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 1957 篇文献，本页显示第 301 - 320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2026-01-30 |
Artificial Intelligence in Veterinary Clinical Pathology-An Introduction and Review
2025-Dec, Veterinary clinical pathology
IF:1.2Q3
DOI:10.1111/vcp.70012
PMID:40462415
|
综述 | 本文介绍了人工智能在兽医临床病理学中的应用，并探讨了其资格认证与整合方法 | 以非技术性方式介绍AI基本概念，并强调兽医临床病理学家在AI方法设计、资格认证及负责任应用中的主动角色 | NA | 探索人工智能在兽医临床病理学工作流程中的增强机会 | 兽医临床病理学领域 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 302 | 2026-01-30 |
Deep Learning-Based Segmentation of Coronary Arteries and Stenosis Detection in X-Ray Coronary Angiography
2025-Dec, JACC. Advances
DOI:10.1016/j.jacadv.2025.102360
PMID:41447280
|
研究论文 | 本文利用深度学习模型对X射线冠状动脉造影图像进行冠状动脉分割和狭窄检测，并进行外部验证与专家变异性比较 | 开发了基于深度学习的冠状动脉分割和狭窄检测模型，首次在多中心数据上进行训练和验证，并证明其性能与专家水平相当 | 研究仅基于两个医疗中心的数据，可能无法完全代表所有临床场景；狭窄检测率仍有提升空间 | 训练深度学习模型用于自动分割冠状动脉并检测显著狭窄，以辅助临床诊断 | X射线冠状动脉造影图像 | 计算机视觉 | 心血管疾病 | X射线冠状动脉造影 | 深度学习模型 | 图像 | 10,573张ICA图像用于训练（中心1: 9,065张，中心2: 1,508张），验证集309张图像 | NA | NA | Dice系数, 检测率, 置信区间 | NA |
| 303 | 2026-01-30 |
Artificial Intelligence and Augmented Reality in Orthopedic Surgery: A Narrative Review of Current Applications and Future Directions
2025-Dec, Cureus
DOI:10.7759/cureus.100177
PMID:41602239
|
综述 | 本文综述了人工智能和增强现实在骨科手术中的当前应用与未来发展方向 | 系统性地总结了AI和AR技术在骨科手术全流程（从术前规划到术后评估及教育）中的整合应用现状，并指出了未来实现广泛临床转化所需的关键研究方向 | 现有研究多为单中心小样本队列，结局指标异质性大，AI模型缺乏外部验证，AR系统在人体工学、工作流整合、配准精度和设备可用性方面仍面临实际挑战 | 探讨人工智能和增强现实技术在骨科手术领域的应用潜力与临床转化路径 | 骨科手术流程，包括影像解读、术前规划、术中导航、术后评估及外科教育 | 计算机视觉, 机器学习 | 骨科疾病 | 机器学习, 深度学习, 计算机视觉, 增强现实, 混合现实 | NA | 影像数据, 手术导航数据 | NA | NA | NA | 放置精度（度/毫米）, 透视使用减少量 | NA |
| 304 | 2025-12-27 |
Deep learning-based ordinal classification overcomes subjective assessment limitations in intraoral free flap monitoring
2025-Dec-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33637-9
PMID:41449199
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 305 | 2025-12-27 |
Explainable deep learning ensemble framework for accurate classification of wild poisonous mushroom species
2025-Dec-25, BMC biotechnology
IF:3.5Q2
DOI:10.1186/s12896-025-01092-z
PMID:41449383
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 306 | 2026-01-29 |
SentXFormer: a transformer-enhanced hybrid deep learning framework for cross-domain sentiment analysis of customer reviews
2025-Dec-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33526-1
PMID:41444756
|
研究论文 | 本文提出了一种名为SentXFormer的混合深度学习框架，用于跨领域客户评论的情感分析 | 结合了CNN、GRU层与BERT、RoBERTa、DABERT的上下文嵌入，并采用基于对抗训练和梯度反转层的领域适应模块，以学习领域不变表示 | NA | 提高跨领域情感分析的准确性和泛化能力 | 客户评论 | 自然语言处理 | NA | NA | CNN, GRU, Transformer | 文本 | 23,440条情感标注评论，来自Amazon（7,550条）、Yelp（8,450条）和IMDB（7,440条）数据集 | NA | SentiConGRU-Net, BERT, RoBERTa, Domain-Adaptive BERT | 准确率 | NA |
| 307 | 2026-01-29 |
Advances in AI-Driven EEG Analysis for Neurological and Oculomotor Disorders: A Systematic Review
2025-Dec-24, Biosensors
DOI:10.3390/bios16010015
PMID:41590267
|
系统综述 | 本文系统综述了人工智能在脑电图分析中用于神经和眼动障碍诊断、分类和监测的最新进展 | 综合了机器学习与深度学习技术在脑电图分析中的应用趋势，并强调了方法学进展与常见挑战 | 纳入研究存在样本量小、数据集异质性强以及外部验证有限等普遍局限性 | 评估人工智能驱动的脑电图分析在神经和眼动障碍评估中的当前方法及未来方向 | 神经和眼动相关障碍 | 机器学习 | 神经疾病 | 脑电图 | 机器学习, 深度学习 | 脑电图信号 | NA | NA | NA | NA | NA |
| 308 | 2025-12-25 |
Deep learning estimation of effective atomic number for HU to RED calibration in dual energy photon counting CT
2025-Dec-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33507-4
PMID:41436561
|
研究论文 | 本研究提出了一种基于深度学习的双能CT有效原子序数估计方法，用于改进相对电子密度校准 | 采用改进的U-Net模型直接从合成数据中预测有效原子序数，相比传统的Rutherford和化学计量法，显著提高了预测精度和HU-RED校准的线性度 | 研究基于体模实验，尚未在临床数据上进行验证，且样本材料种类有限（八种） | 改进双能CT中相对电子密度的估计精度，以支持更精确的剂量计算 | 组织等效体模中的八种材料 | 计算机视觉 | NA | 双能光子计数CT | CNN | 图像 | 八种材料（组织等效体模） | NA | 改进的U-Net | 平均绝对误差, 相对误差, 残差, R² | NA |
| 309 | 2026-01-29 |
Deep Learning-Based Quantification of Residual Blood Clots in Single-Use Dialyzers Using Bedside Mobile-Captured Images
2025-Dec-18, American journal of nephrology
IF:4.3Q1
DOI:10.1159/000549740
PMID:41411211
|
研究论文 | 本研究开发了一种基于深度学习的模型，利用床边智能手机拍摄的图像量化透析器中残留的血栓 | 首次将ConvNeXt架构应用于透析器血栓量化，并结合可解释AI（LIME）验证模型聚焦临床相关区域，通过复合图像增强检测能力 | 模型准确率仍有提升空间（最高0.7672），且仅针对<10%和∼30%两种血栓水平进行二分类 | 开发机器学习模型以量化透析器中残留血栓，辅助临床决策 | 透析器图像（通过智能手机拍摄） | 计算机视觉 | 终末期肾病 | 图像采集与预处理（背景去噪、图像分割） | CNN | 图像 | 未明确具体样本数量，数据集按60%/20%/20%划分为训练/验证/测试集 | 未明确指定，可能为PyTorch或TensorFlow | ConvNeXt | 准确率 | 未明确指定 |
| 310 | 2026-01-29 |
The orthodontic diagnosis
2025-12-09, Nederlands tijdschrift voor tandheelkunde
DOI:10.5177/ntvt.2025.12.25003
PMID:41367283
|
综述 | 本文综述了正畸诊断的基础、系统、技术发展及其在临床实践中的应用与局限性 | 强调了人工智能和深度学习在提升正畸诊断测量与分类可靠性方面的应用，同时指出其在准确性和透明度方面的挑战 | 人工智能无法替代临床评估，复杂病例仍需人工解释和跨学科合作 | 探讨正畸诊断的系统、技术发展及其在临床决策中的作用 | 正畸诊断中的骨骼、牙齿和功能异常评估 | NA | NA | 人工智能，深度学习 | NA | NA | NA | NA | NA | 准确性，透明度 | NA |
| 311 | 2026-01-29 |
Deep learning-based acceleration and denoising of 0.55T MRI for enhanced conspicuity of vestibular Schwannoma post contrast administration
2025-Dec, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03758-z
PMID:40970959
|
研究论文 | 本研究评估了基于深度学习的去噪算法在0.55T MRI中用于增强对比剂后前庭神经鞘瘤显影效果及缩短采集时间的应用 | 首次在0.55T MRI中应用深度学习去噪技术，显著提升图像质量的同时将检查时间缩短超过一半 | 研究为回顾性设计，样本量较小（仅30例患者），且仅针对前庭神经鞘瘤这一特定疾病 | 评估深度学习去噪算法在0.55T MRI中提升前庭神经鞘瘤显影效果和减少采集时间的效能 | 30例前庭神经鞘瘤患者（包括9名女性）的MRI影像数据 | 医学影像分析 | 前庭神经鞘瘤 | MRI成像，深度学习去噪 | 深度学习模型 | MRI图像 | 30例患者 | NA | NA | 图像质量评分，肿瘤显影评分，伪影评分，尺寸测量可靠性 | NA |
| 312 | 2026-01-29 |
Cross-Modality Learning for Predicting Immunohistochemistry Biomarkers from Hematoxylin and Eosin-Stained Whole Slide Images
2025-Dec, The American journal of pathology
DOI:10.1016/j.ajpath.2025.08.014
PMID:40946794
|
研究论文 | 本研究提出了一种名为HistoStainAlign的深度学习框架，用于直接从H&E全切片图像预测IHC染色模式 | 提出了一种新颖的深度学习框架HistoStainAlign，通过对比训练策略整合配对的H&E和IHC嵌入，无需切片级注释或组织配准即可捕获跨染色模态的互补特征 | NA | 开发一种计算工具，作为IHC染色的预筛查工具，帮助优先选择病例进行IHC染色并提高工作流程效率 | 胃肠道和肺组织全切片图像，使用三种常用IHC染色：P53、程序性死亡配体-1和Ki-67 | 数字病理学 | 肺癌 | H&E染色、IHC染色 | 深度学习 | 图像 | NA | NA | HistoStainAlign | 加权F1分数 | NA |
| 313 | 2026-01-28 |
Subclinical Atrial Fibrillation Prediction in Patients with CIED by a Novel Deep Learning Framework
2025-Dec-30, Journal of cardiovascular development and disease
IF:2.4Q2
DOI:10.3390/jcdd13010018
PMID:41590845
|
研究论文 | 本研究开发了一种名为ResKAN-Attention的新型深度学习框架，仅使用常规临床数据来预测心脏植入式电子设备（CIED）患者的亚临床心房颤动（SCAF） | 提出了一种结合Kolmogorov-Arnold网络（KAN）与多层感知机的双路径架构，并通过交叉注意力机制融合，同时通过知识蒸馏生成了临床可用的风险评分系统 | 研究为回顾性设计，样本量相对较小（124名患者），需要在更大规模的前瞻性队列中进行验证 | 开发一种利用常规临床数据预测亚临床心房颤动（SCAF）的深度学习模型，以改善心血管事件的风险分层 | 124名既往无房颤病史的心脏植入式电子设备（CIED）患者 | 机器学习 | 心血管疾病 | NA | 深度学习 | 临床参数 | 124名CIED患者（其中39名在12个月随访期内发生SCAF） | NA | ResKAN-Attention（结合Kolmogorov-Arnold Network与多层感知机的双路径架构） | AUC | NA |
| 314 | 2026-01-28 |
Automated, anatomy-based, heuristic post-processing reduces false positives and improves interpretability of deep learning intracranial aneurysm detection models
2025-Dec-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-33083-7
PMID:41430430
|
研究论文 | 本文提出了一种结合启发式后处理的自动化深度学习方法，用于降低CTA图像中颅内动脉瘤检测的假阳性率 | 开发了全自动的解剖学基础启发式后处理方法，通过整合脑部掩膜和动脉-静脉分离模块，显著减少深度学习模型的假阳性 | 后处理方法可能在某些情况下误删真阳性，尤其是在公共数据集上表现更明显 | 提高深度学习模型在CTA图像中检测颅内动脉瘤的准确性和临床可接受性 | CTA图像中的颅内动脉瘤 | 数字病理学 | 颅内动脉瘤 | CTA成像 | CNN, Transformer | 医学图像（CTA） | 训练集：1,186个开源CTA（1,373个标注动脉瘤）；测试集：143个私有CTA（218个标注动脉瘤）和843个公开CTA（1,027个标注动脉瘤） | NA | CPM-Net, 3D-CNN-TR（可变形3D卷积神经网络-Transformer混合模型） | 真阳性, 假阴性, 假阳性, 假阳性率 | NA |
| 315 | 2026-01-28 |
Augmenting a prognostic deep learning system for referable diabetic retinopathy and maculopathy with synthetic retinal images
2025-Dec-20, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-01316-5
PMID:41420096
|
研究论文 | 本研究探讨了使用条件级联扩散模型生成的合成视网膜图像来增强预测性深度学习系统在两年内可转诊糖尿病视网膜病变或黄斑病变预测中的性能 | 首次将条件级联扩散模型生成的合成视网膜图像用于增强预测性深度学习系统，以解决标记数据稀缺和类别不平衡问题 | 合成图像增强在内部测试中显著提升性能，但在外部测试中未观察到改善，表明合成图像增强的泛化能力有待提高 | 提高预测性深度学习系统对两年内可转诊糖尿病视网膜病变或黄斑病变的预测准确性 | 来自英国东南伦敦糖尿病眼筛查计划和伯明翰糖尿病眼筛查计划的视网膜图像 | 数字病理学 | 糖尿病视网膜病变 | 条件级联扩散模型 | 深度学习系统 | 图像 | 开发数据集包含72,559只眼的图像，内部测试集包含9,071只眼，外部测试集包含2,842只眼 | NA | 条件级联扩散模型 | AUROC | NA |
| 316 | 2026-01-28 |
Caries Detection in Primary Molars with Bitewing Radiographs through Deep Learning Based-Object Detectors
2025-Dec-18, Caries research
IF:2.9Q1
DOI:10.1159/000550079
PMID:41411231
|
研究论文 | 本研究旨在开发基于深度学习目标检测器的人工智能算法，用于在儿童乳磨牙的咬翼X光片中检测和分期龋齿病变 | 首次将多种深度学习目标检测算法应用于儿童乳磨牙龋齿的自动检测与分期，并比较了不同模型在龋齿严重性分类中的性能 | 数据集仅包含1,023张X光片，样本量相对有限；模型在检测所有龋齿病变时的灵敏度仅为0.509，仍有提升空间 | 开发人工智能算法以辅助临床医生更准确地诊断儿童龋齿病变，实现自动化龋齿检测与分期 | 儿童乳磨牙的咬翼X光片 | 计算机视觉 | 龋齿 | X光成像 | 深度学习目标检测器 | 图像 | 1,023张儿童乳磨牙咬翼X光片 | NA | DINO, YOLOv7 | 加权Kappa分数, 灵敏度, 特异性, 准确率 | NA |
| 317 | 2026-01-28 |
Data-Driven differentiation of idiopathic Normal-Pressure hydrocephalus and progressive supranuclear palsy via automated volumetric analysis
2025-Dec, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03830-8
PMID:41204957
|
研究论文 | 本研究开发了基于深度学习的自动化脑部体积分析方法，用于区分特发性正常压力脑积水和进行性核上性麻痹 | 采用深度学习自动化体积分析结合多组MRI特征（脑干、体积、中脑与脑桥比率、DESH亚组），并应用线性支持向量机模型实现高诊断准确性 | 样本量相对有限（共192例），且仅基于T1加权MRI图像，未涉及多模态影像或纵向数据 | 开发自动化机器学习方法以区分特发性正常压力脑积水和进行性核上性麻痹 | 特发性正常压力脑积水和进行性核上性麻痹患者的T1加权3D脑部MRI扫描 | 数字病理学 | 神经退行性疾病 | T1加权3D脑部MRI扫描 | SVM | 图像 | 192例患者（132例iNPH，60例PSP） | NA | 线性支持向量机 | AUROC | NA |
| 318 | 2026-01-28 |
Deep learning for multi-modal medical image segmentation: a survey and comparative study
2025-Dec, Brain imaging and behavior
IF:2.4Q2
DOI:10.1007/s11682-025-01052-3
PMID:41082044
|
综述 | 本文对2019年至2025年间多模态医学图像分割的深度学习方法进行了全面的调查和比较分析 | 提供了多模态医学图像分割深度学习方法与融合策略的全面概述，并比较了不同模型在提升分割准确性和可靠性方面的表现 | NA | 综述和比较多模态医学图像分割的深度学习技术进展 | 多模态医学图像分割方法 | 计算机视觉 | NA | 多模态医学图像融合 | 深度学习模型 | 多模态医学图像 | NA | NA | NA | 分割准确性，可靠性 | NA |
| 319 | 2026-01-28 |
Deep learning-based computed tomography reconstruction improves image quality but does not significantly affect Alberta stroke program early CT score evaluation in acute middle cerebral artery territory infarction
2025-Dec, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03804-w
PMID:41091157
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 320 | 2026-01-28 |
Retrospective detection of missed intra-cranial aneurysms on computed tomography angiography using a commercial deep learning algorithm
2025-Dec, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03810-y
PMID:41091156
|
研究论文 | 本研究评估了一种商业深度学习算法在回顾性检测计算机断层扫描血管造影中漏诊的颅内动脉瘤的效果 | 结合自然语言处理与卷积神经网络，通过算法标记疑似漏诊动脉瘤，并由神经放射科医生验证，提高了动脉瘤的检测率 | 漏诊的动脉瘤主要为小型（≤3毫米），且研究为单中心回顾性设计，可能存在选择偏倚 | 识别漏诊动脉瘤患者以进行随访和可能治疗，并评估深度学习算法在CTA中检测漏诊动脉瘤的有效性 | 成年患者的头部CTA研究 | 数字病理学 | 颅内动脉瘤 | 计算机断层扫描血管造影 | CNN | 图像 | 2615项头部CTA研究 | NA | NA | 灵敏度, 特异度, 阳性预测值, 阴性预测值 | NA |