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 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 2025-11-26 |
Deep Learning-Based Generation of DSC MRI Parameter Maps Using Dynamic Contrast-Enhanced MRI Data
2025-Oct-01, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8768
PMID:40194853
|
研究论文 | 开发基于条件生成对抗网络的深度学习方法，从动态对比增强MRI数据合成DSC MRI参数图 | 首次使用cGAN从DCE MRI数据生成DSC衍生参数图，可避免重复注射造影剂并可视化磁敏感伪影区域 | 样本量较小（64名参与者），需在更大数据集上验证 | 开发从DCE MRI数据合成DSC MRI参数图的深度学习方法，减少造影剂使用剂量 | 脑肿瘤患者和无脑肿瘤对照者的MRI数据 | 医学影像分析 | 脑肿瘤 | DSC MRI, DCE MRI | cGAN | MRI图像 | 64名参与者（包括脑肿瘤患者和对照者） | NA | 条件生成对抗网络 | 线性回归, Bland-Altman图 | NA |
| 162 | 2025-11-26 |
Automated Diffusion Analysis for Noninvasive Prediction of Isocitrate Dehydrogenase Genotype in WHO Grade 2-3 Gliomas
2025-Oct-01, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8776
PMID:40494626
|
研究论文 | 本研究开发了一种基于T2加权成像的自动ADC提取流程，用于无创预测WHO 2-3级胶质瘤的IDH基因型 | 首次建立基于单序列(T2加权)的自动ADC提取流程，使用nnUNet深度学习算法实现胶质瘤自动分割，避免了传统手动分割的耗时和操作者依赖性 | nnUNet在6%病例中出现肿瘤远端脑组织过分割，在0.8%胶质瘤中遗漏了肿瘤成分 | 开发自动化方法预测胶质瘤IDH基因型，支持风险分层和治疗规划 | WHO 2-3级胶质瘤患者 | 数字病理 | 胶质瘤 | MRI, ADC成像, 深度学习分割 | nnUNet | 医学影像 | UCLH数据集247例，BraTS 2021数据集500例 | Python, FSL | nnUNet | Dice系数, AUC, 95%置信区间 | NA |
| 163 | 2025-11-26 |
Deep Learning Can Accurately Predict the Prognosis of Gynecologic Smooth Muscle Tumors of Uncertain Malignant Potential: A Multicenter Pilot Study
2025-Oct, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2025.104211
PMID:40602459
|
研究论文 | 本研究探索使用深度学习模型直接从组织学切片预测妇科不确定恶性潜能平滑肌肿瘤(STUMP)的无进展生存期 | 首次将深度学习技术应用于STUMP预后预测，直接从组织学切片提取特征进行风险分层 | 样本量相对较小，需要进一步研究通过分子标记物验证高风险组 | 预测STUMP患者的无进展生存期并识别高风险患者 | 妇科不确定恶性潜能平滑肌肿瘤(STUMP)患者 | 数字病理学 | 妇科肿瘤 | 组织学切片分析 | 深度学习模型 | 组织病理学图像 | 95例STUMP患者(79例训练，16例外部验证)，另包含160例平滑肌瘤和58例平滑肌肉瘤作为对照 | scikit-learn, R | NA | C-index, Cox回归分析, 风险比 | NA |
| 164 | 2025-11-26 |
Development and validation of deep learning model for detection of obstructive coronary artery disease in patients with acute chest pain: a multi-center study
2025-Oct, La Radiologia medica
DOI:10.1007/s11547-025-02064-1
PMID:40810889
|
研究论文 | 开发并验证用于检测急性胸痛患者阻塞性冠状动脉疾病的深度学习模型 | 首次基于YOLOv4开发专门用于急诊科急性胸痛患者冠状动脉CTA图像中阻塞性CAD检测的深度学习模型 | 需要手动预处理进行曲面MPR提取，模型训练依赖有限的手动预处理数据 | 开发并验证深度学习模型在冠状动脉CTA中检测阻塞性冠状动脉疾病的能力 | 急诊科就诊的急性胸痛患者 | 计算机视觉 | 心血管疾病 | 冠状动脉CT血管成像 | CNN | 医学图像 | 训练集378名患者(10,060张曲面MPR图像)，外部验证集298名患者 | NA | YOLOv4 | 灵敏度, 特异度, 阳性预测值, 阴性预测值, AUC | NA |
| 165 | 2025-11-26 |
Deep Learning-Based Death Prediction Model for Chronic Kidney Disease
2025-Oct, Healthcare informatics research
IF:2.3Q3
DOI:10.4258/hir.2025.31.4.396
PMID:41265425
|
研究论文 | 开发基于深度学习的慢性肾脏病患者死亡预测模型 | 结合LASSO回归筛选特征和深度学习建模，识别出影响CKD患者死亡的关键因素 | 数据来源于单一国家（韩国）的医疗机构，可能影响模型在其他人群的泛化能力 | 预测慢性肾脏病患者的死亡风险 | 慢性肾脏病患者 | 机器学习 | 慢性肾脏病 | LASSO回归, 深度学习 | 深度学习模型 | 医疗记录数据 | 2016-2021年韩国疾病管理厅出院患者调查数据 | NA | NA | 损失值, 准确率 | NA |
| 166 | 2025-11-25 |
Vessel Wall Imaging at 7T: State of the Art
2025-Oct-24, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9065
PMID:41136333
|
综述 | 本文综述了7T磁共振在颅内血管壁成像中的技术发展、临床应用及未来前景 | 系统总结了7T-MRI在血管壁成像中的技术优势，包括更高空间分辨率、信噪比和对比度，以及深度学习重建等新兴技术 | 存在B1场不均匀性和缺乏标准化协议等挑战 | 探讨7T-MRI在神经血管疾病诊断中的应用价值和技术发展 | 颅内血管壁成像技术及其在脑血管疾病中的应用 | 医学影像 | 脑血管疾病 | 7T-MRI, MPIR-TSE, SPACE, CUBE, CSF抑制技术 | NA | 磁共振影像 | NA | NA | NA | 空间分辨率, 信噪比, 对比噪声比 | NA |
| 167 | 2025-11-25 |
Deep multi-instance learning model based on gadoxetic acid-enhanced MRI for predicting microvascular invasion of hepatocellular carcinoma: a multicenter, retrospective study
2025-Oct-22, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-14971-7
PMID:41126066
|
研究论文 | 基于钆塞酸增强MRI开发深度学习模型用于预测肝细胞癌微血管侵犯的多中心回顾性研究 | 比较不同感兴趣区域和图像输入维度对深度学习模型性能的影响，提出基于所有轴向切片的2.5D深度多示例学习模型 | 回顾性研究设计，样本量相对有限（206例患者） | 术前无创预测肝细胞癌微血管侵犯 | 经病理证实的肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 钆塞酸增强MRI，包括肝胆期图像、T1WI-FS和T2WI-FS序列 | 深度学习，多示例学习 | 医学影像 | 206例来自三家医院的患者 | NA | 2D DL, 3D DL, 2.5D MIL | AUC | NA |
| 168 | 2025-11-25 |
Assessing the performance of artificial intelligence models in evaluating inflammatory skin disease severity: a systematic review and meta-analysis
2025-Oct-17, The British journal of dermatology
DOI:10.1093/bjd/ljaf250
PMID:40570030
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估基于图像的人工智能模型在炎症性皮肤病严重程度评估中的性能表现 | 首次对AI模型在皮肤病严重程度评估中的性能进行系统性定量分析，比较了不同疾病类型和评分系统的差异 | 纳入研究数量有限，数据报告透明度不足，缺乏高质量前瞻性研究 | 定性和定量评估基于图像的AI模型在各种皮肤病严重程度评估中的性能 | 炎症性皮肤病严重程度评估 | 医学人工智能 | 炎症性皮肤病 | 深度学习 | 深度学习模型 | 临床图像 | 45项研究用于系统评价，19项研究用于荟萃分析 | NA | NA | 灵敏度, 特异性, 准确率 | NA |
| 169 | 2025-11-25 |
Retinal image-based deep learning for mild cognitive impairment detection in coronary artery disease population
2025-Oct-14, Heart (British Cardiac Society)
DOI:10.1136/heartjnl-2024-325486
PMID:40379470
|
研究论文 | 本研究开发了一种基于眼底图像的深度学习模型，用于在冠状动脉疾病人群中筛查轻度认知障碍 | 首次将眼底图像与深度学习结合用于冠状动脉疾病患者的轻度认知障碍筛查，提供了一种非侵入性的早期诊断替代方案 | 单中心横断面研究，样本来源单一，需要多中心验证 | 优化冠状动脉疾病人群中轻度认知障碍的诊断，实现早期干预和改善预后 | 冠状动脉疾病患者（至少有一处≥50%狭窄） | 数字病理学 | 心血管疾病 | 眼底成像 | CNN | 图像 | 4357名患者，9009张合格图像 | NA | 四种不同的卷积神经网络架构（具体未指明） | AUC, 校准曲线, 决策曲线 | NA |
| 170 | 2025-11-25 |
EEG workload estimation and classification: a systematic review
2025-Oct-09, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad705e
PMID:39151457
|
系统综述 | 系统综述EEG认知负荷估计与分类中机器学习和深度学习方法的应用现状 | 首次系统梳理EEG负荷估计中ML/DL方法的应用格局，发现采样频率与模型精度的关联性 | 纳入研究存在方法学异质性，缺乏标准化评估框架 | 系统评估机器学习与深度学习在EEG认知负荷估计与分类中的应用效果 | 33篇符合纳入标准的科学论文 | 机器学习 | NA | 脑电图(EEG) | SVM, CNN, 循环神经网络, 混合网络 | EEG信号 | 33篇研究论文（从125篇初筛文献中筛选） | NA | 卷积神经网络, 循环神经网络, 支持向量机 | 准确率 | NA |
| 171 | 2025-11-25 |
Decoding tissue-specific enhancers in plants using massively parallel assays and deep learning
2025-Oct-08, The Plant cell
DOI:10.1093/plcell/koaf236
PMID:41030057
|
研究论文 | 本研究利用大规模平行报告基因检测和深度学习技术，解码番茄果实组织特异性增强子 | 首次在植物中系统鉴定果实特异性增强子，并通过深度学习指导合成增强子的设计 | 研究仅针对番茄果实组织，未涵盖其他植物物种或组织类型 | 解析植物组织特异性增强子的调控机制并设计合成增强子 | 番茄果实和叶片组织 | 深度学习 | NA | 大规模平行报告基因检测（MPRA） | 深度学习 | 基因组序列数据 | 11,180个来自果实特异性基因的启动子片段 | NA | NA | NA | NA |
| 172 | 2025-11-25 |
RNA sequence design and protein-DNA specificity prediction with NA-MPNN
2025-Oct-08, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.03.679414
PMID:41256668
|
研究论文 | 提出统一处理RNA序列设计和蛋白质-DNA结合特异性预测的深度学习模型NA-MPNN | 首次提出统一处理核酸逆折叠问题的深度学习模型，采用统一生物聚合物图表示方法处理蛋白质、DNA和RNA | NA | 解决核酸逆折叠问题，即给定核酸或核酸-蛋白质复合物的三维结构，寻找最可能的核酸序列 | RNA序列设计，蛋白质-DNA结合特异性预测 | 机器学习 | NA | 深度学习，图神经网络 | MPNN | 三维结构数据，序列数据 | NA | NA | 消息传递神经网络 | NA | NA |
| 173 | 2025-11-25 |
Polarimetric feature analysis of Mueller matrices for brain tumor image segmentation
2025-Oct-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.561518
PMID:41215153
|
研究论文 | 本研究利用穆勒矩阵偏振测量数据开发深度学习模型，实现脑肿瘤图像的自动分割 | 比较基于原始穆勒矩阵测量值与Lu-Chipman特征图的深度学习模型性能，展示单波长偏振测量在脑肿瘤分割中的潜力 | 数据采集和标注过程耗时，临床应用面临实际挑战 | 探索穆勒矩阵偏振测量在脑肿瘤识别和分割中的应用价值 | 人脑组织样本 | 计算机视觉 | 脑肿瘤 | 穆勒矩阵偏振测量(MMP) | 深度学习模型 | 偏振图像 | NA | NA | NA | 分割准确率 | NA |
| 174 | 2025-11-25 |
Decentralized, privacy-preserving surgical video analysis with Swarm Learning
2025-Oct-03, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.10.02.25337106
PMID:41256170
|
研究论文 | 开发了一种结合弱监督深度学习和群学习技术的去中心化手术视频分析流程，用于预测患者级别的疾病分期 | 首次将弱监督深度学习与群学习结合用于手术视频分析，无需集中数据即可实现多中心协作训练 | 硬件故障和与电子病历系统集成有限是临床实施的主要障碍 | 开发隐私保护的多中心协作手术视频分析系统 | 397例腹腔镜阑尾切除术视频记录 | 计算机视觉 | 阑尾炎 | 弱监督深度学习，群学习 | 深度学习 | 手术视频 | 来自6个国际外科中心的397例腹腔镜阑尾切除术记录 | NA | SurgTempoNet, SurgFrameNet, Multiple Instance Learning | 分类性能，泛化性能 | NA |
| 175 | 2025-11-25 |
Hybrid deep learning-mechanistic modeling of cellular dynamics from a spatiotemporal single-cell atlas
2025-Oct-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.02.679951
PMID:41256408
|
研究论文 | 开发了一种结合深度学习和机制建模的方法，从果蝇胚胎单细胞时空图谱中重建细胞动态过程 | 提出了变分自编码器-潜在神经常微分方程框架，将黑盒深度学习与可解释的机制模型相结合 | 黑盒深度学习方法在预测组合扰动效应方面存在固有局限性 | 研究细胞异质性、转变和调控网络中的动态过程 | 黑腹果蝇囊胚胚胎的单细胞荧光成像时空图谱 | 计算生物学 | NA | 单细胞荧光成像，空间配准 | VAE, 神经ODE | 基因表达谱，图像数据 | 六个配准的发育时间点（原肠胚形成前） | NA | 变分自编码器，神经常微分方程 | NA | NA |
| 176 | 2025-11-25 |
Interpretable deep learning model diagnoses gastrointestinal stromal tumors and lesion characteristics with microprobe endoscopic ultrasonography
2025-Oct-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-17018-w
PMID:41038910
|
研究论文 | 开发可解释深度学习模型ECMAI-ME，通过微探头超声内镜图像诊断胃肠道间质瘤及病变特征 | 首次将病变特征整合到MEUS图像中，使AI推理与临床诊断流程对齐，开发了七个深度学习模型 | 研究仅基于中国五家医院的数据，需要更多国际多中心验证 | 提高微探头超声内镜对胃肠道间质瘤的诊断能力 | 胃肠道间质瘤和病变特征 | 数字病理 | 胃肠道间质瘤 | 微探头超声内镜 | 深度学习 | 图像 | 来自873个黏膜下病变的9,229张MEUS图像，涉及五家中国医院 | NA | ECMAI-ME | AUC, 准确率, 特异性, 敏感性 | NA |
| 177 | 2025-11-25 |
scGPD: single-cell informed gene panel design for targeted spatial transcriptomics
2025-Oct-02, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.02.680117
PMID:41256660
|
研究论文 | 提出基于深度学习的基因面板设计框架scGPD，利用单细胞RNA测序数据为靶向空间转录组学选择紧凑且非冗余的基因集合 | 引入基因-基因相关性感知的门控机制，鼓励所选基因的多样性并消除冗余，相比现有方法能更好地覆盖转录组范围表达 | 未明确说明方法对特定组织类型或疾病场景的适用性限制 | 开发用于靶向空间转录组学的基因面板设计方法 | 单细胞RNA测序数据和空间转录组学数据 | 生物信息学 | NA | 单细胞RNA测序，空间转录组学 | 深度学习 | 基因表达数据 | 多种单细胞数据集（未指定具体数量） | NA | NA | 细胞类型分类准确率，转录组范围表达恢复能力 | NA |
| 178 | 2025-11-25 |
Deep Learning Model Based on Dual-energy CT for Assessing Cervical Lymph Node Metastasis in Oral Squamous Cell Carcinoma
2025-Oct, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.020
PMID:40628643
|
研究论文 | 本研究开发了一种基于双能CT的深度学习模型，用于评估口腔鳞状细胞癌患者颈部淋巴结转移 | 首次将Crossformer_Transformer架构应用于双能CT多序列融合图像进行淋巴结转移检测，并在多中心数据上验证了其优越性能 | 样本量相对有限，仅包含两个中心的354名患者 | 提高口腔鳞状细胞癌患者颈部淋巴结转移的术前检测准确性 | 口腔鳞状细胞癌患者的颈部淋巴结 | 医学影像分析 | 口腔鳞状细胞癌 | 双能CT成像 | 深度学习 | CT图像 | 354名患者（248名来自第一个中心，106名来自第二个中心） | NA | Crossformer, Densenet169, Squeezenet1_0, Crossformer_Transformer | AUC | NA |
| 179 | 2025-11-25 |
A Deep Learning Model for Preoperative Prediction of Lymph Node Metastasis in cT1-Stage Lung Adenocarcinoma: A Multicenter External Validation Study
2025-Oct, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.001
PMID:40651922
|
研究论文 | 开发并验证用于术前预测cT1期肺腺癌淋巴结转移的深度学习模型 | 首次基于残差网络开发专门用于cT1期肺腺癌淋巴结转移预测的深度学习模型，并进行多中心外部验证 | 回顾性研究设计，未在更广泛人群中验证模型泛化能力 | 术前预测cT1期肺腺癌淋巴结转移状态 | 2503名患者的2568个经病理证实的cT1期肺腺癌结节 | 医学影像分析 | 肺癌 | CT影像分析 | 深度学习 | 医学影像 | 2568个肺腺癌结节（来自2503名患者，8个机构） | NA | ResLNM（基于残差网络） | AUC, 决策曲线分析 | NA |
| 180 | 2025-11-25 |
2.5D Deep Learning-Based Prediction of Pathological Grading of Clear Cell Renal Cell Carcinoma Using Contrast-Enhanced CT: A Multicenter Study
2025-Oct, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.056
PMID:40683765
|
研究论文 | 基于动脉期增强CT开发深度学习模型预测透明细胞肾细胞癌病理分级 | 提出2.5D深度学习模型，采用三切片输入方式，在多个中心验证中优于传统2D模型和放射组学MLP模型 | 回顾性研究设计，样本量相对有限 | 预测透明细胞肾细胞癌的病理分级 | 564例经诊断的透明细胞肾细胞癌患者 | 数字病理 | 肾细胞癌 | 对比增强CT | 深度学习 | CT图像 | 564例患者（训练集283例，内部测试集122例，三个外部验证集分别为60、38、61例） | NA | 2D模型,2.5D模型,多层感知器 | AUC,准确率,灵敏度 | NA |