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 1226 篇文献，本页显示第 501 - 520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 501 | 2025-10-07 |
A Recognition System for Diagnosing Salivary Gland Neoplasms Based on Vision Transformer
2025-Feb, The American journal of pathology
DOI:10.1016/j.ajpath.2024.09.010
PMID:39490441
|
研究论文 | 开发基于Vision Transformer的计算机辅助诊断系统，用于准确分类唾液腺肿瘤的八种主要亚型 | 首次将Vision Transformer应用于唾液腺肿瘤的病理图像分类，诊断性能超越基准模型，并与主任病理学家相当 | 研究仅包含九种组织类别，未涵盖所有唾液腺肿瘤类型 | 开发高精度的唾液腺肿瘤计算机辅助诊断系统 | 唾液腺肿瘤的八种主要亚型：多形性腺瘤、肌上皮瘤、Warthin瘤、基底细胞腺瘤、嗜酸细胞腺瘤、囊腺瘤、黏液表皮样癌和腺样囊性癌 | 计算机视觉 | 唾液腺肿瘤 | 数字病理全切片图像分析 | Vision Transformer (ViT) | 图像 | 3046张经组织学确认的唾液腺肿瘤全切片图像，涵盖九种组织类别 | NA | Vision Transformer | 准确率, AUC, 精确率, 召回率, F1分数 | NA |
| 502 | 2025-10-07 |
The Impact of Deep Learning on Determining the Necessity of Bronchoscopy in Pediatric Foreign Body Aspiration: Can Negative Bronchoscopy Rates Be Reduced?
2025-Feb, Journal of pediatric surgery
IF:2.4Q2
DOI:10.1016/j.jpedsurg.2024.162014
PMID:39489944
|
研究论文 | 本研究评估深度学习在儿童气道异物吸入诊断中的作用，旨在减少不必要的支气管镜检查 | 首次将CNN深度学习模型应用于儿童气道异物吸入的影像诊断，并与传统逻辑回归方法进行对比 | 样本量较小（47例患者），单中心研究，需要更大规模多中心数据验证 | 评估深度学习在减少儿童气道异物吸入阴性支气管镜检查率方面的效果 | 疑似气道异物吸入的儿科患者（47例）和健康儿童（63例） | 计算机视觉 | 儿科呼吸系统疾病 | 胸部X光摄影 | CNN | 医学影像 | 110张PA胸部X光图像（47例患者+63例健康对照） | NA | 卷积神经网络 | 灵敏度, 特异性, 准确率, F1分数 | NA |
| 503 | 2025-10-07 |
Medical Imaging Applications Developed Using Artificial Intelligence Demonstrate High Internal Validity Yet Are Limited in Scope and Lack External Validation
2025-Feb, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association
IF:4.4Q1
DOI:10.1016/j.arthro.2024.01.043
PMID:38325497
|
综述 | 本文系统回顾了深度学习在运动医学影像应用中的现状，评估其内部效度、外部验证状况及临床适用性 | 首次对运动医学领域深度学习应用进行系统性范围评估，提出内部效度与外部验证的差距分析框架 | 仅纳入运动医学领域研究，未涵盖其他医学专科；文献检索时间截至2023年12月 | 评估深度学习在运动医学影像应用中的知识转化差距和改进方向 | 55篇运动医学深度学习研究文献 | 医学影像分析 | 运动损伤 | 深度学习 | 神经网络 | 医学影像 | 55项研究 | NA | NA | AUROC | NA |
| 504 | 2025-04-25 |
Deep Learning-Powered Colloidal Digital SERS for Precise Monitoring of Cell Culture Media
2025-Feb-04, bioRxiv : the preprint server for biology
DOI:10.1101/2025.02.03.636280
PMID:39974903
|
研究论文 | 本文介绍了一种基于深度学习的胶体数字SERS平台，用于精确监测细胞培养基 | 利用深度学习和胶体数字SERS技术，通过将时间波动的SERS强度转换为数字二进制信号，显著提高了检测的准确性和可重复性 | 某些分析物缺乏特征SERS峰可能限制了该平台的广泛应用 | 开发一种快速、精确监测细胞培养基的新技术，以提高生物制药制造的质量控制 | 细胞培养基（特别是AMBIC 1.1）中的小分子关键过程参数和质量属性 | 生物医学诊断 | NA | 表面增强拉曼光谱（SERS），深度学习 | 深度学习 | 光谱数据 | NA | NA | NA | NA | NA |
| 505 | 2025-04-25 |
UTSRMorph: A Unified Transformer and Superresolution Network for Unsupervised Medical Image Registration
2025-Feb, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3467919
PMID:39321000
|
research paper | 提出了一种名为UTSRMorph的新型无监督医学图像配准方法，结合Transformer和超分辨率网络以提升特征表示学习和生成详细位移场 | 提出融合注意力块和重叠注意力块，结合ConvNets和Transformers的优势，并使用超分辨率模块替代插值上采样以避免特征退化 | 未明确提及具体局限性，但可能涉及计算复杂度或特定数据集上的泛化能力 | 提升医学图像配准的准确性和效率 | 3D脑部MR图像（OASIS, IXI）和MR-CT数据集（腹部、颅颌面） | digital pathology | NA | 深度学习 | Transformer, ConvNet | 3D医学图像 | 多个公开数据集（OASIS, IXI, 腹部和颅颌面MR-CT） | NA | NA | NA | NA |
| 506 | 2025-04-25 |
ConvexAdam: Self-Configuring Dual-Optimization-Based 3D Multitask Medical Image Registration
2025-Feb, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3462248
PMID:39283782
|
研究论文 | 提出了一种基于凸优化和Adam优化的自配置双优化3D多任务医学图像配准方法 | 结合预训练语义特征提取模型与快速双优化过程，提出自动超参数选择程序，实现自配置图像配准框架 | 需要依赖预训练模型，可能在不同数据集上的泛化能力有限 | 开发一种快速、通用且精确的医学图像配准方法 | 多任务医学图像配准 | 数字病理 | NA | 凸优化，Adam优化，预训练语义特征提取 | NA | 3D医学图像 | Learn2Reg挑战数据集中的所有可用数据 | NA | NA | NA | NA |
| 507 | 2025-10-07 |
Deep learning on pre-procedural computed tomography and clinical data predicts outcome following stroke thrombectomy
2025-Feb-14, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2023-021154
PMID:38527795
|
研究论文 | 本研究利用深度学习方法基于术前CT影像和临床数据预测卒中患者血栓切除术后的功能结局 | 首次将深度学习应用于术前CT影像与临床数据的融合分析，并与传统机器学习方法和现有预后工具MR PREDICTS进行系统性比较 | 仅使用术前数据，未纳入术中和术后数据；样本量相对有限 | 改进缺血性卒中患者接受血管内血栓切除术前的预后预测能力 | 接受血管内血栓切除术的缺血性卒中患者 | 医学影像分析 | 卒中 | CT头部扫描, CT血管造影 | 深度学习模型, 逻辑回归, 随机森林 | 影像数据, 临床数据 | 975名患者（模型开发队列778人，外部验证队列197人） | NA | NA | AUC | NA |
| 508 | 2025-04-24 |
Deep learning model based on contrast-enhanced ultrasound for predicting vessels encapsulating tumor clusters in hepatocellular carcinoma
2025-Feb, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10985-0
PMID:39066894
|
研究论文 | 基于对比增强超声的深度学习模型用于预测肝细胞癌中的血管包裹肿瘤簇模式 | 提出了一种非侵入性的深度学习方法，利用对比增强超声图像预测肝细胞癌中的VETC模式，并评估其对术后早期复发的预测价值 | 研究为回顾性设计，样本量相对较小（242例患者） | 开发并验证一种非侵入性工具，用于预测肝细胞癌中的VETC模式和术后早期复发风险 | 肝细胞癌患者 | 数字病理 | 肝细胞癌 | 对比增强超声(CEUS) | ResNet-18 CNN | 图像 | 242例肝细胞癌患者（训练组195例，测试组47例） | NA | NA | NA | NA |
| 509 | 2025-04-24 |
Multi-reader multiparametric DECT study evaluating different strengths of iterative and deep learning-based image reconstruction techniques
2025-Feb, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10974-3
PMID:39046499
|
research paper | 本研究通过多读者比较，评估了深度学习图像重建（DLIR）与标准自适应统计迭代重建-V（ASIR-V）在多参数双能CT（DECT）图像重建中的表现 | 首次在多参数DECT图像重建中比较了DLIR与ASIR-V的不同强度，并发现DLIR在图像质量上具有优势 | 研究为回顾性设计，样本量相对较小（100例患者） | 比较DLIR与ASIR-V在多参数DECT图像重建中的性能差异 | 接受门静脉期腹部CT扫描的100例患者 | 医学影像处理 | NA | 双能CT（DECT）扫描 | 深度学习图像重建（DLIR） | CT图像 | 100例患者 | NA | NA | NA | NA |
| 510 | 2025-04-24 |
Development of a Deep Learning Model for Classification of Hepatic Steatosis from Clinical Standard Ultrasound
2025-02, Ultrasound in medicine & biology
|
研究论文 | 开发了一种深度学习模型，用于从临床标准超声图像中分类肝脂肪变性 | 利用深度学习技术从标准灰度超声图像中分类肝脂肪变性，提供高敏感性和准确性 | 单中心回顾性研究，样本量相对较小（403例患者） | 开发一种深度学习程序，用于从标准超声图像中分类肝脂肪变性 | 肝脂肪变性患者 | 数字病理学 | 肝脂肪变性 | 深度学习 | 深度学习多实例程序 | 图像 | 403例患者的403次超声检查 | NA | NA | NA | NA |
| 511 | 2025-10-07 |
The Future of Artificial Intelligence Using Images and Clinical Assessment for Difficult Airway Management
2025-Feb-01, Anesthesia and analgesia
IF:4.6Q1
DOI:10.1213/ANE.0000000000006969
PMID:38557728
|
综述 | 本文综述了人工智能在困难气道管理中应用的优势、临床影响及未来发展方向 | 探讨了智能插管设备的未来发展方向及机器学习在困难喉镜预测中的建模应用 | NA | 评估人工智能在困难气道管理中的应用价值及发展前景 | 困难气道患者 | 计算机视觉 | 气道管理相关疾病 | 医学影像技术 | 深度学习,机器学习 | 图像 | NA | NA | NA | NA | NA |
| 512 | 2025-10-07 |
Looking outside the box with a pathology aware AI approach for analyzing OCT retinal images in Stargardt disease
2025-02-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85213-w
PMID:39922894
|
研究论文 | 提出一种结合病理感知损失函数的深度学习方法，用于分析Stargardt病视网膜OCT图像的自动分割 | 引入病理感知损失函数和区域自适应分割策略，在退化区域采用整体视网膜分割，在相对完好区域进行子层细分 | 主要针对STGD1疾病，在其他视网膜疾病中的适用性需要进一步验证 | 开发可靠的OCT图像自动分割方法以支持Stargardt病的疾病进展追踪和治疗效果评估 | Stargardt病1型患者的视网膜OCT图像 | 数字病理 | Stargardt病 | 光学相干断层扫描 | 深度学习 | 图像 | NA | NA | NA | Dice系数 | NA |
| 513 | 2025-10-07 |
Severe deviation in protein fold prediction by advanced AI: a case study
2025-02-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-89516-w
PMID:39922965
|
研究论文 | 通过案例研究揭示先进AI在蛋白质折叠预测中出现的严重偏差 | 首次报道双结构域蛋白质实验结构与AI预测模型间存在严重空间构象偏差 | 仅针对单一蛋白质案例进行研究，未系统评估其他蛋白质的预测偏差 | 评估AI蛋白质结构预测模型的准确性和局限性 | 双结构域蛋白质的三维空间结构 | 计算生物学 | NA | 蛋白质结构预测 | 深度学习 | 蛋白质序列, 三维结构坐标 | 1个双结构域蛋白质 | AlphaFold | NA | RMSD, 空间位置偏差 | NA |
| 514 | 2025-10-07 |
Discovering effect of intuitionistic fuzzy transformation in multi-layer perceptron for heart disease prediction: a study
2025-Feb, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2023.2284095
PMID:38013456
|
研究论文 | 本研究探索直觉模糊变换在多层感知器心脏病预测中的应用效果 | 将直觉模糊集理论引入特征工程，同时考虑隶属度和非隶属度两种不确定性，相比传统模糊集仅考虑单一不确定性具有创新性 | NA | 通过直觉模糊变换改进特征表示，提高心脏病预测的准确性 | 心脏病患者的临床参数 | 机器学习 | 心血管疾病 | 直觉模糊变换，模糊集理论 | MLP | 临床参数数据 | NA | NA | 多层感知器 | NA | NA |
| 515 | 2025-10-07 |
Enhancing drug discovery in schizophrenia: a deep learning approach for accurate drug-target interaction prediction - DrugSchizoNet
2025-Feb, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2023.2282951
PMID:38375638
|
研究论文 | 提出一种名为DrugSchizoNet的深度学习模型，用于精神分裂症药物靶点相互作用的精准预测 | 结合LSTM和全连接层处理序列数据，采用OB-MOA优化超参数，有效解决数据不平衡、噪声和过拟合问题 | 仅针对精神分裂症疾病，未验证在其他疾病上的泛化能力 | 提升精神分裂症药物发现过程中的药物靶点相互作用预测准确性 | 药物靶点相互作用数据 | 机器学习 | 精神分裂症 | 深度学习 | LSTM, FC | 药物相关数据 | 来自DrugBank和repoDB数据库的药物数据 | NA | LSTM, 全连接网络 | 准确率, 召回率, 特异性, 精确率, F1分数, AUPR, AUROC | NA |
| 516 | 2025-10-07 |
Neurosurgery inpatient outcome prediction for discharge planning with deep learning and transfer learning
2025-Feb, British journal of neurosurgery
IF:1.0Q3
DOI:10.1080/02688697.2022.2151565
PMID:36458628
|
研究论文 | 本研究使用深度学习和迁移学习预测神经外科住院患者的出院时间和出院目的地等临床结局 | 首次将迁移学习应用于神经外科住院患者的自由文本医疗数据，通过每日查房记录实现动态预测 | 研究样本量相对有限（1341例住院记录），仅基于单中心数据 | 开发能够辅助神经外科出院规划的住院患者结局预测模型 | 神经外科住院患者 | 自然语言处理 | 神经外科疾病 | 深度学习 | 人工神经网络 | 文本数据（入院记录和查房记录） | 1341例住院记录 | NA | 人工神经网络 | AUC | NA |
| 517 | 2025-10-07 |
Training deep learning models on personalized genomic sequences improves variant effect prediction
2025-Feb-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.15.618510
PMID:39463940
|
研究论文 | 通过使用匹配个人基因组的功能基因组数据训练深度学习模型，可提高基因变异效应预测性能 | 首次证明在匹配个人基因组的功能基因组数据上训练模型能显著提升变异效应预测效果，且变异效应表征在不同细胞环境和实验读数中具有可迁移性 | NA | 提升基因变异效应预测的准确性和泛化能力 | 个人基因组序列和功能基因组数据 | 机器学习 | NA | 基因组测序 | 深度学习模型 | 基因组序列数据 | NA | NA | 序列到函数模型 | 变异效应预测性能 | NA |
| 518 | 2025-10-07 |
Leveraging deep learning to detect stance in Spanish tweets on COVID-19 vaccination
2025-Feb, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooaf007
PMID:40008184
|
研究论文 | 本研究开发了用于检测西班牙语推文中关于COVID-19疫苗接种立场的深度学习模型 | 首次针对西班牙语推文开发立场检测模型，填补了非英语社交媒体分析的研究空白 | 语言特定嵌入模型未能超越多语言嵌入或TF-IDF特征，因为BERT或RoBERTa嵌入不熟悉Twitter常用俚语和疫情期间特定语境 | 开发西班牙语社交媒体帖子的立场检测模型 | 关于COVID-19疫苗接种的西班牙语推文 | 自然语言处理 | COVID-19 | 深度学习，文本挖掘 | BERT, BiLSTM, RoBERTa, SVM | 文本 | 6170条推文（2020年3月1日至2022年1月4日期间发布） | NA | BERT-Multi+BiLSTM, BETO+BiLSTM, RoBERTa BNE-LSTM | F1分数, Matthews相关系数, AUC | NA |
| 519 | 2025-10-07 |
Application of deep learning algorithm for judicious use of anti-VEGF in diabetic macular edema
2025-02-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87290-3
PMID:39915516
|
研究论文 | 开发混合深度学习模型预测糖尿病黄斑水肿患者对抗VEGF治疗的反应 | 首次结合OCT图像和临床数据构建混合深度学习模型，用于预测抗VEGF治疗反应 | 样本量较小（181例患者），需进一步验证 | 提高抗VEGF治疗在糖尿病黄斑水肿中的精准应用 | 糖尿病黄斑水肿患者 | 医学影像分析 | 糖尿病黄斑水肿 | 光学相干断层扫描（OCT） | CNN, MLP | 图像, 表格数据 | 181例患者 | NA | 卷积神经网络, 多层感知器 | 准确率, 精确率, 召回率, AUC-ROC | NA |
| 520 | 2025-10-07 |
A deep learning approach for automatic 3D segmentation of hip cartilage and labrum from direct hip MR arthrography
2025-02-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-86727-z
PMID:39920175
|
研究论文 | 本研究开发了一种基于卷积神经网络的自动3D分割方法，用于从髋关节MR关节造影中分割髋关节软骨和盂唇 | 首次使用U-Net架构的CNN实现髋关节软骨和盂唇的完全自动3D分割，并在外部数据集上验证了模型泛化能力 | 回顾性单中心研究，样本量相对有限，外部验证数据集较小 | 开发自动分割髋关节软骨和盂唇的深度学习模型 | 髋关节软骨和盂唇 | 医学影像分析 | 髋关节疾病 | MR关节造影，3D T1 mapping序列，3D T2加权序列 | CNN | 3D MRI图像 | 100名有症状患者（训练80例，测试20例），外部验证40名患者 | NA | U-Net | Dice相似系数 | NA |