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 1962 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 | 2026-02-13 |
Multimodal deep learning to predict postoperative major adverse cardiac and cerebrovascular events after non-cardiac surgery - correspondence
2025-Dec-05, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004261
PMID:41677095
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 162 | 2026-02-13 |
Artificial intelligence in surgical planning and outcome prediction for obstructive sleep apnea: emerging hype or the future standard?
2025-Dec-22, Journal of clinical sleep medicine : JCSM : official publication of the American Academy of Sleep Medicine
IF:3.5Q1
DOI:10.1007/s44470-025-00018-y
PMID:41678069
|
综述 | 本文评估了人工智能在阻塞性睡眠呼吸暂停的诊断、风险分层和成人手术规划中的新兴作用，并探讨了其潜在的临床价值和局限性 | 强调了人工智能在药物诱导睡眠内窥镜分析和舌下神经刺激/颌面手术结果预测中的应用，并指出深度学习模型在预测治疗反应方面优于传统临床预测因子 | 数据质量存在差异、缺乏针对儿童群体的验证、算法偏见和透明度问题仍然是重大障碍 | 评估人工智能在阻塞性睡眠呼吸暂停诊断、风险分层和手术规划中的临床价值与局限性 | 阻塞性睡眠呼吸暂停患者 | 医疗人工智能 | 阻塞性睡眠呼吸暂停 | 药物诱导睡眠内窥镜、可穿戴设备睡眠监测 | 深度学习模型 | 睡眠研究数据、生理信号、临床数据、影像数据 | NA | NA | NA | 诊断准确性、预测性能 | NA |
| 163 | 2026-02-13 |
Evaluation of the effectiveness of panoramic radiography in maxillary 3rd molars on an artificial intelligence model developed with findings obtained with cone beam computed tomography
2025-Dec-04, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-025-07438-5
PMID:41340110
|
研究论文 | 本研究旨在通过使用锥形束计算机断层扫描（CBCT）数据训练的深度学习模型，评估全景X线摄影（PR）图像中上颌第三磨牙与上颌窦底之间的位置关系，并比较不同深度学习架构的分类性能 | 首次利用基于CBCT数据训练的深度学习模型分析PR图像，以评估上颌第三磨牙与上颌窦底的关系，并采用多数投票融合策略整合多个模型的预测结果 | 研究仅使用了1,054张PR图像，样本量相对有限，且模型在三分类问题上的准确率（约69%）仍有提升空间 | 评估深度学习模型在全景X线摄影图像中识别上颌第三磨牙与上颌窦底位置关系的有效性，以减少对CBCT成像的依赖 | 上颌第三磨牙与上颌窦底之间的解剖关系 | 计算机视觉 | 口腔颌面疾病 | 锥形束计算机断层扫描（CBCT），全景X线摄影（PR） | CNN | 图像 | 1,054张全景X线摄影图像 | NA | VGG16, VGG19, ResNet50, ResNet101, GoogleNet | 准确率, 混淆矩阵 | NA |
| 164 | 2026-02-13 |
Deep Learning Based Evaluation of Skeletal Maturation: A Comparative Analysis of Five Hand-Wrist Methods
2025-Dec, Orthodontics & craniofacial research
IF:2.4Q2
DOI:10.1111/ocr.70008
PMID:40704688
|
研究论文 | 本研究利用深度学习算法，比较了五种手-腕骨成熟度评估方法在骨骼年龄估计中的诊断可靠性 | 首次使用YOLOv8x深度学习模型系统比较五种不同的手-腕骨成熟度评估方法在骨骼年龄估计中的性能 | 研究为回顾性分析，且仅针对8-16岁正畸患者，可能限制了结果的普适性 | 评估深度学习算法在骨骼年龄估计中的有效性，并比较不同手-腕骨成熟度评估方法的诊断可靠性 | 6572张来自8-16岁正畸患者的手-腕X光片 | 计算机视觉 | NA | 手-腕X光成像 | YOLOv8x | 图像 | 6572张手-腕X光片 | NA | YOLOv8x | 准确率, 精确率, 召回率, F1分数, AUC | NA |
| 165 | 2026-02-13 |
Hierarchical Convolution-Based Multilayer Perception for Denoising 3D MRI to Enhance Diagnostic Confidence in Cerebral Small Vessel Disease
2025-Dec, Phenomics (Cham, Switzerland)
DOI:10.1007/s43657-025-00219-8
PMID:41675272
|
研究论文 | 本文提出了一种基于分层卷积的多层感知器（HC-MLP）模型，用于去噪3D MRI图像，以提高脑小血管病的诊断置信度 | 引入MLP模块以减少纯CNN模型的偏差，结合MLP和CNN的简单结构简化训练并提升泛化能力，采用体素级输入和残差MLP结构部分解决过平滑问题 | 未明确提及模型在更广泛数据集或不同噪声类型下的泛化能力限制 | 通过去噪3D MRI图像，提升脑小血管病的诊断置信度 | 脑小血管病（CSVD）患者的3D MRI图像 | 计算机视觉 | 脑小血管病 | MRI | CNN, MLP | 3D MRI图像 | 训练和测试：UK Biobank 120例，ATLAS 120例；外部测试：29例 | 未明确提及 | HC-MLP（分层卷积多层感知器） | PSNR, SSIM, NMSE | 未明确提及 |
| 166 | 2025-12-28 |
From lesion detection to outcome prediction: artificial intelligence and deep learning applications in multiple sclerosis
2025-Dec-27, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology
IF:2.7Q3
DOI:10.1007/s10072-025-08661-2
PMID:41454173
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 167 | 2026-02-12 |
Comparative Performance Evaluation of Federated and Centralized Learning for Velum and OTE Segmentation in Sleep Endoscopy Images
2025-Dec-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01756-4
PMID:41331654
|
研究论文 | 本研究系统比较了集中式学习与联邦学习在睡眠内镜图像中软腭和OTE区域语义分割的性能 | 首次在多机构睡眠内镜视频数据上系统比较集中式学习与联邦学习在气道结构分割任务中的性能差异 | 两种模型在模糊边界和舌根解剖变异区域的分割仍存在困难，联邦学习性能显著低于集中式学习 | 评估不同学习范式在睡眠内镜图像分割中的性能差异，为临床气道分析提供深度学习模型基础 | 药物诱导睡眠内镜图像中的软腭及口咽-舌根-会厌复合体区域 | 计算机视觉 | 阻塞性睡眠呼吸暂停 | 药物诱导睡眠内镜检查 | CNN | 视频图像 | 多机构睡眠内镜视频数据 | NA | NA | 精确率, 召回率, 准确率, Dice相似系数 | NA |
| 168 | 2026-02-12 |
Nanocarrier imaging at single-cell resolution across entire mouse bodies with deep learning
2025-Dec, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-024-02528-1
PMID:39809933
|
研究论文 | 本研究提出了一种名为SCP-Nano的集成实验与深度学习流程，用于在单细胞分辨率下全面量化纳米载体在小鼠全身的靶向分布 | 开发了SCP-Nano方法，首次实现了在单细胞分辨率下对纳米载体在小鼠全身分布的全面三维映射，其检测灵敏度远高于传统全身成像技术 | 该方法目前仅在小鼠模型中进行验证，尚未应用于人体或更复杂的生物系统 | 开发高效准确的方法以分析纳米载体在生物体内的细胞水平生物分布，加速靶向药物递送系统的研发 | 小鼠体内的纳米载体，包括脂质纳米颗粒、脂质体、多聚复合物、DNA折纸和腺相关病毒 | 数字病理学 | NA | 单细胞分辨率成像，深度学习分析 | 深度学习模型 | 三维成像数据 | 小鼠模型 | NA | NA | 灵敏度 | NA |
| 169 | 2026-02-12 |
CCLR-DL: A novel statistics and deep learning hybrid method for feature selection and forecasting healthcare demand
2025-12, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.109057
PMID:40929936
|
研究论文 | 本文提出了一种结合统计方法和深度学习的混合框架CCLR-DL，用于特征选择和医疗需求预测 | CCLR-DL框架首次将因果统计选择与神经预测相结合，相比现有混合方法，在提升预测准确性的同时增强了模型的可解释性 | 未明确讨论模型在其他数据集或医疗场景中的泛化能力，以及计算复杂度可能较高 | 开发一种混合预测方法，以克服传统统计方法和深度学习模型的局限性，提高医疗需求预测的准确性和可解释性 | 临床就诊和诊断数据的时间序列，用于预测医疗需求 | 机器学习 | NA | 交叉相关分析、滞后多元线性回归、格兰杰因果检验 | 深度学习模型，具体包括BiLSTM | 时间序列数据 | 630万个体，数据收集时间跨度为10年 | NA | 双向长短期记忆单元（BiLSTM） | 均方根误差（RMSE） | NA |
| 170 | 2026-02-11 |
Development and evaluation of an attention-gated U-net model for binary segmentation of teeth versus background in panoramic radiographs for orthodontic applications
2025-Dec-16, European journal of orthodontics
IF:2.8Q1
DOI:10.1093/ejo/cjaf114
PMID:41665051
|
研究论文 | 本文开发并评估了一种注意力门控U-Net模型，用于全景X光片中牙齿与背景的二元分割，以支持正畸应用 | 应用注意力门控U-Net架构于大型公开数据集，为牙齿与背景的二元语义分割建立了性能基准 | 研究仅针对二元分割任务，未涉及更复杂的牙齿结构细分；且数据集虽公开，但样本量相对有限（598张图像） | 为牙齿与背景的二元语义分割建立标准化性能基准，以支持正畸应用中的自动化诊断和治疗规划 | 全景X光片（OPGs）中的牙齿区域 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 598张标注的全景X光片 | NA | 注意力门控U-Net | Dice系数, 平均IoU, 精确率, 召回率, ROC AUC | NA |
| 171 | 2026-02-11 |
An artificial intelligence mechanism for detecting cystic lesions on CBCT images using deep learning
2025-12, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2024.102152
PMID:39551180
|
研究论文 | 本研究开发并评估了一种基于深度卷积神经网络的人工智能机制，用于在锥形束计算机断层扫描图像上检测和分类囊性病变 | 提出了一种结合数据增强的深度卷积神经网络方法，用于自动检测和诊断牙源性囊肿和根尖周囊肿，在CBCT图像上实现了高精度的病变识别与分类 | 样本量相对较小（仅150例），且仅针对两种特定类型的囊肿（牙源性囊肿和根尖周囊肿）进行评估，可能限制了模型的泛化能力 | 开发并评估一种人工智能机制，用于在CBCT图像上自动检测和分类囊性病变 | 锥形束计算机断层扫描图像中的囊性病变，包括牙源性囊肿和根尖周囊肿 | 计算机视觉 | 口腔颌面部疾病 | 锥形束计算机断层扫描 | CNN | 图像 | 150个CBCT样本（50例无病变，50例牙源性囊肿，50例根尖周囊肿） | NA | 深度卷积神经网络 | 召回率, 精确率, F1分数, 平均精度, 灵敏度, 特异性, 准确率, AUC | NA |
| 172 | 2026-02-10 |
Recent Advances in Spectroscopy and Imaging Techniques for Nondestructive Detection of Meat Quality and Safety
2025-Dec, Food science & nutrition
IF:3.5Q2
DOI:10.1002/fsn3.71303
PMID:41356232
|
综述 | 本文综述了光谱和成像技术在无损检测肉类品质与安全方面的最新进展，包括其原理、应用、优缺点及未来展望 | 总结了多种先进光谱和成像技术在肉类检测中的多场景应用，并探讨了结合深度学习算法以提高检测全面性和准确性的未来研究方向 | 这些技术在工业应用中仍面临成本高、数据分析复杂等挑战，且光谱技术仅能感知局部样本信息，成像技术检测速率较慢 | 总结光谱和成像技术在肉类品质与安全检测中的最新发展，以推动高质量食品交付消费者 | 肉类（作为人类饮食中重要的动物蛋白来源） | 机器视觉 | NA | 近红外光谱、拉曼光谱、荧光光谱、太赫兹光谱、高光谱成像、多光谱成像、X射线成像、热成像 | NA | 光谱数据、图像数据 | NA | NA | NA | NA | NA |
| 173 | 2026-02-09 |
MapReduce-based deep learning framework for potato leaf disease detection in sustainable precision agriculture
2025-Dec-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-30940-3
PMID:41419754
|
研究论文 | 本研究提出了一种基于MapReduce的深度学习框架，用于可持续精准农业中的马铃薯叶部病害检测 | 将轻量级MobileNetV3分类器与MapReduce风格的数据管道相结合，实现了预处理和批量推理的跨节点并行化处理 | 仅使用了2152张图像的数据集，且病害类别仅限于三类，未在更大规模或更多类别的数据集上进行验证 | 实现马铃薯叶部病害的准确、及时检测，以支持可持续精准农业并减少作物产量损失 | 马铃薯叶部病害图像，包括疫病等类别 | 计算机视觉 | 马铃薯叶部病害 | 图像处理，数据增强 | CNN | 图像 | 2152张图像，分为三个类别 | TensorFlow, PyTorch (未明确指定，但基于MobileNetV3推断) | MobileNetV3 | 准确率，灵敏度，特异性，F1分数，混淆矩阵，误分类率 | GPU训练，MapReduce管道实现水平可扩展性 |
| 174 | 2026-02-09 |
Evaluation of computer-aided detection for gastric cancer using white-light and linked-color imaging: a pilot study
2025-Dec, iGIE : innovation, investigation and insights
DOI:10.1016/j.igie.2025.09.010
PMID:41647811
|
研究论文 | 本研究评估了新型计算机辅助检测系统CAD EYE在胃镜中使用白光成像和联动彩色成像检测胃癌的性能 | 首次比较了CADe系统在WLI与LCI模式下的检测框出现频率，并评估了其在胃癌检测中的实际应用效果 | 单中心回顾性研究，样本量有限，假阳性率较高，需要进一步优化 | 评估计算机辅助检测系统在胃癌诊断中的性能 | 接受胃镜检查的胃癌患者 | 数字病理 | 胃癌 | 白光成像，联动彩色成像，计算机辅助检测 | 深度学习模型 | 内窥镜图像 | 210名患者（105名CADe组，105名对照组），来自600名患者的倾向评分匹配 | NA | CAD EYE系统 | 假阳性检测次数，检测框出现频率，活检率，检查时间，癌症检测率，关键胃部位识别准确率 | NA |
| 175 | 2026-02-07 |
Deep learning-driven morphological fingerprinting: rapid, accurate and low-cost pathogen identification via the analysis of dried patterns of droplets
2025-Dec-29, Journal of nanobiotechnology
IF:10.6Q1
DOI:10.1186/s12951-025-03923-9
PMID:41462248
|
研究论文 | 本研究提出了一种基于深度学习的AI平台，通过分析微生物悬浮液干燥后形成的物种特异性脱水图案，实现快速、准确且低成本的病原体识别 | 首次利用微生物悬浮液干燥过程中的脱水图案作为形态指纹，结合深度学习模型进行病原体分类，提供了一种新型的快速诊断方法 | 研究仅针对七种常见血流感染病原体，未涵盖所有可能病原体；且需在40°C下进行干燥步骤，可能受环境条件影响 | 开发一种快速、低成本的血流感染病原体识别技术，以指导及时抗生素治疗 | 常见血流感染病原体，包括大肠杆菌、肺炎克雷伯菌、铜绿假单胞菌、鲍曼不动杆菌、金黄色葡萄球菌、粪肠球菌和白色念珠菌 | 计算机视觉 | 血流感染 | 脱水图案分析 | CNN | 图像 | 10,055张脱水图案图像 | PyTorch | ResNet-34 | 准确率, AUC-ROC | NA |
| 176 | 2025-12-29 |
A survival prediction model for leptomeningeal metastasis patients with non-small cell lung cancer based on deep learning
2025-Dec-28, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-15503-z
PMID:41455921
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 177 | 2026-02-06 |
Deep learning-based predictive models for assessing the impact of clinical factors and second primary malignancy on survival in patients with colorectal cancer
2025-Dec-31, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03760-4
PMID:41476205
|
研究论文 | 本研究利用结直肠癌患者数据开发深度学习模型，预测伴随第二原发恶性肿瘤患者的生存率，并分析临床因素和第二原发恶性肿瘤类型对生存的影响 | 首次针对结直肠癌患者伴随第二原发恶性肿瘤的生存预测开发深度学习模型，并系统评估33种临床因素及不同第二原发恶性肿瘤类型对生存结果的影响 | 研究基于回顾性数据，可能存在选择偏倚；未考虑所有潜在混杂因素；模型性能虽高但需外部验证 | 开发预测模型以评估临床因素和第二原发恶性肿瘤对结直肠癌患者生存的影响 | 21,522名伴随第二原发恶性肿瘤的结直肠癌患者 | 机器学习 | 结直肠癌 | 深度学习 | 深度学习模型 | 临床数据 | 21,522名患者 | NA | NA | AUC | NA |
| 178 | 2026-02-06 |
DCPR: a deep learning framework for circadian phase reconstruction
2025-Dec-30, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-025-06363-2
PMID:41469552
|
研究论文 | 本研究开发了一个名为DCPR的无监督深度学习框架，用于从非时序转录组数据中准确重建昼夜节律相位 | 提出首个专门用于从非时序转录组数据重建昼夜节律相位的无监督深度学习框架，在模拟和真实数据上均优于现有方法 | 未明确说明框架对数据质量和样本量的具体要求，也未讨论其在其他类型组学数据（如蛋白质组学）上的适用性 | 开发一个计算工具，从非时序转录组数据中准确推断基因表达的昼夜节律振荡模式 | 昼夜节律系统的基因表达振荡模式 | 机器学习 | 昼夜节律相关疾病 | 转录组测序 | 深度学习 | 基因表达数据 | NA | NA | NA | 预测准确性 | NA |
| 179 | 2026-02-06 |
Capsule graph networks for accurate and interpretable crystalline materials property prediction
2025-Dec-29, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-01139-5
PMID:41462335
|
研究论文 | 本文提出了一种结合胶囊网络与E(3)等变性的图神经网络框架，用于精确且可解释的晶体材料性质预测 | 首次将E(3)等变图神经网络与胶囊网络结合，捕捉晶体材料的几何对称性和层次结构，实现可解释的基元发现 | 未明确说明模型在处理更大规模或更复杂晶体结构时的可扩展性 | 开发一个精确且可解释的深度学习框架，用于预测晶体材料的性质并理解其结构-性质关系 | 晶体材料 | 机器学习 | NA | NA | 图神经网络, 胶囊网络 | 图数据 | Materials Project 和 Matbench 数据集 | NA | Capsule Graph Networks with E(3)-Equivariance (CGN-e3) | MAE | NA |
| 180 | 2026-02-06 |
Systematic review and meta-analysis of regulator-approved deep learning systems for fundus diabetic retinopathy detections
2025-Dec-19, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-02223-8
PMID:41420101
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析，评估了监管机构批准的深度学习系统在真实世界中用于糖尿病视网膜病变筛查的性能 | 首次对全球范围内监管机构批准的深度学习系统在糖尿病视网膜病变筛查中的真实世界性能进行了全面的系统综述和荟萃分析，并识别了影响性能的关键因素 | 研究依赖于已发表文献，可能存在报告偏倚；不同研究间的异质性较高，尽管通过元回归解释了部分原因 | 评估监管机构批准的深度学习系统在糖尿病视网膜病变自主筛查中的真实世界诊断性能 | 糖尿病视网膜病变筛查 | 医学影像分析 | 糖尿病视网膜病变 | 深度学习 | 深度学习系统 | 眼底图像 | 82项研究，覆盖887,244次检查，涉及25种设备，来自28个国家 | NA | NA | 灵敏度, 特异度 | NA |