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 1209 篇文献，本页显示第 441 - 460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 441 | 2025-10-07 |
Evaluation of Image Quality and Scan Time Efficiency in Accelerated 3D T1-Weighted Pediatric Brain MRI Using Deep Learning-Based Reconstruction
2025-Feb, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.0701
PMID:39898398
|
研究论文 | 评估基于深度学习的重建算法在加速3D T1加权儿童脑部MRI中对扫描时间和图像质量的影响 | 首次在儿童脑部MRI中应用深度学习重建算法，实现了扫描时间显著缩短（29.3%-40.7%）的同时提升图像质量 | 单中心回顾性研究，样本量有限（46例），病灶显著性在两种协议间无显著差异 | 评估深度学习重建算法在加速儿童脑部MRI中的性能表现 | 46名接受脑部MRI检查的儿科患者 | 医学影像分析 | 儿科脑部疾病 | 3D T1加权MRI | 深度学习 | 医学影像 | 46名儿科患者 | NA | NA | 变异系数、相对对比度、表观信噪比、表观对比噪声比、图像质量评分、伪影评估、噪声评估、灰白质区分度、病灶显著性 | 3T MRI扫描仪（SIGNA Premier；GE HealthCare） |
| 442 | 2025-10-07 |
Accuracy of a Cascade Network for Semi-Supervised Maxillary Sinus Detection and Sinus Cyst Classification
2025-Feb, Clinical implant dentistry and related research
IF:3.7Q1
DOI:10.1111/cid.13431
PMID:39898709
|
研究论文 | 开发基于深度学习的级联网络，用于锥形束CT图像中上颌窦区域的半监督检测和窦囊肿分类 | 提出结合半监督伪标签训练策略的级联网络，在减少人工标注需求的同时保持高精度 | NA | 为上颌窦底提升手术规划提供临床诊断辅助支持 | 上颌窦黏膜囊肿 | 计算机视觉 | 口腔颌面部疾病 | 锥形束CT | CNN, Transformer | 医学图像 | 541名患者的45,136张上颌窦图像 | NA | ResNet-50 | 准确率, 精确率, 召回率, F1分数, 平均精确率, 精确率-召回率曲线 | NA |
| 443 | 2025-10-07 |
AFMDD: Analyzing Functional Connectivity Feature of Major Depressive Disorder by Graph Neural Network-Based Model
2025-Feb, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1089/cmb.2024.0505
PMID:39899351
|
研究论文 | 提出基于图神经网络的AFMDD模型，用于分析重度抑郁症的功能连接特征并实现抑郁症识别 | 首次专门针对抑郁症功能连接特征设计图神经网络模型，并发现多个新的功能连接特征 | 模型准确率为73.15%，仍有提升空间 | 开发用于抑郁症诊断的功能连接特征分析模型 | 抑郁症患者的功能连接网络 | 机器学习 | 抑郁症 | 功能连接分析 | 图神经网络 | 脑功能连接网络数据 | NA | NA | AFMDD | 准确率 | NA |
| 444 | 2025-10-07 |
Capturing continuous, long timescale behavioral changes in Drosophila melanogaster postural data
2025-Feb, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012753
PMID:39899595
|
研究论文 | 本研究通过深度学习技术连续记录果蝇的全身姿态数据，分析其跨时间尺度的行为模式 | 首次实现连续7天100帧/秒的果蝇长期行为记录，建立了近20亿个姿态实例的数据集，发现了黎明后一小时行为模式的独特性 | 实验在无特征环境中进行，可能限制了自然行为表达；样本量相对有限（47只果蝇） | 探索果蝇在长时间尺度下的行为变化规律 | 黑腹果蝇（Drosophila melanogaster） | 计算机视觉 | NA | 深度学习姿态估计 | 深度学习 | 视频图像 | 47只果蝇个体 | SLEAP | NA | NA | NA |
| 445 | 2025-10-07 |
Development and validation of fully automated robust deep learning models for multi-organ segmentation from whole-body CT images
2025-Feb, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.104911
PMID:39899952
|
研究论文 | 开发并验证用于全身CT图像多器官分割的全自动鲁棒深度学习模型 | 提出两阶段训练策略，利用nnU-Net网络在包含成人和儿科患者的多样化数据集上实现多器官自动分割 | 数据集主要来自公共数据库，可能无法覆盖所有临床场景的变异性 | 开发能够从全身CT图像中自动分割多个器官的深度学习框架 | 成人和儿科患者的全身CT图像 | 计算机视觉 | NA | CT成像 | 深度学习 | CT图像 | 4082个CT图像，包含300例儿科病例 | nnU-Net | nnU-Net | Dice系数, 其他图像分割指标 | NA |
| 446 | 2025-10-07 |
Synthetic data generation in motion analysis: A generative deep learning framework
2025-Feb, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine
DOI:10.1177/09544119251315877
PMID:39902572
|
研究论文 | 提出一种基于变分自编码器的数据增强策略，用于生成运动分析中的合成生物力学数据 | 在运动分析领域引入有效的生成式深度学习数据增强方法 | NA | 开发运动分析中的数据增强策略以解决数据收集困难的问题 | 髋关节和膝关节的角度和力矩、地面反作用力等生物力学变量 | 机器学习 | NA | 运动分析 | VAE, LSTM | 运动生物力学数据 | NA | NA | 变分自编码器, 长短期记忆网络 | nRMSE | NA |
| 447 | 2025-05-04 |
[Deep learning algorithms for intelligent construction of a three-dimensional maxillofacial symmetry reference plane]
2025-Feb-18, Beijing da xue xue bao. Yi xue ban = Journal of Peking University. Health sciences
PMID:39856515
|
研究论文 | 开发了一种基于动态图的深度学习算法MDGR-Net，用于智能配准三维颌面点云数据，为临床牙科应用中的数字设计与分析提供参考 | 提出了MDGR-Net关联方法，基于智能点云配准构建三维颌面对称参考平面，显著提高诊疗效率和效果，减少专家依赖 | 研究主要针对无明显畸形的患者，对于复杂畸形患者的适用性未明确说明 | 开发智能点云配准算法，构建三维颌面对称参考平面，提升临床牙科诊疗效率 | 400名无明显畸形的临床患者的三维颌面点云数据 | 计算机视觉 | 牙科疾病 | 深度学习 | MDGR-Net | 三维点云 | 400名患者，通过数据增强生成2000个数据集 | NA | NA | NA | NA |
| 448 | 2025-05-04 |
Automated detection of traumatic bleeding in CT images using 3D U-Net# and multi-organ segmentation
2025-Feb-06, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adae14
PMID:39854772
|
研究论文 | 提出了一种基于3D U-Net#和多器官分割的自动化方法，用于在CT图像中检测创伤性出血 | 结合了3D U-Net#模型和多器官分割技术，显著减少了假阳性率 | 假阳性率仍有76.2例/病例，处理时间较长（6.3±1.4分钟） | 提高创伤性出血在CT图像中的自动化检测准确率 | 延迟期对比增强创伤CT图像 | 数字病理学 | 创伤 | 深度学习 | 3D U-Net# | CT图像 | 来自四个机构的延迟期对比增强创伤CT图像数据集 | NA | NA | NA | NA |
| 449 | 2025-05-04 |
Artificial intelligence-enhanced comprehensive assessment of the aortic valve stenosis continuum in echocardiography
2025-Feb, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2025.105560
PMID:39842286
|
research paper | 开发并验证了一种基于人工智能的系统，用于评估主动脉瓣狭窄（AS），适用于资源有限和先进的临床环境 | 开发了双路径AI系统，包括基于深度学习的AS连续评估算法和自动化常规AS评估，展示了优异的诊断和预后价值 | 需要进一步在不同环境中验证其有效性 | 评估主动脉瓣狭窄（AS）的诊断和预后 | 主动脉瓣狭窄（AS）患者 | digital pathology | cardiovascular disease | 深度学习 | DL | 2D TTE videos | developmental dataset (n=8427), internal test dataset (n=841), distinct hospital dataset (n=1696), temporally distinct dataset (n=772) | NA | NA | NA | NA |
| 450 | 2025-05-04 |
MI-Mamba: A hybrid motor imagery electroencephalograph classification model with Mamba's global scanning
2025-Feb, Annals of the New York Academy of Sciences
IF:4.1Q1
DOI:10.1111/nyas.15288
PMID:39844431
|
研究论文 | 提出了一种结合CNN和Mamba的混合模型MI-Mamba，用于解码运动想象（MI）脑电图数据 | 首次将Mamba模型应用于脑电图解码，结合CNN和Mamba的优势，有效处理长序列依赖并减少参数数量 | 仅在两个公开数据集上进行了验证，需要更多数据集验证其泛化能力 | 改进运动想象脑电图解码的准确性和效率 | 多通道脑电图信号 | 机器学习 | NA | 脑电图解码 | CNN与Mamba混合模型 | 脑电图信号 | 两个公开数据集（BCI Competition IV 2a和2b） | NA | NA | NA | NA |
| 451 | 2025-05-04 |
Deep learning enabled rapid classification of yeast species in food by imaging of yeast microcolonies
2025-Feb, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2024.115604
PMID:39849741
|
研究论文 | 本研究提出了一种基于深度学习的酵母分类方法，通过结合传统培养方法、白光光学显微镜和深度学习技术，快速检测和分类食品中的酵母 | 利用深度卷积神经网络在6小时内准确区分7种不同酵母，并通过生成对抗网络（GAN）生成的合成图像数据集提高了特定酵母物种的分类性能 | 研究仅验证了番茄和番茄汁中的模型性能，未涵盖所有食品类型 | 加速食品中酵母物种的检测和分类，以控制食品腐败 | 食品中的酵母物种 | 计算机视觉 | NA | 白光光学显微镜、深度学习 | CNN、GAN | 图像 | 7种不同酵母 | NA | NA | NA | NA |
| 452 | 2025-05-04 |
AI-based processing of future prepared foods: Progress and prospects
2025-Feb, Food research international (Ottawa, Ont.)
DOI:10.1016/j.foodres.2025.115675
PMID:39849794
|
review | 本文综述了人工智能在预制食品加工中的分类、清洁、切割、预处理和冷冻等环节的应用进展与前景 | 总结了AI在预制食品加工中的多种应用技术，如计算机视觉、深度学习模型等，并探讨了其在提高效率、准确性和一致性方面的潜力 | 面临大规模数据和复杂模型管理的挑战 | 探讨人工智能在预制食品加工中的应用及其对行业发展的影响 | 预制食品的加工过程 | machine learning | NA | 数学建模、化学计量学、机器学习、模糊逻辑、自适应神经模糊推理系统 | 深度学习模型 | 图像、光谱数据 | NA | NA | NA | NA | NA |
| 453 | 2025-05-03 |
Diffusion transformer model with compact prior for low-dose PET reconstruction
2025-Feb-07, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adac25
PMID:39832449
|
研究论文 | 提出一种基于扩散变换器模型（DTM）和紧凑先验的低剂量PET重建方法，以提高图像重建质量 | 首次将扩散模型和变换器模型结合用于PET重建，通过病灶细化块和交替方向乘子法增强病灶区域的恢复能力和细节保留 | 未提及具体的数据集规模或模型计算复杂度 | 提高低剂量PET图像的重建质量，减少辐射暴露同时保证可靠的成像效果 | 低剂量PET图像 | 数字病理 | NA | 扩散变换器模型（DTM） | 扩散模型与Transformer结合 | 医学图像（PET） | NA | NA | NA | NA | NA |
| 454 | 2025-05-03 |
Working-memory load decoding model inspired by brain cognition based on cross-frequency coupling
2025-Feb, Brain research bulletin
IF:3.5Q2
|
研究论文 | 提出了一种基于跨频耦合的脑认知启发的多频多尺度混合Sinc卷积神经网络（MBSincNex），用于工作记忆负荷的解码 | 首次将跨频耦合机制应用于工作记忆负荷的解码，提出MBSincNex模型整合多频多尺度Sinc卷积，有效提取EEG数据的时频信息 | 研究仅基于自收集的三分类工作记忆数据集，未在其他公开数据集上验证模型的泛化能力 | 开发能够有效解码工作记忆负荷的深度学习模型 | 工作记忆过程中的脑电信号 | 脑机接口 | NA | EEG信号分析 | MBSincNex（多频多尺度混合Sinc卷积神经网络） | 脑电信号 | 自收集的三分类工作记忆数据集 | NA | NA | NA | NA |
| 455 | 2025-05-02 |
White matter hyperintensities regress at a high rate at three months after minor ischemic stroke or transient ischemic attack
2025-Feb, Journal of neuroradiology = Journal de neuroradiologie
DOI:10.1016/j.neurad.2024.101239
PMID:39798248
|
研究论文 | 研究探讨轻微缺血性卒中或短暂性脑缺血发作后三个月内白质高信号（WMH）的早期消退情况及其影响因素 | 首次报道WMH在轻微缺血性卒中或短暂性脑缺血发作后三个月内即可出现消退，并识别了影响消退的因素 | 样本量较小（98例患者），且为回顾性分析 | 探究WMH在轻微缺血性卒中或短暂性脑缺血发作后的早期消退情况及影响因素 | 轻微缺血性卒中或短暂性脑缺血发作患者 | 数字病理学 | 心血管疾病 | 脑MRI | 深度学习算法 | 图像 | 98例轻微缺血性卒中或短暂性脑缺血发作患者 | NA | NA | NA | NA |
| 456 | 2025-10-07 |
Pneumonia Detection Using Enhanced Convolutional Neural Network Model on Chest X-Ray Images
2025-02, Big data
IF:2.6Q2
DOI:10.1089/big.2022.0261
PMID:37074075
|
研究论文 | 本研究开发了多种深度学习模型用于胸部X光图像的肺炎检测 | 提出了增强型CNN模型，在肺炎检测任务中取得了92.4%的最高准确率，优于传统集成方法和现有先进方法 | 数据集仅包含5863张胸部X光图像，可能需要进行更大规模的数据验证 | 开发肺炎检测模型并比较不同模型的性能 | 胸部X光图像 | 计算机视觉 | 肺炎 | X射线成像 | CNN | 图像 | 5863张胸部X光图像 | NA | 增强型CNN,VGG-19,ResNet-50 | 准确率,精确率,召回率,损失值,AUC | NA |
| 457 | 2025-10-07 |
The intelligent fault identification method based on multi-source information fusion and deep learning
2025-Feb-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90823-5
PMID:39994344
|
研究论文 | 提出一种基于多源信息融合和深度学习的智能断层识别方法 | 通过多源信息融合增强断层形态特征，结合机器学习特征重要性分析和卷积神经网络实现智能断层识别 | 方法仅在金寨县南部区域进行验证，未在其他地质区域测试泛化能力 | 实现断层的快速、精确和智能识别 | 地质断层结构 | 计算机视觉 | NA | 多源信息融合、遥感影像分析 | CNN, 机器学习方法 | 遥感影像、数字高程模型、地质图 | NA | NA | 卷积神经网络 | 准确率, 真正率, F1分数, 验证准确率, 验证损失 | NA |
| 458 | 2025-10-07 |
Automated gradation design of natural waste gravel soil stabilized by composite soil stabilizer based on a novel DNNSS-APDM-PFC model
2025-Feb-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2024.12.046
PMID:39778231
|
研究论文 | 提出一种基于DNNSS-APDM-PFC模型的复合土壤稳定剂稳定废弃碎石土自动级配设计方法 | 开发了适用于小样本的深度学习神经网络(DNNSS)，结合中国沥青路面设计方法(APDM)和颗粒流代码(PFC)构建新型集成模型 | 基于小样本数据训练，模型泛化能力需进一步验证 | 实现废弃碎石土的自动化级配设计和性能分析 | 复合土壤稳定剂稳定的废弃碎石土(CSSWGS) | 机器学习 | NA | 颗粒流代码(PFC)，沥青路面设计方法(APDM) | 深度学习神经网络 | 工程性能数据 | 小样本数据集 | NA | DNNSS | 无侧限抗压强度(UCS)，抗冻性，加州承载比(CBR) | NA |
| 459 | 2025-10-07 |
NovoRank: Refinement for De Novo Peptide Sequencing Based on Spectral Clustering and Deep Learning
2025-Feb-07, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.4c00300
PMID:39739539
|
研究论文 | 提出NovoRank后处理工具，通过谱图聚类和深度学习改进从头肽段测序的准确性 | 结合谱图聚类和深度学习模型，利用聚类衍生的蛋白质组学特征和单个谱图特征重新排序候选肽段 | NA | 提高从头肽段测序工具的肽段识别准确性 | 质谱谱图和肽段序列 | 生物信息学 | NA | 质谱分析，从头肽段测序 | 深度学习 | 质谱谱图数据 | NA | NA | NA | 召回率，精确度，肽段-谱图匹配水平 | NA |
| 460 | 2025-10-07 |
Predicting benefit from PARP inhibitors using deep learning on H&E-stained ovarian cancer slides
2025-Feb-05, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2024.115199
PMID:39742559
|
研究论文 | 本研究开发了一种基于深度学习的模型，通过分析H&E染色的卵巢癌全切片图像来预测PARP抑制剂的疗效 | 首次尝试直接使用组织学全切片图像预测PARP抑制剂疗效，避免了复杂的分子检测 | 外部验证性能较低(AUROC 57%)，需要更大样本量和进一步方法学改进才能达到临床应用标准 | 开发基于深度学习的PARP抑制剂疗效预测方法 | 卵巢癌患者 | 数字病理学 | 卵巢癌 | H&E染色全切片图像分析 | 深度学习模型 | 图像 | AGO-TR1队列208例(108训练，100测试)，PAOLA-1队列447例 | NA | NA | AUROC, Kaplan-Meier分析, 无进展生存期 | NA |