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 1368 篇文献，本页显示第 221 - 240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2025-10-06 |
Comparison of Deep Learning Approaches Using Chest Radiographs for Predicting Clinical Deterioration: Retrospective Observational Study
2025-Apr-10, JMIR AI
DOI:10.2196/67144
PMID:40605772
|
研究论文 | 本研究比较了不同计算机视觉模型和数据增强方法在利用胸部X光片预测临床恶化风险方面的性能 | 首次系统比较五种深度学习架构和四种数据增强方法在胸部X光片预测临床恶化中的应用效果 | 回顾性观察研究设计，仅包含单一医疗系统的数据 | 验证和比较不同计算机视觉模型预测住院患者临床恶化的能力 | 威斯康星大学卫生系统2009-2020年住院的成年患者 | 计算机视觉 | 呼吸系统疾病 | 胸部X光摄影 | CNN, Transformer | 医学影像 | 21,817例患者入院记录，其中1,655例(7.6%)发生临床恶化 | NA | VGG16, DenseNet121, Vision Transformer, ResNet50, Inception V3 | AUROC, AUPRC | NA |
| 222 | 2025-10-06 |
TonguExpert: A Deep Learning-Based Algorithm Platform for Fine-Grained Extraction and Classification of Tongue Phenotypes
2025-Apr, Phenomics (Cham, Switzerland)
DOI:10.1007/s43657-024-00210-9
PMID:40606562
|
研究论文 | 开发了一个基于深度学习的舌象表型精细提取与分类算法平台TonguExpert | 集成舌体分割和表型提取的先进技术，能够从舌象中提取773种表型特征，并发布了最大的公开舌象数据集 | 数据集主要来自中国人群，模型在其他人群中的泛化能力需要进一步验证 | 推进自动化舌诊在疾病检测和健康监测中的应用 | 舌象图像和相关的表型特征 | 计算机视觉 | 中医诊断 | 深度学习 | CNN | 图像 | 5992张舌象图像 | NA | NA | ROC-AUC, 准确率 | NA |
| 223 | 2025-10-06 |
Predicting the hypoxic volume of head and neck tumors from fluorodeoxyglucose positron emission tomography images using artificial intelligence
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100769
PMID:40584457
|
研究论文 | 本研究开发了一种基于生成对抗网络的人工智能模型，能够从常规获取的18F-FDG PET图像合成类似18F-FMISO的缺氧图像，用于预测头颈部肿瘤的缺氧体积 | 首次使用基于pix2pix架构的生成对抗网络从常规FDG-PET图像直接生成FMISO样缺氧图像，避免了FMISO PET扫描的可用性限制 | 需要在更大规模的机构和多机构队列中进行测试以验证泛化能力，样本量相对有限 | 开发人工智能模型预测头颈部肿瘤缺氧体积，替代稀缺的FMISO PET成像 | 134名头颈部癌患者（训练84人，验证13人，测试21人，额外测试16人） | 医学影像分析 | 头颈部肿瘤 | 18F-FDG PET/CT成像，18F-FMISO动态PET/CT成像 | GAN | 医学影像 | 134名头颈部癌患者 | NA | pix2pix | Pearson相关系数 | NA |
| 224 | 2025-10-06 |
PanEcho: Complete AI-enabled echocardiography interpretation with multi-task deep learning
2025-Apr-16, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.16.24317431
PMID:40321248
|
研究论文 | 开发并验证了用于自动解读超声心动图的多任务深度学习AI系统PanEcho | 首个能够全面解读超声心动图（39个标签和测量值）的完整AI系统，在完整和有限成像方案中均保持高精度 | 回顾性研究，需进一步前瞻性验证 | 开发自动解读超声心动图的AI系统 | 超声心动图视频和患者 | 医学影像分析 | 心血管疾病 | 超声心动图 | 深度学习 | 视频 | 来自24,405名患者的32,265项TTE研究，包含120万段超声心动图视频 | NA | 多任务深度学习 | AUC, MAE | NA |
| 225 | 2025-10-06 |
Deep learning radiomics nomograms predict Isocitrate dehydrogenase (IDH) genotypes in brain glioma: A multicenter study
2025-Apr, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2024.110314
PMID:39708927
|
研究论文 | 本研究开发了一种深度学习影像组学列线图模型，用于预测脑胶质瘤的IDH基因型 | 提出了一种融合深度学习特征、影像组学特征和临床特征的混合模型，并在多中心数据上验证了其预测性能 | 回顾性研究设计，样本量相对有限，仅基于T2图像 | 探索深度学习影像组学列线图在预测脑胶质瘤IDH基因型中的可行性 | 脑胶质瘤患者 | 医学影像分析 | 脑胶质瘤 | MRI成像 | 深度学习, 逻辑回归 | 医学影像(T2图像) | 402例来自两个独立中心的胶质瘤患者(训练集239例，内部验证103例，外部验证60例) | NA | NA | AUC, ROC曲线 | NA |
| 226 | 2025-10-06 |
Multiscale deep learning radiomics for predicting recurrence-free survival in pancreatic cancer: A multicenter study
2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110770
PMID:39894259
|
研究论文 | 开发并验证用于预测胰腺导管腺癌患者无复发生存期的多尺度深度学习放射组学列线图 | 结合手工放射组学特征和深度学习特征，构建多尺度预测模型，并在多中心数据中验证其优于传统AJCC分期系统的性能 | 样本量相对有限，且来自不同医院的数据质量可能存在差异 | 预测胰腺导管腺癌患者的无复发生存期 | 469名胰腺导管腺癌患者 | 医学影像分析 | 胰腺癌 | 放射组学分析，深度学习 | 深度学习模型 | 医学影像数据 | 469名患者来自四家医院 | NA | NA | C-index, AUC, Kaplan-Meier分析 | NA |
| 227 | 2025-10-06 |
2D Hole-Arrayed Double-Anode Structure Exciting Surface Plasmon Polaritons for Enhancing Outcoupling Efficiency of Organic Light-Emitting Diodes on Silicon Wafers (OLEDoS)
2025-Apr-29, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c10366
PMID:40321593
|
研究论文 | 本研究提出一种二维孔阵列双阳极结构，通过激发表面等离子体激子来增强硅基有机发光二极管的出光效率 | 首次采用二维孔阵列双阳极结构激发表面等离子体激子，并建立机器学习模型预测结构参数与出光增强因子的关系 | 研究主要基于仿真分析，需要进一步实验验证实际性能 | 提高有机发光二极管在硅基板上的出光效率 | 有机发光二极管（OLED）器件结构 | 光电器件 | NA | 有限时域差分法（FDTD） | 线性回归,XGB Regressor,MLP | 仿真数据 | NA | Scikit-learn | 多层感知机（MLP） | 平均绝对误差（MAE） | NA |
| 228 | 2025-10-06 |
[Segmentation and validation of mandibular canal and its bifurcation on cone beam CT based on deep learning]
2025-Apr, Shanghai kou qiang yi xue = Shanghai journal of stomatology
PMID:40550761
|
研究论文 | 基于深度学习开发并验证下颌管及其分叉的CBCT自动分割方法 | 采用伪标签方法辅助标注，结合形态学后处理提升下颌管及分叉的分割精度 | 样本量有限（290例CBCT扫描），仅针对清晰分叉病例验证 | 建立下颌管及其分叉的自动检测与分割方法 | 下颌管及分叉解剖结构 | 计算机视觉 | 口腔颌面疾病 | 锥形束CT（CBCT）成像 | CNN | 医学影像（CBCT扫描） | 290例CBCT扫描（训练集200例，测试集90例） | 3D Slicer | 3D U-Net | Dice相似系数，Hausdorff距离，Kappa值，检测率 | NA |
| 229 | 2025-10-06 |
Trade-offs between machine learning and deep learning for mental illness detection on social media
2025-Apr-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99167-6
PMID:40281061
|
研究论文 | 比较机器学习和深度学习模型在社交媒体心理健康检测中的性能权衡 | 系统评估传统机器学习与深度学习模型在心理健康文本分类中的性能差异，特别关注准确性、可解释性和计算效率之间的权衡关系 | 仅使用中等规模数据集进行评估，未涵盖超大规模数据场景 | 为心理健康状况检测选择最合适的模型方法 | 社交媒体用户关于抑郁、焦虑和自杀意念的文本讨论 | 自然语言处理 | 精神疾病 | 文本分析 | 逻辑回归,随机森林,LightGBM,ALBERT,GRU | 文本数据 | 中等规模数据集 | NA | ALBERT,Gated Recurrent Units | 准确性,可解释性,计算效率 | NA |
| 230 | 2025-10-06 |
Towards a unified framework for single-cell -omics-based disease prediction through AI
2025-Apr, Clinical and translational medicine
IF:7.9Q1
DOI:10.1002/ctm2.70290
PMID:40170267
|
研究论文 | 提出一个基于单细胞组学数据的人工智能统一框架scDisPreAI，用于疾病预测和生物标志物发现 | 开发首个整合单细胞组学数据与AI技术的统一疾病预测框架，支持多任务学习和可解释性分析 | 需要大规模标准化数据库支持，尚未进行前瞻性临床验证 | 建立基于单细胞组学数据的疾病预测和生物标志物发现框架 | 多种疾病和疾病阶段的单细胞组学数据 | 机器学习 | 多种疾病 | 单细胞组学技术 | 机器学习管道,深度学习架构 | 单细胞组学数据 | NA | NA | NA | NA | NA |
| 231 | 2025-10-06 |
Automated assessment of simulated laparoscopic surgical skill performance using deep learning
2025-Apr-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96336-5
PMID:40253514
|
研究论文 | 本研究利用深度学习技术自动评估模拟腹腔镜手术技能表现 | 引入了专门设计的模拟腹腔镜手术性能数据集(LSPD)，并采用弱监督3DCNN方法进行外科医生经验水平分类 | 基于模拟环境而非真实手术场景，数据集规模可能有限 | 开发自动化手术技能评估系统以减少对人工专家评估的依赖 | 不同经验水平外科医生(新手、学员、专家)的模拟腹腔镜手术表现 | 计算机视觉 | NA | 深度学习，计算机视觉 | 3DCNN | 手术模拟视频 | 包含新手、学员和专家三个技能水平的外科医生样本 | NA | 3D卷积神经网络 | F1分数，AUC | NA |
| 232 | 2025-10-06 |
Diagnostic performance of the ultrasound -based artificial intelligence diagnostic system in predicting cervical lymph node metastasis in patients with thyroid cancer: A systematic review and meta-analysis
2025 Apr-Jun, Science progress
IF:2.6Q2
DOI:10.1177/00368504251346906
PMID:40462622
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估基于超声的人工智能系统在预测甲状腺癌患者颈部淋巴结转移中的诊断性能 | 首次对基于超声的AI系统在甲状腺癌淋巴结转移诊断中的性能进行系统评估，并比较了深度学习与传统机器学习、多中心与单中心设计、多模态与单模态特征的差异 | 纳入研究存在异质性，需要前瞻性验证才能临床推广应用 | 系统评估基于超声的人工智能系统在预测甲状腺癌颈部淋巴结转移中的诊断性能 | 甲状腺癌患者及其颈部淋巴结转移情况 | 医学影像分析 | 甲状腺癌 | 超声成像 | 深度学习, 传统机器学习 | 超声图像 | 19项研究 | NA | NA | 敏感度, 特异度, AUC | NA |
| 233 | 2025-10-06 |
Retraction notice to "The analysis of teaching quality evaluation for the college sports dance by convolutional neural network model and deep learning" [Heliyon 10 (2024) e36067]
2025-Apr, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e43315
PMID:40535237
|
撤稿通知 | 这是一篇关于大学体育舞蹈教学质量评估分析的撤稿声明 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 234 | 2025-10-06 |
Corrigendum to "Sentiment analysis in multilingual context: Comparative analysis of machine learning and hybrid deep learning models" [Heliyon Volume 9, Issue 9, September 2023, Article e20281]
2025-Apr, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e43243
PMID:40535278
|
correction | 这是对先前发表的多语言情感分析比较研究文章的更正说明 | NA | NA | NA | NA | natural language processing | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 235 | 2025-10-06 |
Progress, Pitfalls, and Impact of AI-Driven Clinical Trials
2025-Apr, Clinical pharmacology and therapeutics
DOI:10.1002/cpt.3542
PMID:39722473
|
观点文章 | 本文探讨了人工智能在药物发现与开发领域的进展、挑战和潜在影响 | 系统分析了AI驱动临床试验面临的障碍并指出未来发展机遇 | NA | 研究人工智能在药物发现和开发中的应用现状与前景 | AI驱动的药物发现与开发过程 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 236 | 2025-10-06 |
Real-time target localization on 1.5 T magnetic resonance imaging linac orthogonal cine images using transfer learning
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100789
PMID:40524739
|
研究论文 | 本研究探讨了基于深度学习的肿瘤跟踪模型在1.5T MRI引导放疗中的适用性，并通过迁移学习提升性能 | 将0.35T MRI-linac训练的模型迁移应用于1.5T正交电影MRI系统，并开发患者特异性迁移学习策略 | 样本量有限（24名患者），未直接比较不同磁场强度模型的普适性 | 开发适用于1.5T MRI-linac正交电影图像的实时肿瘤定位方法 | 接受1.5T MRI-linac治疗的24名患者的肿瘤区域 | 医学影像分析 | 肿瘤疾病 | 电影MRI，迁移学习 | Transformer | 电影MRI图像 | 24名患者（验证集10人，测试集14人）的3600帧电影MRI图像 | NA | 基于Transformer的形变模型 | Dice相似系数，表面距离（SD50%，SD95%），负雅可比行列式百分比 | NA |
| 237 | 2025-06-18 |
From Visualization to Automation: A Narrative Review of Deep Learning's Impact on Ultrasound-based Median Nerve Assessment
2025 Apr-Jun, Journal of medical ultrasound
IF:0.9Q4
DOI:10.4103/jmu.JMU-D-25-00010
PMID:40521317
|
review | 本文综述了深度学习在超声诊断外周神经疾病中的应用，特别是对腕管综合征中正中神经分割的影响 | 探讨了深度学习与超声技术结合在提高诊断准确性和效率方面的潜力，并展望了未来研究方向 | 未提及具体的数据集或实验结果的局限性 | 回顾深度学习在超声诊断外周神经疾病中的应用现状及未来发展方向 | 外周神经疾病，特别是腕管综合征中的正中神经 | digital pathology | peripheral nerve disorders | ultrasound imaging | deep learning | image | NA | NA | NA | NA | NA |
| 238 | 2025-10-06 |
MRI super-resolution reconstruction using efficient diffusion probabilistic model with residual shifting
2025-Apr-26, ArXiv
PMID:40093364
|
研究论文 | 提出一种结合残差偏移机制的高效扩散概率模型用于MRI超分辨率重建 | 引入残差偏移机制显著减少采样步骤，在保持解剖细节的同时加速MRI重建 | 未明确说明模型在不同类型MRI数据上的泛化能力 | 开发高效的MRI超分辨率重建方法以减少采集时间和运动伪影 | 超高场脑T1 MP2RAGE图谱和T2加权前列腺图像 | 医学影像处理 | 脑部疾病,前列腺疾病 | 扩散概率模型,深度学习 | 扩散模型 | MRI图像 | NA | NA | Res-SRDiff | PSNR,SSIM,GMSD,LPIPS,Likert评分 | NA |
| 239 | 2025-10-06 |
Deep learning and machine learning in CT-based COPD diagnosis: Systematic review and meta-analysis
2025-Apr, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.105812
PMID:39891985
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估基于CT图像的深度学习和机器学习模型在COPD诊断中的性能 | 首次对基于CT图像的AI模型在COPD诊断中的性能进行定量荟萃分析，并比较了不同AI模型类型的诊断效能 | 纳入研究数量有限（22篇），部分亚组分析结果无统计学显著性，可能存在发表偏倚 | 评估AI模型在COPD CT图像诊断中的性能，促进相关研究发展 | 慢性阻塞性肺疾病（COPD）患者 | 医学影像分析 | 慢性阻塞性肺疾病 | CT影像分析 | 深度学习, 机器学习 | CT图像 | 22,817名患者 | NA | 多示例学习（MIL） | 敏感度, 特异度, 曲线下面积（AUC）, SROC曲线 | NA |
| 240 | 2025-06-14 |
A physics-informed deep learning model for predicting beam dose distribution of intensity-modulated radiation therapy treatment plans
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100779
PMID:40502721
|
研究论文 | 开发了一种基于物理信息的深度学习模型，用于预测鼻咽癌患者调强放射治疗（IMRT）中的束流剂量分布 | 提出了一种专门用于束流剂量预测任务的物理信息深度学习网络，并通过交叉采样方案解决了深度学习模型的可解释性挑战 | 样本量相对较小（100例），且为回顾性研究 | 开发用于IMRT束流剂量预测的深度学习模型 | 鼻咽癌患者的IMRT治疗计划 | 医学影像分析 | 鼻咽癌 | 深度学习 | U-Net | CT图像和轮廓输入 | 100例九束IMRT病例（72例训练集，8例验证集，20例测试集） | NA | NA | NA | NA |