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 36434 篇文献，本页显示第 4281 - 4300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4281 | 2025-11-07 |
Accelerating Biomolecular Modeling with AtomWorks and RF3
2025-Aug-15, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.14.670328
PMID:40832246
|
研究论文 | 提出AtomWorks数据框架和RosettaFold-3结构预测网络，用于加速生物分子建模开发 | 开发了通用的生物分子基础模型数据框架，并改进了手性处理以缩小与AlphaFold3的性能差距 | 未明确说明模型的具体性能局限或计算资源需求 | 促进开源生物分子机器学习模型的发展，改进生物分子结构预测 | 蛋白质结构和生物分子复合物 | 机器学习 | NA | 深度学习 | 神经网络 | 蛋白质结构数据 | NA | NA | RosettaFold-3 | NA | NA |
| 4282 | 2025-11-07 |
[A deep learning method for differentiating nasopharyngeal carcinoma and lymphoma based on MRI]
2025-Jul, Lin chuang er bi yan hou tou jing wai ke za zhi = Journal of clinical otorhinolaryngology head and neck surgery
|
研究论文 | 开发基于常规MRI的深度学习模型，用于鼻咽癌和鼻咽淋巴瘤的自动分割与鉴别诊断 | 首次将预训练ResNet101模型应用于鼻咽癌与淋巴瘤的MRI影像鉴别诊断，并采用多序列图像组合策略提升性能 | 回顾性研究，样本量有限（434例），仅使用单一医疗机构数据 | 建立基于MRI的自动分割和鉴别诊断模型 | 鼻咽癌和鼻咽淋巴瘤患者 | 医学影像分析 | 鼻咽癌, 淋巴瘤 | MRI（T1WI, T2WI, T1CE） | CNN | 医学影像 | 434例患者（142例淋巴瘤，292例鼻咽癌） | PyTorch/TensorFlow（未明确指定） | ResNet101 | Dice系数, AUC | NA |
| 4283 | 2025-11-07 |
Dynamic Hierarchical Convolutional Attention Network for Recognizing Motor Imagery Intention
2025-May, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3549583
PMID:40131750
|
研究论文 | 提出动态分层卷积注意力网络(DH-CAN)，通过综合学习脑电图信号的全局/局部空间特征和时频特征来识别运动想象意图 | 首次将脑区映射与图注意力网络结合，通过参数共享机制捕捉对称脑区的不对称运动想象模式，实现多层级特征融合 | 未明确说明模型计算复杂度及实时性表现，在更广泛数据集上的泛化能力有待验证 | 开发更有效的脑电图解码模型以准确识别运动想象意图 | 脑电图信号中的运动想象神经活动模式 | 脑机接口 | NA | 脑电图信号处理 | CNN,图注意力网络 | 脑电图时序信号 | 两个公开数据集（具体数量未说明） | NA | 动态分层卷积注意力网络(DH-CAN)，包含多尺度卷积块和图注意力网络 | 多种评估指标（具体指标未列明） | NA |
| 4284 | 2025-11-07 |
EViT: An Eagle Vision Transformer With Bi-Fovea Self-Attention
2025-Mar, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3532282
PMID:40031751
|
研究论文 | 提出一种受鹰眼视觉系统启发的视觉Transformer模型EViT，通过双凹窝自注意力机制提高计算效率和特征表示能力 | 首次将鹰眼视觉特性引入视觉Transformer，提出双凹窝视觉交互结构、双凹窝自注意力机制和双凹窝前馈网络 | NA | 解决视觉Transformer计算复杂度高和缺乏理想归纳偏置的问题 | 计算机视觉任务中的特征表示学习 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | NA | NA | EViT, 金字塔骨干网络 | 计算效率, 可扩展性 | NA |
| 4285 | 2025-11-07 |
Enhanced diagnosis of pes planus and pes cavus using deep learning-based segmentation of weight-bearing lateral foot radiographs: a comparative observer study
2025-Jan, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00439-3
PMID:39781051
|
研究论文 | 开发基于深度学习的足部承重侧位X线片语义分割模型，用于增强扁平足和高弓足的诊断 | 首次将U-Net模型应用于足部承重X线片的语义分割，并采用混合损失函数结合Dice Loss和边界损失来提升分割精度 | 研究样本仅来自韩国年轻男性，缺乏更广泛人群的验证 | 通过深度学习模型改进扁平足和高弓足的诊断准确性 | 足部承重侧位X线片 | 数字病理学 | 足部畸形 | X射线成像 | CNN | 医学影像 | 300张韩国年轻男性足部X线片（200训练，100内部验证），外加两个外部验证数据集 | NA | U-Net | 角度测量误差，诊断准确率 | NA |
| 4286 | 2025-11-07 |
Diagnosis of colorectal cancer using residual transformer with mixed attention and explainable AI
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335418
PMID:41183063
|
研究论文 | 提出一种结合残差网络和混合注意力Transformer的混合模型RNTNet，用于结直肠癌图像诊断，并通过可解释AI技术可视化模型决策过程 | 提出Residual Next Transformer Network (RNTNet)，结合ResNeXt的细粒度特征提取能力和带混合注意力机制的ViT编码器，实现局部与全局特征的协同建模 | 仅使用两个公开数据集进行验证，未在更大规模或更多样化的临床数据上进行测试 | 提高结直肠癌图像诊断的准确性和可解释性 | 结直肠癌组织图像 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN, Transformer | 图像 | Kather和KvasirV1两个公开数据集 | NA | ResNeXt, Vision Transformer (ViT), RNTNet | 准确率, AUC | NA |
| 4287 | 2025-11-07 |
Multiview state-of-health estimation for lithium-ion batteries using time-frequency image fusion and attention-based deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335351
PMID:41183084
|
研究论文 | 提出一种基于时频图像融合和注意力机制的多视角锂离子电池健康状态估计方法 | 首次将时域信号转换为时频图像并与原始时序特征通过双分支注意力机制进行融合 | 未明确说明模型在不同电池类型和工况下的泛化能力 | 实现锂离子电池健康状态的准确早期预测 | 锂离子电池 | 机器学习 | NA | 小波变换 | CNN, LSTM | 时域信号, 时频图像 | NA | NA | CNN-LSTM融合架构 | 预测精度 | NA |
| 4288 | 2025-11-07 |
Artificial Intelligence in Cancer Oncology Through Comprehensive Bibliometric Mapping of Global Trends Impact and Conceptual Structures
2025, Journal of healthcare leadership
IF:3.4Q1
DOI:10.2147/JHL.S550933
PMID:41185664
|
研究论文 | 通过文献计量学映射分析人工智能在肿瘤学领域的全球研究趋势、知识影响和概念结构 | 首次对2022-2025年间人工智能在肿瘤学领域的研究进行全面文献计量分析，揭示了多模态学习、放射基因组学等主导主题以及基于Transformer的模型、联邦学习等新兴方向 | 低收入和中等收入国家参与有限、缺乏标准化数据集、多学科合作不足 | 分析人工智能在肿瘤学领域的全球研究趋势和概念结构 | 19,627篇同行评审文章（从34,218篇初始数据集中筛选） | 机器学习 | 癌症 | 文献计量分析、对应分析(CA)、多重对应分析(MCA) | NA | 文献数据 | 19,627篇文章 | RStudio | NA | 解释方差（第一维度80.01%，第二维度8.76%） | NA |
| 4289 | 2025-11-07 |
Predictive value of artificial intelligence and radiomics for atrial fibrillation recurrence after catheter ablation for pulmonary vein isolation
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251393276
PMID:41185683
|
研究论文 | 本研究开发了一种基于人工智能和影像组学的无创模型，用于预测肺静脉隔离导管消融术后房颤复发风险 | 首次结合SwinUNETR深度学习模型进行心脏区域分割和影像组学特征提取，并提供了基于影像组学的可解释性分析方法 | 样本量相对有限（311例患者），模型预测性能仍有提升空间（AUC 0.79） | 提高肺静脉隔离术后房颤复发的预测准确性，优化患者选择策略 | 311例接受肺静脉隔离导管消融术的房颤患者，包括复发组（160例）和非复发组（151例） | 医学影像分析 | 心血管疾病 | 影像组学分析 | 深度学习, 机器学习 | 医学影像 | 311例房颤患者 | NA | SwinUNETR | Dice系数, AUC | NA |
| 4290 | 2025-11-06 |
GlucoNet-MM: A multimodal attention-based multi-task learning framework with decision transformer for personalised and explainable blood glucose forecasting
2025-Dec, Diabetes, obesity & metabolism
DOI:10.1111/dom.70147
PMID:40977343
|
研究论文 | 提出一种基于注意力机制的多任务学习框架GlucoNet-MM，结合决策变换器实现个性化可解释血糖预测 | 首次将决策变换器与多模态注意力机制结合，实现政策感知的血糖预测并提供模型可解释性 | 仅在两个公开数据集上验证，需要更多临床环境下的验证 | 开发先进的个性化可解释深度学习框架用于血糖预测 | 糖尿病患者血糖数据 | 机器学习 | 糖尿病 | 连续血糖监测(CGM), 胰岛素剂量记录, 碳水化合物摄入记录, 体力活动监测 | Transformer, 多任务学习 | 多模态生理和行为数据 | 两个公开数据集(BrisT1D和OhioT1DM) | PyTorch, TensorFlow | Decision Transformer, 注意力机制 | R2分数, 平均绝对误差(MAE) | NA |
| 4291 | 2025-11-06 |
Local large arterial perivascular adipose tissue metabolic and anatomical features are associated with hypertensive clinical outcomes: a PET/CT-based study
2025-Dec, Annals of medicine
IF:4.9Q1
DOI:10.1080/07853890.2025.2578724
PMID:41170857
|
研究论文 | 本研究利用PET/CT探讨大动脉血管周围脂肪组织的解剖和代谢特征与高血压临床结局的关系 | 首次发现局部大动脉PVAT特征与高血压结局的关联，并揭示其在疾病进展中的空间富集模式 | 样本量相对有限（150例），且为回顾性研究设计 | 探究大动脉血管周围脂肪组织特征与高血压临床结局的关联 | 150例原发性肺部恶性肿瘤患者（其中45例高血压患者） | 数字病理 | 心血管疾病 | PET/CT, 18F-FDG PET/CT | 深度学习 | 医学影像 | 150例患者（45例高血压患者） | TotalSegmentator | NA | AUC, 比值比, p值, 置信区间 | NA |
| 4292 | 2025-11-06 |
Radiomic Applications in Skull Base Pathology: A Systematic Review of Potential Clinical Uses
2025-Dec, Journal of neurological surgery. Part B, Skull base
DOI:10.1055/a-2436-8444
PMID:41140420
|
系统综述 | 系统回顾了影像组学在颅底病理学中的应用现状和潜在临床价值 | 首次系统性地总结了影像组学在颅底病理学中的应用趋势，揭示了该领域自2017年以来的指数级增长 | 需要更大样本量、预测模型的验证和临床应用，需进一步研究影像组学在颅底治疗中的优缺点 | 探索影像组学在颅底文献中的应用现状 | 颅底病理学相关的医学影像数据 | 医学影像分析 | 颅底肿瘤疾病 | 影像组学特征提取与分析 | NA | 放射影像图像 | 102项研究，包含26,280张放射影像图像，平均每项研究258±677个病例 | NA | NA | NA | NA |
| 4293 | 2025-11-06 |
An Ensemble CNN With Bayesian Learning Model for Multiclass Classification of Brain Disease Using Adaptive Refinement Network-Based Segmentation
2025-Dec, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70166
PMID:41191287
|
研究论文 | 提出一种集成CNN与贝叶斯学习的模型，通过自适应优化网络分割和分类脑部疾病 | 结合自适应优化网络分割、基于适应度的火烈鸟搜索算法优化参数，以及集成CNN与贝叶斯学习的多模型融合分类方法 | NA | 早期脑肿瘤诊断与多类别脑部疾病分类 | 脑部MRI图像 | 计算机视觉 | 脑部疾病 | MRI成像 | CNN, 集成学习 | 医学图像 | NA | NA | VGG16, ResNet, Xception, 自适应优化网络 | 准确率, 鲁棒性 | NA |
| 4294 | 2025-11-06 |
Carbon dots meet artificial intelligence: applications in biomedical engineering
2025-Nov-05, Journal of materials chemistry. B
DOI:10.1039/d5tb00593k
PMID:41065544
|
综述 | 本文全面综述了人工智能在碳点研究中的应用及其在生物医学工程中的潜力 | 首次系统探讨人工智能与碳点交叉领域，涵盖从材料设计到生物医学应用的完整链条 | NA | 探索人工智能技术在碳点材料研究及生物医学工程中的应用前景 | 碳点材料及其在生物医学工程中的应用 | 机器学习, 生物医学工程 | NA | 机器学习, 深度学习 | NA | 材料特性数据, 生物医学数据 | NA | NA | NA | NA | NA |
| 4295 | 2025-11-06 |
Genome-wide functional annotation and interpretation of splicing variants: toward RNA-targeted therapies
2025-Nov-05, Journal of human genetics
IF:2.6Q2
DOI:10.1038/s10038-025-01424-z
PMID:41188449
|
综述 | 系统阐述剪接破坏性变异的基因组功能注释与解释方法及其在RNA靶向治疗中的应用前景 | 整合非编码区变异注释策略，结合深度学习与基序导向工具，建立从变异识别到RNA靶向治疗的完整研究框架 | 依赖计算预测工具的准确性，实验验证策略仍需标准化，临床应用转化存在技术壁垒 | 开发系统性识别和解释剪接破坏性变异的策略，推动精准医疗发展 | 剪接破坏性变异（包括同义、深内含子和调控区变异） | 生物信息学 | 神经肌肉疾病及其他剪接驱动疾病 | 基因组测序，RNA靶向治疗技术（反义寡核苷酸、小分子调节剂、RNA编辑平台） | 深度学习模型，基序导向工具 | 基因组变异数据，剪接数据 | NA | NA | NA | NA | NA |
| 4296 | 2025-11-06 |
Letter to editor on "deep learning facilitated discovery of prognosis biomarkers and their ligands to improve liver cancer treatment"
2025-Nov-05, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003656
PMID:41190371
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4297 | 2025-11-06 |
Application of multi-scale feature extraction and explainable machine learning in chest x-ray position evaluation within an integrated learning framework
2025-Nov-05, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12097-9
PMID:41191081
|
研究论文 | 本研究提出了一种结合深度学习和机器学习的融合网络，用于胸部X射线定位的定量和可解释评估 | 提出了基于分割的随机森林融合网络，结合SHAP方法增强模型临床可解释性 | 回顾性研究，数据来源于单一医疗机构 | 分析胸部X射线患者定位布局中的关键因素 | 胸部X射线图像 | 医学影像分析 | 胸部疾病 | X射线成像 | 深度学习, 机器学习 | 医学图像 | 3300张胸部X射线图像，来自中国医疗机构（2021年3月-2022年12月） | NA | U-net++, U-net, Random Forest Fusion Network | AUC, 准确率, 敏感性, 特异性, Dice系数 | NA |
| 4298 | 2025-11-06 |
Automated analysis of paraspinal muscles: segmentation and multi-parameter quantification in lumbar CT using convolutional neural network
2025-Nov-05, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-025-09541-1
PMID:41191112
|
研究论文 | 开发基于卷积神经网络的深度学习算法，用于腰椎CT中八块椎旁肌的自动分割和多参数量化 | 首次在腰椎CT中实现八块椎旁肌的自动分割和多参数量化，克服了手动分割耗时且存在变异性的问题 | 样本量相对较小（100例腰椎CT扫描），需要进一步验证在更大样本和不同人群中的泛化能力 | 开发自动化的椎旁肌分割和量化方法，支持大规模椎旁肌和脊柱相关疾病的流行病学研究 | 腰椎椎旁肌（双侧腰大肌、腰方肌、竖脊肌和多裂肌） | 医学影像分析 | 脊柱相关疾病 | CT成像 | CNN | CT图像 | 100例腰椎CT扫描（年龄55.02±16.2岁，62例女性） | NA | TransUNet | Dice相似系数, Hausdorff距离, 平均交并比, 组内相关系数 | NA |
| 4299 | 2025-11-06 |
Unveiling Hearts: Deep Learning-Based Electrocardiogram Classification for Congenital Heart Disease Detection
2025-Nov-05, Current medical science
IF:2.0Q3
DOI:10.1007/s11596-025-00134-z
PMID:41191231
|
研究论文 | 本研究开发了一种基于深度学习的先天性心脏病心电图分类方法 | 结合CNN和RNN分析心电图信号，并应用SMOTE技术解决类别不平衡问题 | 需要在更多数据集上验证模型，并解决噪声处理和外部验证等现实挑战 | 开发准确分类先天性心脏病的深度学习方法 | 心电图信号 | 机器学习 | 先天性心脏病 | 心电图分析 | CNN,RNN | 时间序列数据 | MIT-BIH心律失常数据库 | NA | NA | 准确率 | NA |
| 4300 | 2025-11-06 |
Automatically Measuring Kidney, Liver, and Cyst Volumes in Autosomal Dominant Polycystic Kidney Disease
2025-Nov-04, Journal of the American Society of Nephrology : JASN
IF:10.3Q1
DOI:10.1681/ASN.0000000904
PMID:41186985
|
研究论文 | 开发基于深度学习的三维分割模型，用于自动测量常染色体显性多囊肾病患者的肾脏、肝脏和囊肿体积 | 提出结合U-Net和Transformer的3D混合模型，并开发了首个基于网络的自动体积测量平台 | 模型在肝脏囊肿分割性能相对较低(Dice分数0.82)，且外部验证数据集规模有限 | 开发自动、准确的ADPKD肾脏、肝脏和囊肿体积测量工具 | 常染色体显性多囊肾病患者和健康对照者 | 数字病理学 | 常染色体显性多囊肾病 | MRI, CT扫描 | 3D混合模型 | 医学影像 | 720名参与者(611名ADPKD患者，109名对照) | NA | U-Net, Transformer | Dice系数, 平均绝对百分比差异 | 基于网络的平台 |