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 36465 篇文献，本页显示第 4441 - 4460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4441 | 2025-11-05 |
Origin traceability and quality assessment of licorice in Asia based on multidimensional fingerprinting and enhanced by deep learning
2025-Dec-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.145997
PMID:40886543
|
研究论文 | 本研究开发了一种基于深度学习增强的多维指纹图谱方法，用于亚洲甘草的产地溯源和质量评估 | 首次将化学计量学、机器学习和网络药理学相结合预测甘草质量标志物，并采用深度学习模型进行产地识别和质量评估 | 仅收集了6个中亚国家和6个中国省份的样品，样本来源范围有限 | 开发成本效益高的甘草产地溯源和质量评估方法 | 来自中亚六国和中国六省的甘草样品 | 机器学习 | NA | 多维指纹图谱，液相色谱，质谱分析 | 深度学习 | 化学指纹图谱数据 | 来自6个中亚国家和6个中国省份的甘草样品 | NA | NA | NA | NA |
| 4442 | 2025-11-05 |
DeepSANet: A deep learning approach for hierarchical geographical source attribution of Salmonella
2025-Dec, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.117554
PMID:41185308
|
研究论文 | 提出一种基于深度学习的沙门氏菌分层地理溯源方法DeepSANet | 首次将深度学习引入沙门氏菌地理溯源任务，设计了并行分层预测模块和自适应分层迁移损失函数 | NA | 开发高精度的沙门氏菌地理来源追踪方法 | 沙门氏菌基因组数据 | 机器学习 | 食源性疾病 | 核心基因组多位点序列分型(cgMLST) | Transformer | 基因组数据 | 基于EnteroBase构建的大规模数据集，包含全球分布的多种血清型分离株 | NA | Swin Transformer | 准确率 | NA |
| 4443 | 2025-11-05 |
A hybrid deep learning approach for accurate diagnosis of tibiofibula open and closed fractures using x-ray images
2025-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-025-00393-z
PMID:41185686
|
研究论文 | 开发了一种基于混合深度学习的X射线图像分类模型，用于准确诊断胫腓骨开放性和闭合性骨折 | 结合多尺度卷积核的混合卷积和通道注意力机制，增强特征提取能力而不显著增加计算成本 | 仅针对胫腓骨骨折进行分类，尚未扩展到其他骨折类型和真实临床场景 | 通过深度学习提高骨折分类的准确性，优化骨科影像诊断 | 胫腓骨开放性和闭合性骨折的X射线图像 | 计算机视觉 | 骨科骨折 | X射线成像 | CNN | 图像 | NA | NA | 混合卷积神经网络 | 准确率,F1分数 | NA |
| 4444 | 2025-11-05 |
AI-Enhanced Lateral Flow Assay Enables 3-Minute Quantitative Detection with Laboratory-Grade Accuracy
2025-Nov-04, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c05108
PMID:41124618
|
研究论文 | 开发了一种基于深度学习的快速定量侧向流动检测方法，可在3分钟内实现实验室级别的精准检测 | 融合ResNet空间特征提取和DyFormer动态时序建模的创新架构，首次实现3分钟快速定量检测 | 仅在COVID-19和乙肝病毒数据集上验证，需要更多疾病类型的验证 | 克服传统侧向流动检测技术检测时间长且只能定性分析的局限性 | 侧向流动免疫检测平台 | 计算机视觉 | 传染病 | 侧向流动免疫检测 | 深度学习 | 图像 | COVID-19和乙肝病毒数据集 | NA | ResNet,DyFormer | 准确率,灵敏度,特异性,决定系数 | NA |
| 4445 | 2025-11-05 |
Vision-language foundation model-driven efficient recognition and home-based management of surgical incisions
2025-Nov-04, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003727
PMID:41186521
|
研究论文 | 基于视觉-语言基础模型开发手术切口识别系统DeepIncision，用于家庭护理中的切口恢复评估 | 首次将视觉-语言基础模型应用于手术切口识别，显著提升识别准确率 | 研究样本主要来自单一中心，外部验证样本量相对较小 | 开发精准的手术切口识别方法以优化家庭护理管理 | 术后患者的手术切口图像 | 计算机视觉 | 术后伤口 | 图像处理 | 视觉-语言基础模型 | 图像 | 1443张手术切口图像（来自1194名患者） | Grounded Language-Image Pre-training | DeepIncision | 平均精度, 平均召回率, F1分数, AUC | NA |
| 4446 | 2025-11-05 |
Commentary on "Multimodal deep learning to predict postoperative major adverse cardiac and cerebrovascular events after non-cardiac surgery"
2025-Nov-04, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003813
PMID:41186523
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4447 | 2025-11-05 |
[Estimation of the parenchymal reserve-Volumetric and functional before resection]
2025-Nov-04, Chirurgie (Heidelberg, Germany)
DOI:10.1007/s00104-025-02401-0
PMID:41186684
|
综述 | 本文概述了肝切除术前评估功能性未来肝残余体积的现有概念和诊断方法 | 整合了多种功能性肝脏评估方法，并前瞻性提出深度学习算法在自动化分析中的应用潜力 | 部分功能性MRI检查尚未获得官方批准用于肝功能评估 | 预防大范围肝切除术后肝功能衰竭 | 接受大范围肝切除术的患者 | 数字病理 | 肝脏疾病 | ICG-R15测试, LiMAx测试, 锝99m甲溴芬宁闪烁扫描, 磁共振成像 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 4448 | 2025-11-05 |
Deep learning-based combined noise reduction and contrast enhancement for post-neoadjuvant pancreatic cancer CT: does improved image quality translate to better resectability assessment?
2025-Nov-04, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05271-6
PMID:41186714
|
研究论文 | 评估深度学习联合降噪和对比度增强重建在胰腺癌新辅助治疗后CT评估中能否改善图像质量和可切除性预测准确性 | 首次将深度学习联合降噪和对比度增强技术应用于胰腺癌新辅助治疗后CT评估，并与传统迭代重建方法进行系统比较 | 回顾性研究设计，样本量有限（114例），所有读者均注意到DLR图像存在人工伪影增加的问题 | 评估深度学习重建技术能否改善胰腺癌CT图像质量并提高可切除性预测准确性 | 114例接受新辅助治疗的胰腺癌患者 | 医学影像分析 | 胰腺癌 | CT成像 | 深度学习 | CT图像 | 114例胰腺癌患者 | NA | NA | AUC, 敏感性, 特异性, 准确率, 读者置信度, 对比噪声比 | NA |
| 4449 | 2025-11-05 |
Deep learning-based non-invasive differential diagnosis of eyelid basal cell and sebaceous gland carcinomas using photographic images
2025-Nov-04, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-025-03801-1
PMID:41186742
|
研究论文 | 开发基于深度学习模型用于通过摄影图像无创鉴别眼睑基底细胞癌和皮脂腺癌 | 首次使用摄影图像和深度学习技术实现眼睑基底细胞癌与皮脂腺癌的无创鉴别诊断 | 数据来源单一（仅来自一家医院），样本量相对有限 | 开发无创的眼睑肿瘤鉴别诊断方法以减少诊断延迟并提高准确性 | 眼睑基底细胞癌和皮脂腺癌患者 | 计算机视觉 | 皮肤癌 | 摄影图像分析 | CNN | 图像 | 370张摄影图像（199张眼睑基底细胞癌，171张眼睑皮脂腺癌） | NA | ResNet50 | 准确率, F1分数, 灵敏度, 特异性 | NA |
| 4450 | 2025-11-05 |
Revisiting PSF models: Unifying framework and high-performance implementation
2025-Nov-04, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.70045
PMID:41186941
|
研究论文 | 本文提出了点扩散函数模型的统一框架和基于PyTorch的高性能实现 | 首次系统比较傅里叶和贝塞尔方法，证明两者等价性，并提供统一框架和开源实现 | 未明确说明具体应用场景中的性能限制和计算精度边界 | 开发点扩散函数的高性能计算框架，便于集成到深度学习算法中 | 点扩散函数的光学模型和计算方法 | 计算光学成像 | NA | 局部显微成像技术 | NA | 光学成像数据 | NA | PyTorch | 基于Richards-Wolf积分的傅里叶变换和贝塞尔积分模型 | 计算精度, 计算速度 | CPU, GPU |
| 4451 | 2025-11-05 |
Deep Learning for Automated Measures of SUV and Molecular Tumor Volume in [68Ga]PSMA-11 or [18F]DCFPyL, [18F]FDG, and [177Lu]Lu-PSMA-617 Imaging with Global Threshold Regional Consensus Network
2025-Nov-03, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.125.270077
PMID:40967759
|
研究论文 | 开发基于深度学习的自动化工作流程用于前列腺癌PET和SPECT影像中SUV和分子肿瘤体积的测量 | 提出全局阈值区域共识网络，改进了nnU-Net的边界定义和标签准确性，在多种影像模态上实现了高精度分割 | 研究基于特定机构队列，外部验证样本量相对有限(56例) | 改进前列腺癌影像分析的计算工作流程，标准化方法以改善LuPSMA治疗的患者选择和预后预测 | 转移性去势抵抗性前列腺癌患者的PET/CT和定量SPECT/CT影像 | 数字病理 | 前列腺癌 | PET成像, SPECT成像, [68Ga]PSMA-11, [18F]DCFPyL, [18F]FDG, [177Lu]Lu-PSMA-617成像 | 深度学习, CNN | 医学影像 | 训练集: 676例[68Ga]PSMA-11或[18F]DCFPyL PET, 390例[18F]FDG PET, 477例LuPSMA SPECT; 测试集: 56例外院PET/CT | nnU-Net | Global Threshold Regional Consensus Network, nnU-Net | Dice相似系数, Pearson系数, 表面一致性 | NA |
| 4452 | 2025-11-05 |
IoT-powered wearable assist device for visually impaired
2025-Nov-03, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2025.2582033
PMID:41182323
|
研究论文 | 开发并评估一种基于物联网的可穿戴辅助设备，通过实时物体检测、面部识别和障碍物感知技术提升视障人士的环境感知和自主导航能力 | 将SVM、ResNet-50和YOLOv4等多种深度学习算法集成到统一框架中，实现低延迟的多目标识别和面部识别功能 | 需要进一步进行大规模用户验证以提升设备的可用性、可访问性和用户舒适度 | 开发能够改善视障人士障碍物感知、移动能力和环境交互的可穿戴辅助技术 | 视障人士 | 计算机视觉 | 视力障碍 | 深度学习、机器学习 | SVM, CNN | 图像数据、传感器数据 | 未明确说明样本数量 | NA | ResNet-50, YOLOv4 | 准确率, 精确率, 召回率, F1分数 | ESP32-CAM模块, Arduino微控制器 |
| 4453 | 2025-11-05 |
SpineScan: a deep learning model for lumbar spine MRI annotation and Pfirrmann grading assessment
2025-Nov-03, 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/s00586-025-09537-x
PMID:41182393
|
研究论文 | 开发并验证了一个基于卷积神经网络的深度学习模型，用于腰椎MRI的自动Pfirrmann分级评估 | 开发了开源网络应用程序SpineScan，能够对DICOM研究和单个MRI切片进行自动分级，解决了现有模型因专有限制而无法访问的问题 | 对V级椎间盘退变的性能较低（mAP50-95=0.525），可能由于高度退变椎间盘的对比度差和边界不清晰 | 开发自动Pfirrmann分级系统用于椎间盘退变评估 | 腰椎MRI扫描中的椎间盘 | 计算机视觉 | 椎间盘退变疾病 | MRI | CNN | 图像 | 484个腰椎MRI扫描 | PyTorch, Streamlit | YOLOv8x | 准确度, 精确度, 召回率, 平均精度均值(mAP) | NA |
| 4454 | 2025-11-05 |
Level-crossing processing and deep convolutional neural network for arrhythmia classification in telehealth services
2025-Nov-03, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01660-9
PMID:41182637
|
研究论文 | 提出一种融合电平交叉采样和深度卷积神经网络的心律失常自动诊断方法 | 结合LCADC电平交叉采样、EASA算法、ARF自适应率滤波和1D-CNN，实现实时数据压缩与高效分类 | 仅使用MIT-BIH数据集中的五类心律失常，未在其他数据集验证 | 开发适用于远程医疗的高效心律失常自动诊断方法 | 心电图信号和心律失常分类 | 数字病理 | 心血管疾病 | 心电图信号处理 | CNN | 心电图信号 | MIT-BIH数据集中的五类心律失常数据 | NA | 1D-CNN | 准确率 | NA |
| 4455 | 2025-11-05 |
OoDBench+: Quantifying and Understanding Two Dimensions of Out-of-Distribution Generalization
2025-Nov-03, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3628027
PMID:41182941
|
研究论文 | 本文提出并量化了分布外泛化的两个维度——多样性偏移和相关性偏移，并建立了评估算法性能的理论框架 | 首次明确识别并量化定义分布外泛化中的两种分布偏移类型，证明算法性能受限于这两种偏移，并将不同研究领域的数据集和算法整合到统一框架中 | 研究主要基于分类和目标检测任务，可能未覆盖其他机器学习任务中的分布偏移情况 | 深入理解分布外泛化问题的本质特征，建立量化评估框架 | 分布外泛化算法及其在多样化数据集上的表现 | 机器学习 | NA | NA | NA | 图像数据 | 来自分类和目标检测领域的多个现有数据集 | NA | NA | NA | NA |
| 4456 | 2025-11-05 |
MOAEAM: Multi-omics data integration with autoencoder and attention mechanisms for cancer patient classification and biomarker identification
2025-Nov-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3628490
PMID:41182929
|
研究论文 | 提出一种基于改进自编码器和注意力机制的多组学数据整合框架MOAEAM，用于癌症患者分类和生物标志物识别 | 提出新型复合损失函数促进组学特异性特征提取，并设计多组学整合模块捕获跨组学关联信息 | NA | 开发多组学数据整合方法以提升癌症患者分类和生物标志物识别性能 | 癌症患者多组学数据 | 机器学习 | 癌症 | 多组学数据整合 | 自编码器,注意力机制 | 多组学数据 | 多个癌症数据集 | NA | 改进自编码器,注意力机制 | 分类性能 | NA |
| 4457 | 2025-11-05 |
Novel Approach for Decoding Olfactory Receptors Interactions With Molecules Based on Multimodal Feature and Deep Learning Network
2025-Nov-03, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3622055
PMID:41182946
|
研究论文 | 提出一种基于多模态特征和深度学习网络的新方法，用于预测气味分子与嗅觉受体的相互作用 | 首次利用多模态深度学习网络精确识别特定嗅觉受体，并开发了空间分布图揭示受体间的聚类模式 | NA | 推进对人类嗅觉机制的理解并帮助新型合成药物的开发 | 气味分子与嗅觉受体的相互作用 | 机器学习 | NA | 多模态深度学习 | 深度学习网络 | 分子物理化学特性数据、受体结构数据 | 新整理的数据集 | NA | 多模态深度学习网络 | 准确率 | NA |
| 4458 | 2025-11-05 |
Smartphone-based biosensing: a review of optical imaging, microfluidic integration, and AI-enhanced analysis
2025-Nov-03, Mikrochimica acta
DOI:10.1007/s00604-025-07523-0
PMID:41184410
|
综述 | 本文综述了基于智能手机的生物传感技术，重点介绍光学成像、微流控集成和人工智能增强分析的最新进展 | 整合了智能手机平台与生物医学传感，提供便携、低成本的实验室诊断替代方案，并强调人工智能增强诊断准确性的最新发展 | 存在硬件变异性、标准化不足和临床验证不充分等挑战 | 总结智能手机集成生物传感技术，推动分散式医疗、环境监测和全球生物传感应用 | 核酸、蛋白质、细胞、病原体等生物和化学靶标 | 生物医学工程 | 眼部疾病、代谢疾病、泌尿系统疾病、各种癌症、传染病 | 光学成像（明场、荧光、暗场）、电化学传感、微流控技术 | 深度学习 | 图像 | NA | NA | NA | 诊断准确性 | 智能手机平台、云端分析 |
| 4459 | 2025-11-05 |
Deep learning algorithms for timely diagnosis of retinopathy of prematurity requiring treatment
2025-Nov-03, Eye (London, England)
DOI:10.1038/s41433-025-04096-3
PMID:41184508
|
研究论文 | 本研究评估深度学习算法在早产儿视网膜病变远程医疗筛查中的诊断效果 | 首次系统比较多种CNN模型结合不同预处理方法在ROP诊断中的性能，发现MobileNet结合CLAHE预处理具有最佳表现 | 回顾性研究，样本量有限（141名早产儿），需要在更多临床环境中验证 | 评估深度学习算法在诊断需要治疗的早产儿视网膜病变方面的有效性 | 141名接受ROP筛查的早产儿 | 计算机视觉 | 早产儿视网膜病变 | 眼底成像，图像预处理 | CNN | 图像 | 1700张RetCam眼底图像，来自141名早产儿 | NA | MobileNet, ResNet-18, ResNet-50, DenseNet-121 | 准确率, 敏感度, 特异度, F1分数 | NA |
| 4460 | 2025-11-05 |
Decoding the regulatory genome with large-scale deep learning
2025-Nov-03, Nature reviews. Genetics
DOI:10.1038/s41576-025-00914-2
PMID:41184593
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |