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 19254 篇文献，本页显示第 18741 - 18760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18741 | 2025-10-07 |
Evolutionary patterns and research frontiers of artificial intelligence in age-related macular degeneration: a bibliometric analysis
2025-Jan-02, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1406
PMID:39839014
|
文献计量分析 | 通过文献计量学方法系统分析人工智能在年龄相关性黄斑变性研究领域的演进模式和前沿方向 | 首次对AMD领域AI研究进行系统性文献计量分析，识别出三个明显的研究阶段和新兴研究方向 | 仅基于Web of Science数据库，可能遗漏其他来源的相关文献 | 评估AMD领域人工智能研究的整体格局和发展趋势 | 1992-2023年间发表的1,721篇相关科学文献 | 文献计量学 | 年龄相关性黄斑变性 | 文献计量分析 | 深度学习模型, 大语言模型, 视觉语言模型 | 文献元数据 | 1,721篇出版物 | Bibliometrix, CiteSpace, VOSviewer | NA | NA | NA |
| 18742 | 2025-10-07 |
Bibliometric analysis of research on the application of deep learning to ophthalmology
2025-Jan-02, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1340
PMID:39839016
|
文献计量分析 | 对2015-2024年间深度学习在眼科领域应用的研究进行文献计量分析 | 首次对深度学习在眼科领域的应用进行系统的文献计量分析，识别出四个主要研究集群 | 仅基于Web of Science数据库，数据截止到2024年9月11日 | 分析深度学习在眼科领域的研究趋势和现状 | 3055篇相关学术论文 | 医学信息学 | 眼科疾病 | 文献计量分析，VOS-viewer可视化分析 | NA | 文献数据 | 3055篇文章 | NA | NA | NA | NA |
| 18743 | 2025-10-07 |
MacNet: a mobile attention classification network combining convolutional neural network and transformer for the differentiation of cervical cancer
2025-Jan-02, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-810
PMID:39839018
|
研究论文 | 提出一种结合CNN和Transformer的移动注意力分类网络MacNet，用于宫颈癌细胞分化阶段的分类 | 创新性地将注意力机制与卷积神经网络结合，利用移动卷积块和移动注意力块实现多尺度特征提取 | NA | 提高宫颈癌细胞分化分类的准确性并实现定量分析 | 宫颈癌病理图像 | 计算机视觉 | 宫颈癌 | 病理成像 | CNN, Transformer | 图像 | NA | NA | MacNet, MCMA模块, Inception Version 3, vision transformer, 视觉几何组网络, 密集连接卷积网络, Swin transformer, Cross Stage Partial DarkNet, 残差神经网络 | 准确率, 召回率, 精确率, F1分数 | NA |
| 18744 | 2025-10-07 |
Metastasis lesion segmentation from bone scintigrams using encoder-decoder architecture model with multi-attention and multi-scale learning
2025-Jan-02, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1246
PMID:39839026
|
研究论文 | 开发基于编码器-解码器架构的深度学习模型，用于从骨扫描图像中自动分割转移病灶 | 提出结合多注意力学习和多尺度学习的编码器-解码器架构，采用非局部注意力和视觉变换器增强骨架轮廓对比度，通过多尺度特征学习和多池化学习策略突出骨骼区域热点 | NA | 提高骨转移病灶分割的准确性，改善诊断效果 | 单光子发射计算机断层扫描(SPECT)骨扫描图像中的骨转移病灶 | 计算机视觉 | 骨转移癌 | 单光子发射计算机断层扫描(SPECT) | 编码器-解码器架构 | 医学图像 | NA | NA | 编码器-解码器,非局部注意力,视觉变换器(ViT) | Dice相似系数,精确率,召回率 | NA |
| 18745 | 2025-10-07 |
Reproducibility of automatic adipose tissue segmentation using proton density fat fraction images between 1.5 and 3.0 T magnetic resonance
2025-Jan-02, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1306
PMID:39839031
|
研究论文 | 本研究评估了基于深度学习的脂肪组织自动分割方法在1.5T和3.0T磁共振质子密度脂肪分数图像中的可重复性 | 首次系统评估深度学习脂肪组织分割在不同场强磁共振（1.5T与3.0T）之间的可重复性 | 胸部区域的IAT体积、TAT/WH比和SAT/TAT比指标因不同场强的磁敏感效应差异而重现性较差，样本量较小（24名志愿者） | 评估基于质子密度脂肪分数图像的全身脂肪组织分布分析在不同MR场强间的可重复性 | 24名志愿者的全身磁共振图像，涵盖颈部至膝部区域 | 医学影像分析 | 代谢性疾病 | 磁共振成像，质子密度脂肪分数成像 | 深度学习 | 医学影像 | 24名志愿者，在两个站点分别使用1.5T和3.0T MR扫描仪成像 | NA | U-Net | 组内相关系数，Pearson相关系数，配对t检验，Bland-Altman图 | NA |
| 18746 | 2025-10-07 |
Development and validation of a multi-parametric MRI deep-learning model for preoperative lymphovascular invasion evaluation in rectal cancer
2025-Jan-02, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-789
PMID:39839029
|
研究论文 | 开发并验证基于多参数MRI的深度学习模型用于直肠癌术前淋巴血管侵犯评估 | 首次构建结合T2WI、DWI和临床因素的深度学习模型用于直肠癌LVI评估，并在外部中心验证其性能 | 回顾性研究设计，样本量相对有限（489例患者） | 开发术前非侵入性评估直肠癌淋巴血管侵犯状态的深度学习模型 | 经手术确诊的直肠癌患者 | 数字病理 | 直肠癌 | 磁共振成像 | 深度学习 | 医学影像 | 489例患者（320例训练集，80例内部验证集，89例外部测试集） | NA | 3D ResNet-18 | AUC, DeLong检验, 校准曲线分析, 决策曲线分析 | NA |
| 18747 | 2025-10-07 |
Brain tumor enhancement prediction from pre-contrast conventional weighted images using synthetic multiparametric mapping and generative artificial intelligence
2025-Jan-02, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-721
PMID:39839033
|
研究论文 | 本研究利用生成式人工智能从常规加权图像合成多参数图谱，无需钆对比剂即可预测脑肿瘤增强区域 | 首次提出通过深度学习合成多参数图谱来预测T1加权增强，避免了钆对比剂的使用 | 样本量相对有限，仅包含15名胶质瘤患者的专有数据集 | 开发无需钆对比剂的脑肿瘤增强预测方法 | 胶质瘤患者、健康志愿者和胶质母细胞瘤患者 | 医学影像分析 | 脑肿瘤 | 磁共振成像，参数图谱合成 | 深度学习 | 磁共振图像 | 15名胶质瘤患者（专有数据集）+ 5名健康志愿者 + 493名胶质母细胞瘤患者（公共数据集） | NA | NA | 灵敏度 | NA |
| 18748 | 2025-10-07 |
Chemical shift encoding based double bonds quantification in triglycerides using deep image prior
2025-Jan-02, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1507
PMID:39839039
|
研究论文 | 本研究利用深度图像先验方法从化学位移编码多回波MRI数据中量化甘油三酯中的双键和亚甲基间隔双键 | 首次将深度图像先验应用于双键量化任务，无需网络训练即可实现准确量化 | 仅在体模和有限人体样本中验证，尚未进行大规模临床验证 | 开发无需训练的深度学习方法来量化甘油三酯中的双键信息 | 甘油三酯中的双键和亚甲基间隔双键 | 医学影像分析 | 代谢性疾病 | 化学位移编码多回波梯度回波MRI | 深度图像先验 | MRI图像 | 体模实验和人体扫描数据 | NA | 深度图像先验 | Pearson相关系数 | NA |
| 18749 | 2025-10-07 |
Using resting-state functional magnetic resonance imaging and contrastive learning to explore changes in the Parkinson's disease brain network and correlations with gait impairment
2025-Jan-02, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1227
PMID:39839056
|
研究论文 | 本研究利用静息态功能磁共振成像和对比学习方法探索帕金森病患者脑网络变化及其与步态障碍的相关性 | 首次将深度学习模型应用于rs-fMRI数据区分帕金森病患者与健康对照，并首次将客观步态参数与脑网络改变相关联 | 样本量较小（29名PD患者和38名HCs），需要更大样本验证 | 探索帕金森病患者脑网络异常连接区域及其与步态参数的相关性 | 帕金森病患者和健康对照者 | 医学影像分析 | 帕金森病 | 静息态功能磁共振成像，三维结构T1加权成像 | CNN, 对比学习 | 医学影像数据 | 29名帕金森病患者和38名健康对照者 | NA | BrainNetCNN | 相关性分析（P值，r值） | NA |
| 18750 | 2025-10-07 |
An automatic and real-time echocardiography quality scoring system based on deep learning to improve reproducible assessment of left ventricular ejection fraction
2025-Jan-02, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-512
PMID:39839058
|
研究论文 | 开发基于深度学习的实时超声心动图质量评分系统，用于提高左心室射血分数评估的可重复性 | 创新性地开发了能够实时检测心脏解剖结构并自动提供质量评分和LVEF评估的深度学习模型 | 研究样本主要来自中国10个医疗中心，可能需要更多样化的外部验证 | 开发自动化实时质量评估系统，减少左心室射血分数测量误差 | 超声心动图数据集和参与者 | 计算机视觉 | 心血管疾病 | 超声心动图 | 深度学习 | 超声心动图图像 | 来自2,461名参与者的5,000多个超声心动图数据集，外部验证包含175名参与者 | NA | NA | IoU, mAP50, 准确率, 精确率, 召回率, ICC, 相关系数 | NA |
| 18751 | 2025-10-07 |
Bayesian-optimized deep learning for identifying essential genes of mitophagy and fostering therapies to combat drug resistance in human cancers
2025-Jan, Journal of cellular and molecular medicine
IF:4.3Q2
DOI:10.1111/jcmm.18254
PMID:39834330
|
研究论文 | 提出贝叶斯优化深度学习模型BayeDEM用于识别线粒体自噬关键基因并开发克服癌症耐药性的治疗方法 | 开发首个贝叶斯优化深度学习框架BayeDEM用于精准识别线粒体自噬关键基因，并发现CERS1基因在调控线粒体自噬中的核心作用 | 研究主要聚焦于骨肉瘤，在其他癌症类型中的普适性需要进一步验证 | 识别调控线粒体自噬的关键枢纽基因并开发基于线粒体自噬的治疗策略以克服癌症耐药性 | 骨肉瘤细胞、线粒体自噬相关基因、免疫微环境 | 机器学习 | 骨肉瘤 | 深度学习、贝叶斯优化、基因功能分析 | 深度学习 | 基因表达数据、功能实验数据 | NA | NA | BayeDEM | AUC of ROC, AUC of PR curve, SHAP value | NA |
| 18752 | 2025-01-24 |
A multi-patch-based deep learning model with VGG19 for breast cancer classifications in the pathology images
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241313161
PMID:39839961
|
研究论文 | 本文提出了一种基于多片段的深度学习模型MPa-DCAE，结合VGG19用于病理图像中的乳腺癌检测和分类 | MPa-DCAE模型结合了VGG19的层次特征提取能力和深度卷积自编码器（DCAE）框架，通过多片段方法提取病理图像中的感兴趣区域，增强了模型的判别能力 | NA | 开发一种自动化的乳腺癌诊断方法，以提高病理图像中乳腺癌检测和分类的准确性 | 乳腺癌病理图像 | 计算机视觉 | 乳腺癌 | 深度学习 | VGG19, DCAE | 图像 | CBIS-DDSM和MIAS数据集 | NA | NA | NA | NA |
| 18753 | 2025-01-23 |
HybNet: A hybrid deep models for medicinal plant species identification
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.103126
PMID:39830878
|
研究论文 | 本文介绍了三种创新的混合模型，用于在非约束环境下实时识别药用植物物种，通过结合卷积神经网络的优势来提高识别准确率 | 本文的创新点在于提出了三种混合模型，结合了VGG16、MobileNet、ResNet50和Squeeze and Excitation (SE)层的优势，显著提高了药用植物物种识别的准确率，特别是在特征增强和特征缩放方面 | 深度学习模型在小型数据集上训练和测试，尽管取得了较高的准确率，但数据集的规模可能限制了模型的泛化能力 | 研究目的是通过混合深度学习模型提高药用植物物种识别的准确率，特别是在复杂环境下的实时识别 | 研究对象为药用植物物种的图像数据 | 计算机视觉 | NA | 深度学习 | CNN (VGG16, MobileNet, ResNet50), KNN, Squeeze and Excitation (SE)层 | 图像 | 自建的药用植物数据集，具体样本数量未提及 | NA | NA | NA | NA |
| 18754 | 2025-10-07 |
A novel particle size distribution correction method based on image processing and deep learning for coal quality analysis using NIRS-XRF
2025-Apr-01, Talanta
IF:5.6Q1
DOI:10.1016/j.talanta.2024.127427
PMID:39709828
|
研究论文 | 提出一种结合图像处理和深度学习的颗粒尺寸分布校正方法，用于改善NIRS-XRF煤质分析中的预测精度 | 首次将Segment Anything Model和Spatial Transformer Network应用于煤样颗粒尺寸分布的校正，建立了颗粒尺寸分布与灰分测量误差的关联模型 | 仅使用56个煤样本进行验证，样本规模相对较小；校正范围限定在0∼1mm颗粒尺寸 | 解决颗粒尺寸分布变化对NIRS-XRF煤质分析精度的影响 | 煤炭样本 | 计算机视觉, 机器学习 | NA | 近红外光谱, X射线荧光光谱, 图像处理 | CNN, STN, SAM | 图像, 光谱数据 | 56个煤样本（48个0.2mm标准样本，8个0∼1mm校正样本） | NA | Segment Anything Model, Spatial Transformer Network, Convolutional Neural Network | 标准偏差, 平均绝对误差, 均方根预测误差 | NA |
| 18755 | 2025-10-07 |
A hybrid deep learning model based on signal decomposition and dynamic feature selection for forecasting the influent parameters of wastewater treatment plants
2025-Feb-01, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2024.120615
PMID:39674247
|
研究论文 | 提出一种结合信号分解和动态特征选择的混合深度学习模型，用于预测污水处理厂的进水参数 | 引入动态特征选择机制实时优化特征选择，结合信号分解技术提高预测精度 | NA | 提高污水处理厂进水参数（COD和BOD）的预测精度 | 污水处理厂的进水参数（化学需氧量和五日生化需氧量） | 机器学习 | NA | 信号分解，动态特征选择 | 深度学习 | 时间序列数据 | 两个污水处理厂的数据 | NA | 混合模型 | R值，RMSE，MAE | NA |
| 18756 | 2025-01-23 |
Mfgnn: Multi-Scale Feature-Attentive Graph Neural Networks for Molecular Property Prediction
2025-Jan-30, Journal of computational chemistry
IF:3.4Q2
DOI:10.1002/jcc.70011
PMID:39840745
|
研究论文 | 本文提出了一种多尺度特征注意力图神经网络（MfGNN），用于分子属性预测，通过结合片段级表示来增强传统的基于原子的分子图表示 | MfGNN不仅有效捕捉分子结构和功能基团特征，还特别关注片段之间的潜在关系，探索它们如何共同影响分子属性 | NA | 提高分子属性预测的准确性，特别是在药物发现领域 | 分子结构和功能基团 | 机器学习 | NA | 图神经网络（GNN） | MfGNN | 分子图数据 | NA | NA | NA | NA | NA |
| 18757 | 2025-10-07 |
Two-Dimensional Transition Metal Dichalcogenides: A Theory and Simulation Perspective
2025-Jan-22, Chemical reviews
IF:51.4Q1
DOI:10.1021/acs.chemrev.4c00628
PMID:39746214
|
综述 | 本文从理论和模拟的角度综述了二维过渡金属二硫化物（2D TMDs）的研究进展 | 系统总结了理论和模拟在理解扭曲莫尔TMDs特性、预测量子相、阐明合成过程及设计新型器件方面的关键贡献 | 未涉及实验验证的具体细节，主要聚焦理论方法的局限性和未来挑战 | 探讨理论和模拟方法在推动2D TMDs基础研究和应用开发中的作用 | 二维过渡金属二硫化物材料 | 材料科学 | NA | 深度学习, 分子动力学, 高通量计算, 多尺度方法 | NA | 模拟数据 | NA | NA | NA | NA | NA |
| 18758 | 2025-10-07 |
A fusion model of manually extracted visual features and deep learning features for rebleeding risk stratification in peptic ulcers
2025-Jan-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|
研究论文 | 提出融合手动提取特征和深度学习特征的多特征融合模型，用于消化性溃疡再出血风险分层 | 首次将手动提取的视觉特征（颜色、边缘、纹理）与CNN深度特征融合用于消化性溃疡再出血风险分级 | NA | 提高消化性溃疡再出血风险分级的准确性 | 消化性溃疡患者的内镜图像 | 计算机视觉 | 消化性溃疡 | 内镜成像 | CNN | 图像 | 708名患者的3573张图像 | NA | CNN | 准确率,F1分数 | NA |
| 18759 | 2025-10-07 |
Comparison of 1D and 3D volume measurement techniques in NF2-associated vestibular schwannoma monitoring
2025-Jan-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85386-4
PMID:39824854
|
研究论文 | 比较1D线性测量和3D分割体积分析在NF2相关前庭神经鞘瘤监测中的效果 | 首次系统比较多种1D测量方法与3D分割体积分析在NF2相关前庭神经鞘瘤监测中的相关性及适用性 | 小肿瘤和术后肿瘤的测量结果存在较大离散范围，不适用于需要精确肿瘤体积评估的治疗决策 | 评估不同肿瘤体积测量方法在NF2相关前庭神经鞘瘤监测中的有效性和适用性 | NF2患者的前庭神经鞘瘤 | 医学影像分析 | 神经纤维瘤病2型相关前庭神经鞘瘤 | MRI成像，3D分割体积分析，线性测量 | 线性回归模型 | MRI图像 | 149名NF2患者，292个相关前庭神经鞘瘤，2586次SVA测量，10344次线性测量 | NA | NA | 相关系数r，p值，百分比偏差分析 | NA |
| 18760 | 2025-10-07 |
Exploring the anticancer activities of Sulfur and magnesium oxide through integration of deep learning and fuzzy rough set analyses based on the features of Vidarabine alkaloid
2025-Jan-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82483-8
PMID:39824867
|
研究论文 | 结合深度学习和模糊粗糙集分析，基于Vidarabine生物碱特征探索硫和氧化镁的抗癌活性 | 首次将深度学习、模糊粗糙集理论和可解释人工智能相结合，用于从天然产物中重新发现抗癌药物 | 仅针对三种癌细胞系进行验证，需要进一步的临床前研究 | 发现基于天然产物Vidarabine的新型抗癌候选药物 | 硫和氧化镁作为潜在抗癌剂 | 机器学习 | 肺癌 | 深度学习，模糊粗糙集分析，可解释人工智能 | 深度学习模型 | 化学化合物特征数据 | 三种癌细胞系（A-549非小细胞肺癌，A-375人黑色素瘤，A-431人表皮皮肤癌） | NA | NA | IC50值（半抑制浓度） | NA |