mers分布相似度，表达增强倍数 | NA |
| 3352 | 2025-10-30 |
Simulation, artificial intelligence, and deep learning enhance emergency department leadership in life-threatening scenarios
2025-Nov, CJEM
DOI:10.1007/s43678-025-01035-9
PMID:41148511
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3353 | 2025-11-18 |
Predicting Mechanosensitive T Cell Expansion from Cell Spreading
2025-Nov, Advanced healthcare materials
IF:10.0Q1
DOI:10.1002/adhm.202501925
PMID:40717390
|
研究论文 | 本研究开发了一种通过短期细胞扩散预测T细胞长期扩增能力的方法 | 首次证明短期细胞扩散可预测机械敏感性T细胞扩增，并采用深度学习模型优于传统形态计量学方法 | 未明确说明样本规模和研究人群的具体特征 | 提高过继性细胞免疫疗法中T细胞扩增的预测准确性和治疗效果 | 健康供体和慢性淋巴细胞白血病患者的T细胞 | 数字病理学 | 慢性淋巴细胞白血病 | 细胞培养、机械刺激、深度学习分析 | 深度学习 | 细胞图像 | NA | NA | NA | 分类准确率 | NA |
| 3354 | 2025-11-18 |
DeepPlantAllergy: deep learning for explainable prediction of allergenicity in plant proteins
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf605
PMID:41236479
|
研究论文 | 开发了一个名为DeepPlantAllergy的深度学习模型，用于预测植物蛋白质的致敏性并提供可解释性分析 | 结合CNN、BiLSTM和多头自注意力机制来捕捉蛋白质序列的局部模式和长程依赖关系，并采用集成梯度方法识别致敏性相关残基 | NA | 开发能够准确预测植物蛋白质致敏性并提供可解释性分析的深度学习模型 | 植物蛋白质序列 | 生物信息学 | 过敏性疾病 | 蛋白质序列分析 | CNN, BiLSTM, MHSA | 蛋白质序列数据 | NA | NA | CNN-BiLSTM-MHSA混合架构 | F1分数, AUC | NA |
| 3355 | 2025-11-18 |
Impact of deep learning based reconstruction algorithms on CT radiomic features of carotid plaques
2025-Nov, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70346
PMID:41239182
|
研究论文 | 评估深度学习重建算法和自适应统计迭代重建算法对颈动脉斑块CT影像组学特征可重复性的影响 | 首次系统比较DLIR和ASIR-V两种重建算法对颈动脉斑块影像组学特征稳定性的影响 | 回顾性研究设计，样本量相对有限（76例患者，104个斑块） | 评估不同CT图像重建算法对颈动脉斑块影像组学特征的影响 | 颈动脉斑块 | 医学影像分析 | 心血管疾病 | CT血管成像 | 深度学习重建算法 | CT图像 | 76例患者，104个颈动脉斑块 | NA | NA | 组内相关系数 | NA |
| 3356 | 2025-11-18 |
Artificial intelligence in myeloid malignancies: Clinical applications of machine learning in myelodysplastic syndromes and acute myeloid Leukemia
2025-Nov, Blood reviews
IF:6.9Q1
DOI:10.1016/j.blre.2025.101340
PMID:41109825
|
综述 | 总结机器学习在急性髓系白血病和骨髓增生异常综合征中的临床应用 | 将机器学习应用于骨髓涂片、外周血涂片和流式细胞术诊断，开发动态个性化生存预测模型，使用生成方法创建隐私保护合成队列和数字孪生 | 需要严格验证、可解释算法、工作流程整合和监管监督 | 探索机器学习在髓系恶性肿瘤临床管理中的应用 | 急性髓系白血病(AML)和骨髓增生异常综合征(MDS)患者 | 机器学习 | 白血病 | 机器学习, 深度学习, 无监督聚类, 生成方法 | 神经网络 | 骨髓涂片, 外周血涂片, 流式细胞术数据, 基因组数据 | NA | NA | NA | 灵敏度, 特异性 | NA |
| 3357 | 2025-11-18 |
Factors associated with allergic diseases in Chinese children aged 6-14 years
2025-Oct-31, BMC public health
IF:3.5Q1
DOI:10.1186/s12889-025-24928-x
PMID:41174606
|
研究论文 | 通过机器学习算法识别中国6-14岁儿童过敏性疾病的关键影响因素 | 使用12种机器学习算法比较性能，并为三种过敏性疾病分别确定最小关键因素集 | 横断面研究设计无法确定因果关系，数据通过问卷收集可能存在回忆偏倚 | 识别和优化与儿童过敏性疾病相关的关键影响因素 | 中国6-14岁学龄儿童 | 机器学习 | 过敏性疾病 | 问卷调查 | 朴素贝叶斯 | 问卷数据 | 11308名儿童（其中4375名患有过敏性疾病） | Python | 高斯朴素贝叶斯, 伯努利朴素贝叶斯, 多项式朴素贝叶斯 | NA | NA |
| 3358 | 2025-11-18 |
Artificial Intelligence-Assisted Image Extraction in Neonatal Echocardiography for Congenital Heart Disease Diagnosis in Sub-Saharan Africa: Protocol for Model Development
2025-Oct-30, JMIR research protocols
IF:1.4Q3
DOI:10.2196/75270
PMID:41167236
|
研究论文 | 开发用于撒哈拉以南非洲地区新生儿先天性心脏病诊断的人工智能辅助超声心动图图像提取模型 | 采用结合卷积神经网络和卷积长短期记忆层的深度学习模型，通过交错视觉记忆框架整合快速和慢速特征提取器，实现实时心脏视图检测 | 研究目前处于开发阶段，最终结果尚未验证，模型性能有待实际临床环境测试 | 开发AI辅助超声心动图系统，使非专业操作人员能够为疑似先天性心脏病新生儿执行基本心脏超声扫描并提取准确心脏图像 | 撒哈拉以南非洲地区0-28天新生儿，疑似先天性心脏病患者 | 数字病理 | 先天性心脏病 | 超声心动图 | CNN, ConvLSTM | 视频 | 回顾性数据近500例新生儿，前瞻性数据1000例新生儿 | TensorFlow, PyTorch | 基于交错视觉记忆框架的卷积神经网络和卷积长短期记忆层 | 实时心脏视图检测准确率 | NA |
| 3359 | 2025-11-18 |
Detection of climate change signals using precipitation and temperature time series by a hybrid deep learning framework
2025-Oct-21, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-14712-0
PMID:41115993
|
研究论文 | 使用混合深度学习框架通过降水和温度时间序列检测气候变化信号 | 首次将CNN-BiLSTM-TCN-attention混合模型应用于泰国地区的气候变化检测，结合本地观测数据和CMIP6-GCM模拟 | 降水趋势空间异质性强且未显现明显信号，未来预测存在高度变异性 | 检测和量化泰国地区的气候变化信号 | 泰国地区的降水和温度时间序列数据 | 机器学习 | NA | 时间序列分析，偏差校正 | CNN, BiLSTM, TCN, Attention机制 | 时间序列数据 | 1993-2024年台站观测数据和CMIP6-GCM模拟数据 | NA | CNN-BiLSTM-TCN-attention混合架构 | 相关系数R, 均方误差MSE | NA |
| 3360 | 2025-11-18 |
Deep learning simulation and decision support system for groundwater salinity risk assessment in the lower Chao Phraya River Basin, Thailand
2025-Oct-15, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-14681-4
PMID:41091255
|
研究论文 | 本研究开发了一个结合深度学习模拟和决策支持系统的框架，用于评估泰国湄南河下游流域地下水盐渍化风险 | 融合可解释机器学习与概率分析和决策支持，提供实时地下水盐度风险评估的新颖可扩展工具 | 未明确说明模型在数据稀缺地区的泛化能力验证 | 评估沿海地区地下水盐渍化风险并支持基于证据的管理决策 | 泰国湄南河下游流域的地下水系统 | 机器学习 | NA | 多方法机器学习框架，SHAP特征归因分析，高斯copula模型 | 图神经网络(GNN) | 地下水监测数据，水文气候数据 | 212个监测站点在2008和2020年的数据 | NA | 图神经网络 | 预测性能 | NA |