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 1464 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 | 2025-12-10 |
Deep learning for diagnosing and grading pterygium: A systematic review and meta-analysis
2025-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110743
PMID:40644893
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了深度学习模型在翼状胬肉诊断和严重程度分级中的准确性 | 首次对深度学习在翼状胬肉诊断和分级中的应用进行了全面的系统综述和荟萃分析，并与临床专家表现进行了比较 | 研究方法存在局限性，包括缺乏外部验证数据、病例对照研究设计、未预设决策阈值以及图像分析未考虑个体内相关性 | 评估深度学习模型在翼状胬肉检测和严重程度评估中的诊断准确性 | 翼状胬肉患者的前段眼部照片 | 计算机视觉 | 眼科疾病 | 深度学习 | 深度学习模型 | 图像 | 45,913张前段眼部照片，来自超过4,460名患者 | NA | NA | 灵敏度, 特异性 | NA |
| 142 | 2025-12-10 |
Advancing rare neurological disorder diagnosis: Addressing challenges with systematic reviews and AI-driven MRI meta-trans learning framework for neurodegenerative disorders
2025-Sep, Ageing research reviews
IF:12.5Q1
DOI:10.1016/j.arr.2025.102831
PMID:40653053
|
研究论文 | 本文通过系统综述和提出一种基于MRI的AI元迁移学习框架，旨在解决罕见神经系统疾病诊断中的数据稀缺问题 | 提出了一种结合元学习和迁移学习的MRI元迁移学习框架，专门针对罕见神经系统疾病的小数据集进行优化，以减少AI偏见并提高诊断准确性 | 研究主要基于2017至2024年的文献，可能未涵盖最新进展；且提出的框架尚未经过大规模临床验证 | 探索AI技术在神经系统疾病诊断中的应用，特别是针对罕见疾病的早期检测，以提升医疗诊断准确性和实践水平 | 神经系统疾病，包括神经发育障碍、神经生物学障碍和神经退行性疾病 | 机器学习 | 神经退行性疾病 | MRI | 机器学习, 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 143 | 2025-12-08 |
Lung Cancer Diagnosis From Computed Tomography Images Using Deep Learning Algorithms With Random Pixel Swap Data Augmentation: Algorithm Development and Validation Study
2025-Sep-03, JMIR bioinformatics and biotechnology
DOI:10.2196/68848
PMID:41342173
|
研究论文 | 本研究提出了一种名为随机像素交换的新型数据增强技术，用于提升深度学习模型在CT图像上诊断肺癌的性能 | 提出随机像素交换数据增强方法，该方法在卷积神经网络和Transformer架构上均能有效提升肺癌诊断性能，优于现有数据增强技术 | NA | 开发并验证一种新的数据增强技术，以提高深度学习模型从CT图像中自动诊断肺癌的准确性 | 肺癌的CT扫描图像 | 计算机视觉 | 肺癌 | CT扫描 | CNN, Transformer | 图像 | 两个公开CT数据集（IQ-OTH/NCCD数据集和胸部CT扫描图像数据集） | NA | ResNet, MobileNet, Vision Transformer, Swin Transformer | 准确率, AUROC | NA |
| 144 | 2025-12-06 |
Applications of machine learning in high-entropy alloys: a review of recent advances in design, discovery, and characterization
2025-Sep-18, Nanoscale
IF:5.8Q1
DOI:10.1039/d5nr01562f
PMID:40878184
|
综述 | 本文综述了机器学习在高熵合金设计、发现与表征中的最新应用进展 | 重点介绍了生成模型和计算机视觉等前沿深度学习技术，以及机器学习原子间势在分子动力学模拟中的应用，以提升模拟精度和效率 | 讨论了该方法固有的局限性，但未具体说明 | 加速高熵合金领域进展，通过数据驱动方法指导合金设计、性能预测和优化 | 高熵合金 | 机器学习 | NA | 机器学习，分子动力学模拟 | 生成模型，深度学习 | 材料数据库数据 | NA | NA | NA | 评估指标（未具体说明） | NA |
| 145 | 2025-12-05 |
DGCA-DTA: A Deep Graph Neural Network Based on Co-Attention for Drug Target Affinity Prediction
2025 Sep-Oct, IEEE transactions on computational biology and bioinformatics
DOI:10.1109/TCBBIO.2025.3583208
PMID:40811270
|
研究论文 | 本文提出了一种基于协同注意力的深度图神经网络DGCA-DTA，用于药物靶点亲和力预测 | 采用多尺度图神经网络提取药物特征，并集成协同注意力机制学习药物与蛋白质内部子空间的高阶交互特征 | 未明确说明模型在更大规模或更复杂数据集上的泛化能力 | 提高药物靶点亲和力预测的准确性，以缩短药物开发周期并降低成本 | 药物化合物和蛋白质靶点 | 机器学习 | NA | 深度学习方法 | 图神经网络 | 图数据 | 在两个基准数据集上进行实验 | NA | 多尺度图神经网络 | NA | NA |
| 146 | 2025-12-04 |
Deep Learning-Based 30-Day Mortality Prediction in Critically Ill Bone and Bone Marrow Metastasis Patients: A Multicenter Retrospective Cohort Study
2025-Sep-24, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol32100533
PMID:41149453
|
研究论文 | 本研究开发并验证了基于深度学习的模型，用于预测危重骨及骨髓转移患者的30天死亡率 | 首次针对危重骨及骨髓转移患者开发了基于深度学习的30天死亡率预测模型，并部署了在线计算器 | 研究为回顾性队列研究，可能存在选择偏倚，且外部验证仅涉及两个区域 | 开发并验证用于预测危重骨及骨髓转移患者30天死亡率的深度学习模型 | 危重骨及骨髓转移患者 | 机器学习 | 骨及骨髓转移 | ICU数据 | 深度学习 | 临床数据 | 来自MIMIC-IV、eICU-CRD和新疆医科大学第一附属医院的多中心ICU数据 | NA | TabNet | AUC, 平均精度, 校准曲线, 决策曲线, 准确率 | NA |
| 147 | 2025-12-04 |
From genomics to clinic: the transformative impact of AI in pharmacogenomics and personalized medicine
2025 Sep-Oct, Pharmacogenomics
IF:1.9Q3
DOI:10.1080/14622416.2025.2591596
PMID:41277106
|
综述 | 本文综述了人工智能在药物基因组学和个性化医疗中的变革性作用，探讨了其在发现生物标志物、预测药物反应及促进精准医疗方面的应用与挑战 | 系统阐述了AI（特别是机器学习和深度学习）如何通过工具如DeepVariant和AlphaFold提升遗传变异识别精度和药物反应预测，并探讨了多组学整合、联邦学习和可解释AI等新兴方法以应对数据多样性和伦理问题 | 数据多样性不足、模型解释性有限以及数据隐私和遗传歧视等伦理问题仍是主要障碍 | 探讨人工智能在药物基因组学中的应用，以推动个性化医疗和精准医疗的发展 | 遗传变异（如单核苷酸多态性）、药物代谢和反应、生物标志物 | 机器学习 | NA | 基因组学、多组学整合 | 机器学习, 深度学习 | 基因组数据 | NA | NA | DeepVariant, AlphaFold | NA | NA |
| 148 | 2025-12-04 |
Improved CTA imaging for stroke evaluation - deep learning and iterative reconstruction comparative study
2025-Sep, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03733-8
PMID:40794135
|
研究论文 | 本研究比较了深度学习图像重建（DLIR）与自适应统计迭代重建-Veo（ASIR-V）在急性缺血性卒中患者CTA成像中的效果，强调DLIR在提高诊断准确性和大血管闭塞可视化方面的潜力 | 首次将DLIR与ASIR-V在急性缺血性卒中CTA成像中进行对比，展示了DLIR在信噪比、对比噪声比和动脉均匀性方面的显著改进 | DLIR在脑中部窝（MCF）区域的可视化方面仍面临挑战 | 比较DLIR和ASIR-V重建算法在急性缺血性卒中CTA成像中的图像质量，以评估DLIR在提高诊断准确性方面的潜力 | 108名疑似急性缺血性卒中的急诊科患者 | 医学影像分析 | 急性缺血性卒中 | CTA（计算机断层扫描血管造影） | 深度学习 | 医学影像 | 108名患者 | NA | NA | 信噪比（SNR）、对比噪声比（CNR）、动脉均匀性 | NA |
| 149 | 2025-11-28 |
Optimizing Dam Detection in Large Areas: A Hybrid RF-YOLOv11 Framework with Candidate Area Delineation
2025-Sep-04, Sensors (Basel, Switzerland)
DOI:10.3390/s25175507
PMID:40942937
|
研究论文 | 提出一种结合地理因素分析和深度学习检测的水坝提取框架，用于优化大区域水坝识别 | 首次将随机森林算法生成的水坝存在概率图与YOLOv11深度学习检测模型相结合，通过候选区域划分显著提升识别效率 | 研究仅在巴基斯坦信德省验证，需要进一步测试在其他地区的适用性 | 改进水坝空间数据库，实现水坝动态监测和灾害应急响应 | 中小型水坝基础设施 | 计算机视觉 | NA | 遥感识别，动态阈值分割 | Random Forest, YOLOv11 | 高分辨率遥感影像，OpenStreetMap水体数据 | 信德省区域，识别出16个未记录水坝 | NA | YOLOv11 | 精度0.90，召回率0.76，AUC 0.86，mAP50 0.85 | NA |
| 150 | 2025-11-28 |
Optimizing Deep Learning-Based Crack Detection Using No-Reference Image Quality Assessment in a Mobile Tunnel Scanning System
2025-Sep-02, Sensors (Basel, Switzerland)
DOI:10.3390/s25175437
PMID:40942868
|
研究论文 | 本研究提出了一种基于无参考图像质量评估的数据质量保证框架，用于优化移动隧道扫描系统中基于深度学习的裂缝检测性能 | 首次系统研究水平运动模糊对裂缝检测CNN性能的影响，并建立NR-IQA指标与检测性能的定量关联 | 主要关注水平方向的运动模糊，未考虑其他类型的图像质量问题 | 优化移动隧道扫描系统中基于深度学习的裂缝检测可靠性 | 隧道裂缝检测 | 计算机视觉 | NA | 无参考图像质量评估 | CNN | 图像 | 公共数据集和真实世界MTSS数据集 | NA | ResNet, VGG, AlexNet | F1分数 | NA |
| 151 | 2025-11-28 |
Detection of maxillary sinus pathologies using deep learning algorithms
2025-Sep, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery
IF:1.9Q2
DOI:10.1007/s00405-025-09451-4
PMID:40394252
|
研究论文 | 本研究开发了一种基于深度学习的人工智能方法，用于从锥形束计算机断层扫描图像中自动分割上颌窦病变 | 首次将卷积神经网络应用于CBCT图像中上颌窦病变的自动分割，实现了高精度的病理检测 | 研究仅基于500名患者的数据，样本量相对有限，需要更大规模的数据验证 | 评估人工智能算法在检测上颌窦病变方面的准确性 | 上颌窦病理变化 | 计算机视觉 | 上颌窦疾病 | 锥形束计算机断层扫描(CBCT) | CNN | 医学影像 | 500名患者的1000个上颌窦 | NA | 卷积神经网络 | Dice相似系数, IoU, 召回率, F1分数, 精确率 | NA |
| 152 | 2025-11-26 |
Real-Time Prediction of Helicobacter pylori Infection Using a Deep Learning Model During Esophagogastroduodenoscopy: A Prospective Multicenter Study
2025 Sep-Oct, Helicobacter
IF:4.3Q2
DOI:10.1111/hel.70078
PMID:41077634
|
研究论文 | 开发基于深度学习的实时预测系统，通过胃镜检查视频检测幽门螺杆菌感染 | 首个基于深度学习实时分析胃镜视频预测幽门螺杆菌感染的多中心前瞻性研究 | 黏膜萎缩会增加诊断错误率，检查质量影响模型性能 | 提高胃镜检查中幽门螺杆菌感染的实时诊断效率和一致性 | 接受胃镜检查的患者 | 计算机视觉 | 幽门螺杆菌感染 | 14C-尿素呼气试验，胃镜检查 | 深度学习模型 | 视频 | 701名患者（来自三家医院的前瞻性多中心研究） | NA | NA | 准确率，灵敏度，特异性，阳性预测值，阴性预测值，AUC | NA |
| 153 | 2025-11-25 |
High-accuracy SNV calling for bacterial isolates using deep learning with AccuSNV
2025-Sep-29, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.26.678787
PMID:41256411
|
研究论文 | 开发基于深度学习的AccuSNV工具，用于细菌分离株的高精度单核苷酸变异检测 | 首次将卷积神经网络应用于多样本整合分析，通过跨样本模式学习提高SNV检测精度 | 未明确说明工具在不同细菌物种间的泛化能力限制 | 开发高精度、自动化的细菌单核苷酸变异检测工具 | 细菌分离株的全基因组测序数据 | 生物信息学 | 细菌感染 | 全基因组测序 | CNN | 基因组序列比对数据 | 六个细菌物种的模拟数据和多个精选细菌数据集 | NA | 卷积神经网络 | 精度, 假阳性率 | NA |
| 154 | 2025-11-25 |
MRI on a Budget: Leveraging Low and Ultra-Low Intensity Technology in Africa
2025-Sep-18, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9014
PMID:40968019
|
综述 | 探讨低场和超低场磁共振成像技术在非洲资源受限地区的应用现状与发展前景 | 系统分析低场MRI技术在非洲医疗环境中的创新应用，包括永磁Halbach阵列磁体、便携式扫描仪设计和深度学习图像重建方法 | 信噪比较低、体素尺寸要求较大、易受运动伪影影响，无法完全替代高场扫描仪检测细微病变 | 评估低场MRI技术在资源受限地区扩大神经影像诊断能力的可行性与应用价值 | 非洲地区的低场和超低场磁共振成像系统及其临床应用 | 医学影像 | 神经系统疾病 | 低场磁共振成像，深度学习图像重建 | CNN, U-Net | 磁共振图像 | NA | NA | 残差U-Net | 信噪比，图像质量 | NA |
| 155 | 2025-11-25 |
External Validation of a Winning Artificial Intelligence Algorithm from the RSNA 2022 Cervical Spine Fracture Detection Challenge
2025-Sep-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8715
PMID:39993795
|
研究论文 | 对RSNA 2022颈椎骨折检测挑战赛获奖AI算法进行外部验证研究 | 首次对竞赛获奖算法在真实临床环境中的泛化能力进行验证 | 样本量较小（100例），仅测试单一算法，存在年龄相关合并症的影响 | 评估AI算法在临床实践中的可行性和泛化能力 | 颈椎CT扫描图像 | 医学影像分析 | 颈椎骨折 | CT扫描 | CNN | 医学影像 | 100例CT检查（50例阳性，50例阴性） | NA | 卷积神经网络 | 灵敏度, 特异度, F1分数, AUC | 本地安装，处理速度6.4秒/例 |
| 156 | 2025-11-25 |
Evaluation of Stapes Image Quality with Ultra-High-Resolution CT in Comparison with Conebeam CT and High-Resolution CT in Cadaveric Heads
2025-Sep-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8748
PMID:40127966
|
研究论文 | 比较超高清CT、锥束CT和高清CT在尸体头部镫骨成像质量方面的表现 | 首次系统比较了包括深度学习重建技术在内的多种CT成像方式对镫骨的成像能力，并以微CT作为参考标准 | 研究样本量较小（11例颞骨标本），且为尸体标本而非活体 | 评估不同CT成像技术对镫骨的成像质量 | 尸体头部颞骨标本 | 医学影像 | 耳科疾病 | CT成像, 微CT, 深度学习重建 | NA | 医学影像 | 11例颞骨标本 | NA | NA | 图像质量评分, 噪声值, 辐射剂量 | NA |
| 157 | 2025-11-25 |
3D MR Neurography of Craniocervical Nerves: Comparing Double-Echo Steady-State and Postcontrast STIR with Deep Learning-Based Reconstruction at 1.5T
2025-Sep-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8750
PMID:40139904
|
研究论文 | 比较双回波稳态序列和对比后STIR序列在1.5T磁共振神经成像中对颅颈神经的显示效果 | 首次在头颈部区域应用深度学习重建技术比较DESS和对比后STIR序列的神经显示效果 | 样本量较小（18例患者），回顾性研究设计 | 评估不同MRI序列在颅颈神经成像中的性能差异 | 颅外孔颅神经和脊神经（下牙槽神经、舌神经、面神经、舌下神经、枕大神经、枕小神经、耳大神经） | 医学影像分析 | 头颈部疾病 | 3D MR神经成像，双回波稳态序列，对比后STIR序列 | 深度学习 | 磁共振图像 | 18例患者 | NA | NA | 视觉评分，表观信噪比，对比噪声比 | 1.5T MRI设备 |
| 158 | 2025-11-25 |
Delineation of the Centromedian Nucleus for Epilepsy Neuromodulation Using Deep Learning Reconstruction of White Matter-Nulled Imaging
2025-Sep-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8766
PMID:40813213
|
研究论文 | 本研究利用深度学习重建的白质抑制成像技术描绘丘脑中央中核，以改善癫痫神经调控的靶向精度 | 首次将深度学习重建技术与FGATIR序列结合，实现丘脑中央中核的可视化与分割，为深部脑刺激提供直接靶向方法 | 样本量较小（12例患者），为回顾性研究设计 | 评估DLR-FGATIR技术对丘脑中央中核的可视化效果及其与图谱定义边界的一致性 | 12例药物抵抗性癫痫患者接受丘脑神经调控治疗 | 医学影像分析 | 癫痫 | 深度学习重建、FGATIR序列、MRI、术后CT | 深度学习 | 医学影像（MRI、CT） | 12例药物抵抗性癫痫患者 | NA | NA | Sorenson-Dice系数、体积比、对比噪声比 | NA |
| 159 | 2025-11-25 |
Automated Midline Shift Detection in Head CT Using Localization and Symmetry Techniques Based on User-Selected Slice
2025-Sep-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8767
PMID:40835418
|
研究论文 | 开发基于深度学习的自动中线移位检测方法，用于头部CT扫描分析 | 提出结合定位和对称性技术的完整严重程度范围检测方法，能够处理严重病例中透明隔消失的情况 | 仅使用单机构981例CT扫描数据，模型性能有待进一步验证 | 实现头部CT扫描中中线移位的快速准确检测 | 头部CT扫描图像中的中线移位病理特征 | 医学影像分析 | 脑部疾病 | CT扫描 | 目标检测 | 医学影像 | 981例患者CT扫描（400例标注训练，581例测试） | YOLO | You Only Look Once | AUC, 敏感度, 特异度 | NA |
| 160 | 2025-11-23 |
Comprehensive aortic stenosis characterization using multi-view deep learning
2025-Sep-29, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.09.26.25336778
PMID:41256129
|
研究论文 | 开发了集成多视图深度学习模型EchoNet-AS，通过结合B模式视频和多普勒图像评估主动脉瓣狭窄严重程度 | 首次将结构性信息（瓣膜运动）和功能性信息（主动脉瓣峰值流速）通过端到端集成方法结合，优于仅使用单一视图或多普勒测量的模型 | 未明确说明模型在特定患者亚组中的性能表现 | 开发自动化评估主动脉瓣狭窄严重程度的深度学习模型 | 主动脉瓣狭窄患者 | 医学影像分析 | 心血管疾病 | 超声心动图 | CNN | 视频,图像 | 训练集：16,076项研究中的210,193张图像；验证集：多个外部数据集共32,248项研究 | NA | 卷积神经网络,分割模型 | AUC | NA |