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 49867 篇文献，本页显示第 6441 - 6460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6441 | 2026-07-07 |
Vascular remodeling and microvessel density in inflammatory radicular cysts: a CD34 immunohistochemical analysis
2026 Jan-Mar, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie
DOI:10.47162/RJME.67.1.10
PMID:42402741
|
研究论文 | 通过CD34免疫组化分析，评估炎症性根尖囊肿中的血管重塑和微血管密度 | 利用深度学习辅助的数字量化工作流程（DeepLIIF和ImageJ）对CD34免疫表达进行定量分析 | NA | 评估CD34免疫表达作为血管重塑标志物，并探索数字人工智能辅助量化工作流程 | 炎症性根尖囊肿 | 数字病理学 | 炎症性根尖囊肿 | 免疫组化 | NA | 图像 | 39个炎症性根尖囊肿标本 | DeepLIIF, ImageJ | NA | NA | NA |
| 6442 | 2026-07-07 |
The Use of Artificial Intelligence with d/Deaf and Hard of Hearing Students: A Systematic Review
2026, American annals of the deaf
IF:1.0Q4
DOI:10.1353/aad.2026.a994476
PMID:42403334
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6443 | 2026-07-07 |
On the Completeness of Existing RNA Fragment Structures
2025-12-22, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzaf127
PMID:41414643
|
研究论文 | 评估RNA片段结构空间的完整性，探讨深度学习在RNA结构预测中的潜力 | 首次系统评估RNA在二核苷酸至五核苷酸水平片段结构的完整性，并发现四核苷酸和五核苷酸水平上非冗余结构片段数量正指数增长，表明当前RNA结构空间远未完成 | NA | 研究RNA片段结构空间的完整性，为深度学习预测RNA结构提供基础 | RNA片段结构，包括二核苷酸、三核苷酸、四核苷酸和五核苷酸水平 | 机器学习 | NA | NA | NA | 结构数据 | NA | NA | NA | NA | NA |
| 6444 | 2026-07-07 |
Deep learning-based diffusion-weighted imaging vs. conventionally obtained diffusion-weighted imaging in prostate cancer extracapsular extension detection: a multicenter retrospective study
2025-12-10, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-02109-x
PMID:41372855
|
研究论文 | 基于深度学习的扩散加权成像在检测前列腺癌包膜外侵犯中的诊断性能优于常规扩散加权成像 | 首次在大规模多中心回顾性研究中验证深度学习生成的扩散加权图像（DL-DWI）在提高图像质量、观察者一致性和诊断准确性方面的优势 | 回顾性研究设计可能引入选择偏倚；样本量有限（252例）；未评估深度学习模型在低场强MRI或不同人群中的泛化能力 | 评估深度学习生成的扩散加权成像（DL-DWI）与常规扩散加权成像（C-DWI）在前列腺癌包膜外侵犯（ECE）检测中的性能比较 | 临床怀疑前列腺癌的连续患者（252例）的术前多参数MRI和根治性前列腺切除术后病理数据 | 计算机视觉, 数字病理学 | 前列腺癌 | MRI扩散加权成像, 深度学习 | 去噪扩散概率模型（DDPM） | 医学影像（MRI扩散加权图像） | 252例患者（来自五个中心） | PyTorch | DDPM（去噪扩散概率模型） | AUC, 加权kappa, Fleiss kappa, 信噪比(SNR), 对比噪声比(CNR), 边缘上升距离(ERD), 边缘上升斜率(ERS) | 未指定 |
| 6445 | 2026-07-07 |
Anatomically Based Multitask Deep Learning Radiomics Nomogram Predicts the Implant Failure Risk in Sinus Floor Elevation
2025-11, Clinical oral implants research
IF:4.8Q2
DOI:10.1111/clr.70011
PMID:40702787
|
研究论文 | 开发并评估基于解剖学的多任务深度学习影像组学列线图（AMDRN）系统，用于预测上颌窦底提升术前的种植失败风险 | 首次将解剖结构自动分割与多任务深度学习影像组学结合，构建集成列线图系统同时实现预测和可视化决策支持 | NA | 开发一种能预测上颌窦底提升术种植失败风险并支持临床决策的系统 | 上颌窦、施奈德黏膜、残余牙槽骨等关键解剖结构 | 数字病理学 | 口腔疾病 | 锥形束CT | nn-UNet v2、3D-Attention-ResNet、逻辑回归 | 影像数据、电子病历文本数据 | 回顾性收集患者术前锥形束CT影像和电子病历，未明确样本数量 | NA | nn-UNet v2、3D-Attention-ResNet | DICE系数、准确率、曲线下面积 | NA |
| 6446 | 2026-07-07 |
Development of a PANoptosis-Related Pathomics Prognostic Model in Ovarian Cancer: A Multi-Omics Study
2025-11, Journal of cellular and molecular medicine
IF:4.3Q2
DOI:10.1111/jcmm.70958
PMID:41284376
|
研究论文 | 开发基于PANoptosis的卵巢癌病理组学预后模型 | 首次探索PANoptosis在卵巢癌预后中的作用，并构建了基于深度学习的PANoptosis相关病理组学预后模型（PANPM） | NA | 阐明PANoptosis在卵巢癌预后中的作用并开发预后模型 | 卵巢癌的转录组数据、单细胞RNA测序数据、空间数据和病理图像 | 数字病理学, 机器学习 | 卵巢癌 | RNA-seq, 单细胞RNA测序, 空间转录组学, 病理图像分析 | 深度学习模型（ResNet-50） | 转录组数据, 单细胞RNA测序数据, 空间数据, 病理图像 | TCGA和GTEx卵巢数据、GSE184880单细胞RNA测序数据集、10X Genomics网站和GDC Portal的空间数据和病理图像 | NA | ResNet-50, CellProfiler | NA | NA |
| 6447 | 2026-07-07 |
Automated analysis of C. elegans behavior by LabGym: an open-source, AI-powered platform
2025-Sep-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.28.672961
PMID:40950071
|
研究论文 | 介绍了一个开源、基于人工智能的平台LabGym，用于自动化分析秀丽隐杆线虫行为 | 开发了基于深度学习的自动化平台，能够高精度分类和量化多蠕虫视频中的多种用户定义行为参数 | 未在摘要中明确提及限制 | 为秀丽隐杆线虫行为分析提供经济、易用且全面的自动化方法 | 秀丽隐杆线虫 | 计算机视觉、机器学习 | 不适用 | 深度学习、视频分析 | 深度学习模型 | 视频数据 | 多蠕虫视频（具体数量未提及） | PyTorch | 卷积神经网络 | 准确率（具体指标未列出） | 未提及 |
| 6448 | 2026-07-07 |
Artificial intelligence in muscle-invasive bladder cancer: opportunities, challenges, and clinical impact
2025-09-01, Current opinion in urology
IF:2.1Q2
DOI:10.1097/MOU.0000000000001309
PMID:40765429
|
综述 | 全面回顾人工智能在肌层浸润性膀胱癌诊断、治疗和反应评估中的应用现状与未来潜力 | 系统总结了AI在MIBC全程管理中的应用机会，包括诊断、治疗规划和反应评估，并探讨了数据异构、工作流程整合等挑战 | 未提及具体的验证数据集规模或前瞻性临床试验证据，挑战分析偏向定性描述 | 评估AI在MIBC管理中的应用现状、挑战及临床影响 | 肌层浸润性膀胱癌患者的诊断、治疗及反应评估 | 机器学习 | 膀胱癌 | NA | 深度学习模型、机器学习算法 | 影像数据、临床数据 | NA | NA | NA | 准确率 | NA |
| 6449 | 2026-07-07 |
On the use of generative models for evolutionary inference of malaria vectors from genomic data
2025-Jun-27, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.26.661760
PMID:40667127
|
研究论文 | 利用生成式深度学习算法推断疟疾病媒蚊的进化历史 | 开发了新的模型选择方法，发现含迁移的进化模型优于无迁移模型，并证明生成模型在捕获种群遗传分化方面优于基于摘要统计的方法 | 未知 | 通过机器学习和生成模型推断疟疾病媒蚊的种群进化历史，协助疟疾控制干预 | 撒哈拉以南非洲的疟疾病媒蚊（尤以冈比亚按蚊复合体）及西非几内亚和布基纳法索的蚊虫种群 | 机器学习 | 疟疾 | 无监督机器学习及生成式深度学习算法 | 生成模型 | 基因组数据 | 未知 | NA | NA | NA | NA |
| 6450 | 2026-07-07 |
Challenges in AI-driven Biomedical Multimodal Data Fusion and Analysis
2025-05-10, Genomics, proteomics & bioinformatics
DOI:10.1093/gpbjnl/qzaf011
PMID:40036568
|
综述 | 综述了人工智能驱动的生物医学多模态数据融合与分析中的挑战 | 全面概述了生物医学数据模态、多模态表示学习方法及AI在整合分析中的应用，并提出通过模型预训练和知识集成推动生物医学研究的未来方向 | 未提供具体实证研究，仅讨论一般性挑战和未来方向 | 探讨AI在生物医学多模态数据融合与分析中的挑战和未来方向 | 生物医学多模态数据，包括分子、细胞、影像和电子健康记录数据 | 机器学习 | NA | 深度学习，多模态表示学习，模型预训练 | 大型语言模型，视觉模型，深度神经网络 | 多模态数据（分子、细胞、影像、电子健康记录） | NA | NA | NA | NA | NA |
| 6451 | 2026-07-07 |
Artificial Intelligence in Detecting and Segmenting Vertical Misfit of Prosthesis in Radiographic Images of Dental Implants: A Cross-Sectional Analysis
2025-05, Clinical oral implants research
IF:4.8Q2
DOI:10.1111/clr.14406
PMID:39840554
|
研究论文 | 评估ResNet-50和U-Net模型在牙科种植体根尖放射影像中检测和分割垂直不吻合的性能 | 首次利用深度学习模型自动检测和分割牙科种植体牙冠的垂直不吻合，并与临床医生的表现进行直接比较 | 未在摘要中明确说明局限性 | 评估人工智能模型在牙科种植体根尖放射影像中检测和分割垂直不吻合的效果 | 牙科种植体牙冠的根尖放射影像 | 计算机视觉 | 牙科种植体垂直不吻合 | 放射影像 | 深度学习 | 图像 | 638张根尖放射影像 | NA | ResNet-50, U-Net | 准确率, 精确率, 灵敏度, 特异度, Dice系数, 损失, Kappa值 | NA |
| 6452 | 2026-07-07 |
Geometric and Dosimetric Evaluation of a RayStation Deep Learning Model for Auto-Segmentation of Organs at Risk in a Real-World Head and Neck Cancer Dataset
2025-05, Clinical oncology (Royal College of Radiologists (Great Britain))
DOI:10.1016/j.clon.2025.103796
PMID:40120536
|
研究论文 | 评估RayStation深度学习模型在真实世界头颈癌数据集中自动分割危及器官的几何精度和剂量学影响 | 在大规模、多样化的头颈癌患者数据集上，首次使用3D U-Net模型自动分割30个危及器官，并综合评估几何精度与剂量学影响，考虑了术后、修复皮瓣、口含咬合器等复杂临床因素 | 模型在11例存在显著解剖挑战和伪影的患者中失败；对某些器官（如食管和喉）的剂量学误差较大（平均Dmean增加高达837.14 cGyRBE） | 评估深度学习自动分割模型在头颈癌调强质子治疗中针对危及器官的准确性和效率 | 124例接受调强质子治疗的头颈癌患者的CT数据集 | 计算机视觉 | 头颈癌 | CT成像, 调强质子治疗 | U-Net | CT图像 | 124例头颈癌患者 | RayStation | 3D U-Net | Dice相似系数, Hausdorff距离, 平均剂量差, 最大剂量差 | NA |
| 6453 | 2026-07-07 |
A deep learning method for the recovery of standard-dose imaging quality from ultra-low-dose PET on wavelet domain
2025-04, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-06994-2
PMID:39585354
|
研究论文 | 开发了一种基于小波的深度学习方法WaveNet，能够从超低剂量PET扫描中恢复标准剂量成像质量 | 与传统的空间域去噪不同，WaveNet在频率域进行去噪，通过输入小波分解的PET成像频率分量来提升降噪效果 | 未明确提及具体局限性 | 旨在开发一种能够从超低剂量PET扫描中恢复高质量成像的小波深度学习法 | 总身体18F-FDG PET图像，包含1447个样本 | 计算机视觉 | 不适用 | PET成像，小波变换 | 深度学习模型（WaveNet） | 图像 | 1447个总身体PET图像 | 不适用 | WaveNet, UNet | 加权全局物理指标，局部指标，p值 | 不适用 |
| 6454 | 2026-07-07 |
Robust and interpretable deep learning system for prognostic stratification of extranodal natural killer/T-cell lymphoma
2025-04, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-07024-x
PMID:39714634
|
研究论文 | 开发并验证DeepENKTCL，一个用于结外自然杀伤/T细胞淋巴瘤预后风险分层的可解释深度学习预测系统 | 结合肿瘤分割模型、PET/CT融合模型和预后预测模型，并利用放射组学和拓扑特征及SHAP分析增强可解释性，构建FusionScore模型 | 未在文中明确提及 | 开发一个鲁棒且可解释的深度学习系统，用于ENKTCL的预后风险分层 | 来自四个中心的562例ENKTCL患者 | 数字病理学 | 淋巴瘤 | PET/CT成像 | 深度学习（CNN等） | 图像（PET/CT） | 562例患者 | NA | 肿瘤分割模型、PET/CT融合模型、预后预测模型（具体架构未明确） | AUC, 时间依赖C指数, 临床决策曲线, Kaplan-Meier曲线 | NA |
| 6455 | 2026-07-07 |
Mapping the knowledge landscape of the PET/MR domain: a multidimensional bibliometric analysis
2025-04, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-07043-8
PMID:39754665
|
综述 | 对2010至2024年间PET/MR领域的研究趋势、合作模式和新兴主题进行文献计量分析 | 首次系统采用多维文献计量方法绘制PET/MR领域知识图谱，揭示AI整合对影像重建和诊断准确性的推动作用 | 仅基于Web of Science核心合集数据库，可能遗漏部分灰色文献和非英语文献 | 探索PET/MR领域的研究现状、国际合作网络及未来发展方向 | PET/MR领域的4349篇已发表文献 | 自然语言处理, 文献计量学 | 前列腺癌, 阿尔茨海默病, 乳腺癌, 心血管疾病 | NA | NA | 文本, 文献记录 | 4349篇出版物 | NA | NA | NA | NA |
| 6456 | 2026-07-07 |
Automated classification of chest X-rays: a deep learning approach with attention mechanisms
2025-03-04, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01604-5
PMID:40038588
|
研究论文 | 提出一种结合视觉Transformer和DenseNet201的深度学习模型，用于自动分类胸部X光片中的肺部疾病 | 首次将视觉Transformer捕获长距离依赖的能力与DenseNet201的强特征提取能力以及全局平均池化保留空间细节的优势无缝结合，构建了鲁棒且可解释的分类系统 | 未明确讨论模型在不同人群或医疗环境中的泛化能力，且依赖单一数据集 | 开发一种超越现有方法的自动化胸部X光片分类模型，提高COVID-19、肺实变和病毒性肺炎等肺部疾病的诊断准确性 | 胸部X光片图像数据 | 计算机视觉, 数字病理学 | 肺部疾病 | NA | 深度学习模型 | 图像 | 21165张胸部X光片 | PyTorch | Vision Transformer, DenseNet201 | 准确率, F1分数 | NA |
| 6457 | 2026-07-07 |
Development and validation of a deep learning algorithm for prediction of pediatric recurrent intussusception in ultrasound images and radiographs
2025-03-03, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01582-8
PMID:40033220
|
研究论文 | 开发并验证一种基于腹部超声图像和X光片的深度学习算法，用于预测儿童复发性肠套叠 | 首次使用多模态医学影像（超声和X光片）融合方法预测儿童复发性肠套叠，并比较了平均融合与堆叠融合两种策略，其中堆叠融合通过LightGBM元模型显著提升性能 | 单中心回顾性研究，样本量有限，模型性能在超声图像上相对较低（AUC 0.669），可能因超声图像特征不够显著 | 开发可预测儿童复发性肠套叠的深度学习预测模型 | 2017年1月至2022年12月期间收集的3665例肠套叠病例的腹部超声图像和腹部X光片 | 计算机视觉 | 儿科疾病 | 医学影像分析 | 深度学习模型（VGG11, ResNet18, LightGBM） | 图像（超声图像和X光片） | 3665例肠套叠病例 | PyTorch, LightGBM | VGG11, ResNet18, LightGBM | AUC, 95%置信区间 | NA |
| 6458 | 2026-07-07 |
Using deep learning to differentiate among histology renal tumor types in computed tomography scans
2025-02-26, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01606-3
PMID:40011809
|
研究论文 | 使用深度学习模型区分计算机断层扫描中肾脏肿瘤的组织学亚型 | 首次使用深度学习模型对增强CT图像中的多种肾脏肿瘤亚型（包括血管平滑肌脂肪瘤、嗜酸细胞瘤、透明细胞肾细胞癌、嫌色细胞肾细胞癌和乳头状肾细胞癌）进行分类 | 需要进一步开发以提高临床适用性 | 利用卷积神经网络分析增强CT图像，区分肾脏肿瘤的组织学亚型 | 肾脏肿瘤患者的增强CT图像 | 计算机视觉 | 肾细胞癌 | CT扫描 | 卷积神经网络（CNN） | 图像 | 554名患者，共4238张CT图像 | NA | Inception V3, ResNet50 | 准确率 | NA |
| 6459 | 2026-07-07 |
Comparison of the impact of rectal susceptibility artifacts in prostate magnetic resonance imaging on subjective evaluation and deep learning: a two-center retrospective study
2025-02-25, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01602-7
PMID:40000986
|
研究论文 | 比较直肠磁敏感伪影对前列腺磁共振成像主观评估和深度学习诊断前列腺癌的影响 | 首次系统比较直肠伪影对资深放射科医生、初级放射科医生和深度学习模型诊断前列腺癌的不同影响 | NA | 评估直肠磁敏感伪影对前列腺癌MRI诊断中主观评估和深度学习性能的影响 | 2019年11月至2023年11月期间因临床疑似前列腺癌而接受MRI和活检的1052名患者 | 数字病理学 | 前列腺癌 | MRI | 深度学习模型 | 图像 | 1052名患者 | NA | NA | AUC | NA |
| 6460 | 2026-07-07 |
Deep learning models for differentiating three sinonasal malignancies using multi-sequence MRI
2025-02-21, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01517-9
PMID:39984860
|
研究论文 | 开发基于多序列MRI的深度学习模型，用于区分三种鼻窦恶性肿瘤（鳞状细胞癌、腺样囊性癌和嗅神经母细胞瘤），并评估模型对放射科医生诊断性能的提升 | 首次利用多序列MRI（T2WI、CE-T1WI和ADC）结合ResNet101网络区分三种鼻窦恶性肿瘤，并验证AI辅助下不同经验水平放射科医生的诊断性能提升 | NA | 开发基于MRI的深度学习模型以区分三种鼻窦恶性肿瘤，并评估其对放射科医生诊断性能的改善作用 | 465例鼻窦恶性肿瘤患者（229例鳞状细胞癌、128例腺样囊性癌和108例嗅神经母细胞瘤） | 计算机视觉 | 鼻窦恶性肿瘤 | MRI（T2加权成像、增强T1加权成像、表观扩散系数） | 深度学习模型（ResNet101、ResNet50、DenseNet121） | 图像 | 465例患者（训练集325例、验证集47例、外部测试集93例） | NA | ResNet101、ResNet50、DenseNet121 | 曲线下面积(AUC)、准确率、召回率、精确率、F1分数 | NA |