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 32801 篇文献，本页显示第 3901 - 3920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3901 | 2025-10-06 |
A deep learning-clinical nomogram hybrid for predicting sentinel lymph node metastasis in melanoma
2025-Sep-03, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.70000
PMID:40900446
|
研究论文 | 开发了一种结合深度学习和临床列线图的混合模型，用于预测黑色素瘤前哨淋巴结转移 | 首次将聚类约束注意力多实例学习模型与临床列线图相结合，开发出高性能的混合预测模型MISSLE | 单中心研究设计且主要为日本人群队列，限制了模型的普适性 | 预测侵袭性黑色素瘤患者的前哨淋巴结转移，辅助前哨淋巴结活检决策 | 78例侵袭性皮肤黑色素瘤患者（43例SLNM阳性，35例SLNM阴性） | 数字病理学 | 黑色素瘤 | 苏木精-伊红染色全切片成像 | 多实例学习,集成学习 | 病理图像,临床数据 | 78例患者，分为训练集60例和测试集18例 | CLAM | ResNet50,CLAM-R50 | AUROC | NA |
| 3902 | 2025-10-06 |
Development of A Fully Automated Dental Age Estimation Framework from Panoramic Radiographs Using Tooth-Level Information with an Attention-Weighting Module
2025-Sep-03, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf063
PMID:40900631
|
研究论文 | 开发了一种从全景X光片进行牙齿年龄估计的全自动可解释框架 | 提出了一种结合注意力权重模块的两阶段管道，能够自动检测牙齿并聚合单颗牙齿的预测结果 | 研究样本仅限于8-23岁年轻个体，未涵盖更广泛年龄段 | 开发全自动可解释的牙齿年龄估计框架 | 年轻个体的牙齿全景X光片 | 计算机视觉 | NA | 全景X光成像 | CNN, YOLO | X光图像 | 1,639张X光片，来自8-23岁个体 | PyTorch | YOLO11-OBB, DenseNet-121 | F1-score, 平均绝对误差(MAE) | NA |
| 3903 | 2025-10-06 |
Resting-State Functional MRI: Current State, Controversies, Limitations, and Future Directions-AJR Expert Panel Narrative Review
2025-Sep-03, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.32163
PMID:39660823
|
综述 | 本专家小组叙述性综述总结了静息态功能磁共振成像的现状、争议、局限性和未来发展方向 | 系统梳理rs-fMRI在临床术前脑功能定位中的应用现状，并探讨深度学习解决方案和未来发展方向 | 采集、预处理和分析方法缺乏标准化，结果解释存在变异性，语言偏侧化可靠性问题，患者间认知网络表征变异性，神经血管解耦对网络检测的影响 | 评估rs-fMRI在临床术前脑功能定位中的当前状态和新兴临床应用价值 | 静息态功能磁共振成像技术及其在神经疾病治疗中的应用 | 医学影像分析 | 神经系统疾病 | 静息态功能磁共振成像 | NA | 功能磁共振成像数据 | NA | NA | NA | NA | NA |
| 3904 | 2025-09-05 |
Ex Vivo Training in the "Root Removal First" Strategy Extraction Method Using a Deep Learning-Based CBCT Recognition System and PVC Resin Model
2025-Sep-03, Journal of dental education
IF:1.4Q3
DOI:10.1002/jdd.70029
PMID:40899117
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3905 | 2025-10-06 |
Use of Client-Side Machine Learning Models for Privacy-Preserving Healthcare Predictions - A Deployment Case Study
2025-Sep-03, Studies in health technology and informatics
DOI:10.3233/SHTI251408
PMID:40899553
|
研究论文 | 本文展示了一种在Web浏览器中完全执行医疗预测模型的隐私保护方法 | 提出客户端机器学习模型部署方法，确保患者数据无需传输到外部服务器 | NA | 开发隐私保护的医疗预测模型部署方案 | 医疗预测模型 | 机器学习 | NA | NA | Random Forest, CNN | NA | NA | TensorFlow.js, ONNX Runtime Web, JavaScript | 优化卷积神经网络 | 原始性能指标 | Web浏览器环境 |
| 3906 | 2025-10-06 |
Classifying the AMi-Br Mitotic Figure Dataset with AUCMEDI
2025-Sep-03, Studies in health technology and informatics
DOI:10.3233/SHTI251413
PMID:40899557
|
研究论文 | 本研究使用AUCMEDI深度学习框架对AMi-Br数据集中的八种有丝分裂亚型进行分类 | 首次将AUCMEDI框架应用于AMi-Br数据集，并采用基于ConvNeXt的集成方法和患者级交叉验证策略进行八分类任务 | 不同有丝分裂亚型的敏感度差异显著（0-82%），反映了数据集固有的挑战性 | 开发自动化方法区分典型和非典型有丝分裂图形 | 乳腺癌样本中的有丝分裂图形 | 数字病理学 | 乳腺癌 | 深度学习 | CNN | 病理图像 | AMi-Br数据集（包含八个有丝分裂亚类，四个典型有丝分裂图形和四个非典型有丝分裂图形） | AUCMEDI | ConvNeXt | 特异性, 敏感度, AUC | NA |
| 3907 | 2025-10-06 |
All That Glitters Is Not Gold: Importance of Rigorous Evaluation of Proteochemometric Models
2025-Sep-03, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00395
PMID:40899589
|
研究论文 | 本研究通过激酶-配体生物活性预测系统评估了蛋白质化学计量学模型的严格评估标准 | 首次系统性地揭示了数据划分和类别不平衡对PCM模型性能的关键影响，并通过置换测试证明蛋白质嵌入对模型效能的贡献有限 | 研究主要基于激酶-配体生物活性预测系统，结论在其他蛋白家族中的普适性需要进一步验证 | 评估蛋白质化学计量学模型的严格评估标准并提升模型泛化能力 | 激酶-配体生物活性预测系统 | 机器学习 | NA | 蛋白质化学计量学建模 | 机器学习,深度学习 | 蛋白质和配体表征数据 | NA | NA | NA | 置换测试,泛化能力评估 | NA |
| 3908 | 2025-10-06 |
Parameter Estimation from Phylogenetic Trees Using Neural Networks and Ensemble Learning
2025-Sep-03, Systematic biology
IF:6.1Q1
DOI:10.1093/sysbio/syaf060
PMID:40899780
|
研究论文 | 提出一种集成神经网络方法从系统发育树估计多样化参数 | 首次结合多种神经网络架构（密集神经网络、图神经网络和长短期记忆循环网络）的集成学习方法，同时利用系统发育树的图表示、分支时间和汇总统计量 | 与最大似然估计方法类似，在延长出生-死亡过程下仍无法精确恢复参数 | 开发更稳健的系统发育树参数估计方法 | 系统发育树和多样化模型参数 | 机器学习 | NA | 系统发育分析 | DNN, GNN, LSTM, RNN | 系统发育树数据 | NA | NA | 密集神经网络, 图神经网络, 长短期记忆循环网络, 循环神经网络 | 估计速度, 对树大小的敏感性 | NA |
| 3909 | 2025-10-06 |
Deep learning-driven multi-hierarchical granularity integration for surgical scene understanding: experimental study
2025-Sep-03, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003434
PMID:40899800
|
研究论文 | 本研究构建了腹腔镜根治性肾切除术的全粒度标注数据集，并开发了多层级粒度整合的深度学习框架 | 首个针对腹腔镜根治性肾切除术的全粒度标注数据集，提出双向补偿增强的多粒度信息整合框架 | 仅针对单一手术类型（肾切除术），样本量相对有限（41个视频） | 实现手术场景的全面理解，支持临床智能应用 | 腹腔镜根治性肾切除术的手术视频 | 计算机视觉 | 肾癌 | 深度学习 | 深度学习框架 | 手术视频帧 | 41个多中心视频，141,443帧手术阶段标注，8,435帧器械分割标注，25,305帧手术动作三元组标注 | 深度学习框架 | 共享特征提取器+任务特定解码器 | 准确率 | NA |
| 3910 | 2025-10-06 |
Multimodal deep learning for immunotherapy response prediction and biomarker discovery in non-small cell lung cancer
2025-Sep-03, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocaf142
PMID:40901703
|
研究论文 | 开发了一种名为DeepAFM的多模态深度学习方法，用于预测非小细胞肺癌患者对免疫治疗的响应并发现生物标志物 | 首次整合组织病理学、基因组特征和临床信息的多模态预测方法，采用自监督VQVAE2进行表征学习，并通过注意力热图实现模型可解释性 | 样本量相对较小（93例患者），置信区间较宽（0.69-1.00） | 预测晚期非小细胞肺癌患者对免疫治疗的反应并发现相关生物标志物 | 93例晚期非小细胞肺癌患者 | 数字病理学 | 肺癌 | 全切片图像分析，基因组测序，临床数据分析 | 多模态深度学习 | 图像，基因组数据，临床数据 | 93例晚期非小细胞肺癌患者 | NA | VQVAE2, DeepAFM | AUC | NA |
| 3911 | 2025-10-06 |
Evaluation method for driver comfort under multi axis coherent vibration of seats
2025-Sep-03, Ergonomics
IF:2.0Q3
DOI:10.1080/00140139.2025.2553136
PMID:40901779
|
研究论文 | 本研究使用深度学习方法评估座椅多轴相干振动对驾驶员舒适度的影响 | 提出了一种融合多模态相干特征的深度学习模型来定量评估驾驶员舒适度 | NA | 开发驾驶员舒适度评估方法 | 驾驶员座椅的多轴振动信号 | 机器学习 | NA | 道路测试、振动信号采集 | 深度学习 | 振动信号、主观评价数据 | NA | NA | NA | NA | NA |
| 3912 | 2025-10-06 |
Virtual Staging of Indoor Panoramic Images via Multi-task Learning and Inverse Rendering
2025-Sep-03, IEEE computer graphics and applications
IF:1.7Q3
DOI:10.1109/MCG.2025.3605806
PMID:40902042
|
研究论文 | 提出VISPI框架，通过多任务学习和逆向渲染实现单张全景图像的室内虚拟场景布置 | 结合多任务深度学习和实时渲染技术，从杂乱场景中同时提取几何、语义和材质信息，实现交互式场景重布置 | NA | 解决室内全景图像虚拟场景布置中移除现有家具和插入新物体的挑战 | 室内全景图像和虚拟场景布置 | 计算机视觉 | NA | 多任务深度学习，逆向渲染 | Vision Transformer | 全景图像 | Structured3D和FutureHouse数据集 | NA | Vision Transformer | NA | NA |
| 3913 | 2025-10-06 |
CINeMA: Conditional Implicit Neural Multi-Modal Atlas for a Spatio-Temporal Representation of the Perinatal Brain
2025-Sep-03, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3605194
PMID:40902057
|
研究论文 | 提出一种用于围产期大脑时空表示的条件隐式神经多模态图谱框架CINeMA | 在潜在空间操作，避免计算密集型图像配准，将图谱构建时间从数天缩短至数分钟，支持基于孕周、出生年龄和病理特征的灵活条件生成 | 在病理数据稀缺场景下开发，但未明确说明训练数据的具体规模限制 | 开发适用于低数据设置的高分辨率时空多模态大脑图谱构建方法 | 胎儿和新生儿大脑 | 医学影像分析 | 脑部发育异常 | 磁共振成像 | 隐式神经表示 | 医学影像 | NA | PyTorch | 条件隐式神经表示 | 准确性, 效率, 多功能性 | NA |
| 3914 | 2025-10-06 |
Stroke-Aware CycleGAN: Improving Low-Field MRI Image Quality for Accurate Stroke Assessment
2025-Sep-03, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3605566
PMID:40902054
|
研究论文 | 提出一种基于3D深度学习的Stroke-Aware CycleGAN模型，用于提升低场便携MRI图像质量以改善常规卒中评估 | 在传统CycleGAN基础上引入卒中病灶先验知识，通过空间特征变换机制和梯度差异损失解决合成图像过度平滑问题 | NA | 提升低场便携MRI图像质量，改善卒中诊断准确性和病灶量化 | 卒中患者的低场和高场扩散加权成像(DWI)图像 | 医学影像处理 | 卒中 | 扩散加权成像(DWI) | GAN, CycleGAN | 3D医学影像 | 101对高场和低场DWI图像（同一患者短时间内双扫描） | NA | CycleGAN, SA-CycleGAN | 相关系数(R), 平均绝对差异(mL) | NA |
| 3915 | 2025-10-06 |
One scan, many stories: deep learning for signal separation in multi-tracer PET imaging
2025-Sep-03, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae02db
PMID:40902629
|
研究论文 | 本文开发了一种用于多示踪剂PET成像中信号分离的深度学习方法 | 使用单一扫描即可实现多示踪剂PET成像中的信号分离 | NA | 开发多示踪剂PET成像中的信号分离技术 | 多示踪剂PET成像数据 | 医学影像分析 | NA | PET成像 | 深度学习 | PET影像 | NA | NA | NA | NA | NA |
| 3916 | 2025-10-06 |
Colorectal mucosal exposure area assessment based on artificial intelligence: a multi-center, prospective, observational study
2025-Sep-03, Endoscopy
IF:11.5Q1
DOI:10.1055/a-2695-1832
PMID:40902624
|
研究论文 | 本研究提出基于深度学习的结直肠黏膜暴露面积评估系统，并通过多中心前瞻性观察研究验证其作为结肠镜检查质量指标的可行性 | 首次提出累积结直肠黏膜暴露面积作为结肠镜检查质量控制新指标，并开发基于深度学习的人工智能评估系统 | 研究样本量相对有限，需要更大规模研究进一步验证 | 开发并验证基于人工智能的结肠镜检查质量评估系统 | 接受结肠镜检查的患者 | 计算机视觉 | 结直肠癌 | 结肠镜检查 | CNN | 医学图像 | 510名参与者（合格组270人，不合格组240人） | NA | ResNet50, UNet++ | 腺瘤检出率, 息肉检出率, 调整后比值比, 发病率比 | NA |
| 3917 | 2025-10-06 |
MetaPredictomics: A Comprehensive Approach to Predict Postsurgical Non-Small Cell Lung Cancer Recurrence Using Clinicopathologic, Radiomics, and Organomics Data
2025-Sep-03, Clinical nuclear medicine
IF:9.6Q1
DOI:10.1097/RLU.0000000000006086
PMID:40902993
|
研究论文 | 提出MetaPredictomics框架，整合临床病理数据、PET/CT影像组学和多器官组学数据预测非小细胞肺癌术后复发 | 首次提出“器官组学”概念，整合原发肿瘤和假定健康器官的影像特征，通过堆叠集成方法构建元模型 | 样本量相对有限（145例），仅使用单一公开数据集 | 开发综合预测模型以提升非小细胞肺癌术后复发预测准确性 | 145例非小细胞肺癌患者的术前PET/CT影像和临床病理数据 | 数字病理 | 肺癌 | PET/CT影像，基因突变检测，组织病理学分析 | 深度学习分割模型，glmboost，堆叠集成模型 | 医学影像（CT，PET），临床数据，病理数据 | 145例NSCLC患者 | PyRadiomics | 基于深度学习的自动分割模型 | C-index | NA |
| 3918 | 2025-09-05 |
Correction: Deep learning based classification of tibio-femoral knee osteoarthritis from lateral view knee joint X-ray images
2025-Sep-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-17772-x
PMID:40903478
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3919 | 2025-10-06 |
Accurately Predicting Cell Type Abundance from Spatial Histology Image Through HPCell
2025-Sep-03, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00757-9
PMID:40903657
|
研究论文 | 提出HPCell深度学习框架，直接从H&E染色组织学图像预测细胞类型丰度 | 首个直接从组织学图像估计细胞类型丰度的框架，结合病理基础模块、超图模块和Transformer模块的多模态架构 | 未明确说明模型在跨机构数据上的泛化能力及计算效率的具体指标 | 开发从组织学图像预测细胞类型丰度的低成本方法 | 空间转录组学数据和组织学图像中的细胞类型 | 数字病理学 | NA | 空间转录组学，H&E染色 | 深度学习，Transformer | 组织学图像，全切片图像 | 多个空间转录组学数据集（未指定具体数量） | NA | Transformer，超图神经网络 | NA | NA |
| 3920 | 2025-10-06 |
MRI-based deep learning radiomics in predicting histological differentiation of oropharyngeal cancer: a multicenter cohort study
2025-Sep-03, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico
IF:2.8Q2
DOI:10.1007/s12094-025-04042-5
PMID:40903693
|
研究论文 | 本研究开发并验证了一种基于MRI的深度学习放射组学框架，用于预测口咽癌的组织学分化等级 | 首次将放射组学特征与深度学习特征相结合构建DLR模型，并在多中心队列中验证其对口咽癌组织学分级的预测能力 | 回顾性研究设计，样本量相对有限（122例患者），需要更大规模的前瞻性研究验证 | 预测口咽癌的组织学分化等级 | 口咽癌患者 | 数字病理 | 口咽癌 | 磁共振成像（MRI） | 深度学习 | 医学影像 | 122例口咽癌患者（训练集85例，测试集37例）来自中国三家医疗机构 | NA | 深度学习放射组学（DLR）模型 | AUC（曲线下面积）, DCA（决策曲线分析） | NA |