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 2513 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2025-10-06 |
Physics-informed deep learning for T2-deblurred superresolution turbo spin echo MRI
2023-12, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29814
PMID:37578085
|
研究论文 | 提出一种融合物理信息的深度学习超分辨率方法，用于T2去模糊的涡轮自旋回波MRI图像重建 | 首次在深度学习超分辨率中引入物理真实的T2权重退化模型，改进了传统k空间截断方法的局限性 | 方法主要针对涡轮自旋回波MRI序列，在其他MRI序列上的适用性需要进一步验证 | 开发能够加速MRI扫描时间的超分辨率重建方法 | 基因工程小鼠胚胎模型的涡轮自旋回波MRI图像 | 医学影像分析 | NA | 涡轮自旋回波MRI | GAN | MRI图像 | 6-7个小鼠胚胎的500层图像体积 | NA | 生成对抗网络 | 定量成像指标, 专家评分 | NA |
| 402 | 2025-10-06 |
Social Media Images Can Predict Suicide Risk Using Interpretable Large Language-Vision Models
2023-11-29, The Journal of clinical psychiatry
IF:4.5Q1
DOI:10.4088/JCP.23m14962
PMID:38019588
|
研究论文 | 本研究开发了一个可解释的预测模型，利用社交媒体图像预测临床有效的自杀风险 | 首次证明公开可用的图像可用于预测经过验证的自杀风险，结合理论驱动特征与自下而上方法，提供简单灵活的策略 | 数据来源于2018年特定时间段，样本量相对有限，仅基于Facebook用户数据 | 开发可解释的自杀风险预测模型，解决现有AI方法的黑箱问题 | 841名Facebook用户上传的177,220张图像 | 多模态学习 | 心理健康疾病 | 对比语言-图像预训练(CLIP) | 逻辑回归,深度学习 | 图像 | 841名用户，177,220张图像 | CLIP | CLIP,逻辑回归 | AUC, Cohen's d | NA |
| 403 | 2025-10-06 |
Application of artificial intelligence in the diagnosis of hepatocellular carcinoma
2023-Sep, eGastroenterology
DOI:10.1136/egastro-2023-100002
PMID:39944000
|
综述 | 探讨人工智能在肝细胞癌放射学诊断中的最新应用进展 | 系统总结AI在HCC放射诊断中的优势，包括降低诊断变异性和优化数据分析 | 尚未在临床实践中常规应用，需要进一步研究和验证 | 评估人工智能在肝细胞癌诊断中的应用价值 | 肝细胞癌患者的放射学影像数据 | 计算机视觉 | 肝癌 | 放射学成像 | 深度学习,神经网络 | 医学影像 | NA | NA | NA | NA | NA |
| 404 | 2025-10-06 |
Comparison of evaluation metrics of deep learning for imbalanced imaging data in osteoarthritis studies
2023-09, Osteoarthritis and cartilage
IF:7.2Q1
DOI:10.1016/j.joca.2023.05.006
PMID:37209993
|
研究论文 | 比较骨关节炎研究中不平衡影像数据深度学习评估指标的适用性 | 首次系统比较不同类别不平衡程度下ROC和PR曲线等评估指标在骨关节炎深度学习研究中的表现差异 | 仅基于单一数据集（骨关节炎倡议研究）的MRI数据，未验证其他类型医学影像数据 | 评估深度学习模型在不平衡医学影像数据中的性能表现 | 骨关节炎患者的膝关节MRI影像和骨髓病变检测 | 计算机视觉 | 骨关节炎 | MRI成像 | 深度学习 | 医学影像 | 2467名参与者的2996个膝关节MRI | NA | NA | ROC-AUC, PR-AUC, 敏感性, 特异性 | NA |
| 405 | 2025-10-06 |
Addressing Deep Learning Model Calibration Using Evidential Neural Networks And Uncertainty-Aware Training
2023-Apr-18, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/ISBI53787.2023.10230515
PMID:39253557
|
研究论文 | 本研究探讨使用证据神经网络和不确定性感知训练来改善深度学习模型校准性能 | 首次将证据神经网络和不确定性感知训练结合使用，并在复杂医学影像任务中验证其对模型校准的改进效果 | 仅在两个分类任务上进行实验，需要更多任务验证通用性 | 改善深度学习模型在医学影像分类中的校准性能，提高临床医生对模型的信任度 | MNIST手写数字和相位对比心脏磁共振图像的伪影检测 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像 | 深度学习模型 | 图像 | NA | NA | 证据神经网络 | 模型校准指标 | NA |
| 406 | 2025-10-06 |
Predictive modelling of brain disorders with magnetic resonance imaging: A systematic review of modelling practices, transparency, and interpretability in the use of convolutional neural networks
2023-12-15, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.26521
PMID:37909364
|
系统综述 | 对使用卷积神经网络和MRI数据进行脑部疾病预测建模的研究实践、透明度和可解释性进行系统性评估 | 首次系统评估脑部疾病CNN预测建模的方法学差异，并提出改善临床整合的具体建议 | 仅纳入55项研究，可能未涵盖所有相关文献；定性分析可能受主观判断影响 | 评估基于CNN的脑部疾病MRI预测建模的方法学质量并提出改进建议 | 55项使用CNN和MRI数据进行脑部疾病预测建模的研究 | 医学影像分析 | 脑部疾病 | 结构磁共振成像 | CNN | MRI图像 | NA | NA | NA | NA | NA |
| 407 | 2025-10-06 |
Deep learning diagnostic performance and visual insights in differentiating benign and malignant thyroid nodules on ultrasound images
2023-12, Experimental biology and medicine (Maywood, N.J.)
DOI:10.1177/15353702231220664
PMID:38279511
|
研究论文 | 本研究构建并评估了一个基于超声图像的深度学习模型，用于准确区分良恶性甲状腺结节 | 首次将深度学习模型与80名放射科医生进行诊断性能比较，并利用Grad-CAM可视化模型决策过程以增强可解释性 | 诊断准确率有待进一步提高，需要在初级医疗机构中验证辅助诊断价值 | 开发能够准确区分良恶性甲状腺结节的AI诊断工具 | 甲状腺结节的超声图像 | 计算机视觉 | 甲状腺结节 | 超声成像 | CNN | 图像 | 655个独立甲状腺结节的2096张超声图像，独立测试集包含100例 | NA | ResNet | 灵敏度, 特异度, 准确率 | NA |
| 408 | 2025-10-06 |
Deep learning with citizen science data enables estimation of species diversity and composition at continental extents
2023-12, Ecology
IF:4.4Q1
DOI:10.1002/ecy.4175
PMID:37781963
|
研究论文 | 利用深度学习框架分析公民科学数据，实现大陆尺度物种多样性和组成的估算 | 首次采用深度推理网络实现深度多元概率模型，结合大规模观测和环境数据集进行全年候分析 | NA | 为生态研究和保护决策提供准确、高分辨率的生物多样性信息 | 北美鸟类群落，特别是北美林莺类保护群体 | 机器学习 | NA | 公民科学数据收集，环境变量分析 | 深度神经网络 | 观测数据，环境数据 | 超过900万份eBird检查清单，72个环境协变量 | DMVP-DRNets | 深度推理网络，深度多元概率模型 | NA | NA |
| 409 | 2025-10-06 |
A robust class decomposition-based approach for detecting Alzheimer's progression
2023-12, Experimental biology and medicine (Maywood, N.J.)
DOI:10.1177/15353702231211880
PMID:38059336
|
研究论文 | 提出一种基于类别分解的迁移学习方法，用于从结构磁共振成像中检测阿尔茨海默病的进展 | 结合类别分解技术与迁移学习，提出CDTL方法解决医学图像分类中的类别不平衡问题 | 需要依赖预训练模型和特定数据集，可能受数据分布影响 | 评估CDTL方法在不同ADNI队列中检测阿尔茨海默病认知衰退的鲁棒性 | 阿尔茨海默病患者的结构磁共振成像数据 | 计算机视觉 | 阿尔茨海默病 | 结构磁共振成像(sMRI) | CNN | 医学图像 | 多个ADNI队列的数据集 | NA | VGG19, AlexNet | 准确率 | NA |
| 410 | 2025-10-06 |
Prediction of central lymph node metastasis based on deep learning models for patients with clinically node-negative papillary thyroid carcinoma
2023-12, Asian journal of surgery
IF:3.5Q1
DOI:10.1016/j.asjsur.2023.08.130
PMID:37648544
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 411 | 2025-10-06 |
Multimodal imaging and deep learning in geographic atrophy secondary to age-related macular degeneration
2023-Dec, Acta ophthalmologica
IF:3.0Q1
DOI:10.1111/aos.15796
PMID:37933610
|
综述 | 本文全面综述了年龄相关性黄斑变性继发地图样萎缩的多模态成像基础、诊断分类流程及人工智能算法在影像数据分析中的前沿应用 | 系统整合多模态成像与深度学习技术，聚焦于地图样萎缩的自动诊断和预后评估 | NA | 探讨人工智能算法在地图样萎缩影像量化分析和临床决策支持中的应用 | 年龄相关性黄斑变性继发的地图样萎缩病变 | 医学影像分析 | 年龄相关性黄斑变性 | 多模态成像 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 412 | 2025-10-06 |
Machine learning driven index of tumor multinucleation correlates with survival and suppressed anti-tumor immunity in head and neck squamous cell carcinoma patients
2023-08, Oral oncology
IF:4.0Q2
|
研究论文 | 本研究开发了一种基于机器学习的肿瘤多核化指数(MuNI)，用于头颈部鳞状细胞癌患者的生存预测和肿瘤免疫微环境分析 | 首次利用深度学习模型量化肿瘤细胞多核化特征，并发现其与生存率和抗肿瘤免疫抑制的相关性 | 需要进一步的机制研究来阐明多核化与肿瘤免疫之间的生物学联系 | 开发基于肿瘤生物学特征的精准医疗指标，用于头颈部鳞状细胞癌患者的预后评估 | 头颈部鳞状细胞癌患者 | 数字病理学 | 头颈部鳞状细胞癌 | 苏木精-伊红染色，基因集富集分析 | 深度学习 | 病理图像 | 机构OPSCC队列训练集和TCGA HNSCC验证集 | NA | NA | C-index | NA |
| 413 | 2025-10-06 |
Cerebrovascular super-resolution 4D Flow MRI - Sequential combination of resolution enhancement by deep learning and physics-informed image processing to non-invasively quantify intracranial velocity, flow, and relative pressure
2023-08, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2023.102831
PMID:37244143
|
研究论文 | 开发了一种结合深度学习超分辨率和物理信息图像处理的两步法，用于无创量化颅内血流动力学参数 | 首次将深度残差网络与物理信息图像处理相结合，实现脑血管4D Flow MRI的超分辨率重建和功能相对压力量化 | 方法在患者特异性计算机模拟队列中训练验证，需要未来在专门临床队列中进一步应用验证 | 开发定量颅内超分辨率4D Flow MRI方法，准确量化脑血管血流动力学参数 | 颅内血管系统，特别是Willis环区域 | 医学影像分析 | 脑血管疾病 | 4D Flow MRI，相位对比磁共振成像 | 深度残差网络 | 磁共振影像 | 患者特异性计算机模拟队列和体内志愿者队列 | NA | 深度残差网络 | 相对误差，平均绝对误差，余弦相似度，均方根误差 | NA |
| 414 | 2025-10-06 |
Accurate staging of chick embryonic tissues via deep learning of salient features
2023-11-15, Development (Cambridge, England)
DOI:10.1242/dev.202068
PMID:37830145
|
研究论文 | 本研究开发了一种基于深度学习的鸡胚胎组织精确分期方法 | 通过生物信息学转换和数据驱动预处理步骤，在小样本数据集上成功训练出高精度的分期分类器 | 数据集规模较小（151张图像），可能影响模型的泛化能力 | 开发精确无偏的鸡胚胎组织分期方法 | HH10期鸡胚胎大脑和翅膀组织 | 计算机视觉 | NA | 显微镜成像 | CNN | 图像 | 151张鸡大脑图像和269张鸡翅膀图像 | NA | 深度卷积神经网络 | 准确率 | NA |
| 415 | 2025-10-06 |
Negativity and Positivity in the ICU: Exploratory Development of Automated Sentiment Capture in the Electronic Health Record
2023-10, Critical care explorations
DOI:10.1097/CCE.0000000000000960
PMID:37753238
|
研究论文 | 本研究开发了两种ICU临床笔记情感分析方法，包括基于关键词的方法和基于DeBERTa-v3的深度学习模型 | 开发了专门针对医疗领域的情感分析工具，相比通用情感分析工具在临床笔记中表现更优 | 研究为探索性开发，需要进一步验证和优化 | 开发能够自动捕捉电子健康记录中提供者情感的概念验证算法 | ICU临床笔记中的提供者情感表达 | 自然语言处理 | NA | 情感分析 | DeBERTa-v3 | 文本 | MIMIC-III数据库中52,997次ICU住院的198,944份笔记，UCSF数据库2018-2019年外部样本 | NA | DeBERTa-v3 | Spearman相关系数 | NA |
| 416 | 2025-10-06 |
DeXtrusion: automatic recognition of epithelial cell extrusion through machine learning in vivo
2023-07-01, Development (Cambridge, England)
DOI:10.1242/dev.201747
PMID:37283069
|
研究论文 | 提出基于深度学习的DeXtrusion方法，用于自动识别活体荧光成像中的上皮细胞挤出事件 | 首次开发无需分割即可精确定位细胞事件的深度学习方法，可检测多种细胞事件且易于训练 | 需要针对不同上皮组织进行重新训练 | 开发自动检测活体成像中细胞事件的方法 | 果蝇蛹背板上皮细胞 | 计算机视觉 | NA | 活体荧光显微镜成像 | RNN | 荧光成像视频 | NA | NA | 循环神经网络 | NA | NA |
| 417 | 2025-10-06 |
Tools to analyze the organization and formation of the germline cyst in zebrafish oogenesis
2023-07-01, Development (Cambridge, England)
DOI:10.1242/dev.201349
PMID:37272421
|
研究论文 | 本文提供了用于斑马鱼卵巢中生殖细胞囊三维结构和功能分析的工具集 | 开发了结合连续块面扫描电子显微镜、深度学习分析流程和激光消融技术的综合方法，首次实现生殖细胞囊的三维超微结构解析和体内功能操作 | 方法主要针对斑马鱼模型，在其他物种中的适用性需要进一步验证 | 研究脊椎动物生殖细胞囊的形成机制和功能 | 斑马鱼卵巢中的生殖细胞囊 | 发育生物学 | NA | 连续块面扫描电子显微镜(SBF-SEM), 激光消融技术, 共聚焦显微镜 | 深度学习 | 三维电子显微镜图像, 三维共聚焦图像 | NA | NA | NA | NA | NA |
| 418 | 2025-10-06 |
Long-term care insurance purchase decisions of registered nurses: Deep learning versus logistic regression models
2023-03, Health policy (Amsterdam, Netherlands)
DOI:10.1016/j.healthpol.2023.104709
PMID:36725380
|
研究论文 | 本研究使用深度学习模型和传统逻辑回归模型预测注册护士的长期护理保险购买决策 | 首次将深度神经网络应用于预测医疗专业人员保险决策，并与传统统计方法进行对比 | 样本仅来自单一医疗中心，缺乏时间序列数据的充分训练 | 预测注册护士的长期护理保险购买决策行为 | 台湾某大型医疗中心的1,373名注册护士 | 机器学习 | NA | 问卷调查 | DNN, MLR | 调查数据 | 1,373名注册护士（615名已购买保险，332名无购买意向，426名有购买意向） | NA | 深度神经网络 | 准确率，精确率，召回率，F1分数 | NA |
| 419 | 2025-09-12 |
RescueNet: A High Resolution UAV Semantic Segmentation Dataset for Natural Disaster Damage Assessment
2023-12-20, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02799-4
PMID:38123582
|
研究论文 | 介绍了一个用于自然灾害损害评估的高分辨率无人机语义分割数据集RescueNet | 提供高分辨率灾后图像及所有类别的像素级标注，超越现有数据集的有限标注范围 | NA | 促进自然灾害后的全面场景理解，提升损害评估精度 | 飓风Michael后的灾后图像，包含建筑物、道路、水池、树木等多类别场景元素 | 计算机视觉 | NA | 无人机(UAV)图像采集，语义分割技术 | state-of-the-art segmentation models | 高分辨率图像 | 从多个受影响区域收集的灾后图像数据集 | NA | NA | NA | NA |
| 420 | 2025-09-12 |
Using green background for dermatological images to improve deep learning-based image classification
2023-12-13, Archives of dermatological research
IF:1.8Q3
DOI:10.1007/s00403-023-02734-y
PMID:38091097
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |