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 36734 篇文献，本页显示第 781 - 800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2025-12-13 |
The Duke University Cervical Spine MRI Segmentation Dataset (CSpineSeg)
2025-Oct-27, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05975-w
PMID:41145519
|
研究论文 | 本文介绍了杜克大学颈椎MRI分割数据集（CSpineSeg），并提出了一个深度学习分割模型作为基准 | 发布了一个公开可用的颈椎MRI分割数据集，并提供了一个基准分割模型 | 数据集仅包含单中心数据，可能限制模型的泛化能力 | 为颈椎研究提供数据资源，并建立分割任务的基准 | 颈椎磁共振成像（MRI） | 数字病理学 | 颈椎疾病 | 磁共振成像（MRI） | 深度学习分割模型 | 图像 | 1,255例颈椎MRI检查（来自1,232名患者），其中481例有专家手动分割标注 | NA | NA | Dice系数 | NA |
| 782 | 2025-12-13 |
A knowledge-driven deep learning framework for organoid morphological segmentation and characterization
2025-Oct-21, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-025-02411-8
PMID:41121276
|
研究论文 | 本文提出了一种知识驱动的深度学习框架TransOrga-plus，用于在非侵入性和低资源设置下自动分析类器官的形态分割和动态特征 | 提出了一种结合生物知识（如类器官形态特征）的多模态Transformer分割模块，并引入轻量级多目标跟踪模块，实现了非侵入性类器官动态分析 | NA | 开发一个通用框架，用于在非侵入性和低资源设置下分析类器官的动态变化 | 类器官 | 计算机视觉 | NA | 明场显微镜成像 | Transformer | 图像 | 大规模类器官数据集，涵盖多种组织类型和显微成像设置 | NA | 多模态Transformer | NA | NA |
| 783 | 2025-12-13 |
Biologically grounded neocortex computational primitives implemented on neuromorphic hardware improve vision transformer performance
2025-Oct-14, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2504164122
PMID:41055996
|
研究论文 | 本研究通过构建一个受实验约束的生物物理真实小鼠初级视觉皮层微环路模型，揭示了特定中间神经元类别通过竞争-合作机制实现软赢家通吃（sWTA）动力学，并将其映射到神经形态硬件上，最终作为预处理滤波器集成到Vision Transformer中，显著提升了模型的泛化能力和计算效率 | 将生物物理真实的皮层微环路计算原理（sWTA）首次映射到神经形态硬件（IBM TrueNorth），并作为预处理模块嵌入现代Vision Transformer架构，实现了生物学原理与AI性能提升的统一 | 模型基于小鼠初级视觉皮层（2-3层）的体外生理数据构建，其计算原理在其他皮层区域或更复杂认知任务中的普适性有待进一步验证 | 探索大脑皮层微环路的计算原理，并将其转化为可提升现代深度学习架构性能的神经形态计算模块 | 小鼠初级视觉皮层（层2-3）的微环路，涉及四种主要中间神经元类别（Parvalbumin, Somatostatin, vasoactive intestinal peptide, LAMP5） | 机器学习, 神经形态计算 | NA | 生物物理真实建模, 神经形态硬件映射 | Vision Transformer, 基于电导的神经网络 | 图像数据 | NA | NA | Vision Transformer, sWTA模块 | 准确率, 泛化性能, 训练计算量 | IBM TrueNorth神经形态芯片 |
| 784 | 2025-12-13 |
Artificial Intelligence in Rhinoplasty: Precision or Over-Reliance?
2025-Oct, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-025-04954-1
PMID:40389738
|
评论 | 本文探讨了人工智能在鼻整形术中的应用及其潜在影响，包括术前规划、患者沟通以及相关的伦理和医学法律问题 | 深入分析了AI在鼻整形术中的创新应用，如深度学习与GANs用于预测术后结果，并强调了其局限性及伦理考量 | AI无法考虑个体愈合过程、组织行为和长期鼻部重塑，且存在预测偏差、强化不切实际的美学标准等伦理问题 | 评估人工智能在鼻整形术中的角色，探讨其作为辅助工具而非替代外科专业知识的合理性 | 人工智能技术在鼻整形术中的应用及其对患者和医疗实践的影响 | 数字病理学 | NA | 深度学习, 生成对抗网络(GANs) | 深度学习模型, GANs | 图像数据 | NA | NA | NA | NA | NA |
| 785 | 2025-12-13 |
Correlation of fetal heartbeat outcome after Day 3 or Day 5 single embryo transfer of morphologically selected embryos with an annotation-free deep learning scoring system: Results from a multi-center study
2025-Oct, Journal of assisted reproduction and genetics
IF:3.2Q2
DOI:10.1007/s10815-025-03570-x
PMID:40794157
|
研究论文 | 本研究通过多中心回顾性队列分析，评估了基于AI的胚胎评分系统（iDAScore V2）在预测胎儿心跳结局方面是否等同于或优于传统形态学评估 | 首次在多中心研究中验证了完全自动化的AI胚胎评分系统（iDAScore V2）在预测胚胎植入成功率（以胎儿心跳为指标）方面的优越性，且无需人工标注 | 研究为回顾性观察性设计，可能存在选择偏倚；未涉及不同AI模型间的比较；临床结局指标仅限于胎儿心跳 | 比较AI胚胎评分系统与形态学评估在预测胚胎植入成功率方面的效能 | 通过形态学和时差成像视频选择的第3天或第5天单胚胎移植的胚胎 | 数字病理 | 生殖医学 | 时差成像视频分析 | 深度学习 | 视频 | 第3天移植胚胎2965个，第5天及以上移植胚胎6970个 | 未提及 | iDAScore V2 | AUC | 未提及 |
| 786 | 2025-12-13 |
Sinogram to image: direct reconstruction of photoacoustic tomography image using a hybrid deep learning approach
2025-Sep-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.569549
PMID:41368093
|
研究论文 | 本研究提出了一种混合深度学习方法来直接从光声层析成像的原始传感器数据（正弦图）重建图像，避免了传统多步重建过程 | 首次将光声层析成像图像重建问题构建为监督学习任务，采用混合全连接网络与Swin-UNETR直接从原始正弦图学习映射关系 | 未明确说明方法对噪声和硬件限制的鲁棒性，也未提及在临床数据上的验证情况 | 开发一种数据驱动的方法来改进光声层析成像的图像重建质量与效率 | 光声层析成像的原始传感器数据（正弦图） | 计算机视觉 | NA | 光声层析成像 | 全连接网络, Swin-UNETR | 图像, 传感器数据 | NA | NA | 全连接网络, Swin-UNETR | 峰值信噪比, 结构相似性指数 | NA |
| 787 | 2025-12-13 |
[Prospects and technical challenges of non-invasive brain-computer interfaces in manned space missions]
2025-Aug-28, Zhong nan da xue xue bao. Yi xue ban = Journal of Central South University. Medical sciences
|
综述 | 本文综述了非侵入式脑机接口技术在载人航天任务中的应用前景与技术挑战 | 系统性地提出了非侵入式脑机接口在航天员选拔、在轨任务执行及任务后康复等全任务周期的应用范式，并前瞻性地探讨了与深度学习、虚拟现实及机器人技术融合的智能人机协作模型 | 面临信号鲁棒性不足、系统适应性有限及数据处理效率欠佳等技术挑战 | 探讨非侵入式脑机接口技术在载人航天任务中的应用潜力与实现路径 | 航天员在长期载人航天任务中的生理、心理及认知功能 | 脑机接口 | NA | 非侵入式脑机接口技术，多模态生理信号采集 | 深度学习算法 | 神经信号，多模态生理信号 | NA | NA | NA | NA | NA |
| 788 | 2025-12-13 |
spRefine Denoises and Imputes Spatial Transcriptomics with a Reference-Free Framework Powered by Genomic Language Model
2025-Jul-07, bioRxiv : the preprint server for biology
DOI:10.1101/2025.04.22.649977
PMID:40631230
|
研究论文 | 本文介绍了一种名为spRefine的深度学习框架，利用基因组语言模型对空间转录组数据进行去噪和插补 | 提出了一个无参考框架，结合基因组语言模型联合处理空间转录组数据的噪声和缺失问题，并作为模型预训练和新生物信号发现的强有力工具 | NA | 克服空间转录组数据中高噪声水平和基因测量缺失的挑战，提升数据质量和分析能力 | 空间转录组数据 | 机器学习 | NA | 空间转录组学 | 深度学习框架 | 空间转录组数据 | NA | NA | 基因组语言模型 | NA | NA |
| 789 | 2025-12-13 |
Integrative Analysis of Multi-Omics Data for Biomarker Discovery
2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC58623.2025.11254134
PMID:41336317
|
研究论文 | 本文通过整合代谢组学、脂质组学、肽组学、蛋白质组学和糖蛋白组学数据，探索统计和深度学习方法，以发现区分肝细胞癌与肝硬化对照的多组学生物标志物 | 采用多组学整合分析方法，结合统计和深度学习技术，从血清样本中识别肝细胞癌与肝硬化的差异特征，并揭示相关生物通路如LXR/RXR激活和急性反应信号 | 样本量较小（仅20例肝细胞癌和20例肝硬化患者），可能影响结果的普遍性和统计效力 | 发现区分肝细胞癌与肝硬化的多组学生物标志物，以改善疾病预测和个性化治疗 | 肝细胞癌和肝硬化患者的血清样本 | 机器学习 | 肝细胞癌 | LC-MS/MS分析 | 深度学习 | 多组学数据（代谢组学、脂质组学、肽组学、蛋白质组学、糖蛋白组学） | 40个血清样本（20例肝细胞癌，20例肝硬化） | NA | NA | NA | NA |
| 790 | 2025-12-13 |
Leveraging artificial intelligence for cardiovascular risk: a primary care perspective
2025 Jul-Sep, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie
DOI:10.47162/RJME.66.3.13
PMID:41382952
|
研究论文 | 本研究探讨了基于人工智能的时间深度学习模型在初级保健中支持心血管风险分层的潜力 | 利用时间深度学习模型（LSTM和GRU）在临床现实的合成患者队列中进行心血管风险预测，并将预测结果转化为可操作的临床建议 | 研究基于合成患者队列，可能无法完全反映真实世界数据的复杂性 | 支持初级保健中的心血管风险分层，以增强早期干预策略 | 合成患者队列，包括人口统计学和临床变量 | 机器学习 | 心血管疾病 | NA | LSTM, GRU | 序列数据 | NA | NA | LSTM, GRU | NA | NA |
| 791 | 2025-12-13 |
A multi-filter deep transfer learning framework for image-based autism spectrum disorder detection
2025-Apr-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97708-7
PMID:40274878
|
研究论文 | 本文提出了一种集成数据增强、多滤波、直方图均衡化和两阶段降维的深度学习框架，用于基于图像的孤独症谱系障碍检测 | 提出了一种新颖的多滤波深度迁移学习框架，该框架通过集成多种预处理和特征处理策略，在冻结的预训练模型上显著提升了分类性能，无需微调 | 研究依赖于特定的基准面部数据集，其泛化能力到其他数据集或真实临床环境有待验证；框架的组件组合可能对特定模型和数据集敏感 | 开发一种自动化、高效的图像计算方法，以辅助孤独症谱系障碍的早期和更准确诊断 | 孤独症谱系障碍患者与非患者的图像样本 | 计算机视觉 | 孤独症谱系障碍 | 图像模式识别 | CNN, Transformer | 图像 | 文献中一个成熟的基准面部数据集，包含孤独症和非孤独症个体的样本 | NA | ResNet-50, ViTSwin | 准确率 | NA |
| 792 | 2025-12-13 |
NLP-enriched social determinants of health improve prediction of suicide death among the Veterans
2025-Mar-31, Research square
DOI:10.21203/rs.3.rs-5067562/v1
PMID:40235516
|
研究论文 | 本研究探讨了通过自然语言处理（NLP）和ICD编码提取的社会行为健康决定因素（SBDH）对退伍军人精神病院出院后自杀死亡预测模型的性能提升作用 | 创新性地将NLP从非结构化临床记录中提取的SBDH信息与ICD编码信息结合，用于提升自杀死亡预测模型的性能、校准度和公平性 | 研究人群仅限于美国退伍军人，可能限制了结果的普适性；模型性能仍有提升空间（AUROC约64%） | 评估社会行为健康决定因素（SBDH）作为预测因子是否能改善精神病院出院患者的自杀死亡预测 | 2017年1月1日至2019年7月1日期间从129家美国退伍军人健康管理局（VHA）精神病院出院的197,581名退伍军人，共计414,043次出院记录 | 自然语言处理 | 精神疾病 | 自然语言处理（NLP），ICD编码分析 | 集成机器学习模型，基于Transformer的深度学习基础模型 | 文本（非结构化临床记录），结构化管理数据 | 197,581名退伍军人的414,043次出院记录 | NA | TransformEHR | 灵敏度，阳性预测值（PPV），受试者工作特征曲线下面积（AUROC），校准分析 | NA |
| 793 | 2025-12-13 |
Principles of artificial intelligence in radiooncology
2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-024-02272-0
PMID:39105746
|
综述 | 本文是一篇针对放射肿瘤学领域的人工智能深度学习原理的全面指南 | 以易于理解的方式，专门为放射肿瘤学定制，系统阐述了深度学习的技术原理，填补了该领域缺乏易懂综述的空白 | NA | 阐明深度学习在放射肿瘤学中的技术原理，旨在弥合复杂技术概念与临床实践之间的差距 | 深度学习模型及其在放射肿瘤学中的应用 | 机器学习 | NA | NA | MLP, CNN, RNN, Transformer, GAN, 扩散生成模型, 强化学习 | NA | NA | NA | NA | NA | NA |
| 794 | 2025-12-13 |
Deep learning for autosegmentation for radiotherapy treatment planning: State-of-the-art and novel perspectives
2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-024-02262-2
PMID:39105745
|
综述 | 本文总结了人工智能在放射治疗计划自动分割中的最新技术和临床应用 | 探讨了将数学肿瘤生长模型与AI肿瘤检测相结合以优化靶区勾画的新视角，并展望了一站式分割与放疗计划的前沿 | 临床实施中面临领域偏移等挑战 | 总结AI在放疗计划自动分割中的技术现状与临床应用 | 危及器官、大体肿瘤体积和临床靶区 | 数字病理 | 肿瘤 | NA | 深度学习 | 医学影像 | NA | NA | NA | 效率、一致性和时间节省 | NA |
| 795 | 2025-12-13 |
The Segment Anything foundation model achieves favorable brain tumor auto-segmentation accuracy in MRI to support radiotherapy treatment planning
2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-024-02313-8
PMID:39503868
|
研究论文 | 本研究评估了Segment Anything基础模型在MRI图像中自动分割脑胶质瘤的准确性，以支持放射治疗计划 | 首次将可提示的基础分割模型应用于脑胶质瘤的交互式自动轮廓勾画，并评估其在放射治疗计划中的潜力 | 使用建议掩码时准确性较低（0.572），且模型性能可能受肿瘤分级影响 | 评估Segment Anything基础模型在脑胶质瘤MRI自动分割中的准确性，以支持放射治疗计划 | 脑胶质瘤MRI图像 | 数字病理 | 脑胶质瘤 | MRI成像 | 基础分割模型 | MRI图像 | 369个MRI数据集，共16,744个横断面切片 | NA | Segment Anything | IoU, Dice系数 | NA |
| 796 | 2025-12-13 |
Enhancing the prediction of symptomatic radiation pneumonitis for locally advanced non-small-cell lung cancer by combining 3D deep learning-derived imaging features with dose-volume metrics: a two-center study
2025-03, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al]
IF:2.7Q2
DOI:10.1007/s00066-024-02221-x
PMID:38498173
|
研究论文 | 本研究结合3D深度学习提取的影像特征与剂量-体积指标，以增强局部晚期非小细胞肺癌患者症状性放射性肺炎的预测能力 | 首次将3D深度学习从放疗前计划CT中提取的影像特征与临床相关的剂量-体积指标（如V30Gy）相结合，构建了用于预测放射性肺炎的模型，并在两个中心的数据集上进行了验证 | 样本量相对有限（总计149例患者），且为回顾性研究，需要更大规模的前瞻性研究进一步验证模型的泛化能力 | 探索深度学习提取的影像特征在预测局部晚期非小细胞肺癌患者放射性肺炎方面的能力，并评估其与剂量-体积指标结合后的预测价值提升 | 局部晚期非小细胞肺癌患者 | 数字病理学 | 肺癌 | 3D深度学习，CT影像分析 | 深度学习 | 3D CT影像 | 149例患者（90例来自复旦大学附属肿瘤医院，59例来自江南大学附属医院） | 未明确指定，可能为TensorFlow或PyTorch | 多层感知机 | AUC | NA |
| 797 | 2025-12-13 |
Can artificial intelligence and face recognition using deep learning detect emotions in children with autism?
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0338701
PMID:41364738
|
研究论文 | 本研究评估了深度学习模型通过人脸识别技术识别自闭症儿童面部表情的性能 | 提出了一种名为AutismEfficientNet的新型深度学习架构，通过整合EfficientNetV2和MobileNetV3来提高分类准确性 | 需要在临床环境和多样化人群中进行进一步验证 | 评估深度学习模型在识别自闭症儿童面部表情方面的性能 | 自闭症儿童的面部图像数据 | 计算机视觉 | 自闭症 | 人脸识别技术 | CNN | 图像 | 两个已发布数据集：Dr. Fatma M. Talaat's Emotions of Autistic Children 和 FERAC数据集 | NA | AutismEfficientNet, EfficientNetV2, MobileNetV3 | 准确率, 灵敏度, 特异性, F1分数 | NA |
| 798 | 2025-12-13 |
Application and performance of artificial intelligence-based models in the detection, segmentation and classification of periapical lesions: a systematic review
2025, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2025.1717343
PMID:41367407
|
系统综述 | 本文系统综述了基于人工智能的模型在根尖周病变的检测、分割和分类中的应用与性能 | 首次系统性地总结和评估了AI在根尖周病变诊断多个任务（检测、分割、分类）中的应用现状与性能表现 | 纳入研究存在偏倚风险（32.1%的研究在参考标准方面存在显著偏倚），证据确定性仅为中等，缺乏前瞻性研究和随机临床试验验证真实临床环境中的效果 | 报告AI模型在根尖周病变检测、分割和分类中的应用与性能 | 根尖周病变（表现为根尖周放射线透射区） | 数字病理 | 牙科疾病 | NA | NA | 牙科全景X光片，口内X光片（根尖片和咬翼片），锥形束CT扫描 | 28篇符合条件的研究 | NA | NA | 准确率，灵敏度，特异度 | NA |
| 799 | 2025-12-13 |
Utility of Machine Learning to Characterize Gut Microbiota Dysbiosis and Its Clinical Implications in Inflammatory Bowel Disease
2025, Journal of inflammation research
IF:4.2Q2
DOI:10.2147/JIR.S546260
PMID:41368349
|
综述 | 本文综述了机器学习和深度学习在表征肠道菌群失调及其在炎症性肠病（IBD）中的临床意义方面的应用 | 通过整合异质数据集和揭示隐藏模式，ML和DL方法弥补了传统生物统计方法在处理非线性高维数据上的不足，为IBD的疾病分类、亚型区分和治疗反应预测提供了新的分析能力 | 综述指出未来进展依赖于标准化的微生物组检测、严格的基准测试以及多组学数据的整合，以阐明宿主-微生物相互作用 | 探讨机器学习和深度学习如何重塑基于微生物组的IBD研究，并总结其在临床转化中的优势、局限性和关键考虑因素 | 炎症性肠病（IBD）及其相关的肠道微生物组 | 机器学习 | 炎症性肠病 | NA | 机器学习, 深度学习 | 微生物组数据 | NA | NA | NA | 分类准确性, 预测准确性 | NA |
| 800 | 2025-12-13 |
Artificial intelligence techniques applied to anxiety disorders recognition: a systematic review
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1646724
PMID:41368658
|
系统综述 | 本文对人工智能技术在焦虑症识别领域的应用进行了系统性综述，分析了当前方法的准确性和研究范围 | 首次系统性地综述了人工智能技术在焦虑症识别领域的应用，比较了不同数据源和AI技术的性能，并指出AI方法相比传统检测测试具有更高的准确性 | 排除了仅关注抑郁症的研究和缺乏实验数据集的研究，可能遗漏了相关领域的重要进展 | 分析人工智能技术在焦虑症检测方法中的应用现状，为研究人员、临床医生和技术开发者提供该领域的全面概述 | 焦虑症检测方法 | 自然语言处理, 机器学习 | 焦虑症 | 机器学习, 深度学习 | NA | 自我报告数据, 生理数据, 社交网络数据 | 119项研究 | NA | NA | 准确性 | NA |