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 36491 篇文献，本页显示第 621 - 640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 621 | 2025-12-11 |
Machine Learning for Performance Prediction and Optimization of Polymer Composites: Unveiling the Dominant Role of Thermally Conductive Pathways
2025-Dec-09, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.5c21877
PMID:41364534
|
研究论文 | 本研究开发了一种结合传统机器学习、深度学习和生成建模的策略，用于预测和优化聚合物复合材料的性能，特别关注导热通路的作用 | 提出了一种新颖的密集球体堆积算法来构建多填料复合材料的几何模型，并定义了与导热通路相关的描述符以提高预测准确性，同时使用基于Transformer的生成模型在低填料体积分数下生成具有导热通路的RVE结构 | 传统机器学习算法在捕捉导热通路方面存在局限性，且研究主要关注低填料体积分数下的情况，可能未全面覆盖所有填料条件 | 预测和优化聚合物复合材料的导热性和机械性能，以开发下一代高性能复合材料 | 多填料聚合物复合材料，特别是其导热通路和填料分布 | 机器学习 | NA | 密集球体堆积算法，COMSOL模拟，随机森林回归，卷积神经网络，基于Transformer的生成模型 | Random Forest Regression (RFR), Convolutional Neural Network (CNN), Transformer | 几何模型数据，模拟数据 | 1024个代表性体积元素（RVE）模型 | COMSOL, 未指定具体框架（可能包括TensorFlow/PyTorch等） | Random Forest, CNN, Transformer | 预测准确性（具体指标未明确列出，如精度、召回率等） | NA |
| 622 | 2025-12-11 |
Deep Learning-Powered Electrical Brain Signals Analysis: Advancing Neurological Diagnostics
2025-Dec-09, IEEE reviews in biomedical engineering
IF:17.2Q1
DOI:10.1109/RBME.2025.3625973
PMID:41364564
|
综述 | 本文系统回顾了深度学习在基于脑电图（EEG）和颅内脑电图（iEEG）的神经疾病诊断中的最新进展 | 整合了46个数据集和7种神经疾病的应用，强调预训练多任务模型在实现可扩展、泛化解决方案中的作用，并提出了标准化基准以评估模型 | 数据集异质性和任务变异性可能阻碍稳健深度学习解决方案的开发 | 推动神经疾病诊断向智能、适应性强的医疗系统发展 | 脑电图（EEG）和颅内脑电图（iEEG）信号 | 机器学习 | 神经疾病 | 脑电图（EEG），颅内脑电图（iEEG） | 深度学习模型 | 脑电信号 | 涉及46个数据集 | NA | NA | NA | NA |
| 623 | 2025-12-11 |
Deep Learning-based Surrogate Model of Subject-Specific Finite-Element Analysis for Vertebrae
2025-Dec-09, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3642160
PMID:41364580
|
研究论文 | 本研究提出了一种基于深度学习/机器学习的代理模型，用于高效预测椎体应力分布 | 开发了一种集成椎体形状编码并采用表面节点与内部节点分离解码分支的新型深度学习代理模型，建立了端到端自动化处理流程 | 在椎体前下缘和椎弓根区域观察到局部预测差异 | 开发高效预测椎体应力分布的替代模型，以加速个性化生物力学评估 | L1椎体 | 数字病理学 | 老年疾病 | CT扫描 | 深度学习/机器学习 | 图像 | 基于42个真实CT扫描通过数据增强生成的3,960个合成L1椎体 | NA | NA | 平均绝对误差,R值 | NA |
| 624 | 2025-12-11 |
A Similarity-Constrained Multi-way Gated Attention Network for Focused Ultrasound-induced Blood-brain Barrier Opening Evaluation
2025-Dec-09, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3642073
PMID:41364579
|
研究论文 | 本研究提出了一种基于门控注意力的新模型，用于利用时域声学信号片段预测聚焦超声诱导的血脑屏障开放结果 | 提出了一种结合声学编码器、多路门控注意力机制和包含相似性约束的任务特定损失函数的新型门控注意力模型，以增强类间区分能力并减少注意力模式的冗余 | 研究样本量相对有限（174次FUS治疗），且未明确提及模型在更广泛或不同患者群体中的泛化能力验证 | 开发一种高时间分辨率、高预测可靠性且可解释的方法，用于评估聚焦超声诱导的血脑屏障开放的有效性和安全性 | 聚焦超声治疗过程中的时域声学信号片段 | 机器学习 | 中枢神经系统疾病 | 聚焦超声 | 深度学习 | 时域声学信号 | 174次FUS治疗 | NA | 门控注意力模型 | 准确率, 召回率, AUC, F1分数 | NA |
| 625 | 2025-12-11 |
The Road to Bedside: Addressing Key Hurdles for Deep Learning Prognostic Models in Light-Chain Cardiac Amyloidosis
2025-Dec-09, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeaf344
PMID:41364678
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 626 | 2025-12-11 |
General Framework for Geometric Deep Learning on Tensorial Properties of Molecules and Crystals
2025-Dec-09, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.5c12428
PMID:41364709
|
研究论文 | 本文提出了一种用于分子和晶体张量性质几何深度学习的通用框架 | 开发了一个通用输出模块，使等变图神经网络能够端到端预测具有指定置换对称性的任意阶张量，并结合XPaiNN架构实现高精度 | NA | 预测分子和晶体的张量响应性质，促进功能分子和材料的AI辅助发现与设计 | 分子和晶体 | 机器学习 | NA | NA | 等变图神经网络 | 张量数据 | NA | NA | XPaiNN | NA | NA |
| 627 | 2025-12-11 |
AI-Driven CT-MRI Image Fusion and Segmentation for Automatic Preoperative Planning of ACL Reconstruction: Development and Application
2025-Dec-09, The Journal of bone and joint surgery. American volume
DOI:10.2106/JBJS.25.00485
PMID:41364772
|
研究论文 | 本研究开发了一种基于AI的自动化术前规划系统，用于前交叉韧带重建，通过融合CT和MRI图像并进行分割，以优化隧道定位 | 提出了一个结合双UNet注册架构和多尺度信息融合的CT-MRI图像融合方法，用于动态3D重建和ACL插入点识别，并开发了深度学习框架来自动优化隧道定位 | 研究样本主要为中国汉族人群，年龄范围较窄（18-50岁），且男性占比较高（81.0%），可能限制结果的普适性 | 开发并评估一种AI驱动的自动化术前规划系统，用于前交叉韧带重建手术 | 200例ACL完整患者的膝关节CT和MRI扫描图像，以及后续的骨模型和临床患者 | 数字病理 | 前交叉韧带损伤 | CT-MRI图像融合，深度学习 | 深度学习 | 图像 | 200个膝关节扫描用于训练，36个骨模型和72例临床手术（36例AI引导，36例常规）用于验证 | NA | Dual-UNet | Dice系数，隧道长度偏差，隧道位置偏差（D-S, H-L, M-L, A-P方向） | NA |
| 628 | 2025-12-11 |
BioFusionDTI: Assimilating Graph and Sequence Modalities for Generalizable Drug-Target Interaction Prediction
2025-Dec-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02283
PMID:41364795
|
研究论文 | 提出一种名为BioFusionDTI的多模态深度学习框架，通过融合药物和蛋白质的图结构与序列表示，提升药物-靶点相互作用预测的泛化能力和可解释性 | 首次将图卷积网络与基于预训练生物分子语言模型的序列嵌入相结合，并引入双线性注意力网络捕捉跨模态细粒度交互 | 未明确说明模型在更大规模或更复杂生物场景下的计算效率与扩展性限制 | 开发具有高泛化能力和可解释性的药物-靶点相互作用预测方法 | 药物分子与蛋白质靶点 | 机器学习 | NA | 深度学习 | GCN, CNN, BAN | 图数据, 序列嵌入 | 三个基准数据集（SNAP、DRH、Kinase） | PyTorch | 图卷积网络, 卷积神经网络, 双线性注意力网络 | 准确率, 精度, 召回率, F1分数, AUC | NA |
| 629 | 2025-12-11 |
New method for online quality control of dwell position and dwell time in brachytherapy by using high-speed camera and neural networks
2025-Dec-09, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae2aa4
PMID:41364982
|
研究论文 | 本文提出了一种基于高速相机和神经网络的在线质量控制系统，用于高剂量率近距离放射治疗中驻留位置和驻留时间的精确评估 | 开发了一种集成高速相机和神经网络的在线质量控制系统，首次将RT-DETRv2神经网络应用于放射源定位，并实现了高空间和时间分辨率 | RT-DETRv2神经网络的处理延迟为每图像0.35秒，不适合在线监测，仅适用于离线或辅助验证 | 开发一个在线质量控制系统，以精确评估高剂量率近距离放射治疗中的驻留位置和驻留时间，并提高系统的鲁棒性和稳定性 | 高剂量率近距离放射治疗中的放射源（192Ir源）的驻留位置和驻留时间 | 计算机视觉 | NA | 高速相机成像，帧差法，神经网络 | CNN | 图像 | 使用GammaMedPlus iX后装器进行实验，测试了不同步长（0.2 cm, 0.5 cm, 1.0 cm）和驻留时间（2.0 s, 3.0 s, 10.0 s） | NA | RT-DETRv2 | 空间分辨率（0.083 mm），时间分辨率（7.0 ms），位置偏差（<0.1 cm，校正后约0.01 cm），驻留时间偏差（<10.0 ms），定位准确度（91%预测在0.26 mm内） | NA |
| 630 | 2025-12-11 |
Towards trustworthy AI in radiotherapy: a comprehensive review of uncertainty-aware techniques
2025-Dec-09, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae2a9f
PMID:41365073
|
综述 | 本文全面回顾了2020年至2025年间应用于放射治疗（RT）中的不确定性量化（UQ）技术，旨在提升AI驱动模型在放疗任务中的可靠性和临床适用性 | 提出了UQ技术的结构化分类，并评估了其在临床工作流程中的影响，强调了不确定性映射如何增强模型可解释性并支持质量保证 | 需要进一步标准化评估协议、提高计算效率并开发用户友好界面以实现临床整合 | 综述放射治疗中不确定性量化方法的最新进展，以促进可信AI在放疗中的应用 | 2020年至2025年间发表的关于UQ在放疗中应用的研究文章 | 医学图像分析 | NA | 不确定性量化（UQ） | 贝叶斯神经网络, Monte Carlo dropout, 集成学习 | 医学图像 | NA | NA | NA | NA | NA |
| 631 | 2025-12-11 |
Multiplexed detection of febrile infections using CARMEN
2025-Dec-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-66243-4
PMID:41365864
|
研究论文 | 本文开发了基于CARMEN技术的多重检测面板，用于同时检测发热感染相关的23种病原体，并通过深度学习优化了检测的敏感性和特异性 | 利用深度学习设计CARMEN检测方法，提高了敏感性和特异性，并成功应用于多种病原体的多重检测 | 研究主要针对特定病原体面板，可能未涵盖所有相关病原体，且验证样本范围有限 | 开发高效的多重病原体检测工具，以支持临床诊断和公共卫生监测 | 病毒性出血热、蚊媒病毒和性传播感染相关的23种病原体 | 生物信息学 | 发热感染 | CRISPR-based CARMEN技术，RT-qPCR | 深度学习 | 合成目标、健康正常血清样本、患者样本 | 包括美国淋病奈瑟菌样本和尼日利亚拉沙病毒及猴痘病毒样本 | NA | NA | 敏感性，特异性 | NA |
| 632 | 2025-12-11 |
AUTOENCODIX: a generalized and versatile framework to train and evaluate autoencoders for biological representation learning and beyond
2025-Dec-09, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00916-4
PMID:41366150
|
研究论文 | 本文介绍了AUTOENCODIX，一个用于训练和评估自编码器的开源框架，旨在标准化和灵活处理生物表征学习任务 | 提出了一个标准化、灵活且可比较的自编码器框架，支持基于本体和跨模态的自编码器，增强了嵌入的可解释性和数据模态间的转换能力 | 未明确提及具体局限性，但框架的通用性可能依赖于特定数据集和架构的适配 | 开发一个用于生物表征学习的标准化自编码器框架，以促进数据驱动研究 | 泛癌研究数据集（如TCGA）、单细胞测序数据以及结合成像数据 | 机器学习 | NA | 自编码器、深度学习、数据整合 | 自编码器 | 多模态数据（包括基因组、单细胞测序和成像数据） | NA | NA | 基于本体的自编码器、跨模态自编码器 | 输入数据重建能力、嵌入质量、基于本体的嵌入可靠性 | NA |
| 633 | 2025-12-11 |
A hybrid BiLSTM-CNN approach for intrusion detection for IoT applications
2025-Dec-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29079-y
PMID:41366268
|
研究论文 | 本文提出了一种混合BiLSTM-CNN方法，用于物联网应用的入侵检测 | 结合BiLSTM和CNN的优势，分别提取时空特征，设计了一种新颖的混合入侵检测系统 | NA | 改进入侵检测系统以增强网络安全 | 物联网网络通信行为 | 机器学习 | NA | 深度学习 | BiLSTM, CNN | 网络数据 | 基于UNSW-NB15数据集 | NA | BiLSTM, CNN | 精确度, 灵敏度, F1分数, 误算率, 误报率, 漏报率, 马修斯相关系数 | GPU和CPU |
| 634 | 2025-12-11 |
Preoperative MVI prediction in intrahepatic cholangiocarcinoma via deep learning analysis of intratumoral and peritumoral features on multi-sequence MRI
2025-Dec-09, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-02107-z
PMID:41366360
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 635 | 2025-12-11 |
ALKBH5-Mediated ITGB1 m6A Modification in Ovarian Cancer Progression and Immune Evasion
2025-Dec-09, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-01127-w
PMID:41366552
|
研究论文 | 本研究揭示了m6A去甲基化酶ALKBH5通过调控ITGB1表达促进卵巢癌进展和免疫逃逸的机制 | 首次发现ALKBH5通过介导ITGB1的m6A修饰调控卵巢癌免疫逃逸，并利用深度学习等方法进行验证 | 未明确说明样本的具体数量或来源限制，且机制研究主要在细胞层面进行 | 探究ALKBH5在卵巢癌进展和免疫逃逸中的作用机制 | 卵巢癌细胞及相关的m6A修饰调控网络 | 机器学习 | 卵巢癌 | 批量RNA测序、单细胞RNA测序、深度学习、共表达网络分析 | 深度学习模型 | RNA测序数据 | NA | NA | NA | NA | NA |
| 636 | 2025-12-11 |
A new hybrid model for enhancing low-dose CT images using EfficientNetV2 and WGAN-GP: a multi-loss approach
2025-Dec-09, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03579-z
PMID:41366715
|
研究论文 | 本研究提出了一种结合EfficientNetV2-M和WGAN-GP的混合模型，用于增强低剂量CT图像，通过多损失函数方法有效降噪并保留关键解剖结构 | 首次将EfficientNetV2-M作为多尺度特征提取器与WGAN-GP结合，采用加权对抗损失、像素级L1损失和感知损失的多损失优化策略 | 研究仅基于AAPM-Mayo数据集进行验证，未在其他多中心或不同扫描协议的数据上进行测试 | 开发一种有效的低剂量CT图像降噪方法，以提高图像质量并保持诊断准确性 | 低剂量CT图像 | 计算机视觉 | NA | 低剂量计算机断层扫描 | CNN, GAN | 图像 | AAPM-Mayo数据集（具体样本数未明确说明） | TensorFlow, PyTorch | EfficientNetV2-M, WGAN-GP | 峰值信噪比, 结构相似性指数 | NVIDIA Tesla T4 GPU |
| 637 | 2025-12-11 |
[The orthodontic diagnosis]
2025-Dec-09, Nederlands tijdschrift voor tandheelkunde
DOI:10.5177/ntvt.2025.12.25003
PMID:41367283
|
综述 | 本文探讨了正畸诊断的基础、分类系统、技术发展（如人工智能）及其在临床实践中的应用与局限性 | 强调了人工智能和深度学习在提升正畸诊断测量和分类可靠性方面的作用，同时指出其准确性和透明度方面的挑战 | 人工智能无法完全替代临床评估，复杂病例仍需人工解读和跨学科合作，且存在准确性和透明度方面的持续挑战 | 综述正畸诊断的方法、技术进展及其在临床决策中的应用 | 正畸诊断系统、人工智能技术、临床实践 | NA | NA | 人工智能、深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 638 | 2025-12-11 |
The intratumor microbiome and cancer immunity: from pathogenesis to therapeutic opportunities through artificial intelligence
2025-Dec-09, Expert review of clinical immunology
IF:3.9Q2
DOI:10.1080/1744666X.2025.2602537
PMID:41368873
|
综述 | 本文综述了肿瘤内微生物组与免疫系统在癌症发生发展各阶段的相互作用，并探讨了人工智能在肿瘤微生物组表征及精准肿瘤学中的应用 | 系统性地整合了肿瘤内微生物组（包括细菌、真菌和病毒）在肿瘤微环境中的作用，并强调了人工智能（特别是机器学习和深度学习）与空间多组学数据结合在诊断、治疗反应预测和个性化肿瘤学中的新兴应用潜力 | 面临数据异质性、模型可解释性以及伦理问题等挑战，且需要标准化的实验协议、高分辨率空间分析、外部验证和专家注释的数据集来推动发展 | 探讨肿瘤内微生物组与癌症免疫的相互作用，并评估人工智能技术在挖掘其诊断和治疗潜力中的应用 | 肿瘤内微生物组（细菌、真菌、病毒）及其与宿主免疫系统的相互作用 | 数字病理学 | 癌症 | 下一代测序, 空间转录组学 | 机器学习, 深度学习 | 多组学数据, 空间数据 | NA | NA | NA | NA | NA |
| 639 | 2025-12-11 |
The role of AI in optimizing CMR image quality: A scoping review
2025-Dec-08, Journal of medical imaging and radiation sciences
IF:1.3Q3
DOI:10.1016/j.jmir.2025.102135
PMID:41365091
|
综述 | 本文通过范围综述总结了AI在优化心脏磁共振图像质量中的应用，包括扫描加速、伪影检测、伪影减少和图像重建等方面 | 系统性地综述了AI在CMR图像质量优化中的多种方法，并展示了深度学习在扫描时间缩短70-80%和图像质量提升方面的潜力 | 综述基于31篇文献，可能存在发表偏倚，且未进行定量荟萃分析 | 总结AI在改善心脏磁共振图像质量方面的不同方法，重点关注扫描时间作为伪影减少的关键因素 | 心脏磁共振图像 | 医学影像分析 | 心血管疾病 | 心脏磁共振成像 | CNN, GAN | 图像 | NA | NA | 卷积神经网络, 生成对抗网络 | 准确率, 结构相似性指数 | NA |
| 640 | 2025-12-11 |
Unraveling blood pressure estimation with a deep learning approach using multiple embeddings
2025-Dec-08, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.111377
PMID:41365110
|
研究论文 | 提出一种基于深度学习的无校准血压估计框架，利用心电图的R峰和光电容积脉搏波的P峰计算脉搏波到达时间，并结合相似性特征进行预测 | 引入了基于欧几里得距离和曼哈顿距离矩阵的相似性特征，以增强数据样本中的模式识别能力，并采用注意力引导的卷积神经网络进行处理 | NA | 开发一种无需校准、可实时兼容且具有强泛化能力的血压估计方法 | 血压（收缩压和舒张压） | 机器学习 | 心血管疾病 | 脉搏波到达时间（PAT）计算，心电图（ECG），光电容积脉搏波（PPG） | CNN | 生理信号（心电图和光电容积脉搏波） | 三个数据集：Cabrini Hospital, PTT PPG, MIMIC-II | NA | 注意力引导的卷积神经网络 | R值（相关系数），平均绝对误差（MAE），符合医疗器械促进协会标准，英国高血压学会等级 | NA |