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 32372 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 | 2025-10-05 |
Real-Time Deep-Learning Image Reconstruction and Instrument Tracking in MR-Guided Biopsies
2025-Oct-01, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70138
PMID:41035253
|
研究论文 | 开发基于深度学习的实时MRI图像重建和器械跟踪系统，用于加速MR引导活检手术 | 首次在临床环境中验证深度学习重建和器械跟踪方法，使用真实k空间采集数据而非模拟数据 | 样本量有限，仅8名患者用于前瞻性可行性测试，高欠采样率下性能下降 | 加速MR引导活检手术流程，实现实时器械跟踪 | 男性患者活检手术中的针导器械 | 医学影像分析 | 前列腺癌 | MRI, 深度学习 | 深度学习模型 | MR DICOM图像, k空间数据 | 1289名男性患者用于训练，8名男性患者用于测试 | NA | NA | 器械尖端预测误差, ITP成功率 | NA |
| 342 | 2025-10-05 |
Deep learning predicts osteogenic differentiation stages of human mesenchymal stem cells from phase-contrast microscopy images
2025-Sep-30, Dental materials journal
IF:1.9Q4
DOI:10.4012/dmj.2025-015
PMID:40903238
|
研究论文 | 本研究构建并验证了能够仅通过相差显微镜图像预测间充质干细胞成骨分化阶段的深度学习模型 | 首次使用深度学习模型从相差显微镜图像中非侵入性地预测人间充质干细胞的成骨分化阶段 | 研究仅使用了UE7T-13细胞系，未在其他细胞类型上验证模型的通用性 | 开发基于深度学习的细胞分化阶段自动识别方法 | 人间充质干细胞(UE7T-13细胞系) | 计算机视觉 | NA | 相差显微镜成像 | CNN | 图像 | 在D0、D1、D5、D10和D14五个时间点采集的相差显微镜图像 | NA | ResNet-50, DenseNet-121 | 精确率, 灵敏度, F1分数, 总体准确率 | NA |
| 343 | 2025-10-05 |
Deep learning-based optimal selection of construction and demolition waste crushing equipment
2025-Sep-30, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.127466
PMID:41033205
|
研究论文 | 提出基于深度学习的建筑垃圾破碎设备优化选择方法，通过图像识别和生命周期评估实现设备智能选择 | 首次将Mask R-CNN模型与Brute Force算法、3D体积重建方法结合，实现建筑垃圾尺寸和质量分布的快速评估，并引入生命周期评估和环境成本计算进行设备优化选择 | 尺寸分布和质量分布的整体误差保持在5%以内，未明确说明训练数据规模和模型泛化能力 | 开发建筑垃圾破碎设备的智能化选择方法，提高回收效率并降低环境排放 | 建筑拆除现场的建筑垃圾和破碎设备 | 计算机视觉 | NA | 深度学习，图像分割，3D体积重建，生命周期评估 | CNN | 图像 | NA | Mask R-CNN | Mask R-CNN | 分割准确率，尺寸分布误差，质量分布误差 | NA |
| 344 | 2025-10-05 |
Analysis of the analgesic mechanism of TENS-WAA in colonoscopy using the EEG-fNIRS system: a study protocol for a randomised controlled trial
2025-Sep-30, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2025-103681
PMID:41033775
|
研究论文 | 本研究通过随机对照试验探究基于腕踝针理论的经皮神经电刺激在结肠镜检查中的中枢镇痛机制 | 首次结合EEG-fNIRS多模态系统研究TENS-WAA的镇痛机制，并应用深度学习框架分析神经生理信号与主观疼痛体验的关系 | 单中心研究且样本量较小（60例患者），结果可能受到研究设计限制 | 探究TENS-WAA在结肠镜检查中的中枢镇痛机制 | 接受无麻醉结肠镜检查的患者 | 数字病理 | 结直肠疾病 | EEG-fNIRS多模态系统，经皮神经电刺激 | 深度学习 | 神经生理信号（EEG、fNIRS），主观疼痛评分 | 60例结肠镜检查患者 | NA | NA | 疼痛预测准确率，VAS评分相关性 | NA |
| 345 | 2025-10-05 |
Identification of structural predictors of lung function improvement in adults with cystic fibrosis treated with elexacaftor-tezacaftor-ivacaftor using deep-learning
2025-Sep-30, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2025.09.003
PMID:41033969
|
研究论文 | 本研究使用深度学习模型评估囊性纤维化成人患者在接受ETI治疗前后CT结构异常与肺功能改善的关系 | 首次使用深度学习模型量化囊性纤维化患者CT结构异常，并识别ETI治疗后肺功能改善的预测因子 | 研究仅基于CT影像和肺功能指标，未考虑其他可能影响治疗效果的临床因素 | 评估囊性纤维化患者CT结构异常与ETI治疗后肺功能改善的关系 | 囊性纤维化成人患者 | 数字病理 | 囊性纤维化 | CT影像分析 | 深度学习 | CT影像 | 训练集：100例CF患者和150例其他支气管疾病患者的胸部CT；测试集：218例接受ETI治疗的CF成人患者 | NA | NA | 与放射科医师表现相当 | NA |
| 346 | 2025-10-05 |
PTF-Vāc: An explainable and generative deep co-learning encoders-decoders system for ab-initio discovery of plant transcription factor binding sites
2025-Sep-30, Plant communications
IF:9.4Q1
DOI:10.1016/j.xplc.2025.101543
PMID:41035197
|
研究论文 | 开发了一种可解释的深度协同学习编码器-解码器系统PTF-Vāc，用于从头发现植物转录因子结合位点 | 首次提出基于通用TF:DNA相互作用模型的深度协同学习系统，将TFBS发现与基序查找步骤解耦，不依赖物种特异性模型 | NA | 解决植物转录因子结合位点发现中的跨物种变异性和上下文依赖性问题 | 植物转录因子及其结合位点 | 机器学习 | NA | 深度学习 | 编码器-解码器 | 基因组序列数据 | 大量实验数据 | NA | 深度编码器-解码器 | NA | NA |
| 347 | 2025-10-05 |
Leveraging MobileNetV2 and deep learning innovation for high accuracy Plasmodium Vivax detection in blood smears
2025-Sep-29, Saudi pharmaceutical journal : SPJ : the official publication of the Saudi Pharmaceutical Society
IF:3.0Q2
DOI:10.1007/s44446-025-00019-1
PMID:41021108
|
研究论文 | 本研究提出一种基于改进MobileNetV2和YOLOv3的深度学习模型，用于血液涂片中疟原虫的自动检测 | 在YOLOv3骨干网络中引入改进的MobileNetV2，并在瓶颈层使用提出的变换卷积层(TCL)，根据不同类别图像特征计算权重 | 模型在薄血涂片图像分类中的准确性仍是主要挑战 | 提高疟疾寄生虫检测的准确性和速度，为医疗专业人员提供更好的诊断方法 | 薄血涂片图像中的间日疟原虫(P. vivax)细胞 | 计算机视觉 | 疟疾 | 显微镜血液涂片检查 | YOLOv3, CNN | 血液涂片图像 | NA | NA | YOLOv3, MobileNetV2 | 准确率, 精确率, 召回率, F1分数, 平均精度均值(mAP) | NA |
| 348 | 2025-10-05 |
Identification of key genes for fish adaptation to freshwater and seawater based on attention mechanism
2025-Sep-29, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-025-12089-5
PMID:41023606
|
研究论文 | 提出基于注意力机制的WAGA模型，用于识别鱼类淡水和海水适应的关键基因 | 首次将自然语言处理与自注意力机制结合用于基因特征表示，通过注意力权重识别关键基因 | 未明确说明模型验证的具体数据集规模和物种范围 | 研究鱼类对淡水和海水环境的生态适应机制 | 淡水和海水鱼类的蛋白质编码基因 | 自然语言处理, 机器学习 | NA | 自然语言处理, 深度学习 | 自注意力机制 | 基因序列数据 | NA | NA | WAGA（加权注意力基因分析模型） | NA | NA |
| 349 | 2025-10-05 |
A hybrid method for fusion cardiac biomarkers and echocardiography videos in the experimental classification of Trypanosoma cruzi infection
2025-Sep-29, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-025-01446-w
PMID:41023672
|
研究论文 | 提出一种基于晚期多模态融合的混合方法，整合机器学习与深度学习算法，通过心脏生物标志物和超声心动图视频对克氏锥虫感染进行分类 | 首次将机器学习与深度学习通过晚期多模态融合相结合，用于克氏锥虫感染的分类诊断 | 研究仅使用96只ICR小鼠作为实验对象，样本量有限 | 开发自动化工具用于克氏锥虫感染的早期诊断和监测 | 克氏锥虫感染的小鼠模型 | 机器学习, 深度学习 | 恰加斯病 | 超声心动图, 生物标志物分析 | 集成特征选择, 多核学习, 深度学习 | 视频, 生物标志物数据 | 96只ICR小鼠 | NA | NA | 准确率, AUC, F1分数 | NA |
| 350 | 2025-10-05 |
Diagnostic performance of artificial intelligence for dermatological conditions: a systematic review focused on low- and middle-income countries to address resource constraints and improve access to specialist care
2025-Sep-29, International journal of emergency medicine
IF:2.0Q2
DOI:10.1186/s12245-025-00975-4
PMID:41023774
|
系统评价 | 本系统评价评估人工智能在低收入和中等收入国家皮肤病诊断中的应用性能，重点关注资源受限环境下的实施挑战 | 首次系统性地聚焦于低收入和中等收入国家的皮肤病AI诊断研究，填补了该领域的研究空白 | 研究设计异质性高，数据集肤色代表性不足，临床验证有限，存在基础设施障碍 | 评估AI技术在低收入和中等收入国家皮肤病诊断中的性能和应用效果 | 低收入和中等收入国家的皮肤病诊断 | 计算机视觉 | 皮肤病 | 深度学习 | CNN | 皮肤图像 | 基于19项研究的汇总数据 | NA | 卷积神经网络 | 敏感度, 特异度, 精确度, 准确率 | NA |
| 351 | 2025-10-05 |
Decoding ancestry-specific genetic risk: interpretable deep feature selection reveals prostate cancer SNP disparities in diverse populations
2025-Sep-29, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-025-00470-9
PMID:41024066
|
研究论文 | 提出一种可解释的深度特征选择框架，用于识别前列腺癌中具有种族特异性的SNP标志物 | 将可解释特征选择与深度学习相结合，通过梯度方差最小化和非线性交互建模解决高维SNP数据的泛化问题 | MEC-AA数据集（非洲裔美国人）的AUC较低（0.559），可能反映样本量限制和种群特异性复杂性 | 增强SNP在前列腺癌诊断中的预测能力和生物学相关性 | 良性及恶性前列腺癌样本 | 机器学习 | 前列腺癌 | SNP分析 | DNN | 基因组数据 | PLCO、BPC3和MEC-AA三个数据集 | NA | 深度神经网络 | AUC, p值 | NA |
| 352 | 2025-10-05 |
Gauze detection and segmentation in laparoscopic liver surgery: a multi-center study
2025-Sep-29, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03190-2
PMID:41024181
|
研究论文 | 开发用于腹腔镜肝脏手术中纱布检测与分割的深度学习框架 | 提出基于难度分级（简单/中等/困难）的定量评估方法，并在多中心数据上验证模型性能 | 样本量有限（仅33个手术视频），未说明模型实时性表现 | 辅助外科医生检测手术纱布，降低遗漏风险，提升手术安全性与效率 | 腹腔镜肝脏手术视频中的纱布 | 计算机视觉 | 肝脏疾病 | 腹腔镜手术视频分析 | CNN | 视频帧图像 | 33个腹腔镜肝脏手术视频（来自2家医院） | PyTorch | YOLOv8n, FCN-ResNet101 | 召回率, 精确率, Dice系数 | NA |
| 353 | 2025-10-05 |
Novel multi-task learning for Alzheimer's stage classification using hippocampal MRI segmentation, feature fusion, and nomogram modeling
2025-Sep-29, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03204-z
PMID:41024255
|
研究论文 | 开发并验证了一个基于海马体MRI的多任务学习框架，用于阿尔茨海默病进展阶段的多分类 | 提出了一种结合放射组学特征、深度学习特征和临床特征的多任务学习方法，并开发了可解释的诺模图模型 | 回顾性多中心研究，样本量相对有限 | 阿尔茨海默病进展阶段的准确分类和预测 | 2956名阿尔茨海默病患者，涵盖四个疾病阶段 | 医学影像分析 | 阿尔茨海默病 | T1加权MRI，海马体分割，特征融合 | LSTM, CNN, Transformer | MRI图像，临床数据 | 2956名患者 | PyTorch, Scikit-learn | U-Net, nnU-Net, Swin-UNet, MedT, Vision Transformer, Swin Transformer, 3D CNN-LSTM | 准确率, AUC, Dice系数 | NA |
| 354 | 2025-10-05 |
Deep learning-driven morphological analysis for assessing EMT state and drug sensitivity of single tumor cell
2025-Sep-29, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.118051
PMID:41032972
|
研究论文 | 开发基于卷积神经网络的深度学习模型，通过无标记形态分析评估单个肿瘤细胞的上皮间质转化状态和药物敏感性 | 首次实现单细胞分辨率下无标记、非侵入性的EMT状态量化分析，能够实时评估罕见循环肿瘤细胞的转移潜能 | 研究仅基于MCF-7细胞系，未在其他细胞类型或临床样本中验证 | 开发非侵入性方法评估肿瘤细胞EMT状态和药物敏感性 | 循环肿瘤细胞(CTCs)和MCF-7细胞系 | 数字病理学 | 癌症 | 无标记形态分析，TGF-β刺激EMT诱导 | CNN | 细胞图像 | NA | NA | 卷积神经网络 | NA | NA |
| 355 | 2025-10-05 |
Role of artificial intelligence in virtual emergency care: a protocol for a systematic review
2025-Sep-28, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2025-103084
PMID:41022432
|
系统评价方案 | 本文提出了一项系统评价方案，旨在综合人工智能在虚拟急诊护理中应用的当前研究现状 | 首次系统性地评估AI在虚拟急诊护理领域的应用，涵盖分诊、诊断和治疗建议等多个环节 | 仅使用已发表数据，可能受到原始研究质量和偏倚的限制 | 综合AI在虚拟急诊护理中的应用研究，识别关键挑战和机遇，为未来研究和实施提供建议 | 涉及AI在虚拟急诊护理中应用的原始研究文章、会议论文和预印本 | 医疗人工智能 | 急诊医学 | 系统评价方法学 | NA | 已发表文献数据 | 多个电子数据库从建库至2025年3月的相关文献 | NA | NA | 偏倚风险评估工具(PROBAST, Cochrane Risk-of-Bias tool, ROBINS-I) | NA |
| 356 | 2025-10-05 |
Deep learning approaches for image-based snoring sound analysis in the diagnosis of obstructive sleep apnea-hypopnea syndrome: A systematic review
2025-Sep-28, World journal of radiology
IF:1.4Q3
DOI:10.4329/wjr.v17.i9.109116
PMID:41025059
|
系统综述 | 系统分析基于深度学习的鼾声图像分析在阻塞性睡眠呼吸暂停低通气综合征诊断中的研究进展 | 首次系统综述专注于深度学习在鼾声图像分析应用于OSAHS诊断的最新进展，特别关注图形信号表示和网络架构 | 数据集变异性大、模型泛化能力有限、可解释性不足以及部署可行性等挑战 | 分析基于深度学习的OSAHS检测方法，特别关注鼾声的图形信号表示和网络架构 | 鼾声信号及其图形表示（如频谱图、尺度图） | 数字病理 | 阻塞性睡眠呼吸暂停低通气综合征 | 声音信号分析、图形信号转换 | 深度学习模型 | 声音信号转换的图像数据（频谱图、尺度图） | 基于14项研究的综合分析 | NA | NA | NA | NA |
| 357 | 2025-10-05 |
Artificial intelligence in carotid computed tomography angiography plaque detection: Decade of progress and future perspectives
2025-Sep-28, World journal of radiology
IF:1.4Q3
DOI:10.4329/wjr.v17.i9.110447
PMID:41025057
|
综述 | 本文综述了过去十年人工智能在颈动脉CT血管造影斑块检测中的应用进展与未来展望 | 整合了混合模型（如残差U-Net-金字塔场景解析网络）、领域自适应框架和贝叶斯优化增强的新型架构，在斑块分割精度和诊断效率上超越放射科医生 | 未提及具体数据集的样本量限制和模型泛化能力的详细评估 | 推动人工智能在颈动脉粥样硬化斑块检测领域的发展与应用 | 颈动脉CT血管造影图像中的动脉粥样硬化斑块 | 医学影像分析 | 心血管疾病 | CT血管造影（CTA） | 深度学习 | 医学影像 | NA | NA | U-Net, EfficientNet, 残差U-Net-金字塔场景解析网络 | 准确率, AUC, 相关系数, Dice系数 | NA |
| 358 | 2025-10-05 |
Application of deep learning-based convolutional neural networks in gastrointestinal disease endoscopic examination
2025-Sep-28, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i36.111137
PMID:41025070
|
综述 | 探讨基于深度学习的卷积神经网络在胃肠道疾病内镜检查中的应用现状与前景 | 系统梳理CNN在多种内镜场景（息肉检测、肿瘤分类、超声内镜、胶囊内镜）中的应用潜力 | 面临数据可用性不足、模型可解释性有限及临床整合困难等挑战 | 评估深度学习技术对胃肠道疾病诊断效能的提升作用 | 胃肠道疾病（胃癌、结直肠癌等）的内镜影像 | 计算机视觉 | 胃肠道疾病 | 内镜检查 | CNN | 内镜影像 | NA | NA | NA | 准确率 | NA |
| 359 | 2025-10-05 |
Gastroenterology in the age of artificial intelligence: Bridging technology and clinical practice
2025-Sep-28, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i36.110549
PMID:41025068
|
综述 | 探讨人工智能在消化病学领域的技术整合与临床应用前景 | 系统阐述AI技术如何通过深度学习、影像组学等方法革新消化病学的临床实践与药物研发流程 | 面临数据不一致性、伦理问题、算法偏见及数据隐私合规性等挑战 | 推动人工智能技术与消化病学临床实践的深度融合 | 消化系统疾病患者数据、药物研发流程、内镜检查影像 | 医学人工智能 | 炎症性肠病、慢性肝衰竭、肝硬化 | 深度学习、影像组学、计算机视觉、分子对接模拟 | CNN, RNN, Transformer, ANN, SVM | 医学影像、分子数据、临床数据 | NA | NA | NA | NA | NA |
| 360 | 2025-10-05 |
Deep learning for automatic vertebra analysis: A methodological survey of recent advances
2025-Sep-28, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
综述 | 本文系统综述了基于深度学习的自动椎骨分析方法的最新进展 | 提供了该领域最全面的最新综述，系统总结了网络架构改进和学习策略设计两大方法论视角 | 作为综述文章，不包含原始实验数据和新方法验证 | 总结自动椎骨分析领域的最新进展并指导未来研究方向 | 椎骨检测和分割的深度学习方法 | 医学影像分析 | 脊柱疾病 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |