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 1226 篇文献，本页显示第 1161 - 1180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1161 | 2025-10-07 |
Developing an Effective Off-the-job Training Model and an Automated Evaluation System for Thoracoscopic Esophageal Atresia Surgery
2025-Feb, Journal of pediatric surgery
IF:2.4Q2
DOI:10.1016/j.jpedsurg.2024.06.023
PMID:39054116
|
研究论文 | 开发基于深度学习的胸腔镜食管闭锁手术离岗培训模型和自动评估系统 | 首次将深度学习技术应用于胸腔镜食管闭锁手术的技能自动评估，通过钳具运动分析实现客观技能评价 | 样本量较小（仅45例），证据等级为IV级 | 构建基于钳具运动分析的胸腔镜食管闭锁手术技能自动评估系统 | 参与食管闭锁手术培训的医务人员 | 计算机视觉 | 食管闭锁 | 深度学习 | 深度学习模型 | 手术视频图像 | 45名参与者（13名技能优秀组，32名技能较差组） | NA | NA | 精确率, 特异性, AUC | NA |
| 1162 | 2025-10-07 |
An improved algorithm for salient object detection of microscope based on U2-Net
2025-Feb, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03205-w
PMID:39322859
|
研究论文 | 提出一种基于U2-Net改进的显微镜显著目标检测算法，通过引入注意力机制和模型轻量化技术提升检测性能 | 在U-Net中集成卷积块注意力模块(CBAM)增强关键信息提取能力，构建简单金字塔池化模块(SPPM)优化网络复杂度，使用Ghost卷积实现模型轻量化 | NA | 提高医学图像采集的效率和准确性，减轻后续定量分析负担 | 显微镜图像中的显著目标 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | U-Net, U2-Net | 准确率 | NA |
| 1163 | 2025-10-07 |
A comprehensive review on genomic insights and advanced technologies for mastitis prevention in dairy animals
2025-Feb, Microbial pathogenesis
IF:3.3Q2
DOI:10.1016/j.micpath.2024.107233
PMID:39694196
|
综述 | 本文系统综述了基因组学及相关技术在奶牛乳腺炎预防中的研究进展和应用前景 | 整合了预测基因组学、人工智能和CRISPR等前沿技术，提出了乳腺炎防控的新策略 | 主要基于文献综述，缺乏原始实验数据验证 | 探索基因组学和先进技术在乳腺炎预防中的应用 | 奶牛等乳用动物 | 生物信息学 | 乳腺炎 | 基因组学, 表观遗传学, 蛋白质组学, 转录组学, CRISPR | CNN | 基因组数据, 表型数据 | NA | NA | NA | NA | NA |
| 1164 | 2025-10-07 |
The role of sleep quality in mediating the relationship between habenula volume and resilience
2025-Feb, Psychiatry research
IF:4.2Q1
DOI:10.1016/j.psychres.2025.116358
PMID:39799818
|
研究论文 | 本研究探讨了睡眠质量在缰核体积与心理韧性关系中的中介作用 | 首次在人类研究中揭示睡眠质量作为缰核体积影响心理韧性的中介机制，并发现缰核体积的侧化效应 | 样本量较小（84名健康参与者），仅基于问卷评估睡眠质量，缺乏客观睡眠监测数据 | 探究缰核体积通过睡眠质量影响心理韧性的生物学机制 | 84名健康参与者的脑部MRI数据和心理评估数据 | 医学影像分析 | 精神疾病 | 3T-MRI T1加权成像 | 深度学习 | 脑部MRI图像 | 84名健康参与者 | NA | NA | 相关性分析，中介分析 | NA |
| 1165 | 2025-10-07 |
Deep learning helps discriminate between autoimmune hepatitis and primary biliary cholangitis
2025-Feb, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2024.101198
PMID:39829723
|
研究论文 | 本研究开发了一种基于深度学习的AIH和PBC鉴别诊断系统 | 首次开发了无需人工标注的Transformer深度学习系统ALNE，用于自身免疫性肝病的定量鉴别诊断 | 扫描技术和切片染色方法的多样性可能影响模型性能 | 开发AIH和PBC的自动鉴别诊断方法 | 自身免疫性肝炎和原发性胆汁性胆管炎患者 | 数字病理学 | 自身免疫性肝病 | H&E染色全玻片图像 | Transformer | 病理图像 | 训练集354例（266例AIH，102例PBC），外部验证集92例（62例AIH，30例PBC） | NA | ALNE（自身免疫性肝脏神经估计器） | AUC | NA |
| 1166 | 2025-10-07 |
One-core neuron deep learning for time series prediction
2025-Feb, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwae441
PMID:39830389
|
研究论文 | 提出一种仅包含单个核心神经元的可解释小模型框架，用于时间序列预测任务 | 首次提出单核心神经元系统，通过多延迟反馈机制将输入特征向量转换为一维时间序列，在保持性能的同时大幅减少参数数量 | 主要适用于短期高维系统预测，在长期预测任务中的性能尚未验证 | 开发参数效率高的深度学习框架，解决大模型计算资源消耗过大的问题 | 时间序列预测任务，特别是短期高维系统 | 机器学习 | NA | 深度学习 | 自定义神经网络 | 时间序列数据 | NA | NA | 单核心神经元系统(OCNS) | NA | NA |
| 1167 | 2025-10-07 |
BananaImageBD: A comprehensive banana image dataset for classification of banana varieties and detection of ripeness stages in Bangladesh
2025-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111239
PMID:39830620
|
研究论文 | 本文介绍了孟加拉国香蕉图像数据集BananaImageBD，用于香蕉品种分类和成熟度检测 | 创建了首个专门针对孟加拉国常见香蕉品种和成熟阶段的综合图像数据集 | 仅包含孟加拉国四种常见香蕉品种，样本数量相对有限 | 开发用于香蕉品种分类和成熟度检测的自动化系统 | 孟加拉国四种常见香蕉品种及其四个成熟阶段 | 计算机视觉 | NA | 智能手机图像采集 | NA | 图像 | 原始图像3291张（品种2471张，成熟度820张），增强后9870张（品种7413张，成熟度2457张） | NA | NA | NA | NA |
| 1168 | 2025-10-07 |
Multimodal Image Confidence: A Novel Method for Tumor and Organ Boundary Representation
2025-Feb-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2024.09.020
PMID:39303999
|
研究论文 | 提出一种名为多模态图像置信度(MMC)的创新算法，利用多模态医学图像的互补优势为感兴趣区域内的每个体素分配置信度 | 无需模型训练，通过可解释的数学模型基于体素间相关性传播体素置信度，区别于基于深度学习的方法 | NA | 解决医学图像中肿瘤和危及器官边界模糊的问题，提高放疗计划和其他任务的准确性 | 鼻咽癌病例和胶质瘤病例 | 数字病理 | 鼻咽癌, 胶质瘤 | 多模态医学成像 | NA | 3D医学图像 | 156例鼻咽癌病例和1251例胶质瘤病例 | NA | NA | 定性评估, 定量分析 | NA |
| 1169 | 2025-10-07 |
Predicting intraoperative 5-ALA-induced tumor fluorescence via MRI and deep learning in gliomas with radiographic lower-grade characteristics
2025-Feb, Journal of neuro-oncology
IF:3.2Q2
DOI:10.1007/s11060-024-04875-0
PMID:39560696
|
研究论文 | 本研究开发了一种基于MRI和深度学习的模型，用于预测具有影像学低级别特征的胶质瘤术中5-ALA诱导的肿瘤荧光 | 首次将预训练的U-Net模型与随机森林分类器结合，利用变分自编码器提取特征来预测胶质瘤荧光，为术前决策提供新方法 | 模型性能仍有提升空间，样本量相对有限（163例患者） | 分析深度学习模型是否能基于术前MRI预测胶质瘤术中荧光 | 163例胶质瘤患者（荧光组83例，非荧光组80例） | 医学影像分析 | 胶质瘤 | 磁共振成像（MRI） | CNN, 随机森林 | 医学影像 | 163例胶质瘤患者 | NA | U-Net, 变分自编码器（VAE） | 平衡准确率, 敏感性, 特异性 | NA |
| 1170 | 2025-10-07 |
A survey on deep learning in medical image registration: New technologies, uncertainty, evaluation metrics, and beyond
2025-Feb, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103385
PMID:39612808
|
综述 | 本文系统综述了深度学习在医学图像配准领域的最新进展，涵盖网络架构、损失函数、不确定性估计和评估指标 | 全面总结了深度学习在医学图像配准中的创新技术，包括新型网络架构、配准专用损失函数和不确定性估计方法 | 作为综述文章，主要整合现有研究而非提出原创方法 | 概述深度学习在医学图像配准领域的技术发展和应用前景 | 医学图像配准技术及其在医学影像中的应用 | 医学图像处理 | NA | 深度学习 | U-Net, 回归网络 | 医学图像 | NA | NA | U-Net | 配准评估指标 | NA |
| 1171 | 2025-01-16 |
Money plant disease atlas: A comprehensive dataset for disease classification in ornamental horticulture
2025-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111216
PMID:39811518
|
研究论文 | 本文介绍了一个用于观赏园艺中疾病分类的综合数据集，重点关注金钱植物的疾病 | 提供了一个全面的金钱植物疾病图像数据集，支持深度学习在观赏园艺中的应用 | 数据集仅限于金钱植物的疾病，未涵盖其他植物种类 | 提高观赏园艺中植物疾病的诊断准确性 | 金钱植物（Epipremnum aureum） | 计算机视觉 | 植物疾病 | 图像处理 | 深度学习 | 图像 | 224 × 224像素的图像数据集 | NA | NA | NA | NA |
| 1172 | 2025-10-07 |
Deep learning in disease vector image identification
2025-Feb, Pest management science
IF:3.8Q1
DOI:10.1002/ps.8473
PMID:39422093
|
综述 | 本文全面总结了深度学习在病媒图像识别中的应用现状与前景 | 系统整合了深度学习在病媒识别中的全流程应用，涵盖从数据收集到实际应用的完整技术链条 | 未涉及具体实验验证，主要基于现有研究的总结分析 | 探索深度学习在病媒识别领域的应用潜力与发展方向 | 病媒昆虫（如蚊子等传播疾病的生物） | 计算机视觉 | 媒介传播疾病 | 深度学习图像识别技术 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 1173 | 2025-10-07 |
Drone imagery dataset for early-season weed classification in maize and tomato crops
2025-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111203
PMID:39802837
|
研究论文 | 本文提出了一个用于玉米和番茄作物早期杂草分类的无人机RGB图像数据集 | 提供了包含两个物候阶段（早期生长阶段和较晚生长阶段）的大规模标注无人机图像数据集，专门针对玉米和番茄作物的早期杂草分类 | 仅包含西班牙特定农业区域的图像，杂草物种信息在摘要中不完整 | 提高早期季节杂草分类精度，促进精准农业发展 | 玉米和番茄作物中的杂草物种 | 计算机视觉 | NA | 无人机遥感成像 | CNN, ViT | RGB图像 | 总计67,558张标注图像（早期阶段31,002张，较晚阶段36,556张） | NA | NA | NA | NA |
| 1174 | 2025-10-07 |
A dataset of blood slide images for AI-based diagnosis of malaria
2025-Feb, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111190
PMID:39802838
|
研究论文 | 本文介绍了一个用于基于AI的疟疾诊断的血涂片图像数据集 | 提供了乌干达地区首个包含厚薄血涂片图像的基准数据集，支持自动疟疾筛查 | 数据集仅来自乌干达三家医院，样本来源相对有限 | 开发用于疟疾自动筛查的深度学习模型 | 疟疾血涂片图像 | 数字病理学 | 疟疾 | 显微镜检查 | CNN | 图像 | 3000张厚血涂片图像和1000张薄血涂片图像 | NA | NA | 检测准确率 | NA |
| 1175 | 2025-10-07 |
Applications of MRI in Schizophrenia: Current Progress in Establishing Clinical Utility
2025-Feb, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29470
PMID:38946400
|
综述 | 概述MRI在精神分裂症中的临床应用进展与前景 | 整合机器学习与深度学习技术开发智能诊断工具，总结MRI研究成果向临床转化的可行路径 | MRI研究发现与现实临床应用之间存在转化鸿沟 | 建立MRI在精神分裂症中的临床效用 | 精神分裂症患者及高危人群 | 医学影像分析 | 精神分裂症 | 磁共振成像(MRI) | 机器学习,深度学习 | MRI影像数据 | NA | NA | NA | NA | NA |
| 1176 | 2025-10-07 |
Deep Learning Reconstruction of Prospectively Accelerated MRI of the Pancreas: Clinical Evaluation of Shortened Breath-Hold Examinations With Dixon Fat Suppression
2025-Feb-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001110
PMID:39043213
|
研究论文 | 评估深度学习重建算法在胰腺MRI检查中缩短屏气时间并提升图像质量的临床效果 | 首次在前瞻性研究中将深度学习重建算法应用于上腹部加速MRI，针对胰腺病理进行临床验证 | 单中心研究，样本量有限（32名参与者），缺乏多中心验证 | 研究深度学习重建算法对胰腺MRI检查时间、图像质量和诊断信心的影响 | 患有各种胰腺疾病的患者 | 医学影像分析 | 胰腺疾病 | 磁共振成像（MRI），Dixon脂肪抑制技术 | 深度学习重建算法 | 医学影像 | 32名参与者（平均年龄62±19岁，20名男性） | NA | NA | 信噪比（SNR），对比噪声比（CNR），图像清晰度，图像质量，诊断信心，病变显着性 | 1.5 T MRI扫描仪 |
| 1177 | 2025-10-07 |
Artificial T1-Weighted Postcontrast Brain MRI: A Deep Learning Method for Contrast Signal Extraction
2025-Feb-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001107
PMID:39074258
|
研究论文 | 提出一种基于深度学习的对比信号提取方法，用于从非对比和低剂量图像合成人工T1加权全剂量脑部MRI图像 | 提出新的对比信号提取方法，并与两种现有最先进方法进行性能比较 | 部分图像与参考图像的互换性仍不充分 | 减少钆基对比剂使用，降低医疗成本、环境影响和患者暴露风险 | 脑部磁共振成像 | 医学影像分析 | 神经系统疾病 | 磁共振成像 | 深度学习 | 医学图像 | 213名参与者，其中50名作为测试集 | NA | NA | 假阳性病变计数, 互换性评分, 对比增强评分, 一致性评分 | NA |
| 1178 | 2025-10-07 |
Trap colour strongly affects the ability of deep learning models to recognize insect species in images of sticky traps
2025-Feb, Pest management science
IF:3.8Q1
DOI:10.1002/ps.8464
PMID:39377441
|
研究论文 | 本研究探讨了粘虫板颜色和成像设备对深度学习模型识别昆虫物种性能的影响 | 首次系统研究粘虫板颜色对深度学习模型识别昆虫物种性能的影响，并采用特征选择算法分析关键影响因素 | 仅测试了MobileNetV2架构，未评估其他深度学习模型在不同颜色粘虫板上的表现 | 研究粘虫板颜色和成像设备对深度学习模型害虫分类性能的影响 | 粘虫板上的昆虫物种 | 计算机视觉 | NA | 深度学习,图像识别 | CNN | 图像 | NA | NA | MobileNetV2 | 准确率,F1分数 | NA |
| 1179 | 2025-10-07 |
Bioimaging and the future of whole-organismal developmental physiology
2025-Feb, Comparative biochemistry and physiology. Part A, Molecular & integrative physiology
DOI:10.1016/j.cbpa.2024.111783
PMID:39581226
|
评论 | 本文探讨了生物成像和计算机视觉在整体有机体发育生理学研究中的潜力和挑战 | 提出计算机视觉技术可在不同物种、生命阶段和实验间转移应用，推动发育生理学的表型组学研究 | 图像分析而非图像采集成为研究瓶颈，且量化发育生物学的复杂性长期困扰研究人员 | 评估成像技术作为测量整体有机体发育生理学手段的重要性 | 发育中的动物生长和功能 | 计算机视觉 | NA | 生物成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1180 | 2025-10-07 |
Unveiling the power of artificial intelligence for image-based diagnosis and treatment in endodontics: An ally or adversary?
2025-Feb, International endodontic journal
IF:5.4Q1
DOI:10.1111/iej.14163
PMID:39526945
|
综述 | 本文综述了人工智能在牙髓病学中基于图像的诊断与治疗应用，探讨其作为辅助工具或潜在挑战的双重角色 | 系统评估AI在2D和3D影像中的表现，首次在牙髓病学领域对比AI与专家放射科医生的诊断精度，并探讨放射组学与AI结合的潜力 | 部分研究依赖体外或离体数据集训练AI模型，这些数据集无法复现临床环境的复杂性，可能影响AI应用的可靠性 | 评估人工智能在牙髓病学影像诊断和治疗中的应用价值与发展前景 | 牙髓病学中的二维和三维影像数据，包括根尖周病变、根尖周X线片、全景X线片和锥形束CT扫描 | 计算机视觉 | 牙髓疾病 | 深度学习，影像组学 | CNN | 图像 | NA | NA | 卷积神经网络 | 准确率，灵敏度，特异性 | NA |