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 1709 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2026-06-26 |
Detection of intracranial hemorrhage using ultralow-dose brain computed tomography with deep learning reconstruction versus conventional-dose computed tomography
2025-11-24, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-02082-5
PMID:41286703
|
研究论文 | 评估使用深度学习重建的超低剂量脑部计算机断层扫描在检测颅内出血方面的诊断性能、图像质量和辐射剂量，并与常规剂量计算机断层扫描进行比较 | 首次系统比较深度学习重建与迭代重建在超低剂量计算机断层扫描中检测颅内出血的性能，并证明其在保持诊断效果的同时大幅降低辐射剂量 | 样本量较小（93名患者），且为单中心回顾性研究，可能影响结果泛化性 | 评估超低剂量计算机断层扫描结合深度学习重建对颅内出血的诊断价值及图像质量 | 93名颅内出血患者（中位年龄67岁，其中61名男性） | 计算机视觉 | 颅内出血 | 深度学习重建 | 深度学习网络 | 图像 | 93名患者 | NA | 深度学习重建模型 | 敏感性、特异性、信噪比、对比噪声比 | NA |
| 22 | 2026-06-26 |
Development and validation of an artificial intelligence-based model for cardiovascular disease prediction using longitudinal data
2025-11-22, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-03280-5
PMID:41275275
|
研究论文 | 利用机器学习模型（特别是GRU和LSTM）从纵向随访数据预测心血管疾病10年发病风险，并在伊朗人群中验证模型效能 | 首次在伊朗人群中使用GRU深度学习模型处理纵向时序数据预测CVD，并以较少的临床变量（21个）达到与包含数百变量的大规模研究相当的预测性能 | 样本仅来自单个伊朗人群（TLGS队列），可能限制模型泛化性；模型性能AUC约0.74，仍有提升空间 | 评估深度学习和混合效应逻辑模型利用纵向数据预测10年CVD发病的效果，并识别关键预测因子 | 伊朗德黑兰脂质与葡萄糖研究（TLGS）中4872名30岁以上无心血管病史的成年人（1942名男性，2930名女性） | 机器学习 | 心血管疾病 | NA | LSTM, GRU | 纵向临床数据（人口学、行为、生化指标） | 4872名成人（男性1942，女性2930），其中545人（11.2%）发生CVD事件 | NA | GRU, LSTM | AUC | NA |
| 23 | 2026-06-26 |
Impact of contrast enhancement boost and super-resolution deep learning reconstruction on pediatric congenital heart disease CTA scans: ultra-low contrast dose
2025-11-18, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-02015-2
PMID:41254528
|
研究论文 | 评估对比增强提升与超分辨率深度学习重建结合使用在儿童先天性心脏病CTA扫描中降低对比剂用量的可行性 | 首次将对比增强提升与超分辨率深度学习重建联合应用于儿童先天性心脏病CT成像，实现对比剂用量大幅降低（62.3%）同时保证图像质量 | 研究未提及具体算法框架及模型架构，且样本量较小（n=36），可能存在选择偏倚 | 探索减少儿童先天性心脏病患者CT血管成像中对比剂用量的新方案 | 72例儿童先天性心脏病患者，分为低对比剂剂量组和标准扫描组 | 数字病理学 | 先天性心脏病 | CT血管成像 | 超分辨率深度学习重建网络 | CT图像 | 72例儿童患者（低剂量组36例，标准组36例） | NA | NA | CT值、信噪比、对比噪声比、主观评分、诊断准确性 | NA |
| 24 | 2026-06-26 |
Automated segmentation of esophageal squamous cell carcinoma in contrast-enhanced free-breathing 3D-GRE: a comparative study of UNet, nnUNet, and UMamba for tumor delineation
2025-11-11, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-02011-6
PMID:41219837
|
研究论文 | 对比三种深度学习模型（UNet、nnUNet、UMamba）在增强自由呼吸3D-GRE MRI上自动分割食管鳞状细胞癌的性能 | 首次在1mm各向同性分辨率的对比增强自由呼吸3D-GRE MRI上系统比较UNet、nnUNet和UMamba三种模型用于食管鳞状细胞癌分割，并展示了UMamba在边界描绘和分割精度上的优势 | 数据来源于单一机构，样本量相对较小（192例），且为回顾性研究；手动标注排除了钙化和出血区域，可能影响模型泛化性 | 评估深度学习模型在食管鳞状细胞癌自动分割中的性能，以减轻手动分割的负担并提高临床效率 | 食管鳞状细胞癌肿瘤区域 | 计算机视觉 | 食管癌 | MRI成像（对比增强自由呼吸3D-GRE） | UNet、nnUNet、UMamba | 医学图像（3D MRI） | 192例患者，171例用于训练，21例用于验证 | NA | UNet, nnUNet-2D/3D, UMamba | Dice相似系数（DSC）、豪斯多夫距离（HD）、平均表面距离（MSD） | NA |
| 25 | 2026-06-26 |
Artificial intelligence diagnostic performance in image-based vulnerable carotid plaque detection: a systematic review and meta-analysis
2025-11-11, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-03227-w
PMID:41219882
|
meta分析 | 系统评估人工智能在基于影像的颈动脉易损斑块检测中的诊断性能 | 首次全面荟萃分析人工智能算法在区分不稳定与稳定颈动脉斑块中的诊断准确性，并基于样本量、人工智能算法类型、分割方法和发表年份进行亚组分析 | 仅一项研究报告了外部验证，限制了结果泛化性；研究间异质性高（I² > 90%）；存在发表偏倚 | 评估人工智能算法通过医学影像区分不稳定与稳定颈动脉斑块的诊断性能 | 颈动脉不稳定斑块（易损斑块） | 机器视觉 | 颈动脉粥样硬化 | 医学影像 | 人工智能算法（机器学习或深度学习） | 影像 | 31项研究，其中14项纳入meta分析 | NA | NA | 敏感度，特异度，曲线下面积 | NA |
| 26 | 2026-06-26 |
Incremental 2D self-labelling for effective 3D medical volume segmentation with minimal annotations
2025-11-07, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01991-9
PMID:41204141
|
研究论文 | 提出一种增量式二维自标注框架，通过仅使用每卷三维医学影像中的一个标注切片，实现有效的三维医疗影像分割 | 提出从单标注切片出发，通过迭代生成和过滤伪标签，逐步自标注相邻切片，以训练准二维U-Net模型，达到对三维医学影像的分割 | 未明确说明，但从概述可推测可能对高度复杂异质性器官或病变的泛化存在局限 | 探索在极低标注约束下训练二维模型进行三维医学影像分割的可行性和效果，以降低标注成本 | 脑MRI和肝脏CECT影像数据 | 计算机视觉 | NA | NA | U-Net | 图像 | NA | NA | U-Net | Dice系数, 交并比, 95百分位Hausdorff距离 | NA |
| 27 | 2026-06-26 |
Treatment decision support for esophageal cancer based on PET/CT data using deep learning
2025-11-06, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-03223-0
PMID:41199255
|
research paper | 提出一种基于PET/CT数据的深度学习模型，支持食管癌治疗决策，结合卷积和Transformer组件，实现多尺度空间编码 | 提出包含基于分裂残差块的卷积特征提取器、多尺度池化模块和MLP预测模块的新型混合深度学习架构，有效融合局部与全局特征表征学习 | NA（摘要未提及具体局限性） | 利用深度学习方法基于PET/CT数据提升食管癌治疗决策的精准性 | PET/CT影像数据 | computer vision | 食管癌 | PET/CT | 混合模型（CNN + Transformer） | 影像数据 | NA（摘要未提及样本量） | NA（摘要未提及具体框架） | 自定义混合架构（含分裂残差块的卷积特征提取器、多尺度池化模块、MLP预测模块） | AUCROC, F1 score, Balanced Accuracy | NA（摘要未提及计算资源） |
| 28 | 2026-06-26 |
Application of artificial intelligence in predicting the results of open-heart surgery: a scoping review
2025-11-05, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-03243-w
PMID:41194211
|
综述 | 本综述旨在综合人工智能在预测开胸手术结果中的研究，评估AI模型性能，并识别数据质量、算法偏差和临床适用性方面的差距 | 系统性地回顾了AI在开胸手术结果预测中的应用，识别了当前研究的空白和未来方向 | 主要限制包括模型验证不一致、前瞻性数据有限以及患者群体缺乏多样性 | 综合研究AI在预测开胸手术结果中的应用，评估AI模型性能，并找出数据质量、算法偏差和临床适用性方面的空白 | 已发表的有关应用AI预测开胸手术结果的研究 | 机器学习 | 心血管疾病 | NA | 逻辑回归、随机森林、XGBoost | 文本 | 64项研究 | NA | NA | NA | NA |
| 29 | 2026-06-26 |
Optimizing myocardial infarction detection: a hybrid CNN-GRU deep learning approach
2025-11-04, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-03217-y
PMID:41188886
|
研究论文 | 开发一种基于心电图的混合CNN-GRU深度学习模型以优化心肌梗死检测 | 提出一种基于CNN-GRU混合架构的深度学习模型，通过Pan-Tompkins算法预处理数据，并使用单导联(lead II)实现近乎完美的检测性能 | 未提及具体局限性 | 优化心肌梗死(MI)的检测，开发基于心电图的混合CNN-GRU深度学习模型作为诊断辅助工具 | 心肌梗死患者和健康对照的心电图(ECG)记录 | 机器学习, 数字病理学 | 心肌梗死 | NA | CNN-GRU混合模型 | 心电图(ECG)信号 | 总计56,354条心电图记录 (41,871条来自心肌梗死患者，14,474条来自健康患者) | NA | CNN-GRU | AUC, 敏感度, 特异度, Macro平均, 加权平均 | NA |
| 30 | 2026-06-22 |
Oral Cancer Detection By Using Tabular Data Synthesis and Classification
2025-Nov, Proceedings ... ICDM workshops. IEEE International Conference on Data Mining
DOI:10.1109/ICDMW69685.2025.00094
PMID:41948034
|
研究论文 | 提出一种利用表格数据合成与分类的自动方法，用于口腔癌筛查，区分口腔癌与癌前病变并改善数据不平衡问题 | 通过表格数据合成技术缓解临床数据不平衡问题，并利用深度学习同时实现数据平衡与分类性能提升 | 未明确说明，但基于摘要可能包括数据集规模有限或泛化性需进一步验证 | 改进基于AI的口腔癌筛查方法，提升分类性能并解决临床数据不平衡问题 | 口腔癌与癌前病变的临床表格数据 | 机器学习 | 口腔癌 | NA | 深度学习模型 | 表格数据 | NA | NA | NA | Youden指数, 平衡准确率, 敏感性, F1分数, Matthews相关系数 | NA |
| 31 | 2026-06-19 |
Deep domain adaptation eliminates costly data required for task-agnostic wearable robotic control
2025-11-19, Science robotics
IF:26.1Q1
DOI:10.1126/scirobotics.ads8652
PMID:41259448
|
研究论文 | 提出一种深度域自适应框架，通过生物力学模型的模拟传感器克服可穿戴机器人控制中的数据稀缺问题 | 利用模拟传感器作为过渡域，将易获取数据转化为数据稀缺域的有效数据，实现无标签或无设备特定数据下的任务无关可穿戴机器人控制 | 无法从摘要中提取明确限制，可能包括对模拟传感器精度的依赖及泛化能力的潜在限制 | 解决可穿戴机器人控制中数据驱动的个性化需求与高质量设备特定数据获取困难之间的矛盾 | 髋/膝外骨骼及其控制力矩估计器 | 机器学习 | NA | 深度域自适应 | 深度域自适应网络 | 模拟传感器数据、开放数据集、未标记外骨骼数据 | 8名参与者（外骨骼实时控制部署） | PyTorch | 深度域自适应网络 | 误差（Nm/kg）、代谢成本降低百分比 | NA |
| 32 | 2026-06-17 |
Machine learning model for predicting the conversion to dementia using the Cube Copying Test
2025-Nov, Journal of Alzheimer's disease : JAD
DOI:10.1177/13872877251376939
PMID:40982217
|
research paper | 利用机器学习模型通过立方体复制测试预测认知障碍向痴呆症的转化 | 首次将深度学习异常检测模型应用于立方体复制测试绘画数据，结合可解释性分析识别关键预测特征，区分痴呆转化者和非转化者的绘画模式 | 研究为回顾性设计，样本流失率较高，且仅针对特定认知评估工具（立方体复制测试） | 开发一种基于立方体复制测试的机器学习模型，用于预测轻度认知障碍患者在3-5年内转化为痴呆症的风险 | 767名轻度认知障碍患者的基线立方体复制测试绘画数据 | machine learning | 阿尔茨海默病、路易体痴呆、额颞叶痴呆 | 深度学习异常检测模型（PatchCore）、可解释性分析（SHAP） | 异常检测模型（PatchCore） | 图像（立方体复制测试绘画） | 767名患者，其中457名转化为痴呆症（318名阿尔茨海默病，116名路易体痴呆，23名额颞叶痴呆），310名未转化 | NA | PatchCore | 曲线下面积（AUC） | NA |
| 33 | 2026-06-15 |
ImmFinder: A Multiomics-Based Neural Network Approach for Predicting the Immune Genes in Livestock
2025-11, Omics : a journal of integrative biology
IF:2.2Q3
DOI:10.1177/15578100251389910
PMID:41115712
|
研究论文 | 引入了一种名为ImmFinder的多模态全连接神经网络框架，用于整合基因组和转录组数据集来分类免疫基因 | 首次将多模态全连接神经网络用于牲畜免疫基因分类，整合基因组和转录组数据，实现了较高的预测性能 | 依赖现有的牛基因组和转录组数据集训练和评估，可能限制直接推广到其他品种或物种，需要额外的外部验证和实验跟进 | 开发一种自动化的多模态深度学习方法，用于分类牛免疫基因，从而推进功能基因组学研究 | 牛的免疫基因和非免疫基因 | 机器学习 | NA | 基因组测序、转录组测序 | 全连接神经网络 | 基因组和转录组数据 | NA | Python | 全连接神经网络 | 准确率、F1分数、精确率、召回率、AUC-ROC曲线 | NA |
| 34 | 2026-06-08 |
[A multimodal disease-specific cohort for melanoma research: Construction, governance, and preliminary report]
2025-Nov-28, Zhong nan da xue xue bao. Yi xue ban = Journal of Central South University. Medical sciences
|
研究论文 | 构建了一个针对中国人群肢端黑色素瘤的多模态疾病特异性队列，并进行了初步报告 | 首次为中国人群黑色素瘤构建了代表性强、多模态的疾病特异性队列，整合了自动化ETL和AI辅助治理架构，并实现像素级病理和影像数据建模 | 单中心研究，可能限制结果的泛化性；排除了未成年人和孕妇，样本代表性有局限 | 为黑色素瘤疾病特征刻画和预后机制探索提供高质量数据基础 | 中国中南大学湘雅医院2016年4月至2024年9月间经病理确诊的黑色素瘤患者 | 数字病理学, 自然语言处理, 计算机视觉 | 黑色素瘤 | 全切片图像（WSI）、数字成像与通信标准（DICOM）影像、结构化工临床分子数据 | 基于Transformer的NLP模型、深度学习管道 | 病理图像、影像数据、文本数据 | 1036名黑色素瘤患者（514名男性，522名女性；平均年龄60.2±13.7岁） | NA | Transformer | NA | NA |
| 35 | 2026-06-07 |
Deep Learning Model for Breast Shear Wave Elastography to Improve Breast Cancer Diagnosis (INSPiRED 006): An International, Multicenter Analysis
2025-11-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology
IF:42.1Q1
DOI:10.1200/JCO-24-02681
PMID:40834300
|
研究论文 | 开发并验证基于剪切波弹性成像的深度学习模型，用于改善乳腺癌诊断 | 首次利用深度学习模型分析剪切波弹性成像图像，在国际多中心数据上验证其相比B超能显著降低假阳性率，同时保持与专家相当的灵敏度 | 未来需探索其与多模态乳腺癌诊断的整合 | 开发和验证基于SWE图像的深度学习模型（AI-SWE）用于BI-RADS 3和4类乳腺肿块，并与B超的专家诊断进行性能比较 | BI-RADS 3或4类乳腺肿块患者 | 计算机视觉 | 乳腺癌 | 剪切波弹性成像 (SWE) | 深度学习 | 超声图像 | 开发集924例患者（4026张图像）；外部验证集1包含194例患者（562张图像），外部验证集2包含176例患者（188张图像） | NA | EfficientNetB1 | 灵敏度, 特异度, 假阳性率降低, 受试者工作特征曲线下面积 (AUROC) | NA |
| 36 | 2026-06-07 |
Migration of Deep Learning Models Across Ultrasound Scanners
2025-11, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3564567
PMID:40279236
|
研究论文 | 提出一种黑盒无监督域适应方法，将深度学习模型的功能从一台超声机器迁移到另一台机器上，实现跨扫描仪的模型部署 | 首次将传递函数方法与迭代方案相结合，在无需模型内部信息的情况下实现深度学习模型功能在超声机器间的黑盒迁移 | 研究仅针对超声机器间的迁移，未验证在其他成像模态或更复杂任务中的适用性 | 验证深度学习模型功能在超声机器间迁移的可行性，并警示临床部署中的安全风险 | SonixOne和Verasonics超声机器上的深度学习分类模型 | 机器学习 | NA | NA | 深度学习分类模型 | 超声图像 | 使用SonixOne和Verasonics两台机器，未明确样本数量 | NA | NA | 分类准确率 | NA |
| 37 | 2026-06-07 |
Deep Learning for EEG-Based Visual Classification and Reconstruction: Panorama, Trends, Challenges and Opportunities
2025-11, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3568282
PMID:40343828
|
综述 | 本文首次对基于脑电图的视觉分类与重建的深度学习方法进行了全面综述，涵盖方法分类、基准数据集、神经科学见解及未来挑战与机遇 | 首次系统性地从特征编码与解码两个视角总结深度学习在脑电视觉分类与重建中的应用，并提出方法论本质与神经科学见解之间的动态闭环交互促进机制 | 未对方法进行定量对比实验，未来趋势部分缺乏具体技术实施路径 | 综述基于脑电图的视觉分类与重建的深度学习方法现状，展望未来研究方向 | 基于脑电图的视觉分类与重建任务及相应深度学习方法 | 自然语言处理,机器学习 | NA | 脑电图 | 深度学习模型 | 脑电图信号 | 未提及具体样本数量 | NA | NA | 未具体列出性能指标 | NA |
| 38 | 2026-06-07 |
Cost-Effectiveness of Opportunistic Osteoporosis Screening Using Chest Radiographs With Deep Learning in the United States
2025-11, Journal of the American College of Radiology : JACR
IF:4.0Q1
DOI:10.1016/j.jacr.2025.07.028
PMID:40780311
|
研究论文 | 评估基于深度学习分析胸部X光片的非骨质疏松筛查策略在美国50岁以上女性中的成本效益 | 首次经济模型评估利用深度学习对现有胸部X光片进行机会性骨质疏松筛查的成本效益，并纳入真实世界的治疗依从性和起始率 | 未提及 | 评估在美国50岁以上女性中，利用深度学习分析胸部X光片进行机会性骨质疏松筛查的成本效益 | 美国50岁及以上的女性 | 医学影像分析 | 骨质疏松症 | 深度学习模型 | NA | 胸部X光片 | 基于模型估计，无具体样本数量 | NA | NA | 成本效益比（每获得质量调整生命年的成本） | NA |
| 39 | 2026-06-05 |
Detecting Mild Cognitive Impairment to Alzheimer's Disease Progression by fMRI Using Convolutional Neural Network and Long-short Term Memory
2025-Nov, Basic and clinical neuroscience
IF:1.0Q4
DOI:10.32598/bcn.2025.2034.8
PMID:42238745
|
研究论文 | 利用静息态功能磁共振成像结合卷积神经网络和长短期记忆网络检测轻度认知障碍向阿尔茨海默病的进展 | 提出了结合三维CNN与LSTM的多模态深度学习模型，整合fMRI、临床评估和人口统计学信息来预测MCI向AD的转化 | 样本量较小（81名受试者，266个样本），可能影响模型的泛化性和稳定性 | 诊断MCI患者可能进展为AD的情况，以便早期干预或减少医疗费用 | 轻度认知障碍（MCI）患者 | 机器学习 | 阿尔茨海默病 | 静息态功能磁共振成像 | CNN, LSTM | fMRI图像, 临床数据, 人口统计学数据 | 81名MCI受试者，共266个样本，基线到最后一次观察平均间隔5年 | NA | 三维CNN, LSTM | 准确率（92.47%） | NA |
| 40 | 2026-06-05 |
DCM-ML: An Electroencephalography-based Classifier for Early Diagnosis of Schizophrenia Based on Dynamic Connectivity Matrices and Machine Learning Algorithms
2025-Nov, Basic and clinical neuroscience
IF:1.0Q4
DOI:10.32598/bcn.2025.2572.1
PMID:42238755
|
研究论文 | 提出了一种基于动态连接矩阵和机器学习算法的脑电图分类器，用于精神分裂症的早期诊断 | 利用事件相关电位提取的动态连接矩阵结合随机森林分类器，在基于少量特征集的情况下实现接近完美的诊断准确性，并展现出对噪声的鲁棒性 | 样本量相对较小，且未来需要在更大、人口统计学更多样化的队列中进行验证 | 开发一种客观、可扩展、非侵入性的基于机器学习的精神分裂症早期诊断工具 | 81名参与者，包括49名精神分裂症患者和32名健康对照 | 机器学习 | 精神分裂症 | 事件相关电位 | 随机森林 | 脑电图信号 | 81名参与者（49名患者，32名对照） | NA | 随机森林 | 准确率、灵敏度、特异性、F1分数 | NA |