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 12681 - 12700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12681 | 2025-10-07 |
Development of a model for measuring sagittal plane parameters in 10-18-year old adolescents with idiopathic scoliosis based on RTMpose deep learning technology
2025-Jan-11, Journal of orthopaedic surgery and research
IF:2.8Q1
DOI:10.1186/s13018-024-05334-2
PMID:39799363
|
研究论文 | 本研究开发了一种基于RTMpose深度学习技术的模型，用于自动测量青少年特发性脊柱侧凸患者的全脊柱X射线矢状面参数 | 首次将RTMpose深度学习技术应用于青少年特发性脊柱侧凸的脊柱参数自动测量，解决了传统手动测量耗时且存在个体差异的问题 | 数据来自内蒙古五家医院，可能存在地域局限性；不同医院数据格式和规格不一致需要通过数据增强技术处理 | 开发快速自动测量青少年特发性脊柱侧凸患者全脊柱X射线的深度学习模型 | 10-18岁青少年特发性脊柱侧凸患者 | 计算机视觉 | 脊柱侧凸 | X射线成像 | 深度学习 | X射线图像 | 560张全脊柱矢状面X射线图像（500张用于训练验证，60张用于外部验证） | RTMpose | RTMpose | 一致性百分比，准确率，组内相关系数，平均绝对误差 | NA |
| 12682 | 2025-10-07 |
[Deep Learning Approaches to Address the Shortage of Observers]
2025, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-1554
PMID:40414718
|
研究论文 | 本研究开发了一种基于深度学习的AI观察器来解决熟练人类观察者短缺的问题，并评估了用AI替代人类观察者的影响 | 首次开发基于VGG19和VGG16的深度学习AI观察器，并在不同模块条件下评估其替代人类观察者的可行性 | 训练好的模型无法修改评估标准或阶段 | 解决熟练人类观察者短缺问题并评估AI替代的可行性 | CT系统扫描的体模图像 | 计算机视觉 | NA | CT扫描 | CNN | 医学图像 | 24张图像（6种管电流条件各扫描2次） | NA | VGG19,VGG16 | 方差,平均偏好度,统计显著性 | NA |
| 12683 | 2025-05-27 |
Editorial: Advances in computer vision: from deep learning models to practical applications
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1615276
PMID:40415892
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12684 | 2025-10-07 |
Mapping Artificial Intelligence Research Trends in Critical Care Nursing: A Bibliometric Analysis
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S522731
PMID:40416415
|
文献计量分析 | 通过文献计量方法分析2013-2023年重症监护护理领域人工智能研究的趋势和发展方向 | 首次系统性地对重症监护护理中人工智能研究进行文献计量分析，识别出七个代表性关键词聚类 | 分析仅限于2013-2023年期间的文献，可能无法反映更早期的研究趋势 | 分析重症监护护理领域人工智能研究趋势并展望未来研究方向 | 2013-2023年间发表的1,346篇相关学术文献 | 医疗人工智能 | 重症监护 | 文献计量分析，关键词聚类分析 | NA | 文献数据 | 1,346篇相关文章 | NA | NA | NA | NA |
| 12685 | 2025-10-07 |
The significance of an infant's cry: a narrative review of physiological, pathological, and analytical perspectives
2025, Frontiers in pediatrics
IF:2.1Q2
DOI:10.3389/fped.2025.1558951
PMID:40416439
|
综述 | 本文系统回顾了婴儿哭声的生理机制、病理意义和分析方法，重点关注其作为生物标志物在健康评估和精准护理中的应用价值 | 首次系统整合婴儿哭声的多维度（生理、病理、心理）分析和深度学习应用研究，填补了现有文献的空白 | NA | 探讨婴儿哭声作为生物指标在健康监测和疾病早期诊断中的潜力 | 婴儿哭声特征及其与健康状况的关联 | 自然语言处理 | 神经系统疾病 | 深度学习 | NA | 音频 | NA | NA | NA | NA | NA |
| 12686 | 2025-10-07 |
Remote sensing-based detection of brown spot needle blight: a comprehensive review, and future directions
2025, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.19407
PMID:40416626
|
综述 | 本文系统综述了基于遥感技术的褐斑针叶枯病检测方法，评估当前研究趋势和潜在应用 | 首次对褐斑针叶枯病的遥感检测方法进行全面文献计量分析，并整合地理空间分析与物种分布模型预测病原体范围扩张 | 针对褐斑针叶枯病的直接遥感应用研究仍然有限，存在关键知识空白 | 优化遥感监测方法，改进预测模型，开发早期预警系统以提升森林管理 | 松林褐斑针叶枯病及其遥感检测技术 | 遥感监测 | 植物病害 | 遥感技术，多源遥感，地理空间分析，物种分布建模 | 机器学习，深度学习 | 遥感影像，气候数据 | NA | NA | NA | NA | NA |
| 12687 | 2025-10-07 |
A transformation uncertainty and multi-scale contrastive learning-based semi-supervised segmentation method for oral cavity-derived cancer
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1577198
PMID:40416865
|
研究论文 | 提出一种基于变换不确定性和多尺度对比学习的半监督分割方法，用于口腔癌病理图像分割 | 结合变换不确定性估计和多尺度对比学习，提出边界感知增强U-Net，减少对标注数据的依赖 | 仅在一个包含451张图像的数据集上验证，需要更多临床数据验证泛化能力 | 开发半监督分割方法以解决口腔癌病理图像标注数据稀缺问题 | 口腔鳞状细胞癌病理图像 | 数字病理 | 口腔癌 | H&E染色 | 半监督学习 | 病理图像 | 451张经病理学家标注验证的图像 | NA | U-Net | 分割性能指标 | NA |
| 12688 | 2025-10-07 |
Comparing factor mixture modeling and conditional Gaussian mixture variational autoencoders for cognitive profile clustering
2025, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2025.1474292
PMID:40417028
|
研究论文 | 比较因子混合模型和条件高斯混合变分自编码器在认知特征聚类中的表现 | 首次系统比较传统因子混合模型与深度学习方法的认知特征聚类能力，揭示不同方法在捕捉认知模式精细结构方面的差异 | CGMVAE方法存在复杂性和潜在聚类重叠问题，模型解释性相对较低 | 比较不同聚类方法在识别认知特征模式方面的效果 | 从PROFFILO评估游戏获得的六个认知维度的个体认知特征数据 | 机器学习 | NA | 认知评估游戏 | 因子混合模型,条件高斯混合变分自编码器 | 认知评估数据 | NA | NA | 条件高斯混合变分自编码器 | 轮廓系数 | NA |
| 12689 | 2025-10-07 |
Application of 3D nnU-Net with Residual Encoder in the 2024 MICCAI Head and Neck Tumor Segmentation Challenge
2025, Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings
DOI:10.1007/978-3-031-83274-1_20
PMID:40417457
|
研究论文 | 本研究探索使用3D nnU-Net模型在头颈部肿瘤MRI数据中自动分割原发肿瘤体积和转移淋巴结 | 采用带残差编码器的3D nnU-Net模型，并通过特定背景比例数据重训练优化分割性能 | 模型在高背景比例数据上表现不佳，对GTVp的分割效果不如GTVn | 改进放射治疗计划中头颈部肿瘤的自动分割精度 | 头颈部原发肿瘤体积(GTVp)和转移淋巴结(GTVn) | 医学图像分割 | 头颈部肿瘤 | MRI | 3D nnU-Net | 医学影像 | 2024 MICCAI头颈部肿瘤分割挑战赛提供的高质量数据集 | NA | 3D nnU-Net with Residual Encoder | DSCagg | NA |
| 12690 | 2025-10-07 |
Automatic detection of gastrointestinal system abnormalities using deep learning-based segmentation and classification methods
2025-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-025-00354-6
PMID:40406365
|
研究论文 | 提出基于深度学习的胃肠系统异常分割与分类方法 | 开发新型分割网络GISegNet，并首次将Transformer模型特征与mRMR特征选择结合用于胃肠疾病分类 | 仅使用Kvasir单一数据集进行验证，缺乏多中心数据验证 | 开发自动检测胃肠系统异常的深度学习系统 | 胃肠内窥镜图像中的病理区域 | 计算机视觉 | 胃肠疾病 | 内窥镜成像 | CNN, Transformer, SVM | 图像 | Kvasir数据集 | NA | GISegNet, DeiT, ViT | Jaccard系数, Dice系数, 准确率 | NA |
| 12691 | 2024-09-19 |
Reply to: "Enhancing diagnostic accuracy for primary bone tumors: The role of expert histological analysis and AI-driven deep learning models"
2025-Jun, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology
DOI:10.1016/j.ejso.2024.108670
PMID:39289050
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12692 | 2025-10-07 |
Cone-beam computed tomography (CBCT) image-quality improvement using a denoising diffusion probabilistic model conditioned by pseudo-CBCT of pelvic regions
2025-Jun, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00892-4
PMID:40035984
|
研究论文 | 提出一种基于条件去噪扩散概率模型的CBCT图像质量改进方法，用于提高盆腔区域放疗中的图像质量 | 首次将条件去噪扩散概率模型应用于CBCT图像质量改进，通过伪CBCT作为条件输入生成高质量合成CT | 研究仅针对盆腔区域，未验证其他身体部位的适用性 | 提高CBCT图像质量以促进自适应放射治疗的临床应用 | 盆腔区域CBCT图像，包括结肠、前列腺和膀胱等器官 | 医学影像处理 | 前列腺癌 | 锥形束计算机断层扫描(CBCT) | 条件去噪扩散概率模型(CDDPM) | 医学影像 | NA | NA | 条件去噪扩散概率模型 | 平均绝对误差(MAE), 峰值信噪比(PSNR), Dice系数, Jaccard系数, 剂量误差, Gamma通过率 | NA |
| 12693 | 2025-10-07 |
A CT-free deep-learning-based attenuation and scatter correction for copper-64 PET in different time-point scans
2025-Jun, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-025-00905-2
PMID:40261572
|
研究论文 | 开发并评估了一种基于深度学习的铜-64 PET成像衰减和散射校正方法 | 提出无需CT扫描的深度学习校正方法，通过迁移学习在有限铜基PET数据上实现有效校正 | 训练数据集规模有限，仅使用15个铜基PET图像进行微调 | 开发铜-64 PET成像的衰减和散射校正深度学习模型 | 铜-64 PET全身扫描图像 | 医学影像处理 | NA | PET成像，深度学习 | 深度学习 | 医学影像 | 15个铜基PET图像用于训练，6个用于测试（包含1小时、12小时、48小时三个时间点各2个） | MONAI | swinUNETR | MSE, PSNR, SSIM | NA |
| 12694 | 2025-10-07 |
Exploring interpretable echo analysis using self-supervised parcels
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110322
PMID:40383057
|
研究论文 | 本研究探索使用自监督学习进行可解释的心脏超声分析，通过生成称为“parcels”的自分割输出来识别心脏的解剖子区域 | 将改进的STEGO网络与DINO骨干模型结合，在多样化医疗和非医疗数据上预训练，生成可解释的自学习心脏解剖分区 | 需要大量无标签数据进行自监督预训练，模型性能依赖于预训练数据的多样性和质量 | 解决医学影像中标注数据稀缺问题，提高心脏成像分析的可解释性和鲁棒性 | 心脏超声图像序列和不同患者群体的心脏解剖结构 | 医学影像分析 | 心力衰竭 | 超声心动图 | Transformer, 自监督学习 | 超声图像序列 | 大型无标签数据集和公开可用数据集 | PyTorch | STEGO, DINO | 可解释性, 鲁棒性, 适应性 | NA |
| 12695 | 2025-10-07 |
Improvement of deep learning-based dose conversion accuracy to a Monte Carlo algorithm in proton beam therapy for head and neck cancers
2025-May-23, Journal of radiation research
IF:1.9Q3
DOI:10.1093/jrr/rraf019
PMID:40267259
|
研究论文 | 本研究通过图像旋转技术和缩放增强改进基于深度学习的质子束治疗中从笔形束到蒙特卡罗算法的剂量转换精度 | 首次将图像旋转技术和缩放增强应用于质子束治疗中的深度学习剂量转换，显著提高了转换精度 | 研究仅针对头颈部癌症患者，样本量相对有限（85例患者） | 提高质子束治疗中基于深度学习的剂量计算精度 | 头颈部癌症患者 | 医学影像分析 | 头颈部癌症 | 质子束治疗，蒙特卡罗算法，深度学习 | 深度学习模型 | CT图像，剂量数据 | 85例头颈部癌症患者，分为101个计划（334个射束）用于训练/验证，11个计划（34个射束）用于测试 | NA | NA | γ通过率（3%/3mm标准），范围差异（R90） | NA |
| 12696 | 2025-10-07 |
Single-cell multimodal analysis reveals tumor microenvironment predictive of treatment response in non-small cell lung cancer
2025-May-23, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adu2151
PMID:40408481
|
研究论文 | 通过单细胞多模态分析揭示非小细胞肺癌肿瘤微环境与治疗反应的关系 | 开发了NucSegAI深度学习模型用于自动核分割和细胞分类，并通过无监督表型发现识别了预测免疫治疗反应的特定淋巴细胞表型 | 样本量相对有限（119张全切片图像），需要进一步验证 | 优化非小细胞肺癌患者分层和治疗方案选择 | 人类非小细胞肺癌组织 | 数字病理学 | 肺癌 | 多重免疫荧光成像,组织病理学,RNA测序 | 深度学习 | 图像,测序数据 | 119张全切片图像，分析4560万个细胞 | NA | NA | NA | NA |
| 12697 | 2025-10-07 |
Multimodal ultrasound-based radiomics and deep learning for differential diagnosis of O-RADS 4-5 adnexal masses
2025-May-23, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00883-z
PMID:40410823
|
研究论文 | 开发并验证基于多模态超声的列线图，整合临床变量、影像组学和深度学习特征，用于区分O-RADS 4-5类附件肿块 | 首次探索基于CEUS的影像组学在附件肿块鉴别诊断中的应用，并开发了整合临床变量、影像组学和深度学习特征的多模态模型 | 样本量相对有限（340例患者），依赖手动分割图像，研究结果需要进一步外部验证 | 提高O-RADS 4-5类附件肿块的良恶性鉴别诊断准确性 | 340例接受二维超声和超声造影检查的O-RADS 4-5类附件肿块患者 | 数字病理 | 妇科肿瘤 | 二维超声，超声造影 | 机器学习，深度学习 | 超声图像 | 340例患者，按7:3比例随机分为训练集和测试集 | NA | NA | AUC，准确率，灵敏度，特异度，精确率，F1分数 | NA |
| 12698 | 2025-10-07 |
Imputing single-cell protein abundance in multiplex tissue imaging
2025-May-22, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59788-x
PMID:40404617
|
研究论文 | 本研究应用机器学习方法对乳腺癌队列中的多重组织成像数据进行单细胞蛋白质丰度插补 | 首次将空间上下文信息整合到机器学习模型中用于单细胞蛋白质丰度插补，并验证了插补数据在区分治疗前后细胞状态中的生物学意义 | 仅针对乳腺癌队列进行研究，未在其他癌症类型或组织中进行验证 | 开发能够准确插补单细胞蛋白质丰度的计算方法 | 乳腺癌组织样本中的单细胞 | 数字病理学 | 乳腺癌 | 多重组织成像 | 正则化线性回归,梯度提升树,深度学习自编码器 | 蛋白质成像数据 | 乳腺癌队列（具体样本数量未明确说明） | NA | 自编码器 | 平均绝对误差 | NA |
| 12699 | 2025-10-07 |
Revealing 3D microanatomical structures of unlabeled thick cancer tissues using holotomography and virtual H&E staining
2025-May-22, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59820-0
PMID:40404616
|
研究论文 | 本研究通过整合全息断层扫描与深度学习技术，实现了对无标记厚癌组织的三维虚拟H&E染色 | 首次将全息断层扫描与深度学习结合，实现对50µm厚癌组织的三维虚拟H&E染色，突破了传统切片厚度的限制 | 方法在重复性和可扩展性方面仍需进一步验证，目前仅针对结肠癌和胃癌样本进行了验证 | 开发无需物理切片和染色的三维组织显微结构获取方法 | 结肠癌和胃癌组织样本 | 数字病理学 | 结肠癌,胃癌 | 全息断层扫描,深度学习图像转换 | 深度学习图像转换框架 | 三维折射率分布图像 | 结肠癌组织（厚度达50µm）和胃癌组织样本 | NA | NA | 方法学验证（与化学H&E染色对比）,重复性验证,可扩展性验证 | NA |
| 12700 | 2025-10-07 |
Self-supervised model-informed deep learning for low-SNR SS-OCT domain transformation
2025-May-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-02375-3
PMID:40404743
|
研究论文 | 提出一种基于深度学习的自监督模型SDNet，用于扫频光学相干断层扫描图像的同时去噪和超分辨率重建 | 将数据驱动的深度学习与模型驱动的噪声表示混合集成，专门针对低信噪比和低分辨率挑战；采用两步训练过程，结合PCA作为自监督去噪策略，无需真实噪声图像数据 | NA | 解决扫频光学相干断层扫描图像的低信噪比和低分辨率问题，提升图像质量和诊断准确性 | 扫频光学相干断层扫描图像，特别是糖尿病黄斑水肿患者的低分辨率低信噪比图像 | 计算机视觉 | 糖尿病黄斑水肿 | 扫频光学相干断层扫描 | 深度学习 | 图像 | NA | NA | SDNet | 计算效率，噪声降低，结构保真度，图像质量，诊断准确性 | NA |