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 1387 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2025-10-06 |
Medication versus globus pallidus internus deep brain stimulation in Parkinson's disease with deep learning video analysis of finger tapping
2025-May-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02098-5
PMID:40394036
|
研究论文 | 通过深度学习视频分析比较药物与GPi脑深部电刺激对帕金森病患者手指敲击运动的影响 | 首次使用深度学习模型从2D手部运动视频重建3D网格并提取21个运动参数来量化评估GPi DBS与药物治疗的差异效果 | 观察性研究设计，样本量相对有限（87名患者），仅针对手指敲击单一运动任务 | 比较帕金森病中药物治疗与GPi靶向脑深部电刺激对运动症状改善的差异机制 | 87名接受GPi DBS手术的晚期帕金森病患者 | 计算机视觉 | 帕金森病 | 视频分析，深度学习运动重建 | 深度学习，机器学习 | 视频 | 87名患者，556个视频 | NA | NA | 准确率 | NA |
| 202 | 2025-10-06 |
Deep learning classification integrating embryo images with associated clinical information from ART cycles
2025-May-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02076-x
PMID:40399312
|
研究论文 | 开发了一种融合胚胎图像和临床数据的人工智能模型，用于预测单胚胎移植的临床妊娠结局 | 首次将胚胎图像与临床信息融合的AI模型，通过可视化分析明确了影响预测的关键临床和胚胎特征 | 仅使用三个国家的1503个治疗周期数据，样本来源相对有限 | 提高辅助生殖技术中单胚胎移植临床妊娠结局的预测准确性 | 辅助生殖技术治疗周期中的胚胎图像和患者临床数据 | 计算机视觉 | 生殖医学 | 胚胎图像分析 | MLP, CNN | 图像, 临床数据 | 1503个国际治疗周期（来自泰国、马来西亚和印度） | NA | 多层感知器, 卷积神经网络 | 准确率, 平均精确率, AUC | NA |
| 203 | 2025-10-06 |
Predicting cognitive decline: Deep-learning reveals subtle brain changes in pre-MCI stage
2025-May, The journal of prevention of Alzheimer's disease
DOI:10.1016/j.tjpad.2025.100079
PMID:39920001
|
研究论文 | 本研究利用深度学习分析结构MRI图像，预测正常认知向轻度认知障碍转化的风险 | 开发了基于感兴趣区域的深度学习框架（SRNet和MRNet），创建了渐进指数（PI）作为阿尔茨海默病转化的评估指标 | 研究样本主要来自特定数据库（ADNI）和中国纵向老龄化研究，需要更多样化的群体验证 | 发现早期结构性神经影像变化，建立MCI转化的预测模型 | 正常认知个体和主观认知下降患者 | 医学影像分析 | 阿尔茨海默病 | 结构磁共振成像 | CNN | MRI图像 | 训练集ADNI-1 845例，验证集ADNI-2 321例，CLAS 109例 | NA | SRNet, MRNet | AUC | NA |
| 204 | 2025-10-06 |
Comparison of Manual Versus QuPath Software-based Immunohistochemical Scoring Using Oral Squamous Cell Carcinoma as a Model
2025 May-Jun, The journal of histochemistry and cytochemistry : official journal of the Histochemistry Society
DOI:10.1369/00221554251335698
PMID:40371713
|
研究论文 | 比较手动评估与QuPath软件在口腔鳞状细胞癌免疫组化评分中的表现 | 首次系统比较手动病理评估与开源软件QuPath在口腔鳞癌免疫组化分析中的相关性，并评估评估者间变异性 | 软件分析需要准确且耗时的样本标注，要求使用者具备组织学知识和QuPath专业培训 | 评估数字评估与手动评估的可比性，并检查评估者间变异性 | 口腔鳞状细胞癌患者的肿瘤组织和正常鳞状上皮黏膜标本 | 数字病理学 | 口腔鳞状细胞癌 | 免疫组织化学染色，组织微阵列 | NA | 病理图像 | 309名原发性口腔鳞状细胞癌患者的6个组织微阵列 | QuPath | NA | Spearman相关系数，Bland-Altman图 | NA |
| 205 | 2025-10-06 |
Can Deep Learning-Based Auto-Contouring Software Achieve Accurate Pelvic Volume Delineation in Volumetric Image-Guided Radiotherapy for Prostate Cancer? A Preliminary Multicentric Analysis
2025-May-30, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol32060321
PMID:40558264
|
研究论文 | 评估基于深度学习的自动轮廓勾画软件Limbus® Contour®在前列腺癌放疗中盆腔结构勾画的准确性 | 首次在多中心研究中评估商业深度学习自动轮廓软件在前列腺癌盆腔结构勾画中的性能 | 样本量有限(52例患者)，对肠袋和乙状结肠勾画准确性较低，缺乏淋巴结亚区分化功能 | 评估深度学习自动轮廓软件在前列腺癌放疗中危险器官勾画的准确性和临床应用价值 | 前列腺癌患者的盆腔结构(膀胱、直肠、肠袋、乙状结肠和盆腔淋巴结) | 数字病理 | 前列腺癌 | 深度学习自动轮廓勾画 | 深度学习 | 医学影像 | 52例前列腺癌患者 | NA | NA | Dice系数 | NA |
| 206 | 2025-10-06 |
Deep Learning-Based Detection of Honey Storage Areas in Apis mellifera Colonies for Predicting Physical Parameters of Honey via Linear Regression
2025-May-29, Insects
IF:2.7Q1
DOI:10.3390/insects16060575
PMID:40559006
|
研究论文 | 本研究开发了一种基于YOLOv11深度学习模型的自动化方法，用于检测和分类蜂巢中的储蜜区域，并通过线性回归预测蜂蜜物理参数 | 首次将YOLOv11模型应用于蜂巢储蜜区域的自动检测和分类，并探索了图像检测结果与蜂蜜物理特性之间的关联 | 蜂蜜物理特性（电导率和颜色）对储蜜区域估计的预测能力较弱，样本量和数据集划分可能影响模型性能 | 开发自动化的蜂巢储蜜监测技术，提高养蜂生产效率 | 意大利蜜蜂（Apis mellifera）蜂巢中的储蜜区域 | 计算机视觉 | NA | 深度学习图像分析 | YOLO | 图像 | 月度采样期间的蜂巢框架图像 | YOLOv11 | YOLOv11 | mAP@0.5, 相关系数(r) | NA |
| 207 | 2025-10-06 |
Deep learning radiomics of left atrial appendage features for predicting atrial fibrillation recurrence
2025-May-26, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01740-y
PMID:40419973
|
研究论文 | 本研究开发并验证了一种结合左心耳深度学习影像组学和临床变量的房颤消融术后复发预测模型 | 首次将nnUNet分割模型应用于左心耳形态分析，并整合深度学习影像组学特征与临床变量预测房颤复发 | 回顾性多中心研究，样本量相对有限（480例患者） | 预测房颤射频导管消融术后的复发风险 | 接受射频导管消融治疗的房颤患者 | 医学影像分析 | 心血管疾病 | CT血管造影 | 深度学习 | 医学影像 | 480例房颤患者，来自三家三级医院（2016-2022年） | nnUNet | nnUNet | Dice系数, AUC | NA |
| 208 | 2025-10-06 |
A Tutorial on the Use of Artificial Intelligence Tools for Facial Emotion Recognition in R
2025 May-Jun, Multivariate behavioral research
IF:5.3Q1
DOI:10.1080/00273171.2025.2455497
PMID:39949325
|
教程 | 介绍如何使用R语言中三种人工智能工具进行面部情绪识别的教程 | 首次系统比较R语言中三种主流AI情绪识别工具并提供实用代码示例 | 仅介绍三种工具，未涉及其他可能的面部情绪识别方法 | 为研究人员提供面部情绪识别AI工具的实用指南 | 面部情绪识别工具 | 计算机视觉 | NA | 面部情绪识别 | 深度学习,机器学习 | 图像 | NA | Google Cloud Vision, Amazon Rekognition, Py-Feat | NA | NA | 云平台(Google Cloud, AWS) |
| 209 | 2025-10-06 |
Surface-Enhanced Raman Scattering Nanotags: Design Strategies, Biomedical Applications, and Integration of Machine Learning
2025 May-Jun, Wiley interdisciplinary reviews. Nanomedicine and nanobiotechnology
DOI:10.1002/wnan.70015
PMID:40391396
|
综述 | 本文系统综述了表面增强拉曼散射纳米标签的设计策略、生物医学应用及与机器学习的融合 | 重点探讨了机器学习与深度学习算法在提升SERS纳米标签液体活检效能方面的创新应用 | 面临临床转化挑战，需克服相关技术障碍 | 推动SERS纳米标签在生物医学领域的应用发展 | SERS纳米标签及其在疾病诊断、生物成像和液体活检中的应用 | 生物医学工程 | 癌症、SARS-CoV-2感染 | 表面增强拉曼散射、液体活检 | 机器学习、深度学习 | 光谱数据、生物医学图像 | NA | NA | NA | NA | NA |
| 210 | 2025-10-06 |
Evaporative cooling signals for wound healing in plants
2025-May-28, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.23.655667
PMID:40502075
|
研究论文 | 本研究揭示了植物叶片损伤后通过蒸发冷却激活冷响应基因的伤口愈合机制 | 首次发现植物伤口愈合过程中局部冷却现象及其作为愈合定量标志的功能，并开发了基于计算机视觉的监测方法 | 研究主要基于拟南芥模型，在其他植物中的普适性有待验证 | 探究植物伤口愈合的最终阶段调控机制 | 拟南芥叶片伤口愈合过程 | 计算机视觉, 植物生理学 | 植物组织损伤 | 计算机视觉, 深度学习 | 深度学习模型 | 图像数据 | NA | NA | NA | NA | NA |
| 211 | 2025-10-06 |
A pediatric ECG database with disease diagnosis covering 11643 children
2025-May-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05225-z
PMID:40419508
|
研究论文 | 构建了一个包含11643名儿童的心电图数据库，并提供心血管疾病诊断标签 | 首个专门针对0-14岁儿童的心电图数据库，提供心血管疾病诊断标签，填补了现有数据集主要关注成人的空白 | 数据仅来自单一医院，可能限制模型的泛化能力 | 为儿科心血管疾病的智能诊断提供数据支持 | 0-14岁住院儿童的心电图数据 | 数字病理 | 心血管疾病 | 心电图检查 | NA | 心电图信号 | 11643名儿童，14190条心电图记录（12334条12导联，1856条9导联） | NA | NA | NA | NA |
| 212 | 2025-10-06 |
Artificial Intelligence Applied to Ultrasound Diagnosis of Pelvic Gynecological Tumors: A Systematic Review and Meta-Analysis
2025-May-08, Gynecologic and obstetric investigation
IF:2.0Q2
DOI:10.1159/000545850
PMID:40340944
|
系统评价与Meta分析 | 本文系统评价了人工智能在盆腔妇科肿瘤超声诊断中的应用，并通过Meta分析评估其诊断性能 | 首次对AI在妇科盆腔肿瘤超声诊断中的研究进行系统评价和Meta分析，并与ADNEX模型的性能进行对比 | 95%的研究存在高偏倚风险，主要由于研究纳入标准不当、缺乏患者级别的训练测试集分割和校准评估不足 | 评估人工智能在盆腔妇科肿瘤超声诊断中的识别和鉴别能力 | 盆腔妇科肿瘤（卵巢肿瘤、子宫内膜肿瘤、子宫肌层肿瘤） | 医学影像分析 | 妇科肿瘤 | 超声成像 | 深度学习, 基于放射组学的机器学习 | 超声图像 | 44项研究（40项卵巢肿瘤、3项子宫内膜肿瘤、1项子宫肌层肿瘤） | NA | NA | AUC, 敏感性, 特异性 | NA |
| 213 | 2025-10-06 |
U-Net-Based Prediction of Cerebrospinal Fluid Distribution and Ventricular Reflux Grading
2025-May, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70029
PMID:40229147
|
研究论文 | 本研究开发基于U-Net的深度学习模型，用于预测人类脑脊液中造影剂的分布和脑室反流分级 | 首次使用U-Net模型仅基于注射后2小时的早期MRI数据即可准确预测24小时后的造影剂峰值分布，与使用更多时间点数据的模型性能相当 | 研究依赖于特定造影剂和MRI扫描协议，模型泛化能力需进一步验证 | 开发能够预测脑脊液造影剂分布的深度学习模型，减少MRI扫描次数而不影响临床分析 | 人类脑脊液和脑室系统 | 医学影像分析 | 中枢神经系统疾病 | T1加权磁共振成像 | CNN | 医学影像 | NA | NA | U-Net | 与神经放射科医师的脑室反流分级一致性 | NA |
| 214 | 2025-10-06 |
Longitudinal Risk Prediction for Pediatric Glioma with Temporal Deep Learning
2025-May, NEJM AI
DOI:10.1056/aioa2400703
PMID:40535328
|
研究论文 | 开发了一种用于儿科胶质瘤复发预测的时序深度学习模型，通过分析连续MRI扫描提高复发风险预测性能 | 提出自监督时序深度学习方法，通过按时间顺序分类的预训练任务学习连续医学影像的时序特征 | 数据可用性和当前机器学习方法的限制可能影响模型性能 | 提高儿科胶质瘤复发风险的个体化预测准确性 | 儿科低级别和高级别胶质瘤患者 | 医学影像分析 | 儿科胶质瘤 | 磁共振成像 | 深度学习 | 医学影像 | 715名患者的3994次扫描，来自三个不同机构 | NA | 时序深度学习模型 | F1分数, AUC | NA |
| 215 | 2025-10-06 |
Automated landmark-based mid-sagittal plane: reliability for 3-dimensional mandibular asymmetry assessment on head CT scans
2025-May-26, Clinical oral investigations
IF:3.1Q1
DOI:10.1007/s00784-025-06397-z
PMID:40415151
|
研究论文 | 本研究评估基于自动标志点的中矢状平面在头CT扫描中量化下颌骨不对称性的可靠性 | 提出使用深度学习自动标注三维头影测量标志点来构建中矢状平面的方法，并与人工方法进行对比验证 | 仅使用368例CT扫描数据，且人工对比仅基于19例随机选择的扫描 | 评估自动标志点中矢状平面在三维下颌骨不对称评估中的可靠性 | 正颌手术患者的头CT扫描数据 | 医学影像分析 | 下颌骨不对称 | 头CT扫描，三维头影测量 | 深度学习 | 三维CT图像 | 368例头CT扫描，其中19例用于人工对比 | NA | NA | 一致性限度，置信区间 | NA |
| 216 | 2025-10-06 |
Comparative evaluation of deep learning-based and conventional reconstruction techniques for image quality enhancement in low-dose chest computed tomography
2025-May-30, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-2025-589
PMID:40529728
|
研究论文 | 比较深度学习算法与传统重建技术在低剂量胸部CT图像质量增强方面的性能 | 提出了一种新型深度学习重建算法，相比主流迭代重建技术能更有效地提升低剂量CT图像质量 | 研究样本量相对有限（90例患者），且为单中心回顾性研究 | 评估深度学习算法在低剂量胸部CT图像重建中的性能表现 | 接受胸部CT检查的90例患者，包括45例低剂量CT和45例常规剂量CT | 计算机视觉 | 肺部疾病 | 计算机断层扫描（CT） | 深度学习算法 | 医学影像 | 90例患者 | NA | NA | 信噪比（SNR）、绝对噪声、对比噪声比（CNR）、均方误差（MSE）、结构相似性（SSIM）、五点量表主观评分 | NA |
| 217 | 2025-10-06 |
A systematic review and meta-analysis of artificial intelligence software for tuberculosis diagnosis using chest X-ray imaging
2025-May-30, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-2025-604
PMID:40529749
|
系统评价与荟萃分析 | 本文通过系统评价和荟萃分析评估了五种基于人工智能的肺结核诊断软件在胸部X光影像中的诊断准确性 | 首次对五种主流AI肺结核诊断软件进行系统性比较和荟萃分析，为AI在结核病筛查中的临床应用提供循证依据 | 仅纳入21项研究，软件性能可能受研究设计和阈值设置影响，存在一定的异质性 | 评估AI软件在胸部X光影像中诊断肺结核的准确性，推动AI在结核病筛查中的应用 | 五种AI肺结核诊断软件（JF CXR-1、qXR、Lunit INSIGHT CXR、CAD4TB、InferRead DR Chest） | 计算机视觉 | 肺结核 | 胸部X光成像 | 深度学习 | 医学影像 | 从5,651篇文献中筛选21项研究纳入分析 | NA | NA | 灵敏度, 特异性 | Stata 17.0软件 |
| 218 | 2025-10-06 |
Machine learning and deep learning to improve overall survival prediction in cervical cancer patients
2025-May-30, Translational cancer research
IF:1.5Q4
DOI:10.21037/tcr-2024-2304
PMID:40530132
|
研究论文 | 本研究利用机器学习和深度学习算法构建宫颈癌患者总生存期预测模型 | 首次将DeepSurv深度学习模型应用于宫颈癌生存预测，并通过X-tile分析对患者进行分层 | 数据来源于单一数据库SEER，缺乏外部验证 | 识别关键预后因素并构建宫颈癌患者总生存期预测模型 | 宫颈癌患者 | 机器学习 | 宫颈癌 | 生存分析 | CoxBoost, RandomForest, SuperPC, XGBoost, DeepSurv | 临床数据 | 2490名患者（训练集1743名，测试集747名） | NA | DeepSurv | C-index, AUC, ROC曲线 | NA |
| 219 | 2025-10-06 |
Deep learning for fine-grained molecular-based colorectal cancer classification
2025-May-30, Translational cancer research
IF:1.5Q4
DOI:10.21037/tcr-2024-2348
PMID:40530151
|
研究论文 | 本研究提出了一种基于深度学习的结直肠癌分子亚型细粒度分类方法，使用H&E染色组织切片图像结合CNN和ViT混合模型 | 首次提出结合CNN和Vision Transformer的混合深度学习模型用于结直肠癌分子标志物的细粒度分类，并构建了LZUFH_CRC数据集 | 模型性能需要进一步提升，准确率仅为0.524 | 开发基于深度学习的结直肠癌分子诊断方法，替代传统耗时昂贵的分子检测技术 | 383例结直肠癌患者的H&E染色组织切片图像 | 数字病理 | 结直肠癌 | H&E染色组织切片成像 | CNN, Vision Transformer | 图像 | 383例结直肠癌患者 | NA | CNN, ViT混合模型（包含特征提取器、聚合器和分类头） | 准确率, AUC, F1-score | NA |
| 220 | 2025-10-06 |
Opportunities and challenges in lung cancer care in the era of large language models and vision language models
2025-May-30, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-801
PMID:40535072
|
综述 | 全面总结人工智能在肺癌诊疗中的应用现状，重点探讨大语言模型和视觉语言模型带来的机遇与挑战 | 系统梳理了大语言模型和视觉语言模型在肺癌诊疗中的最新应用前景，并深入分析了相关技术转化面临的独特挑战 | 作为综述文章，未涉及原始实验数据验证，主要基于现有文献分析 | 探讨人工智能技术在肺癌诊疗领域的发展现状与未来方向 | 肺癌诊疗相关的AI技术应用 | 自然语言处理,计算机视觉,机器学习 | 肺癌 | 机器学习,深度学习,大语言模型,视觉语言模型 | LLM,VLM | 医学图像,临床文本,多模态数据 | NA | NA | NA | 标准化评估指标缺乏 | NA |