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 435 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2025-10-06 |
CBCT-DRRs superior to CT-DRRs for target-tracking applications for pancreatic SBRT
2024-04-26, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad3bb9
PMID:38588646
|
研究论文 | 本研究验证了CBCT-DRRs在胰腺立体定向放疗靶区追踪中优于传统CT-DRRs | 首次系统比较CBCT-DRRs与CT-DRRs在靶区追踪中的性能差异，并评估不同物理建模组件对图像相似度的影响 | 研究仅针对胰腺癌患者，样本量有限（20例），未验证在其他癌种中的应用效果 | 改进基于放射影像的靶区追踪技术，提升放疗精度 | 接受胰腺立体定向放疗的20例患者 | 数字病理 | 胰腺癌 | 锥形束CT（CBCT），数字重建放射影像（DRR），放射治疗 | NA | 医学影像（CT，CBCT，DRR，放射影像） | 20例胰腺癌患者 | NA | NA | 皮尔逊相关系数，Czekanowski指数 | NA |
| 42 | 2025-10-06 |
3D printing of an artificial intelligence-generated patient-specific coronary artery segmentation in a support bath
2024-Apr-26, Biomedical materials (Bristol, England)
DOI:10.1088/1748-605X/ad3f60
PMID:38626778
|
研究论文 | 本研究结合深度学习和3D打印技术，实现了从医学图像中准确分割冠状动脉树并打印分叉血管结构 | 首次将迁移学习应用于冠状动脉分割，并探索AI生成模型在支撑浴中的3D生物打印可行性 | 打印血管外径和分叉点长度与3D模型存在差异，需要优化打印参数和多轴打印头设计 | 开发基于AI分割的个性化冠状动脉3D打印方法 | 冠状动脉树结构 | 计算机视觉, 数字病理 | 心血管疾病 | 深度学习, 3D打印, 生物打印 | 深度学习模型 | 医学图像, 冠状动脉CT血管造影 | 10例冠状动脉CT血管造影图像测试集 | NA | NA | Dice系数 | NA |
| 43 | 2025-10-06 |
Transferable non-invasive modal fusion-transformer (NIMFT) for end-to-end hand gesture recognition
2024-04-09, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad39a5
PMID:38565124
|
研究论文 | 提出一种用于手势识别的非侵入式模态融合Transformer模型，通过多头部交叉注意力机制融合sEMG和加速度信号 | 使用非侵入式多头部交叉注意力机制融合异构信号，解决了传统侵入式模态融合的局限性，并具备跨被试迁移能力 | NA | 开发端到端且跨被试可迁移的手势识别模型 | 表面肌电信号(sEMG)和加速度(ACC)数据 | 机器学习 | NA | 惯性测量单元(IMU), 表面肌电图(sEMG) | Transformer, CNN | 时序信号数据 | Ninapro DB2数据集中的三个动作集 | NA | 1D-CNN, Transformer, 多头部交叉注意力机制 | 准确率, 召回率, 精确率, F1分数 | NA |
| 44 | 2025-10-06 |
A study on the high power microwave effects of PIN diode limiter based on deep learning algorithm
2024-Apr-09, Nanotechnology
IF:2.9Q2
DOI:10.1088/1361-6528/ad3648
PMID:38513283
|
研究论文 | 本研究利用优化的神经网络算法替代传统物理建模方法，研究PIN二极管限幅器的高功率微波效应 | 首次将优化的神经网络算法应用于PIN二极管限幅器的高功率微波效应研究，替代传统物理建模方法 | NA | 研究PIN二极管限幅器在高功率微波作用下的性能表现和预测方法 | PIN二极管限幅器 | 机器学习 | NA | 高功率微波辐照 | 神经网络 | 仿真数据 | NA | NA | 优化的神经网络 | 加权均方误差,MSE | NA |
| 45 | 2025-06-14 |
SCIseg: Automatic Segmentation of T2-weighted Intramedullary Lesions in Spinal Cord Injury
2024-Apr-21, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.01.03.24300794
PMID:38699309
|
研究论文 | 开发了一种名为SCIseg的深度学习工具，用于自动分割脊髓损伤中的T2加权髓内病变 | SCIseg模型通过三阶段训练过程，包括主动学习，能够自动分割脊髓和髓内病变，且在不同病因、扫描仪制造商和图像分辨率下表现良好 | 研究为回顾性研究，可能存在选择偏差 | 开发自动分割脊髓损伤中T2加权髓内病变的深度学习工具 | 脊髓损伤患者的T2加权MRI图像 | 数字病理学 | 脊髓损伤 | 深度学习 | SCIseg（基于深度学习的模型） | MRI图像 | 191名脊髓损伤患者（平均年龄48.1岁±17.9，142名男性） | NA | NA | NA | NA |
| 46 | 2025-06-06 |
OCTess: AN OPTICAL CHARACTER RECOGNITION ALGORITHM FOR AUTOMATED DATA EXTRACTION OF SPECTRAL DOMAIN OPTICAL COHERENCE TOMOGRAPHY REPORTS
2024-04-01, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000003990
PMID:37948741
|
研究论文 | 开发了一种名为OCTess的光学字符识别算法，用于从Cirrus SD-OCT黄斑立方体报告中自动提取数据 | 结合了Tesseract OCR库和LSTM深度学习技术，实现了近乎完美的数据提取准确率，且在效率上超越了人工操作 | 研究仅基于单中心数据库，可能限制了算法的泛化能力 | 开发自动化工具以减少人工提取SD-OCT报告的时间和资源消耗 | SD-OCT单眼黄斑立方体报告 | 计算机视觉 | 眼科疾病 | 光学字符识别(OCR)，深度学习 | LSTM | 图像 | 675份SD-OCT报告（训练集125份，测试集550份） | NA | NA | NA | NA |
| 47 | 2025-10-07 |
Deep learning-driven imaging of cell division and cell growth across an entire eukaryotic life cycle
2024-Apr-27, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.25.591211
PMID:38712227
|
研究论文 | 开发了一种基于深度学习的成像框架，用于定量研究真核微生物的完整生命周期 | 结合微流控培养、卷积神经网络生命周期阶段特异性分割和新型细胞追踪算法FIEST，首次实现了跨有性繁殖代际的微生物追踪 | 作为原理验证仅应用于单一物种，尚未在其他真核微生物中广泛验证 | 建立定量研究完整真核生命周期的成像方法 | 真核微生物（酵母） | 计算机视觉 | NA | 显微成像、微流控培养、荧光报告系统 | CNN | 显微图像、视频 | 跨三个有性繁殖代际的单细胞微生物 | NA | 卷积神经网络 | NA | NA |
| 48 | 2025-10-07 |
An Exaggeration? Reality?: Can ChatGPT Be Used in Neonatal Nursing?
2024 Apr-Jun 01, The Journal of perinatal & neonatal nursing
IF:1.5Q2
DOI:10.1097/JPN.0000000000000826
PMID:38758263
|
评论 | 探讨ChatGPT在新生儿护理领域的应用潜力与局限性 | 首次系统评估ChatGPT在新生儿护理特定场景（疼痛评估、喂养过程、患者状态判断）中的应用可行性 | 缺乏临床实证研究支持，数据准确性需严格验证，存在未经科学验证结果的风险 | 评估人工智能在新生儿护理领域的应用价值与风险 | 新生儿护理中的疼痛评估、喂养过程和患者状态判断 | 自然语言处理 | 新生儿护理 | 语言建模 | 大型语言模型 | 文本 | NA | OpenAI | ChatGPT | NA | NA |
| 49 | 2025-05-23 |
Deep learning assists detection of esophageal cancer and precursor lesions in a prospective, randomized controlled study
2024-04-17, Science translational medicine
IF:15.8Q1
DOI:10.1126/scitranslmed.adk5395
PMID:38630847
|
研究论文 | 本研究开发了一种基于深度卷积神经网络(CNN)的系统，用于检测食管癌及其癌前病变，并在临床实践中验证了其提高高风险食管病变(HrEL)检出率的有效性 | 首次在随机对照研究中验证了深度学习辅助内窥镜检测食管癌及癌前病变的有效性，显著提高了HrEL的检出率 | 研究仅在中国浙江省的一家医院进行，样本来源相对单一 | 提高食管鳞状细胞癌(ESCC)及其癌前病变的内窥镜检出率 | 50岁以上的患者，包括食管癌和癌前病变(HrELs) | 数字病理 | 食管癌 | 深度学习辅助内窥镜检查 | CNN | 内窥镜图像 | 3117名患者(实验组1556人，对照组1561人) | NA | NA | NA | NA |
| 50 | 2025-05-12 |
Rapid and accurate prediction of protein homo-oligomer symmetry with Seq2Symm
2024-Apr-26, Research square
DOI:10.21203/rs.3.rs-4215086/v1
PMID:38746169
|
research paper | 该论文提出了一种名为Seq2Symm的模型，用于快速准确地预测蛋白质同源寡聚体的对称性 | Seq2Symm利用ESM2模型，在预测蛋白质同源寡聚体对称性方面优于现有的基于模板和深度学习方法 | 论文未明确提及具体局限性 | 开发能够快速准确预测蛋白质同源寡聚体对称性的机器学习模型 | 蛋白质同源寡聚体的对称性 | machine learning | NA | ESM-MSA, ESM2, RoseTTAFold2 | Seq2Symm (基于ESM2) | protein sequences | 5个完整蛋白质组和约350万个未标记蛋白质序列 | NA | NA | NA | NA |
| 51 | 2025-10-07 |
Improving resolution of panoramic radiographs: super-resolution concept
2024-04-29, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae009
PMID:38483289
|
研究论文 | 本研究利用深度学习超分辨率技术提升牙科全景X光片的分辨率 | 首次在牙科全景X光片领域系统比较四种先进的超分辨率深度学习模型 | 性能随图像缩放比例增加而下降，未在临床环境中验证 | 通过超分辨率技术提升牙科全景X光片的分辨率和质量 | 牙科全景X光片 | 计算机视觉 | 牙科疾病 | 深度学习超分辨率 | CNN, GAN, Autoencoder | 医学影像 | 1714张全景X光片（训练集1364张，测试集350张） | NA | SRCNN, Efficient Sub-Pixel CNN, Super-Resolution GAN, Autoencoder | SSIM, PSNR | NA |
| 52 | 2025-10-07 |
Artificial intelligence system for automatic maxillary sinus segmentation on cone beam computed tomography images
2024-04-29, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae012
PMID:38502963
|
研究论文 | 开发基于nnU-Net v2的AI模型用于锥形束CT图像中上颌窦的自动分割 | 首次应用nnU-Net v2框架实现上颌窦在CBCT图像中的自动分割 | 样本量相对较小（仅101例CBCT扫描），缺乏外部验证 | 开发自动分割上颌窦的AI模型并评估其性能 | 锥形束CT图像中的上颌窦区域 | 计算机视觉 | NA | 锥形束计算机断层扫描 | 深度学习 | 医学图像 | 101例CBCT扫描（80训练，11验证，10测试） | nnU-Net v2 | nnU-Net | F1分数, 准确率, 灵敏度, 精确度, AUC, Dice系数, 95% Hausdorff距离, IoU | NA |
| 53 | 2025-10-07 |
An Intelligent Channel Estimation Algorithm Based on Extended Model for 5G-V2X
2024-04, Big data
IF:2.6Q2
DOI:10.1089/big.2022.0029
PMID:36848263
|
研究论文 | 提出一种基于扩展模型和深度学习的5G-V2X智能信道估计算法 | 基于信道脉冲响应稀疏性建立高速移动场景扩展模型，设计多层CNN完成频域插值和双向GRU进行时域状态预测，引入速度和多径参数提升训练精度 | NA | 提高车联网系统信道估计精度并降低误码率 | 5G-V2X通信系统 | 机器学习 | NA | 深度学习 | CNN, GRU | 信道数据 | NA | NA | 多层卷积神经网络, 双向门控循环单元 | 信道估计精度, 误码率 | NA |
| 54 | 2025-10-07 |
Natural language processing models reveal neural dynamics of human conversation
2024-Apr-18, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.10.531095
PMID:36945468
|
研究论文 | 本研究结合预训练深度学习自然语言处理模型与颅内神经元记录，揭示了人类自然对话中语言产生和理解的神经动态机制 | 首次将预训练深度学习NLP模型与颅内神经元记录相结合，在自然对话情境下发现语言产生和理解及其转换的可靠神经信号 | 研究基于颅内记录，样本量有限，且神经活动模式在语言产生和理解中仅部分重叠 | 探索人类自然对话中语言产生和理解及其转换的神经机制 | 人类自然对话过程中的神经活动 | 自然语言处理 | NA | 颅内神经元记录，深度学习自然语言处理 | 预训练深度学习模型 | 文本，神经电生理信号 | NA | NA | NA | NA | NA |
| 55 | 2025-10-07 |
Sequential Contrastive and Deep Learning Models to Identify Selective Butyrylcholinesterase Inhibitors
2024-04-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00397
PMID:38532612
|
研究论文 | 本研究开发了序列对比学习和深度学习模型来识别选择性丁酰胆碱酯酶抑制剂 | 首次将监督对比学习与深度学习和随机森林在单模型和序列模型配置中进行比较，用于识别BChE选择性抑制剂 | 仅测试了20个预测化合物的选择性，样本量较小 | 开发高效识别选择性丁酰胆碱酯酶抑制剂的机器学习策略 | 丁酰胆碱酯酶抑制剂化合物 | 机器学习 | 阿尔茨海默病 | 虚拟筛选 | 对比学习,深度学习,随机森林 | 化合物数据 | 500万化合物库中筛选测试20个化合物 | NA | NA | 精确度 | NA |
| 56 | 2025-10-07 |
Positive Predictive Values of Abnormality Scores From a Commercial Artificial Intelligence-Based Computer-Aided Diagnosis for Mammography
2024-04, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2023.0907
PMID:38528692
|
研究论文 | 评估商业AI-CAD系统在乳腺X线摄影中异常评分的阳性预测值及其与临床和影像学发现的关系 | 首次系统评估深度学习商业AI-CAD系统异常评分的阳性预测值，并按评分分组分析其与恶性肿瘤风险的关联 | 回顾性研究设计，样本仅来自单一机构，高风险女性比例较低(0.6%) | 研究AI-CAD系统异常评分的临床意义和诊断价值 | 599名女性(平均年龄52.6岁)的656个乳腺，均接受乳腺X线摄影且AI-CAD结果阳性 | 数字病理 | 乳腺癌 | 乳腺X线摄影 | 深度学习 | 医学影像 | 656个乳腺(来自599名女性) | NA | 商业AI-CAD系统(Lunit Insight MMG) | 阳性预测值(PPV) | NA |
| 57 | 2025-04-23 |
Uncover This Tech Term: Uncertainty Quantification for Deep Learning
2024-04, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.0108
PMID:38528697
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 58 | 2025-10-07 |
Automated Detection and Segmentation of Bone Metastases on Spine MRI Using U-Net: A Multicenter Study
2024-04, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2023.0671
PMID:38528694
|
研究论文 | 开发并评估用于脊柱MRI骨转移瘤自动分割和检测的深度学习模型 | 首次使用U-Net模型在多中心脊柱MRI数据上实现骨转移瘤的自动分割与检测，并与放射科医生性能进行对比 | 样本量相对有限，外部测试集仅包含49个MRI序列 | 开发自动检测和分割脊柱MRI骨转移瘤的深度学习模型 | 成人骨转移瘤患者的脊柱MRI扫描 | 医学影像分析 | 骨转移瘤 | MRI成像 | U-Net | 医学影像 | 训练集536个MRI序列（302名患者），内部测试126个序列，外部测试49个序列（20名患者） | NA | 2D U-Net, 3D U-Net | Dice系数, 像素级召回率, 像素级精确率, 每病灶敏感度, 自由响应接收器操作特性曲线 | NA |
| 59 | 2025-10-07 |
Dark-Blood Computed Tomography Angiography Combined With Deep Learning Reconstruction for Cervical Artery Wall Imaging in Takayasu Arteritis
2024-04, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2023.1078
PMID:38528696
|
研究论文 | 评估结合深度学习重建的黑血CT血管成像在Takayasu动脉炎患者颈动脉壁成像中的图像质量 | 首次将黑血CTA与深度学习重建技术结合应用于Takayasu动脉炎的颈动脉壁成像 | 样本量较小（53例患者），单中心研究 | 评估黑血CTA结合深度学习重建在颈动脉壁成像中的图像质量 | Takayasu动脉炎患者的颈动脉 | 医学影像分析 | Takayasu动脉炎 | 计算机断层扫描血管成像（CTA） | 深度学习 | 医学影像 | 53例Takayasu动脉炎患者（平均年龄33.8±10.2岁，49名女性） | NA | NA | 对比噪声比（CNR），定性图像质量评分，诊断置信度指数 | NA |
| 60 | 2025-10-07 |
Improving Diagnostic Performance of MRI for Temporal Lobe Epilepsy With Deep Learning-Based Image Reconstruction in Patients With Suspected Focal Epilepsy
2024-04, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2023.0842
PMID:38528695
|
研究论文 | 评估基于深度学习的图像重建技术对颞叶癫痫MRI诊断性能的提升效果 | 首次将深度学习图像重建技术应用于1.5毫米层厚MRI，显著提升颞叶癫痫的诊断敏感性 | 回顾性研究设计，样本量有限（117例患者），特异性较常规MRI有所降低 | 提高颞叶癫痫的MRI诊断准确性 | 117例疑似局灶性癫痫患者的MRI图像 | 医学影像分析 | 颞叶癫痫 | MRI，深度学习图像重建 | 深度学习 | 医学影像 | 117例患者（34例TLE患者，83例非TLE患者） | NA | NA | 敏感性，特异性，准确率，信噪比，对比噪声比 | NA |