深度学习在生物医药领域中的应用
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，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10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 1559 篇文献，本页显示第 1441 - 1460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1441 | 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 |
| 1442 | 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 |
| 1443 | 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 |
| 1444 | 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 |
| 1445 | 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 |
| 1446 | 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 |
| 1447 | 2025-04-24 |
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 | 评估基于深度学习的钙分割和量化在ECG门控心脏CT扫描中的应用，并与手动评估进行比较 | 使用基于mask R-CNN的神经网络进行多器官分割，实现全自动钙评分计算 | 研究为回顾性研究，样本量相对较小（训练集40例，验证集110例） | 开发并验证一种全自动的冠状动脉钙化评分计算方法 | ECG门控心脏CT扫描图像 | 数字病理学 | 心血管疾病 | 深度学习 | mask R-CNN | 医学影像 | 训练集40例患者，验证集110例患者 |
| 1448 | 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 |
| 1449 | 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 |
| 1450 | 2025-04-23 |
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变化与颈动脉狭窄（CAS）伴或不伴斑块的相关性 | 使用基于深度学习算法的眼底摄影技术分析视网膜微血管参数，为CAS筛查提供新方法 | 回顾性观察研究设计可能引入选择偏倚 | 评估视网膜微血管参数与颈动脉狭窄的相关性 | 健康个体及颈动脉狭窄伴或不伴斑块的患者 | 数字病理 | 心血管疾病 | 眼底摄影 | 深度学习算法 | 图像 | 715名参与者（313名CAS患者，402名对照） |
| 1451 | 2025-04-23 |
Development and Validation of Multiparametric MRI-based Interpretable Deep Learning Radiomics Fusion Model for Predicting Lymph Node Metastasis and Prognosis in Rectal Cancer: A Two-center Study
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.11.045
PMID:39638641
|
研究论文 | 开发并验证了基于多参数MRI的可解释深度学习放射组学融合模型，用于预测直肠癌淋巴结转移和预后 | 结合深度学习和放射组学特征构建预测模型，并利用SHAP工具提高模型可解释性，同时验证模型对放射科医生诊断性能的提升 | 研究为回顾性设计，样本量相对有限（共352例患者），且仅来自两个中心 | 预测直肠癌术前淋巴结转移及患者预后 | 直肠癌患者 | 数字病理 | 直肠癌 | 多参数MRI（T2WI和DWI序列） | MobileNet-V3-large, Inception-V3, ResNet50, VGG16 | 医学影像 | 352例患者（286例训练集，66例外部测试集） |
| 1452 | 2025-04-23 |
SMART: Development and Application of a Multimodal Multi-organ Trauma Screening Model for Abdominal Injuries in Emergency Settings
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.11.056
PMID:39690074
|
研究论文 | 本研究开发了一个多模态多器官创伤筛查模型SMART，用于急诊环境下腹部损伤的快速诊断 | 结合非对比CT扫描和非结构化文本数据，利用深度学习构建多模态诊断模型，提高了实体器官评估的速度和准确性 | 研究仅基于2638名患者的数据，可能需要更大样本量验证模型的泛化能力 | 提高急诊环境下腹部创伤诊断的效率和准确性 | 腹部创伤患者 | 数字病理 | 腹部创伤 | 非对比CT扫描，GPT-4嵌入API，nnU-Net和DenseNet121 | SMART_GPT（基于文本），SMART_Image（基于图像），集成模型 | 非结构化文本数据，非对比CT扫描图像 | 2638名患者（459例阳性，2179例阴性腹部创伤病例），测试集包含1006名患者的1632个连续数据点 |
| 1453 | 2025-04-23 |
Interpretable Deep-learning Model Based on Superb Microvascular Imaging for Noninvasive Diagnosis of Interstitial Fibrosis in Chronic Kidney Disease
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.11.067
PMID:39690075
|
research paper | 开发一种基于超微血管成像(SMI)的可解释深度学习模型，用于无创诊断慢性肾病(CKD)间质纤维化(IF)程度 | 提出了一种基于SMI的可解释深度学习模型(XDL)，用于无创诊断CKD患者的IF程度，并通过SHAP方法提供模型解释性 | 研究样本量相对有限(365名患者)，且仅基于单中心数据 | 开发无创诊断慢性肾病间质纤维化程度的方法 | 慢性肾病(CKD)患者 | digital pathology | chronic kidney disease | superb microvascular imaging (SMI), ultrasound radiomics, color doppler ultrasonography (CDUS) | XDL (interpretable deep learning model) | medical imaging | 365名CKD患者 |
| 1454 | 2025-04-23 |
Multimodal Deep Learning Fusing Clinical and Radiomics Scores for Prediction of Early-Stage Lung Adenocarcinoma Lymph Node Metastasis
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.12.018
PMID:39730249
|
research paper | 开发并验证了一种基于CT图像和临床知识的多模态深度学习模型，用于预测早期肺腺癌淋巴结转移 | 提出了一种基于InceptionResNetV2架构的多模态特征融合深度学习网络，有效整合图像和临床知识预测淋巴结转移 | 研究为回顾性设计，样本来自两个中心，可能存在选择偏倚 | 预测早期肺腺癌淋巴结转移 | 724例经病理证实的早期浸润性肺腺癌患者 | digital pathology | lung cancer | CT影像分析，深度学习 | InceptionResNetV2 | image, clinical data | 724例患者（中心1：524例，中心2：200例） |
| 1455 | 2025-04-23 |
Multi-Energy Evaluation of Image Quality in Spectral CT Pulmonary Angiography Using Different Strength Deep Learning Spectral Reconstructions
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.11.049
PMID:39732618
|
research paper | 该研究评估并比较了使用标准与强深度学习的双能CT肺动脉造影（DECT-PA）在不同能量水平下的虚拟单色图像（VMIs）质量 | 比较了标准与强深度学习的双能CT肺动脉造影（DECT-PA）在不同能量水平下的虚拟单色图像（VMIs）质量，发现强深度学习谱重建（DLSR）显著提高了图像质量 | 研究样本量较小（70例患者），且为回顾性研究 | 评估不同能量水平的虚拟单色图像（VMIs）在标准与强深度学习谱重建（DLSR）下的图像质量 | 70例接受DECT-PA扫描的患者（15例有肺栓塞，55例无肺栓塞） | digital pathology | cardiovascular disease | 双能CT肺动脉造影（DECT-PA） | deep learning spectral reconstruction (DLSR) | image | 70例患者（15例有肺栓塞，55例无肺栓塞） |
| 1456 | 2025-04-23 |
Radiomics and Deep Learning Model for Benign and Malignant Soft Tissue Tumors Differentiation of Extremities and Trunk
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.12.026
PMID:39753479
|
research paper | 开发基于脂肪抑制T2加权成像的放射组学和深度学习模型，用于术前区分良恶性软组织肿瘤 | 结合放射组学和深度学习特征，构建DLR模型，提高了良恶性软组织肿瘤的术前诊断准确性 | 样本量相对较小，且外部验证集仅来自一个中心，可能影响模型的泛化能力 | 开发非侵入性、低成本的术前诊断方法，用于区分良恶性软组织肿瘤 | 良性和恶性软组织肿瘤患者 | digital pathology | soft tissue tumors | fat saturation T2-weighted imaging (FS-T2WI) | 3D ResNet | image | 115例患者作为训练集，70例患者作为外部验证集 |
| 1457 | 2025-04-23 |
Development and Validation of an AI-Based Multimodal Model for Pathological Staging of Gastric Cancer Using CT and Endoscopic Images
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.12.029
PMID:39753481
|
research paper | 开发并验证了一种基于AI的多模态模型，用于结合CT和内窥镜图像对胃癌进行术前病理分期 | 提出了一种集成多模态模型，结合了CT图像的深度学习和手工特征以及内窥镜图像的深度特征，显著提高了胃癌术前分期的准确性 | 研究为回顾性设计，数据未公开且样本量有限（691例） | 提高胃癌术前病理分期的准确性以优化治疗方案 | 胃癌患者 | digital pathology | gastric cancer | CT成像, 内窥镜成像 | ResNet-50, 深度学习模型, 机器学习算法, 集成学习 | 医学影像（CT和内窥镜图像） | 691例胃癌患者 |
| 1458 | 2025-04-23 |
Improved Image Quality Through Deep Learning Acceleration of Gradient-Echo Acquisitions in Uterine MRI: First Application with the Female Pelvis
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.12.021
PMID:39843279
|
research paper | 本研究比较了深度学习加速的VIBE序列与标准VIBE序列在评估子宫时的图像质量 | 首次将深度学习加速的VIBE序列应用于女性盆腔MRI，显著提高了图像质量 | 样本量较小（54例患者），且仅在1.5T MRI扫描仪上进行 | 比较深度学习加速的VIBE序列与标准VIBE序列在子宫MRI中的图像质量 | 61名女性患者（最终分析54名）的盆腔MRI图像 | digital pathology | NA | MRI, 深度学习加速的VIBE序列 | 深度学习 | image | 54名女性患者的盆腔MRI图像 |
| 1459 | 2025-04-23 |
Photoacoustic Imaging with Attention-Guided Deep Learning for Predicting Axillary Lymph Node Status in Breast Cancer
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.12.020
PMID:39848886
|
research paper | 本研究探讨了结合光声成像和注意力引导深度学习在预测乳腺癌腋窝淋巴结状态中的精确性 | 首次将光声成像与注意力引导深度学习结合，开发出预测腋窝淋巴结状态的新型列线图 | 研究为回顾性设计，样本量相对有限（324例患者） | 开发精确预测乳腺癌患者腋窝淋巴结状态的影像学方法 | 早期乳腺癌患者的腋窝淋巴结状态 | digital pathology | breast cancer | photoacoustic-ultrasound (PA-US) imaging | attention-guided DL model | image | 324例经组织学确诊的早期乳腺癌患者（2022-2024年） |
| 1460 | 2025-04-23 |
Non-invasive Assessment of Human Epidermal Growth Factor Receptor 2 Expression in Gastric Cancer Based on Deep Learning: A Computed Tomography-based Multicenter Study
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.12.041
PMID:39870563
|
研究论文 | 本研究基于深度学习开发并验证了一种用于预测胃癌患者HER2表达的CT影像模型 | 首次利用CT影像特征结合机器学习方法预测胃癌HER2表达状态 | 研究为回顾性设计，样本中HER2阳性比例较低 | 开发非侵入性的HER2表达预测模型以指导胃癌精准治疗 | 胃癌患者 | 数字病理 | 胃癌 | CT影像组学 | LR-Lasso, SVM | 医学影像 | 1059例患者（训练集720例，测试集339例） |