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 37720 篇文献，本页显示第 1681 - 1700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1681 | 2025-12-18 |
Deep learning-based phenotyping of lettuce diseases using Efficient-FBM-FRMNet for precision agriculture
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1704647
PMID:41393894
|
研究论文 | 本研究提出了一种名为Efficient-FBM-FRMNet的模块化深度学习框架，用于自动化检测生菜病害 | 该模型整合了EfficientNetB4、扩张卷积、特征瓶颈模块、推理引擎和特征细化模块，增强了判别性特征学习、可解释性和稳定性，同时降低了计算成本 | NA | 实现快速准确的生菜病害识别，以支持精准农业和可持续作物管理 | 生菜叶片图像 | 计算机视觉 | 植物病害 | 深度学习 | CNN | 图像 | 2,813张生菜叶片图像 | NA | EfficientNetB4, ResNet50, DenseNet121 | 准确率, 精确率, 召回率, F1分数 | NA |
| 1682 | 2025-12-18 |
PLFYNet-based edge-deployable detection system for Ginkgo biloba leaf diseases
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1679455
PMID:41393897
|
研究论文 | 本研究提出了一种名为PLFYNet的轻量级深度学习模型，用于在资源受限的嵌入式设备上实时检测银杏叶病害 | 提出了一种优化的轻量级主干网络，集成了注意力机制、改进的检测头、高效卷积技术和自定义特征融合模块，并应用了层自适应幅度剪枝技术，在保持精度的同时显著减少了模型参数量 | 研究仅针对银杏叶的三种病害类别（褪绿病、虫害、物理损伤），模型在其他作物或更复杂病害场景下的泛化能力有待验证 | 开发适用于复杂种植环境的轻量级实时病害检测系统，以解决现有系统在边缘部署时精度下降、效率低下和计算开销大的问题 | 银杏叶病害 | 计算机视觉 | 植物病害 | 深度学习，图像增强 | CNN, YOLO | 图像 | 7,158张增强图像，覆盖三种病害类别 | NA | LCNet-FusionYOLO, PLFYNet, YOLOv7-tiny | mAP@0.5, FPS, 参数量 | Jetson Orin Nano嵌入式平台 |
| 1683 | 2025-12-18 |
Development of a multimodal model combining radiomics and deep learning to predict malignant cerebral edema after endovascular thrombectomy
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1716443
PMID:41393997
|
研究论文 | 本研究开发了一种结合放射组学和深度学习的多模态模型，用于预测急性缺血性卒中患者接受血管内血栓切除术后恶性脑水肿的风险 | 首次整合临床数据、放射组学特征和深度学习特征构建多模态预测模型，显著提高了恶性脑水肿预测的准确性 | 研究样本量相对较小（共290例患者），且仅进行了内部验证，缺乏外部独立队列验证 | 提高急性缺血性卒中患者血管内血栓切除术后恶性脑水肿的风险预测准确性 | 接受血管内血栓切除术的急性缺血性卒中患者 | 医学影像分析 | 急性缺血性卒中 | 放射组学分析、深度学习特征提取 | 深度学习融合模型 | 临床数据、医学影像数据 | 290例患者（训练集189例，验证集47例，内部测试集54例） | NA | NA | AUC（曲线下面积） | NA |
| 1684 | 2025-12-18 |
The mediating role of psychological resilience in the relationship between deep learning approach and mathematical creativity: integrating structural equation model and network analysis
2025, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2025.1697817
PMID:41394065
|
研究论文 | 本研究通过整合结构方程模型和网络分析方法，探讨了深度学习方式、心理韧性与数学创造力之间的关系 | 首次将结构方程模型与网络分析方法结合，揭示学习方式、心理韧性与数学创造力之间的中介关系与网络关系 | 研究样本仅为中国大学生，结果可能受文化背景限制；采用横断面设计，无法确定因果关系 | 探究深度学习方式如何通过心理韧性预测数学创造力，并揭示三者间的网络关系 | 中国大学生 | 教育心理学 | NA | 问卷调查法 | 结构方程模型, 网络分析 | 问卷数据 | 986名中国大学生 | NA | NA | 节点中心性指标（强度、接近度、预期影响力） | NA |
| 1685 | 2025-12-18 |
RNA-EFM: energy-based flow matching for protein-conditioned RNA sequence-structure co-design
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf258
PMID:41394077
|
研究论文 | 提出了一种名为RNA-EFM的深度学习框架，用于蛋白质条件化的RNA序列与结构协同设计，通过结合基于能量的精炼和流匹配方法，以优化RNA的几何对齐和热力学稳定性 | 首次将基于能量的精炼与流匹配相结合，用于RNA序列与结构的协同设计，并整合了生物物理先验如Lennard-Jones势能和序列衍生的自由能，以确保生成的RNA在几何上合理且热力学稳定 | 未明确提及模型在处理大规模数据集或复杂蛋白质-RNA相互作用时的计算效率或泛化能力限制 | 开发一种能够设计特异性结合目标蛋白质的RNA分子的方法，同时考虑结构对齐、序列恢复和生物物理因素 | RNA分子及其与目标蛋白质的相互作用 | 机器学习 | NA | 深度学习框架，结合基于能量的精炼和流匹配 | NA | RNA序列和结构数据 | NA | NA | RNA-EFM（自定义框架，结合流匹配和基于能量的精炼） | RMSD, lDDT, 序列恢复率, 结合能改进 | NA |
| 1686 | 2025-12-18 |
Leveraging TabTransformer Deep Learning on Conventional MRI Radiomics for Accessible and Interpretable Diagnosis of Autism Spectrum Disorder
2025, Neuropsychiatric disease and treatment
IF:2.5Q2
DOI:10.2147/NDT.S550477
PMID:41394445
|
研究论文 | 本研究利用常规MRI序列的放射组学特征，结合TabTransformer深度学习模型，对自闭症谱系障碍进行诊断，并探索影像特征与临床症状严重程度的相关性 | 首次将TabTransformer深度学习模型应用于多区域常规MRI放射组学分析，用于自闭症谱系障碍的诊断，并识别出与核心临床症状相关的特定影像生物标志物 | 研究为回顾性设计，样本量相对有限，缺乏外部验证，且依赖手动分割，未来需要更大规模、多中心的前瞻性研究及自动化分割方法的探索 | 评估基于常规MRI序列的多区域放射组学分析对自闭症谱系障碍的诊断效能，并探索影像特征与临床症状严重程度的相关性 | 207名儿科参与者（91名自闭症谱系障碍患者，116名典型发育对照） | 医学影像分析 | 自闭症谱系障碍 | 常规MRI序列（T1加权成像和T2加权成像） | TabTransformer, 逻辑回归, 支持向量机 | MRI图像 | 207名儿科参与者（91例ASD，116例对照） | NA | TabTransformer | AUC, 准确率, 灵敏度, 特异性 | NA |
| 1687 | 2025-12-18 |
Inference of Gene Regulatory Networks for Breast Cancer Based on Genetic Modules
2025, BME frontiers
IF:5.0Q1
DOI:10.34133/bmef.0154
PMID:41394782
|
研究论文 | 本研究提出了一种结合遗传模块和卷积神经网络的新方法，从乳腺癌RNA测序数据中推断基因调控网络 | 该方法整合了遗传数据分析和深度学习视角，通过加权基因共表达网络分析筛选关键基因，并将基因模块中的调控关联转化为二维直方图类型，使用卷积神经网络进行拟合和推断 | 未明确说明方法在其他肿瘤类型或更大数据集上的泛化能力 | 开发一种新的基因调控网络推断方法，以促进乳腺癌的靶向治疗 | 乳腺癌的基因调控网络 | 机器学习 | 乳腺癌 | RNA测序 | CNN | 基因表达数据 | NA | NA | 卷积神经网络 | NA | NA |
| 1688 | 2025-12-18 |
Utilization of artificial intelligence in prostate cancer detection: a comprehensive review of innovations in screening and diagnosis
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1670671
PMID:41394863
|
综述 | 本文全面回顾了人工智能在前列腺癌筛查与诊断中的创新应用 | 详细阐述了AI如何通过深度学习算法改进多参数MRI解读、自动化Gleason分级以及整合多模态数据，推动前列腺癌诊疗向更精准、高效和个性化的新标准转变 | 面临前瞻性验证、数据公平性和监管审批等方面的重大挑战 | 探讨人工智能在前列腺癌管理中的变革性作用，特别是在筛查、诊断和治疗个性化方面的应用 | 前列腺癌的筛查、诊断及治疗过程 | 数字病理学 | 前列腺癌 | 多参数MRI (mpMRI), 深度学习 | 深度学习算法 | 影像数据, 生物标志物数据, 临床数据 | NA | NA | NA | NA | NA |
| 1689 | 2025-12-18 |
PathoEye: A deep learning framework for the whole-slide image analysis of skin tissue
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.11.052
PMID:41395109
|
研究论文 | 本文介绍了一个名为PathoEye的深度学习框架，用于皮肤组织全玻片图像分析，专注于真皮-表皮连接区域以丰富皮肤病的病理特征 | NA | NA | 开发一个可解释的计算框架，用于分析皮肤活检中的全玻片图像，以研究各种皮肤状况的病理特征 | 皮肤组织全玻片图像，特别是真皮-表皮连接区域（基底膜区） | 数字病理学 | 皮肤病 | 全玻片图像分析 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1690 | 2025-12-18 |
Advances in machine and deep learning for ECG beat classification: a systematic review
2025, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2025.1649923
PMID:41395626
|
系统综述 | 本文系统回顾了2014年至2024年间发表的106篇相关文献，总结了机器学习和深度学习在心电图（ECG）搏动分类方面的进展、挑战和未来方向 | 系统梳理了从传统特征工程方法向基于卷积神经网络、循环神经网络及注意力机制等先进架构的自动化特征提取与分类方法的演变过程 | 现有研究普遍存在数据不平衡、患者间变异大以及缺乏统一评估指标等问题，限制了公平比较和临床转化 | 调查ECG信号分析技术，以更准确、高效地识别和分类各种心搏 | 心电图（ECG）信号 | 机器学习 | 心血管疾病 | NA | CNN, RNN, 混合框架 | 信号数据 | NA | NA | NA | NA | NA |
| 1691 | 2025-12-18 |
Deep Learning-Based Automated Optical Inspection System for the Additive Manufacturing of Diamond Tools
2024-Dec, 3D printing and additive manufacturing
IF:2.3Q3
DOI:10.1089/3dp.2023.0208
PMID:39734731
|
研究论文 | 本文提出了一种基于改进YOLOv5s的自动光学检测系统，用于监测增材制造金刚石工具过程中金刚石磨粒的吸附状态 | 改进了YOLOv5s模型，通过添加检测头、使用深度可分离卷积模块替代标准卷积模块、引入坐标注意力机制，实现了参数和计算量的显著降低，同时提高了检测精度 | 未明确说明模型在其他工业检测场景中的泛化能力，且未与其他先进检测模型进行广泛对比 | 开发一种自动光学检测系统，以维持增材制造过程中金刚石磨粒的植砂率 | 增材制造金刚石工具过程中，针孔上金刚石磨粒的吸附状态 | 计算机视觉 | NA | 自动光学检测 | CNN | 图像 | 大量空缺和磨损空缺针孔数据 | PyTorch | YOLOv5s | 检测精度, 检测时间 | NA |
| 1692 | 2025-12-18 |
Deep Learning in Image-Based Plant Phenotyping
2024-07, Annual review of plant biology
IF:21.3Q1
|
综述 | 本文综述了深度学习在基于图像的植物表型分析中的应用，包括其基础、评估方法、应用实例、最佳实践和开放挑战 | 系统性地回顾了深度学习在植物表型分析中的最新进展，并总结了最佳实践和未来挑战 | 作为综述文章，未提供新的实验数据或模型，主要基于现有文献进行总结 | 探讨深度学习如何加速和优化基于图像的植物表型分析，以促进作物改良 | 植物表型分析，特别是通过图像数据进行的表型测量 | 计算机视觉 | NA | 图像分析 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1693 | 2025-12-18 |
Forecasting Risk of Future Rapid Glaucoma Worsening Using Early Visual Field, OCT, and Clinical Data
2023 Sep-Oct, Ophthalmology. Glaucoma
DOI:10.1016/j.ogla.2023.03.005
PMID:36944385
|
研究论文 | 本研究利用深度学习模型，基于早期视野检查、OCT和临床数据，预测青光眼患者未来发生快速视野恶化的风险 | 首次将视觉Transformer用于整合多模态眼科数据（视野、OCT、临床）以预测青光眼进展，并证明加入多次随访数据可提升预测性能 | 回顾性研究设计，样本中快速恶化病例比例较低（5.80%），模型性能需在前瞻性研究中进一步验证 | 评估利用早期多模态数据预测青光眼快速视野恶化的可行性 | 4536只眼（来自2962名患者），其中263只眼发生快速视野恶化 | 数字病理学 | 青光眼 | 视野检查（VF）、光学相干断层扫描（OCT）、临床测量 | 深度学习模型（DLM） | 图像（视野偏差图、OCT厚度图）、数值型临床数据 | 4536只眼（2962名患者），其中263只眼为快速恶化病例 | 未明确说明（可能为PyTorch或TensorFlow） | 视觉Transformer（Vision Transformer） | AUC（曲线下面积） | NA |
| 1694 | 2025-12-18 |
Re: Vogl et al.: Predicting topographic disease progression and treatment response of pegcetacoplan in geographic atrophy quantified by deep learning (Ophthalmol Retina. 2023;7:4-13)
2023-07, Ophthalmology. Retina
DOI:10.1016/j.oret.2023.04.005
PMID:37204369
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1695 | 2025-12-18 |
Predicting Topographic Disease Progression and Treatment Response of Pegcetacoplan in Geographic Atrophy Quantified by Deep Learning
2023-01, Ophthalmology. Retina
DOI:10.1016/j.oret.2022.08.003
PMID:35948209
|
研究论文 | 本研究利用深度学习自动评估SD-OCT图像，预测地理萎缩的地形进展及pegcetacoplan治疗效果 | 首次结合深度学习自动分割与空间广义加性混合效应模型，在地形层面量化地理萎缩的局部进展率及其与治疗反应的关系 | 样本量相对较小（156只眼），且为回顾性分析，可能受限于临床试验的固有设计 | 评估pegcetacoplan治疗对年龄相关性黄斑变性继发地理萎缩地形进展的影响 | 地理萎缩患者的SD-OCT扫描图像 | 数字病理学 | 年龄相关性黄斑变性 | 光谱域OCT成像 | 深度学习算法 | 图像 | 156只眼（57只月治疗组，46只隔月治疗组，53只安慰剂组），总计312次扫描 | NA | NA | 局部进展率, 光感受器厚度, 高反射焦点浓度 | NA |
| 1696 | 2025-12-18 |
Position paper of the EACVI and EANM on artificial intelligence applications in multimodality cardiovascular imaging using SPECT/CT, PET/CT, and cardiac CT
2021-05, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-021-05341-z
PMID:33864509
|
立场论文 | 本文概述了人工智能在心血管多模态成像中的应用，重点介绍了机器学习算法在SPECT/CT、PET/CT和心脏CT中的潜力 | 提出了将机器学习和深度学习算法整合到心血管成像中的新策略，以提升诊断和预后评估能力 | NA | 为心血管成像领域的人工智能应用提供概念框架和实践指南，支持临床决策 | 心血管疾病患者，使用SPECT/CT、PET/CT和心脏CT等成像技术 | 数字病理学 | 心血管疾病 | SPECT/CT, PET/CT, 心脏CT, 冠状动脉CT血管造影 | 机器学习, 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1697 | 2025-12-18 |
Canadian Association of Radiologists White Paper on Artificial Intelligence in Radiology
2018-May, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes
DOI:10.1016/j.carj.2018.02.002
PMID:29655580
|
白皮书 | 加拿大放射科医师协会发布关于人工智能在放射学中应用的白皮书，提供相关建议和指导 | 作为加拿大放射学领域的官方立场文件，首次系统性地提出AI在放射学中的实施框架和政策建议 | 未涉及具体技术细节或临床验证数据，主要侧重于政策层面讨论 | 探讨人工智能在放射学领域的应用前景、实施策略及对行业的影响 | 放射学实践、政策制定、患者护理及专业教育 | 数字病理 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 1698 | 2025-12-17 |
Rethinking active learning in medical education: a comparative study of inquiry-based and team-based learning on student performance and satisfaction
2026-Mar-01, Advances in physiology education
IF:1.7Q4
DOI:10.1152/advan.00199.2025
PMID:41196126
|
研究论文 | 本研究比较了医学教育中基于探究的学习（IBL）与基于团队的学习（TBL）的教学效果，重点关注学生表现和满意度 | 设计并实施了一个基于5E教学模型的创新IBL框架，结合了交互式临床案例、条件性解决方案揭示机制和游戏化综合活动 | 准实验设计可能限制了因果推断的强度，样本仅来自一年级医学生，可能影响结果的普适性 | 比较IBL与TBL在医学教育中的教学有效性，包括学术表现、学习者参与度、自主性和满意度 | 548名一年级医学生 | 医学教育 | NA | 5E教学模型、交互式临床案例、条件性解决方案揭示机制（scratch film）、游戏化综合（填字游戏） | NA | 定量表现指标、行为观察数据、学生问卷数据 | 548名一年级医学生 | NA | NA | 关键学习概念保留率、扩展概念获取率、参与度、自主性、满意度、作弊倾向 | NA |
| 1699 | 2025-12-17 |
Multi-view learning meets state-space model: A dynamical system perspective
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108088
PMID:40966932
|
研究论文 | 本文提出了一种基于连续时间动态系统视角的多视图状态空间模型（MvSSM），用于多视图表示学习 | 将多视图表示学习形式化为受控制理论启发的连续时间动态系统，将视图特定特征视为外部输入，共享潜在表示作为内部系统状态演化，统一了特征集成和标签预测，并支持系统稳定性和表示转换的理论分析 | 未明确说明模型的计算复杂度或在大规模数据集上的可扩展性限制 | 通过动态系统视角改进多视图学习的表示能力和理论可解释性 | 多模态数据的特征表示与动态演化 | 机器学习 | NA | NA | 状态空间模型 | 多视图数据（多模态） | NA | NA | MvSSM-Lap, MvSSM-iLap | 准确率, F1分数 | NA |
| 1700 | 2025-12-17 |
A unified gradient regularization method for heterogeneous graph neural networks
2026-Feb, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108104
PMID:40974991
|
研究论文 | 本文提出了一种名为Grug的统一梯度正则化方法，用于解决异构图神经网络中的过平滑和非鲁棒性问题 | 提出了一种在消息传递过程中迭代应用于节点类型和消息矩阵梯度的正则化方法，并提供了一个统一框架整合现有丢弃和对抗训练方法 | NA | 解决异构图神经网络中的过平滑和非鲁棒性问题，提高模型性能 | 异构图神经网络 | 机器学习 | NA | NA | 异构图神经网络 | 图数据 | 六个公共数据集 | NA | NA | NA | NA |