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 12461 - 12480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12461 | 2025-05-31 |
Automatic collateral quantification in acute ischemic stroke using U2-net
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1502382
PMID:40421138
|
research paper | 利用U2-Net深度学习框架自动量化急性缺血性卒中（AIS）中的侧支循环，并与传统视觉侧支评分（vCS）进行比较 | 首次使用U2-Net深度学习框架进行AIS侧支循环的自动量化，并提出了定量侧支评分（qCS） | 样本量相对较小（118例AIS病例），且仅基于CTA图像 | 开发一种自动量化AIS侧支循环的方法，以提高诊断准确性和治疗决策 | 急性缺血性卒中（AIS）患者的CTA图像 | digital pathology | cardiovascular disease | computed tomography angiography (CTA) | U2-Net | image | 118例AIS病例（94例用于开发，24例用于测试） | NA | NA | NA | NA |
| 12462 | 2025-05-31 |
Hybrid deep learning for IoT-based health monitoring with physiological event extraction
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251337848
PMID:40421178
|
research paper | 提出一种混合深度学习模型，结合CNN和LSTM，用于基于IoT的健康监测与生理事件提取 | 结合CNN和LSTM处理时空数据，引入生理事件提取(PEE)提升特征可解释性，使用集成技术和在线学习算法优化异常检测 | 未提及具体疾病类型的验证范围和实际临床部署的挑战 | 提升IoT医疗数据处理链的准确性和实时性 | 医疗图像和可穿戴传感器数据 | machine learning | NA | Physiological Event Extraction (PEE), Isolation Forest, One-Class SVM, Incremental Gradient Descent with Momentums | CNN, LSTM | medical images, wearable sensor data | NA | NA | NA | NA | NA |
| 12463 | 2025-05-31 |
Radiomics Analysis on Computed Tomography Images for Prediction of Chemoradiation-induced Heart Failure in Breast Cancer by Machine Learning Models
2025, Journal of medical signals and sensors
DOI:10.4103/jmss.jmss_51_24
PMID:40421235
|
研究论文 | 通过机器学习模型分析CT图像的放射组学特征，预测乳腺癌患者放化疗后心力衰竭的风险 | 结合放射组学、剂量学和临床特征，利用机器学习模型预测放化疗诱导的心力衰竭 | 样本量较小（54例患者），且仅针对左侧放化疗的乳腺癌患者 | 评估临床、剂量学和放射组学特征在预测乳腺癌患者放化疗后心力衰竭概率中的有效性 | 接受左侧放化疗且自然心力衰竭风险低的乳腺癌患者 | 数字病理 | 乳腺癌 | CT扫描、深度学习、机器学习 | 决策树、K近邻、随机森林（RF） | 图像 | 54例乳腺癌患者 | NA | NA | NA | NA |
| 12464 | 2025-05-31 |
Advancements in Hematologic Malignancy Detection: A Comprehensive Survey of Methodologies and Emerging Trends
2025, TheScientificWorldJournal
DOI:10.1155/tswj/1671766
PMID:40421320
|
综述 | 本文系统性地回顾了基于图像分析的血液癌症检测的最新技术，旨在识别最有效的计算策略并突出新兴趋势 | 对传统机器学习、深度学习和混合学习方法进行了分类和比较，并提出了未来研究方向 | 数据稀缺、类别不平衡以及临床环境中的泛化性问题 | 评估和比较血液癌症检测中的计算方法，并提出未来研究方向 | 白血病、淋巴瘤和多发性骨髓瘤等血液恶性肿瘤 | 数字病理学 | 血液恶性肿瘤 | 图像分析 | CNN（如AlexNet、VGG、ResNet）、基于Transformer的模型、支持向量机、随机森林 | 图像 | 基准数据集 | NA | NA | NA | NA |
| 12465 | 2025-05-31 |
Artificial intelligence based advancements in nanomedicine for brain disorder management: an updated narrative review
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1599340
PMID:40432717
|
review | 本文概述了人工智能在纳米医学领域的最新进展，特别是在脑部疾病管理中的应用 | 利用AI技术（如机器学习和深度学习）改进纳米医学在脑部疾病诊断、生物标志物识别、预后评估、靶向药物输送和治疗干预等方面的应用 | NA | 探讨人工智能如何加速纳米医学在脑部疾病管理中的有效和快速诊断、生物标志物识别、预后、药物输送和方法学进步 | 脑部疾病，包括脑癌、阿尔茨海默病、帕金森病和多发性硬化症 | machine learning | brain disorder | machine learning, deep learning | NA | clinical datasets | NA | NA | NA | NA | NA |
| 12466 | 2025-05-31 |
Application of deep learning convolutional neural networks to identify gastric squamous cell carcinoma in mice
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1587417
PMID:40432719
|
研究论文 | 本研究应用深度学习卷积神经网络（CNN）建立小鼠胃鳞状细胞癌（GSCC）的检测模型，以提高病理诊断的准确性和一致性 | 首次将五种不同的CNN模型（FCN、LR-ASPP、DeepLabv3+、U-Net和DenseNet）应用于小鼠GSCC的自动检测，并比较了它们的性能 | 研究样本量相对较小（93例GSCC和56例正常组织），且仅针对小鼠模型，未验证在人类样本中的适用性 | 开发基于深度学习的自动检测模型，提高药物非临床安全性评价中GSCC病理诊断的准确性和一致性 | 药物诱导的小鼠胃鳞状细胞癌（GSCC）和正常胃组织 | 数字病理学 | 胃癌 | 深度学习 | CNN（包括FCN、LR-ASPP、DeepLabv3+、U-Net和DenseNet） | 数字病理图像 | 149例（93例GSCC和56例正常组织） | NA | NA | NA | NA |
| 12467 | 2025-05-31 |
Rice disease detection method based on multi-scale dynamic feature fusion
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1543986
PMID:40433155
|
research paper | 提出了一种基于多尺度动态特征融合的水稻病害检测方法，旨在提高复杂农田环境中水稻叶片病害检测的准确性，并便于深度学习模型在移动终端上的部署以实现快速实时推理 | 引入了YOLOv11-MSDFF-RiceD网络，采用ParameterNet概念设计了FlexiC3k2Net模块和高效多尺度特征融合模块（EMFFM），优化了模型的性能并减少了计算复杂度和内存占用 | 在准确率提升方面仅有1.7%的改进，可能在某些高精度要求的场景下表现有限 | 提高水稻叶片病害检测的准确性，并优化模型以适应移动终端的部署 | 水稻叶片病害 | computer vision | plant disease | deep learning | YOLOv11-MSDFF-RiceD | image | NA | NA | NA | NA | NA |
| 12468 | 2025-05-31 |
Integration of smart sensors and phytoremediation for real-time pollution monitoring and ecological restoration in agricultural waste management
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1550302
PMID:40433163
|
研究论文 | 本文提出了一种结合生物地球化学模型和深度学习技术的Bio-DANN模型，用于提高农业废物管理和生态恢复中污染物监测和预测的准确性 | 结合生物地球化学模型和深度学习技术，提出Bio-DANN模型，实时处理多维环境数据，显著提高了污染物监测和生态恢复预测的准确性 | 未提及模型在极端环境条件下的表现或长期稳定性 | 开发一种高精度的污染物监测和生态恢复预测技术，以应对全球气候变化和生态退化问题 | 农业废物管理和生态恢复中的污染物监测与预测 | 环境科学与深度学习 | NA | 深度学习技术，包括DNN和注意力机制 | Bio-DANN（结合生物地球化学模型和深度学习） | 多维环境数据 | 基于Open Soil Data和NEON数据集进行实验 | NA | NA | NA | NA |
| 12469 | 2025-05-31 |
TS-Resformer: a model based on multimodal fusion for the classification of music signals
2025, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2025.1568811
PMID:40433555
|
研究论文 | 提出了一种基于多模态融合的音乐信号分类模型TS-Resformer，用于解决音乐流派分类中的特征提取不足和时间序列信息丢失问题 | 融合残差网络与Transformer编码层的Res-Transformer模型，以及结合不同注意力机制的TS-Resformer模型，设计了时频注意力机制以充分提取音乐的低级特征 | 未提及模型在大规模数据集上的泛化能力及计算资源消耗情况 | 提高音乐流派分类的准确率和效率 | 音乐信号 | 机器学习 | NA | 短时傅里叶变换、Mel滤波器、对数压缩 | Res-Transformer, TS-Resformer | 音频信号 | FMA-small数据集 | NA | NA | NA | NA |
| 12470 | 2025-05-31 |
A comprehensive review of machine learning for heart disease prediction: challenges, trends, ethical considerations, and future directions
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1583459
PMID:40433606
|
review | 本文全面回顾了机器学习在心脏病预测中的应用，包括技术进展、挑战和未来前景 | 展示了机器学习方法从传统分类器到混合深度学习和联邦学习框架的进展，并讨论了伦理问题和模型透明度 | 讨论了数据集限制和模型透明度问题 | 开发人工智能驱动的临床适用心脏病预测系统 | 心脏病预测的机器学习应用 | machine learning | cardiovascular disease | 机器学习 | CNN-LSTM, 混合深度学习, 联邦学习 | 医疗健康数据 | NA | NA | NA | NA | NA |
| 12471 | 2025-05-31 |
Deep learning classification of drainage crossings based on high-resolution DEM-derived geomorphological information
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1561281
PMID:40433605
|
研究论文 | 本研究利用高分辨率数字高程模型（HRDEM）衍生的地貌信息，开发了先进的CNN模型EfficientNetV2，用于排水交叉分类 | 首次将HRDEM衍生的地貌特征（如POS、几何曲率和TPI）与先进的CNN模型结合，用于排水交叉分类，并通过XAI技术解释关键图像片段 | 研究未明确说明样本量大小，且仅测试了特定类型的HRDEM数据层 | 提高排水交叉分类的准确性 | 排水交叉 | 计算机视觉 | NA | LiDAR, InSAR | CNN, EfficientNetV2 | 图像 | NA | NA | NA | NA | NA |
| 12472 | 2025-05-31 |
Performance of deep learning models for automatic histopathological grading of meningiomas: a systematic review and meta-analysis
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1536751
PMID:40433621
|
系统综述和荟萃分析 | 本文通过系统综述和荟萃分析评估深度学习模型在脑膜瘤自动病理分级中的诊断性能 | 首次全面评估深度学习模型在脑膜瘤分级中的表现，并提供了高精度的诊断性能数据 | 研究中存在中等到高度的异质性（I2 = 79.7%） | 评估深度学习模型在脑膜瘤自动病理分级中的诊断性能 | 脑膜瘤患者的影像数据 | 数字病理 | 脑膜瘤 | 深度学习 | DL | 影像数据 | 27项研究，涉及13,130名患者 | NA | NA | NA | NA |
| 12473 | 2025-10-07 |
The impact of partner interaction on brief social buffering in adolescent female rats as analyzed by deep learning-based object detection algorithms
2025-Aug-01, Physiology & behavior
IF:2.4Q2
DOI:10.1016/j.physbeh.2025.114934
PMID:40311725
|
研究论文 | 本研究通过深度学习算法分析伴侣互动对青春期雌性大鼠短暂社会缓冲效应的影响 | 首次使用YOLOv8和BoT-SORT深度学习算法分析社会缓冲行为，减少人为偏见并获取人类难以观察的变量 | 仅使用青春期Sprague-Dawley大鼠，样本时间窗口较短（仅3分钟缓冲期） | 探究短暂社会接触是否能在恐惧条件反射后产生社会缓冲效应，以及伴侣互动对此效应的影响 | 青春期Sprague-Dawley大鼠（4-5周龄，雄性和雌性） | 计算机视觉 | NA | 深度学习行为分析 | 目标检测算法 | 视频行为数据 | 青春期Sprague-Dawley大鼠群体（具体数量未明确说明） | YOLOv8, BoT-SORT | YOLOv8, BoT-SORT | 行为相关性分析 | NA |
| 12474 | 2025-10-07 |
Artificial intelligence applications for the diagnosis of pulmonary nodules
2025-Jul-01, Current opinion in pulmonary medicine
IF:2.8Q2
DOI:10.1097/MCP.0000000000001179
PMID:40326426
|
综述 | 评估人工智能在孤立性肺结节诊断中的应用价值及临床挑战 | 系统整合AI在影像学与液体活检中的诊断性能，强调临床转化障碍而非单纯技术细节 | 缺乏前瞻性多中心验证、存在过拟合风险、可解释性差且与临床评估指标重叠 | 探讨AI在肺结节诊断中的临床应用前景与局限性 | 孤立性肺结节（SPNs） | 数字病理 | 肺癌 | CT影像分析, RNA测序, 液体活检 | CNN, 机器学习 | 医学影像, 基因组数据, 临床数据 | NA | NA | NA | Dice相似系数, AUC | NA |
| 12475 | 2025-10-07 |
Predicting host-pathogen interactions with machine learning algorithms: A scoping review
2025-06, Infection, genetics and evolution : journal of molecular epidemiology and evolutionary genetics in infectious diseases
DOI:10.1016/j.meegid.2025.105751
PMID:40220943
|
综述 | 本文通过范围综述方法系统评估机器学习算法在宿主-病原体相互作用预测中的应用现状 | 首次系统比较不同机器学习方法在HPI预测中的效果，提供未来研究路线图 | 数据集标准化不足和模型可解释性存在显著差距 | 评估机器学习在宿主-病原体相互作用预测中的有效性 | 宿主-病原体相互作用（特别是蛋白质-蛋白质相互作用） | 机器学习 | 传染病 | 机器学习算法 | Random Forest, Gradient Boosting, CNN, RNN | 分子相互作用数据 | 46篇相关文献中筛选30篇进行综述 | NA | 卷积神经网络, 循环神经网络 | 准确率 | NA |
| 12476 | 2025-10-07 |
Combining Deep Data-Driven and Physics-Inspired Learning for Shear Wave Speed Estimation in Ultrasound Elastography
2025-Jun, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3561599
PMID:40238602
|
研究论文 | 提出一种结合数据驱动和物理启发学习的混合方法，用于超声弹性成像中的剪切波速度估计 | 采用自适应无监督损失函数，能够在没有已知SWS值的真实数据上训练网络，减少伪影并提高鲁棒性 | 仅在实验体模数据和两名人类受试者的肝脏数据上进行了验证，样本量有限 | 提高超声弹性成像中剪切波速度估计的准确性和鲁棒性 | 剪切波在生物组织中的传播特性 | 医学影像分析 | 肝脏疾病 | 超声弹性成像，剪切波弹性成像 | 深度学习 | 超声RF/IQ数据，位移数据 | 实验体模数据和两名人类受试者的肝脏数据 | NA | NA | 准确性，可靠性 | NA |
| 12477 | 2025-10-07 |
Virtual monochromatic image-based automatic segmentation strategy using deep learning method
2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.104986
PMID:40318556
|
研究论文 | 本研究提出了一种基于双能CT虚拟单能图像的新型深度学习模型MIAU-Net，用于头颈部危及器官的自动分割 | 首次系统研究双能CT虚拟单能图像在自动分割中的应用，提出新型MIAU-Net模型并确定不同组织分割的最佳能量水平 | 研究样本量有限（46例患者），需要更多数据验证模型泛化能力 | 评估双能CT虚拟单能图像在自动分割中的性能并确定最佳能量水平 | 头颈部危及器官（脑干、视交叉、晶状体、下颌骨、眼睛、视神经） | 医学影像分析 | 头颈部肿瘤 | 双能CT（DECT）、虚拟单能图像（VMI） | 深度学习 | CT医学图像 | 46例患者的双能CT数据 | NA | MIAU-Net, U-Net, Attention-UNet, nnU-Net, TransFuse | Dice相似系数（DSC） | NA |
| 12478 | 2025-10-07 |
AutoFE-Pointer: Auto-weighted feature extractor based on pointer network for DNA methylation prediction
2025-Jun, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.143668
PMID:40339839
|
研究论文 | 提出一种基于指针网络的自动加权特征提取框架AutoFE-Pointer，用于DNA甲基化预测 | 使用改进的软化指针网络动态提取和加权DNA序列特征，能够同时处理多物种数据集 | 未明确说明模型在特定疾病类型上的具体表现 | 开发轻量级DNA甲基化预测工具，解决现有模型物种特异性限制和计算资源需求高的问题 | DNA甲基化模式 | 计算生物学 | 癌症 | DNA甲基化测序 | 指针网络 | DNA序列数据 | 17个不同基准数据集（跨多个物种） | NA | 改进的软化指针网络 | 预测准确性，跨物种泛化能力 | 本地离线环境部署 |
| 12479 | 2025-10-07 |
Comparative analysis of deep learning methods for breast ultrasound lesion detection and classification
2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.104993
PMID:40381258
|
研究论文 | 比较分析深度学习方法在乳腺超声病灶检测和分类中的性能 | 首次系统比较目标检测、语义分割和实例分割方法在乳腺超声病灶分析中的效果，并公开新的BUS-UCLM数据集 | 研究结果可能受限于所用数据集的特性和规模 | 评估不同深度学习方法在乳腺超声计算机辅助诊断系统中的性能 | 乳腺超声图像中的病灶 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 医学图像 | 5个数据集（包括新收集的BUS-UCLM和4个公开数据集） | NA | Mask R-CNN, Poolformer | COCO AP50, Dice系数 | NA |
| 12480 | 2025-10-07 |
S2L-CM: Scribble-supervised nuclei segmentation in histopathology images using contrastive regularization and pixel-level multiple instance learning
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110293
PMID:40381473
|
研究论文 | 提出一种基于涂鸦监督的病理图像细胞核分割框架S2L-CM，通过对比正则化和像素级多示例学习提升分割性能 | 结合自生成伪标签、多尺度对比正则化和像素级多示例学习，在稀疏标注条件下实现接近全监督性能的细胞核分割 | 性能仍略低于全监督学习方法，依赖初始涂鸦标注质量 | 开发弱监督的病理图像细胞核分割方法以减少人工标注成本 | 病理图像中的细胞核 | 数字病理 | NA | 深度学习 | CNN | 病理图像 | 四个细胞核数据集 | PyTorch | NA | 分割性能指标 | NA |