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 36434 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 | 2025-12-07 |
International Validation of Echocardiographic Artificial Intelligence Amyloid Detection Algorithm
2025-Nov, JACC. Advances
DOI:10.1016/j.jacadv.2025.102067
PMID:40965401
|
研究论文 | 本研究通过国际多中心回顾性病例对照研究，验证了基于计算机视觉的深度学习算法EchoNet-LVH在超声心动图视频中检测心脏淀粉样变性的性能 | 开发并国际验证了首个基于超声心动图视频的计算机视觉深度学习算法EchoNet-LVH，用于心脏淀粉样变性的检测，该算法在多个国际中心、不同种族、性别、年龄等群体中表现一致，且针对这种罕见病优化了高特异性以最大化下游确认性检测的阳性预测值 | 研究为回顾性病例对照设计，可能存在选择偏倚；算法性能虽在多个中心验证，但未来仍需在前瞻性临床环境中进一步评估其实际应用效果 | 验证一种基于人工智能的计算机视觉算法在国际多中心数据中识别心脏淀粉样变性的性能 | 574名心脏淀粉样变性患者和979名对照者的超声心动图研究 | 计算机视觉 | 心脏淀粉样变性 | 经胸超声心动图 | 深度学习 | 视频 | 1553个超声心动图研究（574例病例，979例对照） | NA | EchoNet-LVH | AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值 | NA |
| 1022 | 2025-12-07 |
MolP-PC: a multi-view fusion and multi-task learning framework for drug ADMET property prediction
2025-Nov, Chinese journal of natural medicines
IF:4.0Q1
DOI:10.1016/S1875-5364(25)60945-9
PMID:41260779
|
研究论文 | 本文提出了一种名为MolP-PC的多视图融合与多任务学习框架，用于精确预测药物的ADMET性质 | 整合了1D分子指纹、2D分子图和3D几何表示，采用注意力门控融合机制和多任务自适应学习策略，以克服数据稀疏性和信息丢失问题 | 模型在预测分布容积（VD）时存在低估倾向，对高组织分布化合物的分析有改进空间 | 开发一个高效且可解释的框架，用于药物ADMET性质预测，以支持早期药物开发中的分子优化和风险评估 | 药物分子及其ADMET性质 | 机器学习 | NA | 多视图融合、多任务学习 | 深度学习框架 | 1D分子指纹、2D分子图、3D几何表示 | NA | NA | MolP-PC | NA | NA |
| 1023 | 2025-12-07 |
Predicability of PD-L1 expression in cancer cells based solely on H&E-stained sections
2025-Nov, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100524
PMID:41340634
|
综述 | 本文综述了基于AI模型直接从H&E染色切片预测PD-L1表达的研究进展与应用潜力 | 提出利用AI直接从H&E染色切片预测PD-L1表达，避免了传统免疫组化的主观性和资源消耗，并探讨了多模态数据融合的增强策略 | 需要大规模验证、AI模型标准化以及临床实施的监管批准 | 探索人工智能在病理学中用于预测PD-L1生物标志物表达，以改进免疫治疗患者选择 | 癌症患者的H&E染色组织切片 | 数字病理学 | 癌症 | H&E染色，免疫组化 | 深度学习算法 | 图像 | NA | NA | NA | 准确性 | NA |
| 1024 | 2025-12-07 |
Artificial intelligence to automatically identify reverse shoulder arthroplasty implant brands on postoperative radiographs including uncertainty quantification
2025-Oct-31, Journal of shoulder and elbow surgery
IF:2.9Q1
DOI:10.1016/j.jse.2025.10.011
PMID:41177294
|
研究论文 | 本研究开发了一种基于深度学习的人工智能算法，用于在术后X光片上自动识别8种常用的反向肩关节置换术植入物品牌，并包含不确定性量化 | 首次应用深度学习算法结合保形预测进行不确定性量化，以自动识别反向肩关节置换术植入物品牌，提高了识别准确性和效率 | 研究仅针对8种特定植入物品牌，可能未涵盖所有市售型号，且样本来源可能有限 | 开发一种计算机视觉AI算法，辅助外科医生准确高效地识别X光片中的假体品牌，以改善临床工作流程 | 反向肩关节置换术术后患者的肩部X光片 | 计算机视觉 | 骨科疾病 | 深度学习，保形预测 | CNN | 图像 | 5,256张肩部X光片（对应1,368个肩部） | NA | EfficientNet | 准确率，F1分数，效率，覆盖率 | NA |
| 1025 | 2025-12-07 |
Three-dimensional distensibility of the aorta derived from four-dimensional cardiovascular magnetic resonance in young and middle-aged adults with Marfan syndrome
2025-Oct-29, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2025.101975
PMID:41173273
|
研究论文 | 本研究使用四维心血管磁共振成像技术，评估了马凡综合征患者与健康志愿者之间主动脉三维扩张性和位移的差异 | 首次利用深度学习算法从四维心血管磁共振成像中提取主动脉三维扩张性和位移，作为马凡综合征患者主动脉功能的新影像学生物标志物 | 研究样本量有限，且为横断面研究，需要纵向数据来验证这些生物标志物在预测主动脉事件中的价值 | 比较马凡综合征患者与健康志愿者的主动脉三维扩张性和位移，探索新的影像学生物标志物 | 马凡综合征患者（包括有或无主动脉根部手术史）和健康志愿者 | 数字病理学 | 马凡综合征 | 心血管磁共振成像 | 深度学习 | 图像 | 131名参与者（47名健康志愿者，51名未手术马凡综合征患者，33名术后马凡综合征患者） | NA | NA | NA | NA |
| 1026 | 2025-12-07 |
A Self-Explainable Dynamic Risk Monitoring Framework for Predicting Alzheimer's Disease and Related Dementias
2025-Oct-28, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.10.20.25338232
PMID:41282689
|
研究论文 | 本文提出了一种名为GRU-D-RETAIN的自解释动态风险监测框架，用于预测阿尔茨海默病及相关痴呆症，利用电子健康记录数据解决临床就诊不规则、数据稀疏和可解释性需求等挑战 | 结合GRU-D的参数化缺失值插补能力和RETAIN的可解释注意力机制，实现任意临床就诊时间点的实时风险监测并提供有意义的解释 | ADRD诊断前10年以上的EHR记录稀缺，限制了有效预测模型的开发时间范围；不同训练折叠可能产生不一致的解释 | 开发一种动态、可解释的风险监测框架，用于早期预测阿尔茨海默病及相关痴呆症 | 来自德克萨斯大学医师EHR系统的15,172名ADRD病例（年龄≥50岁）和145,443名性别及出生日期匹配的对照患者 | 机器学习 | 阿尔茨海默病及相关痴呆症 | 电子健康记录数据分析 | GRU-D, LSTM, RETAIN | 电子健康记录 | 160,615名患者（15,172例ADRD病例和145,443名对照） | TensorFlow, PyTorch | GRU-D-RETAIN | AUROC, 平均精确率 | NA |
| 1027 | 2025-12-07 |
Impact of Imaging Protocols on Convolutional Neural Network-Based Pressure Injury Detection
2025-Oct-21, Research square
DOI:10.21203/rs.3.rs-7263214/v1
PMID:41282160
|
研究论文 | 本研究评估了成像协议变化对基于卷积神经网络的压疮检测性能的影响 | 系统性地评估了光照、相机距离、患者体位和相机类型等多种成像协议因素对深度学习模型在压疮早期检测中性能的影响，并比较了光学与热成像的差异 | 研究在健康成人中使用局部冷却模拟温度变化，而非真实压疮患者，且静态标注方法可能不适用于动态热成像应用 | 探究成像协议变化对深度学习模型在压疮早期检测中性能的影响 | 35名健康成人，涵盖多种肤色 | 计算机视觉 | 压疮 | 热成像, 光学成像 | CNN | 图像 | 1680张图像，来自35名健康成人 | NA | MobileNetV2, InceptionNetV3, ResNet50 | 准确率 | NA |
| 1028 | 2025-12-07 |
Prediction of Atrial Fibrillation From the ECG in the Community Using Deep Learning: A Multinational Study
2025-Oct, Circulation. Arrhythmia and electrophysiology
DOI:10.1161/CIRCEP.125.013734
PMID:41025252
|
研究论文 | 本研究开发并验证了一种基于心电图的深度学习模型，用于预测心房颤动的风险，并在多个国际队列中评估其性能 | 首次在跨国社区队列中验证了仅使用单次心电图输入的深度学习模型预测心房颤动及其他心血管结局的能力，并与传统临床风险评分进行了比较 | 研究基于回顾性队列数据，可能存在选择偏倚，且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 | 通过深度学习模型从心电图中预测心房颤动的风险，并评估其与心血管结局的关联 | 来自Framingham心脏研究、英国生物银行和ELSA-Brasil研究的社区参与者 | 数字病理学 | 心血管疾病 | 心电图 | 深度神经网络 | 心电图信号 | 总计71,661名参与者（FHS: 10,097人，UK Biobank: 49,280人，ELSA-Brasil: 12,284人） | NA | 深度神经网络 | 受试者工作特征曲线下面积 | NA |
| 1029 | 2025-12-07 |
A Critical Review of Deep Learning Technique and Its Applications in Clinical Cytology
2025 Oct-Dec, Journal of cytology
IF:1.0Q4
DOI:10.4103/joc.joc_136_25
PMID:41341475
|
综述 | 本文对深度学习技术在临床细胞学中的应用进行了批判性回顾 | 系统性地总结了深度学习在细胞学领域的潜力与挑战，强调了其在癌症筛查、疾病分类、生物标志物预测等多方面的应用前景 | 未提供具体实验数据或模型性能比较，主要基于文献综述，缺乏原创性研究验证 | 探讨深度学习技术在临床细胞学中的应用潜力与实施障碍 | 深度学习技术在细胞学领域的应用 | 数字病理学 | 癌症 | NA | NA | 图像 | NA | NA | NA | NA | NA |
| 1030 | 2025-12-07 |
Transformative potential of artificial intelligence in US CDC HIV interventions: balancing innovation with health privacy
2025-Aug-01, AIDS (London, England)
DOI:10.1097/QAD.0000000000004220
PMID:40643081
|
评论 | 本文探讨了人工智能在美国CDC HIV干预中的变革潜力，强调在创新与健康隐私之间取得平衡 | 提出了AI在HIV预防中的综合应用框架，包括机器学习、深度学习和生成式AI，并强调与公共卫生策略（如PEPFAR）的对齐 | 未提供具体实证数据或案例研究，主要基于理论分析和愿景展望 | 探索AI在HIV预防和治疗中的潜在应用，以推动更公平的健康结果 | 美国CDC的HIV干预策略及相关公共卫生系统 | 机器学习 | HIV | 机器学习（ML）、深度学习（DL）、生成式AI（Gen AI） | NA | 复杂HIV相关数据集 | NA | NA | NA | NA | NA |
| 1031 | 2025-12-07 |
Advancing Alzheimer's Diagnosis with AI-Enhanced MRI: A Review of Challenges and Implications
2025-Jul-30, Current neuropharmacology
IF:4.8Q1
|
综述 | 本文综述了利用AI增强的MRI技术（特别是深度学习模型）在阿尔茨海默病诊断中的研究进展、挑战与临床意义 | 系统性地总结和分类了基于MRI的深度学习研究，并批判性地评估了其方法学、优势、局限性及临床转化潜力 | 作为一篇综述，其本身不包含原始研究数据或新模型验证，主要依赖现有文献的归纳与分析 | 总结和评估基于MRI的深度学习模型在神经系统疾病（尤其是阿尔茨海默病）诊断中的应用 | 阿尔茨海默病及其他神经系统疾病相关的脑部结构MRI数据 | 数字病理学 | 阿尔茨海默病 | 结构磁共振成像 | CNN, NC-ANN | 图像 | NA | NA | NA | NA | NA |
| 1032 | 2025-12-07 |
Development of a deep learning algorithm for detecting significant coronary artery stenosis in whole-heart coronary magnetic resonance angiography
2025-Jun-30, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2025.101932
PMID:40602666
|
研究论文 | 本文开发了一种基于深度卷积神经网络的深度学习算法，用于在全心脏冠状动脉磁共振血管成像中准确检测显著冠状动脉狭窄 | 首次提出将深度学习算法应用于全心脏冠状动脉磁共振血管成像，以辅助检测冠状动脉狭窄，特别是针对经验不足的观察者 | 研究样本量相对较小（75名患者），且仅基于单一机构的回顾性数据，可能限制算法的泛化能力 | 开发并验证一种深度学习算法，用于辅助在全心脏冠状动脉磁共振血管成像中准确检测显著冠状动脉狭窄 | 75名患者的951个冠状动脉节段，这些患者同时接受了全心脏冠状动脉磁共振血管成像和侵入性冠状动脉造影检查 | 计算机视觉 | 心血管疾病 | 全心脏冠状动脉磁共振血管成像，侵入性冠状动脉造影 | CNN | 图像 | 75名患者的951个冠状动脉节段 | NA | 深度卷积神经网络 | AUC, 敏感性, 特异性, 准确率 | NA |
| 1033 | 2025-12-07 |
The Role of Artificial Intelligence in Cardiovascular Disease Risk Prediction: An Updated Review on Current Understanding and Future Research
2025-Apr-17, Current cardiology reviews
IF:2.4Q2
|
综述 | 本文综述了人工智能在心血管疾病风险预测中的当前应用、优势及未来研究方向 | 系统总结了AI在心血管风险预测中的最新进展，包括机器学习算法在心肌梗死后生存率预测和深度学习在高血压风险预测中的高精度表现 | AI在心血管风险评估中的广泛应用仍面临挑战，主要由于医疗专业人员缺乏相关教育和接受度 | 探讨人工智能如何提高心血管疾病风险预测的准确性、效率和可及性 | 心血管疾病风险预测模型及AI驱动工具 | 机器学习 | 心血管疾病 | 机器学习, 深度学习, 心电图分析 | 机器学习算法, 深度学习模型 | 电子健康记录, 心电图数据 | NA | NA | NA | 准确率, 生存率预测精度 | NA |
| 1034 | 2025-12-07 |
Translational Informatics Driven Drug Repositioning for Neurodegenerative Disease
2025-Feb-06, Current neuropharmacology
IF:4.8Q1
|
综述 | 本文从转化信息学的角度全面审视了神经退行性疾病的药物重定位，涵盖数据源、计算模型和临床应用 | 通过整合人工智能和医疗数据，系统化地分类了药物重定位的计算模型，并突出了在神经退行性疾病研究中的应用潜力 | NA | 开发针对神经退行性疾病的有效治疗方法 | 神经退行性疾病 | 自然语言处理 | 老年病 | NA | 机器学习, 深度学习 | 文本 | NA | NA | NA | NA | NA |
| 1035 | 2025-12-07 |
C-HDNet: A Fast Hyperdimensional Computing Based Method for Causal Effect Estimation from Networked Observational Data
2025, Social network analysis and mining
IF:2.3Q3
DOI:10.1007/s13278-025-01502-2
PMID:41143237
|
研究论文 | 本文提出了一种基于超维计算的因果效应估计方法，用于处理网络观测数据中的网络混淆问题 | 利用超维计算原理编码和整合网络结构信息，实现更准确的个体匹配，显著降低计算复杂度 | 未明确说明方法对网络结构假设的敏感性或处理极端稀疏/稠密网络的适用性 | 从存在网络干扰的观测数据中估计因果效应 | 网络结构中的个体及其邻居影响 | 机器学习 | NA | 超维计算 | NA | 网络观测数据 | 多个基准数据集（未指定具体数量） | NA | C-HDNet | 准确性，运行时间 | NA |
| 1036 | 2025-12-07 |
PixlMap: A generalisable pixel classifier for cellular phenotyping in multiplex immunofluorescence images
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317865
PMID:41335594
|
研究论文 | 本文提出了一种名为PixlMap的通用像素分类器，用于在多重免疫荧光图像中进行细胞表型分析，无需依赖准确的细胞边界分割 | 该方法创新性地利用人类视觉能力，仅基于核分割即可准确进行细胞表型分析，无需整个细胞分割，且训练仅需每种区室染色（核/细胞质/膜）的单个示例 | 未明确提及具体局限性，但暗示现有细胞分割方法存在信息丢失和数据污染问题 | 开发一种通用且易于使用的深度学习方法，用于细胞表型分析，以解决多重免疫荧光图像解释中的分析挑战 | 多重免疫荧光图像中的细胞 | 数字病理学 | NA | 多重免疫荧光成像 | 深度学习 | 图像 | NA | 商业深度学习图像分析平台 | U-Net | 与基于强度的表型分析方法在准确性上相当 | NA |
| 1037 | 2025-12-07 |
COVID-19 Persian Misinformation Detection on Instagram: A Comparative Analysis of Machine Learning and Deep Learning Methods
2025 Jan-Dec, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.70036
PMID:41340910
|
研究论文 | 本研究通过构建波斯语Instagram评论数据集，比较了多种机器学习和深度学习方法在检测COVID-19相关虚假信息上的性能 | 首次针对波斯语COVID-19虚假信息建立了综合性能基准，并构建了包含27,000条标注评论的新数据集 | 研究仅聚焦于波斯语内容，未涵盖其他语言；数据集规模相对有限 | 检测社交媒体上的虚假信息，特别是非英语语言的COVID-19相关误导内容 | Instagram平台上的波斯语评论 | 自然语言处理 | COVID-19 | 文本挖掘，词嵌入 | XGBoost, LSTM, CNN, KNN, BERT | 文本 | 27,000条波斯语评论 | TensorFlow, PyTorch, Scikit-learn | LSTM, CNN, BERT | 准确率, 精确率, 召回率, F1分数 | 未明确指定 |
| 1038 | 2025-12-07 |
Detection of leptomeningeal angiomas in brain MRI of Sturge-Weber syndrome using multi-scale multi-scan Mamba
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1699700
PMID:41341263
|
研究论文 | 本研究提出了一种基于Mamba的编码器-解码器架构，结合多尺度多扫描策略，用于在Sturge-Weber综合征患者的脑部MRI中自动检测软脑膜血管瘤 | 采用多尺度多扫描策略将3D体积转换为1D序列，以较低计算复杂度捕获长程依赖，并首次将Mamba架构应用于软脑膜血管瘤的自动检测 | 数据集规模较小（仅40名患者），且模型性能在SWS数据集上的Dice分数（78.67%）虽优于现有方法，但仍低于在BraTS数据集上的表现（91.53%） | 研究Sturge-Weber综合征中软脑膜血管瘤的自动检测方法，以实现临床自动化诊断 | Sturge-Weber综合征患者的脑部MRI图像 | 计算机视觉 | Sturge-Weber综合征 | MRI | Mamba | 图像 | 40名SWS患者的T1增强MRI数据，并使用公共BraTS数据集进行预训练 | NA | 基于Mamba的编码器-解码器架构 | Dice分数 | NA |
| 1039 | 2025-12-07 |
YOLO-PLNet: a lightweight real-time detection model for peanut leaf diseases based on edge deployment
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1707501
PMID:41341300
|
研究论文 | 本研究提出了一种名为YOLO-PLNet的轻量级实时检测模型，专为花生叶部病害的边缘设备部署而设计 | 在YOLO11n基础上，对主干网络和Neck结构进行轻量化改进，引入了轻量注意力增强卷积模块以降低计算开销，并融合通道-空间注意力机制来增强对小病灶和边缘模糊目标的特征表示，同时检测头采用渐进特征金字塔网络以提升多尺度检测性能 | NA | 实现花生叶部病害的早期准确检测，并平衡模型大小、实时检测精度与边缘设备部署需求 | 花生叶部病害 | 计算机视觉 | NA | NA | CNN | 图像, 视频 | NA | NA | YOLO11n, YOLO-PLNet | mAP@0.5, mAP@0.5:0.95, 延迟, FPS, GPU使用率, 功耗 | Jetson Orin NX平台, CSI摄像头实时视频输入, FP16精度, INT8精度 |
| 1040 | 2025-12-07 |
Species-level detection of thrips and whiteflies on yellow sticky traps using YOLO-based deep learning detection models
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1668795
PMID:41341315
|
研究论文 | 本研究评估了基于YOLO的深度学习检测模型在非显微RGB黄色粘虫板图像上实时进行物种级别检测蓟马和白粉虱的潜力与局限性 | 首次实现了在黄色粘虫板图像上对蓟马和白粉虱进行有效的物种级别检测，为针对性害虫控制策略提供了可能 | 研究仅针对特定类型的黄色粘虫板和有限害虫物种，未来需扩展至更多害虫种类、粘虫板类型和环境光照条件 | 开发一种实时、自动化的物种级别害虫监测系统，以减少农药使用并提高农业产量 | 蓟马（Frankliniella occidentalis 和 Thrips tabaci）和白粉虱（Trialeurodes vaporariorum 和 Bemisia tabaci） | 计算机视觉 | NA | 深度学习图像检测 | YOLO | 图像 | 一个平衡且标注的图像数据集，包含在一种黄色粘虫板上捕获的害虫物种 | NA | YOLO11, YOLO-NAS | mAP@50, F1@50, AP@50 | NA |