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 19314 篇文献，本页显示第 13941 - 13960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13941 | 2025-05-16 |
Technical implications of a novel deep learning system in the segmentation and evaluation of computed tomography angiography before transcatheter aortic valve replacement
2025 Jan-Dec, Therapeutic advances in cardiovascular disease
IF:2.6Q2
DOI:10.1177/17539447251321589
PMID:40123453
|
研究论文 | 本研究比较了Cvpilot、3mensio和Volume Viewer系统在经导管主动脉瓣置换术（TAVR）前主动脉根部分割和技术评估中的实用性 | 探索了Cvpilot系统在自动分割和主动脉根部技术评估中的有效性，并与现有系统进行了比较 | 研究仅在一个中心进行，样本量相对较小（154例患者） | 评估Cvpilot系统在TAVR前主动脉根部分割和测量中的准确性和可靠性 | 154例接受TAVR的患者 | 数字病理 | 心血管疾病 | 计算机断层扫描血管造影（CTA） | 深度学习系统 | 医学影像 | 154例患者 | NA | NA | NA | NA |
| 13942 | 2025-05-16 |
Optimising window size of semantic of classification model for identification of in-text citations based on context and intent
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309862
PMID:40127378
|
研究论文 | 本文研究了基于上下文和意图的文本引用分类模型的最佳窗口大小选择 | 通过比较不同窗口大小对文本引用分类的影响，提出了针对长文本引用更有效的大窗口策略 | 研究仅使用了两种基准数据集，可能无法涵盖所有类型的文本引用场景 | 优化自然语言处理中文本引用分类模型的窗口大小选择 | 科学文献中的文本引用 | 自然语言处理 | NA | Word2Vec嵌入 | CNN, GRU, LSTM, SVM, 决策树, 朴素贝叶斯 | 文本 | 两个包含大量文本引用的基准数据集 | NA | NA | NA | NA |
| 13943 | 2025-05-16 |
Weighted-VAE: A deep learning approach for multimodal data generation applied to experimental T. cruzi infection
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315843
PMID:40127396
|
research paper | 提出了一种加权变分自编码器（W-VAE）用于处理缺失和有限的多模态数据，以分类健康个体和处于T. cruzi感染急性或慢性阶段的个体 | W-VAE是一种深度生成架构，通过新的损失函数、加权因子和掩蔽机制提高了生成数据的质量 | 研究基于小鼠模型，可能无法直接推广到人类 | 自动诊断健康个体和处于T. cruzi感染不同阶段的个体 | 健康个体和处于T. cruzi感染急性或慢性阶段的个体 | machine learning | Chagas disease | Weighted Variational Auto-Encoder (W-VAE) | VAE | multimodal data (electrocardiography signals, echocardiography images, Doppler spectrum, ELISA antibody titers) | NA | NA | NA | NA | NA |
| 13944 | 2025-05-16 |
Diagnosis and activity prediction of SLE based on serum Raman spectroscopy combined with a two-branch Bayesian network
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1467027
PMID:40129980
|
研究论文 | 本研究提出了一种基于血清拉曼光谱和双分支贝叶斯网络的系统性红斑狼疮(SLE)诊断和活动性预测方法 | 开发了一种新型的双分支贝叶斯网络(DBayesNet)模型，结合拉曼光谱技术，用于SLE的快速识别和活动性评估 | 样本量相对较小(80例SLE患者和81例对照)，需要更大规模的研究验证 | 开发一种快速准确的SLE诊断和活动性评估方法 | 系统性红斑狼疮(SLE)患者 | 数字病理学 | 系统性红斑狼疮 | 拉曼光谱 | DBayesNet(双分支贝叶斯网络)，包含BayConv模块、Attention模块和BayLinear层 | 光谱数据 | 161例(80例SLE患者和81例对照，包括干燥综合征、未分化结缔组织病、主动脉炎患者和健康人) | NA | NA | NA | NA |
| 13945 | 2025-05-16 |
Optimization of Decision Support Technology for Offshore Oil Condition Monitoring with Carbon Neutrality as the Goal in the Enterprise Development Process
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0319858
PMID:40131882
|
研究论文 | 本研究探讨了在追求碳中和的企业发展过程中，将Faster R-CNN算法与MobileNet v2架构结合，用于海上石油状况监测与分类 | 提出了一种基于MobileNet v2和Faster R-CNN融合的海洋石油状况监测与分类模型，该模型在损失值和识别准确率方面表现优异 | NA | 优化海上石油状况监测的决策支持技术，以支持企业碳中和目标 | 海上石油状况监测与分类 | 计算机视觉 | NA | 深度学习 | Faster R-CNN与MobileNet v2融合模型 | 图像 | NA | NA | NA | NA | NA |
| 13946 | 2025-05-16 |
A predictive machine learning model for cannabinoid effect based on image detection of reactive oxygen species in microglia
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320219
PMID:40131976
|
研究论文 | 本文开发了一种基于图像检测小胶质细胞中活性氧(ROS)的机器学习模型，用于预测大麻素效应 | 结合共聚焦显微镜图像与CNN深度学习模型，预测大麻二酚(CBD)对免疫细胞ROS水平的影响 | 研究仅使用HMC3细胞系，未涉及其他细胞类型或体内模型 | 评估大麻二酚(CBD)对神经炎症中ROS水平的影响 | 人小胶质细胞(HMC3)中的活性氧(ROS) | 数字病理学 | 神经退行性疾病 | 共聚焦显微镜成像，CellROX荧光ROS指示剂 | CNN | 图像 | HMC3细胞系在三种免疫激活剂(LPS/Aβ42/GP120)条件下的ROS图像数据 | NA | NA | NA | NA |
| 13947 | 2025-05-16 |
Multimodal deep learning for predicting PD-L1 biomarker and clinical immunotherapy outcomes of esophageal cancer
2025, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2025.1540013
PMID:40134428
|
research paper | 该研究开发了一种多模态深度学习模型，用于预测食管癌患者的PD-L1生物标志物水平和免疫治疗结果 | 提出了一种整合病理特征、放射组学特征和临床信息的新型多模态深度学习模型，用于预测PD-L1水平和免疫治疗反应 | 研究样本量相对较小，且仅来自单一医疗中心 | 预测食管癌患者的PD-L1生物标志物水平和免疫治疗效果 | 食管鳞状细胞癌（ESCC）患者 | digital pathology | esophageal cancer | 免疫组织化学、CT扫描 | multimodal deep learning | image, clinical variables | 220例患者用于PD-L1表达水平分析，75例患者用于免疫治疗反应分析 | NA | NA | NA | NA |
| 13948 | 2025-05-16 |
Beyond the Greater Angkor Region: Automatic large-scale mapping of Angkorian-period reservoirs in satellite imagery using deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0320452
PMID:40138322
|
研究论文 | 利用深度学习技术自动大规模识别卫星图像中的吴哥时期水库 | 首次使用Deeplab V3+深度学习模型进行语义分割，自动识别吴哥时期水库，显著提高了考古学家的工作效率 | 模型仅针对吴哥时期水库进行训练，可能无法直接应用于其他类型的考古特征 | 通过自动识别卫星图像中的考古特征，加速对吴哥文化圈以外区域的全面测绘 | 吴哥时期水库 | 计算机视觉 | NA | 卫星遥感、深度学习 | Deeplab V3+ | 卫星图像 | NA | NA | NA | NA | NA |
| 13949 | 2025-05-16 |
Deep Learning-Based Auto-Segmentation for Liver Yttrium-90 Selective Internal Radiation Therapy
2025 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338251327081
PMID:40152005
|
研究论文 | 评估一种基于深度学习的自动分割方法用于Y-90选择性内放射治疗中的肝脏轮廓描绘 | 使用U-Net3D架构构建的深度学习模型在肝脏分割中优于传统的基于Atlas的方法 | NA | 评估深度学习自动分割方法在Y-90选择性内放射治疗中的肝脏轮廓描绘效果 | 接受Y-90选择性内放射治疗的患者的CT图像 | 数字病理 | 肝癌 | CT成像 | U-Net3D | 图像 | NA | NA | NA | NA | NA |
| 13950 | 2025-05-16 |
Artificial intelligence meets genomic selection: comparing deep learning and GBLUP across diverse plant datasets
2025, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2025.1568705
PMID:40364946
|
研究论文 | 本文通过比较深度学习模型和GBLUP方法在14个植物育种数据集上的表现，探讨了基因组选择在植物育种中的应用 | 深度学习模型能够捕捉复杂的非线性遗传模式，尤其在小型数据集中表现优于GBLUP方法 | 两种方法在不同性状和情景下表现不一，没有一种方法在所有情况下都优于另一种 | 提高基因组选择在植物育种中的实施效果 | 14个来自不同植物育种项目的真实数据集 | 机器学习 | NA | 基因组选择(GS) | 深度学习(DL), GBLUP | 基因组数据 | 14个数据集 | NA | NA | NA | NA |
| 13951 | 2025-05-16 |
sEMG-based gesture recognition using multi-stream adaptive CNNs with integrated residual modules
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1487020
PMID:40365011
|
research paper | 该研究提出了一种基于多流自适应卷积神经网络与残差模块（MSACNN-RM）的表面肌电信号手势识别方法，以提高特征提取和学习能力 | 结合多流卷积神经网络、自适应卷积神经网络和残差模块，增强了模型对复杂数据模式的提取和理解能力 | 未考虑个体间肌电信号差异，未来需开发通用多手势识别算法并优化网络以减少计算负担 | 提高表面肌电信号手势识别的准确性和多手势识别性能 | 表面肌电信号（sEMG）手势识别 | machine learning | NA | surface electromyography (sEMG) | multi-stream adaptive convolutional neural networks with residual modules (MSACNN-RM) | sEMG信号数据 | Ninapro DB1、Ninapro DB2和Ninapro DB4数据集 | NA | NA | NA | NA |
| 13952 | 2025-05-16 |
A predictive nomogram of thyroid nodules based on deep learning ultrasound image analysis
2025, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2025.1504412
PMID:40365227
|
research paper | 本研究通过深度学习超声图像分析，建立了一个预测甲状腺结节良恶性的列线图模型 | 结合深度学习和患者临床超声特征，构建的列线图模型比单独使用C-TIRADS或深度学习模型具有更高的准确性 | 研究为回顾性研究，可能存在选择偏倚 | 提高甲状腺结节良恶性的预测性能 | 甲状腺结节 | digital pathology | thyroid disease | deep learning ultrasound image analysis | deep learning model, nomogram model | ultrasound image | 2247个甲状腺结节（1573个用于训练和测试，674个用于验证） | NA | NA | NA | NA |
| 13953 | 2025-05-16 |
Deep learning and radiomics-driven algorithm for automated identification of May-Thurner syndrome in Iliac CTV imaging
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1526144
PMID:40365495
|
research paper | 本研究旨在通过深度学习和放射组学技术，开发一种自动化识别髂静脉CTV成像中May-Thurner综合征（MTS）的算法 | 结合深度学习和放射组学技术，首次开发了针对MTS的自动化分割模型和诊断放射组学特征 | 研究样本量相对有限（490例），且未提及外部验证数据集的独立验证结果 | 开发自动化MTS检测系统，提高诊断效率和准确性 | 髂静脉CTV扫描图像 | digital pathology | cardiovascular disease | CTV成像 | UPerNet | image | 490例（201例MTS阳性，289例阴性） | NA | NA | NA | NA |
| 13954 | 2025-05-16 |
Cryptographic key generation using deep learning with biometric face and finger vein data
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1545946
PMID:40365578
|
研究论文 | 提出了一种利用深度学习和多模态生物特征（人脸和手指静脉）生成加密密钥的新方法 | 结合FaceNet和VGG19预训练模型进行特征提取，使用Siamese Neural Network (SNN) 和模糊提取器，实现了安全且可复现的加密密钥生成 | NA | 提高生物特征加密的准确性和鲁棒性，探索抗量子攻击的可扩展系统 | 人脸和手指静脉的生物特征数据 | 机器学习 | NA | 深度学习 | FaceNet, VGG19, Siamese Neural Network (SNN) | 图像 | NA | NA | NA | NA | NA |
| 13955 | 2025-05-15 |
Fingerprinting of Boletus bainiugan: FT-NIR spectroscopy combined with machine learning a new workflow for storage period identification
2025-Aug, Food microbiology
IF:4.5Q1
DOI:10.1016/j.fm.2025.104743
PMID:40086983
|
研究论文 | 本研究通过FT-NIR光谱结合机器学习方法，开发了一种用于鉴定牛肝菌储存期的新工作流程 | 结合FT-NIR光谱与机器学习（特别是CNN和BPNN模型）来鉴定牛肝菌的储存时间，并首次应用DD-SIMCA模型完全区分新旧样品 | 研究仅分析了储存0、1和2年的样品，未涵盖更长的储存期 | 开发一种低成本、用户友好的方法，实时确定供应链中牛肝菌的储存期 | 牛肝菌（Boletus bainiugan） | 机器学习 | NA | 高效液相色谱（HPLC）、傅里叶变换近红外光谱（FT-NIR） | CNN、BPNN、DD-SIMCA、PLSR | 光谱数据 | 831份牛肝菌样品（储存0、1和2年） | NA | NA | NA | NA |
| 13956 | 2025-05-15 |
Light scattering imaging modal expansion cytometry for label-free single-cell analysis with deep learning
2025-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108726
PMID:40112688
|
研究论文 | 本研究开发了一种基于深度学习的模态扩展细胞术，用于无标记单细胞分析 | 提出了一种新的网络优化方法，结合对抗损失、L1距离损失和VGG感知损失，将单模光散射图像扩展为多模态图像 | 实验验证仅限于模拟图像、标准球体和特定细胞类型（如宫颈癌细胞和白血病细胞） | 开发一种无标记单细胞分析方法，用于药物开发、疾病诊断和个性化医疗 | 宫颈癌细胞和白血病细胞 | 数字病理学 | 宫颈癌、白血病 | 光散射成像 | 深度学习 | 图像 | 模拟图像、标准球体和多种细胞类型（如宫颈癌细胞和白血病细胞） | NA | NA | NA | NA |
| 13957 | 2025-05-15 |
The impact of training image quality with a novel protocol on artificial intelligence-based LGE-MRI image segmentation for potential atrial fibrillation management
2025-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108722
PMID:40112687
|
研究论文 | 本研究开发了一种基于深度学习的自动化分割流程，通过标准化标记协议提高LGE-MRI图像分割的准确性和效率，以支持心房颤动患者的消融治疗 | 采用标准化标记协议和预训练的RIFE模型，显著提高了神经网络在心房LGE-MRI图像分割中的性能 | 研究结果依赖于手动标记的数据，可能存在主观误差，且样本量未明确说明 | 开发高效的自动化深度学习分割流程，以改善心房颤动患者的消融治疗效果 | 心房颤动患者的LGE-MRI图像 | 数字病理学 | 心血管疾病 | LGE-MRI | nnU-Net, smpU-Net++, RIFE | 图像 | NA | NA | NA | NA | NA |
| 13958 | 2025-05-15 |
Artificial intelligence for chronic total occlusion percutaneous coronary interventions
2025-May-13, The Journal of invasive cardiology
IF:1.6Q3
DOI:10.25270/jic/25.00089
PMID:40359582
|
review | 本文回顾了人工智能在慢性完全闭塞（CTO）诊断和经皮冠状动脉介入治疗（PCI）成功率预测中的最新进展 | 探讨了AI在CTO PCI中的创新应用，特别是在诊断和治疗决策支持方面的潜力 | 未提及具体的研究样本量或模型性能的详细比较 | 评估AI在CTO PCI领域的应用效果和前景 | 慢性完全闭塞（CTO）和经皮冠状动脉介入治疗（PCI） | machine learning | cardiovascular disease | NA | neural networks, deep learning | clinical parameters, imaging | NA | NA | NA | NA | NA |
| 13959 | 2025-05-15 |
Compressed chromatographic fingerprint of Artemisiae argyi Folium empowered by 1D-CNN: Reduce mobile phase consumption using chemometric algorithm
2025-May-10, Journal of chromatography. A
DOI:10.1016/j.chroma.2025.465874
PMID:40101658
|
研究论文 | 本研究提出了一种结合一维卷积神经网络（1D-CNN）与高效液相色谱（HPLC）的压缩指纹图谱分析技术，旨在提高复杂系统中多种化合物的分析效率并减少有机溶剂的使用 | 结合1D-CNN与HPLC，开发压缩指纹图谱技术，显著减少分析时间和有机溶剂消耗 | 在分析的十种化合物中，仅九种取得了良好结果，表明模型对某些化合物的解释力有待提高 | 提高复杂系统中化合物分析的效率并减少有机溶剂消耗 | 艾叶（Artemisiae argyi Folium, AAF） | 化学计量学 | NA | 高效液相色谱（HPLC），一维卷积神经网络（1D-CNN） | 1D-CNN | 色谱数据 | NA | NA | NA | NA | NA |
| 13960 | 2025-05-15 |
A novel framework for esophageal cancer grading: combining CT imaging, radiomics, reproducibility, and deep learning insights
2025-May-10, BMC gastroenterology
IF:2.5Q2
DOI:10.1186/s12876-025-03952-6
PMID:40348987
|
research paper | 该研究提出了一种结合CT成像、放射组学、可重复性和深度学习的新框架，用于食管癌分级 | 结合放射组学和深度学习特征，通过注意力机制增强模型准确性，并采用多种机器学习模型进行癌症分级 | 研究为回顾性研究，可能受到数据质量和手动分割肿瘤区域的主观性影响 | 创建可靠的食管癌分级框架，提高诊断准确性和可解释性 | 2560名食管癌患者的CT扫描图像和临床信息 | digital pathology | esophageal cancer | CT imaging, radiomics, deep learning | DenseNet121, EfficientNet-B0, Random Forest, XGBoost, CatBoost | image, clinical information | 2560名食管癌患者 | NA | NA | NA | NA |