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 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 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 |
| 162 | 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) |
| 163 | 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 |
| 164 | 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 |
| 165 | 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 |
| 166 | 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 |
| 167 | 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 |
| 168 | 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 |
| 169 | 2025-10-06 |
SPARSITY-DRIVEN PARALLEL IMAGING CONSISTENCY FOR IMPROVED SELF-SUPERVISED MRI RECONSTRUCTION
2025-May-30, ArXiv
PMID:40492248
|
研究论文 | 提出一种通过精心设计的扰动训练物理驱动深度学习网络的新方法，用于改进自监督MRI重建 | 在传统自监督学习的k空间掩蔽基础上引入新颖的一致性项，评估模型在稀疏域中准确预测添加扰动的能力 | NA | 改进高加速率下自监督MRI重建的质量，减少伪影和噪声放大 | MRI图像重建 | 医学影像处理 | NA | MRI扫描 | 深度学习网络 | MRI图像，k空间数据 | fastMRI膝关节和脑部数据集 | NA | 物理驱动深度学习网络 | 视觉评估，定量指标 | NA |
| 170 | 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 |
| 171 | 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 |
| 172 | 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 |
| 173 | 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 |
| 174 | 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 |
| 175 | 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 |
| 176 | 2025-10-06 |
A Bayesian deep learning model with consolidation-to-tumor ratio (CTR) prior revolutionizes the prediction of spread through air spaces (STAS) in stage IA lung adenocarcinoma: a large-scale diagnostic study
2025-May-30, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-890
PMID:40535077
|
研究论文 | 本研究开发了一种基于贝叶斯深度学习框架结合实变-肿瘤比先验的模型，用于预测IA期肺腺癌的气道播散 | 首次将临床医生知识（CTR先验）融入贝叶斯深度学习框架，显著提升了STAS预测性能 | 研究为单中心回顾性研究，需要多中心前瞻性验证 | 开发术前预测IA期肺腺癌患者气道播散的深度学习模型 | IA期肺腺癌患者 | 数字病理 | 肺癌 | 医学影像分析 | 贝叶斯深度学习 | 医学影像数据 | 1,374例患者（训练集961例，验证集275例，测试集138例） | 变分贝叶斯推断框架 | STAS-DLPrior CTR, STAS-DLNon-prior CTR | ROC曲线, AUC, 校准曲线, 决策曲线分析, 临床影响曲线 | NA |
| 177 | 2025-10-06 |
Deep learning in histopathology images for prediction of oncogenic driver molecular alterations in lung cancer: a systematic review and meta-analysis
2025-May-30, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-2024-1196
PMID:40535093
|
系统综述与荟萃分析 | 系统评估深度学习模型从H&E染色全切片图像预测非小细胞肺癌致癌驱动分子改变的诊断准确性 | 首次通过系统综述和荟萃分析全面评估深度学习模型从常规H&E病理切片预测肺癌致癌驱动基因改变的诊断性能 | 仅纳入英文和西班牙文研究，缺乏多人群验证和临床结局数据 | 评估深度学习模型从H&E全切片图像预测非小细胞肺癌致癌驱动分子改变的诊断准确性 | 非小细胞肺癌患者的H&E染色全切片图像 | 数字病理学 | 肺癌 | H&E染色全切片图像分析 | CNN | 病理图像 | NA | NA | 卷积神经网络 | 灵敏度, 特异性, 置信区间 | NA |
| 178 | 2025-10-06 |
FLAMeS: A Robust Deep Learning Model for Automated Multiple Sclerosis Lesion Segmentation
2025-May-23, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.19.25327707
PMID:40475145
|
研究论文 | 开发了一种基于深度学习的自动化多发性硬化病灶分割模型FLAMeS | 基于nnU-Net 3D全分辨率U-Net架构，在多个外部数据集上验证了其鲁棒性和优越性能 | 对于小于10mm³的小病灶检测存在遗漏 | 开发自动化多发性硬化病灶分割算法 | 多发性硬化患者的脑部MRI图像 | 医学图像分析 | 多发性硬化 | FLAIR MRI | 深度学习 | 医学图像 | 训练集668个FLAIR扫描，测试集包含三个外部数据集（MSSEG-2:14例，MSLesSeg:51例，临床队列:10例） | nnU-Net | 3D full-resolution U-Net | Dice系数, 真阳性率, F1分数, 阳性预测值, 相对体积差异, 假阳性率 | NA |
| 179 | 2025-10-06 |
Multiobjective learning and design of bacteriophage specificity
2025-May-19, bioRxiv : the preprint server for biology
DOI:10.1101/2025.05.19.654895
PMID:40475446
|
研究论文 | 本研究应用深度学习理解和设计T7噬菌体受体结合蛋白的多功能宿主靶向景观 | 首次将多目标机器学习应用于噬菌体特异性设计，实现了增强感染性、预定义特异性和对未知菌株高毒力的多功能优化 | 研究仅针对T7噬菌体，需要进一步验证在其他蛋白质或生物系统中的适用性 | 理解和设计噬菌体的多功能靶向能力 | T7噬菌体受体结合蛋白 | 机器学习 | NA | 深度学习 | 深度学习模型 | 蛋白质功能数据 | 针对26个不同任务优化的设计噬菌体 | NA | 多种不同架构（具体未指明） | 成功率，感染性，特异性，毒力 | NA |
| 180 | 2025-10-06 |
A new age in structural S-layer biology: Experimental and in silico milestones
2025-May-08, The Journal of biological chemistry
IF:4.0Q2
DOI:10.1016/j.jbc.2025.110205
PMID:40345586
|
综述 | 本文总结了近5年S层蛋白结构研究的主要进展，包括实验结构确定流程和计算建模新方法 | 首次系统探讨计算建模方法在S层蛋白研究中的突破，并展望计算方法如何进一步推动对该蛋白结构的理解 | NA | 总结S层蛋白结构生物学研究的最新进展 | 细菌和古菌中的表面(S-)层蛋白 | 结构生物学 | NA | 高分辨率成像、深度学习结构预测 | 深度学习 | 蛋白质结构数据 | 多种细菌和古菌物种，包括未培养微生物谱系 | NA | NA | NA | NA |