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 32372 篇文献，本页显示第 8921 - 8940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8921 | 2025-06-06 |
Advanced NLP-driven predictive modeling for tailored treatment strategies in gastrointestinal cancer
2025-Jun, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2025.100264
PMID:40057234
|
研究论文 | 本研究旨在开发一种基于自然语言处理（NLP）的预测建模框架，用于胃肠道癌症的个性化治疗策略 | 提出了Resilient Adam Algorithm驱动的Versatile Long-Short Term Memory (RAA-VLSTM)模型，用于分析临床数据，并通过RAA优化算法显著提高了训练效率 | 未提及具体的数据集规模限制或模型在其他癌症类型中的泛化能力 | 开发一种先进的NLP驱动预测建模框架，以改善胃肠道癌症的个性化治疗策略 | 胃肠道癌症患者的电子健康记录（EHRs） | 自然语言处理 | 胃肠道癌症 | NLP, 深度学习 | RAA-VLSTM | 文本（电子健康记录） | 来自多个医疗中心的广泛电子健康记录（具体数量未提及） | NA | NA | NA | NA |
| 8922 | 2025-06-06 |
Advancing Intracranial Aneurysm Detection: A Comprehensive Systematic Review and Meta-analysis of Deep Learning Models Performance, Clinical Integration, and Future Directions
2025-Jun, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia
IF:1.9Q4
DOI:10.1016/j.jocn.2025.111243
PMID:40306254
|
meta-analysis | 本文通过系统综述和荟萃分析评估了深度学习模型在颅内动脉瘤检测中的性能及其对临床诊断的辅助作用 | 深度学习模型在颅内动脉瘤检测中展现出超越传统临床诊断的敏感性和特异性，并能显著提升临床医生的诊断一致性和准确性 | 需要在更多样化的临床环境中进行进一步验证，并实现与标准工作流程的无缝集成 | 评估深度学习模型在颅内动脉瘤检测中的性能及其临床应用价值 | 颅内动脉瘤的检测和预测 | digital pathology | cardiovascular disease | CT angiography (CTA), digital subtraction angiography (DSA), time-of-flight MR angiography (TOF-MRA) | DL (Deep Learning) | image | NA | NA | NA | NA | NA |
| 8923 | 2025-06-06 |
Glycosyltransferases in human milk oligosaccharide synthesis: structural mechanisms and rational design
2025-Jun, Current opinion in biotechnology
IF:7.1Q1
DOI:10.1016/j.copbio.2025.103315
PMID:40347686
|
review | 本文系统分析了糖基转移酶在人类母乳寡糖合成中的结构机制和理性设计 | 综述了糖基转移酶的结构生物学，通过晶体学研究阐明了保守域和催化机制，并总结了当代优化策略，包括溶解度增强、催化效率提升和底物特异性工程 | 未提及具体实验数据或样本量，可能缺乏实证支持 | 探讨糖基转移酶在人类母乳寡糖合成中的结构机制和理性设计 | 糖基转移酶和人类母乳寡糖 | 合成生物学 | NA | 晶体学研究和深度学习算法 | NA | 结构生物学数据 | NA | NA | NA | NA | NA |
| 8924 | 2025-06-06 |
CirnetamorNet: An ultrasonic temperature measurement network for microwave hyperthermia based on deep learning
2025-Jun, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2025.100297
PMID:40350037
|
研究论文 | 提出了一种基于深度学习的超声波温度测量网络CirnetamorNet，用于微波热疗中的非侵入性温度监测 | 通过多头注意力机制高效整合多特征数据，提高了非侵入性测温技术的准确性和可靠性 | 实验数据采集系统使用模拟人体组织特性的材料构建，可能与真实人体组织存在差异 | 实现微波热疗过程中准确的非侵入性温度预测 | 微波热疗中的温度监测 | 数字病理 | 癌症 | 超声波成像 | RNN, 多头注意力机制 | 图像 | NA | NA | NA | NA | NA |
| 8925 | 2025-06-06 |
Prediction of pathological grade of oral squamous cell carcinoma and construction of prognostic model based on deep learning algorithm
2025-Jun-01, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-02144-8
PMID:40450613
|
研究论文 | 本研究旨在基于全切片图像(WSIs)建立深度学习模型，用于预测口腔鳞状细胞癌(OSCC)的病理分级 | 使用CLAM算法构建的深度学习模型在训练集和外部验证集中表现出良好的预测效率和泛化能力，并结合转录组数据构建了OSCC的预后风险模型 | 外部验证集的AUC(0.71)低于训练集(0.86)，表明模型在外部数据上的性能有待提高 | 预测口腔鳞状细胞癌的病理分级并构建预后模型 | 口腔鳞状细胞癌(OSCC)患者 | 数字病理学 | 口腔鳞状细胞癌 | 深度学习算法 | CLAM算法 | 全切片图像(WSIs)和转录组数据 | 257例OSCC患者的组织病理学图像(来自TCGA数据库)和165例OSCC病理切片(来自CPTAC数据库) | NA | NA | NA | NA |
| 8926 | 2025-06-06 |
Deep learning driven interpretable and informed decision making model for brain tumour prediction using explainable AI
2025-Jun-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03358-0
PMID:40451921
|
研究论文 | 本研究提出了一种结合深度学习和可解释AI（XAI）的模型，用于准确且可解释的脑肿瘤预测 | 结合深度学习和XAI，提供模型预测的可解释性，帮助临床医生理解决策过程 | 模型可能仍存在某些复杂病例的预测困难，且依赖于大量影像和临床数据 | 开发一个可解释的脑肿瘤预测模型，以提高诊断准确性和临床信任度 | 脑肿瘤患者 | 数字病理学 | 脑肿瘤 | MRI和CT扫描 | 深度学习模型 | 影像和临床数据 | 广泛的数据集（具体数量未提及） | NA | NA | NA | NA |
| 8927 | 2025-06-06 |
Extracerebral Normalization of 18F-FDG PET Imaging Combined with Behavioral CRS-R Scores Predict Recovery from Disorders of Consciousness
2025-Jun, Neurocritical care
IF:3.1Q2
DOI:10.1007/s12028-024-02142-8
PMID:39532777
|
研究论文 | 本研究开发了一种基于18F-FDG PET和行为CRS-R评分的预后模型，用于预测长期意识障碍患者的1年恢复情况 | 结合18F-FDG PET的脑外组织标准化和行为CRS-R评分，开发了多模态预后模型，提高了预测意识恢复的准确性 | 样本量较小（87例患者），且测试集结果显示差异无统计学意义（P=0.73） | 开发预测长期意识障碍患者恢复情况的预后模型 | 87例新诊断为长期意识障碍的患者 | 数字病理 | 神经系统疾病 | 18F-FDG PET/CT扫描 | DenseNet121 | 图像和表格数据 | 87例意识障碍患者（52例恢复意识，35例未恢复） | NA | NA | NA | NA |
| 8928 | 2025-06-06 |
Radiomics of PET Using Neural Networks for Prediction of Alzheimer's Disease Diagnosis
2025-Jun, Statistics in medicine
IF:1.8Q1
DOI:10.1002/sim.70128
PMID:40468810
|
研究论文 | 本文提出使用图神经网络(GNN)和变压器编码器(TE)的深度学习方法，利用纵向PET图像和认知评分预测阿尔茨海默病(AD)的诊断及从认知未受损或轻度认知障碍到AD的转化 | 首次将GNN和TE应用于纵向PET图像序列分析，提高了AD诊断预测的准确性 | 未能充分考虑访视间时间变异性的影响 | 提高阿尔茨海默病的早期诊断准确性 | 阿尔茨海默病患者及认知未受损/轻度认知障碍人群 | 数字病理学 | 阿尔茨海默病 | PET成像技术 | GNN, TE, FFN, RNN | 医学图像(PET) | ADNI研究收集的数据集 | NA | NA | NA | NA |
| 8929 | 2025-06-06 |
Underwater 3D measurement based on improved YOLOv8n and laser scanning imaging device
2025-Jun-01, The Review of scientific instruments
DOI:10.1063/5.0256098
PMID:40471019
|
研究论文 | 本文提出了一种名为YOLOv8-FWR的深度学习算法，结合激光扫描成像设备，有效提高了水下激光成像的效率和质量 | 引入了Focal_SPPF池化模块以减少背景噪声影响，提出了加权特征Concat模块以增强边缘小目标光条的检测，并通过结构重参数化技术优化了C2f模块，降低了模型参数数量同时提高了准确性 | NA | 提高水下激光成像的目标检测效率和准确性 | 水下激光扫描成像中的目标光条 | 计算机视觉 | NA | 激光扫描成像 | YOLOv8-FWR | 图像 | 通过模拟水下激光扫描成像过程构建的包含大量背景噪声的数据集，并在VOC2012和Underwater Detection Dataset (UDD)上进行了验证 | NA | NA | NA | NA |
| 8930 | 2025-06-06 |
Automatic Segmentation and Molecular Subtype Classification of Breast Cancer Using an MRI-based Deep Learning Framework
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240184
PMID:40249269
|
research paper | 开发了一个基于MRI的深度学习框架，用于乳腺癌病灶分割和分子亚型自动分类 | 提出了一个结合3D ResU-Net和Ensemble ResNet的深度学习框架，实现了乳腺癌病灶的高精度分割和分子亚型的自动分类 | 研究为回顾性多中心研究，可能存在选择偏倚 | 开发一个基于MRI的深度学习框架，用于乳腺癌病灶分割和分子亚型分类 | 乳腺癌患者 | digital pathology | breast cancer | contrast-enhanced MRI | 3D ResU-Net, Ensemble ResNet | MRI图像 | 687名女性患者（平均年龄48.70岁±8.97） | NA | NA | NA | NA |
| 8931 | 2025-06-06 |
Development and validation of a novel chronic pancreatitis pathological grade based on artificial intelligence
2025-May, Pancreatology : official journal of the International Association of Pancreatology (IAP) ... [et al.]
IF:2.8Q2
DOI:10.1016/j.pan.2025.04.011
PMID:40335378
|
研究论文 | 本研究开发并验证了一种基于深度学习的慢性胰腺炎病理分级系统（Histopathology-derived CPpG），并通过放射组学评分（DLRS）预测疾病严重程度 | 首次提出基于人工智能的慢性胰腺炎病理分级系统，并开发了非侵入性的DLRS用于动态监测疾病严重程度 | 研究为回顾性设计，且病理确认的CP样本量相对较小（181例） | 开发慢性胰腺炎的客观病理分级系统并验证其临床价值 | 慢性胰腺炎和复发性急性胰腺炎患者 | 数字病理 | 慢性胰腺炎 | 深度学习，放射组学 | DeeplabV3+ | 全切片图像，CT扫描 | 2054例患者（含181例病理确诊CP） | NA | NA | NA | NA |
| 8932 | 2025-06-06 |
Interactive Explainable Deep Learning Model for Hepatocellular Carcinoma Diagnosis at Gadoxetic Acid-enhanced MRI: A Retrospective, Multicenter, Diagnostic Study
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240332
PMID:40445095
|
研究论文 | 开发基于钆塞酸增强MRI的人工智能模型，辅助放射科医生诊断肝细胞癌 | 提出了一种交互式可解释的深度学习模型，能够通过分析预训练病变分类器的激活模式推断LI-RADS特征的存在 | 研究为回顾性设计，可能受到选择偏差的影响 | 开发AI模型辅助肝细胞癌诊断 | 肝局灶性病变患者 | 数字病理 | 肝细胞癌 | 钆塞酸增强MRI | 深度学习 | MRI图像 | 839名患者（1023个肝局灶性病变） | NA | NA | NA | NA |
| 8933 | 2025-06-06 |
Predicting Recurrence in Locally Advanced Rectal Cancer Using Multitask Deep Learning and Multimodal MRI
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240359
PMID:40445102
|
research paper | 开发并验证了一种名为MultiRecNet的多任务深度网络，用于全自动预测接受新辅助放化疗（nCRT）治疗的局部晚期直肠癌（LARC）患者的无病生存期（DFS） | MultiRecNet能够在单一框架内同时执行分割、分类和生存预测任务，实现了全自动端到端的预后预测 | 研究为回顾性设计，可能存在选择偏差 | 预测局部晚期直肠癌患者的无病生存期 | 接受nCRT治疗的局部晚期直肠癌患者 | digital pathology | rectal cancer | multimodal MRI | MultiRecNet (multitask deep learning) | MRI图像（T2、ADC等）及临床指标 | 445名患者（训练集261名，验证集37名，内部测试集75名，外部测试集72名） | NA | NA | NA | NA |
| 8934 | 2025-06-06 |
Incorporating patient-specific prior clinical knowledge to improve clinical target volume auto-segmentation generalisability for online adaptive radiotherapy of rectal cancer: A multicenter validation
2025-Feb, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110667
PMID:39675574
|
research paper | 本研究探讨了在直肠癌在线自适应放疗中，利用患者特异性先验临床知识提高临床靶区自动分割的泛化能力 | 提出了一种结合患者特异性先验临床知识和基于人群的变异性的深度学习方法，以提高自动分割的泛化能力 | 研究仅针对直肠癌患者，未涉及其他癌症类型 | 提高在线自适应放疗中临床靶区自动分割的泛化能力 | 中危或局部晚期直肠癌患者 | digital pathology | rectal cancer | deep learning | DL | MRI | 来自三个中心的中危或局部晚期直肠癌患者 | NA | NA | NA | NA |
| 8935 | 2025-06-06 |
A Deep Learning-Based Method for Rapid 3D Whole-Heart Modeling in Congenital Heart Disease
2025, Cardiology
IF:1.9Q3
DOI:10.1159/000541980
PMID:39396499
|
研究论文 | 开发了一种基于深度学习的快速三维心脏建模方法，用于先天性心脏病患者的术前规划和诊断支持 | 整合医学影像和临床诊断信息，通过深度学习自动生成3D打印和VR应用的心脏模型 | 研究样本量较小（110例患者），未来需在更大数据集和不同类型先天性心脏病上验证模型的广泛适用性 | 提高先天性心脏病手术规划和诊断的精确性 | 先天性心脏病患者 | 数字病理学 | 先天性心脏病 | CT、心脏MRI | 深度学习模型 | 医学影像、临床数据 | 110例患者 | NA | NA | NA | NA |
| 8936 | 2025-06-06 |
Deep learning-based optical coherence tomography and retinal images for detection of diabetic retinopathy: a systematic and meta analysis
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1485311
PMID:40171193
|
meta-analysis | 本文通过系统综述和荟萃分析评估了深度学习算法在光学相干断层扫描（OCT）和视网膜图像中检测糖尿病视网膜病变（DR）的有效性 | 首次对深度学习在OCT和视网膜图像中检测DR的效果进行了全面的荟萃分析 | 数据集标准化不足，模型可解释性有待提高，且需在多样化人群中进一步验证性能 | 评估深度学习算法在糖尿病视网膜病变检测中的准确性和可靠性 | 光学相干断层扫描（OCT）和视网膜图像 | digital pathology | diabetic retinopathy | deep learning | NA | image | 188268张视网膜图像和OCT扫描 | NA | NA | NA | NA |
| 8937 | 2025-06-06 |
Ground-truth-free deep learning approach for accelerated quantitative parameter mapping with memory efficient learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324496
PMID:40455714
|
研究论文 | 本研究评估了结合内存高效学习(MEL)的自监督学习(SSL)和零样本自监督学习(ZSSSL)框架，以加速定量MRI(qMRI)的图像重建 | 提出了不依赖全采样数据的自监督学习和零样本自监督学习方法，并结合内存高效学习技术降低GPU内存需求 | 在高度加速因子条件下，SSL和ZSSSL的性能略逊于监督学习(SL) | 加速定量MRI图像重建过程并降低计算资源需求 | 定量MRI图像重建 | 医学影像分析 | NA | 定量MRI(qMRI), 自监督学习(SSL), 零样本自监督学习(ZSSSL) | 深度学习(DL) | MRI图像 | 三个实验(2D T2映射/MSME, 3D T1映射/VFA-SPGR, 3D T2映射/DESS) | NA | NA | NA | NA |
| 8938 | 2025-06-06 |
Utility of artificial intelligence-based conversation voice analysis for detecting cognitive decline
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325177
PMID:40455724
|
研究论文 | 本研究开发了一种基于人工智能的对话语音分析模型，用于检测认知衰退 | 利用短对话语音样本通过AI模型检测认知衰退，无需专业环境或设备 | 样本量较小（263名患者），且仅基于Mini-Mental State Examination分数进行标签 | 开发一种便捷的认知衰退筛查工具 | 认知衰退患者和认知正常人群 | 自然语言处理 | 老年疾病 | 机器学习 | 全耦合神经网络 | 语音 | 263名患者的语音样本，其中20个样本用于准确性评估 | NA | NA | NA | NA |
| 8939 | 2025-06-06 |
A novel spectral analysis-based grading system for gastrointestinal activity
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323440
PMID:40455773
|
研究论文 | 本文介绍了一种基于频谱分析的新型胃肠道活动分级系统，用于客观评估胃肠动力 | 提出了一种创新的无监督分级系统，通过频谱特征分析肠鸣音来评估胃肠动力，避免了传统方法依赖个人判断和大规模标注数据集的问题 | 虽然验证了方法的可靠性，但仍需进一步研究以确认其在更广泛临床环境中的适用性 | 开发一种客观评估胃肠动力的方法，辅助医生量化胃肠道活动 | 肠鸣音（由消化气体和液体在蠕动过程中产生的声音信号） | 数字病理 | 胃肠道疾病 | 频谱特征分析 | 无监督学习 | 音频 | NA | NA | NA | NA | NA |
| 8940 | 2025-06-06 |
An efficient non-parametric feature calibration method for few-shot plant disease classification
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1541982
PMID:40458225
|
research paper | 提出一种基于特征适应评分（FAS）度量的方法，用于少样本植物病害分类 | 利用FAS评分与测试准确率的严格正相关关系，无需训练网络即可确定适用于少样本植物病害分类的Swin-Transformer V2-F6网络结构，并设计了PDFC算法进行特征校准 | NA | 解决植物病害图像数据不足的问题，提高少样本植物病害分类的准确率 | 植物病害图像 | computer vision | plant disease | few-shot learning | Swin-Transformer V2 | image | PlantVillage数据集及其他数据集 | NA | NA | NA | NA |