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 33853 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2025-11-14 |
White matter hyperintensity segmentation of multiple sclerosis and neuromyelitis optical spectrum disorders using 2.5D FrC-ResUnet
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2384
PMID:41209196
|
研究论文 | 本研究提出了一种用于多发性硬化和视神经脊髓炎谱系疾病脑白质高信号分割的2.5D深度学习模型 | 提出2.5D傅里叶卷积ResUnet模型，结合谱编码器提取全局信息，并集成选择性特征模块和卷积块注意力模块以增强病灶-背景区分能力 | NMOSD疾病罕见导致脑白质高信号分割研究数据有限 | 开发用于多发性硬化和视神经脊髓炎谱系疾病脑白质高信号自动分割的深度学习方法 | 多发性硬化和视神经脊髓炎谱系疾病患者的脑白质高信号病灶 | 医学图像分析 | 多发性硬化, 视神经脊髓炎谱系疾病 | 磁共振成像 | 深度学习, CNN | 医学图像 | MS公共数据集和本地MS、NMOSD数据集 | NA | 2.5D FrC-ResUnet, U-Net, ResUNet, FC-DenseNet, AttentionUNet | Dice相似系数 | NA |
| 402 | 2025-11-14 |
A multibranch fusion network (MBF-Net) for intracranial large-vessel occlusion classification
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2255
PMID:41209184
|
研究论文 | 提出多分支融合网络MBF-Net用于颅内大血管闭塞亚型分类 | 采用多分支结构缓解长尾效应，引入分支层次深度聚合模块和语义信息增强模块提升特征提取能力 | 未明确说明数据集的样本来源和多样性限制 | 开发能够有效分类颅内大血管闭塞亚型的深度学习模型 | 计算机断层扫描血管造影图像中的颅内大血管闭塞 | 计算机视觉 | 心血管疾病 | 计算机断层扫描血管造影 | CNN | 医学图像 | NA | NA | 多分支融合网络 | 灵敏度,精确度,F1分数 | NA |
| 403 | 2025-11-14 |
Automated segmentation of the primary tumor in nasopharyngeal carcinoma using a deep learning framework in positron emission tomography imaging: a comparative study
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1090
PMID:41209202
|
研究论文 | 本研究比较了三种深度学习模型在鼻咽癌PET图像中原发肿瘤自动分割的性能 | 首次在鼻咽癌PET图像分割中系统比较了Res-Unet、Nn-Unet和Nn-Former三种深度学习模型的性能 | 研究为单中心回顾性研究，样本量相对有限，需要多中心前瞻性验证 | 优化鼻咽癌放疗靶区勾画的精确度和效率 | 鼻咽癌患者 | 数字病理 | 鼻咽癌 | PET成像 | 深度学习 | 医学图像 | 212例鼻咽癌患者的PET影像数据（训练集170例，测试集42例） | NA | Res-Unet, Nn-Unet, Nn-Former | Dice相似系数, Hausdorff距离, 平均表面距离 | NA |
| 404 | 2025-11-14 |
Effect of age on substantia nigra subregions using neuromelanin-sensitive magnetic resonance imaging overlapping on quantitative susceptibility mapping
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-57
PMID:41209208
|
研究论文 | 本研究使用神经黑色素敏感磁共振成像和定量磁化率映射技术，探讨年龄对黑质亚区神经黑色素信号强度和铁浓度的影响 | 首次在黑质亚区水平同时分析神经黑色素信号强度和铁浓度随年龄的变化规律，并揭示不同亚区的差异化年龄效应 | 样本量相对有限（95名健康志愿者），且为横断面研究无法确定因果关系 | 探究年龄对黑质不同亚区神经黑色素敏感磁共振成像测量值和铁浓度的差异化影响 | 95名18-84岁健康志愿者的黑质亚区（背侧和腹侧黑质的侧部、中央部和内侧部） | 医学影像分析 | 神经系统老化 | 神经黑色素敏感磁共振成像（NM-MRI）、定量磁化率映射（QSM）、深度学习重建 | 深度学习 | 磁共振影像 | 95名健康志愿者（18-84岁） | NA | NA | 组内相关系数（ICC）、决定系数（R2）、P值 | NA |
| 405 | 2025-11-14 |
Deep learning in multi-modal breast cancer data fusion: a literature review
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2903
PMID:41209219
|
文献综述 | 本文全面综述了过去5年多模态乳腺癌研究中深度学习的应用进展 | 系统梳理多模态乳腺癌数据的融合策略，分析从特征级融合到决策级融合的方法演进 | 多模态融合仍处于探索阶段，高质量公共数据集稀缺 | 总结多模态乳腺癌研究中深度学习的应用现状和发展方向 | 乳腺癌多模态数据融合研究 | 数字病理 | 乳腺癌 | NA | 深度学习 | 多模态数据 | NA | NA | NA | NA | NA |
| 406 | 2025-11-14 |
Deep learning-based no-reference quality assessment of anterior segment ultrasound biomicroscopy panoramic images
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-592
PMID:41209222
|
研究论文 | 本研究提出了一种基于深度学习的无参考质量评估方法，用于客观自动评估前段超声生物显微镜全景图像质量 | 首次将深度学习应用于前段UBM图像的无参考质量评估，开发了YOLOv8s_DW_FOCUS模型精准提取感兴趣区域和识别关键解剖标志 | 研究样本仅来自单一医疗中心，需要多中心验证以进一步证明方法的泛化能力 | 开发客观自动的UBM图像质量评估方法，替代主观评价 | 前段超声生物显微镜全景图像 | 计算机视觉 | 眼科疾病 | 超声生物显微镜 | YOLO,深度学习 | 医学图像 | 1,154张临床前段全景UBM图像 | PyTorch | YOLOv8s_DW_FOCUS | 平均精度均值,召回率,精确率 | NA |
| 407 | 2025-11-14 |
Automatic diagnosis of coronary artery stenosis by deep learning based on X-ray coronary angiography
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2415
PMID:41209223
|
研究论文 | 开发基于深度学习的X射线冠状动脉造影自动诊断冠状动脉狭窄方法 | 提出双输出深度卷积神经网络，实现血管分割和狭窄程度五级分类的自动诊断 | 样本量相对有限（168名患者的383张血管造影图像） | 通过深度学习辅助冠状动脉疾病的诊断和治疗规划 | 冠状动脉狭窄病变 | 计算机视觉 | 心血管疾病 | X射线冠状动脉造影 | CNN | 图像 | 168名患者的383张血管造影图像 | NA | 双输出深度卷积神经网络 | IoU, Dice系数, 精确度, 敏感度 | NA |
| 408 | 2025-11-14 |
Deep learning-assisted aortic stenosis detection and grading based on multiview versus single-view echocardiography
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-415
PMID:41209232
|
研究论文 | 开发深度学习框架用于自动检测和分级主动脉瓣狭窄 | 首次探索全自动主动脉瓣狭窄分析流程，比较多视图与单视图超声心动图方法 | 研究样本主要来自三家医院，需要进一步外部验证 | 开发深度学习框架以简化临床主动脉瓣狭窄评估 | 主动脉瓣狭窄患者 | 医学影像分析 | 心血管疾病 | 超声心动图 | 深度学习 | 超声心动图像 | 499项AS研究（1,996个超声心动图视图），训练集302例，验证集76例，内部测试集121例，真实世界测试集3,278例 | NA | NA | AUC, 相关系数, P值 | NA |
| 409 | 2025-11-14 |
Deep learning-based bone removal in head and neck computed tomography angiography: a comparative study with conventional algorithms
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-942
PMID:41209247
|
研究论文 | 比较深度学习与传统算法在头颈部CT血管造影中骨骼去除效果的随机对照研究 | 首次系统比较基于卷积神经网络的深度学习骨骼去除算法与传统阈值算法在头颈部CTA中的性能，并评估不同管电压设置下的辐射剂量优化效果 | 单中心研究，样本量相对有限（119例患者），仅评估两种管电压设置 | 评估深度学习骨骼去除算法在头颈部CTA中的图像质量和辐射剂量优化效果 | 119例疑似脑血管疾病患者的中位年龄57岁（IQR 50-65岁） | 医学影像分析 | 脑血管疾病 | 计算机断层扫描血管造影（CTA） | CNN | 医学影像 | 119例患者，1,014张标注CTA图像用于训练 | NA | 卷积神经网络 | 骨骼去除效果评分，血管分支完整性评分，整体血管完整性评分，CTDIvol，DLP，Cohen's d效应量 | NA |
| 410 | 2025-11-14 |
Automatic segmentation and reconstruction of lower-extremity arteries from computed tomography angiography images via a deep learning framework
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-1051
PMID:41209248
|
研究论文 | 开发基于3D卷积神经网络的深度学习框架，用于从CT血管造影图像自动分割和重建下肢动脉 | 提出首个专门用于下肢动脉三维重建的自动工具LEAS-Net，采用三阶段网络架构实现从粗定位到精细分割的血管重建 | 回顾性研究设计，仅针对口腔颌面部肿瘤患者群体 | 开发用于术前游离皮瓣移植规划的下肢动脉自动重建AI模型 | 口腔颌面部肿瘤患者的下肢CTA图像 | 计算机视觉 | 口腔颌面部肿瘤 | 计算机断层扫描血管造影(CTA) | CNN | 医学图像 | 1,201名患者的下肢CTA图像数据 | NA | 三阶段网络架构(粗分辨率网络、细化网络、精细分辨率网络) | Dice相似系数,中心线Dice系数(clDice),图像质量评分,处理时间 | NA |
| 411 | 2025-11-14 |
Artificial intelligence aids doctors in diagnosing necrotizing enterocolitis and predicting surgery using abdominal radiographs: a multicenter study
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2867
PMID:41209270
|
研究论文 | 开发基于卷积神经网络的人工智能模型，通过腹部X光片辅助医生诊断新生儿坏死性小肠结肠炎及预测手术需求 | 首次使用多中心数据开发CNN模型，能够同时识别NEC疾病状态和预测手术需求，并验证AI辅助对临床医生诊断准确率的提升效果 | 回顾性研究，样本量相对有限（738张X光片），外部验证集规模较小 | 开发AI模型辅助新生儿坏死性小肠结肠炎的诊断和手术预测 | 576名早产儿的738张腹部X光片 | 计算机视觉 | 新生儿坏死性小肠结肠炎 | 腹部X光摄影 | CNN | 医学图像 | 738张腹部X光片来自576名早产儿，来自三个医疗中心 | NA | EfficientNet-b0, Inception_v3, VGG, ResNet, SqueezeNet, DenseNet | AUC | NA |
| 412 | 2025-11-14 |
Simultaneous classification and delineation of seven types of histological growth patterns in lung adenocarcinomas using self-supervised learning and online hard patch mining
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2282
PMID:41209264
|
研究论文 | 开发基于自监督学习和在线困难样本挖掘的深度学习框架，用于同时分类和勾画肺腺癌的七种组织学生长模式 | 结合自监督学习与一致性正则化和伪标签技术，提出在线困难样本挖掘方法以改善组织学相似斑块的特征提取 | NA | 开发自动分类和勾画肺腺癌生长模式的深度学习框架，替代耗时且依赖经验的人工检查 | 肺腺癌组织切片中的七种生长模式和正常肺组织 | 数字病理 | 肺癌 | 苏木精-伊红染色 | 深度学习 | 全切片图像 | 288张全切片图像 | NA | NA | 精确率,召回率,交并比,Cohen's kappa | NA |
| 413 | 2025-11-14 |
Fully automated deep learning model for the evaluation of cavum septum pellucidum development in normal fetuses using magnetic resonance imaging: a Chinese cohort study
2025-Nov-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-458
PMID:41209231
|
研究论文 | 利用深度学习模型评估中国正常胎儿透明隔腔发育的磁共振成像研究 | 开发了首个用于评估胎儿透明隔腔发育的全自动深度学习模型，建立了中国人群胎儿透明隔腔发育的参考标准 | 研究为回顾性分析，样本仅来自中国人群，未包含中枢神经系统异常的胎儿 | 评估正常胎儿透明隔腔在不同孕周的发育规律，为MRI产前诊断提供参考 | 1047名正常妊娠参与者的胎儿磁共振影像 | 医学影像分析 | 胎儿发育 | 磁共振成像 | 深度学习模型 | 磁共振影像 | 1047名正常妊娠参与者（平均孕周31.21±3.81周） | NA | NA | 线性回归、二阶多项式回归 | NA |
| 414 | 2025-11-14 |
AI-based prediction of drug-gene interactions modulating tight junction integrity: A deep learning framework highlighting multiple therapeutic targets
2025 Nov-Dec, Journal of oral biology and craniofacial research
DOI:10.1016/j.jobcr.2025.10.014
PMID:41210522
|
研究论文 | 提出基于深度学习的神经网络框架，利用多组学数据预测药物对紧密连接完整性的调控作用 | 首次将深度学习应用于药物-基因相互作用对紧密连接完整性的预测，相比传统方法具有更优越的预测能力 | NA | 开发AI方法预测调控紧密连接完整性的药物-基因相互作用，为药物发现提供新策略 | 药物-基因相互作用及其对紧密连接完整性的调控效应 | 机器学习 | 炎症性肠病,哮喘,癌症 | 转录组学分析,多组学数据整合 | 前馈神经网络 | 转录组数据 | NA | NA | 前馈神经网络 | AUC,准确率,F1分数,精确率,召回率,特异性 | NA |
| 415 | 2025-11-14 |
Interpretable convolutional neural network for autism diagnosis support in children using structural magnetic resonance imaging datasets
2025-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.6.064501
PMID:41210923
|
研究论文 | 本研究开发了一种可解释的卷积神经网络模型，利用儿童结构磁共振成像数据支持自闭症诊断 | 首次在儿童自闭症诊断中结合深度学习和可解释性方法，通过显著性图识别与自闭症相关的关键脑区生物标志物 | 研究样本仅限于9-11岁儿童，样本量相对有限，且仅使用单一数据库的数据 | 评估基于sMRI的可解释深度学习模型在儿童自闭症诊断中的可行性 | 452名9-11岁儿童的结构磁共振成像数据，包括自闭症患者和正常发育儿童 | 医学影像分析 | 自闭症 | 结构磁共振成像 | CNN | 医学影像 | 452例T1加权sMRI扫描 | NA | 卷积神经网络 | AUC | NA |
| 416 | 2025-11-14 |
Deep learning for digital pathology: A critical overview of methodological framework
2025-Nov, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100514
PMID:41211482
|
综述 | 本文对数字病理学中的深度学习框架进行了批判性概述，重点介绍了计算方法的最新进展 | 对数字病理学深度学习框架的数学创新进行批判性审视，并提供多种模型的比较分析 | NA | 概述数字病理学中深度学习框架的方法论进展 | 数字病理学中的深度学习方法和模型 | 数字病理学 | NA | NA | NA | 全切片图像 | NA | NA | NA | 精度 | NA |
| 417 | 2025-11-14 |
A machine learning framework using urinary biomarkers for pancreatic ductal adenocarcinoma prediction with post hoc validation via single-cell transcriptomics
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf583
PMID:41212589
|
研究论文 | 开发基于尿液生物标志物和人口统计学数据的机器学习框架用于胰腺导管腺癌预测，并通过单细胞转录组学进行验证 | 首次将尿液生物标志物与人口统计学数据结合用于PDAC预测，并采用单细胞RNA测序验证生物标志物的基因表达 | 需要不同数据集验证框架，尚未整合其他组学数据，深度学习架构有待进一步探索 | 开发早期准确诊断胰腺导管腺癌的预测模型 | 胰腺导管腺癌患者尿液生物标志物和人口统计学数据 | 机器学习 | 胰腺癌 | 单细胞RNA测序(scRNA-seq) | 机器学习,深度学习 | 生物标志物数据,人口统计学数据 | NA | NA | NA | 准确率 | NA |
| 418 | 2025-11-14 |
BBATProt: a framework predicting biological function with enhanced feature extraction via interpretable deep learning
2025-Nov-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf593
PMID:41212592
|
研究论文 | 提出一种基于可解释深度学习的蛋白质功能预测框架BBATProt，通过增强特征提取提高预测性能 | 结合BERT预训练模型、双向LSTM、时序卷积网络和注意力机制，实现局部和全局特征提取，提供可解释性可视化 | NA | 从氨基酸序列准确预测蛋白质和肽的生物功能 | 蛋白质和肽的氨基酸序列 | 生物信息学 | NA | 深度学习 | BERT, BiLSTM, TCN, Attention | 蛋白质序列数据 | NA | NA | BERT-BiLSTM-Attention-TCN | 准确率, AUC | NA |
| 419 | 2025-11-14 |
RegGAN-based contrast-free CT enhances esophageal cancer assessment: multicenter validation of automated tumor segmentation and T-staging
2025-Nov, La Radiologia medica
DOI:10.1007/s11547-025-02083-y
PMID:40892332
|
研究论文 | 开发基于RegGAN的深度学习框架，从非对比CT合成对比增强CT，实现无碘食管癌自动肿瘤分割和T分期 | 首次将配准引导的生成对抗网络(RegGAN)用于解决NCCT-CECT不对齐问题，实现无对比剂的食管癌精准评估 | 回顾性研究，需要进一步前瞻性验证 | 开发无碘对比剂的食管癌自动诊断方法 | 食管癌患者 | 医学影像分析 | 食管癌 | CT成像 | GAN, CNN, Transformer | CT图像 | 1092名食管癌患者(2013-2024年)，分为训练集313例，内部测试117例，外部测试662例 | PyTorch, TensorFlow | RegGAN, CSSNet, Vision Transformer | NMAE, PSNR, SSIM, Dice系数, AUC, HD | GPU(具体型号未提及) |
| 420 | 2025-11-14 |
ImmFinder: A Multiomics-Based Neural Network Approach for Predicting the Immune Genes in Livestock
2025-Nov, Omics : a journal of integrative biology
IF:2.2Q3
DOI:10.1177/15578100251389910
PMID:41115712
|
研究论文 | 提出一种基于多组学数据的全连接神经网络方法ImmFinder，用于预测牲畜免疫基因分类 | 首次将多模态深度学习应用于牲畜免疫基因分类，整合基因组学和转录组学数据 | 依赖现有牛基因组和转录组数据集训练，可能限制对其他品种或物种的泛化能力，需要额外实验验证 | 开发准确高效的免疫基因分类方法以理解免疫机制与疾病抗性关联 | 牛免疫基因与非免疫基因 | 生物信息学 | NA | 基因组学, 转录组学 | FCNN | 基因组数据, 转录组数据 | NA | Python | 全连接神经网络 | 准确率, F1分数, 精确率, 召回率, AUC-ROC | NA |