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 42799 篇文献，本页显示第 7941 - 7960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7941 | 2025-12-26 |
Deep Learning Model for Classification of Premature Ventricular Contractions - Could Artificial Intelligence Models Become the New Criteria?
2025-Dec-24, Circulation journal : official journal of the Japanese Circulation Society
IF:3.1Q2
DOI:10.1253/circj.CJ-25-1002
PMID:41443894
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7942 | 2025-12-26 |
Conjugate gradient and deep learning reconstructions: reduced time without affecting image quality and nodule detection
2025-Dec-24, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12153-4
PMID:41444395
|
研究论文 | 本研究评估了共轭梯度重建和深度学习重建在超短回波时间肺部MRI中减少扫描时间的同时保持图像质量和结节检测能力的效用 | 结合共轭梯度重建和深度学习重建技术，在超短回波时间肺部MRI中实现扫描时间减少而不影响图像质量和结节检测能力 | 研究样本量相对较小（35名患者），且仅针对肺部结节进行评估，未涉及其他肺部病变 | 评估共轭梯度重建和深度学习重建在超短回波时间肺部MRI中减少扫描时间的潜力 | NEMA体模和35名肺部结节患者 | 医学影像分析 | 肺癌 | 超短回波时间MRI | 深度学习重建 | MRI图像 | 35名肺部结节患者和NEMA体模 | NA | NA | 信噪比, 图像质量评分, 结节检测能力, ROC曲线下面积 | NA |
| 7943 | 2025-12-26 |
U-Net-based deep learning architecture for automated CBCT segmentation of the mandibular canal in dental implant treatment planning: A systematic review and meta-analysis
2025-Dec-23, The Journal of prosthetic dentistry
IF:4.3Q1
DOI:10.1016/j.prosdent.2025.12.003
PMID:41444033
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了基于U-Net的深度学习架构在CBCT影像中自动分割下颌管用于牙科种植治疗规划的准确性和临床相关性 | 首次对基于U-Net的深度学习模型在CBCT下颌管自动分割中的应用进行系统综述和定量荟萃分析，综合评估其分割精度和临床潜力 | 纳入研究数量有限（8项），存在高度异质性，且外部验证和模型可解释性分析报告不足，可能影响结果的普遍适用性 | 评估深度学习（主要是U-Net架构）在CBCT影像中自动分割下颌管用于牙科种植规划的准确性和临床价值 | 锥形束计算机断层扫描（CBCT）影像中的下颌管结构 | 数字病理 | NA | 锥形束计算机断层扫描（CBCT） | 深度学习 | 医学影像（CBCT扫描） | NA | NA | U-Net, 注意力机制U-Net, 残差U-Net | Dice相似系数（DSC）, 95%豪斯多夫距离（HD）, 交并比（IoU） | NA |
| 7944 | 2025-12-26 |
MRI-based habitat radiomics and deep learning for predicting vessels encapsulating tumor clusters and survival in hepatocellular carcinoma
2025-Dec-22, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-02167-3
PMID:41428280
|
研究论文 | 本研究开发并验证了一种基于MRI的深度学习放射组学列线图模型，用于术前预测肝细胞癌中的血管包绕肿瘤簇和无复发生存期 | 首次结合栖息地放射组学和深度学习特征构建了多模态预测模型，并利用SHAP方法增强了模型的可解释性 | 回顾性研究设计可能存在选择偏倚，且外部验证集规模相对有限 | 开发术前预测肝细胞癌血管包绕肿瘤簇状态和无复发生存期的预测模型 | 肝细胞癌患者 | 数字病理 | 肝细胞癌 | Gd-EOB-DTPA增强MRI | 深度学习,机器学习分类器 | MRI图像 | 625例肝细胞癌患者（训练集296例，内部测试集126例，外部测试集203例） | NA | NA | AUC,F1-score,C-index | NA |
| 7945 | 2025-12-26 |
Deep Learning Approaches for Classifying Children With and Without Autism Spectrum Disorder Using Inertial Measurement Unit Hand Tracking Data: Comparative Study
2025-Dec-22, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/73440
PMID:41428363
|
研究论文 | 本研究评估了多种深度学习模型，利用惯性测量单元手部追踪数据对自闭症谱系障碍儿童进行分类 | 结合卷积自编码器和长短期记忆层处理IMU手部追踪数据，在自闭症分类任务中实现了高准确率和F1分数，并验证了小规模模型在医疗数据分类中的有效性和泛化能力 | 样本量相对较小（41名学龄儿童），且仅基于单一任务（伸手清理任务）的IMU数据，可能限制了模型的广泛适用性 | 评估深度学习模型在利用惯性测量单元手部追踪数据对自闭症谱系障碍儿童进行分类中的效果 | 自闭症谱系障碍儿童和正常发育儿童的惯性测量单元手部追踪数据 | 机器学习 | 自闭症谱系障碍 | 惯性测量单元手部追踪 | 卷积自编码器, 长短期记忆 | 时间序列数据 | 41名学龄儿童（包括自闭症谱系障碍儿童和正常发育儿童） | NA | 卷积自编码器+长短期记忆 | 准确率, F1分数 | NA |
| 7946 | 2025-12-26 |
Quantitative multi-metabolite imaging of Parkinson's disease using AI boosted molecular MRI
2025-Dec-22, Npj imaging
DOI:10.1038/s44303-025-00130-x
PMID:41429895
|
研究论文 | 本研究结合快速分子MRI采集与深度学习重建，对急性MPTP小鼠模型中的多种代谢物进行定量成像，以探索帕金森病的生物标志物 | 首次将快速分子MRI采集范式与深度学习重建相结合，实现多代谢物（谷氨酸、可移动蛋白质、半固体及可移动大分子）的定量成像，并识别出半固体磁化转移、酰胺及脂肪族接力核奥弗豪斯效应质子体积分数作为潜在的帕金森病生物标志物 | 研究基于急性MPTP小鼠模型，结果可能无法完全反映人类帕金森病的异质性或早期阶段特征 | 开发一种基于人工智能增强的分子MRI技术，用于帕金森病的定量多代谢物成像，以改善诊断和生物标志物发现 | 急性MPTP诱导的帕金森病小鼠模型 | 数字病理学 | 帕金森病 | 分子MRI, 磁共振波谱 | 深度学习 | MRI图像 | NA | NA | NA | NA | NA |
| 7947 | 2025-12-24 |
Author Correction: Multimodal deep learning model for prognostic prediction in cervical cancer receiving definitive radiotherapy: a multi-center study
2025-Dec-22, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02204-x
PMID:41429919
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7948 | 2025-12-26 |
A fault classification scheme based on protective agents for microgrid with parameters impact analysis
2025-Dec-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28178-0
PMID:41430064
|
研究论文 | 本文提出了一种基于保护代理的微电网故障分类方法，结合智能电子设备和混合深度神经网络，并分析了多种参数对方案性能的影响 | 创新点在于结合保护代理和混合深度神经网络进行故障分类，并全面分析微电网参数对深度学习故障检测与定位方案的影响 | 未明确说明方法在更复杂或大规模微电网系统中的适用性，且参数分析可能受限于模拟环境 | 提高微电网故障分类的准确性，并评估不同参数对基于深度学习的故障检测与定位方案的影响 | 微电网的故障检测、类型识别、相位检测和定位 | 机器学习 | NA | 深度学习故障检测与定位 | DNN | 模拟数据 | NA | TensorFlow, Keras | 混合深度神经网络（包含单层和混合层类型） | 准确率, 故障定位误差 | 使用DIgSILENT Power Factory、MATLAB和Python软件进行模拟 |
| 7949 | 2025-12-26 |
Deep learning-based MRI model for predicting P53-mutated hepatocellular carcinoma
2025-Dec-22, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-02045-w
PMID:41430161
|
研究论文 | 本研究开发了一种基于MRI的深度学习模型，用于预测P53突变的肝细胞癌 | 首次利用EfficientNetV2架构，结合多序列MRI图像（动脉期、门静脉期、T2加权成像、肝胆期）构建深度学习模型来预测P53突变状态，并发现多序列组合模型显著优于单序列模型 | 研究为回顾性设计，样本量相对有限（312例），且未进一步验证模型在其他独立队列或前瞻性研究中的表现 | 开发一个基于MRI的深度学习模型，以无创方式预测肝细胞癌中的P53突变状态 | 312例经病理证实的肝细胞癌患者 | 计算机视觉 | 肝细胞癌 | 钆增强MRI | CNN | 图像 | 312例患者（训练集249例，测试集63例） | NA | EfficientNetV2 | AUC, 准确率, 灵敏度, 特异性, 精确率, F1分数 | NA |
| 7950 | 2025-12-26 |
From monochromatic waves to realistic tides: deep learning for short-term forecasting of coastal ocean
2025-Dec-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-31670-2
PMID:41423688
|
研究论文 | 本研究提出了一种结合卷积神经网络和长短期记忆网络的混合架构，用于预测德国湾的海平面变化 | 开发了结合CNN空间重建与LSTM时间预测的混合深度学习框架，能够从有限数量的沿海观测站重建整个海域的海平面，并通过模拟数据同化显著提升预测精度 | 模型性能受空间信号复杂度和梯度陡度等因素影响，研究主要关注数据丰富区域的应用潜力 | 开发深度学习模型以补充传统数值模型，实现海岸海洋的短期预报 | 德国湾的海平面变化数据 | 机器学习 | NA | 深度学习 | CNN, LSTM | 海平面数据 | 从学术数据到实际数据的海平面数据序列 | NA | 卷积神经网络, 长短期记忆网络 | 预测误差 | NA |
| 7951 | 2025-12-26 |
Decoding aroma perception of grilled lamb skewers: an EEG-MambaFusionNet framework integrating TDS and GC-IMS
2025-Dec-21, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.147676
PMID:41443075
|
研究论文 | 本研究通过整合感官、化学和神经数据，开发了一个深度学习框架来解码烤羊肉串从生到熟过程中香气感知的动态演变及其神经特征 | 首次将时间优势感官法、气相色谱-离子迁移谱和脑电图数据融合，并开发了EEG-MambaFusionNet深度学习框架来量化香气感知的动态过程 | 未在摘要中明确说明 | 研究烤羊肉串从生到熟过程中香气感知的动态演变及其对应的神经特征 | 烤羊肉串的香气感知过程 | 机器学习 | NA | 时间优势感官法，气相色谱-离子迁移谱，脑电图 | 深度学习框架 | 感官数据，化学数据，神经数据 | 未在摘要中明确说明 | NA | EEG-MambaFusionNet | 预测准确率 | 未在摘要中明确说明 |
| 7952 | 2025-12-26 |
Asymmetric Cross-Reactivity of Nuclear Receptors Reveals an Evolutionary Buffer Between Estrogen and Androgen Signaling
2025-Dec-21, bioRxiv : the preprint server for biology
DOI:10.64898/2025.12.18.695200
PMID:41446225
|
研究论文 | 本研究通过深度学习框架预测蛋白质-配体相互作用，揭示了雌激素与雄激素信号之间不对称的交叉反应性及其进化缓冲机制 | 首次通过全对全受体配体亲和力筛选揭示类固醇激素受体结合的不对称性，提出雌二醇作为早期类固醇配体的进化模型 | 研究主要基于计算预测和结构建模，需要进一步的实验验证来确认预测的亲和力差异和生理功能 | 探究类固醇激素受体之间的交叉反应性及其进化意义 | 核受体（特别是类固醇激素受体）及其配体（如雌二醇、睾酮） | 计算生物学 | 前列腺癌 | 深度学习蛋白质-配体相互作用预测、系统计算机亲和力预测、结构建模、祖先序列重建 | 深度学习框架 | 蛋白质序列与结构数据、配体化学数据 | NA | Boltz-2 | NA | NA | NA |
| 7953 | 2025-12-26 |
Smart room occupancy detection using neural networks and the puma optimization algorithm
2025-Dec-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-29938-8
PMID:41422073
|
研究论文 | 本研究提出了一种结合神经网络与美洲狮优化正弦余弦优化器（POSC）的机器学习方法，用于基于环境传感器数据实现高精度的房间占用检测 | 首次将POSC元启发式优化技术与神经网络结合，用于房间占用检测，通过动态平衡探索与利用来增强模型训练，实现更快的收敛速度和更好的分类性能 | 研究仅基于公开数据集进行验证，未在实际动态环境中进行大规模部署测试，且传感器类型有限 | 开发一种高精度、可扩展的房间占用检测方法，以支持智能建筑的节能管理、安全增强和舒适度提升 | 房间占用状态（占用/未占用） | 机器学习 | NA | 环境传感器数据采集（温度、湿度、光照强度、CO2浓度） | 神经网络 | 数值传感器数据 | 公开数据集（具体数量未说明） | 未明确说明 | 未指定具体架构 | 准确率、精确率、召回率、F1分数 | NA |
| 7954 | 2025-12-26 |
Deep Learning-Based Prediction of Enzyme Optimal pH and Design of Point Mutations to Improve Acid Resistance
2025-Dec-19, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.5c00679
PMID:41269167
|
研究论文 | 本文开发了一种名为CatOpt的深度学习模型，用于预测酶的最适pH值，并通过点突变设计提高酶的酸耐受性 | CatOpt模型在酶最适pH预测上优于现有方法，具有更好的可解释性，并能指导点突变设计以改善酶在低pH下的活性 | NA | 开发一个准确的深度学习预测器来定量描述pH对酶催化活性的影响，并设计点突变以提高酶的酸耐受性 | 酶的最适pH值、酸性和碱性酶的分类、点突变引起的酶最适pH变化 | 机器学习 | NA | 深度学习 | 深度学习模型 | 序列数据 | NA | NA | CatOpt | RMSE, 相关系数 | NA |
| 7955 | 2025-12-26 |
A Comparison of Two Deep Learning Approaches to Distinguish Functional Dissociative from Epileptic Seizures Using Event Videos
2025-Dec-19, medRxiv : the preprint server for health sciences
DOI:10.64898/2025.12.18.25342568
PMID:41445663
|
研究论文 | 本研究比较了两种深度学习模型（姿态估计和3D CNN）在仅使用视频数据区分功能性分离性发作与癫痫性发作方面的性能 | 首次开发了不依赖视频脑电图或神经科医生人工审阅的机器学习工具，通过视频数据自动区分功能性分离性发作与癫痫性发作 | 研究为回顾性设计，样本量较小（仅10名患者），未来需要更大规模的研究验证 | 开发机器学习工具以区分功能性分离性发作与癫痫性发作，减少对视频脑电图和神经科医生人工审阅的依赖 | 功能性分离性发作和癫痫性发作患者的视频数据 | 计算机视觉 | 癫痫 | 视频分析 | CNN | 视频 | 10名患者的106个事件视频（61个癫痫性发作，45个功能性分离性发作） | NA | 3D CNN | AUROC, AUPRC, 敏感性, 精确度, 准确度 | NA |
| 7956 | 2025-12-26 |
From Classical Machine Learning to Emerging Foundation Models: Review on Multimodal Data Integration for Cancer Research
2025-Dec-18, ArXiv
PMID:41445817
|
综述 | 本文全面回顾了从传统机器学习到新兴基础模型的多模态数据整合策略，以推进肿瘤学中数据驱动发现的计算方法 | 首次系统性地梳理了肿瘤学中从传统机器学习到先进基础模型用于多模态数据整合的转变，并将这些发展定位为癌症研究中大规模AI模型时代的基础 | NA | 回顾多模态数据整合策略，以协助推进肿瘤学中数据驱动发现的计算方法 | 多模态数据（基因组学、蛋白质组学、影像学、临床因素） | 机器学习 | 癌症 | NA | 基础模型, 深度学习模型 | 多模态数据（基因组、蛋白质组、影像、临床） | NA | NA | NA | NA | NA |
| 7957 | 2025-12-26 |
AnySleep: a channel-agnostic deep learning system for high-resolution sleep staging in multi-center cohorts
2025-Dec-16, ArXiv
PMID:41445815
|
研究论文 | 提出一种名为AnySleep的通道无关深度学习系统，用于在多中心队列中进行高分辨率睡眠分期 | 开发了首个能够使用任意EEG或EOG数据、在可调时间分辨率下进行睡眠分期的深度学习模型，并在跨21个数据集的超过19,000条夜间记录上验证了其鲁棒性 | 未明确说明模型在极少数特殊电极配置或罕见睡眠障碍中的表现 | 解决多中心睡眠研究中由于电极数量、导联方式和受试者特征差异导致的标准化难题，并探索更短时间尺度上的新型生物标志物 | 多中心收集的睡眠多导图（PSG）记录，包括EEG和EOG数据 | 数字病理学 | 老年疾病 | 多导睡眠图（PSG） | 深度神经网络 | 时间序列信号（EEG/EOG） | 超过19,000条夜间记录，来自21个数据集，总计近200,000小时的EEG和EOG数据 | 未明确说明 | 未明确说明 | 未明确说明具体指标，但提及达到最先进性能并在30秒时段上超越或持平现有基线 | 未明确说明 |
| 7958 | 2025-12-26 |
Scaling deep learning for material imaging with a pseudo 3D model for domain transfer
2025-Dec-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-66449-6
PMID:41387957
|
研究论文 | 提出了一种名为P3T-Net的伪三维域迁移网络，用于将多样化的3D图像统一到同一域，以提高深度学习模型在材料成像中的泛化能力 | 引入伪三维域迁移网络P3T-Net，能够将不同成像条件下的3D图像迁移到统一域，从而允许重用已训练模型处理新图像，并显著降低跨域迁移的计算成本 | 未明确提及模型在极端成像条件下的表现或对特定材料类型的适用性限制 | 减少3D X射线成像中因成像条件变化导致的图像不一致性，实现单一深度学习模型处理多数据集 | 地质岩石、氢燃料电池、锂离子电池等材料的3D X射线图像 | 计算机视觉 | NA | 3D X射线成像 | 深度学习网络 | 3D图像 | 涉及多种材料（地质岩石、氢燃料电池、锂离子电池）的图像，具体样本数量未明确 | NA | P3T-Net | NA | 单GPU（支持万亿体素规模的3D迁移） |
| 7959 | 2025-12-09 |
Artificial intelligence based quantification of T lymphocyte infiltrate predicts prognosis in high grade breast cancer using deep learning and statistical validation
2025-Dec-07, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-04185-5
PMID:41353687
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7960 | 2025-12-26 |
Deploying TinyML for energy-efficient object detection and communication in low-power edge AI systems
2025-Dec-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-27818-9
PMID:41350337
|
研究论文 | 本文提出了一种针对低功耗边缘AI系统的实时物体检测系统，通过模型压缩技术和双模通信协议优化能量效率和可扩展性 | 将MobileNetV2轻量化神经网络与8位后训练量化结合，在资源受限的微控制器上实现存储减少3倍，同时集成双模TCP/UDP通信以平衡可靠性与低延迟 | 研究基于Visual Wake Words数据集，可能未涵盖更复杂的物体检测场景；系统在极端资源约束下的性能边界尚未充分探索 | 开发适用于低功耗边缘AI系统的能量高效物体检测与通信解决方案 | 资源受限的微控制器单元（MCUs）及边缘AI应用场景 | 计算机视觉 | NA | 模型量化 | CNN | 图像 | 使用Visual Wake Words数据集（具体样本数未明确） | TensorFlow Lite Micro（推断），未明确训练框架 | MobileNetV2 | 准确率，延迟（每帧3.47-14.98毫秒），能量消耗（每次推断10.6-22.1焦耳），存储占用（286-536 KB） | 低功耗微控制器平台（1 MB闪存/256 KB SRAM），集成摄像头和Wi-Fi模块 |