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 36663 篇文献，本页显示第 13221 - 13240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13221 | 2025-10-06 |
Scale-equivariant deep model-based optoacoustic image reconstruction
2025-Aug, Photoacoustics
IF:7.1Q1
DOI:10.1016/j.pacs.2025.100727
PMID:40487237
|
研究论文 | 提出一种尺度等变模型基重建方法，用于多光谱光声断层成像重建 | 推导出尺度等变模型基重建算子，能根据输入正弦图范数自动调整正则化强度 | 未明确说明方法在复杂生物组织中的泛化能力 | 解决活体数据中信号幅度波动对模型基重建和深度学习的影响 | 多光谱光声断层成像数据 | 医学影像重建 | NA | 多光谱光声断层成像 | 深度学习 | 正弦图数据 | NA | NA | NA | 血氧饱和度量化准确度 | NA |
| 13222 | 2025-10-06 |
Meta-analysis of AI-based pulmonary embolism detection: How reliable are deep learning models?
2025-Jul, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110402
PMID:40412084
|
荟萃分析 | 通过荟萃分析评估基于深度学习的肺栓塞检测模型的诊断性能，并比较CNN与U-Net架构的差异 | 首次系统比较卷积神经网络与U-Net架构在肺栓塞检测中的诊断效能差异 | 研究间存在显著异质性（I²≈97%），需要标准化前瞻性验证 | 评估深度学习算法在肺栓塞检测中的汇总性能表现 | 肺栓塞患者的CT肺动脉造影图像 | 医学影像分析 | 肺栓塞 | CT肺动脉造影 | 深度学习 | 医学影像 | 22,984名患者 | NA | CNN, U-Net | AUROC, 敏感性, 特异性, 准确率, PPV, NPV | NA |
| 13223 | 2025-10-06 |
Artificial intelligence in resuscitation: a scoping review
2025-Jul, Resuscitation plus
IF:2.1Q2
DOI:10.1016/j.resplu.2025.100973
PMID:40486106
|
综述 | 本文通过范围综述方法系统梳理了人工智能在心脏骤停与复苏领域的应用现状和研究特征 | 首次系统性地对人工智能在复苏领域的应用进行范围综述，明确了当前研究空白和未来研究方向 | 纳入研究多为回顾性分析，外部验证缺乏，真实世界应用有限 | 绘制人工智能在心脏骤停和复苏领域应用的文献图谱，识别研究空白 | 人工智能在复苏领域的应用研究 | 医疗人工智能 | 心脏骤停 | 机器学习，深度学习，自然语言处理 | NA | 医疗数据 | 197项符合纳入标准的研究 | NA | NA | AUROC | NA |
| 13224 | 2025-06-12 |
Intermuscular adipose tissue and lean muscle mass assessed with MRI in people with chronic back pain in Germany: a retrospective observational study
2025-Jul, The Lancet regional health. Europe
DOI:10.1016/j.lanepe.2025.101323
PMID:40487774
|
研究论文 | 本研究通过MRI评估了德国慢性背痛患者的肌肉间脂肪组织和瘦肌肉质量，并探讨了它们与慢性背痛的关联 | 首次在大规模人群中使用全身MRI数据量化肌肉间脂肪组织和瘦肌肉质量，并分析其与慢性背痛的关联 | 横断面研究设计无法确定因果关系 | 探讨肌肉组成与慢性背痛之间的关联 | 30,868名德国国家队列(NAKO)参与者 | 医学影像分析 | 慢性背痛 | 全身MRI扫描和深度学习模型 | 深度学习模型 | MRI图像数据 | 30,868名参与者(其中27,518人纳入最终分析) | NA | NA | NA | NA |
| 13225 | 2025-06-12 |
Annotating the microbial dark matter with HiFi-NN
2025-Jun-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112480
PMID:40491481
|
research paper | 本文介绍了一种名为HiFi-NN的计算方法，用于更精确地注释蛋白质序列的酶功能 | HiFi-NN方法在酶委员会（EC）编号的第4级注释上比现有深度学习方法具有更高的精确度和召回率，并且能够在比BLASTp更低的序列相似性下正确识别EC编号 | NA | 提高蛋白质序列酶功能注释的准确性 | 蛋白质序列 | bioinformatics | NA | HiFi-NN (Hierarchically-Finetuned Nearest Neighbor search) | NN (Nearest Neighbor) | protein sequences | NA | NA | NA | NA | NA |
| 13226 | 2025-10-06 |
Atom Identification in Bilayer Moiré Materials with Gomb-Net
2025-Jun-11, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.5c01460
PMID:40454431
|
研究论文 | 开发了深度学习模型Gomb-Net用于识别双层莫尔材料中各层的原子位置和种类 | 首次实现了对扭曲双层异质结构中各层原子位置和种类的识别，克服了莫尔图案带来的分析困难 | 未提及模型在其他类型莫尔材料中的泛化能力 | 开发能够解析双层莫尔材料原子结构的新方法 | 扭曲双层异质结构材料中的原子 | 计算机视觉 | NA | 扫描透射电子显微镜 | 深度学习模型 | 原子分辨率图像 | NA | NA | Gomb-Net | NA | NA |
| 13227 | 2025-10-06 |
Implicit neural representation for medical image reconstruction
2025-Jun-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/addfa5
PMID:40456260
|
综述 | 本文全面综述了基于隐式神经表示的医学图像重建技术 | 引入隐式神经表示作为图像连续表示方法，相比传统离散方法能更有效捕捉细节和复杂结构 | 需要讨论该技术的局限性和未来研究方向 | 医学图像重建，从不完全采样的原始传感器数据生成高质量图像 | 医学图像 | 医学影像 | NA | 隐式神经表示 | 隐式神经表示 | 医学图像数据 | NA | NA | 隐式神经表示 | NA | NA |
| 13228 | 2025-06-12 |
Time-Gated Raman Spectroscopy Combined with Deep Learning for Rapid, Label-Free Histopathological Discrimination of Gastric Cancer
2025-Jun-11, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c02321
PMID:40497384
|
研究论文 | 结合时间门控拉曼光谱与深度学习技术，实现胃癌组织的快速、无标记病理鉴别 | 首次将时间门控拉曼光谱技术与深度学习结合用于胃癌诊断，有效抑制自发荧光并提升拉曼信号质量 | 未提及样本来源多样性及模型在外部验证集上的表现 | 开发分子水平、数字化且智能化的实时胃癌诊断方法 | 胃癌组织样本 | 数字病理学 | 胃癌 | 时间门控拉曼光谱(TG-Raman) | CNN | 光谱数据 | NA | NA | NA | NA | NA |
| 13229 | 2025-06-12 |
Advancing the development of deep learning and machine learning models for oral drugs through diverse descriptor classes: a focus on pharmacokinetic parameters (Vdss and PPB)
2025-Jun-11, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11235-1
PMID:40498231
|
研究论文 | 本研究开发了一种用于预测药代动力学参数（Vdss和PPB）的深度学习和机器学习模型 | 利用Boruta算法进行特征工程，显著提高了模型准确性，并首次使用Stacking分类器预测Vdss和PPB | 研究仅针对FDA批准的口服药物，可能不适用于其他给药途径的药物 | 开发预测药代动力学参数的深度学习和机器学习模型 | FDA批准的口服药物及其药代动力学参数（Vdss和PPB） | 机器学习 | NA | 深度学习和机器学习算法 | 梯度提升（GB）、Stacking分类器、随机森林 | 分子描述符数据 | FDA批准的口服药物数据集，包含超过67种描述符 | NA | NA | NA | NA |
| 13230 | 2025-06-12 |
IoT-Driven Skin Cancer Detection: Active Learning and Hyperparameter Optimization for Enhanced Accuracy
2025-Jun-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3578419
PMID:40493466
|
research paper | 提出了一种结合主动学习和深度强化学习的创新框架，用于提高皮肤癌检测的准确性 | 结合深度强化学习（DRL）和新型范围损失函数，动态选择样本并优化分类，减少对大量标记数据的依赖 | 需要进一步验证在其他数据集上的泛化能力 | 提高皮肤癌早期检测的准确性和效率 | 皮肤癌病变图像 | computer vision | skin cancer | deep learning, active learning, deep reinforcement learning | CNN, DRL | image | ISIC和HAM10000数据集中的图像 | NA | NA | NA | NA |
| 13231 | 2025-06-12 |
Multilevel Discrete Wavelet Decomposition-Assisted Lightweight Multi-Order Gated Aggregation Network for Gas Concentration Retrieval in WMS
2025-Jun-10, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c01554
PMID:40495325
|
研究论文 | 本文提出了一种基于多级离散小波分解的轻量级多门控聚合网络（MDWD-LiteMogaNet），用于波长调制光谱（WMS）中的气体浓度检测 | 通过集成小波变换进行数据过滤和特征提取，MDWD-LiteMogaNet显著减少了数据量并提高了计算效率，同时多门控特征提取和融合机制确保了全面的特征表示 | NA | 开发一种高效的气体检测方法，适用于轻量级设备部署 | 气体浓度检测 | 机器学习 | NA | 波长调制光谱（WMS） | MDWD-LiteMogaNet | 光谱数据 | NA | NA | NA | NA | NA |
| 13232 | 2025-10-06 |
Research on artificial intelligence, machine and deep learning in medicine: global characteristics, readiness, and equity
2025-Jun-08, Globalization and health
IF:5.9Q1
DOI:10.1186/s12992-025-01128-1
PMID:40484942
|
研究论文 | 分析医学人工智能研究的全球特征、准备度和公平性 | 首次系统分析全球医学AI研究的时空格局与国家准备度，揭示南北国家间的引用模式差异 | 基于文献计量分析，未深入探讨具体技术实现细节 | 识别医学人工智能研究的全球激励因素和障碍 | 全球医学AI研究出版物 | 机器学习 | NA | 文献计量分析 | NA | 文献数据 | 2017年起年度出版物爆炸性增长，主要研究国家包括美国、中国、英国、德国和韩国 | NA | NA | NA | NA |
| 13233 | 2025-06-12 |
[Advances in thyroid cytopathology in China over the last ten years: retrospect and prospect]
2025-Jun-08, Zhonghua bing li xue za zhi = Chinese journal of pathology
|
review | 回顾过去十年中国在甲状腺细胞病理学领域的标准化诊疗体系建设和技术创新方面的重大突破 | 建立了手工涂片与液基细胞学结合的标准化流程，结合HE染色和细胞块技术显著提高诊断准确性，分子病理检测系统实现跨越式发展，从单基因BRAF检测发展到覆盖BRAF、TERT和RAS基因的多基因检测 | NA | 回顾和展望中国甲状腺细胞病理学领域的发展 | 甲状腺肿瘤细胞学 | 数字病理 | 甲状腺癌 | 下一代测序（NGS）、免疫细胞化学染色、分子病理检测 | 深度学习模型 | 细胞学图像 | NA | NA | NA | NA | NA |
| 13234 | 2025-06-12 |
Water chemical oxygen demand prediction based on a one-dimensional multi-scale feature fusion convolutional neural network and ultraviolet-visible spectroscopy
2025-Jun-04, RSC advances
IF:3.9Q2
DOI:10.1039/d5ra00933b
PMID:40491797
|
研究论文 | 本文提出了一种基于一维多尺度特征融合卷积神经网络（1D-CNN）和紫外-可见光谱的水化学需氧量（COD）预测方法 | 该方法通过融合同一通道内三个并行子卷积和池化层提取的特征，提高了COD检测的准确性，相比传统方法和深度学习模型（如PLSR、SVM、ANN和1D-CNN）表现出更优的性能 | NA | 开发一种高效、快速且无需化学试剂的COD检测方法，以支持实时水质监测 | 水中的化学需氧量（COD） | 机器学习 | NA | 紫外-可见光谱 | 1D-CNN | 光谱数据 | NA | NA | NA | NA | NA |
| 13235 | 2025-10-06 |
Automated Deep Learning Phenotyping of Tricuspid Regurgitation in Echocardiography
2025-Jun-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2025.0498
PMID:40238103
|
研究论文 | 开发用于超声心动图中三尖瓣反流自动分型的深度学习计算机视觉工作流程 | 首次构建大规模自动化深度学习流程用于三尖瓣反流严重程度分型，并在时间和地理分布不同的测试集上验证性能 | 研究基于单一医疗中心数据开发，虽在外部数据集验证但需更多中心验证普适性 | 通过深度学习自动识别彩色多普勒超声心动图视频并表征三尖瓣反流严重程度 | 超声心动图视频数据及三尖瓣反流患者 | 计算机视觉 | 心血管疾病 | 彩色多普勒超声心动图 | 深度学习计算机视觉模型 | 视频 | 训练集：47,312项研究（2,079,898个视频）来自31,708名患者；测试集：CSMC 2,462项研究（108,138个视频）和SHC 5,549项研究（278,377个视频） | NA | NA | AUC, 敏感度, 特异度 | NA |
| 13236 | 2025-10-06 |
OrgaMeas: A pipeline that integrates all the processes of organelle image analysis
2025-06, Biochimica et biophysica acta. Molecular cell research
DOI:10.1016/j.bbamcr.2025.119964
PMID:40268058
|
研究论文 | 开发了一个名为OrgaMeas的高通量图像分析流程，用于测量细胞器的形态和动力学 | 整合了两个基于深度学习的工具(OrgaSegNet和DIC2Cells)，实现了精确的细胞器分割和单细胞水平ROI自动设置 | NA | 开发低成本、低编码需求的易用图像分析平台 | 细胞器图像 | 计算机视觉 | NA | 图像分析 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 13237 | 2025-10-06 |
An overview of artificial intelligence and machine learning in shoulder surgery
2025-Jun, Clinics in shoulder and elbow
IF:1.8Q2
DOI:10.5397/cise.2025.00185
PMID:40405638
|
综述 | 本文综述了人工智能和机器学习在肩部手术领域的应用现状与发展前景 | 系统总结了机器学习在肩关节置换术和肩袖撕裂治疗中的创新应用，包括术后结果预测、并发症预测和AI辅助导航等 | 面临数据变异性、模型可解释性以及临床工作流程整合等挑战 | 探讨机器学习在肩部手术中的临床应用价值和发展方向 | 肩关节置换术和肩袖撕裂患者 | 机器学习 | 骨科疾病 | 机器学习算法 | XGBoost, 神经网络, 生成对抗网络 | 医学影像数据（磁共振成像、超声）、临床数据 | NA | NA | 深度学习模型 | 准确率, AUC | NA |
| 13238 | 2025-10-06 |
A comprehensive image dataset of plum leaf and fruit for disease classification
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111625
PMID:40486236
|
研究论文 | 构建了一个用于疾病分类的李子叶片和果实综合图像数据集 | 创建了首个包含李子叶片和果实的综合图像数据集，涵盖多种疾病类别和环境条件 | NA | 通过机器学习技术推进农业研究并实现有效的疾病管理系统 | 李子叶片和果实 | 计算机视觉 | 植物疾病 | 图像采集和增强 | NA | 图像 | 3,554张原始图像，同等数量的处理后图像，以及18,000张增强图像 | NA | NA | NA | NA |
| 13239 | 2025-06-12 |
Do Transformers and CNNs Learn Different Concepts of Brain Age?
2025-Jun-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70243
PMID:40489428
|
研究论文 | 比较Transformer和CNN在预测脑年龄方面的性能及其捕捉的脑老化效应差异 | 首次在脑年龄预测领域比较Transformer和CNN的性能，并探讨它们是否捕捉不同的脑老化效应概念 | 仅使用了UK Biobank的数据，可能无法完全代表其他人群 | 探索不同深度学习架构在脑年龄预测中的表现差异及其临床意义 | 脑年龄预测模型 | 计算机视觉 | 神经精神疾病 | T1加权脑磁共振成像 | Transformer (sViT, SwinT), CNN (ResNet50) | 图像 | 46,381张T1加权结构MR图像 | NA | NA | NA | NA |
| 13240 | 2025-06-12 |
HEDL: Deep learning multiple approaches for early detection of depression using sarcastic text
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103370
PMID:40491515
|
研究论文 | 本文提出了一种混合集成深度学习模型（HEDL），用于通过讽刺文本来早期检测抑郁迹象 | HEDL模型独特地整合了CNN、LSTM和GRU架构，以捕捉更复杂的特征表示模式，提高了准确性和鲁棒性 | 实验仅在新闻标题数据集上进行测试，未涉及其他类型的数据 | 开发一种更准确和可靠的讽刺检测方法，用于心理健康监测和情感分析 | 讽刺文本数据 | 自然语言处理 | 抑郁症 | 深度学习 | CNN, LSTM, GRU | 文本 | 新闻标题数据集（具体数量未提及） | NA | NA | NA | NA |