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 19281 篇文献，本页显示第 17521 - 17540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 17521 | 2025-03-08 |
Retraction: Risk management system and intelligent decision-making for prefabricated building project under deep learning modified teaching-learning-based optimization
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0319589
PMID:40043015
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 17522 | 2025-03-08 |
XAI-MRI: an ensemble dual-modality approach for 3D brain tumor segmentation using magnetic resonance imaging
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1525240
PMID:40046502
|
研究论文 | 本文提出了一种新颖的集成双模态方法，用于使用磁共振成像（MRI）进行3D脑肿瘤分割 | 提出了一种集成双模态方法，结合了表现最佳的双模态预训练模型，以提高分割性能，并引入了Grad-CAM可视化技术，生成热图以突出肿瘤区域，为临床医生提供模型决策的有用信息 | 未明确提及具体限制 | 提高脑肿瘤分割的准确性和可靠性，以支持有效的肿瘤分级和治疗计划 | 脑肿瘤 | 计算机视觉 | 脑肿瘤 | MRI | U-Net, 集成模型 | 3D MRI图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 17523 | 2025-03-08 |
The prognostic value of pathologic lymph node imaging using deep learning-based outcome prediction in oropharyngeal cancer patients
2025-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100733
PMID:40046573
|
研究论文 | 本研究探讨了在口咽癌患者中，结合病理淋巴结空间信息与深度学习模型对局部控制、区域控制、远处无转移生存和总生存的预测效果 | 首次在深度学习模型中结合病理淋巴结空间信息，以提高口咽癌患者的预后预测性能 | 研究仅基于单一机构的患者数据，可能限制了模型的泛化能力 | 探索结合病理淋巴结空间信息对深度学习模型预测口咽癌患者预后的潜在益处 | 口咽癌患者 | 数字病理 | 口咽癌 | 深度学习 | 深度学习模型 | PET/CT扫描图像 | 409名口咽癌患者 | NA | NA | NA | NA |
| 17524 | 2025-03-08 |
Deep learning combining imaging, dose and clinical data for predicting bowel toxicity after pelvic radiotherapy
2025-Jan, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2025.100710
PMID:40046574
|
研究论文 | 本研究提出了一种深度学习模型，用于同时分析计算机断层扫描、剂量分布和临床元数据，以预测盆腔放疗后的肠道毒性，并识别临床风险因素和解剖区域的影响 | 开发了一种基于多实例学习、特征级融合和注意力的深度模型，能够同时分析3D成像和临床数据，识别潜在风险因素和关键解剖区域 | 数据集来自313名患者，虽然样本量较大，但患者群体的异质性（剂量、体积、分割、伴随治疗和随访期）可能影响模型的泛化能力 | 预测盆腔放疗后的肠道毒性，并识别临床风险因素和解剖区域的影响 | 313名接受3D适形放疗和容积调强弧形放疗的患者 | 数字病理 | NA | 深度学习 | 多实例学习模型 | 3D计算机断层扫描、计划剂量分布、临床数据 | 313名患者 | NA | NA | NA | NA |
| 17525 | 2025-03-08 |
Leveraging automated time-lapse microscopy coupled with deep learning to automate colony forming assay
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1520972
PMID:40046624
|
研究论文 | 本文介绍了一种结合延时显微镜和深度学习的人工智能辅助自动化集落形成实验（CFA）平台，用于实时跟踪集落形成并评估药物疗效 | 开发了一种基于深度学习和多目标跟踪的自动化集落计数平台，显著减少了人工操作并提高了准确性，同时支持长期细胞间相互作用和治疗反应的详细研究 | 未来需要与基于灌注的药物筛选系统集成以进一步增强个性化癌症治疗 | 开发一种自动化、高通量的集落形成实验平台，用于评估单癌细胞的克隆扩展能力和药物疗效 | B-急性淋巴细胞白血病（B-ALL）细胞 | 数字病理学 | 白血病 | 延时显微镜、深度学习 | YOLOv8 | 图像 | E2A-PBX1小鼠模型中的B-ALL细胞 | NA | NA | NA | NA |
| 17526 | 2025-10-07 |
A Hardware Accelerator for Real-Time Processing Platforms Used in Synthetic Aperture Radar Target Detection Tasks
2025-Feb-07, Micromachines
IF:3.0Q2
DOI:10.3390/mi16020193
PMID:40047666
|
研究论文 | 本文设计了一种用于合成孔径雷达目标检测任务的低功耗硬件加速器 | 提出适用于多维卷积并行计算的处理引擎和独特的存储器排列设计，充分利用FPGA计算资源 | 仅基于Virtex 7 690t芯片进行验证，未在其他硬件平台上测试 | 解决机载或星载实时处理平台的功耗问题，实现实时SAR图像目标检测 | 合成孔径雷达图像中的目标检测 | 计算机视觉 | NA | 合成孔径雷达成像 | CNN | SAR图像 | NA | Yolov5s | Yolov5s | 处理速度（52.19张/秒），功耗（7瓦） | Virtex 7 690t FPGA芯片 |
| 17527 | 2025-03-06 |
Deep Learning-Powered CT-Less Multitracer Organ Segmentation From PET Images: A Solution for Unreliable CT Segmentation in PET/CT Imaging
2025-Apr-01, Clinical nuclear medicine
IF:9.6Q1
DOI:10.1097/RLU.0000000000005685
PMID:39883026
|
研究论文 | 本研究开发了一种不依赖CT图像的PET器官分割框架，利用深度学习模型对两种常用PET示踪剂进行多器官分割 | 提出了一种不依赖CT图像的PET器官分割方法，解决了PET/CT成像中CT分割不可靠的问题 | 研究中排除了PET和CT图像不匹配的病例，可能影响模型的泛化能力 | 开发一种不依赖CT图像的PET器官分割框架，以解决PET/CT成像中CT分割不可靠的问题 | 2062例PET/CT图像，包括18 F-FDG和68 Ga-PSMA两种示踪剂 | 数字病理学 | NA | 深度学习 | nnU-Net | PET/CT图像 | 2062例PET/CT图像 | NA | NA | NA | NA |
| 17528 | 2025-03-06 |
Predicting inflammatory response of biomimetic nanofibre scaffolds for tissue regeneration using machine learning and graph theory
2025-Mar-05, Journal of materials chemistry. B
DOI:10.1039/d4tb02494j
PMID:39869000
|
研究论文 | 本文探讨了使用机器学习和图论预测仿生纳米纤维支架在组织再生中的炎症反应 | 结合机器学习和图论分析纳米纤维支架的复杂组织结构，以预测细胞相互作用并优化组织工程流程 | 研究中仅使用了15种纳米纤维支架家族，样本量有限，可能影响模型的泛化能力 | 预测仿生纳米纤维支架的炎症反应，以优化支架设计并促进组织再生 | 纳米纤维支架及其对巨噬细胞炎症反应的影响 | 机器学习 | NA | 机器学习、图论、扫描电子显微镜（SEM） | 随机森林（Random Forest）、卷积神经网络（CNN） | 图像（SEM图像） | 15种纳米纤维支架家族 | NA | NA | NA | NA |
| 17529 | 2025-03-06 |
A Feature Fusion Attention-based Deep Learning Algorithm for Mammographic Architectural Distortion Classification
2025-Mar-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3547263
PMID:40031706
|
研究论文 | 本文提出了一种基于特征融合和注意力机制的深度学习算法，用于乳腺X线摄影中结构扭曲的分类 | 结合了Vision Transformer (ViT)注意力网络和VGG-16，提高了结构扭曲检测的准确性和效率 | 未提及具体局限性 | 提高乳腺X线摄影中结构扭曲检测的准确性和效率 | 乳腺X线摄影中的结构扭曲 | 计算机视觉 | 乳腺癌 | 深度学习 | Vision Transformer (ViT) + VGG-16 | 图像 | PINUM和DDSM数据集 | NA | NA | NA | NA |
| 17530 | 2025-03-06 |
PICASO Set Operator for Computational Nephropathology
2025-Mar-03, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000668
PMID:40029711
|
研究论文 | 本文介绍了一种名为PICASO的新型排列不变集合操作符，用于动态聚合病理学特征，并在两种肾病场景中进行了应用 | PICASO是一种基于Transformer的集合操作符，能够动态聚合实例集合中的特征，显著提升了肾病病理诊断的性能 | 研究仅在两种肾病场景中进行了验证，尚未在其他病理学领域进行广泛测试 | 通过引入PICASO集合操作符，提升肾病病理诊断的准确性和性能 | IgA肾病中的活动性新月体病变检测和肾移植中的抗体介导排斥反应（AMR）分类 | 数字病理学 | 肾病 | 深度学习 | Transformer | 图像 | IgA肾病数据集包含6206个PAS染色的肾小球图像（5792个无活动性新月体，414个有活动性新月体），AMR分类数据集包含1655个PAS染色的肾小球图像（769个AMR，886个非AMR） | NA | NA | NA | NA |
| 17531 | 2025-03-06 |
GNINA 1.3: the next increment in molecular docking with deep learning
2025-Mar-02, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-00973-x
PMID:40025560
|
研究论文 | 本文介绍了开源分子对接软件GNINA的1.3版本，该版本更新了深度学习框架并引入了新的功能 | GNINA 1.3更新了深度学习框架至PyTorch，提高了计算效率，并引入了知识蒸馏的CNN评分函数，支持共价对接 | 未明确提及具体限制 | 提高分子对接的计算效率和准确性，支持共价对接 | 分子对接软件GNINA | 计算机辅助药物设计 | NA | 分子对接，深度学习 | CNN | 分子结构数据 | 使用CrossDocked2020 v1.3数据集进行训练 | NA | NA | NA | NA |
| 17532 | 2025-03-06 |
Establishment of cancer cell radiosensitivity database linked to multi-layer omics data
2025-Mar, Cancer science
IF:4.5Q1
DOI:10.1111/cas.16334
PMID:39668120
|
研究论文 | 本文旨在建立一个与多层组学数据相关联的癌细胞放射敏感性数据库，以探索癌症放射敏感性 | 通过深度学习筛选大量文献，建立了一个包含285个细胞系的放射敏感性数据库，并与多层组学数据相关联 | 数据库的建立依赖于文献数据，可能存在数据质量和一致性的问题 | 探索癌症放射敏感性，并建立一个与多层组学数据相关联的放射敏感性数据库 | 癌细胞系 | 数字病理学 | 癌症 | 深度学习 | NA | 文献数据、组学数据 | 285个细胞系，来自28种癌症类型 | NA | NA | NA | NA |
| 17533 | 2025-03-06 |
Deep learning detected histological differences between invasive and non-invasive areas of early esophageal cancer
2025-Mar, Cancer science
IF:4.5Q1
DOI:10.1111/cas.16426
PMID:39692707
|
研究论文 | 本研究利用深度学习技术探索早期食管癌中浸润区与非浸润区的组织学差异 | 首次使用AI模型（CLAM）分析早期食管癌的浸润区与非浸润区的组织学差异，并发现浸润区血管数量和大小显著增加 | 样本量较小（75例），且仅针对食管鳞状细胞癌（ESCC）进行研究，未涵盖其他类型的食管癌 | 探索早期食管癌中浸润区与非浸润区的形态学差异，以揭示浸润机制 | 75例食管鳞状细胞癌（ESCC）患者的组织样本 | 数字病理学 | 食管癌 | 内镜黏膜下剥离术（ESD） | CLAM（聚类约束注意力多实例学习模型） | 图像 | 75例食管鳞状细胞癌（ESCC）患者的组织样本 | NA | NA | NA | NA |
| 17534 | 2025-03-06 |
Deep denoising approach to improve shear wave phase velocity map reconstruction in ultrasound elastography
2025-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17581
PMID:39714072
|
研究论文 | 本研究开发了一种深度学习方法来去噪超声剪切波弹性成像中的剪切波场，以改进剪切波相速度图像的重建 | 提出了一种基于深度学习的去噪方法，通过将粒子速度数据转换为时频表示，并使用编码器和解码器卷积块的神经网络来提取信号，显著提高了高噪声场景下的信噪比 | 研究主要基于模拟和实验数据，尚未在临床环境中进行大规模验证 | 改进超声剪切波弹性成像中的剪切波相速度图像重建 | 模拟体模和离体山羊肝组织数据 | 医学影像处理 | NA | 深度学习 | 卷积神经网络（CNN） | 超声图像 | 185,570个样本，其中80%用于训练，20%用于验证 | NA | NA | NA | NA |
| 17535 | 2025-03-06 |
Artificial intelligence-based tissue segmentation and cell identification in multiplex-stained histological endometriosis sections
2025-Mar-01, Human reproduction (Oxford, England)
DOI:10.1093/humrep/deae267
PMID:39724530
|
研究论文 | 本文探讨了如何通过人工智能技术对多重染色子宫内膜异位症切片进行组织分割和细胞识别，以理解组织组成 | 结合机器学习组织分析软件和深度学习算法，实现了对子宫内膜异位症切片的自动化组织分割和细胞识别 | 研究样本数量有限，未来需要增加样本量以细化亚型特异性差异，并应包含胶原丰富的无细胞区域的量化 | 实现子宫内膜异位症切片的自动化组织分割和细胞识别，以理解组织组成 | 子宫内膜异位症组织切片 | 数字病理学 | 子宫内膜异位症 | 多重免疫荧光染色 | 机器学习、深度学习 | 图像 | 8名不同亚型患者的子宫内膜异位症组织样本 | NA | NA | NA | NA |
| 17536 | 2025-03-06 |
Natural language processing of electronic health records for early detection of cognitive decline: a systematic review
2025-Mar-01, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-025-01527-z
PMID:40025194
|
系统综述 | 本文系统评估了自然语言处理（NLP）方法在电子健康记录临床笔记中检测认知障碍的应用 | 本文首次系统性地评估了NLP在电子健康记录中检测认知障碍的性能，并比较了不同算法（规则基础、传统机器学习和深度学习）的效果 | 主要挑战包括电子健康记录数据捕获不完整、临床文档实践不一致以及外部验证有限 | 评估NLP在电子健康记录中检测认知障碍的有效性 | 电子健康记录中的临床笔记 | 自然语言处理 | 认知障碍 | 自然语言处理（NLP） | 规则基础算法、传统机器学习、深度学习 | 文本 | 1,064,530份临床笔记 | NA | NA | NA | NA |
| 17537 | 2025-10-07 |
Automatic Calculation of Cervical Spine Parameters Using Deep Learning: Development and Validation on an External Dataset
2025-Mar, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682231205352
PMID:37811580
|
研究论文 | 开发并验证用于自动计算颈椎X光片参数的深度学习模型 | 首次使用深度学习模型在外部数据集上自动计算多个重要颈椎参数，并验证其泛化能力 | 训练数据集相对较小（1498张图像），外部验证集规模有限（79张图像） | 开发自动计算颈椎参数的深度学习模型 | 颈椎侧位X光片 | 计算机视觉 | 颈椎疾病 | X射线成像 | 深度学习 | 医学影像 | 训练集1498张图像，外部验证集79张图像 | NA | NA | 中位绝对误差, 标准差 | NA |
| 17538 | 2025-03-06 |
Urban fabric decoded: High-precision building material identification via deep learning and remote sensing
2025-Mar, Environmental science and ecotechnology
IF:14.0Q1
DOI:10.1016/j.ese.2025.100538
PMID:40034611
|
研究论文 | 本文介绍了一种利用深度学习和遥感技术进行高精度建筑材料识别的新框架 | 该框架结合了最新的传感技术和深度学习，能够利用遥感数据和Google街景图像识别屋顶和外墙材料，展示了模型在不同地理环境和建筑风格中的可扩展性和适应性 | 模型的训练和验证主要基于丹麦城市的数据，可能在其他地区的适用性需要进一步验证 | 旨在通过高精度建筑材料识别为城市环境中的碳减排、建筑改造和循环经济策略提供信息 | 丹麦城市（如欧登塞、哥本哈根、奥胡斯和奥尔堡）的建筑材料 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 遥感数据和Google街景图像 | 丹麦多个城市的建筑数据集 | NA | NA | NA | NA |
| 17539 | 2025-03-06 |
PointWavelet: Learning in Spectral Domain for 3-D Point Cloud Analysis
2025-Mar, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3363244
PMID:38393837
|
研究论文 | 本文提出了一种名为PointWavelet的新方法，通过在谱域中探索局部图来改进3D点云分析 | 引入可学习的图小波变换，避免耗时的谱分解，显著加速训练过程 | NA | 改进3D点云分类和分割的深度学习方法 | 3D点云数据 | 计算机视觉 | NA | 图小波变换 | CNN | 3D点云 | 四个流行的点云数据集：ModelNet40、ScanObjectNN、ShapeNet-Part和S3DIS | NA | NA | NA | NA |
| 17540 | 2025-03-06 |
Scalable Moment Propagation and Analysis of Variational Distributions for Practical Bayesian Deep Learning
2025-Mar, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3367363
PMID:38412086
|
研究论文 | 本文提出了一种基于矩传播（MP）的快速可靠的贝叶斯深度学习方法，通过引入扩展的批量归一化层来训练深度学习模型，并探讨了不同变分分布的处理方法 | 提出了一种基于矩传播的贝叶斯深度学习方法，通过扩展的批量归一化层来训练深度学习模型，并研究了不同变分分布的处理方法 | MP方法在深度模型中的适用性尚未充分探索，且设计良好校准的MP模型仍然具有挑战性 | 实现快速且可靠的贝叶斯深度学习方法，以处理预测不确定性 | 深度学习模型及其预测不确定性 | 机器学习 | NA | 矩传播（MP），变分推断（VI），蒙特卡罗采样（MC） | 贝叶斯深度学习模型 | NA | NA | NA | NA | NA | NA |