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 9161 - 9180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9161 | 2025-12-11 |
Integrating meteorological and breeding data to predict maize yields using machine learning algorithms
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1722068
PMID:41358345
|
研究论文 | 本研究开发了一种机器学习模型，通过整合气象数据和育种值来预测玉米杂交种产量 | 将气象数据与基于BLUP方法估计的育种值相结合，利用机器学习算法进行玉米产量预测，提供了一种成本效益高且高效的预测框架 | 模型性能仍有提升空间（R²为0.64），且可能受限于数据集规模和计算资源需求 | 预测玉米杂交种产量，以支持全球粮食安全和精准农业决策 | 玉米杂交种 | 机器学习 | NA | BLUP（最佳线性无偏预测）方法 | Random Forest, XGBoost, Support Vector Regression, Gaussian Process Regression | 气象数据、育种数据 | NA | Scikit-learn（推断，因使用常见ML算法） | Random Forest, XGBoost, SVR, GPR | R², RMSE, MAE, RRMSE, MAPE | NA |
| 9162 | 2025-12-11 |
Correction: Diagnostic precision of a deep learning algorithm for the classification of non-contrast brain CT reports
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1744006
PMID:41368236
|
correction | 本文是对一篇关于深度学习算法在非对比脑部CT报告分类中诊断精度的文章的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9163 | 2025-12-10 |
Attention-guided deep learning-machine learning and statistical feature fusion for interpretable mental workload classification from EEG
2026-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10392-1
PMID:41362309
|
研究论文 | 本文提出了一种新颖的混合深度学习与XGBoost堆叠集成框架，用于从脑电图信号中进行可靠且可解释的心理负荷分类 | 提出了一种结合CNN-BiLSTM-Attention深度学习分支与XGBoost机器学习分支的双分支混合堆叠集成框架，并利用逻辑回归进行预测融合，以同时提升分类性能和模型可解释性 | 未明确提及模型的计算复杂度、实时性评估或在更广泛数据集上的泛化能力限制 | 开发一种可靠且可解释的心理负荷分类方法，用于实时认知监测 | 脑电图信号 | 机器学习 | NA | 脑电图 | CNN, BiLSTM, XGBoost | 时间序列信号 | STEW和EEGMAT两个公开数据集 | NA | CNN-BiLSTM-Attention | 分类准确率 | NA |
| 9164 | 2025-12-10 |
Tremor estimation and filtering in robotic-assisted surgery
2026-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10387-y
PMID:41362307
|
研究论文 | 本文提出了一种基于深度学习的预测方法，用于估计和过滤机器人辅助手术中的手部震颤信号 | 提出了一种结合双向LSTM和时序卷积网络以提取震颤信号长短期特征的集成方法，并引入遗传算法优化时间步长和末端数据补偿策略 | 方法仅在虚拟手术环境中通过缝合实验进行评估，缺乏真实临床场景的验证 | 通过测量和建模震颤信号来抑制手术机器人操作中的手部震颤，提高手术精度 | 外科医生在手术过程中产生的自发手部震颤信号 | 机器学习 | NA | 传感器信号测量与建模 | LSTM, TCN | 时序信号数据 | NA | NA | 双向LSTM网络, 时序卷积网络 | 震颤信号估计误差 | NA |
| 9165 | 2025-12-10 |
Few-shot learning for highly accelerated 3D time-of-flight MRA reconstruction
2026-Feb, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.70072
PMID:40931540
|
研究论文 | 本文提出了一种基于少样本学习的深度学习重建方法，用于高度加速的3D时间飞行磁共振血管成像，旨在解决高分辨率全头血管造影采集耗时的问题 | 采用少样本学习框架，结合预训练的3D变分网络，仅需两个实验采集的数据集进行微调，即可实现八倍加速下的高质量重建 | 方法仅在健康志愿者和小样本上进行评估，未在病理患者数据中验证其泛化能力 | 开发一种能够利用极少量原始数据实现高质量3D TOF-MRA重建的深度学习方法 | 3D时间飞行磁共振血管成像数据 | 医学影像重建 | NA | 磁共振成像，时间飞行血管成像 | 深度学习，变分网络 | k空间数据，图像数据 | 5名健康志愿者的回顾性欠采样数据，2名额外受试者的前瞻性欠采样数据 | NA | 3D变分网络 | 重建质量，伪影减少，血管细节保留 | NA |
| 9166 | 2025-12-10 |
Utilising Cot-Side Cameras in Neonatal Intensive Care Unit for Deep Learning-Assisted General Movement Assessment
2026-Jan, Acta paediatrica (Oslo, Norway : 1992)
DOI:10.1111/apa.70319
PMID:41025287
|
综述 | 本文综述了如何利用新生儿重症监护室中的床边摄像头，结合深度学习技术，辅助临床医生对扭动期婴儿进行无创、可扩展的全身运动评估 | 提出将新生儿监护室中已广泛用于亲子连接的床边RGB摄像头，与深度学习技术结合，为自动化全身运动评估提供了一种新颖、可扩展的非接触式解决方案 | 本文为文献综述，未进行具体的模型开发或临床验证，其提出的技术路径的有效性和实用性有待后续实证研究确认 | 探索利用床边摄像头视频数据结合深度学习技术，实现计算机辅助的全身运动评估，以改进早期神经发育筛查 | 新生儿（扭动期婴儿）的全身运动视频数据 | 计算机视觉 | 新生儿神经发育障碍 | 视频采集（RGB摄像头） | 深度学习模型（具体模型未指定） | 视频 | NA | NA | NA | NA | NA |
| 9167 | 2025-12-10 |
Commercially Available Artificial Intelligence Solutions for Gynaecologic Cytology Screening and Their Integration Into Clinical Workflow
2026-Jan, Cytopathology : official journal of the British Society for Clinical Cytology
IF:1.2Q3
DOI:10.1111/cyt.70023
PMID:41028901
|
综述 | 本文全面回顾了妇科细胞学筛查中商业AI软件的现状、性能及其与临床工作流的整合 | 系统性地评估了商业AI解决方案在妇科细胞学（尤其是宫颈癌筛查）中的应用潜力、临床影响及整合挑战，为AI在该领域的实际部署提供了全面视角 | 本文为综述性文章，未涉及原始实验数据或新模型开发，主要基于现有商业产品和文献进行分析 | 探讨人工智能（AI）在妇科细胞学筛查中的应用现状、临床价值及实践整合路径 | 商业可用的AI软件及其在妇科细胞学（以宫颈涂片筛查为主）筛查中的应用 | 数字病理学 | 宫颈癌 | NA | 机器学习，深度学习 | 细胞学图像（如巴氏涂片） | NA | NA | NA | 准确性，一致性，效率 | NA |
| 9168 | 2025-12-10 |
Deep learning super-resolution for dental CBCT using micro-CT reference and edge loss function
2026-Jan, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.106209
PMID:41187827
|
研究论文 | 本研究利用深度学习超分辨率技术，以微CT图像为参考，提升牙科CBCT图像的空间分辨率，以更好地显示精细根管结构 | 引入了结合高斯滤波、中值滤波和Sobel边缘检测的边缘损失函数，以改善超分辨率模型对结构细节的保留能力 | 牙冠区域仍存在伪影，需要进一步改进 | 通过基于深度学习的超分辨率技术提升牙科CBCT图像的分辨率 | 48颗拔除的人类牙齿的CBCT和微CT图像 | 计算机视觉 | NA | 锥形束计算机断层扫描（CBCT），微计算机断层扫描（微CT） | GAN, Transformer | 图像 | 48颗人类牙齿 | NA | Enhanced Super-Resolution Generative Adversarial Network (ESRGAN), Hybrid Attention Transformer (HAT) | 峰值信噪比（PSNR），结构相似性指数（SSIM），专家视觉评估，三维重建 | NA |
| 9169 | 2025-12-10 |
Automated diagnosis and classification of skeletal malocclusion using artificial intelligence on 2D facial photographs: A multi-modal deep learning approach
2026-Jan, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.106257
PMID:41270953
|
研究论文 | 本研究开发并验证了一个基于二维面部照片和元数据的多模态深度学习框架，用于自动诊断和分类骨骼性错颌畸形 | 提出了一个两阶段深度学习模型（FaceDSM-Net），首次结合面部照片与元数据（性别和年龄）进行骨骼性错颌畸形的自动分类，并展示了良好的可解释性和泛化能力 | 模型在外部测试集上表现出中等泛化能力，且主要基于二维照片，可能受限于照片质量和拍摄条件 | 建立并验证一个可靠且成本效益高的深度学习框架，用于基于二维面部照片识别矢状向和垂直向骨骼性错颌畸形 | 1427名患者的2854张面部照片、对应的侧位头影测量片及元数据（性别和年龄） | 计算机视觉 | 骨骼性错颌畸形 | 深度学习 | CNN | 图像, 元数据 | 2854张照片（来自1427名患者） | NA | MobileNetV3-Large | 准确率, 精确率, AUC, 召回率, F1分数 | NA |
| 9170 | 2025-12-10 |
60 kVp Coronary CT Angiography as a Screening Tool on Asymptomatic Patients: An Initial Experience
2025-Dec-10, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000869
PMID:41363201
|
研究论文 | 本研究探讨了使用60 kVp冠状动脉CT血管造影结合深度学习重建技术作为无症状患者筛查工具的可行性 | 首次将超低剂量60 kVp CCTA与深度学习重建结合，用于无症状患者的冠状动脉疾病筛查，显著降低了辐射剂量和对比剂用量 | 60 kVp CCTA会导致斑块体积和狭窄程度的显著高估，且在血管和管腔描绘方面主观评分较低 | 评估超低剂量冠状动脉CT血管造影作为无症状患者筛查工具的可行性 | 156名无症状但至少有一个冠状动脉疾病风险因素的患者 | 数字病理学 | 心血管疾病 | 冠状动脉CT血管造影 | 深度学习 | 医学影像 | 156名患者 | NA | NA | 灵敏度, 特异性, 准确率, 阴性预测值 | NA |
| 9171 | 2025-12-10 |
Deep Learning Model for Fast Determination of Equilibrium Dissociation Constants Using Biolayer Interferometry Sensorgrams
2025-Dec-09, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c03188
PMID:41271228
|
研究论文 | 本文提出了一种基于深度学习的模型，用于快速预测生物层干涉测量（BLI）传感器图谱的平衡解离常数 | 创新性地将YOLOv5模型用于自动识别和提取PubMed文献中的BLI曲线，并结合干-半干-湿策略扩展数据集；在卷积神经网络中引入了SE和CBA模块并进行微调，以提升预测精度和泛化能力 | 模型在湿数据上的总预测准确率为60%，仍有提升空间；未来需要更多高质量BLI传感器图谱数据以进一步提高模型的准确性和鲁棒性 | 开发一种能够基于单浓度BLI传感器图谱快速准确预测平衡解离常数（K值）的深度学习方法 | 生物层干涉测量（BLI）传感器图谱 | 机器学习 | NA | 生物层干涉测量 | CNN, GAN | 传感器图谱（曲线数据） | 5640条传感器图谱（包括3812条从PubMed提取的曲线、525条实验室湿数据、1303条生成对抗网络生成的干数据） | NA | YOLOv5, 卷积神经网络（含SE和CBA模块） | 准确率 | NA |
| 9172 | 2025-12-10 |
Accelerating Many-Body Quantum Chemistry via Generative Transformer-Enhanced Configuration Interaction
2025-Dec-09, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c01429
PMID:41283762
|
研究论文 | 提出了一种基于Transformer的生成式机器学习方法GTNN-SCI，用于加速多体量子化学计算，通过生成式采样重要构型来高效处理强关联系统 | 利用Transformer的自注意力机制捕获长程电子关联，实现比现有神经网络方法高达10倍的加速，并能识别传统耦合方案遗漏的高阶激发，获得更低的变分能量 | NA | 加速多体量子化学计算，精确求解强关联分子系统的电子薛定谔方程 | 代表性分子（如N₂、H₂O、C₂）和强关联的[Fe₂S₂(SCH₃)₄]²⁻ ([2Fe-2S])团簇系统 | 机器学习 | NA | 量子化学计算，构型相互作用 | Transformer | 量子化学构型数据 | NA | NA | Transformer | 收敛速度，能量（关联能、结合能、基态能量），化学精度 | NA |
| 9173 | 2025-12-10 |
Model-based spatiotemporal synthetic data generation framework and deep-learning reconstruction for real-time MRI oxygen extraction fraction mapping
2025-Dec-09, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae2380
PMID:41285110
|
研究论文 | 提出了一种用于实时动态磁共振成像的模型化时空合成数据生成框架及深度学习重建方法，以实现氧摄取分数的动态追踪 | 开发了针对实时动态场景的模型化时空合成数据生成框架，并结合超快速多重叠回波分离成像技术，实现了三维时空重建以追踪氧摄取分数的动态变化 | 未明确说明方法在更广泛临床场景或不同病理条件下的泛化能力 | 解决深度学习定量磁共振成像重建中训练数据稀缺问题，并提升实时动态成像的重建质量 | 数值模拟大脑、水模体及人脑实验数据 | 医学影像分析 | NA | 超快速多重叠回波分离成像技术 | 深度学习 | 三维时空磁共振成像数据 | NA | NA | NA | 准确性 | NA |
| 9174 | 2025-12-10 |
Adaptive Physics-Aware Raman Baseline Correction with Machine Learning Predicted Parameters
2025-Dec-09, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c05185
PMID:41294352
|
研究论文 | 提出了一种自适应物理感知的拉曼基线校正方法DIRAS及其增强版DIRAS+，通过机器学习预测参数实现自动化校正 | 开发了动态迭代重加权自回归光谱基线校正方法，结合深度学习优化正则化参数，实现无需手动干预的自适应校正 | 方法在通用性和用户控制方面可能仍有局限，未明确说明在其他类型光谱数据上的适用性 | 提高拉曼光谱基线校正的准确性和自动化水平，以支持可靠的光谱解释和下游化学计量工作流程 | 拉曼光谱数据，特别是表面增强拉曼散射数据集 | 机器学习 | NA | 拉曼光谱，表面增强拉曼散射 | 深度学习模型 | 光谱数据 | 两个SERS数据集 | NA | NA | 结构相似性指数，峰值保真度，类内变异性，基线失真，校准误差，分析灵敏度 | NA |
| 9175 | 2025-12-10 |
Deep-Learning Prediction of Protein Secondary Structure from Circular Dichroism Spectrum Using Three-Layer Image Recognition
2025-Dec-09, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c04550
PMID:41321189
|
研究论文 | 本研究开发了一种基于图像识别的深度学习方法，用于从圆二色谱中准确预测蛋白质二级结构参数 | 创新点在于将圆二色谱数值数据转换为三层（RGB）图像，并利用卷积神经网络进行图像识别，实现了高精度的二级结构参数预测 | NA | 开发一种深度学习方法，用于从圆二色谱中预测蛋白质二级结构参数 | 蛋白质的圆二色谱和对应的二级结构参数 | 机器学习 | NA | 圆二色谱 | CNN | 图像 | 243个圆二色谱RGB图像 | NA | 原始CNN | 相关系数, RMSD | NA |
| 9176 | 2025-12-10 |
Towards Modality- and Sampling-Universal Learning Strategies for Accelerating Cardiovascular Imaging: Summary of the CMRxRecon2024 Challenge
2025-Dec-08, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3641610
PMID:41359736
|
研究论文 | 本文总结了CMRxRecon2024挑战赛，该挑战赛旨在解决心脏磁共振成像中深度学习模型跨模态和采样方案泛化能力不足的问题 | 引入了最大的公开多模态心脏磁共振原始数据集、开放基准测试平台和共享代码，并发现基于提示的适应和增强的物理驱动一致性是实现强跨场景性能的关键 | 未明确说明模型在临床环境中的具体验证结果或部署挑战 | 加速心血管成像，开发跨模态和采样方案通用的学习策略 | 心脏磁共振成像数据 | 数字病理学 | 心血管疾病 | 心脏磁共振成像 | 深度学习模型 | 图像 | 来自18个国家超过200个团队参与的大规模多模态数据集 | NA | NA | 跨场景性能评估 | NA |
| 9177 | 2025-12-10 |
Deep learning algorithm assisting diagnosis of prostate cancer extracapsular extension based on [18F]PSMA-1007 PET/CT and multiparametric MRI: A multicenter study
2025-Dec-08, Prostate cancer and prostatic diseases
IF:5.1Q1
DOI:10.1038/s41391-025-01063-7
PMID:41361534
|
研究论文 | 本研究旨在开发和验证基于多参数MRI和[18F]PSMA-1007 PET/CT的深度学习模型，以预测前列腺癌的包膜外侵犯，并探索将深度学习与临床专业知识相结合的简化模型 | 开发了结合多参数MRI和PET/CT的深度学习模型（MPC-M），并引入了简化模型（E-MPC-M）以提高临床实用性，同时利用Grad-CAM进行模型可解释性可视化 | 模型应被视为初步研究，需要更大规模的前瞻性多中心研究来确认其稳健性和泛化性 | 预测前列腺癌的包膜外侵犯 | 接受根治性前列腺切除术的前列腺癌患者 | 数字病理学 | 前列腺癌 | 多参数MRI, [18F]PSMA-1007 PET/CT | 深度学习模型 | 医学影像（MRI, PET/CT） | 388名患者，来自三个中心 | NA | NA | AUC, 灵敏度, 特异性 | NA |
| 9178 | 2025-12-10 |
Application of Artificial Intelligence-Based Transfer Learning Models to the Bethesda System for Thyroid Cytopathology
2025-Dec-08, Cytopathology : official journal of the British Society for Clinical Cytology
IF:1.2Q3
DOI:10.1111/cyt.70045
PMID:41361911
|
研究论文 | 本研究评估了基于集成软投票的迁移学习模型在甲状腺细胞学涂片根据Bethesda系统进行分类的性能 | 首次将集成迁移学习方法应用于Bethesda甲状腺细胞病理学报告系统的分类任务 | 研究样本量较小（94例病例，949张图像），未来需要更大规模的数据集（特别是全玻片成像数据）进行验证 | 评估迁移学习模型在甲状腺细胞学涂片Bethesda系统分类中的性能 | 甲状腺细针穿刺细胞学涂片图像 | 数字病理学 | 甲状腺癌 | 细针穿刺细胞学 | CNN | 图像 | 94例甲状腺FNAC病例，共949张代表性图像 | TensorFlow, Keras | Xception, ResNet50V2, DenseNet121, MobileNetV2, InceptionV3, EfficientNetB3 | 灵敏度, 特异性, 精确度, 阴性预测值, F1分数, AUCROC | NA |
| 9179 | 2025-12-10 |
A commentary on: "deep learning-based radiomics and machine learning for prognostic assessment in IDH-wildtype glioblastoma after maximal safe surgical resection: a multicenter study"
2025-Dec-08, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004153
PMID:41363102
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9180 | 2025-12-10 |
Letter to the Editor "Decoding the black box: critical appraisal of deep learning radiomics for predicting neoadjuvant response in head and neck cancer"
2025-Dec-08, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004288
PMID:41363136
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |