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 33344 篇文献，本页显示第 12521 - 12540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12521 | 2025-05-11 |
The long journey of artificial intelligence in medicine: an overview
2025-May, Clinical and experimental rheumatology
IF:3.4Q2
DOI:10.55563/clinexprheumatol/oamfed
PMID:40338059
|
综述 | 本文概述了人工智能在医学领域的漫长发展历程及其重要里程碑 | 全面回顾了AI从哲学和数学起源到现代医学应用的演变过程，突出了关键技术的发展节点 | 未具体说明当前AI在医学应用中面临的具体技术或伦理挑战细节 | 梳理人工智能技术在医学领域的发展历史和应用前景 | 人工智能技术的发展历程及其医学应用 | 人工智能 | NA | 机器学习、神经网络、深度学习、大语言模型 | NA | 健康大数据 | NA | NA | NA | NA | NA |
| 12522 | 2025-10-07 |
Rapid point-of-care pathogen sensing in the post-pandemic era
2025-May, Trends in biotechnology
IF:14.3Q1
DOI:10.1016/j.tibtech.2024.10.003
PMID:39521626
|
综述 | 本文综述了后疫情时代即时检测病原体传感技术的最新进展，重点关注基于表面增强拉曼散射和深度学习的快速诊断方法 | 整合功能纳米材料、生物工程与深度学习算法，显著提升即时检测传感器的速度、特异性和灵敏度 | NA | 探讨后疫情时代快速准确诊断病原体的即时检测技术发展 | 病毒和细菌病原体 | 生物医学工程 | 传染病 | 表面增强拉曼散射(SERS), 免疫分析 | 深度学习 | 光谱信号 | NA | NA | NA | 速度, 特异性, 灵敏度, 准确性 | NA |
| 12523 | 2025-10-07 |
Current and future deep learning algorithms for tandem mass spectrometry (MS/MS)-based small molecule structure elucidation
2025-May, Rapid communications in mass spectrometry : RCM
IF:1.8Q2
DOI:10.1002/rcm.9120
PMID:33955607
|
综述 | 本文综述了当前和未来用于串联质谱小分子结构解析的深度学习算法 | 提出了解决现有方法计算复杂度高、数据维度高和信息丢失、子结构覆盖低等问题的深度学习架构概念设计 | 深度学习框架的性能和通用性需要与经典机器学习框架进行公平评估 | 开发用于串联质谱小分子结构解析的深度学习模型 | 小分子化合物 | 机器学习 | NA | 串联质谱(MS/MS) | 图卷积网络,多任务学习 | 质谱数据,分子结构数据 | NA | NA | 图卷积网络 | NA | NA |
| 12524 | 2025-05-11 |
Transfer learning and data augmentation for glucose concentration prediction from colorimetric biosensor images
2025-Apr-08, Mikrochimica acta
DOI:10.1007/s00604-025-07136-7
PMID:40199789
|
研究论文 | 介绍了一种深度学习算法，用于通过比色纸传感器图像准确预测葡萄糖浓度 | 采用迁移学习和数据增强技术，简化了预测过程，无需单独的特征提取 | 需要大量训练数据，尽管数据增强技术试图缓解这一问题 | 开发一种基于深度学习的葡萄糖浓度预测方法 | 比色纸传感器图像 | 计算机视觉 | NA | 迁移学习, 数据增强 | ResNet50, ResNet101, GoogLeNet, VGG-19 | 图像 | 五种不同葡萄糖浓度的比色纸传感器图像数据集 | NA | NA | NA | NA |
| 12525 | 2025-10-07 |
Deep Learning Technology for Classification of Thyroid Nodules Using Multi-View Ultrasound Images: Potential Benefits and Challenges in Clinical Application
2025-Apr, Endocrinology and metabolism (Seoul, Korea)
DOI:10.3803/EnM.2024.2058
PMID:39805576
|
研究论文 | 本研究评估深度学习技术在甲状腺超声图像结节分类中的应用价值 | 采用孪生神经网络实现横纵切面超声图像的多视角分析，并比较多种CNN架构性能 | 模型性能受不同医师和设备采集的图像质量影响，存在临床适用性差异 | 评估深度学习技术对甲状腺结节良恶性分类的临床应用潜力 | 甲状腺结节患者的超声图像 | 计算机视觉 | 甲状腺癌 | 超声成像 | CNN | 图像 | 943名患者的1048个甲状腺结节（其中306个为恶性） | NA | ResNet50, DenseNet201, EfficientNetv2_s | 准确率, 灵敏度 | NA |
| 12526 | 2025-10-07 |
Leveraging Radiomics and Hybrid Quantum-Classical Convolutional Networks for Non-Invasive Detection of Microsatellite Instability in Colorectal Cancer
2025-Apr, Molecular imaging and biology
IF:3.0Q2
DOI:10.1007/s11307-025-01990-w
PMID:39979579
|
研究论文 | 本研究开发了一种结合影像组学和混合量子-经典卷积网络的新框架，用于结直肠癌微卫星不稳定性的无创检测 | 首次将混合量子-经典神经网络应用于结直肠癌MSI状态识别，并采用自注意力对抗染色标准化和可瘦身Transformer进行肿瘤分割 | NA | 开发新型框架识别结直肠癌MSI状态，以改善临床决策和患者预后 | 结直肠癌患者 | 数字病理学 | 结直肠癌 | 影像组学分析 | 混合量子-经典卷积网络, Transformer | 组织病理学切片图像 | 来自NCT-CRC-HE-100K和PAIP 2020数据库的病理图像 | NA | Slimmable Transformer, 混合量子-经典神经网络 | 准确率 | NA |
| 12527 | 2025-10-07 |
AI-MET: A deep learning-based clinical decision support system for distinguishing multisystem inflammatory syndrome in children from endemic typhus
2025-Apr, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109815
PMID:39987695
|
研究论文 | 开发基于深度学习的临床决策支持系统AI-MET，用于区分儿童多系统炎症综合征和地方性斑疹伤寒 | 提出首个专门区分MIS-C和地方性斑疹伤寒的CDSS系统，仅需急诊科前6小时的临床和实验室特征即可实现及时鉴别 | 样本量相对有限（训练集220例，验证集111例），需要进一步外部验证 | 开发能够准确区分MIS-C和地方性斑疹伤寒的临床决策支持工具 | 儿童多系统炎症综合征患者和地方性斑疹伤寒患者 | 医疗人工智能 | 儿童炎症性疾病，传染病 | 深度学习 | 深度学习模型 | 临床数据和实验室数据 | 训练测试集：87例斑疹伤寒患者和133例MIS-C患者；验证集：111例MIS-C患者 | NA | AI-MET系统 | 灵敏度，特异性，准确率，精确度 | NA |
| 12528 | 2025-10-07 |
Missing-modality enabled multi-modal fusion architecture for medical data
2025-Apr, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104796
PMID:39988001
|
研究论文 | 提出一种能够处理缺失模态的医学多模态融合架构，用于疾病诊断和死亡率预测 | 开发了基于Transformer的双模态融合模块，构建三模态融合框架，并引入多变量损失函数提高对缺失模态的鲁棒性 | 仅在MIMIC-IV和MIMIC-CXR数据集上进行验证，需要进一步扩展到更多模态和数据集 | 开发对缺失模态具有鲁棒性的医学多模态融合架构，提升临床任务性能 | 胸部X光片、放射学报告和结构化数值数据 | 医学人工智能 | 胸部疾病 | 多模态融合 | Transformer | 图像, 文本, 表格数据 | MIMIC-IV和MIMIC-CXR数据集 | NA | Transformer-based双模态融合模块 | AUROC, AUPRC | NA |
| 12529 | 2025-10-07 |
Prediction and detection of terminal diseases using Internet of Medical Things: A review
2025-Apr, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109835
PMID:39999492
|
综述 | 本文综述了人工智能与医疗物联网在预测和检测终末期疾病中的应用，分析当前挑战与解决方案 | 系统评估了联邦学习、迁移学习和区块链等先进策略在提升AI-IoMT系统鲁棒性、数据安全性和互操作性方面的有效性 | 作为综述文章，未进行原始实验验证，主要基于现有文献分析 | 评估AI-IoMT技术在预测慢性病和终末期疾病中的有效性，并探讨相关挑战 | 心血管疾病、阿尔茨海默病和各类癌症等终末期疾病 | 医疗物联网 | 心血管疾病,阿尔茨海默病,癌症 | NA | XGBoost,Random Forest,CNN,LSTM | 医疗物联网数据 | NA | NA | NA | NA | NA |
| 12530 | 2025-10-07 |
Prediction of school PM2.5 by an attention-based deep learning approach informed with data from nearby air quality monitoring stations
2025-Apr, Chemosphere
IF:8.1Q1
|
研究论文 | 提出基于注意力深度卷积自编码器的深度学习软传感器，利用附近监测站数据预测学校室内外PM2.5浓度 | 完全无需学校现场传感器，通过注意力机制深度学习模型利用周边监测站数据实现PM2.5浓度预测 | NA | 开发无需现场传感器的学校PM2.5浓度预测方法，保障健康学习环境 | 学校室内（教室）和室外（操场）的PM2.5浓度 | 机器学习 | NA | 软传感器技术 | 注意力深度卷积自编码器（ADCAE） | 空气质量监测数据 | 多所学校（小学、初中、高中） | NA | 注意力深度卷积自编码器 | 决定系数（R）、均方误差、平均绝对误差 | NA |
| 12531 | 2025-10-07 |
Deep learning-based LDL-C level prediction and explainable AI interpretation
2025-Apr, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109905
PMID:40010176
|
研究论文 | 本研究利用深度学习模型预测低密度脂蛋白胆固醇水平，并与传统方法和公式进行比较 | 首次将CNN、RNN和LSTM等深度学习模型应用于LDL-C预测，并使用LIME方法提供模型解释 | 深度学习模型需要更多计算资源来解释决策过程 | 开发更准确的LDL-C预测方法以评估心血管疾病风险 | 低密度脂蛋白胆固醇水平预测 | 机器学习 | 心血管疾病 | 临床血液检测 | CNN, RNN, LSTM | 临床检测数据 | NA | NA | CNN, RNN, LSTM | 准确率 | NA |
| 12532 | 2025-10-07 |
Automated vertebral compression fracture detection and quantification on opportunistic CT scans: a performance evaluation
2025-Apr, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.106831
PMID:40010260
|
研究论文 | 开发并评估基于深度学习的自动算法，用于在机会性CT扫描中检测和量化椎体压缩性骨折 | 首次使用2D/3D U-Nets卷积神经网络在机会性CT扫描中自动筛查椎体压缩性骨折并量化椎体高度损失 | 样本量相对较小（100例患者），且为回顾性研究设计 | 评估深度学习算法在机会性CT扫描中自动检测和量化椎体压缩性骨折的性能 | 2019年1月至2020年8月期间因各种适应症（非VCF疑似）接受CT扫描的患者 | 数字病理学 | 骨质疏松症 | CT扫描 | CNN | 医学影像 | 100例患者（平均年龄76.6岁，72%为女性） | NA | 2D U-Net, 3D U-Net | 敏感性, 特异性, 组内相关系数, Pearson相关系数, 一致性界限 | NA |
| 12533 | 2025-05-11 |
Comprehensive analysis of human dendritic spine morphology and density
2025-Apr-01, Journal of neurophysiology
IF:2.1Q3
DOI:10.1152/jn.00622.2024
PMID:40013734
|
研究论文 | 本文通过对27名患者的人脑组织进行综合研究，分析了树突棘的形态和密度，并利用深度学习模型实现了自动化的树突棘分割和三维重建 | 首次使用人脑组织进行树突棘的深入分析，结合深度学习与传统方法，实现了高效的自动化处理 | 样本量相对较小（27名患者），且仅来自肿瘤或癫痫手术患者，可能影响结果的普遍性 | 研究人脑树突棘的形态和密度差异，探索其与神经和精神疾病的潜在联系 | 27名患者（8名女性，19名男性，年龄18-71岁）的脑组织样本 | 神经科学 | 神经疾病 | 三维重建、深度学习 | 深度学习模型 | 图像 | 27名患者的脑组织样本，近4000个形态重建的树突棘 | NA | NA | NA | NA |
| 12534 | 2025-05-11 |
Automated segmentation by SCA-UNet can be directly used for radiomics diagnosis of thymic epithelial tumors
2025-Apr, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112004
PMID:40014944
|
研究论文 | 本研究开发了一种名为SCA-UNet的深度学习网络，用于自动分割胸腺病变，并应用于胸腺上皮肿瘤（TETs）的放射组学诊断和风险评估 | 提出了结合空间通道注意力的SCA-UNet模型，增强了全局上下文感知能力，提高了分割精度和泛化性能 | 研究仅基于单一医疗中心的数据，可能影响模型的泛化能力 | 开发自动分割胸腺病变的深度学习模型，并探索其在TETs诊断和风险评估中的应用 | 712例纵隔病变患者的术前CT图像 | 数字病理 | 胸腺上皮肿瘤 | CT成像 | SCA-UNet（基于UNet改进的深度学习网络） | 医学影像（CT图像） | 712例患者 | NA | NA | NA | NA |
| 12535 | 2025-10-07 |
Noninvasive Artificial Intelligence System for Early Predicting Residual Cancer Burden During Neoadjuvant Chemotherapy in Breast Cancer
2025-Apr-01, Annals of surgery
IF:7.5Q1
DOI:10.1097/SLA.0000000000006279
PMID:38557792
|
研究论文 | 开发用于早期预测乳腺癌新辅助化疗期间残留肿瘤负荷的人工智能系统 | 首次结合放射组学和深度学习特征，开发多任务AI系统在NAC治疗中期预测RCB评分 | 回顾性研究设计，样本来源仅限于4个机构 | 早期预测乳腺癌新辅助化疗期间的残留肿瘤负担 | 接受新辅助化疗的乳腺癌患者 | 数字病理 | 乳腺癌 | 磁共振成像 | 多任务深度学习 | 医学影像 | 1048名患者（主要队列335人，外部验证队列713人） | NA | 多任务AI系统 | AUC | NA |
| 12536 | 2025-10-07 |
A new era of psoriasis treatment: Drug repurposing through the lens of nanotechnology and machine learning
2025-Mar-30, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2025.125385
PMID:39999900
|
综述 | 探讨通过纳米技术和机器学习方法重新利用现有药物治疗银屑病的新策略 | 结合纳米技术和人工智能技术推进药物重定位在银屑病治疗中的应用 | 药物重定位方法仍处于早期阶段，存在潜在缺陷 | 探索银屑病治疗的新方法，克服传统治疗的局限性 | 银屑病患者和现有药物 | 机器学习 | 银屑病 | 药物重定位，纳米载体技术 | 机器学习，深度学习 | NA | NA | NA | NA | NA | NA |
| 12537 | 2025-10-07 |
Artificial intelligence in medical imaging: From task-specific models to large-scale foundation models
2025-Mar-20, Chinese medical journal
IF:7.5Q1
DOI:10.1097/CM9.0000000000003489
PMID:40008785
|
综述 | 本文综述了医学影像中从任务特定模型到大规模基础模型的人工智能技术发展 | 系统比较了任务特定模型与新兴基础模型在医学影像中的差异、互补性和临床相关性 | 基础模型目前主要关注分割和分类任务，尚未广泛应用于其他临床场景 | 探讨医学影像人工智能技术的发展现状和未来方向 | 医学影像AI模型（任务特定模型和基础模型） | 医学影像分析 | NA | 深度学习 | 基础模型,任务特定模型 | 医学影像（X射线,CT,MRI,超声,PET,病理影像） | NA | NA | NA | NA | NA |
| 12538 | 2025-10-07 |
Portable cerebral blood flow monitor to detect large vessel occlusion in patients with suspected stroke
2025-Mar-17, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2024-021536
PMID:38514189
|
研究论文 | 评估便携式Openwater光学血流监测仪在检测疑似卒中患者大血管闭塞方面的诊断性能 | 首次将便携式光学血流监测技术与深度学习模型结合用于大血管闭塞的检测，相比院前卒中量表具有更高的诊断准确性 | 需要在独立测试集和院前环境中进一步验证，样本量相对有限 | 开发并验证便携式设备用于卒中患者大血管闭塞的早期检测 | 疑似卒中患者 | 医学影像分析 | 脑血管疾病 | 光学血流监测，CT血管造影 | 深度学习模型 | 光学血流波形数据，临床量表数据 | 135名患者（其中52名有大血管闭塞） | NA | NA | 敏感性，特异性，AUROC | NA |
| 12539 | 2025-10-07 |
Deep learning to quantify the pace of brain aging in relation to neurocognitive changes
2025-Mar-11, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2413442122
PMID:39993207
|
研究论文 | 开发基于纵向MRI的3D-CNN模型来量化大脑衰老速度及其与神经认知变化的关系 | 首次使用纵向MRI数据通过3D-CNN模型非侵入性地估计大脑衰老速度，而非传统的静态大脑年龄 | 研究主要针对认知正常个体，阿尔茨海默病患者样本相对较少 | 开发能够量化大脑衰老速度并关联神经认知变化的深度学习模型 | 认知正常成年人和阿尔茨海默病患者 | 医学影像分析 | 阿尔茨海默病 | MRI | 3D-CNN | 纵向MRI图像 | 训练集2,055名认知正常成人，验证集1,304名认知正常成人，测试集104名认知正常成人和140名阿尔茨海默病患者 | NA | 3D-CNN | 平均绝对误差(MAE) | NA |
| 12540 | 2025-10-07 |
ProCeSa: Contrast-Enhanced Structure-Aware Network for Thermostability Prediction with Protein Language Models
2025-Mar-10, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01752
PMID:39988825
|
研究论文 | 提出一种结合蛋白质语言模型和对比学习的蛋白质热稳定性预测新方法 | 开发了ProCeSa模型，首次将蛋白质语言模型生成的序列嵌入与结构信息无缝集成，无需原子结构数据即可预测热稳定性 | 未使用原子级蛋白质结构数据，可能限制了对某些结构特征的捕捉 | 提高蛋白质热稳定性预测的准确性 | 蛋白质序列及其热稳定性 | 机器学习 | NA | 蛋白质语言模型，对比学习 | 深度学习 | 蛋白质序列数据 | 公开数据集 | NA | ProCeSa（蛋白质对比增强结构感知网络） | 分类任务指标，回归任务指标 | NA |