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 33459 篇文献，本页显示第 9041 - 9060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9041 | 2025-10-06 |
Artificial intelligence algorithms aimed at characterizing or detecting prostate cancer on MRI: How accurate are they when tested on independent cohorts? - A systematic review
2023-May, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2022.11.005
PMID:36517398
|
系统综述 | 系统评估基于人工智能的MRI算法在独立测试队列中诊断前列腺癌的准确性 | 首次系统评估AI算法在满足独立性标准的测试队列中的诊断性能，比较了放射组学与深度学习系统的差异 | 23项研究未使用预设诊断阈值可能使结果偏乐观，人机差异的最佳管理策略尚未明确 | 评估基于AI的MRI算法在独立测试队列中诊断前列腺癌的准确性 | 前列腺癌患者 | 医学影像分析 | 前列腺癌 | 磁共振成像 | 深度学习, 放射组学 | 医学影像 | 35项研究，每项测试队列超过40名患者 | NA | 计算机辅助诊断系统, 计算机辅助检测系统 | 诊断准确性, 假阳性率 | NA |
| 9042 | 2025-10-06 |
Machine learning approaches for electroencephalography and magnetoencephalography analyses in autism spectrum disorder: A systematic review
2023-04-20, Progress in neuro-psychopharmacology & biological psychiatry
IF:5.3Q1
DOI:10.1016/j.pnpbp.2022.110705
PMID:36574922
|
系统综述 | 系统综述机器学习方法在自闭症谱系障碍脑电图和脑磁图分析中的应用 | 首次系统评估机器学习在ASD神经生理数据分析中的应用现状，重点关注EEG和MEG数据的非线性非平稳特征分析 | 纳入研究数量有限(39项)，MEG研究较少(仅2项)，需要更多验证性研究和随机对照试验验证方法的有效性和泛化性 | 评估机器学习在自闭症谱系障碍神经生理数据分析中的应用效果和潜力 | 自闭症谱系障碍患者的脑电图和脑磁图数据 | 机器学习 | 自闭症谱系障碍 | 脑电图,脑磁图 | 支持向量机,深度学习 | 神经生理信号 | 39项研究(37项EEG研究,2项MEG研究) | NA | NA | 准确率 | NA |
| 9043 | 2025-10-06 |
Development of artificial intelligence powered apps and tools for clinical pharmacy services: A systematic review
2023-04, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2022.104983
PMID:36724730
|
系统综述 | 系统回顾分析人工智能在临床药学服务中的应用研究 | 首次系统梳理2000-2021年间AI在临床药学服务中的应用现状和发展趋势 | 仅纳入定量研究且需药剂师参与开发或使用AI工具，可能存在发表偏倚 | 识别和分析将人工智能应用于临床药学服务的定量研究 | 临床药学服务中使用的AI应用程序和工具 | 自然语言处理,机器学习 | NA | 机器学习,自然语言处理,深度学习 | NA | 电子病历 | 19项研究 | NA | NA | NA | NA |
| 9044 | 2025-10-06 |
Deep Learning for Detection of Periapical Radiolucent Lesions: A Systematic Review and Meta-analysis of Diagnostic Test Accuracy
2023-Mar, Journal of endodontics
IF:3.5Q1
DOI:10.1016/j.joen.2022.12.007
PMID:36563779
|
系统综述与荟萃分析 | 本研究通过系统综述和荟萃分析评估深度学习模型在检测牙科X线片中根尖周射线可透性病变方面的诊断准确性 | 首次对深度学习在根尖周病变检测中的诊断准确性进行系统评价和定量荟萃分析 | 大多数研究存在偏倚风险，缺乏前瞻性研究 | 比较深度学习模型与专家临床医生在检测根尖周射线可透性病变方面的诊断准确性 | 牙科X线片中的根尖周射线可透性病变 | 计算机视觉 | 牙科疾病 | 牙科影像学检查 | 深度学习模型 | 牙科X线影像 | 18项研究纳入系统综述，其中6项研究用于定量分析 | NA | NA | 敏感度,特异度,阳性似然比,阴性似然比,诊断比值比 | NA |
| 9045 | 2025-10-06 |
Data augmentation for medical imaging: A systematic literature review
2023-01, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2022.106391
PMID:36549032
|
系统文献综述 | 本文系统综述了医学影像领域数据增强策略的应用及其对临床任务性能的影响 | 首次对医学影像数据增强方法进行系统性综述，涵盖多个器官、模态和临床任务，分析超过300篇近期文献 | 综述性质文章，不包含原始实验验证 | 调查医学领域使用的数据增强策略及其对临床任务性能的影响 | 医学影像数据增强相关的研究文献 | 医学影像分析 | NA | 数据增强技术 | 深度神经网络 | 医学影像 | 300多篇文献（2018-2022年） | NA | NA | 分类、分割、病灶检测性能指标 | NA |
| 9046 | 2025-10-06 |
Diagnostic efficiency among Eu-/C-/ACR-TIRADS and S-Detect for thyroid nodules: a systematic review and network meta-analysis
2023, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2023.1227339
PMID:37720531
|
系统评价与网络荟萃分析 | 比较四种甲状腺超声风险分层系统（Eu-TIRADS、ACR TIRADS、C-TIRADS和S-Detect）对甲状腺结节的诊断效能 | 首次通过网络荟萃分析系统比较近五年提出的四种甲状腺超声风险分层系统的诊断性能 | 基于已发表研究的二次分析，受原始研究质量和异质性的限制 | 评估不同甲状腺超声风险分层系统对甲状腺癌的诊断性能 | 甲状腺结节患者 | 医学影像分析 | 甲状腺癌 | 超声成像 | 深度学习计算机辅助诊断系统 | 超声图像 | 88项研究，共59,304个结节 | NA | S-Detect（基于深度学习的计算机辅助诊断系统） | 敏感度, 特异度, 诊断比值比, 曲线下面积 | NA |
| 9047 | 2025-10-06 |
Application of machine and deep learning algorithms in optical microscopic detection of Plasmodium: A malaria diagnostic tool for the future
2022-Dec, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2022.103198
PMID:36379305
|
综述 | 系统回顾机器学习与深度学习算法在光学显微镜检测疟原虫中的应用 | 首次系统分析CNN及其变体在显微镜疟疾诊断中的主导地位（41.9%）和99.23%的预测准确率 | 基于现有文献的系统回顾，未进行原始实验验证 | 通过自动化血涂片解读实现疟疾寄生虫的早期检测 | 疟疾寄生虫（主要为恶性疟原虫）的光学显微镜图像 | 计算机视觉 | 疟疾 | 光学显微镜检测 | CNN, 深度学习 | 显微镜图像 | NA | NA | CNN及其变体 | 准确率 | NA |
| 9048 | 2025-10-06 |
The applications of machine learning in HIV neutralizing antibodies research-A systematic review
2022-12, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2022.102429
PMID:36462896
|
系统综述 | 系统回顾机器学习在HIV中和抗体研究中的应用 | 首次系统性地总结机器学习在HIV中和抗体研究中的多种应用场景和方法论 | 仅基于Web of Science和PubMed数据库的文献，可能存在发表偏倚 | 探索机器学习在HIV中和抗体研究中的应用现状和发展趋势 | HIV中和抗体相关研究文献 | 机器学习 | HIV/AIDS | 机器学习算法 | 监督学习,无监督学习,生成模型 | 生物数据 | 过去十年相关研究文献 | NA | NA | NA | NA |
| 9049 | 2025-10-06 |
Deep Learning Prediction of Pathologic Complete Response in Breast Cancer Using MRI and Other Clinical Data: A Systematic Review
2022-11-21, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography8060232
PMID:36412691
|
系统综述 | 本文系统综述了使用深度学习技术基于乳腺MRI图像和其他临床数据预测乳腺癌新辅助化疗后病理完全缓解的研究 | 专注于深度学习在无需肿瘤分割标注的完整乳腺MRI图像上预测pCR的系统综述，填补了该领域综述文献的空白 | 仅关注深度学习方法，排除了传统监督机器学习研究 | 系统评估深度学习在预测乳腺癌新辅助化疗病理完全缓解中的应用 | 乳腺癌患者 | 医学影像分析 | 乳腺癌 | MRI成像 | CNN | 医学图像, 临床数据 | NA | NA | NA | NA | NA |
| 9050 | 2025-10-06 |
Machine Learning for Industry 4.0: A Systematic Review Using Deep Learning-Based Topic Modelling
2022-Nov-09, Sensors (Basel, Switzerland)
DOI:10.3390/s22228641
PMID:36433236
|
系统综述 | 使用基于深度学习的主题建模方法对工业4.0领域的机器学习研究进行系统性综述 | 采用BERTopic主题建模技术分析45,783篇相关论文，并结合17份行业白皮书进行学术与产业视角的对比分析 | 仅基于Scopus和Web of Science数据库的文献，未涵盖所有相关研究 | 明确机器学习在工业4.0领域的应用现状和研究热点 | 工业4.0相关学术文献和行业白皮书 | 机器学习 | NA | 主题建模 | 深度学习 | 文本 | 45,783篇学术论文和17份行业白皮书 | BERTopic | BERT | 主题分析 | NA |
| 9051 | 2025-10-06 |
Semantic Terrain Segmentation in the Navigation Vision of Planetary Rovers-A Systematic Literature Review
2022-Nov-01, Sensors (Basel, Switzerland)
DOI:10.3390/s22218393
PMID:36366089
|
系统文献综述 | 对行星漫游车导航视觉中语义地形分割研究进行系统性文献综述 | 这是首个针对行星漫游车导航视觉中语义地形分割的系统性文献综述 | 未发现满足像素级分割、实时推理时间和机载硬件要求的解决方案，缺乏开放、像素级标注的真实世界数据集 | 分析行星漫游车导航视觉中语义地形分割的现有解决方案、可用数据和潜在研究空白 | 行星漫游车导航视觉中的语义地形分割研究 | 计算机视觉 | NA | NA | NA | 图像 | 30篇研究论文 | NA | NA | 准确率, 实时性能 | NA |
| 9052 | 2025-10-06 |
Applications of Computer Vision on Automatic Potato Plant Disease Detection: A Systematic Literature Review
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/7186687
PMID:36419507
|
系统文献综述 | 本文对基于计算机视觉的马铃薯植物病害自动检测方法进行了系统性文献综述 | 首次系统性地梳理了计算机视觉在马铃薯病害检测中的应用现状，并识别了该领域的开放研究问题 | 仅纳入了39项主要研究，可能存在文献覆盖不全的局限性 | 调查计算机视觉技术在马铃薯植物病害自动检测中的应用现状和方法 | 马铃薯植物及其病害 | 计算机视觉 | 植物病害 | 计算机视觉，机器学习 | 深度学习算法，经典机器学习算法 | 图像数据 | NA | NA | NA | NA | NA |
| 9053 | 2025-10-06 |
Deep learning for differential diagnosis of parotid tumors based on 2.5D magnetic resonance imaging
2025-Dec, Annals of medicine
IF:4.9Q1
DOI:10.1080/07853890.2025.2520401
PMID:40531801
|
研究论文 | 本研究开发了一种基于2.5D磁共振成像和深度学习模型的腮腺肿瘤良恶性鉴别方法 | 首次将2.5D成像方法（包含层间信息）与基于Transformer的迁移学习模型结合应用于腮腺肿瘤的鉴别诊断 | 回顾性研究，样本量较小（122例患者），缺乏外部验证 | 开发准确的腮腺肿瘤术前良恶性鉴别诊断方法以指导手术规划 | 腮腺肿瘤患者 | 医学影像分析 | 腮腺肿瘤 | 磁共振成像 | 深度学习, Transformer | 2D和2.5D磁共振图像, 临床特征 | 122例腮腺肿瘤患者 | NA | Transformer | AUC, 灵敏度, 混淆矩阵 | NA |
| 9054 | 2025-10-06 |
Optimized YOLOv8 for enhanced breast tumor segmentation in ultrasound imaging
2025-Jun-19, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-02889-2
PMID:40536560
|
研究论文 | 本研究探索使用优化的YOLOv8和深度学习模型改进乳腺超声图像分割性能 | 将YOLOv8目标检测算法应用于分割任务，并比较联合训练与按良恶性分类单独训练的策略 | 仅使用780张超声图像，样本量相对有限 | 提高乳腺肿瘤超声图像分割的准确性和效率 | 乳腺超声图像中的良性和恶性肿瘤 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 图像 | 780张超声图像（分为良性和恶性类别） | NA | UNet, DenseNet-121, VGG16, VGG19, YOLOv8 | Dice系数, IoU, mAP, F1-score | NA |
| 9055 | 2025-10-06 |
Deep learning detects retropharyngeal edema on MRI in patients with acute neck infections
2025-Jun-19, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-025-00599-6
PMID:40536731
|
研究论文 | 开发基于深度学习的算法，用于自动检测急性颈部感染患者MRI图像中的咽后水肿 | 提出基于弱标注数据且计算效率高的深度学习模型，在切片和患者两个层级实现咽后水肿的自动检测 | 模型性能仍需在更大样本和更多中心验证 | 开发自动检测急性颈部感染患者咽后水肿的深度学习算法 | 479例急性颈部感染患者的MRI图像 | 医学影像分析 | 急性颈部感染 | MRI, 轴向T2加权水相Dixon成像 | CNN | 医学影像 | 479例患者（244例RPE阳性，235例RPE阴性） | NA | 自定义CNN, InceptionV3 | 准确率, 敏感度, 特异度, AUROC | NA |
| 9056 | 2025-10-06 |
Three-dimensional multimodal imaging for predicting early recurrence of hepatocellular carcinoma after surgical resection
2025-Jun-16, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.06.031
PMID:40533057
|
研究论文 | 本研究构建了一个多模态模型来预测肝细胞癌手术切除后的早期复发 | 整合了放射组学和深度学习模型，并探索了与肿瘤复发相关的生物学机制 | 样本量相对有限，仅包含519例患者 | 预测肝细胞癌手术切除后的早期复发 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 对比增强计算机断层扫描，基因集富集分析，多重免疫组织化学 | 深度学习，放射组学 | 医学影像 | 519例患者（训练队列433例，验证队列86例） | NA | 多模态模型（MM-RDLM） | AUC，风险比，P值 | NA |
| 9057 | 2025-10-06 |
Identifying Retinal Features Using a Self-Configuring CNN for Clinical Intervention
2025-Jun-02, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.66.6.55
PMID:40525921
|
研究论文 | 本研究通过构建OCTAVE视网膜OCT数据集并训练自配置nnU-Net模型，实现了对视网膜结构和病理特征的精确分割 | 提供了首个包含高质量像素级标注的3D OCT数据集OCTAVE，并为四个公共数据集提供标注，解决了视网膜AI诊断工具开发中数据稀缺的问题 | 数据集规模相对有限（198个训练OCT体积），且未提及模型在更广泛人群中的验证效果 | 开发基于人工智能的视网膜疾病诊断和分割工具 | 视网膜解剖结构和病理特征 | 数字病理 | 视网膜疾病 | 光学相干断层扫描（OCT） | CNN | 3D医学图像 | 198个OCT体积（3762个B扫描）用于训练，221个OCT体积（4109个B扫描）用于外部验证 | nnU-Net | U-Net | NA | NA |
| 9058 | 2025-10-06 |
Automated assessment of simulated laparoscopic surgical skill performance using deep learning
2025-Apr-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96336-5
PMID:40253514
|
研究论文 | 本研究利用深度学习技术自动评估模拟腹腔镜手术技能表现 | 引入了专门设计的模拟腹腔镜手术性能数据集(LSPD)，并采用弱监督3DCNN方法进行外科医生经验水平分类 | 基于模拟环境而非真实手术场景，数据集规模可能有限 | 开发自动化手术技能评估系统以减少对人工专家评估的依赖 | 不同经验水平外科医生(新手、学员、专家)的模拟腹腔镜手术表现 | 计算机视觉 | NA | 深度学习，计算机视觉 | 3DCNN | 手术模拟视频 | 包含新手、学员和专家三个技能水平的外科医生样本 | NA | 3D卷积神经网络 | F1分数，AUC | NA |
| 9059 | 2025-10-06 |
Computational Pathology Detection of Hypoxia-Induced Morphologic Changes in Breast Cancer
2025-Apr, The American journal of pathology
DOI:10.1016/j.ajpath.2024.10.023
PMID:39732389
|
研究论文 | 本研究开发了一种基于人工智能的计算病理学方法，用于检测乳腺癌中缺氧诱导的形态学变化 | 首次将弱监督深度学习模型应用于常规H&E染色全切片图像，无需额外基因表达检测即可评估肿瘤缺氧状态 | 研究样本仅来自单一数据库(TCGA)，且仅针对乳腺癌类型 | 开发计算病理学方法检测乳腺癌缺氧微环境 | 乳腺癌原发部位组织样本 | 计算病理学 | 乳腺癌 | H&E染色全切片成像 | 深度学习 | 全切片图像 | 1016个乳腺癌原发部位样本 | NA | HypOxNet | AUC | NA |
| 9060 | 2025-10-06 |
Artificial intelligence and machine learning heuristics for discovery of ncRNAs
2025, Progress in molecular biology and translational science
DOI:10.1016/bs.pmbts.2025.01.002
PMID:40543913
|
综述 | 本章探讨人工智能和机器学习在长链非编码RNA研究中的应用 | 详细介绍了深度学习流程用于lncRNA结合蛋白功能注释，并强调计算预测与实验验证的整合 | 面临数据集准备、模型设计和可用性方面的挑战 | 预测lncRNA功能、识别疾病关联和注释蛋白质相互作用 | 长链非编码RNA及其结合蛋白 | 生物信息学 | NA | 机器学习、深度学习 | RNN, CNN, Transformer | 分子生物学数据 | NA | NA | 循环神经网络, 卷积神经网络, 基于Transformer的模型 | NA | NA |