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 37684 篇文献，本页显示第 521 - 540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 521 | 2025-12-29 |
An adaptive hand exoskeleton rehabilitation training system integrating virtual reality and an AI-based assessment engine
2025, Frontiers in sports and active living
IF:2.3Q2
DOI:10.3389/fspor.2025.1724021
PMID:41450855
|
研究论文 | 本文提出了一种集成了虚拟现实和基于AI评估引擎的自适应手部外骨骼康复训练系统，用于中风后手部运动障碍的康复 | 融合了生物信号传感、AI分析和虚拟现实交互，实现了高效、自适应、可量化的闭环训练过程，并基于多模态数据融合、闭环自适应控制和神经可塑性多感官增强三大理论支柱 | 单臂设计限制了因果推断，样本量小（n=24），干预周期短（4周），FMA-UE代理标签通过线性插值构建，且为临床控制环境而非真实世界部署 | 开发一个数据驱动、多模态闭环康复系统，以解决传统康复中依从性低、评估主观和个性化不足的问题，促进中风后手部功能恢复 | 中风幸存者（中风后3-12个月，FMA-UE评分15-50） | 机器学习 | 心血管疾病 | 生物信号传感（6轴IMU，16通道sEMG），扩展卡尔曼滤波，虚拟现实交互 | 随机森林，支持向量回归 | 生物信号数据（运动学，肌肉激活），行为数据 | 24名中风幸存者，共479次训练会话，8,946个标注片段 | Scikit-learn | 随机森林（200棵树，深度8），支持向量回归（RBF核） | R², MAE, Spearman ρ, ICC, FMA-UE, ARAT, 握力, 标准化ROM, 任务成功率, SUS | 云AI引擎，通过MQTT与基于Unity的VR进行双向通信 |
| 522 | 2025-12-29 |
Predicting Ki-67 expression levels in non-small cell lung cancer using an explainable CT-based deep learning radiomics model
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1655714
PMID:41450926
|
研究论文 | 本研究开发了一种可解释的CT影像深度学习放射组学模型，用于预测非小细胞肺癌中Ki-67的表达水平 | 结合临床放射学特征、放射组学特征和深度学习特征，构建了一个可解释的预测模型，并通过SHAP分析可视化特征贡献 | 回顾性研究设计，样本量相对有限，且仅基于两个中心的患者数据 | 预测非小细胞肺癌中Ki-67的表达水平，以辅助临床优化个性化治疗策略 | 非小细胞肺癌患者 | 数字病理学 | 肺癌 | CT成像 | 支持向量机 | 图像 | 371名患者（中心1: 259名，中心2: 112名） | Scikit-learn | ResNet18 | AUC, IDI | NA |
| 523 | 2025-12-29 |
The research hotspots and trends of artificial intelligence technology in nursing management: a bibliometric study
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1710269
PMID:41451100
|
文献计量研究 | 本文通过文献计量学方法分析了人工智能在护理管理领域的研究热点与趋势 | 首次系统性地利用CiteSpace、VOSviewer和Bibliometrix工具对AI在护理管理领域的文献进行可视化分析，识别了五大研究集群和新兴热点 | 研究排除了非英语文献，且依赖文献计量分析，可能无法完全反映AI在临床实践中的实际应用情况 | 探索人工智能技术在护理管理领域的研究格局、热点与未来趋势 | Web of Science核心合集和Scopus数据库中1990年至2025年8月的151篇英文出版物 | 机器学习 | NA | 文献计量分析 | NA | 文本 | 151篇出版物 | CiteSpace, VOSviewer, Bibliometrix | NA | NA | NA |
| 524 | 2025-12-29 |
Sentiment Analysis of Autologous Breast Reconstruction Using Natural Language Processing and Deep Learning
2025, Aesthetic surgery journal. Open forum
DOI:10.1093/asjof/ojaf145
PMID:41451120
|
研究论文 | 本研究利用自然语言处理和深度学习技术，对患者关于自体乳房重建（DIEP、TRAM、LD皮瓣）的公开评论进行情感分析 | 首次将RoBERTa等NLP模型应用于大规模患者论坛评论，以量化分析患者对特定乳房重建手术的情感与情绪，补充了传统临床研究 | 样本量较小（仅212条评论），数据来源单一（仅RealSelf平台），可能无法代表所有患者群体 | 评估患者对自体乳房重建手术（DIEP、TRAM、LD皮瓣）的情感态度和情绪体验 | RealSelf平台上关于DIEP、TRAM或LD皮瓣的公开患者评论 | 自然语言处理 | 乳腺癌 | 自然语言处理, 深度学习 | RoBERTa | 文本 | 212条患者评论（DIEP 153条，TRAM 20条，LD 39条） | NA | RoBERTa | NA | NA |
| 525 | 2025-12-29 |
AI-driven advances in plant biotechnology: sharpening the edge of plant tissue culture and genome editing
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1718810
PMID:41451278
|
综述 | 本文综述了人工智能（AI）在植物组织培养和基因组编辑领域的应用进展与潜力 | 系统性地汇编了多种AI模型在CRISPR/Cas基因组编辑中的应用研究，并首次明确概述了AI如何变革植物组织培养和基因组编辑领域 | AI在植物CRISPR建模中的应用尚未得到充分探索，且本文为综述性文章，未提出新的原创模型或实验数据 | 探讨AI技术如何推动植物生物技术，特别是植物组织培养和基因组编辑领域的进步 | 植物组织培养协议、CRISPR/Cas9基因组编辑系统、各种生物体中的编辑模型 | 机器学习 | NA | CRISPR/Cas9基因组编辑 | 机器学习（ML）、人工神经网络（ANN）、深度学习（DL） | NA | NA | NA | NA | NA | NA |
| 526 | 2025-12-29 |
Impact of retraining and data partitions on the generalizability of a deep learning model in the task of COVID-19 classification on chest radiographs
2024-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.6.064503
PMID:39734609
|
研究论文 | 本研究探讨了在标准胸部X光片上进行COVID-19分类任务时，不同模型再训练方案和数据划分对模型性能及泛化能力的影响 | 通过比较四种再训练策略（包括在Set B上重新训练、微调、L2正则化以及200次重新划分Set A训练集），深入分析了数据划分对深度学习模型泛化性能的影响，揭示了模型性能差异的原因 | 研究仅使用来自同一机构的数据集，可能限制了结果的广泛适用性；未涉及外部验证集，泛化能力评估可能不全面 | 评估不同再训练方案和数据划分对深度学习模型在COVID-19胸部X光分类任务中泛化性能的影响 | 标准胸部X光片（CXRs） | 计算机视觉 | COVID-19 | 深度学习 | 深度学习模型 | 图像 | Set A：9860名患者（2020年2月20日至2021年2月3日）；Set B：5893名患者（2020年3月15日至2022年1月1日） | NA | NA | AUC（曲线下面积） | NA |
| 527 | 2025-12-29 |
MRI-based prostate cancer classification using 3D efficient capsule network
2024-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16975
PMID:38346111
|
研究论文 | 本研究提出了一种基于T2加权MRI的3D高效胶囊网络，用于前列腺癌风险分层 | 开发了3D高效胶囊网络，结合全连接胶囊层构建更深层次结构，并引入动态加权边缘损失以处理数据不平衡问题 | 未明确说明模型对图像翻转、缩放或旋转等变化的鲁棒性具体提升程度，且低风险与中风险分类性能相对较低（AUC 0.59） | 通过计算机辅助诊断实现前列腺癌Gleason评分的非侵入性预测 | 前列腺癌患者 | 数字病理 | 前列腺癌 | MRI | 胶囊网络 | 图像 | 976名患者 | NA | 3D Efficient CapsNet | AUC, F1-score, 加权Cohen's Kappa | NA |
| 528 | 2025-12-29 |
A framework for the unsupervised and semi-supervised analysis of visual frames
2024-Apr, Political analysis : an annual publication of the Methodology Section of the American Political Science Association
IF:4.7Q1
PMID:41450450
|
研究论文 | 本文介绍了一种用于通过无监督和半监督方法分析视觉材料内容的框架 | 将计算机视觉领域的Bag of Visual Words工具引入政治科学，用于定义和提取视觉“标记”，构建类似于文本分析中Document-Term矩阵的Image-Visual Word矩阵，并开发了新颖的视觉结构主题模型 | NA | 为政治科学领域提供一种分析视觉材料内容的框架 | 视觉材料，特别是中美洲移民大篷车图片 | 计算机视觉 | NA | Bag of Visual Words, 主题模型 | NA | 图像 | NA | NA | NA | NA | NA |
| 529 | 2025-12-28 |
Machine learning (ML) and deep learning (DL) in vaccine target selection, design, development and characterization
2026-Jan-25, Vaccine
IF:4.5Q2
DOI:10.1016/j.vaccine.2025.128051
PMID:41371096
|
综述 | 本文综述了机器学习和深度学习在疫苗靶点选择、设计、开发和表征中的应用 | 系统性地阐述了AI技术，特别是ML和DL，在理性疫苗设计中的关键作用，包括从靶点选择到临床前试验的全流程应用 | 数据可用性存在限制 | 描述ML和DL如何辅助理性疫苗设计，以应对传染病挑战 | 疫苗开发过程，包括靶点选择、设计、开发和表征 | 机器学习 | 传染病 | NA | 机器学习,深度学习 | NA | NA | NA | NA | NA | NA |
| 530 | 2025-12-28 |
SpatialFusion: A Unified Model for Integrating Spatial Transcriptomics to Unveil Cell-type Distribution, Interaction, and Functional Heterogeneity in Tissue Microenvironments
2026-Jan-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169535
PMID:41237948
|
研究论文 | 本文介绍了一种名为SpatialFusion的创新深度学习模型，旨在通过整合基因表达和空间坐标来改进空间域识别和细胞类型反卷积 | SpatialFusion模型的核心创新在于利用图神经网络和注意力机制，通过空间数据的多维嵌入捕获复杂的空间关系，并采用双编码策略和自监督对比学习，显著提高了准确性和鲁棒性 | NA | 解决现有空间域识别和细胞类型反卷积方法在准确性、鲁棒性和计算效率方面面临的挑战 | 空间转录组学数据，特别是人类DLPFC数据集和乳腺癌肿瘤微环境 | 空间转录组学 | 乳腺癌 | 空间转录组学 | GNN, 注意力机制 | 基因表达数据, 空间坐标 | NA | NA | 图神经网络, 注意力机制 | 准确性, 分辨率 | NA |
| 531 | 2025-12-28 |
Diffuse optical imaging with channel attention fusion network
2026-Jan, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.31.1.016001
PMID:41445764
|
研究论文 | 本文提出了一种用于漫射光学成像的端到端深度学习框架CAFNet，旨在克服传统重建技术中的伪影、噪声放大和深度敏感性限制 | 首次将通道注意力机制与AUTOMAP结合，通过多尺度特征学习和特征优先级处理，显著提升了光学属性重建的精度和鲁棒性 | 研究主要基于模拟和实验体模数据，未在真实临床患者数据上进行验证，可能限制了其直接医学应用的普适性 | 开发一种能够有效重建漫射光学图像中光学属性的深度学习模型，以改善肿瘤等深层异常检测的准确性 | 模拟数据集和实验体模中的光学属性图像 | 医学影像 | 肿瘤 | 漫射光学成像 | 深度学习 | 图像 | 模拟和实验数据集，具体样本数量未明确说明 | 未明确指定，但涉及深度学习框架 | CAFNet, AUTOMAP | 均方误差, 峰值信噪比, 结构相似性指数 | NA |
| 532 | 2025-12-28 |
A novel deep learning system for STEMI prognostic prediction from multi-sequence cardiac magnetic resonance
2025-Dec-30, Science bulletin
IF:18.8Q1
DOI:10.1016/j.scib.2025.11.027
PMID:41314962
|
研究论文 | 本文开发了一种名为DeepSTEMI的端到端深度学习系统，用于从多序列心脏磁共振图像结合临床参数预测STEMI患者的2年主要不良心血管事件 | 提出了一种集成U-Net分割模块和Transformer预测模块的深度学习系统，首次实现多序列CMR图像与临床参数的端到端融合，用于STEMI预后预测 | 研究基于回顾性多中心数据，需要前瞻性验证以确认临床适用性 | 开发自动化深度学习系统以改善STEMI患者的早期风险分层 | ST段抬高型心肌梗死患者 | 数字病理学 | 心血管疾病 | 心脏磁共振成像 | 深度学习 | 图像, 临床参数 | 开发集610名患者（20,618张图像），外部验证集334名患者（9,944张图像） | NA | U-Net, Transformer | AUC, 准确率, 净重分类改善指数, 风险比 | NA |
| 533 | 2025-12-28 |
From lesion detection to outcome prediction: artificial intelligence and deep learning applications in multiple sclerosis
2025-Dec-27, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology
IF:2.7Q3
DOI:10.1007/s10072-025-08661-2
PMID:41454173
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 534 | 2025-12-28 |
A deep learning methodology for fully-automated quantification of calcific burden in high-resolution intravascular ultrasound images
2025-Dec-27, The international journal of cardiovascular imaging
DOI:10.1007/s10554-025-03583-8
PMID:41454216
|
研究论文 | 本文介绍了一种基于深度学习的全自动方法，用于在高分辨率血管内超声图像中量化钙化负荷 | 提出了一种深度学习模型，首次实现血管内超声图像中钙化组织的无缝检测和量化，克服了传统手动分析耗时的问题 | 研究样本量有限（197条血管），且仅基于单一专家标注进行训练，可能影响模型的泛化能力 | 开发一种自动化工具，用于辅助经皮冠状动脉介入治疗规划和药物疗效评估中的钙化负荷量化 | 血管内超声图像中的钙化组织 | 计算机视觉 | 心血管疾病 | 血管内超声成像 | 深度学习模型 | 图像 | 197条血管用于训练（26,211帧图像），30条血管用于测试（5,138帧图像） | NA | NA | kappa系数, 相关系数 | NA |
| 535 | 2025-12-28 |
Drug Effect Classification using Frequency-based Graph Traversal Approach
2025-Dec-26, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3648860
PMID:41452695
|
研究论文 | 本文提出了一种基于频率的图遍历方法，用于将药物分类为对症治疗（SYM）或疾病修饰（DM）类别 | 采用异质网络和引导最短路径遍历框架，通过识别最短元路径中频繁出现的基因来分类药物作用，提高了可解释性 | NA | 分类药物为对症治疗或疾病修饰类别，以理解其治疗作用并支持药物重定位 | 药物、基因和疾病 | 机器学习 | 多发性硬化症 | 图遍历方法 | 图模型 | 异质网络数据（基因、疾病、药物） | NA | NA | 引导最短路径遍历框架 | 分类准确率 | NA |
| 536 | 2025-12-28 |
Medical Microwave Imaging Using Physics-Guided Deep Learning Part 1: The Forward Solver
2025-Dec-26, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3648756
PMID:41452684
|
研究论文 | 本文提出了一种用于医学微波成像的快速、自监督深度学习前向求解器，通过物理引导的混合损失函数确保计算结果的物理正确性 | 提出了一种基于物理框架的深度学习前向求解器，将计算域分为内部散射体区域和外部背景介质区域，采用结合麦克斯韦旋度方程与积分方程的混合损失函数，在保证全局和局部精度的同时比传统求解器快97% | 未明确说明训练数据的具体规模和多样性限制，也未讨论在更复杂生物组织模型中的泛化能力 | 开发用于医学微波成像的快速准确前向求解器，为深度学习逆问题求解器提供高效训练基础 | 电磁散射问题中的散射场和介质特性计算 | 机器学习 | NA | 微波成像 | 深度神经网络 | 电磁场数据 | 未明确具体样本数量，但提及在随机物体上训练并在真实模型上测试 | NA | NA | 均方根误差 | NA |
| 537 | 2025-12-28 |
Learning Deep Tree-Based Retriever for Efficient Recommendation: Theory and Method
2025-Dec-26, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3648453
PMID:41452694
|
研究论文 | 本文提出了一种基于深度树的高效推荐检索器，通过改进训练目标和采样方法，以更好地满足最大堆假设并提升推荐效率与准确性 | 提出了一种基于softmax的多类别分类训练框架，在树的同一层级节点间引入显式横向竞争，以模拟训练期间的束搜索行为；并提出了损失函数的校正方法和基于树的采样方法，以更好地满足最大堆假设并减少采样偏差 | 未明确提及 | 提高大规模候选物品场景下深度推荐模型的推荐效率，同时保证推荐准确性 | 基于树的深度推荐模型 | 机器学习 | NA | NA | 深度学习模型 | 推荐系统数据 | 四个真实世界数据集 | NA | 基于树的深度检索器 | 推荐准确性，推荐效率 | NA |
| 538 | 2025-12-28 |
Exploring the impact of an artificial intelligence-based intraoperative image navigation system in laparoscopic surgery on clinical outcomes: A protocol for a multicenter randomized controlled trial
2025-Dec-26, European surgical research. Europaische chirurgische Forschung. Recherches chirurgicales europeennes
DOI:10.1159/000549894
PMID:41452791
|
研究论文 | 本文提出了一项多中心随机对照试验协议，旨在评估基于深度学习的术中图像导航系统在腹腔镜结直肠手术中对临床结果的影响 | 首次通过随机对照试验设计，系统评估AI驱动的实时语义分割导航系统在识别输尿管和自主神经方面的临床效果 | 研究仅针对腹腔镜左侧结直肠切除术，且样本来源限于日本三个高手术量中心，可能限制结果的普适性 | 评估AI术中导航系统在腹腔镜手术中的临床效果 | 接受腹腔镜左侧结直肠切除术的患者 | 计算机视觉 | 结直肠癌 | 深度学习 | NA | 图像 | NA | NA | NA | 手术时间、术中并发症、术后并发症、器官识别时间 | NA |
| 539 | 2025-12-28 |
Chemprop v2: An Efficient, Modular Machine Learning Package for Chemical Property Prediction
2025-Dec-26, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02332
PMID:41453060
|
研究论文 | 本文介绍了Chemprop v2，一个高效、模块化的机器学习软件包，用于化学性质预测 | 对Chemprop进行了全面重写，提高了速度、可扩展性和用户体验，支持多GPU训练并引入了新功能 | 未明确提及具体局限性 | 开发一个改进的软件包，用于分子性质的准确预测，以支持计算化学设计 | 分子性质预测 | 机器学习 | NA | NA | D-MPNN | 分子图 | NA | Python | D-MPNN | NA | 多GPU |
| 540 | 2025-12-28 |
High-fidelity 3D mesh generation from a single sketch using shape constraints
2025-Dec-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-30843-3
PMID:41453959
|
研究论文 | 本文提出了一种从单张手绘草图生成高保真3D网格的简化网络架构 | 采用表达能力更强的PowerMLP架构，并引入3D形状约束替代传统判别器，在协作生成过程中实现几何保真度 | 未在摘要中明确说明 | 解决从缺乏视觉信息的单张草图重建高保真3D模型的挑战 | 合成风格化草图与真实手写草图输入 | 计算机视觉 | NA | 深度学习 | MLP | 草图 | NA | NA | PowerMLP, 编码器-解码器框架 | SOTA性能 | NA |