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 12381 - 12400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12381 | 2025-06-14 |
A physics-informed deep learning model for predicting beam dose distribution of intensity-modulated radiation therapy treatment plans
2025-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100779
PMID:40502721
|
研究论文 | 开发了一种基于物理信息的深度学习模型，用于预测鼻咽癌患者调强放射治疗（IMRT）中的束流剂量分布 | 提出了一种专门用于束流剂量预测任务的物理信息深度学习网络，并通过交叉采样方案解决了深度学习模型的可解释性挑战 | 样本量相对较小（100例），且为回顾性研究 | 开发用于IMRT束流剂量预测的深度学习模型 | 鼻咽癌患者的IMRT治疗计划 | 医学影像分析 | 鼻咽癌 | 深度学习 | U-Net | CT图像和轮廓输入 | 100例九束IMRT病例（72例训练集，8例验证集，20例测试集） | NA | NA | NA | NA |
| 12382 | 2025-06-14 |
Comparison of Multimodal Deep Learning Approaches for Predicting Clinical Deterioration in Ward Patients
2025-Mar-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.06.25322855
PMID:40093217
|
研究论文 | 比较不同多模态深度学习方法在预测病房患者临床恶化方面的效果 | 首次比较了结合结构化数据与临床笔记信息的多种深度学习方法在预测临床恶化方面的性能 | 添加临床笔记信息并未显著提升模型性能 | 评估多模态深度学习模型预测病房患者临床恶化的效果 | 病房患者 | 机器学习 | NA | 深度循环神经网络 | RNN | 结构化数据和非结构化文本数据 | 506,076名病房患者 | NA | NA | NA | NA |
| 12383 | 2025-06-14 |
REMED-T2D: A robust ensemble learning model for early detection of type 2 diabetes using healthcare dataset
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109771
PMID:39914204
|
研究论文 | 开发了一种名为REMED-T2D的集成机器学习模型，用于2型糖尿病的早期检测 | 首次使用Pima数据集进行综合分析，整合多种机器学习算法，并开发了公开可访问的Web服务器 | 模型主要针对亚洲女性，可能在其他人群中的适用性有限 | 提高2型糖尿病的早期检测准确性和鲁棒性 | Pima Indian Diabetes数据集、RTML1和Pabna数据集 | 机器学习 | 2型糖尿病 | 集成学习、欠采样方法 | 集成ML模型 | 医疗数据集 | Pima Indian Diabetes数据集生成的五个平衡数据集，以及RTML1、Pabna和RTML2数据集 | NA | NA | NA | NA |
| 12384 | 2025-06-14 |
Real-time detection and monitoring of public littering behavior using deep learning for a sustainable environment
2025-01-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-77118-x
PMID:39848984
|
research paper | 利用深度学习实时检测和监控公共乱扔垃圾行为，以促进可持续环境 | 结合MoViNet视频分类模型和YOLOv8目标检测模型，通过面部识别和车牌识别技术识别乱扔垃圾的个体 | 数据收集困难，需通过模拟真实场景获取数据 | 通过技术手段减少公共乱扔垃圾行为，保护环境和人类健康 | 车辆和行人的乱扔垃圾行为 | computer vision | NA | 深度学习、计算机视觉 | MoViNet, YOLOv8, LRCN, CNN-RNN | 视频 | 模拟真实场景收集的数据集 | NA | NA | NA | NA |
| 12385 | 2025-01-24 |
From pixels to patients: the evolution and future of deep learning in cancer diagnostics: (Trends in Molecular Medicine, published online December 11, 2024)
2025-Jan-21, Trends in molecular medicine
IF:12.8Q1
DOI:10.1016/j.molmed.2024.12.012
PMID:39843287
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12386 | 2025-06-14 |
Deep Learning Applied to Diffusion-weighted Imaging for Differentiating Malignant from Benign Breast Tumors without Lesion Segmentation
2025-01, Radiology. Artificial intelligence
DOI:10.1148/ryai.240206
PMID:39565222
|
研究论文 | 评估和比较不同人工智能模型在扩散加权成像（DWI）中区分良性和恶性乳腺肿瘤的性能，并与放射科医生的评估进行比较 | 应用深度学习模型（特别是小型2D CNN）在无需病灶分割的情况下，利用DWI数据区分乳腺肿瘤的良恶性，且性能与放射科医生相当 | 研究为回顾性设计，样本量相对较小（334个乳腺病灶），且所有患者均为女性 | 评估AI模型在乳腺肿瘤良恶性鉴别中的性能 | 乳腺肿瘤患者 | 计算机视觉 | 乳腺癌 | 扩散加权成像（DWI） | 2D CNN, ResNet-18, EfficientNet-B0, 3D CNN | 医学影像 | 293名女性患者的334个乳腺病灶 | NA | NA | NA | NA |
| 12387 | 2025-06-14 |
Innovative data techniques for centrifugal pump optimization with machine learning and AI model
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0325952
PMID:40493691
|
research paper | 本文探讨了利用机器学习和AI模型优化离心泵的数据技术 | 采用Dewesoft FFT DAQ系统和传感器融合技术提取高质量数据，结合EDA、数据可视化和特征工程提升数据可解释性，并通过假设测试验证数据完整性 | 未提及具体模型在极端条件下的表现或泛化能力 | 提高离心泵的运营效率并减少模型训练时间 | 离心泵机器(CPM) | machine learning | NA | Exploratory Data Analysis (EDA), Data Visualization, Feature Engineering (FE) | machine learning classifiers, deep learning algorithms | sensor data | NA | NA | NA | NA | NA |
| 12388 | 2025-06-14 |
A User-Friendly Machine Learning Pipeline for Automated Leaf Segmentation in Atriplex lentiformis
2025, Bioinformatics and biology insights
IF:2.3Q3
DOI:10.1177/11779322251344033
PMID:40496491
|
研究论文 | 本文介绍了一种用于植物表型分析的端到端深度学习管道，专注于自动化叶片分割 | 结合了微调的Mask R-CNN模型与自然语言提示技术，并集成了QR码自动识别功能，开发了用户友好的Streamlit网络应用 | 训练数据集较小（仅176张植物图像） | 开发一个准确、可扩展且用户友好的自动化叶片分割管道 | Atriplex lentiformis植物的叶片 | 计算机视觉 | NA | 深度学习 | Mask R-CNN, Segment Anything Model (SAM), Grounded SAM | 图像 | 176张植物图像 | NA | NA | NA | NA |
| 12389 | 2025-06-14 |
An integrated approach for mental health assessment using emotion analysis and scales
2025 Jan-Dec, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.12040
PMID:40502325
|
research paper | 该研究提出了一种结合情绪分析和量表的综合方法进行心理健康评估，特别是针对抑郁症的初步评估 | 整合了四种模块（面部情绪识别、量表问卷、语音情绪识别和医生聊天）进行抑郁症评估，提高了预测的准确性 | 情绪识别的准确性仍有提升空间，且用户可能需要与真实医生交流以消除疑虑 | 开发一种综合方法，通过情绪分析和量表评估抑郁症 | 抑郁症患者或潜在患者 | machine learning | mental illness | Facial Emotion Recognition (FER), Speech Emotion Recognition (SER), 量表问卷 | 深度学习模型（未明确具体类型） | image, audio, text | 使用了FER2013数据集以及RAVDESS、TESS、SAVEE和CREMA-D数据集 | NA | NA | NA | NA |
| 12390 | 2025-06-14 |
Integration of T cell repertoire, CyTOF, genotyping and symptomatology data reveals subphenotypic variability in COVID-19 patients
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.05.016
PMID:40502932
|
研究论文 | 该研究通过整合T细胞受体库、CyTOF、基因分型和症状学数据，揭示了COVID-19患者的亚表型变异性 | 使用LCM-BIC算法整合多种免疫表型和遗传数据，识别出三个新的患者聚类，并通过深度学习分析TCR氨基酸序列，发现与疾病严重程度相关的SARS-CoV-2特异性TCR序列 | 样本量较小（61名患者），且仅来自西班牙人群，可能限制结果的普适性 | 通过整合多种数据识别COVID-19患者的免疫和遗传特征，以帮助分层和管理患者 | 61名西班牙COVID-19患者（33名轻度，28名重度） | 免疫学 | COVID-19 | CyTOF, TCRseq, SNP分析, 深度学习 | LCM-BIC算法, 深度学习模型 | 免疫表型数据, 基因分型数据, 症状学数据 | 61名COVID-19患者（33名轻度，28名重度） | NA | NA | NA | NA |
| 12391 | 2025-06-14 |
Prediction of CRISPR-Cas9 on-target activity based on a hybrid neural network
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.05.001
PMID:40502933
|
研究论文 | 提出了一种基于混合神经网络CRISPR_HNN的CRISPR-Cas9靶向活性预测方法 | 整合了MSC、MHSA和BiGRU模块，有效捕捉局部动态特征和全局长距离依赖关系，并采用One-hot Encoding和Label Encoding策略 | 未提及具体的数据集局限性或模型泛化能力测试 | 提高sgRNA活性的预测准确性，以增强CRISPR-Cas9基因编辑技术的安全性和有效性 | CRISPR-Cas9系统中的sgRNA活性 | 机器学习 | NA | CRISPR-Cas9基因编辑技术 | 混合深度神经网络（整合MSC、MHSA和BiGRU） | 基因序列数据 | 未明确提及具体样本量，仅说明在公共数据集上测试 | NA | NA | NA | NA |
| 12392 | 2025-10-06 |
Deep learning algorithms to assist in imaging diagnosis in individuals with disc herniation or spondylolisthesis: A scoping review
2025-Sep, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.105933
PMID:40252304
|
综述 | 对深度学习算法在椎间盘突出或脊椎滑脱影像诊断中应用的范围综述 | 系统梳理了深度学习在两种常见脊柱疾病影像诊断中的应用现状和模型架构 | 数据集规模较小、缺乏外部验证、研究结果在不同人群中的泛化能力有限 | 回顾用于椎间盘突出和脊椎滑脱影像诊断的深度学习算法 | 腰椎影像数据（MRI和X射线） | 医学影像分析 | 脊柱疾病 | 磁共振成像(MRI)、X射线成像 | CNN | 医学影像 | 18项符合条件的研究（9项椎间盘突出研究，9项脊椎滑脱研究） | NA | ResNet | 准确率、敏感性 | NA |
| 12393 | 2025-06-13 |
Deep Learning-Driven Exophthalmometry through Facial Photographs in Thyroid Eye Disease
2025 Sep-Oct, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100791
PMID:40496215
|
research paper | 开发并评估了一种基于深度学习的系统，用于通过面部照片测量甲状腺眼病（TED）患者的眼球突出 | 使用双流ResNet-18神经网络结合RGB图像和ZoeDepth算法生成的深度图进行眼球突出测量，提供了一种准确且易于获取的替代传统测量方法 | 系统检测显著眼球突出变化（≥2毫米）的准确率为74.6%，仍有提升空间 | 开发一种基于深度学习的辅助系统，用于甲状腺眼病患者的眼球突出测量 | 甲状腺眼病（TED）患者 | digital pathology | thyroid eye disease | deep learning, ZoeDepth算法 | dual-stream ResNet-18 | facial images | 1279名患者（1108名来自Severance Hospital，171名来自Seoul National University Bundang Hospital） | NA | NA | NA | NA |
| 12394 | 2025-06-13 |
Effect of Faricimab versus Aflibercept on Hyperreflective Foci in Patients with Diabetic Macular Edema from the YOSEMITE/RHINE Trials
2025 Sep-Oct, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100798
PMID:40496217
|
研究论文 | 比较faricimab与aflibercept对糖尿病黄斑水肿患者高反射灶的影响 | 使用深度学习算法自动量化高反射灶，并比较两种药物在抑制疾病活动方面的效果 | 研究为事后分析，可能存在选择偏差 | 比较faricimab与aflibercept在治疗糖尿病黄斑水肿中的效果 | 糖尿病黄斑水肿患者 | 数字病理 | 糖尿病黄斑水肿 | 深度学习算法 | NA | OCT体积扫描图像 | 1545名患者（faricimab Q8W组519人，faricimab T&E组524人，aflibercept组502人） | NA | NA | NA | NA |
| 12395 | 2025-06-13 |
MSFusion: A multi-source hybrid feature fusion network for accurate grading of invasive breast cancer using H&E-stained histopathological images
2025-Aug, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103633
PMID:40441045
|
研究论文 | 提出了一种名为MSFusion的多源混合特征融合网络，用于利用H&E染色组织病理学图像准确分级浸润性乳腺癌 | 结合了基于Swin Transformer的多分支网络MSwinT提取的深度学习特征和传统手工特征，通过KDC融合块整合多源核的特征，提高了乳腺癌分级的准确性 | NA | 提高浸润性乳腺癌分级的准确性以优化治疗方案和生存率 | 浸润性乳腺癌的H&E染色组织病理学图像 | 数字病理学 | 乳腺癌 | 深度学习与传统手工特征融合 | Swin Transformer-based multi-branch network (MSwinT), KDC fusion block | 图像 | 三个数据集（两个私有临床数据集Qilu和QDUH&SHSU，一个公开数据集Databiox） | NA | NA | NA | NA |
| 12396 | 2025-10-06 |
ResNet-Transformer deep learning model-aided detection of dens evaginatus
2025-Jul, International journal of paediatric dentistry
IF:2.3Q2
DOI:10.1111/ipd.13282
PMID:39545506
|
研究论文 | 开发基于ResNet-Transformer深度学习模型用于全景X光片中牙外突的自动检测 | 首次结合ResNet和Transformer架构的深度学习模型用于牙外突检测，并证明能提升年轻牙医的诊断准确性 | 样本仅来自1410名3-16岁患者，年龄范围有限 | 开发深度学习模型辅助牙医早期诊断牙外突，支持早期干预 | 牙外突（牙科形态发育异常） | 计算机视觉 | 牙科疾病 | 全景X光摄影 | 深度学习 | 图像 | 1410名3-16岁患者的高质量标注全景X光片 | NA | ResNet, Transformer | 灵敏度, 特异度, F1分数 | NA |
| 12397 | 2025-10-06 |
Automated quantification of brain PET in PET/CT using deep learning-based CT-to-MR translation: a feasibility study
2025-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07132-2
PMID:39964542
|
研究论文 | 本研究开发了一种基于深度学习的CT到MR图像转换框架，用于脑部PET/CT的自动定量分析 | 提出通过深度学习将PET/CT中的CT图像转换为合成MR图像，并利用其进行自动区域分割和定量分析 | 排除楔前叶区域存在显著差异，样本量有限（139例）的回顾性研究 | 解决脑部PET/CT定量分析中MR图像不可用或配准困难的问题 | 接受脑部[18F]FBB PET/CT和T1加权MRI检查的患者 | 医学影像分析 | 神经系统疾病 | PET/CT, MRI, 深度学习图像转换 | U-Net | CT图像, MR图像, PET图像 | 139名受试者 | NA | U-Net | 结构相似性指数, Dice相似系数, Wilcoxon符号秩检验 | NA |
| 12398 | 2025-10-06 |
Prediction of adverse pathology in prostate cancer using a multimodal deep learning approach based on [18F]PSMA-1007 PET/CT and multiparametric MRI
2025-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07134-0
PMID:39969539
|
研究论文 | 开发基于[18F]PSMA-1007 PET/CT和多参数MRI的多模态深度学习模型，用于预测前列腺癌患者的不良病理 | 首次结合[18F]PSMA-1007 PET/CT和多参数MRI，采用卷积神经网络和Transformer架构构建多模态深度学习模型 | 回顾性研究设计，样本量相对有限（341例患者） | 预测前列腺癌患者的不良病理，为制定有效治疗策略提供依据 | 前列腺癌患者 | 数字病理 | 前列腺癌 | [18F]PSMA-1007 PET/CT, 多参数MRI | CNN, Transformer | 医学影像（PET/CT, MRI） | 341例接受根治性前列腺切除术的前列腺癌患者 | NA | 基于CNN和Transformer的多模态架构 | AUC | NA |
| 12399 | 2025-10-06 |
Data-efficient generalization of AI transformers for noise reduction in ultra-fast lung PET scans
2025-Jul, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07165-7
PMID:40009163
|
研究论文 | 本研究提出了一种基于掩码视觉变换器(Mask-ViT)的深度学习方法，用于超快速肺部PET扫描图像的去噪处理 | 提出了一种鲁棒且数据高效的掩码视觉变换器方法，能够在有限训练数据下实现跨扫描仪泛化 | 训练数据量有限，仅包含1272个回顾性采集的全时PET数据和46个前瞻性采集的U2BH PET/CT图像 | 开发深度学习方法来降低超快速20秒屏气(U2BH)PET扫描中的统计噪声 | 肺部PET扫描图像 | 计算机视觉 | 肺癌 | PET/CT成像 | Transformer | 医学图像 | 1272个回顾性全时PET数据，46个前瞻性U2BH和对应全时PET/CT图像 | NA | Mask-ViT, U-Net, C-Gan | 图像质量指标, Wilcoxon符号秩检验, 病变检测准确率, 5点制图像质量评分 | NA |
| 12400 | 2025-10-06 |
Deep learning-based weed detection for precision herbicide application in turf
2025-Jul, Pest management science
IF:3.8Q1
DOI:10.1002/ps.8728
PMID:40022516
|
研究论文 | 本研究评估了基于深度卷积神经网络的杂草检测方法，结合路径规划算法实现精准除草剂喷洒 | 首次将除草剂敏感性杂草映射与路径规划算法相结合，实现智能喷洒系统的精准施药 | 未提及模型在复杂田间环境下的泛化能力和实时性能 | 开发精准除草剂喷洒系统以减少农药使用量 | 草坪杂草 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | DenseNet,GoogLeNet,ResNet | 精确度,召回率,总体准确率,F1分数 | NA |