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 1901 - 1920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1901 | 2025-04-12 |
Deep learning for steganalysis: evaluating model robustness against image transformations
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1532895
PMID:40206705
|
research paper | 本研究评估了基于深度学习的隐写分析模型在常见图像变换下的鲁棒性 | 首次系统地评估了多种深度学习模型在图像变换下的隐写分析性能，并比较了它们的鲁棒性 | 仅评估了有限的图像变换类型，未考虑更复杂的现实场景 | 评估深度学习模型在图像变换条件下的隐写分析性能 | 五种深度学习模型（EfficientNet、SRNet、ResNet、Xu-Net和Yedroudj-Net） | computer vision | NA | 深度学习 | EfficientNet, SRNet, ResNet, Xu-Net, Yedroudj-Net | 图像 | BOSSBase数据集 | NA | NA | NA | NA |
| 1902 | 2025-04-12 |
Identification of FDFT1 and PGRMC1 as New Biomarkers in Nonalcoholic Steatohepatitis (NASH)-Related Hepatocellular Carcinoma by Deep Learning
2025, Journal of hepatocellular carcinoma
IF:4.2Q2
DOI:10.2147/JHC.S505752
PMID:40206734
|
研究论文 | 本研究通过深度学习等方法筛选出NASH相关肝癌的新型生物标志物FDFT1和PGRMC1 | 首次结合深度学习、WGCNA和PPI网络筛选NASH相关肝癌特征基因，并验证FDFT1和PGRMC1的诊断价值 | 研究主要基于小鼠模型，需要进一步在人类样本中验证 | 探索NASH相关肝癌的新型生物标志物 | NAFLD小鼠模型和NASH相关肝癌特征基因 | 生物信息学 | 肝癌 | 深度学习、WGCNA、PPI网络、实时定量PCR、单细胞测序 | NNs | 基因组数据 | NAFLD小鼠模型 | NA | NA | NA | NA |
| 1903 | 2025-04-12 |
Deep learning-enabled transformation of anterior segment images to corneal fluorescein staining images for enhanced corneal disease screening
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.02.039
PMID:40206787
|
研究论文 | 开发了一种基于GAN的人工智能系统Gancor，用于将眼前段图像转化为角膜荧光素染色图像，以增强角膜疾病的筛查 | 利用GAN将AS图像转化为CFS图像，提高了远程诊断的效率和准确性 | 样本主要来自特定医院和地区，可能影响模型的泛化能力 | 开发一种远程诊断角膜疾病的系统 | 9669张眼前段图像和对应的角膜荧光素染色图像，以及967对通过智能手机拍摄的AS-CFS图像 | 数字病理学 | 角膜疾病 | GAN | GAN | 图像 | 9669张AS图像和对应的CFS图像，以及967对AS-CFS图像 | NA | NA | NA | NA |
| 1904 | 2025-04-12 |
NeuroFusionNet: cross-modal modeling from brain activity to visual understanding
2025, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2025.1545971
PMID:40207297
|
research paper | 本文提出了一种创新的深度学习模型NeuroFusionNet，通过整合fMRI信号与图像特征来增强对视觉信息的理解 | 引入了Mutli-scale fMRI Timeformer模块和fMRI-guided loss函数，有效整合图像与大脑活动信息 | NA | 通过整合fMRI信号与图像特征来增强对视觉信息的理解 | fMRI信号和图像特征 | machine learning | NA | fMRI | NeuroFusionNet, Mutli-scale fMRI Timeformer | image, fMRI信号 | NA | NA | NA | NA | NA |
| 1905 | 2025-04-11 |
An endoscopic ultrasound-based interpretable deep learning model and nomogram for distinguishing pancreatic neuroendocrine tumors from pancreatic cancer
2025-01-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-84749-7
PMID:39870667
|
研究论文 | 开发并验证了一种基于内镜超声(EUS)图像的可解释深度学习模型和列线图，用于预测胰腺神经内分泌肿瘤(PNETs) | 提出了一种新的可解释深度学习模型和列线图，结合了深度学习和临床特征，提高了EUS在区分PNETs和胰腺癌中的临床应用价值 | 研究为回顾性分析，样本量相对较小(266例患者)，且测试组的AUC值(0.795)较训练组(0.948)有所下降 | 开发一种能够区分胰腺神经内分泌肿瘤和胰腺癌的预测模型 | 266例经病理证实的患者(115例PNETs和151例胰腺癌) | 数字病理 | 胰腺癌 | 内镜超声(EUS) | SVM, 深度学习模型 | 图像 | 266例患者(115例PNETs和151例胰腺癌) | NA | NA | NA | NA |
| 1906 | 2025-04-11 |
Deep learning based decision-making and outcome prediction for adolescent idiopathic scoliosis patients with posterior surgery
2025-01-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87370-4
PMID:39870730
|
研究论文 | 本研究旨在开发深度学习模型，以帮助青少年特发性脊柱侧凸（AIS）患者的手术决策和结果预测 | 结合影响手术结果的关键因素，设计了四种深度学习模型，为AIS患者提供个性化手术决策支持 | 学习曲线和数据量的限制，未来需要调整和优化模型以满足需求 | 促进AIS患者的手术决策并预测手术结果 | 425名接受后路脊柱固定的AIS患者 | 数字病理学 | 青少年特发性脊柱侧凸 | 深度学习 | Multi-Layer Perceptron, Encoder-Decoder, CNN-LSTM Attention, Deep FM | 图像数据、临床数据 | 425名患者（77名男性，348名女性，平均年龄14.60±2.08岁） | NA | NA | NA | NA |
| 1907 | 2025-04-11 |
Capsule network approach for monkeypox (CAPSMON) detection and subclassification in medical imaging system
2025-01-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87993-7
PMID:39865160
|
research paper | 本研究提出了一种增强空间感知胶囊网络（ESACN），用于皮肤病图像的多类精确分类，特别是在猴痘检测和子分类方面 | 利用胶囊网络的动态路由和空间层次结构能力，有效区分猴痘、水痘、麻疹和正常皮肤等复杂模式，优于传统CNN | 研究样本量相对有限，可能影响模型的泛化能力 | 开发一种高精度的医学图像分类模型，以提升猴痘等皮肤病的诊断准确性 | 皮肤病图像，包括猴痘、水痘、麻疹和正常皮肤 | digital pathology | monkeypox | Capsule Network | ESACN | image | 659张图像（猴痘178张、水痘171张、麻疹80张、正常皮肤230张） | NA | NA | NA | NA |
| 1908 | 2025-04-11 |
Deep learning classification of MGMT status of glioblastomas using multiparametric MRI with a novel domain knowledge augmented mask fusion approach
2025-01-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87803-0
PMID:39863759
|
研究论文 | 本研究旨在构建一个基于多参数MRI的胶质母细胞瘤MGMT甲基化状态的鲁棒分类器，采用了一种新颖的领域知识增强掩模融合方法 | 提出了一种多序列引导的掩模融合方法，能够从标准MRI序列中看似无病变的区域收集病理信息，并构建了一个3D ROI-based自定义CNN分类器 | 多参数分类器在使用所有序列时的准确率为0.81，略低于仅使用T1对比增强和FLAIR图像的分类器（0.88） | 开发一种非侵入性预测胶质母细胞瘤MGMT甲基化状态的方法，以辅助临床治疗决策 | 胶质母细胞瘤的MGMT甲基化状态 | 数字病理 | 胶质母细胞瘤 | 多参数MRI | 3D ROI-based自定义CNN | MRI图像 | BRATS 2021 MGMT甲基化数据集的一个子集 | NA | NA | NA | NA |
| 1909 | 2025-04-11 |
Mapping the giants: a bibliometric analysis of the top 100 most-cited thyroid nodules studies
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1555676
PMID:40201321
|
研究论文 | 通过文献计量学分析甲状腺结节研究领域被引用次数最多的100篇文章，以识别趋势和关键焦点 | 首次对甲状腺结节领域的高被引文献进行系统分析，并识别出深度学习作为新兴研究方向 | 仅分析了SCI-E数据库中的文献，可能遗漏其他重要数据库的文献 | 分析甲状腺结节研究领域的高被引文献特征和趋势 | 甲状腺结节研究领域的100篇高被引文献 | 文献计量学 | 甲状腺疾病 | 文献计量分析工具（VOSviewer, CiteSpace, bibliometrix） | NA | 文本数据 | 100篇高被引文献 | NA | NA | NA | NA |
| 1910 | 2025-04-11 |
Early diagnosis of sepsis-associated AKI: based on destruction-replenishment contrast-enhanced ultrasonography
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1563153
PMID:40201329
|
research paper | 建立基于破坏-补充对比增强超声（DR-CEUS）的深度学习超声放射组学模型，用于早期预测急性肾损伤（SA-AKI） | 结合深度学习和超声放射组学，提出了一种新的深度学习超声放射组学模型（DLUR），在早期预测SA-AKI方面表现出色 | 未提及样本量是否足够大或模型在其他数据集上的泛化能力 | 早期预测与脓毒症相关的急性肾损伤（SA-AKI） | 急性肾损伤（SA-AKI）患者 | digital pathology | acute kidney injury | 破坏-补充对比增强超声（DR-CEUS） | ResNet18, ResNet50, ResNext18, ResNext50, DLUR | 超声图像 | NA | NA | NA | NA | NA |
| 1911 | 2025-04-11 |
Deep learning-based automated segmentation and quantification of the dural sac cross-sectional area in lumbar spine MRI
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1503625
PMID:40201339
|
研究论文 | 本研究评估了深度学习模型在腰椎MRI中自动分割和量化硬膜囊横截面积（DSCA）的效能，以提高诊断精度并减轻放射科医生的工作负担 | 首次将MultiResUNet等深度学习模型应用于腰椎MRI中DSCA的自动测量，展示了高精度和可靠性 | 数据集规模有限且仅依赖T1加权图像 | 开发自动化工具以提升腰椎MRI中DSCA测量的效率和准确性 | 腰椎MRI图像中的硬膜囊横截面积 | 数字病理学 | 脊柱疾病（如退行性椎间盘疾病、椎管狭窄和椎间盘突出） | MRI成像 | U-Net, Attention U-Net, MultiResUNet | 医学影像（T1加权轴向MRI图像） | 733例腰椎MRI扫描（683例用于训练和测试，50例用于外部验证） | NA | NA | NA | NA |
| 1912 | 2025-04-11 |
Internet of things driven hybrid neuro-fuzzy deep learning building energy management system for cost and schedule optimization
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1544183
PMID:40206707
|
研究论文 | 本文提出了一种基于物联网的混合神经模糊深度学习建筑能源管理系统，用于成本和进度优化 | 结合人工神经网络和模糊逻辑，在深度神经网络架构中集成模糊层，开发了一种混合深度学习模型 | 研究仅基于印度一个大学的数据，可能不具备广泛的普适性 | 优化建筑能源消耗，实现成本和进度优化 | 建筑能源管理系统（BEMS） | 机器学习 | NA | 深度学习、模糊逻辑 | 混合深度学习模型（人工神经网络与模糊逻辑结合） | 电力数据 | 2021年12月至2023年12月两年的能源消耗数据及27个相关能源参数 | NA | NA | NA | NA |
| 1913 | 2025-04-10 |
Deep learning signature to predict postoperative anxiety in patients receiving lung cancer surgery
2025, Frontiers in surgery
IF:1.6Q2
DOI:10.3389/fsurg.2025.1573370
PMID:40196195
|
研究论文 | 本研究旨在建立并验证一种基于MRI的深度学习特征，用于预测接受肺癌手术患者的术后焦虑 | 利用ResNet-152算法训练深度学习特征，首次将MRI-T1WI图像与术后焦虑预测相结合 | 样本量较小（202例患者），且仅使用了MRI-T1WI图像 | 预测接受肺癌手术患者的术后焦虑 | 接受肺癌手术的患者 | 数字病理学 | 肺癌 | MRI | ResNet-152 | 图像 | 202例接受肺癌手术的患者 | NA | NA | NA | NA |
| 1914 | 2025-04-10 |
A study on early diagnosis for fracture non-union prediction using deep learning and bone morphometric parameters
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1547588
PMID:40196347
|
研究论文 | 本研究利用深度学习和骨形态计量参数开发了一种用于骨折不愈合早期诊断的模型 | 提出了Vision Mamba Triplet Attention and Edge Feature Decoupling Module UNet (VM-TE-UNet)用于骨折区域分割，并建立了基于微CT指标的早期诊断模型 | 研究仅使用了12只大鼠的骨折动物模型，样本量较小 | 开发骨折不愈合的早期诊断模型 | 大鼠骨折模型 | 数字病理 | 骨折 | micro-CT成像 | VM-TE-UNet | 图像 | 12只大鼠的2448张micro-CT图像 | NA | NA | NA | NA |
| 1915 | 2025-04-10 |
Point-SPV: end-to-end enhancement of object recognition in simulated prosthetic vision using synthetic viewing points
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1549698
PMID:40196449
|
研究论文 | 本文介绍了一种名为Point-SPV的端到端深度学习模型，旨在增强模拟假体视觉中的物体识别能力 | Point-SPV通过模拟视点（代表潜在的注视位置）并在这些点周围的图像块上训练模型，初步实现了基于注视的优化，专注于任务导向的视觉表示 | NA | 提升模拟假体视觉系统中的物体识别性能 | 视觉假体系统及视觉障碍患者 | 计算机视觉 | 视力障碍 | 深度学习 | 端到端深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 1916 | 2025-04-10 |
Transfer learning improves performance in volumetric electron microscopy organelle segmentation across tissues
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf021
PMID:40196751
|
research paper | 该研究展示了迁移学习在体积电子显微镜（VEM）图像中跨组织器官分割性能的提升 | 通过在多组织器官的VEM数据上进行预训练并在目标数据集上微调，实现了高性能的多种细胞器分割，且所需的新训练数据量相对较少 | 需要一定量的手动标注数据进行微调，且性能可能受预训练数据与目标数据之间的差异影响 | 提高体积电子显微镜图像中细胞器分割的自动化水平和性能 | 哺乳动物组织中的细胞器（如线粒体和内质网） | digital pathology | NA | serial block face scanning electron microscopy | deep learning segmentation algorithms | volumetric electron microscopy images | 四个VEM数据集（包括一个新的大鼠肝脏数据集，尺寸为7000×7000×219像素） | NA | NA | NA | NA |
| 1917 | 2025-04-10 |
HTRecNet: a deep learning study for efficient and accurate diagnosis of hepatocellular carcinoma and cholangiocarcinoma
2025, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2025.1549811
PMID:40196844
|
研究论文 | 本研究提出了一种名为HTRecNet的深度学习框架，用于高效准确诊断肝细胞癌（HCC）和胆管癌（CCA） | HTRecNet结合了复杂的数据增强策略以优化特征提取，即使在样本量有限的情况下也能保持稳健性能 | 研究样本中CCA的样本量相对较少（180例），可能影响模型在CCA诊断上的泛化能力 | 开发自动化诊断方法以提高肝细胞癌和胆管癌的诊断效率和准确性 | 肝细胞癌（HCC）和胆管癌（CCA）的组织病理学图像 | 数字病理学 | 肝癌 | 深度学习 | HTRecNet（自定义深度学习框架） | 图像 | 5,432张组织病理学图像（其中5,096张用于训练和验证，336张用于外部测试） | NA | NA | NA | NA |
| 1918 | 2025-10-07 |
Investigating the intrinsic top-down dynamics of deep generative models
2025-01-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-85055-y
PMID:39843473
|
研究论文 | 本研究探讨深度生成模型的内在自上而下动态特性，特别关注迭代深度信念网络在生成过程中的状态转换能力 | 提出使用'嵌合体状态'初始化生成过程以增强访问吸引子的异质性，并证明iDBN相比浅层生成模型具有更丰富的自上而下动态 | 模型在单次生成轨迹中并不总是能够转换到所有潜在目标状态 | 研究分层生成模型的自上而下动态特性及其与神经认知理论的联系 | 深度生成模型，特别是迭代深度信念网络(iDBN) | 机器学习 | NA | 无监督学习，基于能量的深度学习架构 | DBN, iDBN, Restricted Boltzmann Machine | 图像 | 包含手写数字和人脸图像的知名数据集 | NA | 深度信念网络，迭代深度信念网络，受限玻尔兹曼机 | 访问状态数量，吸引子异质性，生成样本多样性 | NA |
| 1919 | 2025-10-07 |
Synthetic temporal bone CT generation from UTE-MRI using a cycleGAN-based deep learning model: advancing beyond CT-MR imaging fusion
2025-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10967-2
PMID:39026063
|
研究论文 | 开发基于CycleGAN的深度学习模型，从超短回波时间MRI生成合成颞骨CT图像 | 首次使用CycleGAN模型从UTE-MRI生成颞骨合成CT图像，超越传统的CT-MR图像融合技术 | 五个主要解剖结构的生成成功率较低（24%-83%），样本量相对有限 | 解决MRI在定位颞骨解剖标志物方面的固有局限性 | 接受颞骨MRI和CT检查的患者 | 医学影像分析 | 颞骨相关疾病 | 超短回波时间磁共振成像，点状编码时间减少径向采集 | CycleGAN | 医学影像 | 102名患者（训练集54人，验证集48人） | NA | CycleGAN | 乳突气房像素计数，解剖标志物生成成功率 | NA |
| 1920 | 2025-10-07 |
Deep learning-based 3D quantitative total tumor burden predicts early recurrence of BCLC A and B HCC after resection
2025-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10941-y
PMID:39028376
|
研究论文 | 本研究开发基于深度学习的3D定量总肿瘤负荷自动分割方法，用于预测BCLC A和B期肝细胞癌术后早期复发 | 首次将深度学习自动分割获得的定量总肿瘤负荷作为预测指标，并基于此提出BCLC分期系统的改良亚分类 | 单中心回顾性研究，样本量有限，需要多中心前瞻性验证 | 评估深度学习辅助的MRI三维定量肿瘤负荷预测肝细胞癌术后早期复发的潜力 | 接受切除术的BCLC A和B期肝细胞癌患者 | 数字病理 | 肝细胞癌 | MRI增强扫描，深度学习自动分割 | 深度学习 | MRI图像 | 592例患者（BCLC A期525例，BCLC B期67例） | NA | NA | 风险比，p值，2年早期复发率 | NA |