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 32939 篇文献，本页显示第 9181 - 9200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9181 | 2025-10-06 |
MMRNet: Ensemble deep learning models for predicting mismatch repair deficiency in endometrial cancer from histopathological images
2025-May-20, Cell reports. Medicine
DOI:10.1016/j.xcrm.2025.102099
PMID:40306276
|
研究论文 | 开发用于从子宫内膜癌组织病理图像预测错配修复缺陷的集成深度学习模型 | 提出MMRNet深度学习模型，首次实现从H&E染色全切片图像直接预测子宫内膜癌的错配修复缺陷状态 | NA | 开发可负担且易获取的工具来检测子宫内膜癌患者的错配修复状态 | 子宫内膜癌患者的组织病理学全切片图像 | 数字病理学 | 子宫内膜癌 | H&E染色 | CNN | 图像 | NA | NA | MMRNet | AUROC, 敏感度, 特异度 | NA |
| 9182 | 2025-06-12 |
On the use of deep learning for computer-generated holography
2025-May-16, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112507
PMID:40491959
|
review | 本文综述了深度学习在计算机生成全息术（CGH）中的应用及其最新进展 | 探讨了深度学习如何推动高质量和实时全息显示的发展，并介绍了数据驱动模型、物理驱动模型和联合优化模型等前沿研究方向 | NA | 回顾深度学习在计算机生成全息术中的应用及其发展 | 计算机生成全息术（CGH）和深度学习 | computer vision | NA | NA | data-driven models, physics-driven models, jointly optimized models | NA | NA | NA | NA | NA | NA |
| 9183 | 2025-06-12 |
Consecutive low-frequency shifts in A/T content denote nucleosome positions across microeukaryotes
2025-May-16, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112472
PMID:40491964
|
research paper | 通过分析1117个微型真核生物基因组中的DNA特征，发现与核小体组织相关的≈150bp A/T含量变化，并构建深度学习模型改进核小体占据预测 | 发现真核生物中普遍存在的核小体有利DNA生成策略，并利用深度学习模型预测核小体占据 | 研究主要基于微型真核生物基因组，可能不适用于所有真核生物 | 探索核小体位置与DNA特征之间的关系，改进核小体占据预测 | 1117个微型真核生物基因组 | 基因组学 | NA | 深度学习 | DL | 基因组数据 | 1117个微型真核生物基因组 | NA | NA | NA | NA |
| 9184 | 2025-10-06 |
Automated grading and staging of ovarian cancer using deep learning on the transmission optical microscopy bright-field images of thin biopsy tissue samples
2025-May-15, ArXiv
PMID:40463694
|
研究论文 | 本研究开发了一种基于深度学习的自动化系统，用于对卵巢癌活检组织样本进行分级和分期 | 首次将迁移学习与ResNet-101结合应用于卵巢癌组织病理图像的分期预测，并采用遗传算法进行超参数优化 | 研究仅限于特定类型的卵巢癌组织样本，未涉及其他癌症类型或更广泛的临床验证 | 开发自动化卵巢癌分级分期系统以减少人工诊断时间和观察者间差异 | 卵巢癌活检组织薄切片的透射光学显微镜明场图像 | 数字病理学 | 卵巢癌 | 组织病理学成像 | CNN | 图像 | NA | NA | ResNet-101 | 准确率 | NA |
| 9185 | 2025-06-12 |
Research status and progress of deep learning in automatic esophageal cancer detection
2025-May-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v17.i5.104410
PMID:40487951
|
综述 | 本文全面探讨了深度学习在食管癌医学影像自动检测中的研究进展和应用前景 | 总结了深度学习在食管癌筛查和诊断中的临床价值，并指出了未来研究方向 | 需要解决高质量数据集构建、多模态特征融合和人工智能-临床工作流程优化等关键挑战 | 促进深度学习技术在食管癌管理中的临床应用，改善患者预后 | 食管癌医学影像 | 数字病理学 | 食管癌 | 深度学习 | CNN | 医学影像（包括数字病理、内窥镜、CT等） | NA | NA | NA | NA | NA |
| 9186 | 2025-06-12 |
Research status and trends of deep learning in colorectal cancer (2011-2023): Bibliometric analysis and visualization
2025-May-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v17.i5.103667
PMID:40487952
|
文献计量分析 | 通过文献计量学方法分析2011年至2023年间深度学习在结直肠癌领域的研究现状和发展趋势 | 首次对深度学习在结直肠癌领域的研究热点和趋势进行文献计量分析，并预测未来研究方向 | 仅基于Web of Science核心合集的数据，可能未涵盖所有相关研究 | 分析深度学习在结直肠癌领域的应用现状和发展趋势 | 结直肠癌相关研究文献 | 数字病理学 | 结直肠癌 | 文献计量分析 | NA | 文献数据 | 1275篇出版物，来自74个国家和2267个机构 | NA | NA | NA | NA |
| 9187 | 2025-06-12 |
Computed tomography-based deep learning radiomics model for preoperative prediction of tumor immune microenvironment in colorectal cancer
2025-May-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v17.i5.106103
PMID:40487956
|
research paper | 该研究开发了一种基于CT的深度学习放射组学模型，用于术前预测结直肠癌肿瘤免疫微环境的关键生物标志物 | 首次提出使用非侵入性的CT图像结合深度学习模型预测肿瘤免疫微环境，避免了传统侵入性活检的局限性 | 研究为回顾性设计，样本量相对有限（315例），需要前瞻性研究进一步验证 | 开发非侵入性方法评估结直肠癌患者的肿瘤免疫微环境成分 | 315例经病理确诊的结直肠癌患者的术前CT图像 | digital pathology | colorectal cancer | CT成像 | DenseNet-121/169 | image | 315例结直肠癌患者（训练队列220例，验证队列95例） | NA | NA | NA | NA |
| 9188 | 2025-06-12 |
Predicting gastric cancer survival using machine learning: A systematic review
2025-May-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v17.i5.103804
PMID:40487963
|
系统综述 | 本文系统评估了机器学习在预测胃癌患者生存率中的应用及其局限性 | 总结了机器学习模型在胃癌生存预测中的最新应用，并指出了当前方法的局限性 | 回顾性研究数据依赖性强，模型可解释性不足 | 评估机器学习在预测胃癌生存率中的应用并指出当前方法的局限性 | 胃癌患者的生存率预测 | 机器学习 | 胃癌 | 机器学习 | 深度学习, 随机森林, 支持向量机, 集成方法 | 临床数据 | 134至14177名患者 | NA | NA | NA | NA |
| 9189 | 2025-06-12 |
Three-Dimensional Reconstruction of Serial Block-Face Scanning Electron Microscopy Using Semantic Segmentation based on Semi-Supervised Deep Learning
2025-May-09, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada
IF:2.9Q1
DOI:10.1093/mam/ozaf047
PMID:40497462
|
研究论文 | 本研究提出了一种基于半监督深度学习的语义分割方法，用于三维重建连续块面扫描电子显微镜（SBF-SEM）图像 | 采用半监督学习方法结合分割插值技术，减少手动标注成本，同时保持高分割精度 | 方法在稀疏标注数据上表现良好，但在极端复杂结构上的分割精度可能受限 | 开发高效准确的SBF-SEM图像分割方法，实现复杂细胞器的三维重建 | 小鼠脑细胞和倒置图像 | 数字病理 | NA | 连续块面扫描电子显微镜（SBF-SEM） | 深度神经网络（具体架构未说明） | 电子显微镜图像 | 未明确说明样本数量，但包含小鼠脑细胞和倒置图像两类数据 | NA | NA | NA | NA |
| 9190 | 2025-10-06 |
In silico analysis of soybean-derived umami peptides: Discovery and interaction mechanisms with T1R1/T1R3 receptor
2025-May, Food chemistry: X
DOI:10.1016/j.fochx.2025.102544
PMID:40486061
|
研究论文 | 通过计算分析方法从大豆蛋白中筛选鉴定与鲜味受体T1R1/T1R3结合的鲜味肽 | 整合深度学习预测、分子对接和分子动力学模拟等多种计算方法系统研究大豆源鲜味肽 | 研究主要基于计算机模拟，实验验证相对有限 | 开发天然鲜味增强剂并探索鲜味肽与受体的相互作用机制 | 大豆蛋白衍生的二肽至六肽 | 计算生物学 | NA | 虚拟酶解、分子对接、分子动力学模拟、电子舌实验、感官评价 | 深度学习 | 肽序列数据 | 629个肽段（从43个非毒性肽中筛选出17个潜在鲜味肽） | NA | NA | 结合稳定性、感官评价评分 | NA |
| 9191 | 2025-10-06 |
A review of recent artificial intelligence for traditional medicine
2025-May, Journal of traditional and complementary medicine
IF:3.3Q1
DOI:10.1016/j.jtcme.2025.02.009
PMID:40486280
|
综述 | 本文综述人工智能在传统医学领域的最新应用进展 | 从人工智能技术和传统医学应用双重视角系统梳理AITM研究前沿 | 作为综述文章未开展原创性实验验证 | 促进人工智能与传统医学领域的跨学科合作与创新 | 传统医学诊断流程与研究方向 | 自然语言处理, 机器学习 | NA | 机器学习, 深度学习, 大语言模型 | NA | NA | NA | NA | NA | NA | NA |
| 9192 | 2025-10-06 |
KARNet: A Novel Deep-Learning Approach for Dementia Stage Detection in MRI Images
2025-May, Cureus
DOI:10.7759/cureus.83548
PMID:40486321
|
研究论文 | 提出一种名为KARNet的新型深度学习框架，用于从MRI图像中检测痴呆症阶段 | 首次将Kolmogorov-Arnold网络架构与改进的ResNet-18和主成分分析相结合用于痴呆症分期 | NA | 开发一种准确检测和分期痴呆症的深度学习模型 | 痴呆症患者的MRI图像 | 计算机视觉 | 老年疾病 | 磁共振成像 | CNN, KAN | 图像 | 阿尔茨海默病神经影像倡议数据集 | NA | ResNet-18, KAN | 准确率 | NA |
| 9193 | 2025-10-06 |
Using deep learning to predict postoperative pain in reverse shoulder arthroplasty patients
2025-May, JSES international
DOI:10.1016/j.jseint.2024.11.020
PMID:40486767
|
研究论文 | 本研究开发了一种深度学习算法，用于预测反向全肩关节置换术后的术后疼痛 | 首次将深度学习应用于肩关节置换术后疼痛预测，并识别出影响术后疼痛的关键临床因素 | 模型性能仍需提升，需要纳入更多预测参数并考虑其他机器学习算法 | 开发预测反向全肩关节置换术后疼痛的深度学习算法 | 接受反向全肩关节置换术的患者 | 机器学习 | 骨科疾病 | 人工神经网络 | 人工神经网络 | 临床数据 | 1707名患者（疼痛组705人，无疼痛组1002人） | NA | 人工神经网络 | 准确率, 精确率, 召回率, F1分数 | NA |
| 9194 | 2025-10-06 |
The reliability of deep learning models in assessing the shoulder arthroscopic field's visual clarity in relation to bleeding
2025-May, JSES international
DOI:10.1016/j.jseint.2025.02.003
PMID:40486805
|
研究论文 | 本研究开发深度学习模型用于评估肩关节镜手术视野清晰度，并与人工评估进行可靠性对比 | 首次将多种深度学习模型应用于肩关节镜视野清晰度分类，并系统评估其与人工评估的一致性 | 研究为回顾性设计，样本量相对有限，仅包含113例肩关节镜手术 | 开发可靠的深度学习模型客观评估肩关节镜手术视野清晰度 | 肩关节镜手术视频和图像 | 计算机视觉 | 骨科疾病 | 深度学习，迁移学习 | CNN, Transformer | 图像，视频 | 113例肩关节镜手术（63例训练集，50例测试集），共3750张图像 | TensorFlow, PyTorch | DenseNet169, DenseNet201, Xception, InceptionResNetV2, VGG16, ViT | 准确率，一致性百分比，加权kappa系数，组内相关系数，偏差，一致性界限 | NA |
| 9195 | 2025-10-06 |
Multiparametric MR Urography: State of the Art
2025-04, Radiographics : a review publication of the Radiological Society of North America, Inc
IF:5.2Q1
DOI:10.1148/rg.240151
PMID:40080439
|
综述 | 本文全面介绍了多参数MR尿路成像技术的最新进展及其临床应用 | 系统总结了MR尿路成像作为CT尿路成像替代方案的技术优势，特别强调了在特定患者群体中的首选地位 | 未提供具体临床研究数据支持技术比较结论 | 探讨MR尿路成像技术现状及其在泌尿系统疾病诊断中的应用价值 | 肾脏、肾盂肾盏系统、输尿管和膀胱的成像评估 | 医学影像 | 泌尿系统疾病 | 静态液体T2加权成像、钆增强尿路上皮和排泄期成像、动态对比增强MRI、弥散加权成像 | NA | 医学影像数据 | NA | NA | NA | 对比分辨率、组织特征、诊断准确性 | NA |
| 9196 | 2025-10-06 |
Artificial intelligence demonstrates potential to enhance orthopaedic imaging across multiple modalities: A systematic review
2025-Apr, Journal of experimental orthopaedics
IF:2.0Q2
DOI:10.1002/jeo2.70259
PMID:40337671
|
系统综述 | 本系统综述评估人工智能在骨科影像学中的应用效果和可靠性，重点关注其对诊断准确性、图像分割和操作效率的影响 | 首次系统比较不同AI模型在多种骨科影像模态中的临床效能和实用性 | 缺乏全面的统计分析和随机对照试验，需要进一步临床验证 | 评估人工智能在骨科影像学中的有效性和可靠性 | 骨科影像学数据和研究文献 | 医学影像分析 | 骨科疾病 | 系统文献综述方法 | CNN, 机器学习模型 | 医学影像 | 53项研究，包含11,990,643张影像 | NA | 卷积神经网络 | Dice相似系数, 准确率, 灵敏度, 精确率, 特异性, F1分数, AUC | NA |
| 9197 | 2025-10-06 |
Deep Learning-Based ASPECTS Algorithm Enhances Reader Performance and Reduces Interpretation Time
2025-Mar-04, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8491
PMID:39255988
|
研究论文 | 本研究评估基于深度学习的ASPECTS算法在急性缺血性卒中诊断中对医生性能和解读时间的影响 | 开发了首个FDA批准和CE认证的深度学习算法(CINA-ASPECTS)，可自动计算ASPECTS评分并显著提升诊断一致性 | 研究为回顾性设计，样本量相对有限(200例NCCT扫描)，仅涉及8名临床医生 | 评估深度学习算法在急性缺血性卒中ASPECTS评分中对医生诊断性能和效率的提升效果 | 急性缺血性卒中患者的非增强CT(NCCT)扫描图像 | 医学影像分析 | 急性缺血性卒中 | 非增强CT(NCCT)扫描，深度学习算法 | 深度学习模型 | 医学影像数据 | 200例NCCT扫描，来自5个临床中心的27种扫描仪型号 | NA | NA | 准确率, ROC曲线下面积(AUC), 观察者间可靠性, 相关系数, 解读时间 | NA |
| 9198 | 2025-10-06 |
Segment Anything for Microscopy
2025-Mar, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02580-4
PMID:39939717
|
研究论文 | 开发基于Segment Anything的显微镜图像分割工具μSAM，通过微调通用模型提升多种显微镜成像条件下的分割质量 | 首次将视觉基础模型应用于显微镜领域，通过微调策略显著提升分割性能，并提供跨显微镜模态的统一解决方案 | NA | 解决显微镜图像中目标分割的准确性问题，开发通用分割工具 | 显微镜图像中的目标分割与追踪 | 计算机视觉 | NA | 光学显微镜，电子显微镜 | 基础视觉模型 | 显微镜图像 | NA | NA | Segment Anything | 分割质量 | NA |
| 9199 | 2025-10-06 |
Challenges and solutions of deep learning-based automated liver segmentation: A systematic review
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109459
PMID:39642700
|
系统综述 | 系统分析基于深度学习的自动化肝脏分割面临的挑战及解决方案 | 首次将肝脏分割挑战系统分类为五大类别并对应分析解决方案 | 仅纳入2016-2022年Scopus和ScienceDirect数据库的88篇文献 | 分析肝脏分割技术面临的挑战及相应的网络模型改进方法 | 医学影像中的肝脏分割 | 数字病理 | 肝脏疾病 | 医学影像技术 | 深度学习模型 | 医学影像 | 88篇研究文献 | NA | NA | 评估指标 | NA |
| 9200 | 2025-10-06 |
Deep Learning techniques to detect and analysis of multiple sclerosis through MRI: A systematic literature review
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109530
PMID:39693692
|
系统文献综述 | 本文系统综述了基于深度学习的MRI多发性硬化检测与分析方法 | 首次系统性地总结和比较了深度学习在多发性硬化MRI分析中的应用现状 | 仅纳入82篇相关研究，可能存在文献选择偏差 | 系统评估深度学习技术在多发性硬化MRI检测与分析中的应用效果 | 多发性硬化患者的MRI医学影像数据 | 医学影像分析 | 多发性硬化 | 磁共振成像 | CNN | 医学影像 | 基于82项研究的汇总数据 | NA | NA | NA | NA |