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 33008 篇文献，本页显示第 381 - 400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 381 | 2025-11-02 |
DICOM LUT is a Key Step in Medical Image Preprocessing Towards AI Generalizability
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01418-5
PMID:39890738
|
研究论文 | 本研究探讨了医学图像预处理技术对深度学习模型泛化能力的影响 | 首次系统评估了直方图均衡化和VOI-LUT变换在胸部X光图像预处理中对AI模型泛化性能的影响 | 研究仅针对气胸诊断任务和胸部X光图像，未涵盖其他疾病类型和影像模态 | 评估不同医学图像预处理技术对深度学习模型性能的影响 | 胸部X光图像 | 医学影像分析 | 气胸 | 直方图均衡化, VOI-LUT变换 | 深度学习分类器 | 医学图像 | 内部CXR数据集和两个外部验证集 | NA | NA | 泛化性能, 过拟合程度 | NA |
| 382 | 2025-11-02 |
[Applications and perspectives of artificial intelligence in periodontology]
2025-Oct-01, Hua xi kou qiang yi xue za zhi = Huaxi kouqiang yixue zazhi = West China journal of stomatology
DOI:10.7518/hxkq.2025.2025103
PMID:41159323
|
综述 | 本文综述人工智能在牙周病学领域的应用现状与发展前景 | 系统阐述AI如何通过多模态数据整合推动牙周病精准医疗发展 | 模型泛化能力、数据质量、伦理问题和可解释性仍存在挑战 | 探讨人工智能技术在牙周病学领域的应用潜力与发展方向 | 牙周病临床诊疗与科研教育体系 | 自然语言处理, 机器学习 | 牙周病 | 深度学习, 机器学习, 自然语言处理 | NA | 影像数据, 医疗记录, 生活方式数据 | NA | NA | NA | NA | 多中心大数据平台 |
| 383 | 2025-11-02 |
Panoramic Nailfold Flow Velocity Measurement Method Based on Enhanced Plasma Gap Information
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01379-1
PMID:39762546
|
研究论文 | 提出一种基于增强血浆间隙信息的甲襞全景血流速度测量方法 | 使用深度学习模型将全景血流速度测量任务分解为多个血管流速测量任务，并提出血浆间隙信息增强方法 | NA | 开发甲襞全景血流速度自动测量方法 | 甲襞微循环血管 | 计算机视觉 | 血管疾病 | 甲襞成像 | 深度学习模型 | 视频 | NA | NA | NA | Pearson相关系数, 平均误差, t检验 | NA |
| 384 | 2025-11-02 |
Radiomics and Artificial Intelligence in Pulmonary Fibrosis
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01377-3
PMID:39762544
|
综述 | 本文通过范围综述探讨了放射组学与人工智能在特发性肺纤维化诊断和预后评估中的应用 | 系统评估了基于HRCT的深度学习方法在肺纤维化特征提取中的价值，并分析了定量评估纤维化程度的预后意义 | 纤维化程度定量评估的额外预后价值仍不确定，需要进一步研究验证 | 研究放射影像学和人工智能在特发性肺纤维化诊断和预后评估中的作用 | 特发性肺纤维化患者的HRCT影像数据 | 数字病理学 | 肺纤维化 | 高分辨率计算机断层扫描(HRCT) | 深度学习 | 医学影像 | NA | NA | NA | k折交叉验证 | NA |
| 385 | 2025-11-02 |
Deep Learning Analysis of White Matter Hyperintensity and its Association with Comprehensive Vascular Factors in Two Large General Populations
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01372-8
PMID:39762547
|
研究论文 | 使用深度学习模型分析两个大规模普通人群中白质高信号与综合血管因素之间的关联 | 首次在两个大规模普通人群队列中系统评估综合血管因素与白质高信号体积的关联 | 横断面研究设计无法确定因果关系 | 探究血管因素与白质高信号体积在普通人群中的关联 | 两个普通人群队列：Asan医学中心健康检查人群(n=7471)和韩国基因组与流行病学研究队列(n=2511) | 医学影像分析 | 脑血管疾病 | 磁共振成像 | 深度学习 | 医学影像 | 总计9982个样本(AMC:7471, KoGES:2511) | nnU-Net | nnU-Net | β系数, 95%置信区间, p值 | NA |
| 386 | 2025-11-02 |
Multi-Class Brain Tumor Grades Classification Using a Deep Learning-Based Majority Voting Algorithm and Its Validation Using Explainable-AI
2025-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01368-4
PMID:39779641
|
研究论文 | 开发基于MRI和集成深度学习的多类别脑肿瘤分级分类系统，并通过可解释AI验证结果 | 采用基于多数投票算法的集成深度学习框架，结合七种深度学习模型和七种机器学习模型，并首次在脑肿瘤分类中应用LIME可解释AI算法 | NA | 开发一种经济高效、非侵入性的MRI辅助诊断工具，用于准确快速识别脑肿瘤分级 | 脑肿瘤MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | CNN, 集成学习 | 医学图像 | 五个数据集：二分类(C2)、三分类(C3)、四分类(C4)、五分类(C5)和六分类(C6) | NA | EfficientNet, VGG16, ResNet18, GoogleNet, ResNet50, Inception-V3, DarkNet | 准确率 | NA |
| 387 | 2025-11-02 |
Application of Explainable Artificial Intelligence Based on Visual Explanation in Digestive Endoscopy
2025-Sep-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12101058
PMID:41155057
|
综述 | 系统回顾基于视觉解释的可解释人工智能在消化内镜图像分析中的研究进展与应用 | 首次系统梳理消化内镜领域视觉解释型XAI方法的应用现状，重点关注模型决策透明化 | 仅纳入34篇文献，样本量有限；未涉及非视觉解释方法 | 构建可信赖的AI辅助消化内镜诊疗系统 | 消化内镜图像（食管胃十二指肠镜、结肠镜、超声内镜、无线胶囊内镜） | 计算机视觉 | 胃肠道疾病 | 消化内镜成像 | 深度学习 | 医学图像 | 34篇研究文献 | NA | NA | NA | NA |
| 388 | 2025-11-02 |
Comparative Analysis of Foundational, Advanced, and Traditional Deep Learning Models for Hyperpolarized Gas MRI Lung Segmentation: Robust Performance in Data-Constrained Scenarios
2025-Sep-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12101062
PMID:41155061
|
研究论文 | 比较基础模型、先进大核架构和传统深度学习方法在超极化气体MRI肺部分割任务中不同数据量下的性能表现 | 首次系统比较基础模型、先进大核架构和传统深度学习在数据受限场景下的医学图像分割性能，发现基础模型和先进架构在极端数据稀缺情况下仍能保持稳定性能 | 研究仅针对超极化气体MRI肺部分割任务，样本量相对有限（205名参与者），需要进一步验证在其他医学影像任务中的泛化能力 | 评估不同深度学习模型在数据受限情况下对超极化气体MRI肺部分割的性能表现 | 慢性阻塞性肺疾病（COPD）患者的超极化气体MRI肺部图像 | 医学影像分析 | 慢性阻塞性肺疾病 | 超极化气体MRI（氦-3和氙-129） | 基础模型,先进大核架构,传统深度学习模型 | 2D MRI图像 | 205名参与者的1640张2D MRI切片 | NA | Segment Anything Model, MedSAM, UniRepLKNet, TransXNet, UNet with VGG19, Feature Pyramid Network with MIT-B5, DeepLabV3 with ResNet152 | DSC（Dice相似系数） | NA |
| 389 | 2025-11-02 |
Wearable Flexible Wireless Pressure Sensor Based on Poly(vinyl alcohol)/Carbon Nanotube/MXene Composite for Health Monitoring
2025-Sep-30, Micromachines
IF:3.0Q2
DOI:10.3390/mi16101132
PMID:41156378
|
研究论文 | 开发了一种基于PVA/碳纳米管/MXene复合材料的可穿戴柔性无线压力传感器，用于健康监测 | 采用PVA/单壁碳纳米管/MXene复合材料作为敏感材料，结合随机分布的皱纹结构，实现高精度压力监测 | NA | 开发高精度无线柔性传感器用于人体健康监测和人机界面应用 | 声带运动、弯曲手指和人体脉搏 | NA | NA | 压力传感技术 | 深度学习模型 | 压力数据 | NA | NA | NA | 准确率 | 无需额外计算设备 |
| 390 | 2025-11-02 |
Voice-Based Early Diagnosis of Parkinson's Disease Using Spectrogram Features and AI Models
2025-Sep-29, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12101052
PMID:41155050
|
研究论文 | 本研究开发了一种基于语音信号和人工智能模型的帕金森病早期诊断系统 | 结合多种声学特征提取方法和深度学习架构，特别是双向LSTM模型在帕金森病语音分类中表现出优越性能 | 使用了相对较小的公开数据集（81个样本），且补充数据集（15个样本）未参与实验 | 开发基于语音分析的帕金森病自动诊断系统 | 帕金森病患者和非帕金森病个体的语音信号 | 机器学习 | 帕金森病 | 语音信号分析，MFCC，频谱图分析 | SVM, XGBoost, 逻辑回归, DNN, CNN, LSTM, GRU, BiLSTM | 语音信号 | 主要数据集81个样本（帕金森病患者和非患者语音录音） | NA | 深度神经网络，卷积神经网络，长短期记忆网络，门控循环单元，双向长短期记忆网络 | 准确率，AUC | NA |
| 391 | 2025-11-02 |
Predicting Short-Term Outcome of COVID-19 Pneumonia Using Deep Learning-Based Automatic Detection Algorithm Analysis of Serial Chest Radiographs
2025-Sep-29, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12101054
PMID:41155053
|
研究论文 | 本研究使用基于深度学习的自动检测算法分析系列胸部X光片，预测COVID-19肺炎患者的短期临床结局 | 首次将商业深度学习自动检测算法与梯度加权类激活映射技术结合，通过量化系列影像中实变区域的变化率来预测COVID-19患者临床结局 | 研究样本量有限（391例患者），仅来自单一治疗中心，需要外部验证 | 评估基于深度学习的自动检测算法参数在预测COVID-19肺炎患者短期临床结局中的价值 | COVID-19肺炎患者 | 计算机视觉 | COVID-19肺炎 | 胸部X光摄影 | 深度学习 | 医学影像 | 391例COVID-19患者 | NA | 商业深度学习自动检测算法 | C-index, AUROC, 集成校准指数 | NA |
| 392 | 2025-11-02 |
AI-Enhanced Deep Learning Framework for Pulmonary Embolism Detection in CT Angiography
2025-Sep-29, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12101055
PMID:41155054
|
研究论文 | 提出一种用于CT肺动脉造影中肺栓塞检测的AI增强深度学习框架 | 引入了共识交集优化融合(CIOF)方法，通过K-of-M像素级掩码融合和训练患者投票阈值优化来最大化IoU | 运行时间较高(约63.7秒每病例)，因为需要执行和融合所有十个模型 | 提高CT肺动脉造影中肺栓塞检测的准确性和鲁棒性 | 肺栓塞患者 | 计算机视觉 | 肺栓塞 | CT肺动脉造影(CTPA) | 全卷积网络(FCN) | 医学影像 | 35名患者，12,034个切片 | NA | Inception-ResNetV2, 全卷积网络 | IoU, Dice系数, 假阴性率(FNR), 假阳性率(FPR), 延迟时间 | NA |
| 393 | 2025-11-02 |
Ultrawidefield-to-Conventional Fundus Image Translation with Scaled Feature Registration and Distorted Vessel Correction
2025-Sep-28, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12101046
PMID:41155045
|
研究论文 | 提出一种改进的超广角眼底图像到常规眼底图像的转换方法，通过尺度特征配准和扭曲血管校正技术提升图像质量 | 采用尺度特征配准和扭曲血管校正方法，有效解决未配对学习中常见的畸变现象，显著提升图像转换质量 | 需要从同一患者同一天采集的配对UFI-CFI数据，数据收集存在限制 | 改进眼底图像模态转换方法，提升眼科深度学习模型的诊断支持能力 | 超广角眼底图像(UFI)和常规眼底图像(CFI) | 计算机视觉 | 眼科疾病 | 眼底成像 | 生成模型 | 图像 | NA | NA | NA | MSE, PSNR, SSIM | NA |
| 394 | 2025-11-02 |
Integrating Spatial Omics and Deep Learning: Toward Predictive Models of Cardiomyocyte Differentiation Efficiency
2025-Sep-27, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12101037
PMID:41155036
|
系统综述 | 通过整合空间多组学技术与深度学习，探索心肌细胞分化效率的预测模型 | 首次系统整合GNN和RNN等深度学习架构与空间多组学数据，推进心脏再生医学的AI应用 | 基于文献综述，缺乏原始实验验证 | 建立AI驱动的心脏再生医学预测模型，加速再生治疗的临床转化 | 心肌细胞分化过程及心脏组织 | 机器学习 | 心血管疾病 | 空间转录组学、表观基因组学、单细胞多组学 | GNN, RNN | 空间多组学数据、单细胞数据 | 88项PRISMA筛选研究（2015-2025年） | NA | 图神经网络，循环神经网络 | NA | NA |
| 395 | 2025-11-02 |
Artificial Intelligence-Based Methods and Omics for Mental Illness Diagnosis: A Review
2025-Sep-27, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12101039
PMID:41155039
|
综述 | 本文综述了基于人工智能和多组学技术在精神疾病诊断中的应用现状与发展前景 | 整合人工智能方法与多组学数据，为精神疾病提供个性化精准诊断新范式 | 精神疾病的异质性和复杂性仍是当前诊断方法的主要挑战 | 探索精神疾病的生物标志物并推进个性化精准诊断 | 焦虑障碍、抑郁症和双相情感障碍等主要精神疾病 | 机器学习 | 精神疾病 | 多组学数据整合分析 | 机器学习,深度学习,计算建模 | 临床数据,生物分析数据 | NA | NA | NA | NA | NA |
| 396 | 2025-11-02 |
LLM-Enhanced Multimodal Framework for Drug-Drug Interaction Prediction
2025-Sep-26, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13102355
PMID:41153642
|
研究论文 | 提出一种融合多模态数据的深度学习框架用于药物相互作用预测 | 首次将领域专用大语言模型BioBERT的语义嵌入与化学结构和药理机制相结合，通过随机重启随机游走算法整合间接生物通路 | 未明确说明模型在不同类型药物相互作用上的泛化能力 | 开发可扩展且准确的药物相互作用预测方法以支持多重用药决策 | 药物相互作用 | 自然语言处理, 机器学习 | NA | 多模态深度学习, 随机重启随机游走算法 | 深度学习框架 | 化学结构数据, 文本嵌入, 蛋白质相互作用网络 | NA | NA | BioBERT, 多模态融合架构 | 分类准确率 | NA |
| 397 | 2025-11-02 |
Beyond PSA: The Future of Prostate Cancer Diagnosis Using Artificial Intelligence, Novel Biomarkers, and Advanced Imagery
2025-Sep-25, Life (Basel, Switzerland)
DOI:10.3390/life15101508
PMID:41157181
|
综述 | 本文全面分析人工智能、新型生物标志物和先进影像技术在提升前列腺癌诊断准确性和效率方面的应用前景 | 系统整合人工智能驱动影像解读、放射组学、基因组分类器和多模态数据融合等新兴技术，提出超越传统PSA检测的前列腺癌诊断新范式 | 存在技术实施、监管审批和伦理考量等临床转化挑战 | 探索前列腺癌诊断领域的技术革新和未来发展方向 | 前列腺癌诊断相关文献和研究 | 数字病理 | 前列腺癌 | 多参数MRI、组织病理学、基因组检测 | 机器学习、深度学习 | 医学影像、基因组数据、临床数据 | NA | NA | NA | 准确率、可重复性、诊断准确性 | NA |
| 398 | 2025-11-02 |
Ultra-High Resolution 9.4T Brain MRI Segmentation via a Newly Engineered Multi-Scale Residual Nested U-Net with Gated Attention
2025-Sep-24, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12101014
PMID:41155013
|
研究论文 | 本文提出了一种专门针对9.4T超高分辨率脑MRI分割的新型深度学习模型GA-MS-UNet++ | 首个专门为9.4T脑MRI分割设计的深度学习模型，集成了多尺度残差块、门控跳跃连接和空间通道注意力机制 | 标注数据有限 | 开发适用于9.4T超高分辨率脑MRI的分割算法 | 脑部MRI图像 | 医学图像分析 | 神经系统疾病 | MRI | CNN | 图像 | 12名患者的UltraCortex 9.4T数据集 | NA | GA-MS-UNet++, Multi-Scale Residual Nested U-Net | Dice系数, 准确率, 精确率, 召回率 | NA |
| 399 | 2025-11-02 |
Deep Ensemble Learning and Explainable AI for Multi-Class Classification of Earthstar Fungal Species
2025-Sep-23, Biology
DOI:10.3390/biology14101313
PMID:41154716
|
研究论文 | 本研究使用深度学习和可解释人工智能技术对八种形态相似的地星真菌物种进行多类别图像分类 | 首次在文献中同时评估八种形态相似的真菌物种，设计了两种混合集成模型（EfficientNet-B3 + DeiT 和 DenseNet121 + MaxViT-S），并强调分类准确性和模型可解释性的平衡 | 数据集仅包含特定物种，未来需要从不同生态区域扩展样本并在野外条件下测试方法 | 开发能够准确分类形态相似真菌物种并具有良好可解释性的深度学习框架 | 八种形态相似的宏观地星真菌物种 | 计算机视觉 | NA | 图像分析 | CNN, Transformer | 图像 | NA | NA | EfficientNetV2-M, DenseNet121, MaxViT-S, DeiT, RegNetY-8GF, MobileNetV3, EfficientNet-B3, MnasNet | 准确率, 精确率, 召回率, F1分数, 特异性, 对数损失, MCC | NA |
| 400 | 2025-11-02 |
Evaluation of UNeXt for Automatic Bone Surface Segmentation on Ultrasound Imaging in Image-Guided Pediatric Surgery
2025-Sep-23, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12101008
PMID:41155007
|
研究论文 | 本研究开发了一种适用于儿科患者的超声图像骨表面自动分割模型，用于图像引导儿科手术中的患者配准 | 针对10岁以下儿童骨骼特征不明显的特殊需求，开发了专门适用于儿科患者的骨表面分割模型 | 研究样本量相对较小，仅包含16名儿科患者 | 开发自动骨表面分割模型以替代传统患者配准方法 | 儿科患者的四肢、骨盆和胸部骨骼 | 医学图像分析 | 儿科手术 | 超声成像 | 深度学习 | 超声图像 | 16名儿科患者的4309张超声图像 | NA | UNeXt | 平均中心线Dice系数, 平均表面距离 | NA |