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 10121 - 10140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10121 | 2025-10-07 |
Deep learning-based polygenic scores enhance generalizability of psychiatric disorders prediction
2025-May-05, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.05.05.25326794
PMID:40385437
|
研究论文 | 本研究比较了深度学习模型与线性模型在预测五种精神疾病方面的表现，并评估了结合不同多基因评分方法的预测效果 | 开发了Genome-Local-Net深度学习模型，首次系统比较深度学习与线性模型在精神疾病多基因评分中的泛化能力，并探索了不同评分方法的整合策略 | 深度学习整合方法未显示出相对于逻辑回归模型的持续优势，研究仅限于五种精神疾病 | 评估深度学习模型在精神疾病多基因评分预测中的表现和泛化能力 | 注意力缺陷多动障碍(ADHD)、自闭症谱系障碍(ASD)、双相情感障碍(BIP)、重度抑郁症(MDD)和精神分裂症(SCZ) | 机器学习 | 精神疾病 | 全基因组关联分析(GWAS) | 深度学习,线性模型 | 基因型数据 | NA | NA | Genome-Local-Net | AUROC | NA |
| 10122 | 2025-10-07 |
Automated Quantification of Cerebral Microbleeds in SWI: Association with Vascular Risk Factors, White Matter Hyperintensity Burden, and Cognitive Function
2025-May-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8552
PMID:39443150
|
研究论文 | 本研究开发并验证了基于深度学习的脑微出血自动分割模型，并探讨了脑微出血与血管风险因素、白质高信号负荷及认知功能之间的关联 | 首次使用nnU-Net框架开发脑微出血自动分割模型，并系统分析了脑微出血与多种血管风险因素及认知功能的关联 | 外部验证集性能相对较低（Dice得分=0.46），且为单机构回顾性研究 | 开发脑微出血自动分割模型并研究其与认知障碍和血管风险因素的关系 | 接受脑部MRI评估认知障碍的患者 | 数字病理 | 脑血管疾病 | 磁共振成像（SWI序列） | 深度学习 | 医学影像 | 训练集287例，内部验证集67例，外部验证集68例，临床数据集448例 | nnU-Net | U-Net | Dice系数 | NA |
| 10123 | 2025-10-07 |
Deep Learning-Based Algorithm for Automatic Quantification of Nigrosome-1 and Parkinsonism Classification Using Susceptibility Map-Weighted MRI
2025-May-02, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8585
PMID:39547802
|
研究论文 | 开发基于深度学习的自动量化黑质高信号和帕金森病分类算法，使用磁敏感加权成像 | 首次开发能够同时检测和量化黑质致密部小体-1异常的深度学习模型 | 需要进一步研究在不同临床环境中验证研究结果 | 开发和验证基于深度学习的自动量化黑质高信号及神经退行性帕金森病分类算法 | 帕金森病患者和对照组参与者 | 医学影像分析 | 帕金森病 | 磁敏感加权成像(SMwI)，多回波梯度回波序列 | 深度学习 | 医学影像 | 训练数据450名参与者(210名特发性帕金森病，240名对照组)，验证数据237名参与者(168名特发性帕金森病，58名原发性震颤，11名药物性帕金森病) | NA | Heuron NI, Heuron IPD | AUC, 95%置信区间 | NA |
| 10124 | 2025-10-07 |
Advancement in medical report generation: current practices, challenges, and future directions
2025-May, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03265-y
PMID:39707049
|
综述 | 本文系统综述了医学报告生成领域的当前实践、挑战与未来发展方向 | 首次系统分析医学报告生成领域各类深度学习方法的应用现状与性能表现 | 存在过拟合、偏倚风险和高数据依赖性等限制因素 | 指导放射科医生采用减轻工作负担并提供精确医学诊断的方法 | 医学报告生成相关研究文献 | 自然语言处理 | NA | 深度学习 | 编码器-解码器框架, Transformer, 注意力机制, RNN-LSTM, 大语言模型, 图神经网络 | 医学图像 | 99篇研究文献 | NA | 编码器-解码器, Transformer, 注意力机制, RNN-LSTM, 大语言模型, 图神经网络 | 准确率 | NA |
| 10125 | 2025-10-07 |
Explainable artificial intelligence to quantify adenoid hypertrophy-related upper airway obstruction using 3D Shape Analysis
2025-May, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105689
PMID:40090403
|
研究论文 | 开发并验证了一种可解释的人工智能模型，通过三维形状分析对腺样体肥大相关的上气道阻塞进行分类和量化 | 结合多视角和点云方法进行3D形状分析，并采用SurfGradCAM生成可解释性热力图 | NA | 开发可解释AI模型用于腺样体肥大相关上气道阻塞的分类和量化 | 5-18岁患者的CBCT扫描数据 | 计算机视觉 | 腺样体肥大 | 锥形束计算机断层扫描 | 深度学习 | 3D图像 | 400例CBCT扫描 | NA | 多视角与点云结合方法 | AUC, 精确率, 召回率, F1分数, 平均绝对误差, 均方根误差, 相关系数 | NA |
| 10126 | 2025-10-07 |
Dynamics of Spatial Organization of Bacterial Communities in a Tunable Flow Gut Microbiome-on-a-Chip
2025-May, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202410258
PMID:40201941
|
研究论文 | 本研究开发可调流肠道微生物芯片，探索肠道周期性运动对微生物群落空间组织动态的影响 | 开发新型可调流肠道微生物芯片平台，首次实现肠道周期性机械力作用下微生物群落三维空间行为的高分辨率实时观测 | 基于体外芯片模型，可能无法完全模拟体内复杂肠道环境 | 研究肠道周期性运动对肠道微生物群落动态的影响机制 | 肠道微生物群落 | 生物医学工程 | 肠道微生物失调 | 器官芯片技术，深度学习微生物分析，高倍率成像 | 深度学习模型 | 微生物图像数据，三维空间数据 | NA | NA | NA | NA | NA |
| 10127 | 2025-10-07 |
Adaptive Dual-Task Deep Learning for Automated Thyroid Cancer Triaging at Screening US
2025-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.240271
PMID:40202416
|
研究论文 | 开发自适应双任务深度学习模型用于甲状腺癌超声筛查中的自动分诊 | 提出自适应双任务深度学习模型，通过动态整合像素级特征分析和深度语义特征分析，实现甲状腺病变检测和分类 | 回顾性研究，需要前瞻性验证 | 开发甲状腺癌超声筛查的自动分诊系统 | 甲状腺超声图像 | 计算机视觉 | 甲状腺癌 | 超声成像 | 深度学习 | 图像 | 23,294例检查的35,008张甲状腺超声图像 | NA | 自适应双任务深度学习模型 | 灵敏度, 特异度, 准确度, AUC | NA |
| 10128 | 2025-10-07 |
Scoring protein-ligand binding structures through learning atomic graphs with inter-molecular adjacency
2025-May, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1013074
PMID:40344574
|
研究论文 | 提出一种基于深度学习的高分辨率原子图评分框架，用于评估蛋白质-配体结合结构的结合强度 | 通过引入多距离范围识别结合区域内原子对，构建关注分子间相互作用的高分辨率原子图表示方法 | 未明确说明模型在特定蛋白质-配体复合物类型上的泛化能力限制 | 开发高效的蛋白质-配体结合结构评分方法以促进计算药物发现 | 蛋白质-配体结合复合物 | 机器学习 | NA | 深度学习 | 图神经网络 | 分子结构数据 | NA | NA | 原子图神经网络 | 结合强度预测准确度，筛选任务性能 | NA |
| 10129 | 2025-10-07 |
Leukaemia Stem Cells and Their Normal Stem Cell Counterparts Are Morphologically Distinguishable by Artificial Intelligence
2025-May, Journal of cellular and molecular medicine
IF:4.3Q2
DOI:10.1111/jcmm.70564
PMID:40387596
|
研究论文 | 本研究利用人工智能深度学习技术，通过分析单细胞图像成功区分白血病干细胞与正常干细胞 | 首次证明白血病干细胞具有独特的形态学特征，并通过集成19个卷积神经网络构建AI模型实现高精度区分 | 研究使用小鼠疾病模型，尚未在人类临床样本中验证 | 开发基于人工智能的形态学方法识别白血病干细胞 | JAK2V617F敲入小鼠的白血病干细胞和健康小鼠的正常干细胞 | 数字病理学 | 白血病 | 深度学习，单细胞图像分析 | CNN | 图像 | NA | NA | 集成19个卷积神经网络 | 准确率 | NA |
| 10130 | 2025-10-07 |
Multi-instance learning with attention mechanism for coronary artery stenosis detection on coronary computed tomography angiography
2025-May, European heart journal. Digital health
DOI:10.1093/ehjdh/ztaf029
PMID:40395409
|
研究论文 | 本研究开发了一种基于注意力机制的多示例学习模型，用于冠状动脉CT血管造影中冠状动脉狭窄的自动检测 | 结合多示例学习与注意力机制，能够量化每个图像切片对诊断的贡献度，提供可解释的诊断方法 | RCA和LCX血管的校准精度相对较低，模型性能在不同血管间存在差异 | 开发自动检测冠状动脉狭窄的深度学习模型，提高诊断准确性和临床工作效率 | 冠状动脉狭窄（≥50%管腔阻塞）患者 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管造影 | 多示例学习 | 医学影像 | 900例病例，包含776例LAD、694例RCA和600例LCX血管重建图像 | NA | 多示例学习结合注意力机制 | AUC, Brier score, 95%置信区间 | NA |
| 10131 | 2025-10-07 |
Identifying heart failure dynamics using multi-point electrocardiograms and deep learning
2025-May, European heart journal. Digital health
DOI:10.1093/ehjdh/ztaf016
PMID:40395416
|
研究论文 | 本研究开发了一种基于Transformer的深度学习模型，利用两个时间点的12导联心电图来评估心力衰竭状态变化 | 首次使用两个不同时间点的多导联心电图数据和Transformer架构来监测心力衰竭状态动态变化 | 研究数据来自单一医疗中心，模型在外部验证和不同人群中的泛化能力尚需进一步验证 | 开发能够早期识别和持续监测心力衰竭状态变化的非侵入性工具 | 6531名成年患者的心电图数据 | 医疗人工智能 | 心血管疾病 | 心电图 | Transformer | 心电图波形信号 | 30,171份心电图来自6,531名患者 | NA | Transformer | AUROC, 准确率 | NA |
| 10132 | 2025-10-07 |
Deep learning on electrocardiogram waveforms to stratify risk of obstructive stable coronary artery disease
2025-May, European heart journal. Digital health
DOI:10.1093/ehjdh/ztaf020
PMID:40395417
|
研究论文 | 开发并验证一种利用心电图波形和临床特征的深度学习算法，用于预测疑似慢性冠状动脉疾病患者的阻塞性稳定冠状动脉疾病风险 | 首次结合心电图波形和临床特征开发多模态深度学习模型，相比传统风险评分模型显著提高了阻塞性冠状动脉疾病的预测性能 | 研究为单中心回顾性设计，需要前瞻性研究验证模型在临床实践中的效果 | 提高阻塞性稳定冠状动脉疾病的风险分层准确性 | 接受侵入性血管造影评估的疑似慢性冠状动脉疾病患者 | 机器学习 | 心血管疾病 | 心电图 | 深度学习 | 波形数据, 临床特征 | 4年期间在四级医疗中心接受侵入性血管造影的患者队列 | NA | 多模态深度学习模型 | AUC | NA |
| 10133 | 2025-10-07 |
Comprehensive full-vessel segmentation and volumetric plaque quantification for intracoronary optical coherence tomography using deep learning
2025-May, European heart journal. Digital health
DOI:10.1093/ehjdh/ztaf021
PMID:40395415
|
研究论文 | 开发并验证基于深度学习的多类别语义分割算法（OCT-AID），用于冠状动脉光学相干断层扫描图像的全血管分割和斑块体积量化 | 首次开发针对冠状动脉OCT图像的多类别语义分割深度学习算法，能够同时识别导丝伪影、管腔、分支、内膜、中膜、脂质斑块、钙化斑块、血栓、斑块破裂和背景等多个类别 | 包含具有伪影或不稳定斑块的困难帧，可能影响分割性能 | 开发标准化、自动化的冠状动脉OCT图像解读方法，减少人工解读时间和观察者间变异性 | 冠状动脉光学相干断层扫描图像 | 医学图像分析 | 心血管疾病 | 光学相干断层扫描（OCT） | 深度学习语义分割算法 | 医学图像 | 训练集2808帧，内部测试集218帧，外部测试集392帧 | NA | NA | Dice系数, Kappa值, 组内相关系数 | NA |
| 10134 | 2025-04-26 |
Correction: Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors
2025-Apr-24, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01476-9
PMID:40274694
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10135 | 2025-10-07 |
Primary angle-closed diseases recognition through artificial intelligence-based anterior segment-optical coherence tomography imaging
2025-Apr, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-024-06709-1
PMID:39680113
|
研究论文 | 本研究开发了一种基于深度学习的前段光学相干断层扫描图像自动分析系统，用于识别原发性房角关闭疾病 | 首次将迁移学习应用于ResNet-50架构，实现对AS-OCT图像的自动房角分类分析 | 研究样本仅来自上海社区老年人群，可能限制模型的泛化能力 | 开发人工智能系统以提高AS-OCT图像分析效率并自动识别房角关闭 | 687名参与者的94895张AS-OCT图像 | 计算机视觉 | 青光眼 | 光学相干断层扫描 | CNN | 图像 | 687名参与者，94895张AS-OCT图像 | NA | ResNet-50 | 准确率, AUC | NA |
| 10136 | 2025-10-07 |
Enhancing diabetic retinopathy and macular edema detection through multi scale feature fusion using deep learning model
2025-Apr, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-024-06687-4
PMID:39680112
|
研究论文 | 通过深度学习模型的多尺度特征融合技术增强糖尿病视网膜病变和黄斑水肿的检测能力 | 采用独特的多尺度特征融合技术，将高层次语义信息与低层次纹理特征相结合，提升自动化诊断精度 | NA | 提高糖尿病视网膜病变和糖尿病黄斑水肿的早期识别准确率 | 视网膜图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | CNN | 图像 | MESSIDOR数据集中的视网膜图像 | NA | 卷积神经网络 | 准确率,精确度 | NA |
| 10137 | 2025-10-07 |
The need for balancing 'black box' systems and explainable artificial intelligence: A necessary implementation in radiology
2025-Apr, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.112014
PMID:40031377
|
评论 | 探讨放射学中人工智能实施面临的挑战，并倡导优先采用可解释人工智能以增强透明度 | 提出在放射学领域平衡'黑盒'系统与可解释人工智能的必要性，强调透明度和伦理标准 | 承认可解释人工智能可能性能低于黑盒模型 | 分析AI在放射学实施的挑战并推动可解释AI的应用 | 放射学中的人工智能系统 | 医疗人工智能 | NA | 机器学习和深度学习 | 黑盒AI模型，可解释AI模型 | 医学影像数据 | NA | NA | NA | NA | NA |
| 10138 | 2025-10-07 |
LEyes: A lightweight framework for deep learning-based eye tracking using synthetic eye images
2025-Mar-31, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-025-02645-y
PMID:40164925
|
研究论文 | 提出一种轻量级框架LEyes，使用合成眼图像训练神经网络进行视线追踪 | 与传统逼真渲染方法不同，使用简单合成图像生成器训练神经网络检测瞳孔和角膜反射等关键特征 | 未明确说明具体性能限制和适用场景限制 | 解决视线估计领域训练数据缺乏和模型泛化能力差的问题 | 眼图像中的瞳孔和角膜反射特征 | 计算机视觉 | NA | 合成数据生成 | 神经网络 | 合成眼图像 | NA | NA | NA | 瞳孔和角膜反射的识别与定位精度 | 成本效益更高的硬件 |
| 10139 | 2025-10-07 |
Exploring a decade of deep learning in dentistry: A comprehensive mapping review
2025-Feb-19, Clinical oral investigations
IF:3.1Q1
DOI:10.1007/s00784-025-06216-5
PMID:39969623
|
综述 | 本系统图谱综述探讨了深度学习在牙科领域十年间的应用现状、趋势和临床意义 | 首次对牙科领域深度学习研究进行系统性图谱分析，涵盖2012-2023年间1007项研究，揭示了技术应用模式和临床专业分布 | 主要依赖监督学习方法（95.2%），需要大量标注数据，且多模态数据融合研究相对不足 | 系统梳理深度学习在牙科领域的应用现状和发展趋势 | 2012-2023年间发表的牙科深度学习相关研究文献 | 数字病理 | 牙科疾病 | 深度学习 | CNN | 影像数据 | 1007项纳入研究（从21242篇文献中筛选） | NA | 卷积神经网络 | NA | NA |
| 10140 | 2025-10-07 |
LeFood-set: Baseline performance of predicting level of leftovers food dataset in a hospital using MT learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320426
PMID:40388400
|
研究论文 | 本文提出了一种基于深度学习的食物剩余量预测方法，并创建了首个大规模开放数据集LeFoodSet | 创建了首个专门用于食物剩余量估计的大规模开放数据集，并采用多任务学习同时预测剩余量和食物类型 | 数据集仅包含524对图像，覆盖34种印尼食物类别，样本规模相对有限 | 开发AI方法来准确预测医院患者餐盘中的食物剩余量 | 医院患者的餐盘食物图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 524对图像（餐前餐后对比），涵盖34种印尼食物类别 | NA | ResNet101 | 平均绝对误差(MAE), 分类准确率 | NA |