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 988 篇文献，本页显示第 721 - 740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 721 | 2025-08-05 |
Can radiology be first to use prognostic deep learning models for oncological treatment?
2025-Aug-01, Annals of oncology : official journal of the European Society for Medical Oncology
IF:56.7Q1
DOI:10.1016/j.annonc.2025.07.013
PMID:40754034
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 722 | 2025-10-06 |
Factors associated with glucocorticoid dosing in treating patients with noncritical COVID-19 pneumonia: Insights from an artificial intelligence-based CT imaging analysis
2025 Aug-Sep, Enfermedades infecciosas y microbiologia clinica (English ed.)
DOI:10.1016/j.eimce.2025.06.004
PMID:40754353
|
研究论文 | 通过人工智能CT影像分析探讨影响非危重COVID-19肺炎患者糖皮质激素用药剂量的因素并开发预测模型 | 首次结合AI深度学习定量分析肺部CT特征与糖皮质激素剂量的关联，并建立预测模型 | 回顾性研究、样本量有限（273例），需更大规模前瞻性研究验证 | 确定非危重COVID-19患者的最佳糖皮质激素剂量 | 273例非危重COVID-19肺炎患者 | 数字病理 | COVID-19肺炎 | CT影像分析 | 深度学习 | CT图像 | 273例患者（训练集168例，验证集75例） | NA | NA | AUC | NA |
| 723 | 2025-10-06 |
Toward Precision Diagnosis of Maxillofacial Pathologies by Artificial Intelligence Algorithms: A Systematic Review
2025-Aug, Journal of maxillofacial and oral surgery
DOI:10.1007/s12663-025-02664-4
PMID:40756906
|
系统综述 | 本综述探讨了人工智能算法在通过先进成像技术改善口腔颌面部疾病诊断和管理方面的潜力 | 系统评估了深度学习和机器学习在颌面部病理诊断中的最新应用进展，比较了不同成像技术的诊断性能 | 基于文献综述，缺乏原始实验数据验证 | 评估人工智能算法在颌面部病理精准诊断中的应用效果 | 口腔颌面部疾病，包括垂直根折、牙源性囊性病变和转移性淋巴结等 | 计算机视觉 | 颌面部疾病 | 计算机断层扫描(CT)、锥形束计算机断层扫描(CBCT)、磁共振成像(MRI)、全景放射摄影 | 深度学习,机器学习 | 医学影像 | NA | NA | GoogLeNet Inception v3,U-Net | 准确率,灵敏度,特异性,AUC,召回率,精确率,F1分数 | NA |
| 724 | 2025-10-06 |
External evaluation of an open-source deep learning model for prostate cancer detection on bi-parametric MRI
2025-Aug-03, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11865-x
PMID:40753327
|
研究论文 | 评估开源深度学习模型在双参数MRI上检测临床显著前列腺癌的诊断准确性 | 对开源前列腺癌检测模型进行外部验证，并强调模型代码和权重共享的重要性 | 回顾性研究，样本量相对有限（151例患者） | 评估开源深度学习模型在前列腺癌检测中的诊断准确性 | 151名男性患者的双参数MRI检查 | 医学影像分析 | 前列腺癌 | 双参数MRI | 深度学习模型 | 医学影像 | 151名男性患者（平均年龄65±8岁） | NA | NA | AUC, 敏感性, 特异性, Fleiss' kappa | NA |
| 725 | 2025-10-06 |
Advanced drug-target interaction prediction using convolutional graph attention networks in expert systems
2025-Aug-02, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11290-8
PMID:40751775
|
研究论文 | 提出一种结合图注意力网络与特征选择机制的深度学习框架用于药物-靶点相互作用预测 | 提出CMEAG-ANN模型结合FC-GNBBPS算法，通过图注意力机制捕获分子图复杂关系并实现生物意义特征提取 | NA | 提高药物-靶点相互作用预测的准确性和可靠性 | 药物分子和靶点蛋白质 | 机器学习 | NA | DNA分子衍生数据分析 | 图神经网络,注意力机制 | 分子指纹,PSSM注释,图结构数据 | 基准数据集（approved_drug_target、ImDrug、DrugProt、Drug Combination Extraction Dataset） | NA | 卷积多层极端对抗图注意力神经网络(CMEAG-ANN) | 准确率,精确率,召回率,F1分数,特异性 | NA |
| 726 | 2025-10-06 |
Temporal consistency-aware network for renal artery segmentation in X-ray angiography
2025-Aug-02, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03486-y
PMID:40751864
|
研究论文 | 提出TCA-Net深度学习模型用于X射线血管造影视频中肾动脉分割，通过利用局部和全局上下文信息提升分割一致性 | 提出结合局部时间窗口血管增强模块和全局血管细化模块的深度学习框架，引入时间感知一致性损失函数 | NA | 改进肾动脉血管造影视频的分割一致性，评估肾交感神经消融术 | 肾动脉血管造影视频 | 计算机视觉 | 心血管疾病 | X射线血管造影 | 深度学习 | 视频 | 195个肾动脉血管造影序列用于开发，44名患者的外部数据集用于测试 | NA | TCA-Net | F1-score | NA |
| 727 | 2025-10-06 |
Possibilities and limitations of artificial intelligence in food-derived peptides
2025-Aug-02, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.70099
PMID:40751946
|
综述 | 本文评估人工智能在食源性肽研究中的应用潜力与当前局限 | 系统分析AI技术与食源性肽研究的深度整合范式，提出标准化多维数据库与异质AI架构融合策略 | 面临数据集完整性不足、模型架构优化困难、可解释性受限及实验验证需求等关键挑战 | 探讨人工智能技术在食源性肽功能优化与精准设计领域的应用前景 | 食源性肽及其结构-活性关系 | 机器学习 | NA | 代谢组学-肠道微生物组跨学科策略 | 随机森林, 卷积神经网络 | 多维数据库 | NA | NA | NA | 准确率 | 高通量验证平台 |
| 728 | 2025-10-06 |
xEEGNet: Towards explainable AI in EEG dementia classification
2025-Aug-02, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/adf6e6
PMID:40752516
|
研究论文 | 提出xEEGNet，一种新颖、紧凑且可解释的神经网络，用于脑电图数据分析和痴呆症分类 | 将EEGNet系列中的ShallowNet从'黑盒'模型转变为完全可解释的模型，参数量减少200倍同时保持可比性能 | 主要针对阿尔茨海默症和额颞叶痴呆的分类，在其他神经系统疾病中的应用需要进一步验证 | 开发可解释的AI模型用于脑电图数据分析，特别关注痴呆症分类 | 阿尔茨海默症、额颞叶痴呆患者与健康对照组的脑电图数据 | 机器学习 | 痴呆症 | 脑电图(EEG) | CNN | 脑电图信号 | NA | NA | xEEGNet, ShallowNet | 准确率, 训练-验证损失相关性, 训练速度 | NA |
| 729 | 2025-10-06 |
Diagnostic Accuracy and Interobserver Reliability of Rotator Cuff Tear Detection With Ultrasonography Are Improved With Attentional Deep Learning
2025-Aug, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association
IF:4.4Q1
DOI:10.1016/j.arthro.2024.12.024
PMID:39725049
|
研究论文 | 本研究通过改进YOLOv7模型，开发了YOLOv7-CBAM注意力深度学习模型，用于超声图像中肩袖撕裂的自动检测 | 在YOLOv7模型中引入卷积块注意力模块(CBAM)，提高了单阶段目标检测的准确性 | 研究样本量相对有限(280名患者)，且仅针对特定类型的肩袖损伤 | 提高超声检测肩袖撕裂的诊断准确性和观察者间可靠性 | 肩痛超过3个月并接受超声和磁共振成像检查的患者 | 计算机视觉 | 肩袖损伤 | 超声成像, 磁共振成像 | CNN, YOLO | 图像 | 280名患者，840张超声图像 | NA | YOLOv7, YOLOv7-CBAM | 准确率, 精确率, 灵敏度, F1分数, 平均精度均值 | NA |
| 730 | 2025-10-06 |
Editorial Commentary: Imaging Results in Data Usefully Analyzed by Artificial Intelligence Machine Learning
2025-Aug, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association
IF:4.4Q1
DOI:10.1016/j.arthro.2025.02.024
PMID:40021066
|
评论 | 探讨人工智能机器学习在医学影像分析中的应用价值与方法框架 | 提出结合检测器、注意力模块和可解释性的三步法医学影像分析框架 | 需要外部验证来确定模型的泛化能力 | 研究人工智能在医学影像分析中的有效应用方法 | 医学影像数据 | 计算机视觉 | NA | 深度学习 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 731 | 2025-10-06 |
Applications of machine learning in glaucoma diagnosis based on tabular data: a systematic review
2025-Aug-01, BMC biomedical engineering
DOI:10.1186/s42490-025-00095-3
PMID:40745560
|
系统综述 | 系统评估基于表格数据的机器学习技术在青光眼诊断中的应用效果 | 首次系统性地比较不同机器学习方法在青光眼诊断中的表现，并识别最有前景的方法和数据集 | 数据不平衡和样本量有限影响了模型的泛化能力 | 评估机器学习技术在青光眼诊断中的应用效果 | 青光眼诊断相关的表格数据 | 机器学习 | 青光眼 | 光学相干断层扫描(OCT), 视野(VF)测试 | 支持向量机(SVM), 深度学习(DL), 随机森林, 集成方法 | 表格数据 | 35项研究 | NA | NA | 准确率, AUC | NA |
| 732 | 2025-10-06 |
A Decision Support System Based on multi-head convolutional and Recurrent Neural Networks for assisting physicians in diagnosing ADHD
2025-Aug-01, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110826
PMID:40752402
|
研究论文 | 提出基于多头部卷积和循环神经网络的决策支持系统MCRNet，利用脑电图和深度学习技术辅助医生诊断注意力缺陷多动障碍 | 采用创新的两阶段多头部方法进行特征提取，结合并行卷积和循环神经网络架构 | 模型可解释性有待提升，需要在更多脑电图数据集上验证有效性 | 开发客观可靠的ADHD诊断工具 | 注意力缺陷多动障碍患者 | 机器学习 | 注意力缺陷多动障碍 | 脑电图 | CNN, RNN | 脑电图信号 | NA | NA | 多头部卷积和循环神经网络 | 准确率, 召回率 | NA |
| 733 | 2025-10-06 |
Shaping the Future of Personalized Therapy in Bladder Cancer Using Artificial Intelligence
2025-Aug-01, European urology focus
IF:4.8Q1
DOI:10.1016/j.euf.2025.07.011
PMID:40753031
|
综述 | 本文综述了人工智能在膀胱癌个体化管理中的应用现状与潜力 | 系统整合AI在膀胱癌诊疗全流程（检测、分级、分期、风险分层、治疗及预后预测）中的应用前景 | 存在阻碍AI在临床工作流程中广泛应用的重大障碍，需要更多研究才能投入常规临床实践 | 探索人工智能在膀胱癌个体化治疗中的应用潜力 | 膀胱癌患者诊疗流程 | 数字病理 | 膀胱癌 | 机器学习,深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 734 | 2025-10-06 |
Precise dental caries segmentation in X-rays with an attention and edge dual-decoder network
2025-Aug, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03318-w
PMID:39961911
|
研究论文 | 提出一种结合注意力机制和双解码器结构的网络AEDD-Net，用于提升X光片中龋齿边界分割的精度 | 集成空洞空间金字塔池化与交叉坐标注意力机制，引入专用边界生成模块和创新的边界损失函数 | NA | 提升X光片中龋齿边界分割的准确性 | 牙科X光片中的龋齿病变 | 计算机视觉 | 龋齿 | X射线成像 | 深度学习分割网络 | X射线图像 | NA | NA | AEDD-Net（注意力与边缘双解码器网络） | Dice系数,Jaccard相似度,精确度,敏感度 | NA |
| 735 | 2025-10-06 |
TongueTransUNet: toward effective tongue contour segmentation using well-managed dataset
2025-Aug, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03278-7
PMID:39964658
|
研究论文 | 提出一种结合UNet、Vision Transformer和对比损失的混合架构，用于舌轮廓分割 | 引入动态尺寸数据集管理策略，结合UNet、ViT和潜在空间对比损失构建基础模型，并采用人工专家验证机制 | 未明确说明具体数据集规模和计算资源需求 | 从舌部超声图像中提取舌轮廓以理解语言行为特征 | 舌部超声图像 | 计算机视觉 | NA | 超声成像 | UNet, Vision Transformer | 医学图像 | NA | NA | UNet, Vision Transformer | 准确率 | NA |
| 736 | 2025-10-06 |
Automatic placement of simulated dental implants within CBCT images in optimum positions: a deep learning model
2025-Aug, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03327-9
PMID:40009142
|
研究论文 | 提出一种基于深度学习的自动牙科种植体定位模型，通过CBCT图像优化种植体位置 | 开发两阶段深度学习框架，首次结合YOLOv11进行标志物检测与种植体参数预测 | 种植体长度预测准确率较低（59%），位置预测存在毫米级误差 | 实现牙科种植体的自动精准定位 | CBCT图像中的牙科种植体 | 计算机视觉 | 牙科疾病 | 锥形束计算机断层扫描（CBCT） | CNN | 3D医学图像 | NA | YOLOv11 | YOLOv11 | F-score, 平均绝对误差, 准确率 | NA |
| 737 | 2025-10-06 |
New AI explained and validated deep learning approaches to accurately predict diabetes
2025-Aug, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03338-6
PMID:40035798
|
研究论文 | 提出两种新型深度学习模型LeDNet和HiDenNet用于早期准确预测糖尿病 | 结合LeNet与双注意力网络的LeDNet，以及融合高速公路网络与DenseNet的HiDenNet，并采用可解释AI技术增强模型透明度 | 数据集存在类别不平衡问题，可能导致预测偏差 | 开发高精度且可解释的糖尿病早期预测模型 | 糖尿病健康指标数据集 | 机器学习 | 糖尿病 | 深度学习 | CNN | 结构化健康指标数据 | 糖尿病健康指标数据集（具体数量未提及） | NA | LeDNet, HiDenNet | 准确率, F1分数, 召回率, 精确率 | NA |
| 738 | 2025-10-06 |
Utility of artificial intelligence in radiosurgery for pituitary adenoma: a deep learning-based automated segmentation model and evaluation of its clinical applicability
2025-Aug-01, Journal of neurosurgery
IF:3.5Q1
DOI:10.3171/2024.12.JNS242167
PMID:40250054
|
研究论文 | 开发基于深度学习的垂体腺瘤自动分割模型并评估其在放射外科治疗中的临床应用价值 | 首次将nnU-Net模型应用于垂体腺瘤的自动分割，并系统评估其在临床工作流程中的实际效用 | 模型在复杂病例（如既往有手术史）中的分割效果较差，部分分割结果需要人工修改 | 开发用于放射外科治疗规划的自动分割模型并验证其临床适用性 | 垂体腺瘤患者 | 数字病理 | 垂体腺瘤 | MRI扫描 | 深度学习 | 医学影像 | 582例患者用于训练，146例患者用于测试 | nnU-Net | nnU-Net | Dice相似系数，专家评分，时间成本 | NA |
| 739 | 2025-10-06 |
Enhancing Brain Metastases Detection and Segmentation in Black-Blood MRI Using Deep Learning and Segment Anything Model (SAM)
2025-Aug, Yonsei medical journal
IF:2.6Q1
DOI:10.3349/ymj.2024.0198
PMID:40709680
|
研究论文 | 本研究探讨了深度学习和Segment Anything Model在黑色素磁共振图像中检测和分割脑转移瘤的有效性和准确性 | 结合改进的U-Net与生成对抗网络架构，并首次将Segment Anything Model作为后处理工具应用于脑转移瘤分割 | 样本量较小（仅50例患者），缺乏外部验证 | 提高脑转移瘤在黑色素磁共振图像中的检测和分割精度 | 脑转移瘤患者 | 医学影像分析 | 脑转移瘤 | 黑色素磁共振成像 | U-Net, GAN | 磁共振图像 | 50例患者（40例训练，10例测试） | NA | U-Net, 改进的U-Net, U-Net+GAN | 病灶敏感度, 患者Dice相似系数, 平均假阳性率 | NA |
| 740 | 2025-10-06 |
Deep Learning-Based Landmark Detection Model for Multiple Foot Deformity Classification: A Dual-Center Study
2025-Aug, Yonsei medical journal
IF:2.6Q1
DOI:10.3349/ymj.2024.0246
PMID:40709679
|
研究论文 | 提出基于热中热(HIH)的深度学习模型，用于足部负重X光片的自动地标检测和多足部畸形分类 | 开发了热中热(HIH)地标检测模型，在内部和外部验证中均表现出优于基线模型FlatNet的性能 | 回顾性研究设计，数据来源于两个医疗中心 | 开发自动化足部畸形诊断模型以解决人工诊断的劳动密集性和变异性问题 | 足部负重X光片中的骨骼地标和五种足部畸形 | 计算机视觉 | 足部畸形 | X射线成像 | 深度学习 | 医学图像 | 中心1：806名患者的3097张图像（训练/验证）；中心2：270名患者的1056张图像（外部验证） | NA | 热中热(HIH) | 准确率, 敏感性, 特异性, 阳性预测值, 阴性预测值, 绝对像素误差, 角度误差, 归一化平均误差, 成功检测率 | NA |