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 43016 篇文献，本页显示第 8801 - 8820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8801 | 2025-12-18 |
AutoProfile: Automated profiling in deep learning-based side-channel analysis
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108009
PMID:40882410
|
研究论文 | 本文提出了一种名为AutoProfile的新方法，用于增强基于深度学习的侧信道分析中配置攻击的效果 | AutoProfile针对侧信道分析定制了贝叶斯优化的两个核心组件：建模策略和获取函数，从而显著提升了攻击性能 | NA | 提高基于深度学习的侧信道分析在强密码系统中的攻击效率 | 公开可用的真实侧信道测量数据集 | 机器学习 | NA | 深度学习 | NA | 侧信道测量数据 | NA | NA | NA | 攻击所需轨迹数量减少百分比 | NA |
| 8802 | 2025-12-18 |
Spatial-frequency domain aggregation upsampling for pan-sharpening
2026-Jan, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108007
PMID:40884893
|
研究论文 | 本文提出了一种新颖的空间-频域聚合上采样方法，用于提升全色锐化的性能 | 提出了空间-频域聚合上采样方法，包含双域非线性融合、区域特定注意力机制和自适应特征融合门三个核心模块，有效平衡空间与光谱信息 | NA | 提升遥感图像全色锐化的质量，生成高分辨率多光谱图像 | 高分辨率全色图像与低分辨率多光谱图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | PyTorch | SFAU | NA | NA |
| 8803 | 2025-12-18 |
A deep learning framework to stratify Nottingham histologic grade 2 breast tumors based on dynamic contrast-enhanced MRI
2025-Dec-17, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12208-6
PMID:41405689
|
研究论文 | 本研究开发了一个基于动态对比增强MRI的深度学习框架，用于对诺丁汉组织学分级2级乳腺癌肿瘤进行风险分层 | 首次利用深度学习模型基于常规DCE MRI将NHG2肿瘤重新分类为NHG1样和NHG3样亚组，并证明这种分类与复发风险独立相关 | 研究使用了回顾性数据，且外部验证样本量较小（n=37），需要前瞻性研究进一步验证 | 开发一种基于MRI的深度学习工具，对中间风险（NHG2）乳腺癌进行更精确的风险分层，以指导个体化治疗决策 | 乳腺癌患者，特别是诺丁汉组织学分级2级的肿瘤 | 数字病理学 | 乳腺癌 | 动态对比增强MRI | CNN | MRI图像 | 训练集877例，外部验证集37例，NHG2肿瘤456例 | NA | DeepRadGrade | AUC, C-index, 风险比 | NA |
| 8804 | 2025-12-18 |
Deep learning-based assessment of paraspinal muscle degeneration and its relationships to muscle function and disability outcomes in chronic low back pain: a prospective study
2025-Dec-17, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12171-2
PMID:41405693
|
研究论文 | 本研究利用深度学习模型评估慢性腰痛患者脊柱旁肌肉脂肪分数，并探讨肌肉功能在肌肉退化与功能障碍之间的中介作用 | 首次将深度学习与Otsu阈值法结合，从3D T2加权图像中量化肌肉脂肪分数和功能肌肉体积，并与Dixon MRI金标准进行验证 | 样本量相对有限，且为单中心研究，可能影响结果的普适性 | 评估深度学习模型在量化脊柱旁肌肉退化方面的准确性，并探索肌肉功能在肌肉退化与功能障碍关系中的中介作用 | 慢性腰痛患者和健康参与者的脊柱旁肌肉（多裂肌和竖脊肌） | 数字病理学 | 慢性腰痛 | 3T MRI, Dixon MRI, 3D T2加权成像 | 深度学习模型 | 医学图像 | 96名慢性腰痛患者和86名健康参与者 | NA | DL-Otsu阈值模型 | Lin's一致性相关系数, Bland-Altman分析, Passing-Bablok分析 | NA |
| 8805 | 2025-12-18 |
Comparison of deep learning reconstruction algorithms to improve image quality of dual-energy carotid CT angiography under dual-low scan
2025-Dec-17, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03803-x
PMID:41405722
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8806 | 2025-12-18 |
Pixel Tampering: Does Face Redaction Harm Medical AI Performance?
2025-Dec-16, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01776-0
PMID:41402615
|
研究论文 | 本研究评估了面部脱敏工具对深度学习模型在医学影像中性能的影响，并通过Kaggle竞赛验证了其有效性 | 开发了一个开源的面部脱敏工具，旨在增强数据共享安全性同时保持深度学习性能，并通过大规模竞赛验证了其在年龄预测任务中的效果 | 研究仅基于头部CT影像和年龄预测任务，可能无法推广到其他医学影像类型或临床任务 | 评估面部脱敏处理是否会影响深度学习模型在医学影像分析中的性能 | 头部CT影像及其对应的年龄预测任务 | 医学影像分析 | NA | 深度学习 | 深度学习模型 | 医学影像（头部CT） | 训练集2377例，测试集148例，来自多个机构 | NA | NA | 平均绝对误差（MAE） | NA |
| 8807 | 2025-12-18 |
Advanced Multi-architecture Deep Learning Framework for BIRADS-Based Mammographic Image Retrieval: Comprehensive Performance Analysis with Super-Ensemble Optimization
2025-Dec-16, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01770-6
PMID:41402617
|
研究论文 | 本文开发了一个用于基于内容的乳腺X线图像检索的综合评估框架，通过比较不同CNN架构在高级训练策略下的性能，旨在提升BIRADS分类的精确匹配能力 | 提出了一个系统性的评估框架，首次在BIRADS五分类检索任务中综合比较了多种CNN架构（DenseNet121、ResNet50、VGG16）在高级微调、度量学习和超级集成优化策略下的性能，并采用严格的病人分层划分和统计验证方法 | 研究样本量相对有限（1003名患者），且仅针对乳腺X线图像，未扩展到其他医学影像模态 | 提升基于内容的乳腺X线图像检索在BIRADS五分类任务中的准确性和临床实用性 | 乳腺X线图像及其对应的BIRADS分类 | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | CNN | 图像 | 1003名患者（每人两张图像），共602个测试查询 | 未明确指定，但可能涉及TensorFlow或PyTorch | DenseNet121, ResNet50, VGG16 | precision@10, 准确率, 统计显著性检验（t检验, Cohen's d） | 未明确指定，但提及了计算成本降低 |
| 8808 | 2025-12-18 |
A Timeseries-based Multimodal Deep Learning Approach for Lung Nodule Growth Prediction
2025-Dec-16, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01788-w
PMID:41402619
|
研究论文 | 本研究提出了一种基于时间序列的多模态深度学习框架，用于预测肺结节的生长，通过整合CT图像序列、人口统计学和结节特异性特征来提高预测准确性 | 采用时间序列CT图像数据与多模态特征（人口统计学和结节特异性特征）相结合的多模态深度学习框架，显著提升了肺结节生长预测的准确性 | 数据来源于单一医疗机构（台湾远东纪念医院），可能限制了模型的泛化能力 | 开发一个多模态深度学习模型，以准确预测肺结节的生长，辅助临床决策 | 肺结节患者，包括其CT图像序列、人口统计学信息和结节特异性特征 | 计算机视觉 | 肺癌 | CT成像 | 深度学习模型 | 图像, 结构化数据 | 来自台湾远东纪念医院的数据集，具体样本数量未明确说明 | NA | 多模态深度学习框架 | 准确率, 精确率, 灵敏度, F1分数, AUC | NA |
| 8809 | 2025-12-18 |
Editorial for "Deep Learning for Differentiating Benign From Malignant Bile Duct Dilation on MRCP: Development and Prospective Evaluation of an Xception-Logistic Regression Ensemble Model"
2025-Dec-16, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70208
PMID:41403056
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8810 | 2025-12-18 |
Explore antibody repertoire in the era of AI
2025-Dec-16, Acta biochimica et biophysica Sinica
IF:3.3Q1
DOI:10.3724/abbs.2025230
PMID:41403245
|
综述 | 本文综述了抗体库在人工智能时代的研究进展，重点介绍了抗体克隆型的定义、功能特征、进化以及深度学习在抗体结合预测、特异性抗体生成和免疫诊断中的应用 | 系统性地将深度学习等人工智能方法应用于高维抗体库数据的分析和理解，探讨了抗体库指导的疫苗接种新策略 | 文章指出目前对抗体库数据的理解仍处于早期阶段，深度学习模型的应用潜力虽大但实际转化仍需进一步探索 | 探讨人工智能（特别是深度学习）在理解和分析抗体库数据中的应用，以深化对抗体多样性和适应性免疫的认识 | 抗体库（抗体克隆型集合）、适应性免疫系统 | 自然语言处理, 机器学习 | NA | 高通量测序 | 深度学习模型 | 序列数据（抗体库测序数据） | NA | NA | NA | NA | NA |
| 8811 | 2025-12-18 |
Letter to the editor--Deep learning-driven multi-hierarchical granularity integration for surgical scene understanding: experimental study
2025-Dec-16, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004506
PMID:41405271
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8812 | 2025-12-18 |
Revolutionizing thyroid nodule diagnosis in Hashimoto's thyroiditis: AI-driven radiomics and deep learning model
2025-Dec-16, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004546
PMID:41405348
|
研究论文 | 本研究旨在探索利用从桥本甲状腺炎患者甲状腺结节超声图像中提取的放射组学和深度学习特征构建的人工智能模型，以区分良恶性结节，并与细针穿刺细胞学结合基因突变检测进行比较 | 结合放射组学与深度学习特征构建DLR模型，并整合SHAP和Grad-CAM方法提供可视化解释，以提升桥本甲状腺炎背景下甲状腺结节的诊断性能 | 研究基于回顾性数据，且样本来自特定时间段和医院，可能存在选择偏倚；模型在外部测试队列中的性能略低于验证队列 | 提高桥本甲状腺炎背景下甲状腺结节良恶性鉴别的准确性 | 桥本甲状腺炎患者的甲状腺结节 | 计算机视觉 | 甲状腺疾病 | 超声成像 | CNN | 图像 | 1585名患者 | NA | ResNet152 | AUC, 准确率, 灵敏度, 特异性 | NA |
| 8813 | 2025-12-18 |
Path2Omics Enhances Transcriptomic and Methylation Prediction Accuracy from Tumor Histopathology
2025-Dec-15, Cancer research
IF:12.5Q1
DOI:10.1158/0008-5472.CAN-25-4350
PMID:41166699
|
研究论文 | 本研究开发了Path2Omics深度学习框架，用于从肿瘤组织病理学图像中预测基因表达和甲基化数据 | 提出了首个能够从组织病理学图像独立预测基因表达和甲基化的深度学习框架，并在30种癌症类型上验证了其有效性 | 未明确说明模型在特定癌症类型或数据质量较差情况下的性能限制 | 开发一种从常规组织病理学切片预测分子组学数据的方法，以降低精准肿瘤学的成本和耗时 | 30种癌症基因组图谱（TCGA）中的癌症类型，包括FFPE和新鲜冷冻组织切片 | 数字病理学 | 多种癌症 | 组织病理学成像，基因表达分析，甲基化分析 | 深度学习框架 | 组织病理学图像，基因表达数据，甲基化数据 | 30种TCGA癌症类型的数据集，以及7个外部验证数据集 | NA | NA | 预测准确性，患者生存预测匹配度，治疗反应预测匹配度 | NA |
| 8814 | 2025-12-18 |
Machine learning-guided optimization of iron-based catalysts toward minimal-resource and efficient peroxymonosulfate activation for hazardous organic pollutants degradation
2025-Dec-13, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.140818
PMID:41401528
|
研究论文 | 本研究提出了一种新颖的双任务人工智能框架（DualAI-MCD），结合机器学习和多目标优化，用于预测设计和机理指导的铁基催化剂优化，以高效激活过氧单硫酸盐降解有机污染物 | 开发了首个集成回归（预测降解率）和分类（识别活性氧物种路径）任务的双任务AI框架，并采用混合优化算法平衡降解率最大化与催化剂和PMS用量最小化的冲突目标 | 研究基于3720条实验记录的数据集，可能未涵盖所有催化剂类型或反应条件，且深度学习模型性能不及机器学习模型 | 优化铁基催化剂设计，以实现资源最小化和高效的过氧单硫酸盐激活，用于降解有害有机污染物 | 铁基氧化物催化剂及其在过氧单硫酸盐激活降解有机污染物（如头孢菌素）中的应用 | 机器学习 | NA | NA | LGBM, 机器学习模型, 深度学习模型 | 结构化实验数据 | 3720条实验记录 | NA | NA | 分类准确率, R² | NA |
| 8815 | 2025-12-18 |
Stochastically evolving graphs via edit semigroups
2025-Dec-09, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2526595122
PMID:41296758
|
研究论文 | 本文通过半群谱理论研究宿主图中子图的随机演化过程，提出了一种基于编辑操作的随机游走模型 | 利用Tsetlin库和超平面排列的半群谱理论，为子图随机演化过程建立了特征值和特征向量的闭式解，并扩展至复合编辑操作 | NA | 构建一个通用的随机模型，用于从给定图中采样随机子图 | 宿主图中的子图演化过程 | 机器学习 | NA | NA | 随机游走模型 | 图数据 | NA | NA | NA | 收敛速率 | NA |
| 8816 | 2025-12-18 |
Can CTA-Based Machine Learning Identify Patients for Whom Successful Endovascular Stroke Therapy Is Insufficient?
2025-Dec-04, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8885
PMID:40533350
|
研究论文 | 本研究评估了基于CTA的机器学习模型在预测大血管闭塞急性缺血性卒中患者接受成功血管内治疗后功能结局不佳的能力 | 利用深度学习模型结合预处理CTA图像预测成功血管内治疗后功能结局不佳的患者，相比仅使用临床变量的模型具有显著更好的性能 | 样本量较小（仅48例患者用于微调和交叉验证），且为多中心前瞻性注册队列研究，可能存在选择偏倚 | 识别成功血管内治疗后功能结局不佳的患者，以便他们可能从额外干预中受益 | 大血管闭塞急性缺血性卒中患者 | 医学影像分析 | 急性缺血性卒中 | CTA成像 | 深度学习 | 医学影像 | 预训练1542例，微调和交叉验证48例 | NA | DeepsymNet-v3, DSN-CTA | AUROC | NA |
| 8817 | 2025-12-18 |
Integrated assessment of urban flooding and heat island interactions: A systematic review of geospatial technologies, machine learning approaches, and microclimate dynamics
2025-Dec, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.127984
PMID:41240637
|
综述 | 本文系统综述了地理空间技术、机器学习方法和微气候动力学在评估城市洪水与热岛效应相互作用中的应用 | 提出了一个统一的数据驱动框架来模拟复合灾害，并综合了最新的地理空间和基于AI的方法，强调了模型可解释性和物联网集成的关键差距 | 缺乏利用实时物联网数据并考虑城市形态和气候变异性的可扩展模型，且大多数先前研究分别考察热岛效应和洪水，忽略了微气候变化、城市形态、实时物联网集成和模型可迁移性 | 评估城市洪水与城市热岛效应之间的相互作用，以支持更具韧性和可持续性的城市规划 | 城市洪水与城市热岛效应 | 机器学习 | NA | 地理空间技术、机器学习方法 | CNN, LSTM, Random Forest, Gradient Boosting, Transformer, GNN | 地理空间数据、微气候变量数据 | 超过74项已报道的科学研究 | NA | CNN-LSTM, Random Forest, Gradient Boosting, Transformer, GNN | RMSE, R, MAE | NA |
| 8818 | 2025-12-18 |
The applicability of artificial intelligence in managing emergency patients: An umbrella review
2025-Dec, International emergency nursing
IF:1.8Q2
DOI:10.1016/j.ienj.2025.101710
PMID:41242110
|
综述 | 本文通过伞状综述综合了人工智能在急诊患者管理中应用性的现有证据 | 首次通过伞状综述对急诊医学中多样化的AI应用进行全面综合，识别了四大关键影响领域及普遍存在的实施障碍 | 纳入的综述质量参差不齐，原始研究可能存在异质性，且未进行定量荟萃分析 | 综合评估人工智能在急诊患者管理中的适用性 | 急诊患者 | 机器学习 | NA | NA | 机器学习, 深度学习 | NA | 共纳入24篇符合条件的综述 | NA | NA | NA | NA |
| 8819 | 2025-12-18 |
Association Study on Multi-Timepoint DNA Methylation Levels of Serotonin Transporter Gene and Adolescent Psychological-Behavioral Development
2025-Dec, Neuropsychopharmacology reports
IF:2.0Q3
DOI:10.1002/npr2.70081
PMID:41344989
|
研究论文 | 本研究探讨了青春期早期SLC6A4基因多时间点DNA甲基化水平与心理病理及行为集群的关联 | 首次在青春期早期至中期追踪了SLC6A4基因在三个发育时间点的甲基化水平 | 样本量较小（N=122），且仅基于日本东京青少年队列，需进一步研究环境与遗传因素的作用 | 调查SLC6A4基因多时间点DNA甲基化水平是否与青少年心理病理及行为集群相关 | 东京青少年队列（TTC）研究中的122名参与者，年龄为11、13和15岁 | 表观遗传学 | 青少年心理行为问题 | 亚硫酸氢盐焦磷酸测序 | 线性混合效应模型 | DNA甲基化数据、问卷调查数据 | 122名参与者，在11、13和15岁三个时间点采集唾液样本 | NA | NA | NA | NA |
| 8820 | 2025-12-18 |
Predicting ncRNA-Protein interactions with a graph attention model exploiting personalized subgraphs
2025-Dec, Journal of bioinformatics and computational biology
IF:0.9Q4
DOI:10.1142/S0219720025500192
PMID:41350235
|
研究论文 | 本文提出了一种基于图注意力模型和个性化子图选择框架的新方法，用于预测非编码RNA与蛋白质之间的相互作用 | 通过个性化子图选择框架提取每个相互作用周围最具信息量的子图，克服了传统图神经网络依赖固定跳数子图的限制，从而更全面地捕捉多样化的相互作用模式 | 未在摘要中明确提及具体局限性 | 预测非编码RNA与蛋白质之间的相互作用，以促进基因调控、疾病机制、靶向药物设计和生物标志物发现的研究 | 非编码RNA与蛋白质的相互作用 | 机器学习 | NA | k-mer频率分析, node2vec嵌入 | 图注意力网络 | 图数据 | NA | NA | GAT | NA | NA |