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 1099 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 | 2026-01-05 |
AAPM CT metal artifact reduction grand challenge
2025-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70050
PMID:41058545
|
研究论文 | 本文介绍了AAPM CT金属伪影减少大挑战，旨在创建和分发一个临床代表性的2D MAR性能基准，并邀请参与者基于此基准客观比较其MAR方法的性能 | 通过混合数据模拟框架生成了大规模真实数据集，并提供了一个临床相关的通用MAR基准，以客观比较不同MAR方法 | 挑战仅涉及2D MAR性能评估，可能未覆盖3D或更复杂的临床场景 | 创建和分发一个临床代表性的CT金属伪影减少性能基准，促进MAR方法的客观比较和开发 | CT图像中的金属伪影，如牙科填充物、髋关节假体、脊柱螺钉/杆和金基准标记引入的条纹伪影 | 医学影像处理 | NA | CT成像，混合数据模拟框架 | 深度学习模型，包括UNet, ResNet, GAN, 扩散模型, 变换器 | CT图像，正弦图 | 14,000个CT训练数据集，29个临床未校正数据集 | NA | UNet, ResNet, GAN, 扩散模型, 变换器 | 八种临床相关的图像质量指标 | NA |
| 142 | 2026-01-04 |
Assessing body composition using auto-segmentations of muscle and subcutaneous adipose tissue in prostate cancer patients receiving magnetic resonance-guided radiotherapy
2025-Oct, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100882
PMID:41476866
|
研究论文 | 本研究利用深度学习框架对前列腺癌患者磁共振引导放疗图像进行自动分割，以评估身体成分变化 | 首次在磁共振引导放疗背景下，开发了用于肌肉和皮下脂肪组织自动分割的深度学习模型，并比较了使用肠道和骨骼掩模对性能的影响 | 样本量较小（71例患者），且仅针对中危前列腺癌患者，可能限制了结果的普适性 | 评估前列腺癌患者在接受磁共振引导放疗期间的身体成分变化，以早期发现肌肉减少症风险 | 接受磁共振引导放疗的中危前列腺癌患者 | 数字病理学 | 前列腺癌 | 磁共振成像（MRI），T2加权图像 | 深度学习模型 | 医学图像 | 71例中危前列腺癌患者 | NA | NA | 平均表面距离，95百分位Hausdorff距离，Dice相似系数 | NA |
| 143 | 2026-01-03 |
AI-driven precision in prostate brachytherapy: A systematic review of 70 studies
2025-Oct-01, Journal of cancer research and therapeutics
IF:1.4Q4
DOI:10.4103/jcrt.jcrt_1996_25
PMID:41474559
|
综述 | 本文系统回顾了70项关于人工智能在前列腺近距离放射治疗中应用的研究，评估了其在影像、治疗计划、施源器重建和结果预测等方面的进展与挑战 | 首次对70项AI在前列腺近距离放射治疗中的应用研究进行系统性综述，全面评估了U-Net和深度强化学习等技术在分割、剂量优化和质量保证方面的性能提升 | 纳入研究存在数据集多样性有限、模型泛化能力不足以及临床整合困难等挑战 | 评估人工智能技术在前列腺近距离放射治疗中的应用现状、效果及未来发展方向 | 前列腺癌患者及其放射治疗过程 | 数字病理学 | 前列腺癌 | NA | 机器学习, 深度学习 | 医学影像数据 | 基于70项研究的汇总数据 | NA | U-Net | 灵敏度, 时间节省百分比, 错误减少百分比 | NA |
| 144 | 2026-01-03 |
Diagnostic performance of the deep learning method trained using MRI and F-18 FDG-PET/CT images in the evaluation of axillary lymph node metastasis in breast cancer patients
2025-Oct-01, Journal of cancer research and therapeutics
IF:1.4Q4
DOI:10.4103/jcrt.jcrt_493_25
PMID:41474563
|
研究论文 | 本研究探讨了使用MRI和F-18 FDG-PET/CT图像训练的深度学习模型在评估乳腺癌患者腋窝淋巴结转移中的诊断性能 | 结合MRI和F-18 FDG-PET/CT多模态图像训练CNN模型，用于非侵入性检测腋窝淋巴结转移，并显示其性能优于单一模态的专家解读 | 研究为回顾性设计，样本量相对较小（177例患者），且模型尚未能替代前哨淋巴结活检等侵入性程序 | 评估深度学习模型在乳腺癌患者腋窝淋巴结转移诊断中的性能 | 被诊断为乳腺癌并接受手术的成年患者 | 数字病理学 | 乳腺癌 | MRI, F-18 FDG-PET/CT | CNN | 图像 | 177例患者 | NA | CNN | 灵敏度, 特异度, 准确率, F1分数 | NA |
| 145 | 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 |
| 146 | 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 |
| 147 | 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 |
| 148 | 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 |
| 149 | 2025-12-25 |
A deep learning framework for understanding cochlear implants
2025-Oct-17, bioRxiv : the preprint server for biology
DOI:10.1101/2025.07.16.665227
PMID:40777303
|
研究论文 | 本文提出一个深度学习框架，用于评估人工耳蜗等感觉假体的性能限制，通过模拟听觉神经输入训练人工神经网络进行语音识别和声音定位 | 首次使用深度学习框架模拟人工耳蜗输入，通过任务优化解码器评估感觉假体的最佳性能极限，为理解设备限制和潜力提供模型指导方法 | 研究基于模拟的听觉神经输入而非真实患者数据，可能无法完全反映实际临床情况 | 评估感觉假体（特别是人工耳蜗）的性能限制，理解刺激策略、神经退化和大脑解码对感知恢复的影响 | 人工耳蜗（治疗耳聋的标准方法）及其模拟听觉神经输入 | 机器学习 | 耳聋 | 深度学习模拟 | 人工神经网络 | 模拟的听觉神经输入数据 | NA | NA | NA | 语音识别准确率, 声音定位精度 | NA |
| 150 | 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 |
| 151 | 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 |
| 152 | 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 |
| 153 | 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 |
| 154 | 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 |
| 155 | 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 |
| 156 | 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 |
| 157 | 2025-12-15 |
Biologically informed neural network models are robust to spurious interactions via self-pruning
2025-Oct-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.24.684155
PMID:41278889
|
研究论文 | 本研究提出了一种评估生物学信息神经网络模型可靠性的新方法，通过测量模型在训练过程中对虚假相互作用的自我修剪能力 | 提出了一种可扩展且通用的自我修剪度量方法，用于评估BINN模型从先验知识网络中识别和移除虚假相互作用的能力，并实现了完全GPU加速的LEMBAS框架，获得了超过7倍的性能提升 | 分析主要关注选定的通路而非更全面的视角，且模型需要足够大的L2正则化才能有效修剪虚假相互作用 | 评估生物学信息神经网络模型在复杂细胞网络建模中机制推断的可靠性 | 细胞内信号传导动力学网络 | 机器学习 | NA | 深度学习，先验知识网络 | 循环神经网络 | 信号网络数据 | 3个不同的数据集 | PyTorch | LEMBAS | 预测准确性，自我修剪程度 | GPU加速 |
| 158 | 2025-12-14 |
Labeled dataset of X-ray protein ligand images in 3D point cloud and validated deep learning models
2025-Oct-31, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-06002-8
PMID:41173949
|
研究论文 | 本文介绍了首个化学标记的蛋白质配体3D点云数据集LigPCDS，并验证了基于该数据集的深度学习模型用于语义分割以恢复配体化学结构 | 首次创建了基于X射线蛋白质晶体学实验数据的化学标记3D点云配体数据集，并采用类似积木的标记方法进行点云标注 | NA | 构建并验证一个标记的3D点云配体数据集，以支持蛋白质配体结构解析、计算机辅助药物设计和蛋白质功能研究 | 蛋白质配体（小有机分子）的3D点云图像 | 计算机视觉 | NA | X射线蛋白质晶体学 | 深度学习模型 | 3D点云图像 | NA | NA | NA | NA | NA |
| 159 | 2025-12-14 |
Structure-based Predictions of Conformational B Cell Epitopes by Protein Language Model and Deep Learning
2025-Oct-30, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.29.685313
PMID:41278910
|
研究论文 | 本文介绍了一种基于蛋白质语言模型和深度学习的框架，用于预测抗原结构上的构象B细胞表位 | 提出了一种以表面“斑块”（由三个相邻残基组成的三元组）为中心的框架，直接预测抗原结构上的表位，结合蛋白质语言模型（ESM-2）和卷积神经网络，显著优于现有工具 | 模型在开发过程中未见的五个外部复合物上表现良好，但可能仍需更多样化的数据集验证泛化能力，且实验成本较高的问题未完全解决 | 预测构象B细胞表位，以支持抗体发现、抗原优先排序、抗体工程和疫苗设计 | 抗体-抗原复合物，特别是构象B细胞表位 | 自然语言处理, 机器学习 | NA | 蛋白质语言模型, 深度学习 | 多层感知机, 卷积神经网络 | 蛋白质结构数据 | 1,151个AbDb抗体-抗原复合物 | NA | ESM-2, 多层感知机, 卷积神经网络 | F1分数, ROC-AUC, PR-AUC | NA |
| 160 | 2025-12-13 |
The Duke University Cervical Spine MRI Segmentation Dataset (CSpineSeg)
2025-Oct-27, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05975-w
PMID:41145519
|
研究论文 | 本文介绍了杜克大学颈椎MRI分割数据集（CSpineSeg），并提出了一个深度学习分割模型作为基准 | 发布了一个公开可用的颈椎MRI分割数据集，并提供了一个基准分割模型 | 数据集仅包含单中心数据，可能限制模型的泛化能力 | 为颈椎研究提供数据资源，并建立分割任务的基准 | 颈椎磁共振成像（MRI） | 数字病理学 | 颈椎疾病 | 磁共振成像（MRI） | 深度学习分割模型 | 图像 | 1,255例颈椎MRI检查（来自1,232名患者），其中481例有专家手动分割标注 | NA | NA | Dice系数 | NA |