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 33074 篇文献，本页显示第 701 - 720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 701 | 2025-10-30 |
Identifying EEG-based neurobehavioral risk markers of gaming addiction using machine learning and iowa gambling task
2025-Oct-29, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae0b75
PMID:40997844
|
研究论文 | 本研究利用机器学习方法分析脑电图信号和爱荷华赌博任务数据，识别游戏成瘾的神经行为风险标志物 | 结合EEG信号和IGT行为任务，采用多种信号变换技术构建特征空间，实现93%的分类准确率 | 研究仅针对健康参与者，未包含临床确诊的游戏障碍患者 | 开发游戏成瘾的早期客观检测方法 | 健康参与者的神经生理和行为数据 | 机器学习 | 游戏成瘾 | 脑电图(EEG), 爱荷华赌博任务(IGT) | Random Forest, CNN | 脑电信号, 行为数据 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 702 | 2025-10-30 |
Can Artificial Intelligence Revolutionise Surgical Decision-Making for Appendectomy? A Narrative Review
2025-Oct-29, Surgical innovation
IF:1.2Q3
DOI:10.1177/15533506251393123
PMID:41159301
|
综述 | 本文探讨人工智能在阑尾炎手术决策中的潜在应用价值 | 系统评估多种AI模型在阑尾炎诊断和预后预测中的表现，并与传统诊断评分系统进行对比 | 数据需求量大且缺乏标准化，临床广泛应用仍面临挑战 | 评估人工智能在急性阑尾炎诊疗决策中的革命性潜力 | 急性阑尾炎患者 | 机器学习 | 急性阑尾炎 | 机器学习，深度学习 | 随机森林，逻辑回归，神经网络，支持向量机，XGBoost | 医学诊断数据 | NA | NA | NA | 诊断准确率 | NA |
| 703 | 2025-10-30 |
Predicting Immunotherapy Outcomes in NSCLC Using RNA and Pathology from Multicenter Clinical Trials
2025-Oct-29, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202502037
PMID:41159493
|
研究论文 | 本研究开发了基于RNA的LIRA模型，用于预测非小细胞肺癌患者免疫治疗疗效 | 首次结合多中心临床试验数据开发RNA模型，发现LRP8和HDAC4与免疫治疗结局相关，并通过深度学习识别全切片图像中的关键区域 | 研究样本主要来自临床试验队列，需要进一步外部验证 | 预测非小细胞肺癌患者免疫治疗疗效并探索潜在耐药机制 | 1127例晚期非小细胞肺癌患者 | 数字病理 | 肺癌 | RNA-seq, scRNA-seq, 全切片图像分析 | 随机森林, 深度学习 | 转录组数据, 病理图像 | 1127例患者（来自OAK、POPLAR、ORIENT-11试验及内部队列） | NA | NA | 风险比, 置信区间 | NA |
| 704 | 2025-10-30 |
AI-Enabled Echocardiography Interpretation With Multitask Deep Learning
2025-Oct-29, JAMA
DOI:10.1001/jama.2025.16625
PMID:41160021
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 705 | 2025-10-30 |
AI-Enabled Echocardiography Interpretation With Multitask Deep Learning-Reply
2025-Oct-29, JAMA
DOI:10.1001/jama.2025.16627
PMID:41160035
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 706 | 2025-10-30 |
AI-Enabled Echocardiography Interpretation With Multitask Deep Learning
2025-Oct-29, JAMA
DOI:10.1001/jama.2025.16623
PMID:41160046
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 707 | 2025-10-30 |
Artificial Intelligence in Critical Care Nephrology: Current Applications, Emerging Techniques, and Challenges to Clinical Integration
2025-Oct-28, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000001037
PMID:41148218
|
综述 | 本文综述人工智能在重症监护肾病学中的当前应用、新兴技术及临床整合挑战 | 系统阐述AI技术在重症肾病领域的前沿应用，包括符合预测、因果推断和强化学习等新兴方法，并提出四大发展重点 | 对患者中心结局（如死亡率、透析依赖性）的影响仍不明确，存在数据异质性、外部验证不足等推广障碍 | 推动人工智能技术在重症监护肾病学领域的临床应用与发展 | 重症肾病患者及相关临床诊疗流程 | 医疗人工智能 | 急性肾损伤 | 机器学习、深度学习、强化学习、生成式AI | NA | 临床数据 | NA | NA | NA | 预测准确性、诊断能力 | NA |
| 708 | 2025-10-30 |
Simulation, artificial intelligence, and deep learning enhance emergency department leadership in life-threatening scenarios
2025-Oct-28, CJEM
DOI:10.1007/s43678-025-01035-9
PMID:41148511
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 709 | 2025-10-30 |
Applications of artificial intelligence in diagnosis and treatment planning of orthodontics: a narrative review
2025-Oct-28, The Saudi dental journal
DOI:10.1007/s44445-025-00077-0
PMID:41148504
|
综述 | 本文综述了人工智能在正畸诊断和治疗计划中的应用现状与发展前景 | 系统梳理了AI在正畸领域的多种应用场景，包括标志点识别、错颌畸形分类、治疗计划制定等，并强调其作为辅助工具而非替代临床判断的定位 | 需要更多临床试验来验证和优化这些模型的准确性和可靠性 | 探讨人工智能在正畸学中的相关性和应用价值 | 正畸学领域的诊断和治疗规划 | 医学人工智能 | 口腔正畸疾病 | 深度学习 | 深度学习模型 | 二维和三维医学影像 | NA | NA | NA | 准确度 | NA |
| 710 | 2025-10-30 |
Deep learning model integrating contrast-enhanced ultrasound spatiotemporal imaging with clinical data for the differential diagnosis between hepatocellular carcinoma and intrahepatic cholangiocarcinoma
2025-Oct-28, La Radiologia medica
DOI:10.1007/s11547-025-02132-6
PMID:41148561
|
研究论文 | 开发了一种融合超声造影时空成像特征与临床数据的深度学习模型，用于肝细胞癌和肝内胆管癌的鉴别诊断 | 首次将动态CEUS的时空特征与患者临床参数相结合构建深度学习模型CEUS-CD-Net | 回顾性研究，样本量相对有限（305例患者） | 提高肝细胞癌和肝内胆管癌的鉴别诊断准确性 | 165例ICC患者和140例HCC患者的CEUS数据和临床参数 | 医学影像分析 | 肝癌 | 超声造影（CEUS），使用SonoVue®-六氟化硫微泡造影剂 | 深度学习模型 | 动态超声造影图像序列和临床数据 | 305例患者（165例ICC，140例HCC） | NA | CEUS-CD-Net | AUC | NA |
| 711 | 2025-10-30 |
Identification of Pandemic Risk for Avian Influenza Virus with Graph Cross Attention Networks
2025-Oct-28, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3625980
PMID:41150231
|
研究论文 | 提出基于图交叉注意力网络的禽流感病毒大流行风险识别方法GCAN-Flu | 首次将病毒基因流信息与基因组序列结合，通过图交叉注意力层实现多模态表征学习 | 未明确说明模型在其他病毒类型上的泛化能力 | 准确预测流感病毒的大流行风险 | 甲型流感病毒 | 机器学习 | 流感 | 基因组测序 | 图神经网络 | 基因组序列数据 | NA | PyTorch, DGL | Graph Cross Attention Networks | 准确率 | NA |
| 712 | 2025-10-30 |
Open-Environment Evidential Learning for Reliable Myoelectric Locomotion Prediction
2025-Oct-28, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3626316
PMID:41150224
|
研究论文 | 提出一种开放环境证据学习框架，用于提高下肢外骨骼肌电运动预测的可靠性 | 将证据深度学习与分布外数据增强相结合，在动态环境中可靠量化预测不确定性并检测新颖或模糊运动 | 仅针对五种运动模式进行评估，样本量相对有限 | 提高动态环境下基于表面肌电信号的 locomotion 预测可靠性 | 下肢外骨骼使用者的运动意图解码 | 机器学习 | 运动障碍 | 表面肌电信号(sEMG) | CNN, 证据深度学习 | 肌电信号 | 8名受试者 | NA | 卷积神经网络 | 准确率, 风险覆盖曲线 | NA |
| 713 | 2025-10-30 |
A Hierarchical Multimodal Framework for Sedation Monitoring in ICU Patients
2025-Oct-28, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3626584
PMID:41150235
|
研究论文 | 提出一种用于ICU患者镇静监测的分层多模态深度学习框架HMDC | 首次将EEG与外周生理信号通过动态校正模块进行智能融合，采用置信度加权机制优化多模态表征 | 研究样本量有限（105名患者），未提及外部验证结果 | 开发连续、客观的ICU患者镇静水平监测方法 | ICU患者（105名）的镇静状态评估 | 医疗人工智能 | 危重症监护 | 脑电图（EEG）、生理信号监测 | 深度学习 | 时间序列信号（EEG、血压、心率、血氧饱和度）、频谱图 | 105名ICU患者的2,880次RASS评估 | NA | 双流路径网络、动态校正模块 | 分类准确率 | NA |
| 714 | 2025-10-30 |
BPFNN: Bayesian Probabilistic Fuzzy Neural Networks for Uncertainty-Aware Clustering and Probabilistic Fuzzy Reasoning
2025-Oct-28, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3617987
PMID:41150242
|
研究论文 | 提出一种贝叶斯概率模糊神经网络(BPFNN)，用于不确定性感知聚类和概率模糊推理 | 将贝叶斯概率模糊C均值(BPFCM)算法与神经网络结合，通过非高斯建模和MCMC后验推理改进传统模糊聚类 | 隐藏层激活仅表示输入与聚类中心的相似度值，原始输入特征未直接保留 | 解决传统模糊聚类和神经网络在不确定性、噪声和可解释性方面的挑战 | 基准数据集和高维激光诱导击穿光谱(LIBS)光谱数据 | 机器学习 | NA | 激光诱导击穿光谱(LIBS) | 贝叶斯概率模糊神经网络(BPFNN) | 光谱数据 | NA | NA | BPFNN | 准确率, 鲁棒性, 可解释性 | NA |
| 715 | 2025-10-30 |
A Gravity-informed Spatiotemporal Transformer for Human Activity Intensity Prediction
2025-Oct-28, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3625859
PMID:41150240
|
研究论文 | 提出一种融合物理定律的深度学习框架Gravityformer，用于人类活动强度预测 | 将万有引力定律融入Transformer注意力机制，通过自适应重力模型学习空间交互的物理约束 | 未明确说明模型在极端场景或小样本情况下的性能表现 | 解决人类活动强度预测中空间交互物理约束缺失和过平滑现象 | 人类活动强度数据 | 机器学习 | NA | 深度学习 | Transformer, 图卷积网络 | 时空活动数据 | 六个大规模真实世界活动数据集 | NA | Gravityformer, 时空图卷积Transformer | 定量评估指标（未具体说明） | NA |
| 716 | 2025-10-30 |
Generative Fuzzy System for Sequence-to-Sequence Learning via Rule-Based Inference
2025-Oct-28, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3615650
PMID:41150248
|
研究论文 | 提出一种结合模糊系统与深度学习的新型生成式框架GenFS，用于序列到序列学习任务 | 首次将模糊系统的可解释性与生成模型的深度学习能力相结合，实现数据驱动与知识驱动的双驱动机制 | 未明确说明模型复杂度与计算效率的具体表现 | 提升生成模型的鲁棒性和泛化能力，增强模型可解释性 | 序列生成任务，包括机器翻译、代码生成和摘要生成 | 自然语言处理 | NA | 模糊系统，深度学习 | FuzzyS2S | 文本序列 | 12个数据集 | NA | 基于GenFS的序列到序列架构 | 准确率，流畅度 | NA |
| 717 | 2025-10-30 |
Inverse Modeling for Artifact Removal in Photonic Data: A Computational Physics and Transfer Learning-Based Approach
2025-Oct-28, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02055
PMID:41150868
|
研究论文 | 提出结合计算物理与深度学习的逆建模框架，用于消除光谱数据中的etaloning伪影 | 采用两阶段迁移学习策略，结合物理模拟生成的大规模仿真数据与实验数据进行模型训练 | NA | 开发有效的光谱数据伪影去除方法以提高数据准确性和可解释性 | 光谱数据中的etaloning伪影 | 计算物理 | NA | 转移矩阵法 | 深度学习 | 光谱数据 | 超过30,000个仿真光谱和真实实验数据 | NA | NA | 伪影减少率，光谱准确性 | NA |
| 718 | 2025-10-30 |
Artificial Intelligence and Multi-modality Data Integration Deciphers Tertiary Lymphoid Structure Maturity in Gastric Cancer
2025-Oct-28, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-1793
PMID:41150905
|
研究论文 | 本研究开发了一种基于Transformer的深度学习模型，用于从胃癌全切片图像中定量表征三级淋巴结构成熟度，并揭示了成熟TLS中的关键免疫回路 | 首次将基于Transformer的深度学习模型应用于TLS成熟度定量分析，并通过多组学数据整合揭示了CD8⁺组织驻留记忆T细胞与B细胞通过CXCL13-CXCR5轴形成的免疫回路机制 | 样本量相对有限（253例GC患者），单细胞RNA测序仅来自17例患者 | 开发自动化TLS成熟度评估工具并解析胃癌中TLS成熟的免疫调控机制 | 胃癌患者组织样本和免疫细胞 | 数字病理学 | 胃癌 | 单细胞RNA测序,多重免疫组织化学,流式细胞术,功能共培养实验 | Transformer | 全切片图像,单细胞RNA测序数据,免疫组化数据,流式细胞数据 | 253例胃癌患者（全切片图像），17例胃癌患者（单细胞RNA测序） | NA | Transformer | NA | NA |
| 719 | 2025-10-30 |
Improve Deep Learning-Based Reconstruction of Optical Coherence Tomography Angiography by Siamese U-Net
2025-Oct-28, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae183c
PMID:41151103
|
研究论文 | 提出一种结合Siamese架构和新型通道融合方法的SU-Net模型，用于改进光学相干断层扫描血管成像的重建质量 | 首次将Siamese架构与多分支坐标交叉注意力模块结合到U-Net中，更好地学习与血流相关的通道间差异 | 仅在人体皮肤活体OCTA数据集上验证，未在其他组织或更大规模数据上测试 | 改进基于深度学习的OCTA重建算法，减少B扫描重复次数并提高图像质量 | 人体皮肤的光学相干断层扫描血管成像数据 | 计算机视觉 | NA | 光学相干断层扫描血管成像 | U-Net, Siamese网络 | 医学图像 | NA | NA | U-Net, DnCNN, ResNet, DenseNet | NA | NA |
| 720 | 2025-10-30 |
Dose Stratification-Based Convolutional Neural Networks for Dose Distribution Prediction in Radiotherapy
2025-Oct-28, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae183f
PMID:41151107
|
研究论文 | 提出基于剂量分层的卷积神经网络方法，用于提高放疗中剂量分布预测的准确性 | 采用剂量分层策略，将剂量分布分解为四个子组件分别预测，并设计基于均匀性指数的损失函数 | 仅在头颈癌病例上进行验证，未涉及其他癌症类型 | 提高放疗计划中剂量分布预测的准确性，减少对健康组织的意外照射 | 头颈癌患者的放疗剂量分布 | 医学影像分析 | 头颈癌 | 深度学习 | CNN | 医学影像数据 | OpenKBP数据集中的头颈癌病例 | NA | 卷积神经网络 | 剂量分布预测准确性，均匀性指数 | NA |