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 19275 篇文献，本页显示第 2021 - 2040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2021 | 2026-05-04 |
A magnetic resonance image-based deep learning radiomics nomogram for hepatocyte cytokeratin 7 expression: application to predict cholestasis progression in children with pancreaticobiliary maljunction
2025-05, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-025-06225-2
PMID:40186654
|
研究论文 | 开发基于磁共振图像的深度学习影像组学列线图，用于术前识别儿童胰胆管合流异常患者肝细胞角蛋白7表达并预测胆汁淤积进展 | 首次结合深度学习特征、影像组学特征和临床特征构建集成列线图，实现无创评估CK7表达状态 | 仅回顾性纳入180例患者，样本量有限；验证队列较小（n=36），可能影响模型泛化性 | 建立非侵入性方法评估胰胆管合流异常患者肝细胞CK7表达，预测胆汁淤积进展 | 儿童胰胆管合流异常患者 | 机器学习 | 肝胆疾病 | MRI, 免疫组化分析 | 深度学习模型（ResNet50） | 磁共振图像 | 180例患者（训练集144例，验证集36例） | Pyradiomics | ResNet50 | AUC | NA |
| 2022 | 2026-05-04 |
Exploring Deep Learning Applications using Ultrasound Single View Cines in Acute Gallbladder Pathologies: Preliminary Results
2025-02, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.061
PMID:39306521
|
研究论文 | 利用超声单视图动态影像开发深度学习模型，以区分正常胆囊、非紧急胆石症和需紧急干预的急性结石性胆囊炎 | 首次使用超声单视图动态影像进行深度学习建模，区分胆囊正常、非紧急胆石症和需紧急干预的急性胆囊炎，具有高精度和特异性 | 初步研究，样本量有限（186名患者，266个动态影像），仅使用单视图动态影像，可能无法代表完整临床场景 | 开发深度学习模型，利用超声单视图动态影像区分正常胆囊、非紧急胆石症和需紧急干预的急性结石性胆囊炎 | 急诊科出现右上腹疼痛的成年患者的超声单视图动态影像，涵盖正常、非紧急胆石症和急性胆囊炎三类 | 计算机视觉 | 胆囊疾病 | 超声成像 | 深度学习模型（未明确具体类型，如CNN） | 超声动态影像（单视图） | 186名患者，共266个动态影像（正常：52人/104个，非紧急胆石症：73人/88个，急性胆囊炎：61人/74个） | NA | NA | 准确率、特异性 | NA |
| 2023 | 2026-05-04 |
Large Language Models can Help with Biostatistics and Coding Needed in Radiology Research
2025-02, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.09.042
PMID:39406582
|
研究论文 | 评估大型语言模型在放射学研究中的统计和深度学习代码生成能力 | 首次系统评估 ChatGPT 和 Gemini 在放射学研究中生成统计测试、R 语言代码和深度学习模型代码的性能 | LLM 存在幻觉风险、代码生成错误，需要用户验证和优化代码，且受数据隐私法规限制 | 测试 LLM 在放射学研究中提供统计解决方案和深度学习代码的能力 | ChatGPT-4o、ChatGPT-3.5 和 Google Gemini | 自然语言处理 | NA | NA | 大型语言模型 | 文本 | 8 个统计问题，1 个深度学习任务 | PyTorch | Vision Transformer (ViT-B/16) | 代码正确率、运行时错误次数 | 网络聊天界面，未指定 GPU |
| 2024 | 2026-05-04 |
A Deep Learning-Based Framework for Predicting Intracerebral Hematoma Expansion Using Head Non-contrast CT Scan
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.07.039
PMID:39107191
|
研究论文 | 基于深度学习的框架，利用头部非对比CT扫描预测脑内血肿扩展 | 开发了一个全自动的两阶段深度学习框架，用于仅使用临床非对比CT扫描预测血肿扩展，并在大型多中心数据集上验证其性能优于常用的BAT评分 | NA | 开发并验证一个基于深度学习的全自动框架，用于预测脑内出血患者的血肿扩展 | 脑内出血患者的头部非对比CT扫描图像 | 机器学习， 计算机视觉 | 脑内出血 | 非对比CT扫描 | 深度学习模型 | 图像 | 回顾性数据集2484例来自84个中心，前瞻性数据集500例来自26个中心 | NA | 两阶段框架 | AUC， 敏感性， 特异性 | NA |
| 2025 | 2026-05-04 |
Diagnostic Value of Magnetic Resonance Imaging Radiomics and Machine-learning in Grading Soft Tissue Sarcoma: A Mini-review on the Current State
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.035
PMID:39261231
|
综述 | 本综述总结了基于磁共振成像的影像组学和机器学习在软组织肉瘤分级中的当前研究进展 | 首次系统总结了将语义影像特征、影像组学特征和深度学习特征结合到机器学习模型中用于STS分级，并探讨了从肿瘤体积和瘤周区域提取特征的优势 | 未提及具体局限性分析，样本量有限且不同研究间方法学差异较大 | 评估基于MRI的影像组学和机器学习预测软组织肉瘤恶性程度分级的现状 | 软组织肉瘤 | 机器学习 | 软组织肉瘤 | MRI影像组学 | 随机森林、支持向量机、LASSO、SMOTE | MRI图像 | NA | NA | 随机森林、支持向量机、LASSO、SMOTE | AUC值、准确率 | NA |
| 2026 | 2026-05-04 |
Deep Learning-Based Denoising Enables High-Quality, Fully Diagnostic Neuroradiological Trauma CT at 25% Radiation Dose
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.018
PMID:39294053
|
研究论文 | 本研究评估了基于深度学习的去噪算法在创伤神经放射学CT扫描中降低辐射剂量至25%时保持图像质量和诊断准确性的能力 | 首次系统性验证深度学习去噪算法可在创伤神经放射学急诊CT中将辐射剂量降低75%而维持与全剂量相当的诊断性能 | 单中心回顾性研究，样本量有限（100例），未涵盖所有类型颅内出血 | 评估深度学习去噪算法在创伤神经放射学急诊CT中降低辐射剂量的能力 | 100例神经放射学创伤CT扫描患者 | 医学影像 | 创伤性神经放射疾病 | CT成像 | 深度学习去噪网络 | CT图像 | 100例患者 | NA | 深度学习去噪算法 | 敏感性、特异性、图像噪声、CT值 | NA |
| 2027 | 2026-05-04 |
Deep Learning Model for Pathological Grading and Prognostic Assessment of Lung Cancer Using CT Imaging: A Study on NLST and External Validation Cohorts
2025-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.08.028
PMID:39294054
|
研究论文 | 开发并验证一种基于CT影像的深度学习模型，用于肺癌的病理分级和预后评估 | 利用MobileNetV3架构构建非侵入性工具，可自动化病理分级并提供预后评估，辅助手术规划 | NA | 开发非侵入性深度学习模型，以自动化病理分级和预后评估，为手术规划提供辅助 | 肺癌患者，特别是非小细胞肺癌患者 | 深度学习 | 肺癌 | NA | 深度学习模型 | CT影像 | NLST队列572例（训练集461例，内部验证111例）及外部验证224例 | NA | MobileNetV3 | 准确率, 灵敏度, 特异度, AUC | NA |
| 2028 | 2026-05-04 |
Deep Learning-Based Prediction of Freezing of Gait in Parkinson's Disease With the Ensemble Channel Selection Approach
2025-Jan, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.70206
PMID:39740772
|
研究论文 | 基于深度学习与集成通道选择的帕金森病冻结步态预测方法 | 提出将瓶颈注意力模块集成到标准双向长短期记忆网络中的新型架构，并引入集成学习进行最优通道选择，显著降低计算复杂度并提升检测精度 | NA | 开发一种高效、准确的帕金森病冻结步态事件检测算法，实现实时监测 | 帕金森病患者的冻结步态事件 | 机器学习 | 帕金森病 | 运动信号采集 | 双向长短期记忆网络 | 运动信号 | 传感器数据（脚踝、腿部、躯干传感器） | NA | 卷积瓶颈注意力-双向长短期记忆网络（CBA-BiLSTM） | 准确率 | NA |
| 2029 | 2026-05-03 |
Artificial intelligence in the operating room: A systematic review of AI models for surgical phase, instruments and anatomical structure identification
2025-11, Acta obstetricia et gynecologica Scandinavica
IF:3.5Q1
DOI:10.1111/aogs.70045
PMID:40862620
|
综述 | 系统回顾了多种深度学习算法在术中视频分析中的应用，用于手术阶段、解剖结构和手术器械的特征提取与模式识别 | 对AI模型在手术室中同时实现手术阶段识别、解剖结构识别和手术器械识别进行了系统性综合评估 | 数据集限制、标注协议标准化不足以及偏差问题需要进一步研究 | 评估人工智能模型在手术室中用于手术阶段、器械和解剖结构识别的应用效果 | 手术视频中的手术阶段、解剖结构和手术器械 | 机器学习 | NA | NA | 深度学习 | 视频 | 21项研究 | NA | 多层互连神经网络 | 准确率, 精确率, 召回率, F1分数 | NA |
| 2030 | 2026-05-03 |
Artificial Intelligence-Based Classification of Renal Oncocytic Neoplasms: Advancing From a 2-Class Model of Renal Oncocytoma and Low-Grade Oncocytic Tumor to a 3-Class Model Including Chromophobe Renal Cell Carcinoma
2025-10-01, Archives of pathology & laboratory medicine
IF:3.7Q1
DOI:10.5858/arpa.2024-0374-OA
PMID:39957180
|
研究论文 | 开发一种基于注意力机制的弱监督多示例学习深度学习模型，用于对肾嗜酸性肿瘤的全切片图像进行自动分类 | 将二分类模型扩展到三分类，新增了低级别嗜酸性肿瘤和嫌色细胞肾细胞癌类别 | 未提供具体局限性信息 | 开发自动计算分类器，对肾嗜酸性肿瘤的全切片图像进行分层分类 | 肾嗜酸性肿瘤（肾嗜酸细胞瘤、低级别嗜酸性肿瘤、嫌色细胞肾细胞癌）的全切片图像 | 数字病理学 | 肾癌 | 数字病理学（全切片成像） | 弱监督深度学习模型（多示例学习） | 图像（全切片图像） | 125个病例的269张全切片图像，来自6个机构 | NA | 注意力机制多示例学习网络 | 准确率、AUC（ROC曲线下面积） | NA |
| 2031 | 2026-05-03 |
Model-based self-supervised learning for quantitative assessment of myocardial oxygen extraction fraction and myocardial blood volume
2025-Oct, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30555
PMID:40312974
|
研究论文 | 开发了一种基于模型的自监督深度学习网络，用于同时定量评估心肌氧摄取分数和心肌血容量 | 将物理模型集成到自监督学习训练过程中，实现端到端同时生成心肌氧摄取分数和心肌血容量图像，无需像素级真实标签 | 仅基于10名健康受试者和10名心肌梗死患者的初步可行性验证，样本量较小 | 开发一种端到端同时定量评估心肌氧摄取分数和心肌血容量的深度学习方法 | 心肌氧摄取分数和心肌血容量的定量评估 | 机器学习 | 心肌梗死 | 非对称自旋回波序列 | 自监督深度学习网络 | 图像 | 10名健康受试者和10名心肌梗死患者 | NA | NA | 平均绝对误差、余弦相似度 | NA |
| 2032 | 2026-05-03 |
Optimization of a mobile imaging system to aid in evaluating patients with oral lesions in a dental care setting
2025-Oct, Biophotonics discovery
DOI:10.1117/1.BIOS.2.4.042307
PMID:42028297
|
研究论文 | 评估基于智能手机的mDOC自体荧光成像系统在社区牙科诊所中对口腔病变患者的检测能力，并优化转诊算法 | 开发了一种多输入深度学习算法，结合预训练和新采集数据的排练训练方法，专为低患病率人群设计，以提高口腔癌早期检测的准确性 | 样本量较小（50名患者，252个解剖部位），测试集敏感度较低（60.0%），可能需更大规模数据验证 | 评估并优化移动口腔癌检测（mDOC）系统，以支持非专业临床医生在社区牙科环境中做出适当的转诊决策 | 社区牙科诊所患者的口腔黏膜病变 | 计算机视觉 | 口腔癌 | 自体荧光成像 | 深度学习 | 图像（白光和自体荧光图像） | 50名患者共252个解剖部位 | NA | 多输入深度学习模型 | Brier技能评分，ROC曲线下面积（AUC-ROC），敏感度，特异度 | NA |
| 2033 | 2026-05-03 |
Artificial Intelligence Automation of Echocardiographic Measurements
2025-Sep-30, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2025.07.053
PMID:40914895
|
research paper | 开发并验证了用于超声心动图自动测量的开源深度学习语义分割模型EchoNet-Measurements | 首次提出开源深度学习语义分割模型，实现对18个解剖和多普勒超声心动图参数的自动化测量，并在大规模多中心数据集上验证了高准确性 | NA | 开发并验证用于超声心动图参数自动化测量的开源深度学习模型 | 超声心动图测量数据 | computer vision | cardiovascular disease | NA | deep learning semantic segmentation models | image | 来自Cedars-Sinai医疗中心的155,215项研究中的877,983个超声心动图测量数据，以及斯坦福医疗保健的外部验证集 | NA | EchoNet-Measurements | coverage probability, relative difference | NA |
| 2034 | 2026-05-03 |
Assessment of the efficacy and accuracy of cervical cytology screening with the Hologic Genius Digital Diagnostics System
2025-07, Cancer cytopathology
IF:2.6Q2
DOI:10.1002/cncy.70022
PMID:40543043
|
研究论文 | 评估Hologic Genius数字诊断系统在宫颈细胞学筛查中的效能和准确性 | 验证了HGDDS作为独立系统在常规临床使用中的性能，展示了其接近100%的灵敏度和高阴性预测值 | 研究基于先前已审阅的样本，可能引入选择偏倚；未提及系统在不同人群或真实世界环境中的泛化能力 | 评估HGDDS在宫颈细胞学筛查中的诊断性能，以支持其部署于常规临床工作流 | 890份已审查并确诊的ThinPrep巴氏涂片样本 | 数字病理学 | 宫颈癌 | NA | NA | 图像 | 890份ThinPrep巴氏涂片样本 | NA | NA | 灵敏度, 阴性预测值 | NA |
| 2035 | 2026-05-03 |
CRoP: Context-wise Robust Static Human-Sensing Personalization
2025-Jun, Proceedings of the ACM on interactive, mobile, wearable and ubiquitous technologies
DOI:10.1145/3729483
PMID:42063619
|
research paper | 提出一种名为CRoP的静态个性化方法，通过在最小子网络上进行自适应剪枝，利用预训练模型作为通用起点，捕捉用户特定特征，同时允许在其余参数中融入通用知识，以应对人体感知中的用户内异质性问题 | 首次关注人体感知中用户内跨情境的异质性挑战，提出通过自适应剪枝在最小子网络上捕捉用户特定特征，同时保留通用知识的静态个性化方法 | 未明确讨论方法在极端数据稀疏或高度动态变化场景下的性能限制，可能对计算资源或剪枝策略的选择敏感 | 解决人体感知应用中用户内跨情境的泛化挑战，提高个性化模型在不同传感器数据下的鲁棒性 | 人体感知数据中的用户内异质性现象，特别是临床应用中因治疗进展等外部因素导致的感知属性变化 | machine learning | NA | NA | 预训练模型（具体未指定） | 传感器数据 | 四个数据集，包括两个来自真实健康领域的数据集 | NA | NA | 梯度内积分析、消融研究、与最先进基线的比较 | NA |
| 2036 | 2026-05-03 |
MAI-TargetFisher: A proteome-wide drug target prediction method synergetically enhanced by artificial intelligence and physical modeling
2025-May, Acta pharmacologica Sinica
IF:6.9Q1
DOI:10.1038/s41401-024-01444-z
PMID:39870848
|
研究论文 | 提出一种名为MAI-TargetFisher的蛋白质组范围药物靶点预测方法，该方法通过人工智能和物理建模的协同增强实现 | 首次实现人类蛋白质组范围的药物靶点扫描方法 | NA | 提升药物开发成功率，早期定位药物靶点和检测潜在脱靶效应 | 人类蛋白质组中的药物靶点和潜在结合位点 | 机器学习 | NA | 蛋白质结构预测、人工智能、生物物理模型 | NA | 蛋白质结构数据、小分子化学数据 | 覆盖82%蛋白质编码基因的高质量蛋白质结构数据库 | NA | NA | 命中率、可靠性 | 可通过在线网络服务器访问 |
| 2037 | 2026-05-03 |
Automated detection and quantification of aortic calcification in coronary CT angiography using deep learning: A comparative study of manual and automated scoring methods
2025 May-Jun, Journal of cardiovascular computed tomography
IF:5.5Q1
DOI:10.1016/j.jcct.2025.02.003
PMID:39955204
|
研究论文 | 评估深度学习模型在冠状动脉CT血管造影中自动检测与量化主动脉钙化的性能，并与人工评分方法进行比较 | 首次系统比较深度学习自动评分与人工评分在主动脉钙化检测中的一致性，并验证其在预测重大不良心血管事件方面的等效性 | 未提及具体限制，但可能包括样本来源局限（仅两项研究）、未考虑不同CT扫描参数的影响等 | 评估深度学习模型自动检测与量化主动脉钙化的可靠性，以及其与人工评分在心血管风险预测中的一致性 | 冠状动脉CT血管造影图像中的主动脉钙化（包括主动脉根部、升主动脉和降主动脉） | 计算机视觉 | 心血管疾病 | 冠状动脉钙化扫描 | 深度学习模型 | 图像 | 670名参与者（来自CORE320和CORE64研究） | 未提及 | 未提及 | 一致性相关系数、Cox回归、ROC分析 | 未提及 |
| 2038 | 2026-05-03 |
Detection of Ocular Surface Squamous Neoplasia Using Artificial Intelligence With Anterior Segment Optical Coherence Tomography
2025-May, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2025.02.019
PMID:39983942
|
研究论文 | 利用深度学习模型基于前段光学相干断层扫描区分眼表鳞状细胞瘤、翼状胬肉和睑裂斑 | 首次使用Vision Transformer与掩码自编码器结合的方法处理AS-OCT图像，并在区分OSSN方面达到与专家相当的诊断性能 | 单中心回顾性研究，样本量有限，未提供临床图像或支持性临床数据给专家，模型在特异性上略低于专家 | 开发和验证基于深度学习的模型用于区分OSSN与翼状胬肉和睑裂斑 | 眼表鳞状细胞瘤、翼状胬肉和睑裂斑的AS-OCT图像 | 计算机视觉 | 眼表鳞状细胞瘤 | AS-OCT | Vision Transformer与掩码自编码器 | 图像 | 训练集105859张AS-OCT图像来自5746只眼；测试集566次扫描来自62只眼（48名患者） | NA | Vision Transformer, 掩码自编码器 | 准确率, 敏感性, 特异性, AUC | NA |
| 2039 | 2026-05-03 |
Deep Learning-based Aligned Strain from Cine Cardiac MRI for Detection of Fibrotic Myocardial Tissue in Patients with Duchenne Muscular Dystrophy
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.240303
PMID:40008976
|
研究论文 | 提出一种深度学习模型，从电影心脏MRI中推导对齐应变值，用于检测杜氏肌营养不良患者的心肌纤维化 | 基于深度学习的对齐应变技术能够识别传统方法常遗漏的舒张期异常变形模式，并显著提升检测心肌纤维化的特异性（40%）和整体准确率（17%） | 仅纳入单中心男性患者，样本量有限（139例），且未详细说明模型对保留射血分数患者的适用性及计算资源需求 | 开发非对比心脏MRI的深度学习方法，通过应变分析检测杜氏肌营养不良患者的心肌纤维化 | 139例杜氏肌营养不良男性患者的心脏MRI数据（2018年2月至2023年4月） | 医学影像分析 | 杜氏肌营养不良 | 电影心脏MRI | 卷积神经网络 | 心脏MRI图像 | 139例患者（57例用于有效性评估，82例用于重复性评估） | PyTorch | CNN | 准确率, F1分数, 灵敏度, 特异性 | NA |
| 2040 | 2026-05-03 |
Explainable artificial intelligence to quantify adenoid hypertrophy-related upper airway obstruction using 3D Shape Analysis
2025-May, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105689
PMID:40090403
|
研究论文 | 利用可解释人工智能和三维形状分析量化腺样体肥大相关的上气道阻塞 | 结合多视角和点云方法的深度学习模型用于三维形状分析，并使用SurfGradCAM生成可解释性热力图 | 未在外部数据集或不同成像设备上验证模型的泛化能力 | 开发和验证一个可解释的人工智能模型，用于基于锥形束CT三维形状分析来分类和量化腺样体肥大相关的上气道阻塞 | 年龄5-18岁患者的400份锥形束CT扫描数据 | 计算机视觉, 机器学习 | 腺样体肥大 | 锥形束CT扫描 | 深度学习模型（多视角和点云方法） | 三维曲面网格数据 | 400份锥形束CT扫描数据 | PyTorch, TensorFlow | 多视角网络、点云网络 | AUC, 精确率, 召回率, F1分数, 平均绝对误差, 均方根误差, 相关系数 | NA |