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 37720 篇文献，本页显示第 1021 - 1040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1021 | 2025-12-24 |
Refining Sleep-Disordered Breathing Annotations Across Multiple Public Sleep Study Datasets
2025-Dec-22, Journal of sleep research
IF:3.4Q2
DOI:10.1111/jsr.70264
PMID:41431151
|
研究论文 | 本研究开发了一个标准化的注释流程，用于整合多个公共睡眠研究数据集中的睡眠呼吸障碍标注，以符合美国睡眠医学学会的指南 | 提出了一种整合睡眠分期、氧减饱和度和觉醒事件的标准化注释流程，显著提高了跨队列数据的一致性 | 研究为回顾性分析，依赖于现有数据集的可用性，可能无法完全覆盖所有临床场景 | 改进睡眠呼吸障碍的标注方法，以支持临床研究和基于人工智能的分析 | 来自SHHS、MrOS、MESA和KISS等多个公共睡眠研究数据集的受试者 | 数字病理学 | 睡眠呼吸障碍 | 多导睡眠图 | 深度学习模型 | 多导睡眠图数据 | SHHS1 (n=5793), SHHS2 (n=2651), MrOS1 (n=2907), MrOS2 (n=1026), MESA (n=2054), KISS (n=7745) | NA | NA | 平均绝对误差, F1分数 | NA |
| 1022 | 2025-12-24 |
An interpretable metabolomic-driven machine learning model for early prediction of knee structural osteoarthritis progression
2025-Dec-22, Rheumatology (Oxford, England)
DOI:10.1093/rheumatology/keaf686
PMID:41431841
|
研究论文 | 本研究开发并验证了一种基于血清代谢组学的机器学习/深度学习模型，用于早期预测膝关节结构性骨关节炎的进展 | 首次结合代谢组学特征（包括代谢物及其比率）与机器学习模型，并引入领域对抗组件以处理数据分布偏移，实现了对膝关节骨关节炎进展的高精度预测 | 研究样本量相对有限（开发队列n=180，验证队列n=137），且仅基于两个独立队列进行验证，可能需要更多样化的外部验证 | 开发并验证一种基于血清代谢组学的预后模型，用于早期识别膝关节结构性骨关节炎进展的高风险个体 | 来自塔斯马尼亚老年成人队列和Licofelone试验的参与者，其膝关节结构性进展风险通过MRI和X射线数据分类 | 机器学习 | 骨关节炎 | 高通量代谢组学分析，批次效应校正（ComBat） | 人工神经网络（带领域对抗组件），以及其他四种机器学习/深度学习模型 | 血清代谢组学数据（代谢物及其比率），结合年龄、性别、BMI等临床变量 | 开发队列180人，外部验证队列137人 | NA | 人工神经网络（带领域对抗组件） | AUC, 准确率, 敏感性, 特异性 | NA |
| 1023 | 2025-12-24 |
Generalizable and scalable protein stability prediction with rewired protein generative models
2025-Dec-20, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-67609-4
PMID:41422228
|
研究论文 | 本文提出了一种名为SPURS的深度学习框架，通过重新连接和整合两种互补的蛋白质生成模型，用于准确、高效且可扩展的蛋白质稳定性预测 | SPURS框架首次将蛋白质语言模型和逆折叠模型进行重新连接和整合，并通过在大规模热稳定性数据上的监督微调，实现了对未见蛋白质和突变的泛化预测能力 | 未在摘要中明确提及具体限制 | 预测由氨基酸替换引起的蛋白质热稳定性变化，以理解人类疾病并用于蛋白质工程应用 | 蛋白质及其氨基酸替换 | 机器学习 | 人类疾病 | 深度学习 | 蛋白质语言模型, 逆折叠模型 | 蛋白质序列数据, 热稳定性数据 | 大规模热稳定性数据 | NA | NA | NA | NA |
| 1024 | 2025-12-24 |
Optimizing recurrence prediction and risk stratification in prostate cancer using a 2.5D deep learning model: a multicenter MRI-based study
2025-Dec-19, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004584
PMID:41417975
|
研究论文 | 本研究开发并验证了一种基于Transformer架构的2.5D深度学习模型，用于术前预测前列腺癌的生化复发并进行风险分层 | 提出了一种结合Transformer架构的2.5D深度学习融合模型，整合了多参数MRI图像和临床变量，显著提升了生化复发预测和风险分层的性能 | 研究为回顾性设计，可能存在选择偏倚；模型在外部验证中的泛化能力仍需进一步前瞻性研究确认 | 开发并验证一个深度学习模型，用于术前预测前列腺癌患者的生化复发并进行风险分层 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | 多参数MRI（T2WI, ADC, DWI, CE-T1WI） | 深度学习模型 | 医学图像 | 923名前列腺癌患者（来自5个三级医疗中心，共10153张图像） | PyTorch | Transformer, ResNet18 | AUC, 时间依赖性AUC, 决策曲线分析, 校准曲线 | NA |
| 1025 | 2025-12-24 |
Auxiliary diagnosis of periprosthesis joint infection by leukocyte esterase strips test using a deep learning model
2025-Dec-19, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004576
PMID:41417979
|
研究论文 | 本研究验证了基于深度卷积神经网络模型自动检测白细胞酯酶试纸条在诊断假体周围关节感染中的效能 | 开发了一个基于AlexNet的自动检测系统，用于自动捕获和分析白细胞酯酶试纸条图像，以提高诊断的客观性和减少外部因素影响 | 本研究为单中心研究，样本量相对较小，未来需要进行大规模、多中心临床研究以进一步提升模型性能 | 验证深度卷积神经网络模型在自动检测白细胞酯酶试纸条诊断假体周围关节感染中的有效性和可靠性 | 假体周围关节感染患者 | 计算机视觉 | 假体周围关节感染 | 白细胞酯酶试纸条测试 | CNN | 图像 | 78名患者（来自96名前瞻性入组患者，排除18名后） | NA | AlexNet | 灵敏度, 特异度, 阳性预测值, 阴性预测值, ROC曲线, AUC, Kappa值 | NA |
| 1026 | 2025-12-24 |
SynAnno: Interactive Guided Proofreading of Synaptic Annotations
2025-Dec-15, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2025.3634824
PMID:41396767
|
研究论文 | 本文介绍了SynAnno，一种用于大规模连接组学数据集中突触注释交互式引导校对的新工具 | SynAnno通过引入结构化工作流程、优化遍历路径、3D迷你地图以及微调机器学习模型，提升了突触注释校对的效率和准确性 | NA | 开发一个交互式工具，以简化和增强大规模连接组学数据集中突触注释的校对过程 | 突触注释和连接组学数据集 | 连接组学 | NA | 深度学习 | NA | 图像 | 涉及七位神经科学专家的用户和案例研究 | PyTorch | NA | 校对速度、认知负荷、注释错误 | NA |
| 1027 | 2025-12-24 |
Image-based morphological profiling of autophagy phenotypes in Zika virus infected cells
2025-Dec-11, bioRxiv : the preprint server for biology
DOI:10.64898/2025.12.09.693313
PMID:41427343
|
研究论文 | 本文开发了一种实验与计算流程，用于在活细胞中解析寨卡病毒对自噬的劫持，通过基于图像的形态学分析揭示病毒感染与自噬表型的关系 | 扩展并修改了先前的高通量图像分析流程，首次将自噬与寨卡病毒感染并置观察，并训练深度学习分类器在无荧光报告病毒的情况下识别感染细胞 | 研究主要基于细胞模型，可能无法完全反映体内复杂环境；依赖荧光报告系统，可能存在技术偏差 | 解析寨卡病毒如何劫持自噬过程，并开发工具以研究病毒感染与细胞自噬的相互作用 | 寨卡病毒感染的活细胞 | 计算机视觉 | 寨卡病毒感染 | 基于图像的形态学分析，荧光报告系统 | 深度学习分类器 | 图像 | NA | NA | NA | NA | NA |
| 1028 | 2025-12-24 |
Use of artificial intelligence in the diagnosis of alterations in cervical cytology: A university population-based observational study
2025-12-10, Biomedica : revista del Instituto Nacional de Salud
IF:0.8Q4
DOI:10.7705/biomedica.7651
PMID:41410328
|
研究论文 | 本研究评估并比较了四种基于人工智能的模型在检测巴氏涂片异常方面的能力 | 在哥伦比亚大学人群中首次评估人工智能模型用于宫颈细胞学异常诊断的潜力，并比较了不同模型的性能 | 样本量相对较小（650张图像），且仅基于单一大学队列，可能限制结果的普适性 | 评估和比较人工智能模型在巴氏涂片异常检测中的判别能力 | 来自哥伦比亚东北部大学队列的巴氏涂片细胞图像 | 数字病理学 | 宫颈癌 | 数字图像分析，深度学习 | CNN | 图像 | 650张巴氏涂片细胞图像 | NA | DenseNet, InceptionV3, MobileNet, VGG19 | 灵敏度, 特异性, 曲线下面积 | NA |
| 1029 | 2025-12-24 |
Classification of human epidermal growth factor receptor 2 expression in cancerous breast tissue through artificial intelligence
2025-12-10, Biomedica : revista del Instituto Nacional de Salud
IF:0.8Q4
DOI:10.7705/biomedica.7899
PMID:41410332
|
研究论文 | 本文提出了一种基于人工智能的自动化技术，用于在组织学切片中分类HER2过表达细胞 | 利用深度学习技术和视觉Transformer模型通过迁移学习，实现了对HER2表达的自动分类，减少了诊断变异性和提高了客观性 | 需要进一步优化处理效率以扩大应用范围 | 开发一种自动化技术来分类乳腺癌组织中的HER2过表达细胞 | 来自89名患者的乳腺癌组织学切片样本，覆盖所有四种HER2表达水平 | 数字病理学 | 乳腺癌 | 组织学分析 | 深度学习, 神经网络, 视觉Transformer | 图像 | 89名患者的样本 | NA | ViT-B/16 | 准确率 | NA |
| 1030 | 2025-12-24 |
[Deep learning-based endoscopic diagnosis of nasopharyngeal carcinoma: model development and cloud deployment]
2025-Dec-07, Zhonghua er bi yan hou tou jing wai ke za zhi = Chinese journal of otorhinolaryngology head and neck surgery
|
研究论文 | 本研究开发了一种基于白光成像和窄带成像内镜图像的深度学习辅助诊断模型，用于鼻咽癌诊断，并探索了其在远程诊断系统中的临床应用潜力 | 首次将深度学习与鼻内镜图像分析相结合，开发了针对鼻咽癌的AI辅助诊断模型，并构建了原型云诊断平台，为资源有限地区提供了早期筛查解决方案 | 研究为回顾性设计，样本主要来自单一医疗中心，未来需要多中心前瞻性研究进一步验证模型的泛化能力和临床实用性 | 开发基于内镜图像的鼻咽癌AI辅助诊断模型，并探索其在远程医疗系统中的应用 | 鼻咽癌患者的白光成像和窄带成像内镜图像 | 计算机视觉 | 鼻咽癌 | 白光成像, 窄带成像 | CNN | 图像 | 1262名受试者，包含9370张WLI图像和5558张NBI图像 | 未明确说明 | InceptionResNetV2 | 准确率, AUC | NA |
| 1031 | 2025-12-24 |
A Hybrid GARCH-BiLSTM-KAN Model for Crude Oil Price Forecasting: Capturing Volatility, Temporal Dependencies, and Nonlinear Dynamics
2025-Dec-05, Journal of visualized experiments : JoVE
DOI:10.3791/69355
PMID:41428661
|
研究论文 | 本文提出了一种混合GARCH-BiLSTM-KAN模型，用于原油价格预测，旨在捕捉波动性、时间依赖性和非线性动态 | 创新性地将GARCH模型、双向LSTM网络和KAN网络集成到一个混合框架中，以同时量化时变波动性、建模双向时间关系并精炼非线性模式 | NA | 开发一个稳健的预测工具，以准确预测原油价格，应对其复杂的动态特性 | 西德克萨斯中质原油的每日价格 | 机器学习 | NA | NA | GARCH, BiLSTM, KAN | 时间序列数据 | 39年的每日西德克萨斯中质原油价格数据（1986-2025年） | NA | GARCH, BiLSTM, KAN | 均方根误差, 平均绝对误差, 决定系数 | NA |
| 1032 | 2025-12-24 |
Enhancing diagnosis of gout with deep learning in dual-energy computed tomography: a retrospective analysis of crystal and artefact differentiation
2025-Dec-01, Rheumatology (Oxford, England)
DOI:10.1093/rheumatology/keae523
PMID:39565918
|
研究论文 | 本研究利用深度学习算法在双能计算机断层扫描中区分痛风晶体沉积与伪影，以提高痛风诊断准确性 | 首次将深度学习应用于双能计算机断层扫描中绿色编码区域（指示痛风石）与块状伪影的自动区分，实现了高精度的病灶分类 | 研究为回顾性分析，样本量相对有限（74名患者），且未在外部验证集上进行测试 | 评估深度学习在双能计算机断层扫描中区分痛风晶体沉积与伪影的诊断准确性 | 从47名痛风患者和27名无痛风对照者的双能计算机断层扫描中提取的18,704个感兴趣区域 | 计算机视觉 | 痛风 | 双能计算机断层扫描 | CNN, SVM | 图像 | 74名患者（47名痛风患者，27名对照者）的18,704个感兴趣区域 | NA | 卷积神经网络 | AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值, 准确率 | NA |
| 1033 | 2025-12-24 |
Perfusion Assessment of Healthy and Injured Hands Using Video-Based Deep Learning Models
2025-Dec-01, Plastic and reconstructive surgery
IF:3.2Q1
DOI:10.1097/PRS.0000000000012225
PMID:40489745
|
研究论文 | 本文提出了一种基于视频和深度学习的非接触式方法，用于在控制和急性创伤环境中分类手指的灌注和缺血状态 | 利用iPhone视频和深度学习模型（包括成像光电容积描记波形提取和ResNet-18分类器）进行非接触式灌注评估，应用于手部创伤的现场分诊 | 在急诊室等非受控环境中，由于光照、手部姿势和损伤等因素，分类性能显著下降，需要进一步考虑急性创伤相关变量以提高临床适用性 | 开发一种技术以增强手部创伤的灌注评估，改进现场分诊 | 健康对照者（部分经历止血带诱导的缺血周期）和急诊室急性手部创伤患者 | 计算机视觉 | 手部创伤 | 成像光电容积描记 | 深度学习 | 视频 | 48名对照者（包括14名经历止血带诱导缺血者）和15名急性创伤患者 | NA | ResNet-18 | 灵敏度, 阳性预测值, 准确率 | NA |
| 1034 | 2025-09-13 |
Infant Electrocardiogram-Based Deep Learning Predicts Critical Congenital Heart Disease
2025-Dec, JACC. Clinical electrophysiology
DOI:10.1016/j.jacep.2025.08.005
PMID:40938228
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1035 | 2025-12-24 |
CT-based radiomics deep learning signatures for noninvasive prediction of early recurrence after radical surgery in locally advanced colorectal cancer: A multicenter study
2025-Dec, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2025.110482
PMID:41014758
|
研究论文 | 本研究开发并验证了一种结合CT影像组学、深度学习特征与临床实验室参数的术前模型，用于无创预测局部晚期结直肠癌患者根治术后的早期复发风险 | 首次将CT影像组学特征、深度学习特征与临床实验室参数整合构建术前预测模型，并在多中心外部数据集验证其优于传统病理和TNM分期模型 | 回顾性研究设计，样本量相对有限，且未在更广泛的人群中进行前瞻性验证 | 优化局部晚期结直肠癌患者的治疗策略，通过术前无创预测早期复发，减少不必要的药物毒性 | 局部晚期结直肠癌患者 | 数字病理 | 结直肠癌 | CT影像，RNA测序 | 机器学习，深度学习 | CT图像，临床实验室数据，RNA测序数据 | 560例经病理证实的局部晚期结直肠癌患者（来自三个中心）及GEO数据集 | NA | NA | AUC | NA |
| 1036 | 2025-12-24 |
A deep learning approach for enhancing pandemic prediction: A retrospective evaluation of transformer neural networks and multi-source data fusion for infectious disease forecasting
2025-Dec, Epidemics
IF:3.0Q2
DOI:10.1016/j.epidem.2025.100865
PMID:41197498
|
研究论文 | 本文提出了一种基于Transformer神经网络和多源数据融合的深度学习模型，用于县级COVID-19病例和死亡预测，并进行了回顾性评估 | 开发了多级多尺度注意力机制进行自适应时频分析，并融合历史病例数据、死亡数据和社交媒体情绪等多源数据以捕捉复杂的时空动态 | 研究为回顾性案例研究，需要在实时演化的数据条件下进行前瞻性验证以评估模型的实用性 | 开发用于县级传染病预测的深度学习模型，提升大流行预测能力 | 县级COVID-19病例和死亡数据 | 自然语言处理 | COVID-19 | 多源数据融合 | Transformer | 时间序列数据, 文本数据 | 三个奥密克戎变异株波次的数据（2021年12月至2023年2月） | NA | Transformer | 县级一致性准确率 | NA |
| 1037 | 2025-12-24 |
Classification and functional prediction of fungal glycosyltransferases using machine learning and deep learning methods
2025-Dec, Fungal genetics and biology : FG & B
IF:2.4Q3
DOI:10.1016/j.fgb.2025.104045
PMID:41202912
|
研究论文 | 本研究利用机器学习和深度学习方法对真菌糖基转移酶进行分类和功能预测 | 采用卷积变分自编码器（CVAE）整合蛋白质三维折叠、氨基酸结构及生化特征，创新性地结合生化与结构变量，构建了数据驱动的GTs分类系统，超越了传统序列分析方法 | 研究仅涵盖88种代表性真菌物种的3340个GTs，可能未覆盖所有真菌GTs多样性；方法依赖于预测的三维结构，可能存在准确性限制 | 通过机器学习和深度学习揭示糖基转移酶的结构模式与功能关联，以应对其分类复杂性 | 来自88种代表性真菌物种的3340个糖基转移酶（GTs） | 机器学习 | NA | 蛋白质三维结构预测，氨基酸结构及生化特征分析 | 卷积变分自编码器（CVAE），k-means聚类 | 蛋白质序列、预测三维结构、氨基酸结构及生化特征数据 | 3340个糖基转移酶，来自88种真菌物种 | NA | 卷积变分自编码器（CVAE） | 聚类一致性（与k-means生成的组比较） | NA |
| 1038 | 2025-12-24 |
Artificial intelligence in arterial healing, remodeling, and prediction: its implications in vascular surgery
2025-Dec, The Journal of cardiovascular surgery
IF:1.4Q3
DOI:10.23736/S0021-9509.25.13397-1
PMID:41283977
|
综述 | 本文综述了人工智能在血管外科中如何革新动脉愈合、重塑和预测分析的应用 | 整合了机器学习、深度学习算法以及计算流体动力学模拟，为血管手术的精准医疗和个性化治疗提供了前所未有的见解 | 需要高质量标注数据集、算法可解释性问题以及数据隐私的伦理担忧 | 探讨人工智能在血管外科中提升动脉愈合、重塑和预测分析的应用与潜力 | 动脉愈合、重塑过程及血管手术相关预测分析 | 机器学习 | 心血管疾病 | 超声、MRI分析、计算流体动力学模拟 | CNN, RNN | 图像、生物传感器数据 | NA | NA | 卷积神经网络、循环神经网络 | NA | NA |
| 1039 | 2025-12-24 |
Artificial intelligence-based decision support systems and their role in vascular surgery and clinical practice
2025-Dec, The Journal of cardiovascular surgery
IF:1.4Q3
DOI:10.23736/S0021-9509.25.13491-5
PMID:41283980
|
综述 | 本文综述了基于人工智能的决策支持系统在血管外科中的应用、潜力及挑战 | 系统性地探讨了AI-DSS在血管外科从影像分析到术后预测的全流程应用，并强调了数字孪生、可穿戴监测等新兴概念，同时深入分析了伦理、法律及实施障碍 | 许多模型仍是“黑箱”，存在可解释性、泛化性以及与电子记录集成方面的挑战，且高开发成本和不确定的报销政策限制了实际应用 | 评估AI-DSS在血管外科临床实践中的作用、应用前景及面临的障碍 | 基于人工智能的决策支持系统及其在血管外科领域的应用 | 数字病理学 | 心血管疾病 | 深度学习 | NA | 影像数据、生物力学模型数据、生物标志物数据 | NA | NA | NA | 准确率 | NA |
| 1040 | 2025-12-24 |
Power-to-power cross-frequency coupling as a novel approach for temporal lobe seizure detection and analysis
2025-Dec, Neuroscience informatics
DOI:10.1016/j.neuri.2025.100240
PMID:41393096
|
研究论文 | 本研究提出了一种基于功率-功率跨频耦合的新方法，用于检测和分析颞叶癫痫发作，并利用深度学习网络进行特征提取和分类 | 首次将功率-功率跨频耦合方法应用于癫痫发作检测，并识别了三种常见癫痫发作组件的独特耦合特征 | 研究仅针对颞叶癫痫，样本量相对较小（26名患者），且依赖于特定的颅内脑电图数据库 | 评估功率-功率跨频耦合方法在癫痫发作检测中的能力，并分析不同癫痫发作组件的耦合特征 | 颞叶癫痫患者的颅内脑电图记录，包括120次癫痫发作和背景活动片段 | 机器学习 | 癫痫 | 颅内脑电图 | SSAE, LSTM | 脑电图信号 | 26名患者的120次颞叶癫痫发作 | EEGLAB | 堆叠稀疏自编码器, 长短期记忆网络 | 灵敏度, 特异性, 准确率 | NA |