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 19350 篇文献，本页显示第 1461 - 1480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1461 | 2026-01-09 |
Multimodal Data and Deep Learning-Driven Diagnostic and Therapeutic Assistance Framework for Patellar Dislocation
2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC58623.2025.11253687
PMID:41336970
|
研究论文 | 本研究结合多模态数据和人工智能算法，构建了一个用于识别解剖风险因素、预测复发风险和评估术后结果的模型 | 提出了一个整合术前、术中和术后信息的三阶段建模框架，并在复发风险预测模块中首次纳入了脂质代谢谱和临床变量 | 未来工作需纳入真实世界影像数据以提升影像分析组件的性能 | 构建一个全面的多模态融合模型，为髌骨脱位的诊断、预后和治疗提供更准确和个体化的临床决策支持 | 髌骨脱位患者 | 机器学习 | 骨科疾病 | 多模态数据整合 | 深度学习 | 多模态数据（包括临床变量、脂质代谢谱等） | NA | NA | NA | AUC, F1-score, 敏感性 | NA |
| 1462 | 2026-01-09 |
Segmenting the Inferior Alveolar Canal in CBCTs Volumes: The ToothFairy Challenge
2025-04, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3523096
PMID:40030587
|
研究论文 | 本文介绍了在MICCAI 2023会议上组织的ToothFairy挑战赛，该挑战赛旨在促进下牙槽神经管（IAC）在锥形束计算机断层扫描（CBCT）中的分割研究，并发布了最大的公开数据集用于比较评估 | 组织了首个针对IAC分割的公开挑战赛，并发布了该领域最大的公开标注数据集，首次在共同基准上对多种算法进行了全面的比较评估 | 数据集仅包含443个CBCT扫描，其中仅153个具有体素级标注，可能限制了某些深度学习模型的训练效果 | 促进下牙槽神经管（IAC）在CBCT扫描中的自动分割算法的研究与发展，并建立公共基准用于比较评估 | 锥形束计算机断层扫描（CBCT）中的下牙槽神经管（IAC） | 数字病理学 | NA | 锥形束计算机断层扫描（CBCT） | NA | 3D医学影像（CBCT扫描） | 443个CBCT扫描（其中153个具有体素级标注） | NA | NA | NA | NA |
| 1463 | 2026-01-09 |
Long-Term Carotid Plaque Progression and the Role of Intraplaque Hemorrhage: A Deep Learning-Based Analysis of Longitudinal Vessel Wall Imaging
2025-Feb-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.12.09.24318661
PMID:39711698
|
研究论文 | 本研究利用深度学习分割技术分析纵向血管壁成像数据，评估颈动脉斑块内出血对长期斑块负荷进展的影响 | 首次结合深度学习分割与纵向多对比磁共振血管壁成像，量化分析颈动脉斑块内出血的长期动态变化及其对斑块进展的加速作用 | 样本量较小（28名无症状受试者），且为观察性研究，无法确定因果关系 | 评估颈动脉斑块内出血对长期斑块负荷进展的影响 | 无症状颈动脉粥样硬化受试者的颈动脉斑块 | 数字病理学 | 心血管疾病 | 多对比磁共振血管壁成像 | 深度学习分割模型 | 磁共振图像 | 28名无症状受试者，共50条动脉，平均每名受试者接受4.7次扫描，随访时间平均5.8年 | NA | NA | NA | NA |
| 1464 | 2026-01-09 |
Deep Learning Enabled Scoring of Pancreatic Neuroendocrine Tumors Based on Cancer Infiltration Patterns
2025-Jan-23, Endocrine pathology
IF:11.3Q1
DOI:10.1007/s12022-025-09846-3
PMID:39847242
|
研究论文 | 本研究提出了一种基于深度学习的计算流程，首次自动分类胰腺神经内分泌肿瘤，通过细胞实体图构建和图神经网络整合病理学领域知识 | 首次将病理学领域知识整合到图神经网络的构建和训练中，以更深入地利用肿瘤微环境及其结构变化进行肿瘤分类 | 研究仅基于105张HE染色全切片图像，样本量相对有限，且未提及外部验证或泛化能力评估 | 开发自动化系统以减少观察者变异性，实现胰腺神经内分泌肿瘤的客观分类 | 胰腺神经内分泌肿瘤的组织样本 | 数字病理学 | 胰腺神经内分泌肿瘤 | HE染色 | 图神经网络 | 图像 | 105张HE染色全切片图像 | NA | 图神经网络 | F1分数 | NA |
| 1465 | 2026-01-09 |
AI-Based Detection of Coronary Artery Occlusion Using Acoustic Biomarkers Before and After Stent Placement
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2025.3615394
PMID:41221436
|
研究论文 | 本研究利用人工智能（特别是DeepSets架构）学习患者特异性声学生物标志物，以区分12名患者经皮冠状动脉介入治疗前后的心音，用于检测冠状动脉阻塞 | 首次采用DeepSets架构结合Matching Pursuit分解，从心音中提取个体化声学生物标志物，实现非侵入性冠状动脉疾病监测 | 样本量较小（仅12名患者），研究为初步探索，需更多时间点数据验证长期监测效果 | 开发基于人工智能的非侵入性方法，用于冠状动脉疾病的早期检测和治疗监测 | 12名接受经皮冠状动脉介入治疗的人类患者的心音数据 | 机器学习 | 心血管疾病 | 心音记录，Matching Pursuit信号分解 | DeepSets | 音频 | 12名患者 | NA | DeepSets | 准确率 | NA |
| 1466 | 2026-01-09 |
ESA-YOLOv5m: a lightweight spatial and improved attention-driven detection for brain tumor MRI analysis
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1733180
PMID:41488085
|
研究论文 | 本研究提出了一种集成增强空间注意力（ESA）的YOLOv5m轻量级框架，用于MRI扫描中的脑肿瘤检测 | 在YOLOv5m架构中引入轻量级ESA模块，置于SPPF层后，以增强特征判别能力并抑制背景噪声，提高定位精度而不增加计算复杂度 | 未明确提及，但可能包括数据集规模有限或仅针对特定MRI数据类型的泛化能力 | 开发一种轻量级且高效的脑肿瘤检测模型，以支持实时临床部署和边缘医疗应用 | 脑肿瘤MRI图像，包括胶质瘤、脑膜瘤和垂体瘤三类 | 计算机视觉 | 脑肿瘤 | MRI | CNN | 图像 | Figshare脑肿瘤MRI数据集，具体样本数未明确，包含三类肿瘤 | PyTorch | YOLOv5m, ESA | 精确率, 召回率, mAP@0.5 | 未明确指定GPU类型，但提及实时推理和边缘应用，暗示可能使用常见GPU或嵌入式设备 |
| 1467 | 2026-01-09 |
The apple detection method based on multimodal features
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0334911
PMID:41129553
|
研究论文 | 本文提出了一种基于多模态特征融合的苹果检测方法，旨在提升复杂环境下的检测性能 | 通过融合RGB图像、颜色与边缘特征图、深度特征图和点云四种互补模态，而非激进的结构修改，来增强特征表示和模型鲁棒性 | NA | 提高复杂环境下苹果和其他水果的检测准确性 | 苹果和其他水果 | 计算机视觉 | NA | 双目主动红外立体相机 | YOLOv5 | 图像, 点云 | NA | NA | YOLOv5 | 精确率, 召回率, F1分数 | NA |
| 1468 | 2026-01-08 |
Augmented intelligence for multimodal virtual biopsy in breast cancer using generative artificial intelligence
2025-Dec-26, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104971
PMID:41456845
|
研究论文 | 本研究提出了一种基于生成式人工智能的多模态、多视图深度学习框架，用于乳腺癌虚拟活检，通过整合全视野数字乳腺X线摄影和对比增强能谱乳腺X线摄影图像，实现乳腺病变的良恶性非侵入性分类 | 引入基于CycleGAN的生成模型合成缺失的CESM图像，以解决多模态数据不完整问题，并采用两阶段晚期融合策略加权整合视图和模态特异性恶性概率 | 随着合成CESM图像比例增加，分类性能有所下降，且研究依赖于特定数据集，可能限制泛化能力 | 开发一种非侵入性乳腺癌虚拟活检系统，通过多模态图像融合提升乳腺病变分类准确性 | 乳腺病变（恶性或良性）的全视野数字乳腺X线摄影和对比增强能谱乳腺X线摄影图像 | 计算机视觉 | 乳腺癌 | 全视野数字乳腺X线摄影，对比增强能谱乳腺X线摄影 | CNN, GAN | 图像 | 未明确指定样本数量，但使用了扩展的CESM@UCBM数据集 | PyTorch（基于CycleGAN的常见实现框架） | ResNet18, ResNet50, VGG16, CycleGAN | AUC, G-mean, MCC, 峰值信噪比, 结构相似性指数 | 未明确指定，但通常涉及GPU计算资源 |
| 1469 | 2026-01-08 |
Deep learning predicts haematopoietic stem cell ageing from 3D chromatin images
2025-Dec-15, bioRxiv : the preprint server for biology
DOI:10.64898/2025.12.11.693143
PMID:41473290
|
研究论文 | 本研究提出了一种基于卷积神经网络的可解释深度学习模型ChromAgeNet，用于从3D染色质图像预测造血干细胞衰老 | 首次利用深度学习从3D染色质图像中量化预测造血干细胞衰老，并识别出染色质熵、外周异染色质和染色质凝聚体等预测标志物 | 模型性能（AUROC 0.77 ± 0.03）仍有提升空间，且目前仅在小鼠HSCs上验证 | 量化造血干细胞衰老过程，开发用于衰老预测和药物筛选的工具 | 小鼠造血干细胞（HSCs） | 数字病理学 | 老年疾病 | 3D显微镜成像，DAPI染色 | CNN | 图像 | 未明确指定样本数量，但使用年轻和年老小鼠HSCs的3D图像数据集 | 未明确指定，但基于卷积神经网络 | ChromAgeNet（自定义CNN架构） | AUROC | NA |
| 1470 | 2026-01-08 |
Prediction model for the risk of vitreous haemorrhage after vitrectomy combined with intraocular injection for the treatment of proliferative diabetic retinopathy
2025-Dec-09, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2025.105313
PMID:41381021
|
研究论文 | 本研究开发了一种轻量级多模态深度学习模型，用于准确预测增殖性糖尿病视网膜病变患者玻璃体切除联合眼内药物治疗后玻璃体腔出血的风险 | 整合超广角荧光素血管造影图像和临床数据，构建轻量级多模态深度学习模型，在预测术后玻璃体腔出血风险方面表现出高准确性和良好的可解释性 | 回顾性研究设计，样本量有限（1318只眼），外部验证集规模较小（264只眼） | 开发预测模型以评估增殖性糖尿病视网膜病变患者术后玻璃体腔出血风险 | 增殖性糖尿病视网膜病变患者 | 数字病理学 | 糖尿病视网膜病变 | 超广角荧光素血管造影 | 深度学习 | 图像, 临床数据 | 1318只眼（来自968名患者），外部测试集264只眼 | NA | EfficientNet-V2, 多层感知机 | AUROC, 精确率-召回率曲线下面积, 准确率, Brier分数, 校准斜率, 校准截距 | NA |
| 1471 | 2026-01-08 |
Comment on association of peripheral immune markers with brain age and dementia risk estimated using deep learning methods
2025-Dec-04, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004275
PMID:41494186
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1472 | 2026-01-08 |
Emerging Artificial Intelligence Technologies for Risk Assessment and Management in Acute Myeloid Leukemia: A Review
2025-Dec-01, JAMA oncology
IF:22.5Q1
DOI:10.1001/jamaoncol.2025.3601
PMID:41196612
|
综述 | 本文综述了人工智能技术在急性髓系白血病风险分层、诊断和治疗规划中的应用现状与潜力 | 整合了机器学习、深度学习、可解释AI和联邦学习等多种AI技术，在AML管理中实现比传统ELN指南更高的预后准确性，并解决了数据稀缺和隐私保护问题 | 未提及具体研究方法的局限性，但强调了临床转化需要统一数据标准、健全监管框架和公平技术获取 | 评估人工智能技术在急性髓系白血病风险分层和管理中的应用潜力 | 急性髓系白血病（AML）患者 | 数字病理学 | 白血病 | 机器学习、深度学习、可解释AI、联邦学习 | NA | 临床数据、细胞遗传学数据、分子数据、骨髓涂片图像、转录组数据 | NA | NA | NA | AUROC, 准确率 | NA |
| 1473 | 2026-01-08 |
Unveiling optimal molecular features for hERG insights with automatic machine learning
2025-Dec, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101411
PMID:41487145
|
研究论文 | 本文介绍了一种名为MaxQsaring的新型通用框架，该框架整合了分子描述符、指纹和深度学习预训练表示，用于预测化合物性质，并以hERG阻断预测为例展示了其优越性能 | 开发了首个集成分子描述符、指纹和深度学习预训练表示的通用框架，通过自动优化特征组合实现了最先进的预测性能，并在TDC基准测试中19/22任务排名第一 | 深度学习预训练表示对提升模型泛化能力（特别是对新骨架化合物）的影响相对有限 | 开发通用化合物性质预测框架以提升早期药物发现成功率 | 化合物（特别是hERG阻断相关化合物） | 机器学习 | NA | 自动机器学习 | 决策树,深度学习模型 | 分子描述符、指纹、预训练表示 | NA | NA | NA | 准确率,泛化能力 | NA |
| 1474 | 2026-01-08 |
Artificial Intelligence in Medicine With Emphasis on Orthopedic Practice
2025-Dec, Cureus
DOI:10.7759/cureus.98306
PMID:41487832
|
综述 | 本文全面回顾了人工智能在医疗保健领域的影响，特别聚焦于其在骨科医学中的应用 | 重点探讨了大型语言模型和机器学习算法在骨科诊断、医学教育及个性化护理中的整合应用，并指出了向多模态模型发展的未来方向 | 现实世界应用受限于数据质量、系统集成和伦理问题，且临床推理能力仍有不足 | 评估人工智能在医疗保健，特别是骨科实践中的应用潜力与挑战 | 人工智能技术（如大型语言模型和机器学习算法）及其在骨科诊断、医学教育和患者护理中的应用 | 机器学习 | 骨科疾病 | 深度学习技术 | 大型语言模型, 机器学习算法 | 医学影像, 文本数据 | NA | NA | NA | 诊断准确性 | NA |
| 1475 | 2026-01-08 |
Corrigendum to Deep learning model based on primary tumor to predict lymph node status in clinical stage IA lung adenocarcinoma: a multicenter study [Journal of the National Cancer Center 4 (2024) 233-240]
2025-Dec, Journal of the National Cancer Center
IF:7.6Q1
DOI:10.1016/j.jncc.2025.08.002
PMID:41497255
|
correction | 本文是对一篇关于利用深度学习模型基于原发肿瘤预测临床IA期肺腺癌淋巴结状态的多中心研究的更正 | NA | NA | NA | NA | NA | lung cancer | NA | NA | NA | NA | NA | NA | NA | NA |
| 1476 | 2026-01-08 |
Expression of concern: "GBERT: A hybrid deep learning model based on GPT-BERT for fake news detection" [Heliyon 10 (2024) e35865]
2025-Dec, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e44214
PMID:41497874
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1477 | 2026-01-08 |
Biomarkers
2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz70856_104724
PMID:41498605
|
研究论文 | 本研究通过纵向分析老年驾驶者的自然驾驶行为，探讨了白质高信号对复杂认知表现的影响 | 首次使用深度学习算法量化白质高信号的总体积和区域特异性分布，并将其与纵向驾驶行为数据关联，揭示了后部白质高信号对驾驶复杂性的主导影响 | 样本仅限于认知完整的老年驾驶者，且随访时间平均为6.1年，可能无法完全捕捉长期变化 | 研究白质高信号如何影响老年驾驶者的真实世界认知功能，特别是驾驶行为 | 212名认知完整的老年驾驶者（年龄≥65岁，CDR=0） | 数字病理学 | 阿尔茨海默病 | 3T MRI脑扫描 | 深度学习算法 | 图像, 驾驶行为数据 | 212名老年驾驶者，74,275周的驾驶数据 | NA | NA | FDR校正的p值 | NA |
| 1478 | 2026-01-08 |
Deep learning for otitis media classification using otoscopic image
2025-Nov-28, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000046218
PMID:41327679
|
研究论文 | 本研究评估了五种深度学习模型对中耳炎耳镜图像进行分类的性能 | 首次系统比较了包括ResNet-18、GoogLeNet、AlexNet、MobileNet-V3和VGGNet-19在内的多种深度学习模型在中耳炎分类任务中的表现，并确认了VGGNet-19的优越性能 | 数据集存在不平衡问题，且研究结果尚未在多样化的临床环境中进行验证，影响了模型的泛化能力 | 开发一种基于深度学习的自动化诊断工具，用于中耳炎的准确分类 | 819张耳镜图像，分为正常、急性中耳炎、渗出性中耳炎和慢性化脓性中耳炎四类 | 计算机视觉 | 中耳炎 | 耳镜成像 | CNN | 图像 | 819张耳镜图像 | NA | ResNet-18, GoogLeNet, AlexNet, MobileNet-V3, VGGNet-19 | 准确率, 灵敏度, 特异性, 精确率, F1分数, AUC | NA |
| 1479 | 2026-01-08 |
Anterior segment optical coherence tomography in corneal diseases: A bibliometric analysis and visualization research of global research trends (1994-2024)
2025-Nov-28, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000045679
PMID:41327675
|
综述 | 本研究对前段光学相干断层扫描（AS-OCT）在角膜疾病领域的全球研究进行了文献计量分析，绘制了关键研究轨迹、合作网络和新兴趋势 | 首次对1994年至2024年间AS-OCT在角膜疾病研究领域的全球文献进行全面的文献计量与可视化分析，揭示了人工智能、深度学习和光学相干弹性成像等新兴趋势 | 分析仅限于Web of Science核心合集中的英文文献，可能未涵盖其他语言或数据库中的相关研究，且排除了非眼科或非角膜相关的研究 | 通过文献计量分析，绘制AS-OCT在角膜疾病研究中的全球趋势、合作网络及未来发展方向 | 1994年至2024年间发表的关于AS-OCT在角膜疾病应用的相关科学文献 | 数字病理学 | 角膜疾病 | 光学相干断层扫描（OCT），文献计量分析 | NA | 文本（科学文献） | 2079篇出版物 | VOSviewer, CiteSpace | NA | NA | NA |
| 1480 | 2026-01-08 |
Comparative evaluation of emphysema quantification: Standardized %LAV-950 versus DL-based emphysema quantification with clinical parameter correlation
2025-Nov-28, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000046246
PMID:41327730
|
研究论文 | 本研究比较了传统的%LAV-950阈值方法与基于深度学习的算法在胸部CT扫描中量化肺气肿的效果，并评估了它们与肺功能测试参数的相关性 | 首次系统比较了传统阈值方法与深度学习算法在肺气肿量化中的性能，并发现深度学习方法在软组织重建核上能提供更一致、更强的临床参数相关性 | 研究为回顾性设计，样本量相对较小（101例），且仅针对慢性阻塞性肺疾病患者 | 评估和比较不同CT肺气肿量化方法与肺功能参数的相关性 | 慢性阻塞性肺疾病患者的胸部CT扫描和肺功能测试数据 | 医学影像分析 | 慢性阻塞性肺疾病 | 胸部计算机断层扫描，肺功能测试 | 深度学习算法 | 医学影像（CT扫描） | 101名慢性阻塞性肺疾病患者 | NA | NA | 皮尔逊相关系数，P值 | NA |