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 32372 篇文献，本页显示第 14001 - 14020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14001 | 2025-10-07 |
Rapid Identification of Medicinal Polygonatum Species and Predictive of Polysaccharides Using ATR-FTIR Spectroscopy Combined With Multivariate Analysis
2025-Apr, Phytochemical analysis : PCA
IF:3.0Q2
DOI:10.1002/pca.3459
PMID:39422183
|
研究论文 | 本研究利用衰减全反射傅里叶变换红外光谱结合多元分析方法，建立了药用黄精物种的定性鉴定模型和多糖含量预测模型 | 首次将ATR-FTIR光谱与多元分析结合用于药用黄精物种分类和多糖含量预测，并比较了传统方法与ResNet深度学习模型的性能 | 研究样本仅包含334个药用黄精样品，未来可扩展更多物种；仅针对多糖成分进行预测，未涉及其他化学成分 | 开发快速鉴定药用黄精物种和预测多糖含量的分析方法 | 药用黄精物种及其多糖成分 | 光谱分析 | NA | ATR-FTIR光谱分析，蒽酮-硫酸法 | PLSR, Kernel-PLSR, ResNet | 红外光谱数据 | 334个药用黄精物种样品，110个黄精多糖样品 | NA | ResNet | 准确率，RPD，Rp | NA |
| 14002 | 2025-10-07 |
Evaluating the reproducibility of a deep learning algorithm for the prediction of retinal age
2025-Apr, GeroScience
IF:5.3Q1
DOI:10.1007/s11357-024-01445-0
PMID:39589693
|
研究论文 | 评估深度学习算法预测视网膜年龄的可重复性 | 首次系统评估视网膜年龄预测的可靠性，发现图像质量对结果的影响及昼夜波动现象 | 样本量有限（共67名受试者），未涉及更广泛的人群特征 | 评估视网膜年龄预测算法的可靠性和准确性，分析影响因素 | 人类视网膜图像 | 计算机视觉 | 年龄相关疾病 | 彩色眼底摄影 | 深度学习算法 | 图像 | 67名受试者（26名Intervisit组，41名Intravisit组） | NA | NA | 平均绝对测试-重测差异 | NA |
| 14003 | 2025-10-07 |
Comparison of Intratumoral and Peritumoral Deep Learning, Radiomics, and Fusion Models for Predicting KRAS Gene Mutations in Rectal Cancer Based on Endorectal Ultrasound Imaging
2025-Apr, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-024-16697-5
PMID:39690384
|
研究论文 | 比较基于直肠腔内超声图像的瘤内和瘤周深度学习、影像组学及融合模型在预测直肠癌KRAS基因突变中的性能 | 首次系统比较瘤内与瘤周区域在预测KRAS突变中的价值，并开发基于特征融合和决策融合的混合模型 | 单中心回顾性研究，样本量有限（304例患者） | 预测直肠癌KRAS基因突变状态 | 直肠癌患者 | 医学影像分析 | 直肠癌 | 直肠腔内超声成像 | 深度学习, 影像组学, 融合模型 | 超声图像 | 304例直肠癌患者（训练集213例，测试集91例） | NA | NA | AUC, 敏感性, 特异性, 决策曲线分析 | NA |
| 14004 | 2025-10-07 |
Genomic determinants of biological age estimated by deep learning applied to retinal images
2025-Apr, GeroScience
IF:5.3Q1
DOI:10.1007/s11357-024-01481-w
PMID:39775603
|
研究论文 | 本研究通过深度学习分析视网膜图像估计生物年龄，并利用全基因组关联分析探索其遗传基础 | 首次将深度学习预测的视网膜年龄差（RAG）与全基因组关联分析相结合，探索视网膜衰老的遗传机制 | 研究样本主要来自英国生物银行和GoDARTS队列，可能存在人群特异性限制 | 探索视网膜年龄差的遗传决定因素及其与衰老过程的关联机制 | 英国生物银行31,271名参与者和GoDARTS队列8,034名参与者的视网膜图像和基因组数据 | 计算机视觉 | 老年疾病 | 深度学习，全基因组关联分析（GWAS），孟德尔随机化分析 | 深度学习模型 | 视网膜图像，基因组数据 | 英国生物银行31,271人，GoDARTS队列8,034人 | NA | NA | 遗传相关性，SNP遗传力 | NA |
| 14005 | 2025-10-07 |
Identification of lesion bioactivity in hepatic cystic echinococcosis using a transformer-based fusion model
2025-Apr, The Journal of infection
IF:14.3Q1
DOI:10.1016/j.jinf.2025.106455
PMID:40049526
|
研究论文 | 本研究开发了一种基于Transformer的多模态融合模型，用于准确区分肝囊型包虫病病灶的生物活性 | 首次将Transformer架构应用于肝囊型包虫病病灶活性识别，通过特征级融合、决策级融合和Transformer网络整合临床特征、影像组学特征及2D/3D深度学习特征 | 研究仅基于三家医院的数据，需要更多外部验证来确认模型的泛化能力 | 评估基于Transformer的融合模型在判断肝囊型包虫病病灶生物活性方面的性能 | 700例肝囊型包虫病患者的CT影像和临床变量 | 计算机视觉 | 肝囊型包虫病 | CT成像 | Transformer,深度学习模型 | CT图像,临床数据 | 700例来自三家医院(2018-2023年)的肝囊型包虫病患者 | Pyradiomics | Transformer | AUC | NA |
| 14006 | 2025-10-07 |
An artificial intelligence tool that may assist with interpretation of rapid plasma reagin test for syphilis: Development and on-site evaluation
2025-Apr, The Journal of infection
IF:14.3Q1
DOI:10.1016/j.jinf.2025.106454
PMID:40043816
|
研究论文 | 开发并验证一种基于人工智能的快速血浆反应素试验解读工具，用于梅毒诊断 | 首次将深度学习算法应用于RPR测试的自动化解读，并集成到智能手机实现现场应用 | 样本量相对有限（600张图像），需要更多临床验证 | 开发用户友好的RPR-AI解读工具以标准化梅毒诊断 | 快速血浆反应素试验卡片图像 | 计算机视觉 | 梅毒 | 快速血浆反应素试验 | 深度学习 | 图像 | 600张RPR卡片图像（276例阴性，223例阳性） | NA | NA | 准确率, 灵敏度, 特异性, 一致性, 阳性预测值, 阴性预测值 | 智能手机平台 |
| 14007 | 2025-10-07 |
Soil and crop interaction analysis for yield prediction with satellite imagery and deep learning techniques for the coastal regions
2025-Apr, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.125095
PMID:40138935
|
研究论文 | 本研究利用卫星影像和深度学习技术分析土壤与作物相互作用，实现沿海地区作物产量预测 | 结合土壤类型分析和NDVI数据，采用卷积神经网络进行降雨径流预测，相比传统方法显著提高预测精度 | 研究主要针对沿海地区，在数据有限区域的适用性需要进一步验证 | 开发高精度的作物产量预测模型以支持农业决策 | 沿海地区的土壤和作物 | 计算机视觉 | NA | 卫星遥感，Sentinel-2，NDVI | CNN | 卫星影像 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 14008 | 2025-10-07 |
Effective evaluation of greenhouse gases (GHGs) emissions from anoxic/oxic (A/O) process of regenerated papermaking wastewater treatment through hybrid deep learning techniques: Leveraging the critical role of water quality indicators
2025-Apr, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.125094
PMID:40174391
|
研究论文 | 本研究通过混合深度学习技术评估再生造纸废水处理中温室气体排放，并分析水质指标的关键作用 | 开发了集成时间卷积网络和注意力机制的新型混合深度学习模型TCNA，用于预测废水处理过程中的温室气体排放 | 研究基于实验室规模的A/O工艺，数据集仅包含295组多因素数据，需要在实际工业规模中进一步验证 | 准确评估再生造纸废水处理过程中温室气体排放，并开发可靠的预测模型 | 再生造纸废水处理过程中的温室气体排放 | 机器学习 | NA | 废水处理工艺监测 | TCN, Attention Mechanism, CNN, RNN, LSTM | 水质指标数据（COD、悬浮固体、氨氮、硝酸盐氮、pH/DO/温度等） | 295组多因素数据集，来自约110天的实验室规模A/O工艺运行 | NA | TCNA（时间卷积网络+注意力机制） | R分数, RMSE, MAE | NA |
| 14009 | 2025-10-07 |
Feasibility study of real-time virtual sensing for water quality parameters in river systems using synthetic data and deep learning models
2025-Apr, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.125191
PMID:40179555
|
研究论文 | 本研究评估了结合深度学习的虚拟传感技术在小型河流系统中实时监测水质参数的可行性 | 首次将深度学习模型与虚拟传感技术结合用于小型河流系统水质监测，并比较了实际数据与合成数据的性能差异 | 研究主要针对小型河流系统，且依赖于九个传感器测量指标生成的合成数据 | 评估基于深度学习的虚拟传感技术在河流水质实时监测中的可行性 | 小型河流系统中的水质参数（总有机碳TOC、总氮TN、总磷TP） | 环境监测 | NA | 虚拟传感技术，深度学习 | 深度学习模型 | 传感器测量数据，合成数据 | 九个传感器测量指标 | NA | NA | 误差（mg/L） | 计算时间少于1分钟 |
| 14010 | 2025-04-12 |
Deep neural network modeling for brain tumor classification using magnetic resonance spectroscopic imaging
2025-Apr, PLOS digital health
DOI:10.1371/journal.pdig.0000784
PMID:40202966
|
研究论文 | 本研究探讨了深度神经网络在脑肿瘤分类中的应用，特别是针对磁共振波谱成像（MRSI）数据的处理 | 直接对原始MRSI时域数据应用深度神经网络，避免了传统方法中复杂的手动处理步骤 | 需要更大数据集进行验证以建立标准化指南并增强临床实用性 | 提高脑肿瘤早期和准确检测的效率，以支持有效治疗 | 脑肿瘤患者的合成和真实MRSI数据 | 数字病理学 | 脑肿瘤 | 磁共振波谱成像（MRSI） | 深度神经网络 | 光谱时间序列数据 | 包括合成和真实MRSI数据的脑肿瘤患者数据集 | NA | NA | NA | NA |
| 14011 | 2025-04-12 |
Universal photonic artificial intelligence acceleration
2025-Apr, Nature
IF:50.5Q1
DOI:10.1038/s41586-025-08854-x
PMID:40205212
|
研究论文 | 介绍了一种光子AI处理器，能够执行包括ResNet和BERT在内的高级AI模型，以及DeepMind最初展示的Atari深度强化学习算法 | 该光子AI处理器在许多工作负载上实现了接近电子精度的性能，标志着光子计算进入与现有电子AI加速器竞争的新阶段 | 尚未有光子芯片达到实际AI应用所需的精度，且演示仅限于简化的基准任务 | 探索光子技术在AI和深度学习中的加速张量操作，以提高能源效率和性能 | 光子AI处理器 | 机器学习 | NA | 光子计算 | ResNet, BERT, 深度强化学习算法 | NA | NA | NA | NA | NA | NA |
| 14012 | 2025-10-07 |
OpenSpliceAI: An efficient, modular implementation of SpliceAI enabling easy retraining on non-human species
2025-Mar-23, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.20.644351
PMID:40166201
|
研究论文 | 开发了一个高效、模块化的开源SpliceAI实现OpenSpliceAI，支持跨物种剪接信号识别 | 使用PyTorch重新实现SpliceAI，支持从头训练和迁移学习，解决了原模型对人类中心数据的依赖 | NA | 开发一个可训练的剪接信号识别深度学习系统，支持非人类物种 | DNA序列中的剪接信号 | 机器学习 | NA | 深度学习 | 深度学习模型 | DNA序列数据 | NA | PyTorch | SpliceAI | NA | 单GPU |
| 14013 | 2025-10-07 |
Precise perivascular space segmentation on magnetic resonance imaging from Human Connectome Project-Aging
2025-Mar-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.19.25324269
PMID:40166557
|
研究论文 | 本研究基于人类连接组计划老龄化项目的T2加权磁共振成像，开发了精确的血管周围间隙分割数据集和方法 | 结合无监督学习、深度学习和人工校正技术，创建了包含200名30-100岁受试者的精细化PVS分割数据集 | PVS尺寸微小、MRI表现多样且标注数据稀缺带来的分割挑战 | 实现血管周围空间的精确分割，研究其与年龄变化和认知衰退的关联 | 人类连接组计划老龄化项目的200名30-100岁受试者的脑部MRI数据 | 医学影像分析 | 神经退行性疾病 | T2加权磁共振成像 | 深度学习 | 磁共振图像 | 200名年龄30-100岁的受试者 | NA | NA | NA | NA |
| 14014 | 2025-10-07 |
A mechanistic neural network model predicts both potency and toxicity of antimicrobial combination therapies
2025-Mar-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.19.25324270
PMID:40166569
|
研究论文 | 提出一种结合机制建模与深度学习的CALMA模型，用于预测抗菌药物组合疗法的效力和毒性 | 将机制建模与神经网络相结合，提高模型可解释性，同时识别影响药物相互作用的关键通路 | NA | 开发能预测多药物组合效力和毒性的计算方法，优化抗菌联合疗法设计 | 抗菌药物组合（如万古霉素和异烟肼） | 机器学习 | 抗菌药物耐药性 | 深度学习，机制建模 | 神经网络 | 细胞活力测定数据，患者健康记录 | 人类细胞系实验和患者健康记录数据 | NA | CALMA | NA | NA |
| 14015 | 2025-02-19 |
Deep learning: Cracking the metabolic code
2025-Mar-01, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001220
PMID:39960202
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14016 | 2025-04-12 |
Optimizing Input Selection for Cardiac Model Training and Inference: An Efficient 3D Convolutional Neural Networks-Based Approach to Automate Coronary Angiogram Video Selection
2025-Mar, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2025.100195
PMID:40206993
|
研究论文 | 开发了一种基于3D卷积神经网络的自动化方法，用于选择适合训练深度学习模型的冠状动脉造影视频 | 使用3D-CNN模型（特别是X3D-L）在冠状动脉造影视频选择中实现了高效自动化，并在计算效率和复杂性之间取得了平衡 | 在独立数据集上验证时，所有指标略有下降 | 提高医学图像分析的准确性和效率 | 冠状动脉造影视频 | 数字病理 | 心血管疾病 | 深度学习 | 3D-CNN（ResNet和X3D） | 视频 | 232例冠状动脉造影研究用于训练，3208例手术用于独立验证 | NA | NA | NA | NA |
| 14017 | 2025-04-12 |
Gait Speed and Task Specificity in Predicting Lower-Limb Kinematics: A Deep Learning Approach Using Inertial Sensors
2025-Mar, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2024.11.004
PMID:40207006
|
研究论文 | 开发一个深度学习框架，利用惯性测量单元(IMU)数据预测多任务步态下的下肢关节运动学，并评估动态时间规整(DTW)对减少预测误差的影响 | 提出了一种结合LSTM自编码器和监督回归的深度学习模型，用于多任务步态下的关节运动学预测，并验证了DTW在降低预测误差方面的有效性 | 样本量较小(仅18名参与者)，且仅验证了矢状面的关节角度预测 | 开发远程连续生物力学评估的实用解决方案 | 下肢关节(髋、膝、踝)运动学预测 | 机器学习 | NA | 惯性测量单元(IMU)，光学运动捕捉系统 | LSTM自编码器监督回归模型(含LSTM和CNN层) | IMU传感器数据(加速度计和陀螺仪的3轴数据及其幅值) | 18名参与者 | NA | NA | NA | NA |
| 14018 | 2025-04-12 |
Leveraging Comprehensive Echo Data to Power Artificial Intelligence Models for Handheld Cardiac Ultrasound
2025-Mar, Mayo Clinic proceedings. Digital health
DOI:10.1016/j.mcpdig.2025.100194
PMID:40207004
|
研究论文 | 开发了一个端到端的深度学习框架，用于从超声心动图视频中估计左心室射血分数（LVEF）、患者年龄和性别分类，包括使用手持心脏超声（HCU）收集的视频 | 利用全面的超声心动图数据为手持心脏超声的人工智能模型提供支持，展示了手持设备可以获得聚焦诊断图像 | 研究主要基于Mayo Clinic的数据，可能在其他医疗系统中的泛化性有待验证 | 开发深度学习模型以提升手持心脏超声的诊断能力 | 超声心动图视频，包括手持心脏超声（HCU）和经胸超声心动图（TTE）数据 | 数字病理 | 心血管疾病 | 深度学习 | 深度学习模型 | 视频 | 训练集6432项研究，内部验证集1369项研究，前瞻性数据集625名患者 | NA | NA | NA | NA |
| 14019 | 2025-10-07 |
Spatial single-cell proteomics landscape decodes the tumor microenvironmental ecosystem of intrahepatic cholangiocarcinoma
2025-Feb-25, Hepatology (Baltimore, Md.)
DOI:10.1097/HEP.0000000000001283
PMID:39999448
|
研究论文 | 本研究通过人工智能辅助的空间多组学技术解析肝内胆管癌肿瘤微环境的空间生态系统 | 首次构建肝内胆管癌空间单细胞蛋白质组学图谱，开发空间肿瘤微环境深度学习系统，识别5种具有不同预后的空间亚型 | 样本来源包含公开数据和内部数据，部分数据样本量较小（如空间转录组学仅4例内部样本） | 阐明肝内胆管癌肿瘤微环境的空间特征及其与预后和免疫治疗的关系 | 肝内胆管癌患者肿瘤组织样本 | 数字病理学 | 肝内胆管癌 | 成像质谱流式,空间蛋白质组学,空间转录组学,多重免疫荧光,单细胞RNA测序,批量RNA测序,批量蛋白质组学 | 深度学习 | 空间多组学数据,单细胞数据,蛋白质组学数据,转录组学数据 | 内部样本：成像质谱流式155例,空间蛋白质组学155例,空间转录组学4例,多重免疫荧光20例,单细胞RNA测序9例,批量蛋白质组学110例；公共数据：单细胞RNA测序34例,批量RNA测序244例,批量蛋白质组学214例；总计解析超过106万个细胞 | NA | NA | 预后预测准确率 | NA |
| 14020 | 2025-04-12 |
Integrating artificial intelligence with endoscopic ultrasound in the early detection of bilio-pancreatic lesions: Current advances and future prospects
2025-Feb, Best practice & research. Clinical gastroenterology
DOI:10.1016/j.bpg.2025.101975
PMID:40210329
|
综述 | 本文综述了人工智能（AI）与内镜超声（EUS）结合在胆胰病变早期检测中的当前进展和未来前景 | AI驱动的模型（如机器学习和深度学习）显著提高了诊断准确性，特别是在区分胰腺导管腺癌与良性病变及胰腺囊性肿瘤的特征分析方面 | 数据标准化、模型可解释性以及数据隐私的伦理问题仍是挑战 | 探讨AI与EUS结合在胆胰病变早期检测和管理中的潜力 | 胆胰病变，包括胰腺导管腺癌（PDAC）、良性病变及胰腺囊性肿瘤 | 数字病理 | 胰腺癌 | 机器学习和深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |