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 36734 篇文献，本页显示第 3641 - 3660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3641 | 2025-11-20 |
OrnAsia: A dataset of asian ornaments for image classification and cultural identification
2025-Dec, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.112195
PMID:41255856
|
研究论文 | 本文介绍了一个包含1088张亚洲传统饰品高分辨率图像的数据集，用于图像分类和文化识别研究 | 填补了饰品相关数据集在文化背景和图像多样性方面的空白，提供了平衡的传统饰品类型和经过验证的标注 | 数据采集仅限于孟加拉国米尔普尔地区，可能无法完全代表整个亚洲地区的饰品多样性 | 支持计算机视觉和人工智能技术在文化饰品分类识别中的应用 | 六种亚洲传统饰品：手镯、戒指、耳环、头饰、项链和脚链 | 计算机视觉 | NA | 智能手机摄影 | 深度学习模型 | 图像 | 1088张高分辨率原始图像，分为6个类别 | NA | NA | NA | NA |
| 3642 | 2025-11-20 |
Deep learning-based noise reduction method for the system matrix in magnetic particle imaging
2025-Nov-19, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae19c9
PMID:41166879
|
研究论文 | 提出一种基于深度学习的磁粒子成像系统矩阵噪声抑制方法 | 首次将残差块与Swin Transformer模块结合的混合编码器-解码器网络用于MPI系统矩阵去噪 | 仅在模拟数据集和有限真实数据集上验证，未在更广泛的临床场景中测试 | 开发高效的噪声抑制方法以提升磁粒子成像图像质量 | 磁粒子成像系统矩阵 | 医学影像处理 | NA | 磁粒子成像 | 深度学习 | 系统矩阵数据 | 模拟数据集、OpenMPI数据集和内部MPI系统采集数据集 | NA | 混合编码器-解码器网络,Res-Blocks,Swin Transformer | 信噪比,峰值信噪比,结构相似性指数 | NA |
| 3643 | 2025-11-20 |
Diagnostic performance of X-ray-based deep learning models for detecting ankle and foot fractures: a systematic review and meta-analysis
2025-Nov-19, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-025-05078-y
PMID:41254255
|
系统评价与荟萃分析 | 评估基于X射线的深度学习模型在检测踝足骨折中的诊断性能 | 首次对深度学习模型在踝足骨折X射线检测中的诊断准确性进行系统性综述和荟萃分析 | 纳入研究数量有限(14项)，需要更大样本量和外部验证的进一步研究 | 评估AI模型使用X射线图像检测踝足骨折的诊断准确性 | 踝部和足部骨折 | 医学影像分析 | 骨科创伤 | X射线成像 | 深度学习模型 | X射线图像 | 基于14项研究的汇总分析 | NA | NA | 灵敏度,特异性,F1分数,DOR | NA |
| 3644 | 2025-11-20 |
Image Fusion for Super-Resolution Mass Spectrometry Imaging of Plant Tissue
2025-Nov-19, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202512662
PMID:41255198
|
研究论文 | 本研究提出了一种专用于植物组织质谱成像数据超分辨率融合的损失控制残差网络工作流程 | 开发了边缘感知损失函数来评估复杂形态信息，实现了高达20倍放样的高质量超分辨率融合图像 | 未明确说明样本数量和数据规模 | 提升植物组织质谱成像数据的超分辨率融合效果 | 植物组织质谱成像数据 | 计算机视觉 | NA | 质谱成像 | CNN | 图像 | NA | NA | 残差网络 | 边缘感知损失 | NA |
| 3645 | 2025-11-20 |
Modulus Matching and Interface Enhancement: A Synergistic Strategy for Antidelamination High-Performance Stretchable Triboelectric Nanogenerator
2025-Nov-19, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202518027
PMID:41255257
|
研究论文 | 提出一种基于同源聚合物配对的抗分层高性能可拉伸摩擦纳米发电机构建策略 | 通过分子连续界面设计实现模量匹配和应变协调，结合超声空化处理将界面韧性提升至传统PDMS基界面的3.2倍 | NA | 开发具有抗分层特性的高性能可拉伸摩擦纳米发电机 | 摩擦纳米发电机的功能层界面 | 柔性电子 | NA | 超声空化处理 | 深度学习算法 | 字符识别数据 | NA | NA | NA | 准确率 | NA |
| 3646 | 2025-11-20 |
Patent analysis of mRNA therapy using deep learning
2025-Nov-19, Naunyn-Schmiedeberg's archives of pharmacology
DOI:10.1007/s00210-025-04734-3
PMID:41258061
|
研究论文 | 基于深度学习方法的mRNA治疗专利分析研究 | 首次结合深度学习和社会网络分析方法对mRNA治疗专利进行定量分析和未来预测 | 仅基于Derwent专利数据库，时间跨度为27年 | 通过专利分析阐明mRNA技术竞争格局，为技术创新和产业发展提供依据 | mRNA治疗相关专利 | 自然语言处理 | 传染病,癌症 | 专利分析,社会网络分析 | 深度学习,机器学习 | 专利文本 | 27年的mRNA治疗专利数据 | NA | NA | NA | NA |
| 3647 | 2025-11-20 |
PMI estimation with cross-species transfer learning and visual information generated by pathomics foundation model
2025-Nov-19, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-025-03659-z
PMID:41258447
|
研究论文 | 提出基于病理学基础模型和跨物种迁移学习的死后间隔(PMI)估计框架，通过两阶段微调策略和可视化方法解决动物到人类样本的可迁移性和模型可解释性问题 | 采用两阶段跨物种迁移学习策略，先使用猪肝全玻片图像预训练，再用少量人类数据微调；开发了包含概率图、类别图和分类比例直方图的可视化框架增强模型可解释性 | 人类样本数量有限(23例)，可能影响模型泛化能力；仅使用肝脏组织，未验证其他器官的适用性 | 开发准确、可解释的死后间隔(PMI)估计方法，解决法医病理学中的关键问题 | 猪肝和人类肝脏组织的全玻片图像 | 数字病理学 | 法医病理学 | 全玻片图像分析 | Vision Transformer, CNN | 病理图像 | 16例猪样本和23例人类样本 | NA | ResNet50, DenseNet121, SongCi, UNI | 准确率 | NA |
| 3648 | 2025-11-20 |
Biological Age Prediction of the Cerebellar Vermis in the Human Lifespan
2025-Nov-19, Cerebellum (London, England)
DOI:10.1007/s12311-025-01929-5
PMID:41258571
|
研究论文 | 利用深度学习从结构MRI预测小脑蚓部生物年龄并分析其老化模式 | 首次使用脑结构年龄深度学习生物标志物系统研究小脑蚓部区域特异性老化模式 | 横断面研究设计无法确定因果关系，样本仅来自单一数据库 | 评估小脑蚓部区域特异性老化模式及其影响因素 | 245名健康参与者的脑部MRI数据 | 医学影像分析 | 衰老相关疾病 | 结构磁共振成像 | 深度学习 | 3D T1加权磁共振图像 | 245名健康参与者（年轻组20-39岁，中年组40-59岁，老年组≥60岁） | NA | NA | 调整后R方 | 3T MRI，64通道线圈 |
| 3649 | 2025-11-20 |
Random Convolutions for Domain Generalization of Deep Learning-based Medical Image Segmentation Models
2025-Nov-19, Radiology. Artificial intelligence
DOI:10.1148/ryai.240502
PMID:41258795
|
研究论文 | 评估随机卷积作为数据增强策略在医学图像分割模型领域泛化能力提升中的应用效果 | 提出将随机卷积作为数据增强策略来提升医学图像分割模型的领域泛化能力 | 增强概率和配置需要在域内和域外性能之间进行权衡 | 提高深度学习医学图像分割模型的领域泛化能力 | 腹部器官分割（CT和MRI图像）和脑组织分割（T1w和T2w图像） | 医学图像分析 | 多器官分割 | CT, MRI, T1加权成像, T2加权成像 | UNet | 医学图像 | AbdomenCT-1k: 361例CT图像；AMOS: 298例CT和59例MRI扫描；IXI: 504例T1w图像和146对T1w/T2w图像 | NA | UNet | Dice系数 | NA |
| 3650 | 2025-11-20 |
FaceAge as a biomarker for prognosis and treatment stratification in large-scale oncology cohort
2025-Nov-19, Journal of the National Cancer Institute
DOI:10.1093/jnci/djaf323
PMID:41259012
|
研究论文 | 本研究探讨FaceAge（基于面部照片估计生物年龄的深度学习系统）与实足年龄的极端差异在预测28种癌症类型患者生存期和早期死亡率中的预后价值 | 首次在大规模癌症队列中验证FaceAge与实足年龄的极端差异作为生存期和早期死亡率的独立预测因子 | 研究仅纳入接受放射治疗的老年患者（≥60岁），可能限制结果的普适性 | 评估FaceAge作为癌症预后生物标志物的临床价值 | 24,556名年龄≥60岁的癌症患者 | 数字病理 | 癌症 | 深度学习 | CNN | 面部照片 | 24,556名癌症患者，涵盖28种癌症类型 | NA | FaceAge | 风险比(HR), 比值比(OR), P值 | NA |
| 3651 | 2025-11-20 |
Enhancing deep chemical reaction prediction with advanced chirality and fragment representation
2025-Nov-18, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc02641e
PMID:40932372
|
研究论文 | 本研究通过引入fragSMILES分子表示方法，在深度学习有机反应预测中实现了对分子手性和子结构的更好表征 | 开发了能够同时编码分子子结构和手性信息的fragSMILES表示法，在立体化学反应信息识别方面表现优异 | NA | 改进有机反应预测的深度学习模型性能，特别是立体化学复杂性的捕捉能力 | 有机化学反应 | 机器学习 | NA | 深度学习 | NA | 分子结构文本表示 | NA | NA | NA | 正向合成预测准确率，逆向合成预测准确率 | NA |
| 3652 | 2025-11-20 |
Transforming microfluidics for single-cell analysis with robotics and artificial intelligence
2025-Nov-18, Lab on a chip
IF:6.1Q2
DOI:10.1039/d5lc00216h
PMID:41190506
|
综述 | 探讨机器人技术和人工智能在单细胞分析微流体技术中的创新应用与未来发展 | 提出通过机器人操作、数字微流控和微型机器人增强实验精度与可扩展性，并利用深度学习实现无标记图像处理和细胞状态分析 | 技术集成实施仍面临挑战，未提供具体实施案例验证 | 克服微流控单细胞分析在自动化、可靠性和技术壁垒方面的局限性 | 单细胞分析技术与微流体系统 | 生物医学工程 | NA | 微流控技术，单细胞分析 | 生成模型，深度学习模型 | 细胞图像数据，单细胞分析数据 | NA | NA | NA | 准确性，可重复性 | 远程共享云实验室 |
| 3653 | 2025-11-20 |
Deep Learning-Assisted Prediction of Air-Bone Gap Using Tympanic Membrane Perforation Image Features
2025-Nov-18, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery
DOI:10.1002/ohn.70074
PMID:41252627
|
研究论文 | 开发基于深度学习的鼓膜穿孔图像分析方法，用于预测气骨导差 | 首次使用Mask R-CNN自动分割鼓膜和穿孔区域，并基于分割特征预测气骨导差 | 样本量有限（150张穿孔鼓膜图像），模型性能仍有提升空间 | 解决特定人群或环境下听力测试设备不足的问题，提供替代评估方法 | 鼓膜穿孔患者的耳镜图像 | 计算机视觉 | 听力损失 | 耳镜成像 | CNN, Mask R-CNN | 图像 | 1014张完整鼓膜图像，150张穿孔鼓膜图像（模型开发），75张术中穿孔图像（独立测试） | NA | Mask R-CNN | 类别像素准确率，交并比，Dice系数，R²，均方根误差，10dB内预测比例 | NA |
| 3654 | 2025-11-20 |
Harnessing artificial intelligence to advance CRISPR-based genome editing technologies
2025-Nov-18, Nature reviews. Genetics
DOI:10.1038/s41576-025-00907-1
PMID:41254174
|
综述 | 本综述探讨人工智能如何推动CRISPR基因编辑技术的发展与应用 | 系统总结AI在优化基因编辑器、指导工具工程化和发现新型编辑酶方面的创新应用，并提出AI驱动的虚拟细胞模型等新兴机遇 | NA | 总结人工智能方法在基因编辑技术中的应用进展并展望未来发展方向 | CRISPR基因编辑技术（包括核酸酶编辑、碱基编辑和引物编辑）及人工智能方法 | 机器学习 | 遗传疾病 | CRISPR基因编辑 | 机器学习,深度学习 | NA | NA | NA | NA | NA | NA |
| 3655 | 2025-11-20 |
Opportunities for AI-based Model-informed Drug Development: A Comparative Analysis of NONMEM and AI-based Models for Population Pharmacokinetic Prediction
2025-Nov-18, The AAPS journal
DOI:10.1208/s12248-025-01121-x
PMID:41254220
|
研究论文 | 比较人工智能模型与传统NONMEM方法在群体药代动力学预测中的性能 | 首次系统比较多种AI/ML模型与NONMEM在群体药代动力学预测中的表现，包括神经网络常微分方程模型的应用 | 模型性能受数据类型和特征影响，需要更多真实临床数据验证 | 评估人工智能方法在模型引导药物开发中群体药代动力学分析的效能 | 群体药代动力学模型 | 机器学习 | NA | 群体药代动力学分析 | 机器学习模型,深度学习模型,神经网络常微分方程 | 模拟数据,临床数据 | 1770名患者（真实临床数据） | NA | 神经网络常微分方程 | 均方根误差,平均绝对误差,决定系数 | NA |
| 3656 | 2025-11-20 |
HPCSMN: A Classification Method of Chemotherapy Sensitivity of Hypopharyngeal Cancer Based on Multimodal Network
2025-Nov-18, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00783-7
PMID:41254314
|
研究论文 | 提出基于多模态融合网络的喉咽癌化疗敏感性分类方法HPCSMN，通过整合3D CT图像和影像组学特征提高预测准确率 | 首次将3D CT图像空间特征与LASSO筛选的影像组学特征通过多模态网络融合，利用互补优势捕获复杂空间依赖关系和详细影像特征 | 样本量相对有限（仅102例），仅基于单中心数据验证 | 开发喉咽癌化疗敏感性分类方法以支持个性化治疗 | 喉咽癌患者 | 数字病理 | 喉咽癌 | CT成像，影像组学分析 | 多模态融合网络，3D CNN | 3D CT图像，影像组学特征，临床数据 | 102例喉咽癌CT图像（NKU-TMU-hphc数据集） | NA | 3D ResNet，全连接网络 | 准确率，多评价指标 | NA |
| 3657 | 2025-11-20 |
Subtype-HM: A Novel Cancer Subtype Identification Method Based on Hypergraph Learning and Multi-omics Data
2025-Nov-18, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00789-1
PMID:41254315
|
研究论文 | 提出基于超图学习和多组学数据的癌症亚型识别新方法Subtype-HM | 使用多级超图建模复杂生物结构，设计超图传播网络捕获组学内外相关性，引入并行判别器引导的注意力模块提取组学特异性特征，提出多组学对比熵对齐方法 | NA | 提高癌症亚型识别的准确性和生物可解释性 | 癌症患者的多组学数据 | 机器学习 | 癌症 | 多组学数据分析 | 超图学习网络 | 多组学数据 | TCGA癌症数据集 | NA | 超图传播网络 | 生存分析p值, 临床参数富集分数 | NA |
| 3658 | 2025-11-20 |
Artificial Intelligence in the Detection of Clinically Negotiable Second Mesio-Buccal Canals in Periapical Images of Maxillary Molars
2025-Nov-18, International endodontic journal
IF:5.4Q1
DOI:10.1111/iej.70065
PMID:41254435
|
研究论文 | 本研究开发并验证了用于检测上颌磨牙根尖片中可临床操作MB2根管的深度学习模型 | 首次比较六种预训练监督卷积神经网络和三种自监督模型在MB2根管检测中的性能，并与人类临床医生进行对比 | 样本量相对有限（1504张图像），模型准确率仍有提升空间（最高66.0%） | 评估人工智能在牙髓病学病例难度评估中的潜力 | 上颌第一和第二磨牙的根尖周影像 | 计算机视觉 | 牙髓疾病 | 深度学习 | CNN | 图像 | 1504张术前根尖周影像 | NA | ResNet-18, ResNet-50, ResNeXt-101, VGG-16, DenseNet-121, MobileNetV2, DINO, SimCLR, BYOL | 准确率, 精确率, 敏感度, 特异度, F1分数 | NA |
| 3659 | 2025-11-20 |
Development and validation of a deep learning model for individualized survival prediction in advanced cervical cancer
2025-Nov-18, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-03920-2
PMID:41258562
|
研究论文 | 开发并验证了一种用于晚期宫颈癌个体化生存预测的深度学习模型 | 首次利用晚期宫颈癌数据库和深度学习方法开发新型预后模型 | NA | 开发个体化生存预测模型以改善晚期宫颈癌预后评估 | 晚期宫颈癌患者 | 机器学习 | 宫颈癌 | 深度学习 | 深度生存学习模型 | 流行病学、临床和血液学变量 | 内部数据集1143例患者（训练集914例，测试集229例），外部验证集3495例患者 | NA | DSLM | AUROC | NA |
| 3660 | 2025-11-20 |
Integrating Deep Feature Extraction and MRI Radiomics for Survival Prediction in Breast Cancer After Neoadjuvant Chemotherapy
2025-Nov-17, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.10.050
PMID:41253608
|
研究论文 | 本研究通过整合深度学习特征提取和MRI影像组学开发多模态Cox模型，用于预测乳腺癌新辅助化疗后的生存期 | 首次将CNN提取的深度病理特征与MRI影像组学特征相结合构建多模态预后模型，突破了以往单模态研究的局限 | 样本量相对有限（216例患者），且为多中心回顾性研究 | 开发更精确的预后工具以优化乳腺癌新辅助化疗患者的临床决策 | 216例完成新辅助化疗的乳腺癌患者 | 数字病理学 | 乳腺癌 | 多参数MRI, 深度学习特征提取 | CNN, Cox比例风险模型 | 医学影像, 临床数据, 病理数据 | 216例乳腺癌患者 | NA | ResNet50 | AUC, 校准曲线, 决策曲线分析 | NA |