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 4861 - 4880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4861 | 2025-12-18 |
Advanced Multi-architecture Deep Learning Framework for BIRADS-Based Mammographic Image Retrieval: Comprehensive Performance Analysis with Super-Ensemble Optimization
2025-Dec-16, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01770-6
PMID:41402617
|
研究论文 | 本文开发了一个用于基于内容的乳腺X线图像检索的综合评估框架，通过比较不同CNN架构在高级训练策略下的性能，旨在提升BIRADS分类的精确匹配能力 | 提出了一个系统性的评估框架，首次在BIRADS五分类检索任务中综合比较了多种CNN架构（DenseNet121、ResNet50、VGG16）在高级微调、度量学习和超级集成优化策略下的性能，并采用严格的病人分层划分和统计验证方法 | 研究样本量相对有限（1003名患者），且仅针对乳腺X线图像，未扩展到其他医学影像模态 | 提升基于内容的乳腺X线图像检索在BIRADS五分类任务中的准确性和临床实用性 | 乳腺X线图像及其对应的BIRADS分类 | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | CNN | 图像 | 1003名患者（每人两张图像），共602个测试查询 | 未明确指定，但可能涉及TensorFlow或PyTorch | DenseNet121, ResNet50, VGG16 | precision@10, 准确率, 统计显著性检验（t检验, Cohen's d） | 未明确指定，但提及了计算成本降低 |
| 4862 | 2025-12-18 |
A Timeseries-based Multimodal Deep Learning Approach for Lung Nodule Growth Prediction
2025-Dec-16, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01788-w
PMID:41402619
|
研究论文 | 本研究提出了一种基于时间序列的多模态深度学习框架，用于预测肺结节的生长，通过整合CT图像序列、人口统计学和结节特异性特征来提高预测准确性 | 采用时间序列CT图像数据与多模态特征（人口统计学和结节特异性特征）相结合的多模态深度学习框架，显著提升了肺结节生长预测的准确性 | 数据来源于单一医疗机构（台湾远东纪念医院），可能限制了模型的泛化能力 | 开发一个多模态深度学习模型，以准确预测肺结节的生长，辅助临床决策 | 肺结节患者，包括其CT图像序列、人口统计学信息和结节特异性特征 | 计算机视觉 | 肺癌 | CT成像 | 深度学习模型 | 图像, 结构化数据 | 来自台湾远东纪念医院的数据集，具体样本数量未明确说明 | NA | 多模态深度学习框架 | 准确率, 精确率, 灵敏度, F1分数, AUC | NA |
| 4863 | 2025-12-18 |
Editorial for "Deep Learning for Differentiating Benign From Malignant Bile Duct Dilation on MRCP: Development and Prospective Evaluation of an Xception-Logistic Regression Ensemble Model"
2025-Dec-16, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70208
PMID:41403056
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4864 | 2025-12-18 |
Explore antibody repertoire in the era of AI
2025-Dec-16, Acta biochimica et biophysica Sinica
IF:3.3Q1
DOI:10.3724/abbs.2025230
PMID:41403245
|
综述 | 本文综述了抗体库在人工智能时代的研究进展，重点介绍了抗体克隆型的定义、功能特征、进化以及深度学习在抗体结合预测、特异性抗体生成和免疫诊断中的应用 | 系统性地将深度学习等人工智能方法应用于高维抗体库数据的分析和理解，探讨了抗体库指导的疫苗接种新策略 | 文章指出目前对抗体库数据的理解仍处于早期阶段，深度学习模型的应用潜力虽大但实际转化仍需进一步探索 | 探讨人工智能（特别是深度学习）在理解和分析抗体库数据中的应用，以深化对抗体多样性和适应性免疫的认识 | 抗体库（抗体克隆型集合）、适应性免疫系统 | 自然语言处理, 机器学习 | NA | 高通量测序 | 深度学习模型 | 序列数据（抗体库测序数据） | NA | NA | NA | NA | NA |
| 4865 | 2025-12-18 |
Letter to the editor--Deep learning-driven multi-hierarchical granularity integration for surgical scene understanding: experimental study
2025-Dec-16, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004506
PMID:41405271
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4866 | 2025-12-18 |
Revolutionizing thyroid nodule diagnosis in Hashimoto's thyroiditis: AI-driven radiomics and deep learning model
2025-Dec-16, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004546
PMID:41405348
|
研究论文 | 本研究旨在探索利用从桥本甲状腺炎患者甲状腺结节超声图像中提取的放射组学和深度学习特征构建的人工智能模型，以区分良恶性结节，并与细针穿刺细胞学结合基因突变检测进行比较 | 结合放射组学与深度学习特征构建DLR模型，并整合SHAP和Grad-CAM方法提供可视化解释，以提升桥本甲状腺炎背景下甲状腺结节的诊断性能 | 研究基于回顾性数据，且样本来自特定时间段和医院，可能存在选择偏倚；模型在外部测试队列中的性能略低于验证队列 | 提高桥本甲状腺炎背景下甲状腺结节良恶性鉴别的准确性 | 桥本甲状腺炎患者的甲状腺结节 | 计算机视觉 | 甲状腺疾病 | 超声成像 | CNN | 图像 | 1585名患者 | NA | ResNet152 | AUC, 准确率, 灵敏度, 特异性 | NA |
| 4867 | 2025-12-18 |
Path2Omics Enhances Transcriptomic and Methylation Prediction Accuracy from Tumor Histopathology
2025-Dec-15, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-4350
PMID:41166699
|
研究论文 | 本研究开发了Path2Omics深度学习框架，用于从肿瘤组织病理学图像中预测基因表达和甲基化数据 | 提出了首个能够从组织病理学图像独立预测基因表达和甲基化的深度学习框架，并在30种癌症类型上验证了其有效性 | 未明确说明模型在特定癌症类型或数据质量较差情况下的性能限制 | 开发一种从常规组织病理学切片预测分子组学数据的方法，以降低精准肿瘤学的成本和耗时 | 30种癌症基因组图谱（TCGA）中的癌症类型，包括FFPE和新鲜冷冻组织切片 | 数字病理学 | 多种癌症 | 组织病理学成像，基因表达分析，甲基化分析 | 深度学习框架 | 组织病理学图像，基因表达数据，甲基化数据 | 30种TCGA癌症类型的数据集，以及7个外部验证数据集 | NA | NA | 预测准确性，患者生存预测匹配度，治疗反应预测匹配度 | NA |
| 4868 | 2025-12-18 |
Systematic scRNA-seq screens profile neural organoid response to morphogens
2025-Dec-15, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-025-02927-5
PMID:41398501
|
研究论文 | 本文通过系统性的单细胞RNA测序筛选，详细分析了人类神经类器官对形态发生素的响应，揭示了形态发生素在神经区域化中的作用机制 | 首次利用多路复用的单细胞转录组筛选技术，全面调查了人类神经类器官在不同形态发生素条件下的细胞类型和区域组成变化，并结合深度学习模型预测分化结果 | 研究主要基于体外类器官模型，可能无法完全模拟体内复杂的神经发育环境，且样本来源和诱导方法的差异可能影响结果的普适性 | 研究人类神经类器官在形态发生素作用下的神经谱系特化和区域化过程 | 人类神经类器官 | 单细胞转录组学 | NA | 单细胞RNA测序（scRNA-seq） | 深度学习模型 | 单细胞转录组数据 | NA | NA | NA | NA | NA |
| 4869 | 2025-12-18 |
Machine learning-guided optimization of iron-based catalysts toward minimal-resource and efficient peroxymonosulfate activation for hazardous organic pollutants degradation
2025-Dec-13, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.140818
PMID:41401528
|
研究论文 | 本研究提出了一种新颖的双任务人工智能框架（DualAI-MCD），结合机器学习和多目标优化，用于预测设计和机理指导的铁基催化剂优化，以高效激活过氧单硫酸盐降解有机污染物 | 开发了首个集成回归（预测降解率）和分类（识别活性氧物种路径）任务的双任务AI框架，并采用混合优化算法平衡降解率最大化与催化剂和PMS用量最小化的冲突目标 | 研究基于3720条实验记录的数据集，可能未涵盖所有催化剂类型或反应条件，且深度学习模型性能不及机器学习模型 | 优化铁基催化剂设计，以实现资源最小化和高效的过氧单硫酸盐激活，用于降解有害有机污染物 | 铁基氧化物催化剂及其在过氧单硫酸盐激活降解有机污染物（如头孢菌素）中的应用 | 机器学习 | NA | NA | LGBM, 机器学习模型, 深度学习模型 | 结构化实验数据 | 3720条实验记录 | NA | NA | 分类准确率, R² | NA |
| 4870 | 2025-12-18 |
Stochastically evolving graphs via edit semigroups
2025-Dec-09, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2526595122
PMID:41296758
|
研究论文 | 本文通过半群谱理论研究宿主图中子图的随机演化过程，提出了一种基于编辑操作的随机游走模型 | 利用Tsetlin库和超平面排列的半群谱理论，为子图随机演化过程建立了特征值和特征向量的闭式解，并扩展至复合编辑操作 | NA | 构建一个通用的随机模型，用于从给定图中采样随机子图 | 宿主图中的子图演化过程 | 机器学习 | NA | NA | 随机游走模型 | 图数据 | NA | NA | NA | 收敛速率 | NA |
| 4871 | 2025-12-18 |
Can CTA-Based Machine Learning Identify Patients for Whom Successful Endovascular Stroke Therapy Is Insufficient?
2025-Dec-04, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8885
PMID:40533350
|
研究论文 | 本研究评估了基于CTA的机器学习模型在预测大血管闭塞急性缺血性卒中患者接受成功血管内治疗后功能结局不佳的能力 | 利用深度学习模型结合预处理CTA图像预测成功血管内治疗后功能结局不佳的患者，相比仅使用临床变量的模型具有显著更好的性能 | 样本量较小（仅48例患者用于微调和交叉验证），且为多中心前瞻性注册队列研究，可能存在选择偏倚 | 识别成功血管内治疗后功能结局不佳的患者，以便他们可能从额外干预中受益 | 大血管闭塞急性缺血性卒中患者 | 医学影像分析 | 急性缺血性卒中 | CTA成像 | 深度学习 | 医学影像 | 预训练1542例，微调和交叉验证48例 | NA | DeepsymNet-v3, DSN-CTA | AUROC | NA |
| 4872 | 2025-12-18 |
Integrated assessment of urban flooding and heat island interactions: A systematic review of geospatial technologies, machine learning approaches, and microclimate dynamics
2025-Dec, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.127984
PMID:41240637
|
综述 | 本文系统综述了地理空间技术、机器学习方法和微气候动力学在评估城市洪水与热岛效应相互作用中的应用 | 提出了一个统一的数据驱动框架来模拟复合灾害，并综合了最新的地理空间和基于AI的方法，强调了模型可解释性和物联网集成的关键差距 | 缺乏利用实时物联网数据并考虑城市形态和气候变异性的可扩展模型，且大多数先前研究分别考察热岛效应和洪水，忽略了微气候变化、城市形态、实时物联网集成和模型可迁移性 | 评估城市洪水与城市热岛效应之间的相互作用，以支持更具韧性和可持续性的城市规划 | 城市洪水与城市热岛效应 | 机器学习 | NA | 地理空间技术、机器学习方法 | CNN, LSTM, Random Forest, Gradient Boosting, Transformer, GNN | 地理空间数据、微气候变量数据 | 超过74项已报道的科学研究 | NA | CNN-LSTM, Random Forest, Gradient Boosting, Transformer, GNN | RMSE, R, MAE | NA |
| 4873 | 2025-12-18 |
The applicability of artificial intelligence in managing emergency patients: An umbrella review
2025-Dec, International emergency nursing
IF:1.8Q2
DOI:10.1016/j.ienj.2025.101710
PMID:41242110
|
综述 | 本文通过伞状综述综合了人工智能在急诊患者管理中应用性的现有证据 | 首次通过伞状综述对急诊医学中多样化的AI应用进行全面综合，识别了四大关键影响领域及普遍存在的实施障碍 | 纳入的综述质量参差不齐，原始研究可能存在异质性，且未进行定量荟萃分析 | 综合评估人工智能在急诊患者管理中的适用性 | 急诊患者 | 机器学习 | NA | NA | 机器学习, 深度学习 | NA | 共纳入24篇符合条件的综述 | NA | NA | NA | NA |
| 4874 | 2025-12-18 |
Association Study on Multi-Timepoint DNA Methylation Levels of Serotonin Transporter Gene and Adolescent Psychological-Behavioral Development
2025-Dec, Neuropsychopharmacology reports
IF:2.0Q3
DOI:10.1002/npr2.70081
PMID:41344989
|
研究论文 | 本研究探讨了青春期早期SLC6A4基因多时间点DNA甲基化水平与心理病理及行为集群的关联 | 首次在青春期早期至中期追踪了SLC6A4基因在三个发育时间点的甲基化水平 | 样本量较小（N=122），且仅基于日本东京青少年队列，需进一步研究环境与遗传因素的作用 | 调查SLC6A4基因多时间点DNA甲基化水平是否与青少年心理病理及行为集群相关 | 东京青少年队列（TTC）研究中的122名参与者，年龄为11、13和15岁 | 表观遗传学 | 青少年心理行为问题 | 亚硫酸氢盐焦磷酸测序 | 线性混合效应模型 | DNA甲基化数据、问卷调查数据 | 122名参与者，在11、13和15岁三个时间点采集唾液样本 | NA | NA | NA | NA |
| 4875 | 2025-12-18 |
Predicting ncRNA-Protein interactions with a graph attention model exploiting personalized subgraphs
2025-Dec, Journal of bioinformatics and computational biology
IF:0.9Q4
DOI:10.1142/S0219720025500192
PMID:41350235
|
研究论文 | 本文提出了一种基于图注意力模型和个性化子图选择框架的新方法，用于预测非编码RNA与蛋白质之间的相互作用 | 通过个性化子图选择框架提取每个相互作用周围最具信息量的子图，克服了传统图神经网络依赖固定跳数子图的限制，从而更全面地捕捉多样化的相互作用模式 | 未在摘要中明确提及具体局限性 | 预测非编码RNA与蛋白质之间的相互作用，以促进基因调控、疾病机制、靶向药物设计和生物标志物发现的研究 | 非编码RNA与蛋白质的相互作用 | 机器学习 | NA | k-mer频率分析, node2vec嵌入 | 图注意力网络 | 图数据 | NA | NA | GAT | NA | NA |
| 4876 | 2025-12-18 |
AI-driven prediction of severe respiratory sequelae in COVID-19 patients
2025-Dec, Annals of medicine
IF:4.9Q1
DOI:10.1080/07853890.2025.2598914
PMID:41383156
|
研究论文 | 本研究开发了一种基于AI的预测模型，用于早期识别COVID-19患者中可能发展为严重呼吸系统后遗症的高风险人群 | 结合K-means聚类算法对患者进行临床亚型分类，并利用ResNet-50深度学习模型从胸部X光片中提取影像特征，整合临床与影像数据构建预测模型 | 需要更大规模的独立数据集进行进一步验证，以确认模型在不同人群中的可靠性和泛化能力 | 早期预测COVID-19患者发展为严重呼吸系统后遗症的风险，以改善预后和护理 | 516名COVID-19患者 | 数字病理学 | COVID-19 | 胸部X光成像 | CNN | 图像, 临床数据 | 516名患者 | NA | ResNet-50 | AUC | NA |
| 4877 | 2025-12-18 |
Deep learning to predict extrapancreatic perineural invasion at CT images
2025-Dec, Annals of medicine
IF:4.9Q1
DOI:10.1080/07853890.2025.2568116
PMID:41388696
|
研究论文 | 本研究开发了一种基于深度学习的全自动模型，用于分割胰腺外神经丛并诊断胰腺外神经侵犯 | 首次提出结合nnUNet网络和注意力机制，在胰腺导管腺癌及邻近血管分割背景下自动分割胰腺外神经丛，并利用2D分类器诊断EPNI | 模型在分割某些动脉周围神经丛时Dice相似系数较低，且需要进一步研究以提升性能 | 开发自动分割胰腺外神经丛并诊断胰腺外神经侵犯的深度学习模型 | 胰腺导管腺癌患者的增强计算机断层扫描图像 | 计算机视觉 | 胰腺癌 | 增强计算机断层扫描 | CNN | 图像 | 332例连续患者（训练集282例，验证集50例） | nnUNet | nnUNet | Dice相似系数, ROC曲线下面积, 诊断准确率 | NA |
| 4878 | 2025-12-18 |
RGB-Based Deep Learning for Freeze Damage Detection in Strawberry: Comparing Scratch and Transfer Learning Approaches on Custom Data
2025-Dec, Plant direct
IF:2.3Q2
DOI:10.1002/pld3.70124
PMID:41393171
|
研究论文 | 本研究提出了一种基于深度学习和计算机视觉的方法，利用RGB图像自动检测草莓植株的冻害损伤 | 比较了从零开始训练和迁移学习两种方法在草莓冻害检测任务上的性能，发现从零开始训练的模型表现更优 | 模型在区分轻度损伤与无损伤或轻微损伤时存在困难 | 开发一种自动化、准确且快速的草莓冻害检测方法 | 草莓植株 | 计算机视觉 | NA | RGB成像 | CNN | 图像 | NA | NA | DenseNet-121, Inception V3, ResNet-50, Xception | 准确率, 精确率, 召回率, F1分数, 推理时间 | NA |
| 4879 | 2025-12-18 |
Noninvasive prediction of photon fluence rate in targeted brain regions for personalized transcranial photobiomodulation dosage: model development and in silico evaluation
2025-Dec-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.570066
PMID:41394481
|
研究论文 | 本文提出了一种结合漫反射光谱与深度学习的非侵入性方法，用于预测经颅光生物调节中刺激光在目标脑区的能量流率 | 首次将组织层厚度纳入深度学习模型，显著提升了预测精度，无需依赖昂贵的磁共振成像即可实现个性化剂量优化 | 研究目前仅进行了计算机模拟评估，尚未进行临床验证 | 开发一种非侵入性方法，用于个性化预测经颅光生物调节中刺激光在目标脑区的能量流率 | 经颅光生物调节中的刺激光能量流率 | 生物医学工程 | NA | 漫反射光谱 | 深度学习 | 光谱数据 | NA | NA | NA | 预测误差 | NA |
| 4880 | 2025-12-18 |
Structural-prior guided and feature-enhanced transformer with masked image modeling pretraining for retinal layers and fluid segmentation in macular edema OCT images
2025-Dec-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.574769
PMID:41394497
|
研究论文 | 提出一种结合结构先验引导和特征增强的Transformer模型，用于黄斑水肿OCT图像中视网膜层和液体的分割 | 提出了SPFET-MIMP模型，结合了移位窗口多头自注意力与轴向注意力以增强上下文和多尺度特征提取，并设计了多类协同分割损失函数以融入视网膜层生理顺序和拓扑结构的先验知识 | 未明确说明模型在更广泛OCT设备或不同疾病阶段图像上的泛化能力，以及计算资源需求的具体分析 | 开发一种高精度的自动分割方法，用于黄斑水肿OCT图像中的视网膜层和液体，以辅助临床诊断 | 黄斑水肿患者的OCT B扫描图像 | 数字病理学 | 黄斑水肿 | 光学相干断层扫描 | Transformer | 图像 | 使用了AROI公共数据集和一个私有的糖尿病性黄斑水肿数据集，具体样本数量未在摘要中说明 | 未明确说明，但提及了SimMIM自监督预训练框架 | 结合了移位窗口多头自注意力和轴向注意力的Transformer架构 | Dice系数 | NA |