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 42805 篇文献，本页显示第 10581 - 10600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10581 | 2025-11-27 |
DART Predictor: A Multi-Label Attention Model for High-Throughput Screening of Chemicals with Developmental and Reproductive Toxicity (DART)
2025-Nov-25, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c11641
PMID:41232073
|
研究论文 | 开发基于多标签注意力机制的深度学习模型DART Predictor，用于高通量筛选具有发育和生殖毒性的化学品 | 首次将暴露参数与分子描述符和生物测定活性特征整合，采用标签感知注意力机制预测六种DART结局 | 模型性能依赖于暴露参数的准确性，外部验证数据集规模有限 | 建立暴露信息增强的发育和生殖毒性化学品风险评估新方法 | 具有发育和生殖毒性的化学品 | 机器学习 | 发育和生殖毒性相关疾病 | 深度学习，高通量筛选 | 多标签注意力模型 | 分子描述符，生物测定活性特征，暴露参数 | 25,175条化学多样性记录 | NA | 标签感知注意力机制 | AUC, 召回率 | 云平台部署 |
| 10582 | 2025-11-27 |
Single-channel EEG-based sleep stage classification via hybrid data distillation
2025-Nov-25, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae1f3c
PMID:41232135
|
研究论文 | 提出一种混合数据蒸馏方法，用于单通道脑电信号的睡眠分期分类 | 结合梯度匹配和分布匹配的混合数据蒸馏方法，通过将大型真实数据集蒸馏成小型隐私保护的合成数据集来降低计算负担和隐私风险 | 仅在三个公共数据集上验证，未在更广泛的数据集上测试 | 开发计算成本低且保护隐私的自动睡眠分期分类方法 | 单通道脑电信号数据 | 机器学习 | 睡眠障碍 | 脑电信号分析 | 深度学习模型 | 脑电信号时间序列数据 | 三个公共数据集 | NA | NA | NA | NA |
| 10583 | 2025-11-27 |
Deep Model Fusion: A Survey
2025-Nov-25, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3628666
PMID:41289107
|
综述 | 本文系统综述了深度模型融合这一新兴技术，通过整合多个深度学习模型的参数或预测结果来提升整体性能 | 首次对深度模型融合方法进行全面分类和系统总结，特别关注大规模深度学习模型融合面临的挑战 | 作为综述性文章，未提出新的融合方法，主要基于现有文献进行分析和总结 | 总结深度模型融合技术的最新进展，分析当前挑战并展望未来研究方向 | 深度学习模型融合方法，特别是大语言模型和基础模型 | 机器学习 | NA | NA | 深度学习模型,大语言模型,基础模型 | NA | NA | NA | NA | 准确率,鲁棒性 | NA |
| 10584 | 2025-11-27 |
A Dual-Generalization Low-Light Enhancement Framework for Capsule Endoscopy Image Restoration and Segmentation
2025-Nov-25, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3636480
PMID:41289131
|
研究论文 | 提出一种双泛化低光增强框架，用于胶囊内窥镜图像恢复和分割 | 通过亮度级别泛化模块和细节分割泛化模块实现双重泛化能力，能同时处理不同亮度级别和细节程度的胶囊内窥镜图像 | NA | 提升胶囊内窥镜图像在低光条件下的恢复质量和分割精度 | 无线胶囊内窥镜(WCE)图像 | 计算机视觉 | 胃肠道疾病 | 深度学习 | CNN | 图像 | Kvasir-Capsule数据集和RLE数据集 | PyTorch | IGLFM, BLGM, WSGM | PSNR, SSIM, mIoU, Dice系数 | NA |
| 10585 | 2025-11-27 |
Multi-view field deep learning and data augmentation for heavy metals concentrations prediction in marine sediments based on visible and near-infrared spectroscopy
2025-Nov-24, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.119037
PMID:41289856
|
研究论文 | 提出融合双重正则化Wasserstein生成对抗网络和多视场长短期记忆网络的方法，用于基于可见-近红外光谱预测海洋沉积物重金属浓度 | 首次将DR-WGAN-GP数据增强与MVF-LSTM多尺度建模相结合，解决海洋沉积物样本稀缺下的重金属浓度预测问题 | 样本数量有限可能影响模型泛化能力，方法仅在特定重金属（Cu和As）上验证 | 开发快速无损的海洋沉积物重金属污染监测方法 | 海洋沉积物中的铜（Cu）和砷（As）重金属浓度 | 机器学习 | NA | 可见-近红外光谱（Vis-NIR spectroscopy） | GAN, LSTM | 光谱数据 | 小规模海洋沉积物样本集 | NA | DR-WGAN-GP, MVF-LSTM | R, RMSE, RPD | NA |
| 10586 | 2025-11-27 |
Utilization of an automated machine learning approach for the detection of granular corneal dystrophy via slit lamp photographs
2025-Nov-22, BMC ophthalmology
IF:1.7Q3
DOI:10.1186/s12886-025-04324-0
PMID:41275196
|
研究论文 | 本研究应用自动化机器学习技术通过裂隙灯照片检测颗粒状角膜营养不良 | 首次将Google Vertex-AI自动化机器学习平台应用于罕见眼科疾病GCD的自动诊断 | 样本量较小(仅223张图像)，且排除了伴随其他角膜疾病的患者 | 开发基于自动化机器学习的颗粒状角膜营养不良自动诊断系统 | 颗粒状角膜营养不良患者的裂隙灯照片 | 计算机视觉 | 颗粒状角膜营养不良 | 裂隙灯摄影 | 深度学习 | 图像 | 223张裂隙灯照片(72张GCD, 151张非GCD) | Google Vertex-AI | AutoML | AUPRC, 灵敏度, 特异性, 阳性预测值, 准确率, F1分数 | Google Vertex-AI平台 |
| 10587 | 2025-11-27 |
Active Stacking-Deep Learning with Strategic Sampling for Small and Imbalanced Chemical Toxicity Prediction
2025-Nov-18, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c04016
PMID:41280803
|
研究论文 | 提出一种结合主动学习、堆叠集成学习和战略采样的深度学习框架，用于解决化学毒性预测中数据不平衡和有限数据的问题 | 首次将主动学习与堆叠集成学习结合，并集成CNN、BiLSTM和注意力机制，在数据不平衡情况下实现高效毒性预测 | 在不同测试比例下性能有所下降，虽然不确定性方法在严重类别不平衡下表现更稳定 | 提高化学毒性预测的准确性和数据效率，特别是针对干扰甲状腺的化学物质 | 针对甲状腺过氧化物酶的甲状腺干扰化学物质(TDCs) | 机器学习 | 甲状腺功能障碍 | 分子对接 | CNN, BiLSTM, 注意力机制 | 化学数据 | NA | NA | 卷积神经网络, 双向长短期记忆网络, 注意力机制 | MCC, AUROC, AUPRC | NA |
| 10588 | 2025-11-27 |
Artificial intelligence powered radiomics model for the assessment of colorectal tumor immune microenvironment
2025-Nov-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v17.i11.108576
PMID:41281478
|
研究论文 | 开发基于深度学习的放射组学模型，用于结直肠肿瘤免疫微环境的无创评估 | 首次结合术前CT影像和组织病理学图像开发深度学习模型预测结直肠癌免疫相关指标 | 研究样本量较小且来自单一医疗中心，缺乏明确的纳入/排除标准，未包含临床病理特征 | 建立无创评估结直肠肿瘤免疫微环境的方法 | 315例确诊结直肠癌患者 | 数字病理 | 结直肠癌 | CT影像学，组织病理学分析 | 深度学习模型 | CT图像，组织病理图像 | 315例结直肠癌患者 | NA | NA | ROC曲线，AUC，决策曲线分析 | NA |
| 10589 | 2025-11-27 |
Artificial intelligence in echocardiography: trends, hotspots and future directions
2025-Nov-14, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004061
PMID:41247994
|
综述 | 通过文献计量学方法分析人工智能在超声心动图领域的研究趋势、热点和未来方向 | 首次使用文献计量学方法系统分析AI在超声心动图领域的科研产出和发展轨迹 | 仅基于Web of Science数据库的1296篇文献，可能存在收录偏差 | 分析人工智能在超声心动图领域的研究趋势和发展方向 | 1296篇相关科研文献 | 医学影像分析 | 心血管疾病 | 文献计量学分析 | 深度学习 | 文献元数据 | 1296篇出版物 | bibliometrix R | NA | NA | NA |
| 10590 | 2025-11-27 |
Artificial intelligence in contrast enhanced ultrasound: A new era for liver lesion assessment
2025-Nov-14, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i42.112196
PMID:41278165
|
综述 | 本文综述了人工智能在对比增强超声中提升肝脏病灶评估准确性的应用 | 首次系统整合机器学习与深度学习技术于CEUS，实现实时分析和LI-RADS分类标准化 | 需要更多大规模多中心研究验证临床适用性 | 评估AI增强CEUS在肝脏成像中的临床应用价值 | 肝脏病灶的对比增强超声图像 | 医学影像分析 | 肝脏疾病 | 对比增强超声(CEUS) | 机器学习,深度学习 | 超声图像 | NA | NA | NA | LI-RADS分类一致性,操作者间变异性,敏感性 | NA |
| 10591 | 2025-11-27 |
Could artificial intelligence-powered colonoscopies change the future of colorectal cancer screening?
2025-Nov-14, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v31.i42.111291
PMID:41278160
|
综述 | 评估人工智能在结直肠癌筛查中的应用潜力与挑战 | 提出软AI结肠镜概念，整合计算机辅助检测和诊断系统提升病变识别能力 | AI实施成本高、数据隐私问题、需要大量临床验证 | 评估AI技术对结直肠癌筛查流程的影响 | 结直肠癌筛查方法及AI辅助诊断系统 | 数字病理 | 结直肠癌 | 结肠镜检查 | 深度学习 | 内窥镜图像 | NA | NA | NA | 病变检测率 | NA |
| 10592 | 2025-11-27 |
Validation of virtual trichrome stains for kidney fibrosis evaluation using dual-mode emission and transmission microscopy
2025-Nov-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.11.11.25339911
PMID:41292615
|
研究论文 | 开发并验证基于双模式发射和透射显微镜的虚拟三色染色技术用于肾脏纤维化评估 | 提出DUET显微镜平台，能够从H&E染色切片同时获取明场和荧光图像生成虚拟三色染色，无需传统三色染色流程 | 研究样本量较小（32例肾移植活检），需要更大规模验证 | 开发更快速、经济且可扩展的肾脏纤维化评估方法 | 肾移植活检组织 | 数字病理学 | 肾脏疾病 | 双模式发射和透射显微镜，H&E染色 | 深度学习 | 全切片图像 | 32例肾移植活检 | 未明确说明 | 未明确说明 | 观察者间一致性，相关性分析 | NA |
| 10593 | 2025-11-27 |
Validation of Fully-Automated Deep Learning-Based Fibroglandular Tissue Segmentation for Efficient and Reliable Quantitation of Background Parenchymal Enhancement in Breast MRI
2025-Nov-10, ArXiv
PMID:41293527
|
研究论文 | 本研究验证了一种基于深度学习的全自动纤维腺体组织分割方法在乳腺MRI背景实质强化量化中的应用 | 首次系统评估开源全自动深度学习分割方法在BPE量化中的性能，并与传统半自动方法进行对比 | 样本量相对有限（100例），需要更大规模研究验证 | 开发高效可靠的乳腺背景实质强化量化方法以改进乳腺癌风险评估 | 100名女性的乳腺MRI检查数据 | 数字病理学 | 乳腺癌 | 动态对比增强磁共振成像 | 深度学习 | 医学影像 | 100例女性乳腺MRI检查 | NA | NA | 分割一致性，定量BPE指标一致性，与定性BPE相关性 | NA |
| 10594 | 2025-11-27 |
Osmotic Energy Directly Driving Flexible All-Solid-State 2D Nanofluidic Pressure Sensors
2025-Nov, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202506990
PMID:40904054
|
研究论文 | 开发了一种由渗透能直接驱动的柔性全固态二维纳米流体压力传感器 | 首次利用渗透能直接驱动压力传感器，通过机械调控二维材料层间距控制离子选择性迁移 | 未明确说明实际应用环境下的长期稳定性测试 | 探索渗透能在便携式电子设备中的直接应用新范式 | 柔性离子电子压力传感器 | 纳米流体传感 | NA | 二维纳米流体技术 | 深度学习算法 | 压力信号数据 | NA | NA | NA | 输出电压,响应时间,恢复时间,压力检测范围,识别准确率 | NA |
| 10595 | 2025-11-27 |
A Deep Learning Framework for Synthesizing Longitudinal Infant Brain MRI during Early Development
2025-Nov, Radiology. Artificial intelligence
DOI:10.1148/ryai.240708
PMID:40960398
|
研究论文 | 开发了一个三阶段深度学习框架，用于合成早期发育过程中的纵向婴儿脑部MRI图像 | 提出了首个考虑年龄和模态条件的三阶段框架，专门针对婴儿大脑快速发育过程中的结构变化进行MRI合成 | 仅使用了139名婴儿的848个MRI扫描，样本量相对有限；研究为回顾性分析 | 开发能够合成早期发育过程中纵向婴儿脑部MRI的深度学习框架 | 婴儿大脑MRI扫描 | 医学影像分析 | 婴儿脑发育 | MRI, T1加权成像, T2加权成像 | 深度学习框架 | 医学影像 | 139名婴儿的848个MRI扫描（训练集119名，测试集20名） | 深度学习框架 | 三阶段条件生成框架 | PSNR, SSIM, Dice相似系数, 组内相关系数 | NA |
| 10596 | 2025-11-27 |
Automated evaluation for pericardial effusion and cardiac tamponade with echocardiographic artificial intelligence
2025-Nov, European heart journal. Digital health
DOI:10.1093/ehjdh/ztaf112
PMID:41267844
|
研究论文 | 开发并验证用于自动评估心包积液严重程度和心脏压塞的深度学习模型 | 首次使用时序空间卷积神经网络开发专门用于心包积液分级和心脏压塞检测的深度学习模型 | 研究基于回顾性数据，需要前瞻性验证 | 开发自动化工具减少心包积液和心脏压塞评估的操作者依赖性 | 超声心动图视频 | 医学人工智能 | 心血管疾病 | 超声心动图 | CNN | 视频 | CSMC数据集：1,427,660个视频（85,380次超声心动图）；SHC外部验证集：33,310个视频（1,806次超声心动图） | NA | 时序空间卷积神经网络 | AUC | NA |
| 10597 | 2025-11-27 |
The Role of Artificial Intelligence in the Diagnosis, Segmentation, and Prediction of Retinal Vein Occlusion: A Systematic Review
2025-Nov, Cureus
DOI:10.7759/cureus.97419
PMID:41278068
|
系统综述 | 系统回顾人工智能在视网膜静脉阻塞诊断、分割和治疗预测中的应用 | 首次系统评估AI在RVO多模态影像中的应用现状，揭示该领域快速发展趋势和技术特点 | 纳入研究数量有限（23篇），外部验证性能下降，缺乏多中心数据和临床验证 | 评估人工智能在视网膜静脉阻塞诊疗中的应用效果和发展现状 | 视网膜静脉阻塞（RVO）患者 | 医学人工智能 | 视网膜静脉阻塞 | 彩色眼底照相、荧光素血管造影、光学相干断层扫描 | CNN | 医学影像 | 来自2925条记录中筛选的23项符合条件的研究 | NA | Residual Network, Densely Connected Convolutional Network, Visual Geometry Group Network | 准确率, 敏感度, 特异度, Dice系数 | NA |
| 10598 | 2025-11-27 |
A hierarchical transformer and graph neural network model for high-accuracy watershed nitrate prediction
2025-Nov, Environmental science and ecotechnology
IF:14.0Q1
DOI:10.1016/j.ese.2025.100632
PMID:41278459
|
研究论文 | 提出一种结合分层Transformer和图神经网络的高精度流域硝酸盐预测模型 | 通过分层Transformer捕获非线性多元时间模式，结合神经网络融合气象水文特征，并利用物理约束的图神经网络模拟径流拓扑结构 | NA | 准确预测流域硝酸盐浓度变化，解决农业非点源污染问题 | 农业流域的硝酸盐污染物 | 机器学习 | NA | 多源数据整合 | Transformer, GNN | 气象数据、水文数据、空间拓扑数据 | NA | NA | 分层Transformer, 图神经网络 | 均方根误差, 平均绝对误差 | NA |
| 10599 | 2025-11-27 |
Deep learning-assisted tools to understand the structural biology of the synapse
2025-Nov, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00512-5
PMID:41280141
|
综述 | 探讨深度学习辅助工具在突触结构生物学研究中的应用与挑战 | 将AI计算工具与突触分子机制研究相结合，提出解决突触超分子系统建模的新思路 | 现有方法尚无法完全解决如此复杂的超分子系统所有问题 | 理解突触在分子层面的机械机制 | 突触后密度蛋白网络 | 结构生物学 | 认知障碍 | 深度学习辅助计算工具 | NA | 结构生物学数据 | NA | NA | NA | NA | NA |
| 10600 | 2025-11-27 |
Enhancing human spatial awareness through augmented reality technologies
2025-Nov, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-025-00502-7
PMID:41280153
|
综述 | 本文综述了增强现实技术提升人类空间感知能力的方法，重点探讨了水下和灾害等挑战性环境中的应用 | 通过结合机器人传感和3D深度学习技术，在受限环境中实现空间信息的恢复与增强 | 面临数据稀缺、噪声干扰、实时性约束以及缺乏标注声纳数据集等挑战 | 研究增强现实技术如何提升人类在受限环境中的空间感知能力 | 水下和灾害场景中的空间感知系统 | 计算机视觉 | NA | 超声波传感，3D点云重建 | 深度学习 | 3D点云，合成数据，水下扫描数据 | NA | NA | 基于体素、点和视图的深度学习方法 | 分割精度，重建完整性 | NA |