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 19270 篇文献，本页显示第 7541 - 7560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7541 | 2025-10-05 |
Better performance of cerebral blood volume images synthesized from arterial spin labeling and standard MRI in separating glioblastoma recurrence from treatment response than arterial spin labeling
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1647254
PMID:40978027
|
研究论文 | 本研究使用深度学习从动脉自旋标记和标准MRI序列合成脑血容量图，用于区分胶质母细胞瘤复发与治疗反应 | 开发了适用于不对称样本量的三维增量编码器-解码器网络，无需高注射速度即可合成脑血容量图 | 回顾性单中心研究，样本来源单一 | 验证从ASL和标准MRI合成的CBV图在区分胶质母细胞瘤复发与治疗反应中的诊断价值 | 364名患者的744次MRI扫描，其中96名疑似胶质母细胞瘤复发患者作为外部测试集 | 医学影像分析 | 胶质母细胞瘤 | 动脉自旋标记(ASL)、标准MRI序列(T1WI、T2WI、ADC、增强后T1WI) | 深度学习 | 三维MRI图像 | 364名患者的744次MRI扫描 | NA | 三维增量编码器-解码器网络(3D IEDN) | 结构相似性指数(SSIM)、峰值信噪比(PSNR)、四点Likert量表 | NA |
| 7542 | 2025-10-05 |
Who moved my scan? Early adopter experiences with pre- and post-market healthcare AI regulation challenges
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1651934
PMID:40978717
|
研究论文 | 探讨医疗AI在现实临床应用中面临的监管挑战及实施问题 | 从部署者角度分析生命周期监管与实施之间的差距，聚焦三个相互关联的维度 | NA | 研究医疗AI监管与部署如何成功对接 | 早期采用者的实践经验 | 医疗人工智能 | NA | 深度学习 | NA | 临床经验数据 | NA | NA | NA | NA | NA |
| 7543 | 2025-10-05 |
Advances in intelligent recognition and diagnosis of skin scar images: concepts, methods, challenges, and future trends
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1667087
PMID:40978739
|
综述 | 本文系统回顾了皮肤瘢痕图像智能识别与诊断的核心概念、方法体系、现存挑战及未来发展趋势 | 首次系统整合传统机器学习与深度学习在皮肤瘢痕诊断中的应用，提出多模态融合、注意力机制等先进算法在瘢痕分析中的潜力 | 面临数据稀缺、领域偏移和隐私法规等关键挑战，临床可解释性和泛化能力仍需提升 | 构建智能瘢痕诊断系统的技术路线图并推动临床转化应用 | 皮肤瘢痕图像数据及智能诊断算法 | 计算机视觉 | 皮肤疾病 | NA | CNN, 生成模型, 自监督学习 | 皮肤瘢痕图像 | 公开皮肤病数据集 | NA | 卷积神经网络 | 标准化定量评估指标 | NA |
| 7544 | 2025-10-05 |
Innovative opportunities for gene editing technology in crop breeding: from the perspective of literature analysis
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1636024
PMID:40978781
|
研究论文 | 通过文献挖掘视角分析基因编辑技术在作物育种中的应用与创新机会 | 首次从文献内容挖掘角度系统分析基因编辑技术在作物育种中的技术组合与创新机会 | 研究基于2020-2024年文献数据，时间跨度有限；缺乏实验验证 | 识别基因编辑技术在作物育种领域的技术空白点和创新机会 | 基因编辑技术在作物育种领域的相关文献 | 自然语言处理,机器学习 | NA | 自然语言处理,生成拓扑映射(GTM) | 深度学习 | 文本 | 2020-2024年期间的相关文献数据 | NA | NA | NA | NA |
| 7545 | 2025-10-05 |
Automatic differentiation of Parkinson's disease motor subtypes based on deep learning and radiomics
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1650985
PMID:40979208
|
研究论文 | 基于深度学习和影像组学技术开发帕金森病运动亚型自动分类方法 | 首次结合深度学习和影像组学技术，从8个深部脑核团提取2264个影像特征，构建全自动帕金森病运动亚型分类模型 | 样本量相对有限（135例患者），仅使用单一数据库（PPMI）数据 | 建立帕金森病运动亚型的自动分类方法以辅助临床诊断和治疗规划 | 帕金森病患者，包括姿势不稳/步态障碍亚型（43例）和震颤主导亚型（92例） | 医学影像分析 | 帕金森病 | MRI影像组学分析 | 集成学习, 传统机器学习 | 医学影像（MRI） | 135例帕金森病患者 | Scikit-learn | Bagging Decision Tree, AdaBoost, Gaussian Process, Logistic Regression, Random Forest | AUC | NA |
| 7546 | 2025-10-05 |
Technical and clinical validation of a novel deep learning-based white matter hyperintensity segmentation tool
2025, Cerebral circulation - cognition and behavior
DOI:10.1016/j.cccb.2025.100393
PMID:40979673
|
研究论文 | 开发并验证基于深度学习的新型白质高信号分割工具 | 使用MD-GRU和nnU-Net算法开发新型WMH分割工具，在异质性数据集上训练并展示优异的泛化能力 | 未明确说明训练数据的具体样本量 | 开发、验证和推广新型白质高信号分割算法以解决现有工具的局限性 | 脑小血管疾病患者的白质高信号 | 医学影像分析 | 脑小血管疾病 | MRI | MD-GRU, nnU-Net | 医学影像 | 使用MarkVCID联盟、SWISS-AF和DiViNAS研究的数据集 | NA | MD-GRU, nnU-Net | 偏差, 精密度, 可重复性, 再现性, 统计功效 | NA |
| 7547 | 2025-10-05 |
Exploration of chaos game representation and integrative deep learning approaches for whole-genome sequencing-based grapevine genetic testing
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf193
PMID:40980553
|
研究论文 | 本研究探索使用混沌游戏表示和深度学习方法进行基于全基因组测序的葡萄遗传测试 | 首次将混沌游戏表示(CGR)与深度学习相结合用于葡萄物种和品种鉴定，克服传统微卫星标记方法的局限性 | 初步研究阶段，品种分类准确率(80%)仍有提升空间，仅测试了5个物种和41个品种 | 开发基于全基因组测序的葡萄物种和品种鉴定方法 | 葡萄物种和栽培品种 | 生物信息学 | NA | 全基因组测序(WGS) | 深度学习 | 基因组序列数据，CGR图像 | 5个物种和41个栽培品种 | NA | NA | 平衡准确率 | NA |
| 7548 | 2025-10-05 |
Core fucose identification in glycoproteomics: an ML approach addressing fucose migration in mass spectrometry
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf186
PMID:40980549
|
研究论文 | 本研究开发机器学习方法解决糖蛋白组学中核心岩藻糖迁移现象导致的鉴定难题 | 首次联合使用半监督模型和自监督模型处理质谱中的岩藻糖迁移问题，并利用FUT8敲除小鼠模型构建可靠的数据标签 | 研究主要基于小鼠脑组织数据，在人类样本中的泛化能力需进一步验证 | 开发可靠的核心岩藻糖鉴定方法以解决质谱分析中的岩藻糖迁移问题 | 小鼠脑组织糖肽、人类IgG和人类血清样本 | 生物信息学 | NA | 质谱分析、糖蛋白组学 | 半监督模型,自监督模型 | 质谱数据 | FUT8敲除小鼠脑组织、正常小鼠脑组织、人类IgG、人类血清 | NA | NA | 鉴定准确率 | NA |
| 7549 | 2025-10-05 |
Modeling dynamic inflow effects in fMRI to quantify cerebrospinal fluid flow
2025, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.9
PMID:40800831
|
研究论文 | 开发动态模型和物理启发的深度学习框架来量化fMRI中的脑脊液流动信号 | 首次开发了模拟时变流速的fMRI流入信号动态模型，并创建了基于物理的深度学习框架来反演模型 | 未提及具体样本量限制或模型适用范围 | 量化fMRI中的脑脊液流动效应，使流动信号具有物理可解释性 | 人类数据和体模数据中的脑脊液流动 | 医学影像分析 | 脑部疾病 | fMRI, 流动敏感fMRI | 深度学习 | fMRI影像数据 | NA | NA | NA | NA | NA |
| 7550 | 2025-10-05 |
Multimodal data driven deep learning based seismic impedance inversion optimization
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0331952
PMID:40982555
|
研究论文 | 本研究采用深度学习方法来优化地震波阻抗反演，提高地震数据分辨率和合成地震记录生成质量 | 首次将LeNet、AlexNet和传统CNN架构应用于地震波阻抗反演，通过连续小波变换进行特征提取，显著提升了反演精度 | 方法在复杂地质区域的适用性仍需进一步验证，且依赖于合成地震记录进行训练 | 优化地震波阻抗反演技术，提高地下结构表征精度 | 地震数据和测井数据 | 地球物理数据分析 | NA | 连续小波变换(CWT) | CNN, LeNet, AlexNet | 地震数据，测井数据 | NA | NA | LeNet, AlexNet, 传统CNN | MSE, RMSE, MAE, R2分数 | NA |
| 7551 | 2025-10-05 |
An interpretable multi-transformer ensemble for text-based movie genre classification
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.2945
PMID:40989307
|
研究论文 | 提出一种基于电影情节文本的多标签电影类型分类的可解释集成模型 | 首次将BERT、DistilBERT和ROBERTa三种Transformer模型通过加权软投票集成，并引入LIME方法增强模型可解释性 | 仅使用文本模态数据，未结合音频视觉等多模态信息 | 开发基于文本的自动化电影类型分类系统 | 电影情节文本数据 | 自然语言处理 | NA | 文本挖掘 | Transformer,BERT,DistilBERT,ROBERTa | 文本 | Trailers12K和LMTD9两个基准数据集 | NA | BERT,DistilBERT,ROBERTa | 微平均精确率 | NA |
| 7552 | 2025-10-05 |
An End-to-End autonomous driving model based on visual perception for temporary roads
2025, PeerJ. Computer science
DOI:10.7717/peerj-cs.3152
PMID:40989386
|
研究论文 | 提出一种基于视觉感知的端到端自动驾驶模型，专门用于临时道路环境下移动机器人的自主导航 | 首次将全局上下文视觉Transformer(GCViT)网络与Transformer网络、门控循环单元(GRU)网络相结合，用于临时道路的端到端自动驾驶 | 仅针对低速车辆设计，未测试高速场景下的性能表现 | 开发适用于临时道路环境的端到端自动驾驶模型 | 移动机器人和无人地面车辆 | 计算机视觉 | NA | 视觉感知 | Transformer, GRU | 图像 | NA | NA | Global Context Vision Transformer (GCViT), Transformer, GRU | 轨迹规划时间, 平均轨迹偏差 | NA |
| 7553 | 2025-10-05 |
GShC-Net: Hybrid deep learning with DCTLAP feature extraction for brain tumor detection
2025-Dec, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出一种混合深度学习模型GShC-Net用于脑肿瘤检测 | 融合GoogleNet和Shepard卷积神经网络，结合DCTLAP特征提取的混合深度学习架构 | NA | 开发自动化计算机辅助诊断系统以改进脑肿瘤早期检测 | 脑肿瘤医学图像 | 计算机视觉 | 脑肿瘤 | 医学图像分析 | CNN,混合深度学习 | 图像 | NA | NA | GoogleNet,Shepard CNN,GShC-Net | 真阳性率,真阴性率,准确率 | NA |
| 7554 | 2025-10-05 |
A pre-training enhanced deep learning framework for robust sparse unmixing in chemical imaging
2025-Nov-08, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2025.344524
PMID:40983411
|
研究论文 | 提出一种预训练增强的深度学习框架P4SU，用于化学成像中的稳健稀疏解混 | 利用光谱库生成的模拟光谱预训练深度学习模型，结合线性与非线性解码器选项，显著提升解混精度和稳定性 | 未明确说明模型在极端噪声条件下的性能表现 | 开发准确稳健的化学成像解混算法 | 颜料混合物、糖溶液和药物片剂三种化学数据集 | 化学成像分析 | NA | 高光谱成像、拉曼成像 | 深度学习 | 光谱数据、化学成像数据 | 三个化学多样性数据集 | Python | NA | 均方根误差(RMSE), 标准差 | NA |
| 7555 | 2025-10-05 |
Leveraging Artificial Intelligence for Diabetic Retinopathy Screening and Management: History and Current Advances
2025-Nov, Seminars in ophthalmology
IF:1.9Q2
DOI:10.1080/08820538.2024.2432902
PMID:39580713
|
综述 | 本文回顾了人工智能在糖尿病视网膜病变筛查与管理中的应用历史与当前进展 | 系统梳理了AI在DR筛查领域的发展历程，并重点介绍了获得美国FDA批准的三大自动化筛查算法 | 作为叙述性综述，缺乏对研究质量的系统性评估和定量分析 | 评估人工智能在糖尿病视网膜病变筛查中的应用及现有自动化检测算法 | 已发表的关于AI在DR筛查中应用的科学研究文献 | 数字病理 | 糖尿病视网膜病变 | 眼底摄影，视网膜成像 | 深度学习 | 视网膜图像 | NA | NA | NA | NA | NA |
| 7556 | 2025-10-05 |
Evaluating the effect of noise reduction strategies in CT perfusion imaging for predicting infarct core with deep learning
2025-Oct, The neuroradiology journal
DOI:10.1177/19714009251313517
PMID:39789894
|
研究论文 | 评估不同噪声降低策略对深度学习模型在CT灌注成像中预测梗死核心的影响 | 首次系统比较不同供应商噪声降低技术对深度学习模型在急性缺血性卒中CTP扫描中识别梗死组织性能的影响 | 样本量较小（60例患者），仅包含成功机械取栓的患者，可能限制结果的普适性 | 评估深度学习模型在CT灌注成像中识别梗死组织的效能，特别关注不同噪声降低技术的影响 | 急性大血管闭塞性缺血性卒中患者的CT灌注扫描 | 医学影像分析 | 缺血性卒中 | CT灌注成像，扩散加权成像，表观扩散系数图 | CNN | 医学影像 | 60例急性缺血性卒中患者 | NA | U-Net | Dice系数 | NA |
| 7557 | 2025-10-05 |
Attention mechanism-based multi-parametric MRI ensemble model for predicting tumor budding grade in rectal cancer patients
2025-Oct, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04886-z
PMID:40167646
|
研究论文 | 开发并验证基于注意力机制的多参数MRI集成模型，用于预测直肠癌患者的肿瘤出芽分级 | 首次将CrossFormer架构和基于Transformer的注意力机制应用于多参数MRI特征融合，有效捕捉不同成像序列间的空间交互作用 | 回顾性研究设计，样本量相对有限，模型间AUC差异未达到统计学显著性 | 预测直肠癌患者的肿瘤出芽分级 | 直肠癌患者 | 医学影像分析 | 直肠癌 | 多参数磁共振成像 | 深度学习 | 医学影像 | 458例经病理证实的直肠癌患者（355例来自中心1，103例来自另外两个中心） | NA | CrossFormer, Transformer | AUC, 校准曲线, 决策曲线分析 | NA |
| 7558 | 2025-10-05 |
Deep learning-based segmentation of gallbladder cancer on abdominal computed tomography scans: a multicenter study
2025-Oct, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04887-y
PMID:40167645
|
研究论文 | 基于深度学习开发用于腹部CT扫描中胆囊癌自动分割的模型 | 在多中心数据集上比较了多种先进的2D和3D图像分割模型在胆囊癌分割任务中的性能 | 回顾性研究设计，样本量相对有限 | 训练和验证用于胆囊癌自动分割的深度学习模型 | 经病理证实的初治胆囊癌患者 | 计算机视觉 | 胆囊癌 | 对比增强CT扫描 | 深度学习分割模型 | 医学影像 | 训练验证队列317例，内部测试29例，外部测试85例 | NA | SAM Adapter, MedSAM, 3D TransUNet, SAM-Med3D, 3D-nnU-Net | Dice系数, IoU | NA |
| 7559 | 2025-10-05 |
Preoperative Assessment of Lymph Node Metastasis in Rectal Cancer Using Deep Learning: Investigating the Utility of Various MRI Sequences
2025-Oct, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-025-17717-8
PMID:40553356
|
研究论文 | 本研究开发了一种基于多参数MRI的深度学习模型，用于直肠癌术前淋巴结转移评估 | 设计了多参数多尺度EfficientNet模型，并系统比较了不同MRI序列对淋巴结转移评估的贡献 | 回顾性研究设计，样本量相对有限，需要进一步前瞻性验证 | 开发深度学习模型用于直肠癌术前淋巴结转移评估 | 直肠癌患者 | 医学影像分析 | 直肠癌 | 多参数磁共振成像 | 深度学习 | 三维医学影像 | 613名来自四个医疗中心的直肠癌患者 | NA | EfficientNet | AUC,准确率,敏感性,特异性,平均精确率 | NA |
| 7560 | 2025-10-05 |
A Geometric Deep Learning Model for Real-Time Prediction of Knee Joint Biomechanics Under Meniscal Extrusion
2025-Oct, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-025-03798-9
PMID:40663282
|
研究论文 | 提出一种几何深度学习模型用于实时预测半月板挤压下的膝关节生物力学响应 | 首次将几何深度学习应用于膝关节生物力学预测，相比传统有限元分析显著减少计算时间并实现实时评估 | 模型训练依赖于有限元分析生成的数据，未直接使用临床实时采集数据 | 开发快速准确的膝关节生物力学预测方法以替代计算耗时的传统有限元分析 | 膝关节软组织在半月板挤压下的生物力学响应 | 几何深度学习 | 骨关节炎 | 有限元分析，几何深度学习 | 几何深度学习模型 | 有限元分析生成的生物力学数据 | NA | NA | 几何深度学习架构 | 平均绝对误差, 平均绝对百分比误差, 峰值位置百分比误差, 峰值数值百分比误差 | NA |