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 13601 - 13620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13601 | 2025-10-07 |
Radiomics and Artificial Intelligence Landscape for [18F]FDG PET/CT in Multiple Myeloma
2025-May, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2024.11.005
PMID:39674756
|
综述 | 本文综述了放射组学和人工智能在多发骨髓瘤[18F]FDG PET/CT成像中的应用现状与前景 | 首次系统总结AI与放射组学在多发骨髓瘤PET/CT标准化解读中的创新应用 | 该领域研究仍处于初步阶段，文献数量有限且方法尚未标准化 | 探索先进影像量化方法以优化多发骨髓瘤的诊疗管理 | 多发骨髓瘤患者的[18F]FDG PET/CT影像数据 | 医学影像分析 | 多发骨髓瘤 | PET/CT成像，放射组学特征提取 | 机器学习，深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 13602 | 2025-10-07 |
Deep Learning-Derived Quantitative Scores for Chronic Rhinosinusitis Assessment: Correlation With Quality of Life Outcomes
2025-May, American journal of rhinology & allergy
IF:2.5Q1
DOI:10.1177/19458924251313845
PMID:39819002
|
研究论文 | 本研究利用深度学习自动分割鼻窦CT图像生成定量评分，并探讨其与慢性鼻窦炎患者生活质量的相关性 | 首次基于nnU-Net开发自动鼻窦分割模型，生成定量Lund-MacKay评分和定量混浊评分，系统评估其与生活质量指标的相关性 | 定量评分与总SNOT-22评分无显著相关性，与术后生活质量改善也无显著关联 | 开发慢性鼻窦炎的客观量化评估工具并验证其临床价值 | 慢性鼻窦炎患者的CT影像数据 | 医学影像分析 | 慢性鼻窦炎 | CT影像分析 | 深度学习 | CT图像 | 445例CT数据（来自2个医疗中心），其中300例用于训练验证，145例用于测试 | nnU-Net | nnU-Net | Dice相似系数 | NA |
| 13603 | 2025-10-07 |
Performance of Two Deep Learning-based AI Models for Breast Cancer Detection and Localization on Screening Mammograms from BreastScreen Norway
2025-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.240039
PMID:39907587
|
研究论文 | 评估两种基于深度学习的AI模型在乳腺癌筛查乳腺X线摄影中的癌症检测和定位性能 | 在大型真实世界筛查人群中比较商业AI模型与内部开发模型的性能，并评估标记定位准确性 | 回顾性研究设计，仅使用单一筛查项目的数据 | 评估AI模型在乳腺X线摄影筛查中的癌症检测和定位准确性 | 129,434例女性筛查检查（平均年龄59.2岁） | 计算机视觉 | 乳腺癌 | 乳腺X线摄影 | 深度学习模型 | 医学影像 | 129,434例筛查检查 | NA | NA | AUC, 灵敏度, 定位准确率 | NA |
| 13604 | 2025-10-07 |
The Evolution of Artificial Intelligence in Nuclear Medicine
2025-May, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2025.01.006
PMID:39934005
|
综述 | 本文综述了人工智能在核医学领域的演变历程、当前应用与未来挑战 | 系统梳理了AI在核医学中从早期机器学习到现代生成式AI的技术演进路径 | 面临数据稀缺性、异质性和伦理问题等临床转化障碍 | 探讨人工智能技术在核医学诊断、治疗和影像处理中的应用与发展趋势 | 核医学领域的疾病诊断、影像分割、图像增强和诊疗一体化 | 医疗人工智能 | 多种疾病（未特指） | 机器学习、深度学习、生成式AI | CNN, Transformer, 扩散模型, 大语言模型 | 医学影像、医疗文本 | NA | NA | NA | NA | NA |
| 13605 | 2025-10-07 |
AI in Breast Cancer Imaging: An Update and Future Trends
2025-May, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2025.01.008
PMID:40011118
|
综述 | 本文回顾了人工智能在乳腺癌影像学中的最新应用进展和未来发展趋势 | 总结了大型基础模型在乳腺癌影像任务中的潜力，探讨了自监督学习和联邦学习等新兴技术 | 需要数据源头标准化、大规模标注多模态数据集和广泛的前瞻性临床试验来验证临床效用 | 综述人工智能在乳腺癌影像学中的最新发展和未来趋势 | 乳腺癌影像数据，包括乳腺X线摄影、数字乳腺断层合成、超声、磁共振成像和核医学技术 | 医学影像分析 | 乳腺癌 | 多种医学影像技术（乳腺X线摄影、数字乳腺断层合成、超声、磁共振成像、核医学技术） | 深度学习，基础模型，自监督学习，联邦学习 | 医学影像数据 | NA | NA | NA | NA | NA |
| 13606 | 2025-10-07 |
The Role of AI in the Evaluation of Neuroendocrine Tumors: Current State of the Art
2025-May, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2025.02.003
PMID:40023682
|
综述 | 本文综述人工智能在神经内分泌肿瘤诊疗中的当前应用与新兴趋势 | 系统整合AI计算机视觉在神经内分泌肿瘤影像工作流程中的创新应用 | NA | 改善神经内分泌肿瘤的诊断标准与临床管理 | 神经内分泌肿瘤 | 计算机视觉 | 神经内分泌肿瘤 | 影像组学, 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 13607 | 2025-10-07 |
Optimizing CT Imaging Parameters: Implications for Diagnostic Accuracy in Nuclear Medicine
2025-May, Seminars in nuclear medicine
IF:4.6Q1
DOI:10.1053/j.semnuclmed.2025.02.008
PMID:40055048
|
综述 | 本文综述了CT成像参数优化在核医学诊断准确性中的重要性，探讨了标准化协议和新兴图像重建技术 | 系统评估迭代重建和深度学习在提升CT图像质量及降低辐射剂量方面的潜力，并提出建立本地诊断参考水平的协议管理方案 | 主要基于文献综述，缺乏原始实验数据验证具体参数优化效果 | 优化CT成像参数以提高核医学诊断准确性并降低辐射剂量 | CT成像参数（采集因素、重建算法、图像质量指标）及核医学部门的协议管理流程 | 医学影像 | NA | CT扫描、SPECT、PET、迭代重建、深度学习 | NA | 医学影像数据 | NA | NA | NA | 图像质量指标、诊断准确性、辐射剂量 | NA |
| 13608 | 2025-04-18 |
Beyond Double Reading: Multiple Deep Learning Models Enhancing Radiologist-led Breast Screening
2025-May, Radiology. Artificial intelligence
DOI:10.1148/ryai.250125
PMID:40237597
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13609 | 2025-10-07 |
The phase-seeding method for solving non-centrosymmetric crystal structures: a challenge for artificial intelligence
2025-May-01, Acta crystallographica. Section A, Foundations and advances
DOI:10.1107/S2053273325002797
PMID:40243167
|
研究论文 | 提出一种适用于非中心对称晶体结构解析的相位播种方法，将连续相位问题转化为多分类问题 | 将非中心对称结构的连续相位值离散化为少数几个离散值，将复杂回归问题转化为多分类问题 | 目前仅为可行性研究，需要进一步验证在更复杂结构中的应用 | 开发适用于人工智能集成的晶体结构解析新方法 | 非中心对称晶体结构 | 机器学习 | NA | X射线晶体学 | 深度学习 | 晶体衍射数据 | NA | NA | NA | NA | NA |
| 13610 | 2025-10-07 |
Improving the cleaning quality of tube lumen instruments by imaging analysis and deep learning techniques
2025-Apr-18, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2023-0527
PMID:40241330
|
研究论文 | 本研究通过成像分析和深度学习技术改进管腔器械的清洁质量检测 | 引入两种注意力机制聚焦重要特征，提出FA-ResNet18模型并采用并发空间和通道压缩激励注意力机制 | NA | 提高可重复使用管腔器械的清洁质量检测水平，确保患者安全和临床可靠性 | 管腔器械 | 计算机视觉 | NA | 电子内窥镜成像，图像预处理技术 | 深度学习 | 图像 | NA | NA | ResNet18, FA-ResNet18 | 准确率, 宏精确率, 宏召回率, 宏F2分数 | NA |
| 13611 | 2025-10-07 |
Brain tumour classification and survival prediction using a novel hybrid deep learning model using MRI image
2025-Apr-17, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2486206
PMID:40243150
|
研究论文 | 提出一种名为DRP_Net的新型混合深度学习模型，用于脑肿瘤分类和生存预测 | 融合深度残差网络和金字塔网络构建新型混合模型DRP_Net，结合同态滤波、Haar小波和LDNP特征提取技术 | 仅使用BraTS数据集，未提及外部验证或临床部署可行性 | 开发自动化的脑肿瘤分类和生存预测方法 | 脑肿瘤患者的MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | CNN, RNN | 图像 | BraTS数据集（具体数量未明确） | NA | Deep Residual Network, PyramidNet, Deep Recurrent Neural Network | 真阴性率, 准确率, 真阳性率 | NA |
| 13612 | 2025-10-07 |
Radiology AI and sustainability paradox: environmental, economic, and social dimensions
2025-Apr-17, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01962-2
PMID:40244301
|
综述 | 探讨放射学AI在环境、经济和社会维度上的可持续性悖论 | 首次从放射学视角系统分析AI技术的可持续性矛盾，提出平衡创新与可持续性的综合框架 | 未提供具体实证数据支持理论分析，缺乏量化环境影响评估 | 分析AI在放射学领域的可持续性挑战并提出应对策略 | 放射学AI系统的环境足迹、经济可行性和社会影响 | 医疗AI | NA | 深度学习 | NA | NA | NA | NA | NA | NA | 云计算 |
| 13613 | 2025-10-07 |
A deep learning model based on self-supervised learning for identifying subtypes of proliferative hepatocellular carcinoma from dynamic contrast-enhanced MRI
2025-Apr-17, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01968-w
PMID:40244356
|
研究论文 | 本研究开发了一种基于自监督学习的深度学习模型，利用动态对比增强MRI数据识别肝细胞癌的增殖亚型 | 首次将自监督学习与动态影像组学结合，采用两阶段训练方法预测HCC增殖亚型 | 回顾性研究设计，样本量相对有限（381例患者） | 提高肝细胞癌增殖亚型的诊断精度并指导个性化治疗规划 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | 动态对比增强MRI | 深度学习模型 | 医学影像 | 381例HCC患者（训练集220例，内部测试集93例，外部测试集68例） | NA | pHCC-SSL模型 | AUC | NA |
| 13614 | 2025-10-07 |
DWI of the rectum with deep learning reconstruction: comparison of PROPELLER, reduced FOV, and conventional DWI
2025-Apr-17, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04950-8
PMID:40244478
|
研究论文 | 比较PROPELLER、rFOV和传统DWI结合深度学习重建在直肠肿瘤评估中的图像质量和诊断性能 | 首次系统比较三种DWI序列（PROPELLER、rFOV和传统DWI）结合深度学习重建在直肠肿瘤评估中的表现 | 样本量较小（42次MRI检查），诊断准确性改善未达统计学显著性 | 评估不同DWI序列结合深度学习重建在直肠肿瘤成像中的效果 | 38名直肠肿瘤患者的42次MRI检查 | 医学影像分析 | 直肠癌 | 扩散加权成像（DWI），深度学习重建 | 深度学习 | MRI影像 | 38名患者的42次MRI检查 | NA | NA | 图像质量评分，诊断准确性，加权kappa值 | NA |
| 13615 | 2025-10-07 |
Empowering natural product science with AI: leveraging multimodal data and knowledge graphs
2025-Apr-16, Natural product reports
IF:10.2Q1
DOI:10.1039/d4np00008k
PMID:39148455
|
观点文章 | 探讨如何利用人工智能和多模态数据及知识图谱推动天然产物科学研究 | 提出通过构建知识图谱整合分散的天然产物数据，以开发能模拟天然产物科学家决策过程的AI模型 | 天然产物数据存在多模态、不平衡、非标准化和分散存储等挑战，限制了现有深度学习架构的应用 | 推动人工智能在天然产物科学研究中的应用，模拟人类认知决策过程 | 天然产物科学数据和知识 | 自然语言处理, 机器学习 | NA | 知识图谱构建, 多模态数据处理 | NA | 多模态数据, 非关系型数据 | NA | NA | NA | NA | NA |
| 13616 | 2025-10-07 |
A deep learning approach for quantifying CT perfusion parameters in stroke
2025-Apr-16, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adc9b6
PMID:40194529
|
研究论文 | 提出一种基于Transformer的深度学习方法，用于从CT灌注图像中准确量化脑卒中相关生理参数 | 首次将Transformer网络应用于CT灌注参数估计，能够学习体素级时间特征并估计局部动脉输入函数 | 方法验证主要基于模拟数据和单一公开数据集(ISLES18)，需要更多临床数据验证 | 开发从CT灌注图像准确估计生理参数的方法 | 急性缺血性脑卒中患者的CT灌注图像 | 医学影像分析 | 脑卒中 | CT灌注成像 | Transformer | 医学影像序列数据 | ISLES18数据集和模拟数据 | NA | Transformer | 相关系数, 平均误差 | NA |
| 13617 | 2025-10-07 |
Deep Anatomical Federated Network (Dafne): An Open Client-server Framework for the Continuous, Collaborative Improvement of Deep Learning-based Medical Image Segmentation
2025-Apr-16, Radiology. Artificial intelligence
DOI:10.1148/ryai.240097
PMID:40237599
|
研究论文 | 提出并评估了Dafne，一个基于联邦增量学习的免费去中心化协作深度学习系统，用于医学影像语义分割 | 开发了首个开放的客户端-服务器框架，支持通过联邦增量学习实现医学影像分割模型的持续协作改进 | 本地评估仅基于38个下肢MRI数据集，样本规模有限 | 开发一个能够通过联邦学习持续改进医学影像分割性能的协作系统 | 放射学图像的语义分割 | 医学影像分析 | NA | 联邦学习，增量学习 | 深度学习 | 医学影像，MRI | 38个下肢MRI数据集，639个实际使用案例 | NA | NA | Dice相似系数 | 客户端-服务器架构 |
| 13618 | 2025-10-07 |
Clinical Neuroimaging Over the Last Decade: Achievements and What Lies Ahead
2025-Apr-16, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001192
PMID:40239043
|
综述 | 回顾过去十年临床神经影像学领域的技术进步与科学发现，重点分析《Investigative Radiology》期刊的高影响力文章及其对临床实践的影响 | 整合光子计数CT、高低场磁共振成像技术创新与深度学习分析方法，首次系统梳理脑部类淋巴系统等基础神经科学发现对临床的转化价值 | 主要基于单一期刊的文献分析，可能未全面覆盖该领域所有重要进展 | 总结临床神经影像学十年发展历程并展望未来方向 | 神经影像学技术文献与临床实践应用 | 医学影像 | 神经系统疾病 | 光子计数CT、高低场磁共振成像、定量成像技术 | 深度学习 | 医学影像数据 | NA | NA | NA | NA | NA |
| 13619 | 2025-10-07 |
A lightweight Xray-YOLO-Mamba model for prohibited item detection in X-ray images using selective state space models
2025-Apr-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96035-1
PMID:40240781
|
研究论文 | 提出一种轻量级Xray-YOLO-Mamba模型，用于X射线图像中的违禁物品检测 | 集成YOLO和Mamba架构，引入CResVSS块增强感受野和特征表示，SDConv下采样块减少信息损失，Dysample上采样块改善分辨率恢复 | NA | 解决X射线图像违禁物品检测中的特征提取、目标遮挡和模型复杂度问题 | X射线图像中的违禁物品 | 计算机视觉 | NA | X射线成像 | YOLO, Mamba | X射线图像 | 三个数据集(CLCXray, OPIXray, SIXray) | NA | YOLO, Mamba, CResVSS, SDConv, Dysample | mAP, FPS | GPU |
| 13620 | 2025-10-07 |
Inter-organ correlation based multi-task deep learning model for dynamically predicting functional deterioration in multiple organ systems of ICU patients
2025-Apr-16, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-025-00445-w
PMID:40241105
|
研究论文 | 提出基于器官间相关性的多任务深度学习模型IOC-MT，用于动态预测ICU患者六个器官系统的功能恶化 | 使用图注意力网络模块捕获器官间相关性，并采用自适应调整机制根据其他器官信息调整预测结果 | 研究依赖于三个公共ICU数据库，未在更多数据集上验证模型泛化能力 | 开发多任务深度学习模型同时预测多个器官系统的功能恶化 | ICU患者六个器官系统的功能恶化 | 医疗健康, 深度学习 | 危重症疾病 | 深度学习, 图神经网络 | 多任务深度学习, GAT, LSTM, GRU, Transformer | ICU临床数据 | 三个公共ICU数据库 | NA | Graph Attention Networks, LSTM, GRU, Transformer | AUROC, AUPRC, 校准曲线 | NA |