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 10961 - 10980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10961 | 2025-10-07 |
Transparency and Representation in Clinical Research Utilizing Artificial Intelligence in Oncology: A Scoping Review
2025-Mar, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.70728
PMID:40059400
|
综述 | 对肿瘤学领域应用人工智能的临床研究中人口统计学数据报告透明度和参与者多样性进行范围综述 | 首次系统评估肿瘤学AI临床研究中人口统计学数据报告的透明度和参与者多样性 | 仅纳入2016-2021年PubMed数据库的文献，可能遗漏其他来源的研究 | 评估肿瘤学AI临床研究中人口统计学数据报告的透明度和参与者多样性 | 2016-2021年间发表的肿瘤学AI临床研究文献 | 医疗人工智能 | 肿瘤学 | 文献检索与描述性统计分析 | NA | 文献元数据 | 220项研究，其中118项符合条件 | NA | NA | 描述性统计 | NA |
| 10962 | 2025-10-07 |
Harnessing transcriptional regulation of alternative end-joining to predict cancer treatment
2025-Mar, NAR cancer
IF:3.4Q2
DOI:10.1093/narcan/zcaf007
PMID:40061566
|
研究论文 | 本研究揭示了缺氧和MYC转录活性对替代末端连接修复通路的调控机制，并提出通过深度学习预测癌症治疗反应的新策略 | 首次发现缺氧抑制替代末端连接修复通路，并与MYC转录活性呈正相关；开发了基于深度学习的肿瘤图像分析方法预测DNA修复活性 | 替代末端连接修复与癌症进展过程的相互作用机制仍需进一步研究 | 探索替代末端连接修复的转录调控机制及其在癌症治疗中的应用价值 | 癌症细胞系和肿瘤组织 | 数字病理学 | 癌症 | 深度学习，基因表达分析 | 深度学习模型 | 肿瘤图像，基因表达数据 | NA | NA | NA | AUC | NA |
| 10963 | 2025-10-07 |
A Pilot Study on Using an Artificial Intelligence Algorithm to Identify Urolith Composition through Abdominal Radiographs in the Dog
2025-Mar, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association
IF:1.3Q2
DOI:10.1111/vru.70012
PMID:40065198
|
研究论文 | 本研究评估了基于深度学习的人工智能算法CALCurad通过腹部X光片识别犬类尿结石成分的准确性 | 开发了首款可通过智能手机应用程序分析犬类腹部X光片预测尿结石成分的深度学习算法 | 样本量较小（139只狗），仅为初步研究 | 评估人工智能算法在兽医临床实践中识别尿结石成分的准确性 | 犬类尿结石 | 数字病理 | 泌尿系统疾病 | 红外光谱分析, 腹部X光摄影 | 深度学习 | X光图像 | 139只狗 | NA | CALCurad | 准确率 | 智能手机应用程序 |
| 10964 | 2025-10-07 |
A Deep Learning Model for Three-Dimensional Determination of Whole Thoracic Vertebral Bone Mineral Density from Noncontrast Chest CT: The Multi-Ethnic Study of Atherosclerosis
2025-Mar, Radiology
IF:12.1Q1
DOI:10.1148/radiol.242133
PMID:40067103
|
研究论文 | 开发基于深度学习的3D全胸椎骨密度测定模型，用于预测椎体骨折风险 | 首次使用TotalSegmentator（nnU-net算法）在常规非对比胸部CT中实现T1-T10全胸椎三维骨密度测定 | 研究为多中心前瞻性队列的二次分析，样本代表性可能受限 | 验证深度学习算法在常规胸部CT中测量三维椎体骨密度的可行性及预测椎体骨折的价值 | 多民族动脉粥样硬化研究（MESA）的参与者 | 医学影像分析 | 骨质疏松症 | 非对比胸部CT扫描 | 深度学习 | 三维CT影像 | 2956名参与者（1546名女性，平均年龄69±9岁），其中1304名有纵向随访数据 | nnU-net | TotalSegmentator | Dice系数, 交集并集比, AUC | NA |
| 10965 | 2025-10-07 |
MRI-based Deep Learning Algorithm for Assisting Clinically Significant Prostate Cancer Detection: A Bicenter Prospective Study
2025-Mar, Radiology
IF:12.1Q1
DOI:10.1148/radiol.232788
PMID:40067105
|
研究论文 | 本研究通过前瞻性双中心试验验证了基于深度学习的商业算法在辅助检测临床显著性前列腺癌方面的诊断性能 | 首次在前瞻性双中心研究中验证商业深度学习算法在前列腺癌检测中的性能，并探索了算法与放射科医生PI-RADS评分的协同作用 | 样本量相对有限（205名患者），仅使用双参数MRI数据，且研究局限于两个医疗中心 | 比较商业深度学习算法与放射科医生在前列腺癌检测中的诊断性能 | 疑似前列腺癌并计划进行活检的患者 | 数字病理 | 前列腺癌 | 双参数MRI, 前列腺靶向活检 | 深度学习算法 | MRI图像 | 205名男性患者，共259个病灶（其中117个临床显著性前列腺癌） | 商业深度学习算法 | NA | AUC, 敏感性, 特异性, 阳性预测值 | NA |
| 10966 | 2025-10-07 |
Automated Detection of Keratorefractive Laser Surgeries on Optical Coherence Tomography Using Deep Learning
2025-Mar, Journal of refractive surgery (Thorofare, N.J. : 1995)
DOI:10.3928/1081597X-20250204-04
PMID:40067669
|
研究论文 | 开发基于深度学习的前段光学相干断层扫描算法，用于自动检测不同类型的角膜屈光激光手术 | 首次使用深度学习神经网络在AS-OCT上自动区分多种角膜屈光激光手术类型，并能在各类手术中进一步区分近视和远视治疗 | 研究中未明确说明算法的泛化能力及在不同设备间的适用性 | 开发自动检测角膜屈光激光手术的深度学习算法 | 角膜屈光激光手术患者的眼部扫描图像 | 计算机视觉 | 眼科疾病 | 光学相干断层扫描 | 深度学习神经网络 | 图像 | 14,948个眼部扫描，来自1,166名患者的2,278只眼睛 | NA | NA | 准确率,F1分数,精确召回曲线下面积,受试者工作特征曲线下面积 | NA |
| 10967 | 2025-10-07 |
Enhancing single-cell classification accuracy using image conversion and deep learning
2025-Mar, Yi chuan = Hereditas
DOI:10.16288/j.yczz.24-213
PMID:40068952
|
研究论文 | 本研究提出了一种创新的单细胞分类方法scIC，通过将单细胞转录组测序数据转换为图像形式并结合深度学习技术进行细胞分类 | 首次将单细胞转录组测序数据转换为图像形式，并利用CNN和ResNet等深度学习模型进行细胞分类，显著提高了分类准确率 | 仅测试了四种细胞类型的数据集，尚未在更广泛的细胞类型和更复杂的数据集上进行验证 | 提高单细胞转录组测序数据的分类准确性和可靠性 | 单细胞转录组测序数据 | 生物信息学 | NA | 单细胞转录组测序(scRNA-seq) | CNN, ResNet | 基因表达数据转换的图像 | 四种细胞类型数据集：小鼠皮肤基底细胞、小鼠淋巴细胞、人类神经元细胞和小鼠脊髓细胞 | NA | ResNet50 | 准确率 | NA |
| 10968 | 2025-10-07 |
Novel Computational Pipeline Enables Reliable Diagnosis of Inverted Urothelial Papilloma and Distinguishes It From Urothelial Carcinoma
2025-Mar, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI.24.00059
PMID:40080780
|
研究论文 | 开发一种基于全切片图像统计特征的计算流程，用于可靠诊断膀胱内翻性尿路上皮乳头状瘤并区分尿路上皮癌 | 提出直接从全切片图像自动提取统计特征的方法，避免了传统深度学习方法需要人工标注图像块的工作 | 验证样本数量有限，特别是外部验证队列的样本较少 | 提高膀胱内翻性尿路上皮乳头状瘤与尿路上皮癌亚型的诊断准确性 | 膀胱尿路上皮病变组织切片 | 数字病理学 | 膀胱癌 | 苏木精-伊红染色 | 集成分类器 | 全切片图像 | 225例尿路上皮病变（64例IUP，69例UCInv，92例UCLG） | NA | NA | AUC | NA |
| 10969 | 2025-10-07 |
Deep Learning Radiopathomics Models Based on Contrast-enhanced MRI and Pathologic Imaging for Predicting Vessels Encapsulating Tumor Clusters and Prognosis in Hepatocellular Carcinoma
2025-Mar, Radiology. Imaging cancer
DOI:10.1148/rycan.240213
PMID:40084948
|
研究论文 | 基于增强MRI和病理影像开发深度学习放射病理组学模型，用于预测肝细胞癌中血管包绕肿瘤簇和预后 | 首次结合增强MRI和病理影像开发深度学习放射病理组学模型，整合放射组学评分和病理组学评分预测VETC和生存预后 | 回顾性多中心研究，样本量有限（578例患者） | 预测肝细胞癌中血管包绕肿瘤簇(VETC)和患者生存预后 | 肝细胞癌患者 | 数字病理 | 肝细胞癌 | 钆塞酸增强MRI, 病理成像 | 深度学习 | 医学影像(MRI图像, 病理图像) | 578例肝细胞癌患者（训练集317例，内部测试集137例，外部测试集124例） | NA | Swin Transformer | AUC, C指数, 时间依赖性ROC曲线 | NA |
| 10970 | 2025-10-07 |
stAI: a deep learning-based model for missing gene imputation and cell-type annotation of spatial transcriptomics
2025-Feb-27, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf158
PMID:40057378
|
研究论文 | 提出一种基于深度学习的模型stAI，用于空间转录组数据的缺失基因填补和细胞类型注释 | 使用联合嵌入方法结合scST和参考scRNA-seq数据，通过两个独立的编码器-解码器模块在潜在空间中同时进行基因填补和细胞类型注释 | NA | 解决单细胞空间转录组技术中全转录组水平表征和细胞类型全面注释的挑战 | 单细胞空间转录组数据 | 生物信息学 | NA | 空间转录组技术，单细胞空间转录组，scRNA-seq | 深度学习 | 空间转录组数据，scRNA-seq数据 | NA | NA | 编码器-解码器 | 准确率，精确度 | NA |
| 10971 | 2025-10-07 |
Machine Learning Methods for Classifying Multiple Sclerosis and Alzheimer's Disease Using Genomic Data
2025-Feb-27, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms26052085
PMID:40076709
|
研究论文 | 本研究使用机器学习方法分析英国生物银行的基因组数据，预测多发性硬化症和阿尔茨海默病的基因组易感性 | 比较了多种机器学习方法在复杂疾病基因组预测中的表现，并利用可解释性工具揭示了多发性硬化症的基因组特征 | 深度学习模型表现存在较大变异性，可能受限于数据特征或模型架构 | 开发基于基因组数据的复杂疾病预测模型 | 多发性硬化症和阿尔茨海默病患者 | 机器学习 | 神经退行性疾病 | 基因组测序 | 逻辑回归,集成树方法,深度学习 | 基因组数据 | 英国生物银行数据集 | NA | NA | NA | NA |
| 10972 | 2025-10-07 |
Multimodal depression detection based on an attention graph convolution and transformer
2025-Feb-27, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2025024
PMID:40083285
|
研究论文 | 提出一种基于脑电图和语音信号的多模态抑郁症检测模型MHA-GCN_ViT | 结合图卷积网络和视觉Transformer，引入多头注意力机制增强脑网络表示能力，实现多模态特征的深度提取与融合 | 未明确说明模型计算复杂度及实时性表现 | 提高多模态抑郁症检测的准确率 | 抑郁症患者的多模态生理信号 | 机器学习 | 抑郁症 | 离散小波变换, 短时傅里叶变换 | GCN, Transformer | 脑电图信号, 语音信号 | MODMA数据集（具体样本数未明确） | NA | 图卷积网络, 视觉Transformer | 准确率, 精确率, 召回率, F1分数 | NA |
| 10973 | 2025-10-07 |
AI-driven health analysis for emerging respiratory diseases: A case study of Yemen patients using COVID-19 data
2025-Feb-24, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2025021
PMID:40083282
|
研究论文 | 本研究利用AI驱动的预测模型和分类器，基于也门COVID-19数据预测呼吸道疾病趋势并识别疾病严重程度指标 | 在资源有限的也门地区首次结合自回归滑动平均模型与多种机器学习、深度学习算法进行呼吸道疾病预测和严重程度分类 | 研究仅限于也门地区数据，样本规模未明确说明，深度学习模型准确率相对较低（约70%） | 通过AI技术提升资源有限地区对呼吸道疾病的医疗准备和资源分配能力 | 也门COVID-19患者数据，包括每日确诊死亡病例和疾病严重程度指标 | 机器学习 | COVID-19 | 时间序列分析，机器学习分类 | ARMA, 决策树, 随机森林, 支持向量机, 深度学习 | 时间序列数据，医疗数据 | NA | NA | NA | 准确率, 精确率, 召回率, F1分数, AUC-ROC | NA |
| 10974 | 2025-10-07 |
Uncertainty CNNs: A path to enhanced medical image classification performance
2025-Feb-20, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2025020
PMID:40083281
|
研究论文 | 提出一种低复杂度不确定性CNN架构，通过测试集增强技术提升医学图像分类性能 | 首次证明测试集增强能显著提升医学图像分类性能，并同时提供不确定性量化 | 未明确说明具体数据集样本量和模型架构细节 | 开发具有不确定性量化的医学图像分类方法，特别关注肿瘤和心力衰竭检测 | 脑部MRI、肺部CT扫描和心脏MRI图像 | 计算机视觉 | 肿瘤和心血管疾病 | 医学影像分析 | CNN | 医学图像 | NA | NA | 低复杂度CNN架构 | 分类性能，不确定性量化 | 低计算资源需求 |
| 10975 | 2025-10-07 |
An analysis of performance bottlenecks in MRI preprocessing
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae098
PMID:40072903
|
研究论文 | 分析MRI预处理流程中的性能瓶颈并提出优化参考 | 首次使用Intel VTune分析器系统性地量化多个主流MRI预处理工具包的性能瓶颈 | 仅分析CPU性能瓶颈，未涉及GPU加速和深度学习方法的对比 | 识别和改善MRI预处理流程的计算性能瓶颈 | ANTs、FMRIB Software Library和FreeSurfer工具箱中的MRI预处理流程 | 医学影像分析 | NA | MRI预处理、性能分析 | NA | 医学影像数据 | NA | ANTs, FMRIB Software Library, FreeSurfer, Insight Segmentation and Registration Toolkit, OpenMP | NA | CPU时间分析、线性插值开销、数据访问效率 | Intel VTune性能分析器 |
| 10976 | 2025-10-07 |
Early pigment spot segmentation and classification from iris cellular image analysis with explainable deep learning and multiclass support vector machine
2025-01-01, Biochemistry and cell biology = Biochimie et biologie cellulaire
DOI:10.1139/bcb-2023-0183
PMID:37906957
|
研究论文 | 提出一种结合可解释深度学习和多类支持向量机的模型，用于虹膜细胞图像中早期色素斑的分割和分类 | 首次将可解释深度学习与多类支持向量机结合用于虹膜色素斑分析，能够准确定位虹膜表面的微观色素斑 | 使用的虹膜细胞图像存在离轴虹膜、噪声和镜面反射等问题 | 开发早期虹膜色素斑分割和分类方法，用于视网膜疾病的早期诊断 | 虹膜细胞图像中的色素斑 | 计算机视觉 | 视网膜疾病 | 图像分析 | 深度学习, SVM | 图像 | 三个基准数据集：MILE、UPOL和Eyes SUB | NA | NA | 分类错误率 | NA |
| 10977 | 2025-10-07 |
A systematic review of automated hyperpartisan news detection
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316989
PMID:39982955
|
综述 | 本文系统回顾了2015-2024年间超党派新闻自动检测的方法与数据集 | 首次对超党派新闻检测领域进行系统性综述，采用PRISMA方法分析了81篇文献 | 计算机科学领域对超党派缺乏明确定义，数据集主要集中于英语，缺乏少数民族语言数据，大语言模型在该领域的研究有限 | 系统整理超党派新闻自动检测的方法与进展 | 超党派新闻文章 | 自然语言处理 | NA | 机器学习，深度学习 | 深度学习模型，传统机器学习模型，大语言模型 | 文本 | 基于81篇研究文献的分析 | NA | NA | NA | NA |
| 10978 | 2025-10-07 |
Chinese medical named entity recognition utilizing entity association and gate context awareness
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0319056
PMID:39999103
|
研究论文 | 提出一种结合实体关联和门控上下文感知的中文医学命名实体识别方法 | 使用RoBERTa-wwm-ext预训练模型提取上下文特征，结合多头注意力机制和循环神经网络捕获实体间依赖关系 | 未明确说明模型在更广泛医学文本类型上的泛化能力 | 提升中文医学文本中命名实体识别的准确性和效率 | 中文医学文献和文本中的命名实体 | 自然语言处理 | NA | 深度学习 | RoBERTa, RNN, CRF | 文本 | MCSCSet和CMeEE数据集 | NA | RoBERTa-wwm-ext, 多头注意力机制, 循环神经网络 | F1分数 | NA |
| 10979 | 2025-10-07 |
Virtual Monochromatic Imaging of Half-Iodine-Load, Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction in Patients with Renal Insufficiency: A Clinical Pilot Study
2025, Journal of Nippon Medical School = Nippon Ika Daigaku zasshi
DOI:10.1272/jnms.JNMS.2025_92-112
PMID:40058838
|
研究论文 | 本研究评估深度学习图像重建技术在肾功能不全患者低剂量对比剂CT扫描中的图像质量优化效果 | 首次将深度学习图像重建技术应用于肾功能不全患者的半碘负荷虚拟单能成像，并确定40 keV结合DLIR可提供最佳对比噪声比 | 样本量较小（28例），为单中心回顾性研究，缺乏外部验证 | 评估不同重建算法对半碘负荷对比增强CT虚拟单能成像图像质量的影响 | 28例中重度肾功能不全的肿瘤患者 | 医学影像分析 | 肾功能不全 | 双能CT，虚拟单能成像，对比增强CT | 深度学习图像重建 | CT影像 | 28例中重度肾功能不全的肿瘤患者 | NA | NA | 对比噪声比，图像噪声，对比度，锐利度，小结构分界，整体图像质量 | NA |
| 10980 | 2025-10-07 |
Advanced applications in chronic disease monitoring using IoT mobile sensing device data, machine learning algorithms and frame theory: a systematic review
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1510456
PMID:40061474
|
系统综述 | 系统综述物联网移动传感设备数据、机器学习算法和框架理论在慢性疾病监测中的先进应用 | 引入基于深度学习、紧框架方法和实时监测系统的先进模型，展示方法学创新 | 存在数据收集、算法选择和用户交互方面的潜在偏差和弱点 | 探讨物联网和人工智能技术在特定慢性疾病管理中的应用 | 心血管疾病、癌症、慢性呼吸系统疾病和糖尿病等主要慢性疾病 | 机器学习 | 慢性疾病 | 物联网移动传感设备、机器学习算法 | ANN, SVM, RF, 深度学习模型 | 传感设备数据、医疗数据 | NA | NA | NA | NA | NA |