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 1753 篇文献，本页显示第 1501 - 1520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1501 | 2025-07-10 |
Corrigendum to 'CT-Based Deep Learning Predicts Prognosis in Esophageal Squamous Cell Cancer Patients Receiving Immunotherapy Combined with Chemotherapy' [Acad Radiol 32/6 (2025) 3397-3409]
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.036
PMID:40628644
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1502 | 2025-11-07 |
Deep Learning-Accelerated Prostate MRI: Improving Speed, Accuracy, and Sustainability
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.022
PMID:40664559
|
研究论文 | 评估深度学习增强的四倍并行采集技术在提升前列腺MRI图像质量和扫描效率方面的有效性 | 首次将深度学习与四倍并行采集技术结合应用于前列腺MRI，显著提升图像质量同时大幅缩短扫描时间 | 样本量相对较小（51名参与者），研究时间范围有限（2024年1月至7月） | 比较深度学习增强的P4技术与传统P2技术在前列腺MRI中的性能差异 | 接受前列腺MRI检查的患者 | 医学影像分析 | 前列腺癌 | MRI，并行采集技术，深度学习增强成像 | 深度学习 | 医学影像（T2加权序列） | 51名参与者（平均年龄69.4岁±10.5岁） | NA | NA | 信噪比，对比噪声比，图像质量评分，扫描时间 | NA |
| 1503 | 2025-11-07 |
Cost-Effectiveness of Opportunistic Osteoporosis Screening Using Chest Radiographs With Deep Learning in the United States
2025-Nov, 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光片进行机会性骨质疏松筛查在美国50岁以上女性中的成本效益 | 首次将深度学习技术与胸部X光片结合用于骨质疏松机会性筛查，并建立经济模型评估其成本效益 | 研究仅针对美国50岁以上女性群体，未涵盖其他人群或地区 | 评估人工智能驱动的机会性骨质疏松筛查策略的成本效益 | 美国50岁及以上女性 | 数字病理 | 骨质疏松 | 胸部X光摄影，双能X线吸收测定法 | 深度学习 | 医学影像 | NA | NA | NA | 灵敏度，特异性 | NA |
| 1504 | 2025-09-18 |
Faster and Sharper Prostate T2W MRI with Deep Learning
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.09.003
PMID:40957748
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1505 | 2025-11-07 |
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
|
研究论文 | 开发基于立方体复制测试绘图的机器学习模型，用于预测3-5年内转化为痴呆症的风险 | 首次将基于深度学习的异常检测模型应用于立方体复制测试绘图数据，检测临床前阶段或轻度认知障碍阶段已存在的结构性失用样症状 | 回顾性研究设计，存在1002例患者失访，样本选择可能存在偏差 | 开发高精度、高效率的痴呆症早期筛查工具 | 767名记忆障碍患者，其中457名转化为痴呆症（阿尔茨海默病318例、路易体痴呆116例、额颞叶痴呆23例），310名未转化 | 机器学习 | 老年疾病 | 立方体复制测试 | 异常检测模型 | 绘图数据 | 767名患者 | NA | PatchCore | AUC | NA |
| 1506 | 2025-11-07 |
Real-Time Global Longitudinal Strain During Echocardiography: A Deep Learning Platform for Improved Workflow
2025-Nov, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography
IF:5.4Q1
DOI:10.1016/j.echo.2025.08.015
PMID:40876495
|
研究论文 | 开发用于超声心动图实时全局纵向应变分析的深度学习平台，评估其可行性、精确性和时间效率 | 首次开发完全自动化的实时GLS分析平台，集成深度学习工具支持图像采集标准化 | 样本量较小（50例患者），需要更大规模研究验证 | 评估深度学习平台在实时GLS测量中的可行性和效率 | 50名患者（平均年龄56岁，64%男性）的超声心动图数据 | 医学影像分析 | 心血管疾病 | 超声心动图 | 深度学习 | 超声图像 | 50例患者 | NA | NA | 可行性百分比, 偏差, 一致性界限, 相关系数, 时间效率 | NA |
| 1507 | 2025-11-07 |
Deep learning-based synthetic-CT-free photon dose calculation in MR-guided radiotherapy: A proof-of-concept study
2025-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70106
PMID:41186921
|
研究论文 | 本研究提出了一种基于深度学习的无合成CT磁共振引导放疗光子剂量计算方法 | 首次直接在0.35T MRI上进行光子剂量计算，跳过了传统合成CT生成步骤 | 研究仅针对前列腺癌病例，样本量较小（34例患者） | 开发适用于MRI引导在线自适应放疗的实时剂量计算方法 | 前列腺癌患者 | 医学影像分析 | 前列腺癌 | 磁共振成像，蒙特卡洛剂量模拟 | U-Net, LSTM | MRI图像，CT图像 | 34例前列腺癌患者（20例训练，4例验证，10例测试） | NA | U-Net, LSTM | gamma通过率，剂量剖面，剂量体积直方图 | NA |
| 1508 | 2025-11-07 |
Deep Learning-Enhanced Opportunistic Osteoporosis Screening in 100 kV Low-Voltage Chest CT: A Novel Way Toward Bone Mineral Density Measurement and Radiation Dose Reduction
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.07.060
PMID:40835570
|
研究论文 | 开发深度学习模型在100kV低剂量胸部CT中实现全自动椎体分割和骨密度测量 | 首次在100kV低剂量胸部CT中实现全自动椎体分割和骨密度计算的深度学习框架 | 研究样本量有限（1167例患者），需进一步扩大验证 | 探索深度学习在低剂量胸部CT中骨质疏松筛查的可行性和准确性 | 接受100kV低剂量胸部CT和120kV腰椎CT的1167例患者 | 医学影像分析 | 骨质疏松症 | CT扫描 | CNN | CT影像 | 1167例患者（训练集495例，验证集169例，三个测试集共503例） | NA | 3D VB-Net, SCN, DenseNet, ResNet | R2, 平均误差, AUC | NA |
| 1509 | 2025-11-07 |
Differentiation of Suspicious Microcalcifications Using Deep Learning: DCIS or IDC
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.07.062
PMID:40835571
|
研究论文 | 本研究开发基于深度学习的模型用于区分乳腺X线摄影中可疑微钙化的导管原位癌和浸润性导管癌 | 首次结合深度学习特征与临床变量构建联合模型，在区分DCIS和IDC方面显著优于传统临床模型 | 回顾性研究，样本量相对有限（294例），仅来自两个中心 | 探索深度学习模型在区分表现为可疑微钙化的DCIS和IDC中的价值 | 乳腺X线摄影中表现为可疑微钙化的乳腺癌病例 | 数字病理 | 乳腺癌 | 乳腺X线摄影 | CNN | 医学影像 | 294例乳腺癌病例（106例DCIS，188例IDC） | NA | ResNet101 | AUC, 敏感度, 特异度, 准确率 | NA |
| 1510 | 2025-11-07 |
Application and development of infrared technology in gas detection
2025-Nov-01, The Review of scientific instruments
DOI:10.1063/5.0255190
PMID:41191477
|
综述 | 系统回顾红外气体检测技术的最新进展，包括检测方法比较、技术特征分析和算法发展演变 | 强调算法设计在检测精度与工程成本间的平衡作用，阐述数据驱动的深度学习方法如何通过自动提取多维特征克服传统物理方法的局限 | 检测精度与实时性能的权衡、气体特异性光谱波段增强困难、高质量数据集稀缺 | 红外气体检测技术的应用与发展研究 | 红外气体检测技术 | 红外成像技术 | NA | 红外成像技术、主动与被动气体成像方法、多组分检测系统、超灵敏痕量检测技术 | 深度学习 | 红外光谱数据、多维特征 | NA | NA | NA | 检测精度、实时性能 | NA |
| 1511 | 2025-11-07 |
Deep learning-based annotation of plant abiotic stress resistance genes for crops
2025-Nov, The Plant journal : for cell and molecular biology
DOI:10.1111/tpj.70556
PMID:41194493
|
研究论文 | 提出基于深度学习的植物非生物胁迫抗性基因注释方法PASRGA，并构建植物基因数据库PlantASRG | 结合迁移学习和对比学习技术开发基因注释模型，显著优于现有主流方法 | 未明确说明模型在跨物种泛化能力方面的限制 | 开发准确注释植物非生物胁迫抗性基因的深度学习工具 | 植物非生物胁迫（干旱、盐分、低温、紫外线）抗性基因 | 生物信息学 | NA | DNA测序 | 深度学习 | 基因组数据 | 17种主要作物基因组 | NA | NA | F1分数, AUROC, AUPRC, MCC | NA |
| 1512 | 2025-11-06 |
Carbon dots meet artificial intelligence: applications in biomedical engineering
2025-Nov-05, Journal of materials chemistry. B
DOI:10.1039/d5tb00593k
PMID:41065544
|
综述 | 本文全面综述了人工智能在碳点研究中的应用及其在生物医学工程中的潜力 | 首次系统探讨人工智能与碳点交叉领域，涵盖从材料设计到生物医学应用的完整链条 | NA | 探索人工智能技术在碳点材料研究及生物医学工程中的应用前景 | 碳点材料及其在生物医学工程中的应用 | 机器学习, 生物医学工程 | NA | 机器学习, 深度学习 | NA | 材料特性数据, 生物医学数据 | NA | NA | NA | NA | NA |
| 1513 | 2025-11-06 |
Genome-wide functional annotation and interpretation of splicing variants: toward RNA-targeted therapies
2025-Nov-05, Journal of human genetics
IF:2.6Q2
DOI:10.1038/s10038-025-01424-z
PMID:41188449
|
综述 | 系统阐述剪接破坏性变异的基因组功能注释与解释方法及其在RNA靶向治疗中的应用前景 | 整合非编码区变异注释策略，结合深度学习与基序导向工具，建立从变异识别到RNA靶向治疗的完整研究框架 | 依赖计算预测工具的准确性，实验验证策略仍需标准化，临床应用转化存在技术壁垒 | 开发系统性识别和解释剪接破坏性变异的策略，推动精准医疗发展 | 剪接破坏性变异（包括同义、深内含子和调控区变异） | 生物信息学 | 神经肌肉疾病及其他剪接驱动疾病 | 基因组测序，RNA靶向治疗技术（反义寡核苷酸、小分子调节剂、RNA编辑平台） | 深度学习模型，基序导向工具 | 基因组变异数据，剪接数据 | NA | NA | NA | NA | NA |
| 1514 | 2025-11-06 |
Application of multi-scale feature extraction and explainable machine learning in chest x-ray position evaluation within an integrated learning framework
2025-Nov-05, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12097-9
PMID:41191081
|
研究论文 | 本研究提出了一种结合深度学习和机器学习的融合网络，用于胸部X射线定位的定量和可解释评估 | 提出了基于分割的随机森林融合网络，结合SHAP方法增强模型临床可解释性 | 回顾性研究，数据来源于单一医疗机构 | 分析胸部X射线患者定位布局中的关键因素 | 胸部X射线图像 | 医学影像分析 | 胸部疾病 | X射线成像 | 深度学习, 机器学习 | 医学图像 | 3300张胸部X射线图像，来自中国医疗机构（2021年3月-2022年12月） | NA | U-net++, U-net, Random Forest Fusion Network | AUC, 准确率, 敏感性, 特异性, Dice系数 | NA |
| 1515 | 2025-11-06 |
Integration of deep learning and Bayesian networks for personalized tooth color prediction in dental esthetics: A study in Chinese Han population
2025-Nov-04, Journal of prosthodontics : official journal of the American College of Prosthodontists
DOI:10.1111/jopr.70049
PMID:41187324
|
研究论文 | 本研究开发了一种结合深度学习与贝叶斯网络的混合模型，用于预测中国汉族人群的个性化牙齿颜色偏好 | 首次将卷积神经网络与贝叶斯网络相结合用于牙齿颜色预测，显著提高了预测准确率 | 样本量相对较小（128名参与者），仅针对中国汉族人群进行研究 | 研究肤色、年龄和性别如何影响牙齿颜色偏好，为个性化牙齿美学提供量化指导 | 中国汉族人群（包括牙科专业人士和非专业人士）对标准化微笑图像的牙齿颜色偏好 | 计算机视觉 | NA | 牙齿颜色评估，VITA经典色标系统 | CNN, 贝叶斯网络 | 图像 | 128名参与者（62名男性，66名女性；60名牙科专业人士，68名非专业人士） | NA | 卷积神经网络与贝叶斯网络混合架构 | 准确率 | NA |
| 1516 | 2025-11-06 |
Performance Comparison Between Two Versions of a Commercial Artificial Intelligence System for Chest Radiograph Interpretation: A Multicenter Study
2025-Nov-04, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01731-z
PMID:41188640
|
研究论文 | 比较商业AI系统Gleamer ChestView两个版本在胸部X光片解读中的诊断性能 | 首次对同一AI系统的两个连续版本进行多中心性能比较验证 | 样本量相对有限(187例)，部分病例依赖放射科医生共识而非CT金标准 | 评估AI系统版本升级对胸部X光片诊断性能的影响 | 胸部X光片中的多种胸部病变(胸腔积液、肺泡疾病、纵隔肿块、气胸、肺结节) | 医学影像分析 | 胸部疾病 | 深度学习 | 深度学习模型 | 胸部X光图像 | 187例胸部X光片，来自6个中心，4家设备制造商 | NA | NA | 灵敏度, 特异度, 精确度, F1分数 | NA |
| 1517 | 2025-11-06 |
Clinical validation of a deep learning model for low-count PET image enhancement
2025-Nov, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07370-4
PMID:40471320
|
研究论文 | 本研究验证了深度学习模型RaDynPET在四倍降计数全身PET图像增强中的临床效果 | 开发了能够从25%标准采集时间的PET数据中恢复高质量图像的动态深度学习模型，并在内外部队列中进行了全面验证 | 样本量相对有限（120例患者），需要进一步多中心验证 | 验证深度学习模型在低计数PET图像增强中的临床可行性 | 接受18F-FDG PET/CT检查的120名患者（84例内部队列，36例外部队列） | 医学影像分析 | 肿瘤疾病 | PET/CT成像，OSEM重建算法 | 深度学习模型 | PET医学影像 | 120例患者（84内部+36外部） | NA | RaDynPET | 图像质量评分，标准化摄取值，信噪比，肿瘤背景比，对比噪声比，敏感性，特异性，PSNR，SSIM | NA |
| 1518 | 2025-11-06 |
Dynamic Early Survival Prediction Model for Hepatocellular Carcinoma Patients Treated With Atezolizumab and Bevacizumab: A Longitudinal Deep Learning Analysis
2025-Nov, Hepatology research : the official journal of the Japan Society of Hepatology
IF:3.9Q1
DOI:10.1111/hepr.70005
PMID:40702678
|
研究论文 | 开发用于预测接受阿特珠单抗和贝伐珠单抗治疗的肝细胞癌患者早期总生存期的动态深度学习模型 | 首次将随机生存森林方法与深度学习架构结合构建动态生存预测模型DynSurv-HCC，可在不同病因和基线AFP水平下保持稳定的预测性能 | 研究样本量相对有限（415例患者），且仅基于两项临床试验数据 | 改善不可切除肝细胞癌患者在接受阿特珠单抗和贝伐珠单抗治疗时的早期总生存期预测 | 不可切除肝细胞癌患者 | 机器学习 | 肝细胞癌 | 纵向生存分析 | 深度学习, 随机生存森林 | 临床试验数据 | 415例不可切除肝细胞癌患者（训练集291例，验证集124例） | NA | DynSurv-HCC | AUC | NA |
| 1519 | 2025-11-06 |
An Explainable Deep Learning Model for Focal Liver Lesion Diagnosis Using Multiparametric MRI
2025-Nov, Radiology. Artificial intelligence
DOI:10.1148/ryai.240531
PMID:40928343
|
研究论文 | 开发基于多参数MRI的可解释深度学习模型用于局灶性肝脏病变的诊断分类 | 结合nnU-Net分割和Liver Imaging Feature Transformer分类的可解释深度学习模型，能提升放射科医生诊断准确性和效率 | 研究主要基于中国医院数据，需要更多外部验证 | 评估可解释深度学习模型在局灶性肝脏病变诊断中的效果 | 局灶性肝脏病变患者 | 计算机视觉 | 肝脏疾病 | 多参数MRI | CNN, Transformer | 医学影像 | 2131名局灶性肝脏病变患者 | PyTorch | nnU-Net, Liver Imaging Feature Transformer | Dice相似系数, 准确率 | NA |
| 1520 | 2025-11-06 |
Residual bayesian attention networks for uncertainty quantification in regression tasks
2025-Nov-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-24093-6
PMID:41176534
|
研究论文 | 提出残差贝叶斯注意力框架，实现深度序列建模中端到端的不确定性量化能力 | 通过三个紧密耦合的核心组件实现贝叶斯推理与Transformer架构的深度集成：贝叶斯前馈层建立参数级不确定性的可微传播机制，多层残差贝叶斯注意力将径向基函数核嵌入注意力计算并引入Beta分布建模的自适应残差权重，贝叶斯协方差构造模块通过外积运算和特征值校正生成数学严谨的协方差表示 | 在中等规模结构化数据场景中表现稳定，但在多物理耦合系统建模等复杂任务中存在技术边界 | 解决深度序列建模任务中的不确定性量化问题 | 序列建模任务，包括工程优化、时间序列预测和空间建模 | 自然语言处理,机器学习 | NA | 贝叶斯推理,径向基函数核,外积运算 | Transformer | 结构化数据,序列数据 | NA | NA | 残差贝叶斯注意力框架 | 预测区间校准质量 | NA |