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 33853 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2025-11-15 |
Applications of machine learning and deep learning in precision medicine: Opportunities and challenges in genomics, oncology and clinical integration (Review)
2025-Dec, Biomedical reports
IF:2.3Q3
DOI:10.3892/br.2025.2070
PMID:41221536
|
综述 | 探讨机器学习和深度学习在精准医学领域中的应用、挑战及未来发展方向 | 系统分析人工智能技术在基因组学、肿瘤学和临床整合中的前沿应用与发展路径 | 面临数据隐私、网络安全、伦理考量和临床工作流程整合等多方面挑战 | 分析机器学习在精准医学中的应用现状并展望未来发展 | 精准医学中的基因组分析、个性化治疗优化和疾病诊断 | 机器学习 | 肿瘤学 | NA | NA | NA | NA | NA | NA | NA | NA |
| 22 | 2025-11-15 |
The Current Use of Artificial Intelligence in Anesthesiology
2025-Dec, Advances in anesthesia
DOI:10.1016/j.aan.2025.07.006
PMID:41224431
|
综述 | 本文探讨了人工智能在麻醉学领域的当前应用现状与潜在影响 | 系统梳理了AI技术在麻醉学中的具体应用方向，包括患者监测、药物管理和并发症预测等 | 当前AI在麻醉学中尚未广泛应用，缺乏大规模临床验证数据 | 分析人工智能技术在麻醉学领域的应用潜力和发展方向 | 麻醉学临床实践和患者管理 | 自然语言处理, 机器学习 | NA | 机器学习, 深度学习, 自然语言处理 | NA | NA | NA | NA | NA | NA | NA |
| 23 | 2025-11-15 |
Diagnostic Accuracy of Artificial Intelligence Models for Predicting Postoperative Complications Following Free Flap Reconstruction: A Systematic Review and Meta-Analysis
2025-Dec, Microsurgery
IF:1.5Q3
DOI:10.1002/micr.70143
PMID:41231400
|
系统综述与荟萃分析 | 通过系统评价和荟萃分析评估人工智能模型在预测游离皮瓣重建术后并发症方面的诊断性能 | 首次对AI模型在皮瓣监测和术后并发症预测中的诊断性能进行系统评价和定量荟萃分析 | 纳入研究数量有限（12项研究），存在异质性，部分模型验证不足 | 系统评估AI模型预测皮瓣手术后并发症的诊断性能，并比较不同输入模态的效果 | 接受游离皮瓣重建手术的患者 | 医学人工智能 | 外科手术并发症 | AI模型训练与验证 | 深度学习模型 | 多模态数据（包括摄影数据） | 18,520名患者，32,148个输入数据点 | NA | NA | 敏感度, 特异度, 似然比, SROC曲线下面积 | NA |
| 24 | 2025-11-15 |
Deep Learning in neuroimaging for neurodegenerative diseases: State-of-the art, Challenges, and Opportunities
2025-Nov-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2025.123735
PMID:41176929
|
综述 | 本文综述了深度学习在神经退行性疾病神经影像分析中的最新进展、挑战与机遇 | 扩展了文献覆盖范围，涵盖更广泛的神经退行性疾病，并深入探讨了处理脑容积成像数据时空信息的方法 | 现有研究主要关注常见神经退行性疾病，存在扫描仪间差异、数据不平衡、标注数据稀缺等泛化性问题 | 探索深度学习在神经退行性疾病神经影像分析中的诊断和监测应用 | 阿尔茨海默病、额颞叶痴呆、路易体痴呆、帕金森病、亨廷顿病、肌萎缩侧索硬化症、多发性硬化症等神经退行性疾病 | 医学影像分析 | 神经退行性疾病 | 神经影像 | 深度学习 | 脑容积成像数据 | NA | NA | NA | 准确率 | NA |
| 25 | 2025-11-15 |
Impact of patient-specific deep learning lung organs-at-risk segmentation on accumulated dose in online adaptive 0.35 T MR-guided radiotherapy
2025-Nov-14, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae16fb
PMID:41130258
|
研究论文 | 本研究评估了患者特异性深度学习模型在0.35T磁共振引导放疗中对危及器官分割和累积剂量的影响 | 首次在在线自适应MRgRT中比较基线模型与患者特异性微调模型对累积剂量的影响，无需人工修改 | 回顾性研究，样本量较小（11例患者），仅针对0.35T MR-linac系统 | 评估患者特异性深度学习分割模型在肺部MRgRT中的剂量学优势 | 11例接受0.35T磁共振直线加速器治疗的肺癌患者 | 数字病理 | 肺癌 | 磁共振成像引导放疗，深度学习分割 | 3D U-Net | 磁共振图像 | 11例肺癌患者，9个胸部危及器官 | NA | 3D U-Net | 分割精度，剂量体积直方图参数（PTV D95%，GTV D98%，D1cc），Wilcoxon符号秩检验 | NA |
| 26 | 2025-11-15 |
A Systematic Review of Applications, Challenges, and Future Trajectories of Artificial Intelligence in Cosmetic Surgery
2025-Nov-14, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf238
PMID:41234118
|
系统综述 | 系统回顾人工智能在整形美容手术中的应用、挑战和未来发展方向 | 首次系统评估AI在整形美容手术中的全流程应用，涵盖术前规划、术中指导和术后监测 | 大多数研究处于早期阶段，外部验证有限，数据集异质性高，结果指标不一致，偏倚风险中等到严重 | 评估人工智能在整形美容手术中的应用现状和未来发展 | 整形美容手术相关研究和AI应用 | 计算机视觉,自然语言处理,机器学习 | 整形美容 | 机器学习,深度学习,计算机视觉,大语言模型 | NA | 医学图像,临床数据,3D模拟数据 | 38项符合纳入标准的研究(从3,941条记录中筛选) | NA | NA | NA | NA |
| 27 | 2025-11-15 |
A Review of Topological Data Analysis and Topological Deep Learning in Molecular Sciences
2025-Nov-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02266
PMID:41235667
|
综述 | 全面回顾拓扑数据分析与拓扑深度学习在分子科学中的发展、方法和应用 | 系统梳理了TDA从定性工具到定量预测模型的演进，重点介绍了持久同调、持久拉普拉斯算子等创新方法及其与AI的融合突破 | 讨论了当前TDA方法的局限性，包括需要与先进AI模型集成和开发新的拓扑不变量 | 为分子科学研究人员提供拓扑方法的基础性参考 | 分子科学中的复杂数据，包括生物分子、蛋白质-配体相互作用、药物发现、材料科学等 | 机器学习 | NA | 拓扑数据分析，持久同调，持久拉普拉斯算子 | 拓扑深度学习，机器学习 | 分子数据，序列数据 | NA | NA | NA | NA | NA |
| 28 | 2025-11-15 |
Deep Learning Radiomics Model Based on Ultrasound Images Predicts Myometrial Infiltration of Endometrial Cancer
2025-Nov-14, Journal of clinical ultrasound : JCU
IF:1.2Q3
DOI:10.1002/jcu.70134
PMID:41235803
|
研究论文 | 开发并验证基于超声图像的深度学习放射组学模型，用于无创预测子宫内膜癌肌层浸润情况 | 结合深度学习特征和放射组学特征构建DLR模型，在预测子宫内膜癌肌层浸润方面优于单一模型和高级超声医师诊断 | 回顾性研究设计，样本量相对有限（390例患者） | 开发无创预测子宫内膜癌肌层浸润的深度学习放射组学模型 | 子宫内膜癌患者 | 医学影像分析 | 子宫内膜癌 | 超声成像 | 深度学习, 放射组学 | 超声图像 | 390例子宫内膜癌患者（310例来自中心1，80例来自中心2） | NA | NA | AUC, 校准曲线, 决策曲线分析 | NA |
| 29 | 2025-11-15 |
Deep Learning and Object Detection Methods for Scoring Cell Types within the Human Buccal Cell Micronucleus and Cytome Assays for Human Biomonitoring
2025-Nov-14, Mutagenesis
IF:2.5Q3
DOI:10.1093/mutage/geaf026
PMID:41236179
|
综述 | 探讨深度学习与目标检测方法在人口腔细胞微核细胞组学检测中自动评分细胞类型的应用潜力 | 首次系统评估AI技术在微创口腔微核细胞组学检测中应用的未开发潜力 | 目前AI技术在该领域的实际应用仍处于未充分探索阶段 | 提升基因毒性损伤评估的可靠性、可扩展性和自动化水平 | 人口腔细胞微核检测样本 | 计算机视觉 | 基因毒性损伤 | BMCyt检测 | 深度学习, 目标检测 | 细胞图像 | NA | NA | NA | NA | NA |
| 30 | 2025-11-15 |
Automatic measurement of pharyngeal contraction ratio during deglutition using 2D cine MRI with deep learning: A pilot study
2025-Nov-14, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00984-1
PMID:41236586
|
研究论文 | 开发基于深度学习的自动分割咽部区域并测量吞咽过程中咽部收缩比的方法 | 首次将2D U-Net与自动计算算法结合，实现从动态MRI自动测量咽部收缩比 | 样本量较小（20名健康成人），仅为初步可行性研究 | 开发自动测量吞咽过程中咽部收缩比的深度学习算法 | 健康成人的咽部区域 | 医学影像分析 | 吞咽功能障碍 | 动态磁共振成像 | CNN | 2D动态MRI图像 | 20名健康成年人（10男10女，年龄22-29岁） | NA | U-Net | Dice系数, 相关系数, Bland-Altman分析 | NA |
| 31 | 2025-11-15 |
A CT-based 2.5D deep learning model for preoperative T-staging in gastric cancer: a retrospective multicenter study
2025-Nov-14, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05286-z
PMID:41236584
|
研究论文 | 开发并验证基于CT的2.5D多角度深度学习模型用于胃癌术前T分期 | 提出2.5D多角度深度学习模型，整合三个视角（横断面、矢状面、冠状面）和三个角度（0°、+45°、-45°）的CT图像 | 回顾性研究，样本量相对有限（共433例患者） | 胃癌术前T分期和生存预后预测 | 胃癌患者 | 医学影像分析 | 胃癌 | CT影像分析 | 深度学习 | CT图像 | 433例胃癌患者（训练集346例，内部验证集87例，外部测试集41例） | NA | 2.5D多角度深度学习模型 | AUC, 准确率, 敏感度, 特异度, F1分数 | NA |
| 32 | 2025-11-15 |
Foundation models for EEG decoding: current progress and prospective research
2025-Nov-13, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae17e9
PMID:41145005
|
综述 | 系统回顾脑电图基础模型的当前进展，分析其在下游任务、数据集、模型架构和预训练技术等方面的表现 | 首次对脑电图基础模型进行全面综述，提出统一范式以克服传统监督学习的任务特定性和数据集依赖性限制 | 在复杂场景如运动想象解码中的性能仍然有限，模型泛化能力有待进一步提升 | 探索脑电图基础模型的发展趋势并为未来研究提供建议 | 脑电图基础模型及相关解码任务 | 机器学习 | 神经系统疾病 | 脑电图信号处理 | Transformer | 脑电图信号 | 最多14,987名受试者，总时长27,062小时 | NA | 基于Transformer的高效架构 | NA | NA |
| 33 | 2025-11-15 |
Real-time deep learning for tumor segmentation and tool tracking: development and validation of an AI navigation system in vacuum-assisted breast biopsy
2025-Nov-13, World journal of surgical oncology
IF:2.5Q1
DOI:10.1186/s12957-025-04087-4
PMID:41225484
|
研究论文 | 开发并验证了一种基于YOLOv11深度学习架构的实时AI导航系统，用于真空辅助乳腺活检中的肿瘤分割和工具跟踪 | 首个专门为真空辅助乳腺活检设计的实时AI导航系统，采用两阶段深度学习架构实现肿瘤定位和工具跟踪 | 研究样本量相对有限（167例手术），需要在更大多中心数据集中进一步验证 | 开发实时AI导航系统以辅助真空辅助乳腺活检手术中的精确定位 | 乳腺病变患者和真空辅助乳腺活检手术过程 | 计算机视觉 | 乳腺癌 | 超声成像 | YOLO | 超声图像 | 167例真空辅助乳腺活检手术的22,278张标注超声图像 | NA | YOLOv11 | mAP50, 处理速度 | GPU和CPU平台 |
| 34 | 2025-11-15 |
Motion-Informed 3D Deep Learning Reconstruction in Patients with Cognitive Impairment
2025-Nov-13, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8977
PMID:41062184
|
研究论文 | 本研究验证了一种集成运动校正的深度学习重建方法在认知障碍患者3D脑MRI中的应用 | 将回顾性运动校正机制整合到深度学习重建流程中，专门针对运动伪影问题 | 样本量相对有限，仅包含41名参与者 | 验证集成运动校正的深度学习重建方法在3D T1加权脑MRI中的性能 | 健康志愿者和记忆丧失患者的脑部MRI图像 | 医学影像分析 | 认知障碍 | 3D MPRAGE序列，SAMER采集技术 | 深度学习 | 3D脑部MRI图像 | 41名参与者（15名女性，平均年龄58岁），共154个图像体积 | NA | NA | 分割误差，Likert量表评分，Wilcoxon检验，组内相关系数 | NA |
| 35 | 2025-11-15 |
A transformer-based deep learning model for preoperative prediction of lympho-vascular invasion in laryngeal squamous cell carcinoma: a multicenter study
2025-Nov-13, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004012
PMID:41231622
|
研究论文 | 开发基于Transformer的深度学习模型用于喉鳞状细胞癌术前淋巴血管侵犯预测 | 首次将Transformer架构与影像组学特征结合用于LVI预测，并在多中心研究中验证其优越性能 | 回顾性研究设计，样本来源仅限于三家医院 | 探索基于CT影像的影像组学模型在喉鳞癌淋巴血管侵犯术前无创预测中的价值 | 喉鳞状细胞癌患者 | 数字病理 | 喉癌 | 对比增强CT成像 | Transformer, 逻辑回归, 随机森林, 多层感知机 | CT影像 | 1024例患者（训练集291例，内部验证126例，外部测试607例） | NA | Transformer | AUC, 决策曲线分析, 混淆矩阵, 校准曲线, NRI, IDI | NA |
| 36 | 2025-11-15 |
Mapping the Application Landscape of Artificial Intelligence in Prostate Cancer: a Global Bibliometric Analysis
2025-Nov-13, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003828
PMID:41231645
|
文献计量分析 | 通过文献计量学方法分析人工智能在前列腺癌研究领域的全球应用格局和发展趋势 | 采用逐年分析视角展示研究轨迹，首次系统绘制AI在前列腺癌领域的知识图谱 | 仅基于Web of Science数据库，可能存在文献收录偏差 | 探索人工智能在前列腺癌研究中的应用现状和发展趋势 | 2014-2024年间2,581篇AI相关前列腺癌研究文献 | 医学信息学 | 前列腺癌 | 文献计量分析，共现分析，共被引分析 | 传统机器学习，深度学习 | 文献元数据 | 2,581篇出版物 | CiteSpace | NA | NA | NA |
| 37 | 2025-11-15 |
GATPDD: an Enhanced Deep Learning Framework for Predicting Drug-Parasitic Disease Associations
2025-Nov-13, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3631560
PMID:41231695
|
研究论文 | 提出一种增强的深度学习框架GATPDD，用于改进药物-寄生虫病关联预测 | 整合增强的深度图信息最大化、多头图注意力网络和邻域交互注意力机制，在有限基准数据集场景下优化特征学习和嵌入聚合 | 生物医学数据稀缺限制了模型训练 | 提高药物-寄生虫病关联预测的准确性和鲁棒性 | 药物与寄生虫病之间的关联关系 | 机器学习 | 寄生虫病 | 深度学习 | 图神经网络 | 图数据 | NA | NA | 多头图注意力网络,深度图信息最大化 | 准确性,鲁棒性 | NA |
| 38 | 2025-11-15 |
DynaRepo: the repository of macromolecular conformational dynamics
2025-Nov-13, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf1130
PMID:41231767
|
研究论文 | 介绍DynaRepo大分子构象动力学数据库，包含约450个复合物和270个单链蛋白质的分子动力学模拟数据 | 首个专注于大分子构象动力学的综合数据库，填补了静态结构研究方法与动态行为研究之间的空白 | 数据来源主要限于PDBbind、SAbDab和基准数据集，可能无法覆盖所有大分子类型 | 为大分子动态行为的深度学习研究提供数据基础 | 蛋白质、RNA、DNA及其复合物 | 计算生物学 | NA | 分子动力学模拟 | NA | 分子动力学轨迹数据 | 约450个复合物和270个单链蛋白质，每个复合物进行三次500纳秒模拟，总计超过1100微秒模拟数据 | NA | NA | NA | NA |
| 39 | 2025-11-15 |
Estimating 10-Year Cardiovascular Disease Risk in Primary Prevention Using UK Electronic Health Records and a Hybrid Multitask BERT Model: Retrospective Cohort Study
2025-Nov-13, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/76659
PMID:41232034
|
研究论文 | 本研究开发了一种混合多任务BERT模型，通过整合电子健康记录中的结构化和文本特征来预测10年心血管疾病风险 | 提出混合多任务深度学习模型MT-BERT，首次同时整合结构化变量和临床文本表示，采用自定义FocalCoxLoss函数和跨模态交互建模 | 在贫困和少数族裔亚组中性能有所下降，存在跨人口统计学群体的异质性 | 开发心血管疾病风险预测模型以支持初级预防和公平评估 | 来自英国临床实践研究数据链的469,496名40-85岁患者 | 自然语言处理 | 心血管疾病 | 电子健康记录分析 | BERT,深度学习 | 结构化医疗变量,临床文本 | 469,496名患者用于模型开发，711,052测试样本，144,370外部验证样本 | PyTorch | DistilBERT,多层感知机,多头注意力机制 | AUROC,一致性指数,Brier分数 | NA |
| 40 | 2025-11-15 |
DART Predictor: A Multi-Label Attention Model for High-Throughput Screening of Chemicals with Developmental and Reproductive Toxicity (DART)
2025-Nov-13, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c11641
PMID:41232073
|
研究论文 | 开发了一种基于多标签注意力机制的深度学习模型DART Predictor，用于高通量筛选具有发育和生殖毒性的化学品 | 首次将暴露参数与分子描述符和生物测定活性特征整合，采用标签感知注意力机制预测六种DART结局 | 未明确说明模型在更广泛化学空间中的适用性 | 开发能够整合暴露信息的发育和生殖毒性化学品高通量筛选方法 | 具有发育和生殖毒性的化学品 | 机器学习 | 发育和生殖疾病 | 深度学习 | 注意力机制模型 | 分子描述符、生物测定活性特征、暴露参数 | 25,175条化学多样性记录 | NA | 多标签注意力模型 | AUC, 召回率 | 云平台部署 |