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 761 - 780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 761 | 2025-10-05 |
Cross-Modality Learning for Predicting Immunohistochemistry Biomarkers from Hematoxylin and Eosin-Stained Whole Slide Images
2025-Sep-12, The American journal of pathology
DOI:10.1016/j.ajpath.2025.08.014
PMID:40946794
|
研究论文 | 提出一种名为HistoStainAlign的深度学习框架，能够直接从H&E染色全切片图像预测IHC染色模式 | 通过对比训练策略整合配对的H&E和IHC嵌入，无需切片级注释或组织配准即可捕获跨染色模态的互补特征 | NA | 开发计算预筛选工具，帮助优先选择需要进行IHC染色的病例并提高工作流程效率 | 胃肠道和肺组织全切片图像 | 数字病理学 | 癌症 | H&E染色, IHC染色 | 深度学习 | 全切片图像 | NA | NA | HistoStainAlign | 加权F1分数 | NA |
| 762 | 2025-10-05 |
MetaChrome: An Open-Source, User-Friendly Tool for Automated Metaphase Chromosome Analysis
2025-Sep-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.02.673813
PMID:41019638
|
研究论文 | 开发了一个用于自动中期染色体分析的开源软件平台MetaChrome | 采用经过精细调优的Cellpose分割模型，结合染色体特异性FISH探针和免疫荧光标记蛋白的共定位分析，相比传统图像处理方法提高了分割精度 | NA | 解决中期染色体自动分割和FISH信号共定位分析的挑战 | DNA-FISH染色体图像 | 数字病理学 | NA | DNA荧光原位杂交(FISH)，高通量成像(HTI) | 深度学习 | 图像 | 手动标注的中期染色体数据集 | NA | Cellpose | 分割精度 | NA |
| 763 | 2025-10-05 |
Pathologist-interpretable breast cancer subtyping and stratification from AI-inferred nuclear features
2025-Sep-06, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.04.674077
PMID:41019630
|
研究论文 | 开发可解释的AI模型EXPAND，通过提取12个病理学家可理解的核特征来预测乳腺癌亚型和患者生存 | 首个专注于病理学家使用的诺丁汉分级标准中12个核特征的可解释AI模型 | NA | 开发可解释的AI模型用于乳腺癌亚型分类和生存预测 | 乳腺癌患者肿瘤切片 | 数字病理学 | 乳腺癌 | 数字病理图像分析 | 深度学习模型 | 病理图像 | NA | NA | EXPAND | AUC | NA |
| 764 | 2025-10-05 |
AI bone lesion classifier with sensitivity-driven optimization for radiographs
2025-Sep-05, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.107075
PMID:41016074
|
研究论文 | 开发了一种基于深度学习的X射线骨病变分类器，通过灵敏度驱动优化实现高灵敏度检测 | 采用灵敏度驱动方法最小化假阴性，并生成注意力图谱增强模型可解释性 | 数据集仅包含310名患者的1177张X射线图像，样本规模有限 | 开发用于X射线骨病变检测的深度学习分类器，在保持临床实用性的同时实现高灵敏度 | 上肢和下肢X射线图像中的原发性骨病变 | 计算机视觉 | 骨肿瘤 | X射线成像 | CNN | 图像 | 310名患者的1177张X射线图像（547例异常，630例正常） | NA | MobileNetV2 | 灵敏度, 特异性, 准确率, AUC, 95%置信区间 | NA |
| 765 | 2025-10-05 |
Deep learning model trained using multi-energy computed tomography (CT) data shows better metal artifact reduction for lumbar CT imaging
2025-Sep-05, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.107076
PMID:41016075
|
研究论文 | 开发基于多能量CT数据的深度学习金属伪影减少模型，用于腰椎CT成像 | 首次使用多能量虚拟单色图像训练深度学习金属伪影减少模型，并在更宽能量范围内评估性能 | 样本量有限（93例患者），仅针对腰椎植入物患者进行研究 | 比较基于单能量和多能量CT数据的深度学习金属伪影减少模型性能 | 腰椎植入物患者的CT图像 | 医学影像处理 | 脊柱疾病 | 多能量CT扫描，虚拟单色图像重建 | 深度学习模型 | CT图像 | 93例腰椎植入物患者 | NA | NA | PSNR, SSIM | NA |
| 766 | 2025-10-05 |
High-Performance Open-Source AI for Breast Cancer Detection and Localization in MRI
2025-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.240550
PMID:40560044
|
研究论文 | 开发并评估用于乳腺MRI扫描中乳腺癌检测和定位的开源深度学习模型 | 使用迄今为止最大的乳腺MRI数据集训练深度学习模型，并公开提供代码和权重以促进进一步开发 | 回顾性研究设计，数据主要来自单一医疗中心 | 开发高性能开源AI系统用于乳腺癌的检测和定位 | 乳腺MRI扫描图像 | 计算机视觉 | 乳腺癌 | MRI | 深度学习 | 医学图像 | 30,672个矢状面MRI检查（52,598个乳房）来自9,986名女性患者，验证集包括6,615个乳房（矢状面）和7,058个乳房（轴位面），外加第二个临床站点的1,840个乳房 | NA | NA | AUC, 特异性, 敏感性 | NA |
| 767 | 2025-10-05 |
Multi-Receptor Skin with Highly Sensitive Tele-Perception Somatosensory Flexible Electronics in Healthcare: Multimodal Sensing and AI-Powered Diagnostics
2025-Sep, Advanced healthcare materials
IF:10.0Q1
DOI:10.1002/adhm.202502901
PMID:40619754
|
综述 | 系统回顾柔性电子技术在医疗监测领域的进展，重点关注多模态传感平台与人工智能算法的集成 | 整合多模态传感与人工智能算法，创新柔性基底、可拉伸互连和传感器架构，实现电生理、生物物理和生化信号同步采集 | 存在异质传感器集成、长期功能稳定性和体内生物相容性等技术挑战 | 推动柔性电子技术在智能医疗和个性化医疗中的应用发展 | 柔性电子设备与医疗监测系统 | 医疗电子 | NA | 多模态传感，能量采集，无线通信协议 | 深度学习 | 电生理信号，生物物理信号，生化信号 | NA | NA | NA | NA | 边缘计算 |
| 768 | 2025-10-05 |
Prediction of Early Neoadjuvant Chemotherapy Response of Breast Cancer through Deep Learning-based Pharmacokinetic Quantification of DCE MRI
2025-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.240769
PMID:40631989
|
研究论文 | 通过基于深度学习的动态对比增强MRI药代动力学量化预测乳腺癌新辅助化疗早期反应 | 使用深度学习进行回顾性药代动力学量化，提高了病理完全缓解预测的泛化能力 | 回顾性研究设计，数据来自2002-2016年，可能存在选择偏倚 | 提高乳腺癌新辅助化疗后病理完全缓解预测的准确性和泛化性 | 乳腺癌患者 | 医学影像分析 | 乳腺癌 | 动态对比增强MRI，药代动力学量化 | 深度学习 | MRI影像 | 1073名女性乳腺癌患者，来自四个公共数据集 | NA | NA | AUC | NA |
| 769 | 2025-10-05 |
MR-Transformer: A Vision Transformer-based Deep Learning Model for Total Knee Replacement Prediction Using MRI
2025-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.240373
PMID:40668131
|
研究论文 | 开发基于Vision Transformer的深度学习模型MR-Transformer，利用MRI预测膝关节骨关节炎进展为全膝关节置换的风险 | 首次将Vision Transformer架构应用于膝关节MRI分析，利用ImageNet预训练和三维空间相关性进行预测 | 回顾性研究设计，样本量相对有限，随访时间最长9年 | 预测膝关节骨关节炎进展为全膝关节置换的风险 | 膝关节骨关节炎患者 | 计算机视觉 | 骨关节炎 | MRI扫描 | Transformer | 三维MRI图像 | 骨关节炎倡议数据库353对病例对照，多中心骨关节炎研究数据库270对病例对照 | NA | Vision Transformer | AUC, 敏感性, 特异性 | NA |
| 770 | 2025-10-05 |
Predicting arterial pressure without prejudice: towards effective hypotension prediction models
2025-Sep, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2025.06.016
PMID:40685291
|
评论 | 讨论选择偏差对低血压预测模型的影响及有效算法开发建议 | 通过对比有偏和无偏数据训练的深度学习模型，揭示选择偏差对模型学习动脉波形信息能力的影响 | 基于已有研究的讨论性分析，未提供原始实验数据 | 开发有效的低血压预测算法并解决选择偏差问题 | 动脉波形数据和低血压预测模型 | 机器学习 | 心血管疾病 | NA | 深度学习 | 动脉波形数据 | NA | NA | NA | 阳性预测值 | NA |
| 771 | 2025-10-05 |
Deep-Learning-Driven High Spatial Resolution Attenuation Imaging for Ultrasound Tomography (AI-UT)
2025-09, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3592578
PMID:40705570
|
研究论文 | 提出基于深度学习的高空间分辨率超声衰减成像方法，用于乳腺超声断层扫描 | 利用声速与衰减的空间相关性作为模型约束，结合深度学习实现高分辨率衰减成像 | NA | 开发高空间分辨率、低方差的超声衰减成像方法 | 人体乳腺组织 | 医学影像处理 | 乳腺癌 | 超声断层扫描 | 深度学习 | 射频数据 | 来自QTI BACT扫描仪的60个角度视图数据 | NA | NA | 空间分辨率，方差 | NA |
| 772 | 2025-10-05 |
Can AI find the cavities in caries prediction and diagnosis?
2025-Sep, Evidence-based dentistry
DOI:10.1038/s41432-025-01181-0
PMID:40715738
|
评论 | 对人工智能在儿童早期龋齿检测和预测中应用的系统性综述与荟萃分析进行评论 | 首次对AI在儿童早期龋齿检测和预测领域进行系统性综述与定量荟萃分析 | 仅纳入英文文献，部分研究全文不可获取，样本量有限（21项研究） | 评估人工智能在儿童早期龋齿检测和预测中的效果与应用潜力 | 儿童早期龋齿（ECC） | 机器学习 | 龋齿 | 机器学习（ML）、深度学习（DL）、神经网络（NN） | 深度学习算法 | 医学影像数据 | 21项研究（7项检测研究，14项预测研究） | NA | NA | 准确率、灵敏度、特异性、汇总接收者操作特征曲线 | NA |
| 773 | 2025-10-05 |
Collaborative Integration of AI and Human Expertise to Improve Detection of Chest Radiograph Abnormalities
2025-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.240277
PMID:40668130
|
研究论文 | 开发了一种融合眼动数据和放射学报告的协作AI系统，用于改善胸部X光片异常检测并纠正感知错误 | 首次将眼动追踪数据与放射学报告相结合，通过多模态大模型识别和纠正放射科医生的感知错误 | 使用模拟错误数据集而非真实临床环境，错误类型有限且样本量相对较小 | 提高胸部X光片异常检测的诊断准确性 | 胸部X光片中的异常区域 | 计算机视觉 | 胸部疾病 | 眼动追踪，多模态分析 | CNN，深度学习 | 图像，眼动数据，文本报告 | 来自REFLACX和EGD-CXR公共数据集的332个异常样本 | NA | 多模态大模型 | 准确率，置信区间，满意度比例 | NA |
| 774 | 2025-10-05 |
Deciphering the unique autoregulatory mechanisms and substrate specificity of the understudied DCLK3 kinase linked to neurodegenerative diseases
2025-Sep-01, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2025.110664
PMID:40902973
|
研究论文 | 本研究揭示了未充分研究的DCLK3激酶在神经退行性疾病中的独特自调控机制和底物特异性 | 首次发现DCLK3通过自磷酸化其截短尾部实现与催化结构域的结合，这一调控机制不同于其旁系同源物DCLK1；并成功预测并验证了Tau蛋白作为DCLK3的潜在底物 | 研究主要基于体外实验和计算预测，需要进一步在体内模型中验证DCLK3的功能机制 | 阐明DCLK3激酶的自调控机制和底物特异性，探索其在神经退行性疾病中的治疗潜力 | DCLK3激酶及其与Tau蛋白的相互作用 | 计算生物学 | 神经退行性疾病 | 深度学习模型、肽库数据集、体外测定、质谱分析 | 深度学习 | 肽序列数据、质谱数据 | NA | NA | NA | NA | NA |
| 775 | 2025-10-05 |
[Extracorporeal Membrane Oxygenation( ECMO) as an Emerging Technology:Present and Future]
2025-Sep, Kyobu geka. The Japanese journal of thoracic surgery
PMID:40998332
|
综述 | 本文从临床医生视角综述体外膜肺氧合(ECMO)技术的最新进展与未来发展方向 | 介绍了新型硅胶膜肺与MPC聚合物涂层在大型动物模型中实现长达100天无血栓支持，以及人工智能在实时决策和生存预测中的应用探索 | NA | 探讨ECMO作为新兴技术的发展现状与未来趋势 | ECMO相关技术设备与临床应用 | 医疗技术 | 呼吸循环衰竭 | 体外膜肺氧合, 表面涂层技术, 人工智能 | 深度学习 | NA | 大型动物模型 | NA | NA | 设备使用寿命, 血栓形成情况 | NA |
| 776 | 2025-10-05 |
DM-Net: a physics-model-independent direct mapping approach for calibration-free multi-coil MRI
2025-Sep-01, Research square
DOI:10.21203/rs.3.rs-7174070/v1
PMID:40951291
|
研究论文 | 提出一种不依赖物理模型的直接映射方法DM-Net，用于无需校准的多线圈MRI重建 | 首次提出不显式使用线圈敏感度的物理模型独立直接映射方法，无需预计算线圈敏感度即可实现最优重建 | 仅在17名受试者的5440张图像上进行训练和测试，样本规模有限 | 开发无需校准的多线圈磁共振图像重建方法 | 多线圈磁共振图像 | 医学影像重建 | NA | 3DFT（傅里叶变换） | CNN | 医学影像 | 17名受试者的5440张图像 | NA | 密集连接卷积网络 | NA | NA |
| 777 | 2025-10-05 |
A machine learning approach for automated injuries classification on postmortem images
2025-Sep-01, Journal of forensic and legal medicine
IF:1.2Q3
DOI:10.1016/j.jflm.2025.102955
PMID:41016353
|
研究论文 | 本研究开发了一种基于机器学习的自动化方法，用于在尸体图像上对瘀伤和擦伤两类损伤进行语义分割 | 首次将U-Net、FPN和LinkNet三种深度学习架构与EfficientNetB3和ResNet50骨干网络结合应用于尸体损伤分类，并采用自定义损失函数结合图像变换和类别平衡技术的优化策略 | 仅针对瘀伤和擦伤两类损伤进行研究，未涵盖其他类型损伤 | 开发自动化尸体损伤分类的人工智能方法 | 尸体损伤图像中的瘀伤和擦伤 | 计算机视觉 | NA | 图像分析 | 深度学习 | 图像 | NA | NA | U-Net,FPN,LinkNet,EfficientNetB3,ResNet50 | 灵敏度,特异度 | NA |
| 778 | 2025-10-05 |
TCM-navigator, a deep learning-based workflow for generation and evaluation of traditional Chinese medicine-like compounds for drug development
2025-Aug-31, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf498
PMID:41004131
|
研究论文 | 开发基于深度学习的TCM-navigator工作流，用于生成和评估类中药化合物以促进药物开发 | 首个专门针对中药特性设计的定量评估模型TCM-Identifier，以及能够生成370万类中药分子的TCM-Generator | 未明确说明模型在真实药物开发场景中的验证效果和临床应用限制 | 解决中药研究中数据稀缺、网络复杂和数据表示不一致等问题，促进中药现代化药物开发 | 中药样分子化合物 | 机器学习 | NA | 深度学习，化学语言模型 | LSTM, 消息传递神经网络 | 化学分子数据 | 生成370万个类中药分子 | AttentiveFP | LSTM, AttentiveFP | NA | NA |
| 779 | 2025-10-05 |
Multi-Omics Feature Selection to Identify Biomarkers for Hepatocellular Carcinoma
2025-Aug-28, Metabolites
IF:3.4Q2
DOI:10.3390/metabo15090575
PMID:41002959
|
研究论文 | 本研究通过多组学特征选择方法识别肝细胞癌的生物标志物 | 提出了一种结合递归特征选择和基于Transformer深度学习模型的新方法，用于多组学数据整合分析 | 样本量有限，需要在更大独立队列中验证发现的生物标志物 | 识别肝细胞癌的新型生物标志物以改善早期检测 | 肝细胞癌患者和肝硬化患者的血清样本 | 机器学习 | 肝细胞癌 | 非靶向和靶向质谱分析 | Transformer | 多组学数据 | 肝细胞癌病例和肝硬化对照的血清样本 | NA | Transformer | NA | NA |
| 780 | 2025-10-05 |
ERLD-HC: Entropy-Regularized Latent Diffusion for Harmony-Constrained Symbolic Music Generation
2025-Aug-25, Entropy (Basel, Switzerland)
DOI:10.3390/e27090901
PMID:41008027
|
研究论文 | 提出一种结合变分自编码器、潜在扩散模型和熵正则化条件随机场的符号音乐生成框架ERLD-HC | 在扩散过程的UNet交叉注意力层引入熵正则化CRF模块，实现谐波条件控制，平衡算法驱动方法的理论正确性与基于规则方法的灵活性 | 尚未提供直接的外部弦条件控制 | 解决符号音乐生成中违反音乐规则的问题，特别是谐波结构控制 | 符号音乐 | 机器学习 | NA | 深度学习 | VAE, Diffusion, CRF | MIDI符号音乐数据 | Lakh MIDI数据集 | NA | UNet | 谐波规则违反率, 旋律自然度 | NA |