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 19346 篇文献，本页显示第 16661 - 16680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16661 | 2025-04-11 |
Deep learning-based automated segmentation and quantification of the dural sac cross-sectional area in lumbar spine MRI
2025, Frontiers in radiology
DOI:10.3389/fradi.2025.1503625
PMID:40201339
|
研究论文 | 本研究评估了深度学习模型在腰椎MRI中自动分割和量化硬膜囊横截面积（DSCA）的效能，以提高诊断精度并减轻放射科医生的工作负担 | 首次将MultiResUNet等深度学习模型应用于腰椎MRI中DSCA的自动测量，展示了高精度和可靠性 | 数据集规模有限且仅依赖T1加权图像 | 开发自动化工具以提升腰椎MRI中DSCA测量的效率和准确性 | 腰椎MRI图像中的硬膜囊横截面积 | 数字病理学 | 脊柱疾病（如退行性椎间盘疾病、椎管狭窄和椎间盘突出） | MRI成像 | U-Net, Attention U-Net, MultiResUNet | 医学影像（T1加权轴向MRI图像） | 733例腰椎MRI扫描（683例用于训练和测试，50例用于外部验证） | NA | NA | NA | NA |
| 16662 | 2025-04-11 |
Internet of things driven hybrid neuro-fuzzy deep learning building energy management system for cost and schedule optimization
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1544183
PMID:40206707
|
研究论文 | 本文提出了一种基于物联网的混合神经模糊深度学习建筑能源管理系统，用于成本和进度优化 | 结合人工神经网络和模糊逻辑，在深度神经网络架构中集成模糊层，开发了一种混合深度学习模型 | 研究仅基于印度一个大学的数据，可能不具备广泛的普适性 | 优化建筑能源消耗，实现成本和进度优化 | 建筑能源管理系统（BEMS） | 机器学习 | NA | 深度学习、模糊逻辑 | 混合深度学习模型（人工神经网络与模糊逻辑结合） | 电力数据 | 2021年12月至2023年12月两年的能源消耗数据及27个相关能源参数 | NA | NA | NA | NA |
| 16663 | 2025-04-10 |
Individualized Analysis of Nipple-Sparing Mastectomy Versus Modified Radical Mastectomy Using Deep Learning
2025-Jun, Cancer innovation
DOI:10.1002/cai2.70002
PMID:40151333
|
研究论文 | 本研究旨在通过深度学习评估乳头保留乳房切除术（NSM）与改良根治性乳房切除术（MRM）对个体生存结果的影响，并评估新辅助系统治疗（NST）在减少手术干预需求方面的潜力 | 提出了一种名为BIME的生存回归模型，该模型在治疗推荐中显示出最强的保护效果，并通过高级统计方法（如PSM和IPTW）减少了治疗分配中的偏差 | 需要进一步研究结合全面的预后评估以优化手术选择过程并完善其临床实用性 | 评估NSM和MRM对乳腺癌患者生存结果的影响，并探索NST在减少手术干预中的作用 | 乳腺癌患者 | 机器学习 | 乳腺癌 | 深度学习，PSM，IPTW | BIME | 临床数据 | NA | NA | NA | NA | NA |
| 16664 | 2025-04-10 |
A New Metric Based on Association Rules to Assess Feature-Attribution Explainability Techniques for Time Series Forecasting
2025-May, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3540513
PMID:40031563
|
research paper | 本文介绍了一种新的模型无关度量RExQUAL，用于量化和比较基于归因的可解释人工智能技术提供的解释质量 | 提出了一种基于关联规则的新度量RExQUAL，结合局部和全局解释，评估和比较不同可解释技术的质量 | 实验设计仅包括不同类型的时间序列预测，可能在其他领域的适用性有待验证 | 评估和比较基于归因的可解释人工智能技术在时间序列预测中的解释质量 | 时间序列数据（包括单变量和多变量） | machine learning | NA | association rules, feature attribution | deep learning models | time series data | NA | NA | NA | NA | NA |
| 16665 | 2025-04-10 |
Smectic-like bundle formation of planktonic bacteria upon nutrient starvation
2025-Apr-09, Soft matter
IF:2.9Q2
DOI:10.1039/d4sm01117a
PMID:40126189
|
研究论文 | 研究细菌在营养匮乏条件下形成束状聚集体的集体行为 | 发现营养匮乏导致细菌细胞排列成类似近晶液晶的束状结构，并通过深度学习评估其有序程度 | 未明确提及具体局限性 | 探索环境变化对细菌聚集行为的影响 | 浮游细菌 | 微生物学 | NA | 深度学习 | NA | 实验观察数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 16666 | 2025-04-10 |
Transformer-based deep learning structure-conductance relationships in gold and silver nanowires
2025-Apr-09, Physical chemistry chemical physics : PCCP
IF:2.9Q1
DOI:10.1039/d4cp04605f
PMID:40152302
|
研究论文 | 本研究利用基于Transformer的深度学习模型预测金和银纳米线的结构-电导关系 | 首次将Transformer神经网络应用于纳米线电导预测，展示了其在处理长、大及结构不同纳米线时的稳定性、准确性和可扩展性 | 模型训练数据主要来自模拟而非实际实验数据 | 建立纳米线结构与其电导特性之间的关系 | 金和银纳米线 | 机器学习 | NA | 分子动力学模拟(MD)与神经网络势能 | Transformer | 模拟数据 | 大量金和银纳米线结结构 | NA | NA | NA | NA |
| 16667 | 2025-04-10 |
Deep Learning with Reflection High-Energy Electron Diffraction Images to Predict Cation Ratio in Sr2xTi2(1-x)O3 Thin Films
2025-Apr-09, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.5c00787
PMID:40163590
|
研究论文 | 本研究利用深度学习技术预测SrTiO薄膜的化学计量比，通过反射高能电子衍射图像进行分析 | 使用门控卷积神经网络对小样本（31个样本）进行回归训练，实现了准确的预测，并通过可解释AI技术揭示了衍射条纹特征与阳离子化学计量之间的未知相关性 | 样本量较小（仅31个样本） | 加速、理解和控制薄膜合成过程，揭示合成条件与材料性能之间的关系 | SrTiO薄膜的化学计量比 | 机器学习 | NA | 反射高能电子衍射（RHEED） | 门控卷积神经网络（Gated CNN） | 图像 | 31个样本 | NA | NA | NA | NA |
| 16668 | 2025-04-10 |
Portal dose image prediction using Monte Carlo generated transmission energy fluence maps of dynamic radiotherapy treatment plans: a deep learning approach
2025-Apr-09, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adc73f
PMID:40164089
|
research paper | 本研究开发并探讨了一种结合蒙特卡洛模拟和深度学习的混合模型，用于预测基于动态放射治疗计划的电子门户成像设备图像 | 结合蒙特卡洛模拟和深度学习方法来预测放射治疗中的电子门户成像设备图像，为剂量学质量保证提供新方法 | 模型在简单和复杂变体中的伽马通过率存在差异，表明模型性能有待进一步优化 | 开发一种用于放射治疗剂量学质量保证的混合模型 | 动态放射治疗计划中的电子门户成像设备图像 | machine learning | various cancer types | Monte Carlo simulations, deep learning | U-Net | image | 17 clinical treatment plans | NA | NA | NA | NA |
| 16669 | 2025-04-10 |
Interpretable deep learning method to predict wound healing progress based on collagen fibers in wound tissue
2025-Apr-07, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110110
PMID:40198981
|
research paper | 提出一种基于胶原纤维的深度学习方法来预测伤口愈合进程，并增强模型决策的可解释性 | 结合LayerCAM和Guided Backpropagation的可解释框架，无需像素级标注即可定位胶原纤维区域 | 未提及模型在更大规模或多样化数据集上的泛化能力 | 建立基于胶原纤维特征的伤口愈合状态分类方法 | 皮肤组织的组织学图像 | digital pathology | wound healing | histological imaging | VGG16 | image | 未明确说明样本数量，涉及正常皮肤、0/3/7/10天伤口皮肤及糖尿病伤口皮肤 | NA | NA | NA | NA |
| 16670 | 2025-04-10 |
Detection of COVID-19, lung opacity, and viral pneumonia via X-ray using machine learning and deep learning
2025-Apr-07, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110131
PMID:40198984
|
research paper | 该研究结合机器学习和深度学习技术，通过X光图像自动诊断COVID-19及其他肺部疾病 | 采用CNN、SVM及迁移学习技术（如ResNet18、EfficientNet-CNN和Xception-CNN），在X光图像分类中达到高准确率（最高99.20%） | 数据集多样性和代表性不足，可能影响模型的泛化能力 | 提升COVID-19及其他肺部疾病的早期诊断效率和准确性 | 胸部X光图像 | digital pathology | COVID-19, lung opacity, viral pneumonia | machine learning, deep learning, transfer learning | CNN, SVM, ResNet18, EfficientNet-CNN, Xception-CNN | image | 21,165张胸部X光图像 | NA | NA | NA | NA |
| 16671 | 2025-04-10 |
Deep learning signature to predict postoperative anxiety in patients receiving lung cancer surgery
2025, Frontiers in surgery
IF:1.6Q2
DOI:10.3389/fsurg.2025.1573370
PMID:40196195
|
研究论文 | 本研究旨在建立并验证一种基于MRI的深度学习特征，用于预测接受肺癌手术患者的术后焦虑 | 利用ResNet-152算法训练深度学习特征，首次将MRI-T1WI图像与术后焦虑预测相结合 | 样本量较小（202例患者），且仅使用了MRI-T1WI图像 | 预测接受肺癌手术患者的术后焦虑 | 接受肺癌手术的患者 | 数字病理学 | 肺癌 | MRI | ResNet-152 | 图像 | 202例接受肺癌手术的患者 | NA | NA | NA | NA |
| 16672 | 2025-04-10 |
A study on early diagnosis for fracture non-union prediction using deep learning and bone morphometric parameters
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1547588
PMID:40196347
|
研究论文 | 本研究利用深度学习和骨形态计量参数开发了一种用于骨折不愈合早期诊断的模型 | 提出了Vision Mamba Triplet Attention and Edge Feature Decoupling Module UNet (VM-TE-UNet)用于骨折区域分割，并建立了基于微CT指标的早期诊断模型 | 研究仅使用了12只大鼠的骨折动物模型，样本量较小 | 开发骨折不愈合的早期诊断模型 | 大鼠骨折模型 | 数字病理 | 骨折 | micro-CT成像 | VM-TE-UNet | 图像 | 12只大鼠的2448张micro-CT图像 | NA | NA | NA | NA |
| 16673 | 2025-04-10 |
Point-SPV: end-to-end enhancement of object recognition in simulated prosthetic vision using synthetic viewing points
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1549698
PMID:40196449
|
研究论文 | 本文介绍了一种名为Point-SPV的端到端深度学习模型，旨在增强模拟假体视觉中的物体识别能力 | Point-SPV通过模拟视点（代表潜在的注视位置）并在这些点周围的图像块上训练模型，初步实现了基于注视的优化，专注于任务导向的视觉表示 | NA | 提升模拟假体视觉系统中的物体识别性能 | 视觉假体系统及视觉障碍患者 | 计算机视觉 | 视力障碍 | 深度学习 | 端到端深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 16674 | 2025-04-10 |
Transfer learning improves performance in volumetric electron microscopy organelle segmentation across tissues
2025, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbaf021
PMID:40196751
|
research paper | 该研究展示了迁移学习在体积电子显微镜（VEM）图像中跨组织器官分割性能的提升 | 通过在多组织器官的VEM数据上进行预训练并在目标数据集上微调，实现了高性能的多种细胞器分割，且所需的新训练数据量相对较少 | 需要一定量的手动标注数据进行微调，且性能可能受预训练数据与目标数据之间的差异影响 | 提高体积电子显微镜图像中细胞器分割的自动化水平和性能 | 哺乳动物组织中的细胞器（如线粒体和内质网） | digital pathology | NA | serial block face scanning electron microscopy | deep learning segmentation algorithms | volumetric electron microscopy images | 四个VEM数据集（包括一个新的大鼠肝脏数据集，尺寸为7000×7000×219像素） | NA | NA | NA | NA |
| 16675 | 2025-04-10 |
HTRecNet: a deep learning study for efficient and accurate diagnosis of hepatocellular carcinoma and cholangiocarcinoma
2025, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2025.1549811
PMID:40196844
|
研究论文 | 本研究提出了一种名为HTRecNet的深度学习框架，用于高效准确诊断肝细胞癌（HCC）和胆管癌（CCA） | HTRecNet结合了复杂的数据增强策略以优化特征提取，即使在样本量有限的情况下也能保持稳健性能 | 研究样本中CCA的样本量相对较少（180例），可能影响模型在CCA诊断上的泛化能力 | 开发自动化诊断方法以提高肝细胞癌和胆管癌的诊断效率和准确性 | 肝细胞癌（HCC）和胆管癌（CCA）的组织病理学图像 | 数字病理学 | 肝癌 | 深度学习 | HTRecNet（自定义深度学习框架） | 图像 | 5,432张组织病理学图像（其中5,096张用于训练和验证，336张用于外部测试） | NA | NA | NA | NA |
| 16676 | 2025-04-09 |
Nondestructive detection of cadmium content in oilseed rape leaves under different silicon environments using deep transfer learning and Vis-NIR hyperspectral imaging
2025-Jul-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143799
PMID:40081073
|
研究论文 | 提出了一种基于深度迁移学习和可见-近红外高光谱成像技术的油菜叶片镉含量无损检测方法 | 开发了迁移堆叠去噪自编码器(T-SDAE)算法，实现了不同硅环境下油菜叶片镉含量预测模型的迁移 | NA | 实现不同硅环境下油菜叶片镉含量的准确无损检测 | 油菜叶片 | 计算机视觉 | NA | 可见-近红外高光谱成像技术 | T-SDAE, SVR | 高光谱图像 | NA | NA | NA | NA | NA |
| 16677 | 2025-04-09 |
An efficient method for chili pepper variety classification and origin tracing based on an electronic nose and deep learning
2025-Jul-01, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143850
PMID:40101378
|
研究论文 | 本文提出了一种结合电子鼻和深度学习的方法，用于辣椒品种分类和产地溯源 | 提出了一种传感器感知卷积网络（SACNet），集成了电子鼻技术，通过传感器注意力模块自适应关注各传感器的重要性，并引入局部感知和广域感知结构以捕获气体信息特征 | 方法依赖于电子鼻系统的气体样本采集，可能在实际应用中受到环境因素的影响 | 解决辣椒品种和产地快速准确识别的问题 | 辣椒 | 机器学习 | NA | 电子鼻（e-nose） | CNN（SACNet） | 气体数据 | 三个数据集（Dataset A、B、C），具体样本数量未提及 | NA | NA | NA | NA |
| 16678 | 2025-04-09 |
Ensemble network using oblique coronal MRI for Alzheimer's disease diagnosis
2025-Apr-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121151
PMID:40147601
|
研究论文 | 本研究提出了一种基于倾斜冠状MRI的集成网络方法，用于阿尔茨海默病的诊断 | 采用倾斜冠状MRI切片和集成学习方法，提高了诊断准确率 | 研究依赖于ADNI数据集，可能限制了方法的普适性 | 开发一种更可靠的阿尔茨海默病诊断方法 | 阿尔茨海默病患者、轻度认知障碍患者和正常老年人 | 数字病理学 | 老年疾病 | MRI | 集成学习 | 图像 | ADNI数据集中的样本 | NA | NA | NA | NA |
| 16679 | 2025-04-09 |
How local is "local"? Deep learning reveals locality of the induced magnetic field of polycyclic aromatic hydrocarbons
2025-Apr-14, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0257558
PMID:40197568
|
研究论文 | 本文利用深度学习研究多环芳香分子中磁响应的局部性 | 采用新颖的图神经网络（GNNs）结合环图表示法预测分子周围空间的核独立化学位移（NICS），并通过k-hop扩展策略克服GNNs泛化问题 | 尽管模型在小分子（最多4个环）上训练，但能准确预测更大分子（最多15个环）的磁响应，但仍需验证更复杂分子的适用性 | 探究多环芳香分子中磁响应的局部性 | 多环芳香分子 | 机器学习 | NA | 图神经网络（GNNs） | GNN | 分子结构数据 | 训练集包含最多4个环的分子，测试集扩展到最多15个环的分子 | NA | NA | NA | NA |
| 16680 | 2025-04-09 |
WPR-Net: A Deep Learning Protocol for Highly Accelerated NMR Spectroscopy with Faithful Weak Peak Reconstruction
2025-Apr-08, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c04830
PMID:40067126
|
research paper | 提出一种深度学习架构WPR-Net，用于高度加速的NMR光谱学并可靠重建弱峰 | 该深度学习协议能够消除欠采样伪影，并在高度稀疏采样密度或严重噪声条件下重建高质量多维NMR光谱信号 | NA | 加速多维NMR光谱学的实现并提高弱峰重建的准确性 | 多维NMR光谱信号 | machine learning | NA | NMR spectroscopy | deep learning architecture (WPR-Net) | spectral data | NA | NA | NA | NA | NA |