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 26055 篇文献，本页显示第 141 - 160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 2025-05-03 |
Deep Learning Radiopathomics for Predicting Tumor Vasculature and Prognosis in Hepatocellular Carcinoma
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.250141
PMID:40314587
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 142 | 2025-06-06 |
Anatomy-derived 3D Aortic Hemodynamics Using Fluid Physics-informed Deep Learning
2025-May, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240714
PMID:40326877
|
research paper | 研究使用流体物理信息深度学习方法（FPI-CycleGAN）从解剖输入中量化主动脉血流动力学，作为4D流MRI的替代方案 | 提出了一种生成式人工智能方法（FPI-CycleGAN），能够直接从解剖输入中预测主动脉血流动力学，显著减少计算时间 | 研究依赖于回顾性数据，且需要进一步验证在更广泛人群中的适用性 | 评估FPI-CycleGAN在量化主动脉血流动力学中的可行性和准确性 | 主动脉血流动力学 | digital pathology | cardiovascular disease | 4D flow MRI, FPI-CycleGAN | CycleGAN | 3D segmentation, MRI | 1765名患者（其中1242名BAV患者和523名TAV患者） |
| 143 | 2025-06-06 |
Development and validation of a novel chronic pancreatitis pathological grade based on artificial intelligence
2025-May, Pancreatology : official journal of the International Association of Pancreatology (IAP) ... [et al.]
IF:2.8Q2
DOI:10.1016/j.pan.2025.04.011
PMID:40335378
|
研究论文 | 本研究开发并验证了一种基于深度学习的慢性胰腺炎病理分级系统（Histopathology-derived CPpG），并通过放射组学评分（DLRS）预测疾病严重程度 | 首次提出基于人工智能的慢性胰腺炎病理分级系统，并开发了非侵入性的DLRS用于动态监测疾病严重程度 | 研究为回顾性设计，且病理确认的CP样本量相对较小（181例） | 开发慢性胰腺炎的客观病理分级系统并验证其临床价值 | 慢性胰腺炎和复发性急性胰腺炎患者 | 数字病理 | 慢性胰腺炎 | 深度学习，放射组学 | DeeplabV3+ | 全切片图像，CT扫描 | 2054例患者（含181例病理确诊CP） |
| 144 | 2025-06-06 |
Quantitative dynamics of neural uncertainty in sensory processing and decision-making during discriminative learning
2025-May, Experimental & molecular medicine
DOI:10.1038/s12276-025-01456-7
PMID:40335633
|
研究论文 | 本研究使用深度学习方法量化了初级体感皮层前肢区（fS1）在振动频率辨别任务中的神经不确定性 | 引入了一种transformer模型，用于解码随时间不一致跟踪的神经数据，揭示了fS1在振动刺激和决策过程中编码不确定性的关键作用 | 研究仅关注fS1区域，未涉及其他可能参与不确定性处理的大脑区域 | 探究感觉皮层中神经不确定性的定量表征及其在辨别学习中的作用 | 初级体感皮层前肢区（fS1）的神经活动 | 神经科学 | NA | 深度学习 | transformer | 神经活动数据 | NA |
| 145 | 2025-06-06 |
Interactive Explainable Deep Learning Model for Hepatocellular Carcinoma Diagnosis at Gadoxetic Acid-enhanced MRI: A Retrospective, Multicenter, Diagnostic Study
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240332
PMID:40445095
|
研究论文 | 开发基于钆塞酸增强MRI的人工智能模型，辅助放射科医生诊断肝细胞癌 | 提出了一种交互式可解释的深度学习模型，能够通过分析预训练病变分类器的激活模式推断LI-RADS特征的存在 | 研究为回顾性设计，可能受到选择偏差的影响 | 开发AI模型辅助肝细胞癌诊断 | 肝局灶性病变患者 | 数字病理 | 肝细胞癌 | 钆塞酸增强MRI | 深度学习 | MRI图像 | 839名患者（1023个肝局灶性病变） |
| 146 | 2025-06-06 |
Predicting Recurrence in Locally Advanced Rectal Cancer Using Multitask Deep Learning and Multimodal MRI
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240359
PMID:40445102
|
research paper | 开发并验证了一种名为MultiRecNet的多任务深度网络，用于全自动预测接受新辅助放化疗（nCRT）治疗的局部晚期直肠癌（LARC）患者的无病生存期（DFS） | MultiRecNet能够在单一框架内同时执行分割、分类和生存预测任务，实现了全自动端到端的预后预测 | 研究为回顾性设计，可能存在选择偏差 | 预测局部晚期直肠癌患者的无病生存期 | 接受nCRT治疗的局部晚期直肠癌患者 | digital pathology | rectal cancer | multimodal MRI | MultiRecNet (multitask deep learning) | MRI图像（T2、ADC等）及临床指标 | 445名患者（训练集261名，验证集37名，内部测试集75名，外部测试集72名） |
| 147 | 2025-06-06 |
Deep Learning-based Anatomy-Aware Morph Model for Registration of Prostate Whole-Mount Histopathology to MRI
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240336
PMID:40445100
|
研究论文 | 开发并评估了一种基于深度学习的新方法，用于前列腺术前MRI和全切片组织病理学（WMHP）图像的配准 | 提出了一种结合注意力机制和卷积神经网络的解剖感知变形模型，用于多模态前列腺图像配准，显著优于现有的VoxelMorph方法 | 研究为回顾性研究，样本量相对有限（315例患者） | 开发前列腺多模态医学图像配准方法 | 前列腺术前MRI和全切片组织病理学（WMHP）图像 | 数字病理 | 前列腺癌 | 深度学习 | 混合注意力机制和CNN的Anatomy-Aware Morph模型 | 医学影像（MRI和病理图像） | 315例接受根治性前列腺切除术的患者（270例训练，45例测试） |
| 148 | 2025-06-06 |
The Advances in Deep Learning Modeling of Polyadenylation Codes
2025 May-Jun, Wiley interdisciplinary reviews. RNA
DOI:10.1002/wrna.70017
PMID:40468587
|
综述 | 本文总结了深度学习模型在解析多聚腺苷酸化调控方面的进展及其应用 | 深度学习模型能够无偏地量化基序间的相互作用，解析序列复杂性，并捕捉顺式调控基序间复杂的位置相互作用 | NA | 探讨深度学习模型在多聚腺苷酸化调控研究中的应用 | 真核生物mRNA和lncRNA的3'端切割和多聚腺苷酸化过程 | 自然语言处理 | NA | 深度学习 | 深度学习模型 | 序列数据 | NA |
| 149 | 2025-06-06 |
Deep learning-based temporal MR image reconstruction for accelerated interventional imaging during in-bore biopsies
2025-May, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.12.3.035001
PMID:40469203
|
research paper | 该研究通过深度学习技术加速前列腺癌活检过程中的MR图像重建和器械定位 | 提出了一种基于深度学习的时空MR图像重建模型，能够在16倍欠采样率下保持图像质量并最小化器械定位误差 | 单中心回顾性研究，可能缺乏外部验证 | 加速经直肠MR引导的前列腺活检过程 | 前列腺癌患者 | digital pathology | prostate cancer | MR imaging | nnU-Net | image | 1289名患者的8464张MR二维多层扫描图像 |
| 150 | 2025-06-06 |
Artificial intelligence to predict treatment response in rheumatoid arthritis and spondyloarthritis: a scoping review
2025-04-07, Rheumatology international
IF:3.2Q2
DOI:10.1007/s00296-025-05825-3
PMID:40192881
|
综述 | 本文综述了人工智能在预测类风湿性关节炎和脊柱关节炎治疗反应中的应用类型和方法 | 总结了AI技术在预测类风湿性关节炎和脊柱关节炎治疗反应中的多种应用，包括监督学习、无监督聚类和深度学习等方法 | 方法学异质性限制了结果的普遍适用性，且存在数据整合和外部验证的挑战 | 分析人工智能技术在预测类风湿性关节炎和脊柱关节炎治疗反应中的应用 | 类风湿性关节炎(RA)和脊柱关节炎(SpA)患者 | 数字病理学 | 类风湿性关节炎, 脊柱关节炎 | 监督机器学习(如随机森林、支持向量机)、无监督聚类、深度学习 | 随机森林, 支持向量机, 深度学习模型 | 电子医疗记录、临床生物标志物、遗传和蛋白质组数据、影像数据 | 89项研究(74项关于RA，7项关于SpA，4项关于银屑病关节炎，4项混合研究) |
| 151 | 2025-04-03 |
Editorial Comment: Deep Learning Unlocks the Prognostic Importance of Thoracic Aortic Calcification
2025-Apr-02, AJR. American journal of roentgenology
DOI:10.2214/AJR.25.33012
PMID:40172167
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 152 | 2025-06-06 |
Artificial intelligence in abdominal and pelvic ultrasound imaging: current applications
2025-Apr, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04640-x
PMID:39487919
|
综述 | 本文综述了人工智能在腹部和盆腔超声成像中的当前应用 | 提供了关于AI在腹部和盆腔超声成像中最新应用的全面概述 | 大多数研究为单中心回顾性研究，存在较高的偏倚风险，且很少有应用经过前瞻性验证或多中心研究 | 探讨人工智能在腹部和盆腔超声成像中的应用潜力 | 腹部和盆腔超声成像 | 医学影像 | 多器官疾病 | 深度学习、机器学习、自然语言处理、机器人技术 | NA | 超声图像 | 57篇文献，涉及128个标题 |
| 153 | 2025-06-06 |
Utilising artificial intelligence in developing education of health sciences higher education: An umbrella review of reviews
2025-Apr, Nurse education today
IF:3.6Q1
DOI:10.1016/j.nedt.2025.106600
PMID:39904286
|
综述的综述 | 本文通过综述的综述方法，综合了当前关于人工智能在健康科学教育中应用的证据 | 识别了人工智能在健康科学教育中的五个关键领域，并强调了其潜在应用和需要进一步投资的方面 | 仅分析了2019年至2023年间发表的七篇综述，可能无法涵盖所有相关研究 | 综合当前关于人工智能在健康科学教育中应用的证据 | 健康科学高等教育 | 教育技术 | NA | 机器人技术、机器学习和深度学习、大数据、沉浸式技术、自然语言处理 | NA | 文献数据 | 201篇综述 |
| 154 | 2025-06-06 |
Automated Bi-Ventricular Segmentation and Regional Cardiac Wall Motion Analysis for Rat Models of Pulmonary Hypertension
2025-Apr, Pulmonary circulation
IF:2.2Q3
DOI:10.1002/pul2.70092
PMID:40356847
|
研究论文 | 提出了一种基于深度学习的自动化流程，用于肺动脉高压（PH）大鼠模型的双心室分割和3D壁运动分析 | 开发了一种高效的自动化深度学习管道，用于大鼠模型的双心室分割和3D壁运动分析，填补了临床前研究与临床AI发展之间的空白 | 研究仅针对大鼠模型，结果可能无法直接推广到人类 | 开发一种自动化工具，用于肺动脉高压疾病进展及其对心脏影响的预测分析 | 肺动脉高压大鼠模型的心脏运动 | 数字病理学 | 肺动脉高压 | 心脏磁共振扫描 | 全卷积网络 | 图像 | 163个短轴电影心脏磁共振扫描，来自MCT和SuHx肺动脉高压大鼠 |
| 155 | 2025-06-06 |
Harnessing Electronic Health Records and Artificial Intelligence for Enhanced Cardiovascular Risk Prediction: A Comprehensive Review
2025-Mar-18, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.124.036946
PMID:40079336
|
综述 | 本文综述了电子健康记录（EHR）与人工智能（AI）在心血管疾病（CVD）风险预测中的应用与挑战 | 整合EHR数据与AI技术，提升CVD风险预测的准确性和动态管理能力 | 数据质量、跨医疗系统标准化、地理差异性问题，以及AI模型的解释性和多样化人群验证需求 | 探讨EHR与AI在CVD风险预测中的进展与挑战，优化预测模型 | 心血管疾病（CVD）风险预测模型 | 医疗人工智能 | 心血管疾病 | AI深度学习 | 深度学习模型 | 电子健康记录（EHR）数据 | NA |
| 156 | 2025-06-06 |
Deep learning in single-cell and spatial transcriptomics data analysis: advances and challenges from a data science perspective
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf136
PMID:40185158
|
review | 本文综述了深度学习在单细胞和空间转录组数据分析中的进展和挑战，并从数据科学的角度进行了系统评价 | 系统评价了先进的深度学习方法，并整理了21个数据集和58种计算方法进行性能评估，揭示了模型性能在不同数据集和评估指标上的显著差异 | 高质量注释数据集仍然有限，生物组织的复杂相关性使得准确重建细胞状态和空间环境具有挑战性 | 探讨深度学习如何有效应用于转录组数据分析，以提升预测准确性和生物学解释性 | 单细胞和空间转录组数据 | machine learning | NA | 单细胞测序、空间转录组学 | 深度学习 | 基因表达、表观遗传修饰、代谢物水平、空间位置等多模态数据 | 21个数据集来自九个基准测试 |
| 157 | 2025-06-06 |
Randomized controlled trial of an artificial intelligence diagnostic system for the detection of esophageal squamous cell carcinoma in clinical practice
2025-Mar, Endoscopy
IF:11.5Q1
DOI:10.1055/a-2421-3194
PMID:39317205
|
研究论文 | 一项关于人工智能诊断系统在临床实践中检测食管鳞状细胞癌的随机对照试验 | 首次在临床环境中评估AI系统对食管鳞状细胞癌的检测效果，而非回顾性研究 | 未能证明AI诊断支持系统在提高食管癌检测率方面的显著改善 | 评估AI系统在临床实践中辅助内镜医师检测食管鳞状细胞癌的效果 | 高风险食管鳞状细胞癌患者 | 数字病理 | 食管鳞状细胞癌 | 白光成像（WLI）、窄带成像（NBI）、碘染色 | 深度学习系统 | 图像 | 320名患者 |
| 158 | 2025-06-06 |
Artificial Intelligence in Temporal Bone Imaging: A Systematic Review
2025-Mar, The Laryngoscope
DOI:10.1002/lary.31809
PMID:39352072
|
系统综述 | 本文系统综述了人工智能在颞骨影像学中的应用现状 | 总结了AI在颞骨影像学中的潜在作用，包括提高诊断准确性和效率 | 现有研究存在异质性和质量不一的问题，需要更标准化的方法学 | 探讨人工智能在颞骨影像学中的当前作用 | 颞骨影像学 | 医学影像分析 | 颞骨相关疾病 | CT影像 | CNN | 影像数据 | 72项研究 |
| 159 | 2025-06-06 |
Preserving privacy in healthcare: A systematic review of deep learning approaches for synthetic data generation
2025-Mar, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108571
PMID:39742693
|
系统综述 | 本文系统综述了医疗保健领域中用于合成数据生成的深度学习技术，重点关注其在保持数据效用和增强隐私方面的能力 | 探讨了GANs、VAEs和扩散模型在生成合成数据中的应用，并特别关注了差分隐私和联邦学习等隐私增强方法 | 在保持时间相关性、减少偏见以及符合监管框架方面仍存在挑战，特别是对于纵向和高维数据 | 评估深度学习技术在医疗保健领域中生成合成数据的潜力，以促进隐私保护的数据共享 | 医疗保健数据 | 机器学习 | NA | GANs, VAEs, 扩散模型, 差分隐私, 联邦学习 | GAN, VAE, 扩散模型 | 表格数据、信号数据、图像数据、多模态数据 | NA |
| 160 | 2025-06-06 |
Deep Learning Model of Diastolic Dysfunction Risk Stratifies the Progression of Early-Stage Aortic Stenosis
2025-Feb, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2024.07.017
PMID:39297852
|
research paper | 该研究探讨了基于超声心动图的深度学习模型在评估舒张功能障碍方面的应用，以预测主动脉瓣狭窄的发展和进展 | 利用深度学习模型预测舒张功能障碍，从而识别主动脉瓣狭窄进展的潜在风险 | 样本量较小，特别是在验证队列中，可能影响结果的普遍性 | 研究深度学习模型在预测主动脉瓣狭窄进展中的应用 | 主动脉瓣硬化和轻度至中度主动脉瓣狭窄患者 | digital pathology | cardiovascular disease | 超声心动图、心脏磁共振成像、PET/CT | DL | image | 898名主动脉瓣硬化患者（ARIC队列）、50名轻度至中度主动脉瓣狭窄患者（CMR队列）、18名主动脉瓣硬化患者（PET/CT队列） |