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 1430 篇文献，本页显示第 301 - 320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2025-06-09 |
RETINA: Reconstruction-based pre-trained enhanced TransUNet for electron microscopy segmentation on the CEM500K dataset
2025-May, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013115
PMID:40435368
|
research paper | 本文提出了一种名为RETINA的预训练增强型TransUNet方法，用于在CEM500K数据集上进行电子显微镜图像分割 | 结合了大规模无标签CEM500K EM图像数据集的预训练与混合神经网络模型架构，整合了局部（卷积层）和全局（transformer层）图像处理 | 未提及具体局限性 | 开发自动化细胞结构分割方法以提高电子显微镜图像分析的效率 | 电子显微镜图像中的细胞结构 | digital pathology | NA | electron microscopy | TransUNet | image | CEM500K数据集 | NA | NA | NA | NA |
| 302 | 2025-06-08 |
Application of the Bidirectional Encoder Representations from Transformers Model for Predicting the Abbreviated Injury Scale in Patients with Trauma: Algorithm Development and Validation Study
2025-May-29, JMIR formative research
IF:2.0Q4
DOI:10.2196/67311
PMID:40440586
|
研究论文 | 本研究应用BERT模型预测创伤患者的AIS评分，以提高创伤评估的准确性 | 采用BERT预训练方法嵌入患者诊断信息等关键特征，构建预测模型，其准确率比先前研究提高了10个百分点 | 外部验证数据集样本量较小（n=244），可能影响模型泛化能力的全面评估 | 利用深度学习技术基于易获取的诊断信息预测AIS编码，改进创伤评估 | 创伤患者 | 自然语言处理 | 创伤 | BERT预训练方法 | BERT | 文本（诊断信息、损伤描述等） | 26,810例创伤患者（主要数据集）+244例外部验证数据 | NA | NA | NA | NA |
| 303 | 2025-06-08 |
Deep learning-based temporal MR image reconstruction for accelerated interventional imaging during in-bore biopsies
2025-May, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.3.035001
PMID:40469203
|
研究论文 | 本研究旨在通过深度学习加速前列腺癌的经直肠MR引导活检，利用欠采样图像重建和图像分割进行器械定位 | 提出了一种基于深度学习的时空MR图像重建模型，能够在16倍欠采样率下保持图像质量，并显著提高器械预测成功率 | 研究为单中心回顾性研究，可能受到数据来源单一的限制 | 加速前列腺癌的经直肠MR引导活检过程 | 前列腺癌患者 | 数字病理 | 前列腺癌 | MR成像 | nnU-Net | MR图像 | 1289名患者的8464次MR 2D多层扫描 | NA | NA | NA | NA |
| 304 | 2025-06-08 |
Performance of ChatGPT-3.5 and ChatGPT-4 in Solving Questions Based on Core Concepts in Cardiovascular Physiology
2025-May, Cureus
DOI:10.7759/cureus.83552
PMID:40476113
|
研究论文 | 本研究评估了ChatGPT-3.5和ChatGPT-4在解决心血管生理学核心概念问题上的表现 | 比较了不同版本的ChatGPT在医学教育中的应用效果，特别是在心血管生理学领域的表现 | 需要教师审查生成的解释以确保准确性，生成式AI在医学教育中的应用需要谨慎考虑 | 评估ChatGPT在解决心血管生理学核心概念问题上的能力 | ChatGPT-3.5和ChatGPT-4 | 自然语言处理 | 心血管疾病 | 深度学习 | ChatGPT | 文本 | 多项选择题（具体数量未提及） | NA | NA | NA | NA |
| 305 | 2025-06-07 |
Beyond episodic early warning systems: a continuous clinical alert system for early detection of in-hospital deterioration
2025-May-21, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.20.25327940
PMID:40475141
|
research paper | 开发了一种基于可穿戴设备的深度学习模型，用于早期检测住院患者的病情恶化 | 使用仅9个输入的可穿戴设备数据，开发了一种RNN模型，能够比传统早期预警系统更早识别病情恶化 | 数据缺失率为4-8%，且排除了SpO2数据 | 减少住院患者病情恶化的延迟识别，提高临床警报系统的效率 | 888名成人非ICU住院患者 | machine learning | geriatric disease | wearable biosensors | RNN | biosensor data | 888 adult non-ICU inpatient visits in four hospitals | NA | NA | NA | NA |
| 306 | 2025-06-07 |
Improved Breast Cancer Detection with Artificial Intelligence in a Real-World Digital Breast Tomosynthesis Screening Program
2025-May-09, Clinical breast cancer
IF:2.9Q2
DOI:10.1016/j.clbc.2025.05.007
PMID:40473527
|
研究论文 | 本研究比较了在数字乳腺断层合成（DBT）筛查项目中实施人工智能（AI）检测系统前后放射科医生的乳腺癌筛查性能 | 在真实世界的DBT筛查项目中实施AI检测系统，显著提高了癌症检测率（CDR），降低了异常解释率（AIR），并显著提高了阳性预测值（PPV1和PPV3） | 研究为回顾性设计，且仅涉及4名放射科医生和有限的临床站点 | 评估AI检测系统在DBT筛查中对放射科医生性能的影响 | 数字乳腺断层合成（DBT）筛查中的乳腺癌检测 | 数字病理 | 乳腺癌 | 深度学习AI支持系统 | 深度学习 | 图像 | 前AI时期10,322例标准DBT解释，后AI时期6,407例DBT解释 | NA | NA | NA | NA |
| 307 | 2025-06-07 |
Detecting Arrhythmogenic Right Ventricular Cardiomyopathy From the Electrocardiogram Using Deep Learning
2025-May-06, JACC. Clinical electrophysiology
DOI:10.1016/j.jacep.2025.04.003
PMID:40471767
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 308 | 2025-06-07 |
Deep Learning-based Anatomy-Aware Morph Model for Registration of Prostate Whole-Mount Histopathology to MRI
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240336
PMID:40445100
|
研究论文 | 开发并评估了一种基于深度学习的创新方法，用于配准前列腺术前MRI和全切片组织病理学（WMHP）图像 | 提出了一种结合注意力机制和卷积神经网络的混合模型（Anatomy-Aware Morph模型），用于多模态前列腺图像配准，显著优于现有VoxelMorph方法 | 研究为回顾性设计，样本量相对有限（315例患者） | 实现前列腺术前MRI与术后病理图像的精准配准，辅助前列腺癌病灶映射 | 前列腺MRI和全切片组织病理学图像 | 数字病理 | 前列腺癌 | 深度学习图像配准 | 混合注意力机制与CNN（Anatomy-Aware Morph模型） | 医学影像（MRI与病理切片图像） | 315例患者（270训练集/45测试集），含160张测试图像 | NA | NA | NA | NA |
| 309 | 2025-06-07 |
Deep Learning-Based Automated Detection of Oral Leukoplakia in Clinical Imaging
2025-May, Cureus
DOI:10.7759/cureus.83368
PMID:40462818
|
研究论文 | 本研究开发并验证了一种基于深度学习的系统，用于自动识别口腔白斑（OLK），以解决临床实践中的诊断挑战 | 使用19种CNN架构进行比较分析，并选择经过微调的EfficientNetB0作为最优模型，通过CAM可视化决策区域，实现了高精度和可解释性 | 数据集仅包含446张经组织病理学确认的口腔白斑病例图像和1,041张正常口腔黏膜图像，样本量相对有限 | 开发并验证一种基于深度学习的系统，用于自动识别口腔白斑，以解决临床实践中的诊断挑战 | 口腔白斑（OLK）的临床图像 | 计算机视觉 | 口腔癌 | 深度学习 | CNN, EfficientNetB0 | 图像 | 446张口腔白斑病例图像和1,041张正常口腔黏膜图像 | NA | NA | NA | NA |
| 310 | 2025-06-07 |
Trials and tribulations: Developing an artificial intelligence for screening malaria parasite from peripheral blood smears
2025 May-Jun, Medical journal, Armed Forces India
DOI:10.1016/j.mjafi.2023.10.007
PMID:40463611
|
研究论文 | 本研究旨在开发一种人工智能技术，用于自动化检测外周血涂片中的疟原虫 | 首次尝试开发一个完整模块，用于从自动化显微摄影/全切片图像中筛查疟原虫 | 模型A、B和C的性能在敏感性或特异性方面存在不足 | 开发人工智能技术以自动化疟原虫检测过程 | 外周血涂片中的疟原虫 | 数字病理学 | 疟疾 | 深度学习方法 | DCNN, Inception V3, Watershed Transform | 图像 | 352张Leishman-Giemsa染色的外周血涂片图像 | NA | NA | NA | NA |
| 311 | 2025-06-07 |
Revolutionizing the diagnosis of dental caries using artificial intelligence-based methods
2025-May, Journal of conservative dentistry and endodontics
DOI:10.4103/JCDE.JCDE_172_25
PMID:40463673
|
review | 本文综述了人工智能在龋齿诊断中的应用及其潜力 | 探讨了AI如何通过机器学习和深度学习技术改进龋齿诊断的精确性和效率 | 讨论了当前AI在牙科诊断中面临的挑战和限制 | 探索人工智能在龋齿早期诊断和病变检测中的应用 | 龋齿诊断的影像数据和临床记录 | digital pathology | dental caries | machine learning, deep learning | NA | image, clinical records | NA | NA | NA | NA | NA |
| 312 | 2025-06-06 |
Automatic Segmentation and Molecular Subtype Classification of Breast Cancer Using an MRI-based Deep Learning Framework
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240184
PMID:40249269
|
research paper | 开发了一个基于MRI的深度学习框架，用于乳腺癌病灶分割和分子亚型自动分类 | 提出了一个结合3D ResU-Net和Ensemble ResNet的深度学习框架，实现了乳腺癌病灶的高精度分割和分子亚型的自动分类 | 研究为回顾性多中心研究，可能存在选择偏倚 | 开发一个基于MRI的深度学习框架，用于乳腺癌病灶分割和分子亚型分类 | 乳腺癌患者 | digital pathology | breast cancer | contrast-enhanced MRI | 3D ResU-Net, Ensemble ResNet | MRI图像 | 687名女性患者（平均年龄48.70岁±8.97） | NA | NA | NA | NA |
| 313 | 2025-06-06 |
Development and validation of a novel chronic pancreatitis pathological grade based on artificial intelligence
2025-May, Pancreatology : official journal of the International Association of Pancreatology (IAP) ... [et al.]
IF:2.8Q2
DOI:10.1016/j.pan.2025.04.011
PMID:40335378
|
研究论文 | 本研究开发并验证了一种基于深度学习的慢性胰腺炎病理分级系统（Histopathology-derived CPpG），并通过放射组学评分（DLRS）预测疾病严重程度 | 首次提出基于人工智能的慢性胰腺炎病理分级系统，并开发了非侵入性的DLRS用于动态监测疾病严重程度 | 研究为回顾性设计，且病理确认的CP样本量相对较小（181例） | 开发慢性胰腺炎的客观病理分级系统并验证其临床价值 | 慢性胰腺炎和复发性急性胰腺炎患者 | 数字病理 | 慢性胰腺炎 | 深度学习，放射组学 | DeeplabV3+ | 全切片图像，CT扫描 | 2054例患者（含181例病理确诊CP） | NA | NA | NA | NA |
| 314 | 2025-06-06 |
Interactive Explainable Deep Learning Model for Hepatocellular Carcinoma Diagnosis at Gadoxetic Acid-enhanced MRI: A Retrospective, Multicenter, Diagnostic Study
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240332
PMID:40445095
|
研究论文 | 开发基于钆塞酸增强MRI的人工智能模型，辅助放射科医生诊断肝细胞癌 | 提出了一种交互式可解释的深度学习模型，能够通过分析预训练病变分类器的激活模式推断LI-RADS特征的存在 | 研究为回顾性设计，可能受到选择偏差的影响 | 开发AI模型辅助肝细胞癌诊断 | 肝局灶性病变患者 | 数字病理 | 肝细胞癌 | 钆塞酸增强MRI | 深度学习 | MRI图像 | 839名患者（1023个肝局灶性病变） | NA | NA | NA | NA |
| 315 | 2025-06-06 |
Predicting Recurrence in Locally Advanced Rectal Cancer Using Multitask Deep Learning and Multimodal MRI
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240359
PMID:40445102
|
research paper | 开发并验证了一种名为MultiRecNet的多任务深度网络，用于全自动预测接受新辅助放化疗（nCRT）治疗的局部晚期直肠癌（LARC）患者的无病生存期（DFS） | MultiRecNet能够在单一框架内同时执行分割、分类和生存预测任务，实现了全自动端到端的预后预测 | 研究为回顾性设计，可能存在选择偏差 | 预测局部晚期直肠癌患者的无病生存期 | 接受nCRT治疗的局部晚期直肠癌患者 | digital pathology | rectal cancer | multimodal MRI | MultiRecNet (multitask deep learning) | MRI图像（T2、ADC等）及临床指标 | 445名患者（训练集261名，验证集37名，内部测试集75名，外部测试集72名） | NA | NA | NA | NA |
| 316 | 2025-06-05 |
iPSC-RPE patch restores photoreceptors and regenerates choriocapillaris in a pig retinal degeneration model
2025-May-22, JCI insight
IF:6.3Q1
DOI:10.1172/jci.insight.179246
PMID:40401519
|
research paper | 该研究开发了一种基于诱导多能干细胞衍生的视网膜色素上皮（iRPE）贴片，用于治疗干性年龄相关性黄斑变性（AMD），并在猪视网膜退化模型中验证了其恢复光感受器和再生脉络膜毛细血管的能力 | 使用可生物降解的PLGA支架成熟iRPE细胞，开发了一种临床兼容的制造工艺，并通过深度学习算法和自适应光学成像验证了治疗效果 | 研究仅在猪模型中进行，尚未在人体临床试验中验证 | 开发并验证一种能够恢复光感受器和再生脉络膜毛细血管的治疗方法，以治疗干性年龄相关性黄斑变性 | 激光诱导的外视网膜退化的猪模型 | digital pathology | age-related macular degeneration | optical coherence tomography (OCT), OCT-angiography, adaptive optics imaging | deep learning algorithm | image | 猪模型中的视网膜区域 | NA | NA | NA | NA |
| 317 | 2025-06-05 |
Evaluation of data collection and annotation approaches of driver gaze dataset
2025-May-14, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-025-02679-2
PMID:40369353
|
research paper | 本研究评估了驾驶员视线数据集的三种标注方法，并提出了一种新的基于移动指针的标注方法 | 引入了一种新的基于移动指针的标注方法，该方法受到基于屏幕的视线数据收集的启发 | 手动标注和Speak2Label方法的准确性较低，需要进一步分析误分类原因 | 评估不同数据收集和标注方法在驾驶员视线估计中的效果 | 驾驶员视线数据集 | computer vision | NA | eye tracker | supervised machine learning, deep learning | image | NA | NA | NA | NA | NA |
| 318 | 2025-06-05 |
Combining structural modeling and deep learning to calculate the E. coli protein interactome and functional networks
2025-May-12, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.07.652715
PMID:40463260
|
研究论文 | 本文报告了三种计算方法的整合，用于在全蛋白质组范围内预测两个蛋白质是否可能形成二元复合物 | 整合了PrePPI、Topsy-Turvy和ZEPPI三种方法，显著提高了高置信度蛋白质相互作用的预测数量 | 方法依赖于计算预测，需要进一步的实验验证 | 预测大肠杆菌蛋白质相互作用组和功能网络 | 大肠杆菌蛋白质 | 计算生物学 | NA | PrePPI、Topsy-Turvy、ZEPPI、AF3Complex | 蛋白质语言模型 | 蛋白质序列和结构数据 | 400个蛋白质-蛋白质相互作用 | NA | NA | NA | NA |
| 319 | 2025-06-05 |
Evaluating Vision and Pathology Foundation Models for Computational Pathology: A Comprehensive Benchmark Study
2025-May-12, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.08.25327250
PMID:40463538
|
research paper | 该研究对31种计算病理学AI基础模型进行了全面基准测试，评估它们在多样组织病理学数据集和任务中的表现 | 首次系统比较了不同类型病理学基础模型的性能，并发现模型大小与数据规模并不总是与性能提升相关 | 未深入探讨影响模型性能的潜在因素，且测试数据集可能仍有限 | 评估和比较不同病理学基础模型在计算病理学中的表现 | 31种AI基础模型（包括通用视觉模型、病理专用视觉模型等） | digital pathology | NA | deep learning | foundation models (VM, VLM, Path-VM, Path-VLM) | histopathological images | 41个任务的数据集（来自TCGA、CPTAC等） | NA | NA | NA | NA |
| 320 | 2025-06-05 |
Evolution-guided protein design of IscB for persistent epigenome editing in vivo
2025-May-07, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-025-02655-3
PMID:40335752
|
研究论文 | 通过结合进化指导和深度学习，设计了一种改进的RNA引导内切酶IscB及其引导RNA，用于体内持久性表观基因组编辑 | 结合直系同源筛选、结构引导的蛋白质域设计、RNA工程和深度学习结构预测，开发了改进的NovaIscB变体，其活性比野生型提高了约100倍，并提高了特异性 | NA | 设计具有增强活性和特异性的RNA引导内切酶，用于分子生物学应用 | IscB RNA引导内切酶及其引导RNA | 分子生物学 | NA | 直系同源筛选、结构引导的蛋白质域设计、RNA工程、深度学习结构预测 | NA | 蛋白质序列和结构数据 | NA | NA | NA | NA | NA |