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 1101 - 1120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1101 | 2025-12-06 |
Recent advances in glycated hemoglobin test methods: From lab to point of care testing devices
2025-Dec, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.148742
PMID:41237883
|
综述 | 本文综述了2018年至2025年7月期间糖化血红蛋白检测方法的最新进展，涵盖从实验室标准方法到即时检测设备的发展历程、技术原理及未来趋势 | 系统性地整合了糖化血红蛋白检测的多种新兴技术，包括各类生物传感器、芯片技术以及人工智能预测方法，并对公开可用的即时检测设备进行了比较评估 | 排除了信件、百科全书、会议材料、摘要和会议记录等来源，可能遗漏部分最新或非正式发表的研究成果 | 探讨糖化血红蛋白检测技术的发展现状、标准化进程以及未来技术融合方向 | 糖化血红蛋白检测技术、即时检测设备、生物传感器、人工智能预测模型 | NA | 糖尿病 | 电化学传感器、光学传感器、电化学发光传感器、质量传感器、比色法、荧光检测、芯片技术、微流控/芯片实验室系统 | 深度学习, 机器学习 | NA | NA | NA | NA | NA | NA |
| 1102 | 2025-12-03 |
Development, performance evaluation and prediction of optimal operational conditions for a double-row sugarcane harvester using deep learning
2025-Dec-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-30739-2
PMID:41326634
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1103 | 2025-12-06 |
Use of artificial intelligence for detection of MB2 canals in maxillary first molars on CBCT: a systematic review and meta-analysis
2025-Dec-01, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-07254-x
PMID:41327142
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了人工智能在CBCT图像中检测上颌第一磨牙第二近颊根管（MB2）的诊断准确性 | 首次对人工智能在CBCT中检测MB2根管的诊断性能进行系统综述和定量荟萃分析，并比较了深度学习与传统机器学习模型的性能差异 | 纳入研究数量有限（仅4项），样本量较小，存在显著的异质性，限制了结果的普遍适用性 | 评估人工智能在CBCT图像中识别上颌第一磨牙MB2根管的诊断准确性 | 上颌第一磨牙的CBCT图像 | 医学影像分析 | 牙髓病 | 锥形束计算机断层扫描 | 深度学习, 传统机器学习 | 医学影像 | 未在摘要中明确报告总样本量，共纳入4项研究 | NA | NA | 灵敏度, 特异度, 准确度, 阳性预测值, 阴性预测值 | NA |
| 1104 | 2025-12-06 |
Enhancing prediction accuracy for muscle invasion in bladder cancer using a dual-energy CT-based interpretable model incorporating habitat radiomics and deep learning
2025-Dec-01, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-15107-7
PMID:41327160
|
研究论文 | 本研究通过整合双能CT的定量参数、栖息地放射组学特征和2.5D深度学习特征，开发了一个可解释的模型，用于提高膀胱癌肌层浸润状态的术前预测准确性 | 结合栖息地分析和2.5D深度学习，利用双能CT图像构建可解释的集成模型，以增强膀胱癌肌层浸润的术前评估 | 研究为回顾性设计，样本量相对有限（200例患者），且仅基于单一机构的双能CT尿路造影数据 | 提高膀胱癌肌层浸润状态的术前预测准确性，以支持个性化治疗计划的制定 | 膀胱癌患者 | 数字病理学 | 膀胱癌 | 双能CT成像，碘基物质分解成像，K-means聚类 | 深度学习，放射组学 | 双能CT图像 | 200例膀胱癌患者（训练队列140例，测试队列60例） | NA | ResNet 101 | AUC，校准曲线 | NA |
| 1105 | 2025-12-06 |
Aortic dissection mortality in the United States, 1968-2023: Trends, disparities, and deep learning forecasts
2025-Dec, International journal of cardiology. Cardiovascular risk and prevention
DOI:10.1016/j.ijcrp.2025.200547
PMID:41333716
|
研究论文 | 本研究分析了美国1968年至2023年主动脉夹层死亡率趋势、差异，并使用深度学习模型预测至2033年的死亡率 | 首次结合长期历史数据分析主动脉夹层死亡率趋势，并应用Bi-GRU深度学习模型进行未来十年死亡率预测 | 研究基于死亡证明数据，可能存在编码错误或漏报；预测模型未考虑未来医疗政策或技术突破的影响 | 评估美国主动脉夹层死亡率的历史趋势、人口差异，并预测未来死亡率变化 | 美国1968-2023年主动脉夹层相关死亡病例 | 机器学习 | 心血管疾病 | 死亡数据分析，深度学习预测 | Bi-GRU | 结构化死亡记录数据 | 175,930例主动脉夹层相关死亡病例 | NA | Bi-GRU | 年度百分比变化，平均年度百分比变化 | NA |
| 1106 | 2025-12-06 |
An end-to-end deep learning method for reconstructing SMS-PI accelerated musculoskeletal MRI
2025-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70178
PMID:41345328
|
研究论文 | 本文提出了一种端到端深度学习框架，用于重建SMS-PI加速的肌肉骨骼MRI图像，实现高达8倍及以上的加速，同时保持临床诊断所需的图像质量 | 将同时多层成像与并行成像结合到深度学习重建框架中，通过嵌入完整的SMS前向模型统一切片分离和k空间到图像重建，并引入超分辨率模块提升图像清晰度 | 研究仅基于20名受试者进行临床评估，样本规模相对较小；且初步结果虽显示12倍加速潜力，但需进一步验证 | 开发一种深度学习重建框架，以提升肌肉骨骼MRI的加速能力和图像质量 | 肌肉骨骼MRI图像数据 | 计算机视觉 | NA | Turbo Spin Echo MRI, Simultaneous Multislice imaging, Parallel Imaging | 深度学习网络 | MRI图像 | 超过200,000个切片，来自1.5T至3T扫描，涵盖多样采集设置 | NA | 端到端深度学习框架，结合近端梯度算法与Nesterov动量 | PSNR, SSIM | NA |
| 1107 | 2025-12-06 |
Physics-constrained deep learning for reservoir thermal structure prediction: Enhanced interpretability and extrapolation capability
2025-Nov-30, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2025.125086
PMID:41344133
|
研究论文 | 本研究提出了一种物理约束深度学习框架，用于预测水库垂直热结构，以提高预测精度、物理可解释性和外推能力 | 结合机制驱动过程模型增强训练数据，将温度剖面转化为物理可解释参数，并通过弱物理约束改进外推能力 | NA | 实现水库垂直热结构的快速预测，以支持生态保护导向的灵活水库优化策略 | 向家坝水库的垂直温度剖面 | 机器学习 | NA | 深度学习 | LSTM | 时间序列数据 | NA | NA | LSTM | RMSE, R², KLD, KSS | NA |
| 1108 | 2025-12-06 |
D-EDL: Differential evidential deep learning for robust medical out-of-distribution detection
2025-Nov-30, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103888
PMID:41344199
|
研究论文 | 提出一种名为差分证据深度学习（D-EDL）的新方法，用于在计算机辅助诊断中稳健地检测医学图像中的分布外样本 | 通过引入排除模块（ROM）替代KL散度进行差分限制，减少对模糊分布内样本的过度惩罚，并提出测试时原始证据推理（RI）和平衡检测分数（BDS）以提高鲁棒性和临床适用性 | 未明确说明方法在更广泛医学数据集或实际临床环境中的泛化能力限制 | 提高医学图像中分布外（OOD）样本检测的鲁棒性和临床适用性 | 医学图像中的分布外样本 | 计算机视觉 | 皮肤病（ISIC2019）、骨髓细胞形态学、眼部疾病（EDDFS） | 深度学习 | 证据深度学习（EDL）的改进模型 | 图像 | ISIC2019数据集、骨髓细胞形态学数据集、EDDFS数据集（具体样本数未提供） | 未明确说明 | 未明确说明 | 鲁棒性、临床适用性、平衡检测分数（BDS） | 未明确说明 |
| 1109 | 2025-12-06 |
QENNA: A quantum-enhanced neural network for early Alzheimer's detection using magnetic resonance imaging
2025-Nov-29, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103322
PMID:41344072
|
研究论文 | 本文提出了一种量子增强的神经网络架构（QENNA），用于通过磁共振成像（MRI）进行早期阿尔茨海默病的检测 | 将量子卷积层与经典深度学习相结合，并采用量子数据增强策略（如量子生成对抗网络和量子随机游走）来生成高保真合成MRI扫描，以解决训练数据不足的问题 | 未明确提及研究的局限性 | 提高早期阿尔茨海默病诊断的准确性 | 阿尔茨海默病（AD） | 数字病理学 | 阿尔茨海默病 | 磁共振成像（MRI） | 量子增强神经网络，CNN | 图像（MRI扫描） | 两个公共MRI数据集 | NA | QENNA（量子增强神经网络架构） | 准确率，AUC（曲线下面积） | NA |
| 1110 | 2025-12-06 |
Fuel-Free Rolosense: Viral Sensing Using Diffusional Particle Tracking
2025-Nov-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.5c02311
PMID:41191496
|
研究论文 | 本文介绍了一种无需燃料的Rolosense诊断方法，利用布朗运动和机械力传感实现病毒检测 | 采用机械力传感作为基本转导机制，利用布朗运动和热波动实现快速、灵敏、特异的完整病毒颗粒检测，无需荧光报告基因或酶促扩增 | NA | 开发一种高灵敏度、无需燃料的病毒诊断方法 | SARS-CoV-2变体（如BA.1和BA.5）、流感A病毒、HCoV OC43和229E等病毒病原体 | 生物传感 | 病毒感染 | 布朗运动、机械力传感、扩散粒子追踪 | 深度学习 | 图像 | NA | NA | NA | 检测限（低至10拷贝/毫升） | 3D打印明场显微镜 |
| 1111 | 2025-12-06 |
Computational design of protein complexes: influence of binding affinity
2025-Nov-28, Chemical communications (Cambridge, England)
DOI:10.1039/d5cc04821d
PMID:41311232
|
综述 | 本文综述了计算蛋白质复合物设计中结合亲和力的预测与设计策略 | 聚焦于结合亲和力预测与设计的计算策略，并探讨AI、高通量筛选与数据驱动建模的交叉应用 | NA | 回顾计算蛋白质复合物设计中结合亲和力的预测与设计方法 | 蛋白质-蛋白质、蛋白质-DNA/RNA和蛋白质-碳水化合物复合物 | 机器学习 | NA | NA | 机器学习,深度学习 | 结构数据,序列数据 | NA | NA | NA | NA | NA |
| 1112 | 2025-12-06 |
Deep learning for otitis media classification using otoscopic image
2025-Nov-28, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000046218
PMID:41327679
|
研究论文 | 本研究评估了五种深度学习模型在耳镜图像上对中耳炎进行分类的性能，旨在实现自动化诊断 | 首次系统比较了包括ResNet-18、GoogLeNet、AlexNet、MobileNet-V3和VGGNet-19在内的多种深度学习模型在中耳炎耳镜图像分类中的表现，并确认了VGGNet-19的优越性 | 数据集存在不平衡问题，且研究结果需要在更多样化的临床环境中进行验证以增强普适性 | 开发一种基于深度学习的自动化诊断工具，用于中耳炎的准确分类 | 耳镜图像 | 计算机视觉 | 中耳炎 | 耳镜检查 | CNN | 图像 | 819张耳镜图像 | NA | ResNet-18, GoogLeNet, AlexNet, MobileNet-V3, VGGNet-19 | 准确率, 灵敏度, 特异性, 精确率, F1分数, AUC | NA |
| 1113 | 2025-12-06 |
Anterior segment optical coherence tomography in corneal diseases: A bibliometric analysis and visualization research of global research trends (1994-2024)
2025-Nov-28, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000045679
PMID:41327675
|
文献计量分析 | 本文对前段光学相干断层扫描（AS-OCT）在角膜疾病领域的全球研究进行了文献计量分析，绘制了关键研究轨迹、合作网络和新兴趋势 | 首次对AS-OCT在角膜疾病领域长达30年（1994-2024）的全球研究趋势进行了全面的文献计量和可视化分析，揭示了人工智能和光学相干弹性成像等新兴方向 | 分析仅基于Web of Science核心合集的数据，可能未涵盖所有相关出版物；且排除了非英文文献，可能存在语言偏倚 | 通过文献计量学方法，梳理和可视化AS-OCT在角膜疾病领域的研究趋势、合作网络及未来发展方向 | 1994年至2024年间发表的2079篇关于AS-OCT在角膜疾病应用的研究文献 | 数字病理学 | 角膜疾病 | 前段光学相干断层扫描（AS-OCT），光学相干弹性成像 | NA | 文献元数据（如引文、作者、关键词） | 2079篇出版物 | VOSviewer, CiteSpace | NA | Mann-Kendall τ检验（τ=0.929, P<.001），引用次数 | NA |
| 1114 | 2025-12-06 |
Comparative evaluation of emphysema quantification: Standardized %LAV-950 versus DL-based emphysema quantification with clinical parameter correlation
2025-Nov-28, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000046246
PMID:41327730
|
研究论文 | 本研究比较了传统%LAV-950阈值方法与基于深度学习的算法在肺气肿定量分析中的表现，并评估了它们与肺功能测试参数的相关性 | 首次系统比较了传统阈值方法与深度学习算法在肺气肿定量中的性能，并发现深度学习方法在软组织重建核上展现出更强、更一致的相关性 | 研究为回顾性设计，样本量相对较小（101例），且仅针对慢性阻塞性肺疾病患者 | 评估肺气肿定量方法的准确性及其与肺功能参数的相关性 | 慢性阻塞性肺疾病患者的胸部CT扫描和肺功能测试数据 | 医学影像分析 | 慢性阻塞性肺疾病 | 胸部CT扫描，肺功能测试 | 深度学习算法 | 医学影像（CT扫描） | 101例慢性阻塞性肺疾病患者 | NA | NA | Pearson相关系数 | NA |
| 1115 | 2025-12-06 |
A Practical Guide to Transition State Analysis in Biomolecular Simulations with TS-DAR
2025-Nov-27, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.5c06097
PMID:41252524
|
研究论文 | 本文介绍了一种名为TS-DAR的计算框架，用于从分子动力学模拟中系统识别生物分子构象变化中的过渡态 | 提出了一种结合分布外检测、变分原理正则化神经网络和VAMP-2分散损失函数的计算框架，能够自动识别传统方法难以捕捉的短寿命高能过渡态 | 未明确说明方法对计算资源的需求、在不同蛋白质系统上的普适性验证以及与其他过渡态识别方法的定量比较 | 开发并推广一种能够系统识别生物分子构象变化中过渡态的计算方法 | 蛋白质构象变化过程中的过渡态 | 计算生物物理学 | NA | 分子动力学模拟 | 深度学习模型 | 分子动力学模拟轨迹数据 | NA | NA | 神经网络 | NA | NA |
| 1116 | 2025-12-06 |
Automated high-fidelity 3D reconstruction of middle-ear ossicles from low-resolution clinical CT using a deep learning pipeline
2025-Nov-26, Hearing research
IF:2.5Q1
DOI:10.1016/j.heares.2025.109492
PMID:41344151
|
研究论文 | 本研究验证了一种从低分辨率临床CT图像自动生成高保真中耳听小骨3D模型的深度学习框架 | 提出了一种结合YOLOv5x、深度反向投影网络和带“提示通道”的2.5D U-Net的三阶段自动化流水线，能够从稀疏数据中重建完整解剖结构 | 未明确说明训练数据的具体来源和多样性，外部验证集的规模可能有限 | 开发一种快速、准确且鲁棒的自动化工具，从标准临床CT生成患者特异性的3D听小骨模型 | 中耳听小骨 | 计算机视觉 | NA | 临床CT成像 | CNN | 医学图像（CT） | NA | NA | YOLOv5x, Deep Back-Projection Network (DBPN), 2.5D U-Net | 平均精度均值 (mAP50), Dice系数, 平均表面距离 | NA |
| 1117 | 2025-12-06 |
Noninvasive Coronary Artery Disease Detection Using Retinal Images: A Multimodal Study
2025-Nov-19, JACC. Advances
DOI:10.1016/j.jacadv.2025.102341
PMID:41265390
|
研究论文 | 本研究开发了一种基于深度学习的多模态框架，利用视网膜图像进行冠状动脉疾病的无创检测 | 首次提出结合视网膜图像和临床指标的多模态深度学习框架，并引入跨模态注意力机制进行融合，在中等风险人群中显示出优于传统临床评分方法的性能 | 研究为横断面设计，样本量相对有限（383例），且来自4家医院，需要更大规模的前瞻性研究验证 | 开发一种安全、无创的冠状动脉疾病检测方法 | 接受过冠状动脉造影的患者 | 计算机视觉 | 心血管疾病 | 视网膜成像 | CNN, 多层感知机, 医学大语言模型 | 图像, 临床指标 | 383名患者 | NA | 卷积网络, 多层感知机, 跨模态注意力机制 | AUC, 灵敏度, 特异性, 准确率 | NA |
| 1118 | 2025-12-06 |
Beyond conventional images: AI-driven biotechnologies for oral cancer diagnosis - a systematic review
2025-Nov-19, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2025.116118
PMID:41344069
|
系统综述 | 本文系统回顾了利用人工智能驱动的生物技术进行口腔癌早期诊断的研究，分析了不同技术类别的诊断性能并评估了当前研究的局限性 | 首次对AI驱动的生物技术在口腔癌诊断中的应用进行系统性分类和性能比较，并采用QUADAS-2工具进行质量评估 | 研究中存在样本量有限、缺乏外部验证、模型架构定义不清、数据集处理不明确以及AI新架构探索不足等问题 | 评估人工智能驱动的生物技术在口腔癌早期诊断中的应用效果和潜力 | 口腔癌（OC） | 数字病理学 | 口腔癌 | 分子生物学、生物标志物、光谱分析、多光谱自发荧光寿命成像（maFLIM） | 传统机器学习方法、深度学习 | 生物分子数据、光谱数据、成像数据 | 42项研究（具体样本数量未明确） | NA | NA | 准确率 | NA |
| 1119 | 2025-12-06 |
Deep Learning Model for Breast Shear Wave Elastography to Improve Breast Cancer Diagnosis (INSPiRED 006): An International, Multicenter Analysis
2025-Nov-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology
IF:42.1Q1
DOI:10.1200/JCO-24-02681
PMID:40834300
|
研究论文 | 本研究开发并验证了一种基于剪切波弹性成像（SWE）图像的深度学习模型（AI-SWE），用于改善BI-RADS 3和4类乳腺肿块的癌症诊断 | 首次在国际多中心研究中开发并验证了基于EfficientNetB1架构的深度学习模型，用于分析乳腺剪切波弹性成像图像，旨在解决传统方法因缺乏已验证速度阈值而导致的临床应用受限问题 | 研究未明确说明模型在不同人群或设备间的泛化能力细节，且未来需探索其与多模态乳腺癌诊断工具的整合效果 | 开发并验证一种基于深度学习的剪切波弹性成像图像分析模型，以提升乳腺肿块（特别是BI-RADS 3和4类）的癌症诊断准确性，并减少不必要的活检 | 患有BI-RADS 3或4类乳腺肿块的女性患者的剪切波弹性成像图像 | 数字病理学 | 乳腺癌 | 剪切波弹性成像 | CNN | 图像 | 开发集：924名患者（4,026张图像）；外部验证集1：194名患者（562张图像）；外部验证集2：176名患者（188张图像，使用最新SWE软件） | NA | EfficientNetB1 | 灵敏度, 特异性, 假阳性率, 受试者工作特征曲线下面积 | NA |
| 1120 | 2025-12-06 |
Development of a screening model for APL using cell population data and deep learning-extracted WBC scattergram features
2025-Nov-07, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-15034-7
PMID:41204132
|
研究论文 | 本研究开发了一种结合深度学习提取的WBC散点图特征与常规血液参数的急性早幼粒细胞白血病筛查模型 | 首次利用VGG-16网络从常规血检DIFF和WNB通道中提取APL特异性3D散点图特征，并与优化的随机森林分类器结合，实现无需额外检测的即时APL筛查 | 研究为回顾性多中心设计，样本量相对有限（94例APL患者），未来需要前瞻性验证和更大样本的推广 | 开发一种基于常规实验室数据的机器学习模型，用于快速筛查急性早幼粒细胞白血病，以解决资源有限环境下的诊断延迟问题 | 急性早幼粒细胞白血病患者 | 数字病理学 | 白血病 | 常规血液检测 | CNN, 随机森林 | 图像, 数值数据 | 94例确诊APL患者（来自三家三级医院，2020-2024年），外部验证集541例（来自独立中心） | TensorFlow, PyTorch, Scikit-learn | VGG-16 | AUC, 灵敏度, 特异性 | NA |