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 1382 篇文献，本页显示第 1281 - 1300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1281 | 2025-04-25 |
Deep Learning-Based Classification of Early-Stage Mycosis Fungoides and Benign Inflammatory Dermatoses on H&E-Stained Whole-Slide Images: A Retrospective, Proof-of-Concept Study
2025-May, The Journal of investigative dermatology
IF:5.7Q1
DOI:10.1016/j.jid.2024.07.036
PMID:39306030
|
研究论文 | 本研究探讨了深度学习在区分早期蕈样肉芽肿和良性炎症性皮肤病中的应用，使用H&E染色的全切片图像数据集 | 首次将深度学习应用于皮肤淋巴瘤的分类，特别是在早期蕈样肉芽肿与良性炎症性皮肤病的区分上 | 需要更大的多机构数据集和改进的方法论，如结合临床数据的多模态深度学习 | 评估深度学习在早期蕈样肉芽肿与良性炎症性皮肤病分类中的表现 | 皮肤活检的H&E染色全切片图像 | 数字病理学 | 皮肤淋巴瘤 | 深度学习 | 弱监督深度学习模型 | 图像 | 924张H&E染色全切片图像，包括233名早期蕈样肉芽肿患者和353名良性炎症性皮肤病患者 | NA | NA | NA | NA |
| 1282 | 2025-04-24 |
Deep learning-based cytoskeleton segmentation for accurate high-throughput measurement of cytoskeleton density
2025-May, Protoplasma
IF:2.5Q2
DOI:10.1007/s00709-024-02019-9
PMID:39692866
|
研究论文 | 本研究探讨了基于深度学习的细胞骨架分割方法在定量评估细胞骨架组织中的效用 | 采用深度学习技术显著提高了细胞骨架密度测量的准确性，并验证了该方法在不同生理模型中的适用性 | 未提及具体的技术局限性 | 开发一种高精度、高通量的细胞骨架密度测量方法 | 烟草BY-2细胞的皮层微管、拟南芥保卫细胞和受精卵 | 数字病理学 | NA | 共聚焦显微镜成像 | 深度学习模型 | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 1283 | 2025-04-24 |
Artificial Intelligence in CT for Predicting Cervical Lymph Node Metastasis in Papillary Thyroid Cancer Patients: A Meta-analysis
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.02.007
PMID:40000328
|
meta-analysis | 评估基于CT的人工智能在诊断甲状腺乳头状癌患者颈部淋巴结转移中的诊断性能 | 深度学习模型在敏感性方面优于机器学习方法 | 研究间存在高度异质性，且在不同人群中的外部验证不足 | 评估基于CT的人工智能在诊断甲状腺乳头状癌患者颈部淋巴结转移中的诊断性能 | 甲状腺乳头状癌患者颈部淋巴结转移 | digital pathology | thyroid cancer | CT | deep learning, machine learning | image | 内部验证集1778名患者，外部验证集4072名患者 | NA | NA | NA | NA |
| 1284 | 2025-04-24 |
Evaluation of AI-based nerve segmentation on ultrasound: relevance of standard metrics in the clinical setting
2025-May, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2024.12.040
PMID:40016039
|
research paper | 评估基于AI的超声神经分割在临床环境中的相关性，探讨客观像素指标与主观临床评估之间的关系 | 首次研究了客观像素指标与主观临床评估在神经分割中的关系，并尝试确定临床可接受的像素重叠阈值 | 研究样本量有限（173帧图像），且仅分析了被主观评为优秀的案例 | 评估AI神经分割工具在超声引导区域麻醉中的临床应用价值 | 超声图像中的神经结构（臂丛神经、股神经和坐骨神经） | digital pathology | NA | 超声成像 | deep learning | image | 173帧超声图像 | NA | NA | NA | NA |
| 1285 | 2025-04-24 |
Leveraging Deep Learning in Real-Time Intelligent Bladder Tumor Detection During Cystoscopy: A Diagnostic Study
2025-May, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-025-17015-3
PMID:40050483
|
研究论文 | 本研究评估了HRNetV2深度学习模型在膀胱镜检查中智能检测膀胱病变的有效性，重点关注其在不同图像分辨率下的性能 | 首次将HRNetV2模型应用于膀胱病变的实时智能检测，并分析了不同图像分辨率对模型性能的影响 | 研究样本量相对较小（94名患者），且需要在更大规模的多中心数据集上进行进一步验证 | 提高膀胱镜检查中膀胱病变的检测准确率 | 膀胱病变患者 | 数字病理学 | 膀胱癌 | 深度学习 | HRNetV2 | 视频 | 94名患者，102个白光膀胱镜检查视频，33,657帧标注图像 | NA | NA | NA | NA |
| 1286 | 2025-03-13 |
ASO Visual Abstract: Leveraging Deep Learning in Real-Time Intelligent Bladder Tumor Detection During Cystoscopy-A Diagnostic Study
2025-May, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-025-17143-w
PMID:40069466
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1287 | 2025-04-24 |
Deep learning in nuclear medicine: from imaging to therapy
2025-May, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-025-02031-w
PMID:40080372
|
review | 本文综述了深度学习在核医学领域的最新应用进展，特别是在成像、病灶检测和放射性药物治疗方面 | 深度学习与功能成像技术（如PET和SPECT）的结合，实现了更精确的诊断和个性化治疗策略的开发 | 模型可解释性不足、跨多样化数据集的泛化能力有限、多模态数据融合的挑战以及应用中面临的伦理和法律问题 | 探讨深度学习在核医学中的应用及其对精准医疗、实时治疗监测和临床决策的影响 | 核医学成像、病灶检测和放射性药物治疗 | machine learning | NA | PET, SPECT | neural network | image | NA | NA | NA | NA | NA |
| 1288 | 2025-04-24 |
[Frozen section in oncologic endocrine surgery]
2025-May, Chirurgie (Heidelberg, Germany)
DOI:10.1007/s00104-025-02266-3
PMID:40131405
|
review | 本文讨论了术中冰冻切片在内分泌肿瘤手术管理中的益处 | 探讨了深度学习在克服冰冻切片技术问题上的潜力，并提供了关于甲状腺手术中冰冻切片应用的最新证据 | 对于甲状旁腺和肾上腺癌的手术治疗，缺乏相关文献支持冰冻切片的作用 | 评估术中冰冻切片在内分泌肿瘤手术中的应用及其效果 | 甲状腺结节、分化型甲状腺癌、髓样甲状腺癌、甲状旁腺和肾上腺癌 | digital pathology | thyroid cancer | frozen section, deep learning | deep learning | image | NA | NA | NA | NA | NA |
| 1289 | 2025-10-07 |
Fully Automated Agatston Score Calculation From Electrocardiography-Gated Cardiac Computed Tomography Using Deep Learning and Multi-Organ Segmentation: A Validation Study
2025-May, Angiology
IF:2.6Q2
DOI:10.1177/00033197231225286
PMID:38166442
|
研究论文 | 本研究开发了一种基于深度学习的全自动方法，用于从心电图门控心脏CT扫描中计算Agatston钙化积分 | 首次将基于掩模区域的卷积神经网络(R-CNN)用于多器官分割，实现心脏CT中钙化的全自动量化 | 回顾性研究，样本量有限(训练集40例，验证集110例) | 评估深度学习在心脏CT钙化分割和量化中的性能 | 心电图门控心脏CT扫描 | 计算机视觉 | 心血管疾病 | 心脏CT扫描 | CNN, R-CNN | 医学图像 | 训练集40例患者，验证集110例患者 | NA | 基于掩模区域的卷积神经网络(R-CNN) | Pearson相关系数, Bland-Altman分析, 敏感性, 特异性, 风险分类准确率 | NA |
| 1290 | 2025-04-24 |
Rapid and accurate identification and quantification of Lycium barbarum L. components: Integrating deep learning and NMR for nutritional assessment
2025-May, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.116246
PMID:40263805
|
研究论文 | 本研究提出了一种结合深度学习和核磁共振光谱的创新方法IQ-LC模型，用于快速准确识别和量化枸杞成分，并评估不同食用方式的营养价值 | 整合NMR光谱与一维卷积神经网络，开发了IQ-LC模型，实现了枸杞成分的高精度识别与量化 | 未提及模型在其他植物成分分析中的泛化能力 | 开发快速准确的枸杞成分分析方法并评估不同食用方式的营养价值 | 枸杞及其制品（鲜果、果泥和茶） | 食品科学与营养分析 | NA | NMR光谱 | 一维CNN | 光谱数据 | 25种已知浓度混合物+10个商业品牌枸杞果泥 | NA | NA | NA | NA |
| 1291 | 2025-04-23 |
AI-driven approaches for air pollution modelling: A comprehensive systematic review
2025-May-15, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2025.125937
PMID:40058557
|
综述 | 本文对利用机器学习和深度学习技术预测空气污染的现有研究进行了系统性回顾 | 不仅比较了不同模型和方法，还分析了外部特征（如气象数据、交通信息和土地利用）对污染物水平和模型预测准确性的影响 | 探讨了机器学习和深度学习方法的性能和局限性，但未提出新的模型或方法 | 比较和评估不同方法在预测空气污染物浓度水平方面的效果 | 空气污染预测模型 | 机器学习 | NA | 机器学习和深度学习技术 | 时间模型和时空模型 | 气象数据、交通信息、土地利用等多源数据 | NA | NA | NA | NA | NA |
| 1292 | 2025-10-07 |
Comparative analysis of retinal microvascular parameters in healthy individuals with or without carotid artery stenosis or plaque
2025-May, European journal of ophthalmology
IF:1.4Q3
DOI:10.1177/11206721241291224
PMID:39410788
|
研究论文 | 通过眼底摄影评估视网膜微血管参数与颈动脉狭窄（伴或不伴斑块）的相关性 | 首次使用基于深度学习的算法分析视网膜微血管参数与颈动脉狭窄的关联，为颈动脉狭窄筛查提供新方法 | 回顾性观察研究设计，样本量有限（715名参与者） | 评估视网膜微血管变化与颈动脉狭窄的相关性 | 接受双侧颈动脉超声和双侧眼底摄影检查的患者 | 数字病理 | 心血管疾病 | 眼底摄影，颈动脉超声 | 深度学习算法 | 眼底图像 | 715名参与者（313名颈动脉狭窄患者，402名对照组） | NA | NA | NA | NA |
| 1293 | 2025-10-07 |
PSMA PET/CT based multimodal deep learning model for accurate prediction of pelvic lymph-node metastases in prostate cancer patients identified as candidates for extended pelvic lymph node dissection by preoperative nomograms
2025-May, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-07065-2
PMID:39865180
|
研究论文 | 开发并验证基于PSMA PET/CT的多模态深度学习模型，用于预测前列腺癌患者盆腔淋巴结转移 | 首次结合PSMA PET/CT深度学习特征、定量PET参数和临床参数构建多模态模型，相比传统列线图和PET/CT视觉评估具有更高的预测准确性 | 样本量较小（仅116例患者），需要更大规模的外部验证 | 提高前列腺癌患者盆腔淋巴结转移的预测准确性，减少不必要的扩大盆腔淋巴结清扫术 | 经术前列线图筛选需行扩大盆腔淋巴结清扫术的前列腺癌患者 | 数字病理 | 前列腺癌 | PSMA PET/CT成像 | 深度学习,支持向量机 | 医学影像(PET/CT),临床参数 | 116例前列腺癌患者（训练集82例，测试集34例） | Med3D | Med3D,多核支持向量机 | AUC,校准曲线,决策曲线分析 | NA |
| 1294 | 2025-10-07 |
Exploring the role of multimodal [18F]F-PSMA-1007 PET/CT and multiparametric MRI data in predicting ISUP grading of primary prostate cancer
2025-May, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07099-0
PMID:39871017
|
研究论文 | 本研究探索多模态影像技术（[18F]F-PSMA-1007 PET/CT和多参数MRI）在预测前列腺癌ISUP分级中的作用 | 首次将[18F]F-PSMA-1007 PET/CT与多参数MRI进行多模态融合，并应用小样本学习解决前列腺癌影像数据有限的问题 | 回顾性研究设计，样本量相对有限（341例患者） | 提高前列腺癌ISUP分级的诊断准确性，改善临床决策 | 341例前列腺癌患者（2019-2023年入组） | 数字病理 | 前列腺癌 | [18F]F-PSMA-1007 PET, CT, DWI, T2WI, ADC | 深度学习网络 | 多模态医学影像数据 | 341例前列腺癌患者 | NA | 小样本深度学习网络 | 预测准确性 | NA |
| 1295 | 2025-04-23 |
Development of Hybrid radiomic Machine learning models for preoperative prediction of meningioma grade on multiparametric MRI
2025-May, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia
IF:1.9Q4
DOI:10.1016/j.jocn.2025.111118
PMID:40048835
|
research paper | 开发并比较了基于多参数MRI的机器学习模型，用于术前预测脑膜瘤的分级 | 结合手工提取的放射组学特征和深度学习特征，开发了混合模型（HRO和HDLR）用于脑膜瘤分级预测 | 模型的敏感性和阳性预测值（PPV）存在不一致性，需要更大规模的多中心研究验证 | 开发机器学习模型以区分低级别和高级别脑膜瘤 | 脑膜瘤患者的术前多参数MRI数据 | digital pathology | 脑膜瘤 | 多参数MRI（T1、T1CE、T2、T2 FLAIR、DWI/ADC） | Random Forest, XGBoost | image | 115例（97例低级别和18例高级别脑膜瘤） | NA | NA | NA | NA |
| 1296 | 2025-03-29 |
Advancing Bone Marrow MRI Segmentation Using Deep Learning-Based Frameworks
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.03.030
PMID:40148166
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1297 | 2025-04-23 |
Enhancing brain age estimation under uncertainty: A spectral-normalized neural gaussian process approach utilizing 2.5D slicing
2025-May-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121184
PMID:40180003
|
研究论文 | 提出了一种结合谱归一化神经高斯过程（SNGP）和2.5D切片的方法，用于在低计算成本下实现脑年龄估计中的不确定性整合 | 首次将SNGP与2.5D切片方法结合，实现了在单一网络中无缝整合不确定性估计，同时保持低计算成本和模型复杂度 | 未明确提及具体局限性，但可能包括模型在更广泛人群中的验证不足 | 开发一种能够准确估计脑年龄并量化不确定性的方法，以提升脑异常检测的临床适用性 | 脑MRI数据 | 医学影像分析 | 脑部异常（如ADHD） | 磁共振成像（MRI） | SNGP（谱归一化神经高斯过程） | 2.5D MRI切片 | 11个公共数据集（N=6327）和独立验证集（N=301） | NA | NA | NA | NA |
| 1298 | 2025-04-23 |
Automated segmentation of the dorsal root ganglia in MRI
2025-May-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121189
PMID:40185423
|
研究论文 | 开发了一种基于深度学习的全自动背根神经节（DRG）MRI分割工作流程 | 首次提出全自动DRG分割方法，使用CNN在nnU-Net框架上训练，分割效果与专家标注相当但速度提高10倍 | 方法仅在健康对照组和Fabry疾病患者中验证，需要更多疾病类型验证 | 开发全自动DRG分割方法以促进DRG成像生物标志物的研究和应用 | 背根神经节（DRG） | 医学影像分析 | Fabry病 | MRI | CNN | 3D T2加权MR图像 | 220个健康对照DRG | NA | NA | NA | NA |
| 1299 | 2025-04-22 |
The proteomic code: Novel amino acid residue pairing models "encode" protein folding and protein-protein interactions
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110033
PMID:40112562
|
research paper | 本文提出了一种基于氨基酸残基配对模型的新框架，用于解释蛋白质折叠和蛋白质-蛋白质相互作用的机制 | 提出了三种新的氨基酸残基配对模型（GU、Transmuted和Shift配对模型），这些模型在统计分析和不同数据集上表现出最高的观察-预期比率和相关性 | 研究主要依赖于TOP2018数据集，可能在其他数据集上的泛化能力有待验证 | 探索氨基酸残基配对模型在蛋白质折叠和蛋白质-蛋白质相互作用中的机制 | 氨基酸残基配对模型及其在蛋白质结构预测中的应用 | 生物信息学 | NA | 统计分析和深度学习 | NA | 蛋白质结构数据 | 基于TOP2018数据集 | NA | NA | NA | NA |
| 1300 | 2025-04-22 |
Enhancing skin disease classification leveraging transformer-based deep learning architectures and explainable AI
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110007
PMID:40117795
|
research paper | 该研究利用基于Transformer的深度学习架构和可解释AI技术，提升皮肤疾病分类的准确性和临床相关性 | 首次在皮肤病学任务中引入DinoV2模型，并在31类皮肤疾病数据集上实现了最先进的性能，测试准确率达到96.48% ± 0.0138%，F1分数为97.27%，比现有基准提高了近10% | NA | 通过自动化皮肤疾病分类支持及时准确的诊断 | 皮肤疾病 | computer vision | skin disease | Vision Transformers, Swin Transformers, DinoV2, ConvNeXt, CNN | Transformer, CNN | image | 31类皮肤疾病数据集，以及HAM10000和Dermnet数据集 | NA | NA | NA | NA |