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 36836 篇文献，本页显示第 3721 - 3740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3721 | 2025-11-21 |
3D auto-segmentation of pancreas cancer and surrounding anatomical structures for surgical planning
2025-Oct-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002835
PMID:40576127
|
研究论文 | 开发基于深度学习的胰腺癌及周围解剖结构自动分割模型，用于手术规划 | 采用分层Swin Transformer V2模型进行胰腺癌三维自动分割，并在多中心数据上进行验证 | 胰腺癌分割准确度相对较低（DSC 54.5-57.0），小肿瘤分割性能有待提升 | 通过CT图像自动分割胰腺癌及周围结构以改善手术规划 | 胰腺癌患者及胰腺周围解剖结构 | 数字病理 | 胰腺癌 | 计算机断层扫描（CT） | Transformer | 三维CT图像 | 275名患者（176训练，59内部验证，40外部验证） | NA | Swin Transformer V2 | Dice相似系数, 定性评估 | NA |
| 3722 | 2025-11-21 |
Development and validation of a deep learning ultrasound radiomics model for predicting drug resistance in lymph node tuberculosis a multicenter study
2025-Oct-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002850
PMID:40607926
|
研究论文 | 开发并验证基于深度学习超声影像组学模型用于预测淋巴结结核耐药性 | 首次将集成机器学习算法与AdaBoost相结合应用于淋巴结结核耐药预测，并通过多中心外部验证 | 回顾性研究设计，样本量相对有限（234例） | 预测淋巴结结核患者的耐药性 | 234例颈部淋巴结结核患者 | 医学影像分析 | 结核病 | 超声影像 | 集成机器学习, AdaBoost | 超声图像 | 234例患者（来自三个医疗中心） | NA | 集成机器学习模型 | AUC, 准确率, 精确率, 召回率, F1分数, 决策曲线分析 | NA |
| 3723 | 2025-11-21 |
Multichannel deep learning prediction of major pathological response after neoadjuvant immunochemotherapy in lung cancer: a multicenter diagnostic study
2025-Oct-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002821
PMID:40607969
|
研究论文 | 开发基于预处理CT的多通道深度学习预测模型，用于术前诊断非小细胞肺癌患者新辅助免疫化疗后的主要病理缓解 | 首次将多通道深度学习与Transformer编码器融合，用于预测肺癌新辅助免疫化疗疗效 | 回顾性研究设计，样本量相对有限（332例患者） | 开发术前预测非小细胞肺癌患者新辅助免疫化疗后主要病理缓解的诊断工具 | 非小细胞肺癌患者 | 计算机视觉 | 肺癌 | CT成像 | Transformer, CNN | 医学影像（CT图像） | 332例非小细胞肺癌患者，来自4个医疗中心 | NA | GoogLeNet, Transformer | AUC, 敏感性, 特异性, F1分数, 混淆矩阵, 校准曲线, 决策曲线分析, 综合判别改进, 净重分类改进, DeLong检验 | NA |
| 3724 | 2025-11-21 |
Machine Learning-Based Detection of EGFR Mutation and HER2 Overexpression in Metastatic Brain Adenocarcinoma: Systematic Review and Meta-Analysis
2025-Oct-01, Topics in magnetic resonance imaging : TMRI
DOI:10.1097/RMR.0000000000000320
PMID:41032033
|
系统综述与荟萃分析 | 评估基于机器学习的MRI影像组学模型在检测转移性脑腺癌中EGFR突变和HER2过表达方面的诊断性能 | 首次系统评估机器学习模型在脑转移瘤生物标志物检测中的应用，并比较深度学习与传统机器学习模型的性能差异 | 存在方法学异质性，外部验证使用有限，需要更多前瞻性多中心研究确认临床适用性 | 评估机器学习模型在非侵入性检测脑转移腺癌EGFR突变和HER2过表达中的诊断价值 | 转移性脑腺癌患者 | 医学影像分析 | 脑转移癌 | MRI影像组学 | 深度学习, 传统机器学习 | 医学影像 | 31项研究，7925名参与者 | Python | NA | AUC, 准确率, 敏感度 | STATA 18, Python 3.10 |
| 3725 | 2025-11-21 |
Transformer-based deep learning model for predicting fNIRS short-channel signals
2025-Oct, Neurophotonics
IF:4.8Q1
DOI:10.1117/1.NPh.12.4.045008
PMID:41245625
|
研究论文 | 开发基于Transformer的深度学习模型，从长通道fNIRS数据预测短通道信号，为脑血流动力学监测提供虚拟短通道解决方案 | 首次将Transformer架构应用于fNIRS短通道信号预测，提供不依赖物理硬件的虚拟短通道回归方法 | 模型性能依赖于训练数据质量，在低相干性通道下准确度有所下降 | 开发数据驱动的虚拟短通道检测器，替代物理短通道进行信号去噪 | 功能性近红外光谱(fNIRS)信号 | 生物医学信号处理 | NA | 功能性近红外光谱(fNIRS) | Transformer | 光学密度信号，血流动力学信号 | 训练集69名受试者，验证集包含三个独立数据集：23名受试者（静息态）、40名受试者（不同系统）、4名受试者（手指敲击任务） | NA | Transformer编码器 | 均方误差(MSE), 归一化均方误差(NMSE), 皮尔逊相关系数(r), 回归后残差方差 | NA |
| 3726 | 2025-11-21 |
DHGT-DTI: Advancing drug-target interaction prediction through a dual-view heterogeneous network with GraphSAGE and Graph Transformer
2025-Oct, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101336
PMID:41245658
|
研究论文 | 提出一种基于双视角异质图网络的药物-靶点相互作用预测方法DHGT-DTI | 通过邻域视角和元路径视角双重机制整合局部与全局网络信息，结合GraphSAGE与图Transformer的优势 | 未明确说明模型计算复杂度及对大规模网络的可扩展性 | 提升药物-靶点相互作用预测的准确性 | 药物与靶点蛋白质 | 生物信息学 | 帕金森病 | 异质图神经网络 | HGNN, Graph Transformer | 图网络数据 | 两个基准数据集，六种治疗帕金森病的药物案例研究 | NA | GraphSAGE, Graph Transformer | NA | NA |
| 3727 | 2025-11-21 |
Artificial intelligence algorithms in orthopaedics: A narrative review of methods and clinical applications
2025-Oct, Journal of experimental orthopaedics
IF:2.0Q2
DOI:10.1002/jeo2.70549
PMID:41245724
|
综述 | 评估人工智能算法在骨科手术中的作用，解释主要算法方法的功能并通过骨科实例进行说明 | 系统区分不同AI算法在骨科的应用场景，并详细解释各类算法的工作原理和临床实例 | 存在算法偏见、透明度不足、计算成本高和缺乏外部验证等问题 | 探讨人工智能算法在骨科领域的应用现状和发展前景 | 骨科手术相关的AI算法和临床应用 | 机器学习,自然语言处理,计算机视觉 | 骨科疾病 | 机器学习,深度学习,自然语言处理,生成式人工智能,联邦学习 | CNN,神经网络 | 医学影像,文本数据,手术数据 | NA | NA | FracNet,YOLO,大型语言模型 | 准确率,效率,可扩展性 | NA |
| 3728 | 2025-11-21 |
Examining the Effect of Deep Learning-Based Image Reconstruction on Accelerating Shoulder Magnetic Resonance Imaging (MRI) and Its Impact on Image Quality
2025-Oct, Cureus
DOI:10.7759/cureus.94561
PMID:41246632
|
研究论文 | 本研究比较了基于深度学习的图像重建技术在加速肩部MRI扫描中对图像质量的影响 | 首次系统评估深度学习重建技术在肩部MRI加速中的临床应用价值 | 样本量较小(49例)，阅片者间一致性较差，仅使用1.5T扫描器 | 评估深度学习图像重建技术加速MRI扫描的可行性和图像质量 | 49名接受肩部MRI检查的患者 | 医学影像分析 | 肩部疾病 | 磁共振成像 | 深度学习 | 医学图像 | 49名患者 | NA | NA | Wilcoxon符号秩检验, Cohen's kappa, PABAK | Philips Ingenia 1.5T MRI扫描仪 |
| 3729 | 2025-11-21 |
AI-Based System for Analysis of Electron Microscope Images in Glomerular Disease
2025-Oct-01, JAMA network open
IF:10.5Q1
|
研究论文 | 开发并验证基于人工智能的TEM图像分析系统TEM-AID，用于精确分割和测量肾小球超微结构并诊断肾小球疾病亚型 | 首次整合YOLO-v8检测、Segment Anything模型和人机协同优化，实现肾小球超微结构的自动分割与量化分析 | 研究仅针对特定七种肾小球疾病亚型，未涵盖所有肾脏疾病类型 | 开发人工智能辅助诊断系统提升肾小球疾病的电子显微镜图像分析效率 | 慢性肾病患者及其肾活检透射电子显微镜图像 | 数字病理 | 肾小球疾病 | 透射电子显微镜 | YOLO-v8, Segment Anything Model, 堆叠分类器 | 电子显微镜图像 | 31,670名患者的160,727张TEM图像 | NA | YOLO-v8, Segment Anything Model | 平均交并比, Dice系数, 准确率, AUC | NA |
| 3730 | 2025-11-21 |
Diagnostic Accuracy of Artificial Intelligence in Detecting Oral Potentially Malignant Disorders and Oral Cancer: A Meta-Analysis of Imaging-Based Studies (2015-2024)
2025 Sep-Oct, Journal of International Society of Preventive & Community Dentistry
DOI:10.4103/jispcd.jispcd_116_25
PMID:41244656
|
荟萃分析 | 通过荟萃分析评估人工智能在检测口腔潜在恶性疾病和口腔癌中的诊断准确性 | 首次对2015-2024年间基于影像的AI诊断口腔疾病研究进行系统性评估，涵盖多种影像技术和深度学习模型 | 纳入研究数量有限（35项），可能存在发表偏倚，各研究间影像技术和AI方法存在异质性 | 评估AI辅助影像工具在社区和临床环境中检测口腔潜在恶性疾病和口腔癌的诊断准确性 | 口腔潜在恶性疾病和口腔癌的影像数据 | 医学影像分析 | 口腔癌 | 临床摄影、组织病理学、光学相干断层扫描、自体荧光成像 | CNN | 图像 | 超过15,000张图像 | NA | 卷积神经网络 | 灵敏度, 特异度, AUC, 诊断比值比 | NA |
| 3731 | 2025-11-21 |
Personalized MR-Informed Diffusion Models for 3D PET Image Reconstruction
2025-Aug-25, IEEE transactions on radiation and plasma medical sciences
IF:4.6Q1
DOI:10.1109/TRPMS.2025.3602262
PMID:41244311
|
研究论文 | 提出一种基于多模态PET-MR扫描数据的个性化扩散模型，用于3D PET图像重建 | 通过图像配准生成患者特异性伪PET图像，保留MR扫描的解剖信息，提高重建精度 | 需要多模态PET-MR扫描数据，伪PET图像仍存在一定噪声 | 开发个性化的PET图像重建方法，提高低计数数据下的重建质量 | 多模态PET-MR扫描数据，包括模拟和真实[F]FDG数据集 | 医学影像 | NA | 图像配准，扩散模型 | 扩散模型 | 3D PET图像，MR图像 | 多患者PET-MR扫描数据集 | NA | 扩散模型 | 重建精度，病灶可检测性 | NA |
| 3732 | 2025-11-21 |
A deep learning method for predicting interactions for intrinsically disordered regions of proteins
2025-Aug-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.19.629373
PMID:39763873
|
研究论文 | 开发了一种名为Disobind的深度学习方法，用于预测蛋白质内在无序区域与结合伴侣之间的相互作用 | 结合ProtT5蛋白质语言模型的序列嵌入，考虑结合伴侣的上下文，不依赖结构信息和多重序列比对 | NA | 预测蛋白质内在无序区域与结合伴侣之间的相互作用界面 | 蛋白质内在无序区域及其结合伴侣 | 生物信息学 | NA | 蛋白质语言模型 | 深度学习 | 蛋白质序列 | NA | NA | ProtT5 | 接触图预测准确率，界面残基预测准确率 | NA |
| 3733 | 2025-11-21 |
Parasitic diagnosis: A journey from basic microscopy to cutting-edge technology
2025 Jul-Dec, Tropical parasitology
DOI:10.4103/tp.tp_61_24
PMID:41244084
|
综述 | 本文综述了寄生虫诊断技术从基础显微镜到现代人工智能的发展历程 | 系统梳理了寄生虫诊断技术的演进，特别强调了人工智能和卷积神经网络在提升诊断准确性和效率方面的革命性作用 | 面临数据集多样性不足和低收入地区基础设施支持有限的挑战 | 改善寄生虫感染诊断方法以应对全球公共卫生挑战 | 寄生虫感染及其诊断技术 | 数字病理 | 寄生虫感染 | 显微镜检查、血清学诊断、ELISA、免疫印迹、PCR、多重检测、下一代测序 | CNN | 图像、分子数据 | NA | NA | NA | 灵敏度、特异性、准确性、效率 | NA |
| 3734 | 2025-11-21 |
AVN: A Deep Learning Approach for the Analysis of Birdsong
2025-Jun-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.10.593561
PMID:39229184
|
研究论文 | 开发了一种基于深度学习的鸟类鸣声分析工具AVN，用于斑胸草雀鸣声的自动标注和特征提取 | 无需额外训练数据即可跨多个动物群体准确标注鸣声，并开发了无需额外训练数据即可测量鸣声模仿的新方法 | NA | 开发标准化的行为分析工具以促进鸣声行为研究 | 斑胸草雀的习得性鸣声 | 机器学习 | NA | 深度学习行为分析 | 深度学习 | 音频 | 多个研究组和实验中的斑胸草雀鸣声数据 | Python | NA | 准确性、敏感性、与人类专家判断的一致性 | NA |
| 3735 | 2025-11-21 |
Near-zero photon bioimaging by fusing deep learning and ultralow-light microscopy
2025-May-27, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2412261122
PMID:40388622
|
研究论文 | 提出一种结合深度学习和超低光显微镜的近零光子生物成像方法，可在极低光照条件下实现高质量生物图像重建 | 首次实现kHz速率和比标准显微镜低10000倍辐照度的近零光子生物成像，能够从每个像素仅0.01光子的极低信号中重建生物图像 | 未明确说明方法在特定生物样本类型或复杂组织中的适用性限制 | 开发在极低光照条件下实现可靠和可重复光学显微镜成像的新方法 | 多细胞和亚细胞生物结构特征 | 生物医学成像 | NA | 超低光显微镜，深度学习图像重建 | 深度学习 | 光子稀疏图像 | NA | NA | NA | 成像保真度 | NA |
| 3736 | 2025-11-21 |
Correlation does not equal causation: the imperative of causal inference in machine learning models for immunotherapy
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1630781
PMID:41041318
|
综述 | 本文系统评述了机器学习在免疫治疗研究中忽视因果推断的方法学缺陷，并探讨了因果机器学习的最新进展与挑战 | 首次系统揭示免疫治疗研究中普遍存在的'知识-实践鸿沟'，即研究者虽认知'相关不等于因果'却在实践中忽略因果推断，并提出了因果机器学习的具体解决方案 | 基于文献综述的分析，缺乏原始数据验证；未提供因果机器学习模型在临床环境中的实际效能比较 | 探讨因果推断在免疫治疗机器学习模型中的重要性及实施路径 | 免疫检查点抑制剂研究文献和黑色素瘤回顾性研究 | 机器学习 | 免疫治疗相关疾病 | 多组学数据整合，包括影像学、基因组学和临床记录 | 因果机器学习模型 | 多模态数据 | 90项免疫检查点抑制剂研究和36项黑色素瘤回顾性研究 | NA | Targeted-BEHRT, CIMLA, CURE | 模型可解释性，临床适用性 | NA |
| 3737 | 2025-11-21 |
Deep Multi-View Clustering With Meta Information Compression
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2025.3630899
PMID:41237033
|
研究论文 | 提出一种基于元学习的深度多视图聚类方法，通过信息压缩和语义拼图机制学习低冗余的聚类友好表示 | 从元学习角度提出信息压缩器和语义拼图机制，在保持关键语义的同时最小化冗余信息 | 未明确说明方法在极端数据不平衡或噪声视图条件下的鲁棒性 | 解决多视图聚类中互补信息选择与关键细节捕获之间的平衡问题 | 多视图数据样本 | 机器学习 | NA | NA | 深度学习 | 多视图数据 | 多个不同规模的数据集（具体数量未说明） | NA | 信息压缩器, 语义拼图机制 | 聚类性能指标（具体指标未说明） | NA |
| 3738 | 2025-11-21 |
TSCytoPred: a deep learning framework for inferring cytokine expression trajectories from irregular longitudinal gene expression data to enhance multi-omics analyses
2025, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.20270
PMID:41244204
|
研究论文 | 提出TSCytoPred深度学习框架，从非规则纵向基因表达数据推断细胞因子表达轨迹以增强多组学分析 | 开发首个基于深度学习的模型，通过基因表达数据和转录因子相互作用计算推断细胞因子表达轨迹，并包含插值模块处理不规则时间间隔数据 | 依赖基因表达数据的质量和完整性，在细胞因子表达机制完全未知的情况下预测性能可能受限 | 通过推断细胞因子表达轨迹来改善疾病结果预测和治疗反应评估 | 细胞因子表达轨迹，基因表达数据，COVID-19患者 | 机器学习 | COVID-19 | 基因表达分析，转录因子相互作用分析 | 深度学习，神经网络 | 纵向基因表达数据，时间序列数据 | COVID-19数据集（具体数量未明确说明） | NA | 包含插值模块的神经网络 | 决定系数(R)，平均绝对误差(MAE) | NA |
| 3739 | 2025-11-21 |
Shape modeling of longitudinal medical images: from diffeomorphic metric mapping to deep learning
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1671099
PMID:41244609
|
综述 | 本文综述了从微分同胚度量映射到深度学习的纵向医学图像形状建模方法 | 系统比较了传统微分同胚映射与深度学习在纵向形状建模中的协同应用，并指出未来研究方向 | 作为综述文章，未提出新的原创算法，主要分析现有方法的优缺点 | 探讨生物组织纵向形状变化的建模方法及其在医疗健康中的应用 | 生物组织的时空形状变化，包括自然和病理性的形态改变 | 医学图像分析 | NA | 医学图像序列分析 | 自编码器,生成网络,循环神经网络 | 纵向医学图像 | NA | NA | NA | NA | NA |
| 3740 | 2025-11-21 |
Artificial intelligence-, organoid-, and organ-on-chip-powered models to improve pre-clinical animal testing of vaccines and immunotherapeutics: potential, progress, and challenges
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1681106
PMID:41244612
|
综述 | 探讨人工智能、类器官和器官芯片技术在改进疫苗和免疫疗法临床前动物测试中的潜力与挑战 | 提出结合人工智能、类器官和器官芯片的混合验证系统作为动物测试的补充工具 | 现有模型尚不能完全复制活体系统的复杂性，无法全面模拟疫苗和免疫疗法的安全性、免疫原性和保护效力 | 评估替代性临床前研究方法的潜力以加速疫苗和免疫疗法开发 | 疫苗和免疫疗法 | 数字病理 | 传染病和癌症 | 类器官培养、器官芯片、深度学习 | 深度学习模型 | 生物医学数据 | NA | NA | NA | NA | NA |