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 1213 篇文献，本页显示第 481 - 500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 481 | 2025-10-07 |
MRI classification of progressive supranuclear palsy, Parkinson disease and controls using deep learning and machine learning algorithms for the identification of regions and tracts of interest as potential biomarkers
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109518
PMID:39662313
|
研究论文 | 本研究开发并比较了基于人工智能的MRI分析算法，用于区分进行性核上性麻痹、帕金森病和健康对照 | 首次结合深度学习和多种机器学习算法识别关键脑区和白质纤维束作为区分神经退行性帕金森综合征的生物标志物 | 数据来自不同场强的扫描仪(3.0T和1.5T)，样本量相对有限 | 开发能够区分进行性核上性麻痹、帕金森病和健康对照的MRI人工智能分析算法 | 进行性核上性麻痹患者、帕金森病患者和健康对照者 | 医学影像分析 | 神经退行性疾病 | 扩散张量成像(DTI), T1加权成像 | 深度学习神经网络, 随机森林 | MRI影像数据 | 样本1: 74例PSP患者和63例对照(多中心3.0T)；样本2: 66例PSP患者、66例PD患者和44例对照(单中心1.5T) | TensorFlow | 深度学习神经网络 | 准确率, 敏感性, 特异性, Youden指数 | NA |
| 482 | 2025-10-07 |
MultiSCCHisto-Net-KD: A deep network for multi-organ explainable squamous cell carcinoma diagnosis with knowledge distillation
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109469
PMID:39662318
|
研究论文 | 提出一种用于多器官鳞状细胞癌诊断的深度神经网络模型，通过知识蒸馏技术实现模型压缩并提高泛化能力 | 首次针对多器官鳞状细胞癌开发低倍镜下结构异常识别的深度网络，结合知识蒸馏和可解释性技术 | 未明确说明样本数量和数据分布的具体细节 | 开发能够跨器官诊断鳞状细胞癌的鲁棒深度学习模型 | 多器官来源的鳞状细胞癌组织病理学图像 | 数字病理学 | 鳞状细胞癌 | 组织病理学成像 | 深度神经网络 | 图像 | NA | NA | MultiSCCHisto-Net, MultiSCCHisto-Net-KD | 准确率 | NA |
| 483 | 2025-10-07 |
An interpretable deep learning model for hallux valgus prediction
2025-Feb, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109468
PMID:39662315
|
研究论文 | 开发了一种可解释的深度学习模型，用于自动标注足部X射线图像关键点并计算拇外翻角度和跖骨间角度 | 提出了结合AG-UNet和SE-DNN的可解释深度学习模型，能够自动识别足部关键点并计算临床角度，减少人工测量误差 | NA | 提高拇外翻诊断的效率和准确性，减少医疗专家手动计算的时间和错误 | 足部X射线图像 | 计算机视觉 | 拇外翻 | X射线成像 | 深度学习 | 图像 | 2000张足部X射线图像 | NA | AG-UNet, SE-DNN | 平均误差距离, ICC | NA |
| 484 | 2025-10-07 |
The influence of a deep learning tool on the performance of oral and maxillofacial radiologists in the detection of apical radiolucencies
2025-Feb-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae054
PMID:39656660
|
研究论文 | 评估深度学习模型对口腔放射科医生检测根尖周放射线透亮区能力的影响 | 首次在口腔放射学领域采用交叉阅读实验设计评估AI辅助诊断工具对专业医生性能的影响 | 样本量较小（68张根尖片），仅使用单一深度学习模型测试 | 评估AI辅助工具对口腔放射科医生诊断性能的影响 | 口腔放射科医生和根尖周放射线透亮区 | 数字病理 | 口腔疾病 | 锥形束计算机断层扫描 | 深度学习模型 | 根尖放射线图像 | 68张根尖放射线图像 | NA | Denti.AI | AFROC-AUC, 敏感性, 特异性, ROC-AUC | NA |
| 485 | 2025-10-07 |
Detection of periodontal bone loss and periodontitis from 2D dental radiographs via machine learning and deep learning: systematic review employing APPRAISE-AI and meta-analysis
2025-Feb-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae070
PMID:39656957
|
系统综述 | 通过系统综述和荟萃分析评估人工智能在牙科X光片中检测牙周骨丧失和牙周炎的应用 | 首次使用APPRAISE-AI工具对AI在牙周病诊断研究进行质量评估，并进行荟萃分析 | 纳入研究质量参差不齐，缺乏高质量研究，AI研究透明度和报告标准有待提高 | 评估人工智能在牙科X光片中检测牙槽骨丧失和牙周炎的应用效果 | 牙科全景片和根尖片 | 医学影像分析 | 牙周炎 | 牙科X光成像 | 机器学习,深度学习 | 2D图像 | 30篇纳入综述，10篇符合荟萃分析条件 | NA | NA | 灵敏度,特异度,准确度 | NA |
| 486 | 2025-10-07 |
DeepCompoundNet: enhancing compound-protein interaction prediction with multimodal convolutional neural networks
2025-Feb, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2023.2291829
PMID:38084744
|
研究论文 | 提出DeepCompoundNet模型，通过整合多模态数据增强化合物-蛋白质相互作用预测 | 首次将分子信息与多种相互作用网络数据整合到深度学习模型中 | NA | 预测化合物与蛋白质之间的相互作用 | 化合物和蛋白质 | 机器学习 | NA | 虚拟筛选 | CNN | 氨基酸序列、化学结构、蛋白质-蛋白质相互作用、药物-疾病相互作用、蛋白质-疾病相互作用 | NA | NA | 多模态卷积神经网络 | NA | NA |
| 487 | 2025-10-07 |
A fine-tuning deep residual convolutional neural network for emotion recognition based on frequency-channel matrices representation of one-dimensional electroencephalography
2025-Feb, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2023.2286918
PMID:38017703
|
研究论文 | 提出一种基于频率通道矩阵表示和深度残差卷积神经网络的脑电信号情感识别方法 | 结合预训练深度残差网络与迁移学习技术，利用Welch功率谱密度估计将一维脑电信号转换为二维频率通道矩阵表示 | NA | 开发自动高精度情感识别系统以改善人机交互 | 多通道脑电信号 | 机器学习 | NA | 脑电信号分析 | CNN | 脑电信号 | DEAP数据集上的5折交叉验证 | NA | ResNet | 准确率,精确率,灵敏度,特异度,F1分数 | NA |
| 488 | 2025-10-07 |
Application of one-class classification using deep learning technique improves the classification of subvisible particles
2025-Feb, Journal of pharmaceutical sciences
IF:3.7Q2
DOI:10.1016/j.xphs.2024.11.023
PMID:39615881
|
研究论文 | 本研究探讨了深度学习技术如何改进亚可见颗粒的单类分类性能 | 将深度学习技术与单类分类方法相结合应用于亚可见颗粒分类，相比传统方法显著提升了分类效果 | 研究仅针对特定类型的蛋白质聚集体（免疫球蛋白G和清蛋白来源）进行了验证，未涵盖所有可能的亚可见颗粒类型 | 评估深度学习技术对亚可见颗粒单类分类性能的改进效果 | 硅油和两种蛋白质聚集体（免疫球蛋白G来源聚集体和清蛋白来源聚集体） | 计算机视觉 | NA | 流式成像显微镜 | 深度学习 | 图像 | NA | NA | NA | 分类得分 | NA |
| 489 | 2025-10-07 |
Prediction of muscular-invasive bladder cancer using multi-view fusion self-distillation model based on 3D T2-Weighted images
2025-Feb-25, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2024-0333
PMID:39501515
|
研究论文 | 本研究开发了一种基于3D T2加权图像的多视图融合自蒸馏模型，用于术前准确区分非肌层浸润性和肌层浸润性膀胱癌 | 提出多视图融合自蒸馏模型，整合横断面和矢状面视图，利用自蒸馏机制增强特征提取能力 | 仅使用T2WI序列，未包含多参数MRI的其他序列 | 优化现有T2加权成像序列以准确评估肌层浸润性膀胱癌 | 膀胱癌患者的3D T2加权MRI图像 | 计算机视觉 | 膀胱癌 | 3D T2加权MRI成像 | 深度学习, 3D图像分类 | 3D医学图像 | 615名膀胱癌患者 | NA | VGG16, DenseNet, ResNet50, 3D残差网络 | AUC, 准确率 | NA |
| 490 | 2025-10-07 |
A Multimodal Deep Learning Nomogram for the Identification of Clinically Significant Prostate Cancer in Patients with Gray-Zone PSA Levels: Comparison with Clinical and Radiomics Models
2025-Feb, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.10.009
PMID:39496535
|
研究论文 | 开发一种多模态深度学习列线图，用于预测灰区PSA水平患者的临床显著性前列腺癌 | 采用混合融合方法整合多模态数据，构建结合深度学习特征的列线图模型 | 回顾性研究设计，样本量相对有限（303例患者） | 预测灰区PSA水平患者的临床显著性前列腺癌 | 前列腺癌患者 | 数字病理 | 前列腺癌 | bp-MRI | 深度学习,SVM,XGBoost | 医学影像,临床数据 | 303例患者（2018年1月至2022年12月） | NA | NA | AUC,ROC曲线,决策曲线分析 | NA |
| 491 | 2025-10-07 |
Automatic 3-dimensional quantification of orthodontically induced root resorption in cone-beam computed tomography images based on deep learning
2025-Feb, American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics
IF:2.7Q1
DOI:10.1016/j.ajodo.2024.09.009
PMID:39503671
|
研究论文 | 基于深度学习开发自动三维量化正畸性牙根吸收的模型 | 首次提出基于动态图卷积神经网络的CBCT图像全自动牙根体积提取和吸收定位方法 | 回顾性研究设计，样本量相对有限（105名患者） | 开发自动化的正畸性牙根吸收定量评估工具 | 正畸患者的牙齿CBCT图像 | 医学图像处理 | 正畸性牙根吸收 | 锥形束计算机断层扫描 | 动态图卷积神经网络 | 三维医学图像 | 105名患者的4534颗牙齿 | NA | Dynamic Graph Convolutional Neural Network | 组内相关系数, 分类准确率 | NA |
| 492 | 2025-10-07 |
Improved patient identification by incorporating symptom severity in deep learning using neuroanatomic images in first episode schizophrenia
2025-Feb, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology
IF:6.6Q1
DOI:10.1038/s41386-024-02021-y
PMID:39506100
|
研究论文 | 本研究开发了一种结合精神病症状严重程度的多任务深度学习模型，用于基于神经解剖图像的首发精神分裂症患者识别 | 将症状严重程度回归任务与标准病例/对照识别任务相结合的多任务深度学习框架，相比单任务分类模型表现更优 | 样本量相对有限，仅包含286名患者和330名健康对照，且外部验证集仅40例 | 建立脑成像生物标志物与精神分裂症症状表达之间的联系，提高急性精神病性疾病的机制理解 | 首发未用药精神分裂症患者和健康对照者 | 医学影像分析 | 精神分裂症 | 磁共振成像 | 多任务深度学习 | 神经解剖图像 | 286名首发精神分裂症患者和330名健康对照，外部验证集40名患者 | NA | NA | 平衡准确率, 灵敏度, 特异性 | NA |
| 493 | 2025-10-07 |
Deep learning segmentation-based bone removal from computed tomography of the brain improves subdural hematoma detection
2025-Feb, Journal of neuroradiology = Journal de neuroradiologie
DOI:10.1016/j.neurad.2024.101231
PMID:39521273
|
研究论文 | 本研究开发了一种基于深度学习分割的脑部CT骨去除算法，用于改善硬膜下血肿检测 | 首次将深度学习分割技术应用于脑部CT骨去除，并通过读者研究验证其对硬膜下血肿检测的改善效果 | 样本量相对有限（内部测试15例，外部测试22例），且主要评估对象为初级放射科培训医师 | 开发并验证基于深度学习的脑部CT骨去除算法对硬膜下血肿检测的改善效果 | 脑部非增强CT扫描中的硬膜下血肿检测 | 医学影像分析 | 颅内出血/硬膜下血肿 | 计算机断层扫描（CT） | 深度学习分割算法 | 医学影像（CT扫描） | 训练集100例NCCTH，内部测试15例，外部测试22例 | NA | NA | Dice系数，统计学显著性（P值） | NA |
| 494 | 2025-10-07 |
Spatial Architecture of Single-Cell and Vasculature in Tumor Microenvironment Predicts Clinical Outcomes in Triple-Negative Breast Cancer
2025-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2024.100652
PMID:39522644
|
研究论文 | 通过单细胞分辨率分析三阴性乳腺癌肿瘤微环境空间结构，揭示其与临床预后的关联 | 首次系统量化TNBC肿瘤微环境的空间架构，识别10种复发性细胞邻域，并开发基于深度学习的治疗反应预测模型 | 样本量相对有限（71例），需要更大规模验证 | 探索三阴性乳腺癌肿瘤微环境空间结构与临床预后的关系 | 71例三阴性乳腺癌患者标本 | 数字病理学 | 三阴性乳腺癌 | 成像质谱流式技术 | 深度学习 | 单细胞分辨率图像数据 | 71例TNBC患者标本 | NA | NA | AUC | NA |
| 495 | 2025-04-27 |
Dopaminergic PET to SPECT domain adaptation: a cycle GAN translation approach
2025-Feb, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-06961-x
PMID:39557690
|
research paper | 该研究开发了一种基于CycleGAN的深度学习方法，用于将[11C]CFT PET图像转换为[123I]FP-CIT SPECT图像，以促进多中心研究和克服数据稀缺问题 | 首次使用CycleGAN实现PET到SPECT图像的跨模态转换，并保留了疾病特异性信息 | 合成SPECT图像的对比度噪声比较低，且在合成图像上观察到诊断性能有所降低 | 开发一种深度学习方法，促进多中心研究和克服数据稀缺问题，支持帕金森病和非典型帕金森综合征的诊断 | 帕金森病(PD)和非帕金森病对照(NC)受试者的[11C]CFT PET和[123I]FP-CIT SPECT图像 | digital pathology | Parkinson's disease, atypical parkinsonian syndromes | PET, SPECT, CycleGAN | CycleGAN | image | 602例[11C]CFT PET图像(72%PD)和1152例[123I]FP-CIT SPECT图像(85%PD)，以及67例PET测试集(75%PD) | NA | NA | NA | NA |
| 496 | 2025-04-27 |
Medical meteorological forecast for ischemic stroke: random forest regression vs long short-term memory model
2025-Feb, International journal of biometeorology
IF:3.0Q2
DOI:10.1007/s00484-024-02818-y
PMID:39567379
|
research paper | 本研究比较了随机森林回归和长短期记忆模型在缺血性卒中医学气象预测中的性能 | 首次将LSTM模型应用于缺血性卒中的医学气象预测，并证明其优于随机森林回归模型 | 研究仅基于海口市的数据，可能不具有全国代表性 | 开发基于机器学习的缺血性卒中医学气象预测模型 | 缺血性卒中发作事件与气象数据的关系 | machine learning | cardiovascular disease | NA | RF regression, LSTM | 时间序列数据(气象数据和住院数据) | 42849例缺血性卒中发作事件(2016年9月18日至2020年12月31日海口市数据) | NA | NA | NA | NA |
| 497 | 2025-04-27 |
Synthesis of pseudo-PET/CT fusion images in radiotherapy based on a new transformer model
2025-Feb, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17512
PMID:39569842
|
研究论文 | 提出一种基于新型Transformer模型的伪PET/CT融合图像合成方法，用于食管癌和鼻咽癌的放射治疗 | 采用带有'聚焦-分散'注意力机制和多一致性损失约束的Transformer模型，有效捕获PET和CT图像中的特征信息，合成具有增强肿瘤区域成像的伪PET/CT融合图像 | 研究仅针对食管癌和鼻咽癌，样本量相对有限（129例食管癌和141例鼻咽癌） | 改进食管癌和鼻咽癌放射治疗中的多模态图像处理方法，减少患者接受的辐射剂量和配准误差 | 食管癌和鼻咽癌患者的PET和CT图像 | 数字病理 | 食管癌, 鼻咽癌 | 医学影像融合 | Transformer | 医学图像（PET和CT） | 129例食管癌和141例鼻咽癌患者的回顾性数据，以及2例前瞻性病例 | NA | NA | NA | NA |
| 498 | 2025-10-07 |
Weakly Supervised Classification of Mohs Surgical Sections Using Artificial Intelligence
2025-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2024.100653
PMID:39522646
|
研究论文 | 开发用于莫氏手术切片弱监督分类的深度学习模型，通过注意力图谱提高模型可解释性 | 将弱监督学习与基于分割的可解释方法通过注意力图谱相结合 | 未提及模型在更广泛数据集上的泛化能力验证 | 解决莫氏手术全玻片图像中基底细胞癌检测的挑战 | 莫氏手术全玻片图像中的基底细胞癌 | 数字病理学 | 皮肤癌 | 全玻片成像 | 深度学习 | 图像 | 来自2个医疗中心的数据集 | NA | NA | AUC, 敏感度, 假阳性率 | NA |
| 499 | 2025-10-07 |
Cell Segmentation With Globally Optimized Boundaries (CSGO): A Deep Learning Pipeline for Whole-Cell Segmentation in Hematoxylin-and-Eosin-Stained Tissues
2025-Feb, Laboratory investigation; a journal of technical methods and pathology
DOI:10.1016/j.labinv.2024.102184
PMID:39528162
|
研究论文 | 开发了一种基于深度学习的全细胞分割管道CSGO，用于H&E染色组织中的细胞分割 | 整合了细胞核和细胞膜分割算法，并采用基于能量的分水岭方法进行后处理，在多种组织类型中表现出优越性能 | 膜检测模型仅在7例肝细胞癌和11例正常肝组织样本上训练，样本多样性有限 | 开发自动化的全细胞分割方法以推进病理图像分析能力 | H&E染色组织中的细胞 | 数字病理学 | 肝癌 | H&E染色 | YOLO, U-Net | 图像 | 训练集：7例肝细胞癌和11例正常肝组织样本；测试集：5个外部数据集包括肝、肺和口腔疾病病例 | NA | YOLO, U-Net | F1分数 | NA |
| 500 | 2025-10-07 |
Deciphering glioblastoma: Unveiling imaging markers for predicting MGMT promoter methylation status
2025-Feb, Current problems in cancer
IF:2.5Q3
|
综述 | 探讨影像学特征在预测胶质母细胞瘤MGMT启动子甲基化状态中的潜力 | 结合传统影像技术与新兴影像组学和深度学习模型预测MGMT甲基化状态 | 需要进一步开发、标准化和实施先进影像组学模型 | 通过影像学标记预测MGMT启动子甲基化状态以实现个体化治疗 | 胶质母细胞瘤患者 | 数字病理 | 胶质母细胞瘤 | 影像组学, 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |