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 32922 篇文献，本页显示第 341 - 360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 341 | 2025-10-31 |
Predicting prognosis of light-chain cardiac amyloidosis by magnetic resonance imaging and deep learning
2025-Oct-30, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeaf248
PMID:40891072
|
研究论文 | 开发基于磁共振成像和深度学习的全心脏分析方法，用于预测轻链心脏淀粉样变性的个体化预后 | 首次使用基于Transformer的深度学习模型对LGE图像进行全心脏分析，采用对比预训练策略增强特征区分度，并通过集成学习整合多个时间点的预测 | 研究样本量相对有限（394例患者），仅针对接受标准化化疗的AL-CA患者 | 开发个体化的AL-CA预后预测方法 | 轻链心脏淀粉样变性（AL-CA）患者 | 医学影像分析 | 心脏淀粉样变性 | 心血管磁共振晚期钆增强（LGE）成像 | Transformer, 深度学习 | 医学影像 | 394例AL-CA患者（测试集79例） | NA | Transformer | C-index, AUC, HR | NA |
| 342 | 2025-10-31 |
Developing a novel deep learning-based model for automatic right ventricular parameters assessment on ctpa in pulmonary embolism
2025-Oct-30, Emergency radiology
IF:1.7Q3
DOI:10.1007/s10140-025-02404-8
PMID:41162742
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 343 | 2025-10-31 |
Super Time-Resolved Tomography
2025-Oct-30, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202511933
PMID:41164925
|
研究论文 | 提出了一种名为超时间分辨断层扫描的新方法，通过深度学习算法显著提升断层扫描的时间分辨率 | 引入4D深度学习重建算法，在保持空间分辨率的同时将时间分辨率提高至少一个数量级 | 需要验证在实际应用中的稳定性和普适性 | 提升X射线时间分辨断层扫描的时间分辨率 | 液滴碰撞模拟和增材制造过程 | 计算机视觉 | NA | X射线时间分辨断层扫描 | 深度学习 | 4D断层扫描数据 | 模拟和实验数据 | NA | 4D深度学习重建算法 | 时间分辨率提升倍数，空间分辨率保持 | NA |
| 344 | 2025-10-31 |
Artificial intelligence-enabled hydrogels: innovations and applications
2025-Oct-30, Journal of materials chemistry. B
DOI:10.1039/d5tb01944c
PMID:41165199
|
综述 | 本文综述了人工智能在水凝胶设计与性能优化中的创新及其在3D打印、环境检测和伤口愈合等多场景应用 | 将人工智能技术（机器学习和深度学习）与传统水凝胶研究交叉融合，推动水凝胶向智能化和功能化发展 | 人工智能驱动的水凝胶研究仍存在局限性、挑战和待解决的策略问题 | 探讨人工智能在水凝胶材料研究中的创新应用与发展趋势 | 水凝胶材料及其在3D打印、组织工程、药物递送和生物传感等领域的应用 | 机器学习 | NA | NA | 机器学习,深度学习 | NA | NA | NA | NA | NA | NA |
| 345 | 2025-10-31 |
An optimized, high-throughput workflow for the collection, processing, and visualization of histology data in comparative vertebrate morphogenesis
2025-Oct-30, Developmental dynamics : an official publication of the American Association of Anatomists
IF:2.0Q3
DOI:10.1002/dvdy.70092
PMID:41165208
|
研究论文 | 提出针对脊椎动物胚胎薄层组织学的高通量优化工作流程，涵盖样本收集、处理和玻片制备 | 整合了常被胚胎组织研究忽略的分散方法学文献，并对脱水、二甲苯渗透和切片等常见技术提出优化调整 | 主要针对脊椎动物胚胎组织，可能不适用于其他类型样本 | 建立高质量组织学数据制备流程以支持现代发育生物学研究 | 脊椎动物胚胎组织 | 数字病理学 | NA | 薄层组织学技术 | 深度学习算法 | 2D组织学切片图像 | NA | NA | NA | NA | NA |
| 346 | 2025-10-31 |
Durative Monitoring of Sulfur Hexafluoride Characteristic Gases under Hydrogen Interference Using a Time2Vec-Encoded CNN-Transformer-LSTM Model Based on a Heterogeneous Gas Sensor Array
2025-Oct-30, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c02740
PMID:41165229
|
研究论文 | 提出一种基于异构气体传感器阵列和Time2Vec编码的CNN-Transformer-LSTM深度学习模型，用于六氟化硫分解气体的持续监测 | 首次将Time2Vec编码与CNN-Transformer-LSTM混合模型结合，并设计异构气体传感器阵列来降低交叉敏感性干扰 | 实验数据仅收集两天，样本时间跨度有限，需进一步验证长期监测性能 | 实现六氟化硫绝缘设备中分解气体的定性和定量检测 | 六氟化硫分解产生的HS、SO、CO和H₂四组分混合气体 | 传感器技术 | NA | 气体传感器阵列技术 | CNN,Transformer,LSTM | 气体传感器时序数据 | 连续两天采集的实验数据集，第一天数据进行了增强 | NA | CNN-Transformer-LSTM混合架构 | 准确率,F1-score,R²,RMSE | NA |
| 347 | 2025-10-31 |
Development and validation of a predictive model for adherent perirenal fat based on CT radiomics and deep learning
2025-Oct-29, World journal of urology
IF:2.8Q2
DOI:10.1007/s00345-025-06049-7
PMID:41160174
|
研究论文 | 本研究开发并验证了基于CT影像组学和深度学习的粘连性肾周脂肪预测模型 | 首次结合CT影像组学和深度学习技术预测术前粘连性肾周脂肪 | 样本量相对有限，外部验证集仅包含43例患者 | 开发术前预测粘连性肾周脂肪的预测模型 | 肾肿瘤患者 | 医学影像分析 | 肾肿瘤 | CT影像组学 | 深度学习,逻辑回归 | CT图像 | 460例患者（291例交叉验证集，126例内部测试集，43例外部测试集） | NA | 3D-UNet | AUC,Dice相似系数 | NA |
| 348 | 2025-10-31 |
Integrated multi-task learning framework for hepatocellular carcinoma segmentation and histological grading using fused multi-phase MRI
2025-Oct-29, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05266-3
PMID:41160193
|
研究论文 | 开发并验证了一个集成多任务学习框架，通过融合多期相MRI实现肝细胞癌分割和组织学分级 | 提出结合深度学习分割和放射组学特征的多任务学习框架，采用融合多期相MRI数据和Transformer-RFE-Fused模型 | 回顾性研究设计，样本来源单一 | 提高肝细胞癌肿瘤分割和分级的准确性 | 经病理证实的肝细胞癌患者 | 计算机视觉 | 肝细胞癌 | 多期相MRI成像 | Vision Transformer, nnU-Net, U-Net, DeepLabV3+, Swin Transformer, SegNet, TabTransformer, TabNet, XGBoost, CatBoost | MRI图像 | 1673例患者（875例高级别，798例低级别） | NA | Vision Transformer, nnU-Net, U-Net, DeepLabV3+, Swin Transformer, SegNet, TabTransformer, TabNet, XGBoost, CatBoost | DSC, 准确率, AUC | NA |
| 349 | 2025-10-31 |
Leveraging quantum chemical properties in transfer learning for predicting blood-brain barrier permeability of drugs
2025-Oct-29, Drug delivery and translational research
IF:5.7Q1
DOI:10.1007/s13346-025-02005-5
PMID:41160380
|
研究论文 | 本研究探索利用机器学习、深度学习和迁移学习模型预测药物分子的血脑屏障渗透性 | 首次将量子化学性质应用于迁移学习来预测血脑屏障渗透性，并证明其超越传统分子描述符的预测价值 | 实验验证仅使用18种化合物，样本量较小 | 开发计算模型以快速筛选药物的血脑屏障渗透性，加速中枢神经系统疾病治疗开发 | 药物分子及其血脑屏障渗透性 | 机器学习 | 中枢神经系统疾病 | PAMPA-BBB体外测定 | SVM, DNN, D-MPNN, 迁移学习 | 分子结构数据，量子化学性质 | B3DB数据库中约8,000种化合物，EEBL库中18种实验验证化合物 | NA | 直接消息传递神经网络 | 准确率, ROC-AUC | NA |
| 350 | 2025-10-31 |
Development and validation of a deep learning-based algorithm for quantifying bronchiolitis obliterans in pediatric computed tomography
2025-Oct-29, The British journal of radiology
DOI:10.1093/bjr/tqaf268
PMID:41160488
|
研究论文 | 开发并验证基于深度学习的算法，用于在儿科胸部CT上量化闭塞性细支气管炎 | 首次使用3D nnU-Net开发专门针对儿科患者的BO量化算法，并在不同重建方法、内核类型和层厚条件下验证了其鲁棒性 | 样本量相对较小（86名儿童），且为回顾性研究 | 开发用于儿科CT中闭塞性细支气管炎量化的深度学习算法 | 被诊断为闭塞性细支气管炎的儿科患者 | 医学影像分析 | 闭塞性细支气管炎 | CT扫描 | 深度学习 | 3D CT图像 | 86名儿童（39名男性，中位年龄10岁），包含26个训练CT扫描，4个内部测试CT扫描，6个外部测试CT扫描 | NA | 3D nnU-Net | Dice相似系数, 敏感度, 精确度 | NA |
| 351 | 2025-10-31 |
A neural network model with filtering-based time-domain data augmentation method for predicting vibration discomfort
2025-Oct-29, Ergonomics
IF:2.0Q3
DOI:10.1080/00140139.2025.2578206
PMID:41161794
|
研究论文 | 本研究通过深度学习模型预测多用途车辆第二排座椅的振动不适感 | 提出基于滤波的时域数据增强方法，通过白噪声信号匹配实测加速度频谱特性来增加样本量 | 扩展输入特征包含其他座椅部件振动时会导致性能下降 | 建立座椅振动与乘员不适感关系的预测模型 | 多用途车辆第二排座椅的振动数据 | 机器学习 | NA | 四柱试验台测试，时域加速度采集 | LSTM | 时域加速度数据 | 在不同座椅减震器设计和车辆运行条件下收集的三向加速度数据 | NA | LSTM | 预测准确度 | NA |
| 352 | 2025-10-31 |
Integrative deep learning of spatial multi-omics with SWITCH
2025-Oct-29, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00891-w
PMID:41162770
|
研究论文 | 提出一种名为SWITCH的深度生成模型，用于整合空间多组学数据并进行跨模态预测 | 引入循环映射机制，无需配对数据即可实现可靠的跨模态转换，并通过伪配对提供补充信号 | 未明确说明模型对特定数据类型或噪声水平的敏感性 | 开发计算方法来整合未配对的空间多组学数据并实现跨模态预测 | 空间多组学数据 | 机器学习 | NA | 空间多组学技术 | 深度生成模型 | 空间多组学数据 | NA | NA | SWITCH | 整合准确性，空间域划分精度 | NA |
| 353 | 2025-10-31 |
Correspondence on 'Deep learning-based quantification of tumor-infiltrating lymphocytes as a prognostic indicator in nasopharyngeal carcinoma: multicohort findings'
2025-Oct-28, ESMO open
IF:7.1Q1
DOI:10.1016/j.esmoop.2025.105880
PMID:41161129
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 354 | 2025-10-31 |
A rapidly evolving female-controlled lock-and-key mechanism determines Aedes mosquito mating success
2025-Oct-28, Current biology : CB
IF:8.1Q1
DOI:10.1016/j.cub.2025.09.066
PMID:41161314
|
研究论文 | 本研究通过双色荧光精子系统发现雌性伊蚊通过生殖器尖端伸长行为主动控制交配启动，揭示了一种快速进化的雌性控制的锁钥机制 | 首次发现雌性伊蚊通过生殖器尖端伸长行为主动控制交配，揭示了快速进化的雌性控制锁钥机制，并发现白纹伊蚊具有跨物种'撬锁'能力 | NA | 探究蚊子交配机制及雌性防止再次交配的生物学基础 | 入侵性埃及伊蚊和白纹伊蚊 | NA | NA | 双色荧光精子系统、行为追踪、深度学习、定量分析 | 深度学习 | 行为视频数据、荧光成像数据 | NA | NA | NA | 交配成功率统计（86%-96%单次交配率） | NA |
| 355 | 2025-10-31 |
New Advances in Imaging-Based Preoperative Prediction of STAS in Lung Adenocarcinoma: From CT and PET/CT to Radiomics and Deep Learning
2025-Oct-28, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.10.009
PMID:41162298
|
综述 | 本文系统回顾了基于CT、PET/CT影像结合人工智能技术术前预测肺腺癌气腔播散的研究进展 | 首次系统总结影像学结合人工智能在STAS术前预测中的最新进展，并探讨其在个性化治疗评估中的价值 | STAS诊断金标准仍依赖术后病理，存在诊断延迟问题 | 术前无创预测肺腺癌气腔播散状态 | 肺腺癌患者 | 医学影像分析 | 肺癌 | CT, PET/CT, 影像组学, 深度学习 | 机器学习, 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 356 | 2025-10-31 |
Artificial Intelligence in the Management of One Health: An Update
2025-Oct-28, Current molecular medicine
IF:2.2Q3
|
综述 | 本文探讨人工智能和机器学习在“一体健康”管理中的最新应用进展 | 系统阐述AI/ML技术如何通过预测分析、深度学习模型和决策支持系统革新一体健康范式 | NA | 分析AI/ML技术在一体健康领域监测、诊断和预测疾病方面的应用潜力 | 环境健康、动物健康和人类健康的交叉领域 | 机器学习 | 人畜共患病, 抗菌素耐药性 | 机器学习, 深度学习 | 深度学习模型 | 多源健康数据 | NA | NA | NA | NA | NA |
| 357 | 2025-10-31 |
Accelerating self-consistent field theoretic simulations for disordered systems with deep learning
2025-Oct-28, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0297384
PMID:41165135
|
研究论文 | 本研究开发了一种机器学习方法，通过深度学习加速自洽场理论模拟，直接根据势场预测密度场 | 首次将神经网络模型集成到自洽场理论中，无需计算链传播子这一计算密集型步骤 | 目前仅针对形成无序、非均匀结构的Gaussian链模型进行了验证 | 提高自洽场理论模拟的计算效率，解决各向异性系统和蠕虫状链模型等计算成本高的系统模拟问题 | 聚合物系统的热力学和自组装行为 | 机器学习 | NA | 自洽场理论，深度学习 | 神经网络 | 势场和密度场数据 | NA | NA | NA | 加速比 | NA |
| 358 | 2025-10-31 |
Deep learning-based vessel and nerve recognition model for lateral lymph node dissection: a retrospective feasibility study
2025-Oct-27, Langenbeck's archives of surgery
DOI:10.1007/s00423-025-03882-7
PMID:41144024
|
研究论文 | 开发基于深度学习的语义分割模型，用于在直肠癌侧方淋巴结清扫术中自动识别关键血管和神经结构 | 首次将深度学习语义分割技术应用于腹腔镜侧方淋巴结清扫术中的血管和神经识别，实现近实时术中分析 | 回顾性研究，样本量较小（22例患者），髂外静脉分割准确度相对较低 | 提高直肠癌侧方淋巴结清扫术的安全性和效率 | 腹腔镜侧方淋巴结清扫术中的闭孔神经、髂外动脉和髂外静脉 | 计算机视觉 | 直肠癌 | 腹腔镜手术视频分析 | 语义分割模型 | 手术视频图像 | 22例患者的992张图像 | NA | NA | 精确率, 召回率, Dice系数 | NA |
| 359 | 2025-10-31 |
Angle-resolved scatterometry combined with deep learning assisted in-situ monitoring of nanowire doping in molecular beam epitaxy process
2025-Oct-27, Microsystems & nanoengineering
IF:7.3Q1
DOI:10.1038/s41378-025-00990-8
PMID:41145417
|
研究论文 | 提出一种结合角度分辨散射测量和深度学习的纳米线掺杂浓度原位监测方法 | 首次将角度分辨散射测量与深度学习相结合用于分子束外延过程中的纳米线掺杂原位监测 | 研究主要针对GaN纳米线和AlN薄膜的Si掺杂，尚未验证其他材料体系的适用性 | 开发高精度的纳米线掺杂浓度原位监测方法 | GaN纳米线和AlN薄膜的Si掺杂过程 | 机器学习 | NA | 角度分辨散射测量，分子束外延 | 深度学习 | 角度分辨反射率数据 | 不同掺杂温度下的GaN纳米线和AlN薄膜样品 | NA | 神经网络 | 测量误差，掺杂浓度分辨率 | NA |
| 360 | 2025-10-31 |
Multi-view deep learning framework for the detection of chest X-rays compatible with pediatric pulmonary tuberculosis
2025-Oct-27, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-64391-1
PMID:41145423
|
研究论文 | 提出一种多视角深度学习框架pTBLightNet，用于通过识别与肺结核兼容的胸部X光片来检测儿童肺结核 | 首次开发专门针对儿童肺结核的多视角深度学习框架，结合正位和侧位胸部X光视图，并在成人数据集上预训练后针对儿科人群进行优化 | 外部测试的AUC相对较低(0.682)，表明模型在不同人群中的泛化能力仍需改进 | 开发用于儿童肺结核筛查的自动诊断工具 | 儿童肺结核患者 | 计算机视觉 | 肺结核 | 胸部X光成像 | 深度学习 | 医学图像 | 预训练数据114,173例成人胸部X光片，评估数据918例来自三个儿科结核病队列 | NA | pTBLightNet | AUC | NA |