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 49372 篇文献，本页显示第 18821 - 18840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18821 | 2025-12-07 |
CDANet: A context-detail aware network for marine oil spill detection in SAR imagery
2025-Dec-01, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2025.140683
PMID:41349300
|
研究论文 | 本研究提出了一种用于SAR图像海洋溢油检测的上下文-细节感知网络（CDANet），并构建了一个综合性的SAR溢油数据集 | 提出了CDANet网络，通过整合Mamba状态空间模型、多尺度交叉注意力机制和扩张正交特征融合策略，同时捕获全局语义和局部细节 | 未明确说明模型在极端天气条件或极高海况下的检测性能 | 开发准确高效的海洋溢油检测技术 | 合成孔径雷达（SAR）图像中的海洋溢油 | 计算机视觉 | NA | 合成孔径雷达（SAR）成像 | 深度学习模型 | SAR图像 | 基于Sentinel-1和GF-3数据构建的综合数据集，包含多年份、多地理区域、多溢油形态和多极化模式 | NA | CDANet（整合Mamba状态空间模型、多尺度交叉注意力机制、扩张正交特征融合） | 精确率，F1分数 | NA |
| 18822 | 2025-12-07 |
Novel deep learning solutions with layered recurrent neural networks for nonlinear stiff Dahl hysteresis model in piezoelectric actuator
2025-Nov-25, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2025.108378
PMID:41349175
|
研究论文 | 本文提出了一种基于分层循环神经网络的新深度学习方法，用于建模压电执行器中的非线性刚性Dahl迟滞模型 | 采用结合Levenberg-Marquardt优化技术的反向传播循环神经网络来近似Dahl迟滞模型的解，提高了对驱动幅度和频率变化的响应能力 | 依赖于合成生成的数据，可能未完全反映真实世界的复杂性；训练稳定性和可解释性仍需进一步改进 | 开发一种深度学习方法以更准确地建模压电执行器的非线性迟滞行为，提升其在高性能精密定位应用中的潜力 | 压电执行器及其相关的Dahl迟滞模型 | 机器学习 | NA | 数值积分（Adams时间积分方案） | RNN, BP-RNN | 时间序列数据（位移时间序列） | 通过四种不同激励输入（单位幅度正弦波、带直流偏移的正弦波、阻尼瞬态、阻尼谐波）系统变化参数生成的合成数据 | NA | 分层循环神经网络 | 均方误差, 直方图分析, 回归分析 | NA |
| 18823 | 2025-12-07 |
[Design and validation of a multimodal model integrating text and imaging data for intelligent assessment of psychological stress in college students]
2025-Nov-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|
研究论文 | 本研究提出了一种整合社交媒体文本和图像数据的多模态模型，用于自动评估大学生的心理压力水平 | 通过结合文本情感建模（使用Bi-LSTM）和图像情感建模（使用U-Net）的多模态融合预测模块，实现了跨模态语义协作，以自动识别轻度、中度和重度三种心理压力水平 | 样本量相对较小（仅252个样本用于训练和测试），且数据来源于广东省多所大学，可能限制了模型的泛化能力 | 开发智能心理健康服务，支持高等教育机构中大学生心理压力的自动化评估 | 大学生 | 自然语言处理,计算机视觉 | 心理健康问题 | 深度学习 | Bi-LSTM, U-Net | 文本,图像 | 252个样本（来自1577名学生的社交媒体数据，经过清洗后随机选取） | NA | Bi-LSTM, U-Net | 准确率, F1分数 | NA |
| 18824 | 2025-12-07 |
An Integrated Model Combined Conventional Radiomics and Deep Learning Features to Predict Early Recurrence of Hepatocellular Carcinoma Eligible for Curative Ablation: A Multicenter Cohort Study
2025 Nov-Dec 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001764
PMID:40338065
|
研究论文 | 本研究开发并验证了一个结合深度学习影像组学和传统影像组学特征的模型（DLRR），用于预测肝细胞癌根治性消融后的早期复发 | 首次将深度学习影像组学与传统影像组学特征整合到一个模型中，用于预测肝细胞癌消融后的早期复发，并采用多中心队列进行验证 | 回顾性研究设计可能引入选择偏倚，样本量相对有限，且仅基于CT影像 | 开发一个非侵入性模型，以准确预测肝细胞癌患者根治性消融后的早期复发，从而辅助制定精准治疗计划 | 肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 对比增强计算机断层扫描 | CNN, 机器学习模型 | 医学影像 | 288名患者（来自3家医院） | PyTorch, Scikit-learn | ResNet-18 | AUC, NRI, IDI | NA |
| 18825 | 2025-12-07 |
A modular pipeline for evidence-integrated genome annotation across species: A case study on Schmidtea mediterranea
2025-Nov, Genomics
IF:3.4Q2
DOI:10.1016/j.ygeno.2025.111104
PMID:40930433
|
研究论文 | 本研究开发了一个模块化、可扩展的基因组注释流程，整合了短读长和长读长测序技术，用于非经典模式生物如Schmidtea mediterranea的基因组注释 | 开发了一个灵活、可扩展的基因组注释流程，整合了短读长（Illumina）和长读长（PacBio）测序技术，结合参考基因组和从头组装方法，并利用DeepSplice深度学习预测提高剪接位点检测准确性 | 未明确说明流程在更广泛物种或更大数据集上的性能验证或计算资源需求 | 开发一个适用于非经典模式生物、能处理基因组变异和选择性剪接事件的基因组注释流程 | Schmidtea mediterranea（地中海涡虫）的无性繁殖品系 | 基因组学 | NA | 短读长测序（Illumina），长读长测序（PacBio） | 深度学习 | 基因组序列数据 | NA | NA | DeepSplice | 剪接位点检测准确性 | NA |
| 18826 | 2025-12-07 |
MolP-PC: a multi-view fusion and multi-task learning framework for drug ADMET property prediction
2025-Nov, Chinese journal of natural medicines
IF:4.0Q1
DOI:10.1016/S1875-5364(25)60945-9
PMID:41260779
|
研究论文 | 本文提出了一种名为MolP-PC的多视图融合与多任务学习框架，用于精确预测药物的ADMET性质 | 整合了1D分子指纹、2D分子图和3D几何表示，采用注意力门控融合机制和多任务自适应学习策略，以克服数据稀疏性和信息丢失问题 | 模型在预测分布容积（VD）时存在低估倾向，对高组织分布化合物的分析有改进空间 | 开发一个高效且可解释的框架，用于药物ADMET性质预测，以支持早期药物开发中的分子优化和风险评估 | 药物分子及其ADMET性质 | 机器学习 | NA | 多视图融合、多任务学习 | 深度学习框架 | 1D分子指纹、2D分子图、3D几何表示 | NA | NA | MolP-PC | NA | NA |
| 18827 | 2025-12-07 |
Predicability of PD-L1 expression in cancer cells based solely on H&E-stained sections
2025-Nov, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100524
PMID:41340634
|
综述 | 本文综述了基于AI模型直接从H&E染色切片预测PD-L1表达的研究进展与应用潜力 | 提出利用AI直接从H&E染色切片预测PD-L1表达，避免了传统免疫组化的主观性和资源消耗，并探讨了多模态数据融合的增强策略 | 需要大规模验证、AI模型标准化以及临床实施的监管批准 | 探索人工智能在病理学中用于预测PD-L1生物标志物表达，以改进免疫治疗患者选择 | 癌症患者的H&E染色组织切片 | 数字病理学 | 癌症 | H&E染色，免疫组化 | 深度学习算法 | 图像 | NA | NA | NA | 准确性 | NA |
| 18828 | 2025-12-07 |
A Critical Review of Deep Learning Technique and Its Applications in Clinical Cytology
2025 Oct-Dec, Journal of cytology
IF:1.0Q4
DOI:10.4103/joc.joc_136_25
PMID:41341475
|
综述 | 本文对深度学习技术在临床细胞学中的应用进行了批判性回顾 | 系统性地总结了深度学习在细胞学领域的潜力与挑战，强调了其在癌症筛查、疾病分类、生物标志物预测等多方面的应用前景 | 未提供具体实验数据或模型性能比较，主要基于文献综述，缺乏原创性研究验证 | 探讨深度学习技术在临床细胞学中的应用潜力与实施障碍 | 深度学习技术在细胞学领域的应用 | 数字病理学 | 癌症 | NA | NA | 图像 | NA | NA | NA | NA | NA |
| 18829 | 2025-12-07 |
Transformative potential of artificial intelligence in US CDC HIV interventions: balancing innovation with health privacy
2025-Aug-01, AIDS (London, England)
DOI:10.1097/QAD.0000000000004220
PMID:40643081
|
评论 | 本文探讨了人工智能在美国CDC HIV干预中的变革潜力，强调在创新与健康隐私之间取得平衡 | 提出了AI在HIV预防中的综合应用框架，包括机器学习、深度学习和生成式AI，并强调与公共卫生策略（如PEPFAR）的对齐 | 未提供具体实证数据或案例研究，主要基于理论分析和愿景展望 | 探索AI在HIV预防和治疗中的潜在应用，以推动更公平的健康结果 | 美国CDC的HIV干预策略及相关公共卫生系统 | 机器学习 | HIV | 机器学习（ML）、深度学习（DL）、生成式AI（Gen AI） | NA | 复杂HIV相关数据集 | NA | NA | NA | NA | NA |
| 18830 | 2025-12-07 |
PixlMap: A generalisable pixel classifier for cellular phenotyping in multiplex immunofluorescence images
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0317865
PMID:41335594
|
研究论文 | 本文提出了一种名为PixlMap的通用像素分类器，用于在多重免疫荧光图像中进行细胞表型分析，无需依赖准确的细胞边界分割 | 该方法创新性地利用人类视觉能力，仅基于核分割即可准确进行细胞表型分析，无需整个细胞分割，且训练仅需每种区室染色（核/细胞质/膜）的单个示例 | 未明确提及具体局限性，但暗示现有细胞分割方法存在信息丢失和数据污染问题 | 开发一种通用且易于使用的深度学习方法，用于细胞表型分析，以解决多重免疫荧光图像解释中的分析挑战 | 多重免疫荧光图像中的细胞 | 数字病理学 | NA | 多重免疫荧光成像 | 深度学习 | 图像 | NA | 商业深度学习图像分析平台 | U-Net | 与基于强度的表型分析方法在准确性上相当 | NA |
| 18831 | 2025-12-07 |
COVID-19 Persian Misinformation Detection on Instagram: A Comparative Analysis of Machine Learning and Deep Learning Methods
2025 Jan-Dec, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.70036
PMID:41340910
|
研究论文 | 本研究通过构建波斯语Instagram评论数据集，比较了多种机器学习和深度学习方法在检测COVID-19相关虚假信息上的性能 | 首次针对波斯语COVID-19虚假信息建立了综合性能基准，并构建了包含27,000条标注评论的新数据集 | 研究仅聚焦于波斯语内容，未涵盖其他语言；数据集规模相对有限 | 检测社交媒体上的虚假信息，特别是非英语语言的COVID-19相关误导内容 | Instagram平台上的波斯语评论 | 自然语言处理 | COVID-19 | 文本挖掘，词嵌入 | XGBoost, LSTM, CNN, KNN, BERT | 文本 | 27,000条波斯语评论 | TensorFlow, PyTorch, Scikit-learn | LSTM, CNN, BERT | 准确率, 精确率, 召回率, F1分数 | 未明确指定 |
| 18832 | 2025-12-07 |
Detection of leptomeningeal angiomas in brain MRI of Sturge-Weber syndrome using multi-scale multi-scan Mamba
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1699700
PMID:41341263
|
研究论文 | 本研究提出了一种基于Mamba的编码器-解码器架构，结合多尺度多扫描策略，用于在Sturge-Weber综合征患者的脑部MRI中自动检测软脑膜血管瘤 | 采用多尺度多扫描策略将3D体积转换为1D序列，以较低计算复杂度捕获长程依赖，并首次将Mamba架构应用于软脑膜血管瘤的自动检测 | 数据集规模较小（仅40名患者），且模型性能在SWS数据集上的Dice分数（78.67%）虽优于现有方法，但仍低于在BraTS数据集上的表现（91.53%） | 研究Sturge-Weber综合征中软脑膜血管瘤的自动检测方法，以实现临床自动化诊断 | Sturge-Weber综合征患者的脑部MRI图像 | 计算机视觉 | Sturge-Weber综合征 | MRI | Mamba | 图像 | 40名SWS患者的T1增强MRI数据，并使用公共BraTS数据集进行预训练 | NA | 基于Mamba的编码器-解码器架构 | Dice分数 | NA |
| 18833 | 2025-12-07 |
YOLO-PLNet: a lightweight real-time detection model for peanut leaf diseases based on edge deployment
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1707501
PMID:41341300
|
研究论文 | 本研究提出了一种名为YOLO-PLNet的轻量级实时检测模型，专为花生叶部病害的边缘设备部署而设计 | 在YOLO11n基础上，对主干网络和Neck结构进行轻量化改进，引入了轻量注意力增强卷积模块以降低计算开销，并融合通道-空间注意力机制来增强对小病灶和边缘模糊目标的特征表示，同时检测头采用渐进特征金字塔网络以提升多尺度检测性能 | NA | 实现花生叶部病害的早期准确检测，并平衡模型大小、实时检测精度与边缘设备部署需求 | 花生叶部病害 | 计算机视觉 | NA | NA | CNN | 图像, 视频 | NA | NA | YOLO11n, YOLO-PLNet | mAP@0.5, mAP@0.5:0.95, 延迟, FPS, GPU使用率, 功耗 | Jetson Orin NX平台, CSI摄像头实时视频输入, FP16精度, INT8精度 |
| 18834 | 2025-12-07 |
Species-level detection of thrips and whiteflies on yellow sticky traps using YOLO-based deep learning detection models
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1668795
PMID:41341315
|
研究论文 | 本研究评估了基于YOLO的深度学习检测模型在非显微RGB黄色粘虫板图像上实时进行物种级别检测蓟马和白粉虱的潜力与局限性 | 首次实现了在黄色粘虫板图像上对蓟马和白粉虱进行有效的物种级别检测，为针对性害虫控制策略提供了可能 | 研究仅针对特定类型的黄色粘虫板和有限害虫物种，未来需扩展至更多害虫种类、粘虫板类型和环境光照条件 | 开发一种实时、自动化的物种级别害虫监测系统，以减少农药使用并提高农业产量 | 蓟马（Frankliniella occidentalis 和 Thrips tabaci）和白粉虱（Trialeurodes vaporariorum 和 Bemisia tabaci） | 计算机视觉 | NA | 深度学习图像检测 | YOLO | 图像 | 一个平衡且标注的图像数据集，包含在一种黄色粘虫板上捕获的害虫物种 | NA | YOLO11, YOLO-NAS | mAP@50, F1@50, AP@50 | NA |
| 18835 | 2025-12-07 |
Deep-learning radiomics and hand-crafted radiomics utilizing contrast-enhanced MRI to predict early peritumoral recurrence after DEB-TACE with hepatocellular carcinoma: a two-center study
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1642828
PMID:41341387
|
研究论文 | 本研究利用基于术前多期MRI的深度学习放射组学，预测肝细胞癌患者DEB-TACE后的早期瘤周复发 | 结合深度学习放射组学与手工放射组学特征，构建多中心预测模型，并比较不同瘤周区域影像特征的预测性能 | 回顾性研究设计，样本量相对有限（157例），仅基于MRI数据 | 预测肝细胞癌患者DEB-TACE后的早期瘤周复发 | 接受DEB-TACE治疗的肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 多期磁共振成像 | 深度学习, 放射组学 | MRI图像 | 157例患者（训练队列114例，外部验证队列43例） | NA | ResNet34 | AUC, 校准曲线, NRI, DCA | NA |
| 18836 | 2025-12-07 |
Preoperative prediction of aggressive endometrial cancer using multiparametric MRI-based deep transfer learning models
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1694223
PMID:41341401
|
研究论文 | 本研究提出了一种基于多参数MRI和深度迁移学习模型的方法，用于术前预测子宫内膜癌的侵袭性 | 首次将多参数MRI序列（T2WI、ADC、CE-T1WI）的深度迁移学习特征与临床特征相结合，通过决策级融合策略构建联合模型，用于术前非侵入性预测子宫内膜癌侵袭性 | 回顾性单中心研究，样本量相对有限（n=207），且DWI序列因性能欠佳被排除在最优模型外 | 提高子宫内膜癌侵袭性的术前预测准确性，以支持个体化治疗规划 | 经病理证实的子宫内膜癌患者 | 数字病理 | 子宫内膜癌 | 多参数MRI（T2加权成像、扩散加权成像、表观扩散系数图、对比增强T1加权成像） | CNN | 医学影像 | 207名患者（训练集144例，测试集63例） | NA | ResNet50, ResNet101, DenseNet121 | AUC, 决策曲线分析, 校准曲线 | NA |
| 18837 | 2025-12-07 |
DTBind: A Mechanism-Driven Deep Learning Framework for Accurate Prediction of Drug-Target Molecular Recognition
2025, Research (Washington, D.C.)
DOI:10.34133/research.1022
PMID:41341719
|
研究论文 | 本文介绍了一种名为DTBind的机制驱动深度学习框架，用于准确预测药物-靶标分子识别，包括结合发生、结合位点定位和结合亲和力估计 | DTBind是一个统一的机制驱动框架，基于分子识别的共享机制决定因素，分层适应序列、结构和复合体级别的输入，克服了现有方法独立处理这些任务的局限性 | NA | 开发一个深度学习框架以准确预测药物-靶标分子识别，支持早期药物发现 | 药物-靶标分子识别，包括结合发生、结合位点定位和亲和力估计 | 机器学习 | NA | 深度学习，分子动力学模拟 | 深度学习模型 | 序列数据，结构数据，复合体数据 | NA | NA | DTBind | 准确性，泛化性 | NA |
| 18838 | 2025-12-07 |
Predicting cardiovascular disease risk using retinal optical coherence tomography imaging
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1624550
PMID:41341807
|
研究论文 | 本研究利用视网膜光学相干断层扫描（OCT）成像和深度学习技术，预测未来心血管疾病事件的风险 | 首次将自监督变分自编码器（VAE）用于从高维3D OCT图像中提取低维潜在表征，并结合临床数据训练随机森林分类器，以识别心血管疾病高风险个体；同时采用了一种新的模型可解释性方法揭示了脉络膜层的关键预测作用 | 研究样本量相对有限（共2846名参与者），且仅基于UK Biobank数据，可能缺乏外部验证和人群多样性 | 探索视网膜OCT成像作为预测未来心血管疾病事件的附加成像技术的潜力 | UK Biobank中的参与者，包括612名在成像后五年内发生心肌梗死或中风的患者，以及2234名无心血管疾病的对照者 | 数字病理学 | 心血管疾病 | 光学相干断层扫描 | VAE, Random Forest | 图像 | 2846名参与者（612例患者，2234名对照） | NA | 变分自编码器 | AUC, 灵敏度, 特异性, 准确率 | NA |
| 18839 | 2025-12-07 |
Deep learning-assisted widefield endothelial imaging in Descemet membrane endothelial keratoplasty
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1715673
PMID:41341834
|
研究论文 | 本研究评估了一种深度学习算法，用于在Descemet膜内皮角膜移植术后，通过宽场镜面显微镜图像自动评估图像质量并检测中央、旁中央和周边区域低角膜内皮细胞密度 | 首次将深度学习算法应用于宽场镜面显微镜图像，实现自动图像质量评估和低内皮细胞密度检测，扩展了内皮评估范围至旁中央和周边区域 | 研究样本量相对较小（53只眼），且仅针对特定疾病（FECD和PBK），可能限制结果的普适性 | 评估深度学习算法在DMEK术后宽场镜面显微镜图像中自动评估图像质量和检测低内皮细胞密度的应用 | DMEK术后患者的角膜内皮细胞 | 计算机视觉 | 角膜内皮营养不良 | 宽场镜面显微镜成像 | CNN | 图像 | 53只眼（43名受试者），共1,362张图像 | NA | SqueezeNet | AUC | NA |
| 18840 | 2025-12-07 |
International Validation of Echocardiographic AI Amyloid Detection Algorithm
2024-Dec-16, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.12.14.24319049
PMID:39763545
|
研究论文 | 本研究通过国际多中心回顾性病例对照研究，验证了基于计算机视觉的深度学习算法EchoNet-LVH在超声心动图视频中检测心脏淀粉样变性的性能 | 开发并国际验证了首个基于超声心动图视频的计算机视觉深度学习算法EchoNet-LVH，用于检测心脏淀粉样变性，其高特异性旨在最大化阳性预测值，以应对这种罕见疾病的诊断挑战 | 研究为回顾性设计，未来需前瞻性验证以确认其临床实用性；算法性能在不同亚组中虽表现一致，但需在更广泛人群中进一步评估 | 评估计算机视觉深度学习算法在国际多中心环境中检测心脏淀粉样变性的诊断性能 | 心脏淀粉样变性患者与对照组的超声心动图研究 | 计算机视觉 | 心脏淀粉样变性 | 经胸超声心动图 | 深度学习 | 视频 | 涉及多个国际站点的回顾性病例对照研究，具体样本量未在摘要中明确说明 | NA | EchoNet-LVH | AUC, 敏感度, 特异度, 阳性预测值, 阴性预测值 | NA |