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 44218 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 | 2026-05-08 |
A Comprehensive Review on Blockchain-based Systems for Groundwater Conservation and Wastewater Management
2025-09, Environmental management
IF:2.7Q3
DOI:10.1007/s00267-025-02247-6
PMID:40760176
|
综述 | 系统性分析基于区块链、机器学习和深度学习技术在地下水保护和废水管理中的应用进展 | 综合评估了区块链与人工智能技术在可持续水资源管理中的协同效应，量化了性能提升（如预测准确率提升86%、处理效率提升20%） | 数据整合、可扩展性和法规采用方面仍存在挑战 | 评估技术集成效果、量化性能改进并识别研究空白与未来方向 | 2019-2025年间发表的97篇同行评审文献 | 机器学习 | NA | 智能传感器、物联网实时监测、区块链 | 机器学习模型、深度学习模型 | 水质监测数据、资源分配数据 | NA | NA | NA | 预测准确率、废水处理效率、资源分配效率 | NA |
| 702 | 2026-05-08 |
stImage: a versatile framework for optimizing spatial transcriptomic analysis through customizable deep histology and location informed integration
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf429
PMID:40905789
|
研究论文 | stImage是一个通过定制化深度组织学与位置信息整合来优化空间转录组分析的通用框架 | 首次在统一框架中全面协同基因表达、组织学特征和精确空间坐标，提供54种整合策略并通过诊断图引导用户选择最优方案 | 论文未明确提及局限性 | 开发一个能够综合转录谱、组织学图像和空间信息的开源R包，以优化空间转录组学分析 | 空间转录组学数据及其与组织学、空间信息的整合分析 | 数字病理学 | NA | 空间转录组学 | 深度学习 | 基因表达数据、组织学图像、空间坐标 | 多个数据集 | R | NA | NA | NA |
| 703 | 2026-05-08 |
Ultrasound-based deep learning to differentiate salivary gland tumors
2025-08, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2025.03.014
PMID:40379502
|
研究论文 | 开发基于超声图像的深度学习模型，用于区分唾液腺肿瘤的良恶性 | 使用多种卷积神经网络架构并采用Focal Loss解决类别不平衡问题，模型表现优于超声医师诊断 | 仅基于回顾性研究，样本量315例，且来源单一科室，可能限制泛化能力 | 开发深度学习模型实现唾液腺肿瘤术前准确良恶性鉴别 | 315例术前超声检查且术后病理确诊的唾液腺肿瘤患者 | 计算机视觉 | 唾液腺肿瘤 | 超声成像 | 卷积神经网络 | 图像 | 315例患者 | PyTorch | Inception v3, ResNet101d, EfficientNet, DenseNet, Vision Transformer, ResNet50d | 准确率, 敏感度, 特异度, AUC | NA |
| 704 | 2026-05-08 |
Evaluating a large language model's accuracy in chest X-ray interpretation for acute thoracic conditions
2025-07, The American journal of emergency medicine
DOI:10.1016/j.ajem.2025.03.060
PMID:40174466
|
研究论文 | 评估大语言模型ChatGPT在解读胸部X光片诊断急性胸部疾病中的准确性 | 首次系统评估大语言模型ChatGPT在急诊胸部X光片解读中的应用潜力 | 模型对某些病理类型（如肺不张和肺气肿）的诊断准确性较低，且尚未与其他专业图像识别模型集成 | 评估ChatGPT在急诊科常见急性胸部疾病的胸部X光片解读中的可行性 | NIH胸部X光数据集中的1400张图像，涵盖七种病理类别 | 自然语言处理 | 肺部疾病 | 胸部X光影像 | 大语言模型（LLM） | 医学图像 | 1400张胸部X光图像 | NA | ChatGPT 4.0 | 敏感性、特异性、准确性 | NA |
| 705 | 2026-05-08 |
Worldwide research trends on artificial intelligence in head and neck cancer: a bibliometric analysis
2025-07, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2025.02.014
PMID:40155307
|
文献综述 | 对人工智能在头颈癌研究中应用的科学文献进行文献计量分析 | 通过文献计量方法系统梳理了1995至2024年间AI在头颈癌领域的研究趋势，揭示了2016年后年增长率达94.4%的快速发展，并指出高收入与中低收入国家间的显著差距 | 未涉及临床验证和标准化方面的具体数据；未深入分析低/中收入国家的研究障碍 | 探索人工智能在头颈癌领域的全球研究趋势和关键特征 | Web of Science核心合集中关于AI与头颈癌的1019篇文献（1995-2024年） | 自然语言处理 | 头颈癌 | 文献计量分析 | NA | 文本 | 1019篇文献 | NA | NA | NA | NA |
| 706 | 2026-05-08 |
Perspectives: Comparison of deep learning segmentation models on biophysical and biomedical data
2025-May-06, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2025.03.023
PMID:40158204
|
研究论文 | 对深度学习方法在生物物理和生物医学图像分割任务中的四种常用架构进行全面比较 | 针对生物物理实验中典型的小样本训练数据场景，系统比较了四种深度学习架构在分割任务上的表现，并建立了每个模型最优适用条件的判定标准 | 未提及具体局限性 | 为研究人员提供基于生物物理和生物医学数据选择最优深度学习分割模型的实用指南 | 四种深度学习分割模型：卷积神经网络、U-Net、视觉变换器和视觉状态空间模型 | 计算机视觉 | NA | NA | CNN, U-Net, Transformer, 状态空间模型 | 图像 | 小型训练数据集（典型生物物理实验规模） | NA | 卷积神经网络, U-Net, 视觉变换器, 视觉状态空间模型 | NA | NA |
| 707 | 2026-05-08 |
Integrating genetic variation with deep learning provides context for variants impacting transcription factor binding during embryogenesis
2025-05-02, Genome research
IF:6.2Q1
DOI:10.1101/gr.279652.124
PMID:40234030
|
研究论文 | 利用遗传变异与深度学习整合，解析早期胚胎发生过程中转录因子结合受遗传变异影响的机制 | 通过果蝇杂交系统的遗传多样性结合等位基因特异性读段映射方法（包括插入缺失检测），结合卷积神经网络模型预测并结合变异对结合影响的机制解释，揭示了转录因子之间的意外关系和组织特异性招募机制 | NA | 理解遗传变异如何影响转录因子结合，优先筛选影响结合的因果变异，并解析其机制 | 四种转录因子在胚胎发生多个时间点的等位基因特异性结合 | 机器学习 | NA | RNA-seq、等位基因特异性读段映射（WASP）、卷积神经网络 | 卷积神经网络 | DNA序列数据 | 果蝇F2杂交品系，多个时间点，四个转录因子的结合数据 | TensorFlow | Basenji | 预测准确率、等位基因不平衡检测能力 | NA |
| 708 | 2026-05-08 |
Predicting seizure episodes and high-risk events in autism through adverse behavioral patterns
2025-Apr-28, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/adcafd
PMID:40203864
|
研究论文 | 基于历史行为数据预测自闭症谱系障碍患者癫痫发作和高风险行为事件 | 首次证明行为模式可以预测癫痫发作及不良行为，扩展了预测模型在自闭症谱系障碍中的临床效用 | NA | 确定历史行为数据能否预测自闭症谱系障碍患者癫痫发作和高风险行为事件的发生，从而促进早期干预和支持 | 353名患有深度自闭症谱系障碍的个体 | 机器学习 | 自闭症谱系障碍 | NA | 深度学习算法 | 行为数据和癫痫发作数据 | 353名自闭症谱系障碍个体，涵盖九年行为与癫痫发作数据 | NA | NA | 准确率 | NA |
| 709 | 2026-05-08 |
Geometric deep learning framework for de novo genome assembly
2025-04-14, Genome research
IF:6.2Q1
DOI:10.1101/gr.279307.124
PMID:39472021
|
研究论文 | 介绍了一个基于几何深度学习的框架GNNome，用于从头基因组组装中的路径识别 | 首次将几何深度学习应用于组装图的路径识别，不依赖现有组装策略，仅利用问题固有对称性进行训练 | 未明确提及局限性，但隐含对复杂多倍体和非整倍体基因组的适用性仍需进一步验证 | 开发基于几何深度学习的框架，提高从头基因组组装的连续性和质量 | 多个物种的基因组组装数据 | 机器学习 | NA | PacBio HiFi测序 | 图神经网络（GNN） | 基因组序列数据 | 涉及多个物种的基因组数据 | PyTorch | 几何深度学习网络 | 连续性、质量 | NA |
| 710 | 2026-05-08 |
Deep learning and radiomics-based vascular calcification characterization in dental cone beam computed tomography as a predictive tool for cardiovascular disease: a proof-of-concept study
2025-04, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.12.010
PMID:39827035
|
研究论文 | 评估基于深度学习和影像组学的方法，在牙科锥束CT中自动检测血管钙化并预测心血管疾病 | 首次将深度学习与影像组学结合，利用牙科CBCT扫描检测颈动脉和椎动脉钙化，作为中风和心脏病发作的预测工具 | 样本量较小（148次扫描），且椎动脉钙化检测性能较低 | 开发自动化方法，基于CBCT检测动脉钙化以预测心血管疾病的发生 | 颅外和颅内颈动脉以及椎动脉的钙化区域 | 计算机视觉, 数字病理学 | 心血管疾病 | 锥束CT (CBCT) | nn-UNet | 图像 | 148次CBCT扫描 | NA | nn-UNet | 边界框准确率, AUC-ROC | NA |
| 711 | 2026-05-08 |
Differential diagnosis of multiple system atrophy with predominant parkinsonism and Parkinson's disease using neural networks (part II)
2025-03-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2025.123411
PMID:39893881
|
研究论文 | 利用神经网络对帕金森病和多系统萎缩帕金森型进行鉴别诊断 | 使用基于体素的形态测量数据作为输入，考虑多系统萎缩病变的异质性和随机分布，通过神经网络区分早期帕金森病和多系统萎缩帕金森型 | 未提及具体限制 | 区分帕金森病和多系统萎缩帕金森型以改善早期诊断 | 帕金森病和多系统萎缩帕金森型患者 | 机器学习 | 帕金森病，多系统萎缩帕金森型 | 磁共振成像 | 神经网络 | 影像数据 | 未提及 | NA | 神经网络 | 准确率 | NA |
| 712 | 2026-05-08 |
Spatiotemporal Profiling Defines Persistence and Resistance Dynamics during Targeted Treatment of Melanoma
2025-Mar-03, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-24-0690
PMID:39700408
|
研究论文 | 通过时空谱分析，研究黑色素瘤靶向治疗过程中细胞的持久性状态与耐药动态 | 整合空间转录组学和深度学习分析，首次在患者来源异种移植模型中追踪靶向治疗期间的克隆谱系演变，揭示了持久状态的空间梯度（中心到外周）和特定治疗敏感的时间窗口 | NA | 探究黑色素瘤靶向治疗中持久状态的时间动态和进入/退出该状态的特定通路，以识别治疗失败预防策略 | BRAF突变黑色素瘤细胞在靶向治疗中的持久状态 | 数字病理学 | 黑色素瘤 | 空间转录组学、深度学习、组织病理学分析 | 深度学习模型 | 空间转录组数据、组织病理学图像 | 患者来源异种移植模型 | NA | NA | NA | NA |
| 713 | 2026-05-08 |
Role of artificial intelligence in treatment planning and outcome prediction of jaw corrective surgeries by using 3-D imaging: a systematic review
2025-03, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.09.010
PMID:39701860
|
系统综述 | 系统评价人工智能在利用三维影像进行颌骨矫正手术的治疗计划与结果预测中的作用 | 首次系统综述AI在三维影像辅助颌骨矫正手术规划与结果预测中的应用，强调该领域仍处于概念验证阶段 | 因纳入研究间异质性大和数据报告不足，未进行meta分析，且多为概念验证性研究 | 评估AI在三维影像辅助颌骨矫正手术治疗规划与结果预测中的应用现状 | 利用三维影像进行颌骨矫正手术的AI模型研究 | 医学影像分析 | 颌骨畸形 | CT影像 | 深度学习, 机器学习 | 三维影像 | 14项研究（含5项治疗规划、2项结果预测研究） | NA | NA | 预测误差(毫米), Dice系数, 准确率 | NA |
| 714 | 2026-05-08 |
Predicting craniofacial fibrous dysplasia growth status: an exploratory study of a hybrid radiomics and deep learning model based on computed tomography images
2025-03, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.11.002
PMID:39725588
|
研究论文 | 本文基于CT图像开发了三种模型（放射组学模型、深度学习模型以及混合放射组学与深度学习模型），用于区分颅面纤维异常增殖症的青少年活动性病变进展与成人稳定病变进展 | 首次结合放射组学与深度学习构建混合模型，用于预测颅面纤维异常增殖症的生长状态，并优于单一模型 | 样本量较小（148例），且为单中心回顾性研究，可能影响模型的泛化性 | 评估基于CT图像的混合放射组学与深度学习模型在区分颅面纤维异常增殖症患者病变进展状态方面的能力 | 148例颅面纤维异常增殖症患者的术前CT图像 | 计算机视觉, 数字病理学 | 颅面纤维异常增殖症 | CT成像 | 放射组学模型, 深度学习模型, 混合模型 | 图像 | 148例患者 | NA | NA | AUC, 敏感性, 特异性, F1分数 | NA |
| 715 | 2026-05-08 |
An Explainable Unified Framework of Spatio-Temporal Coupling Learning With Application to Dynamic Brain Functional Connectivity Analysis
2025-02, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3467384
PMID:39320999
|
研究论文 | 提出一种可解释的时空耦合学习统一框架，应用于动态脑功能连接分析 | 构建基于时空相关性的深度学习网络，整合节点表示与节点间连接的时变耦合关系，并在每个时间步探随时空演化，提高分析结果的可解释性 | NA | 开发可解释的框架用于挖掘时间序列数据中的内在时空耦合关系，并应用于脑动态功能连接分析 | 大脑动态功能连接模式 | 机器学习 | NA | fMRI | 深度学习网络 | 时间序列数据 | NA | NA | NA | NA | NA |
| 716 | 2026-05-08 |
Pretrained Deep Neural Network Kin-SiM for Single-Molecule FRET Trace Idealization
2025-01-30, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.4c05276
PMID:39809573
|
研究论文 | 提出一种基于预训练深度神经网络的Kin-SiM方法，用于单分子FRET迹线的理想化处理 | 利用LSTM神经网络自动化理想化FRET迹线，无需先验马尔可夫假设和人工干预，直接从多维轨迹中提取生物分子状态数、动态变化及动力学参数 | 未详细说明在实际复杂生物体系中的局限性或泛化性能挑战 | 开发自动化深度学习方法改进单分子FRET数据分析，减少人工时间和偏差风险 | 单分子荧光共振能量转移（smFRET）迹线和生物分子构象状态 | 机器学习 | NA | smFRET | LSTM | 时间序列 | NA | NA | LSTM | 与HMM方法对比的性能 | NA |
| 717 | 2026-05-08 |
Modeling gene interactions in polygenic prediction via geometric deep learning
2025-01-22, Genome research
IF:6.2Q1
DOI:10.1101/gr.279694.124
PMID:39562137
|
研究论文 | 提出PRS-Net，一种可解释的几何深度学习框架，用于多基因风险预测，通过建模基因-基因相互作用提升复杂疾病预测性能 | 首次将几何深度学习与图神经网络结合用于多基因风险评分，在单基因分辨率下解卷积全基因组PRS并显式建模基因-基因相互作用，同时引入注意力读取模块实现模型可解释性 | NA | 开发一种可解释且能捕捉基因非线性交互的多基因风险预测方法，同时实现遗传风险预测和生物学发现 | 复杂性状和疾病相关的基因相互作用网络 | 机器学习 | 复杂疾病 | NA | 图神经网络 | 基因组数据 | NA | PyTorch | 图神经网络 | 预测性能 | NA |
| 718 | 2026-05-08 |
Inferring disease progression stages in single-cell transcriptomics using a weakly supervised deep learning approach
2025-01-22, Genome research
IF:6.2Q1
DOI:10.1101/gr.278812.123
PMID:39622637
|
研究论文 | 提出弱监督深度学习框架scIDST，用于推断单细胞转录组数据中疾病进展阶段 | 首次通过弱监督学习从单细胞转录组数据推断疾病进展阶段，克服细胞异质性对差异基因表达的干扰，且预训练模型可迁移至独立数据资源 | 未明确说明当前方法的局限性及实际验证中的潜在挑战 | 开发一种新方法解决单细胞转录组数据中因细胞病理阶段差异导致的异质性问题 | 患者来源组织中的单细胞/单核基因组测序数据 | 机器学习 | NA | 单细胞/单核基因组测序 | 深度学习 | 转录组数据 | NA | NA | scIDST | 差异表达分析验证 | NA |
| 719 | 2026-05-08 |
Machine Learning for 1-Year Mortality Prediction in Lung Transplant Recipients: ISHLT Registry
2025, Transplant international : official journal of the European Society for Organ Transplantation
IF:2.7Q2
DOI:10.3389/ti.2025.14121
PMID:40630785
|
研究论文 | 利用ISHLT注册数据开发深度学习模型预测肺移植受者1年死亡率 | 通过SHAP分析筛选出10个最具影响力的移植前因素，实现了与使用25个因素相当的预测性能，并在外部独立数据集上验证了模型的泛化能力 | 外部数据集与ISHLT数据集存在显著组成差异，可能影响模型在不同人群中的适用性 | 优化肺移植候选者选择，提高资源利用效率和患者预后 | 肺移植受者 | 机器学习 | 肺移植 | NA | 梯度提升机、多层感知机 | 结构化临床数据 | 29,364名患者（ISHLT注册数据），其中4,729例死亡，24,635例存活 | NA | 梯度提升机、多层感知机 | AUC, 准确率 | NA |
| 720 | 2026-05-08 |
Diagnostic accuracy of a deep learning model for pterygium detection in Barcelos, Brazilian Amazon
2025, Arquivos brasileiros de oftalmologia
IF:1.1Q3
DOI:10.5935/0004-2749.2025-0053
PMID:41172514
|
研究论文 | 评估深度学习模型在巴西亚马逊地区巴尔塞洛斯市检测翼状胬肉的诊断准确性 | 首次在巴西亚马逊偏远地区使用智能手机拍摄眼前段照片并结合深度学习模型进行翼状胬肉检测，验证了人工智能在资源匮乏地区开展眼病筛查的可行性 | 样本量较小（38名参与者），属于初步研究，且未评估模型在不同人群和环境中的泛化能力 | 评估基于MobileNet-V2的深度学习模型检测翼状胬肉的诊断性能 | 巴西亚马逊地区巴尔塞洛斯市的38名参与者（76只眼） | 计算机视觉 | 翼状胬肉 | 智能手机摄影 | 卷积神经网络 | 图像 | 38名参与者（76只眼） | NA | MobileNet-V2 | 敏感性、特异性、准确性、阳性预测值、阴性预测值、曲线下面积 | NA |