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 40262 篇文献，本页显示第 7321 - 7340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7321 | 2025-11-27 |
Tooth-level detection and mapping of dental pathologies on panoramic radiographs using YOLOv11 and RT-DETR
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103696
PMID:41277983
|
研究论文 | 开发了一种在全景X光片上自动检测牙齿病理并进行牙齿级别定位的可重现方法 | 集成牙齿分割和病理检测两个深度学习阶段，将病理结果映射到具体牙齿 | NA | 开发AI辅助牙科诊断工具 | 牙齿和牙科病理 | 计算机视觉 | 牙科疾病 | 全景X光成像 | YOLOv11, RT-DETR | 图像 | 1,628张标注全景X光片和Tufts牙科数据库 | NA | YOLOv11, RT-DETR-x, YOLOv11x | mAP@50 | NA |
| 7322 | 2025-11-27 |
EEG entropy modulation as a biomarker of emotion regulation and resilience
2025-Dec, IBRO neuroscience reports
IF:2.0Q3
DOI:10.1016/j.ibneur.2025.10.013
PMID:41280140
|
综述 | 本文提出脑电图熵调制作为情绪调节和心理韧性的客观生物标志物 | 超越静态静息态分析，提出基于认知情绪任务中的熵动态调制作为更有效的生物标志物 | 目前仍处于理论验证阶段，需要更多实证研究验证其临床应用价值 | 开发基于脑电图熵调制的情绪调节和心理韧性客观评估方法 | 情绪调节机制、心理韧性神经基础 | 临床神经心理学 | 情绪失调、焦虑障碍 | 脑电图(EEG)、熵分析 | 机器学习、深度学习 | 脑电图信号 | NA | NA | NA | NA | NA |
| 7323 | 2025-11-27 |
The Platelet-Rich Plasma research ecosystem: From mechanistic insights to precision treatment in knee osteoarthritis
2025-Dec, Regenerative therapy
IF:3.4Q2
DOI:10.1016/j.reth.2025.10.017
PMID:41282491
|
综述 | 本文通过叙事性综述构建了富血小板血浆研究的生态系统，涵盖从机制生物学到精准医疗的全链条研究 | 提出PRP研究生态系统概念，整合多维度证据，强调中性粒细胞-巨噬细胞串扰等新机制，并提出精准治疗路线图 | 存在报告不一致、缺乏标准化分类系统、分层不足等限制因素 | 系统梳理PRP在膝骨关节炎领域的研究现状并推动其向精准再生疗法发展 | 富血小板血浆及其在膝骨关节炎治疗中的应用 | 数字病理 | 骨关节炎 | 深度学习质量控制、分类系统 | 深度学习 | 临床试验数据、生物学机制数据、系统评价数据 | NA | NA | NA | 脆弱性指数分析 | NA |
| 7324 | 2025-11-27 |
AI MAY SHOW COMPARABLE DIAGNOSTIC ACCURACY TO EXPERTS IN ORAL CANCER DETECTION, BUT EVIDENCE REMAINS LIMITED AND OF LOW CERTAINTY
2025-Dec, The journal of evidence-based dental practice
IF:4.1Q1
DOI:10.1016/j.jebdp.2025.102199
PMID:41290266
|
系统综述 | 本研究通过系统综述和网络荟萃分析比较深度学习在口腔癌诊断中的准确性 | 首次使用网络荟萃分析方法系统比较深度学习模型与专家在口腔癌诊断中的准确性 | 证据有限且确定性较低 | 评估深度学习在口腔癌诊断中的准确性并与专家诊断进行比较 | 口腔癌诊断 | 数字病理 | 口腔癌 | 深度学习 | 深度学习模型 | 医学图像 | NA | NA | NA | 诊断准确性 | NA |
| 7325 | 2025-11-27 |
Enhanced difference ghost shuffle U-Net: A hybrid Monte Carlo deep learning denoiser for boron neutron capture therapy dose calculation
2025-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70100
PMID:41290395
|
研究论文 | 提出EDGS-UNet混合蒙特卡罗深度学习去噪框架，用于快速准确的硼中子俘获治疗剂量计算 | 结合增强差分幽灵卷积保持高频梯度、分层通道-空间-像素注意力机制自适应特征优化，以及物理组件特异性能量守恒损失函数 | 仅在胶质母细胞瘤数据集上进行验证，样本量有限 | 加速BNCT治疗计划系统中的蒙特卡罗剂量计算 | 硼中子俘获治疗的3D剂量分布 | 医学影像处理 | 胶质母细胞瘤 | 蒙特卡罗模拟, 深度学习 | CNN, U-Net | 3D剂量分布图像 | 56个训练病例/9个验证病例/11个测试病例 | NA | 3D U-Net, EDGS-UNet | 均方误差, 等剂量相似度, 平均绝对百分比误差, GTV相对偏差 | NA |
| 7326 | 2025-11-27 |
"Patients Aren't Datasets": Generating Return on Investment via Automation, Responsibly
2025 Winter 01, Frontiers of health services management
DOI:10.1097/HAP.0000000000000237
PMID:41292082
|
评论文章 | 探讨医疗领域如何负责任地利用人工智能技术实现投资回报并管理相关风险 | 提出在医疗AI应用中平衡数据货币化与伦理责任的框架 | 未提供具体案例研究或实证数据支持 | 分析医疗AI技术投资的风险管理与回报实现策略 | 医疗系统管理者、患者数据、AI技术应用 | 医疗人工智能 | NA | 机器学习、生成式AI、深度学习 | NA | 患者数据、医疗结果数据 | NA | NA | NA | NA | NA |
| 7327 | 2025-11-27 |
Artificial intelligence-enabled hydrogels: innovations and applications
2025-Nov-26, Journal of materials chemistry. B
DOI:10.1039/d5tb01944c
PMID:41165199
|
综述 | 本文综述了人工智能在水凝胶材料设计与性能优化中的创新方法及其在3D打印、环境检测和伤口愈合等领域的多场景应用 | 将人工智能技术（机器学习和深度学习）与传统水凝胶研究交叉融合，推动水凝胶向智能化和功能化方向发展 | AI驱动的水凝胶研究仍面临方法局限性和技术挑战 | 探讨人工智能在水凝胶材料研究中的创新应用和发展趋势 | 水凝胶材料及其在生物医学等领域的应用 | 材料科学,生物医学工程 | NA | 机器学习,深度学习 | NA | 材料性能数据,应用场景数据 | NA | NA | NA | NA | NA |
| 7328 | 2025-11-27 |
Recent Advances in Integrating Machine Learning with Omics Approaches in Food Science and Nutrition Research
2025-Nov-26, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c08522
PMID:41229200
|
综述 | 探讨机器学习与多组学技术在食品科学与营养研究中的整合应用现状与前景 | 系统整合基因组学、转录组学、蛋白质组学、代谢组学等多组学数据与机器学习方法的协同应用 | 面临数据质量、模型可靠性和可解释性方面的挑战 | 推动机器学习与组学技术在食品加工、安全评估和营养干预中的预测模型开发 | 食品成分、微生物组及食品与人类健康的复杂关系 | 机器学习 | NA | 基因组学, 转录组学, 蛋白质组学, 代谢组学, 多组学整合 | 经典机器学习, 深度学习, 人工神经网络 | 多组学数据 | NA | NA | NA | NA | NA |
| 7329 | 2025-11-27 |
Physics-aware imaging AI for quantitative MASLD biomarker mapping: a systematic review of deep learning and radiomics across ultrasound, CT, and MRI
2025-Nov-26, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05317-9
PMID:41291295
|
系统性综述 | 系统评估物理感知人工智能在MASLD定量生物标志物成像中的深度学习与影像组学应用 | 首次系统比较三种影像模态（超声、CT、MRI）在MASLD定量生物标志物映射中的物理感知AI技术 | 缺乏标准化纵向流程、多厂商数据协调不足、MASLD特异性纤维化验证不充分 | 评估医学影像AI在代谢相关脂肪肝病定量生物标志物映射中的应用现状 | MASLD/MASH患者的超声、CT和MRI影像数据 | 医学影像分析 | 代谢相关脂肪肝病 | 深度学习, 影像组学 | 深度学习模型 | 医学影像 | 33项研究（从842条记录中筛选） | NA | NA | 定量映射准确性, 外部验证效果 | NA |
| 7330 | 2025-11-27 |
[Artificial intelligence accelerates bridging the gap in intelligent surgery through medical-engineering-mathematical integration]
2025-Nov-26, Zhonghua wai ke za zhi [Chinese journal of surgery]
|
综述 | 探讨人工智能在推动医学-工程-数学融合以缩小智能外科差距中的关键作用 | 系统阐述AI技术（深度学习、计算机视觉、自然语言处理和多模态融合）在 bridging 医学-工程-数学融合差距中的核心驱动作用 | 主要基于肝胆胰外科案例和实践进行分析，未涵盖其他外科专科的验证 | 分析当前阻碍外科领域医学-工程-数学融合的关键障碍，并提出AI驱动的解决方案 | 外科手术领域的医学-工程-数学融合过程 | 计算机视觉,自然语言处理,机器学习 | 肝胆胰疾病 | 深度学习,计算机视觉,自然语言处理,多模态融合 | NA | 多模态医疗数据 | 基于国际案例研究和机构实践 | NA | NA | NA | NA |
| 7331 | 2025-11-27 |
[Advances in the treatment and prognosis of intrahepatic cholangiocarcinoma]
2025-Nov-26, Zhonghua wai ke za zhi [Chinese journal of surgery]
|
综述 | 本文综述肝内胆管癌的治疗进展与预后管理策略 | 系统整合人工智能放射组学与深度学习技术在诊断、预后评估及淋巴结转移预测中的创新应用 | 晚期肝内胆管癌的生存结局仍不理想 | 探讨肝内胆管癌的治疗策略与预后改善方法 | 肝内胆管癌（ICC）患者 | 数字病理 | 胆管癌 | 放射组学, 深度学习 | 深度学习模型 | 医学影像 | NA | NA | NA | 5年生存率 | NA |
| 7332 | 2025-11-27 |
Examination of simple artificial intelligence-based analysis of dopamine transporter scintigraphy for supporting a diagnosis of Parkinson's disease
2025-Nov-26, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-025-02132-6
PMID:41296269
|
研究论文 | 开发基于深度学习的简单图像分析方法用于评估多巴胺转运体SPECT图像以支持帕金森病诊断 | 首次将六种预训练卷积神经网络架构应用于DAT SPECT图像分析，创建了简单而准确的AI模型 | 研究样本量相对有限，仅包含396名开发队列患者和96名验证队列患者 | 开发人工智能辅助诊断工具以支持帕金森病的诊断 | 帕金森病患者和非神经退行性疾病对照患者的DAT SPECT图像 | 医学影像分析 | 帕金森病 | 多巴胺转运体单光子发射计算机断层扫描 | CNN | 医学影像 | 开发队列：300名PD患者和102名对照患者；验证队列：96名PD患者 | NA | 六种预训练卷积神经网络架构 | 准确率, 灵敏度, ROC曲线下面积 | NA |
| 7333 | 2025-11-27 |
Dose stratification-based convolutional neural networks for dose distribution prediction in radiotherapy
2025-Nov-25, 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，用于提高放射治疗中剂量分布预测的精度 | 首次将剂量分层策略与分层预测机制相结合，通过四分量独立预测和同质性损失函数优化局部高梯度区域预测 | 目前仅在头颈癌病例和OpenKBP数据集上进行验证，需要扩展至其他癌症类型 | 提升放射治疗计划中剂量分布预测的准确性和临床适用性 | 头颈癌患者的放射治疗剂量分布 | 医学影像分析 | 头颈癌 | 放射治疗计划 | 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 | 剂量分布预测精度，同质性指数 | NA |
| 7334 | 2025-11-27 |
DART Predictor: A Multi-Label Attention Model for High-Throughput Screening of Chemicals with Developmental and Reproductive Toxicity (DART)
2025-Nov-25, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c11641
PMID:41232073
|
研究论文 | 开发基于多标签注意力机制的深度学习模型DART Predictor，用于高通量筛选具有发育和生殖毒性的化学品 | 首次将暴露参数与分子描述符和生物测定活性特征整合，采用标签感知注意力机制预测六种DART结局 | 模型性能依赖于暴露参数的准确性，外部验证数据集规模有限 | 建立暴露信息增强的发育和生殖毒性化学品风险评估新方法 | 具有发育和生殖毒性的化学品 | 机器学习 | 发育和生殖毒性相关疾病 | 深度学习，高通量筛选 | 多标签注意力模型 | 分子描述符，生物测定活性特征，暴露参数 | 25,175条化学多样性记录 | NA | 标签感知注意力机制 | AUC, 召回率 | 云平台部署 |
| 7335 | 2025-11-27 |
Single-channel EEG-based sleep stage classification via hybrid data distillation
2025-Nov-25, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae1f3c
PMID:41232135
|
研究论文 | 提出一种混合数据蒸馏方法，用于单通道脑电信号的睡眠分期分类 | 结合梯度匹配和分布匹配的混合数据蒸馏方法，通过将大型真实数据集蒸馏成小型隐私保护的合成数据集来降低计算负担和隐私风险 | 仅在三个公共数据集上验证，未在更广泛的数据集上测试 | 开发计算成本低且保护隐私的自动睡眠分期分类方法 | 单通道脑电信号数据 | 机器学习 | 睡眠障碍 | 脑电信号分析 | 深度学习模型 | 脑电信号时间序列数据 | 三个公共数据集 | NA | NA | NA | NA |
| 7336 | 2025-11-27 |
Multimodal Cardiovascular Risk Profiling Using Self-Supervised Learning of Polysomnography
2025-Nov-25, Sleep
IF:5.3Q1
DOI:10.1093/sleep/zsaf371
PMID:41288599
|
研究论文 | 开发基于自监督学习的多模态心血管风险分析框架，利用多导睡眠图数据预测心血管疾病 | 首次应用自监督学习框架从多导睡眠图数据中提取心血管风险特征，无需依赖人工标注的睡眠分期 | 研究样本主要来自特定队列，需要在更广泛人群中验证通用性 | 开发可解释的心血管疾病风险预测框架 | 多导睡眠图信号（脑电图、心电图、呼吸信号） | 机器学习 | 心血管疾病 | 多导睡眠监测 | 自监督深度学习 | 生理信号数据 | 训练集4,398名参与者，外部验证集1,093名参与者 | NA | NA | AUC | NA |
| 7337 | 2025-11-27 |
Delineating white matter phenotypes of sensori-/psychomotor functioning in large-scale cohorts of healthy individuals and patients with mental disorders across the lifespan (whiteSPAN): rationale and methods of an interdisciplinary bicentric project
2025-Nov-25, European archives of psychiatry and clinical neuroscience
IF:3.5Q2
DOI:10.1007/s00406-025-02138-1
PMID:41288695
|
研究论文 | 通过大规模神经影像数据研究感觉/精神运动功能与白质微结构之间的跨诊断关联 | 首次在跨诊断框架下整合多种精神障碍和神经退行性疾病，结合先进计算方法识别感觉/精神运动功能的白质表型 | 依赖现有数据集的可用性和质量，样本来源存在异质性 | 建立感觉/精神运动功能障碍的白质表型图谱，为精准医学提供生物标志物 | 健康个体和焦虑障碍、重度抑郁症、精神分裂症谱系障碍、轻度认知障碍及阿尔茨海默病患者 | 神经影像学 | 精神障碍和神经退行性疾病 | 弥散磁共振成像 | 深度学习 | 神经影像数据 | 超过2,400名健康个体和1,600名患者，包含400多名深度表型的精神分裂症和抑郁症患者 | NA | NA | NA | NA |
| 7338 | 2025-11-27 |
Deep learning for maxillary sinus pathology: ensure patient-level splits and leakage-free evaluation
2025-Nov-25, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09882-z
PMID:41288704
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7339 | 2025-11-27 |
Deep learning-based support system for alignment classification and correction guidance in postoperative total knee arthroplasty lateral radiographs
2025-Nov-25, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00987-y
PMID:41288930
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7340 | 2025-11-27 |
Deep Model Fusion: A Survey
2025-Nov-25, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3628666
PMID:41289107
|
综述 | 本文系统综述了深度模型融合这一新兴技术，通过整合多个深度学习模型的参数或预测结果来提升整体性能 | 首次对深度模型融合方法进行全面分类和系统总结，特别关注大规模深度学习模型融合面临的挑战 | 作为综述性文章，未提出新的融合方法，主要基于现有文献进行分析和总结 | 总结深度模型融合技术的最新进展，分析当前挑战并展望未来研究方向 | 深度学习模型融合方法，特别是大语言模型和基础模型 | 机器学习 | NA | NA | 深度学习模型,大语言模型,基础模型 | NA | NA | NA | NA | 准确率,鲁棒性 | NA |