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 40085 篇文献，本页显示第 5681 - 5700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5681 | 2025-12-10 |
Commercially Available Artificial Intelligence Solutions for Gynaecologic Cytology Screening and Their Integration Into Clinical Workflow
2026-Jan, Cytopathology : official journal of the British Society for Clinical Cytology
IF:1.2Q3
DOI:10.1111/cyt.70023
PMID:41028901
|
综述 | 本文全面回顾了妇科细胞学筛查中商业AI软件的现状、性能及其与临床工作流的整合 | 系统性地评估了商业AI解决方案在妇科细胞学（尤其是宫颈癌筛查）中的应用潜力、临床影响及整合挑战，为AI在该领域的实际部署提供了全面视角 | 本文为综述性文章，未涉及原始实验数据或新模型开发，主要基于现有商业产品和文献进行分析 | 探讨人工智能（AI）在妇科细胞学筛查中的应用现状、临床价值及实践整合路径 | 商业可用的AI软件及其在妇科细胞学（以宫颈涂片筛查为主）筛查中的应用 | 数字病理学 | 宫颈癌 | NA | 机器学习，深度学习 | 细胞学图像（如巴氏涂片） | NA | NA | NA | 准确性，一致性，效率 | NA |
| 5682 | 2025-12-10 |
Deep learning super-resolution for dental CBCT using micro-CT reference and edge loss function
2026-Jan, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.106209
PMID:41187827
|
研究论文 | 本研究利用深度学习超分辨率技术，以微CT图像为参考，提升牙科CBCT图像的空间分辨率，以更好地显示精细根管结构 | 引入了结合高斯滤波、中值滤波和Sobel边缘检测的边缘损失函数，以改善超分辨率模型对结构细节的保留能力 | 牙冠区域仍存在伪影，需要进一步改进 | 通过基于深度学习的超分辨率技术提升牙科CBCT图像的分辨率 | 48颗拔除的人类牙齿的CBCT和微CT图像 | 计算机视觉 | NA | 锥形束计算机断层扫描（CBCT），微计算机断层扫描（微CT） | GAN, Transformer | 图像 | 48颗人类牙齿 | NA | Enhanced Super-Resolution Generative Adversarial Network (ESRGAN), Hybrid Attention Transformer (HAT) | 峰值信噪比（PSNR），结构相似性指数（SSIM），专家视觉评估，三维重建 | NA |
| 5683 | 2025-12-10 |
Automated diagnosis and classification of skeletal malocclusion using artificial intelligence on 2D facial photographs: A multi-modal deep learning approach
2026-Jan, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.106257
PMID:41270953
|
研究论文 | 本研究开发并验证了一个基于二维面部照片和元数据的多模态深度学习框架，用于自动诊断和分类骨骼性错颌畸形 | 提出了一个两阶段深度学习模型（FaceDSM-Net），首次结合面部照片与元数据（性别和年龄）进行骨骼性错颌畸形的自动分类，并展示了良好的可解释性和泛化能力 | 模型在外部测试集上表现出中等泛化能力，且主要基于二维照片，可能受限于照片质量和拍摄条件 | 建立并验证一个可靠且成本效益高的深度学习框架，用于基于二维面部照片识别矢状向和垂直向骨骼性错颌畸形 | 1427名患者的2854张面部照片、对应的侧位头影测量片及元数据（性别和年龄） | 计算机视觉 | 骨骼性错颌畸形 | 深度学习 | CNN | 图像, 元数据 | 2854张照片（来自1427名患者） | NA | MobileNetV3-Large | 准确率, 精确率, AUC, 召回率, F1分数 | NA |
| 5684 | 2025-12-10 |
60 kVp Coronary CT Angiography as a Screening Tool on Asymptomatic Patients: An Initial Experience
2025-Dec-10, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000869
PMID:41363201
|
研究论文 | 本研究探讨了使用60 kVp冠状动脉CT血管造影结合深度学习重建技术作为无症状患者筛查工具的可行性 | 首次将超低剂量60 kVp CCTA与深度学习重建结合，用于无症状患者的冠状动脉疾病筛查，显著降低了辐射剂量和对比剂用量 | 60 kVp CCTA会导致斑块体积和狭窄程度的显著高估，且在血管和管腔描绘方面主观评分较低 | 评估超低剂量冠状动脉CT血管造影作为无症状患者筛查工具的可行性 | 156名无症状但至少有一个冠状动脉疾病风险因素的患者 | 数字病理学 | 心血管疾病 | 冠状动脉CT血管造影 | 深度学习 | 医学影像 | 156名患者 | NA | NA | 灵敏度, 特异性, 准确率, 阴性预测值 | NA |
| 5685 | 2025-12-10 |
Deep Learning Model for Fast Determination of Equilibrium Dissociation Constants Using Biolayer Interferometry Sensorgrams
2025-Dec-09, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03188
PMID:41271228
|
研究论文 | 本文提出了一种基于深度学习的模型，用于快速预测生物层干涉测量（BLI）传感器图谱的平衡解离常数 | 创新性地将YOLOv5模型用于自动识别和提取PubMed文献中的BLI曲线，并结合干-半干-湿策略扩展数据集；在卷积神经网络中引入了SE和CBA模块并进行微调，以提升预测精度和泛化能力 | 模型在湿数据上的总预测准确率为60%，仍有提升空间；未来需要更多高质量BLI传感器图谱数据以进一步提高模型的准确性和鲁棒性 | 开发一种能够基于单浓度BLI传感器图谱快速准确预测平衡解离常数（K值）的深度学习方法 | 生物层干涉测量（BLI）传感器图谱 | 机器学习 | NA | 生物层干涉测量 | CNN, GAN | 传感器图谱（曲线数据） | 5640条传感器图谱（包括3812条从PubMed提取的曲线、525条实验室湿数据、1303条生成对抗网络生成的干数据） | NA | YOLOv5, 卷积神经网络（含SE和CBA模块） | 准确率 | NA |
| 5686 | 2025-12-10 |
Accelerating Many-Body Quantum Chemistry via Generative Transformer-Enhanced Configuration Interaction
2025-Dec-09, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01429
PMID:41283762
|
研究论文 | 提出了一种基于Transformer的生成式机器学习方法GTNN-SCI，用于加速多体量子化学计算，通过生成式采样重要构型来高效处理强关联系统 | 利用Transformer的自注意力机制捕获长程电子关联，实现比现有神经网络方法高达10倍的加速，并能识别传统耦合方案遗漏的高阶激发，获得更低的变分能量 | NA | 加速多体量子化学计算，精确求解强关联分子系统的电子薛定谔方程 | 代表性分子（如N₂、H₂O、C₂）和强关联的[Fe₂S₂(SCH₃)₄]²⁻ ([2Fe-2S])团簇系统 | 机器学习 | NA | 量子化学计算，构型相互作用 | Transformer | 量子化学构型数据 | NA | NA | Transformer | 收敛速度，能量（关联能、结合能、基态能量），化学精度 | NA |
| 5687 | 2025-12-10 |
Model-based spatiotemporal synthetic data generation framework and deep-learning reconstruction for real-time MRI oxygen extraction fraction mapping
2025-Dec-09, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae2380
PMID:41285110
|
研究论文 | 提出了一种用于实时动态磁共振成像的模型化时空合成数据生成框架及深度学习重建方法，以实现氧摄取分数的动态追踪 | 开发了针对实时动态场景的模型化时空合成数据生成框架，并结合超快速多重叠回波分离成像技术，实现了三维时空重建以追踪氧摄取分数的动态变化 | 未明确说明方法在更广泛临床场景或不同病理条件下的泛化能力 | 解决深度学习定量磁共振成像重建中训练数据稀缺问题，并提升实时动态成像的重建质量 | 数值模拟大脑、水模体及人脑实验数据 | 医学影像分析 | NA | 超快速多重叠回波分离成像技术 | 深度学习 | 三维时空磁共振成像数据 | NA | NA | NA | 准确性 | NA |
| 5688 | 2025-12-10 |
Adaptive Physics-Aware Raman Baseline Correction with Machine Learning Predicted Parameters
2025-Dec-09, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c05185
PMID:41294352
|
研究论文 | 提出了一种自适应物理感知的拉曼基线校正方法DIRAS及其增强版DIRAS+，通过机器学习预测参数实现自动化校正 | 开发了动态迭代重加权自回归光谱基线校正方法，结合深度学习优化正则化参数，实现无需手动干预的自适应校正 | 方法在通用性和用户控制方面可能仍有局限，未明确说明在其他类型光谱数据上的适用性 | 提高拉曼光谱基线校正的准确性和自动化水平，以支持可靠的光谱解释和下游化学计量工作流程 | 拉曼光谱数据，特别是表面增强拉曼散射数据集 | 机器学习 | NA | 拉曼光谱，表面增强拉曼散射 | 深度学习模型 | 光谱数据 | 两个SERS数据集 | NA | NA | 结构相似性指数，峰值保真度，类内变异性，基线失真，校准误差，分析灵敏度 | NA |
| 5689 | 2025-12-10 |
Deep-Learning Prediction of Protein Secondary Structure from Circular Dichroism Spectrum Using Three-Layer Image Recognition
2025-Dec-09, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04550
PMID:41321189
|
研究论文 | 本研究开发了一种基于图像识别的深度学习方法，用于从圆二色谱中准确预测蛋白质二级结构参数 | 创新点在于将圆二色谱数值数据转换为三层（RGB）图像，并利用卷积神经网络进行图像识别，实现了高精度的二级结构参数预测 | NA | 开发一种深度学习方法，用于从圆二色谱中预测蛋白质二级结构参数 | 蛋白质的圆二色谱和对应的二级结构参数 | 机器学习 | NA | 圆二色谱 | CNN | 图像 | 243个圆二色谱RGB图像 | NA | 原始CNN | 相关系数, RMSD | NA |
| 5690 | 2025-12-10 |
Towards Modality- and Sampling-Universal Learning Strategies for Accelerating Cardiovascular Imaging: Summary of the CMRxRecon2024 Challenge
2025-Dec-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3641610
PMID:41359736
|
研究论文 | 本文总结了CMRxRecon2024挑战赛，该挑战赛旨在解决心脏磁共振成像中深度学习模型跨模态和采样方案泛化能力不足的问题 | 引入了最大的公开多模态心脏磁共振原始数据集、开放基准测试平台和共享代码，并发现基于提示的适应和增强的物理驱动一致性是实现强跨场景性能的关键 | 未明确说明模型在临床环境中的具体验证结果或部署挑战 | 加速心血管成像，开发跨模态和采样方案通用的学习策略 | 心脏磁共振成像数据 | 数字病理学 | 心血管疾病 | 心脏磁共振成像 | 深度学习模型 | 图像 | 来自18个国家超过200个团队参与的大规模多模态数据集 | NA | NA | 跨场景性能评估 | NA |
| 5691 | 2025-12-10 |
CACLENS: A Multitask Deep Learning System for Enzyme Discovery
2025-Dec-08, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202518063
PMID:41360755
|
研究论文 | 本文介绍了一个名为CACLENS的多任务深度学习系统，用于高效发现工业酶 | 引入了结合定制门控控制、对比学习和交叉注意力机制的多任务深度学习框架，实现了反应类型分类、EC号预测和反应可行性评估三项关键功能的高性能集成 | NA | 开发一个高性能的多任务深度学习系统，以加速工业酶的发现过程 | 酶的结构、功能和性质，特别是用于生物合成和生物降解过程的酶 | 机器学习 | NA | 深度学习 | 深度学习框架 | NA | NA | NA | 结合定制门控控制、对比学习和交叉注意力机制的架构 | NA | 较少的计算资源 |
| 5692 | 2025-12-10 |
Deep learning algorithm assisting diagnosis of prostate cancer extracapsular extension based on [18F]PSMA-1007 PET/CT and multiparametric MRI: A multicenter study
2025-Dec-08, Prostate cancer and prostatic diseases
IF:5.1Q1
DOI:10.1038/s41391-025-01063-7
PMID:41361534
|
研究论文 | 本研究旨在开发和验证基于多参数MRI和[18F]PSMA-1007 PET/CT的深度学习模型，以预测前列腺癌的包膜外侵犯，并探索将深度学习与临床专业知识相结合的简化模型 | 开发了结合多参数MRI和PET/CT的深度学习模型（MPC-M），并引入了简化模型（E-MPC-M）以提高临床实用性，同时利用Grad-CAM进行模型可解释性可视化 | 模型应被视为初步研究，需要更大规模的前瞻性多中心研究来确认其稳健性和泛化性 | 预测前列腺癌的包膜外侵犯 | 接受根治性前列腺切除术的前列腺癌患者 | 数字病理学 | 前列腺癌 | 多参数MRI, [18F]PSMA-1007 PET/CT | 深度学习模型 | 医学影像（MRI, PET/CT） | 388名患者，来自三个中心 | NA | NA | AUC, 灵敏度, 特异性 | NA |
| 5693 | 2025-12-10 |
Application of Artificial Intelligence-Based Transfer Learning Models to the Bethesda System for Thyroid Cytopathology
2025-Dec-08, Cytopathology : official journal of the British Society for Clinical Cytology
IF:1.2Q3
DOI:10.1111/cyt.70045
PMID:41361911
|
研究论文 | 本研究评估了基于集成软投票的迁移学习模型在甲状腺细胞学涂片根据Bethesda系统进行分类的性能 | 首次将集成迁移学习方法应用于Bethesda甲状腺细胞病理学报告系统的分类任务 | 研究样本量较小（94例病例，949张图像），未来需要更大规模的数据集（特别是全玻片成像数据）进行验证 | 评估迁移学习模型在甲状腺细胞学涂片Bethesda系统分类中的性能 | 甲状腺细针穿刺细胞学涂片图像 | 数字病理学 | 甲状腺癌 | 细针穿刺细胞学 | CNN | 图像 | 94例甲状腺FNAC病例，共949张代表性图像 | TensorFlow, Keras | Xception, ResNet50V2, DenseNet121, MobileNetV2, InceptionV3, EfficientNetB3 | 灵敏度, 特异性, 精确度, 阴性预测值, F1分数, AUCROC | NA |
| 5694 | 2025-12-10 |
A commentary on: "deep learning-based radiomics and machine learning for prognostic assessment in IDH-wildtype glioblastoma after maximal safe surgical resection: a multicenter study"
2025-Dec-08, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004153
PMID:41363102
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5695 | 2025-12-10 |
Letter to the Editor "Decoding the black box: critical appraisal of deep learning radiomics for predicting neoadjuvant response in head and neck cancer"
2025-Dec-08, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004288
PMID:41363136
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5696 | 2025-12-10 |
Sensitive detection of structural dynamics using a statistical framework for comparative crystallography
2025-Dec-05, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adj2921
PMID:41337576
|
研究论文 | 本文提出了一种基于统计框架和深度学习的方法Careless，用于提高X射线晶体学中结构动态变化的检测灵敏度 | 通过引入基于晶体学理论的多变量结构化先验，结合变分深度学习框架Careless，显著提升了蛋白质动态、元素特异性异常信号及药物候选物结合的检测能力 | 方法主要针对X射线晶体学数据，可能对其他结构测定方法的适用性有限，且未明确讨论计算资源需求或模型泛化能力 | 开发一种更敏感的方法来检测蛋白质结构动态变化，以支持药物发现和功能研究 | 蛋白质晶体学数据，包括结构因子和尺度误差 | 机器学习 | NA | X射线晶体学 | 深度学习 | 晶体学数据集（结构因子） | NA | Careless（变分深度学习框架） | NA | NA | NA |
| 5697 | 2025-12-10 |
Rapid detection of common scab, powdery scab, and enlarged lenticels in potato tubers using deep learning
2025-Dec-05, Pest management science
IF:3.8Q1
DOI:10.1002/ps.70424
PMID:41351272
|
研究论文 | 本文提出了一种基于深度学习的YOLOv8-ST模型，用于快速准确检测马铃薯块茎上的常见疮痂病、粉状疮痂病和生理性膨大皮孔 | 在YOLOv8模型中集成了Swin Transformer和Triplet Attention模块，显著提升了在视觉相似病害区分上的检测精度和性能 | 未在摘要中明确说明 | 开发一种能够快速、准确区分马铃薯块茎上常见疮痂病、粉状疮痂病和膨大皮孔的自动检测方法 | 马铃薯块茎上的病害和生理性缺陷 | 计算机视觉 | 马铃薯病害 | 深度学习 | CNN, Transformer | 图像 | 未在摘要中明确说明 | 未在摘要中明确说明 | YOLOv8-ST, YOLOv3, YOLOv5, YOLOv6, YOLOv8, Swin Transformer | 精确率, 召回率, F1分数, mAP@0.5, mAP@0.5:0.95 | 未在摘要中明确说明 |
| 5698 | 2025-12-10 |
Transformer-Based Weakly Supervised Learning for Whole Slide Lung Cancer Image Classification
2025-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3425434
PMID:38980777
|
研究论文 | 本文提出了一种基于Transformer的弱监督学习框架SSRViT，用于全切片肺癌图像分类 | 提出了一种两阶段的Transformer弱监督学习框架SSRViT，包括SRViT用于提取局部判别性特征和SViT用于切片级预测，无需像素级标注 | 未明确说明模型在更大规模或更多亚型数据集上的泛化能力，以及计算资源需求 | 开发一种弱监督学习方法，以降低对昂贵像素级标注的依赖，提高全切片肺癌图像分类性能 | 肺癌全切片图像，包括腺癌、肺硬化性肺炎细胞瘤和正常肺组织 | 数字病理学 | 肺癌 | 全切片图像分析 | Transformer | 图像 | 未明确说明具体样本数量，但涉及腺癌、肺硬化性肺炎细胞瘤和正常肺组织三类 | 未明确说明，可能为PyTorch或TensorFlow | Shuffle-Remix Vision Transformer (SRViT), Simple transformer-based classifier (SViT) | 准确率, AUC | NA |
| 5699 | 2025-12-10 |
Few-Shot Class-Incremental Learning for Retinal Disease Recognition
2025-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3457915
PMID:39292587
|
研究论文 | 本文提出了一种用于视网膜疾病识别的少样本类增量学习新框架Re-FSCIL，并构建了新的基准数据集 | 提出了首个专门针对视网膜疾病识别的少样本类增量学习框架Re-FSCIL，整合了RETFound模型与细粒度模块，采用前向兼容训练策略、监督对比学习和特征融合技术 | 未在论文摘要中明确说明 | 开发能够持续学习新类别且仅需少量样本的深度学习模型，用于视网膜疾病诊断 | 视网膜疾病图像 | 计算机视觉 | 视网膜疾病 | 深度学习 | 深度学习模型 | 图像 | 基于RFMiD38和JSIEC39两个基准数据集（具体样本数量未在摘要中说明） | 未在摘要中明确说明 | RETFound | 未在摘要中明确说明 | 未在摘要中明确说明 |
| 5700 | 2025-12-10 |
A Region and Category Confidence-Based Multi-Task Network for Carotid Ultrasound Image Segmentation and Classification
2025-Dec, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3529483
PMID:40031080
|
研究论文 | 本文提出了一种基于区域和类别置信度的多任务网络（RCCM-Net），用于颈动脉超声图像的斑块分割和分类 | 通过区域置信模块（RCM）和样本类别置信模块（CCM）利用分割与分类任务之间的相关性，提高了整体性能 | NA | 改进颈动脉斑块的超声图像分割与分类，以辅助动脉粥样硬化治疗和中风风险评估 | 颈动脉斑块的超声图像 | 计算机视觉 | 心血管疾病 | 超声成像 | 多任务学习网络 | 图像 | 1270张2D颈动脉斑块超声图像 | NA | RCCM-Net | 准确率, Dice相似系数 | NA |