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 33776 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2025-11-14 |
Multi-Cohort Federated Learning Shows Synergy in Mortality Prediction for MRI-Based and Metabolomics-Based Age Scores
2025-Dec, Journal of healthcare informatics research
IF:5.4Q1
DOI:10.1007/s41666-025-00208-6
PMID:41230244
|
研究论文 | 本研究通过联邦学习分析基于脑MRI的BrainAge和基于代谢物的MetaboAge两种生物年龄评分在死亡率预测中的协同作用 | 首次使用联邦学习研究不同生物年龄评分之间的相互作用，并发现BrainAge和MetaboAge在死亡率预测中具有互补价值 | 研究仅基于三个大型人群队列，数据共享限制可能影响更广泛的应用 | 研究不同类型生物年龄评分之间的相互关系及其在疾病预测中的价值 | 基于脑MRI的BrainAge评分和基于代谢物的MetaboAge评分 | 机器学习 | 老年疾病 | 脑MRI, 代谢组学 | 深度学习 | 医学影像, 代谢物数据 | 三个大型人群队列 | 联邦学习框架 | 深度学习模型 | 年龄预测误差, 关联分析, 生存分析 | NA |
| 62 | 2025-11-14 |
Diagnostic Accuracy of Artificial Intelligence Models for Predicting Postoperative Complications Following Free Flap Reconstruction: A Systematic Review and Meta-Analysis
2025-Dec, Microsurgery
IF:1.5Q3
DOI:10.1002/micr.70143
PMID:41231400
|
系统综述与荟萃分析 | 系统评估人工智能模型在预测游离皮瓣重建术后并发症中的诊断性能 | 首次对AI模型在皮瓣手术后并发症预测中的诊断准确性进行系统评价和荟萃分析 | 仅纳入12项研究，部分研究样本量有限，存在异质性 | 评估AI模型预测皮瓣重建术后并发症的诊断性能 | 接受游离皮瓣重建手术的患者 | 医疗人工智能 | 外科手术后并发症 | 人工智能模型 | 深度学习模型 | 多模态输入数据（包括摄影数据） | 18,520名患者，32,148个输入数据点 | NA | NA | 敏感度, 特异度, 似然比, SROC曲线下面积 | NA |
| 63 | 2025-11-14 |
A systematic review of computer-aided acupoint localization
2025-Nov-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.113708
PMID:41210988
|
系统综述 | 系统回顾了使用传统算法和深度学习在不同解剖区域进行穴位定位的研究文献 | 首次系统评估人工智能技术在穴位定位领域的应用效果与局限性 | 依赖现有文献质量，缺乏原始实验数据验证 | 评估自动化穴位定位技术的有效性、局限性和未来发展方向 | 穴位定位相关研究文献 | 计算机视觉 | NA | 深度学习，传统图像处理算法 | 深度学习模型 | 医学图像数据 | NA | NA | NA | NA | NA |
| 64 | 2025-11-14 |
Dual-channel deep learning captures intratumoural heterogeneity on CECT for preoperative risk stratification of thymic epithelial tumors
2025-Nov-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.113683
PMID:41210998
|
研究论文 | 开发双通道深度学习框架用于胸腺上皮肿瘤的术前风险分层 | 结合双通道CNN与自适应动态聚类算法，首次在CECT图像上捕获肿瘤内异质性进行风险分层 | 样本量相对有限（336例），需进一步多中心验证 | 提高胸腺上皮肿瘤术前风险分层的准确性 | 胸腺上皮肿瘤患者 | 医学影像分析 | 胸腺上皮肿瘤 | 对比增强CT（CECT） | CNN | 医学影像 | 336例多中心胸腺上皮肿瘤患者 | NA | DenseNet121 | AUC | NA |
| 65 | 2025-11-14 |
Deep Learning in neuroimaging for neurodegenerative diseases: State-of-the art, Challenges, and Opportunities
2025-Nov-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2025.123735
PMID:41176929
|
综述 | 本文探讨深度学习在神经退行性疾病神经影像分析中的最新进展、挑战与机遇 | 扩展研究范围至多种神经退行性疾病，并深入分析脑容积影像中空间/时间信息的处理方法 | 存在扫描仪间/站点间差异、类别不平衡、标注数据稀缺等影响模型泛化能力的问题 | 改善神经退行性疾病的早期诊断和疾病监测 | 阿尔茨海默病、额颞叶痴呆、路易体痴呆、帕金森病、亨廷顿病、肌萎缩侧索硬化症、多发性硬化症等神经退行性疾病 | 医学影像分析 | 神经退行性疾病 | 神经影像 | 深度学习 | 脑容积影像 | NA | NA | NA | 准确率 | NA |
| 66 | 2025-11-14 |
A deep learning-based radiomics model for noninvasive diagnosis of melanoma
2025-Nov-14, Melanoma research
IF:1.5Q4
DOI:10.1097/CMR.0000000000001071
PMID:41201865
|
研究论文 | 开发了一种结合深度学习和影像组学的非侵入性诊断模型，用于提高黑色素瘤早期诊断的准确性和临床实用性 | 首次将深度学习特征（ResNet50层输出）与影像组学特征相结合构建随机森林模型用于黑色素瘤诊断 | 回顾性单中心研究，样本量相对有限（350例患者） | 提高黑色素瘤早期诊断的准确性和临床实用性 | 皮肤色素性病变患者 | 医学影像分析 | 黑色素瘤 | 影像组学分析 | 随机森林,支持向量机,K近邻,ResNet | 医学影像数据 | 350例皮肤色素性病变患者（训练集245例，验证集105例） | Python 3.8.5, sklearn | ResNet50 | AUC | NA |
| 67 | 2025-11-14 |
Foundation models for EEG decoding: current progress and prospective research
2025-Nov-13, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae17e9
PMID:41145005
|
综述 | 本文综述了脑电图基础模型在EEG解码中的研究进展、性能表现和未来发展方向 | 首次系统分析EEG基础模型的核心组件、预训练技术和泛化能力，揭示其在癫痫检测等任务中的潜力 | 在复杂场景如运动想象解码中的性能仍然有限，模型泛化能力有待进一步提升 | 分析EEG基础模型的研究现状，为未来研究提供建议和方向 | 脑电图基础模型及其在EEG解码中的应用 | 机器学习 | 癫痫 | 脑电图记录 | Transformer | EEG信号 | 最多14,987名受试者，总时长27,062小时 | NA | 基于Transformer的高效架构 | NA | NA |
| 68 | 2025-11-14 |
Light fuel classification based on Raman spectroscopy and region-adaptive convolutional neural networks
2025-Nov-13, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d5ay01009h
PMID:41178741
|
研究论文 | 提出基于拉曼光谱和区域自适应卷积神经网络的轻质燃料分类方法 | 将拉曼光谱划分为四个区域进行特异性特征提取，通过基于区域峰值密度的初始权重分配和自适应区域贡献约束机制增强模型对弱特征峰的识别能力 | 仅使用16种不同等级和来源的轻质燃料样本，样本多样性可能有限 | 开发快速准确的轻质燃料战场识别方法 | 汽油、柴油和航空燃料等轻质燃料 | 机器学习 | NA | 拉曼光谱 | CNN | 光谱数据 | 16种不同等级和来源的轻质燃料 | NA | 一维卷积神经网络 | 准确率, 精确率, 召回率, F1分数 | NA |
| 69 | 2025-11-14 |
Prediction of single event effects in SiC MOSFET devices based on deep learning
2025-Nov-13, Nanotechnology
IF:2.9Q2
DOI:10.1088/1361-6528/ae1a8f
PMID:41183390
|
研究论文 | 提出基于深度学习的SiC MOSFET单粒子效应预测方法，通过SRIM-TCAD集成建模实现高效预测 | 首次将深度学习应用于SiC MOSFET单粒子效应预测，提出对称对数倒数数据缩放技术，实现比传统TCAD仿真快5-6个数量级的预测速度 | 仅针对SiC MOSFET器件进行研究，未验证在其他半导体器件上的适用性 | 开发高效准确预测SiC MOSFET单粒子效应的方法 | SiC MOSFET器件的单粒子效应 | 机器学习 | NA | SRIM-TCAD集成建模 | RDNN, CNN-GRU | 仿真数据 | 52,920个单粒子效应事件 | NA | 残差深度神经网络, 卷积神经网络-门控循环单元 | R² | NA |
| 70 | 2025-11-14 |
Real-time deep learning for tumor segmentation and tool tracking: development and validation of an AI navigation system in vacuum-assisted breast biopsy
2025-Nov-13, World journal of surgical oncology
IF:2.5Q1
DOI:10.1186/s12957-025-04087-4
PMID:41225484
|
研究论文 | 开发并验证了一种基于YOLOv11深度学习架构的实时AI导航系统，用于真空辅助乳腺活检中的肿瘤分割和工具跟踪 | 首个专门为真空辅助乳腺活检设计的实时人工智能导航系统，采用两阶段深度学习架构实现肿瘤定位和工具实时跟踪 | 研究样本量相对有限（167例手术），需要在更大多中心数据集中进一步验证 | 开发实时AI导航系统以提高真空辅助乳腺活检手术的准确性和效率 | 乳腺病变患者和真空辅助乳腺活检手术过程 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 超声图像 | 167例真空辅助乳腺活检手术的22,278张标注超声图像 | PyTorch | YOLOv11 | mAP50, 处理速度 | GPU和CPU平台 |
| 71 | 2025-11-14 |
Deep Learning-Decoded Raman Spectroscopy for Hour-Scale iPSC Pluripotency Assessment via Lipid-Protein Biomarkers
2025-Nov-13, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03560
PMID:41230979
|
研究论文 | 结合深度学习与拉曼光谱技术，实现小时级别的诱导多能干细胞多能性无标记评估 | 首次实现小时级别的iPSC多能性快速检测，在培养基扰动1小时即可检测多能性异常，早于形态学变化 | 未明确说明样本规模和验证集的多样性 | 开发快速无标记的诱导多能干细胞多能性评估方法 | 诱导多能干细胞(iPSC) | 机器学习 | NA | 拉曼光谱 | CNN | 光谱数据 | NA | NA | 一维卷积神经网络(1D-CNN) | 准确率 | NA |
| 72 | 2025-11-14 |
Multi-sequence MRI deep learning and habitat radiomics for predicting mismatch repair status and prognosis in colorectal liver metastasis: a multicenter study
2025-Nov-13, La Radiologia medica
DOI:10.1007/s11547-025-02155-z
PMID:41231329
|
研究论文 | 基于多序列MRI的栖息地影像组学和深度学习模型预测结直肠癌肝转移的错配修复状态及预后 | 首次将栖息地影像组学与深度学习相结合，利用多序列MRI术前预测CRLM的MMR状态和预后 | 回顾性研究，样本量有限（178例患者） | 术前预测结直肠癌肝转移的错配修复状态和患者预后 | 结直肠癌肝转移患者 | 医学影像分析 | 结直肠癌肝转移 | 多序列MRI（T2WI、DWI、动态增强MRI） | 深度学习模型 | 医学影像 | 178例患者（训练集93例，内部验证集40例，外部验证集45例） | NA | NA | AUC, 95% CI, log-rank检验 | NA |
| 73 | 2025-11-14 |
Resolution and quality enhancement of SPECT cerebral blood flow images using Pix2pix deep learning
2025-Nov-13, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-025-02129-1
PMID:41231365
|
研究论文 | 本研究使用Pix2pix深度学习框架提升SPECT脑血流图像的分辨率和图像质量 | 首次将Pix2pix机器学习框架应用于SPECT-CBF图像增强，使其在视觉和结构上更接近高质量的PET-CBF图像 | 样本量相对较小（73例患者），且仅针对脑缺血疑似患者进行研究 | 提升SPECT脑血流图像的空间分辨率和图像质量 | 73例疑似脑缺血患者的SPECT和PET脑血流图像 | 医学影像处理 | 脑缺血 | SPECT成像（使用123I-IMP）、PET成像（使用O-15标记气体） | GAN | 医学影像 | 73例患者（43例训练，15例测试，15例验证） | Pix2pix | Pix2pix | 视觉评分（5分制）、结构相似性指数（SSIM）、ROI定量分析、相关系数（r） | NA |
| 74 | 2025-11-14 |
AI-Based Models for Risk Prediction in MASLD: A Systematic Review
2025-Nov-13, Digestive diseases and sciences
IF:2.5Q2
DOI:10.1007/s10620-025-09499-6
PMID:41231418
|
系统评价 | 评估基于AI的模型在MASLD风险预测和患者分层中的效能 | 首次系统评价AI模型在MASLD风险预测中的应用，重点关注临床显著疾病风险的识别 | 数据多样性不足和模型可解释性有限 | 评估AI模型在MASLD风险预测和患者分层中的效能 | MASLD患者，特别是≥F2纤维化、≥F3晚期纤维化或MASH风险个体 | 机器学习 | 代谢功能障碍相关脂肪性肝病 | 机器学习，深度学习 | NA | 临床特征，弹性成像，影像学数据 | 26项研究（2014-2025年），涵盖欧洲、美国、亚洲和南美洲的回顾性队列和横断面研究 | NA | NA | AUROC | NA |
| 75 | 2025-11-14 |
Deep Learning in Otolaryngology: A Narrative Review
2025-Nov-13, JAMA otolaryngology-- head & neck surgery
DOI:10.1001/jamaoto.2025.3911
PMID:41231484
|
综述 | 本文综述了深度学习在耳鼻喉科领域的最新应用进展并提出了临床整合框架 | 首次系统梳理了2020-2025年间深度学习在耳鼻喉科的应用现状，并提出了促进临床整合的创新框架 | 作为叙述性综述，缺乏定量荟萃分析；纳入研究存在异质性；未评估发表偏倚 | 总结深度学习在耳鼻喉科的应用现状并提出临床整合框架 | 327篇关于深度学习在耳鼻喉科应用的原始研究 | 医学人工智能 | 耳鼻喉科疾病 | 深度学习 | 深度神经网络 | 医学图像, 生理信号 | 327项原始研究（从1422篇文献中筛选） | NA | NA | 诊断准确率, 生存分层, 复发预测 | NA |
| 76 | 2025-11-14 |
RAPID-Net: Accurate Pocket Identification for Binding-Site-Agnostic Docking
2025-Nov-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01744
PMID:41231530
|
研究论文 | 提出基于深度学习的RAPID-Net算法，用于精确预测结合口袋并实现与分子对接流程的无缝集成 | 开发了轻量级推理算法，在保持竞争力的准确度同时实现可扩展性，能够识别远端功能位点为变构抑制剂设计提供新机会 | 姿态排序而非采样是主要精度瓶颈，在92.2%案例中至少能采样到一个RMSD < 2 Å的姿态但需要改进排序机制 | 开发用于结构基药物设计的结合口袋精确识别方法 | 蛋白质结合口袋和分子对接 | 计算生物学 | 传染病（如SARS-CoV-2） | 深度学习 | 神经网络 | 蛋白质结构数据 | PoseBusters基准测试集（包含2021年9月30日后提交的结构） | NA | RAPID-Net | RMSD, PoseBusters化学有效性标准, Top-1姿态准确率, 口袋-配体交集率 | NA |
| 77 | 2025-11-14 |
Incorporating targeted protein structure in deep learning methods for molecule generation in computational drug design
2025-Nov-12, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc05748e
PMID:41164301
|
综述 | 探讨深度学习在基于结构的药物发现中整合蛋白质结构信息的方法与应用 | 系统梳理了从早期形状匹配方法到最新共折叠模型的发展脉络，强调通过联合预测蛋白质和配体结构提升分子设计效果 | NA | 总结基于结构的深度学习药物设计方法，展望领域未来发展方向 | 蛋白质结构信息与分子生成模型 | 计算药物设计 | NA | 深度学习 | NA | 蛋白质结构数据，分子结构数据 | NA | NA | 共折叠模型 | NA | NA |
| 78 | 2025-11-14 |
Automatic segmentation and measurement of tongue geometric features using TOSA-Net for obstructive sleep apnoea
2025-Nov-12, Sleep & breathing = Schlaf & Atmung
DOI:10.1007/s11325-025-03511-z
PMID:41222764
|
研究论文 | 提出基于深度学习的TOSA-Net模型，用于自动分割和测量阻塞性睡眠呼吸暂停相关的舌头几何特征 | 首次使用深度学习分割方法量化OSA相关舌头几何特征 | 样本量相对有限(n=207)，需要进一步验证 | 开发自动化的舌头几何特征测量方法以辅助OSA研究 | 舌头图像和几何特征 | 计算机视觉 | 阻塞性睡眠呼吸暂停 | 深度学习图像分割 | CNN | 图像 | 207例正面和侧面舌头图像 | NA | U-Net | Dice系数,Pearson相关性,一致性分析 | NA |
| 79 | 2025-11-14 |
Predicting Acute Kidney Injury with Nephrotoxic Burden in Non-Critical Patients: An Internal and External Validation Study
2025-Nov-12, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000998
PMID:41222992
|
研究论文 | 开发并验证深度学习模型用于动态预测非重症患者48小时内进展至2期或更高急性肾损伤 | 首次在多中心数据上开发并外部验证包含肾毒性药物负担等特征的深度学习预测模型 | 回顾性研究设计，仅包含两个医疗中心的数据 | 预测非重症患者急性肾损伤的进展风险 | 匹兹堡大学医学中心(39,755例)和佛罗里达大学健康中心(122,324例)的成年非重症患者 | 医疗健康 | 急性肾损伤 | 深度学习 | 深度学习模型 | 临床数据(人口统计学、合并症、药物、实验室检查、生命体征) | 总计162,079例患者(匹兹堡大学医学中心39,755例，佛罗里达大学健康中心122,324例) | NA | NA | AUROC(受试者工作特征曲线下面积) | NA |
| 80 | 2025-11-14 |
AutoFDP: Automatic Force-based Model Selection for Multicriteria Graph Drawing
2025-Nov-12, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3631659
PMID:41223106
|
研究论文 | 提出一种基于用户指定可读性标准自动构建力导向图布局模型的通用框架 | 系统性地整合了传统力导向模型与标准驱动技术，实现了基于图相似性的模型复用和子图标准细化 | NA | 开发自动化的多标准图布局模型选择方法 | 图布局模型和可读性标准 | 图可视化 | NA | 力导向图布局算法 | 力导向模型 | 图数据 | 多种不同类型的图 | NA | AutoFDP框架 | 布局质量比较，泛化能力评估 | NA |