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 36734 篇文献，本页显示第 7321 - 7340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7321 | 2025-10-06 |
Performance of AI methods in PET-based imaging for outcome prediction in lymphoma: A systematic review and meta-analysis
2025-Sep, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112204
PMID:40466216
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析评估基于PET影像的人工智能方法在淋巴瘤预后预测中的性能 | 首次对基于PET影像的AI方法在淋巴瘤预后预测中的性能进行系统评估，并比较了不同AI方法的预测效果 | 纳入研究存在异质性，需要更多前瞻性研究验证临床适用性 | 评估人工智能方法在淋巴瘤PET影像预后预测中的性能 | 淋巴瘤患者，主要为非霍奇金淋巴瘤 | 医学影像分析 | 淋巴瘤 | PET影像分析 | 深度学习, 机器学习, 影像组学 | PET医学影像 | 75项研究，其中61项聚焦非霍奇金淋巴瘤 | NA | NA | HR, AUC, C-index, OR | Stata软件 |
| 7322 | 2025-10-06 |
Predicting survival rates of critically ill septic patients with heart failure using interpretable machine learning models
2025-Sep, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.1177/09287329251346284
PMID:40495578
|
研究论文 | 本研究开发了一种可解释的机器学习模型，用于预测伴有心力衰竭的危重脓毒症患者的生存率 | 首次针对伴有心力衰竭的脓毒症患者开发专用的可解释生存预测模型，并采用SHAP方法增强模型解释性 | 研究数据来源于公开数据库，可能存在选择偏倚，且仅验证了两个数据库的数据 | 开发可解释的预测模型来预测伴有心力衰竭的脓毒症患者的生存率 | 伴有心力衰竭的危重脓毒症患者 | 机器学习 | 心血管疾病 | 生存分析 | DeepSurv | 临床数据 | 11,778名患者 | NA | DeepSurv | AUC,C-index,Integrated Brier Score,Decision Curve Analysis | NA |
| 7323 | 2025-10-06 |
TME-guided deep learning predicts chemotherapy and immunotherapy response in gastric cancer with attention-enhanced residual Swin Transformer
2025-Aug-19, Cell reports. Medicine
DOI:10.1016/j.xcrm.2025.102242
PMID:40695288
|
研究论文 | 提出基于肿瘤微环境引导的深度学习模型，用于预测胃癌患者的化疗和免疫治疗反应 | 首次将注意力增强的残差Swin Transformer网络应用于胃癌治疗反应预测，并利用中间任务提升模型性能 | 需要前瞻性研究验证临床实用性 | 预测胃癌患者对化疗和免疫治疗的反应 | 3,095例胃癌患者的多队列数据 | 数字病理学 | 胃癌 | 深度学习 | Transformer | 医学图像数据 | 3,095例胃癌患者 | NA | 注意力增强残差Swin Transformer | 准确率 | NA |
| 7324 | 2025-10-06 |
Deep learning for detection and diagnosis of intrathoracic lymphadenopathy from endobronchial ultrasound multimodal videos: A multi-center study
2025-Aug-19, Cell reports. Medicine
DOI:10.1016/j.xcrm.2025.102243
PMID:40695290
|
研究论文 | 开发基于深度学习的AI-CEMA系统，用于从支气管内超声多模态视频中自动检测和诊断胸内淋巴结病变 | 首次提出基于多模态视频的深度学习系统，能够自动选择代表性图像、识别淋巴结并区分良恶性 | 初始训练数据仅来自单中心，需要更多多中心验证 | 开发自动化诊断系统辅助胸内淋巴结病变的诊断 | 胸内淋巴结和肺部病变 | 医学影像分析 | 胸内淋巴结病变 | 凸探头支气管内超声(CP-EBUS) | 深度学习 | 多模态视频 | 1,006个淋巴结(单中心训练) + 267个淋巴结(多中心验证) | NA | NA | AUC | NA |
| 7325 | 2025-10-06 |
A systematic review: Brain age gap as a promising early diagnostic biomarker for Alzheimer's disease
2025-Aug-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2025.123563
PMID:40494037
|
系统综述 | 本文系统综述了脑年龄差作为阿尔茨海默病早期诊断生物标志物的研究现状和进展 | 重点关注深度学习在脑年龄预测中的应用，并系统分析了脑年龄差作为AD早期诊断生物标志物的潜力 | 存在站点效应、数据不足、硬件要求高、模型准确性和临床适用性等挑战 | 探讨脑年龄差作为阿尔茨海默病早期诊断生物标志物的研究现状和未来发展 | 阿尔茨海默病患者和健康个体的神经影像数据 | 医学影像分析 | 阿尔茨海默病 | 神经影像技术 | 深度学习 | 神经影像数据 | NA | NA | NA | NA | NA |
| 7326 | 2025-10-06 |
Improved early-stage crop classification using a novel fusion-based machine learning approach with Sentinel-2A and Landsat 8-9 data
2025-Aug-06, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-14420-9
PMID:40767980
|
研究论文 | 提出一种基于融合的深度学习方法，结合Sentinel-2A和Landsat 8-9数据改进早期作物分类精度 | 使用Gram-Schmidt融合方法整合多源卫星数据，结合纹理和光谱特征，采用多补丁GLCM技术和植被指数进行特征提取 | NA | 提高早期作物分类的准确性 | 早期生长阶段的农作物 | 机器学习 | NA | Gram-Schmidt融合方法，多补丁GLCM，光谱指数方法 | DNN, 1D CNN, 决策树, 支持向量机, 随机森林 | 卫星遥感图像 | NA | NA | 深度神经网络, 一维卷积神经网络 | 准确率, 精确率, 召回率, F1分数 | NA |
| 7327 | 2025-10-06 |
A systematic review of AI as a digital twin for prostate cancer care
2025-Aug, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108804
PMID:40347618
|
系统综述 | 本文系统综述了基于人工智能的数字孪生技术在前列腺癌诊疗中的应用进展 | 首次系统性地总结了AI驱动数字孪生在前列腺癌领域的最新进展（2020-2025），并提出了整合多模态数据与大语言模型、视觉语言模型的未来方向 | 存在实时数据整合不足、AI模型可解释性有待提升、临床验证不够充分等局限性 | 探讨人工智能数字孪生技术在前列腺癌诊疗中的应用与发展 | 前列腺癌患者的数字孪生模型 | 数字病理 | 前列腺癌 | 机器学习、深度学习 | NA | 多模态医疗数据 | NA | NA | NA | NA | NA |
| 7328 | 2025-10-06 |
Deep learning techniques for automated coronary artery segmentation and coronary artery disease detection: A systematic review of the last decade (2013-2024)
2025-Aug, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108858
PMID:40408829
|
系统综述 | 本文系统回顾了过去十年（2013-2024）用于冠状动脉自动分割和冠心病检测的深度学习技术 | 首次对过去十年深度学习在冠状动脉分割和冠心病检测领域的应用进行全面系统回顾，涵盖97项高质量研究 | 存在公共数据集有限、性能指标不一致和模型复杂性等挑战 | 系统评估深度学习技术在冠状动脉分割和冠心病检测中的应用现状和发展趋势 | 冠状动脉影像数据 | 医学影像分析 | 冠心病 | 深度学习 | CNN | 医学影像 | 97项高质量研究 | NA | U-Net, CNN, 注意力机制, 图神经网络 | NA | NA |
| 7329 | 2025-10-06 |
Accuracy and time efficiency of deep learning-based three-dimensional crown segmentation on intraoral scanning: a systematic review and meta-analysis
2025-Aug, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105842
PMID:40414275
|
系统综述和荟萃分析 | 评估基于深度学习的口腔内扫描三维牙冠分割的准确性和时间效率 | 首次系统评估深度学习在口腔内扫描牙冠分割中的表现，并进行亚组分析比较不同牙齿类型的分割效果 | 纳入研究存在数据选择和指标测试的异质性，缺乏公开数据集 | 评估深度学习在口腔内扫描牙冠分割中的准确性和时间效率 | 口腔内扫描数据中的牙齿分割 | 计算机视觉 | 牙科疾病 | 口腔内扫描 | 深度学习 | 三维网格数据 | 44项符合纳入标准的研究（从1220项研究中筛选） | NA | NA | 平均交并比, 95%置信区间 | NA |
| 7330 | 2025-10-06 |
Enhancing and advancements in deep learning for melanoma detection: A comprehensive review
2025-Aug, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110533
PMID:40483855
|
综述 | 本文系统回顾了2016年至2025年间深度学习在黑色素瘤检测中的应用进展与挑战 | 首次系统梳理了近十年深度学习在黑色素瘤检测领域的发展轨迹，特别关注模型可复现性和泛化能力问题 | 基于欧洲和北美数据训练的模型对非洲、亚洲和拉丁美洲人群的适用性有限，研究方法透明度不足 | 评估深度学习在黑色素瘤检测中的应用趋势和技术缺口 | 2016-2025年间发表的深度学习辅助黑色素瘤检测研究 | 计算机视觉 | 黑色素瘤 | 图像分析 | 深度学习 | 皮肤镜图像 | 使用公开数据库（ISIC、HAM10000）但具体样本数量未明确 | NA | ResNet, Inception | 准确率 | NA |
| 7331 | 2025-10-06 |
The REgistry of Flow and Perfusion Imaging for Artificial INtelligEnce with PET (REFINE PET): Rationale and Design
2025-Jul-11, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.07.10.25330435
PMID:40672503
|
研究论文 | 介绍REFINE PET注册研究的设计理念与数据架构，该注册表整合全球多中心的PET/CT影像与临床数据 | 建立首个专注于PET血流灌注影像与人工智能结合的国际多中心注册研究平台 | NA | 推动PET/CT心肌灌注成像在诊断和风险分层中的应用 | 心血管疾病患者 | 数字病理 | 心血管疾病 | PET, CT, 深度学习 | 深度学习 | 医学影像, 临床数据 | 35,588名患者来自14个中心，其中5,972例有血管造影数据 | NA | NA | NA | NA |
| 7332 | 2025-10-06 |
Artificial Intelligence in the Management of Malnutrition in Cancer Patients: A Systematic Review
2025-Jul, Advances in nutrition (Bethesda, Md.)
DOI:10.1016/j.advnut.2025.100438
PMID:40334987
|
系统评价 | 评估人工智能在癌症患者营养不良管理中的应用效果 | 首次系统评价AI在癌症患者营养不良管理中的多种应用，包括营养状况评估、预测、临床结局和身体成分监测 | 需要进一步研究以标准化AI模型并确保临床适用性 | 评估人工智能在癌症患者营养不良识别和管理中的作用 | 癌症患者 | 医疗人工智能 | 癌症 | 机器学习，深度学习，医学影像分析 | 决策树，随机森林，支持向量机，深度学习模型 | 医疗数据，医学影像 | 11项研究，共52,228名患者 | NA | NA | 曲线下面积，Dice相似系数，准确率 | NA |
| 7333 | 2025-10-06 |
A systematic review and meta-analysis of the utility of quantitative, imaging-based approaches to predict radiation-induced toxicity in lung cancer patients
2025-Jul, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110935
PMID:40360049
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析评估影像组学、剂量组学和机器学习在预测肺癌患者放疗毒性方面的性能 | 首次对影像组学、剂量组学和机器学习在胸部放疗毒性预测中的表现进行系统性比较和荟萃分析 | 研究主要集中于放射性肺炎预测，对其他器官毒性预测研究较少 | 评估定量影像学方法预测肺癌患者放疗诱导毒性的效用 | 肺癌患者接受胸部放疗的毒性反应 | 医学影像分析 | 肺癌 | 影像组学、剂量组学、机器学习 | 经典机器学习模型、深度学习模型 | 医学影像数据、剂量数据 | 104项研究，包含23,373名患者 | NA | NA | AUC（曲线下面积） | NA |
| 7334 | 2025-10-06 |
MRI-derived deep learning models for predicting 1p/19q codeletion status in glioma patients: a systematic review and meta-analysis of diagnostic test accuracy studies
2025-Jul, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03631-z
PMID:40369298
|
系统评价与荟萃分析 | 评估基于MRI的深度学习模型预测胶质瘤1p/19q共缺失状态的诊断准确性 | 首次对MRI衍生深度学习模型预测胶质瘤1p/19q共缺失状态进行系统性评估和荟萃分析 | 纳入研究数量有限（20篇系统评价，10篇荟萃分析），存在异质性来源 | 评估深度学习模型在预测胶质瘤1p/19q共缺失状态中的诊断性能 | 胶质瘤患者 | 医学影像分析 | 胶质瘤 | 磁共振成像（MRI） | 深度学习模型 | 医学影像 | NA | NA | 端到端深度学习模型 | 敏感度,特异度,诊断似然比,诊断比值比,曲线下面积 | NA |
| 7335 | 2025-10-06 |
Can machine learning be a reliable tool for predicting hematoma progression following traumatic brain injury? A systematic review and meta-analysis
2025-Jul, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03657-3
PMID:40397134
|
系统综述与荟萃分析 | 评估人工智能算法在预测创伤性脑损伤后血肿进展中的性能 | 首次通过系统综述和荟萃分析综合评估机器学习在血肿进展预测中的表现，发现XGBoost算法具有最佳预测性能 | 纳入研究数量有限（仅5项），需要标准化数据集和更多样化的患者群体以提高模型适用性 | 评估人工智能算法预测创伤性脑损伤后血肿进展的可靠性 | 创伤性脑损伤患者的血肿进展 | 机器学习 | 创伤性脑损伤 | 机器学习，深度学习 | XGBoost, AI算法 | 影像组学特征，临床特征 | 基于5项符合纳入标准的研究（从1240项研究中筛选） | NA | NA | 敏感度，特异度，AUC，准确率，阳性似然比，阴性似然比，诊断比值比 | NA |
| 7336 | 2025-10-06 |
Preoperative Differentiation of Spinal Schwannoma and Meningioma Using Machine Learning-Based Models: A Systematic Review and Meta-Analysis
2025-07, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2025.124096
PMID:40398809
|
系统综述与荟萃分析 | 评估基于机器学习的模型在术前区分脊柱神经鞘瘤和脑膜瘤中的诊断性能 | 首次系统评估机器学习模型在脊柱肿瘤术前鉴别诊断中的表现 | 仅纳入6项研究，样本量相对有限（644例患者） | 评估机器学习模型在脊柱神经鞘瘤和脑膜瘤术前鉴别诊断中的准确性 | 脊柱神经鞘瘤和脑膜瘤患者 | 机器学习 | 脊柱肿瘤 | 医学影像分析 | 深度学习, 机器学习 | 医学影像数据 | 644例患者（364例神经鞘瘤，258例脑膜瘤） | NA | NA | AUC, 准确率, 灵敏度, 特异性, 诊断比值比 | NA |
| 7337 | 2025-10-06 |
Speech imagery brain-computer interfaces: a systematic literature review
2025-Jun-26, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ade28e
PMID:40490003
|
系统文献综述 | 本文系统回顾了言语意象脑机接口的解码流程研究进展 | 首次按照PRISMA指南系统综述言语意象脑机接口领域，量化分析信息传输速率并揭示实时解码研究不足的现状 | 仅6%的研究报告实时解码，方法多样性导致难以确定领域最优水平 | 评估言语意象脑机接口的解码方法效能和发展趋势 | 104篇尝试从神经活动解码言语意象的同行评审报告 | 脑机接口 | NA | 神经影像技术 | 深度学习模型 | 脑信号数据 | 104篇研究报告 | NA | NA | 信息传输速率 | NA |
| 7338 | 2025-10-06 |
Towards interpretable molecular and spatial analysis of the tumor microenvironment from digital histopathology images with HistoTME-v2
2025-Jun-17, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.11.658673
PMID:40747415
|
研究论文 | 提出HistoTME-v2框架，直接从H&E染色病理图像预测肿瘤微环境中细胞类型特异性转录组特征活性 | 弱监督深度学习框架，无需单细胞或斑块级注释即可从全切片H&E图像预测TME组成，并扩展到25种实体肿瘤类型 | 依赖H&E染色图像质量，在外部验证数据集上性能略有下降（中位Pearson相关系数0.53） | 开发可解释的肿瘤微环境分子和空间分析方法 | 25种实体肿瘤类型的数字病理图像 | 数字病理学 | 多种癌症类型 | H&E染色，空间转录组学，多重成像（CODEX，IHC） | 深度学习 | 全切片数字病理图像 | 内部验证：7,586个WSI，6,901名患者，24种癌症类型；外部验证：5,657个WSI，1,775名患者，9种癌症类型；空间验证：259个WSI，154名患者，7种癌症类型 | NA | NA | Pearson相关系数 | NA |
| 7339 | 2025-10-06 |
Relation equivariant graph neural networks to explore the mosaic-like tissue architecture of kidney diseases on spatially resolved transcriptomics
2025-Jun-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf303
PMID:40358510
|
研究论文 | 提出一种关系等变图神经网络(REGNN)用于分析肾脏疾病中空间分辨转录组数据的异质性组织结构 | 开发了能够处理n维空间对称性的关系等变图神经网络，结合位置编码增强空间关系表示，专门针对肾脏马赛克样组织结构设计 | 空间标注数据有限，主要基于10× Visium平台验证 | 探索肾脏疾病中空间基因表达模式与组织结构的关系 | 慢性肾脏病(CKD)和急性肾损伤(AKI)患者的肾脏组织 | 数字病理学 | 肾脏疾病 | 空间分辨转录组学(SRT) | 图神经网络(GNN) | 空间转录组数据 | 不同肾脏疾病条件下的异质性样本 | PyTorch | 关系等变图神经网络(REGNN), 图自编码器, 图自监督学习 | 组织结构识别准确率 | NA |
| 7340 | 2025-10-06 |
Diagnostic accuracy of machine learning algorithms in electrocardiogram-based sleep apnea detection: A systematic review and meta-analysis
2025-Jun, Sleep medicine reviews
IF:11.2Q1
DOI:10.1016/j.smrv.2025.102097
PMID:40349509
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析评估机器学习算法在基于心电图检测睡眠呼吸暂停中的诊断准确性 | 首次对机器学习算法在单导联心电图睡眠呼吸暂停检测中的诊断准确性进行系统性评估和定量分析 | 算法效果存在差异且存在方法学偏倚 | 评估机器学习和深度学习算法在基于单导联心电图数据检测睡眠呼吸暂停模式中的诊断准确性 | 睡眠呼吸暂停患者的心电图数据 | 机器学习 | 睡眠呼吸暂停 | 单导联心电图 | 机器学习,深度学习 | 心电图信号 | 84项研究 | NA | NA | 灵敏度,特异性 | NA |