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 50105 篇文献，本页显示第 17761 - 17780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17761 | 2026-01-08 |
Attention-driven framework to segment renal ablation zone in posttreatment CT images: a step toward ablation margin evaluation
2026-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.13.1.014001
PMID:41497560
|
研究论文 | 本文提出了一种基于注意力机制的深度学习框架，用于在治疗后CT图像中分割肾脏消融区，以辅助消融边缘评估 | 首次使用并行CT图像进行基于深度学习的肾脏消融区分割，并引入了注意力机制增强U-Net架构以提升分割精度 | 数据集规模较小（仅76名患者），且分割精度（如DSC为0.70）和召回率（0.73）仍有提升空间，可能影响在多样化临床场景中的泛化能力 | 开发并评估一种准确的深度学习工作流程，用于从肾脏CT图像中分割肾脏消融区，以支持治疗评估 | 肾脏消融区（RAZ）在治疗后CT图像中的分割 | 数字病理学 | 肾细胞癌 | CT成像 | CNN | 3D CT图像 | 76名患者的注释肾脏消融区CT图像 | NA | 注意力增强的U-Net | 准确率, 精确率, 召回率, DSC, Jaccard系数, 特异性, 豪斯多夫距离, 平均绝对边界距离 | NA |
| 17762 | 2026-01-08 |
Augmented intelligence for multimodal virtual biopsy in breast cancer using generative artificial intelligence
2025-Dec-26, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104971
PMID:41456845
|
研究论文 | 本研究提出了一种基于生成式人工智能的多模态、多视图深度学习框架，用于乳腺癌虚拟活检，通过整合全视野数字乳腺X线摄影和对比增强能谱乳腺X线摄影图像，实现乳腺病变的良恶性非侵入性分类 | 引入基于CycleGAN的生成模型合成缺失的CESM图像，以解决多模态数据不完整问题，并采用两阶段晚期融合策略加权整合视图和模态特异性恶性概率 | 随着合成CESM图像比例增加，分类性能有所下降，且研究依赖于特定数据集，可能限制泛化能力 | 开发一种非侵入性乳腺癌虚拟活检系统，通过多模态图像融合提升乳腺病变分类准确性 | 乳腺病变（恶性或良性）的全视野数字乳腺X线摄影和对比增强能谱乳腺X线摄影图像 | 计算机视觉 | 乳腺癌 | 全视野数字乳腺X线摄影，对比增强能谱乳腺X线摄影 | CNN, GAN | 图像 | 未明确指定样本数量，但使用了扩展的CESM@UCBM数据集 | PyTorch（基于CycleGAN的常见实现框架） | ResNet18, ResNet50, VGG16, CycleGAN | AUC, G-mean, MCC, 峰值信噪比, 结构相似性指数 | 未明确指定，但通常涉及GPU计算资源 |
| 17763 | 2026-01-08 |
Prediction model for the risk of vitreous haemorrhage after vitrectomy combined with intraocular injection for the treatment of proliferative diabetic retinopathy
2025-Dec-09, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2025.105313
PMID:41381021
|
研究论文 | 本研究开发了一种轻量级多模态深度学习模型，用于准确预测增殖性糖尿病视网膜病变患者玻璃体切除联合眼内药物治疗后玻璃体腔出血的风险 | 整合超广角荧光素血管造影图像和临床数据，构建轻量级多模态深度学习模型，在预测术后玻璃体腔出血风险方面表现出高准确性和良好的可解释性 | 回顾性研究设计，样本量有限（1318只眼），外部验证集规模较小（264只眼） | 开发预测模型以评估增殖性糖尿病视网膜病变患者术后玻璃体腔出血风险 | 增殖性糖尿病视网膜病变患者 | 数字病理学 | 糖尿病视网膜病变 | 超广角荧光素血管造影 | 深度学习 | 图像, 临床数据 | 1318只眼（来自968名患者），外部测试集264只眼 | NA | EfficientNet-V2, 多层感知机 | AUROC, 精确率-召回率曲线下面积, 准确率, Brier分数, 校准斜率, 校准截距 | NA |
| 17764 | 2026-01-08 |
Comment on association of peripheral immune markers with brain age and dementia risk estimated using deep learning methods
2025-Dec-04, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000004275
PMID:41494186
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17765 | 2026-01-08 |
Emerging Artificial Intelligence Technologies for Risk Assessment and Management in Acute Myeloid Leukemia: A Review
2025-Dec-01, JAMA oncology
IF:22.5Q1
DOI:10.1001/jamaoncol.2025.3601
PMID:41196612
|
综述 | 本文综述了人工智能技术在急性髓系白血病风险分层、诊断和治疗规划中的应用现状与潜力 | 整合了机器学习、深度学习、可解释AI和联邦学习等多种AI技术，在AML管理中实现比传统ELN指南更高的预后准确性，并解决了数据稀缺和隐私保护问题 | 未提及具体研究方法的局限性，但强调了临床转化需要统一数据标准、健全监管框架和公平技术获取 | 评估人工智能技术在急性髓系白血病风险分层和管理中的应用潜力 | 急性髓系白血病（AML）患者 | 数字病理学 | 白血病 | 机器学习、深度学习、可解释AI、联邦学习 | NA | 临床数据、细胞遗传学数据、分子数据、骨髓涂片图像、转录组数据 | NA | NA | NA | AUROC, 准确率 | NA |
| 17766 | 2026-01-08 |
Unveiling optimal molecular features for hERG insights with automatic machine learning
2025-Dec, Journal of pharmaceutical analysis
IF:6.1Q1
DOI:10.1016/j.jpha.2025.101411
PMID:41487145
|
研究论文 | 本文介绍了一种名为MaxQsaring的新型通用框架，该框架整合了分子描述符、指纹和深度学习预训练表示，用于预测化合物性质，并以hERG阻断预测为例展示了其优越性能 | 开发了首个集成分子描述符、指纹和深度学习预训练表示的通用框架，通过自动优化特征组合实现了最先进的预测性能，并在TDC基准测试中19/22任务排名第一 | 深度学习预训练表示对提升模型泛化能力（特别是对新骨架化合物）的影响相对有限 | 开发通用化合物性质预测框架以提升早期药物发现成功率 | 化合物（特别是hERG阻断相关化合物） | 机器学习 | NA | 自动机器学习 | 决策树,深度学习模型 | 分子描述符、指纹、预训练表示 | NA | NA | NA | 准确率,泛化能力 | NA |
| 17767 | 2026-01-08 |
Artificial Intelligence in Medicine With Emphasis on Orthopedic Practice
2025-Dec, Cureus
DOI:10.7759/cureus.98306
PMID:41487832
|
综述 | 本文全面回顾了人工智能在医疗保健领域的影响，特别聚焦于其在骨科医学中的应用 | 重点探讨了大型语言模型和机器学习算法在骨科诊断、医学教育及个性化护理中的整合应用，并指出了向多模态模型发展的未来方向 | 现实世界应用受限于数据质量、系统集成和伦理问题，且临床推理能力仍有不足 | 评估人工智能在医疗保健，特别是骨科实践中的应用潜力与挑战 | 人工智能技术（如大型语言模型和机器学习算法）及其在骨科诊断、医学教育和患者护理中的应用 | 机器学习 | 骨科疾病 | 深度学习技术 | 大型语言模型, 机器学习算法 | 医学影像, 文本数据 | NA | NA | NA | 诊断准确性 | NA |
| 17768 | 2026-01-08 |
Corrigendum to Deep learning model based on primary tumor to predict lymph node status in clinical stage IA lung adenocarcinoma: a multicenter study [Journal of the National Cancer Center 4 (2024) 233-240]
2025-Dec, Journal of the National Cancer Center
IF:7.6Q1
DOI:10.1016/j.jncc.2025.08.002
PMID:41497255
|
correction | 本文是对一篇关于利用深度学习模型基于原发肿瘤预测临床IA期肺腺癌淋巴结状态的多中心研究的更正 | NA | NA | NA | NA | NA | lung cancer | NA | NA | NA | NA | NA | NA | NA | NA |
| 17769 | 2026-01-08 |
Expression of concern: "GBERT: A hybrid deep learning model based on GPT-BERT for fake news detection" [Heliyon 10 (2024) e35865]
2025-Dec, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2025.e44214
PMID:41497874
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17770 | 2026-01-08 |
Biomarkers
2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz70856_104724
PMID:41498605
|
研究论文 | 本研究通过纵向分析老年驾驶者的自然驾驶行为，探讨了白质高信号对复杂认知表现的影响 | 首次使用深度学习算法量化白质高信号的总体积和区域特异性分布，并将其与纵向驾驶行为数据关联，揭示了后部白质高信号对驾驶复杂性的主导影响 | 样本仅限于认知完整的老年驾驶者，且随访时间平均为6.1年，可能无法完全捕捉长期变化 | 研究白质高信号如何影响老年驾驶者的真实世界认知功能，特别是驾驶行为 | 212名认知完整的老年驾驶者（年龄≥65岁，CDR=0） | 数字病理学 | 阿尔茨海默病 | 3T MRI脑扫描 | 深度学习算法 | 图像, 驾驶行为数据 | 212名老年驾驶者，74,275周的驾驶数据 | NA | NA | FDR校正的p值 | NA |
| 17771 | 2026-01-08 |
Deep learning for otitis media classification using otoscopic image
2025-Nov-28, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000046218
PMID:41327679
|
研究论文 | 本研究评估了五种深度学习模型对中耳炎耳镜图像进行分类的性能 | 首次系统比较了包括ResNet-18、GoogLeNet、AlexNet、MobileNet-V3和VGGNet-19在内的多种深度学习模型在中耳炎分类任务中的表现，并确认了VGGNet-19的优越性能 | 数据集存在不平衡问题，且研究结果尚未在多样化的临床环境中进行验证，影响了模型的泛化能力 | 开发一种基于深度学习的自动化诊断工具，用于中耳炎的准确分类 | 819张耳镜图像，分为正常、急性中耳炎、渗出性中耳炎和慢性化脓性中耳炎四类 | 计算机视觉 | 中耳炎 | 耳镜成像 | CNN | 图像 | 819张耳镜图像 | NA | ResNet-18, GoogLeNet, AlexNet, MobileNet-V3, VGGNet-19 | 准确率, 灵敏度, 特异性, 精确率, F1分数, AUC | NA |
| 17772 | 2026-01-08 |
Anterior segment optical coherence tomography in corneal diseases: A bibliometric analysis and visualization research of global research trends (1994-2024)
2025-Nov-28, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000045679
PMID:41327675
|
综述 | 本研究对前段光学相干断层扫描（AS-OCT）在角膜疾病领域的全球研究进行了文献计量分析，绘制了关键研究轨迹、合作网络和新兴趋势 | 首次对1994年至2024年间AS-OCT在角膜疾病研究领域的全球文献进行全面的文献计量与可视化分析，揭示了人工智能、深度学习和光学相干弹性成像等新兴趋势 | 分析仅限于Web of Science核心合集中的英文文献，可能未涵盖其他语言或数据库中的相关研究，且排除了非眼科或非角膜相关的研究 | 通过文献计量分析，绘制AS-OCT在角膜疾病研究中的全球趋势、合作网络及未来发展方向 | 1994年至2024年间发表的关于AS-OCT在角膜疾病应用的相关科学文献 | 数字病理学 | 角膜疾病 | 光学相干断层扫描（OCT），文献计量分析 | NA | 文本（科学文献） | 2079篇出版物 | VOSviewer, CiteSpace | NA | NA | NA |
| 17773 | 2026-01-08 |
Comparative evaluation of emphysema quantification: Standardized %LAV-950 versus DL-based emphysema quantification with clinical parameter correlation
2025-Nov-28, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000046246
PMID:41327730
|
研究论文 | 本研究比较了传统的%LAV-950阈值方法与基于深度学习的算法在胸部CT扫描中量化肺气肿的效果，并评估了它们与肺功能测试参数的相关性 | 首次系统比较了传统阈值方法与深度学习算法在肺气肿量化中的性能，并发现深度学习方法在软组织重建核上能提供更一致、更强的临床参数相关性 | 研究为回顾性设计，样本量相对较小（101例），且仅针对慢性阻塞性肺疾病患者 | 评估和比较不同CT肺气肿量化方法与肺功能参数的相关性 | 慢性阻塞性肺疾病患者的胸部CT扫描和肺功能测试数据 | 医学影像分析 | 慢性阻塞性肺疾病 | 胸部计算机断层扫描，肺功能测试 | 深度学习算法 | 医学影像（CT扫描） | 101名慢性阻塞性肺疾病患者 | NA | NA | 皮尔逊相关系数，P值 | NA |
| 17774 | 2026-01-08 |
Deep Neural Network-Based Risk Prediction of Glioblastoma Multiforme Recurrence
2025-Oct-02, Journal of molecular neuroscience : MN
IF:2.8Q2
DOI:10.1007/s12031-025-02412-w
PMID:41037206
|
研究论文 | 本研究开发并评估了一种基于深度神经网络和混合差分进化神经网络的模型，用于准确预测多形性胶质母细胞瘤的复发风险 | 采用混合差分进化神经网络框架优化深度神经网络架构，用于预测晚期疾病阶段患者的GBM复发风险，并在多模态数据集上实现了优于传统方法的性能 | 研究主要依赖于TCGA和机构存储库的数据，样本量为780名患者，可能存在数据来源和样本规模的限制 | 开发高精度预测多形性胶质母细胞瘤复发风险的深度学习模型，以增强个体化治疗策略并改善患者预后 | 多形性胶质母细胞瘤患者 | 机器学习 | 脑肿瘤 | 基因组测序、影像学分析 | DNN | 基因组图谱、影像学指标、纵向临床记录 | 780名GBM患者 | Python | 混合差分进化神经网络 | 准确率、精确率、召回率、F1分数、AUC-ROC | NA |
| 17775 | 2026-01-08 |
Automating Brachial Plexus Scan: Wireless Handheld Ultrasound with Deep Learning over Ten Locations
2025 Oct-Dec, Journal of medical ultrasound
IF:0.9Q4
DOI:10.4103/jmu.jmu_61_24
PMID:41488171
|
研究论文 | 本研究提出了一种适用于低分辨率超声图像的图像分割模型，用于自动化臂丛神经扫描 | 针对低分辨率手持超声设备，开发了一种新颖的两阶段卷积神经网络架构，结合了图像分类和分割，并引入质心细化，显著提升了在便携设备上的臂丛神经定位性能 | 研究样本量较小（30名患者），且模型仅在特定预定义位置进行测试，可能限制了其泛化能力 | 开发一种适用于低分辨率手持超声设备的自动化臂丛神经扫描模型，以辅助区域麻醉中的神经可视化 | 臂丛神经的超声图像 | 计算机视觉 | NA | B型超声成像 | CNN | 图像, 视频 | 30名成年患者，共60,000张图像 | NA | 两阶段卷积神经网络（第一阶段用于图像分类，第二阶段用于分割与质心细化） | 灵敏度, 特异度, 中位距离误差, 平均对称表面距离, 豪斯多夫距离, 交并比 | NA |
| 17776 | 2026-01-08 |
Estimating ascending aortic diameter from the electrocardiogram
2025-Aug-21, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.08.19.25333786
PMID:40894145
|
研究论文 | 本研究开发了一种基于一维卷积神经网络的深度学习模型（ECGAI-TAA），用于从12导联心电图信号中估计升主动脉直径 | 首次将12导联心电图信号与MRI测量的升主动脉直径配对，利用深度学习模型从心电图信号中估计主动脉直径，并发现模型检测到的电生理变化可能与侧上轴偏移有关 | 研究结果仅代表生理学观察，尚未经过外部验证的风险评分验证 | 探索从心电图信号中无创估计升主动脉直径的可能性 | 英国生物银行（UK Biobank）的69,173名参与者 | 机器学习 | 心血管疾病 | MRI测量，心电图信号分析 | CNN，变分自编码器 | 心电图信号（12导联，10秒，500Hz），MRI图像 | 69,173名参与者（训练集），5,191名参与者（内部测试集） | NA | 一维卷积神经网络，变分自编码器 | 方差解释率（31%），比值比（16倍） | NA |
| 17777 | 2026-01-08 |
Effects of Deep Learning-Based Reconstruction on the Quality of Accelerated Contrast-Enhanced Neck MRI
2025-May, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.1059
PMID:40307199
|
研究论文 | 本研究比较了基于深度学习的重建技术与传统插值技术在加速对比增强颈部MRI中的图像质量 | 首次在加速对比增强颈部MRI中应用基于深度学习的重建算法，实现了扫描时间显著减少的同时提升图像质量 | 使用的深度学习算法为闭源工作进展版本，且重叠解剖结构的伪影略有增加 | 评估深度学习重建技术在加速颈部MRI中的图像质量与诊断性能 | 颈部对比增强MRI图像 | 医学影像分析 | NA | 对比增强MRI，深度学习重建 | 深度学习重建算法 | MRI图像 | 106名患者的MRI扫描数据 | NA | NA | 半高全宽，信号伪影百分比，非均匀性，对比噪声比，区域黏膜半高全宽，视觉评分（整体质量、清晰度、黏膜显着性、伪影、病变检测） | 3T MRI扫描仪，闭源深度学习重建算法（Siemens Healthineers WIP No. 1062） |
| 17778 | 2026-01-08 |
The Future of Medicine: AI and ML Driven Drug Discovery Advancements
2025, Current topics in medicinal chemistry
IF:2.9Q3
|
综述 | 本文综述了人工智能和机器学习在药物发现领域的应用进展，包括计算机辅助药物设计、深度学习等技术如何提升药物研发的效率和准确性 | 整合了AI/ML技术于药物发现过程，特别是通过大数据和深度学习处理复杂非线性数据，以增强药物-靶点相互作用预测和个性化治疗响应 | 未具体说明当前AI/ML方法在药物发现中的实际应用案例或数据验证细节，缺乏对技术局限性的深入讨论 | 探讨AI和ML如何推动药物发现领域的进步，提高药物设计的效率、安全性和成本效益 | 药物发现过程，包括靶点发现、先导化合物优化、临床试验等阶段 | 机器学习 | NA | 计算机辅助药物设计（CADD）、结构基于药物设计（SBDD）、配体基于药物设计（LBDD）、药效团建模、PBPK建模、高级纳米-QSAR | 深度学习 | 大数据 | NA | NA | NA | NA | NA |
| 17779 | 2026-01-08 |
Structure-aware completion of plant 3D LiDAR point clouds via a multi-resolution GAN-inversion network
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1698843
PMID:41487337
|
研究论文 | 本文提出了一种名为MRC-Net的无监督深度学习框架，用于在环境干扰和传感器限制下完成植物3D LiDAR点云的鲁棒、高保真补全 | 通过集成GAN反转策略与多分辨率原则，提出了一种无监督的多分辨率补全网络，利用多分辨率退化机制和多尺度判别器，在无监督条件下实现全局结构一致性与局部细节的平衡 | NA | 解决在环境干扰和传感器限制下，3D点云补全的鲁棒性和高保真性问题，以提升下游任务性能 | 植物3D LiDAR点云 | 计算机视觉 | NA | LiDAR | GAN | 3D点云 | 多个数据集，包括虚拟数据集（如CRN）和针对农业场景的自定义数据集 | NA | Multi-Resolution Completion Net (MRC-Net), ShapeInversion | Chamfer Distance (CD), F1分数 | NA |
| 17780 | 2026-01-08 |
Technology-driven approaches to intelligent mechanical weed control: a systematic review for sustainable weed management
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1734507
PMID:41487342
|
综述 | 本文对2000年至2024年间发表的智能机械除草系统进行了系统性综述，重点关注集成人工智能、机器视觉和机器人技术的设计、性能及在精准农业中的应用 | 首次提供了针对集成视觉与机器人驱动的AI机械除草系统的全面、系统性综述，并提出了包含传感器融合、自适应工具、平台模块化和用户中心界面的设计与操作指南 | 在杂草-作物区分、模型泛化、实时执行和经济可行性方面仍存在挑战 | 探索智能机械除草系统的设计与性能，以推动精准农业中可持续、非化学的杂草管理 | 智能机械除草系统，特别是集成人工智能、机器视觉和机器人技术的系统 | 计算机视觉 | NA | 机器视觉、人工智能、机器人技术 | 深度学习模型 | 图像（RGB、LiDAR、高光谱传感器数据） | 176篇技术论文，其中33篇关键工作进行了深入分析 | NA | NA | NA | NA |