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 36487 篇文献，本页显示第 2041 - 2060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2041 | 2025-12-02 |
Diffusion model-based contrast-enhanced CT synthesis for breast cancer radiotherapy: Pursuing contrast-free imaging
2025 Oct-Dec, Science progress
IF:2.6Q2
DOI:10.1177/00368504251399577
PMID:41308043
|
研究论文 | 本研究开发了一种基于扩散模型的深度学习框架，用于从非对比增强CT合成对比增强CT图像，以探索其在乳腺癌放疗中的应用效果 | 提出了一种新颖的基于扩散模型的图像到图像转换方法（SynDiff），在乳腺癌放疗中实现从非对比增强CT到对比增强CT的合成，相比传统生成对抗网络模型（如Pix2Pix、CycleGAN、RegGAN）表现出更优性能 | 样本量相对有限（共194例患者），且外部验证队列仅包含18例患者，可能影响模型的泛化能力评估 | 开发并评估深度学习模型在乳腺癌放疗中从非对比增强CT合成对比增强CT图像的应用效果，以追求无对比剂成像 | 乳腺癌患者的非对比增强CT和对比增强CT图像对 | 计算机视觉 | 乳腺癌 | CT成像 | 扩散模型, GAN | 医学图像（CT） | 194例患者（176例来自医院一，18例来自医院二），分为训练队列（122例）、内部测试队列（54例）和外部验证队列（18例） | NA | SynDiff, Pix2Pix, CycleGAN, RegGAN | PSNR, SSIM, NMAE | NA |
| 2042 | 2025-12-02 |
Artificial intelligence-augmented ultrasound diagnosis of follicular-patterned thyroid neoplasms: a multicenter retrospective study
2025-Aug, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103351
PMID:40697959
|
研究论文 | 本研究开发并验证了一种基于深度学习（OverLoCK模型）的超声诊断系统，用于术前区分良恶性滤泡型甲状腺肿瘤 | 开发了新颖的OverLoCK（Overview-first-Look-Closely-next ConvNet with Context-Mixing Dynamic Kernels）模型，并首次在多中心、大规模回顾性研究中验证了深度学习系统在滤泡型甲状腺肿瘤术前诊断中的应用价值 | 研究为回顾性设计，需要在真实世界临床环境中进行前瞻性研究以进一步验证 | 开发并验证一种基于深度学习的超声诊断系统，以提高滤泡型甲状腺肿瘤的术前诊断准确性，减少不必要的手术干预 | 滤泡型甲状腺肿瘤患者，包括甲状腺滤泡腺瘤、滤泡癌和滤泡亚型乳头状甲状腺癌 | 数字病理 | 甲状腺癌 | 超声成像 | CNN | 图像 | 3817名患者（9393张超声图像），来自中国11个中心 | NA | OverLoCK | AUC, 准确率, 灵敏度, 特异度, 阳性预测值, 阴性预测值, F1分数 | NA |
| 2043 | 2025-12-02 |
Mapping the Evolution of Thyroid Ultrasound Research: A 30-year Bibliometric Analysis
2025, Current medical imaging
IF:1.1Q3
|
综述 | 本文通过文献计量学方法，系统梳理了甲状腺超声研究30年的发展历程，识别了发展趋势、研究热点和新兴前沿 | 首次对甲状腺超声研究领域进行了长达30年的系统性文献计量分析，并利用VOSviewer和CiteSpace工具揭示了合作网络、参考文献时间线及关键词突现 | 分析仅基于Web of Science核心合集中的英文文献，可能遗漏其他语言或数据库的重要研究 | 通过文献计量分析，绘制甲状腺超声研究的演变图谱，识别发展趋势、研究热点和新兴前沿 | 1994年至2023年间Web of Science核心合集收录的甲状腺超声相关英文文章和综述 | 医学影像分析 | 甲状腺疾病 | 文献计量分析 | NA | 文献元数据 | 8,489篇文献 | VOSviewer, CiteSpace | NA | NA | NA |
| 2044 | 2025-12-02 |
Enhancing Bangla handwritten character recognition using Vision Transformers, VGG-16, and ResNet-50: a performance analysis
2025, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2025.1682984
PMID:41322980
|
研究论文 | 本文通过比较Vision Transformer、VGG-16和ResNet-50在孟加拉语手写字符识别任务上的性能，展示了ViT在捕获全局上下文和长距离依赖方面的优势 | 首次在孟加拉语手写字符识别任务中应用Vision Transformer，并实现了98.26%的当前最佳准确率，超越了传统CNN架构 | 研究仅使用了CMATERdb 3.1.2数据集，未在其他数据集上验证模型的泛化能力；未讨论计算资源消耗和模型推理速度 | 比较不同深度学习架构在孟加拉语手写字符识别任务上的性能，探索Transformer架构在该领域的应用潜力 | 孟加拉语手写字符图像 | 计算机视觉 | NA | NA | Vision Transformer, CNN | 图像 | 24,000张图像，涵盖50个基本孟加拉语字符 | NA | Vision Transformer, VGG-16, ResNet-50 | 准确率 | NA |
| 2045 | 2025-12-02 |
Advances in artificial intelligence-based technologies for increasing the quality of medical products
2024-Nov-30, Daru : journal of Faculty of Pharmacy, Tehran University of Medical Sciences
IF:2.5Q3
DOI:10.1007/s40199-024-00548-5
PMID:39613923
|
综述 | 本文综述了人工智能技术在提高医疗产品质量方面的最新进展和应用 | 整合了AI在药物靶点预测、产品开发加速及医疗质量提升中的综合应用视角 | 作为综述文章，未涉及具体实验数据或模型性能的深入分析 | 探讨AI技术如何优化医疗产品的开发流程、质量与成本效益 | 医疗产品（如药物）的开发与制造过程 | 机器学习 | NA | 机器学习、深度学习 | NA | 生物医学数据（如蛋白质结构、健康统计数据） | NA | NA | NA | NA | NA |
| 2046 | 2025-12-01 |
Deep learning-based quantitative assessment of renal chronicity indices in lupus nephritis
2026-Feb, Annals of diagnostic pathology
IF:1.5Q3
|
研究论文 | 开发基于深度学习的自动化评估狼疮性肾炎肾脏慢性指数的流程 | 首个从疾病特异性角度自动化评估肾脏慢性指数的深度学习流程，显著提高观察者间一致性并增强预后预测能力 | 两个队列存在轻微人口统计学差异，特别是年龄和血红蛋白水平 | 开发自动化评估狼疮性肾炎肾脏慢性指数的有效深度学习流程 | 狼疮性肾炎患者 | 数字病理学 | 狼疮性肾炎 | 深度学习 | CNN | 病理切片图像 | 141名患者的282张切片（训练队列30名患者60张切片，内部测试148张切片，外部测试74张切片） | NA | NA | 分割性能，与病理学家相关性，观察者间一致性，预后准确性 | NA |
| 2047 | 2025-12-01 |
A 2D-digital spectral sensing method for rapid antibiotic detection in water
2026-Jan-01, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2025.123279
PMID:41202958
|
研究论文 | 提出一种结合二维数字光谱图像与深度学习技术的水体抗生素快速检测方法 | 开发新型光谱成像系统与组合化学探针，将样本信息转化为具有二维全息光谱特征的图像，并构建端到端的定量分析模型 | NA | 建立高效低成本的水体抗生素快速监测技术 | 水体中的抗生素污染物 | 计算机视觉 | NA | 光谱成像技术、组合化学探针 | CNN | 二维数字光谱图像 | NA | NA | 数字光谱卷积神经网络（DSCNN） | R值（0.85-0.93），检测限（1.94 mg/L） | NA |
| 2048 | 2025-12-01 |
A deep learning framework to iDentify prOgnostically releVant cancEr Regions (DOVER) within whole slide histopathology images
2026-Jan-01, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2025.218134
PMID:41238099
|
研究论文 | 提出一种深度学习框架DOVER，用于在组织病理学全切片图像中识别具有预后相关性的癌症区域 | 首次开发能够精确定位全切片图像中预后相关区域的方法，通过从组织微阵列点中学习预后模式并映射到更大切片 | 需要进一步验证框架的泛化能力，目前仅在两种癌症类型中测试 | 解决肿瘤形态异质性带来的预后预测挑战，精确定位最具预后价值的肿瘤区域 | 非小细胞肺癌(NSCLC)和口咽鳞状细胞癌(OPSCC)患者的全切片图像 | 数字病理学 | 肺癌,头颈癌 | 全切片成像,组织微阵列,定量免疫荧光 | 深度学习 | 组织病理学图像,临床数据 | 2041名患者(NSCLC:1141例, OPSCC:900例) | NA | NA | c-index | NA |
| 2049 | 2025-12-01 |
Functional blepharoptosis screening with generative augmented deep learning from external ocular photography
2025-Dec, Orbit (Amsterdam, Netherlands)
DOI:10.1080/01676830.2025.2497460
PMID:40304715
|
研究论文 | 开发并验证基于外部眼部照片的功能性上睑下垂深度学习筛查模型，并评估生成式数据增强对模型性能的影响 | 首次将生成对抗网络（StyleGAN）生成的合成图像用于增强功能性上睑下垂检测模型的训练数据 | 样本量相对有限（771只眼睛），且来自单一三级眼科诊所，可能影响模型泛化能力 | 开发能够从外部眼部照片中检测功能性上睑下垂的深度学习模型 | 21岁及以上患者的眼部照片，包括639例临床诊断的功能性上睑下垂和132例正常对照 | 计算机视觉 | 眼科疾病 | 外部眼部摄影 | 深度学习, GAN | 图像 | 771只眼睛（训练集539，验证集76，测试集156），增强后训练集增加2000张合成图像 | NA | StyleGAN | 敏感度, 特异度, AUC | NA |
| 2050 | 2025-12-01 |
Prognostic value of body composition out of PSMA-PET/CT in prostate cancer patients undergoing PSMA-therapy
2025-Dec, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07416-7
PMID:40580320
|
研究论文 | 本研究开发了一种基于深度学习的全身CT分割方法，用于评估接受PSMA放射性配体治疗的转移性去势抵抗性前列腺癌患者的身体组成及其预后价值 | 首次使用深度学习从标准PSMA-PET-CT中自动分割身体组成成分，超越传统的PSMA-PET评估，发现新的预后指标 | 回顾性研究，样本量较小，需要在更大规模的前瞻性数据集中验证 | 开发基于深度学习的身体组成评估方法，探索其在mCRPC患者预后预测中的价值 | 86名接受[177Lu]Lu-PSMA放射性配体治疗的转移性去势抵抗性前列腺癌患者 | 数字病理 | 前列腺癌 | PSMA-PET-CT, [68 Ga]Ga-PSMA-PET-CT扫描 | 深度学习分割模型 | CT图像 | 86名前列腺癌患者 | NA | NA | Cox回归分析p值, Kaplan-Meier分析, log-rank检验 | NA |
| 2051 | 2025-12-01 |
Orbital CT deep learning models in thyroid eye disease rival medical specialists' performance in optic neuropathy prediction in a quaternary referral center and revealed impact of the bony walls
2025-Dec, Orbit (Amsterdam, Netherlands)
DOI:10.1080/01676830.2025.2521868
PMID:40591440
|
研究论文 | 开发并评估用于甲状腺眼病患者视神经病变预测的轨道CT深度学习模型 | 首次在四级转诊中心证明轨道CT深度学习模型在视神经病变预测方面与医学专家表现相当，并揭示了骨壁结构的影响 | 样本量相对有限（126名患者），研究时间跨度较长（2002-2017年） | 开发用于甲状腺眼病患者视神经病变预测的深度学习模型 | 甲状腺眼病患者，包括伴有和不伴有视神经病变的病例 | 医学影像分析 | 甲状腺眼病 | 轨道CT成像 | 深度学习模型 | CT图像（2D和3D） | 126名甲状腺眼病患者，252个轨道，其中36个轨道确诊视神经病变 | NA | NA | 敏感度, 特异性, AUC | NA |
| 2052 | 2025-12-01 |
A Preliminary Study on an Intelligent Segmentation and Classification Model for Amygdala-Hippocampus MRI Images in Alzheimer's Disease
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.039
PMID:40903373
|
研究论文 | 开发基于深度学习的杏仁核-海马体分割与分类模型，用于阿尔茨海默病的早期检测 | 采用半自动标注流程结合U²-Net分割和DenseNet-121分类的混合模型，利用多中心大规模神经影像数据 | 仅使用中国人群数据，外部验证集样本量相对较小（每组100例） | 提高阿尔茨海默病的早期检测和干预能力 | 阿尔茨海默病患者和健康对照者的杏仁核-海马体MRI图像 | 医学影像分析 | 阿尔茨海默病 | 神经影像学评估，神经心理学评估 | 深度学习 | MRI图像 | 内部训练集2000例（1000健康对照+1000AD患者），外部验证集200例（100健康对照+100AD患者） | NA | U²-Net, DenseNet-121 | DSC, AUC | NA |
| 2053 | 2025-12-01 |
Voxel-level Radiomics and Deep Learning Based on MRI for Predicting Microsatellite Instability in Endometrial Carcinoma: A Two-center Study
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.028
PMID:40908231
|
研究论文 | 开发并验证基于多序列MRI和体素级影像组学的深度学习模型，用于预测子宫内膜癌微卫星不稳定性状态 | 首次将体素级影像组学特征与MRI图像通过Vision-Mamba架构的双通道3D深度神经网络联合处理，能更好地捕捉肿瘤局部和全局异质性 | 回顾性研究，样本量相对有限，仅包含两个医疗中心的数据 | 开发非侵入性方法预测子宫内膜癌微卫星不稳定性状态 | 经病理确诊的子宫内膜癌患者 | 医学影像分析 | 子宫内膜癌 | 多参数MRI（T2WI、DWI、CE-T1WI）、免疫组化 | 深度学习 | 医学影像 | 375例患者来自两个医疗中心 | NA | Vision-Mamba, Vision Transformer, 3D-ResNet | AUC, 准确率, 敏感性, 特异性 | NA |
| 2054 | 2025-12-01 |
Automated Kidney Tumor Segmentation in CT Images Using Deep Learning: A Multi-Stage Approach
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.020
PMID:40908232
|
研究论文 | 开发基于DeepMedic 3D卷积神经网络的自动化流程用于CT图像中肾脏和肾肿瘤分割 | 采用多尺度特征提取和三维卷积神经网络实现全自动肾脏肿瘤分割 | 研究依赖于单一机构的382例CT扫描数据，需要更多外部验证 | 开发自动化分割工具以提升肾肿瘤诊断工作流程和临床决策支持 | 肾脏和肾肿瘤 | 医学影像分析 | 肾肿瘤 | CT扫描 | CNN | CT图像 | 382例对比增强CT扫描 | DeepMedic | 3D CNN | Dice系数,精确率,召回率 | NA |
| 2055 | 2025-12-01 |
A Fusion Model of ResNet and Vision Transformer for Efficacy Prediction of HIFU Treatment of Uterine Fibroids
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.054
PMID:40935773
|
研究论文 | 提出融合ResNet和Vision Transformer的深度学习模型，用于预测高强度聚焦超声治疗子宫肌瘤的疗效 | 首次将ResNet的局部纹理特征与ViT的全局空间特征通过并行架构融合，用于量化子宫肌瘤异质性 | 研究样本量相对有限，仅来自两个医疗中心 | 提高HIFU治疗子宫肌瘤疗效预测的准确性 | 子宫肌瘤患者 | 计算机视觉 | 子宫肌瘤 | T2加权磁共振成像 | CNN, Transformer | 医学图像 | 训练集272例，内部验证集92例，外部测试集125例 | NA | ResNet-18, Vision Transformer, Res-ViT | AUC | NA |
| 2056 | 2025-12-01 |
Comprehensive Assessment of Tumor Stromal Heterogeneity in Bladder Cancer by Deep Learning and Habitat Radiomics
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.08.029
PMID:40987672
|
研究论文 | 本研究开发了基于CT的深度学习和栖息地影像组学模型，用于术前预测膀胱癌肿瘤间质比并评估其预后价值 | 首次将栖息地影像组学与深度学习相结合，通过多亚区域分析评估膀胱癌肿瘤间质异质性，并验证其在免疫治疗反应预测中的应用 | 回顾性研究设计，样本量有限（477例），仅使用CT影像数据 | 开发术前预测膀胱癌肿瘤间质比的机器学习模型，并评估其在预后和免疫治疗反应预测中的价值 | 膀胱尿路上皮癌患者 | 数字病理 | 膀胱癌 | CT影像分析 | 深度学习, 影像组学 | 医学影像 | 477例来自两个中心的膀胱癌患者 | NA | 迁移学习模型 | 准确率, 校准度, 临床效用 | NA |
| 2057 | 2025-12-01 |
Automated Coronary Artery Calcium Scoring Using Deep Learning: Validation Across Diverse Chest CT Protocols
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.09.009
PMID:40998657
|
研究论文 | 开发并验证一种基于深度学习的全自动冠状动脉钙化评分模型，适用于不同胸部CT扫描协议 | 开发了首个工作流就绪、协议无关的深度学习模型，可在常规非门控胸部CT上实现全自动冠状动脉钙化量化 | 单中心回顾性研究，需要进一步外部验证 | 开发自动化冠状动脉钙化评分工具以改善心血管疾病风险分层 | 无已知动脉粥样硬化性心血管疾病患者的胸部CT扫描 | 数字病理 | 心血管疾病 | 胸部CT扫描 | 深度学习 | 医学影像 | 2132例胸部CT扫描（常规、CT-CAC和CT-COVID） | NA | NA | 组内相关系数, Cohen's kappa, 敏感性, 特异性, 阳性预测值, 阴性预测值, F1分数 | NA |
| 2058 | 2025-12-01 |
Deep Learning-based Automated Opportunistic Osteoporosis Screening Using Chest LDCT and Lumbar CT: A Multicenter Cohort Study
2025-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.09.015
PMID:41188157
|
研究论文 | 提出一种基于深度学习的自动化骨质疏松筛查方法，利用胸部低剂量CT和腰椎CT进行骨密度测量 | 首次开发跨厂商CT扫描仪和多中心数据的深度学习自动骨密度测量方法 | 回顾性研究设计，样本来源限于五个医院 | 开发自动化骨质疏松筛查方法并验证其诊断性能 | 接受胸部LDCT和腰椎CT扫描的4305名患者 | 医学影像分析 | 骨质疏松症 | 定量CT(QCT), 低剂量CT(LDCT) | CNN | CT影像 | 4305名患者，来自5家医院的9台CT扫描仪 | NA | 3D VB-Net, SCN, DenseNet, ResNet | R², 平均误差, 95%一致性界限, AUC, 灵敏度, 特异性 | NA |
| 2059 | 2025-12-01 |
Prediction of the risk of diabetic foot from corneal nerve images using deep learning algorithms
2025-Dec, Diabetes research and clinical practice
IF:6.1Q1
DOI:10.1016/j.diabres.2025.112991
PMID:41205876
|
研究论文 | 开发基于角膜神经图像的深度学习算法预测糖尿病足风险 | 首次将角膜神经图像与HbA1c或血清肌酐结合开发混合深度学习算法用于糖尿病足风险预测 | 使用定量角膜神经参数未能提升模型性能 | 预测糖尿病足风险分类 | 糖尿病患者的角膜神经图像 | 医学影像分析 | 糖尿病足 | 角膜神经成像 | 深度学习算法 | 图像 | 471名参与者的942只眼睛共23,550张图像 | NA | NA | AUC | NA |
| 2060 | 2025-12-01 |
FHBDSR-Net: automated measurement of diseased spikelet rate of Fusarium Head Blight on wheat spikes
2025-Dec, aBIOTECH
IF:4.6Q1
DOI:10.1007/s42994-025-00245-0
PMID:41312098
|
研究论文 | 提出一种自动化测量小麦赤霉病病小穗率的轻量级深度学习框架FHBDSR-Net | 构建首个包含5222个小穗级标注的数据集，提出多尺度特征增强架构、Inner-EfficiCIoU损失函数和尺度感知注意力模块来解决小目标检测和密集排列问题 | NA | 开发自动化测量小麦赤霉病病小穗率的方法以支持抗病育种 | 小麦穗部图像中的病小穗 | 计算机视觉 | 小麦赤霉病 | RGB图像分析 | CNN | 图像 | 620张高分辨率RGB小麦穗图像，包含5222个小穗级标注 | PyTorch | FHBDSR-Net | 平均精度, Pearson相关系数 | 资源受限的移动设备 |