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 1366 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2025-05-28 |
Deep learning radiopathomics predicts targeted therapy sensitivity in EGFR-mutant lung adenocarcinoma
2025-Apr-29, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-025-06480-9
PMID:40301933
|
研究论文 | 本研究开发了一种深度学习放射病理临床(DLRPC)模型，用于预测EGFR突变肺腺癌患者对酪氨酸激酶抑制剂(TKIs)的治疗反应 | 整合了CT影像、H&E染色活检样本和临床数据，采用基于临床的注意力掩膜探索跨模态关联 | 回顾性研究设计可能引入选择偏倚，样本量相对有限(214例) | 预测EGFR突变肺腺癌患者对TKIs的治疗敏感性 | EGFR突变肺腺癌患者 | 数字病理 | 肺癌 | 深度学习 | DLRPC(多模态融合模型) | CT影像、病理图像、临床数据 | 214例来自两个医疗中心的肺腺癌患者 | NA | NA | NA | NA |
| 242 | 2025-10-07 |
A comprehensive validation study on the influencing factors of cough-based COVID-19 detection through multi-center data with abundant metadata
2025-Apr, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104798
PMID:39993588
|
研究论文 | 本研究通过多中心数据和丰富元数据全面验证了基于咳嗽声的COVID-19检测模型在各种影响因素下的性能差异 | 首次结合临床病毒载量和抗体水平指标验证预测概率与临床指标的相关性，并系统评估咳嗽类型、症状和感染阶段等因素对检测性能的影响 | 恢复期个体和开源数据集中检测性能较差，临床数据样本量有限导致与临床指标的相关性分析受限 | 评估基于咳嗽声的COVID-19检测模型在实际应用中的可行性和局限性 | 临床采集和众包的咳嗽音频数据，包含不同症状状态和感染阶段的COVID-19患者 | 自然语言处理 | COVID-19 | 音频分析，自监督学习 | 深度学习 | 音频 | 临床数据和众包数据组成的多中心数据集 | NA | 自监督学习模型 | AUC | NA |
| 243 | 2025-10-07 |
Deep learning analysis of hematoxylin and eosin-stained benign breast biopsies to predict future invasive breast cancer
2025-Apr-30, JNCI cancer spectrum
IF:3.4Q2
DOI:10.1093/jncics/pkaf037
PMID:40193520
|
研究论文 | 本研究使用深度学习分析良性乳腺活检的H&E染色全切片图像，预测未来发生浸润性乳腺癌的风险 | 首次将深度学习应用于良性乳腺疾病的H&E染色切片图像，结合临床病理特征构建多模态预测模型 | 样本量相对有限（946名女性），需要更大规模研究验证 | 开发基于深度学习的乳腺癌风险预测模型 | 良性乳腺疾病患者的活检组织样本 | 数字病理学 | 乳腺癌 | H&E染色全切片成像 | CNN, AutoML, 多模态网络 | 病理图像, 临床数据 | 946名女性（训练集：331例病例+331例对照，测试集：142例病例+142例对照） | NA | VGG-16 | AUROC, 准确率, 敏感性, 特异性 | NA |
| 244 | 2025-10-07 |
Innovative Artificial Intelligence System in the Children's Hospital in Japan
2025-Apr-28, JMA journal
IF:1.5Q2
DOI:10.31662/jmaj.2024-0312
PMID:40415999
|
研究论文 | 介绍日本儿童医院创新人工智能系统的开发与应用 | 将深度学习技术综合应用于儿科医疗多个领域，包括病理诊断加速、细菌种类区分、眼疾早期检测等 | 未提供具体性能数据和样本规模细节 | 推进儿科医疗领域的AI技术创新与应用 | 儿科患者医疗数据（图像、基因组、行为数据等） | 医疗人工智能 | 儿科疾病 | 深度学习 | 深度学习模型 | 医疗图像、基因组数据、行为数据 | NA | 多种机器学习框架 | NA | NA | 高速计算、云计算 |
| 245 | 2025-05-27 |
Deep Learning Auto-Segmentation of Organs at Risk in a Real-World Head and Neck Cancer Proton Beam Radiotherapy Planning
2025-Apr-23, Clinical oncology (Royal College of Radiologists (Great Britain))
DOI:10.1016/j.clon.2025.103849
PMID:40414067
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 246 | 2025-10-07 |
Hybrid AI models for predicting heat distribution in complex tissue structures with bioheat transfer simulation
2025-Apr, Journal of thermal biology
IF:2.9Q1
DOI:10.1016/j.jtherbio.2025.104122
PMID:40311397
|
研究论文 | 提出一种结合深度学习的分式勒让德小波生物热传递模型，用于精确预测工程组织构造中的热分布 | 首次将分式勒让德小波方法与深度学习相结合用于生物热传递模拟，实现实时预测能力 | 实验验证仅限于5cm组织构造，需要进一步验证在更复杂组织结构中的性能 | 开发精确预测生物组织热行为的计算模型，用于热疗和肿瘤消融等医疗应用 | 工程组织构造，包括皮肤、肌肉、脂肪和骨骼等不同组织类型 | 机器学习 | 肿瘤 | 生物热传递模拟，深度学习增强模型 | 深度学习 | 热分布数据，温度测量数据 | 5cm组织构造，暴露于10W-30W不同功率热源 | NA | 分式勒让德小波方法 | 平均绝对误差，预测速度 | NA |
| 247 | 2025-10-07 |
Development and validation of a multivariable risk model based on clinicopathological characteristics, mammography, and MRI imaging features for predicting axillary lymph node metastasis in patients with upgraded ductal carcinoma in situ
2025-Apr-30, Gland surgery
IF:1.5Q3
DOI:10.21037/gs-2025-89
PMID:40405957
|
研究论文 | 开发并验证基于临床病理特征、乳腺X线摄影和MRI影像特征的融合模型，用于预测升级型导管原位癌患者腋窝淋巴结转移风险 | 首次构建结合临床病理特征、MRI影像组学和乳腺X线摄影深度学习的融合模型，显著提高腋窝淋巴结转移预测准确性 | 回顾性研究设计，样本量相对有限（326例患者），需要更大规模前瞻性研究验证 | 开发非侵入性预测模型，避免升级型导管原位癌患者不必要的腋窝手术干预 | 升级型导管原位癌患者（核心活检诊断为DCIS，术后病理发现浸润癌） | 数字病理 | 乳腺癌 | 乳腺X线摄影，磁共振成像，影像组学分析 | 深度学习分类模型，融合模型 | 临床病理数据，医学影像数据（MG和MRI） | 326例升级型导管原位癌患者 | NA | NA | AUC，ROC曲线 | NA |
| 248 | 2025-10-07 |
Malignant risk prediction of cystic-solid thyroid nodules using a comprehensive model integrating clinical and ultrasound features, ultrasound radiomics, and deep transfer learning
2025-Apr-30, Gland surgery
IF:1.5Q3
DOI:10.21037/gs-2024-551
PMID:40405959
|
研究论文 | 开发结合临床特征、超声特征、超声影像组学和深度迁移学习的综合模型预测囊实性甲状腺结节的恶性风险 | 首次将深度迁移学习特征与超声影像组学特征、临床及超声特征相结合构建综合预测模型 | 单中心回顾性研究，样本量有限（278例患者），需要多中心前瞻性研究验证 | 预测囊实性甲状腺结节的恶性风险 | 经病理证实的囊实性甲状腺结节患者 | 数字病理 | 甲状腺癌 | 超声成像 | 深度学习, 逻辑回归 | 超声图像 | 278例患者 | NA | 深度迁移学习网络 | AUC, 敏感度, 特异度, 校准曲线, 决策曲线 | NA |
| 249 | 2025-10-07 |
Detecting arousals and sleep from respiratory inductance plethysmography
2025-Apr-11, Sleep & breathing = Schlaf & Atmung
DOI:10.1007/s11325-025-03325-z
PMID:40214714
|
研究论文 | 开发了一种基于呼吸感应体积描记信号的深度学习算法，用于检测睡眠状态和短暂觉醒 | 首次使用深度学习算法从呼吸信号中同时识别睡眠状态（REM、NREM、Wake）和短暂觉醒 | 仅使用呼吸信号，缺乏脑电图数据，可能影响评估准确性 | 通过呼吸信号实现睡眠状态和觉醒的自动检测，提升家庭睡眠测试能力 | 1299名疑似睡眠障碍的成年患者 | 机器学习 | 睡眠障碍 | 呼吸感应体积描记术 | 深度学习 | 呼吸信号 | 1299名成年患者 | NA | NA | 灵敏度, 特异性, Bland-Altman分析, 组内相关系数 | NA |
| 250 | 2025-10-07 |
Pleural invasion of peripheral cT1 lung cancer by deep learning analysis of thoracoscopic images: a retrospective pilot study
2025-Apr-30, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-24-1510
PMID:40400958
|
研究论文 | 本研究开发了一种基于深度学习分析胸腔镜图像预测外周型cT1肺癌胸膜侵犯的算法 | 首次使用深度学习算法从胸腔镜图像预测肺癌胸膜侵犯，并与外科医生的术中评估进行比较 | 回顾性研究、样本量较小、单中心研究 | 开发能够术中预测肺癌胸膜侵犯的深度学习算法 | 接受根治性胸腔镜手术的cT1N0M0非小细胞肺癌患者 | 计算机视觉 | 肺癌 | 胸腔镜成像 | CNN | 图像 | 80例患者，422,873张图像，其中2,074张显示肿瘤 | NA | ResNet50 | 准确率,F1分数 | NA |
| 251 | 2025-10-07 |
Multimodal radiopathological integration for prognosis and prediction of adjuvant chemotherapy benefit in resectable lung adenocarcinoma: A multicentre study
2025-Apr-28, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2025.217557
PMID:39954935
|
研究论文 | 开发并验证了一种整合CT图像和H&E染色全切片图像的多模态分析框架，用于肺腺癌患者的风险分层和辅助化疗获益预测 | 首次将放射组学特征与病理组学特征通过生存支持向量机进行融合，创建了放射病理组学特征，在预后预测和化疗获益评估方面优于单一模态方法和现有深度学习方法 | 回顾性研究设计，需要前瞻性验证；样本量相对有限；仅针对肺腺癌患者 | 提高肺腺癌患者风险分层准确性并预测辅助化疗获益 | 1039例可切除肺腺癌患者（I-III期） | 数字病理 | 肺癌 | CT成像，H&E染色全切片成像 | SVM | 图像 | 1039例患者（训练集303例，测试集197例和228例，特征测试集311例） | NA | 生存支持向量机 | C-index，风险比，置信区间，p值 | NA |
| 252 | 2025-10-07 |
CPDMS: a database system for crop physiological disorder management
2025-Apr-22, Database : the journal of biological databases and curation
DOI:10.1093/database/baaf031
PMID:40402767
|
研究论文 | 开发了一个用于番茄生理障碍管理的实时作物图像采集与分析数据库系统 | 构建了包含多种胁迫条件下番茄图像的大规模数据库系统，支持多角度图像采集 | 模型性能有待提升(mAP 0.46)，系统在其他农业环境中的泛化能力需要进一步验证 | 开发用于精准农业的作物生理障碍管理数据库系统 | 番茄作物及其生理障碍 | 计算机视觉 | 作物生理障碍 | 实时图像采集, 深度学习 | 深度学习模型 | 图像 | 58,479张图像(43,894张可标注)，其中24,000张用于训练，13,037张用于测试 | NA | NA | 平均精度(mAP), 召回率 | NA |
| 253 | 2025-10-07 |
Autonomous object tracking with vision based control using a 2DOF robotic arm
2025-Apr-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-97930-3
PMID:40251241
|
研究论文 | 本文提出了一种基于视觉控制的2自由度机械臂自主目标跟踪系统 | 结合深度学习目标检测框架与基于图像的视觉伺服控制，解决了传统系统复杂机械结构、刚性要求和多传感器需求等问题 | 仅针对2自由度机械臂进行验证，系统在更复杂场景下的鲁棒性需要进一步测试 | 设计精确响应的目标跟踪系统，消除传统系统的复杂性 | 移动目标跟踪的2自由度机械臂系统 | 计算机视觉 | NA | 基于图像的视觉伺服(IBVS)，深度学习目标检测 | 深度学习 | 图像 | NA | NA | NA | 准确度，响应时间 | CoppeliaSim机器人模拟器，2-DOF机械臂实验平台 |
| 254 | 2025-10-07 |
Large language models deconstruct the clinical intuition behind diagnosing autism
2025-Apr-17, Cell
IF:45.5Q1
DOI:10.1016/j.cell.2025.02.025
PMID:40147442
|
研究论文 | 利用大型语言模型解构临床诊断自闭症的直觉逻辑 | 首次将大型语言模型与可解释性策略结合，从临床报告中识别驱动自闭症诊断的关键句子和诊断标准 | 仅基于4000多份健康记录，样本规模有限 | 解构医疗专家诊断自闭症的临床直觉逻辑 | 自闭症确诊与疑似病例的临床报告 | 自然语言处理 | 自闭症 | 深度学习 | LLM | 文本 | 4000多份自由格式健康记录 | NA | 大型语言模型 | NA | NA |
| 255 | 2025-10-07 |
Artificial intelligence to predict treatment response in rheumatoid arthritis and spondyloarthritis: a scoping review
2025-04-07, Rheumatology international
IF:3.2Q2
DOI:10.1007/s00296-025-05825-3
PMID:40192881
|
综述 | 分析人工智能技术在预测类风湿关节炎和脊柱关节炎治疗反应中的应用类型与方法 | 首次系统综述AI在风湿病领域预测治疗反应的应用现状与潜力 | 研究方法异质性限制了结果的普适性，缺乏外部验证 | 评估AI技术在预测风湿性疾病治疗反应中的应用效果 | 类风湿关节炎和脊柱关节炎患者 | 机器学习 | 风湿性疾病 | 多组学分析、医学影像分析 | 监督机器学习、无监督聚类、深度学习 | 电子病历、临床生物标志物、遗传数据、蛋白质组数据、影像数据 | 89项符合条件的研究（74项RA研究，7项SpA研究，4项银屑病关节炎研究，4项混合研究） | NA | 随机森林, 支持向量机 | 准确率, AUC | NA |
| 256 | 2025-10-07 |
Difficulty aware programming knowledge tracing via large language models
2025-Apr-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96540-3
PMID:40181055
|
研究论文 | 提出了一种基于大语言模型的难度感知编程知识追踪方法，通过分析编程问题的文本理解难度和知识点难度来提升学生知识状态预测精度 | 首次将文本理解难度和知识点难度同时引入知识追踪，结合注意力机制和大语言模型动态更新学生知识状态 | NA | 提高编程知识追踪的准确性和时空反映能力 | 编程教育中的学生知识状态 | 自然语言处理 | NA | 大语言模型 | 图注意力网络 | 文本 | NA | NA | 注意力机制,图注意力网络 | 评估精度,时空反映能力 | NA |
| 257 | 2025-10-07 |
Leveraging Natural Language Processing and Machine Learning Methods for Adverse Drug Event Detection in Electronic Health/Medical Records: A Scoping Review
2025-Apr, Drug safety
IF:4.0Q1
DOI:10.1007/s40264-024-01505-6
PMID:39786481
|
综述 | 本文通过范围综述评估自然语言处理和机器学习方法在电子健康记录中检测药物不良事件的有效性 | 系统性地总结了NLP/ML技术在利用非结构化EHR数据进行药物警戒的最新应用进展 | 研究方法存在显著异质性，缺乏标准化方法和验证标准，限制了实践应用 | 评估NLP/ML技术从非结构化EHR数据中检测药物不良事件的有效性以改善药物警戒 | 电子健康记录中的非结构化文本数据 | 自然语言处理, 机器学习 | 药物不良事件 | 自然语言处理, 机器学习 | 基于规则的NLP, 统计模型, 深度学习 | 非结构化文本 | 7项符合纳入标准的研究 | NA | NA | 模型性能评估指标 | NA |
| 258 | 2025-10-07 |
Brain-wide 3D neuron detection and mapping with deep learning
2025-Apr, Neurophotonics
IF:4.8Q1
DOI:10.1117/1.NPh.12.2.025012
PMID:40401216
|
研究论文 | 提出了一种基于深度学习的全脑3D神经元检测与映射方法NeuronMapper | 首次将Video Swin Transformer应用于全脑3D神经元检测，实现了百万级别神经元定位 | 方法主要针对小鼠脑数据，尚未在其他物种上验证 | 开发自动可靠的神经元检测与映射技术以理解神经回路 | 小鼠全脑神经元胞体 | 计算机视觉 | NA | 3D成像 | Transformer, CNN | 3D图像 | 百万级别神经元 | PyTorch | Video Swin Transformer | 检测准确率, 定位精度 | GPU |
| 259 | 2025-05-23 |
Estimating hair density with XGBoost
2025-Apr, International journal of cosmetic science
IF:2.7Q2
DOI:10.1111/ics.13030
PMID:39551627
|
研究论文 | 本研究探索使用XGBoost算法进行头发密度估计，旨在开发一种更准确和通用的方法 | 采用XGBoost算法进行头发密度估计，相比之前的方法在测试集上达到了95.3%的准确率，显著优于其他研究 | 研究仅使用了895张头皮图像，样本量可能不足以覆盖所有临床情况 | 开发一种更准确和通用的头发密度估计方法 | 头皮图像 | 计算机视觉 | NA | 图像处理 | XGBoost | 图像 | 895张头皮图像（745张用于训练，150张用于测试） | NA | NA | NA | NA |
| 260 | 2025-05-23 |
Optimizing visible retinal area in pediatric ultra-widefield fundus imaging: The effectiveness of mydriasis and eyelid lifting
2025-Apr, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2025.104532
PMID:40015615
|
研究论文 | 本研究探讨了在儿童超广角眼底成像中，通过瞳孔扩大和眼睑提升来最大化可见视网膜区域（VRA）的效果 | 首次在儿童群体中量化评估了瞳孔扩大和眼睑提升对超广角眼底成像可见视网膜区域的协同增效作用 | 样本量较小（53名儿童），且为单中心研究 | 优化儿童超广角眼底成像技术以提高周边视网膜病变检出率 | 53名儿童（106只眼）的超广角眼底图像 | 数字病理 | 视网膜病变 | 超广角Optos成像系统（Daytona P200T） | 基于深度学习的图像分割工具 | 图像 | 53名儿童（106只眼） | NA | NA | NA | NA |