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 37684 篇文献，本页显示第 881 - 900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 881 | 2025-12-25 |
A comparative study of single-stage and dual-stage classification models for OPMDs
2025-Dec-23, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-07582-y
PMID:41437246
|
研究论文 | 本研究通过建立并公开一个高质量口腔黏膜疾病图像数据集，比较了单阶段与双阶段分类模型在口腔潜在恶性病变诊断中的性能 | 提出了一种新颖的集成Swin Transformer和DenseNet-169的双阶段多分类方法，并公开了一个包含1348张图像、覆盖五种疾病类别的高质量口腔黏膜疾病数据集 | 未明确提及计算资源细节、外部验证或临床部署的挑战 | 比较单阶段与双阶段深度学习分类模型在口腔潜在恶性病变和口腔癌早期诊断中的性能 | 口腔黏膜疾病图像，包括正常口腔黏膜、口腔白斑、口腔扁平苔藓、口腔黏膜下纤维化及口腔癌 | 计算机视觉 | 口腔癌 | 深度学习图像识别 | CNN, Transformer | 图像 | 1348张口腔黏膜疾病图像 | NA | DenseNet-169, EfficientNet-B0, HRNet-W18-C, Inception-V4, MixNet-S, MobileNetV3-Large, ResNet-101, Swin Transformer, ViT-B, YOLOv11l | 准确率, 精确率, 召回率, F1分数, AUC, 混淆矩阵 | NA |
| 882 | 2025-12-25 |
Deep learning versus manual measurement of hallux valgus angle and intermetatarsal angle on Weight-Bearing X-rays in hallux valgus
2025-Dec-23, BMC musculoskeletal disorders
IF:2.2Q3
DOI:10.1186/s12891-025-09420-2
PMID:41437347
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 883 | 2025-12-25 |
Deep Learning Improves the MAGGIC Risk Score in Predicting Contrast-Induced Nephropathy in ST Elevation Myocardial Infraction Patients
2025-Dec-23, Angiology
IF:2.6Q2
DOI:10.1177/00033197251399866
PMID:41437710
|
研究论文 | 本研究探讨了结合MAGGIC风险评分与深度学习模型（包括KAN、多层感知机、TabNet和TabTransformer）来预测ST段抬高型心肌梗死患者对比剂肾病的发生，显著提升了预测性能 | 首次将MAGGIC风险评分与深度学习模型（特别是Kolmogorov-Arnold Networks）结合用于预测对比剂肾病，并开发了基于网络的临床决策辅助工具 | 研究为回顾性设计，样本量有限（1403例），可能存在选择偏倚，且模型在外部验证中的泛化能力未评估 | 提高ST段抬高型心肌梗死患者对比剂肾病的早期预测准确性，以改善临床结局和降低死亡率 | 接受直接经皮冠状动脉介入治疗的ST段抬高型心肌梗死患者 | 机器学习 | 心血管疾病 | NA | 深度学习, 机器学习 | 临床参数 | 1403例ST段抬高型心肌梗死患者 | NA | 多层感知机, TabNet, TabTransformer, Kolmogorov-Arnold Networks (KAN), 逻辑回归 | AUC | NA |
| 884 | 2025-12-25 |
DynamicGT: A dynamic-aware geometric transformer model to predict protein-binding interfaces in flexible and disordered regions
2025-Dec-22, Cell systems
IF:9.0Q1
DOI:10.1016/j.cels.2025.101454
PMID:41435823
|
研究论文 | 提出一种动态感知的几何Transformer模型DynamicGT，用于预测蛋白质柔性及无序区域的结合界面 | 首次将构象动态特征整合到协作图神经网络与几何Transformer的联合架构中，通过动态调节核心与表面残基间的信息传递来增强关键相互作用的检测 | 模型性能依赖于分子动力学模拟数据的质量与覆盖度，在极端构象变化场景下的泛化能力仍需验证 | 提升蛋白质-蛋白质相互作用中柔性及无序区域结合界面的预测精度 | 蛋白质的柔性区域、无序区域及瞬时结合结构 | 计算生物学 | NA | 分子动力学模拟 | 图神经网络, Transformer | 蛋白质结构数据 | 基于1毫秒分子动力学模拟数据集，并采用AlphaFlow生成构象进行数据增强 | NA | 几何Transformer, 协作图神经网络 | 预测准确率 | NA |
| 885 | 2025-12-25 |
Deep Learning-Based Differentiation of DCIS and IDC from Mammographic Microcalcifications
2025-Dec-22, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.12.002
PMID:41436320
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 886 | 2025-12-25 |
Enhanced-performance flexible pressure sensors enabled by synergistic effect of hierarchical porous structures for motion sensing and deep learning-assisted speech recognition
2025-Dec-20, Journal of colloid and interface science
IF:9.4Q1
DOI:10.1016/j.jcis.2025.139706
PMID:41435647
|
研究论文 | 本研究开发了一种基于混合制造策略（3D打印和静电纺丝）的具有分层多孔结构的柔性压力传感器，并集成了深度学习算法用于语音识别 | 采用混合制造策略（3D打印结合静电纺丝）构建分层多孔结构，通过结构-力学匹配设计优化传感器性能，并首次将深度学习算法集成到此类传感器中实现高精度语音识别 | 未明确说明传感器在长期使用中的稳定性、耐久性以及大规模生产的可行性 | 开发高性能柔性压力传感器，应用于运动感知和智能语音识别 | 柔性压力传感器、人体生理运动信号、语音短语 | 机器学习 | NA | 3D打印、静电纺丝、直接墨水书写（DIW）、牺牲模板法 | 深度学习 | 压力信号、语音信号 | NA | NA | NA | 准确率（94.9%） | NA |
| 887 | 2025-12-25 |
Deciphering the biological underpinnings behind prognostic MRI-based imaging signatures in breast cancer: a systematic review
2025-Dec-17, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-07341-1
PMID:41408570
|
综述 | 本文系统回顾了乳腺癌中基于MRI的预后影像标志物（包括影像组学和深度学习标志物）的生物学基础，并评估了现有研究的方法学质量 | 首次系统性地探索了乳腺癌预后MRI影像标志物背后的基因组学、肿瘤微环境等多组学生物学关联，并综合应用了RQS、NOS和QUAPAS等多种质量评估工具 | 纳入研究数量有限（16项），方法学严谨性普遍不足，总体偏倚风险较高，且研究间异质性较大 | 探索乳腺癌MRI预后影像标志物的生物学基础并评估相关研究方法学质量 | 乳腺癌患者 | 数字病理学 | 乳腺癌 | MRI, 基因组学, 转录组学, 多组学分析 | 监督机器学习, 无监督机器学习 | MRI影像, 基因组数据, 转录组数据, 多组学数据 | 61至2279名乳腺癌患者 | NA | NA | NA | NA |
| 888 | 2025-12-25 |
Ratio Quantification of Geranium and Rose Essential Oil Mixtures via Deep Learning Analysis of Complex Raman Spectra
2025-Dec-17, ACS measurement science au
IF:4.6Q1
DOI:10.1021/acsmeasuresciau.5c00088
PMID:41425308
|
研究论文 | 本研究开发了一种基于深度学习的通道注意力残差特征提取网络（CARFENet），用于通过拉曼光谱分析天竺葵和玫瑰精油混合物的比例定量 | 提出了CARFENet模型，该模型采用光谱捕获和光谱分离模块，能够将混合精油光谱解构为其纯组分，实现了对混合拉曼光谱中纯精油成分的有效定量分析 | 研究仅针对天竺葵和玫瑰精油两种特定精油混合物，未验证模型在其他精油种类或更复杂混合物中的泛化能力 | 开发一种基于深度学习的方法，用于精油混合物的比例定量和质量控制，以应对精油掺假问题 | 天竺葵精油、玫瑰精油及其混合物 | 机器学习 | NA | 拉曼光谱 | CNN, 通道注意力残差特征提取网络 | 光谱数据 | 2700个拉曼光谱（包括900个玫瑰精油、900个天竺葵精油和900个混合物） | NA | CARFENet | 相似性指数 | NA |
| 889 | 2025-12-25 |
Template-guided reconstruction of pulmonary segments with neural implicit functions
2025-Dec-16, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103916
PMID:41435447
|
研究论文 | 提出一种基于神经隐式函数的方法，通过变形可学习模板来重建解剖感知的精确肺段三维模型 | 采用神经隐式函数进行连续表示，通过变形可学习模板实现高分辨率肺段重建，并引入了两个临床相关的评估指标，同时构建了首个公开的肺段形状数据集Lung3D | 未明确说明方法在极端解剖变异或病理条件下的泛化能力 | 实现高质量的三维肺段重建，以支持肺段切除术和肺癌治疗的手术规划 | 肺段及其相关解剖结构（气道、动脉、静脉、段间静脉） | 计算机视觉 | 肺癌 | NA | 神经隐式函数 | 三维模型 | 800个标注的肺段三维模型及其对应的气道、动脉、静脉和段间静脉 | NA | NA | 两个临床相关评估指标（具体名称未在摘要中说明） | NA |
| 890 | 2025-12-25 |
Adversarial incomplete multi-view clustering with adaptive contrastive learning
2025-Dec-16, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108484
PMID:41435732
|
研究论文 | 本文提出了一种结合自适应对比学习和对抗学习网络的不完整多视图聚类方法ACLN，以解决多视图数据中视图缺失和特征质量依赖问题 | 通过自适应对比学习模块动态调整参数以提取共享信息并保留互补特征，同时结合生成对抗网络提升潜在特征表示质量 | 未明确说明方法在极端数据缺失情况下的鲁棒性，也未讨论计算复杂度或对大规模数据集的扩展性 | 解决不完整多视图数据的聚类问题，优化不同视图间的贡献平衡并减少对特定视图特征质量的依赖 | 不完整多视图数据 | 机器学习 | NA | 自适应对比学习，对抗学习 | GAN | 多视图数据 | 六个多视图数据集 | NA | 生成对抗网络 | 聚类性能指标 | NA |
| 891 | 2025-12-25 |
Deep learning-based tooth segmentation for enhanced visualization of dental anomalies and pathologies
2025-Dec-06, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft
DOI:10.1016/j.aanat.2025.152771
PMID:41360207
|
研究论文 | 本研究开发并验证了一种基于深度学习的CBCT牙齿实例分割方法，用于增强牙齿异常和病理的可视化 | 提出了一种加速标注流程，通过专家标注部分图像辅助模型自动标注剩余图像，实现高效实例级牙齿分割 | 研究仅基于470个扫描数据训练，可能未覆盖所有牙齿异常类型，且未在更大规模外部数据集中验证 | 开发自动化牙齿分割工具以提升牙科异常检测效率和可视化效果 | CBCT扫描图像中的牙齿实例分割 | 计算机视觉 | 牙科疾病 | CBCT成像 | 深度学习模型 | 医学图像（CBCT扫描） | 470个训练扫描，60个测试扫描 | NA | NA | Jaccard指数，平均相对体积差异 | NA |
| 892 | 2025-12-25 |
Reducing manual labour in forensic microtrace recognition with deep learning
2025-Dec-02, Forensic science international
IF:2.2Q1
DOI:10.1016/j.forsciint.2025.112714
PMID:41435738
|
研究论文 | 本研究利用深度学习自动化法医微痕识别，通过像素级分类定位和分类纤维、毛发、皮肤、玻璃和沙粒，以减少人工劳动 | 结合ImageNet预训练和自监督学习策略，显著减少所需标注数据量，同时提高识别和定位精度 | 研究仅基于2.2分米长的标注胶带扫描数据，可能限制模型泛化能力 | 自动化法医微痕分析，减少人工劳动 | 法医微痕样本，包括纤维、毛发、皮肤、玻璃和沙粒 | 计算机视觉 | NA | 自动化显微镜成像 | 深度学习模型 | 图像 | 2.2分米长的标注胶带扫描 | NA | NA | 平均交并比 | NA |
| 893 | 2025-12-25 |
Frontalis Only Contracts in One Direction: AI-Quantum Elasticity and Resistance Gradient Reveals True Nature of Forehead Muscle Movement
2025-Dec, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-025-04924-7
PMID:40425886
|
研究论文 | 本研究通过引入量子弹性与阻力梯度模型，结合人工智能模拟，揭示了额肌收缩是单向的，皮肤褶皱源于弹性阻力而非双向力 | 提出了量子弹性与阻力梯度模型来解释额肌收缩时的皮肤动力学，并使用AI驱动的生物力学模型进行验证，挑战了传统的双向收缩理论 | 研究证据等级为III级，样本量虽多样但可能仍存在局限性，模型基于特定人群数据，普适性需进一步验证 | 探究额肌收缩的生物力学机制及其与皮肤的相互作用，特别是验证收缩的单向性 | 额肌收缩过程中的皮肤变形与肌肉力量 | 生物力学与人工智能交叉领域 | NA | 3D面部扫描、有限元分析 | 随机森林、深度神经网络 | 3D面部扫描图像 | 600名不同种族、性别和年龄的受试者 | TensorFlow, PyTorch | 深度神经网络 | R2 | NA |
| 894 | 2025-12-25 |
Supervised versus unsupervised GAN for pseudo-CT synthesis in brain MR-guided radiotherapy
2025-Dec, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01606-1
PMID:40694229
|
研究论文 | 本研究比较了监督式（Pix2Pix）与无监督式（CycleGAN）深度学习模型在从T1和T2加权MR序列生成伪CT图像方面的性能 | 首次系统比较监督式Pix2Pix与无监督式CycleGAN在脑部MR引导放疗中伪CT合成的效果，并进行了剂量学评估验证临床可行性 | 研究仅基于3270个配对图像，未涉及更大规模或多中心数据验证；未探讨其他先进生成模型如扩散模型的表现 | 评估不同深度学习模型在MR-to-CT图像合成中的性能，为MR-only放疗计划提供技术支持 | 脑肿瘤患者的T1和T2加权MRI图像及对应CT图像 | 医学影像分析 | 脑肿瘤 | MRI, CT | GAN | 图像 | 3270个配对的T1和T2加权MRI与CT图像 | TensorFlow, PyTorch | Pix2Pix, CycleGAN | SSIM, PSNR, MAE | NA |
| 895 | 2025-12-25 |
Impact of artificial intelligence assistance on bone scintigraphy diagnosis
2025-Dec, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01621-2
PMID:40760395
|
研究论文 | 本研究旨在评估和改进深度学习模型MaligNet在辅助核医学医师解读骨扫描图像中的诊断性能 | 通过重新训练MaligNet模型，显著提升了其在骨病变检测中的性能，并首次系统评估了AI辅助对核医学医师诊断效率和准确性的影响，特别是使初级医师达到与高级医师相当的诊断水平 | 研究样本量相对有限（553例患者），且未涉及外部验证集来评估模型的泛化能力 | 提高骨闪烁扫描中骨病变的检测和分类准确性，并评估AI辅助对临床诊断的影响 | 553例患者的骨闪烁扫描图像，包括训练、验证和测试集 | 数字病理学 | 骨病变 | 骨闪烁扫描 | 深度学习模型 | 图像 | 553例患者，分为训练集353例、验证集100例和测试集100例 | NA | MaligNet | 精度-召回曲线下面积, 受试者工作特征曲线下面积, 准确率, 灵敏度, 特异性, 精确率 | NA |
| 896 | 2025-12-25 |
Enhanced detection of ovarian cancer using AI-optimized 3D CNNs for PET/CT scan analysis
2025-Dec, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01615-0
PMID:40760396
|
研究论文 | 本研究探讨了深度学习如何通过优化3D CNN模型（OCDA-Net）来增强卵巢癌的诊断和分期，利用PET/CT扫描图像数据集进行性能比较 | 提出了一种基于ResNet架构增强的OCDA-Net模型，专门针对[F]FDG PET图像分析设计，在卵巢癌诊断和分期任务中超越了六种传统CNN架构 | 数据集规模有限，未来需要扩展数据集、增强模型可解释性，并在临床环境中进一步验证 | 提升卵巢癌的诊断准确性和分期效果 | 卵巢癌患者 | 计算机视觉 | 卵巢癌 | PET/CT扫描 | CNN | 图像 | 未明确指定具体样本数量，但数据集按80%训练、10%验证、10%测试随机分割 | 未明确指定 | ResNet, DenseNet, GoogLeNet, U-Net, VGG, AlexNet, OCDA-Net | 准确率, 精确率, 召回率, F-measure | 未明确指定 |
| 897 | 2025-12-25 |
Clinical evaluation of motion robust reconstruction using deep learning in lung CT
2025-Dec, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01633-y
PMID:40928606
|
研究论文 | 本研究旨在定量评估一种基于深度学习的运动校正重建方法CLEAR Motion在肺部CT成像中的临床实用性 | 开发并评估了首个结合深度学习与运动校正技术的重建方法CLEAR Motion，用于减少肺部CT中的运动伪影 | 研究样本量相对较小（129例），且未详细探讨方法对不同病理状况的适用性 | 定量评估深度学习运动校正重建方法在肺部CT中的临床效果 | 肺部CT图像 | 医学影像分析 | 肺部疾病 | CT成像 | 深度学习 | 医学图像 | 129例肺部CT扫描 | NA | NA | 拉普拉斯方差, 峰值信噪比 | NA |
| 898 | 2025-12-25 |
3D CoAt U SegNet-enhanced deep learning framework for accurate segmentation of acute ischemic stroke lesions from non-contrast CT scans
2025-Dec, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01626-x
PMID:40986248
|
研究论文 | 本文提出了一种名为CoAt U SegNet的新型深度学习模型，用于从非对比CT扫描中准确分割急性缺血性卒中病灶 | 提出了一种先进的3D深度学习模型CoAt U SegNet，通过引入扩张率为1、3、5的编码器卷积块来有效捕获多尺度特征，并采用增强相似性指数来优化病灶分割，以区分半暗带与核心梗死区域 | 训练数据量相对较小（仅50个NCCT扫描用于训练），且未与其他最先进的3D分割模型进行广泛的性能比较 | 开发一种计算机辅助检测和分割工具，以支持临床医生进行卒中诊断 | 急性缺血性卒中病灶 | 数字病理学 | 心血管疾病 | 非对比CT扫描 | 深度学习 | 3D医学图像 | 训练集50个NCCT扫描，验证集10个，测试集500个 | NA | CoAt U SegNet | Dice相似系数, Jaccard指数 | NA |
| 899 | 2025-12-25 |
Intelligent multimodal sensor fusion for early knee disorder detection and injury prevention using prosthetic gait control
2025-Dec, International journal of injury control and safety promotion
IF:2.3Q2
DOI:10.1080/17457300.2025.2572095
PMID:41175030
|
研究论文 | 本研究提出了一种结合非侵入式筛查与自适应假肢控制的两阶段集成框架，用于膝关节疾病的早期检测和损伤预防 | 提出了新颖的时频特征（增强平均绝对值/增强波长）用于异常检测，并利用多模态传感器融合实现实时健康自适应假肢控制，动态调整相位转换时间、肌电阈值和电机增益 | 研究在基于LabVIEW的控制环境中进行验证，尚未在真实临床环境中大规模应用 | 开发一种用于膝关节疾病早期检测和自适应假肢控制的智能多模态传感器融合系统 | 膝关节疾病患者和假肢使用者 | 机器学习 | 肌肉骨骼疾病 | 多模态传感器融合（EMG, FSR, IMU） | Extra Trees, XGBoost | 传感器信号（肌电信号、力敏电阻信号、惯性测量单元数据） | 未明确说明样本数量，但使用了10折交叉验证 | 未明确说明 | Extra Trees, XGBoost | 准确率, SHAP分析, 95%置信区间, Friedman/Nemenyi统计检验 | 未明确说明 |
| 900 | 2025-12-25 |
Skin Lesion Classification Using Focal Modulation Networks
2025-Dec, Annals of the New York Academy of Sciences
IF:4.1Q1
DOI:10.1111/nyas.70139
PMID:41178745
|
研究论文 | 本研究提出了一种基于焦点调制网络（FMNs）的框架，用于皮肤病变分类，并在多个公开数据集上验证了其性能 | 首次将焦点调制网络应用于皮肤病变分类，该网络能高效捕获局部和全局特征，解决了基于Transformer的模型在处理高分辨率医学图像时的局限性，同时通过调制器可视化提供模型可解释性 | 未提及 | 开发一种准确、高效且透明的自动皮肤病变分类方法，以辅助皮肤癌的早期诊断和治疗 | 皮肤镜图像中的皮肤病变 | 计算机视觉 | 皮肤癌 | NA | 焦点调制网络 | 图像 | 三个公开数据集：ISIC 2017、ISIC 2018和ISIC 2019 | NA | 焦点调制网络（Tiny, Small, Base, Large 变体） | 准确率 | NA |