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 19351 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 |
EquiRank: Improved protein-protein interface quality estimation using protein language-model-informed equivariant graph neural networks
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.12.015
PMID:39850657
|
研究论文 | 提出一种结合蛋白质语言模型和等变图神经网络的蛋白质-蛋白质界面质量估计方法 | 首次将E(3)等变图神经网络与预训练蛋白质语言模型ESM-2嵌入相结合，用于蛋白质-蛋白质界面质量估计 | NA | 提高蛋白质复合物结构模型中预测相互作用界面质量估计的准确性 | 蛋白质-蛋白质相互作用界面 | 生物信息学 | NA | 蛋白质语言模型，图神经网络 | EGNN | 蛋白质结构数据，序列嵌入 | NA | PyTorch | 等变图神经网络(EGNN) | 排名性能，多种评估指标 | NA |
| 18742 | 2025-10-07 |
Artificial Intelligence in Diagnosis and Management of Nail Disorders: A Narrative Review
2025 Jan-Feb, Indian dermatology online journal
IF:1.9Q3
DOI:10.4103/idoj.idoj_460_24
PMID:39850679
|
综述 | 本文综述了人工智能在甲病诊断与管理中的当前应用与发展前景 | 首次系统总结AI在甲病学领域的多病种应用，涵盖诊断、严重度评估和疾病管理全流程 | 面临数据稀缺、图像异质性、可解释性不足、监管合规和工作流整合等挑战 | 探讨人工智能在甲病诊断与管理中的应用价值与发展方向 | 甲真菌病、甲下黑色素瘤、甲银屑病、甲褶毛细血管镜及系统性疾病的甲部表现 | 数字病理 | 皮肤科疾病 | 深度学习 | CNN | 图像 | NA | NA | 深度卷积神经网络 | 灵敏度, 特异度, 准确度 | NA |
| 18743 | 2025-10-07 |
Optimizing predictions of environmental variables and species distributions on tidal flats by combining Sentinel-2 images and their deep-learning features with OBIA
2025, International journal of remote sensing
IF:3.0Q2
DOI:10.1080/01431161.2024.2423909
PMID:39850715
|
研究论文 | 本研究结合Sentinel-2卫星影像的深度学习特征与面向对象图像分析（OBIA）方法，优化潮滩环境变量和底栖物种分布的预测 | 首次将卷积自编码器提取的深度学习特征与OBIA空间分析相结合，显式纳入空间维度信息来预测潮滩环境参数 | 光谱对比度有限，预测精度仍有提升空间（环境变量预测得分0.31-0.54） | 开发潮滩生态系统监测方法，准确预测沉积物特性和底栖生物分布 | 荷兰瓦登海Pinkegat和Zoutkamperlaag潮盆（2018-2020年） | 计算机视觉 | NA | 遥感技术，深度学习特征提取，面向对象图像分析 | 卷积自编码器，随机森林 | 卫星影像，现场采集点数据 | 两个潮盆三年观测数据 | NA | 卷积自编码器 | 预测得分，准确率 | NA |
| 18744 | 2025-01-25 |
Enhancing semantic segmentation for autonomous vehicle scene understanding in indian context using modified CANet model
2025-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.103131
PMID:39846010
|
研究论文 | 本文提出了一种改进的CANet模型，用于增强自动驾驶车辆在印度复杂交通环境中的语义分割能力 | 提出了一种结合U-Net和LinkNet元素的改进CANet模型，引入了多尺度上下文模块（MCM）以捕捉多尺度的上下文信息 | NA | 提高自动驾驶车辆在复杂交通环境中的语义分割准确性 | 印度驾驶数据集（IDD）中的道路场景 | 计算机视觉 | NA | 深度学习 | 改进的CANet（结合U-Net和LinkNet元素） | 图像 | 印度驾驶数据集（IDD） | NA | NA | NA | NA |
| 18745 | 2025-10-07 |
Intraoperative Real-Time IDH Diagnosis for Glioma Based on Automatic Analysis of Contrast-Enhanced Ultrasound Video
2025-Mar, Ultrasound in medicine & biology
|
研究论文 | 提出基于术中超声造影视频自动分析的实时IDH诊断方法ATAN | 首次实现基于术中超声造影视频的实时IDH诊断，无需肿瘤样本，通过自动选择关键区域和迁移学习解决小样本问题 | 样本量相对较小（主要队列仅60例患者） | 开发术中实时诊断胶质瘤IDH状态的方法 | 胶质瘤患者 | 医学影像分析 | 胶质瘤 | 超声造影(CEUS) | 深度学习网络 | 视频 | 主要队列60例胶质瘤患者，预训练使用258例患者数据 | NA | ATAN(Automatic TIC Analysis Network) | 准确率,AUC | NA |
| 18746 | 2025-10-07 |
Automatic Segmentation of Sylvian Fissure in Brain Ultrasound Images of Pre-Term Infants Using Deep Learning Models
2025-Mar, Ultrasound in medicine & biology
|
研究论文 | 本研究开发了基于深度学习模型自动分割早产儿脑部超声图像中侧裂沟的方法 | 首个使用超声图像自动分割早产儿脑沟的研究，并比较了U-Net和ResU-Net在不同设备图像上的表现 | 模型在不同厂商设备图像上的性能表现存在差异，图像相似度影响分割效果 | 开发自动分割早产儿脑部侧裂沟的深度学习模型 | 早产儿的脑部超声图像 | 医学图像分析 | 新生儿脑发育 | 颅脑超声成像 | U-Net, ResU-Net | 图像 | NA | NA | U-Net, ResU-Net | Dice系数, 敏感度 | NA |
| 18747 | 2025-10-07 |
Attention-based Fusion Network for Breast Cancer Segmentation and Classification Using Multi-modal Ultrasound Images
2025-Mar, Ultrasound in medicine & biology
|
研究论文 | 提出一种基于注意力融合网络的深度学习模型，用于多模态超声图像的乳腺癌分割和分类 | 提出多模态融合U-Net（MMF-U-Net），通过融合块整合B模式和SE模式超声图像信息 | NA | 实现乳腺癌病灶的自动分割和良恶性分类 | 乳腺超声图像中的病灶区域 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN, U-Net | 多模态超声图像（B模式和SE模式） | NA | NA | MMF-U-Net, U-Net | Dice系数, IoU, 精确率, 召回率, 准确率 | NA |
| 18748 | 2025-10-07 |
Interactively Fusing Global and Local Features for Benign and Malignant Classification of Breast Ultrasound Images
2025-Mar, Ultrasound in medicine & biology
|
研究论文 | 提出一种融合CNN和Transformer的深度学习网络CTMF-Net，用于乳腺超声图像的良恶性分类 | 设计多阶段特征交互模块，实现CNN局部特征与Transformer全局特征的交互融合 | NA | 开发高精度的乳腺超声图像自动分类方法 | 乳腺超声图像中的良性和恶性肿瘤 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN, Transformer | 图像 | 三个公共乳腺超声数据集（SYSU、UDIAT和BUSI） | NA | VGG, ViT, CTMF-Net | 准确率, AUC | NA |
| 18749 | 2025-10-07 |
Tibiofemoral cartilage strain and recovery following a 3-mile run measured using deep learning segmentation of bone and cartilage
2025-Mar, Osteoarthritis and cartilage open
DOI:10.1016/j.ocarto.2024.100556
PMID:39802079
|
研究论文 | 本研究使用深度学习分割技术测量3英里跑步后胫股软骨的应变及次日恢复情况 | 开发了基于深度学习的自动化软骨和骨骼分割模型，首次量化了跑步后软骨即时变形和恢复过程 | 样本量较小（仅8名无症状男性参与者），缺乏女性参与者和有症状人群数据 | 测量跑步引起的胫股软骨变形及其恢复过程 | 无症状男性参与者的胫骨和股骨软骨 | 医学影像分析 | 骨科疾病 | 双回波稳态磁共振成像 | 深度学习分割模型 | MRI图像 | 8名无症状男性参与者 | NA | NA | 重复性误差（0.03mm或约1%软骨厚度） | NA |
| 18750 | 2025-01-25 |
Machine learning applications in placenta accreta spectrum disorders
2025-Mar, European journal of obstetrics & gynecology and reproductive biology: X
DOI:10.1016/j.eurox.2024.100362
PMID:39845985
|
综述 | 本文综述了机器学习和放射组学在胎盘植入谱系障碍（PAS）诊断和预测中的新兴应用 | 强调了利用MRI和超声等医学成像技术进行PAS有效分类和风险分层的ML算法和放射组学技术的最新进展，以及深度学习方法如nnU-Net和DenseNet-PAS在诊断中的优越性能 | 需要标准化方法以确保特征提取和模型性能的一致性，未来研究应关注更大数据集和生物标志物的验证 | 探讨机器学习和放射组学在PAS诊断和预测中的应用，以改善患者预后 | 胎盘植入谱系障碍（PAS） | 机器学习 | 产科疾病 | MRI, 超声 | nnU-Net, DenseNet-PAS | 医学影像 | NA | NA | NA | NA | NA |
| 18751 | 2025-10-07 |
Hallux valgus and pes planus: Correlation analysis using deep learning-assisted radiographic angle measurements
2025-Feb, Foot and ankle surgery : official journal of the European Society of Foot and Ankle Surgeons
IF:1.9Q2
DOI:10.1016/j.fas.2024.09.003
PMID:39327104
|
研究论文 | 本研究使用深度学习模型测量足部X光片角度参数，分析拇外翻与扁平足之间的相关性 | 首次采用深度学习辅助的放射学角度测量方法来量化分析拇外翻与扁平足的相关性 | 样本量有限（212只脚），仅包含深度学习模型可检测的X光片 | 确定拇外翻与扁平足之间的相关性 | 足部X光片 | 计算机视觉 | 足部畸形 | X光成像 | 深度学习模型 | X光图像 | 212只脚 | NA | NA | 相关性分析 | NA |
| 18752 | 2025-10-07 |
A personalized periodontitis risk based on nonimage electronic dental records by machine learning
2025-Feb, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.105469
PMID:39571782
|
研究论文 | 本研究开发了一种基于非图像电子牙科记录的机器学习模型，用于预测牙周病风险 | 首次利用非图像电子牙科记录开发个性化牙周病风险预测模型，能够在诊断前3年进行有效预测 | 模型在验证集中对对照组的特异性较低（54%），需要改进内部和外部验证，电子牙科记录文档质量需要提升 | 开发基于机器学习的牙周病风险预测模型 | 美国牙科患者 | 机器学习 | 牙周病 | 电子牙科记录分析 | 随机森林, 深度学习 | 结构化电子医疗记录 | 43,331名参与者 | NA | 随机森林 | 准确率, 敏感度, 特异性, AUROC | NA |
| 18753 | 2025-10-07 |
MRI-based deep learning and radiomics for predicting the efficacy of PD-1 inhibitor combined with induction chemotherapy in advanced nasopharyngeal carcinoma: A prospective cohort study
2025-Feb, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2024.102245
PMID:39662448
|
研究论文 | 本研究基于MRI开发深度学习与影像组学模型，用于预测PD-1抑制剂联合GP诱导化疗在晚期鼻咽癌中的疗效 | 首次结合影像组学特征和深度学习特征构建预测模型，采用随机森林算法筛选关键特征 | 样本量相对有限（99例患者），需要更大规模研究验证 | 建立预测PD-1抑制剂联合GP诱导化疗疗效的模型 | 晚期鼻咽癌患者 | 数字病理 | 鼻咽癌 | MRI扫描 | 深度学习, 随机森林 | 医学影像 | 99例晚期鼻咽癌患者，按7:3比例分为训练集和测试集 | NA | ResNet101 | AUC, 准确率, 阴性预测值 | NA |
| 18754 | 2025-10-07 |
ConvXGB: A novel deep learning model to predict recurrence risk of early-stage cervical cancer following surgery using multiparametric MRI images
2025-Feb, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2025.102281
PMID:39799749
|
研究论文 | 开发并验证了一种名为ConvXGB的新型深度学习模型，用于利用多参数MRI图像预测早期宫颈癌术后复发风险 | 首次将卷积神经网络与极端梯度提升算法结合，构建端到端的深度学习模型预测宫颈癌复发风险 | 研究样本来自三个机构共406例患者，样本量相对有限 | 开发预测宫颈癌术后复发风险的深度学习模型 | 早期宫颈癌患者 | 计算机视觉 | 宫颈癌 | 多参数MRI成像 | CNN, XGBoost | 医学影像 | 406例宫颈癌患者 | NA | ConvXGB（CNN与XGBoost结合架构） | AUC, 区分度, 校准度, 临床效用 | NA |
| 18755 | 2025-01-25 |
LipBengal: Pioneering Bengali lip-reading dataset for pronunciation mapping through lip gestures
2025-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111254
PMID:39845145
|
研究论文 | 本文介绍了一个名为LipBengal的开创性孟加拉语唇读数据集，旨在通过唇部动作进行发音映射 | 填补了孟加拉语唇读研究领域的空白，提供了首个专门针对孟加拉语的唇读数据集，包含150名说话者的视觉数据，涵盖54个类别，包括孟加拉语音素、字母和符号 | 数据采集环境多样且不受控制，可能影响模型的泛化能力 | 推动孟加拉语唇读和视觉语音识别研究，促进未来应用和技术进步 | 孟加拉语音素、字母和符号的唇部动作 | 自然语言处理 | NA | 深度学习 | NA | 视频 | 150名说话者，涵盖54个类别 | NA | NA | NA | NA |
| 18756 | 2024-12-19 |
Correction to "Rapid Identification of Drug Mechanisms with Deep Learning-Based Multichannel Surface-Enhanced Raman Spectroscopy"
2025-Jan-24, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c03526
PMID:39693047
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18757 | 2025-10-07 |
Deep learning for the classification of atrial fibrillation using wavelet transform-based visual images
2025-Jan-21, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02872-5
PMID:39838437
|
研究论文 | 本研究开发了一种基于莫尔斯连续小波变换和深度学习的心房颤动分类方法 | 使用莫尔斯连续小波变换将ECG信号转换为图像，并基于此开发深度学习分类器 | 未明确说明具体的数据集细节和模型泛化能力验证 | 通过深度学习技术对心房颤动进行自动分类诊断 | 心电图信号和心房颤动患者 | 计算机视觉 | 心血管疾病 | 莫尔斯连续小波变换 | 深度学习 | 图像 | NA | NA | NA | 准确率, F1分数, AUC ROC | NA |
| 18758 | 2025-10-07 |
A systematic review of progress test as longitudinal assessment in Saudi Arabia
2025-Jan-21, BMC medical education
IF:2.7Q1
DOI:10.1186/s12909-025-06671-4
PMID:39838466
|
系统综述 | 本文系统综述了沙特阿拉伯本科医学教育中进展测试作为纵向评估方法的实践情况 | 首次系统评估进展测试在沙特阿拉伯本科医学教育中的应用效果和特点 | 仅针对沙特阿拉伯特定背景，结果可能不具普遍适用性 | 探索本科医学教育中纵向评估实践，特别关注进展测试的效用 | 沙特阿拉伯本科医学教育中的进展测试研究 | 医学教育 | NA | 系统综述方法 | NA | 文献数据 | NA | NA | NA | NA | NA |
| 18759 | 2025-10-07 |
Deep learning-based anterior segment identification and parameter assessment of primary angle closure disease in ultrasound biomicroscopy images
2025-Jan-20, BMJ open ophthalmology
IF:2.0Q2
DOI:10.1136/bmjophth-2023-001600
PMID:39837590
|
研究论文 | 开发基于深度学习的人工智能算法，用于自动识别超声生物显微镜图像中的眼前段结构并评估原发性房角关闭疾病的参数 | 首次开发用于原发性房角关闭疾病的多组织分割模型，实现眼前段结构的自动识别和巩膜突定位 | 研究样本量有限（592名受试者），需要在更多中心进行验证 | 开发自动识别眼前段结构和评估房角关闭疾病参数的人工智能算法 | 原发性房角关闭疾病患者的超声生物显微镜图像 | 计算机视觉 | 眼科疾病 | 超声生物显微镜 | 深度学习 | 医学图像 | 2339张UBM图像来自592名受试者（开发集），222张UBM图像来自45名受试者（验证集） | NA | NA | 交并比, 平均误差距离 | NA |
| 18760 | 2025-01-25 |
Investigation of 3D iris morphology early alteration after implantable collamer lens implantation by using SS-OCT
2025-Jan-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e41542
PMID:39844973
|
研究论文 | 本研究使用全自动多任务深度学习方法，通过SS-OCT技术研究了植入式晶状体（ICL）手术前后虹膜形态的三维变化 | 首次使用全自动多任务深度学习方法同时进行SS-OCT图像分割和三维虹膜形态的定量测量 | 样本量较小，仅包括46只眼睛的27名患者 | 研究ICL手术前后虹膜形态的三维变化 | 接受ICL手术的患者 | 数字病理学 | NA | SS-OCT | 多任务深度学习网络 | 图像 | 46只眼睛的27名患者 | NA | NA | NA | NA |