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 1414 篇文献，本页显示第 1341 - 1360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1341 | 2025-10-07 |
A Deep Learning Segmentation Model for Detection of Active Proliferative Diabetic Retinopathy
2025-May, Ophthalmology and therapy
IF:2.6Q2
DOI:10.1007/s40123-025-01127-w
PMID:40146482
|
研究论文 | 开发一种深度学习分割模型用于检测活动性增殖性糖尿病视网膜病变 | 通过标注新生血管和视网膜前出血来识别需要立即治疗的PDR患者，现有DL算法缺乏此能力 | 样本量相对有限（637张活动性PDR图像），阳性预测值较低（57%） | 开发能够准确检测活动性增殖性糖尿病视网膜病变的深度学习模型 | 糖尿病视网膜病变患者的六视野视网膜图像 | 计算机视觉 | 糖尿病视网膜病变 | 视网膜成像 | 深度学习分割模型 | 视网膜图像 | 938张六视野视网膜图像（637张活动性PDR，301张非活动性PDR），来自199名患者 | NA | NA | 灵敏度, 特异度, 阴性预测值, 阳性预测值 | NA |
| 1342 | 2025-04-21 |
Virtual screening and characterization of novel myogenic peptides from bovine collagen hydrolysates: Targeting myomaker
2025-May, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.116267
PMID:40253143
|
研究论文 | 本研究通过虚拟筛选和表征牛骨胶原水解物中的新型肌原性肽，探索其通过靶向Myomaker促进肌肉分化和再生的机制 | 首次发现肽AGPPGPPGPAGK能与Myomaker形成稳定复合物，并通过调节能量代谢促进成肌细胞分化 | HRH1在细胞分化能量代谢中的调控作用需进一步验证 | 阐明牛骨胶原促进肌肉分化和再生的分子机制 | 牛骨胶原水解物中的肽序列（特别是AGPPGPPGPAGK）及其与Myomaker的相互作用 | 生物信息学与分子生物学 | 肌肉衰老 | 肽组学、分子对接、动力学模拟、深度学习预测、转录组分析 | 深度学习工具（未指定具体模型） | 肽序列数据、分子模拟数据、转录组数据 | 未明确说明样本数量（基于牛骨胶原水解物的肽组学分析） | NA | NA | NA | NA |
| 1343 | 2025-04-21 |
Progress in machine learning-supported electronic nose and hyperspectral imaging technologies for food safety assessment: A review
2025-May, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.116285
PMID:40253192
|
综述 | 本文综述了机器学习支持的电子鼻和高光谱成像技术在食品安全评估中的应用进展 | 结合电子鼻和高光谱成像技术与机器学习算法，提供食品安全评估的综合视角 | 技术应用主要局限于实验室环境，缺乏标准化协议，影响测试的可重复性和实际应用 | 探讨机器学习如何提升电子鼻和高光谱成像技术在食品安全评估中的性能 | 食品安全评估中的电子鼻和高光谱成像技术 | 机器学习 | NA | 电子鼻(e-nose)、高光谱成像(HSI) | 人工神经网络(ANN)、深度学习(DL) | NA | NA | NA | NA | NA | NA |
| 1344 | 2025-10-07 |
Deep learning-based prediction of tumor aggressiveness in RCC using multiparametric MRI: a pilot study
2025-May, International urology and nephrology
IF:1.8Q3
DOI:10.1007/s11255-024-04300-5
PMID:39671158
|
研究论文 | 本研究开发了一种基于卷积神经网络的多参数MRI融合模型，用于术前预测肾细胞癌的肿瘤侵袭性 | 首次将多b值图像与临床特征通过CNN融合模型结合，用于RCC侵袭性预测 | 样本量较小（47例患者），为初步研究 | 开发非侵入性方法预测肾细胞癌的肿瘤侵袭性 | 47例经病理证实的肾细胞癌患者 | 计算机视觉 | 肾细胞癌 | 多参数磁共振成像 | CNN | 医学影像 | 47例患者（37名男性，10名女性） | NA | 卷积神经网络 | AUC | NA |
| 1345 | 2025-10-07 |
A novel clinical investigation using deep learning and human-in-the-loop approach in orbital volume measurement
2025-May, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery
DOI:10.1016/j.jcms.2025.01.007
PMID:39875226
|
研究论文 | 本研究开发了一种结合深度学习和人机协同方法进行眼眶体积测量的临床研究 | 首次将人机协同方法应用于眼眶体积测量，在保持高精度的同时显著提升测量效率 | 研究仅纳入无眼眶创伤或先天异常的患者，样本代表性可能存在局限 | 开发高效准确的眼眶体积测量方法以辅助手术规划 | 349名19岁及以上接受三维面部CT扫描的患者 | 医学影像分析 | 眼眶疾病 | 三维计算机断层扫描(3DCT) | 深度学习 | 医学影像 | 349名患者的三维CT数据 | NA | NA | Dice系数, 推理时间 | NA |
| 1346 | 2025-10-07 |
Sleep Apnea Detection Using EEG: A Systematic Review of Datasets, Methods, Challenges, and Future Directions
2025-May, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-025-03691-5
PMID:39939549
|
系统综述 | 本文系统回顾了基于脑电图（EEG）检测睡眠呼吸暂停（SA）的数据集、方法、挑战和未来方向 | 首次系统分析了过去十年间EEG信号在SA检测中的应用，重点关注各种深度学习和机器学习技术 | 仅纳入了2010年至2024年间的63篇论文，可能遗漏部分相关研究 | 回顾和分析EEG信号在睡眠呼吸暂停检测和分类中的潜力 | 睡眠呼吸暂停患者的EEG信号 | 医疗信号处理 | 睡眠呼吸暂停 | EEG信号分析 | 深度学习, 机器学习 | EEG信号 | 402篇论文筛选，63篇深入分析 | NA | NA | NA | NA |
| 1347 | 2025-10-07 |
Incorporating indirect MRI information in a CT-based deep learning model for prostate auto-segmentation
2025-May, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110806
PMID:39988305
|
研究论文 | 开发了一种基于CT的深度学习模型，用于前列腺癌放疗中的自动分割，该模型旨在在CT图像中实现MRI标准的轮廓分割 | 首个设计用于在CT成像中实施MRI轮廓分割指南的深度学习模型，也是首个按照ESTRO-ACROP轮廓分割指南训练的模型 | 模型在开发过程中从未接触过MRI图像，仅依赖于CT扫描数据 | 开发能够在CT图像中准确分割前列腺和危及器官的深度学习模型 | 165名前列腺癌患者的CT扫描数据 | 数字病理 | 前列腺癌 | CT扫描，MRI图像融合 | 深度学习 | CT图像 | 165名患者（136个训练样本，29个测试样本） | NA | 三维U-Net | Dice相似系数，95百分位Hausdorff距离 | NA |
| 1348 | 2025-10-07 |
Artificial intelligence for osteoporosis detection on panoramic radiography: A systematic review and meta analysis
2025-May, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105650
PMID:40010536
|
系统综述与荟萃分析 | 本文系统回顾和荟萃分析了人工智能在全景X线片上检测骨质疏松症的应用效果 | 首次对AI在全景X线片上检测骨质疏松症进行系统综述和荟萃分析，量化评估其诊断准确性 | 研究间存在显著异质性，可能存在小样本效应和发表偏倚，需要进一步验证和标准化 | 评估人工智能在全景X线片上检测骨质疏松症的诊断准确性 | 使用AI检测骨质疏松症的全景X线影像研究 | 数字病理 | 骨质疏松症 | 全景X线摄影 | 深度学习 | X线影像 | 24项研究纳入分析 | NA | NA | 准确率, 敏感性, 特异性, 诊断比值比, 阳性似然比 | NA |
| 1349 | 2025-04-20 |
Geometric and Dosimetric Evaluation of a RayStation Deep Learning Model for Auto-Segmentation of Organs at Risk in a Real-World Head and Neck Cancer Dataset
2025-May, Clinical oncology (Royal College of Radiologists (Great Britain))
DOI:10.1016/j.clon.2025.103796
PMID:40120536
|
研究论文 | 评估基于深度学习的自动分割模型在头颈癌患者真实数据集中的几何准确性和剂量学影响 | 在大型、多样化的头颈癌患者数据集上评估3D U-Net深度学习分割模型的性能，并分析其剂量学影响 | 模型在11例具有显著解剖挑战和伪影的患者中失败，部分器官的剂量学差异较大 | 评估深度学习分割模型在头颈癌患者器官风险自动分割中的准确性和剂量学影响 | 124例接受强度调制质子治疗的头颈癌患者 | 数字病理 | 头颈癌 | 强度调制质子治疗(IMPT) | 3D U-Net | CT图像 | 124例头颈癌患者 | NA | NA | NA | NA |
| 1350 | 2025-10-07 |
Comparable Performance Between Automatic and Manual Laryngeal and Hypopharyngeal Gross Tumor Volume Delineations Validated With Pathology
2025-May-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2024.12.009
PMID:39788389
|
研究论文 | 本研究验证了深度学习模型在喉部和下咽部大体肿瘤体积分割中的性能，并与临床医生手动勾画结果进行病理学验证对比 | 首次使用病理学验证的肿瘤轮廓作为金标准，比较深度学习自动分割与临床医生手动勾画在喉部和下咽部肿瘤中的性能 | 验证数据集样本量较小（18例患者），且仅针对喉部和下咽部癌症 | 验证深度学习模型在头颈部癌症大体肿瘤体积勾画中的准确性和临床应用价值 | 喉部和下咽部癌症患者 | 数字病理 | 头颈部癌症 | 医学影像分析，组织病理学验证 | 深度学习 | 医学影像 | 训练集193例患者，验证集18例患者（其中16例有病理学验证） | NA | NA | 灵敏度，阳性预测值，临床靶区边界，临床可接受率 | NA |
| 1351 | 2025-10-07 |
Clinical Application of Deep Learning-Assisted Needles Reconstruction in Prostate Ultrasound Brachytherapy
2025-May-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2024.12.026
PMID:39800329
|
研究论文 | 本研究探讨深度学习辅助针重建在前列腺超声近距离放射治疗中的临床应用可行性 | 首次将AI驱动的自动重建技术应用于经会阴针在前列腺超声引导近距离放射治疗规划中 | 单中心研究，样本量有限（102例），需要进一步多中心验证 | 评估AI辅助针重建工具在临床实践中的可行性和时间节省潜力 | 前列腺癌患者接受高剂量率近距离放射治疗 | 医学影像分析 | 前列腺癌 | 超声成像，近距离放射治疗 | 深度学习 | 3D超声图像 | 102例超声规划近距离放射治疗图像（50例训练验证，11例测试，41例临床实施） | NA | NA | 平均误差，真阳性重建率，手动校正率，时间节省 | NA |
| 1352 | 2025-10-07 |
AI in SPECT Imaging: Opportunities and Challenges
2025-May, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2025.03.005
PMID:40189986
|
综述 | 本文全面回顾了人工智能在SPECT成像中的应用进展与挑战 | 系统总结了深度学习在SPECT图像重建、增强、分割和多模态融合中的创新应用，并探讨了自监督学习和对比学习等新兴策略 | 面临数据异质性、模型可解释性、计算复杂度等挑战，临床验证和标准化评估仍需完善 | 推动人工智能技术在SPECT成像中的临床应用与发展 | SPECT医学影像数据 | 医学影像分析 | 心血管疾病、神经系统疾病、肿瘤疾病 | SPECT成像技术 | CNN, GAN, Transformer | 医学影像 | NA | NA | NA | NA | NA |
| 1353 | 2025-10-07 |
Correlation of retinal fluid and photoreceptor and RPE loss in neovascular AMD by automated quantification, a real-world FRB! analysis
2025-May, Acta ophthalmologica
IF:3.0Q1
DOI:10.1111/aos.16799
PMID:39540601
|
研究论文 | 本研究通过人工智能算法量化新生血管性年龄相关性黄斑变性患者抗VEGF治疗期间的椭圆体带损失，并分析其与疾病活动的相关性 | 首次使用深度学习算法自动量化视网膜内液体、视网膜下液体和色素上皮脱离，并分析其对椭圆体带完整性的影响 | 样本量相对有限（211只眼），且为单中心观察性研究 | 评估抗VEGF治疗期间椭圆体带损失与新生血管性年龄相关性黄斑变性疾病活动的相关性 | 新生血管性年龄相关性黄斑变性患者的视网膜光学相干断层扫描图像 | 数字病理学 | 年龄相关性黄斑变性 | 光谱域光学相干断层扫描 | 深度学习 | 医学图像 | 158名患者的211只眼，随访3年 | NA | U-net, 集成U-net | Wilcoxon秩和检验, 线性混合模型, 纵向面板回归模型 | NA |
| 1354 | 2025-10-07 |
Development and Validation of an Algorithm for Segmentation of the Prostate and its Zones from Three-dimensional Transrectal Multiparametric Ultrasound Images
2025-May, European urology open science
IF:3.2Q1
DOI:10.1016/j.euros.2025.03.005
PMID:40241852
|
研究论文 | 开发并验证一种基于深度学习的算法，用于从三维经直肠多参数超声图像中自动分割前列腺及其分区 | 首次开发能够同时分割前列腺整体及其分区的深度学习算法，支持对比增强超声和常规B模式超声两种三维图像 | 区域分割准确度相对较低，样本量有限（259个图像），需要进一步验证 | 开发前列腺癌计算机辅助诊断系统，改进前列腺分割工作流程 | 疑似前列腺癌患者的经直肠三维多参数超声图像 | 数字病理 | 前列腺癌 | 对比增强超声，B模式超声，三维超声成像 | CNN | 三维超声图像 | 259个三维多参数超声图像 | NA | U-Net | Dice相似系数，R2，定性评估等级 | NA |
| 1355 | 2024-10-22 |
Re: Deep Learning Artificial Intelligence Predicts Homologous Recombination Deficiency and Platinum Response from Histologic Slides
2025-May, European urology
IF:25.3Q1
DOI:10.1016/j.eururo.2024.10.012
PMID:39428324
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1356 | 2025-10-07 |
Radiomics and Artificial Intelligence Landscape for [18F]FDG PET/CT in Multiple Myeloma
2025-May, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2024.11.005
PMID:39674756
|
综述 | 本文综述了放射组学和人工智能在多发骨髓瘤[18F]FDG PET/CT成像中的应用现状与前景 | 首次系统总结AI与放射组学在多发骨髓瘤PET/CT标准化解读中的创新应用 | 该领域研究仍处于初步阶段，文献数量有限且方法尚未标准化 | 探索先进影像量化方法以优化多发骨髓瘤的诊疗管理 | 多发骨髓瘤患者的[18F]FDG PET/CT影像数据 | 医学影像分析 | 多发骨髓瘤 | PET/CT成像，放射组学特征提取 | 机器学习，深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 1357 | 2025-10-07 |
Deep Learning-Derived Quantitative Scores for Chronic Rhinosinusitis Assessment: Correlation With Quality of Life Outcomes
2025-May, American journal of rhinology & allergy
IF:2.5Q1
DOI:10.1177/19458924251313845
PMID:39819002
|
研究论文 | 本研究利用深度学习自动分割鼻窦CT图像生成定量评分，并探讨其与慢性鼻窦炎患者生活质量的相关性 | 首次基于nnU-Net开发自动鼻窦分割模型，生成定量Lund-MacKay评分和定量混浊评分，系统评估其与生活质量指标的相关性 | 定量评分与总SNOT-22评分无显著相关性，与术后生活质量改善也无显著关联 | 开发慢性鼻窦炎的客观量化评估工具并验证其临床价值 | 慢性鼻窦炎患者的CT影像数据 | 医学影像分析 | 慢性鼻窦炎 | CT影像分析 | 深度学习 | CT图像 | 445例CT数据（来自2个医疗中心），其中300例用于训练验证，145例用于测试 | nnU-Net | nnU-Net | Dice相似系数 | NA |
| 1358 | 2025-10-07 |
Performance of Two Deep Learning-based AI Models for Breast Cancer Detection and Localization on Screening Mammograms from BreastScreen Norway
2025-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.240039
PMID:39907587
|
研究论文 | 评估两种基于深度学习的AI模型在乳腺癌筛查乳腺X线摄影中的癌症检测和定位性能 | 在大型真实世界筛查人群中比较商业AI模型与内部开发模型的性能，并评估标记定位准确性 | 回顾性研究设计，仅使用单一筛查项目的数据 | 评估AI模型在乳腺X线摄影筛查中的癌症检测和定位准确性 | 129,434例女性筛查检查（平均年龄59.2岁） | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | 深度学习模型 | 医学影像 | 129,434例筛查检查 | NA | NA | AUC, 灵敏度, 定位准确率 | NA |
| 1359 | 2025-10-07 |
The Evolution of Artificial Intelligence in Nuclear Medicine
2025-May, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2025.01.006
PMID:39934005
|
综述 | 本文综述了人工智能在核医学领域的演变历程、当前应用与未来挑战 | 系统梳理了AI在核医学中从早期机器学习到现代生成式AI的技术演进路径 | 面临数据稀缺性、异质性和伦理问题等临床转化障碍 | 探讨人工智能技术在核医学诊断、治疗和影像处理中的应用与发展趋势 | 核医学领域的疾病诊断、影像分割、图像增强和诊疗一体化 | 医疗人工智能 | 多种疾病（未特指） | 机器学习、深度学习、生成式AI | CNN, Transformer, 扩散模型, 大语言模型 | 医学影像、医疗文本 | NA | NA | NA | NA | NA |
| 1360 | 2025-10-07 |
AI in Breast Cancer Imaging: An Update and Future Trends
2025-May, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2025.01.008
PMID:40011118
|
综述 | 本文回顾了人工智能在乳腺癌影像学中的最新应用进展和未来发展趋势 | 总结了大型基础模型在乳腺癌影像任务中的潜力，探讨了自监督学习和联邦学习等新兴技术 | 需要数据源头标准化、大规模标注多模态数据集和广泛的前瞻性临床试验来验证临床效用 | 综述人工智能在乳腺癌影像学中的最新发展和未来趋势 | 乳腺癌影像数据，包括乳腺X线摄影、数字乳腺断层合成、超声、磁共振成像和核医学技术 | 医学影像分析 | 乳腺癌 | 多种医学影像技术（乳腺X线摄影、数字乳腺断层合成、超声、磁共振成像、核医学技术） | 深度学习，基础模型，自监督学习，联邦学习 | 医学影像数据 | NA | NA | NA | NA | NA |