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 3241 - 3260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3241 | 2025-11-21 |
Multicenter study of CT-based deep learning for predicting preoperative T staging and TNM staging in clear cell renal cell carcinoma
2025-Oct-17, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-14836-z
PMID:41107801
|
研究论文 | 基于CT的深度学习模型用于预测肾透明细胞癌术前T分期和TNM分期 | 开发了基于Transformer-ResNet架构的3D深度学习模型，首次在多中心研究中验证其在肾透明细胞癌术前分期中的应用 | 在晚期亚类（T3+T4和TNM III期）中表现中等 | 开发并验证基于CT的深度学习模型，用于肾透明细胞癌的术前分期 | 肾透明细胞癌患者 | 计算机视觉 | 肾癌 | CT成像 | 深度学习 | CT图像 | 1,148例来自五个医疗中心的肾透明细胞癌患者 | NA | Transformer-ResNet (TR-Net) | micro-AUC, macro-AUC, accuracy | NA |
| 3242 | 2025-11-21 |
Efficacy and safety of platelet-rich plasma injections for the treatment of knee osteoarthritis: a systematic review and meta-analysis of randomized controlled trials
2025-Oct-17, European journal of medical research
IF:2.8Q2
DOI:10.1186/s40001-025-03253-4
PMID:41107915
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估富血小板血浆注射治疗膝骨关节炎的疗效和安全性 | 首次结合神经网络模型预测PRP治疗结果，识别最佳PRP浓度范围和注射方案，并发现PRP与其他治疗的协同效应 | 长期随访数据有限，评价标准缺乏标准化，生物学可解释性和临床实施存在挑战 | 全面评估PRP注射治疗膝骨关节炎的疗效和安全性 | 膝骨关节炎患者 | 医学研究 | 骨关节炎 | PRP注射治疗，神经网络模型 | 神经网络 | 临床试验数据 | 28项随机对照试验，共3246名KOA患者 | NA | 神经网络 | 疼痛缓解，功能改善，治疗反应预测准确性 | NA |
| 3243 | 2025-11-21 |
Accuracy of Deep Learning-Aided Detection of Microsatellite Instability in Colorectal Cancer: A Systematic Review and Meta-Analysis
2025-Oct-15, Clinical colorectal cancer
IF:3.3Q2
DOI:10.1016/j.clcc.2025.09.004
PMID:41260961
|
系统评价与Meta分析 | 通过系统评价和Meta分析评估深度学习在结直肠癌微卫星不稳定性检测中的准确性 | 首次对基于病理切片的深度学习检测结直肠癌微卫星不稳定性的准确性进行系统评价和Meta分析 | 基于MRI、结肠镜和拉曼光谱的深度学习研究数量极少，需要更多验证 | 评估深度学习在结直肠癌微卫星不稳定性检测中的准确性 | 结直肠癌患者 | 数字病理学 | 结直肠癌 | 深度学习 | 深度学习模型 | 病理切片图像、MRI图像、结肠镜图像、拉曼光谱数据 | 30项原始研究 | NA | NA | 特异性、敏感性、汇总受试者工作特征曲线下面积 | NA |
| 3244 | 2025-11-21 |
Comparative Diagnostic Accuracy of AI-Assisted Fluorine-18 Fluorodeoxyglucose Positron Emission Tomography Versus Structural Magnetic Resonance Imaging in Alzheimer Disease: Systematic Review and Meta-Analysis
2025-Oct-08, JMIR aging
IF:5.0Q1
DOI:10.2196/76981
PMID:41061249
|
系统综述与Meta分析 | 通过系统综述和Meta分析比较AI辅助的18F-FDG PET与结构MRI在阿尔茨海默病诊断中的准确性 | 首次系统比较AI辅助的两种神经影像技术（18F-FDG PET和sMRI）在AD诊断中的性能差异 | 研究质量分层、算法类型和验证策略导致的异质性 | 比较AI辅助的18F-FDG PET与结构MRI在阿尔茨海默病诊断中的性能差异 | 阿尔茨海默病患者 | 医学影像分析 | 阿尔茨海默病 | 18F-FDG PET, 结构MRI | 机器学习, 深度学习 | 医学影像 | 38项研究纳入分析 | NA | NA | 敏感度, 特异度, SROC-AUC | NA |
| 3245 | 2025-11-21 |
YOLOv12 Algorithm-Aided Detection and Classification of Lateral Malleolar Avulsion Fracture and Subfibular Ossicle Based on CT Images: Multicenter Study
2025-Oct-03, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/79064
PMID:40924436
|
研究论文 | 基于CT图像使用YOLOv12算法辅助检测和分类外踝撕脱性骨折与腓骨下籽骨的多中心研究 | 首次将最新YOLOv12算法应用于外踝撕脱性骨折与腓骨下籽骨的CT图像检测与分类，并在多中心数据上验证其性能优于放射科医生单独阅读CT | 回顾性研究设计，仅来自两家医院的数据，需要进一步前瞻性验证 | 评估深度学习模型在CT图像上检测和分类外踝撕脱性骨折与腓骨下籽骨的性能 | 1918名患者（外踝撕脱性骨折1253例，腓骨下籽骨665例）的CT图像 | 计算机视觉 | 骨科疾病 | CT成像，MRI成像 | CNN | 医学图像 | 1918名患者，训练集1092例，内部验证集476例，外部测试集350例 | NA | YOLOv12, Faster R-CNN, SSD, RetinaNet | mAP50, AUC, 准确率, 灵敏度, 特异性 | NA |
| 3246 | 2025-11-21 |
Development and Validation an Integrated Deep Learning Model to Assist Eosinophilic Chronic Rhinosinusitis Diagnosis: A Multicenter Study
2025-Oct, International forum of allergy & rhinology
IF:7.2Q1
DOI:10.1002/alr.23595
PMID:40387008
|
研究论文 | 开发并验证一种集成深度学习模型，用于辅助嗜酸性慢性鼻窦炎的术前诊断 | 首次结合CT影像特征和临床参数构建集成深度学习模型，并探索模型预测的生物学基础 | 样本量相对有限（1098例），蛋白质组学分析仅包含34例患者 | 开发非侵入性术前预测方法用于嗜酸性慢性鼻窦炎的诊断 | 慢性鼻窦炎患者 | 医学影像分析 | 慢性鼻窦炎 | 计算机断层扫描（CT），蛋白质组学分析 | 3D-CNN, SVM | CT影像，临床参数 | 1098例患者（来自两家医院），其中34例进行蛋白质组学分析 | NA | 3D-ResNet, 3D-Xception, HR-Net | AUC, 敏感度, 特异度, 准确度 | NA |
| 3247 | 2025-11-21 |
3D auto-segmentation of pancreas cancer and surrounding anatomical structures for surgical planning
2025-Oct-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002835
PMID:40576127
|
研究论文 | 开发基于深度学习的胰腺癌及周围解剖结构自动分割模型，用于手术规划 | 采用分层Swin Transformer V2模型进行胰腺癌三维自动分割，并在多中心数据上进行验证 | 胰腺癌分割准确度相对较低（DSC 54.5-57.0），小肿瘤分割性能有待提升 | 通过CT图像自动分割胰腺癌及周围结构以改善手术规划 | 胰腺癌患者及胰腺周围解剖结构 | 数字病理 | 胰腺癌 | 计算机断层扫描（CT） | Transformer | 三维CT图像 | 275名患者（176训练，59内部验证，40外部验证） | NA | Swin Transformer V2 | Dice相似系数, 定性评估 | NA |
| 3248 | 2025-11-21 |
Development and validation of a deep learning ultrasound radiomics model for predicting drug resistance in lymph node tuberculosis a multicenter study
2025-Oct-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002850
PMID:40607926
|
研究论文 | 开发并验证基于深度学习超声影像组学模型用于预测淋巴结结核耐药性 | 首次将集成机器学习算法与AdaBoost相结合应用于淋巴结结核耐药预测，并通过多中心外部验证 | 回顾性研究设计，样本量相对有限（234例） | 预测淋巴结结核患者的耐药性 | 234例颈部淋巴结结核患者 | 医学影像分析 | 结核病 | 超声影像 | 集成机器学习, AdaBoost | 超声图像 | 234例患者（来自三个医疗中心） | NA | 集成机器学习模型 | AUC, 准确率, 精确率, 召回率, F1分数, 决策曲线分析 | NA |
| 3249 | 2025-11-21 |
Multichannel deep learning prediction of major pathological response after neoadjuvant immunochemotherapy in lung cancer: a multicenter diagnostic study
2025-Oct-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002821
PMID:40607969
|
研究论文 | 开发基于预处理CT的多通道深度学习预测模型，用于术前诊断非小细胞肺癌患者新辅助免疫化疗后的主要病理缓解 | 首次将多通道深度学习与Transformer编码器融合，用于预测肺癌新辅助免疫化疗疗效 | 回顾性研究设计，样本量相对有限（332例患者） | 开发术前预测非小细胞肺癌患者新辅助免疫化疗后主要病理缓解的诊断工具 | 非小细胞肺癌患者 | 计算机视觉 | 肺癌 | CT成像 | Transformer, CNN | 医学影像（CT图像） | 332例非小细胞肺癌患者，来自4个医疗中心 | NA | GoogLeNet, Transformer | AUC, 敏感性, 特异性, F1分数, 混淆矩阵, 校准曲线, 决策曲线分析, 综合判别改进, 净重分类改进, DeLong检验 | NA |
| 3250 | 2025-11-21 |
Machine Learning-Based Detection of EGFR Mutation and HER2 Overexpression in Metastatic Brain Adenocarcinoma: Systematic Review and Meta-Analysis
2025-Oct-01, Topics in magnetic resonance imaging : TMRI
DOI:10.1097/RMR.0000000000000320
PMID:41032033
|
系统综述与荟萃分析 | 评估基于机器学习的MRI影像组学模型在检测转移性脑腺癌中EGFR突变和HER2过表达方面的诊断性能 | 首次系统评估机器学习模型在脑转移瘤生物标志物检测中的应用，并比较深度学习与传统机器学习模型的性能差异 | 存在方法学异质性，外部验证使用有限，需要更多前瞻性多中心研究确认临床适用性 | 评估机器学习模型在非侵入性检测脑转移腺癌EGFR突变和HER2过表达中的诊断价值 | 转移性脑腺癌患者 | 医学影像分析 | 脑转移癌 | MRI影像组学 | 深度学习, 传统机器学习 | 医学影像 | 31项研究，7925名参与者 | Python | NA | AUC, 准确率, 敏感度 | STATA 18, Python 3.10 |
| 3251 | 2025-11-21 |
Transformer-based deep learning model for predicting fNIRS short-channel signals
2025-Oct, Neurophotonics
IF:4.8Q1
DOI:10.1117/1.NPh.12.4.045008
PMID:41245625
|
研究论文 | 开发基于Transformer的深度学习模型，从长通道fNIRS数据预测短通道信号，为脑血流动力学监测提供虚拟短通道解决方案 | 首次将Transformer架构应用于fNIRS短通道信号预测，提供不依赖物理硬件的虚拟短通道回归方法 | 模型性能依赖于训练数据质量，在低相干性通道下准确度有所下降 | 开发数据驱动的虚拟短通道检测器，替代物理短通道进行信号去噪 | 功能性近红外光谱(fNIRS)信号 | 生物医学信号处理 | NA | 功能性近红外光谱(fNIRS) | Transformer | 光学密度信号，血流动力学信号 | 训练集69名受试者，验证集包含三个独立数据集：23名受试者（静息态）、40名受试者（不同系统）、4名受试者（手指敲击任务） | NA | Transformer编码器 | 均方误差(MSE), 归一化均方误差(NMSE), 皮尔逊相关系数(r), 回归后残差方差 | NA |
| 3252 | 2025-11-21 |
DHGT-DTI: Advancing drug-target interaction prediction through a dual-view heterogeneous network with GraphSAGE and Graph Transformer
2025-Oct, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101336
PMID:41245658
|
研究论文 | 提出一种基于双视角异质图网络的药物-靶点相互作用预测方法DHGT-DTI | 通过邻域视角和元路径视角双重机制整合局部与全局网络信息，结合GraphSAGE与图Transformer的优势 | 未明确说明模型计算复杂度及对大规模网络的可扩展性 | 提升药物-靶点相互作用预测的准确性 | 药物与靶点蛋白质 | 生物信息学 | 帕金森病 | 异质图神经网络 | HGNN, Graph Transformer | 图网络数据 | 两个基准数据集，六种治疗帕金森病的药物案例研究 | NA | GraphSAGE, Graph Transformer | NA | NA |
| 3253 | 2025-11-21 |
Artificial intelligence algorithms in orthopaedics: A narrative review of methods and clinical applications
2025-Oct, Journal of experimental orthopaedics
IF:2.0Q2
DOI:10.1002/jeo2.70549
PMID:41245724
|
综述 | 评估人工智能算法在骨科手术中的作用，解释主要算法方法的功能并通过骨科实例进行说明 | 系统区分不同AI算法在骨科的应用场景，并详细解释各类算法的工作原理和临床实例 | 存在算法偏见、透明度不足、计算成本高和缺乏外部验证等问题 | 探讨人工智能算法在骨科领域的应用现状和发展前景 | 骨科手术相关的AI算法和临床应用 | 机器学习,自然语言处理,计算机视觉 | 骨科疾病 | 机器学习,深度学习,自然语言处理,生成式人工智能,联邦学习 | CNN,神经网络 | 医学影像,文本数据,手术数据 | NA | NA | FracNet,YOLO,大型语言模型 | 准确率,效率,可扩展性 | NA |
| 3254 | 2025-11-21 |
Examining the Effect of Deep Learning-Based Image Reconstruction on Accelerating Shoulder Magnetic Resonance Imaging (MRI) and Its Impact on Image Quality
2025-Oct, Cureus
DOI:10.7759/cureus.94561
PMID:41246632
|
研究论文 | 本研究比较了基于深度学习的图像重建技术在加速肩部MRI扫描中对图像质量的影响 | 首次系统评估深度学习重建技术在肩部MRI加速中的临床应用价值 | 样本量较小(49例)，阅片者间一致性较差，仅使用1.5T扫描器 | 评估深度学习图像重建技术加速MRI扫描的可行性和图像质量 | 49名接受肩部MRI检查的患者 | 医学影像分析 | 肩部疾病 | 磁共振成像 | 深度学习 | 医学图像 | 49名患者 | NA | NA | Wilcoxon符号秩检验, Cohen's kappa, PABAK | Philips Ingenia 1.5T MRI扫描仪 |
| 3255 | 2025-11-21 |
AI-Based System for Analysis of Electron Microscope Images in Glomerular Disease
2025-Oct-01, JAMA network open
IF:10.5Q1
|
研究论文 | 开发并验证基于人工智能的TEM图像分析系统TEM-AID，用于精确分割和测量肾小球超微结构并诊断肾小球疾病亚型 | 首次整合YOLO-v8检测、Segment Anything模型和人机协同优化，实现肾小球超微结构的自动分割与量化分析 | 研究仅针对特定七种肾小球疾病亚型，未涵盖所有肾脏疾病类型 | 开发人工智能辅助诊断系统提升肾小球疾病的电子显微镜图像分析效率 | 慢性肾病患者及其肾活检透射电子显微镜图像 | 数字病理 | 肾小球疾病 | 透射电子显微镜 | YOLO-v8, Segment Anything Model, 堆叠分类器 | 电子显微镜图像 | 31,670名患者的160,727张TEM图像 | NA | YOLO-v8, Segment Anything Model | 平均交并比, Dice系数, 准确率, AUC | NA |
| 3256 | 2025-11-21 |
Diagnostic Accuracy of Artificial Intelligence in Detecting Oral Potentially Malignant Disorders and Oral Cancer: A Meta-Analysis of Imaging-Based Studies (2015-2024)
2025 Sep-Oct, Journal of International Society of Preventive & Community Dentistry
DOI:10.4103/jispcd.jispcd_116_25
PMID:41244656
|
荟萃分析 | 通过荟萃分析评估人工智能在检测口腔潜在恶性疾病和口腔癌中的诊断准确性 | 首次对2015-2024年间基于影像的AI诊断口腔疾病研究进行系统性评估，涵盖多种影像技术和深度学习模型 | 纳入研究数量有限（35项），可能存在发表偏倚，各研究间影像技术和AI方法存在异质性 | 评估AI辅助影像工具在社区和临床环境中检测口腔潜在恶性疾病和口腔癌的诊断准确性 | 口腔潜在恶性疾病和口腔癌的影像数据 | 医学影像分析 | 口腔癌 | 临床摄影、组织病理学、光学相干断层扫描、自体荧光成像 | CNN | 图像 | 超过15,000张图像 | NA | 卷积神经网络 | 灵敏度, 特异度, AUC, 诊断比值比 | NA |
| 3257 | 2025-11-21 |
Personalized MR-Informed Diffusion Models for 3D PET Image Reconstruction
2025-Aug-25, IEEE transactions on radiation and plasma medical sciences
IF:4.6Q1
DOI:10.1109/TRPMS.2025.3602262
PMID:41244311
|
研究论文 | 提出一种基于多模态PET-MR扫描数据的个性化扩散模型，用于3D PET图像重建 | 通过图像配准生成患者特异性伪PET图像，保留MR扫描的解剖信息，提高重建精度 | 需要多模态PET-MR扫描数据，伪PET图像仍存在一定噪声 | 开发个性化的PET图像重建方法，提高低计数数据下的重建质量 | 多模态PET-MR扫描数据，包括模拟和真实[F]FDG数据集 | 医学影像 | NA | 图像配准，扩散模型 | 扩散模型 | 3D PET图像，MR图像 | 多患者PET-MR扫描数据集 | NA | 扩散模型 | 重建精度，病灶可检测性 | NA |
| 3258 | 2025-11-21 |
A deep learning method for predicting interactions for intrinsically disordered regions of proteins
2025-Aug-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.19.629373
PMID:39763873
|
研究论文 | 开发了一种名为Disobind的深度学习方法，用于预测蛋白质内在无序区域与结合伴侣之间的相互作用 | 结合ProtT5蛋白质语言模型的序列嵌入，考虑结合伴侣的上下文，不依赖结构信息和多重序列比对 | NA | 预测蛋白质内在无序区域与结合伴侣之间的相互作用界面 | 蛋白质内在无序区域及其结合伴侣 | 生物信息学 | NA | 蛋白质语言模型 | 深度学习 | 蛋白质序列 | NA | NA | ProtT5 | 接触图预测准确率，界面残基预测准确率 | NA |
| 3259 | 2025-11-21 |
Parasitic diagnosis: A journey from basic microscopy to cutting-edge technology
2025 Jul-Dec, Tropical parasitology
DOI:10.4103/tp.tp_61_24
PMID:41244084
|
综述 | 本文综述了寄生虫诊断技术从基础显微镜到现代人工智能的发展历程 | 系统梳理了寄生虫诊断技术的演进，特别强调了人工智能和卷积神经网络在提升诊断准确性和效率方面的革命性作用 | 面临数据集多样性不足和低收入地区基础设施支持有限的挑战 | 改善寄生虫感染诊断方法以应对全球公共卫生挑战 | 寄生虫感染及其诊断技术 | 数字病理 | 寄生虫感染 | 显微镜检查、血清学诊断、ELISA、免疫印迹、PCR、多重检测、下一代测序 | CNN | 图像、分子数据 | NA | NA | NA | 灵敏度、特异性、准确性、效率 | NA |
| 3260 | 2025-11-21 |
AVN: A Deep Learning Approach for the Analysis of Birdsong
2025-Jun-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.10.593561
PMID:39229184
|
研究论文 | 开发了一种基于深度学习的鸟类鸣声分析工具AVN，用于斑胸草雀鸣声的自动标注和特征提取 | 无需额外训练数据即可跨多个动物群体准确标注鸣声，并开发了无需额外训练数据即可测量鸣声模仿的新方法 | NA | 开发标准化的行为分析工具以促进鸣声行为研究 | 斑胸草雀的习得性鸣声 | 机器学习 | NA | 深度学习行为分析 | 深度学习 | 音频 | 多个研究组和实验中的斑胸草雀鸣声数据 | Python | NA | 准确性、敏感性、与人类专家判断的一致性 | NA |