深度学习在生物医药领域中的应用
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，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10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 26514 篇文献，本页显示第 81 - 100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2025-06-15 |
A deep learning-based clinical-radiomics model predicting the treatment response of immune checkpoint inhibitors (ICIs)-based conversion therapy in potentially convertible hepatocelluar carcinoma patients: a tumor marker prognostic study
2025-May-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002322
PMID:40085751
|
research paper | 开发了一种基于深度学习的临床放射组学模型，用于预测潜在可转化肝细胞癌患者对免疫检查点抑制剂治疗的持续临床获益 | 结合放射组学特征、深度学习评分和临床变量构建集成模型，预测治疗反应并揭示与免疫相关机制的关联 | 模型在测试集中的预测准确性略低于训练集，可能存在过拟合风险 | 预测潜在可转化肝细胞癌患者对免疫检查点抑制剂治疗的持续临床获益 | 潜在可转化的肝细胞癌患者 | digital pathology | hepatocellular carcinoma | CT-based radiomics, bulk RNA and DNA sequencing | deep learning models, machine learning models | image, genomic data | 训练集和测试集的样本数量未明确说明 |
| 82 | 2025-06-15 |
Automatic Quantification of Serial PET/CT Images for Pediatric Hodgkin Lymphoma Using a Longitudinally Aware Segmentation Network
2025-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.240229
PMID:39969278
|
research paper | 开发了一种纵向感知分割网络（LAS-Net），用于量化儿童霍奇金淋巴瘤患者的系列PET/CT图像 | LAS-Net引入了纵向交叉注意力机制，允许PET1的相关特征为PET2的分析提供信息 | 外部测试队列的性能略有下降 | 量化儿童霍奇金淋巴瘤患者的系列PET/CT图像 | 儿童霍奇金淋巴瘤患者 | digital pathology | Hodgkin lymphoma | PET/CT | CNN | image | 297名儿童患者（内部数据集200名，外部测试数据集97名） |
| 83 | 2025-06-15 |
Predicting Respiratory Disease Mortality Risk Using Open-Source AI on Chest Radiographs in an Asian Health Screening Population
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.240628
PMID:40172326
|
research paper | 评估开源深度学习算法CXR-Lung-Risk在亚洲健康筛查人群中预测呼吸系统疾病死亡风险的预后价值 | 使用开源深度学习算法CXR-Lung-Risk对亚洲人群进行呼吸系统疾病死亡风险分层，并通过纵向分析探索风险轨迹 | 单中心回顾性研究，样本量虽大但仅来自一个中心，可能影响结果的普遍性 | 评估CXR-Lung-Risk算法在预测呼吸系统疾病死亡风险中的预后价值 | 亚洲健康筛查人群的胸部X光片 | digital pathology | lung cancer | deep learning | CXR-Lung-Risk | image | 36,924名个体（中位年龄58岁，22,352名男性） |
| 84 | 2025-06-15 |
Unsupervised Deep Learning for Blood-Brain Barrier Leakage Detection in Diffuse Glioma Using Dynamic Contrast-enhanced MRI
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.240507
PMID:40172325
|
研究论文 | 开发了一种无监督深度学习框架，用于在弥漫性胶质瘤中通过动态对比增强MRI检测血脑屏障泄漏，无需药代动力学模型和动脉输入函数估计 | 采用基于自动编码器的异常检测方法，通过重构残差识别一维体素级时间序列异常信号，并将其分为残余泄漏信号和残余血管信号 | 研究为回顾性研究，可能存在选择偏差 | 开发一种无需药代动力学模型和动脉输入函数估计的血脑屏障泄漏检测方法 | 弥漫性胶质瘤患者 | 数字病理学 | 胶质瘤 | 动态对比增强MRI | 自动编码器 | MRI图像 | 274名患者（平均年龄54.4岁±14.6，其中164名男性） |
| 85 | 2025-06-15 |
Predicting Major Adverse Cardiac Events Using Deep Learning-based Coronary Artery Disease Analysis at CT Angiography
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.240459
PMID:40202417
|
research paper | 评估基于深度学习的冠状动脉疾病分析在预测急诊科急性胸痛患者主要不良心脏事件中的价值 | 使用深度学习模型对冠状动脉疾病进行分类，并证明其在预测主要不良心脏事件方面优于临床风险因素 | 研究为回顾性多中心观察性研究，可能存在选择偏倚 | 评估深度学习在冠状动脉疾病分析中的预测价值 | 急性胸痛患者 | digital pathology | cardiovascular disease | CT angiography (CCTA) | DL model | image | 408名患者（224名男性；平均年龄59.4岁±14.6） |
| 86 | 2025-06-15 |
Adaptive Dual-Task Deep Learning for Automated Thyroid Cancer Triaging at Screening US
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.240271
PMID:40202416
|
研究论文 | 开发了一种自适应双任务深度学习模型（ThyNet-S），用于在超声筛查中检测和分类甲状腺病变 | 通过动态整合像素级特征分析和深度语义特征分析，实现了甲状腺病变的自动检测和分类，并优化了临床决策 | 研究为回顾性研究，可能受到数据选择和时间的限制 | 提高甲状腺癌筛查的效率和准确性 | 甲状腺超声图像 | 数字病理 | 甲状腺癌 | 超声筛查 | 自适应双任务深度学习模型（ThyNet-S） | 图像 | 35,008张甲状腺超声图像，来自23,294次检查 |
| 87 | 2025-04-18 |
Beyond Double Reading: Multiple Deep Learning Models Enhancing Radiologist-led Breast Screening
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.250125
PMID:40237597
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 88 | 2025-06-15 |
Deep Anatomical Federated Network (Dafne): An Open Client-Server Framework for Continuous, Collaborative Improvement of Deep Learning-based Medical Image Segmentation
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.240097
PMID:40237599
|
research paper | 介绍并评估了Dafne，一个免费可用的去中心化协作深度学习系统，用于通过联邦增量学习对放射影像进行语义分割 | 提出了一个开放的客户端-服务器框架，支持持续协作改进基于深度学习的医学图像分割 | NA | 开发并评估一个去中心化的协作深度学习系统，用于提高放射影像的语义分割准确性 | 放射影像的语义分割 | digital pathology | NA | federated incremental learning | deep learning | image | 38 MRI数据集和639个实际使用案例 |
| 89 | 2025-05-01 |
Predicting Mortality with Deep Learning: Are Metrics Alone Enough?
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.250224
PMID:40304577
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 90 | 2025-05-29 |
Pixels to Prognosis: Using Deep Learning to Rethink Cardiac Risk Prediction from CT Angiography
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.250260
PMID:40434277
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 91 | 2025-06-15 |
Gene expression inference based on graph neural networks using L1000 data
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf273
PMID:40505083
|
研究论文 | 本研究探讨了基于图神经网络（GNN）的基因表达推断方法，使用L1000数据，展示了其在预测基因表达值和基于表达的基因排序上的优越性 | 首次将图神经网络应用于基因表达推断，相比传统线性回归和非线性非GNN模型，GNN模型在减少10倍信息需求的同时达到可比性能 | 未明确提及具体的数据集规模限制或模型在特定生物环境下的适用性限制 | 探索非线性模型，特别是基于图结构的模型，在基因表达推断中的有效性 | 基因表达数据 | 生物信息学 | NA | L1000 | GNN | 基因表达数据 | 超过一百万种不同条件下的基因表达数据 |
| 92 | 2025-06-15 |
AI-Driven Advancements in Bioinformatics: Transforming Healthcare and Science
2025-May, Journal of pharmacy & bioallied sciences
DOI:10.4103/jpbs.jpbs_389_25
PMID:40511171
|
review | 本文回顾了AI在生物信息学中的关键应用及其对医疗实践和科学研究的潜在影响 | 探讨了AI在基因组和蛋白质结构预测、药物发现算法及诊断解决方案中的创新应用 | 存在数据质量、模型可解释性不明确及伦理问题等限制 | 评估AI在生物信息学中的基础方法及其在医疗和科学研究中的应用 | 基因组、蛋白质结构、药物发现算法和诊断解决方案 | 生物信息学 | NA | 机器学习、深度学习 | NA | 生物数据 | NA |
| 93 | 2025-06-15 |
Trade-offs between machine learning and deep learning for mental illness detection on social media
2025-Apr-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99167-6
PMID:40281061
|
research paper | 该研究比较了机器学习和深度学习模型在社交媒体文本数据上检测心理健康状况的性能和优缺点 | 系统地评估了多种ML和DL模型在心理健康分类任务上的表现，并提供了模型选择的实用建议 | 研究仅基于中等规模数据集，未探索超大规模数据下的模型表现差异 | 比较不同建模方法在心理健康状况分类任务上的性能差异 | 社交媒体上关于抑郁、焦虑和自杀意念的文本数据 | natural language processing | mental illness | text classification | logistic regression, random forest, LightGBM, ALBERT, GRU | text | 中等规模数据集（具体数量未提及） |
| 94 | 2025-06-15 |
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 | 引入了新收集的模拟腹腔镜手术性能数据集(LSPD)，并采用3DCNN和弱监督方法对手术经验水平进行分类 | 数据集局限于模拟手术环境，可能无法完全反映真实手术场景 | 通过AI技术自动评估手术技能表现，减少对人工专家评估的依赖 | 不同经验水平(新手、学员、专家)的外科医生在模拟腹腔镜手术中的表现 | 计算机视觉 | NA | 3DCNN | 3DCNN | 视频 | 包含不同技能水平(新手、学员、专家)的手术模拟视频数据集 |
| 95 | 2025-04-17 |
Multicenter Development and Validation of a Multimodal Deep Learning Model to Predict Moderate to Severe AKI
2025-Apr-15, Clinical journal of the American Society of Nephrology : CJASN
IF:8.5Q1
DOI:10.2215/CJN.0000000695
PMID:40232856
|
research paper | 开发并验证了一种结合结构化和非结构化数据的深度学习模型，用于预测中度至重度急性肾损伤 | 首次结合结构化数据和非结构化临床笔记信息，采用中间融合的深度学习循环神经网络架构来预测急性肾损伤 | 研究排除了入院时血清肌酐≥3.0mg/dL、48小时内需要透析等特定患者群体 | 开发能够早期预测中度至重度急性肾损伤的深度学习模型 | 成年住院患者（≥18岁） | digital pathology | acute kidney injury | deep learning, natural language processing | recurrent neural network (RNN) | structured clinical data and unstructured clinical notes | 424,579例住院患者（推导队列339,998例，验证队列84,581例） |
| 96 | 2025-06-15 |
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 | 本文系统评估了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 | 首次系统比较了不同AI模型在多种骨科影像模态中的临床效能和实用性 | 现有文献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AI在骨科影像学中的应用效果和可靠性 | 骨科影像学中的AI应用 | 医学影像分析 | 骨科疾病 | 机器学习 | CNN | 医学影像 | 11,990,643张来自多种诊断仪器的影像 |
| 97 | 2025-06-15 |
Applying Conformal Prediction to a Deep Learning Model for Intracranial Hemorrhage Detection to Improve Trustworthiness
2025-03, Radiology. Artificial intelligence
DOI:10.1148/ryai.240032
PMID:39601654
|
research paper | 该研究应用保形预测技术于深度学习模型，以提高颅内出血检测的可信度 | 使用Mondrian保形预测（MCP）增强深度学习模型，使其能够识别具有挑战性的病例 | 研究基于回顾性数据，样本量相对较小（491例CT扫描） | 提高深度学习模型在颅内出血检测中的可信度和准确性 | 非对比头部CT扫描图像 | digital pathology | intracranial hemorrhage | deep learning, Mondrian conformal prediction | CNN | CT图像 | 491例非对比头部CT扫描（来自146名患者） |
| 98 | 2025-06-15 |
NNFit: A Self-Supervised Deep Learning Method for Accelerated Quantification of High-Resolution Short-Echo-Time MR Spectroscopy Datasets
2025-03, Radiology. Artificial intelligence
DOI:10.1148/ryai.230579
PMID:39812584
|
research paper | 开发并评估了一种名为NNFit的自监督深度学习方法，用于加速高分辨率短回波时间MR光谱数据集的量化 | 提出了一种自监督深度学习方法NNFit，用于加速高分辨率短回波时间MR光谱数据集的量化，解决了传统光谱量化方法在临床工作流程中的计算瓶颈 | 研究为回顾性研究，样本量相对较小，且仅针对特定疾病（胶质母细胞瘤和重度抑郁症）进行了测试 | 开发一种快速、高效的光谱量化方法，以优化临床工作流程 | 高分辨率短回波时间MR光谱数据集 | 医学影像分析 | 胶质母细胞瘤, 重度抑郁症 | 短回波时间回波平面光谱成像（EPSI） | 自监督深度学习 | MR光谱数据 | 89次扫描（来自胶质母细胞瘤和重度抑郁症临床试验），训练数据集包含685,000个光谱（20名参与者，60次扫描），测试数据集包含260,000个光谱（12名参与者，29次扫描） |
| 99 | 2025-06-15 |
Post-Training Network Compression for 3D Medical Image Segmentation: Reducing Computational Efforts via Tucker Decomposition
2025-03, Radiology. Artificial intelligence
DOI:10.1148/ryai.240353
PMID:39812583
|
研究论文 | 本研究探讨了通过Tucker分解减少基于3D CT的多器官分割模型TotalSegmentator的计算量 | 首次将Tucker分解应用于医学图像分割模型的压缩，显著减少了模型参数和计算量，同时保持分割精度 | 不同GPU架构上的实际加速效果存在差异，在性能较低的硬件上加速效果更明显 | 降低医学图像分割模型的计算需求 | TotalSegmentator模型（基于nnU-Net的117个解剖结构自动分割模型） | 数字病理 | NA | Tucker分解 | nnU-Net | 3D CT图像 | 1228个分割CT扫描（训练集）+89个CT扫描（测试集） |
| 100 | 2025-06-15 |
A Serial MRI-based Deep Learning Model to Predict Survival in Patients with Locoregionally Advanced Nasopharyngeal Carcinoma
2025-02, Radiology. Artificial intelligence
DOI:10.1148/ryai.230544
PMID:39812582
|
research paper | 开发并评估了一种基于深度学习的预后模型，用于预测局部晚期鼻咽癌（LA-NPC）患者在诱导化疗前后的生存情况 | 使用图卷积神经网络（GCN）结合放射组学和临床因素构建预后模型，显著提高了预测疾病无进展生存期（DFS）的准确性 | 研究为回顾性多中心设计，可能存在选择偏倚，且未明确模型在其他人群中的泛化能力 | 预测局部晚期鼻咽癌患者的生存预后并指导风险适应性治疗 | 1039例局部晚期鼻咽癌患者（男779例，女260例，平均年龄44±11岁） | digital pathology | nasopharyngeal carcinoma | MRI | graph convolutional neural networks (GCN) | MRI图像及临床数据 | 1039例患者（训练/测试队列未明确拆分） |