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 12841 - 12860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12841 | 2025-10-06 |
Significance of Image Reconstruction Parameters for Future Lung Cancer Risk Prediction Using Low-Dose Chest Computed Tomography and the Open-Access Sybil Algorithm
2025-May-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001131
PMID:39437009
|
研究论文 | 本研究评估了图像重建参数和CT扫描仪制造商对Sybil深度学习算法预测肺癌风险性能的影响 | 首次系统评估了不同图像重建参数对深度学习肺癌风险预测模型性能的影响，并发现了参数组合对中长期预测性能的显著影响 | 研究仅基于美国国家肺癌筛查试验的特定子集数据，且仅比较了两种CT扫描仪制造商 | 评估图像重建参数和CT扫描仪制造商对Sybil算法预测肺癌风险性能的影响 | 美国国家肺癌筛查试验参与者的低剂量胸部CT扫描数据 | 数字病理 | 肺癌 | 低剂量计算机断层扫描(LDCT) | 深度学习算法 | 医学影像 | 1049对标准与骨重建滤波器扫描，1961对标准与肺重建滤波器扫描，1288对2mm与5mm层厚扫描 | NA | Sybil算法 | AUC, 95%置信区间, P值 | NA |
| 12842 | 2025-06-05 |
SegFormer3D: Improving the Robustness of Deep Learning Model-Based Image Segmentation in Ultrasound Volumes of the Pediatric Hip
2025-05, Ultrasound in medicine & biology
|
research paper | 该研究提出了一种名为SegFormer3D的深度学习模型，用于提高儿童髋关节超声体积图像分割的鲁棒性 | 提出了3D SegFormer架构的扩展，这是一种轻量级的基于transformer的模型，具有分层结构的编码器，能够产生多尺度特征，从而同时提高准确性和鲁棒性 | 当前技术的鲁棒性仍不足以可靠地部署到实际临床工作流程中 | 提高儿童髋关节发育不良(DDH)超声图像分割的准确性和鲁棒性 | 儿童髋关节的3D超声图像 | digital pathology | geriatric disease | 3D US imaging, deep learning | SegFormer3D, CNN, vision transformer | 3D ultrasound image | 临床数据来自儿科患者的测试集 | NA | NA | NA | NA |
| 12843 | 2025-05-28 |
Erratum for: MRI-based Deep Learning Assessment of Amyloid, Tau, and Neurodegeneration Biomarker Status across the Alzheimer Disease Spectrum
2025-May, Radiology
IF:12.1Q1
DOI:10.1148/radiol.259008
PMID:40423544
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12844 | 2025-06-05 |
CausalCervixNet: convolutional neural networks with causal insight (CICNN) in cervical cancer cell classification-leveraging deep learning models for enhanced diagnostic accuracy
2025-Apr-03, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-13926-2
PMID:40181353
|
研究论文 | 该研究提出了一种结合因果推理的卷积神经网络CausalCervixNet，用于提高宫颈癌细胞分类的诊断准确性和效率 | 将因果推理、因果推断和因果发现整合到诊断框架中，揭示了潜在的因果关系，而不仅仅是依赖观察相关性，提高了诊断的准确性和可解释性 | 研究仅在三个数据集上进行了验证，可能需要更多样化的数据来进一步验证模型的泛化能力 | 提高宫颈癌细胞的分类和诊断准确性，构建可解释的AI系统 | 宫颈癌细胞图像 | 计算机视觉 | 宫颈癌 | 深度学习 | CNN | 图像 | 三个数据集：SIPaKMeD、Herlev和自收集的ShUCSEIT数据集 | NA | NA | NA | NA |
| 12845 | 2025-06-05 |
Regional Image Quality Scoring for 2-D Echocardiography Using Deep Learning
2025-04, Ultrasound in medicine & biology
|
research paper | 该研究开发并比较了三种自动评估超声心动图区域图像质量的方法 | 提出了一种端到端的深度学习模型，直接预测图像中各区域的质量，性能优于传统方法 | gCNR指标在本研究中表现不佳，效果有限 | 开发自动评估超声心动图区域图像质量的方法 | 超声心动图的区域图像质量 | 计算机视觉 | 心血管疾病 | 深度学习 | U-Net, 端到端深度学习模型 | 图像 | 由三位经验丰富的心脏病专家提供的手动区域质量标注 | NA | NA | NA | NA |
| 12846 | 2025-06-05 |
SpaMask: Dual masking graph autoencoder with contrastive learning for spatial transcriptomics
2025-Apr, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012881
PMID:40179332
|
研究论文 | 提出了一种名为SpaMask的双重掩码图自编码器结合对比学习方法，用于空间转录组学数据分析 | SpaMask通过同时掩码部分节点和边来增强模型性能和鲁棒性，结合了掩码图自编码器和掩码图对比学习模块 | 未明确提及具体限制 | 提高空间转录组学数据中空间域表征的准确性和鲁棒性 | 空间转录组学数据中的细胞空间位置和基因表达 | 生物信息学 | NA | 空间分辨转录组学(SRT) | 图神经网络(GNN), 掩码图自编码器(MGAE), 掩码图对比学习(MGCL) | 空间转录组数据 | 来自5个不同平台的8个数据集 | NA | NA | NA | NA |
| 12847 | 2025-06-05 |
Deep learning-based breast MRI for predicting axillary lymph node metastasis: a systematic review and meta-analysis
2025-Mar-31, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-025-00863-3
PMID:40165212
|
meta-analysis | 评估深度学习算法在乳腺癌MRI中预测腋窝淋巴结转移的诊断性能 | 首次系统评价和荟萃分析深度学习算法在乳腺癌MRI中预测腋窝淋巴结转移的诊断性能 | 研究间存在中度异质性（I2=61%和60%） | 评估深度学习算法在乳腺癌MRI中预测腋窝淋巴结转移的诊断性能 | 乳腺癌患者 | digital pathology | breast cancer | MRI | deep learning | image | 10项研究 | NA | NA | NA | NA |
| 12848 | 2025-06-05 |
CoupleVAE: coupled variational autoencoders for predicting perturbational single-cell RNA sequencing data
2025-Mar-04, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf126
PMID:40178283
|
研究论文 | 本文提出了一种名为CoupleVAE的新型深度学习方法，用于预测扰动后的单细胞RNA测序数据 | CoupleVAE由两个耦合的VAE组成，通过耦合器在潜在空间中进行更复杂的细胞状态转换 | NA | 预测单细胞扰动响应，以理解生物体的功能和行为 | 单细胞RNA测序数据 | 计算生物学 | NA | 单细胞RNA测序 | VAE（变分自编码器） | RNA测序数据 | 三个真实数据集（感染、刺激和跨物种预测） | NA | NA | NA | NA |
| 12849 | 2025-10-06 |
Extraction of agricultural plastic greenhouses based on a U-Net convolutional neural network coupled with edge expansion and loss function improvement
2025-Feb, Journal of the Air & Waste Management Association (1995)
DOI:10.1080/10962247.2024.2412708
PMID:39440842
|
研究论文 | 本研究通过改进U-Net卷积神经网络，结合边缘扩展和损失函数优化，实现了农业塑料大棚的高精度遥感提取 | 提出结合Canny算子和高斯核函数进行样本边缘扩展，并使用二元交叉熵和高斯核函数联合约束损失函数，从而提升U-Net模型对农业塑料大棚的提取精度 | NA | 提高农业塑料大棚的位置和数量提取精度，为农业管理和环境监测提供快速准确的方法 | 农业塑料大棚 | 计算机视觉 | NA | 遥感技术 | CNN | 遥感图像 | NA | NA | U-Net | 提取精度 | NA |
| 12850 | 2025-10-06 |
Weakly Supervised Multiple Instance Learning Model With Generalization Ability for Clinical Adenocarcinoma Screening on Serous Cavity Effusion Pathology
2025-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2024.100648
PMID:39515585
|
研究论文 | 本研究提出一种弱监督多示例学习模型，用于浆膜腔积液中腺癌细胞的临床筛查 | 首次将细胞块技术与弱监督深度学习模型结合，采用多示例学习方法进行浆膜腺癌筛查 | NA | 提高浆膜腔积液中腺癌细胞的筛查效率和诊断准确性 | 浆膜腔积液中的腺癌细胞 | 数字病理学 | 腺癌 | 细胞块技术，全玻片成像 | 弱监督深度学习，多示例学习 | 病理图像 | NA | NA | NA | NA | NA |
| 12851 | 2025-10-06 |
Radiomics-guided generative adversarial network for automatic primary target volume segmentation for nasopharyngeal carcinoma using computed tomography images
2025-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17493
PMID:39535436
|
研究论文 | 提出一种基于瘤周影像组学引导的生成对抗网络，用于鼻咽癌CT图像的原发肿瘤靶区自动分割 | 首次将瘤周影像组学特征作为先验知识融入生成对抗网络，解决CT图像中肿瘤边界不清的分割难题 | 样本量相对有限（157例患者），且仅基于CT图像 | 提高鼻咽癌原发肿瘤靶区在CT图像上的自动分割精度 | 鼻咽癌患者的CT图像 | 医学影像分析 | 鼻咽癌 | CT成像 | GAN | CT图像 | 157例鼻咽癌患者（训练集108例，验证集9例，测试集30例） | NA | 生成对抗网络 | Dice相似系数, 95% Hausdorff距离, 平均对称表面距离 | NA |
| 12852 | 2025-10-06 |
Active Machine Learning for Pre-procedural Prediction of Time-Varying Boundary Condition After Fontan Procedure Using Generative Adversarial Networks
2025-Jan, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-024-03640-8
PMID:39480609
|
研究论文 | 本研究应用机器学习技术预测Fontan手术后随时间变化的边界条件，以改进手术规划 | 提出了新颖的多样性感知生成对抗主动学习框架，能够在有限心血管病例数据上成功训练预测性深度神经网络 | 基于虚拟队列合成数据，实际临床应用需要进一步验证 | 开发用于手术规划的术后边界条件预测方法 | Fontan手术患者的术前和术后静脉血流条件 | 机器学习 | 心血管疾病 | 机器学习，计算流体动力学 | GAN, 深度神经网络 | 血流模拟数据 | 14组实验（基于虚拟队列） | NA | 生成对抗网络 | 预测准确度，决定系数 | NA |
| 12853 | 2025-10-06 |
Automatic localization and deep convolutional generative adversarial network-based classification of focal liver lesions in computed tomography images: A preliminary study
2025-Jan, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.16803
PMID:39542428
|
研究论文 | 开发基于深度学习的肝脏局灶性病变自动定位与分类系统，用于CT图像分析 | 使用生成对抗网络进行数据增强，开发端到端的肝脏病变定位与分类系统 | 初步研究，样本量相对有限，需要进一步验证 | 开发辅助医生进行肝脏病变诊断的深度学习系统 | 肝脏局灶性病变 | 计算机视觉 | 肝脏疾病 | 计算机断层扫描 | GAN, CNN | 医学影像 | 1589名患者，17335张切片，3195个肝脏局灶性病变 | NA | 深度卷积生成对抗网络 | 平均精度, 准确率, 置信区间 | NA |
| 12854 | 2025-06-04 |
Detection and classification of supraspinatus pathologies on shoulder magnetic resonance images using a code-free deep learning application
2025-Oct, Asia-Pacific journal of sports medicine, arthroscopy, rehabilitation and technology
DOI:10.1016/j.asmart.2025.04.005
PMID:40454208
|
research paper | 评估无代码深度学习应用在肩部磁共振成像中诊断冈上肌腱病变的性能 | 使用无代码深度学习应用LobeAI和ResNet-50 V2模型进行冈上肌腱病变的分类和检测 | 当前迭代的无代码深度学习应用在临床实践中的可靠性有待提高 | 评估无代码深度学习应用在诊断冈上肌腱病变中的性能 | 肩部磁共振成像中的冈上肌腱病变（部分撕裂、全层撕裂和肌腱病） | digital pathology | supraspinatus pathologies | MRI | ResNet-50 V2 | image | 患者肩部MRI图像，包括正常、部分撕裂、全层撕裂和肌腱病 | NA | NA | NA | NA |
| 12855 | 2025-10-06 |
The environmental risk of heterogeneous oxidation is unneglectable: Time-resolved assessments beyond typical intermediate investigation
2025-Aug-01, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2025.123572
PMID:40184704
|
研究论文 | 本研究提出了一种环境风险评估方法，用于区分高级氧化过程中不同氧化路径的解毒效果 | 通过深度学习回归建模和理论化学辅助评估，量化了高级氧化过程中的环境风险，发现了超过40%先前被忽视的毒性 | 研究主要关注异相高级氧化过程，对其他类型氧化过程的适用性有待验证 | 开发定量环境风险评估方法，提高污染物解毒评估的准确性 | 高级氧化过程中的污染物副产物 | 环境科学 | NA | 密度泛函理论，深度神经网络回归建模 | 深度神经网络 | 化学结构数据，毒性数据 | NA | NA | 回归模型 | 风险商数，聚类分析 | NA |
| 12856 | 2025-10-06 |
Temporal and spatial feature extraction using graph neural networks for multi-point water quality prediction in river network areas
2025-Aug-01, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2025.123561
PMID:40184707
|
研究论文 | 提出一种时空特征图神经网络（STF-GNN）用于河网区域多点水质预测 | 集成图卷积网络、门控循环单元和自注意力机制，显式建模分布式监测站之间的多尺度时空依赖关系 | 未提及模型计算复杂度及实时预测能力 | 改进河网区域水质预测的准确性和泛化能力 | 河网区域分布式水质监测站 | 图神经网络 | NA | 水质监测时间序列分析 | GCN, GRU, 自注意力机制 | 多元时间序列数据 | 未明确说明具体样本数量 | NA | STF-GNN（时空特征图神经网络） | RMSE, 相对误差, 峰谷同步率 | NA |
| 12857 | 2025-10-06 |
Video-Based Lifting Action Recognition Using Rank-Altered Kinematic Feature Pairs
2025-Jul, Human factors
IF:2.9Q2
DOI:10.1177/00187208241309748
PMID:39723832
|
研究论文 | 提出基于视频的举重动作识别方法，通过等级变化运动学特征对实现实时监测 | 使用等级变化运动学特征对构建集成分类器，比基线分类器快12.5倍以上 | 未明确说明样本多样性和环境适应性限制 | 实时监测举重任务以预防工作相关的下背部损伤 | 视频中的人体举重动作 | 计算机视觉 | 下背部损伤 | BlazePose姿态估计 | 集成分类器 | 视频 | NA | NA | BlazePose | 准确率,精确率,召回率,F1分数 | 移动设备,嵌入式系统 |
| 12858 | 2025-10-06 |
A Deep Learning Survival Model for Evaluating the Survival Prognosis of Papillary Thyroid Cancer: A Population-Based Cohort Study
2025-Jul, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-025-17290-0
PMID:40254654
|
研究论文 | 本研究开发了一种基于深度学习技术的生存模型，用于评估甲状腺乳头状癌患者的生存预后 | 首次将DeepSurv深度学习生存模型应用于甲状腺乳头状癌的预后预测，并在多个外部数据集上进行了验证 | 研究基于回顾性数据，可能存在选择偏倚，且模型性能需要在更多前瞻性研究中验证 | 构建基于临床风险因素的深度学习模型来预测甲状腺乳头状癌患者的生存预后 | 甲状腺乳头状癌患者 | 机器学习 | 甲状腺癌 | 深度学习生存分析 | 深度神经网络 | 临床数据 | 来自美国17个SEER癌症登记处（2000-2020年）的连续患者数据，以及MDACC和TCGA两个外部测试数据集 | DeepSurv | Cox比例风险深度神经网络 | 一致性指数, 整体生存率 | NA |
| 12859 | 2025-10-06 |
Empirical analysis on retinal segmentation using PSO-based thresholding in diabetic retinopathy grading
2025-Jun-26, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2024-0299
PMID:39754503
|
研究论文 | 提出一种基于粒子群优化算法的视网膜分割方法，用于改善糖尿病视网膜病变分级任务的准确性 | 使用PSO算法自动确定分割阈值，并通过可解释AI分析视网膜分割对模型性能的影响 | 使用有限的数据集进行实验 | 提高糖尿病视网膜病变自动分级的准确性 | 糖尿病视网膜病变患者的眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 眼底图像分析 | CNN | 图像 | IDRiD眼底数据集 | NA | ResNet50 | 准确率 | NA |
| 12860 | 2025-10-06 |
Gesture recognition from surface electromyography signals based on the SE-DenseNet network
2025-Jun-26, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2024-0282
PMID:39873377
|
研究论文 | 提出基于SE-DenseNet融合网络的手势识别方法，用于表面肌电信号分类 | 将Squeeze-and-Excitation注意力机制与DenseNet融合，在DenseBlock和Transition层间插入注意力模块以增强特征表示能力 | 未明确说明模型计算复杂度的具体改进程度和泛化能力的量化指标 | 提高表面肌电信号手势识别的准确性和鲁棒性 | 表面肌电信号手势识别 | 机器学习 | 康复技术 | 表面肌电信号采集 | CNN | 表面肌电信号 | NinaPro DB2和DB4数据集 | NA | DenseNet-101, SE-DenseNet | 准确率 | NA |