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 1345 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2026-04-30 |
Randomized controlled trial of an artificial intelligence diagnostic system for the detection of esophageal squamous cell carcinoma in clinical practice
2025-03, Endoscopy
IF:11.5Q1
DOI:10.1055/a-2421-3194
PMID:39317205
|
研究论文 | 一项随机对照试验评估人工智能诊断系统在临床实践中检测食管鳞状细胞癌的效果 | 首次在临床环境下进行前瞻性随机对照试验，评估人工智能系统对食管鳞状细胞癌的实时检测辅助作用 | 未能证明人工智能诊断支持系统能显著提高食管癌检出率，且研究为单中心、探索性设计 | 评估人工智能系统在临床环境中帮助内镜医师检测食管鳞状细胞癌的能力 | 接受筛查或监测食管胃十二指肠镜检查的食管鳞状细胞癌高风险患者 | 计算机视觉 | 食管癌 | 内镜成像（白光成像、窄带成像、碘染色） | 深度学习 | 内镜图像 | 320例患者 | NA | NA | 检出率 | NA |
| 42 | 2026-04-30 |
Deep learning enables automatic detection of joint damage progression in rheumatoid arthritis-model development and external validation
2025-03-01, Rheumatology (Oxford, England)
DOI:10.1093/rheumatology/keae215
PMID:38597875
|
研究论文 | 提出并外部验证了用于类风湿关节炎关节损伤进展自动检测的深度学习算法AuRA | 首次在个体患者层面实现纵向变化的自动检测，并在真实世界环境中展示其监测放射学进展的实用性 | 未提及具体限制 | 开发和外部验证自动RA评分算法（AuRA），用于监测放射学进展 | 类风湿关节炎患者的手部和足部X光片 | 计算机视觉 | 类风湿关节炎 | 放射学成像 | 深度学习模型 | 图像 | 训练集367例，外部验证集205例，54例患者有额外控制访视影像 | NA | NA | 均方根误差（RMSE），皮尔逊相关系数（R） | NA |
| 43 | 2026-04-24 |
The benefit of automated sac volume measurements in postoperative endovascular aortic repair surveillance
2025-03, Journal of vascular surgery
IF:3.9Q1
DOI:10.1016/j.jvs.2024.10.070
PMID:39522568
|
研究论文 | 本研究比较了自动测量的动脉瘤囊体积与最大直径在评估腹主动脉瘤腔内修复术后囊行为方面的差异 | 首次系统评估基于深度学习的自动体积测量在EVAR术后监测中相比传统直径测量的额外临床价值 | 样本量较小（89例），且为回顾性研究，需要更大规模研究验证 | 探讨EVAR术后自动动脉瘤囊体积测量是否能提供比直径测量更细致的囊行为信息 | 接受标准或开窗EVAR治疗的腹主动脉瘤患者 | 数字病理学 | 腹主动脉瘤 | CTA | 深度学习 | 影像 | 89例患者（标准EVAR 46例，开窗EVAR 43例） | NA | NA | t检验，χ2检验或Fisher检验 | NA |
| 44 | 2026-04-24 |
Dimensionality reduction in 3D causal deep learning for neuroimage generation: an evaluation study
2025-Mar, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.2.024506
PMID:40276097
|
研究论文 | 评估不同降维方法对三维因果深度学习模型生成反事实神经影像的影响 | 首次系统比较多种降维技术（2D PCA、2.5D PCA、3D PCA、自编码器和VQ-VAE）在三维因果深度学习生成反事实医学影像中的应用效果 | 仅评估了年龄和性别两个变量变化，未考虑其他临床相关变量；降维方法可能丢失部分空间信息影响生成图像质量 | 比较不同降维方法对因果深度学习模型生成反事实神经影像的影响，确定最优降维策略 | 三维脑部医学影像（23,692张） | 计算机视觉, 数字病理学 | NA | 因果深度学习, 正态化流, 主成分分析(PCA), 自编码器, 向量量化变分自编码器(VQ-VAE) | 卷积神经网络（CNN） | 三维图像 | 23,692张三维脑部MRI图像 | NA | CNN | 平均绝对误差(MAE), 分类准确率(Accuracy) | NA |
| 45 | 2026-04-23 |
The Multimodal MRI Features of Deteriorative MCI Patients-A 2-Year Follow-up Study
2025-Mar-01, Neurology India
IF:0.9Q4
|
研究论文 | 本研究通过两年随访，探索了恶化型轻度认知障碍患者的多模态磁共振成像特征 | 利用深度学习算法提取脑区特征，并识别出与MCI恶化相关的特定脑区FA值降低和ADC值升高作为预警特征 | 样本量相对有限（105名患者），且仅基于两年随访数据，长期变化趋势尚不明确 | 探索轻度认知障碍患者恶化的磁共振成像生物标志物 | 105名轻度认知障碍患者 | 数字病理学 | 老年疾病 | 多模态磁共振成像 | 深度学习算法 | 磁共振图像 | 105名MCI患者 | NA | NA | NA | NA |
| 46 | 2026-04-22 |
Brain tumor segmentation and detection in MRI using convolutional neural networks and VGG16
2025-Mar, Cancer biomarkers : section A of Disease markers
IF:2.2Q3
DOI:10.1177/18758592241311184
PMID:40183298
|
研究论文 | 本研究利用卷积神经网络和VGG16模型，开发了一种用于MRI图像中脑肿瘤自动分割和检测的系统 | 提出了一种能够预测分割性能（mIoU）并检测失败事件的深度学习模型，无需在测试时访问真实数据，同时通过预期mIoU值处理数据不平衡问题 | 未明确说明模型在多样化或大规模临床数据集上的泛化能力，也未详细讨论计算资源需求或实时处理性能 | 开发一个自动化系统，用于从MRI图像中准确检测和分类脑肿瘤，以辅助医疗专业人员快速、准确诊断 | MRI图像中的脑肿瘤 | 计算机视觉 | 脑肿瘤 | 深度学习，图像处理技术 | CNN, VGG16 | 图像 | NA | Python | VGG16 | mIoU, 训练准确率, 验证准确率, 验证损失 | NA |
| 47 | 2026-04-20 |
Dongting Lake algal bloom forecasting: Robustness and accuracy analysis of deep learning models
2025-03-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.136804
PMID:39672063
|
研究论文 | 本研究开发了一个基于深度学习的早期预警系统，用于预测洞庭湖有害藻华的发生，通过整合时间序列分析和iTransformer模型来提高预测准确性 | 采用iTransformer模型结合时间序列分析，增强了预测准确性，并通过注意力权重分析识别了影响藻密度的关键因素（如营养物和温度），展示了模型在数据不完整情况下的鲁棒性 | 未来工作需探索更多环境变量以提升模型的预测能力和泛化性 | 开发一个早期预警系统来预测有害藻华的发生，以支持水质管理 | 洞庭湖的水质数据，特别是与藻华相关的环境因素 | 机器学习 | NA | 深度学习，时间序列分析 | iTransformer | 时间序列水质数据 | NA | NA | iTransformer | NA | NA |
| 48 | 2026-04-18 |
Characterizing multivariate regional hubs for schizophrenia classification, sex differences, and brain age estimation using explainable AI
2025-Mar-04, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.02.28.25323105
PMID:40093221
|
研究论文 | 本研究利用结构MRI、人口统计学数据和可解释人工智能，探讨了精神分裂症分类、性别差异和脑年龄预测中的多变量区域模式 | 整合深度学习模型与SHAP可解释性方法，识别精神分裂症、性别差异和脑年龄相关的个性化多变量脑区模式 | 未明确提及样本量限制、模型泛化能力或外部验证结果 | 研究精神分裂症分类、性别差异和脑年龄预测中的多变量脑区模式 | 精神分裂症患者和健康对照者的结构MRI数据及人口统计学信息 | 医学影像分析 | 精神分裂症 | 结构MRI | 深度学习神经网络, 支持向量机, k近邻, Lasso回归, 岭回归, 支持向量回归 | 图像, 人口统计学数据 | NA | NA | NA | NA | NA |
| 49 | 2026-04-12 |
Improving entity recognition using ensembles of deep learning and fine-tuned large language models: A case study on adverse event extraction from VAERS and social media
2025-Mar, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104789
PMID:39923968
|
研究论文 | 本研究评估了传统深度学习模型与大语言模型在从VAERS和社交媒体文本中提取COVID-19疫苗不良事件实体方面的性能，并通过集成方法提升了识别效果 | 通过集成微调后的传统深度学习模型与大语言模型，显著提升了不良事件实体识别的性能，特别是在特定实体类型上取得了高F1分数 | 研究样本量相对有限（VAERS报告230条，Twitter 3383条，Reddit 49条），且未对GPT-4进行微调，可能影响模型比较的全面性 | 评估大语言模型与传统深度学习模型在不良事件实体提取中的有效性，并探索集成方法对性能的影响 | 从VAERS、Twitter和Reddit收集的文本数据，用于提取疫苗、注射和不良事件三类实体 | 自然语言处理 | COVID-19 | 文本挖掘 | RNN, BioBERT, GPT-2, GPT-3.5, GPT-4, Llama-2 7b, Llama-2 13b | 文本 | VAERS报告230条，Twitter帖子3383条，Reddit帖子49条 | NA | RNN, BioBERT, GPT系列, Llama-2 | 严格F1分数, 宽松F1分数, 微平均F1分数 | NA |
| 50 | 2025-03-05 |
Unveiling the Future: A Deep Learning Model for Accurate Detection of Adrenal Nodules
2025-Mar, Radiology
IF:12.1Q1
DOI:10.1148/radiol.250387
PMID:40035670
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 51 | 2026-04-10 |
Two-Stage Deep Learning Model for Adrenal Nodule Detection on CT Images: A Retrospective Study
2025-03, Radiology
IF:12.1Q1
DOI:10.1148/radiol.231650
PMID:40035671
|
研究论文 | 本研究开发并测试了一个用于在腹部CT图像上自动检测肾上腺结节的两阶段深度学习模型，并模拟了其与人工解读结合的分诊性能 | 提出了一个针对左右肾上腺分别训练的两阶段（检测与分割）深度学习架构，并首次在大型外部数据集上模拟了模型与人工解读结合的分诊性能 | 这是一项回顾性研究，可能存在选择偏倚；模型性能在左右肾上腺结节上存在差异，分割精度有待提高 | 开发一个自动检测肾上腺结节的深度学习模型，以辅助临床分诊和管理 | 肾上腺结节 | 计算机视觉 | 肾上腺疾病 | CT成像 | 深度学习模型 | CT图像 | 内部数据集995名患者，外部测试集12080名患者，内部测试集2有1214名患者 | NA | 两阶段顺序检测与分割模型 | AUC, 交并比 | NA |
| 52 | 2026-04-10 |
A Deep Learning Model for Three-Dimensional Determination of Whole Thoracic Vertebral Bone Mineral Density from Noncontrast Chest CT: The Multi-Ethnic Study of Atherosclerosis
2025-03, Radiology
IF:12.1Q1
DOI:10.1148/radiol.242133
PMID:40067103
|
研究论文 | 本研究开发了一种基于深度学习的三维模型，用于从常规非对比胸部CT中测量整个胸椎的骨密度，并评估其在预测椎体骨折中的价值 | 首次使用TotalSegmentator（基于nnU-net的算法）在常规非对比胸部CT上实现T1-T10胸椎体的三维骨密度测量，并与二维方法比较，证明了三维测量在预测椎体骨折方面具有增量价值 | 研究为多中心前瞻性队列的二次分析，手动分割仅在一部分参与者（594人）中进行，且纵向数据仅来自1304名参与者的子集 | 确定深度学习算法能否从常规非对比胸部CT中准确测量三维胸椎骨密度，并评估其预测椎体骨折的能力 | 多民族动脉粥样硬化研究（MESA）的参与者，包括接受带和不带体模的非对比胸部CT扫描的个体 | 数字病理学 | 骨质疏松症 | 非对比胸部CT扫描 | 深度学习 | 三维医学图像（CT） | 2956名参与者（其中1546名女性，平均年龄69岁±9），纵向子集为1304名参与者 | nnU-net | TotalSegmentator（基于nnU-net） | Dice分数, 交集并集比, 标准差, 受试者工作特征曲线下面积（AUC） | NA |
| 53 | 2026-04-10 |
MRI-based Deep Learning Algorithm for Assisting Clinically Significant Prostate Cancer Detection: A Bicenter Prospective Study
2025-03, Radiology
IF:12.1Q1
DOI:10.1148/radiol.232788
PMID:40067105
|
研究论文 | 本研究是一项前瞻性双中心研究，旨在比较商用深度学习算法与放射科医生临床报告在检测临床显著性前列腺癌方面的诊断性能 | 前瞻性验证了商用深度学习算法在前列腺癌检测中的应用，并探索了将算法结果用于调节放射科医生不确定诊断（PI-RADS 3分）以提升特异性的临床场景 | 研究样本量相对有限（205名男性，259个病灶），且算法仅使用双参数MRI，未纳入所有影像序列 | 评估深度学习算法辅助检测临床显著性前列腺癌的诊断性能 | 疑似前列腺癌并计划进行活检的男性患者 | 数字病理 | 前列腺癌 | 双参数MRI | 深度学习算法 | MRI图像 | 205名男性（中位年龄68岁），共评估259个病灶，其中包含117个临床显著性前列腺癌病灶 | NA | NA | AUC, 敏感性, 特异性, 阳性预测值 | NA |
| 54 | 2026-04-07 |
De novo designed proteins neutralize lethal snake venom toxins
2025-03, Nature
IF:50.5Q1
DOI:10.1038/s41586-024-08393-x
PMID:39814879
|
研究论文 | 本研究利用深度学习方法从头设计蛋白质，以中和蛇毒中的三指毒素，并在体外和小鼠模型中验证了其有效性 | 首次使用深度学习从头设计蛋白质来中和蛇毒中的三指毒素，实现了高结合亲和力、热稳定性及近原子级精度，为下一代抗蛇毒疗法提供了新途径 | 研究主要基于计算设计和有限的实验筛选，尚未进行大规模临床验证，且资源有限环境下的应用潜力需进一步探索 | 开发新型蛋白质以中和蛇毒中的三指毒素，为蛇咬伤提供更安全、经济、可及的治疗方案 | 蛇毒中的短链和长链α-神经毒素及细胞毒素（来自三指毒素家族） | 机器学习 | 蛇咬伤 | 深度学习 | NA | 蛋白质序列和结构数据 | NA | NA | NA | 结合亲和力、热稳定性、中和效果 | NA |
| 55 | 2026-04-01 |
Imaging Intravoxel Vessel Size Distribution in the Brain Using Susceptibility Contrast Enhanced MRI
2025-Mar-25, ArXiv
PMID:40196141
|
研究论文 | 本文建立了一种基于磁敏感对比的MRI新方法，用于非侵入性成像脑内体素内血管尺寸分布，以实现对血管重塑的更全面和定量评估 | 提出了一种利用深度学习模型从GESFIDE MRI信号预测脑血容量和血管尺寸分布的新方法，实现了对血管重塑的定量成像 | 需要进一步的验证才能转化为临床前和临床工具 | 开发一种非侵入性成像方法，以更全面和定量地评估血管重塑 | 啮齿动物脑血管网络 | 医学影像分析 | 癌症、神经退行性疾病、纤维化、高血压、糖尿病 | 磁敏感对比增强MRI、高分辨率光片荧光显微镜 | 深度学习模型 | MRI信号、显微镜图像 | NA | NA | NA | 相关系数(r)、Bhattacharya系数 | NA |
| 56 | 2026-03-30 |
Comprehensive prediction and analysis of human protein essentiality based on a pretrained large language model
2025-03, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00733-1
PMID:39604646
|
研究论文 | 本研究开发了一个基于序列的深度学习模型PIC，通过微调预训练蛋白质语言模型，全面预测和分析人类蛋白质必需性 | PIC模型不仅显著优于现有方法预测人类必需蛋白质，还能提供跨人类、细胞系和小鼠三个层次的全面预测结果，并定义了蛋白质必需性评分以量化人类蛋白质必需性 | NA | 开发计算模型以预测人类必需蛋白质，并量化蛋白质必需性 | 人类蛋白质，包括617,462个人类微蛋白质 | 自然语言处理 | 乳腺癌 | 深度学习，预训练蛋白质语言模型 | 深度学习模型 | 蛋白质序列 | 617,462个人类微蛋白质 | NA | 预训练蛋白质语言模型 | NA | NA |
| 57 | 2026-03-30 |
Leveraging pharmacovigilance data to predict population-scale toxicity profiles of checkpoint inhibitor immunotherapy
2025-03, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00748-8
PMID:39715829
|
研究论文 | 本研究提出了一种名为DySPred的动态图卷积网络深度学习框架，利用大规模真实世界药物警戒数据来预测免疫检查点抑制剂在人群水平的毒性谱 | 引入动态图卷积网络来映射和预测免疫检查点抑制剂的毒性谱，能够准确预测不同人口队列和癌症类型的毒性风险，并在小样本场景中表现出韧性，同时揭示毒性随时间变化的趋势 | NA | 预测免疫检查点抑制剂在人群水平的毒性谱，以支持主动毒性监测和及时调整治疗与干预策略 | 免疫检查点抑制剂疗法及其诱导的毒性 | 机器学习 | 癌症 | 药物警戒数据分析 | 动态图卷积网络 | 药物警戒数据 | 大规模真实世界数据 | NA | 动态图卷积网络 | NA | NA |
| 58 | 2026-03-28 |
Evaluation of state-of-the-art deep learning models in the segmentation of the left and right ventricles in parasternal short-axis echocardiograms
2025-Mar, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.2.024002
PMID:40151505
|
研究论文 | 本研究评估了多种深度学习模型在超声心动图短轴视图中分割左右心室的效果 | 首次在超声心动图短轴视图中评估了包括领域特定和通用领域模型在内的多种先进深度学习模型，并比较了它们在有限数据集上的性能 | 研究样本量较小（33名志愿者女性），且数据集为本地采集，可能限制模型的泛化能力 | 评估深度学习模型在超声心动图短轴视图中分割左右心室的性能，以辅助心肺疾病和心肌病的诊断 | 超声心动图短轴视图中的左心室和右心室 | 计算机视觉 | 心血管疾病 | 超声心动图 | CNN | 图像 | 33名志愿者女性的387次扫描图像 | 未明确指定，但提及了Detectron2 | Unet-ResNet101, Unet-ResNet50, SAM（三种变体） | Dice相似系数, Hausdorff距离, 横截面积差异 | NA |
| 59 | 2026-03-19 |
Portable cerebral blood flow monitor to detect large vessel occlusion in patients with suspected stroke
2025-Mar-17, Journal of neurointerventional surgery
IF:4.5Q1
DOI:10.1136/jnis-2024-021536
PMID:38514189
|
研究论文 | 本研究评估了便携式Openwater光学血流监测仪在疑似卒中患者中检测大血管闭塞的能力，并与院前卒中量表进行了比较 | 首次将便携式光学血流监测仪与深度学习模型结合，用于急性卒中评估中检测大血管闭塞，其性能优于传统的院前卒中量表 | 研究结果需要在独立测试集和院前环境中进一步验证，样本量相对有限，且仅针对前循环大血管闭塞 | 评估便携式光学血流监测仪在疑似卒中患者中检测大血管闭塞的诊断性能 | 疑似卒中患者，在发病24小时内进行卒中警报评估，且NIHSS评分≥2 | 数字病理学 | 心血管疾病 | 光学血流监测，基于散斑对比度的相对变化生成脑血流波形 | 深度学习模型 | 原始散斑对比度波形数据 | 135名患者，其中52名（39%）患有前循环大血管闭塞 | NA | NA | 灵敏度，特异性，AUROC | NA |
| 60 | 2026-03-15 |
Minimizing Human-Induced Variability in Quantitative Angiography for Robust and Explainable AI-Based Occlusion Prediction
2025-Mar-13, ArXiv
PMID:40160450
|
研究论文 | 本研究通过实施注射偏差去除算法减少定量血管造影的变异性，并利用可解释AI增强深度学习模型对颅内动脉瘤闭塞预测的可靠性和可解释性 | 提出通过解卷积和再卷积技术标准化注射曲线以消除对比剂注射变异性，并结合LIME方法提升模型决策的透明度和临床相关性 | 研究仅基于458名患者的血管造影数据，样本量相对有限，且未涉及外部验证 | 提高使用定量血管造影和深度学习模型预测颅内动脉瘤闭塞的准确性和可解释性 | 接受血流导向装置治疗的颅内动脉瘤患者 | 数字病理学 | 颅内动脉瘤 | 定量血管造影 | 深度神经网络 | 血管造影图像 | 458名患者 | NA | 深度神经网络 | AUROC, 准确率, 敏感性, 特异性 | NA |