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 38770 篇文献，本页显示第 4341 - 4360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4341 | 2025-12-06 |
Characterization of Gastrodiae Rhizoma from different geographical origins by HS-GC-IMS and authenticity identification combined with deep learning
2026-Jan-04, Journal of chromatography. A
DOI:10.1016/j.chroma.2025.466482
PMID:41172769
|
研究论文 | 本研究结合顶空气相色谱-离子迁移谱（HS-GC-IMS）与深度学习算法，对不同产地天麻的挥发性成分进行表征并建立产地真实性鉴别方法 | 首次将GC-IMS二维谱图与深度学习（CNN、ResNet）相结合用于天麻产地鉴别，准确率超过99.54%，显著优于传统机器学习方法（约90%） | 样本数量有限（未明确具体样本数），仅分析了挥发性成分，未涵盖其他化学组分 | 建立天麻产地鉴别与掺假筛查策略，确保市场产品质量 | 不同地理来源的天麻（Gastrodiae Rhizoma）样本 | 计算机视觉 | NA | 顶空气相色谱-离子迁移谱（HS-GC-IMS） | CNN, ResNet | 图像（2D GC-IMS色谱图） | 未明确具体样本数量，涉及不同产地天麻样本 | NA | 卷积神经网络（CNN）, 残差网络（ResNet） | 准确率 | NA |
| 4342 | 2025-12-06 |
Evolution of chromatographic modeling: From mechanistic models to hybrid models with physics-based deep learning
2026-Jan-04, Journal of chromatography. A
DOI:10.1016/j.chroma.2025.466565
PMID:41297511
|
综述 | 本文系统总结了基于物理的深度学习（PBDL）方法在色谱建模中的三代演进过程 | 提出了色谱建模从传统机理模型到融合机理理解与数据驱动的混合模型的演进框架，并阐述了PBDL如何实现物理与数据的相互反馈 | 未提及具体应用案例的性能局限或数据要求 | 综述色谱建模技术的发展历程，探讨物理驱动深度学习方法的演进与潜力 | 色谱建模方法 | 机器学习 | NA | 物理驱动的深度学习 | 神经网络 | 模拟数据与物理方程 | NA | NA | 物理信息神经网络 | NA | NA |
| 4343 | 2025-12-06 |
Potential radiation dose reduction in computed tomography with deep learning reconstruction: a retrospective monocentric study
2025-12-05, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2025.253513
PMID:41346133
|
研究论文 | 本研究评估了深度学习重建算法在常规临床CT扫描中相比迭代重建算法，能否在维持或提升图像质量的同时降低辐射剂量 | 首次在单中心、大规模回顾性研究中，系统评估了深度学习重建算法在四种不同CT协议（胸部、头部、胸腹盆肿瘤学、下肢CTA）中降低辐射剂量的一致性和有效性，证实了其广泛的临床应用潜力 | 研究为回顾性、单中心设计，可能存在选择偏倚，且图像质量评估仅基于子样本（200名患者） | 评估深度学习重建算法在降低CT扫描辐射剂量方面的有效性和一致性 | 接受CT扫描的患者 | 医学影像 | NA | 计算机断层扫描 | 深度学习重建算法 | CT图像 | 总人群13,060名患者，图像质量评估子样本200名患者（每组每个协议25名） | NA | NA | 主观图像质量评估，标准化信噪比，对比噪声比 | NA |
| 4344 | 2025-12-06 |
Digital profile of children's hearts: automated echocardiogram strain analysis facilitates earlier detection of cardiac dysfunction
2025-Dec-05, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehaf952
PMID:41347951
|
研究论文 | 本文提出了一种名为Motion-Echo的半监督深度学习框架，用于自动化超声心动图应变分析，旨在提高儿童心脏功能障碍的早期检测能力 | 开发了一个大规模、供应商无关的半监督深度学习框架，整合了上下文补偿和运动估计模块，适用于不同图像质量和人群的超声心动图应变分析 | NA | 通过标准化和自动化超声心动图应变分析，提高儿童心脏功能评估的准确性并实现心脏功能障碍的早期检测 | 儿童和成人的超声心动图数据 | 数字病理学 | 心血管疾病 | 超声心动图 | 深度学习 | 图像 | 11096例儿童和11297例成人超声心动图 | NA | Motion-Echo | 平均绝对误差, Pearson相关系数, AUC | NA |
| 4345 | 2025-12-06 |
Attention-Guided Deep Learning of Chemical Exchange Saturation Transfer Magnetic Resonance Imaging to Differentiate Between Tumor Progression and Radiation Necrosis in Brain Metastasis
2025-Dec-05, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2025.10.040
PMID:41348074
|
研究论文 | 本研究开发了一种基于注意力引导深度学习的化学交换饱和转移磁共振成像方法，用于区分脑转移瘤中的肿瘤进展与放射性坏死 | 提出了一种结合新型注意力机制的三维Transformer模型，并首次将多模态化学交换饱和转移MRI与T1/T2映射及常规结构MRI结合用于该诊断任务 | 样本量相对有限（93例患者，230个病灶），且需依赖组织病理学或长期随访影像确认结果，可能引入选择偏倚 | 解决脑转移瘤立体定向放射外科治疗后放射性坏死与肿瘤进展的鉴别诊断难题 | 接受立体定向放射外科治疗的脑转移瘤患者（共93例，包含230个病灶） | 数字病理学 | 脑转移瘤 | 化学交换饱和转移磁共振成像，T1/T2映射，常规结构MRI | Transformer | 磁共振图像 | 93例患者（230个病灶），其中训练集47例患者（184个病灶），独立测试集46例患者（46个病灶） | NA | 三维Transformer模型 | AUC（受试者工作特征曲线下面积） | NA |
| 4346 | 2025-12-06 |
Low-dose CBCT image reconstruction: a review
2025-Dec-05, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-025-02492-y
PMID:41348234
|
综述 | 本文深入分析了低剂量锥束计算机断层扫描（CBCT）图像重建领域的最新研究进展 | 系统性地综述了低剂量CBCT图像重建中解析重建算法、迭代重建算法和深度学习方法的进展、特点与应用，并指出了当前技术的挑战与未来方向 | 作为一篇综述，其本身不包含原创性实验或新模型验证，主要基于现有文献进行分析 | 旨在通过综述低剂量CBCT图像重建技术，推动该领域发展，在降低患者辐射风险的同时保持图像质量 | 低剂量CBCT图像重建的相关算法与方法 | 医学影像处理 | NA | 锥束计算机断层扫描（CBCT） | NA | CBCT图像 | NA | NA | NA | NA | NA |
| 4347 | 2025-12-06 |
Radiological Image and Text-Based Medical Concept Detection in Social Networks Using Hybrid Deep Learning
2025-Dec-05, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02311-y
PMID:41348245
|
研究论文 | 本研究利用混合深度学习模型，从社交媒体中的放射学图像及其相关评论中自动检测和分类医学概念 | 首次将深度学习模型应用于从社交媒体收集的放射学数据，进行多标签医学概念分类 | 未提及具体的数据偏差或模型泛化能力限制 | 通过自动分配相关医学概念，对社交媒体上的放射学图像进行多标签分类 | 社交媒体上的放射学图像及其相关评论 | 计算机视觉 | NA | 深度学习 | CNN, 前馈神经网络 | 图像, 文本 | 使用ImageCLEF 2019数据集和自定义数据集Rdpd_Test_Ds | NA | VGG-19, DenseNet-121, ResNet-101, Xception, Efficient-B7 | 精确率, 召回率, F1分数 | NA |
| 4348 | 2025-12-06 |
Bioinformatics and artificial intelligence in genomic data analysis: current advances and future directions
2025-Dec-05, Molecular genetics and genomics : MGG
IF:2.3Q3
DOI:10.1007/s00438-025-02314-x
PMID:41348251
|
综述 | 本文全面综述了人工智能（特别是机器学习和深度学习）在基因组数据分析中的应用、当前进展与未来方向 | 系统整合了AI在基因组分析全流程（从变异检测到多组学整合和个性化医疗）的应用，并批判性评估了可解释AI和联邦学习等新兴技术 | 面临数据标准化、计算成本高、算法可解释性不足以及隐私和算法偏见等伦理挑战 | 探讨人工智能如何变革基因组数据分析，并解决传统生物信息学方法的关键局限 | 2010年至2024年间发表的同行评审研究，涵盖PubMed、Scopus和Google Scholar数据库 | 生物信息学, 机器学习 | NA | 下一代测序 | 机器学习, 深度学习 | 基因组数据 | NA | NA | NA | 准确性 | NA |
| 4349 | 2025-12-06 |
An automated classification of brain white matter inherited disorders (Leukodystrophy) using MRI image features
2025-Dec-04, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae2336
PMID:41285048
|
研究论文 | 本研究提出了一种基于MRI图像特征的自动化分类方法，用于诊断脑白质遗传性疾病（脑白质营养不良症） | 首次将深度学习CNN模型（特别是InceptionV3）应用于3D脑MRI图像，对五种主要脑白质营养不良亚型进行自动化分类，并系统比较了传统机器学习与深度学习方法的表现 | 研究样本量相对较小（115例患者），仅包含五种主要亚型，可能无法涵盖所有脑白质营养不良变异类型 | 开发可靠的自动化工具，辅助神经科医生进行脑白质营养不良症的鉴别诊断 | 115名确诊脑白质营养不良症患者的脑部MRI图像，涵盖五种主要亚型 | 医学影像分析 | 脑白质营养不良症 | 脑部MRI成像 | 传统机器学习算法, CNN | 3D MRI图像 | 115例患者 | NA | InceptionV3 | 准确率, 精确率, 召回率, 特异性, F1分数, AUC | NA |
| 4350 | 2025-12-06 |
Semantic Correspondence: Unified Benchmarking and a Strong Baseline
2025-Dec-04, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3640429
PMID:41343305
|
综述 | 本文首次对语义对应方法进行了全面综述，提出了一种分类法，汇总了各方法在多个基准测试上的结果，并提出了一个简单有效的基线模型 | 提出了首个语义对应方法的广泛综述，创建了统一的分类法和性能比较表，并通过控制实验深入分析了不同方法的组件有效性，同时提出了一个在多个基准测试上达到最先进性能的简单基线模型 | NA | 对语义对应任务进行全面综述、分析和基准测试，为该领域提供统一的评估框架和强基线 | 语义对应方法 | 计算机视觉 | NA | NA | NA | 图像 | NA | NA | NA | NA | NA |
| 4351 | 2025-12-06 |
Towards improved fake news detection using a hybrid RoBERTa and metadata enhanced XGBoost model
2025-Dec-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29942-y
PMID:41345495
|
研究论文 | 本文提出了一种结合RoBERTa特征提取与XGBoost分类器的混合模型，用于提升假新闻检测性能 | 提出了一种新颖的混合框架，将基于Transformer的特征提取（RoBERTa嵌入）与集成学习分类器（XGBoost）相结合，并整合了TF-IDF分词和元数据处理，以同时捕捉语言和上下文特征 | 未明确说明模型在不同语言或跨领域数据集上的泛化能力，也未讨论计算资源消耗和实时检测效率 | 开发一个鲁棒且可扩展的假新闻检测系统，以应对在线平台上的错误信息传播问题 | 在线新闻文本及其相关元数据 | 自然语言处理 | NA | 自然语言处理（NLP）、深度学习 | Transformer, XGBoost | 文本、元数据 | 基于PolitiFact和GossipCop两个数据集进行训练和评估 | NA | RoBERTa, XGBoost | 准确率、精确率、召回率、F1分数 | NA |
| 4352 | 2025-12-06 |
Artificial intelligence assistance narrows the experience gap in endoscopic reporting of gastric lesions: a prospective clinical trial
2025-Dec-04, Surgical endoscopy
DOI:10.1007/s00464-025-12410-z
PMID:41345528
|
研究论文 | 本研究验证了一种人工智能辅助报告系统，用于提高胃部病变内镜报告的质量，并缩小不同经验水平内镜医师之间的差距 | 开发并验证了一个集成深度学习模型的人工智能报告系统，专门用于胃部病变的检测、分类和特征识别，并证明其能显著提高报告完整性，尤其是在缩小内镜医师经验差距方面 | 研究样本量有限（276个视频片段），且未详细说明系统在更广泛、更多样化临床环境中的泛化能力 | 验证人工智能报告系统在改善胃部病变内镜报告质量方面的临床有效性 | 胃部病变的内镜图像和视频 | 计算机视觉 | 胃部病变 | 内镜成像 | 深度学习模型 | 图像, 视频 | 276个视频片段 | NA | NA | 准确率, 灵敏度, 特异性 | NA |
| 4353 | 2025-12-06 |
Deep Learning to Differentiate Parkinsonian Syndromes: From Proof of Concept to Clinical Trust
2025-Dec-04, Movement disorders : official journal of the Movement Disorder Society
IF:7.4Q1
DOI:10.1002/mds.70139
PMID:41346225
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4354 | 2025-12-06 |
Deep learning-driven ultra-stretchable kirigami metamaterials: towards surface texture modulation via buckling
2025-Dec-03, Soft matter
IF:2.9Q2
DOI:10.1039/d5sm00933b
PMID:41246961
|
研究论文 | 本文提出了一种基于深度学习的剪纸超材料创新设计策略，用于预测复杂非线性本构关系并实现可编程的机械响应 | 利用深度学习技术预测剪纸结构的复杂非线性力学行为，并提出了基于几何对称性破坏的可编程设计框架，显著扩展了剪纸的设计空间 | 未明确说明模型在极端应变条件下的泛化能力以及实际制造工艺对预测性能的影响 | 增强剪纸超材料的功能性，深入探究几何对称性破坏对屈曲行为的影响机制，并实现基于功能需求的机械性能预测与功能配置 | 镶嵌切割剪纸结构（tessellated cutting kirigami structures） | 机器学习 | NA | 深度学习 | NA | 力学性能数据（推测为应力-应变关系等） | NA | NA | NA | 准确率（94.29%） | NA |
| 4355 | 2025-12-06 |
Deep learning and generative artificial intelligence methods in enzyme and cell engineering
2025-Dec-03, Current opinion in biotechnology
IF:7.1Q1
DOI:10.1016/j.copbio.2025.103393
PMID:41344283
|
综述 | 本文综述了人工智能方法在加速优化生物催化剂和细胞遗传网络发展方面的进展 | 聚焦于深度学习和生成式人工智能在酶与细胞工程领域的最新应用，包括酶发现、工程及从头设计 | 当前AI方法的可靠性和泛化能力仍面临挑战 | 探讨AI如何促进可持续生物经济转型，通过优化生物催化剂和细胞工程 | 酶和微生物工厂（细胞） | 机器学习 | NA | NA | 深度学习, 生成式人工智能 | NA | NA | NA | NA | NA | NA |
| 4356 | 2025-12-06 |
Applicator reconstruction in cervical cancer brachytherapy: A systematic review of current methods, challenges, and AI-driven future directions
2025-Dec-03, Brachytherapy
IF:1.7Q3
DOI:10.1016/j.brachy.2025.10.004
PMID:41344965
|
综述 | 本文系统回顾了宫颈癌近距离放射治疗中施源器重建的现有方法、挑战及人工智能驱动的未来方向 | 重点关注AI方法在克服金属伪影、部分容积效应和操作者间变异性方面的潜力，并系统评估了从手动到AI驱动方法的精度、效率和临床影响 | 临床验证有限（60%的研究使用体模），数据存在异质性（切片厚度：0.6-5 mm），且对新施源器设计的泛化性不足 | 评估宫颈癌3D图像引导近距离放射治疗中施源器重建方法的准确性、效率和临床影响 | 宫颈癌近距离放射治疗中的施源器重建方法 | 数字病理 | 宫颈癌 | CT成像，近距离放射治疗 | 深度学习模型 | 医学影像（CT图像） | 分析了23项研究 | NA | U-Net, Dilated-Supervised Deep U-Net, Attention-Gated networks | 几何精度（尖端误差，豪斯多夫距离），重建时间，剂量学参数（D90 HR-CTV, D2cc OARs），Dice相似系数 | NA |
| 4357 | 2025-12-06 |
OpenLM: an open-source pixel super-resolution platform for lens-free microscopy with applications in bacterial growth monitoring and deep learning-based bacterial detection
2025-Dec-02, Lab on a chip
IF:6.1Q2
DOI:10.1039/d5lc00719d
PMID:41170835
|
研究论文 | 本文介绍了OpenLM，一个开源的无透镜显微镜平台，集成了像素超分辨率算法，用于细菌生长监测和基于深度学习的细菌检测 | 开发了一个低成本、易于复制的开源无透镜显微镜平台，结合像素超分辨率技术和多角度LED照明，显著提高了分辨率并保持了大视场，同时提供了用户友好的图形界面 | NA | 开发一个实用且可扩展的工具，用于细菌监测和其他生物医学应用 | 细菌生长和早期菌落形成 | 数字病理 | NA | 无透镜显微镜，像素超分辨率技术，多角度LED照明 | YOLO | 图像 | NA | NA | YOLO | NA | Raspberry Pi相机和板卡 |
| 4358 | 2025-12-06 |
Deep-learning prediction of breast cancer hormone receptor status from CEM: a preliminary study
2025-Dec-02, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-025-00653-3
PMID:41329305
|
研究论文 | 本研究探索了利用深度学习从对比增强乳腺X线摄影图像中预测乳腺癌激素受体状态的可行性 | 首次将ResNet-18模型应用于对比增强乳腺X线摄影图像，通过加权交叉熵损失和温度缩放校准处理类别不平衡问题 | 数据集规模较小且具有特定采集协议，可能影响模型的广泛泛化能力 | 开发一种非侵入性的深度学习方法，用于从对比增强乳腺X线摄影图像中预测乳腺癌的激素受体状态 | 105名浸润性乳腺癌患者的对比增强乳腺X线摄影肿瘤裁剪图像 | 数字病理学 | 乳腺癌 | 对比增强乳腺X线摄影 | CNN | 图像 | 105名患者（训练集68例，验证集16例，独立测试集21例） | PyTorch | ResNet-18 | 准确率, AUROC, 平衡准确率, 马修斯相关系数, 精确率-召回率曲线下面积 | NA |
| 4359 | 2025-12-06 |
Imaging-based transformer model predicts early therapy response in advanced nasopharyngeal carcinoma: a dual-center study
2025-Dec-02, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-02142-y
PMID:41329405
|
研究论文 | 本研究开发了一种基于Transformer架构的2.5D影像融合模型，用于预测局部晚期鼻咽癌患者的早期治疗反应 | 首次将2.5D成像方法与Transformer架构结合，并融合临床数据，构建了用于预测局部晚期鼻咽癌早期治疗反应的深度学习模型 | 研究为双中心回顾性研究，样本量相对有限（n=184），且未在外部独立队列中进行验证 | 开发并验证一种深度学习模型，以预测局部晚期鼻咽癌患者对放化疗的早期治疗反应 | 局部晚期鼻咽癌（LA-NPC）患者 | 数字病理学 | 鼻咽癌 | MRI成像 | Transformer, CNN | 图像（MRI），临床数据 | 184名患者（训练集89例，验证集39例，测试集56例） | NA | Transformer, SegResNet, Unet, UnetR | AUC, ROC曲线, 校准曲线, 决策曲线分析（DCA） | NA |
| 4360 | 2025-12-06 |
Research on bamboo strip density control technology based on deep learning
2025-Dec-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26909-x
PMID:41330965
|
研究论文 | 本研究提出了一种基于深度学习的竹条密度自动检测方法，用于竹材质量控制 | 首次将深度学习应用于竹条密度检测，通过分析维管束分布来量化密度，并比较了多种主流深度学习模型在该任务上的性能 | NA | 开发一种自动化、高精度的竹条密度控制技术 | 竹条 | 计算机视觉 | NA | 深度学习 | CNN, Transformer | 图像 | NA | NA | ConvNeXt | 准确率 | NA |