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 1345 篇文献，本页显示第 881 - 900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 881 | 2025-04-03 |
Ultrasound-based deep learning radiomics for multi-stage assisted diagnosis in reducing unnecessary biopsies of BI-RADS 4A lesions
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-580
PMID:40160614
|
研究论文 | 本研究开发了基于超声图像的深度学习放射组学模型，用于改善BI-RADS 4A病变的诊断一致性并减少不必要的活检 | 提出了两种深度学习放射组学模型（DLR_LH和DLR_BM），用于乳腺病变风险重新分层和识别低恶性概率的BI-RADS 4A病变，以减少不必要的活检 | 研究为回顾性设计，可能受到选择偏倚的影响 | 提高乳腺超声成像诊断的准确性，减少不必要的活检 | 746名乳腺病变患者 | 数字病理 | 乳腺癌 | 深度学习放射组学 | DLR（深度学习放射组学模型） | 超声图像和临床变量 | 746名患者 | NA | NA | NA | NA |
| 882 | 2025-04-03 |
Multitask Swin Transformer for classification and characterization of pulmonary nodules in CT images
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1619
PMID:40160630
|
research paper | 提出了一种多任务Swin Transformer（MTST）模型，用于CT图像中肺结节的分类和特征分析 | 结合多任务学习框架，同时输出良恶性分类、多级分类和结节特征分析，提高了模型的性能和可解释性 | 模型性能依赖于数据质量和数量，且在实际临床环境中的泛化能力有待进一步验证 | 开发一种计算机辅助诊断（CAD）系统，用于肺结节的早期诊断和特征分析 | CT图像中的肺结节 | digital pathology | lung cancer | U-Net GAN用于图像增强 | Swin Transformer, CNN | CT图像 | 训练集/验证集/测试集分别为9,600/2,400/1,600个结节 | NA | NA | NA | NA |
| 883 | 2025-04-03 |
Deep learning for identifying cervical ossification of the posterior longitudinal ligament: a systematic review and meta-analysis
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1485
PMID:40160638
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估深度学习模型在诊断和预测颈椎后纵韧带骨化症中的性能 | 首次系统评估深度学习模型在颈椎后纵韧带骨化症诊断中的表现，并与传统方法进行比较 | 研究方法存在差异，深度学习技术本身存在挑战 | 评估深度学习模型在颈椎后纵韧带骨化症诊断和预测中的准确性和可靠性 | 颈椎后纵韧带骨化症患者 | 数字病理学 | 颈椎病 | 深度学习 | DLM | 医学影像 | 7项研究共3,373名患者，荟萃分析包含1,016名患者 | NA | NA | NA | NA |
| 884 | 2025-04-03 |
Advanced deep learning for multi-class colorectal cancer histopathology: integrating transfer learning and ensemble methods
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1641
PMID:40160652
|
research paper | 本研究开发了一种基于深度卷积神经网络（CNNs）的集成模型，用于结直肠癌组织病理学图像的多分类 | 结合迁移学习和集成方法优化深度学习模型在结直肠癌组织病理学图像分类中的性能 | 研究仅在一个公开数据集（EBHI）上进行了测试，未在其他数据集上验证模型的泛化能力 | 优化深度学习模型在结直肠癌组织病理学图像分类中的性能，以提高早期检测率和诊断准确性 | 结直肠癌组织病理学图像 | digital pathology | colorectal cancer | deep learning, transfer learning, ensemble methods | CNN, ensemble model | image | EBHI数据集（具体样本数量未提及） | NA | NA | NA | NA |
| 885 | 2025-04-03 |
An automatic deep learning-based bone mineral density measurement method using X-ray images of children
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-283
PMID:40160646
|
研究论文 | 提出了一种基于深度学习的自动骨密度测量方法，利用儿童X射线图像进行骨密度评估 | 通过单次X射线图像结合等效阶梯体模，实现骨龄或损伤评估的同时测量前臂骨密度，且采用深度学习方法消除软组织对骨密度测量的影响 | 方法仅在500张临床X射线图像上验证，样本量相对有限 | 开发一种适用于临床环境的自动骨密度测量方法，以替代或补充DXA技术 | 儿童的手部和前臂X射线图像 | 数字病理 | 骨质疏松症 | X射线成像 | 深度学习 | 图像 | 500张临床X射线图像 | NA | NA | NA | NA |
| 886 | 2025-04-03 |
Enhancing bone radiology images classification through appropriate preprocessing: a deep learning and explainable artificial intelligence approach
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1745
PMID:40160653
|
研究论文 | 本文通过深度学习和可解释人工智能方法，探讨了适当的预处理对骨放射学图像分类性能的提升作用 | 本文的创新点在于将特定的预处理技术（如去除背景和无关部分）应用于医学图像，以提高深度学习模型在分类任务中的性能，并结合XAI技术验证和说明其益处 | NA | 强调医学深度学习模型结果的真实性和模型及其创建者的责任，通过提出针对医学数据集的预处理方法来提高模型的性能和可靠性 | 骨放射学图像数据集 | 计算机视觉 | NA | 深度学习，可解释人工智能（XAI） | DenseNet201等深度学习神经网络 | 图像 | 两个骨放射学图像数据集 | NA | NA | NA | NA |
| 887 | 2025-04-03 |
A multi-scale pyramid residual weight network for medical image fusion
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-851
PMID:40160660
|
research paper | 提出了一种名为LYWNet的多尺度金字塔残差权重网络，用于医学图像融合，旨在有效整合高频细节信息和低频上下文信息 | 提出了一种新的CNN网络LYWNet，通过多尺度金字塔残差权重块和特征蒸馏融合算法，有效保留高频细节和低频上下文信息 | 未提及具体的样本量或实验数据集的规模，可能影响方法的普适性验证 | 改进多模态医学图像融合技术，提升临床诊断和手术导航的准确性和质量 | 医学图像（如SPECT-MRI、PET-MRI、MRI-CT等） | digital pathology | NA | CNN-based image fusion | CNN (LYWNet) | image | NA | NA | NA | NA | NA |
| 888 | 2025-04-03 |
Quantitative assessment and risk stratification of random acute pulmonary embolism cases using a deep learning model based on computed tomography pulmonary angiography images
2025-Mar-03, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1412
PMID:40160671
|
研究论文 | 本研究开发了一种结合Transformer的VB-Net深度学习模型，用于从CTPA图像中检测肺栓塞并自动计算血栓负荷评分 | 首次报道了结合Transformer的VB-Net深度学习模型在肺栓塞检测和血栓负荷评分自动计算中的应用 | 模型在随机CTPA检查中的灵敏度为76.67%，仍有提升空间 | 通过早期诊断、风险分层和治疗方案确定来帮助患者，改善预后并减轻放射科医生的负担 | 肺栓塞患者 | 数字病理学 | 肺栓塞 | CTPA | VB-Net结合Transformer | 医学影像 | 2,424例CTPA检查病例（44%男性）用于训练和测试模型，另外70例随机CTPA数据（30例急性肺栓塞，40例无肺栓塞）用于验证 | NA | NA | NA | NA |
| 889 | 2025-04-03 |
A Real-Time Computer-Aided Diagnosis System for Coronary Heart Disease Prediction Using Clinical Information
2025-Mar, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/RCM26204
PMID:40160568
|
研究论文 | 本研究旨在设计一个快速且高精度的智能模型，利用临床信息预测冠心病 | 提出了一种基于机器学习的冠心病预测模型，具有高精度和效率，适用于临床应用 | 模型依赖于公开数据集，可能无法涵盖所有临床场景 | 设计一个高效且高精度的冠心病预测模型 | 冠心病患者 | 机器学习 | 心血管疾病 | 奇异值分解方法 | 多层感知机 | 临床信息 | 五个公开数据集，共1222名患者 | NA | NA | NA | NA |
| 890 | 2025-04-02 |
Enrichment Analysis and Deep Learning in Biomedical Ontology: Applications and Advancements
2025-Mar-31, Chinese medical sciences journal = Chung-kuo i hsueh k'o hsueh tsa chih
DOI:10.24920/004464
PMID:40164517
|
review | 本文综述了基于生物医学本体结构及语义注释特性的富集分析和深度学习方法，强调了技术进步如何更全面地利用本体信息 | 结合富集分析和深度学习技术，探索生物医学本体的新应用和进展 | NA | 推动生物医学研究的发展，探索生物医学本体在大数据技术下的新应用 | 生物医学本体 | machine learning | NA | 富集分析, deep learning | deep learning | multi-dimensional, heterogeneous biomedical big data | NA | NA | NA | NA | NA |
| 891 | 2025-04-02 |
Advances in AI-based strategies and tools to facilitate natural product and drug development
2025-Mar-30, Critical reviews in biotechnology
IF:8.1Q1
DOI:10.1080/07388551.2025.2478094
PMID:40159111
|
综述 | 本文综述了人工智能在天然产物和药物开发中的应用及其进展 | 详细介绍了AI如何通过深度学习和自动化生物信息学平台加速天然产物的发现和药物开发 | 未提及具体AI工具或方法的局限性 | 探讨AI在天然产物和药物开发中的应用及其潜力 | 天然产物及其衍生物 | 机器学习 | NA | 深度学习、集成自动化生物信息学平台、质谱和核磁共振 | 神经网络 | 质谱数据、核磁共振数据 | NA | NA | NA | NA | NA |
| 892 | 2025-10-07 |
Deep Learning of Proteins with Local and Global Regions of Disorder
2025-Mar-29, ArXiv
PMID:40034137
|
研究论文 | 提出了一种名为IDPForge的新型机器学习方法，用于生成包含内在无序区域的全原子蛋白质结构 | 利用transformer蛋白质语言扩散模型直接生成全原子无序蛋白质构象，无需序列特异性训练、粗粒度表示反变换或系综重加权 | NA | 开发能够准确预测内在无序蛋白质和区域结构的新计算方法 | 内在无序蛋白质和区域 | 机器学习 | NA | 扩散模型 | transformer | 蛋白质序列数据 | NA | NA | transformer | 与溶液实验数据的一致性 | NA |
| 893 | 2025-04-02 |
Comparative analysis of dehazing algorithms on real-world hazy images
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95510-z
PMID:40155458
|
review | 本文对真实世界雾霾图像上的去雾算法进行了比较分析 | 比较了深度学习方法与基于先验的恢复技术，特别是在处理密集和非均匀雾霾方面的表现 | 物理驱动的单图像去雾算法缺乏鲁棒性，数据驱动方法在薄雾条件下表现良好但在密集雾霾中表现不佳 | 确保计算机视觉应用（如智能交通、视频监控、天气预报和遥感）的可靠运行 | 真实世界的雾霾图像 | computer vision | NA | image dehazing techniques | deep learning methods, restoration-based techniques | image | real-world hazy images | NA | NA | NA | NA |
| 894 | 2025-04-02 |
Comparative analysis of daily global solar radiation prediction using deep learning models inputted with stochastic variables
2025-Mar-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95281-7
PMID:40155686
|
研究论文 | 比较分析使用深度学习模型输入随机变量预测每日全球太阳辐射（DGSR）的性能 | 比较了四种不同的ANN模型（RBFNN、LSTMNN、MNN和TM）在DGSR预测中的性能，并使用了不同的气象随机变量组合 | 未提及样本量或具体的地理位置数据，可能影响模型的泛化能力 | 提高光伏发电的预测准确性 | 每日全球太阳辐射（DGSR） | 机器学习 | NA | 人工神经网络（ANN） | RBFNN, LSTMNN, MNN, TM | 时间序列数据 | NA | NA | NA | NA | NA |
| 895 | 2025-10-07 |
SIMVI disentangles intrinsic and spatial-induced cellular states in spatial omics data
2025-Mar-27, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-58089-7
PMID:40148341
|
研究论文 | 提出一种名为SIMVI的无注释深度学习框架，用于解耦空间组学数据中的细胞内在变异性和空间诱导效应 | 通过变分推理方法严格区分细胞内在状态和空间诱导状态，实现单细胞分辨率下的空间效应估计 | NA | 开发能够准确解析空间组学数据中细胞状态的计算方法 | 空间组学数据中的细胞状态和细胞间相互作用 | 生物信息学 | 黑色素瘤 | 空间组学技术 | 变分自编码器 | 空间组学数据 | 多平台多组织数据集，包括新收集的CosMx黑色素瘤队列数据 | 深度学习框架 | 变分推理模型 | NA | NA |
| 896 | 2025-04-02 |
ISIT-GEN: An in silico imaging trial to assess the inter-scanner generalizability of CTLESS for myocardial perfusion SPECT on defect-detection task
2025-Mar-20, ArXiv
PMID:40166744
|
research paper | 该研究通过虚拟成像试验评估了CTLESS方法在不同SPECT扫描仪上的泛化能力，用于心肌灌注SPECT成像中的缺陷检测任务 | 首次通过虚拟成像试验评估了深度学习衰减补偿方法CTLESS在不同厂商SPECT扫描仪上的泛化性能 | 研究仅使用了虚拟成像数据，未进行真实临床数据验证 | 评估CTLESS方法在不同SPECT扫描仪上的泛化性能 | 心肌灌注SPECT成像 | digital pathology | cardiovascular disease | SPECT, 深度学习 | 深度学习模型 | 医学影像数据 | 三种不同厂商的SPECT扫描仪数据 | NA | NA | NA | NA |
| 897 | 2025-04-02 |
Automated Aortic Regurgitation Detection and Quantification: A Deep Learning Approach Using Multi-View Echocardiography
2025-Mar-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.18.25323918
PMID:40166551
|
research paper | 本研究开发并验证了一种基于深度学习的模型，用于从多视角彩色多普勒超声心动图视频中自动评估主动脉瓣反流（AR）的严重程度 | 使用多视角彩色多普勒超声心动图视频，开发了视频卷积神经网络（R2+1D）模型，能够自动分类AR严重程度，并在外部验证中表现出色 | 临床解释在复杂病例中仍然必要，特别是存在多瓣膜病变或血流动力学改变的情况 | 开发一种自动化工具，用于准确评估主动脉瓣反流的严重程度，以支持早期检测和慢性疾病管理 | 主动脉瓣反流（AR）患者 | digital pathology | cardiovascular disease | 彩色多普勒超声心动图 | R2+1D CNN | video | 训练集：47,638个视频（来自32,396项研究，23,240名患者）；外部验证集：3,369个视频（来自1,504项研究，1,493名患者） | NA | NA | NA | NA |
| 898 | 2025-04-02 |
A precision health approach to medication management in neurodivergence: a model development and validation study using four international cohorts
2025-Mar-15, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.03.12.25323683
PMID:40162292
|
研究论文 | 本研究开发并验证了AI模型，用于预测神经发育异常儿童对精神药物的反应，以提高药物管理的精准性 | 首次开发AI模型预测神经发育异常儿童对兴奋剂、抗抑郁药和抗精神病药的反应，并在四个国际队列中进行验证 | 研究中发现的社会人口统计学因素偏差需要解决，以确保治疗建议的公平性 | 提高神经发育异常儿童精神药物管理的精准性和个性化 | 神经发育异常儿童 | 机器学习 | 神经发育障碍 | AI模型 | stacked ensemble models | 电子医疗记录(EMRs)和儿童行为检查表数据 | 四个队列共5070名儿童（POND=598，HBN=1764，ABCD=2396，PPP=312） | NA | NA | NA | NA |
| 899 | 2025-10-07 |
CryoTEN: efficiently enhancing cryo-EM density maps using transformers
2025-Mar-04, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf092
PMID:40036588
|
研究论文 | 提出了一种基于Transformer的CryoTEN方法，用于高效增强冷冻电镜密度图质量 | 首次将3D UNETR++风格的Transformer架构应用于冷冻电镜密度图增强，在保持高性能的同时运行速度比现有最佳深度学习方法快10倍以上且GPU内存需求更低 | 方法基于模拟数据进行训练，在真实实验条件下的泛化能力需要进一步验证 | 开发高效算法提升冷冻电镜密度图质量以改进蛋白质结构建模 | 冷冻电镜密度图 | 计算机视觉 | NA | 冷冻电镜 | Transformer | 3D密度图 | 1295个冷冻电镜图作为训练集，150个独立测试图 | PyTorch | 3D UNETR++ | 密度图质量改进，蛋白质结构建模质量，运行速度，GPU内存使用 | GPU |
| 900 | 2025-10-07 |
Artificial intelligence for segmentation and classification in lumbar spinal stenosis: an overview of current methods
2025-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-025-08672-9
PMID:39883162
|
综述 | 本文系统综述了机器学习在腰椎管狭窄症分割和分类任务中的应用现状与方法 | 首次系统评估了机器学习在腰椎管狭窄症影像分析中的分割和分类方法，并比较了传统机器学习与深度学习模型的性能差异 | 研究间比较困难，因为使用的评估指标和测试数据集差异较大；仅有有限数量的模型经过外部验证 | 评估当前用于腰椎管狭窄症分割和分类的机器学习算法现状 | 腰椎管狭窄症的医学影像数据 | 医学影像分析 | 腰椎管狭窄症 | MRI、X射线、CT扫描 | 深度学习, 传统机器学习 | 医学影像 | 27篇相关研究文献 | NA | U-Net, CNN | 多种评估指标（具体未指定） | NA |