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 32373 篇文献，本页显示第 7201 - 7220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7201 | 2025-10-06 |
Radiomic 'Stress Test': exploration of a deep learning radiomic model in a high-risk prospective lung nodule cohort
2025-Jun-27, BMJ open respiratory research
IF:3.6Q1
DOI:10.1136/bmjresp-2024-002687
PMID:40579208
|
研究论文 | 评估深度学习影像组学模型在需要活检的高风险肺结节队列中的诊断性能 | 首次在推荐活检的高风险肺结节队列中验证LCP深度学习影像组学模型，并开发结合临床变量的集成模型 | 单中心研究，样本量相对有限（321个结节） | 评估深度学习影像组学模型在减少不必要侵入性活检方面的潜力 | 不确定肺结节（IPNs）患者 | 数字病理 | 肺癌 | 影像组学分析 | 深度学习模型 | 医学影像 | 321个不确定肺结节（196个恶性，125个良性） | NA | 深度学习影像组学模型 | AUC, F1分数, 临床净重分类指数 | NA |
| 7202 | 2025-10-06 |
Deep learning for hydrocephalus prognosis: Advances, challenges, and future directions: A review
2025-Jun-27, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000043082
PMID:40587678
|
综述 | 探讨深度学习在脑积水的诊断和预后预测中的应用、挑战及未来发展方向 | 系统梳理深度学习在脑积水预后预测中的技术优势，重点关注基于影像、生化和结构化数据的多模态模型 | NA | 探索深度学习在脑积水精准医疗和个体化治疗中的应用潜力 | 脑积水患者 | 医学影像分析 | 脑积水 | 磁共振成像 | CNN | 医学影像, 生化数据, 结构化数据 | NA | NA | NA | 准确率, 敏感性, 特异性 | NA |
| 7203 | 2025-07-04 |
Rethinking deep learning in bioimaging through a data centric lens
2025-Jun-26, Npj imaging..
DOI:10.1038/s44303-025-00092-0
PMID:40604161
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7204 | 2025-10-06 |
Learning from small datasets-review of workshop 6 of the 10th International BCI Meeting 2023
2025-Jun-24, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/addf80
PMID:40456256
|
综述 | 回顾第10届国际脑机接口会议2023年第6研讨会关于小数据集训练机器学习模型的内容 | 聚焦脑机接口领域小数据集训练的最新方法，涵盖传统机器学习和深度学习技术 | NA | 探索减少脑机接口校准时间的方法，通过最小化新数据点来训练解码器模型 | 脑机接口解码器模型的训练方法 | 机器学习 | NA | 脑机接口技术 | 分类模型,回归模型 | 脑电信号数据 | 小数据集 | Python | NA | NA | NA |
| 7205 | 2025-10-06 |
Fast intraoperative detection of primary central nervous system lymphoma and differentiation from common central nervous system tumors using stimulated Raman histology and deep learning
2025-Jun-21, Neuro-oncology
IF:16.4Q1
DOI:10.1093/neuonc/noae270
PMID:39673805
|
研究论文 | 结合受激拉曼组织学与深度学习技术，实现术中快速检测原发性中枢神经系统淋巴瘤并与其他中枢神经系统肿瘤区分 | 首次将便携式拉曼散射显微镜与深度学习相结合，在3分钟内生成虚拟H&E样图像，实现术中快速准确诊断 | 研究样本来自四个三级国际医疗中心，需要进一步验证在更广泛医疗机构的适用性 | 开发快速术中诊断方法，准确区分原发性中枢神经系统淋巴瘤与其他中枢神经系统病变 | 中枢神经系统肿瘤和非肿瘤性病变组织样本，包括原发性中枢神经系统淋巴瘤、IDH野生型弥漫性胶质瘤和脑转移瘤 | 数字病理学 | 中枢神经系统淋巴瘤 | 受激拉曼组织学(SRH) | 深度学习 | 图像 | 54,000个SRH斑块图像，来自多个前瞻性国际多中心队列和独立测试队列 | NA | RapidLymphoma（基于自监督学习策略） | 平衡准确率, 敏感性, 特异性 | NA |
| 7206 | 2025-10-06 |
Validation of an artificial intelligence-based algorithm for predictive performance and risk stratification of sepsis using real-world data from hospitalised patients: a prospective observational study
2025-Jun-20, BMJ health & care informatics
IF:4.1Q2
DOI:10.1136/bmjhci-2024-101353
PMID:40541404
|
研究论文 | 本研究通过前瞻性观察研究验证了基于深度学习的VC-SEPS算法在脓毒症预测和风险分层方面的性能 | 首次前瞻性比较医疗人工智能算法与传统评分系统在脓毒症预测中的表现，并验证了VC-SEPS算法的早期预测能力 | 研究仅基于单中心数据，样本量相对有限 | 验证VC-SEPS算法在脓毒症早期预测和风险分层中的性能 | 住院患者的电子病历数据 | 医疗人工智能 | 脓毒症 | 深度学习 | 深度学习算法 | 电子病历数据 | 6,455名患者（其中325名确诊脓毒症） | NA | VC-SEPS | AUC | NA |
| 7207 | 2025-10-06 |
Prenatal detection of congenital heart defects using the deep learning-based image and video analysis: protocol for Clinical Artificial Intelligence in Fetal Echocardiography (CAIFE), an international multicentre multidisciplinary study
2025-Jun-05, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2025-101263
PMID:40473283
|
研究论文 | 本研究旨在开发基于深度学习的AI模型，通过分析胎儿超声图像和视频实时检测先天性心脏病 | 建立国际多中心多学科合作框架，整合回顾性和前瞻性超声扫描数据，开发实时检测胎儿先天性心脏病的AI模型 | 先天性心脏病罕见且异质性强，超声数据有限，目前AI模型检测准确性尚不足以满足临床应用需求 | 开发支持临床医生实时检测胎儿先天性心脏病的AI模型，特别是在专科资源匮乏地区 | 正常胎儿心脏和患有先天性心脏病的胎儿 | 计算机视觉 | 先天性心脏病 | 超声扫描 | 深度学习 | 图像,视频 | 16,400例回顾性和前瞻性超声扫描（13,000例正常心脏，1,000例先天性心脏病回顾性数据；2,000例正常心脏，400例主要先天性心脏病前瞻性数据） | NA | NA | 灵敏度,特异性,准确度,阳性预测值,阴性预测值 | NA |
| 7208 | 2025-07-04 |
Retraction: A deep learning model for estimating sedation levels using heart rate variability and vital signs: a retrospective cross-sectional study at a center in South Korea
2025-Jun-02, Acute and critical care
IF:1.7Q3
DOI:10.4266/acc.2024.01200.r1
PMID:40602482
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7209 | 2025-10-06 |
Subclinical tremor differentiation using long short-term memory networks
2025-Jun, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01526-0
PMID:39992543
|
研究论文 | 本研究开发了一种基于LSTM网络的深度学习模型，用于区分帕金森病、特发性震颤和正常生理性震颤的亚临床震颤 | 首次将LSTM网络应用于亚临床震颤分类，在低振幅震颤分类准确率上比现有方法提升30-50% | 需要在更大、更多样化的数据集上进行验证，包括动作性震颤，模型可解释性有待提升 | 开发人工智能模型来区分帕金森病、特发性震颤和正常生理性震颤的亚临床震颤 | 51名帕金森病患者、15名特发性震颤患者和58名正常受试者的亚临床震颤数据 | 机器学习 | 帕金森病 | 惯性传感器数据采集 | LSTM | 时序传感器数据 | 124名受试者（51名PD、15名ET、58名正常） | NA | LSTM | 准确率 | NA |
| 7210 | 2025-10-06 |
FaceAge, a deep learning system to estimate biological age from face photographs to improve prognostication: a model development and validation study
2025-Jun, The Lancet. Digital health
DOI:10.1016/j.landig.2025.03.002
PMID:40345937
|
研究论文 | 开发并验证了FaceAge深度学习系统，通过面部照片估计生物年龄以改善癌症患者预后预测 | 首个通过面部照片深度学习估计生物年龄并验证其在癌症预后中临床价值的系统 | 需要更大规模队列验证，尚未确认在其他疾病患者中的适用性 | 开发从面部照片估计生物年龄的深度学习系统并验证其临床预后价值 | 健康个体和癌症患者的面部照片数据 | 计算机视觉 | 癌症 | 深度学习 | CNN | 图像 | 训练集58,851名健康个体，验证集6,196名癌症患者 | NA | NA | 风险比, p值, 曲线下面积 | NA |
| 7211 | 2025-10-06 |
The value of artificial intelligence in PSMA PET: a pathway to improved efficiency and results
2025-Jun, The quarterly journal of nuclear medicine and molecular imaging : official publication of the Italian Association of Nuclear Medicine (AIMN) [and] the International Association of Radiopharmacology (IAR), [and] Section of the Society of...
DOI:10.23736/S1824-4785.25.03640-4
PMID:40444499
|
系统综述 | 本系统综述探讨人工智能在前列腺特异性膜抗原PET扫描中提高准确性和效率的潜力 | 全面评估AI在PSMA PET扫描中应用的现状和潜力，涵盖多种AI算法及其在前列腺癌转移检测中的表现 | 纳入研究数量有限（22项），性能存在显著变异性，部分算法具有'黑箱'特性，需要更大规模的前瞻性研究 | 评估人工智能在PSMA PET扫描中改善前列腺癌转移检测准确性和效率的潜力 | 前列腺癌患者的前列腺特异性膜抗原PET扫描数据 | 医学影像分析 | 前列腺癌 | PSMA PET扫描 | 机器学习,深度学习,卷积神经网络 | PET影像数据 | 22项研究（包含前瞻性和回顾性设计） | NA | CNN | 敏感性,准确率,AUC,阳性预测值 | NA |
| 7212 | 2025-10-06 |
Refined selection of individuals for preventive cardiovascular disease treatment with a transformer-based risk model
2025-Jun, The Lancet. Digital health
DOI:10.1016/j.landig.2025.03.005
PMID:40461349
|
研究论文 | 开发并验证基于Transformer的TRisk深度学习模型，用于预测心血管疾病的10年风险 | 首次将Transformer架构应用于心血管疾病风险预测，在初级预防人群和糖尿病患者中均表现出优越性能 | 研究未提及外部验证结果，且缺乏不同种族群体的验证数据 | 开发更精准的心血管疾病风险预测模型以优化预防性治疗策略 | 英国25-84岁成年人，包括初级预防人群和糖尿病患者 | 机器学习 | 心血管疾病 | 深度学习，电子健康记录分析 | Transformer | 电子健康记录 | 约300万成年人，来自389家全科诊所 | NA | Transformer | C指数，净收益，假阴性率 | NA |
| 7213 | 2025-10-06 |
Future Applications of Cardiothoracic CT
2025-Jun, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240085
PMID:40492912
|
综述 | 本文综述了光子计数CT、直立CT和人工智能在心胸CT成像与诊断中的未来应用前景 | 重点介绍了光子计数CT的低辐射剂量与高空间分辨率优势、直立CT对生物力学研究的新见解，以及人工智能对放射科工作流程的革命性影响 | NA | 探讨心胸CT技术的未来发展方向与应用前景 | 心胸CT成像技术及其临床应用 | 医学影像 | 心血管疾病 | 光子计数CT、直立CT、四维CT | 深度学习 | CT影像 | NA | NA | NA | NA | NA |
| 7214 | 2025-10-06 |
Pharmakon or the healing art: experience of artistic-transformative transdisciplinary workshops in fibromyalgia syndrome
2025-Jun, Clinical and experimental rheumatology
IF:3.4Q2
DOI:10.55563/clinexprheumatol/yxhmcr
PMID:40556605
|
研究论文 | 本研究验证了艺术转化性跨学科工作坊对纤维肌痛综合征患者生活质量的改善效果 | 首次将转化艺术应用于纤维肌痛治疗，通过三种不同的艺术干预方式探索心理创伤的突破机制 | 观察性研究设计，样本量有限（109例），缺乏对照组，无法完全排除其他影响因素 | 验证艺术转化性跨学科干预对纤维肌痛患者生活质量、睡眠、自尊和自我效能的有效性 | 纤维肌痛综合征患者 | 心理健康干预 | 纤维肌痛综合征 | 艺术治疗干预，叙事医学，视觉思维策略 | NA | 临床评估量表数据 | 109名纤维肌痛患者完成8个月研究 | NA | NA | 匹兹堡睡眠质量指数，应激体验反应量表，WHO-5幸福指数，全球健康量表，正念注意觉知量表 | NA |
| 7215 | 2025-10-06 |
Predicting heavy metal concentration in crop grain using automated machine learning models
2025-Jun, Ying yong sheng tai xue bao = The journal of applied ecology
DOI:10.13287/j.1001-9332.202506.018
PMID:40607569
|
研究论文 | 本研究使用自动化机器学习模型预测作物籽粒中的重金属浓度 | 首次将自动化机器学习(AutoML)应用于作物重金属浓度预测，并比较了六种不同模型的性能 | 基于文献数据的二次分析，样本来源和实验条件存在异质性 | 预测作物籽粒中重金属浓度并识别关键影响因素 | 作物籽粒中的铬(Cr)、镉(Cd)、铅(Pb)、砷(As)和汞(Hg)浓度 | 机器学习 | NA | 自动化机器学习 | 深度学习,分布式随机森林,极端随机树,堆叠集成,梯度提升机,广义线性模型 | 结构化数据 | 来自54篇文献的791个数据集 | AutoML | DL,DRF,XRT,SE,GBM,GLM | 预测精度 | NA |
| 7216 | 2025-10-06 |
Toward diffusion MRI in the diagnosis and treatment of pancreatic cancer
2025-May-28, Medical oncology (Northwood, London, England)
DOI:10.1007/s12032-025-02759-5
PMID:40434720
|
研究论文 | 探讨扩散磁共振成像在胰腺癌诊断和治疗中的潜在应用价值 | 结合多种扩散成像技术（DWI、DTI、IVIM、DKI）与新兴人工智能分析，提供组织微结构信息 | 缺乏标准化协议和稳健的数据分析流程，需要进一步临床验证 | 提高胰腺癌的早期检测能力和治疗效果评估 | 胰腺癌患者 | 医学影像分析 | 胰腺癌 | 扩散磁共振成像（dMRI）、扩散加权成像（DWI）、扩散张量成像（DTI）、体素内不相干运动（IVIM）、扩散峰度成像（DKI） | 深度学习 | 磁共振影像 | NA | NA | NA | NA | NA |
| 7217 | 2025-10-06 |
Galileo-an Artificial Intelligence tool for evaluating pre-implantation kidney biopsies
2025-May, Journal of nephrology
IF:2.7Q2
DOI:10.1007/s40620-024-02094-4
PMID:39356416
|
研究论文 | 开发名为Galileo的人工智能工具，用于评估肾移植前的活检组织 | 专门针对肾移植前活检评估设计的首个AI工具，能显著提升诊断效率并减少观察者间差异 | 需要进一步基于移植物存活等硬终点进行改进验证 | 开发辅助病理学家评估肾移植前活检的人工智能工具 | 肾脏穿刺活检和楔形活检的全切片图像 | 数字病理 | 肾脏疾病 | 全切片图像分析 | 深度学习算法 | 图像 | 多中心队列的全切片图像数据集 | Aiforia Create平台 | NA | 精确度, 灵敏度, F1分数, 总面积误差 | NA |
| 7218 | 2025-10-06 |
TransMA: an explainable multi-modal deep learning model for predicting properties of ionizable lipid nanoparticles in mRNA delivery
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf307
PMID:40581984
|
研究论文 | 提出一种可解释的多模态深度学习模型TransMA，用于预测mRNA递送中可电离脂质纳米颗粒的转染效率 | 采用多模态分子结构融合架构，结合3D Transformer和Mamba分别提取分子空间和序列特征，并设计mol-attention机制对齐不同粒度原子特征 | NA | 加速高转染效率mRNA药物递送系统的筛选过程 | 可电离脂质纳米颗粒(LNPs) | 机器学习 | NA | 深度学习 | Transformer, Mamba | 分子结构数据 | 当前最大的LNPs数据集，包括Hela和RAW细胞系 | NA | 3D Transformer, Mamba, 多模态融合架构 | 转染效率预测性能 | NA |
| 7219 | 2025-10-06 |
An order-preserving batch-effect correction method based on a monotonic deep learning framework
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf247
PMID:40586320
|
研究论文 | 基于单调深度学习框架开发了一种保持顺序的批次效应校正方法 | 在批次效应校正方法中首次引入顺序保持特征，解决了现有方法忽略这一重要特性的问题 | NA | 开发具有顺序保持特征的批次效应校正方法 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | 深度学习网络 | 基因表达数据 | NA | NA | 单调深度学习网络 | 聚类性能, 基因间相关性, 差异表达信息 | NA |
| 7220 | 2025-10-06 |
SORBET: Automated cell-neighborhood analysis of spatial transcriptomics or proteomics for interpretable sample classification via GNN
2025-Apr-21, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.30.573739
PMID:38260586
|
研究论文 | 提出SORBET几何深度学习框架，通过图卷积网络分析空间转录组和蛋白质组数据实现可解释的样本分类 | 首次在空间转录组数据上进行表型预测，开发了新颖的数据增强技术确保预测鲁棒性 | NA | 整合空间信息与多重分子数据准确预测表型 | 转移性黑色素瘤、非小细胞肺癌和结直肠癌样本 | 数字病理 | 黑色素瘤,非小细胞肺癌,结直肠癌 | 空间转录组学,空间蛋白质组学,CosMx,成像质谱流式,CODEX | 图卷积网络 | 空间分子数据,细胞图像 | 多个数据集（转移性黑色素瘤、非小细胞肺癌和结直肠癌样本） | 几何深度学习框架 | 图卷积网络 | 准确率 | NA |