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 2841 - 2860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2841 | 2025-11-25 |
scGPD: single-cell informed gene panel design for targeted spatial transcriptomics
2025-Oct-02, bioRxiv : the preprint server for biology
DOI:10.1101/2025.10.02.680117
PMID:41256660
|
研究论文 | 提出基于深度学习的基因面板设计框架scGPD，利用单细胞RNA测序数据为靶向空间转录组学选择紧凑且非冗余的基因集合 | 引入基因-基因相关性感知的门控机制，鼓励所选基因的多样性并消除冗余，相比现有方法能更好地覆盖转录组范围表达 | 未明确说明方法对特定组织类型或疾病场景的适用性限制 | 开发用于靶向空间转录组学的基因面板设计方法 | 单细胞RNA测序数据和空间转录组学数据 | 生物信息学 | NA | 单细胞RNA测序，空间转录组学 | 深度学习 | 基因表达数据 | 多种单细胞数据集（未指定具体数量） | NA | NA | 细胞类型分类准确率，转录组范围表达恢复能力 | NA |
| 2842 | 2025-11-25 |
Deep Learning Model Based on Dual-energy CT for Assessing Cervical Lymph Node Metastasis in Oral Squamous Cell Carcinoma
2025-Oct, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.020
PMID:40628643
|
研究论文 | 本研究开发了一种基于双能CT的深度学习模型，用于评估口腔鳞状细胞癌患者颈部淋巴结转移 | 首次将Crossformer_Transformer架构应用于双能CT多序列融合图像进行淋巴结转移检测，并在多中心数据上验证了其优越性能 | 样本量相对有限，仅包含两个中心的354名患者 | 提高口腔鳞状细胞癌患者颈部淋巴结转移的术前检测准确性 | 口腔鳞状细胞癌患者的颈部淋巴结 | 医学影像分析 | 口腔鳞状细胞癌 | 双能CT成像 | 深度学习 | CT图像 | 354名患者（248名来自第一个中心，106名来自第二个中心） | NA | Crossformer, Densenet169, Squeezenet1_0, Crossformer_Transformer | AUC | NA |
| 2843 | 2025-11-25 |
A Deep Learning Model for Preoperative Prediction of Lymph Node Metastasis in cT1-Stage Lung Adenocarcinoma: A Multicenter External Validation Study
2025-Oct, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.001
PMID:40651922
|
研究论文 | 开发并验证用于术前预测cT1期肺腺癌淋巴结转移的深度学习模型 | 首次基于残差网络开发专门用于cT1期肺腺癌淋巴结转移预测的深度学习模型，并进行多中心外部验证 | 回顾性研究设计，未在更广泛人群中验证模型泛化能力 | 术前预测cT1期肺腺癌淋巴结转移状态 | 2503名患者的2568个经病理证实的cT1期肺腺癌结节 | 医学影像分析 | 肺癌 | CT影像分析 | 深度学习 | 医学影像 | 2568个肺腺癌结节（来自2503名患者，8个机构） | NA | ResLNM（基于残差网络） | AUC, 决策曲线分析 | NA |
| 2844 | 2025-11-25 |
2.5D Deep Learning-Based Prediction of Pathological Grading of Clear Cell Renal Cell Carcinoma Using Contrast-Enhanced CT: A Multicenter Study
2025-Oct, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.056
PMID:40683765
|
研究论文 | 基于动脉期增强CT开发深度学习模型预测透明细胞肾细胞癌病理分级 | 提出2.5D深度学习模型，采用三切片输入方式，在多个中心验证中优于传统2D模型和放射组学MLP模型 | 回顾性研究设计，样本量相对有限 | 预测透明细胞肾细胞癌的病理分级 | 564例经诊断的透明细胞肾细胞癌患者 | 数字病理 | 肾细胞癌 | 对比增强CT | 深度学习 | CT图像 | 564例患者（训练集283例，内部测试集122例，三个外部验证集分别为60、38、61例） | NA | 2D模型,2.5D模型,多层感知器 | AUC,准确率,灵敏度 | NA |
| 2845 | 2025-11-25 |
To Compare the Application Value of Different Deep Learning Models Based on CT in Predicting Visceral Pleural Invasion of Non-small Cell Lung Cancer: A Retrospective, Multicenter Study
2025-Oct, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.07.002
PMID:40707264
|
研究论文 | 本研究基于CT影像开发并验证了不同深度学习模型预测非小细胞肺癌脏层胸膜侵犯的能力 | 首次系统比较了2D、3D和混合3D深度学习模型在预测非小细胞肺癌脏层胸膜侵犯中的性能差异 | 回顾性研究设计可能存在选择偏倚，且为多中心研究 | 开发并验证深度学习模型准确预测非小细胞肺癌患者的脏层胸膜侵犯 | 经病理确诊的非小细胞肺癌患者 | 计算机视觉 | 肺癌 | CT影像分析，弹性纤维染色分析 | CNN | CT图像，临床数据 | 1931例非小细胞肺癌患者 | NA | EfficientNet-B0, Res2Net | AUC, 受试者工作特征曲线, 混淆矩阵 | NA |
| 2846 | 2025-11-25 |
Deep Learning-Based Prediction of Microvascular Invasion and Survival Outcomes in Hepatocellular Carcinoma Using Dual-phase CT Imaging of Tumors and Lesser Omental Adipose: A Multicenter Study
2025-Oct, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.07.015
PMID:40707265
|
研究论文 | 基于双期CT图像开发深度学习模型预测肝细胞癌微血管侵犯及生存结局 | 首次将小网膜脂肪组织特征与肿瘤影像特征融合的深度学习框架用于MVI预测 | 回顾性研究设计，样本来源仅限于两个医疗中心 | 提高肝细胞癌微血管侵犯的术前预测准确性并分析生存结局 | 经病理确诊的肝细胞癌患者 | 数字病理 | 肝细胞癌 | 多期CT成像 | CNN | CT图像 | 来自两个医疗中心2016-2023年的患者数据 | PyTorch | ResNet18, 双分支特征融合模型 | AUC, 风险比, 置信区间 | NA |
| 2847 | 2025-11-25 |
Deep Learning-Enabled Ultrasound for Advancing Anterior Talofibular Ligament Injuries Classification: A Multicenter Model Development and Validation Study
2025-Oct, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.07.013
PMID:40764200
|
研究论文 | 开发基于超声的深度学习模型ATFLNet用于前距腓韧带损伤分类，并通过多中心研究验证其性能 | 首次开发专门针对前距腓韧带损伤分类的深度学习模型，并验证AI辅助策略在真实临床场景中的诊断价值 | 回顾性研究设计，需要进一步前瞻性验证；模型性能可能受超声设备差异影响 | 通过深度学习提升前距腓韧带损伤的超声诊断准确性和分类能力 | 健康对照者和急性前距腓韧带损伤患者（轻度拉伤、部分撕裂、完全撕裂和撕脱骨折） | 医学影像分析 | 韧带损伤 | 超声成像 | 深度学习模型 | 超声图像和动态视频 | 训练集2566例，内部验证642例，外部验证1210例（717+493），前瞻性验证472例，总计4890例 | NA | ATFLNet | 曲线下面积, 准确率 | NA |
| 2848 | 2025-11-25 |
An Interpretable Deep Learning Framework for Biomarker Discovery in Complex Disease Survival Outcomes
2025-Oct-01, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.30.679415
PMID:41256539
|
研究论文 | 提出一种用于复杂疾病生存结果建模的可解释深度学习框架SurvDNN，并开发PermFIT方法进行生物标志物发现 | 提出专门针对生存结果建模的增强深度神经网络框架，结合基于自助法的正则化策略和稳定性驱动的过滤算法，并将PermFIT方法扩展到生存分析设置 | 未在摘要中明确说明具体限制 | 开发可解释的深度学习框架用于复杂疾病生存结果中的生物标志物发现 | 癌症和心血管疾病等复杂疾病的生存结果数据 | 机器学习 | 癌症,心血管疾病 | 生存分析 | 深度神经网络 | 时间至事件数据 | NA | R | SurvDNN | 预测准确性 | NA |
| 2849 | 2025-11-25 |
GatorAffinity: Boosting Protein-Ligand Binding Affinity Prediction with Large-Scale Synthetic Structural Data
2025-Oct-01, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.29.679384
PMID:41256614
|
研究论文 | 开发了基于几何深度学习的蛋白质-配体结合亲和力预测模型GatorAffinity，利用大规模合成结构数据解决数据稀缺问题 | 首次利用超过45万合成蛋白-配体复合物和超过100万SAIR数据库合成复合物进行预训练，显著提升了亲和力预测精度 | 合成数据的质量依赖于Boltz-1结构预测模型的准确性，可能引入模型偏差 | 提高蛋白质-配体结合亲和力预测的准确性和泛化能力 | 蛋白质-配体复合物 | 计算药物发现 | NA | 几何深度学习，结构预测 | 几何深度学习模型 | 蛋白质-配体复合物结构数据 | 超过45万合成复合物 + 超过100万SAIR合成复合物 + PDBbind实验结构 | PyTorch, TensorFlow | 几何深度学习架构 | 准确性，泛化能力 | GPU集群 |
| 2850 | 2025-11-25 |
Artificial intelligence-driven solutions for mitigating human-wildlife conflict in biodiversity hotspots
2025 Oct-Dec, Science progress
IF:2.6Q2
DOI:10.1177/00368504251394584
PMID:41259221
|
综述 | 本文综述了人工智能在生物多样性热点地区缓解人兽冲突中的应用与潜力 | 系统分析了1990-2025年间105项研究，首次全面评估AI在人兽冲突监测、预测准确性和社区参与方面的改善效果（分别达65%、47%和39%） | 依赖文献分析可能遗漏未发表案例，AI技术在实际部署中面临伦理问题和本地知识整合挑战 | 探讨人工智能技术如何缓解生物多样性热点地区的人兽冲突 | 生物多样性热点地区的人兽冲突案例及相关AI解决方案 | 计算机视觉,机器学习 | NA | 遥感技术,地理信息系统,参与式数据整合 | 机器学习,深度学习 | 图像,地理空间数据,巡逻日志,传感器数据 | 105项研究（来自163个筛选来源） | NA | NA | 监测改善率,预测准确率,社区参与率 | NA |
| 2851 | 2025-11-25 |
A Multicentre Comparative Analysis of Radiomics, Deep-learning, and Fusion Models for Predicting Postpartum Hemorrhage
2025-Oct, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.05.068
PMID:40562675
|
研究论文 | 比较放射组学、深度学习和融合模型在预测产后出血方面的性能 | 首次系统比较2D/3D深度学习、放射组学及融合模型在预测产后出血中的表现，并提出性能最优的晚期融合模型 | 回顾性研究设计，样本仅来自两家医院，可能存在选择偏倚 | 开发基于MRI图像的产后出血预测模型 | 581名疑似胎盘植入谱系疾病的孕妇 | 医学影像分析 | 产后出血 | MRI成像 | 深度学习, 放射组学, 融合模型 | 医学影像 | 581名孕妇（训练集421例，验证集160例） | NA | 2D深度学习, 3D深度学习, 早期融合, 晚期融合 | AUC, 敏感性, 特异性, 校准曲线, 决策曲线分析 | NA |
| 2852 | 2025-11-25 |
High-accuracy SNV calling for bacterial isolates using deep learning with AccuSNV
2025-Sep-29, bioRxiv : the preprint server for biology
DOI:10.1101/2025.09.26.678787
PMID:41256411
|
研究论文 | 开发基于深度学习的AccuSNV工具，用于细菌分离株的高精度单核苷酸变异检测 | 首次将卷积神经网络应用于多样本整合分析，通过跨样本模式学习提高SNV检测精度 | 未明确说明工具在不同细菌物种间的泛化能力限制 | 开发高精度、自动化的细菌单核苷酸变异检测工具 | 细菌分离株的全基因组测序数据 | 生物信息学 | 细菌感染 | 全基因组测序 | CNN | 基因组序列比对数据 | 六个细菌物种的模拟数据和多个精选细菌数据集 | NA | 卷积神经网络 | 精度, 假阳性率 | NA |
| 2853 | 2025-11-25 |
Multi-modal CT Perfusion-based Deep Learning for Predicting Stroke Lesion Outcomes in Complete and No Recanalization Scenarios
2025-Sep-19, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9016
PMID:40973461
|
研究论文 | 开发基于多模态CT灌注的深度学习模型，预测急性缺血性卒中患者在不同再通情况下的最终梗死病灶 | 针对完全再通和无再通两种不同临床场景分别开发专门的深度学习模型，相比传统单模态阈值方法提供更准确的病灶预测 | 样本量相对有限，特别是无再通组样本较少(n=138) | 预测急性缺血性卒中患者的最终梗死病灶位置和体积 | 急性缺血性卒中患者 | 数字病理学 | 心血管疾病 | CT灌注成像，扩散加权成像 | 深度学习 | 医学影像 | 完全再通患者350例，无再通患者138例 | PyTorch | 3D nnU-Net | Dice系数, 95% Hausdorff距离, 平均对称表面距离 | NA |
| 2854 | 2025-11-25 |
MRI on a Budget: Leveraging Low and Ultra-Low Intensity Technology in Africa
2025-Sep-18, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9014
PMID:40968019
|
综述 | 探讨低场和超低场磁共振成像技术在非洲资源受限地区的应用现状与发展前景 | 系统分析低场MRI技术在非洲医疗环境中的创新应用，包括永磁Halbach阵列磁体、便携式扫描仪设计和深度学习图像重建方法 | 信噪比较低、体素尺寸要求较大、易受运动伪影影响，无法完全替代高场扫描仪检测细微病变 | 评估低场MRI技术在资源受限地区扩大神经影像诊断能力的可行性与应用价值 | 非洲地区的低场和超低场磁共振成像系统及其临床应用 | 医学影像 | 神经系统疾病 | 低场磁共振成像，深度学习图像重建 | CNN, U-Net | 磁共振图像 | NA | NA | 残差U-Net | 信噪比，图像质量 | NA |
| 2855 | 2025-11-25 |
Prediction of cerebrospinal fluid intervention in fetal ventriculomegaly via AI-powered normative modelling
2025-Sep-16, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A9000
PMID:40957691
|
研究论文 | 开发基于AI的胎儿脑室分割和体积量化方法，用于预测胎儿脑室扩大是否需要产后脑脊液干预 | 首次利用nnUNet建立胎儿脑室体积的规范性参考范围，并基于此预测产后干预需求 | 回顾性研究，样本量有限（222例患者），需要外部验证 | 开发客观、可重复的胎儿脑室量化方法，准确区分脑室扩大和需要干预的脑积水 | 胎儿脑MRI图像，包括正常胎儿和脑室扩大胎儿 | 数字病理 | 胎儿脑室扩大 | 胎儿脑MRI | 深度学习 | 医学图像 | 222例单胎妊娠患者（20例机构数据+80例公开数据用于训练，138例正常胎儿用于建立参考范围，64例脑室扩大胎儿用于验证） | nnUNet | nnUNet | Dice系数, ROC曲线, AUC, 灵敏度, 特异性 | NA |
| 2856 | 2025-11-25 |
External Validation of a Winning Artificial Intelligence Algorithm from the RSNA 2022 Cervical Spine Fracture Detection Challenge
2025-Sep-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8715
PMID:39993795
|
研究论文 | 对RSNA 2022颈椎骨折检测挑战赛获奖AI算法进行外部验证研究 | 首次对竞赛获奖算法在真实临床环境中的泛化能力进行验证 | 样本量较小（100例），仅测试单一算法，存在年龄相关合并症的影响 | 评估AI算法在临床实践中的可行性和泛化能力 | 颈椎CT扫描图像 | 医学影像分析 | 颈椎骨折 | CT扫描 | CNN | 医学影像 | 100例CT检查（50例阳性，50例阴性） | NA | 卷积神经网络 | 灵敏度, 特异度, F1分数, AUC | 本地安装，处理速度6.4秒/例 |
| 2857 | 2025-11-25 |
Evaluation of Stapes Image Quality with Ultra-High-Resolution CT in Comparison with Conebeam CT and High-Resolution CT in Cadaveric Heads
2025-Sep-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8748
PMID:40127966
|
研究论文 | 比较超高清CT、锥束CT和高清CT在尸体头部镫骨成像质量方面的表现 | 首次系统比较了包括深度学习重建技术在内的多种CT成像方式对镫骨的成像能力，并以微CT作为参考标准 | 研究样本量较小（11例颞骨标本），且为尸体标本而非活体 | 评估不同CT成像技术对镫骨的成像质量 | 尸体头部颞骨标本 | 医学影像 | 耳科疾病 | CT成像, 微CT, 深度学习重建 | NA | 医学影像 | 11例颞骨标本 | NA | NA | 图像质量评分, 噪声值, 辐射剂量 | NA |
| 2858 | 2025-11-25 |
3D MR Neurography of Craniocervical Nerves: Comparing Double-Echo Steady-State and Postcontrast STIR with Deep Learning-Based Reconstruction at 1.5T
2025-Sep-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8750
PMID:40139904
|
研究论文 | 比较双回波稳态序列和对比后STIR序列在1.5T磁共振神经成像中对颅颈神经的显示效果 | 首次在头颈部区域应用深度学习重建技术比较DESS和对比后STIR序列的神经显示效果 | 样本量较小（18例患者），回顾性研究设计 | 评估不同MRI序列在颅颈神经成像中的性能差异 | 颅外孔颅神经和脊神经（下牙槽神经、舌神经、面神经、舌下神经、枕大神经、枕小神经、耳大神经） | 医学影像分析 | 头颈部疾病 | 3D MR神经成像，双回波稳态序列，对比后STIR序列 | 深度学习 | 磁共振图像 | 18例患者 | NA | NA | 视觉评分，表观信噪比，对比噪声比 | 1.5T MRI设备 |
| 2859 | 2025-11-25 |
Delineation of the Centromedian Nucleus for Epilepsy Neuromodulation Using Deep Learning Reconstruction of White Matter-Nulled Imaging
2025-Sep-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8766
PMID:40813213
|
研究论文 | 本研究利用深度学习重建的白质抑制成像技术描绘丘脑中央中核，以改善癫痫神经调控的靶向精度 | 首次将深度学习重建技术与FGATIR序列结合，实现丘脑中央中核的可视化与分割，为深部脑刺激提供直接靶向方法 | 样本量较小（12例患者），为回顾性研究设计 | 评估DLR-FGATIR技术对丘脑中央中核的可视化效果及其与图谱定义边界的一致性 | 12例药物抵抗性癫痫患者接受丘脑神经调控治疗 | 医学影像分析 | 癫痫 | 深度学习重建、FGATIR序列、MRI、术后CT | 深度学习 | 医学影像（MRI、CT） | 12例药物抵抗性癫痫患者 | NA | NA | Sorenson-Dice系数、体积比、对比噪声比 | NA |
| 2860 | 2025-11-25 |
Automated Midline Shift Detection in Head CT Using Localization and Symmetry Techniques Based on User-Selected Slice
2025-Sep-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8767
PMID:40835418
|
研究论文 | 开发基于深度学习的自动中线移位检测方法，用于头部CT扫描分析 | 提出结合定位和对称性技术的完整严重程度范围检测方法，能够处理严重病例中透明隔消失的情况 | 仅使用单机构981例CT扫描数据，模型性能有待进一步验证 | 实现头部CT扫描中中线移位的快速准确检测 | 头部CT扫描图像中的中线移位病理特征 | 医学影像分析 | 脑部疾病 | CT扫描 | 目标检测 | 医学影像 | 981例患者CT扫描（400例标注训练，581例测试） | YOLO | You Only Look Once | AUC, 敏感度, 特异度 | NA |