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 32372 篇文献，本页显示第 721 - 740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 721 | 2025-10-05 |
Development of a multi-feature predictive model for risk stratification in stage IB-IIA non-small cell lung cancer: a multicenter analysis
2025-Nov, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112379
PMID:40902436
|
研究论文 | 开发了一种整合临床病理数据与CT影像的多特征预测模型，用于IB-IIA期非小细胞肺癌的风险分层 | 首次将临床病理特征、放射组学特征和深度学习特征整合到单一预测模型中，并采用SHAP方法进行模型可解释性分析 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 开发IB-IIA期非小细胞肺癌的预后预测模型，实现风险分层 | IB-IIA期非小细胞肺癌患者 | 数字病理 | 肺癌 | CT成像，放射组学分析 | CNN，逻辑回归 | 医学影像（CT），临床数据 | 训练集370例，内部验证120例，外部验证70例 | PyTorch/TensorFlow（基于ResNet架构推断） | ResNet50 | AUC，C-index，风险比（HR） | NA |
| 722 | 2025-10-05 |
A Guided Refinement Network Model With Joint Denoising and Segmentation for Low-Dose Coronary CTA Subtle Structure Enhancement
2025-Oct, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3561338
PMID:40293900
|
研究论文 | 提出一种基于联合学习的引导精炼网络模型，用于从低剂量冠状动脉CTA中恢复高质量图像 | 将冠状动脉分割整合到去噪过程中，通过相互引导实现有效交互和协同优化 | 未明确说明样本数据的具体来源和多样性限制 | 提升低剂量冠状动脉CTA成像质量，同时实现噪声抑制和细微结构增强 | 低剂量冠状动脉CT血管造影图像 | 计算机视觉 | 心血管疾病 | CT血管造影 | 深度学习网络 | 医学图像 | NA | NA | 引导精炼网络 | 噪声抑制、细微结构恢复、视觉感知改善 | NA |
| 723 | 2025-10-05 |
Quantitative radiomic analysis of computed tomography scans using machine and deep learning techniques accurately predicts histological subtypes of non-small cell lung cancer: A retrospective analysis
2025-Oct, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2025.110376
PMID:40803192
|
研究论文 | 本研究通过机器学习和深度学习技术对CT扫描进行定量影像组学分析，准确预测非小细胞肺癌的组织学亚型 | 首次系统比较多种机器学习模型和深度神经网络在基于CT影像组学特征预测NSCLC组织学亚型中的性能 | 回顾性研究设计，样本量相对有限（422例），缺乏外部验证 | 开发基于CT影像组学特征的机器学习模型来预测非小细胞肺癌的组织学亚型 | 非小细胞肺癌患者的肺部CT扫描图像 | 医学影像分析 | 肺癌 | CT影像组学分析 | 机器学习模型, 深度神经网络 | 医学影像 | 422例肺部CT扫描 | PyRadiomics, 多种机器学习框架 | 逻辑回归, 支持向量机, 随机森林, XGBoost, LightGBM, CatBoost, 深度神经网络 | 准确率, AUC-ROC | NA |
| 724 | 2025-10-05 |
VNWoodKnot: A benchmark image dataset for wood knot detection and classification
2025-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.112039
PMID:41018861
|
研究论文 | 本文介绍了用于木材节疤检测和分类的基准图像数据集VNWoodKnot | 填补了木材缺陷检测领域公开数据集的空白，提供了包含三种节疤类别的高分辨率图像数据集 | NA | 开发用于工业级木材缺陷检测的实时、可扩展且可靠的深度学习模型 | 木材表面节疤缺陷 | 计算机视觉 | NA | 图像采集 | 深度学习 | 图像 | 1,515张高分辨率木材表面图像（活节519张、死节496张、无节疤500张） | NA | NA | NA | NA |
| 725 | 2025-10-05 |
Global mapping of artificial intelligence applications in breast cancer from 1988-2024: a machine learning approach
2025-Sep-29, Breast cancer (Tokyo, Japan)
DOI:10.1007/s12282-025-01783-7
PMID:41016987
|
研究论文 | 通过机器学习方法分析1988-2024年间人工智能在乳腺癌应用中的全球研究格局 | 首次对36年间AI在乳腺癌护理全流程中的应用进行系统性映射分析，结合合作网络分析和主题建模 | 仅包含Web of Science英文文献，机器人技术和ML在手术肿瘤学和术后护理应用的研究仍然有限 | 批判性考察AI在乳腺癌护理连续体中的应用，阐明关键研究进展、新兴趋势和普遍模式 | 1988-2024年间发表的8,711篇乳腺癌AI研究相关文献 | 机器学习 | 乳腺癌 | 共现映射、聚类分析、主题建模 | LDA, 线性回归 | 文献元数据 | 8,711篇出版物 | NA | NA | NA | NA |
| 726 | 2025-10-05 |
Prediction of regional cropland soil organic carbon content and distribution using deep learning: a case study of the Northeast China Plain
2025-Sep-29, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-14622-1
PMID:41017007
|
研究论文 | 本研究利用深度学习方法预测东北平原农田土壤有机碳空间分布并识别其关键驱动因素 | 首次将ResNet与Deep Forest算法集成应用于土壤有机碳空间分布预测，结合多源数据（遥感、气象、地形）进行综合分析 | 研究区域仅限于东北平原，模型在其他地理区域的适用性有待验证 | 开发高效的土壤有机碳空间分布预测方法，为农田土壤质量改善和碳固存提供科学依据 | 东北平原农田土壤有机碳 | 机器学习 | NA | 遥感技术, 气象观测, 地形分析 | CNN, Deep Forest | 遥感数据, 气象数据, 地形数据, 实地测量数据 | 1000个实地测量样本 | NA | ResNet, Deep Forest | MSE, R | NA |
| 727 | 2025-10-05 |
Genotype-by-sex interaction analyses for alcohol use disorder across biobanks
2025-Sep-29, Alcohol, clinical & experimental research
DOI:10.1111/acer.70173
PMID:41017299
|
研究论文 | 通过多祖先群体数据研究基因型与性别对酒精使用障碍风险的交互作用 | 首个酒精使用障碍的全基因组基因型-性别交互作用研究，发现了多个与性别特异性相关的遗传位点 | 研究结果需要在更多样化的群体中进一步验证 | 探索遗传变异如何与生物性别相互作用影响酒精使用障碍风险 | 酒精使用障碍患者和对照人群 | 基因组学 | 酒精使用障碍 | 全基因组关联分析, 深度学习, 表达数量性状位点分析 | 深度学习 | 基因组数据, 临床数据 | 1,039,476名参与者（150,429例病例和889,046例对照） | NA | NA | p值 | NA |
| 728 | 2025-10-05 |
AI-driven advances in metal-organic frameworks: from data to design and applications
2025-Sep-29, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc04220h
PMID:41017480
|
综述 | 本文全面概述人工智能在加速金属有机框架研究中的策略与应用 | 系统整合了AI在MOF领域的多种驱动策略，包括性质预测、结构生成与合成规划的规模化实现 | 面临数据质量、模型可解释性和实验验证的挑战 | 加速金属有机框架材料的研究与创新 | 金属有机框架材料 | 机器学习 | NA | 图神经网络，生成模型，AI-模拟混合框架 | 深度学习，生成模型 | 化学结构数据，材料属性数据 | NA | NA | 图神经网络，生成模型 | NA | NA |
| 729 | 2025-10-05 |
Artificial intelligence and peripheral neuropathies: Strategies for the development, application, and repair of regenerative biomaterials
2025-Sep-29, Neural regeneration research
IF:5.9Q1
DOI:10.4103/NRR.NRR-D-25-00561
PMID:41017675
|
综述 | 探讨人工智能在神经再生生物材料开发中的应用及其对外周神经病变修复的潜力 | 将人工智能与生物材料开发相结合，通过机器学习和深度学习优化材料性能并预测神经再生效果 | 面临数据整合困难、算法复杂性高以及临床转化难度大等挑战 | 开发用于外周神经病变修复的智能再生生物材料 | 外周神经病变修复材料 | 机器学习 | 外周神经病变 | 3D生物打印 | 机器学习,深度学习 | 材料性能数据,虚拟实验数据 | NA | NA | NA | 生物相容性,机械性能 | NA |
| 730 | 2025-10-05 |
Personalised sports rehabilitation analysis using a fitness enhanced model based on big data and deep learning
2025-Sep-29, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2025.2561926
PMID:41020342
|
研究论文 | 本研究开发了一种基于大数据和深度学习的个性化运动康复分析模型，通过整合可穿戴设备和环境传感器技术来监测健身气功训练效果 | 将嵌入式技术和大数据分析应用于健身气功康复管理，创建了技术增强的个性化康复模型 | NA | 建立现代健康康复管理模式，通过技术整合提升康复效果 | 健身气功训练参与者 | 机器学习 | 康复医学 | 可穿戴设备,环境传感器,大数据分析 | 深度学习模型 | 生理数据,运动数据 | NA | NA | NA | 心率变异性,呼吸频率,运动效率,压力水平,依从率 | NA |
| 731 | 2025-10-05 |
Metaheuristic-optimized swin transformer with SHAP explainability for keratoconus classification from corneal topography maps
2025-Sep-29, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-025-03744-7
PMID:41021086
|
研究论文 | 提出一种结合元启发式优化Swin Transformer和SHAP可解释性的深度学习模型，用于角膜地形图圆锥角膜分类 | 结合改进的Swin Transformer块与残差多层感知器，并引入北极狐优化器增强模型收敛性和鲁棒性，同时集成SHAP可解释性分析 | NA | 开发自动化和可扩展的圆锥角膜检测方法 | 圆锥角膜患者 | 计算机视觉 | 圆锥角膜 | 角膜地形图成像 | Transformer, MLP | 图像 | NA | NA | Swin Transformer, Residual MLP | 准确率 | NA |
| 732 | 2025-10-05 |
Artificial Intelligence to Detect Developmental Dysplasia of Hip: A Systematic Review
2025-Sep-28, Journal of paediatrics and child health
IF:1.6Q2
DOI:10.1111/jpc.70172
PMID:41015898
|
系统综述 | 本系统综述评估了人工智能在检测发育性髋关节发育不良（DDH）方面的诊断准确性 | 首次系统评估深度学习算法在DDH检测中的应用效果，比较了X射线和超声图像两种影像模式的诊断性能 | 外部数据集评估有限，限制了结果的普适性 | 评估深度学习算法在DDH诊断中的准确性 | 有DDH风险或疑似DDH的儿童（<16岁） | 医学影像分析 | 发育性髋关节发育不良 | 超声成像，X射线成像 | 深度学习 | 超声图像，X射线图像 | 超声图像研究15项（n=8315），X射线研究8项（n=7091） | NA | NA | AUC，敏感度，特异度 | NA |
| 733 | 2025-10-05 |
Multispectral Blood Cell Image Analysis via Deep Learning With YOLOv5
2025-Sep-28, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500384
PMID:41016832
|
研究论文 | 提出基于多光谱成像和YOLOv5的血细胞识别方法 | 首次将多光谱成像与YOLOv5结合用于血细胞识别，通过多波长图像融合显著提升识别性能 | 白细胞样本相对稀缺，可能影响模型泛化能力 | 开发高精度的自动化血细胞计数方法 | 血细胞（红细胞、白细胞、血小板） | 计算机视觉 | 血液疾病 | 多光谱成像 | YOLOv5 | 多光谱图像 | 五个波长的血细胞图像 | PyTorch | YOLOv5标准版和修改版 | 精确度 | NA |
| 734 | 2025-10-05 |
Single-image estimation of tree volume via pixel-mapped 3D reconstruction: A low-cost solution using deep learning and curvature segmentation
2025-Sep-27, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.180420
PMID:41016068
|
研究论文 | 提出一种基于单张图像的树木体积自动测量框架，通过深度学习与曲率分割实现低成本林业调查 | 集成SegFormer深度学习模型、树干骨架提取、自适应曲率分割算法和分段三维重建，实现从图像像素到物理单位的直接映射 | 主要误差来源于分段高度不准确，单木体积和高度测量误差为2.01%-7.68% | 开发低成本、高效率的树木参数测量方法以替代昂贵的LiDAR技术 | 北京地区4个树种的3013棵树木 | 计算机视觉 | NA | 摄影测量，深度学习 | SegFormer | 图像，点云数据 | 3013棵树木图像数据，141棵树木的破坏性测量数据 | NA | SegFormer | 体积测量误差，高度测量误差，效率提升倍数 | NA |
| 735 | 2025-10-05 |
Differentiation between epileptic and functional/dissociative seizures using density spectral array of ictal single-channel EEG with deep learning
2025-Sep-27, Epilepsy & behavior : E&B
IF:2.3Q2
DOI:10.1016/j.yebeh.2025.110713
PMID:41016125
|
研究论文 | 本研究使用单通道脑电图的密度谱阵列结合深度学习技术来区分癫痫性和功能性/分离性发作 | 首次将单通道脑电图（Cz电极）的密度谱阵列与深度学习结合用于癫痫与非癫痫性发作的鉴别诊断 | 回顾性研究，样本量相对有限（99名患者），仅针对内侧颞叶癫痫和功能性/分离性发作 | 开发一种基于单通道脑电图和深度学习的癫痫与非癫痫性发作自动鉴别方法 | 内侧颞叶癫痫患者和功能性/分离性发作患者 | 医疗人工智能 | 癫痫 | 长程视频脑电图监测，密度谱阵列分析 | CNN | 脑电图信号 | 99名患者（48名mTLE，51名FDS），206次发作（106次训练，33次测试） | PyTorch | ResNet34 | AUC | NA |
| 736 | 2025-10-05 |
High Resolution TOF-MRA Using Compressed Sensing-based Deep Learning Image Reconstruction for the Visualization of Lenticulostriate Arteries: A Preliminary Study
2025-Sep-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2024-0025
PMID:39034144
|
研究论文 | 本研究比较压缩感知深度学习重建与传统压缩感知算法在时间飞跃磁共振血管成像中对豆纹动脉的显示效果 | 首次将压缩感知与深度学习相结合用于高分辨率TOF-MRA图像重建，显著提升了豆纹动脉的显示质量 | 样本量较小（仅5名健康志愿者），属于初步研究 | 评估压缩感知深度学习重建在TOF-MRA中对豆纹动脉显示效果的改善 | 健康志愿者的豆纹动脉 | 医学影像分析 | 脑血管疾病 | 时间飞跃磁共振血管成像 | 深度学习 | 磁共振图像 | 5名健康志愿者 | NA | NA | 可见豆纹动脉数量, 豆纹动脉长度, 归一化均方误差, 图像质量评分, 外周豆纹动脉可见度 | NA |
| 737 | 2025-10-05 |
Physics-informed deep learning for plasmonic sensing of nanoscale protein dynamics in solution
2025-Sep-26, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adw0783
PMID:41004578
|
研究论文 | 提出了一种结合合成复频率波与物理信息卷积神经网络的等离子体传感方法，用于溶液中纳米级蛋白质二级结构的实时定量分析 | 将合成复频率波增强技术与物理信息卷积神经网络相结合，显著提高了蛋白质二级结构预测精度，解决了水溶液中蛋白质动态研究的数据稀缺问题 | NA | 开发能够在水溶液中实时定量分析纳米级蛋白质二级结构及其构象变化的新方法 | 亚10纳米尺度蛋白质的二级结构和构象动态变化 | 计算生物学 | NA | 中红外等离子体传感，合成复频率波增强技术 | CNN | 光谱数据 | NA | NA | 物理信息卷积神经网络 | 平均相对误差 | NA |
| 738 | 2025-10-05 |
Scalable deep learning reconstruction for accelerated multidimensional nuclear magnetic resonance spectroscopy of proteins
2025-Sep-26, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adw8122
PMID:41004582
|
研究论文 | 提出一种可扩展的深度学习重建方法，用于加速多维核磁共振波谱分析 | 将深度学习扩展到处理更高维度波谱和变化加速因子，通过一维数据学习和秩-1 Hankel矩阵近似实现 | 需要复杂网络和更多数据，可扩展性面临挑战 | 开发可扩展的深度学习方法来加速多维核磁共振波谱重建 | 蛋白质的多维核磁共振波谱 | 机器学习 | NA | 核磁共振波谱 | 神经网络 | 时间域信号，波谱数据 | NA | NA | NA | 重建误差 | NA |
| 739 | 2025-10-05 |
COVID-19 Pneumonia Diagnosis Using Medical Images: Deep Learning-Based Transfer Learning Approach
2025-Sep-26, JMIRx med
DOI:10.2196/75015
PMID:41004646
|
研究论文 | 本研究评估了基于深度迁移学习的COVID-19肺炎医学影像诊断方法 | 首次系统比较多种先进卷积神经网络在COVID-19诊断中的表现，并证明DenseNet121在突变病毒株诊断中的鲁棒性 | 未明确说明数据集规模和来源，缺乏多中心验证 | 开发快速、准确且对病毒突变具有韧性的COVID-19医学影像诊断系统 | 胸部X光和CT影像 | 计算机视觉 | COVID-19肺炎 | 医学影像分析 | CNN | 图像 | NA | NA | VGG16, ResNet50, ConvNeXtTiny, MobileNet, NASNetMobile, DenseNet121 | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 740 | 2025-10-05 |
MultiD4CAD: Multimodal Dataset composed of CT and Clinical Features for Coronary Artery Disease Analysis
2025-Sep-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05743-w
PMID:41006273
|
研究论文 | 本文提出了一个包含CT影像和临床特征的多模态数据集MultiD4CAD，用于冠状动脉疾病分析 | 提供了包含心外膜和冠状动脉周围脂肪组织分割的多模态数据集，结合影像特征与临床生物标志物 | 数据集仅包含疑似冠状动脉疾病患者，未提及样本多样性或外部验证 | 开发用于冠状动脉疾病分析的临床决策支持系统 | 疑似冠状动脉疾病患者 | 数字病理学 | 心血管疾病 | 冠状动脉计算机断层扫描血管成像(CCTA) | NA | 影像, 临床数据 | NA | NA | NA | NA | NA |