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 19067 篇文献，本页显示第 12001 - 12020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12001 | 2025-06-06 |
Extracerebral Normalization of 18F-FDG PET Imaging Combined with Behavioral CRS-R Scores Predict Recovery from Disorders of Consciousness
2025-Jun, Neurocritical care
IF:3.1Q2
DOI:10.1007/s12028-024-02142-8
PMID:39532777
|
研究论文 | 本研究开发了一种基于18F-FDG PET和行为CRS-R评分的预后模型，用于预测长期意识障碍患者的1年恢复情况 | 结合18F-FDG PET的脑外组织标准化和行为CRS-R评分，开发了多模态预后模型，提高了预测意识恢复的准确性 | 样本量较小（87例患者），且测试集结果显示差异无统计学意义（P=0.73） | 开发预测长期意识障碍患者恢复情况的预后模型 | 87例新诊断为长期意识障碍的患者 | 数字病理 | 神经系统疾病 | 18F-FDG PET/CT扫描 | DenseNet121 | 图像和表格数据 | 87例意识障碍患者（52例恢复意识，35例未恢复） | NA | NA | NA | NA |
| 12002 | 2025-06-06 |
Underwater 3D measurement based on improved YOLOv8n and laser scanning imaging device
2025-Jun-01, The Review of scientific instruments
DOI:10.1063/5.0256098
PMID:40471019
|
研究论文 | 本文提出了一种名为YOLOv8-FWR的深度学习算法，结合激光扫描成像设备，有效提高了水下激光成像的效率和质量 | 引入了Focal_SPPF池化模块以减少背景噪声影响，提出了加权特征Concat模块以增强边缘小目标光条的检测，并通过结构重参数化技术优化了C2f模块，降低了模型参数数量同时提高了准确性 | NA | 提高水下激光成像的目标检测效率和准确性 | 水下激光扫描成像中的目标光条 | 计算机视觉 | NA | 激光扫描成像 | YOLOv8-FWR | 图像 | 通过模拟水下激光扫描成像过程构建的包含大量背景噪声的数据集，并在VOC2012和Underwater Detection Dataset (UDD)上进行了验证 | NA | NA | NA | NA |
| 12003 | 2025-06-06 |
Automatic Segmentation and Molecular Subtype Classification of Breast Cancer Using an MRI-based Deep Learning Framework
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240184
PMID:40249269
|
research paper | 开发了一个基于MRI的深度学习框架，用于乳腺癌病灶分割和分子亚型自动分类 | 提出了一个结合3D ResU-Net和Ensemble ResNet的深度学习框架，实现了乳腺癌病灶的高精度分割和分子亚型的自动分类 | 研究为回顾性多中心研究，可能存在选择偏倚 | 开发一个基于MRI的深度学习框架，用于乳腺癌病灶分割和分子亚型分类 | 乳腺癌患者 | digital pathology | breast cancer | contrast-enhanced MRI | 3D ResU-Net, Ensemble ResNet | MRI图像 | 687名女性患者（平均年龄48.70岁±8.97） | NA | NA | NA | NA |
| 12004 | 2025-06-06 |
Development and validation of a novel chronic pancreatitis pathological grade based on artificial intelligence
2025-May, Pancreatology : official journal of the International Association of Pancreatology (IAP) ... [et al.]
IF:2.8Q2
DOI:10.1016/j.pan.2025.04.011
PMID:40335378
|
研究论文 | 本研究开发并验证了一种基于深度学习的慢性胰腺炎病理分级系统（Histopathology-derived CPpG），并通过放射组学评分（DLRS）预测疾病严重程度 | 首次提出基于人工智能的慢性胰腺炎病理分级系统，并开发了非侵入性的DLRS用于动态监测疾病严重程度 | 研究为回顾性设计，且病理确认的CP样本量相对较小（181例） | 开发慢性胰腺炎的客观病理分级系统并验证其临床价值 | 慢性胰腺炎和复发性急性胰腺炎患者 | 数字病理 | 慢性胰腺炎 | 深度学习，放射组学 | DeeplabV3+ | 全切片图像，CT扫描 | 2054例患者（含181例病理确诊CP） | NA | NA | NA | NA |
| 12005 | 2025-06-06 |
Interactive Explainable Deep Learning Model for Hepatocellular Carcinoma Diagnosis at Gadoxetic Acid-enhanced MRI: A Retrospective, Multicenter, Diagnostic Study
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240332
PMID:40445095
|
研究论文 | 开发基于钆塞酸增强MRI的人工智能模型，辅助放射科医生诊断肝细胞癌 | 提出了一种交互式可解释的深度学习模型，能够通过分析预训练病变分类器的激活模式推断LI-RADS特征的存在 | 研究为回顾性设计，可能受到选择偏差的影响 | 开发AI模型辅助肝细胞癌诊断 | 肝局灶性病变患者 | 数字病理 | 肝细胞癌 | 钆塞酸增强MRI | 深度学习 | MRI图像 | 839名患者（1023个肝局灶性病变） | NA | NA | NA | NA |
| 12006 | 2025-06-06 |
Predicting Recurrence in Locally Advanced Rectal Cancer Using Multitask Deep Learning and Multimodal MRI
2025-May, Radiology. Imaging cancer
DOI:10.1148/rycan.240359
PMID:40445102
|
research paper | 开发并验证了一种名为MultiRecNet的多任务深度网络，用于全自动预测接受新辅助放化疗（nCRT）治疗的局部晚期直肠癌（LARC）患者的无病生存期（DFS） | MultiRecNet能够在单一框架内同时执行分割、分类和生存预测任务，实现了全自动端到端的预后预测 | 研究为回顾性设计，可能存在选择偏差 | 预测局部晚期直肠癌患者的无病生存期 | 接受nCRT治疗的局部晚期直肠癌患者 | digital pathology | rectal cancer | multimodal MRI | MultiRecNet (multitask deep learning) | MRI图像（T2、ADC等）及临床指标 | 445名患者（训练集261名，验证集37名，内部测试集75名，外部测试集72名） | NA | NA | NA | NA |
| 12007 | 2025-06-06 |
Incorporating patient-specific prior clinical knowledge to improve clinical target volume auto-segmentation generalisability for online adaptive radiotherapy of rectal cancer: A multicenter validation
2025-Feb, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110667
PMID:39675574
|
research paper | 本研究探讨了在直肠癌在线自适应放疗中，利用患者特异性先验临床知识提高临床靶区自动分割的泛化能力 | 提出了一种结合患者特异性先验临床知识和基于人群的变异性的深度学习方法，以提高自动分割的泛化能力 | 研究仅针对直肠癌患者，未涉及其他癌症类型 | 提高在线自适应放疗中临床靶区自动分割的泛化能力 | 中危或局部晚期直肠癌患者 | digital pathology | rectal cancer | deep learning | DL | MRI | 来自三个中心的中危或局部晚期直肠癌患者 | NA | NA | NA | NA |
| 12008 | 2025-06-06 |
A Deep Learning-Based Method for Rapid 3D Whole-Heart Modeling in Congenital Heart Disease
2025, Cardiology
IF:1.9Q3
DOI:10.1159/000541980
PMID:39396499
|
研究论文 | 开发了一种基于深度学习的快速三维心脏建模方法，用于先天性心脏病患者的术前规划和诊断支持 | 整合医学影像和临床诊断信息，通过深度学习自动生成3D打印和VR应用的心脏模型 | 研究样本量较小（110例患者），未来需在更大数据集和不同类型先天性心脏病上验证模型的广泛适用性 | 提高先天性心脏病手术规划和诊断的精确性 | 先天性心脏病患者 | 数字病理学 | 先天性心脏病 | CT、心脏MRI | 深度学习模型 | 医学影像、临床数据 | 110例患者 | NA | NA | NA | NA |
| 12009 | 2025-06-06 |
Deep learning-based optical coherence tomography and retinal images for detection of diabetic retinopathy: a systematic and meta analysis
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1485311
PMID:40171193
|
meta-analysis | 本文通过系统综述和荟萃分析评估了深度学习算法在光学相干断层扫描（OCT）和视网膜图像中检测糖尿病视网膜病变（DR）的有效性 | 首次对深度学习在OCT和视网膜图像中检测DR的效果进行了全面的荟萃分析 | 数据集标准化不足，模型可解释性有待提高，且需在多样化人群中进一步验证性能 | 评估深度学习算法在糖尿病视网膜病变检测中的准确性和可靠性 | 光学相干断层扫描（OCT）和视网膜图像 | digital pathology | diabetic retinopathy | deep learning | NA | image | 188268张视网膜图像和OCT扫描 | NA | NA | NA | NA |
| 12010 | 2025-06-06 |
Ground-truth-free deep learning approach for accelerated quantitative parameter mapping with memory efficient learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324496
PMID:40455714
|
研究论文 | 本研究评估了结合内存高效学习(MEL)的自监督学习(SSL)和零样本自监督学习(ZSSSL)框架，以加速定量MRI(qMRI)的图像重建 | 提出了不依赖全采样数据的自监督学习和零样本自监督学习方法，并结合内存高效学习技术降低GPU内存需求 | 在高度加速因子条件下，SSL和ZSSSL的性能略逊于监督学习(SL) | 加速定量MRI图像重建过程并降低计算资源需求 | 定量MRI图像重建 | 医学影像分析 | NA | 定量MRI(qMRI), 自监督学习(SSL), 零样本自监督学习(ZSSSL) | 深度学习(DL) | MRI图像 | 三个实验(2D T2映射/MSME, 3D T1映射/VFA-SPGR, 3D T2映射/DESS) | NA | NA | NA | NA |
| 12011 | 2025-06-06 |
Utility of artificial intelligence-based conversation voice analysis for detecting cognitive decline
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325177
PMID:40455724
|
研究论文 | 本研究开发了一种基于人工智能的对话语音分析模型，用于检测认知衰退 | 利用短对话语音样本通过AI模型检测认知衰退，无需专业环境或设备 | 样本量较小（263名患者），且仅基于Mini-Mental State Examination分数进行标签 | 开发一种便捷的认知衰退筛查工具 | 认知衰退患者和认知正常人群 | 自然语言处理 | 老年疾病 | 机器学习 | 全耦合神经网络 | 语音 | 263名患者的语音样本，其中20个样本用于准确性评估 | NA | NA | NA | NA |
| 12012 | 2025-06-06 |
A novel spectral analysis-based grading system for gastrointestinal activity
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323440
PMID:40455773
|
研究论文 | 本文介绍了一种基于频谱分析的新型胃肠道活动分级系统，用于客观评估胃肠动力 | 提出了一种创新的无监督分级系统，通过频谱特征分析肠鸣音来评估胃肠动力，避免了传统方法依赖个人判断和大规模标注数据集的问题 | 虽然验证了方法的可靠性，但仍需进一步研究以确认其在更广泛临床环境中的适用性 | 开发一种客观评估胃肠动力的方法，辅助医生量化胃肠道活动 | 肠鸣音（由消化气体和液体在蠕动过程中产生的声音信号） | 数字病理 | 胃肠道疾病 | 频谱特征分析 | 无监督学习 | 音频 | NA | NA | NA | NA | NA |
| 12013 | 2025-06-06 |
An efficient non-parametric feature calibration method for few-shot plant disease classification
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1541982
PMID:40458225
|
research paper | 提出一种基于特征适应评分（FAS）度量的方法，用于少样本植物病害分类 | 利用FAS评分与测试准确率的严格正相关关系，无需训练网络即可确定适用于少样本植物病害分类的Swin-Transformer V2-F6网络结构，并设计了PDFC算法进行特征校准 | NA | 解决植物病害图像数据不足的问题，提高少样本植物病害分类的准确率 | 植物病害图像 | computer vision | plant disease | few-shot learning | Swin-Transformer V2 | image | PlantVillage数据集及其他数据集 | NA | NA | NA | NA |
| 12014 | 2025-06-06 |
Ventricular volume adjustment of brain regions depicts brain changes associated with HIV infection and aging better than intracranial volume adjustment
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1516168
PMID:40458466
|
research paper | 该研究探讨了在分析HIV感染和衰老相关的大脑结构变化时，采用侧脑室（LV）体积调整比颅内体积（ICV）调整更能揭示潜在的萎缩模式 | 提出了使用侧脑室体积调整作为新的分析方法，以更准确地识别HIV感染和衰老相关的大脑萎缩模式，尤其是在HIV相关神经认知障碍（HAND）的研究中 | 研究仅基于MRI T1图像数据，未考虑其他可能的神经影像学或临床数据 | 比较不同体积调整策略在识别HIV感染和衰老相关大脑萎缩模式中的效果 | HIV感染者和健康对照者的大脑结构变化 | digital pathology | HIV感染 | MRI T1成像 | deep learning models | image | NA | NA | NA | NA | NA |
| 12015 | 2025-06-05 |
NMR Pure Shift Spectroscopy and Its Potential Applications in the Pharmaceutical Industry
2025-Jun-03, Chembiochem : a European journal of chemical biology
IF:2.6Q3
DOI:10.1002/cbic.202401012
PMID:40263759
|
review | 本文综述了纯位移NMR技术及其在制药行业中的潜在应用 | 介绍了纯位移技术抑制标量耦合以提高光谱分辨率的方法，并探讨了深度学习辅助获取最优纯位移光谱的方法 | NA | 促进纯位移NMR技术在制药行业的发展和实际应用 | 纯位移NMR技术及其在制药行业的应用 | NA | NA | NMR纯位移技术、深度学习 | NA | 光谱数据 | NA | NA | NA | NA | NA |
| 12016 | 2025-06-05 |
A Novel Deep Learning Framework for Nipple Segmentation in Digital Mammography
2025-Jun-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01567-7
PMID:40461663
|
研究论文 | 提出了一种新的深度学习框架，用于数字乳腺X线摄影中的乳头分割，以提高医学分析和计算机辅助检测系统的准确性 | 该方法在乳头分割方面显著优于基线方法，特别是在基线方法完全失败的挑战性案例中，实现了在所有案例中的成功检测，并在重叠度量上取得了持续提升 | NA | 提高数字乳腺X线摄影中乳头分割的准确性，以支持多视角和多模态乳腺图像配准 | 数字乳腺X线摄影图像中的乳头区域 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 12017 | 2025-06-05 |
Artificial Intelligence in Veterinary Clinical Pathology-An Introduction and Review
2025-Jun-03, Veterinary clinical pathology
IF:1.2Q3
DOI:10.1111/vcp.70012
PMID:40462415
|
review | 本文介绍了人工智能在兽医临床病理学中的应用及其基本概念，并探讨了AI在该领域的资格认定与整合 | 以非技术性的方式介绍AI基本概念，并探讨AI在兽医临床病理学中的资格认定与整合 | 未提及具体的技术实现细节或实验数据 | 探讨人工智能在兽医临床病理学中的应用与整合 | 兽医临床病理学 | machine learning | NA | machine learning, deep learning | NA | NA | NA | NA | NA | NA | NA |
| 12018 | 2025-10-06 |
RS-MAE: Region-State Masked Autoencoder for Neuropsychiatric Disorder Classifications Based on Resting-State fMRI
2025-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3449949
PMID:39325609
|
研究论文 | 提出一种基于静息态fMRI的区域状态掩码自编码器用于神经精神疾病分类 | 引入掩码自编码器减少DFC矩阵冗余，提出区域状态块嵌入适应连接性数据，采用随机状态拼接缓解训练样本不足问题 | 未明确说明模型在小样本情况下的泛化能力及计算复杂度 | 基于静息态功能磁共振成像的神经精神疾病分类 | 注意力缺陷多动障碍、自闭症谱系障碍、阿尔茨海默病和精神分裂症患者 | 医学影像分析 | 神经精神疾病 | 静息态功能磁共振成像 | 掩码自编码器 | 动态功能连接矩阵 | 四个公开数据集（具体样本数未明确说明） | NA | RS-MAE | 准确率 | NA |
| 12019 | 2025-10-06 |
Hyperparameter Recommendation Integrated With Convolutional Neural Network
2025-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3476439
PMID:39423079
|
研究论文 | 提出一种集成卷积神经网络的超参数推荐方法 | 首次将CNN应用于超参数推荐领域，开发了具有特征选择能力的CNN回归器和卷积去噪自编码器，能够深度挖掘数据特征和超参数性能的空间结构 | 仅针对SVM分类器进行验证，未扩展到其他机器学习模型 | 开发基于深度学习的超参数推荐系统 | 分类问题的超参数优化 | 机器学习 | NA | 元学习 | CNN, ConvDAE | 数据集特征，超参数性能数据 | 400个真实分类问题 | NA | 卷积神经网络，卷积去噪自编码器，双分支CNN | NA | NA |
| 12020 | 2025-10-06 |
Spike-and-Slab Shrinkage Priors for Structurally Sparse Bayesian Neural Networks
2025-Jun, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3485529
PMID:39480710
|
研究论文 | 本文提出两种基于尖峰-平板先验的结构化稀疏贝叶斯神经网络，用于模型压缩和计算效率提升 | 首次将尖峰-平板群组Lasso和尖峰-平板群组Horseshoe先验应用于贝叶斯神经网络的结构化稀疏化 | 未明确说明具体数据集规模和实验设置的局限性 | 开发结构化稀疏的贝叶斯神经网络以实现模型压缩和计算效率优化 | 贝叶斯神经网络的结构化稀疏化 | 机器学习 | NA | 变分推断，连续松弛技术 | 贝叶斯神经网络 | NA | NA | NA | 结构化稀疏神经网络 | 预测准确率，模型压缩率，推理延迟 | NA |