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 3218 篇文献，本页显示第 1481 - 1500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1481 | 2025-05-15 |
Unveiling CNS cell morphology with deep learning: A gateway to anti-inflammatory compound screening
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320204
PMID:40117300
|
研究论文 | 利用深度学习揭示中枢神经系统细胞形态，为抗炎化合物筛选提供新方法 | 采用深度学习技术分析神经元和小胶质细胞的形态表型，解决了传统方法在检测细微细胞变化和批次效应方面的挑战 | 需要大量标记数据，且在检测细微细胞变化和批次效应方面仍存在困难 | 理解神经炎症背景下细胞形态与表型表现之间的复杂关系 | 神经元和小胶质细胞 | 数字病理学 | 神经炎症 | 深度学习 | DL | 图像 | 内部数据（未明确样本数量） | NA | NA | NA | NA |
| 1482 | 2025-05-15 |
Multi-scale image edge detection based on spatial-frequency domain interactive attention
2025, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2025.1550939
PMID:40356606
|
research paper | 提出了一种基于空间-频域交互注意力的多尺度图像边缘检测网络，旨在复杂背景下准确检测主要目标的边缘 | 使用空间-频域交互注意力模块，通过频域过滤干扰并利用频域与空间域的交互，更准确地提取和分析不同尺度的边缘特征 | 未提及具体在哪些复杂背景或小目标场景下的性能限制 | 解决复杂背景下图像边缘检测的准确性问题 | 动物、植物、建筑物等复杂背景下的图像 | computer vision | NA | 深度学习 | 多尺度边缘检测网络 | image | NA | NA | NA | NA | NA |
| 1483 | 2025-05-15 |
A bibliometric analysis of electroencephalogram research in stroke: current trends and future directions
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1539736
PMID:40356632
|
研究论文 | 本文通过文献计量学方法分析了脑电图（EEG）在中风研究中的应用趋势及未来发展方向 | 首次对中风领域EEG研究的趋势进行全面分析，并揭示了机器学习与多模态数据整合的最新研究方向 | 仅基于Web of Science数据库，可能未涵盖所有相关研究 | 分析EEG在中风研究中的应用现状和发展趋势 | 2005-2024年间发表的2,931篇与中风和EEG相关的研究文献 | 神经科学 | 中风 | 文献计量学分析（VOSviewer和CiteSpace） | NA | 文献数据 | 2,931篇出版物 | NA | NA | NA | NA |
| 1484 | 2025-05-15 |
Deep learning-based fine-grained assessment of aneurysm wall characteristics using 4D-CT angiography
2025, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.19393
PMID:40356666
|
research paper | 提出了一种基于深度学习的细粒度评估方法，用于分析动脉瘤壁特征，包括薄壁区域和增生重塑区域 | 开发了一种结合CNN-LSTM和注意力层的回归模型，并引入了患者无关特征提取机制及未标记数据增强 | 样本量较小（52例未破裂脑动脉瘤），且依赖术中记录作为金标准 | 通过4D-CTA评估动脉瘤壁动力学特征以实现精准风险预测 | 未破裂脑动脉瘤的壁运动特性 | digital pathology | cardiovascular disease | 4D-computed tomography angiography (4D-CTA) | CNN-LSTM with attention mechanism | 4D影像序列+术中视频 | 52例未破裂脑动脉瘤 | NA | NA | NA | NA |
| 1485 | 2025-05-15 |
MRI-based machine learning analysis of perivascular spaces and their link to sleep disturbances, dementia, and mental distress in young adults with long-time mobile phone use
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1555054
PMID:40356706
|
研究论文 | 本研究通过MRI和深度学习技术分析长期使用手机（LTMPU）的年轻成年人中扩大的血管周围间隙（EPVSs）与睡眠障碍、痴呆和精神困扰的关联 | 首次利用深度学习算法定量分析EPVSs特征，并探讨其与多种临床症状的关联 | 样本量较小（82例），且为回顾性研究 | 探究长期手机使用者的EPVSs特征与神经精神症状的关系 | 长期使用手机的年轻成年人 | 数字病理学 | 神经退行性疾病 | MRI扫描、深度学习算法 | 深度学习 | MRI图像 | 82名LTMPU患者 | NA | NA | NA | NA |
| 1486 | 2025-05-15 |
MRI-based deep learning with clinical and imaging features to differentiate medulloblastoma and ependymoma in children
2025, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2025.1570860
PMID:40356719
|
research paper | 该研究探讨了基于T2加权MRI的深度学习结合临床和影像特征在儿童髓母细胞瘤和室管膜瘤鉴别中的有效性 | 结合深度学习和多模态临床影像特征构建融合模型，显著提高了鉴别诊断的准确性 | 样本量相对有限（201例），且来自三个研究中心可能存在数据异质性 | 开发有效的儿童髓母细胞瘤和室管膜瘤鉴别诊断方法 | 儿童髓母细胞瘤（MB）和室管膜瘤（EM）患者 | digital pathology | brain tumor | T2-weighted MRI | AlexNet-based DL classifier with multimodality fusion | MRI images and clinical features | 201名患者（来自三个研究中心） | NA | NA | NA | NA |
| 1487 | 2025-05-15 |
Deep learning-based automated tongue analysis system for assisted Chinese medicine diagnosis
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1559389
PMID:40356770
|
研究论文 | 本研究提出了一种结合深度学习与传统中医的自动化舌象分析系统，以提高舌诊的准确性和客观性 | 系统包括硬件设备、改进的半监督学习分割算法、高性能色彩校正模块以及融合不同特征的舌象分析算法 | 未提及具体样本量或实验设计的局限性 | 提升中医舌诊的准确性和客观性 | 舌象图像 | 数字病理 | NA | 深度学习 | U2net | 图像 | NA | NA | NA | NA | NA |
| 1488 | 2025-05-15 |
Deep learning for malignant lymph node segmentation and detection: a review
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1526518
PMID:40356919
|
综述 | 本文深入回顾了深度学习在恶性淋巴结分割和检测方面的进展 | 专注于恶性淋巴结的深度学习应用，填补了该领域综述的空白 | 未提及具体模型的性能比较或量化分析 | 提升癌症治疗规划的精确性和效率 | 恶性淋巴结 | 数字病理学 | 癌症 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 1489 | 2025-05-15 |
Leveraging artificial intelligence in disaster management: A comprehensive bibliometric review
2025, Jamba (Potchefstroom, South Africa)
DOI:10.4102/jamba.v17i1.1776
PMID:40357012
|
综述 | 本文通过文献计量学方法回顾了人工智能在灾害管理中的应用 | 利用VOSviewer和Biblioshiny工具分析了848篇文献，揭示了AI在灾害管理中的研究趋势和科学图谱 | 仅基于Scopus数据库的英文文献，可能遗漏其他语言或数据库的重要研究 | 评估人工智能技术在灾害管理领域的应用现状和发展趋势 | 自然灾害管理相关的人工智能研究文献 | 机器学习 | NA | 文献计量分析 | NA | 文献数据 | 848篇出版物 | NA | NA | NA | NA |
| 1490 | 2025-05-15 |
Making, not breaking the young, aspiring athlete: the development of Prep to be PRO (Nærmere Best) - a Norwegian school-based educational programme
2025, BMJ open sport & exercise medicine
IF:3.9Q1
DOI:10.1136/bmjsem-2024-002388
PMID:40357054
|
research paper | 本文记录了Prep to be PRO教育模块化计划的开发过程，旨在支持和保护体育初中和体育高中年轻运动员的健康与发展 | 该计划首次系统性地整合了多学科知识，并通过国家高中课程确保其相关性和教育标准的一致性 | 尚未进行系统性的数据收集和效果评估，长期可持续性仍需验证 | 开发一个教育计划，以预防年轻运动员的健康问题并支持其发展 | 体育初中和体育高中的年轻运动员 | 运动科学 | NA | NA | NA | NA | 超过40名利益相关者参与开发过程 | NA | NA | NA | NA |
| 1491 | 2025-05-15 |
Deep learning object detection-based early detection of lung cancer
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1567119
PMID:40357272
|
research paper | 本文探讨了基于深度学习的物体检测技术在肺癌早期诊断中的应用 | 比较了不同版本的YOLO模型在肺癌CT图像检测任务中的性能，发现YOLOv8表现最佳 | 研究仅基于公开数据集Lung-PET-CT-Dx，未涉及其他数据集验证 | 提高肺癌早期诊断和分类的准确性 | 肺癌CT图像 | computer vision | lung cancer | deep learning | YOLO系列（YOLOv5, YOLOv8, YOLOv9, YOLOv10, YOLOv11） | image | Lung-PET-CT-Dx公共数据集 | NA | NA | NA | NA |
| 1492 | 2025-05-15 |
RAMAS-Net: a module-optimized convolutional network model for aortic valve stenosis recognition in echocardiography
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1587307
PMID:40357270
|
研究论文 | 提出了一种名为RAMAS-Net的深度学习模型，用于在超声心动图中自动识别和诊断主动脉瓣狭窄 | 通过将ResNet50主干的Stage 4替换为SCConv和MDTA模块，减少了冗余计算并提高了特征提取能力 | NA | 提高主动脉瓣狭窄的诊断准确性，支持临床决策 | 主动脉瓣狭窄（AS）患者 | 数字病理 | 心血管疾病 | 深度学习 | CNN（ResNet50改进版） | 图像（超声心动图） | TMED-2和TMED-1数据集 | NA | NA | NA | NA |
| 1493 | 2025-05-15 |
An optimized deep learning model based on transperineal ultrasound images for precision diagnosis of female stress urinary incontinence
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1564446
PMID:40357276
|
研究论文 | 本研究开发并验证了一种基于经会阴超声图像的优化深度学习模型，以提高女性压力性尿失禁的诊断精度和可靠性 | 首次将深度学习模型（如DenseNet-121）应用于经会阴超声图像，显著提高了女性压力性尿失禁的诊断性能 | 研究为回顾性设计，样本量相对有限（464例），且仅评估了三种深度学习模型 | 提高女性压力性尿失禁的诊断精度和可靠性 | 464名女性的经会阴超声图像（200例患者和264例对照） | 数字病理 | 尿失禁 | 经会阴超声（TPUS） | ResNet-50, ResNet-152, DenseNet-121 | 图像 | 464名女性（200例患者和264例对照） | NA | NA | NA | NA |
| 1494 | 2025-05-15 |
Automatic segmentation and volume measurement of anterior visual pathway in brain 3D-T1WI using deep learning
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1530361
PMID:40357297
|
研究论文 | 本研究探讨了使用3D UX-Net深度学习模型在脑部T1加权成像中自动分割和测量前视通路（AVP）体积的可行性 | 首次在脑部T1WI中使用3D UX-Net模型进行AVP自动分割和体积测量，并提供了成人AVP的标准化测量值 | 研究样本量相对较小（119名成人），且为回顾性研究 | 开发自动分割和测量前视通路体积的深度学习模型 | 前视通路（AVP） | 数字病理学 | NA | 3D T1加权成像（T1WI） | 3D UX-Net, 3D U-Net, Swin UNEt TRansformers (UNETR), UNETR++, Swin Soft Mixture Transformer (Swin SMT) | 3D医学影像 | 119名成人的临床数据和脑部3D T1WI影像 | NA | NA | NA | NA |
| 1495 | 2025-10-07 |
An analysis of performance bottlenecks in MRI preprocessing
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae098
PMID:40072903
|
研究论文 | 分析MRI预处理流程中的性能瓶颈并提出优化参考 | 首次使用Intel VTune分析器系统性地量化多个主流MRI预处理工具包的性能瓶颈 | 仅分析CPU性能瓶颈，未涉及GPU加速和深度学习方法的对比 | 识别和改善MRI预处理流程的计算性能瓶颈 | ANTs、FMRIB Software Library和FreeSurfer工具箱中的MRI预处理流程 | 医学影像分析 | NA | MRI预处理、性能分析 | NA | 医学影像数据 | NA | ANTs, FMRIB Software Library, FreeSurfer, Insight Segmentation and Registration Toolkit, OpenMP | NA | CPU时间分析、线性插值开销、数据访问效率 | Intel VTune性能分析器 |
| 1496 | 2025-10-07 |
Early pigment spot segmentation and classification from iris cellular image analysis with explainable deep learning and multiclass support vector machine
2025-01-01, Biochemistry and cell biology = Biochimie et biologie cellulaire
DOI:10.1139/bcb-2023-0183
PMID:37906957
|
研究论文 | 提出一种结合可解释深度学习和多类支持向量机的模型，用于虹膜细胞图像中早期色素斑的分割和分类 | 首次将可解释深度学习与多类支持向量机结合用于虹膜色素斑分析，能够准确定位虹膜表面的微观色素斑 | 使用的虹膜细胞图像存在离轴虹膜、噪声和镜面反射等问题 | 开发早期虹膜色素斑分割和分类方法，用于视网膜疾病的早期诊断 | 虹膜细胞图像中的色素斑 | 计算机视觉 | 视网膜疾病 | 图像分析 | 深度学习, SVM | 图像 | 三个基准数据集：MILE、UPOL和Eyes SUB | NA | NA | 分类错误率 | NA |
| 1497 | 2025-10-07 |
A systematic review of automated hyperpartisan news detection
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0316989
PMID:39982955
|
综述 | 本文系统回顾了2015-2024年间超党派新闻自动检测的方法与数据集 | 首次对超党派新闻检测领域进行系统性综述，采用PRISMA方法分析了81篇文献 | 计算机科学领域对超党派缺乏明确定义，数据集主要集中于英语，缺乏少数民族语言数据，大语言模型在该领域的研究有限 | 系统整理超党派新闻自动检测的方法与进展 | 超党派新闻文章 | 自然语言处理 | NA | 机器学习，深度学习 | 深度学习模型，传统机器学习模型，大语言模型 | 文本 | 基于81篇研究文献的分析 | NA | NA | NA | NA |
| 1498 | 2025-10-07 |
Chinese medical named entity recognition utilizing entity association and gate context awareness
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0319056
PMID:39999103
|
研究论文 | 提出一种结合实体关联和门控上下文感知的中文医学命名实体识别方法 | 使用RoBERTa-wwm-ext预训练模型提取上下文特征，结合多头注意力机制和循环神经网络捕获实体间依赖关系 | 未明确说明模型在更广泛医学文本类型上的泛化能力 | 提升中文医学文本中命名实体识别的准确性和效率 | 中文医学文献和文本中的命名实体 | 自然语言处理 | NA | 深度学习 | RoBERTa, RNN, CRF | 文本 | MCSCSet和CMeEE数据集 | NA | RoBERTa-wwm-ext, 多头注意力机制, 循环神经网络 | F1分数 | NA |
| 1499 | 2025-10-07 |
Virtual Monochromatic Imaging of Half-Iodine-Load, Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction in Patients with Renal Insufficiency: A Clinical Pilot Study
2025, Journal of Nippon Medical School = Nippon Ika Daigaku zasshi
DOI:10.1272/jnms.JNMS.2025_92-112
PMID:40058838
|
研究论文 | 本研究评估深度学习图像重建技术在肾功能不全患者低剂量对比剂CT扫描中的图像质量优化效果 | 首次将深度学习图像重建技术应用于肾功能不全患者的半碘负荷虚拟单能成像，并确定40 keV结合DLIR可提供最佳对比噪声比 | 样本量较小（28例），为单中心回顾性研究，缺乏外部验证 | 评估不同重建算法对半碘负荷对比增强CT虚拟单能成像图像质量的影响 | 28例中重度肾功能不全的肿瘤患者 | 医学影像分析 | 肾功能不全 | 双能CT，虚拟单能成像，对比增强CT | 深度学习图像重建 | CT影像 | 28例中重度肾功能不全的肿瘤患者 | NA | NA | 对比噪声比，图像噪声，对比度，锐利度，小结构分界，整体图像质量 | NA |
| 1500 | 2025-10-07 |
Advanced applications in chronic disease monitoring using IoT mobile sensing device data, machine learning algorithms and frame theory: a systematic review
2025, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2025.1510456
PMID:40061474
|
系统综述 | 系统综述物联网移动传感设备数据、机器学习算法和框架理论在慢性疾病监测中的先进应用 | 引入基于深度学习、紧框架方法和实时监测系统的先进模型，展示方法学创新 | 存在数据收集、算法选择和用户交互方面的潜在偏差和弱点 | 探讨物联网和人工智能技术在特定慢性疾病管理中的应用 | 心血管疾病、癌症、慢性呼吸系统疾病和糖尿病等主要慢性疾病 | 机器学习 | 慢性疾病 | 物联网移动传感设备、机器学习算法 | ANN, SVM, RF, 深度学习模型 | 传感设备数据、医疗数据 | NA | NA | NA | NA | NA |