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 38371 篇文献，本页显示第 3841 - 3860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3841 | 2025-12-03 |
Development, performance evaluation and prediction of optimal operational conditions for a double-row sugarcane harvester using deep learning
2025-Dec-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-30739-2
PMID:41326634
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3842 | 2025-12-06 |
Enhancing prediction accuracy for muscle invasion in bladder cancer using a dual-energy CT-based interpretable model incorporating habitat radiomics and deep learning
2025-Dec-01, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-15107-7
PMID:41327160
|
研究论文 | 本研究通过整合双能CT的定量参数、栖息地放射组学特征和2.5D深度学习特征，开发了一个可解释的模型，用于提高膀胱癌肌层浸润状态的术前预测准确性 | 结合栖息地分析和2.5D深度学习，利用双能CT图像构建可解释的集成模型，以增强膀胱癌肌层浸润的术前评估 | 研究为回顾性设计，样本量相对有限（200例患者），且仅基于单一机构的双能CT尿路造影数据 | 提高膀胱癌肌层浸润状态的术前预测准确性，以支持个性化治疗计划的制定 | 膀胱癌患者 | 数字病理学 | 膀胱癌 | 双能CT成像，碘基物质分解成像，K-means聚类 | 深度学习，放射组学 | 双能CT图像 | 200例膀胱癌患者（训练队列140例，测试队列60例） | NA | ResNet 101 | AUC，校准曲线 | NA |
| 3843 | 2025-12-06 |
Aortic dissection mortality in the United States, 1968-2023: Trends, disparities, and deep learning forecasts
2025-Dec, International journal of cardiology. Cardiovascular risk and prevention
DOI:10.1016/j.ijcrp.2025.200547
PMID:41333716
|
研究论文 | 本研究分析了美国1968年至2023年主动脉夹层死亡率趋势、差异，并使用深度学习模型预测至2033年的死亡率 | 首次结合长期历史数据分析主动脉夹层死亡率趋势，并应用Bi-GRU深度学习模型进行未来十年死亡率预测 | 研究基于死亡证明数据，可能存在编码错误或漏报；预测模型未考虑未来医疗政策或技术突破的影响 | 评估美国主动脉夹层死亡率的历史趋势、人口差异，并预测未来死亡率变化 | 美国1968-2023年主动脉夹层相关死亡病例 | 机器学习 | 心血管疾病 | 死亡数据分析，深度学习预测 | Bi-GRU | 结构化死亡记录数据 | 175,930例主动脉夹层相关死亡病例 | NA | Bi-GRU | 年度百分比变化，平均年度百分比变化 | NA |
| 3844 | 2025-12-06 |
An end-to-end deep learning method for reconstructing SMS-PI accelerated musculoskeletal MRI
2025-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70178
PMID:41345328
|
研究论文 | 本文提出了一种端到端深度学习框架，用于重建SMS-PI加速的肌肉骨骼MRI图像，实现高达8倍及以上的加速，同时保持临床诊断所需的图像质量 | 将同时多层成像与并行成像结合到深度学习重建框架中，通过嵌入完整的SMS前向模型统一切片分离和k空间到图像重建，并引入超分辨率模块提升图像清晰度 | 研究仅基于20名受试者进行临床评估，样本规模相对较小；且初步结果虽显示12倍加速潜力，但需进一步验证 | 开发一种深度学习重建框架，以提升肌肉骨骼MRI的加速能力和图像质量 | 肌肉骨骼MRI图像数据 | 计算机视觉 | NA | Turbo Spin Echo MRI, Simultaneous Multislice imaging, Parallel Imaging | 深度学习网络 | MRI图像 | 超过200,000个切片，来自1.5T至3T扫描，涵盖多样采集设置 | NA | 端到端深度学习框架，结合近端梯度算法与Nesterov动量 | PSNR, SSIM | NA |
| 3845 | 2025-12-06 |
D-EDL: Differential evidential deep learning for robust medical out-of-distribution detection
2025-Nov-30, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103888
PMID:41344199
|
研究论文 | 提出一种名为差分证据深度学习（D-EDL）的新方法，用于在计算机辅助诊断中稳健地检测医学图像中的分布外样本 | 通过引入排除模块（ROM）替代KL散度进行差分限制，减少对模糊分布内样本的过度惩罚，并提出测试时原始证据推理（RI）和平衡检测分数（BDS）以提高鲁棒性和临床适用性 | 未明确说明方法在更广泛医学数据集或实际临床环境中的泛化能力限制 | 提高医学图像中分布外（OOD）样本检测的鲁棒性和临床适用性 | 医学图像中的分布外样本 | 计算机视觉 | 皮肤病（ISIC2019）、骨髓细胞形态学、眼部疾病（EDDFS） | 深度学习 | 证据深度学习（EDL）的改进模型 | 图像 | ISIC2019数据集、骨髓细胞形态学数据集、EDDFS数据集（具体样本数未提供） | 未明确说明 | 未明确说明 | 鲁棒性、临床适用性、平衡检测分数（BDS） | 未明确说明 |
| 3846 | 2025-12-06 |
Fuel-Free Rolosense: Viral Sensing Using Diffusional Particle Tracking
2025-Nov-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c02311
PMID:41191496
|
研究论文 | 本文介绍了一种无需燃料的Rolosense诊断方法，利用布朗运动和机械力传感实现病毒检测 | 采用机械力传感作为基本转导机制，利用布朗运动和热波动实现快速、灵敏、特异的完整病毒颗粒检测，无需荧光报告基因或酶促扩增 | NA | 开发一种高灵敏度、无需燃料的病毒诊断方法 | SARS-CoV-2变体（如BA.1和BA.5）、流感A病毒、HCoV OC43和229E等病毒病原体 | 生物传感 | 病毒感染 | 布朗运动、机械力传感、扩散粒子追踪 | 深度学习 | 图像 | NA | NA | NA | 检测限（低至10拷贝/毫升） | 3D打印明场显微镜 |
| 3847 | 2025-12-06 |
Computational design of protein complexes: influence of binding affinity
2025-Nov-28, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc04821d
PMID:41311232
|
综述 | 本文综述了计算蛋白质复合物设计中结合亲和力的预测与设计策略 | 聚焦于结合亲和力预测与设计的计算策略，并探讨AI、高通量筛选与数据驱动建模的交叉应用 | NA | 回顾计算蛋白质复合物设计中结合亲和力的预测与设计方法 | 蛋白质-蛋白质、蛋白质-DNA/RNA和蛋白质-碳水化合物复合物 | 机器学习 | NA | NA | 机器学习,深度学习 | 结构数据,序列数据 | NA | NA | NA | NA | NA |
| 3848 | 2025-12-06 |
A Practical Guide to Transition State Analysis in Biomolecular Simulations with TS-DAR
2025-Nov-27, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.5c06097
PMID:41252524
|
研究论文 | 本文介绍了一种名为TS-DAR的计算框架，用于从分子动力学模拟中系统识别生物分子构象变化中的过渡态 | 提出了一种结合分布外检测、变分原理正则化神经网络和VAMP-2分散损失函数的计算框架，能够自动识别传统方法难以捕捉的短寿命高能过渡态 | 未明确说明方法对计算资源的需求、在不同蛋白质系统上的普适性验证以及与其他过渡态识别方法的定量比较 | 开发并推广一种能够系统识别生物分子构象变化中过渡态的计算方法 | 蛋白质构象变化过程中的过渡态 | 计算生物物理学 | NA | 分子动力学模拟 | 深度学习模型 | 分子动力学模拟轨迹数据 | NA | NA | 神经网络 | NA | NA |
| 3849 | 2025-12-06 |
Deep Learning Model for Breast Shear Wave Elastography to Improve Breast Cancer Diagnosis (INSPiRED 006): An International, Multicenter Analysis
2025-Nov-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology
IF:42.1Q1
DOI:10.1200/JCO-24-02681
PMID:40834300
|
研究论文 | 本研究开发并验证了一种基于剪切波弹性成像（SWE）图像的深度学习模型（AI-SWE），用于改善BI-RADS 3和4类乳腺肿块的癌症诊断 | 首次在国际多中心研究中开发并验证了基于EfficientNetB1架构的深度学习模型，用于分析乳腺剪切波弹性成像图像，旨在解决传统方法因缺乏已验证速度阈值而导致的临床应用受限问题 | 研究未明确说明模型在不同人群或设备间的泛化能力细节，且未来需探索其与多模态乳腺癌诊断工具的整合效果 | 开发并验证一种基于深度学习的剪切波弹性成像图像分析模型，以提升乳腺肿块（特别是BI-RADS 3和4类）的癌症诊断准确性，并减少不必要的活检 | 患有BI-RADS 3或4类乳腺肿块的女性患者的剪切波弹性成像图像 | 数字病理学 | 乳腺癌 | 剪切波弹性成像 | CNN | 图像 | 开发集：924名患者（4,026张图像）；外部验证集1：194名患者（562张图像）；外部验证集2：176名患者（188张图像，使用最新SWE软件） | NA | EfficientNetB1 | 灵敏度, 特异性, 假阳性率, 受试者工作特征曲线下面积 | NA |
| 3850 | 2025-12-06 |
Development of a screening model for APL using cell population data and deep learning-extracted WBC scattergram features
2025-Nov-07, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-15034-7
PMID:41204132
|
研究论文 | 本研究开发了一种结合深度学习提取的WBC散点图特征与常规血液参数的急性早幼粒细胞白血病筛查模型 | 首次利用VGG-16网络从常规血检DIFF和WNB通道中提取APL特异性3D散点图特征，并与优化的随机森林分类器结合，实现无需额外检测的即时APL筛查 | 研究为回顾性多中心设计，样本量相对有限（94例APL患者），未来需要前瞻性验证和更大样本的推广 | 开发一种基于常规实验室数据的机器学习模型，用于快速筛查急性早幼粒细胞白血病，以解决资源有限环境下的诊断延迟问题 | 急性早幼粒细胞白血病患者 | 数字病理学 | 白血病 | 常规血液检测 | CNN, 随机森林 | 图像, 数值数据 | 94例确诊APL患者（来自三家三级医院，2020-2024年），外部验证集541例（来自独立中心） | TensorFlow, PyTorch, Scikit-learn | VGG-16 | AUC, 灵敏度, 特异性 | NA |
| 3851 | 2025-12-06 |
Quantitative evaluation of the myocardial bridge anatomical features and FFRCT in patients with myocardial bridging stratified by age
2025-Nov-07, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000045686
PMID:41204561
|
研究论文 | 本研究通过冠状动脉CT血管成像，评估了年龄对左前降支心肌桥解剖特征及CT血流储备分数的影响 | 首次结合心肌桥长度和年龄分层，系统分析解剖特征与FFRCT值的关联，并探讨了不同年龄组中影响FFRCT异常的特定解剖参数 | 回顾性研究设计，样本量相对较小，特别是年轻组和老年组样本较少，未进行长期临床结局随访 | 评估年龄对心肌桥解剖特征及CT血流储备分数的影响，为心肌桥的血流动力学评估提供依据 | 139名左前降支心肌桥患者 | 数字病理 | 心血管疾病 | 冠状动脉CT血管成像，深度学习软件计算FFRCT | 深度学习 | CT影像 | 139名患者（短MB组58人，长MB组81人；年轻组28人，中年组89人，老年组22人） | NA | NA | 统计显著性（P值） | NA |
| 3852 | 2025-12-06 |
AI-Driven Fall Prediction across Generations: Integrating Deep Learning and Machine Learning for Young, Middle-Aged, and Older Adults
2025-Nov-06, Gerontology
IF:3.1Q3
DOI:10.1159/000549410
PMID:41196832
|
研究论文 | 本研究开发并比较了多种机器学习和深度学习模型，用于预测不同年龄段成年人的跌倒风险 | 首次将深度学习模型（特别是AGRU）应用于跨年龄段（青年、中年、老年）的跌倒风险预测，并通过年龄分层分析揭示了各年龄组特有的关键预测因素 | 模型在独立数据集上的外部验证仅显示中等泛化能力，需要更大规模、更多样化的数据集以及整合时序或传感器数据进行进一步验证 | 开发和比较不同的ML/DL模型，以识别跨年龄组的跌倒风险关键预测特征 | 1441名台湾南部社区居住的20岁以上成年人，包括有和无跌倒史的参与者 | 机器学习 | 老年疾病 | NA | KNN, RF, GBDT, XGBoost, CatBoost, GRU, AGRU | 人口统计学、临床和身体性能数据 | 1441名社区居住成年人 | NA | GRU, AGRU | 准确率, 精确率, 召回率, F1分数, AUROC | NA |
| 3853 | 2025-12-06 |
Application of artificial intelligence in predicting the results of open-heart surgery: a scoping review
2025-Nov-05, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-03243-w
PMID:41194211
|
综述 | 本文通过范围综述，综合分析了人工智能在预测心脏直视手术结果中的应用，评估了AI模型的性能，并指出了数据质量、算法偏见和临床适用性方面的研究空白 | 首次系统性地综述了AI在心脏直视手术预测中的应用，识别了当前研究的主要算法（如逻辑回归、随机森林、XGBoost）及其性能，并强调了深度学习和混合模型使用不足的现状 | 纳入的研究中89.06%为回顾性研究，模型验证不一致，前瞻性数据有限，患者群体多样性不足，这些方法学局限性阻碍了临床转化 | 旨在综合AI在预测心脏直视手术结果方面的研究，评估模型性能，并识别数据质量、算法偏见和临床适用性方面的差距，以指导未来个性化手术规划和患者结局的改进 | 聚焦于心脏直视手术及其术后结果预测的相关研究 | 机器学习 | 心血管疾病 | NA | 逻辑回归, 随机森林, XGBoost | NA | 共纳入64项研究 | NA | NA | NA | NA |
| 3854 | 2025-12-06 |
Diagnosis melanoma with artificial intelligence systems: A meta-analysis study and systematic review
2025-Nov, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20781
PMID:40476369
|
meta-analysis, systematic review | 本研究通过大规模荟萃分析和系统综述，评估了基于人工智能和机器学习方法在皮肤镜图像上自动诊断黑色素瘤的预测性能 | 首次对2006年至2024年间的人工智能诊断黑色素瘤研究进行大规模荟萃分析，特别关注并比较了深度学习模型与混合模型的性能 | 研究仅纳入了39项符合纳入和排除标准的主要研究，可能存在发表偏倚，且未详细分析不同算法在临床实际应用中的具体挑战 | 综合评估人工智能方法在黑色素瘤临床诊断中的应用，并总结深度学习和混合模型算法的预测性能 | 使用皮肤镜图像进行黑色素瘤自动诊断的人工智能和机器学习研究 | computer vision, machine learning | melanoma | dermoscopic imaging | deep learning, hybrid models | image | 来自39项主要研究的78项诊断测试数据 | NA | NA | AUC, sensitivity, specificity | NA |
| 3855 | 2025-12-06 |
A Cascaded Segmentation-Classification Deep Learning Framework for Preoperative Prediction of Occult Peritoneal Metastasis and Early Recurrence in Advanced Gastric Cancer
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.006
PMID:40912952
|
研究论文 | 本研究开发了一种级联深度学习框架，用于术前预测晚期胃癌的隐匿性腹膜转移和早期腹膜复发 | 提出了一种结合肿瘤分割与转移风险分层的级联深度学习框架，用于术前预测隐匿性腹膜转移和早期腹膜复发，并验证了其泛化能力 | NA | 开发并验证一种基于CT的深度学习框架，用于术前预测晚期胃癌的隐匿性腹膜转移和早期腹膜复发风险 | 晚期胃癌患者 | 数字病理学 | 胃癌 | CT成像 | 深度学习 | CT图像 | 765名来自三个机构的晚期胃癌患者，包括内部验证（OPM测试168人，早期PR测试212人）和外部验证（早期PR测试57人） | NA | V-Net | AUC, 敏感性, 特异性 | NA |
| 3856 | 2025-12-06 |
Artificial Intelligence to Detect Developmental Dysplasia of Hip: A Systematic Review
2025-Nov, Journal of paediatrics and child health
IF:1.6Q2
DOI:10.1111/jpc.70172
PMID:41015898
|
系统综述 | 本文系统综述了人工智能（特别是深度学习）在利用骨盆X光片和超声图像检测发育性髋关节发育不良（DDH）中的诊断准确性 | 首次系统性地评估和总结了AI在DDH诊断中的应用效果，比较了其在X光和超声图像上的表现，并指出了其与医生诊断的可比性 | 对外部数据集的评估有限，限制了其普适性，需要更多样化的数据集和真实世界应用来验证 | 评估深度学习算法在检测发育性髋关节发育不良（DDH）中的诊断准确性 | 有DDH风险或疑似DDH的儿童（<16岁）的髋关节超声或X光图像 | 数字病理学 | 发育性髋关节发育不良 | 深度学习（DL） | NA | 图像（骨盆X光片、超声图像） | 总计15406个样本（超声图像8315个，骨盆X光片7091个） | NA | NA | AUC, 灵敏度, 特异性 | NA |
| 3857 | 2025-12-06 |
A CT-based deep learning radiomics model for predicting HER2 expression and prognosis in non-muscle-invasive bladder cancer
2025-Nov, Biomarkers in medicine
IF:1.9Q3
DOI:10.1080/17520363.2025.2590778
PMID:41277127
|
研究论文 | 本研究基于术前CT影像，结合放射组学和深度学习特征，开发了一个预测非肌层浸润性膀胱癌HER2表达状态及预后的模型 | 首次将深度学习评分、放射组学评分与临床病理特征整合，构建了一个深度学习放射临床特征模型，用于预测NMIBC的HER2表达和无复发生存期 | 回顾性研究，样本量相对较小（181例），需外部验证 | 评估非肌层浸润性膀胱癌的HER2表达状态和预后 | 非肌层浸润性膀胱癌患者 | 数字病理 | 膀胱癌 | CT成像 | 深度学习模型 | CT图像 | 181名患者（训练集126例，测试集55例） | NA | NA | AUC | NA |
| 3858 | 2025-12-06 |
Prompt-based multimodal representation learning for drug repurposing
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf636
PMID:41329039
|
研究论文 | 本文提出了一种基于提示的多模态表示学习框架，用于动态编码药物重定位中的任务特定上下文信息，以提高化合物-蛋白质相互作用预测的准确性 | 引入了动态提示生成模块和提示校准模块，能够自适应地创建受体特异性提示并有效整合多模态特征，克服了传统方法依赖静态分子和蛋白质结构表示的局限性 | 未明确说明方法在其他类型受体或更广泛药物靶点上的泛化能力，也未详细讨论计算复杂度或模型可解释性 | 提高化合物-蛋白质相互作用预测的准确性，推动药物重定位研究 | FDA批准的药物候选物，特别是针对G蛋白偶联受体的化合物 | 机器学习 | NA | 深度学习 | 深度学习框架 | 结构数据（分子和蛋白质结构） | NA | NA | 提示基多模态表示学习框架 | 平均绝对误差 | NA |
| 3859 | 2025-12-06 |
Risk factors for hepatocellular carcinoma rupture: multicentre retrospective study
2025-Oct-30, BJS open
IF:3.5Q1
DOI:10.1093/bjsopen/zraf105
PMID:41189483
|
研究论文 | 本研究通过多中心回顾性分析，全面探讨了肝细胞癌破裂的风险因素，并开发了结合传统和机器学习方法的预测模型 | 首次整合了传统统计模型（如CAPTure列线图）与随机森林和深度学习模型，以增强肝细胞癌破裂风险预测的准确性和可解释性 | 研究为回顾性设计，可能存在选择偏倚，且数据来源于中国的三级医疗中心，可能限制结果的普适性 | 识别肝细胞癌破裂的风险因素并开发早期风险预测模型，以优化临床决策和资源分配 | 肝细胞癌患者，包括破裂和非破裂病例 | 机器学习 | 肝细胞癌 | 回顾性数据分析，倾向性评分匹配 | 随机森林，深度学习 | 临床数据 | 5952名肝细胞癌患者 | NA | NA | 精确度，召回率，F1分数，AUC | NA |
| 3860 | 2025-12-06 |
A Multi-Task Deep Learning Model for Pediatric Echocardiography Analysis
2025-Oct-30, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.10.27.25338912
PMID:41282661
|
研究论文 | 本文介绍了EchoAI-Peds，首个用于儿科超声心动图分析的多任务深度学习模型，能够同时检测多种先天性心脏缺陷和异常 | 开发了首个针对儿科超声心动图的多任务深度学习模型，整合了多个超声心动图视图的信息，并使用迄今为止最全面的儿科标签集进行训练 | 模型仅在两个医疗中心的数据集上进行了测试，可能需要更多外部验证以确保广泛适用性 | 开发一个专门针对儿科人群的深度学习模型，以自动化和改进儿科超声心动图分析 | 儿科超声心动图视频，用于检测先天性心脏缺陷、结构和功能异常、修复和干预 | 计算机视觉 | 先天性心脏缺陷 | 超声心动图 | Vision Transformer | 视频 | 超过11,000项研究中的700,000多个视频 | NA | Vision Transformer | AUROC | NA |