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 1881 - 1900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1881 | 2025-10-06 |
Multimodal deep learning integration for predicting renal function outcomes in living donor kidney transplantation: a retrospective cohort study
2025-Sep-17, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003494
PMID:40961229
|
研究论文 | 本研究开发了一种多模态深度学习模型，整合CT影像、放射学报告文本和结构化临床变量，用于预测活体肾移植术后1年肾小球滤过率 | 首次将CT影像、放射学报告文本和临床数据通过多模态深度学习进行融合，显著提升了对肾移植术后肾功能预测的准确性 | 研究为回顾性队列设计，排除了免疫高风险受者和解剖异常病例，可能限制模型的泛化能力 | 开发并验证多模态深度学习模型以预测活体肾移植术后肾功能结局 | 1,937例活体肾移植受者 | 医学影像分析 | 肾脏疾病 | CT成像，深度学习 | 多模态深度学习，集成学习 | CT影像，文本报告，结构化临床数据 | 1,937例活体肾移植受者 | BioBERT, CLIP, XGBoost | CLIP-based视觉提取器，集成分类器 | 宏F1分数，微F1分数，加权F1分数，SHAP分析 | NA |
| 1882 | 2025-10-06 |
Current State-of-the-Art 3D MRI Sequences for Assessing Bone Morphology with Emphasis on Cranial and Spinal Imaging: A Narrative Review
2025-Sep-17, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin
DOI:10.1055/a-2673-4339
PMID:40962128
|
综述 | 本文综述了当前用于评估骨形态（重点在颅骨和脊柱成像）的先进3D MRI序列技术 | 系统比较了多种先进MRI序列在骨成像中的应用，特别强调了在儿科患者和仅需MRI检查场景中的辐射自由成像优势 | 这是一篇叙述性综述，未进行系统性meta分析；时间范围限制可能遗漏早期重要研究 | 评估3D MRI序列在骨形态评估中的技术进展和临床应用 | 颅骨和脊柱区域的骨组织结构 | 医学影像 | 骨骼疾病 | MRI序列技术（ZTE, UTE, VIBE, FRACTURE等） | NA | 医学影像数据 | 从约250项近期研究和868项技术研究中筛选出69项研究 | NA | NA | 骨/软组织对比度、孔隙度指数、抑制比率 | NA |
| 1883 | 2025-10-06 |
Decision Strategies in AI-Based Ensemble Models in Opportunistic Alzheimer's Detection from Structural MRI
2025-Sep-17, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01604-5
PMID:40963032
|
研究论文 | 本研究通过集成学习策略结合深度学习架构，利用结构MRI进行阿尔茨海默病的多分类检测 | 比较了三种集成决策策略在三种不同深度学习架构中的表现，并首次系统分析了检测性能与模型校准之间的关系 | 研究基于相对较小的数据集，可能影响模型的泛化能力 | 开发基于人工智能的集成模型，提高阿尔茨海默病的检测性能 | 阿尔茨海默病患者的结构MRI数据 | 医学影像分析 | 阿尔茨海默病 | 结构磁共振成像 | 深度学习 | 医学影像 | NA | NA | 三种不同的深度学习架构 | 平衡准确率, 校准误差 | NA |
| 1884 | 2025-10-06 |
Development of a predictive model for distant metastasis in HCC patients post-TACE using clinical data, radiomics, and deep learning
2025-Sep-16, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-025-06308-5
PMID:40954349
|
研究论文 | 开发结合临床数据、影像组学和深度学习的预测模型，用于评估肝细胞癌患者TACE术后远处转移风险 | 首次将临床数据、影像组学和深度学习特征相结合构建综合预测模型，用于预测HCC患者TACE术后远处转移风险 | 样本量相对有限（475例），需进一步多中心验证 | 预测肝细胞癌患者经动脉化疗栓塞术后远处转移风险 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 影像组学分析，深度学习 | 深度学习模型，逻辑回归 | 临床数据，医学影像 | 475例患者，分为训练集、测试集和外部验证集 | NA | NA | AUC，校准曲线，决策曲线分析 | NA |
| 1885 | 2025-09-19 |
Histopathological evaluation of abdominal aortic aneurysms with deep learning
2025-Sep-16, Diagnostic pathology
IF:2.4Q2
DOI:10.1186/s13000-025-01684-5
PMID:40954491
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1886 | 2025-10-06 |
Deep learning application for genomic data analysis
2025-Sep-16, BMB reports
IF:2.9Q3
PMID:40962325
|
综述 | 本文综述了深度学习在基因组数据分析四个领域中的应用进展与未来方向 | 系统总结深度学习在变异检测、基因表达调控、模体发现和染色质三维互作四大基因组领域的前沿应用，并首次提出基因组标记化和多组学数据整合的未来挑战 | 作为综述文章未包含原始实验数据，主要基于现有文献进行分析总结 | 探讨深度学习技术在基因组数据分析中的应用现状与发展前景 | 基因组数据及其分析模型 | 机器学习 | NA | 基因组测序技术 | 深度学习 | 基因组数据 | NA | NA | NA | 可靠性, 效率 | NA |
| 1887 | 2025-10-06 |
MBLEformer: Multi-Scale Bidirectional Lesion Enhancement Transformer for Cervical Cancer Image Segmentation
2025-Sep-16, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出一种用于宫颈癌图像分割的多尺度双向病灶增强Transformer模型MBLEformer | 采用Swin Transformer编码器提取多阶段图像特征，结合多尺度注意力机制和双向病灶增强上采样策略 | NA | 提高宫颈癌病灶分割的准确性，解决CNN和注意力机制在捕获全局特征和上采样细节方面的局限性 | 卢戈氏碘染色宫颈图像中的病灶区域 | 计算机视觉 | 宫颈癌 | 医学图像分析 | Transformer, CNN | 图像 | NA | NA | Swin Transformer, MBLEformer | mIoU, 准确率, 特异性 | NA |
| 1888 | 2025-10-06 |
Flexible Monolithic 3D-Integrated Self-Powered Tactile Sensing Array Based on Holey MXene Paste
2025-Sep-15, Nano-micro letters
IF:31.6Q1
DOI:10.1007/s40820-025-01924-9
PMID:40952539
|
研究论文 | 基于多孔MXene浆料开发了一种柔性单片三维集成自供电触觉传感阵列 | 采用多孔MXene浆料实现单片三维集成，每个垂直一体单元同时作为微型超级电容器和压力传感器工作 | 仅展示了概念验证应用，尚未进行大规模商业化验证 | 开发高度集成、智能化和灵活的电子系统用于先进人机交互和个性化电子设备 | 柔性触觉传感系统 | 柔性电子 | NA | 刮刀涂布和冲压方法 | 深度学习 | 触觉压力数据 | NA | NA | NA | 机械柔韧性、功耗、响应速度、长期运行稳定性 | NA |
| 1889 | 2025-10-06 |
Concentration-dependent responses of C. reinhardtii to silver ions: hormetic response in growth and reduction of motility
2025-Sep-15, The European physical journal. E, Soft matter
DOI:10.1140/epje/s10189-025-00521-3
PMID:40952583
|
研究论文 | 本研究探讨了莱茵衣藻对银离子暴露的生物物理响应，包括种群生长动态、叶绿素含量和游动能力的变化 | 首次在微藻中观察到银离子诱导的毒物兴奋效应，揭示了离子胁迫与细胞生长之间的非线性耦合关系，并应用深度学习算法量化银离子对单个微藻游动能力的影响 | 研究仅针对单一微藻物种，未考虑银纳米颗粒等其他银形态的影响，环境因素如光照和营养条件的影响也未完全评估 | 探究银离子对水生微藻的生物物理影响机制 | 莱茵衣藻(C. reinhardtii)微藻 | 环境毒理学 | NA | 分光光度法, 深度学习运动追踪 | 深度学习算法 | 生长曲线数据, 叶绿素含量数据, 运动轨迹数据 | 不同银离子浓度处理组(0.29-1.18 M) | NA | NA | 平均游动速度, 方向变化频率 | NA |
| 1890 | 2025-10-06 |
Exploring deep learning and hybrid approaches in molecular subgrouping and prognostic-related genetic signatures of medulloblastoma
2025-Sep-15, Chinese neurosurgical journal
DOI:10.1186/s41016-025-00405-7
PMID:40954484
|
研究论文 | 本研究开发基于MRI的深度学习模型，用于髓母细胞瘤分子亚型分类和预后相关遗传标志物预测 | 采用两阶段深度学习框架同时实现髓母细胞瘤分子亚型识别和预后遗传标志物预测，并开发了结合深度学习和传统数据的混合模型 | 回顾性研究设计，样本量相对有限（449例患者），仅来自两个医疗机构 | 开发深度学习模型用于髓母细胞瘤分子亚型分类和预后相关遗传标志物识别 | 髓母细胞瘤患者 | 医学影像分析 | 髓母细胞瘤 | MRI成像 | CNN | 医学影像（T1加权、T2加权、对比增强T1加权MRI） | 449例髓母细胞瘤患者（325例用于模型开发，124例用于外部验证） | NA | MB-CNN, MB-CNN_TP53/MYC/Chr11 | 准确率, AUC | NA |
| 1891 | 2025-10-06 |
Real-time detection of Wi-Fi attacks using hybrid deep learning models on NodeMCU
2025-Sep-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-18947-2
PMID:40954170
|
研究论文 | 提出一种基于NodeMCU的实时轻量级Wi-Fi去认证攻击检测系统 | 首次在超低成本嵌入式设备上集成混合时序深度学习与可解释分类器，填补了现有入侵检测研究在边缘计算和模型可解释性方面的空白 | 仅在5600多个标记样本上验证，网络条件多样性可能有限 | 开发实时轻量级Wi-Fi入侵检测系统 | Wi-Fi去认证攻击 | 机器学习 | NA | 实时数据包嗅探 | LSTM, GRU, RNN, 逻辑回归 | 网络流量数据 | 5600多个标记样本 | NA | LSTM, GRU, RNN | 准确率 | NodeMCU ESP8266微控制器 |
| 1892 | 2025-10-06 |
Dose equivalent rate forecasting: A comparison of time series methods and machine learning approaches
2025-Sep-15, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine
IF:1.6Q3
DOI:10.1016/j.apradiso.2025.112153
PMID:40961690
|
研究论文 | 比较时间序列方法和机器学习方法在剂量当量率预测中的性能 | 首次系统比较传统统计方法与先进深度学习模型在剂量当量率预测中的表现，特别引入进化神经架构搜索方法 | 数据集时间跨度有限，随机性变化特征增加了预测难度，需要更长期的数据集提升预测可靠性 | 开发更稳健的辐射预测模型，改善辐射防护和环境安全决策 | 美国德克萨斯州圣安东尼奥地区的剂量当量率数据 | 机器学习 | NA | 时间序列分析，机器学习 | 持久性模型，LASSO回归，K近邻，进化神经架构搜索，循环神经网络 | 时间序列数据 | 2019年1月至12月数据用于训练，2020年初数据用于测试 | NA | 循环神经网络，进化神经架构搜索 | 相关系数(r)，均方误差 | NA |
| 1893 | 2025-10-06 |
Multi-scale based Network and Adaptive EfficientnetB7 with ASPP: Analysis of Novel Brain Tumor Segmentation and Classification
2025-Sep-15, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出一种结合多尺度分割网络和自适应分类模型的新型脑肿瘤分割与分类方法 | 提出MBANet多尺度双边感知网络进行肿瘤分割，并设计RVAEB7-ASPP分类架构结合Vision Transformer和自适应EfficientNetB7，采用改进的河马优化算法进行超参数调优 | NA | 开发鲁棒高效的深度学习框架，辅助临床医生进行精确早期诊断和有效治疗规划 | 脑肿瘤MRI图像 | 医学图像分析 | 脑肿瘤 | 磁共振成像 | 深度学习,Transformer,CNN | 医学图像 | NA | NA | MBANet,Region Vision Transformer,Adaptive EfficientNetB7,ASPP | 准确率 | NA |
| 1894 | 2025-09-19 |
Reply to "A critical appraisal and methodological inquiry into an automated multimodal deep learning model for predicting biochemical recurrence in prostate cancer"
2025-Sep-13, Clinical imaging
IF:1.8Q3
DOI:10.1016/j.clinimag.2025.110616
PMID:40962607
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1895 | 2025-09-19 |
A critical appraisal and methodological inquiry into an automated multimodal deep learning model for predicting biochemical recurrence in prostate cancer
2025-Sep-11, Clinical imaging
IF:1.8Q3
DOI:10.1016/j.clinimag.2025.110615
PMID:40962606
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1896 | 2025-10-06 |
Advancements in Artificial Intelligence and Machine Learning for Occupational Risk Prevention: A Systematic Review on Predictive Risk Modeling and Prevention Strategies
2025-Sep-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25175419
PMID:40942853
|
系统综述 | 本系统综述评估了人工智能和机器学习在职业风险预防中的应用，重点关注预测风险建模和预防策略 | 首次系统性地分析了AI/ML在职业风险预防中的应用趋势、主要技术方法和研究局限性 | 过度依赖视觉数据（在低能见度环境中效果受限）且缺乏AI风险检测系统的标准化方法 | 识别、评估和综合现有关于AI算法在工作场所危险环境和职业风险检测预测中的文献 | 职业风险预防领域的AI/ML应用研究 | 机器学习 | 职业疾病 | 深度学习 | CNN,YOLO | 视觉数据 | 61篇相关文章 | NA | 卷积神经网络,YOLO | NA | NA |
| 1897 | 2025-10-06 |
Left-handed conformations of glycyl residues may confer protection against protein aggregation
2025-Sep, The FEBS journal
DOI:10.1111/febs.70092
PMID:40243345
|
研究论文 | 本研究探讨甘氨酸残基左手构象在防止蛋白质聚集中的作用及其进化意义 | 首次系统揭示左手构象甘氨酸在疾病变异位点的过度表达现象及其通过破坏β-链排列抑制蛋白质聚集的分子机制 | 研究主要基于已有变异位点的构象分析，需要进一步实验验证分子机制 | 阐明甘氨酸左手构象在蛋白质稳定性和抗聚集中的生物学功能 | 1104个疾病相关变异位点和343个良性变异位点的甘氨酸残基构象 | 结构生物学 | 蛋白质构象疾病 | 构象分析、深度学习 | 深度学习模型 | 蛋白质结构数据、变异位点数据 | 1447个变异位点（1104个疾病相关，343个良性） | NA | NA | 准确率, AUC | NA |
| 1898 | 2025-10-06 |
Human and Deep Learning Predictions of Peripheral Lung Cancer Using a 1.3 mm Video Endoscopic Probe
2025-Sep, Respirology (Carlton, Vic.)
DOI:10.1111/resp.70057
PMID:40433758
|
研究论文 | 本研究评估了不同经验水平的医生和深度学习模型在使用1.3mm视频内窥镜探头预测周围型肺结节恶性性质的能力 | 首次将深度学习应用于1.3mm视频内窥镜探头图像，用于周围型肺结节的恶性预测 | 样本量较小（61例患者），深度学习模型性能未超越资深医生 | 评估人类医生和AI在周围型肺结节恶性预测中的诊断能力 | 周围型肺结节患者 | 计算机视觉 | 肺癌 | 视频内窥镜成像 | 深度学习 | 视频序列，图像 | 61例患者（37例癌症，24例良性病变） | NA | NA | 诊断准确率，敏感性，特异性，F1分数，平衡准确率 | NA |
| 1899 | 2025-10-06 |
Deep learning algorithms from histopathological images stratify molecular subtypes for leiomyosarcoma: a proof-and-concept diagnostic study
2025-Sep-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002667
PMID:40557542
|
研究论文 | 本研究开发并验证了基于深度学习的算法，通过组织病理学图像对平滑肌肉瘤进行分子亚型分层和生存预测 | 首次使用单张H&E染色全切片图像开发深度学习模型进行平滑肌肉瘤分子亚型分层和生存预测 | 需要大型前瞻性队列进一步验证 | 开发用于平滑肌肉瘤分子亚型分层和生存预测的深度学习算法 | 平滑肌肉瘤患者 | 数字病理学 | 平滑肌肉瘤 | H&E染色全切片图像 | CNN | 图像 | 训练集154例(1,579,215个图块)，外部测试集80例(555,211个图块) | NA | DenseNet121, ResNet50 | AUROC, 准确率, 召回率, 特异性, 精确率, F1分数 | NA |
| 1900 | 2025-10-06 |
External Test of a Deep Learning Algorithm for Pulmonary Nodule Malignancy Risk Stratification Using European Screening Data
2025-Sep, Radiology
IF:12.1Q1
DOI:10.1148/radiol.250874
PMID:40956165
|
研究论文 | 本研究使用欧洲三大肺癌筛查试验数据对深度学习算法进行外部测试，评估其在肺结节恶性风险分层中的性能 | 首次在欧洲多中心筛查数据上对深度学习算法进行外部验证，并与PanCan模型进行系统性比较 | 回顾性研究设计，数据来源于特定欧洲人群筛查试验 | 评估深度学习算法在肺结节恶性风险分层中的外部泛化能力 | 来自丹麦、意大利和荷兰-比利时肺癌筛查试验的参与者肺结节CT影像 | 数字病理 | 肺癌 | 低剂量CT筛查 | 深度学习算法 | CT影像 | 4146名参与者，7614个良性结节和180个恶性结节 | NA | NA | AUC, 敏感性, 假阳性率 | NA |