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 9061 - 9080 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9061 | 2025-06-06 |
ML-Driven Alzheimer's disease prediction: A deep ensemble modeling approach
2025-Jun, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2025.100298
PMID:40389063
|
research paper | 该研究提出了一种结合五种深度学习架构的集成学习框架，用于提高阿尔茨海默病诊断的准确性 | 使用五种深度学习架构（VGG16、VGG19、ResNet50、InceptionV3和EfficientNetB7）的集成学习框架，显著提高了诊断准确性 | 研究主要基于伊拉克专科诊所的数据，可能在其他地区或人群中的适用性有待验证 | 提高阿尔茨海默病的早期和准确检测 | MRI脑扫描图像 | digital pathology | geriatric disease | deep learning | ensemble model (VGG16, VGG19, ResNet50, InceptionV3, EfficientNetB7) | image | 3,714 MRI脑扫描图像（834 NonDemented, 1,824 MildDemented, 1,056 VeryDemented） | NA | NA | NA | NA |
| 9062 | 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 |
| 9063 | 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 |
| 9064 | 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 |
| 9065 | 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 |
| 9066 | 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 |
| 9067 | 2025-06-06 |
Near-zero photon bioimaging by fusing deep learning and ultralow-light microscopy
2025-May-27, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2412261122
PMID:40388622
|
研究论文 | 本文介绍了一种结合深度学习和超低光显微镜的近零光子生物成像方法，能够在极低光照条件下高保真地重建生物图像 | 提出了一种在kHz速率和比标准显微镜低10,000倍辐照度下操作的近零光子生物成像方法，结合了精心设计的显微镜和AI技术 | NA | 通过减少样本辐照度来增强光学显微镜的可靠性和可重复性 | 多细胞和亚细胞特征的结构 | 生物成像 | NA | 超低光显微镜和深度学习 | AI（未指定具体模型） | 图像 | NA | NA | NA | NA | NA |
| 9068 | 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 |
| 9069 | 2025-05-03 |
Deep Learning Radiopathomics for Predicting Tumor Vasculature and Prognosis in Hepatocellular Carcinoma
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.250141
PMID:40314587
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9070 | 2025-06-06 |
Anatomy-derived 3D Aortic Hemodynamics Using Fluid Physics-informed Deep Learning
2025-May, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240714
PMID:40326877
|
research paper | 研究使用流体物理信息深度学习方法（FPI-CycleGAN）从解剖输入中量化主动脉血流动力学，作为4D流MRI的替代方案 | 提出了一种生成式人工智能方法（FPI-CycleGAN），能够直接从解剖输入中预测主动脉血流动力学，显著减少计算时间 | 研究依赖于回顾性数据，且需要进一步验证在更广泛人群中的适用性 | 评估FPI-CycleGAN在量化主动脉血流动力学中的可行性和准确性 | 主动脉血流动力学 | digital pathology | cardiovascular disease | 4D flow MRI, FPI-CycleGAN | CycleGAN | 3D segmentation, MRI | 1765名患者（其中1242名BAV患者和523名TAV患者） | NA | NA | NA | NA |
| 9071 | 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 |
| 9072 | 2025-06-06 |
Quantitative dynamics of neural uncertainty in sensory processing and decision-making during discriminative learning
2025-May, Experimental & molecular medicine
DOI:10.1038/s12276-025-01456-7
PMID:40335633
|
研究论文 | 本研究使用深度学习方法量化了初级体感皮层前肢区（fS1）在振动频率辨别任务中的神经不确定性 | 引入了一种transformer模型，用于解码随时间不一致跟踪的神经数据，揭示了fS1在振动刺激和决策过程中编码不确定性的关键作用 | 研究仅关注fS1区域，未涉及其他可能参与不确定性处理的大脑区域 | 探究感觉皮层中神经不确定性的定量表征及其在辨别学习中的作用 | 初级体感皮层前肢区（fS1）的神经活动 | 神经科学 | NA | 深度学习 | transformer | 神经活动数据 | NA | NA | NA | NA | NA |
| 9073 | 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 |
| 9074 | 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 |
| 9075 | 2025-06-06 |
Artificial intelligence to predict treatment response in rheumatoid arthritis and spondyloarthritis: a scoping review
2025-04-07, Rheumatology international
IF:3.2Q2
DOI:10.1007/s00296-025-05825-3
PMID:40192881
|
综述 | 本文综述了人工智能在预测类风湿性关节炎和脊柱关节炎治疗反应中的应用类型和方法 | 总结了AI技术在预测类风湿性关节炎和脊柱关节炎治疗反应中的多种应用，包括监督学习、无监督聚类和深度学习等方法 | 方法学异质性限制了结果的普遍适用性，且存在数据整合和外部验证的挑战 | 分析人工智能技术在预测类风湿性关节炎和脊柱关节炎治疗反应中的应用 | 类风湿性关节炎(RA)和脊柱关节炎(SpA)患者 | 数字病理学 | 类风湿性关节炎, 脊柱关节炎 | 监督机器学习(如随机森林、支持向量机)、无监督聚类、深度学习 | 随机森林, 支持向量机, 深度学习模型 | 电子医疗记录、临床生物标志物、遗传和蛋白质组数据、影像数据 | 89项研究(74项关于RA，7项关于SpA，4项关于银屑病关节炎，4项混合研究) | NA | NA | NA | NA |
| 9076 | 2025-06-06 |
Utilising artificial intelligence in developing education of health sciences higher education: An umbrella review of reviews
2025-Apr, Nurse education today
IF:3.6Q1
DOI:10.1016/j.nedt.2025.106600
PMID:39904286
|
综述的综述 | 本文通过综述的综述方法，综合了当前关于人工智能在健康科学教育中应用的证据 | 识别了人工智能在健康科学教育中的五个关键领域，并强调了其潜在应用和需要进一步投资的方面 | 仅分析了2019年至2023年间发表的七篇综述，可能无法涵盖所有相关研究 | 综合当前关于人工智能在健康科学教育中应用的证据 | 健康科学高等教育 | 教育技术 | NA | 机器人技术、机器学习和深度学习、大数据、沉浸式技术、自然语言处理 | NA | 文献数据 | 201篇综述 | NA | NA | NA | NA |
| 9077 | 2025-06-06 |
Harnessing Electronic Health Records and Artificial Intelligence for Enhanced Cardiovascular Risk Prediction: A Comprehensive Review
2025-Mar-18, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.124.036946
PMID:40079336
|
综述 | 本文综述了电子健康记录（EHR）与人工智能（AI）在心血管疾病（CVD）风险预测中的应用与挑战 | 整合EHR数据与AI技术，提升CVD风险预测的准确性和动态管理能力 | 数据质量、跨医疗系统标准化、地理差异性问题，以及AI模型的解释性和多样化人群验证需求 | 探讨EHR与AI在CVD风险预测中的进展与挑战，优化预测模型 | 心血管疾病（CVD）风险预测模型 | 医疗人工智能 | 心血管疾病 | AI深度学习 | 深度学习模型 | 电子健康记录（EHR）数据 | NA | NA | NA | NA | NA |
| 9078 | 2025-06-06 |
Deep learning in single-cell and spatial transcriptomics data analysis: advances and challenges from a data science perspective
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf136
PMID:40185158
|
review | 本文综述了深度学习在单细胞和空间转录组数据分析中的进展和挑战，并从数据科学的角度进行了系统评价 | 系统评价了先进的深度学习方法，并整理了21个数据集和58种计算方法进行性能评估，揭示了模型性能在不同数据集和评估指标上的显著差异 | 高质量注释数据集仍然有限，生物组织的复杂相关性使得准确重建细胞状态和空间环境具有挑战性 | 探讨深度学习如何有效应用于转录组数据分析，以提升预测准确性和生物学解释性 | 单细胞和空间转录组数据 | machine learning | NA | 单细胞测序、空间转录组学 | 深度学习 | 基因表达、表观遗传修饰、代谢物水平、空间位置等多模态数据 | 21个数据集来自九个基准测试 | NA | NA | NA | NA |
| 9079 | 2025-06-06 |
Randomized controlled trial of an artificial intelligence diagnostic system for the detection of esophageal squamous cell carcinoma in clinical practice
2025-Mar, Endoscopy
IF:11.5Q1
DOI:10.1055/a-2421-3194
PMID:39317205
|
研究论文 | 一项关于人工智能诊断系统在临床实践中检测食管鳞状细胞癌的随机对照试验 | 首次在临床环境中评估AI系统对食管鳞状细胞癌的检测效果，而非回顾性研究 | 未能证明AI诊断支持系统在提高食管癌检测率方面的显著改善 | 评估AI系统在临床实践中辅助内镜医师检测食管鳞状细胞癌的效果 | 高风险食管鳞状细胞癌患者 | 数字病理 | 食管鳞状细胞癌 | 白光成像（WLI）、窄带成像（NBI）、碘染色 | 深度学习系统 | 图像 | 320名患者 | NA | NA | NA | NA |
| 9080 | 2025-06-06 |
Artificial Intelligence in Temporal Bone Imaging: A Systematic Review
2025-Mar, The Laryngoscope
DOI:10.1002/lary.31809
PMID:39352072
|
系统综述 | 本文系统综述了人工智能在颞骨影像学中的应用现状 | 总结了AI在颞骨影像学中的潜在作用，包括提高诊断准确性和效率 | 现有研究存在异质性和质量不一的问题，需要更标准化的方法学 | 探讨人工智能在颞骨影像学中的当前作用 | 颞骨影像学 | 医学影像分析 | 颞骨相关疾病 | CT影像 | CNN | 影像数据 | 72项研究 | NA | NA | NA | NA |