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 1717 篇文献，本页显示第 141 - 160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 2025-10-06 |
UniScore, a Unified and Universal Measure for Peptide Identification by Multiple Search Engines
2025-Jul, Molecular & cellular proteomics : MCP
IF:6.1Q1
DOI:10.1016/j.mcpro.2025.101010
PMID:40466863
|
研究论文 | 提出UniScore作为统一度量标准，用于整合和标准化多种搜索引擎在基于LC/MS/MS的自下而上蛋白质组学数据分析中的输出结果 | 仅使用产物离子的注释信息计算得分，不依赖深度学习的光谱预测，能够处理更大规模数据且计算资源需求低 | NA | 开发一种统一且通用的肽段识别度量方法 | 数据依赖性采集(DDA)数据中的肽段识别 | 生物信息学 | NA | LC/MS/MS, 自下而上蛋白质组学 | NA | 质谱数据 | 大规模全局蛋白质组数据和磷酸化蛋白质组数据 | NA | NA | 假发现率 | 最小计算资源 |
| 142 | 2025-10-06 |
Accelerated Non-Contrast-Enhanced Three-Dimensional Cardiovascular Magnetic Resonance Deep Learning Reconstruction
2025-Jul, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/RCM37399
PMID:40776949
|
研究论文 | 本研究评估Adaptive CS-Net深度学习算法在无对比剂三维心血管磁共振成像中的重建性能 | 首次将供应商支持的深度学习重建算法Adaptive CS-Net应用于无对比剂三维全心REACT序列成像 | 样本量较小（30名参与者），仅针对特定血管区域进行评估 | 比较深度学习重建算法与传统压缩感知在心血管磁共振成像中的性能差异 | 人类心血管系统，特别是肺静脉、颈部和上胸部血管 | 医学影像分析 | 心血管疾病 | 心血管磁共振成像，REACT序列，bSSFP序列 | 深度学习 | 三维磁共振图像 | 30名参与者 | Adaptive CS-Net | CS-Net | 对比噪声比，主观图像质量评估，血管横截面积测量 | NA |
| 143 | 2025-10-06 |
Artificial Intelligence-based Approaches for Characterizing Plaque Components From Intravascular Optical Coherence Tomography Imaging: Integration Into Clinical Decision Support Systems
2025-Jul, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/RCM39210
PMID:40776963
|
综述 | 本文综述了基于人工智能的血管内光学相干断层扫描图像斑块成分分析方法及其临床决策支持系统的整合 | 系统总结了AI技术在IVOCT斑块特征分析中的最新进展，并探讨了从研究工具向临床决策辅助工具的转化路径 | 现有方法评估的斑块特征范围有限，且多数解决方案局限于特定的监管或研究环境 | 提高IVOCT图像分析的效率、精确性和可重复性，促进其在临床实践中的广泛应用 | 冠状动脉粥样硬化斑块 | 医学影像分析 | 心血管疾病 | 血管内光学相干断层扫描(IVOCT) | CNN | 医学影像 | NA | NA | NA | NA | NA |
| 144 | 2025-10-06 |
Harnessing Artificial Intelligence in Interventional Cardiology: A Systematic Review of Current Applications
2025-Jul, Cureus
DOI:10.7759/cureus.87494
PMID:40777718
|
系统综述 | 系统回顾人工智能在介入心脏病学中的当前应用、方法和前景 | 首次系统梳理AI在介入心脏病学的应用现状，涵盖机器学习与深度学习在心律失常检测、斑块表征和影像解读等多领域的创新应用 | 数据隐私保护、算法透明度不足、模型泛化能力有限等挑战尚未解决 | 评估人工智能技术在介入心脏病学领域的应用现状与发展前景 | 介入心脏病学相关临床研究文献（共20项研究） | 医疗人工智能 | 心血管疾病 | 机器学习、深度学习 | ML, DL | 医学影像、生理信号、临床数据 | 基于20项研究的汇总分析 | NA | NA | 诊断准确性、手术效率 | NA |
| 145 | 2025-10-06 |
Deep learning-assisted terahertz intelligent detection and identification of cancer tissue
2025-Jul, Fundamental research
IF:5.7Q1
DOI:10.1016/j.fmre.2025.03.013
PMID:40777781
|
研究论文 | 提出一种基于密集高效通道注意力网络的太赫兹诊断系统，用于癌症组织的智能检测与识别 | 首次将太赫兹检测技术与密集高效通道注意力网络相结合，实现端到端的癌症组织分类 | 仅验证了乳腺癌和皮肤癌组织样本，未涉及其他癌症类型 | 开发基于人工智能的太赫兹癌症早期筛查系统 | 乳腺癌和皮肤癌组织样本 | 计算机视觉 | 乳腺癌,皮肤癌 | 太赫兹检测技术 | 深度学习 | 太赫兹信号 | NA | NA | DECANet（密集高效通道注意力网络） | NA | NA |
| 146 | 2025-10-06 |
Advancing Spine Fracture Detection: The Role of Artificial Intelligence in Clinical Practice
2025-Jul, Korean journal of neurotrauma
DOI:10.13004/kjnt.2025.21.e22
PMID:40778250
|
综述 | 本文综述了人工智能在脊柱骨折检测中的临床应用及最新进展 | 系统总结了深度学习与机器学习在脊柱骨折诊断中的最新应用，强调了AI辅助工作流程在提升诊断效率方面的优势 | 面临数据集变异性大、需要大规模标注数据集和评估指标标准化等挑战 | 改善脊柱骨折诊断和患者管理 | 椎体骨折 | 医学影像 | 脊柱骨折 | 医学影像分析 | 深度学习, 机器学习 | 医学影像 | NA | NA | NA | 灵敏度, 特异度, 准确率 | NA |
| 147 | 2025-10-06 |
Deep learning-based classification of fungal and Acanthamoeba keratitis using confocal microscopy
2025-Jul-31, The ocular surface
DOI:10.1016/j.jtos.2025.07.012
PMID:40752665
|
研究论文 | 本研究开发基于深度学习的共聚焦显微镜图像分类模型，用于区分真菌性角膜炎、棘阿米巴角膜炎和非特异性角膜炎 | 首次使用ResNet50迁移学习模型对共聚焦显微镜图像进行角膜炎类型分类和真菌性角膜炎亚型分析 | NSK类别性能相对较低，数据集规模有限（1975张图像） | 评估深度学习在角膜炎分类和亚型分析中的可行性 | 角膜炎患者共聚焦显微镜图像 | 计算机视觉 | 角膜炎 | 共聚焦显微镜 | CNN | 图像 | 1975张图像（1137 FK，457 AK，381 NSK） | NA | ResNet50 | 准确率，精确率，召回率，F1分数，ROC AUC，PR AUC | NA |
| 148 | 2025-10-06 |
A narrative review on innovations of thyroid nodule ultrasound diagnosis: applications of robot and artificial intelligence technology
2025-Jul-31, Gland surgery
IF:1.5Q3
DOI:10.21037/gs-2025-75
PMID:40771369
|
综述 | 本文综述了机器人和人工智能技术在甲状腺结节超声诊断中的创新应用与研究现状 | 系统分析了机器人自动扫描和智能诊断系统在甲状腺结节超声诊断中的优势与挑战，探讨了深度学习在超声造影视频分析中的创新应用 | 机器人临床应用灵活性不足且患者接受度有待提高，深度学习模型的可解释性、数据依赖性和临床泛化能力仍需解决 | 探讨机器人和人工智能技术在甲状腺结节超声诊断中的研究现状、优势与挑战 | 甲状腺结节超声诊断相关研究文献 | 医学影像分析 | 甲状腺结节 | 超声诊断，超声造影(CEUS) | 深度学习 | 超声图像，超声造影视频 | NA | NA | NA | NA | NA |
| 149 | 2025-10-06 |
Development and validation of a prediction model for lymph node metastasis in thyroid cancer: integrating deep learning and radiomics features from intra- and peri-tumoral regions
2025-Jul-31, Gland surgery
IF:1.5Q3
DOI:10.21037/gs-2025-50
PMID:40771372
|
研究论文 | 开发并验证了一种结合深度学习和影像组学特征的融合模型，用于术前预测甲状腺癌中央区淋巴结转移 | 首次将瘤内和瘤周区域的深度学习和影像组学特征相结合，构建融合SVM模型，显著提升预测性能 | 研究样本量相对有限（405例患者），且仅针对甲状腺乳头状癌 | 提高甲状腺癌术前中央区淋巴结转移的预测准确性 | 甲状腺乳头状癌患者 | 医学影像分析 | 甲状腺癌 | 超声成像 | SVM, 深度学习 | 超声图像 | 405例患者（中心1：294例，中心2：111例） | NA | NA | AUC, Delong检验, 决策曲线分析 | NA |
| 150 | 2025-10-06 |
Integrating multimodal ultrasound imaging for improved radiomics sentinel lymph node assessment in breast cancer
2025-Jul-31, Gland surgery
IF:1.5Q3
DOI:10.21037/gs-2025-223
PMID:40771387
|
研究论文 | 本研究开发并验证了一种结合B型超声和彩色多普勒超声的深度学习影像组学模型，用于无创预测乳腺癌前哨淋巴结转移 | 首次将传统B型超声与彩色多普勒超声相结合，并集成手工特征与深度学习特征，通过双流MobileNetV2架构开发多模态预测模型 | 回顾性研究设计，样本量相对有限（450例），需要进一步前瞻性验证 | 开发非侵入性预测乳腺癌前哨淋巴结转移的深度学习模型 | 450名浸润性乳腺癌患者 | 数字病理 | 乳腺癌 | 超声成像，影像组学，深度学习 | CNN | 超声图像 | 450例患者（训练集276例，外部验证集105例，测试集69例） | PyTorch, Scikit-learn | MobileNetV2 | AUC, 阴性预测值 | NA |
| 151 | 2025-10-06 |
Deep Learning Predicts Survival Across Squamous Tumor Entities From Routine Pathology: Insights From Head and Neck, Esophagus, Lung, and Cervical Cancer
2025-Jul-16, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2025.100845
PMID:40680853
|
研究论文 | 本研究开发了基于深度学习的计算病理学模型，利用常规H&E染色切片预测多种鳞状细胞癌患者的总体生存期 | 在头颈鳞癌开发的模型成功验证于食管、肺和宫颈鳞癌，证明了模型在多种鳞状肿瘤实体中的泛化能力 | 食管癌队列的验证结果未达到统计学显著性，且不同队列中风险评分关联的临床因素存在差异 | 开发能够预测多种鳞状细胞癌患者生存期的计算病理学模型 | 头颈鳞癌、食管鳞癌、肺鳞癌和宫颈鳞癌患者 | 数字病理 | 鳞状细胞癌 | 苏木精-伊红染色，福尔马林固定石蜡包埋 | 深度学习 | 病理图像 | 多个鳞癌队列（头颈、食管、肺、宫颈） | NA | NA | 风险比，置信区间，P值 | NA |
| 152 | 2025-10-06 |
Expanding genomic prediction in plant breeding: harnessing big data, machine learning, and advanced software
2025-07, Trends in plant science
IF:17.3Q1
DOI:10.1016/j.tplants.2024.12.009
PMID:39890501
|
综述 | 本文综述了植物育种中基因组预测的关键要素，重点关注统计机器学习方法和软件工具如何提升基因组选择效率 | 强调深度学习模型在基因组预测中的独特优势，并系统梳理了支持基因组选择方法普及的最新数据管理工具 | NA | 回顾提高植物育种中基因组选择效率的关键因素和方法 | 植物育种中的基因组预测方法和软件工具 | 机器学习 | NA | 基因组选择 | 深度学习 | 基因组数据 | NA | NA | NA | NA | NA |
| 153 | 2025-10-06 |
Artificial intelligence for radiotherapy dose prediction: A comprehensive review
2025-Jul, Cancer radiotherapie : journal de la Societe francaise de radiotherapie oncologique
IF:1.5Q3
DOI:10.1016/j.canrad.2025.104630
PMID:40513223
|
综述 | 本文对基于深度学习的放射治疗剂量预测方法进行了全面评述 | 首次对2018-2024年间深度学习在放疗剂量预测领域的应用进行全面系统分析 | 仅涵盖特定数据库和特定时间段内的文献，可能遗漏部分相关研究 | 评估深度学习在放射治疗剂量预测中的潜力和应用前景 | 放射治疗计划中的剂量预测方法 | 医学影像分析 | 肿瘤放射治疗 | 深度学习 | CNN | 医学影像数据 | NA | NA | 卷积神经网络 | NA | NA |
| 154 | 2025-10-06 |
Qualitative evaluation of automatic liver segmentation in computed tomography images for clinical use in radiation therapy
2025-Jul, Cancer radiotherapie : journal de la Societe francaise de radiotherapie oncologique
IF:1.5Q3
DOI:10.1016/j.canrad.2025.104648
PMID:40517449
|
研究论文 | 评估基于U-Net的肝脏自动分割在CT图像中的临床应用价值，并分析几何指标与临床医生评估之间的相关性 | 首次系统研究几何评估指标（Dice系数和Hausdorff距离）与临床医生对分割结果可接受性评估之间的相关性 | 仅使用单一公开数据集和U-Net模型，未验证其他模型和数据集 | 研究自动分割几何评估指标与临床医生评估之间的相关性，为临床可接受性评估提供依据 | CT图像中的肝脏分割 | 数字病理 | NA | 计算机断层扫描（CT） | CNN | 医学图像 | 公开数据集中的CT图像 | NA | U-Net | Dice相似系数, Hausdorff距离 | NA |
| 155 | 2025-10-06 |
Multitask deep learning for the emulation and calibration of an agent-based malaria transmission model
2025-Jul, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013330
PMID:40743314
|
研究论文 | 本文提出一种多任务深度学习方法，用于模拟和校准基于代理的疟疾传播模型 | 首次将多任务深度学习应用于基于代理的疟疾传播模型的模拟和校准，通过神经网络模拟器捕获免疫参数与流行病学结果之间的复杂关系 | 研究仅针对八个撒哈拉以南非洲研究站点，模型在其他地区的适用性需要进一步验证 | 开发高效的机器学习方法来模拟和校准计算密集型的基于代理的疟疾传播模型 | 基于代理的疟疾传播模型（EMOD模型）及其在八个撒哈拉以南非洲研究站点的应用 | 机器学习 | 疟疾 | 基于代理的建模，深度学习 | 神经网络 | 模拟数据，参考数据 | 来自EMOD疟疾模型的大量模拟套件，涵盖八个撒哈拉以南非洲研究站点 | NA | 多任务深度学习网络 | NA | NA |
| 156 | 2025-10-06 |
Enhancing the Performance of Pathological Voice Quality Assessment System Through the Attention-Mechanism Based Neural Network
2025-Jul, Journal of voice : official journal of the Voice Foundation
IF:2.5Q1
DOI:10.1016/j.jvoice.2022.12.026
PMID:36732109
|
研究论文 | 提出一种基于自注意力机制的双向长短期记忆网络系统，用于提高病理语音质量评估的准确性 | 首次将自注意力机制与BiLSTM结合应用于语音质量评估，并引入不同音高和元音特征来模拟专业医生的高维度评估 | 未提及模型在跨语言或不同口音语音数据上的泛化能力 | 开发准确的计算机化病理语音质量评估系统以改善临床诊断质量 | 病理语音信号 | 自然语言处理 | 语音障碍 | 语音信号处理 | BiLSTM, 自注意力机制 | 语音信号 | NA | NA | 自注意力机制双向长短期记忆网络(SA BiLSTM) | F1分数, 宏平均 | NA |
| 157 | 2025-10-06 |
Radiomics-Based Artificial Intelligence and Machine Learning Approach for the Diagnosis and Prognosis of Idiopathic Pulmonary Fibrosis: A Systematic Review
2025-Jul, Cureus
DOI:10.7759/cureus.87461
PMID:40772136
|
系统综述 | 系统评估基于放射组学的人工智能和机器学习方法在特发性肺纤维化诊断和预后中的应用 | AI量化参数（特别是纤维化负荷和肺血管体积测量）在预后评估中持续优于传统视觉CT评分，并通过AI分析识别了超越传统实质评估的新型预后生物标志物 | 回顾性研究设计、样本量限制、男性为主的队列以及有限的外部验证 | 评估人工智能和机器学习在特发性肺纤维化诊断和预后中的应用 | 特发性肺纤维化患者 | 医学影像分析 | 特发性肺纤维化 | 计算机断层扫描（CT）成像 | 深度学习模型, 支持向量机, 集成方法 | CT影像 | 八项研究（2017-2024年发表） | NA | NA | 与肺功能测试的相关性 | NA |
| 158 | 2025-10-06 |
Quantifying physiological variability and improving reproducibility in 4D-flow MRI cerebrovascular measurements with self-supervised deep learning
2025-Jul-25, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30634
PMID:40711943
|
研究论文 | 本研究评估了自监督深度学习去噪在减少4D血流MRI测量变异性方面的效果，并阐明了生理变异对脑血管血流动力学的贡献 | 使用自监督深度学习框架对4D血流MRI数据进行去噪，通过前瞻性测试-重测研究设计分离技术噪声与生理变异 | 深度学习去噪无法完全消除生理变异和后处理带来的变异性，对流量等综合指标的改善效果不显著 | 提高4D血流MRI测量的可重复性并量化生理变异对脑血管血流动力学的影响 | 脑血管血流动力学测量 | 医学影像分析 | 神经退行性疾病 | 4D-Flow MRI, 3D径向采样 | 深度学习 | 4D血流MRI图像 | 10名参与者的多次4D血流MRI扫描 | NA | 自监督深度学习去噪框架 | 95%置信区间, 标准差, 可重复性 | NA |
| 159 | 2025-10-06 |
Deep Learning-Guided Quantitative Analysis Establishes Optimized BRAF V600E Immunohistochemical Criteria for Colorectal Cancer: A Multiplatform Validation Study
2025-Jul-17, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2025.104215
PMID:40683333
|
研究论文 | 通过深度学习引导的定量分析建立结直肠癌BRAF V600E免疫组化优化标准的多平台验证研究 | 首次采用深度学习数字病理平台量化免疫组化参数，建立结直肠癌特异性BRAF V600E检测标准 | 非典型染色模式病例仍需分子确认，样本量相对有限 | 建立结直肠癌特异性BRAF V600E免疫组化判读标准 | 250例结直肠癌病例及其免疫组化和基因检测数据 | 数字病理 | 结直肠癌 | 免疫组化，qPCR，二代测序，数字病理分析 | 深度学习 | 病理图像，分子检测数据 | 250例结直肠癌病例 | NA | NA | AUC，一致性 | NA |
| 160 | 2025-10-06 |
ZeroReg3D: a zero-shot registration pipeline for 3D consecutive histopathology image reconstruction
2025-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.4.044002
PMID:40765693
|
研究论文 | 提出一种用于3D连续组织病理学图像重建的零样本配准流程ZeroReg3D | 结合零样本深度学习关键点匹配和非深度学习配准技术，无需大量训练数据即可有效减轻变形和切片伪影 | NA | 从连续2D组织切片实现精确3D重建 | 连续组织病理学图像 | 数字病理学 | NA | 组织病理学成像 | 深度学习关键点匹配 | 3D图像, 2D图像 | NA | NA | NA | 配准精度 | NA |