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 36434 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 | 2025-12-11 |
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 | 本文通过伞状综述系统评估了人工智能在急诊患者管理中的适用性，总结了其在分诊、诊断、决策和工作流优化等领域的应用证据与挑战 | 首次通过伞状综述方法对急诊医学中人工智能应用的综述级证据进行全面综合，识别了四大关键应用领域及普遍存在的实施障碍 | 纳入的综述质量参差不齐，原始研究存在异质性，且缺乏对AI系统实际临床影响与长期效果的评估 | 综合现有综述级证据，评估人工智能在急诊患者管理中的适用性、效果及实施挑战 | 聚焦于急诊医学中的人工智能应用，包括分诊、风险分层、诊断支持、临床决策和工作流优化 | 机器学习 | NA | 机器学习，深度学习 | NA | NA | 共纳入24篇符合条件的综述 | NA | NA | NA | NA |
| 522 | 2025-12-11 |
Characterization and classification of chronic kidney disease by spatial MIST and deep learning algorithm
2025-Dec-01, American journal of physiology. Renal physiology
DOI:10.1152/ajprenal.00265.2025
PMID:41134685
|
研究论文 | 本研究利用空间多重免疫染色信号标记技术结合深度学习算法，对慢性肾脏病的分子异质性和空间特征进行了表征与分类 | 首次应用Spatial MIST技术结合图神经网络，在单细胞分辨率下量化蛋白质表达，揭示了慢性肾脏病纤维化重塑的空间复杂性，并识别出关键预测标志物 | 研究样本量有限，仅基于特定蛋白质标记物，且未在独立队列中进行外部验证 | 开发一种基于空间蛋白质组学特征的慢性肾脏病分类方法，以促进生物标志物发现和疾病进展评估 | 人类肾脏活检组织样本，包括对照组/低级别纤维化和高级别纤维化患者 | 数字病理学 | 慢性肾脏病 | 空间多重免疫染色信号标记技术 | 图神经网络 | 空间蛋白质表达数据 | 未明确指定具体样本数量，但包括对照组和不同纤维化级别的肾脏活检样本 | 未明确指定 | 图神经网络分类器 | 未明确指定 | NA |
| 523 | 2025-12-11 |
Prospective multi-institutional study of library-based adaptive radiotherapy for cervical cancer: Evaluation of plan-of-the-day selection and population analysis
2025-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70356
PMID:41253687
|
研究论文 | 本研究是一项前瞻性多中心试验，评估了基于计划库的自适应放疗在局部晚期宫颈癌治疗中的计划选择、几何与剂量学影响，并识别了能从自适应放疗中获益的患者亚群 | 结合深度学习模型进行日常靶区和危及器官分割，并开发决策树模型来预测能从自适应放疗中获益的患者亚群 | 研究样本量相对较小（49例患者），且为单臂II期试验，缺乏随机对照设计 | 评估基于计划库的自适应放疗在局部晚期宫颈癌治疗中的临床应用效果 | 局部晚期宫颈癌患者 | 数字病理 | 宫颈癌 | 锥形束CT引导的自适应放疗，深度学习分割 | 深度学习模型 | CT图像，锥形束CT图像 | 49例宫颈癌患者 | NA | NA | D95%靶区剂量，几何覆盖率，剂量学覆盖率 | NA |
| 524 | 2025-12-11 |
Knowledge-informed deep learning to mitigate bias in joint air pollutant prediction
2025-Dec, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2025.109915
PMID:41260014
|
研究论文 | 提出一种新颖的物理信息深度学习框架，通过将平流扩散方程和流体动力学约束直接集成到神经网络架构中，以减轻联合空气污染物预测中的偏差 | 首次将平流扩散方程和流体动力学约束直接集成到神经网络架构中，用于多污染物预测，并生成物理可解释参数，同时通过集成技术提供明确的不确定性量化 | 研究在两个地理上不同的领域（加利福尼亚和中国大陆）进行验证，可能需要在更广泛区域进行测试以证明普适性 | 通过结合物理约束的深度学习方法来提高空气污染物预测的准确性并减少系统偏差，以改进流行病学研究中的暴露评估 | 空气污染物对（加利福尼亚的NO/NO₂和中国大陆的PM₂.₅/PM₁₀） | 机器学习 | NA | 深度学习，物理信息神经网络 | 神经网络 | 空气污染物数据 | NA | NA | 物理信息深度学习框架 | 偏差减少百分比，泛化误差 | NA |
| 525 | 2025-12-11 |
Explainable deep learning based techniques for ECG-Based heart disease classification: A systematic literature review and future direction
2025-Dec, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.111324
PMID:41265065
|
系统文献综述 | 本文对2018年至2024年间基于可解释人工智能（XAI）的深度学习模型在心电图（ECG）心脏病分类中的应用进行了系统性文献综述 | 首次系统性地梳理和分析了XAI在ECG心脏病分类深度学习模型中的应用现状、方法选择及其对模型可解释性的影响，并指出了该领域的关键挑战和未来研究方向 | 综述基于已有文献，未进行新的实验验证；识别出的挑战（如数据标准化、可解释性不一致、缺乏XAI基准测试和标准化指标等）仍需后续研究解决 | 提高对基于ECG的心脏病分类深度学习模型可解释性的理解，总结方法学选择、分析其对模型可解释性的影响，并指出该领域的重要挑战与未来机会 | 2018年1月至2024年9月期间发表的、关于使用XAI的深度学习进行ECG心脏病分类的学术文章 | 机器学习 | 心血管疾病 | 心电图（ECG） | 深度学习模型 | ECG信号数据 | 从6448项初步研究中筛选出51项使用XAI深度学习架构的研究，涉及25个不同数据集 | NA | 共识别出16种不同的深度学习架构 | NA | NA |
| 526 | 2025-12-11 |
Automated artificial intelligence detection of early or under-diagnosed interstitial lung disease by computed tomography in the COPDGene trial
2025-Dec, Respiratory medicine
IF:3.5Q2
DOI:10.1016/j.rmed.2025.108545
PMID:41314436
|
研究论文 | 本研究评估了人工智能工具ScreenDx在COPDGene试验中自动检测早期或未诊断的间质性肺疾病（ILD）的能力 | 开发并验证了深度学习模型ScreenDx，用于在CT扫描中自动识别早期或未诊断的ILD，特别是在原本排除ILD患者的队列中检测出漏诊病例 | 研究基于特定队列（COPDGene试验），ILD患病率较低（约1-2%），可能影响结果的普适性；且依赖回顾性数据，未进行前瞻性验证 | 评估人工智能工具在CT扫描中自动检测早期或未诊断的间质性肺疾病的性能 | COPDGene试验中的患者，包括最初未诊断的ILD患者（阳性样本）以及COPD患者和对照者（阴性样本） | 数字病理学 | 间质性肺疾病 | 计算机断层扫描（CT） | 深度学习模型 | CT图像 | 从COPDGene数据集中选取的ILD患者、COPD患者和对照者，目标ILD患病率为约1-2% | NA | ScreenDx | 灵敏度, 特异性 | NA |
| 527 | 2025-12-11 |
Machine learning for modelling the health impacts of extreme heat: A comprehensive literature review
2025-Dec, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2025.109965
PMID:41319442
|
综述 | 本文对当前用于模拟极端高温对人类健康影响的机器学习应用进行了全面的文献综述 | 系统性地梳理和评估了机器学习在高温健康研究领域的应用现状、优势与局限，并提出了未来发展的具体建议 | 纳入的25篇研究主要来自高收入国家，可能无法全面代表全球情况；研究多关注单一健康结局和一般人群，对个体层面和脆弱群体的研究不足 | 综述机器学习在模拟极端高温健康影响中的应用，以指导未来研究并减轻全球高温相关的健康负担 | 已发表的关于使用机器学习建模极端高温对人类健康影响的科学文献 | 机器学习 | NA | NA | Random Forest, 深度学习 | 环境数据（如气温、湿度）、时间数据、社会人口学数据 | NA | NA | NA | NA | NA |
| 528 | 2025-12-11 |
Epigenetics is all you need: A transformer to decode chromatin structural compartments from the epigenome
2025-Dec, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012326
PMID:41337156
|
研究论文 | 本文介绍了一种基于Transformer架构的深度学习模型TECSAS，用于直接从表观基因组数据预测染色质亚区室注释 | 开发了首个基于Transformer的模型TECSAS，用于从表观基因组数据解码染色质三维结构亚区室，并揭示了远程表观基因组背景对染色质组织的影响 | 未明确提及模型的具体局限性，如数据依赖性、泛化能力或计算成本 | 研究表观基因组特征与三维基因组组织之间的复杂相互作用，以更好地理解基因组结构和功能 | 染色质三维结构、表观基因组数据（组蛋白修饰、转录因子结合谱、RNA-Seq数据） | 机器学习 | NA | 组蛋白修饰分析、转录因子结合谱分析、RNA-Seq | Transformer | 表观基因组数据（组蛋白修饰、转录因子结合、RNA-Seq） | NA | NA | Transformer | 高准确性（未指定具体指标） | NA |
| 529 | 2025-12-11 |
Artificial Intelligence-Based Predictive Modeling for Early Detection of Sepsis in Hospitalized Patients: A Systematic Review and Meta-Analysis
2025-Dec-01, Critical care explorations
DOI:10.1097/CCE.0000000000001360
PMID:41348160
|
系统综述与荟萃分析 | 本文系统评估了基于人工智能的预测模型在成人住院患者中早期检测脓毒症的应用 | 首次对2015年至2025年间发表的AI脓毒症预测模型进行了全面的系统综述与荟萃分析，比较了多种算法类型、输入特征和验证策略 | 大多数研究采用回顾性设计，前瞻性或实时临床验证有限，模型的通用性、可解释性和临床实施仍面临重大挑战 | 评估用于成人住院患者早期脓毒症检测的人工智能预测模型 | 成人住院患者 | 机器学习 | 脓毒症 | 电子健康记录数据分析 | 随机森林, 神经网络, 支持向量机, 深度学习架构 | 结构化数据（生命体征、实验室值、人口统计学）和非结构化临床记录 | NA | NA | 长短期记忆网络, 卷积神经网络 | 曲线下面积, 灵敏度, 特异性, F1分数 | NA |
| 530 | 2025-12-11 |
Recent Advances in Spectroscopy and Imaging Techniques for Nondestructive Detection of Meat Quality and Safety
2025-Dec, Food science & nutrition
IF:3.5Q2
DOI:10.1002/fsn3.71303
PMID:41356232
|
综述 | 本文综述了光谱和成像技术在肉类质量与安全无损检测中的最新进展，包括其原理、应用场景、优缺点及未来展望 | 探讨了多种先进光谱和成像技术的集成应用，并提出了结合深度学习算法以提高检测全面性和准确性的未来研究方向 | 这些技术在工业应用中仍面临成本高昂和数据分析复杂等挑战，且光谱技术仅能感知局部样本信息，成像技术检测速率较慢 | 总结光谱和成像技术在肉类质量与安全检测中的最新发展，以促进高质量食品的交付 | 肉类（作为人类饮食中重要的动物蛋白来源） | 机器视觉 | NA | 近红外光谱、拉曼光谱、荧光光谱、太赫兹光谱、高光谱成像、多光谱成像、X射线成像、热成像 | NA | 光谱数据、图像数据 | NA | NA | NA | NA | NA |
| 531 | 2025-12-11 |
Automatic Assessment of Radiological Parameters of the Distal Radius Using a Hybrid Approach Combining Deep Learning and a Computer-Aided Diagnostic Algorithm
2025-Dec, Clinics in orthopedic surgery
IF:1.9Q2
DOI:10.4055/cios24407
PMID:41356550
|
研究论文 | 本研究开发了一种结合深度学习与传统计算机辅助诊断的混合方法，用于自动评估手腕X光片中桡骨远端的放射学参数 | 提出了一种新颖的自动化混合方法，结合深度学习模型与传统计算机辅助诊断算法，以准确识别手腕X光片中的解剖标志并自动测量放射学参数 | 研究样本量相对有限（训练集487张，测试集100张），且测试集仅来自两个机构，可能影响模型的泛化能力 | 开发自动化方法以检测手腕X光片中的解剖标志并测量桡骨远端的放射学参数，减少人工劳动并提高效率 | 手腕X光片，特别是桡骨远端的解剖标志和放射学参数（如桡骨倾斜角、桡骨长度、掌倾角和尺骨变异） | 计算机视觉 | NA | X光摄影 | 深度学习模型 | 图像 | 训练和验证集487张手腕X光片，测试集100张来自两个机构的手腕X光片 | NA | NA | 成功检测率（SDR）、平均绝对误差（MAE）、组内相关系数（ICC）、皮尔逊相关系数（r） | NA |
| 532 | 2025-12-11 |
TAR-YOLO: A Novel Deep Learning Model and Dataset for Tennis Action Recognition
2025-Dec, Scandinavian journal of medicine & science in sports
IF:3.5Q1
DOI:10.1111/sms.70177
PMID:41368876
|
研究论文 | 本文提出了一种基于YOLO11架构的新型姿态驱动动作识别模型TAR-YOLO，并构建了专门用于网球姿态估计和动作分类的自定义数据集TAR-Det | 提出了TAR-YOLO模型，引入了RES-Head和DSAM两个新组件，并集成了SPD-Conv和Slide Loss，显著提升了在遮挡、姿态变形和多视角一致性等挑战下的性能 | NA | 开发能够准确识别网球动作并提供及时反馈的智能系统，应用于实时广播、AI辅助教练、技能评估和伤害预防 | 网球运动员的动作 | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | NA | NA | YOLO11, RES-Head, DSAM, SPD-Conv | 精确率, 召回率, mAP, FLOPs, FPS | NA |
| 533 | 2025-12-11 |
Rapid identification of Rhizoma Coptidis origin using terahertz spectroscopy and deep learning
2025-Nov-29, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2025.127283
PMID:41365254
|
研究论文 | 本研究利用太赫兹光谱和深度学习技术快速鉴别黄连的地理来源 | 提出了一种结合改进的混沌优化算法(ICOA)、门控循环单元(GRU)和多头自注意力机制(MSA)的ICOA-GRU-MSA分类模型，用于优化超参数并增强特征识别能力 | 仅使用了四个不同地理来源的黄连样本，样本多样性可能有限 | 快速、无损地鉴别中药材黄连的地理来源，以评估其质量和功效 | 四个不同地理来源的黄连样本 | 机器学习 | NA | 太赫兹时域光谱 | GRU | 光谱数据 | 四个不同来源的黄连样本 | NA | GRU, 多头自注意力机制 | NA | NA |
| 534 | 2025-12-11 |
Comprehensive Annotation of Olfactory and Gustatory Receptor Genes and Transposable Elements Revealed Their Evolutionary Dynamics in Aphids
2025-Nov-28, Molecular biology and evolution
IF:11.0Q1
DOI:10.1093/molbev/msaf238
PMID:40986830
|
研究论文 | 本研究通过分析12种蚜虫基因组，全面注释了嗅觉和味觉受体基因及转座元件，揭示了它们在蚜虫中的进化动态 | 首次提供了Dysaphis plantaginea的染色体尺度基因组组装，并全面注释了OR/GR基因的功能预测，将适应性进化与机制洞察联系起来 | 研究主要基于基因组分析，缺乏实验验证，且样本量有限（12种蚜虫），可能无法完全代表所有蚜虫物种 | 探讨基因复制和转座元件在蚜虫嗅觉和味觉受体基因进化中的作用，以理解昆虫害虫的适应性进化机制 | 12种具有不同宿主范围的蚜虫基因组，包括521个嗅觉受体基因和399个味觉受体基因以及转座元件 | 基因组学 | NA | 基因组测序、深度学习模型 | 深度学习模型 | 基因组序列数据 | 12种蚜虫基因组 | NA | NA | NA | NA |
| 535 | 2025-12-11 |
SAI: A Python Package for Statistics for Adaptive Introgression
2025-Nov-28, Molecular biology and evolution
IF:11.0Q1
DOI:10.1093/molbev/msaf295
PMID:41258824
|
研究论文 | 本文介绍了一个名为SAI的Python包，用于计算适应性基因渗入的统计量，包括新提出的DD统计量，并应用于两个数据集进行验证 | 开发了SAI Python包，整合了多种现有统计量并引入了新的DD统计量，提供了易于访问的实现 | 未明确提及样本量限制或计算资源需求，可能依赖于现有数据集 | 开发工具以识别和分析适应性基因渗入，促进进化生物学研究 | 人类基因组数据（1000 Genomes Project）和黑猩猩基因组数据 | 生物信息学 | NA | 基因组测序 | NA | 基因组序列数据 | 基于1000 Genomes Project数据和黑猩猩数据集，具体样本数未明确 | Python | NA | NA | NA |
| 536 | 2025-12-11 |
Role of artificial intelligence in the detection and characterization of gastrointestinal premalignant and early malignant lesions
2025-Nov-28, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i44.111160
PMID:41356523
|
综述 | 本文综述了人工智能在胃肠道内窥镜领域，特别是在检测和表征胃肠道癌前病变及早期恶性病变方面的突破与临床应用 | 利用机器学习和深度学习，特别是卷积神经网络，开发高性能的计算机辅助模型，以增强内窥镜图像中病变的检测和可见性，实现实时分类和风险分层 | 人工智能对患者结局（如死亡率和间期癌症发生率）的影响尚不明确，且其在结肠中的应用不如在食管和胃中成熟 | 探讨人工智能在胃肠道内窥镜中检测和表征癌前及早期恶性病变的作用 | 胃肠道癌前病变和早期恶性病变，如Barrett食管、胃萎缩、肠化生、小肠和结肠息肉，以及早期食管癌、胃癌和结肠癌 | 计算机视觉 | 胃肠道癌 | 内窥镜成像 | CNN | 图像 | NA | NA | 卷积神经网络 | NA | NA |
| 537 | 2025-12-11 |
Advancements and challenges of ultrasound imaging in the management of thyroid-associated ophthalmopathy
2025-Nov-28, World journal of radiology
IF:1.4Q3
DOI:10.4329/wjr.v17.i11.112638
PMID:41356759
|
综述 | 本文综述了超声成像在甲状腺相关眼病（TAO）管理中的应用现状、技术进展及挑战，并提出了结合超声弹性成像与深度学习的多模态框架以提高诊断精度 | 提出了一个结合超声弹性成像与深度学习的集成多模态框架，以提升TAO的诊断精确性 | 超声成像在深部眼眶结构分辨率有限，且缺乏标准化协议，可能导致诊断不准确 | 探讨超声成像在TAO诊断和管理中的应用，并提出未来研究策略以改善诊断工具 | 甲状腺相关眼病（TAO）患者 | 数字病理学 | 甲状腺相关眼病 | 超声成像，超声弹性成像 | 深度学习 | 超声成像数据 | NA | NA | NA | NA | NA |
| 538 | 2025-12-11 |
Lymph node disease in 2-deoxy-2-fluorodeoxyglucose positron emission tomography/computed tomography imaging: Advances in artificial intelligence-driven automatic segmentation and precise diagnosis
2025-Nov-24, World journal of clinical oncology
IF:2.6Q3
DOI:10.5306/wjco.v16.i11.110462
PMID:41355909
|
综述 | 本文综述了基于卷积神经网络的深度学习技术在淋巴结疾病影像学评估中的应用，包括自动分割、三维重建及良恶性鉴别诊断 | 聚焦于人工智能驱动的淋巴结自动分割模型、治疗反应预测算法及多模态影像的良恶性鉴别诊断系统，为淋巴结疾病管理提供智能化辅助 | 作为综述文章，未涉及具体实验数据或模型性能验证，主要总结现有技术进展 | 为人工智能辅助淋巴结疾病管理和临床决策提供研究基础，推动淋巴结相关疾病精准诊断、个性化治疗及预后评估体系的构建 | 淋巴结转移和浸润的影像学评估 | 计算机视觉 | 淋巴结疾病 | 2-脱氧-2-氟脱氧葡萄糖正电子发射断层扫描/计算机断层扫描成像 | CNN | 医学影像 | NA | NA | NA | NA | NA |
| 539 | 2025-12-11 |
Artificial intelligence in acute appendicitis: A comprehensive review of machine learning and deep learning applications
2025-Nov-21, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i43.112000
PMID:41358178
|
综述 | 本文全面回顾了机器学习和深度学习在急性阑尾炎诊断中的应用 | 整合了临床、实验室和影像等多模态数据，并应用可解释AI方法提升模型透明度 | 现有证据多来自回顾性研究，前瞻性队列样本量有限或存在方案差异 | 评估人工智能在提高急性阑尾炎诊断准确性方面的应用 | 成人和儿童急性阑尾炎 | 机器学习 | 急性阑尾炎 | NA | 随机森林, 支持向量机, 逻辑回归, 极端梯度提升, 卷积神经网络 | 临床数据, 影像数据 | 基于65项研究的综合发现 | NA | NA | 灵敏度, 特异性 | NA |
| 540 | 2025-12-11 |
Face2Bone explainable AI model predicts osteoporosis risk from facial images in proof of concept study
2025-Nov-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-20462-3
PMID:41266389
|
研究论文 | 本研究开发并验证了一种名为Face2Bone的可解释人工智能模型，用于基于面部图像进行骨质疏松症风险的预测和机会性筛查 | 首次提出并验证了基于面部图像的可解释深度学习模型用于骨质疏松症风险分类，结合了预训练的FaceNet、自定义频率稀疏注意力模块、Transformer与CNN骨干网络以及KAN分类器，并通过SHAP和CRAFT方法进行可解释性分析，揭示了不同骨量状态下的显著面部图像特征 | 研究为概念验证性质，样本量相对有限（1167名患者），且数据来自单一医院，可能影响模型的泛化能力 | 开发并验证一种基于面部图像的可解释AI预测模型，用于骨质疏松症的机会性筛查和风险预测 | 接受双能X线吸收测定法检查的1167名患者及其面部图像 | 计算机视觉 | 骨质疏松症 | 双能X线吸收测定法 | 深度学习, 混合模型 | 图像 | 1167名患者 | PyTorch, TensorFlow | FaceNet, Transformer, CNN, Kolmogorov-Arnold Networks | 准确率, 精确率, 召回率, F1分数, AUC, ECE, Brier分数 | NA |