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 1118 篇文献，本页显示第 261 - 280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 261 | 2026-01-02 |
Advancements in artificial intelligence for prostate cancer: Optimizing diagnosis, treatment, and prognostic assessment
2025-Oct, Asian journal of urology
IF:2.4Q2
DOI:10.1016/j.ajur.2024.12.001
PMID:41467190
|
综述 | 本文综述了人工智能在前列腺癌管理中的当前研究进展，重点探讨其在优化诊断、改善医疗图像质量、促进风险分层和辅助预后方面的潜力 | 强调了人工智能在提升前列腺癌诊断准确性、实现个性化治疗计划以及改善患者预后方面的创新应用，特别是在医学图像分析和手术技能评估方面的实证证据 | 需要更大规模、更多样化的数据集，并面临临床实施中的障碍 | 全面概述人工智能在前列腺癌管理中的研究现状，探讨其临床整合的机遇与挑战 | 前列腺癌管理，包括诊断、治疗和预后评估 | 数字病理学 | 前列腺癌 | NA | 机器学习, 深度学习 | 医学图像 | NA | NA | NA | 敏感性, 特异性 | NA |
| 262 | 2026-01-01 |
Deep learning-based autonomous weld quality inspection in battery pack manufacturing using a two-stage model
2025 Oct-Dec, Science progress
IF:2.6Q2
DOI:10.1177/00368504251409224
PMID:41442326
|
研究论文 | 本研究提出了一种基于深度学习的两阶段模型，用于电池包制造中的激光焊缝质量自主检测 | 提出了一种两阶段深度学习框架，即使在缺陷数据稀缺的情况下也能保持有效；第一阶段使用仅基于正常数据训练的CNN自编码器，并引入了一种新颖的损失函数来捕捉分布特征；第二阶段利用第一阶段的编码器和瓶颈层作为共享骨干网络进行多类缺陷分类 | 未明确说明模型在更广泛工业环境或不同焊接工艺中的泛化能力 | 开发一种自动化、智能化的焊缝质量检测解决方案，以替代传统人工检测方法 | 电池包制造中的激光焊缝 | 计算机视觉 | NA | 激光焊接 | CNN, 自编码器 | 图像 | 来自实际工业环境的高质量数据集（具体数量未说明） | NA | 自编码器 | 准确率, F1分数 | NA |
| 263 | 2025-12-28 |
Precision TAVR quantification- AI-accelerated TAVR planning reduces assessment time by 80% in bicuspid aortic stenosis
2025-Oct, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyaf153
PMID:41445779
|
研究论文 | 本研究开发了一种名为Cardioverse的全自动深度学习算法，用于二叶式主动脉瓣狭窄患者的TAVR术前解剖评估，显著提升了评估效率 | 开发了首个用于二叶式主动脉瓣TAVR术前解剖评估的全自动深度学习算法，实现了80%的评估时间减少和85%的用户交互减少 | 研究为回顾性多中心研究，未来需要前瞻性临床试验进一步验证 | 开发并验证一种全自动深度学习算法，以提升二叶式主动脉瓣狭窄患者TAVR术前解剖评估的效率和准确性 | 二叶式主动脉瓣狭窄患者 | 数字病理学 | 心血管疾病 | 深度学习 | 深度学习算法 | 医学影像数据 | 1147例连续患者（来自16个中国中心），包括内部验证组437例和外部验证组110例 | NA | Cardioverse | Dice相似系数, 相关系数 | NA |
| 264 | 2025-12-27 |
Evaluating the quality of multiple automatically produced segmentation variants of the prostate on Magnetic Resonance Imaging scans for brachytherapy
2025-Oct, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100852
PMID:41439244
|
研究论文 | 评估一种基于深度学习的（半）自动医学图像分割方法在MRI前列腺分割中的质量，并与传统DL方法进行比较 | 提出了一种能生成多个分割变体（反映手动分割的变异）的新型DL方法，而非仅单一分割结果，旨在提高临床医生偏好自动分割的可能性 | 研究为回顾性设计，样本量较小（仅13名前列腺癌患者），可能限制结果的普遍性 | 评估新型DL分割方法在前列腺MRI分割中的质量，并探讨其临床应用的潜力 | 前列腺癌患者的MRI扫描图像 | 数字病理 | 前列腺癌 | MRI扫描 | 深度学习（DL） | 图像 | 13名前列腺癌患者 | NA | NA | 手动校正需求等级（无校正、不可接受等），偏好排名 | NA |
| 265 | 2025-12-25 |
Addressing fractures that are hard to diagnose on imaging: Radiomics or deep learning?
2025-Oct, La Radiologia medica
DOI:10.1007/s11547-025-02051-6
PMID:40772999
|
综述 | 本文综述了影像组学和深度学习在诊断隐匿性骨折中的应用，并探讨了整合这两种技术以提升诊断及时性和准确性的潜力 | 提出了整合影像组学与深度学习以开发增强型隐匿性骨折检测方法的创新思路 | NA | 探讨影像组学和深度学习在医学诊断中，特别是针对隐匿性骨折的检测应用 | 隐匿性骨折 | 医学影像分析 | 骨折 | 影像组学, 深度学习 | NA | 影像数据 | NA | NA | NA | NA | NA |
| 266 | 2025-04-16 |
Authors' Reply: "Deep Learning for Staging Periodontitis Using Panoramic Radiographs"
2025-Oct, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.15348
PMID:40231655
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 267 | 2025-07-02 |
Comment on "Deep Learning for Staging Periodontitis Using Panoramic Radiographs"
2025-Oct, Oral diseases
IF:2.9Q1
DOI:10.1111/odi.15347
PMID:40589414
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 268 | 2025-12-21 |
Transforming [177Lu]Lu-PSMA-617 treatment planning: Machine learning-based radiodosiomics and swin UNETR using pretherapy PSMA positron emission tomography/computed tomography (PET/CT)
2025-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70030
PMID:40985608
|
研究论文 | 本研究开发了基于机器学习的放射剂量组学模型和基于Transformer的深度学习架构，用于预测转移性去势抵抗性前列腺癌患者接受[177Lu]Lu-PSMA-617治疗后的病灶吸收剂量和剂量率图，以优化个性化治疗计划 | 首次将临床生物标志物与从Ga-PSMA PET/CT提取的放射组学特征和剂量组学特征相结合，开发机器学习模型预测治疗后吸收剂量；并采用基于Swin UNETR的Transformer架构预测剂量率图，减少对计算密集型蒙特卡洛模拟的依赖 | 研究样本量较小（机器学习部分20例患者，深度学习部分30例患者），且为回顾性研究，需要更大规模的前瞻性验证 | 优化转移性去势抵抗性前列腺癌患者的[177Lu]Lu-PSMA-617放射性配体治疗的个性化预处理剂量计划 | 转移性去势抵抗性前列腺癌患者 | 数字病理学 | 前列腺癌 | PET/CT成像，蒙特卡洛模拟 | 集成树回归器，Transformer | PET/CT图像，剂量率图 | 机器学习部分20例患者，深度学习部分30例患者（包含额外10例） | GATE v9.1, LIFEx v7.4.0 | Swin UNETR | R2, RMSE, NRMSE, Gamma通过率 | NA |
| 269 | 2025-12-19 |
Dose-Dependent Analysis of Image Quality in Pediatric Head CT Scans Across Different Scanners to Optimize Clinical Protocols Using Phantom-Based Assessment
2025-Oct-27, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography11110119
PMID:41295553
|
研究论文 | 本研究通过整合多中心临床数据与体模评估，建立了儿科头部CT扫描中噪声和对比噪声比的定量阈值，以优化临床协议 | 结合多中心临床图像与体模实验，首次为儿科头部CT建立了噪声和对比噪声比的定量阈值，并验证了剂量-图像质量关系在不同扫描仪间的一致性 | 研究主要基于回顾性数据，且未深入评估深度学习重建算法在进一步降低剂量方面的具体效果 | 优化儿科头部CT协议，在最小化辐射剂量的同时保持诊断图像质量 | 儿科头部CT扫描图像及Catphan体模数据 | 医学影像 | 儿科疾病 | CT扫描 | NA | 图像 | 来自八家医院的CT系统数据，包括体模实验和儿科头部CT临床数据 | NA | NA | 噪声标准差, 对比噪声比 | NA |
| 270 | 2025-12-19 |
A Deep Learning-Driven Autonomous System for Retinal Vein Cannulation: Validation Using a Chicken Embryo Model
2025-Oct, Proceedings of the ... IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE/RSJ International Conference on Intelligent Robots and Systems
DOI:10.1109/iros60139.2025.11246284
PMID:41399488
|
研究论文 | 本研究开发了一种基于深度学习的自主系统，用于视网膜静脉插管，并在鸡胚胎模型中进行了验证 | 整合了自上而下的显微镜和B扫描光学相干断层扫描成像进行精确深度感知，并利用深度学习模型实现实时针头导航、接触检测和静脉穿刺识别 | 使用鸡胚胎模型作为人类视网膜静脉的替代，可能无法完全模拟人类生理条件 | 通过机器人辅助提高视网膜静脉插管的准确性和稳定性，以治疗视网膜静脉阻塞 | 鸡胚胎模型作为人类视网膜静脉的替代 | 计算机视觉 | 视网膜静脉阻塞 | B扫描光学相干断层扫描成像 | 深度学习模型 | 图像 | 未明确指定样本数量，但使用了鸡胚胎模型 | NA | NA | 准确率 | NA |
| 271 | 2025-12-19 |
Statistical process control for performance monitoring and continuous quality assurance of deep learning segmentations in radiotherapy
2025-Oct, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100873
PMID:41399697
|
研究论文 | 本文提出了一种基于统计过程控制（SPC）和调整版Nelson规则的连续质量保证（CQA）框架，用于自动监测和报告放射治疗中深度学习分割（DLS）模型的性能异常和趋势变化 | 首次将统计过程控制（SPC）和调整版Nelson规则应用于放射治疗中深度学习分割模型的连续质量保证，实现了对模型输出性能的自动监控和异常检测 | 研究仅基于6个月的数据（545个DLS结构文件和3093个感兴趣区域），样本量相对有限，且未详细讨论框架在不同解剖结构或疾病类型中的泛化能力 | 开发并实施一个连续质量保证（CQA）框架，以监控放射治疗中深度学习分割模型的性能，确保其临床应用的可靠性和安全性 | 放射治疗中深度学习分割模型生成的直接输出与临床批准的分割结果 | 数字病理学 | NA | 深度学习分割 | 深度学习模型 | 图像（放射治疗结构文件） | 545个深度学习分割结构文件及其对应的临床批准分割，包含3093个感兴趣区域 | NA | NA | 几何度量（具体未指定，如Dice系数、Hausdorff距离等） | NA |
| 272 | 2025-12-13 |
A knowledge-driven deep learning framework for organoid morphological segmentation and characterization
2025-Oct-21, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-025-02411-8
PMID:41121276
|
研究论文 | 本文提出了一种知识驱动的深度学习框架TransOrga-plus，用于在非侵入性和低资源设置下自动分析类器官的形态分割和动态特征 | 提出了一种结合生物知识（如类器官形态特征）的多模态Transformer分割模块，并引入轻量级多目标跟踪模块，实现了非侵入性类器官动态分析 | NA | 开发一个通用框架，用于在非侵入性和低资源设置下分析类器官的动态变化 | 类器官 | 计算机视觉 | NA | 明场显微镜成像 | Transformer | 图像 | 大规模类器官数据集，涵盖多种组织类型和显微成像设置 | NA | 多模态Transformer | NA | NA |
| 273 | 2025-12-13 |
Biologically grounded neocortex computational primitives implemented on neuromorphic hardware improve vision transformer performance
2025-Oct-14, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2504164122
PMID:41055996
|
研究论文 | 本研究通过构建一个受实验约束的生物物理真实小鼠初级视觉皮层微环路模型，揭示了特定中间神经元类别通过竞争-合作机制实现软赢家通吃（sWTA）动力学，并将其映射到神经形态硬件上，最终作为预处理滤波器集成到Vision Transformer中，显著提升了模型的泛化能力和计算效率 | 将生物物理真实的皮层微环路计算原理（sWTA）首次映射到神经形态硬件（IBM TrueNorth），并作为预处理模块嵌入现代Vision Transformer架构，实现了生物学原理与AI性能提升的统一 | 模型基于小鼠初级视觉皮层（2-3层）的体外生理数据构建，其计算原理在其他皮层区域或更复杂认知任务中的普适性有待进一步验证 | 探索大脑皮层微环路的计算原理，并将其转化为可提升现代深度学习架构性能的神经形态计算模块 | 小鼠初级视觉皮层（层2-3）的微环路，涉及四种主要中间神经元类别（Parvalbumin, Somatostatin, vasoactive intestinal peptide, LAMP5） | 机器学习, 神经形态计算 | NA | 生物物理真实建模, 神经形态硬件映射 | Vision Transformer, 基于电导的神经网络 | 图像数据 | NA | NA | Vision Transformer, sWTA模块 | 准确率, 泛化性能, 训练计算量 | IBM TrueNorth神经形态芯片 |
| 274 | 2025-12-13 |
Correlation of fetal heartbeat outcome after Day 3 or Day 5 single embryo transfer of morphologically selected embryos with an annotation-free deep learning scoring system: Results from a multi-center study
2025-Oct, Journal of assisted reproduction and genetics
IF:3.2Q2
DOI:10.1007/s10815-025-03570-x
PMID:40794157
|
研究论文 | 本研究通过多中心回顾性队列分析，评估了基于AI的胚胎评分系统（iDAScore V2）在预测胎儿心跳结局方面是否等同于或优于传统形态学评估 | 首次在多中心研究中验证了完全自动化的AI胚胎评分系统（iDAScore V2）在预测胚胎植入成功率（以胎儿心跳为指标）方面的优越性，且无需人工标注 | 研究为回顾性观察性设计，可能存在选择偏倚；未涉及不同AI模型间的比较；临床结局指标仅限于胎儿心跳 | 比较AI胚胎评分系统与形态学评估在预测胚胎植入成功率方面的效能 | 通过形态学和时差成像视频选择的第3天或第5天单胚胎移植的胚胎 | 数字病理 | 生殖医学 | 时差成像视频分析 | 深度学习 | 视频 | 第3天移植胚胎2965个，第5天及以上移植胚胎6970个 | 未提及 | iDAScore V2 | AUC | 未提及 |
| 275 | 2025-12-12 |
Qimai: a multi-agent framework for zero-shot DNA-protein interaction prediction
2025-Oct-02, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.30.679628
PMID:41256652
|
研究论文 | 本文提出了一个名为Qimai的多智能体框架，用于零样本DNA-蛋白质相互作用预测，通过整合深度学习预测与生物证据来提高模型对未见蛋白质的泛化能力 | 提出了一个模块化的AI智能体框架，首次将基于Transformer的DPI模型预测与来自查询蛋白的直接基序证据、来自其相互作用蛋白的间接基序证据相结合，并利用大型语言模型作为推理引擎进行动态权重分配，实现了可解释的预测 | 未明确说明框架的计算效率或对大规模基因组数据集的可扩展性，也未讨论LLM推理可能引入的偏差或错误 | 解决现有DNA-蛋白质相互作用预测模型对训练中未见的新蛋白质泛化能力差的问题 | DNA-蛋白质相互作用 | 机器学习 | NA | 深度学习, 大型语言模型 | Transformer | 基因组序列数据, 蛋白质相互作用数据 | 78个未见过的蛋白质作为基准测试集 | 未明确指定，但提及了基于Transformer的模型和LLM | Transformer | AUC-PR, AUC-ROC, MCC | NA |
| 276 | 2025-12-11 |
Fall Detection in Elderly People: A Systematic Review of Ambient Assisted Living and Smart Home-Related Technology Performance
2025-Oct-23, Sensors (Basel, Switzerland)
DOI:10.3390/s25216540
PMID:41228764
|
系统综述 | 本文系统综述了环境辅助生活与智能家居技术中老年人跌倒检测系统的性能表现 | 通过系统综述方法，首次将跌倒检测性能参数与传感器类别及方法进行综合分类比较，并利用ANOVA分析揭示了可穿戴传感器性能较差而深度学习方法表现最佳的结论 | 研究仅基于文献综述，未进行原始实验验证；数据库筛选可能存在遗漏；未考虑不同研究间实验设置差异对性能比较的影响 | 调查环境辅助生活与智能家居中跌倒检测系统的性能，分析不同传感器类别和方法的优劣 | 老年人跌倒检测系统 | 机器学习 | 老年疾病 | NA | 深度学习, 机器学习, 阈值方法 | 传感器数据 | 80项研究 | NA | NA | 准确率, 精确率, 灵敏度, 特异性, F1分数, 训练时间, 测试时间 | NA |
| 277 | 2025-12-11 |
[Expert consensus on clinical application of immunotherapy intelligent prediction for colorectal cancer based on artificial intelligence platform(2025 version)]
2025-Oct-01, Zhonghua wai ke za zhi [Chinese journal of surgery]
|
专家共识 | 本文介绍了基于人工智能平台的结直肠癌免疫治疗智能预测临床应用的专家共识（2025版），旨在利用深度学习算法预测MSI状态并指导免疫治疗决策 | 提出了一种基于人工智能平台和深度学习算法的结直肠癌免疫治疗智能预测新策略，以克服传统MSI检测方法的局限性 | 共识内容基于现有研究，其广泛临床应用仍需进一步验证；未详细说明具体算法性能的局限性 | 制定结直肠癌免疫治疗智能预测的临床专家共识，以促进MSI状态预测并支持免疫治疗方案的选择与应用 | 结直肠癌患者 | 数字病理学 | 结直肠癌 | 免疫组织化学，下一代测序 | 深度学习算法 | 病理图像，分子标记数据 | NA | NA | NA | NA | NA |
| 278 | 2025-12-10 |
AnatomyArray: A high-throughput platform for anatomical phenotyping in plants
2025-Oct-08, The Plant cell
DOI:10.1093/plcell/koaf223
PMID:40977461
|
研究论文 | 本文介绍了AnatomyArray系统，一个用于植物高通量解剖表型分析的集成平台，包括组织切片、成像和深度学习分析工具 | 开发了AnatomyArray系统，结合高通量石蜡切片、多通道成像和深度学习工具AnatomyNet，实现了植物组织细胞排列和形态的自动化定量分析 | 未明确提及系统在非小麦物种或更广泛植物组织中的适用性限制 | 解决植物解剖表型大规模成像和准确定量的技术挑战，以研究植物组织结构和功能的遗传基础 | 植物组织，特别是小麦根部的解剖结构 | 数字病理学 | NA | 高通量石蜡切片、多通道载玻片成像 | 深度学习 | 图像 | 多样化小麦种群 | NA | AnatomyNet | NA | NA |
| 279 | 2025-12-10 |
Deep learning for automatic ICD coding: Review, opportunities and challenges
2025-Oct, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103187
PMID:40664094
|
综述 | 本文全面综述了深度学习在自动ICD编码中的最新进展、机遇与挑战 | 从独特视角系统总结深度学习在ICD编码中的应用，分析模型设计动机、网络架构及辅助数据整合趋势 | 综述范围限于2017-2023年文献，未涵盖传统机器学习方法的详细对比分析 | 揭示自动ICD编码领域的关键挑战与发展趋势 | 基于深度学习的自动ICD编码方法相关文献 | 自然语言处理 | NA | 深度学习 | CNN, RNN, Transformer, PLM | 临床文本 | 53篇相关文献（2017-2023年） | NA | 卷积神经网络, 循环神经网络, 注意力机制, Transformer, 预训练语言模型 | NA | NA |
| 280 | 2025-12-10 |
Medical radiology report generation: A systematic review of current deep learning methods, trends, and future directions
2025-Oct, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2025.103220
PMID:40700862
|
系统综述 | 本文对基于深度学习的医学影像报告生成领域进行了全面的系统性回顾，总结了当前方法、趋势和未来方向 | 这是迄今为止最全面的关于深度学习医学影像报告生成的系统性综述，涵盖了从传统架构到大型语言模型的最新进展，并首次系统性地整理了22个数据集、14个评估指标、约20个损失函数、超过25个视觉骨干网络和30多个文本骨干网络 | 作为一篇综述文章，其局限性在于主要基于现有文献进行分析，未提出新的原创模型或方法 | 系统回顾和总结深度学习在医学影像报告生成领域的研究现状、方法和发展趋势 | 医学影像报告生成相关的研究文献、数据集、模型架构和评估方法 | 自然语言处理, 医学影像 | NA | 深度学习 | CNN, Transformer, 大型语言模型 | 医学影像, 文本报告 | 涉及78项研究，涵盖22个公开数据集 | TensorFlow, PyTorch | ResNet, VGG, U-Net, DenseNet, EfficientNet, Transformer | 准确率, 精确率, 召回率, F1分数, BLEU, ROUGE, METEOR, CIDEr | NA |