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 33150 篇文献，本页显示第 11081 - 11100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11081 | 2025-10-07 |
Combining Ultrasound Imaging and Molecular Testing in a Multimodal Deep Learning Model for Risk Stratification of Indeterminate Thyroid Nodules
2025-May, Thyroid : official journal of the American Thyroid Association
IF:5.8Q1
DOI:10.1089/thy.2024.0584
PMID:40256961
|
研究论文 | 提出一种结合超声成像和分子检测的多模态深度学习模型，用于不确定甲状腺结节的危险分层 | 首次将超声成像与分子检测结合到多模态深度学习框架中，通过整合两种模式的互补信息提高诊断性能 | 单中心数据集、缺乏外部验证、使用二值化分子检测输出而非细粒度恶性风险概率 | 提高不确定甲状腺结节的危险分层准确性 | 不确定甲状腺结节患者 | 医学影像分析 | 甲状腺结节 | 超声成像、二代测序 | 深度学习 | 超声图像、分子检测数据 | 333名患者（259例良性，74例恶性） | NA | 集成模型 | AUROC, 敏感度, 特异度, 阳性预测值 | NA |
| 11082 | 2025-10-07 |
Expert consensus document on artificial intelligence of the Italian Society of Cardiology
2025-May-01, Journal of cardiovascular medicine (Hagerstown, Md.)
DOI:10.2459/JCM.0000000000001716
PMID:40331418
|
专家共识文件 | 意大利心脏病学会关于人工智能在心血管疾病管理中应用的专家共识文档 | 系统总结了人工智能在心血管疾病管理中的最新应用，包括从常见疾病到罕见病的诊断和预后评估 | 算法外部有效性无法保证，结果可解释性存在'黑箱'问题 | 探讨人工智能在心血管疾病管理中的应用潜力和挑战 | 心血管疾病患者，包括高血压、缺血性心脏病、浸润性心肌病和房颤患者 | 机器学习 | 心血管疾病 | 机器学习，深度学习 | 人工神经网络 | 医院数据集，心电图，超声心动图 | NA | NA | NA | 准确性 | NA |
| 11083 | 2025-10-07 |
MMsurv: a multimodal multi-instance multi-cancer survival prediction model integrating pathological images, clinical information, and sequencing data
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf209
PMID:40366860
|
研究论文 | 提出一种多模态多实例多癌症生存预测模型MMSurv，整合病理图像、临床信息和测序数据 | 提出基于紧凑双线性池化和Transformer的新型多模态融合方法，结合双线性池化与Transformer架构 | 仅基于癌症基因组图谱的六种癌症类型进行评估，未在其他数据集上验证 | 提高癌症患者生存率预测的准确性 | 癌症患者的多模态医疗数据 | 数字病理学 | 多癌症类型 | 测序数据，H&E染色全切片图像 | 深度学习，多实例学习 | 图像，临床数据，测序数据 | 六种癌症类型的数据集 | NA | Transformer，双线性池化，多实例学习 | C-index，五折交叉验证 | NA |
| 11084 | 2025-10-07 |
Deep Learning Study of Alkaptonuria Spinal Disease Assesses Global and Regional Severity and Detects Occult Treatment Status
2025-May, Journal of inherited metabolic disease
IF:4.2Q2
DOI:10.1002/jimd.70042
PMID:40375095
|
研究论文 | 本研究开发深度学习模型分析罕见病褐黄病脊柱X光片，评估疾病严重程度并检测隐匿治疗状态 | 首次将深度学习应用于罕见病褐黄病的脊柱影像分析，能够识别传统方法难以检测的尼替西农治疗状态 | 真空盘现象预测一致性较低(41%-90%)，样本量受限于罕见病特性 | 评估深度学习在罕见疾病医学影像分析中的性能，特别是脊柱严重程度分级和治疗状态识别 | 褐黄病患者的颈椎和腰椎X光片 | 医学影像分析 | 褐黄病 | X射线成像 | 深度学习模型 | X光图像 | NA | NA | NA | 准确度, 平均绝对误差 | NA |
| 11085 | 2025-10-07 |
Enhancing perihematomal edema segmentation: integrating prior knowledge with deep learning for enhanced accuracy and interpretability
2025-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2404
PMID:40384678
|
研究论文 | 提出一种融合先验知识与深度学习的脑出血周围水肿分割网络PESE-Net，用于提高分割精度和可解释性 | 提出基于切片相似性的PHE相关切片生成方法和新型特征加权策略，协同融合PHE的整体变化特征和空间信息 | NA | 提高自发性颅内出血中脑出血周围水肿分割的准确性，提升临床诊断效率和可靠性 | 自发性颅内出血患者的脑出血周围水肿区域 | 医学图像分析 | 颅内出血 | 医学影像分析 | 深度学习网络 | 医学影像 | NA | NA | PESE-Net | 相对体积差异 | NA |
| 11086 | 2025-10-07 |
Free-breathing pediatric cardiac dark-blood imaging with reverse double inversion-recovery and single-shot deep learning reconstruction
2025-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1933
PMID:40384682
|
研究论文 | 本研究结合反向双反转恢复和基于人工智能辅助压缩感知的单次激发暗血快速自旋回波成像技术，实现自由呼吸状态下儿科心脏水肿评估 | 首次将反向双反转恢复与基于深度学习的单次激发压缩感知重建相结合，显著减少运动伪影并缩短扫描时间 | 样本量相对有限（67例），未包含更广泛的病理类型 | 开发适用于自由呼吸状态下儿科心脏成像的高分辨率运动鲁棒性水肿评估方法 | 20名健康儿童和47名儿科心脏病患者 | 医学影像分析 | 儿科心脏病 | 暗血T2加权快速自旋回波，反向双反转恢复，人工智能辅助压缩感知重建 | 深度学习 | 心脏磁共振图像 | 67例（20名健康儿童+47名患者） | NA | NA | 信噪比，对比噪声比，采集时间，心肌可见度，重影伪影，整体质量 | NA |
| 11087 | 2025-10-07 |
MHAU-Net: a multi-scale hybrid attention U-shaped network for the segmentation of MRI breast tumors
2025-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1515
PMID:40384695
|
研究论文 | 提出一种用于MRI乳腺肿瘤分割的多尺度混合注意力U型网络MHAU-Net | 采用四组不同扩张率的空洞卷积提取多尺度上下文信息，结合通道和空间注意力机制构建混合注意力特征 | NA | 实现MRI扫描中乳腺肿瘤的准确自动分割 | 乳腺MRI图像中的肿瘤区域 | 计算机视觉 | 乳腺癌 | 磁共振成像 | CNN | 3D医学图像 | 906个3D乳腺MRI图像 | NA | U-Net, MHAU-Net | Dice相似系数, 交并比 | NA |
| 11088 | 2025-10-07 |
Detection-guided deep learning-based model with spatial regularization for lung nodule segmentation
2025-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2511
PMID:40384696
|
研究论文 | 提出一种结合检测引导和空间正则化的深度学习模型用于肺结节分割 | 集成U-Net分割和ResNet分类的多任务框架，采用特征组合块和空间正则化技术，并开发了最优迁移学习策略 | 训练数据集有限 | 开发准确可靠的肺结节分割方法以辅助放射科医生提高诊断准确性 | CT图像中的肺结节 | 计算机视觉 | 肺癌 | CT成像 | 深度学习 | 医学图像 | NA | NA | U-Net, ResNet | 灵敏度, Dice系数, Hausdorff距离, 平均对称表面距离 | NA |
| 11089 | 2025-10-07 |
Lightweight attention network for guidewire segmentation and localization in clinical fluoroscopic images of vascular interventional surgery
2025-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2926
PMID:40384703
|
研究论文 | 提出一种用于血管介入手术中导丝分割和定位的轻量级注意力网络 | 设计了双边特征融合模块和轻量级门控注意力模块，专门针对临床TACE手术中的导丝分割问题 | NA | 提高血管介入手术中导丝分割的精确度，辅助医生和机器人系统进行手术操作 | 经导管动脉化疗栓塞术中的导丝 | 计算机视觉 | 心血管疾病 | X射线荧光透视成像 | 深度学习 | X射线图像 | 38名受试者的2,839张X射线图像，来自27个X射线荧光透视视频的903张临床图像 | NA | 轻量级注意力网络 | AUC, Macro-F1, Dice系数 | NA |
| 11090 | 2025-10-07 |
Deep learning-based key point detection algorithm assisting vessel centerline extraction
2025-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1949
PMID:40384705
|
研究论文 | 提出一种基于深度学习的关键点检测算法，用于辅助血管中心线提取以改善斑块定量分析 | 首次将关键点检测方法应用于血管中心线提取，特别针对迂曲血管的检测难题提出解决方案 | 研究为回顾性设计，仅包含539例脑血管疾病患者，需要进一步前瞻性验证 | 提高血管中心线提取的准确性，辅助斑块定量分析 | 脑血管疾病患者的血管结构 | 计算机视觉 | 脑血管疾病 | 3.0-T磁共振成像 | 深度学习 | 医学影像 | 539例来自多中心的脑血管疾病患者 | NA | NA | 未检测点数,错误检测点数,点准确率,平均中心线距离 | NA |
| 11091 | 2025-10-07 |
Bibliometric analysis of the application of artificial intelligence in orthopedic imaging
2025-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1384
PMID:40384704
|
文献计量分析 | 通过文献计量分析方法总结人工智能在骨科影像学应用的知识结构和研究趋势 | 首次对人工智能在骨科影像学领域的应用进行系统性文献计量分析，识别关键研究主题和未来发展方向 | 仅基于Web of Science数据库，可能遗漏其他数据库的相关文献 | 探索人工智能在骨科影像学领域的应用现状、研究热点和发展趋势 | 2007-2024年间Web of Science数据库中关于AI在骨科影像学应用的3147篇文献 | 医学影像分析 | 骨科疾病 | 文献计量分析，可视化分析 | 深度学习，卷积神经网络 | 文献数据，影像数据 | 3147篇出版物 | VOSviewer, CiteSpace | CNN | 文献计量指标（发文量，引用量，合作网络） | NA |
| 11092 | 2025-10-07 |
Value of deep learning model for predicting Breast Imaging Reporting and Data System 3 and 4A lesions on mammography
2025-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1523
PMID:40384713
|
研究论文 | 评估基于乳腺X线摄影的深度学习模型在区分BI-RADS 3和4A类病变方面的诊断价值及其对放射科医生决策的影响 | 开发了首个专门用于区分BI-RADS 3和4A类病变的深度学习模型，并系统评估了其对不同经验水平放射科医生的辅助诊断价值 | 回顾性研究设计，样本量相对有限（846个病灶），仅来自两家医院 | 评估深度学习模型在乳腺X线摄影中区分BI-RADS 3和4A类病变的诊断性能 | 824名患者的846个乳腺X线摄影检测到的BI-RADS 3和4A类病灶 | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | 深度学习模型 | 医学影像 | 846个乳腺病灶（来自824名患者） | NA | NA | AUC, ROC曲线 | NA |
| 11093 | 2025-10-07 |
Light Bladder Net: Non-invasive Bladder Cancer Prediction by Weighted Deep Learning Approaches and Graphical Data Transformation
2025-May, Anticancer research
IF:1.6Q4
DOI:10.21873/anticanres.17572
PMID:40295062
|
研究论文 | 开发了一种轻量级深度学习模型Light-Bladder-Net，用于通过常规尿液数据进行非侵入性膀胱癌检测 | 通过数据转换、添加均匀噪声和特征选择方法改进模型泛化能力，并采用加权投票集成多种机器学习模型 | NA | 开发轻量快速的深度学习模型用于膀胱癌的非侵入性检测 | 膀胱癌患者的常规尿液数据 | 机器学习 | 膀胱癌 | 尿液分析 | 深度学习 | 尿液数据 | NA | NA | Light-Bladder-Net | 准确率, 敏感度, 特异度, 精确率 | NA |
| 11094 | 2025-10-07 |
Validation of multiple deep learning models for colorectal tumor differentiation with endoscopic ultrasound images: a dual-center study
2025-Apr-30, Journal of gastrointestinal oncology
IF:2.0Q3
DOI:10.21037/jgo-2024-1024
PMID:40386596
|
研究论文 | 本研究验证了多种深度学习模型在结直肠肿瘤分化诊断中的效能，通过内镜超声图像进行结直肠腺瘤和癌症的分类 | 首次在双中心研究中比较了四种深度学习模型（ResNet50、EfficientNet-B0、VGG_11_BN、ViT）在结直肠肿瘤分化诊断中的性能，并与内镜医师进行对比 | 回顾性研究设计，样本量相对有限（554例患者），未进行外部验证 | 验证内镜超声结合人工智能在结直肠腺瘤和癌症诊断中的效能，并与传统内镜诊断方法进行比较 | 结直肠癌患者、结直肠腺瘤患者和对照组患者 | 计算机视觉 | 结直肠癌 | 内镜超声 | CNN, Transformer | 图像 | 554例患者（167例结直肠癌，136例腺瘤，251例对照组），来自两个独立医疗中心 | NA | ResNet50, EfficientNet-B0, VGG_11_BN, Vision Transformer | 准确率, 敏感度, 特异性, F1分数, Fleiss' kappa | NA |
| 11095 | 2025-10-07 |
Deep learning model for predicting spread through air spaces of lung adenocarcinoma based on transfer learning mechanism
2025-Apr-30, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-985
PMID:40386718
|
研究论文 | 基于迁移学习机制开发深度学习模型预测肺腺癌气腔播散 | 结合语义特征与深度学习构建混合模型，首次基于CT图像实现STAS术前预测 | 回顾性研究且样本量有限（290例患者） | 开发并验证基于深度学习算法的肺腺癌STAS术前预测模型 | 肺腺癌患者术前胸部CT图像 | 计算机视觉 | 肺癌 | CT影像分析 | CNN | 医学影像 | 290例肺腺癌患者 | NA | ResNet50 | AUC, 敏感度, 特异度, 准确率 | NA |
| 11096 | 2025-10-07 |
A narrative review of preoperative CT for predicting spread through air spaces of lung cancer
2025-Apr-30, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-952
PMID:40386727
|
综述 | 回顾和总结计算机断层扫描(CT)在预测肺癌气腔播散(STAS)中的研究进展 | 系统评估了传统影像学征象结合人工智能技术在STAS预测中的应用价值 | 风险分层研究有限，需要更全面的STAS病理学定义和大样本前瞻性研究验证 | 评估术前CT影像预测肺癌气腔播散的可行性 | 肺癌患者的气腔播散现象 | 数字病理 | 肺癌 | 计算机断层扫描(CT) | 深度学习, 放射组学 | CT影像 | NA | NA | NA | 预测效能 | NA |
| 11097 | 2025-10-07 |
Integrating radiomics and deep learning for enhanced prediction of high-grade patterns in stage IA lung adenocarcinoma
2025-Apr-30, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-995
PMID:40386715
|
研究论文 | 本研究开发了一种基于术前CT图像的融合模型，用于预测IA期肺浸润性非黏液腺癌中高级别模式的存在 | 首次将放射组学特征与深度学习特征相结合构建预测模型，显著提升了高级别模式的识别性能 | 回顾性研究设计，样本量相对有限（403例患者），需要外部验证 | 开发术前预测肺腺癌高级别模式的影像学模型 | IA期肺浸润性非黏液腺癌患者 | 医学影像分析 | 肺癌 | 计算机断层扫描（CT） | XGBoost | 医学影像 | 403例手术治疗的IA期肺腺癌患者 | NA | NA | AUC, 校准曲线, 决策曲线分析 | NA |
| 11098 | 2025-10-07 |
Fully automated MRI-based analysis of the locus coeruleus in aging and Alzheimer's disease dementia using ELSI-Net
2025 Apr-Jun, Alzheimer's & dementia (Amsterdam, Netherlands)
DOI:10.1002/dad2.70118
PMID:40365469
|
研究论文 | 提出了一种基于深度学习的自动化蓝斑核分割和特征提取方法ELSI-Net，应用于衰老和阿尔茨海默病痴呆的MRI数据分析 | 开发了集成式蓝斑核分割网络ELSI-Net，实现了完全自动化的蓝斑核分析，性能优于先前工作 | 需要在更多样化的临床队列数据集上进行进一步评估以确认其普适性 | 开发自动化蓝斑核分析方法并应用于衰老和阿尔茨海默病痴呆研究 | 健康衰老人群和阿尔茨海默病痴呆患者的蓝斑核 | 医学影像分析 | 阿尔茨海默病 | 磁共振成像 | 深度学习 | MRI图像 | NA | NA | 集成网络 | 与专家评分一致性，与已发表图谱一致性 | NA |
| 11099 | 2025-10-07 |
Potential of Artificial Intelligence for Bone Age Assessment in Iranian Children and Adolescents: An Exploratory Study
2025-Apr-01, Archives of Iranian medicine
IF:1.0Q3
DOI:10.34172/aim.32070
PMID:40382691
|
研究论文 | 探索人工智能系统在伊朗儿童和青少年骨龄评估中的准确性 | 开发了专门针对伊朗人群的深度学习模型进行骨龄评估 | 95%一致性界限相对较宽（特别是男孩），年龄范围两端的预测误差较大，需要更大更多样化的数据集验证 | 研究人工智能系统能否准确评估伊朗儿童的骨龄 | 1-18岁伊朗儿童和青少年的左手X光片 | 医学影像分析 | 肌肉骨骼疾病 | X光成像 | 深度学习模型 | X光图像 | 555张左手X光片（220名男孩，335名女孩） | NA | NA | 均方误差, 平均绝对误差, 组内相关系数, 95%一致性界限 | NA |
| 11100 | 2025-10-07 |
Artificial Intelligence as a Screening Tool for MRI Evaluation of Normal and Abnormal Medial Meniscus
2025-Apr, Cureus
DOI:10.7759/cureus.82523
PMID:40385820
|
研究论文 | 本研究评估了基于Mask R-CNN的深度学习模型在MRI图像中对内侧半月板进行分割和分类的性能 | 使用精确的多边形标注实现像素级半月板分割，而非传统的边界框分割方法，确保排除相邻解剖结构干扰 | 需要多中心数据集验证，尚未对半月板异常进行细分类 | 开发AI辅助工具自动化评估膝关节MRI中的半月板异常 | 膝关节内侧半月板 | 计算机视觉 | 骨科疾病 | MRI成像技术 | Mask R-CNN | 医学图像 | 3,600幅矢状位质子密度加权脂肪抑制(PD-FS) MRI图像 | PyTorch | Mask R-CNN with ResNet-50, FPN | AUC, 分割准确率, 灵敏度, 特异性 | NA |