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 1104 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2025-11-16 |
DeepCMS: A Feature Selection-Driven Model for Cancer Molecular Subtyping with a Case Study on Testicular Germ Cell Tumors
2025-Oct-28, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15212730
PMID:41226022
|
研究论文 | 提出了一种基于特征选择的深度学习框架DeepCMS，用于癌症分子分型分类 | 结合前馈神经网络、基因集富集分析和特征选择技术构建代表性特征子集 | 虽然使用结肠癌基因表达数据开发，但方法可应用于任何基因表达数据 | 开发准确的癌症分子分型分类框架 | 癌症分子亚型 | 机器学习 | 癌症 | 基因表达分析，基因集富集分析 | 前馈神经网络 | 基因表达数据 | NA | NA | 前馈神经网络 | 准确率，灵敏度，特异性，平衡准确率 | NA |
| 282 | 2025-11-16 |
Transforming Endoscopic Image Classification with Spectrum-Aided Vision for Early and Accurate Cancer Identification
2025-Oct-28, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15212732
PMID:41226023
|
研究论文 | 本研究探讨了光谱辅助视觉增强器(SAVE)在食管癌内镜图像分类中的效果，与传统白光成像和窄带成像相比具有更优的诊断性能 | 首次将SAVE高光谱成像技术应用于食管癌内镜图像分类，通过波段选择增强特征提取，提高了诊断准确性 | 样本仅来自单一医疗中心，模型性能在不同架构间存在不一致性 | 评估高光谱成像技术在食管癌早期诊断中的效果，提升内镜图像分类准确性 | 食管癌内镜图像 | 计算机视觉 | 食管癌 | 高光谱成像(HSI), 白光成像(WLI), 窄带成像(NBI) | 逻辑回归, CNN, YOLO | 图像 | 2400张图像，包含8种疾病类型 | NA | VGG16, YOLOv8, MobileNetV2 | 精确率, 召回率, F1分数, 准确率 | NA |
| 283 | 2025-11-16 |
Hierarchical Multi-Stage Attention and Dynamic Expert Routing for Explainable Gastrointestinal Disease Diagnosis
2025-Oct-27, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15212714
PMID:41226006
|
研究论文 | 提出GID-Xpert深度学习框架，通过分层多阶段注意力和动态专家路由实现可解释的胃肠道疾病诊断 | 集成分层多阶段注意力驱动的专家混合模型与动态路由机制，结合空间-通道注意力与专家块专业化设计 | 在GastroEndoNet数据集上性能相对较低(75.32%)，尚未在更广泛的胃肠道病理和临床环境中验证 | 提高胃肠道疾病分类的特征学习能力、准确性和可解释性 | 胃肠道疾病诊断 | 计算机视觉 | 胃肠道疾病 | 深度学习 | 注意力机制, 专家混合模型 | 医学图像 | 三个基准数据集: WCEBleedGen, GastroEndoNet, KAUHC数据集 | NA | 分层多阶段注意力, 动态专家路由 | 准确率 | NA |
| 284 | 2025-11-16 |
From Innovation to Application: Can Emerging Imaging Techniques Transform Breast Cancer Diagnosis?
2025-Oct-27, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15212718
PMID:41226009
|
综述 | 本文综述六种新兴成像技术在乳腺癌诊断中的应用与潜力 | 系统比较光学相干断层扫描、拉曼光谱、光声成像等六种新型成像技术与传统方法的优劣 | 多数技术尚未应用于标准临床实践，需要进一步验证和标准化 | 探讨新兴成像技术如何改变乳腺癌诊断现状 | 乳腺癌诊断成像技术 | 医学影像 | 乳腺癌 | OCT, RS, PAI, HSI, CESM, MSI | NA | 医学影像数据 | NA | NA | NA | 灵敏度, 特异性, 诊断准确率 | NA |
| 285 | 2025-11-16 |
Lightweight Deep Learning Models with Explainable AI for Early Alzheimer's Detection from Standard MRI Scans
2025-Oct-26, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15212709
PMID:41226002
|
研究论文 | 开发轻量级深度学习模型用于从标准MRI扫描中早期检测阿尔茨海默病 | 结合轻量级深度学习模型与可解释AI方法，为资源受限的临床环境提供早期阿尔茨海默病检测方案 | 未明确说明数据集的规模限制和模型在更广泛人群中的泛化能力 | 开发计算效率高的早期阿尔茨海默病检测工具 | 认知正常(CN)、早期轻度认知障碍(EMCI)和晚期轻度认知障碍(LMCI)患者 | 医学影像分析 | 阿尔茨海默病 | 结构磁共振成像(MRI) | CNN | 2D MRI图像切片 | NA | NA | MobileNetV2, EfficientNetV2B0 | 准确率 | NA |
| 286 | 2025-11-16 |
Hierarchical Dual-Model Detection Framework for Spotted Seals Using Deep Learning on UAVs
2025-Oct-25, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani15213100
PMID:41227431
|
研究论文 | 提出基于深度学习的层次化双模型检测框架，利用无人机准确监测辽河口斑海豹 | 采用轻量化FF-YOLOv10模型进行快速目标定位与增强型PP-YOLOv7模型进行精确检测的协同框架，显著提升计算效率与检测精度 | 未明确说明模型在极端天气条件下的鲁棒性及长期部署的稳定性 | 开发高效精准的濒危海洋物种生态监测技术方案 | 辽河口斑海豹 | 计算机视觉 | NA | 无人机航拍 | CNN | 图像 | NA | NA | FF-YOLOv10, PP-YOLOv7 | 精确率, 召回率, 计算复杂度, 推理速度 | 无人机边缘计算设备, 地面工作站 |
| 287 | 2025-11-16 |
Toward Artificial Intelligence in Oncology and Cardiology: A Narrative Review of Systems, Challenges, and Opportunities
2025-Oct-24, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14217555
PMID:41226952
|
综述 | 本文综述了人工智能在肿瘤学和心脏病学领域的应用现状、挑战与发展机遇 | 系统梳理了AI在两大重要医学领域（肿瘤学和心脏病学）的最新应用进展，并首次将数字孪生和AI-ECG等新兴技术纳入讨论范围 | 仅基于PubMed数据库2019-2025年的英文文献，排除了会议摘要和灰色文献，可能存在发表偏倚 | 探索人工智能在临床研究中的应用潜力，重点关注肿瘤学和心脏病学领域 | 人工智能技术在医学领域的应用系统、挑战和发展方向 | 机器学习 | 肿瘤学, 心脏病学 | NA | NA | 图像数据, 信号数据 | NA | NA | NA | NA | NA |
| 288 | 2025-11-16 |
A Hybrid Convolutional Neural Network-Long Short-Term Memory (CNN-LSTM)-Attention Model Architecture for Precise Medical Image Analysis and Disease Diagnosis
2025-Oct-23, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics15212673
PMID:41225966
|
研究论文 | 提出一种融合CNN-LSTM和注意力机制的混合深度学习模型MediVision，用于医学图像分析和疾病诊断 | 结合CNN特征提取、LSTM序列依赖识别和注意力机制，并引入跳跃连接和Grad-CAM热力图增强特征表示和可解释性 | NA | 提高医学图像分类的准确性和可解释性，实现自动化疾病诊断 | 医学图像数据 | 计算机视觉 | 多种疾病 | 深度学习 | CNN, LSTM, 注意力机制 | 医学图像 | 十个不同的医学图像数据集 | NA | CNN-LSTM-Attention混合架构 | 准确率 | NA |
| 289 | 2025-11-16 |
Artificial Intelligence in Pancreatobiliary Endoscopy: Current Advances, Opportunities, and Challenges
2025-Oct-23, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm14217519
PMID:41226916
|
综述 | 本文综述了人工智能在胰胆内镜领域的当前进展、机遇与挑战 | 系统总结了AI在胰胆内镜中的创新应用，包括病变检测、胰腺肿块鉴别、囊性病变分类和恶性胆道狭窄诊断 | 当前AI模型主要处于实验阶段，受限于小规模单中心数据集、缺乏外部验证且无FDA批准系统 | 探讨人工智能在胰胆内镜检查中的应用潜力与发展方向 | 胰胆内镜检查程序（EUS、ERCP、DSOC）及相关疾病 | 医学人工智能 | 胰腺和胆道疾病 | 内镜超声、内镜逆行胰胆管造影、数字单操作者胆道镜检查 | 机器学习,深度学习 | 内镜图像 | NA | NA | NA | NA | NA |
| 290 | 2025-11-16 |
Deep Learning-Based Inverse Design of Stochastic-Topology Metamaterials for Radar Cross Section Reduction
2025-Oct-23, Materials (Basel, Switzerland)
DOI:10.3390/ma18214841
PMID:41227803
|
研究论文 | 提出一种基于深度学习的随机拓扑超材料逆向设计方法，用于实现雷达散射截面缩减 | 集成CBAM增强的变分自编码器与Transformer预测器，显著提升模型对超材料关键结构特征的提取和电磁响应预测能力 | 仅针对1比特编码超材料进行设计验证，设计空间采样率较低 | 开发高效的电磁超材料逆向设计方法 | 随机拓扑结构的电磁超材料 | 机器学习 | NA | 全波仿真，电磁响应测量 | VAE, Transformer | 结构图像，电磁响应数据 | 基于单元填充率随机生成的小规模数据集 | PyTorch, TensorFlow | CBAM-VAE, Transformer encoder | 雷达散射截面缩减值(dB) | GPU加速计算 |
| 291 | 2025-11-16 |
Distinguishing symptomatic and asymptomatic trigeminal nerves through radiomics and deep learning: A microstructural study in idiopathic TN patients and asymptomatic control group
2025-Oct, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03691-1
PMID:40668403
|
研究论文 | 本研究通过放射组学和深度学习分析三叉神经微观结构，以区分特发性三叉神经痛患者与无症状对照组的三叉神经 | 首次结合放射组学特征和定制化深度学习模型（DenseASPP-201和MobileASPPV2）来区分有症状和无症状的三叉神经 | 需要进一步研究血管和非血管病因对特发性三叉神经痛的影响 | 利用人工智能区分特发性三叉神经痛患者与无症状对照组的三叉神经微观结构差异 | 78例特发性三叉神经痛患者的有症状三叉神经（1级神经血管冲突）和182例无症状对照组三叉神经（91例1级和91例0级神经血管冲突） | 医学影像分析 | 三叉神经痛 | MRI成像，放射组学分析 | 集成学习，支持向量机，K近邻，深度学习 | MRI图像 | 260个三叉神经样本（78个有症状，182个无症状） | NA | DenseASPP-201, MobileASPPV2, 子空间判别集成学习，支持向量机，K近邻 | 准确率 | NA |
| 292 | 2025-11-16 |
Investigating brain tumor classification using MRI: a scientometric analysis of selected articles from 2015 to 2024
2025-Oct, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03685-z
PMID:40679613
|
文献计量分析 | 对2015-2024年间基于MRI的脑肿瘤分类研究进行科学计量分析 | 首次对该领域进行系统的科学计量分析，揭示研究趋势和知识结构 | 仅基于Scopus数据库的348篇文献，可能未涵盖所有相关研究 | 分析脑肿瘤分类研究的现状、趋势和研究空白 | 348篇同行评审的科学文献 | 医学影像分析 | 脑肿瘤 | MRI, 科学计量分析 | NA | 文献元数据 | 348篇文献 | CiteSpace, VOSviewer | NA | 引用频率, 合作网络, 共现分析 | NA |
| 293 | 2025-11-16 |
Artificial intelligence in forensic neuropathology: A systematic review
2025-Oct, Journal of forensic and legal medicine
IF:1.2Q3
DOI:10.1016/j.jflm.2025.102944
PMID:40782772
|
系统综述 | 本文系统综述了人工智能在法医神经病理学中的应用进展 | 首次系统性地总结人工智能在法医神经病理学领域的关键应用，重点关注创伤性脑损伤和癫痫相关病症 | 仅纳入34篇相关文献，可能未覆盖该领域所有研究成果 | 评估人工智能在法医神经病理学诊断中的应用价值 | 法医神经病理学相关的脑部疾病和损伤 | 数字病理学 | 神经系统疾病 | 组织病理学分析，死后计算机断层扫描(PMCT) | 机器学习(ML)，深度学习(DL) | 医学影像，组织病理学数据 | 34篇研究文章 | NA | NA | NA | NA |
| 294 | 2025-11-16 |
Optimization of carotid CT angiography image quality with deep learning image reconstruction with high setting (DLIR-H) algorithm under ultra-low radiation and contrast agent conditions
2025-Oct, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2025.103154
PMID:40914000
|
研究论文 | 本研究评估了DLIR-H算法在超低辐射和低对比剂条件下对颈动脉CTA图像质量的优化效果 | 首次在颈动脉双能CTA中应用DLIR-H算法，并在超低剂量条件下实现图像质量显著提升 | 样本量相对有限（120例患者），未包含所有患者群体 | 评估DLIR-H算法在超低辐射和低对比剂条件下对颈动脉CTA图像质量的改善效果 | 接受颈动脉双能CTA检查的120例患者 | 医学影像处理 | 颈动脉疾病 | 双能CT血管成像（DE-CTA），虚拟单能成像（VMI） | 深度学习图像重建（DLIR） | CT医学影像 | 120例患者分为4组（1个对照组和3个实验组） | 深度学习图像重建算法 | DLIR-H（高设置深度学习图像重建算法） | CT值、图像噪声、信噪比（SNR）、对比噪声比（CNR）、5点Likert量表主观评分 | NA |
| 295 | 2025-11-16 |
Performance of FDA-Approved AI Algorithms in Detecting Acute Pulmonary Embolism on Computed Tomographic Pulmonary Angiography (CTPA): A Meta-Analysis of Real-World Retrospective Studies
2025-Oct, Cureus
DOI:10.7759/cureus.94391
PMID:41230302
|
荟萃分析 | 评估FDA批准的AI算法在CTPA中检测急性肺栓塞的诊断性能 | 首次对FDA批准的AI算法在真实世界CTPA数据中检测肺栓塞的性能进行系统评价和荟萃分析 | 仅纳入回顾性研究，需要前瞻性试验验证临床影响 | 评估FDA批准的机器学习算法在CTPA中检测急性肺栓塞的诊断性能 | 急性肺栓塞患者的CTPA扫描图像 | 医学影像分析 | 肺栓塞 | 计算机断层肺血管造影(CTPA) | 机器学习,深度学习 | 医学影像 | 6项研究共9,102例CTPA扫描 | NA | Aidoc, CINA-PE | 敏感度,特异度 | NA |
| 296 | 2025-11-15 |
Identification of key genes in pancreatic ductal adenocarcinoma with biologically informed deep neural network
2025-Oct-31, Journal of gastrointestinal oncology
IF:2.0Q3
DOI:10.21037/jgo-2025-218
PMID:41220726
|
研究论文 | 本研究使用生物信息学指导的深度神经网络识别胰腺导管腺癌中与预后和免疫微环境相关的关键基因 | 首次将P-NET（生物信息学指导的神经网络）模型应用于PDAC关键基因识别，并发现JAG1、MET和PLAU三个基因可能成为联合免疫治疗新靶点 | 研究基于五个独立PDAC队列的回顾性数据，需要进一步实验验证 | 识别与胰腺导管腺癌预后和免疫微环境相关的关键基因 | 胰腺导管腺癌患者基因表达数据 | 生物信息学 | 胰腺癌 | 深度学习，差异表达分析，生存分析，TIDE分析，CellPhoneDB分析，分子对接 | 深度神经网络 | 基因表达数据 | 五个独立PDAC队列的628个重要基因 | NA | P-NET（生物信息学指导的神经网络） | 生存分析，TIDE分析 | NA |
| 297 | 2025-11-15 |
FISM: harnessing deep learning and reinforcement learning for precision detection of microaneurysms and retinal exudates for early diabetic retinopathy diagnosis
2025-Oct-30, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-025-00485-2
PMID:41168809
|
研究论文 | 提出一种结合深度学习和强化学习的FISM模型，用于精确检测糖尿病视网膜病变的微动脉瘤和视网膜渗出物 | 首次将Segment Anything Model (SAM)架构应用于眼底图像分割，并集成强化学习实现自适应注意力机制 | 仅使用单一数据集进行验证，缺乏多中心外部验证 | 开发高精度的糖尿病视网膜病变早期诊断模型 | 糖尿病视网膜病变患者的眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 眼底图像分析 | 深度学习,强化学习 | 图像 | 超过13,000张带标注的眼底图像 | PyTorch | Segment Anything Model (SAM),Transformer | 准确率,精确率,召回率,F1分数,AUC,特异性,Dice系数,IoU | NA |
| 298 | 2025-11-15 |
AI-based detection of MRI-invisible prostate cancer with nnU-Net
2025-Oct-30, The Canadian journal of urology
DOI:10.32604/cju.2025.068853
PMID:41220354
|
研究论文 | 开发基于nnU-Net自适应神经网络的AI图像识别系统，用于检测MRI不可见的前列腺癌 | 首次将nnU-Net应用于MRI不可见前列腺癌的检测，针对PI-RADS评分≤3的疑难病例 | 回顾性研究，样本量相对较小（150例患者），仅来自单一医疗中心 | 开发AI系统辅助临床医生检测MRI不可见的前列腺癌 | 经病理证实具有临床意义前列腺癌但术前MRI阴性的患者 | 数字病理 | 前列腺癌 | 多参数MRI（T2WI、DWI、ADC序列） | CNN | 医学影像 | 150例患者，1475张MRI图像 | nnU-Net | nnU-Net | Dice相似系数, 灵敏度, 特异性, 假阳性率, 假阴性率 | NA |
| 299 | 2025-11-02 |
Pulmonary function estimation using smartphone audio and deep learning
2025-Oct-27, Jornal brasileiro de pneumologia : publicacao oficial da Sociedade Brasileira de Pneumologia e Tisilogia
IF:2.9Q2
DOI:10.36416/1806-3756/e20250003
PMID:41172409
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 300 | 2025-11-15 |
Deep Learning Model for Extensive Diagnosis of Corneal Deposits
2025-Oct-07, Cornea
IF:1.9Q2
DOI:10.1097/ICO.0000000000004018
PMID:41236421
|
研究论文 | 开发用于角膜沉积疾病诊断的深度学习模型CorneAI，能够对7种角膜混浊疾病进行分类 | 首个集成到CorneAI系统中的深度学习模型，专门针对多种角膜沉积疾病进行综合诊断 | 对淀粉样变性和凝胶样滴状角膜营养不良的诊断精度相对较低 | 开发能够准确诊断多种角膜沉积疾病的深度学习模型 | 角膜沉积疾病患者的裂隙灯图像 | 计算机视觉 | 角膜疾病 | 裂隙灯成像 | YOLOv5 | 图像 | 1546张裂隙灯图像，包含7种角膜混浊疾病 | YOLOv5 | YOLOv5 | 阳性预测值, 置信区间 | NA |