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 39963 篇文献，本页显示第 4601 - 4620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4601 | 2025-12-21 |
Artificial Intelligence in Diabetes Care: Applications, Challenges, and Opportunities Ahead
2025-Dec, Endocrine practice : official journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists
IF:3.7Q2
DOI:10.1016/j.eprac.2025.07.008
PMID:40683367
|
综述 | 本文是一篇叙述性综述，探讨了人工智能在糖尿病护理中的最新应用、能力、局限性以及未来发展方向 | 综合分析了传统机器学习与深度学习在糖尿病并发症筛查、疾病进展风险预测、临床决策支持及非侵入性生物标志物识别等多方面的应用，并指出了将AI转化为常规临床实践的未来方向 | 作为一篇综述，它主要基于现有文献进行综合，未涉及原始数据收集或新模型的实证验证，可能受限于所纳入研究的质量和范围 | 评估人工智能在糖尿病护理中的应用潜力，探索如何将这些技术转化为常规临床实践以改善患者护理和临床结果 | 糖尿病及其并发症（如视网膜病变、黄斑水肿、神经病变）的筛查、诊断、预后预测和治疗优化 | 机器学习 | 糖尿病 | 机器学习，深度学习 | NA | 电子健康记录，图像数据 | NA | NA | NA | NA | NA |
| 4602 | 2025-12-21 |
Interpretable PROTAC Degradation Prediction With Structure-Informed Deep Ternary Attention Framework
2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202508138
PMID:41026144
|
研究论文 | 本研究提出了一种名为PROTAC-STAN的结构感知深度三元注意力网络框架，用于可解释的PROTAC降解预测 | 通过结合分层分子表示、蛋白质结构数据以及专门为PROTAC系统设计的三元注意力网络，实现了对降解机制前所未有的洞察 | 未明确提及具体局限性，但暗示现有深度学习方法在分子层次表示和蛋白质结构数据利用方面存在不足 | 加速PROTAC开发并降低实验成本，通过深度学习预测PROTAC降解效果 | PROTAC分子、靶蛋白（POIs）和E3连接酶 | 机器学习 | NA | 蛋白质语言模型 | 深度三元注意力网络 | 分子结构数据、蛋白质序列数据 | NA | NA | 三元注意力网络 | 多种指标（具体未列明） | NA |
| 4603 | 2025-12-21 |
Deep Learning-Assisted Fingerprint-Inspired Flexible Pressure Sensor for Tension Monitoring in Carbon Fiber Production
2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202513680
PMID:41026329
|
研究论文 | 本文提出了一种受指纹启发的柔性压力传感器，用于监测碳纤维生产中的张力稳定性 | 通过激光蚀刻技术模仿指纹结构制造柔性压力传感器，用于宽幅碳纤维束阵列的张力监测，并开发了端到端的张力异常分类卷积神经网络 | 未明确提及传感器在极端环境下的长期稳定性或大规模部署的成本效益分析 | 解决碳纤维大规模生产中张力稳定性控制的技术挑战，实现实时智能张力监测 | 宽幅碳纤维束阵列 | 柔性电子与智能制造 | NA | 激光蚀刻 | CNN | 压力传感器数据 | 未明确提及具体样本数量 | 未明确提及 | 未指定具体架构 | 准确率 | 未明确提及 |
| 4604 | 2025-12-21 |
From Industrial Waste to Multistage Applications: Ultralight Lignin-Based Aerogel with Situ Vertically Oriented Structure for Photothermal-Assisted Pb2+ Adsorption in Wastewater and Reuse as Efficient Output and Stability Triboelectric Materials
2025-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202513337
PMID:41028951
|
研究论文 | 本研究开发了一种具有原位垂直取向结构的超轻木质素基气凝胶，用于光热辅助吸附废水中的铅离子，并再利用为木质素基摩擦电纳米发电机 | 首次将废弃吸附剂转化为木质素基摩擦电纳米发电机，实现木质素基吸附剂的多阶段应用，并结合深度学习模型算法实现高精度物体识别 | NA | 开发一种从工业废物到多阶段应用的超轻木质素基气凝胶，用于废水处理和能量收集 | 木质素基气凝胶（GSPCAA）及其在铅离子吸附和摩擦电纳米发电机中的应用 | 材料科学 | NA | 定向冷冻和离子交联方法 | 深度学习模型 | 压力分布数据 | NA | NA | NA | 识别准确率 | NA |
| 4605 | 2025-12-21 |
Deep Learning-Based Segmentation of Lung Adenocarcinoma Whole-Slide Images for Objective Grading, Tumor Spread Through Air Spaces Identification, and Mutation Prediction
2025-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2025.100907
PMID:41075873
|
研究论文 | 本研究开发了一种基于深度学习的多类别分割模型，用于对肺腺癌数字化图像进行客观定量分级、检测肿瘤通过气腔扩散并预测基因突变 | 首次利用深度学习多类别分割模型同时实现肺腺癌的客观分级、肿瘤扩散检测及基因突变预测，提供了一种全面的病理分析新方法 | 研究基于特定数据集（766例非黏液性肺腺癌），模型在更广泛人群或黏液性亚型中的泛化能力需进一步验证 | 开发客观定量的肺腺癌病理分析工具以辅助诊断和治疗指导 | 肺腺癌切除标本的数字化全切片图像 | 数字病理学 | 肺癌 | 全切片图像数字化 | 深度学习分割模型 | 图像 | 766例非黏液性肺腺癌切除标本（内部108例标注，外部130例验证，剩余528例内部验证） | NA | Deep Multi-Magnification Network | P值统计显著性（P < 1×10），与病理学家解释的相关性 | NA |
| 4606 | 2025-12-21 |
The future of immunotherapy: Can artificial intelligence predict the survival of lung cancer patients? A systematic review and meta-analysis
2025-Dec, Respiratory medicine
IF:3.5Q2
DOI:10.1016/j.rmed.2025.108492
PMID:41241154
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了人工智能模型利用放射组学、基因组学和蛋白质组学数据预测非小细胞肺癌免疫治疗患者总生存期和无进展生存期的预后准确性 | 首次系统评估了人工智能模型在预测非小细胞肺癌免疫治疗生存结局方面的表现，并比较了不同数据模态（如蛋白质组学、基因组学、放射组学）和人工智能方法（深度学习与传统机器学习）的预测准确性 | 纳入研究存在异质性（I²统计量显示中度至高度异质性），且结论基于回顾性研究，需要前瞻性验证和多中心试验来支持临床整合 | 评估人工智能模型预测非小细胞肺癌患者接受免疫治疗后的生存结局（总生存期和无进展生存期）的预后准确性 | 接受免疫治疗的非小细胞肺癌患者 | 机器学习 | 肺癌 | 放射组学、基因组学、蛋白质组学 | 机器学习、深度学习 | 影像数据、基因组数据、蛋白质组数据 | 23项研究，共19,189名患者 | NA | NA | 风险比、95%置信区间、I²统计量 | NA |
| 4607 | 2025-12-21 |
Deep learning predicts potential reassortments of avian H5N1 with human influenza viruses
2025-Dec, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwaf396
PMID:41409712
|
研究论文 | 本文构建了一个名为HAIRANGE的注意力深度学习模型，用于预测禽流感H5N1与人类流感病毒之间潜在的人类适应性重配 | 开发了非预训练的Codon2Vec嵌入器，在基准测试中表现优于ESM2、DNABERT2等其他嵌入器，表明基因组上下文与病毒宿主或血清型高度相关 | NA | 预测禽流感H5N1与人类流感病毒之间潜在的人类适应性重配，评估大流行风险 | 禽流感H5N1甲型流感病毒（IAVs）与人类流感病毒（如H3N2）的重配事件 | 自然语言处理 | 流感 | 深度学习，聚合酶活性报告实验 | 注意力深度学习模型 | 基因组序列数据 | NA | NA | HAIRANGE（包含Codon2Vec嵌入器） | 基准测试比较（针对嵌入器），聚合酶活性验证 | NA |
| 4608 | 2025-12-21 |
High Throughput Intracellular Delivery Using a 2D Cell-Squeezing Mechanoporation Device and Its Analysis by a Deep Learning Model
2025-Dec, Advanced healthcare materials
IF:10.0Q1
DOI:10.1002/adhm.202502472
PMID:40838383
|
研究论文 | 本文设计了一种基于2D细胞挤压微流控装置的高通量细胞内递送平台，并结合深度学习模型进行自动化分析 | 开发了一种具有垂直通孔阵列的2D细胞挤压装置，显著提高了细胞内递送的吞吐量，并首次将深度学习驱动的实例分割与基于规则的图像处理系统结合，用于单细胞分辨率下的自动化定量分析 | NA | 实现高通量、高效的细胞内递送，并自动化分析递送效果 | HeLa细胞、Jurkat细胞、人间充质干细胞（hMSCs）、人牙龈成纤维细胞（hGFs） | 机器学习 | NA | 细胞挤压机械穿孔术、微流控技术、图像细胞术 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 4609 | 2025-12-21 |
Virtual Histological Staining as a Tool for Extending Renal Segmentation Across Stains
2025-Dec, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2025.100842
PMID:40712735
|
研究论文 | 本文提出了一种基于循环一致性生成对抗网络的方法，用于将肾脏组织H&E染色虚拟转换为PAS染色，以扩展深度学习分割模型的应用范围 | 首次利用英国慢性肾病生物库数据，开发了能够实现H&E到PAS虚拟染色的跨染色转换模型，并验证了其在肾小球分割中的实用性 | 虚拟染色与真实染色仍存在可区分性（病理学家识别率52.5%-75.8%），且尚未涵盖更多染色类型 | 解决肾脏病理学中多染色条件下深度学习分析工具通用性问题 | 肾脏组织切片图像（H&E和PAS染色） | 数字病理学 | 慢性肾病 | 虚拟组织染色技术 | GAN | 全切片图像 | 来自英国16个肾病中心的多样化数据集（National Unified Renal Translational Research Enterprise），以及3个独立肾分割数据集（Kidney Precision Medicine Project, Human BioMolecular Atlas Program, Jayapandian等数据） | NA | 循环一致性生成对抗网络 | 病理学家识别准确率（52.5%, 75.8%） | NA |
| 4610 | 2025-12-21 |
Deep Learning-based Multiview Facial Identification as a Screening Tool for Cushing Syndrome
2025-Dec, Endocrine practice : official journal of the American College of Endocrinology and the American Association of Clinical Endocrinologists
IF:3.7Q2
DOI:10.1016/j.eprac.2025.07.016
PMID:40738260
|
研究论文 | 本研究开发了一种基于深度学习的多视角面部识别方法，用于辅助诊断库欣综合征 | 首次将多视角面部图像与深度学习模型结合，用于库欣综合征的筛查，并证明其诊断性能优于内分泌专家 | 样本量较小（训练队列42对，外部验证队列13对），可能影响模型的泛化能力 | 开发一种准确且易于获取的库欣综合征诊断工具 | 库欣综合征患者及其年龄、性别和体重指数匹配的对照组 | 计算机视觉 | 库欣综合征 | 多视角面部图像采集 | 深度学习 | 图像 | 训练队列：42对患者与对照组；外部验证队列：13对患者与对照组 | NA | DenseNet, ResNet, Swin, ViT | 准确率, 灵敏度, 特异性, 曲线下面积 | NA |
| 4611 | 2025-12-21 |
AI in Esophageal Motility Disorders: Systematic Review of High-Resolution Manometry Studies
2025-Nov-27, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/85223
PMID:41308193
|
系统综述 | 本文系统综述了人工智能在食管高分辨率测压（HRM）判读中的应用，评估其诊断准确性、方法学、临床验证及实施障碍 | 首次系统性地梳理了AI在HRM判读中的演进轨迹，量化了AI相比人类专家在可重复性上的显著优势，并揭示了算法性能与临床转化之间的关键脱节 | 纳入研究存在显著的异质性，无法进行定量荟萃分析；所有研究均缺乏外部验证，且存在患者选择偏倚风险；尚无研究获得监管批准 | 评估当前AI在食管高分辨率测压（HRM）判读中的应用，并评估其诊断准确性、方法学途径、临床验证、实施障碍以及对胃肠病学实践的现实影响 | 使用AI或机器学习解释食管HRM的原始研究，研究对象为有食管症状的成人 | 医学人工智能 | 食管动力障碍 | 高分辨率食管测压（HRM） | 传统机器学习, 深度学习 | 测压数据 | 17项研究，共4588名患者 | NA | NA | 准确率, 置信区间 | NA |
| 4612 | 2025-12-21 |
Radiomics-Based Machine Learning for the Detection of Myometrial Invasion in Endometrial Cancer: Systematic Review and Meta-Analysis
2025-Nov-27, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/78809
PMID:41309108
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了基于影像组学的机器学习模型在检测子宫内膜癌肌层浸润中的诊断性能 | 首次对基于影像组学的机器学习（包括传统机器学习和深度学习）模型在检测子宫内膜癌肌层浸润方面的诊断性能进行了全面的系统综述和荟萃分析，并通过亚组分析比较了不同模型类型的效能 | 现有证据有限，主要依赖于内部验证，缺乏大规模、多中心的外部验证研究 | 系统评估基于影像组学的机器学习方法在识别子宫内膜癌肌层浸润方面的诊断性能，并比较传统机器学习与深度学习模型的差异，以指导无创诊断工具的研发或改进 | 子宫内膜癌患者 | 医学影像分析 | 子宫内膜癌 | 影像组学 | 机器学习, 深度学习 | 医学影像（磁共振成像, 超声成像） | 19项研究，共4373名子宫内膜癌患者 | NA | NA | 敏感性, 特异性, 阳性似然比, 阴性似然比, 诊断比值比, 汇总受试者工作特征曲线下面积 | NA |
| 4613 | 2025-12-21 |
High-performance parallel multi-scale attention network with explainable AI for intelligent diagnosis of leaf diseases in agricultural systems
2025-Nov-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-26144-4
PMID:41298723
|
研究论文 | 本文提出了一种用于木薯和花生叶片病害智能诊断的高性能并行多尺度注意力网络，并结合可解释AI技术 | 提出了ROI-MDAN网络用于识别和分割叶片关键病害区域，开发了MSFNet-CAM模型利用并行多尺度特征和坐标注意力增强特征融合，并采用Grad-CAM解释模型决策过程 | NA | 开发基于深度学习的叶片病害检测框架以提高农业病害诊断准确率 | 木薯和花生的叶片 | 计算机视觉 | 植物病害 | GAN数据增强 | CNN, GAN | 图像 | NA | NA | ROI-MDAN, MSFNet-CAM | NA | NA |
| 4614 | 2025-12-21 |
An AI-powered smart Agribot for detecting locusts in farmlands using IoT and deep learning
2025-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-23497-8
PMID:41233495
|
研究论文 | 本研究提出了一种结合物联网、机器学习和深度学习的智能农业机器人系统，用于农田中蝗虫的实时检测 | 集成物联网框架与深度学习模型，并引入人工蜂群算法和SVC特征选择器优化蝗虫检测性能 | 在研究和实施过程中发现了一些局限性，但未在摘要中具体说明 | 开发一个智能农业机器人系统，以自动化方式检测农田中的蝗虫，防止其对农业生产造成损害 | 农田中的蝗虫 | 计算机视觉 | NA | 物联网传感器、深度学习、机器学习 | CNN | 图像、视频流 | NA | NA | VGG19 | 准确率 | NA |
| 4615 | 2025-11-09 |
Correction to: Deep learning approach for tooth numbering and restoration detection on pediatric periapical radiographs in mixed dentition
2025-Nov-08, Clinical oral investigations
IF:3.1Q1
DOI:10.1007/s00784-025-06646-1
PMID:41205095
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4616 | 2025-12-21 |
Clinical consequences of deep learning image reconstruction at CT
2025-Nov-01, The British journal of radiology
DOI:10.1093/bjr/tqaf152
PMID:40880286
|
评论 | 本文探讨了深度学习图像重建在CT中的临床应用、优势、挑战及未来研究方向 | 强调了深度学习重建相比传统迭代重建技术在降低图像噪声、改善噪声纹理和低剂量下空间分辨率方面的优势，并讨论了其在剂量减少和伪影减少方面的潜力 | 深度学习重建的性能受框架类型、训练数据、患者体型和临床任务的影响，可能引入模糊或伪影，且需要更多临床场景评估 | 评估深度学习图像重建在CT成像中的临床后果，包括剂量减少、图像质量维护和诊断准确性 | CT成像中的深度学习重建技术，特别关注腹部应用 | 医学影像 | NA | 深度学习重建 | 深度学习模型 | CT图像 | NA | NA | NA | 图像噪声、空间分辨率、诊断准确性 | NA |
| 4617 | 2025-12-21 |
Deep learning-empowered low-cost portable automated refraction system: A solution to the inadequate effective correction rate of refractive errors in resource-limited areas
2025-Nov, Ophthalmic & physiological optics : the journal of the British College of Ophthalmic Opticians (Optometrists)
DOI:10.1111/opo.70027
PMID:41133975
|
研究论文 | 本文开发并验证了一种基于深度学习和红外偏心光折射的低成本便携式自动验光系统（TRDS），旨在提高资源有限地区屈光不正的矫正率 | 结合低成本硬件（CMOS探测器、红外LED）与端到端深度学习模型，利用362,000张图像训练，实现了高精度的便携式自动验光 | 在高近视亚组中表现一致性一般（M: r=0.62），且样本仅来自单一医院（北京同仁医院），可能限制泛化性 | 开发并验证一种低成本、便携的自动验光系统，以改善资源有限地区的屈光不正矫正效果 | 282名年龄在18-60岁的参与者，包括近视和远视患者 | 计算机视觉 | 屈光不正 | 红外偏心光折射 | 深度学习模型 | 图像 | 282名参与者，训练数据包含362,000张图像 | NA | 端到端深度学习模型 | Pearson相关系数, Bland-Altman图, 组内相关系数, 矫正视力 | NA |
| 4618 | 2025-12-21 |
graphB3-an interpretable graph learning approach for predicting blood-brain barrier permeability
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf679
PMID:41405959
|
研究论文 | 本文提出了一种名为graphB3的可解释图学习模型，用于预测候选药物的血脑屏障通透性 | 提出了一种参数高效的基于图卷积的模型，利用分子中原子的详细信息进行预测，并能够解释分子中哪些部分对穿越血脑屏障最为重要 | NA | 预测候选药物的血脑屏障通透性，以辅助脑相关疾病的药物发现 | 候选药物分子 | 机器学习 | 脑相关疾病 | NA | 图卷积网络 | 分子图数据 | NA | NA | graphB3 | NA | NA |
| 4619 | 2025-12-21 |
Artificial Intelligence as a Tool in the Diagnosis of Bladder Cancer: A Narrative Review
2025-Nov, Cureus
DOI:10.7759/cureus.96958
PMID:41409960
|
综述 | 本文是一篇叙述性综述，总结了人工智能在膀胱癌诊断中的应用进展 | 系统性地综述了AI在膀胱癌诊断中跨多种模态（如膀胱镜、组织病理学、尿液生物标志物和基因组数据）的应用，并强调了其在提高诊断精度、早期检测和工作流效率方面的潜力 | 当前临床采用面临数据质量、算法透明度和伦理治理等挑战，需要多中心合作开发可解释且经过验证的模型 | 总结并批判性评估人工智能在膀胱癌诊断中的应用进展 | 膀胱癌 | 数字病理学 | 膀胱癌 | NA | 深度学习 | 图像、生物标志物数据、基因组数据 | NA | NA | NA | 准确性 | NA |
| 4620 | 2025-12-21 |
Transforming [177Lu]Lu-PSMA-617 treatment planning: Machine learning-based radiodosiomics and swin UNETR using pretherapy PSMA positron emission tomography/computed tomography (PET/CT)
2025-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70030
PMID:40985608
|
研究论文 | 本研究开发了基于机器学习的放射剂量组学模型和基于Transformer的深度学习架构，用于预测转移性去势抵抗性前列腺癌患者接受[177Lu]Lu-PSMA-617治疗后的病灶吸收剂量和剂量率图，以优化个性化治疗计划 | 首次将临床生物标志物与从Ga-PSMA PET/CT提取的放射组学特征和剂量组学特征相结合，开发机器学习模型预测治疗后吸收剂量；并采用基于Swin UNETR的Transformer架构预测剂量率图，减少对计算密集型蒙特卡洛模拟的依赖 | 研究样本量较小（机器学习部分20例患者，深度学习部分30例患者），且为回顾性研究，需要更大规模的前瞻性验证 | 优化转移性去势抵抗性前列腺癌患者的[177Lu]Lu-PSMA-617放射性配体治疗的个性化预处理剂量计划 | 转移性去势抵抗性前列腺癌患者 | 数字病理学 | 前列腺癌 | PET/CT成像，蒙特卡洛模拟 | 集成树回归器，Transformer | PET/CT图像，剂量率图 | 机器学习部分20例患者，深度学习部分30例患者（包含额外10例） | GATE v9.1, LIFEx v7.4.0 | Swin UNETR | R2, RMSE, NRMSE, Gamma通过率 | NA |