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 36836 篇文献，本页显示第 421 - 440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 421 | 2025-12-18 |
Artificial intelligence-driven longitudinal quantification of technetium pyrophosphate uptake in cardiac amyloidosis: Correlation with multimodality imaging and outcomes
2025-Nov-27, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2025.102573
PMID:41314377
|
研究论文 | 本研究利用深度学习技术纵向量化转甲状腺素蛋白心脏淀粉样变性患者中锝-99m焦磷酸盐的摄取，并探讨其与多模态影像参数变化及临床结局的相关性 | 首次应用深度学习方法对ATTR-CM患者的连续99mTc-PYP影像进行自动化定量分析，并验证其作为治疗反应监测生物标志物的临床价值 | 单中心回顾性研究，样本量有限（85例），随访时间相对较短，缺乏外部验证队列 | 评估深度学习量化99mTc-PYP摄取在ATTR-CM治疗监测中的临床应用价值 | 诊断为转甲状腺素蛋白心脏淀粉样变性的患者 | 数字病理学 | 心血管疾病 | 99m-锝焦磷酸盐核素显像，超声心动图，心血管磁共振 | 深度学习 | 医学影像 | 85例ATTR-CM患者（中位年龄79岁，89%为男性） | 未明确说明 | 未明确说明 | 相关系数（ρ），风险比，P值 | NA |
| 422 | 2025-12-18 |
Artificial intelligence tools for the assessment and management of dysphagia: protocol for a scoping review
2025-Nov-26, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2025-108726
PMID:41298263
|
综述 | 本文是关于人工智能工具在吞咽困难评估与管理中应用的范围综述研究方案 | 首次系统性地规划对人工智能（包括机器学习和深度学习）在吞咽困难领域应用文献的范围综述，旨在填补现有文献综合的空白 | 排除仅涉及儿科人群的研究，且不涉及患者个体数据的收集 | 系统梳理和综合人工智能工具在吞咽困难评估与管理方面的现有文献，为临床实施提供更清晰的指南 | 关注人工智能工具（如机器学习、深度学习和计算机视觉）用于评估和管理吞咽困难的研究 | 自然语言处理, 计算机视觉, 机器学习 | 吞咽困难 | NA | NA | 文本 | NA | NA | NA | NA | NA |
| 423 | 2025-12-18 |
MedNet: a lightweight attention-augmented CNN for medical image classification
2025-Nov-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-25857-w
PMID:41290816
|
研究论文 | 提出一种名为MedNet的轻量级注意力增强CNN模型，用于医学图像分类任务 | 结合深度可分离卷积与CBAM注意力机制，高效提取并精炼空间和上下文相关特征，在保持高精度的同时显著减少参数和计算成本 | 仅在公开的MedMNIST和Fitzpatrick17k数据集上进行了验证，未在更多样化或更大规模的临床数据集上进行测试 | 开发一种高效、轻量化的深度学习架构，以提升医学图像分类的准确性和泛化能力 | 医学图像分类任务 | 计算机视觉 | 皮肤病 | NA | CNN | 图像 | DermaMNIST、BloodMNIST、OCTMNIST（来自MedMNIST）和Fitzpatrick17k数据集 | NA | ResidualDSCBAMBlock, CBAM | 准确率 | NA |
| 424 | 2025-12-18 |
Development and validation of a machine learning-based prognostic model for gastric cancer: a multicenter retrospective study
2025-Nov-21, Langenbeck's archives of surgery
DOI:10.1007/s00423-025-03883-6
PMID:41269322
|
研究论文 | 本研究开发并验证了一种基于机器学习的胃癌预后预测模型，并在多中心真实世界数据中进行了评估 | 首次将多种特征选择方法与四种建模算法（包括Cox、RSF、CoxBoost和Deepsurv_Cox）结合，构建了用于胃癌总体生存期和癌症特异性生存期预测的集成模型，并在独立测试中超越了传统的TNM分期系统 | 研究为回顾性设计，可能存在选择偏倚；模型在外部验证中的表现仍需在更多样化的患者群体中进一步确认 | 开发并验证一种基于机器学习的胃癌预后预测模型，以提高生存预测的准确性 | 胃癌患者 | 机器学习 | 胃癌 | NA | Cox, RSF, CoxBoost, Deepsurv_Cox | 临床数据 | SEER数据库21,559名患者，两个中国医疗中心3,805名患者 | NA | 集成模型（堆叠模型） | C-index, 综合Brier评分, 平均AUC, 时间依赖性ROC曲线, 决策曲线分析 | NA |
| 425 | 2025-12-18 |
Artificial intelligence in oncological positron emission tomography: advancing image analysis and interpretation
2025-Nov-21, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.107187
PMID:41401681
|
综述 | 本文综述了人工智能在肿瘤学正电子发射断层扫描（PET）中的应用，重点讨论了其在图像分析和解释方面的进展 | 强调了人工智能在提高PET图像质量和定量指标提取一致性方面的变革作用，并展望了多模态集成、联邦学习和概率深度学习等未来发展方向 | 指出AI在PET分析中面临的挑战，包括成像数据标准化、可靠可解释性方法的开发以及监管框架的建立 | 探讨人工智能在肿瘤学PET成像中的应用，以改善诊断准确性和预后建模 | 肿瘤患者的PET成像数据 | 医学影像分析 | 癌症 | 正电子发射断层扫描（PET） | NA | 图像 | NA | NA | NA | NA | NA |
| 426 | 2025-12-18 |
A Biologically Informed Vision-Guided Framework for Interpretable T Cell Receptor-Epitope Binding Prediction
2025-Nov-07, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202512544
PMID:41199631
|
研究论文 | 提出了一种名为DAISY的生物启发视觉引导深度学习框架，用于稳健且可解释的T细胞受体-表位结合预测 | 通过生物启发的条件自适应融合模块整合分层物理化学特征，联合建模残基级空间相互作用和全局生化背景，显著提升了在未见表位场景下的泛化能力 | 未明确说明模型在更广泛或多样化数据集上的潜在泛化限制或计算资源需求 | 准确预测T细胞受体与抗原表位之间的结合，以推进癌症免疫治疗 | T细胞受体和由主要组织相容性复合物分子呈递的抗原表位 | 机器学习 | 癌症 | 深度学习 | 深度学习框架 | 序列数据（TCR和表位序列） | NA | NA | 条件自适应融合模块 | ROC-AUC, PR-AUC | NA |
| 427 | 2025-12-18 |
Progress and Bottlenecks for Deep Learning in Computational Structure Biology: CASP Round XVI
2025-Nov-03, Proteins
IF:3.2Q2
DOI:10.1002/prot.70076
PMID:41178755
|
综述 | 本文总结了CASP16社区实验中深度学习在计算结构生物学领域的进展与瓶颈 | 指出深度学习在蛋白质单体结构预测上已达到实验不确定性上限，但在RNA结构预测中表现不佳，并强调物理启发方法与深度学习结合及训练数据增加的趋势 | RNA结构预测中深度学习方法不优于传统方法，且缺乏结构同源性时结果较差；大分子集合和有机配体-蛋白质结构的预测精度仍有限 | 评估深度学习在计算结构生物学中的最新进展与挑战 | 蛋白质单体、蛋白质复合物、RNA结构、大分子集合、有机配体-蛋白质复合物 | 计算结构生物学 | NA | 深度学习 | AlphaFold变体 | 结构数据 | CASP16目标集 | NA | AlphaFold | 结构一致性、界面精度 | NA |
| 428 | 2025-12-18 |
Application of MobileNet and Xception neural networks to identify Sillago sihama populations in Vietnam's coastal waters based on otolith morphology
2025-Nov, Journal of fish biology
IF:1.7Q2
DOI:10.1111/jfb.70130
PMID:40731378
|
研究论文 | 本研究应用MobileNet和Xception深度学习模型，基于耳石形态对越南沿海水域的印度-太平洋鳕鱼种群进行识别 | 首次将MobileNet和Xception深度学习模型应用于耳石形态分析，显著提升了鱼类种群分类的准确性 | 研究仅基于越南三个沿海区域的样本，可能无法代表更广泛地理范围内的种群多样性 | 通过耳石形态分析识别越南沿海印度-太平洋鳕鱼的种群结构 | 越南沿海三个区域（包括Son Cha和Cat Ba）的印度-太平洋鳕鱼耳石样本 | 计算机视觉 | NA | 耳石形态分析 | CNN | 图像 | 来自越南三个沿海区域的印度-太平洋鳕鱼耳石样本 | NA | MobileNet, Xception | 准确率 | NA |
| 429 | 2025-12-18 |
Effectiveness of AI-Based Tools in Detecting Diabetic Retinopathy in Low- and Middle-Income Countries: A Systematic Review of Diagnostic Performance and Implementation Feasibility
2025-Nov, Cureus
DOI:10.7759/cureus.96554
PMID:41393614
|
系统综述 | 本文系统综述了在低收入和中等收入国家中，基于AI的工具在检测糖尿病视网膜病变方面的诊断性能和实施可行性 | 聚焦于低收入和中等收入国家，系统评估AI工具在糖尿病视网膜病变筛查中的诊断准确性和实施可行性，填补了该领域证据分散的空白 | 符合条件的原始研究数量较少，且对基础设施需求、监管考虑和长期可持续性的报告有限 | 评估AI工具在低收入和中等收入国家中检测糖尿病视网膜病变的有效性和实施可行性 | 基于视网膜成像的AI、机器学习或深度学习工具 | 数字病理学 | 糖尿病视网膜病变 | 视网膜成像 | 深度学习, 机器学习 | 图像 | NA | NA | NA | 诊断准确性 | NA |
| 430 | 2025-12-18 |
Artificial Intelligence in Radiology: Transforming Cancer Detection and Diagnosis
2025-Nov, Cureus
DOI:10.7759/cureus.96518
PMID:41393619
|
综述 | 本文综述了人工智能在放射肿瘤学中的应用，涵盖多种癌症类型和成像技术，探讨了其在癌症检测和诊断中的最新进展与挑战 | 综合了深度学习、放射组学和放射基因组学框架在多种癌症类型中的最新应用，并强调了AI作为放射科医生协作伙伴的角色，而非替代 | 模型在不同人群和机构间的泛化能力有限，存在数据孤岛、监管不确定性，以及临床环境中可解释AI输出的需求 | 评估人工智能在放射肿瘤学中的当前应用，并为其安全、公平和有效的实施提供战略方向 | 乳腺癌、肺癌、前列腺癌、脑癌、胃肠道癌和转移性疾病等主要癌症类型 | 数字病理学 | 肺癌, 前列腺癌, 乳腺癌, 脑癌, 胃肠道癌 | CT, MRI, PET/CT, 数字乳腺X线摄影 | 深度学习 | 图像 | NA | NA | NA | 准确性, 分割精度, 风险预测, 分子表型推断 | NA |
| 431 | 2025-12-18 |
Efficiency of Artificial Intelligence in Three-Dimensional Reconstruction of Medical Imaging
2025-Nov, Cureus
DOI:10.7759/cureus.96580
PMID:41393720
|
综述 | 本文综述了人工智能在医学影像三维重建中的效率，探讨了其如何提升准确性、速度及临床效用 | 系统性地回顾了近10年AI驱动的三维重建技术，重点评估了深度学习模型在提升重建自动化、精度及临床应用方面的突破 | 研究仅纳入成人影像数据，排除了儿科及临床前研究，且存在高计算需求、标准化数据集缺乏、真实世界验证不足等挑战 | 评估人工智能在医学影像三维重建中的效率、临床应用及现存挑战 | 近10年发表的、针对成人人类影像的、基于AI的三维重建研究 | 计算机视觉 | NA | 医学影像三维重建 | 深度学习 | 医学影像 | NA | NA | U-Net, V-Net, DenseVNet, GAN | Dice系数 | NA |
| 432 | 2025-12-18 |
Benchmarking robustness of automated CT pancreas segmentation: achieving human-level reliability through human-in-the-loop optimization
2025-Nov, Radiology advances
DOI:10.1093/radadv/umaf040
PMID:41394428
|
研究论文 | 本研究系统评估了深度学习模型在CT胰腺分割中的鲁棒性，并通过人机协同优化策略提升其可靠性，以达到人类水平的性能 | 引入分数阈值指标量化模型达到人类最小性能的比例，并采用主动学习策略识别高不确定性预测进行人工修订，显著提升模型鲁棒性 | 研究主要基于健康人群的CT数据，未充分验证在异常病例或不同扫描仪间的泛化能力 | 评估深度学习模型在CT胰腺分割中的鲁棒性，并探索提升其可靠性的方法 | CT扫描图像中的胰腺分割 | 数字病理学 | 胰腺疾病 | CT扫描 | 深度学习模型 | CT图像 | 903例静脉期CT扫描，其中803例用于训练/验证，100例健康测试病例 | NA | 3D U-Net | Dice相似系数, 归一化表面Dice, 分数阈值 | NA |
| 433 | 2025-12-18 |
From big to small: Emerging methods for enhancing precision psychiatry through transfer learning
2025-Oct-29, Biological psychiatry
IF:9.6Q1
DOI:10.1016/j.biopsych.2025.10.022
PMID:41173199
|
综述 | 本文综述了迁移学习在脑-行为预测建模中的应用，旨在通过利用大规模神经影像数据集提升精准精神病学中的临床预测精度 | 将迁移学习策略引入脑-行为预测建模，通过预训练模型在大型人群数据集上提取可泛化关联，并微调以适应小规模临床数据，从而增强模型在精准精神病学中的泛化能力和可解释性 | NA | 探讨迁移学习如何通过利用大规模神经影像数据来提升精准精神病学中个体神经生物学特征与症状或治疗结果关联的预测精度 | 神经影像数据和临床数据，特别是来自大型联盟数据集和个体患者群体的数据 | 机器学习 | 精神疾病 | 神经影像学 | NA | 神经影像数据，临床数据 | NA | NA | NA | NA | NA |
| 434 | 2025-12-18 |
Advancing Point-of-Care Still's Murmur Identification: Evaluating the Efficacy of ConvNets and Transformers Using the StethAid Multicenter Heart Sound Database
2025-Sep-04, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3606341
PMID:40907040
|
研究论文 | 本研究评估了卷积神经网络和Transformer模型在识别儿童Still's杂音方面的效能，使用StethAid多中心心音数据库 | 首次收集并利用专门针对儿科人群的StethAid数据集，结合多种深度学习模型（包括SQ-NET、ResNet18、AST、DeiT、Swin Transformer、DINO）进行Still's杂音识别，填补了现有方法主要关注成人病理性杂音或杂音检测的空白 | 研究依赖于特定设备（StethAid数字听诊平台）采集的数据，可能限制了模型的泛化能力；数据集规模相对有限（527个PCG），且未详细讨论模型在真实临床环境中的部署挑战 | 开发并评估深度学习模型，以辅助初级保健提供者准确识别儿童Still's杂音，减少不必要的专科转诊和超声心动图使用 | 儿科患者的心音图数据，包括Still's杂音、其他良性杂音和病理性杂音 | 机器学习 | 心血管疾病 | 数字听诊技术 | CNN, Transformer | 心音图数据 | 527个心音图记录（来自StethAid数据集），加上先前Littmann 4100数据集的1450个记录 | NA | SQ-NET, ResNet18, AST, DeiT, Swin Transformer, DINO | 灵敏度, 特异度, 准确度 | NA |
| 435 | 2025-12-18 |
A multi-stage training and deep supervision based segmentation approach for 3D abdominal multi-organ segmentation
2025-Sep, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.1177/08953996251355806
PMID:40671620
|
研究论文 | 本文提出了一种基于多阶段训练和深度监督的分割方法，用于三维腹部多器官分割 | 整合了多阶段训练、伪标签技术和带有注意力机制的深度监督模型（DLAU-Net），以解决腹部器官分布复杂、标记数据稀缺和结构多样性的挑战 | NA | 提高三维CT图像腹部多器官分割的准确性和效率 | 腹部器官（如肝脏、脾脏和肾脏） | 计算机视觉 | 腹部疾病 | X射线计算机断层扫描（CT） | CNN | 三维CT图像 | NA | NA | DLAU-Net | 平均器官准确率（AVG）, Dice相似系数（DSC） | NA |
| 436 | 2025-12-18 |
Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics
2025-Aug-04, ArXiv
PMID:40799806
|
研究论文 | 本研究探索了基于神经同步机制的复杂值表示与Kuramoto动力学结合，以提升深度神经网络在多物体视觉分类任务中的性能 | 首次将神经科学中的同步机制与复杂值表示、Kuramoto动力学相结合，提出两种同步架构（前馈模型和循环反馈模型），有效解决了深度学习模型中的物体绑定问题 | 研究主要针对多物体图像任务（如重叠手写数字），尚未验证在更广泛视觉场景或真实世界复杂图像中的泛化能力 | 探索神经同步机制是否能增强人工模型在视觉分类任务中的物体编码能力 | 多物体图像（包括重叠手写数字、噪声输入和分布外变换图像） | 计算机视觉 | NA | NA | 前馈神经网络, 循环神经网络 | 图像 | NA | NA | NA | NA | NA |
| 437 | 2025-12-18 |
ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning
2025-Aug, Proceedings of machine learning research
PMID:41394314
|
研究论文 | 本文提出了一种名为ProtoECGNet的基于原型的深度学习模型，用于可解释的多标签心电图分类 | 提出了一种结合1D CNN和2D CNN的多分支架构，并引入了一种新颖的对比损失函数，用于处理多标签学习中原型的适当分离与聚类 | 未在摘要中明确说明 | 开发一种可解释的深度学习模型，用于心电图的多标签分类，以支持临床决策 | 心电图信号 | 机器学习 | 心血管疾病 | 深度学习 | CNN | 时间序列数据 | PTB-XL数据集 | NA | 1D CNN, 2D CNN | NA | NA |
| 438 | 2025-12-18 |
Automated Joint Space Detection Improves Bone Segmentation Accuracy
2025-May-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.30.651481
PMID:40654621
|
研究论文 | 本研究提出了一种基于深度学习的自动化关节间隙检测方法，用于提高小鼠爪骨分割的准确性 | 通过结合结构增强、张量投票和输出膨胀技术，并采用3D U-Net架构（ResNet-18骨干网络）的深度学习模型，首次实现了对小鼠爪骨关节间隙的自动化检测，显著提升了分割精度 | 在疾病严重程度增加和年龄增长的情况下，模型性能会下降，特别是在关节炎严重的小鼠前爪中，准确性降低 | 开发一种自动化方法，以改进复杂骨骼解剖结构的分割准确性，减少手动分割的依赖和观察者间变异 | 小鼠的后爪和前爪骨骼（包括野生型和肿瘤坏死因子转基因小鼠） | 计算机视觉 | 关节炎 | 微计算机断层扫描（micro-CT） | CNN | 图像 | 涉及野生型和肿瘤坏死因子转基因小鼠的后爪和前爪数据集，具体样本数量未明确说明 | NA | 3D U-Net, ResNet-18 | 准确性（百分比） | NA |
| 439 | 2025-12-18 |
Spatial Transcriptomics of the Respiratory System
2025-02, Annual review of physiology
IF:15.7Q1
|
综述 | 本文综述了呼吸系统空间转录组学的最新技术进展，包括常用分析流程及其优缺点，并展望了机器学习和人工智能在解读空间数据方面的应用前景 | 系统梳理了新兴空间解析基因表达技术与计算工具（特别是机器学习和深度学习）的结合应用，展示了其在呼吸系统研究中的转化潜力 | 作为综述文章，未提出原创性实验方法或模型，主要总结现有技术 | 探讨如何利用空间转录组学技术理解呼吸系统中细胞类型在三维空间中的相互作用及其在健康和疾病状态下的功能 | 呼吸系统（肺部和气道）的细胞类型及其空间组织 | 数字病理学 | 肺癌 | 空间转录组学 | 机器学习, 深度学习 | 空间基因表达数据 | NA | NA | NA | NA | NA |
| 440 | 2025-12-18 |
Effect of feedback-integrated reflection, on deep learning of undergraduate medical students in a clinical setting
2025-Jan-14, BMC medical education
IF:2.7Q1
DOI:10.1186/s12909-025-06648-3
PMID:39810114
|
研究论文 | 本研究探讨了反馈整合反思与单独反思相比，对本科医学生在妇科临床环境中高阶多选题成绩的影响 | 通过随机对照试验，首次在妇科临床教育环境中量化比较了反馈整合反思与单独反思对医学生高阶认知学习效果的影响 | 样本量较小（68人），且研究聚焦于单一专业（妇科）和短期教学干预，结果的普适性有待进一步验证 | 评估反馈整合反思对医学生有意义学习及高阶多选题成绩的影响 | 68名本科五年级医学生 | 医学教育 | NA | 随机对照试验 | NA | 测试成绩数据、反思文本 | 68名本科五年级医学生 | NA | NA | 测试分数、百分比增益、标准化学习增益、净学习增益 | NA |