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 1370 篇文献，本页显示第 1241 - 1260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1241 | 2025-03-05 |
GSCAT-UNET: Enhanced U-Net model with spatial-channel attention gate and three-level attention for oil spill detection using SAR data
2025-Mar, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.117583
PMID:39862681
|
研究论文 | 本文提出了一种名为GSCAT-UNET的增强型U-Net模型，用于利用SAR数据进行油污检测和区分 | GSCAT-UNET模型结合了空间-通道注意力门（SCAG）、三级注意力模块（TLM）和全局特征模块（GFM），以提高油污检测的准确性和鲁棒性 | NA | 提高油污检测的准确性和鲁棒性，以应对SAR数据的复杂性和不平衡数据集 | 油污及其类似物 | 计算机视觉 | NA | 深度学习 | GSCAT-UNET | SAR图像 | 1112张Sentinel-1双极化SAR图像及其标注图像（5类） | NA | NA | NA | NA |
| 1242 | 2025-02-01 |
Shaping the future of MRI in upper abdominal imaging: The promise of deep learning reconstruction
2025-Mar, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2024.12.003
PMID:39884888
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1243 | 2025-03-05 |
Feasibility of using Gramian angular field for preprocessing MR spectroscopy data in AI classification tasks: Differentiating glioblastoma from lymphoma
2025-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.111957
PMID:39892374
|
研究论文 | 本文探讨了使用Gramian角场将1D光谱转换为2D图像，作为卷积神经网络输入用于胶质母细胞瘤与淋巴瘤分类任务的可行性 | 首次将Gramian角场技术应用于MR光谱数据的预处理，以生成适合深度学习算法输入的2D图像 | 研究样本量较小，仅包括98名患者，且仅比较了傅里叶变换后的原始光谱和后处理拟合光谱的分类性能 | 探索MR光谱数据在神经网络分类任务中的应用潜力 | 胶质母细胞瘤和淋巴瘤患者 | 数字病理学 | 胶质母细胞瘤, 淋巴瘤 | MR光谱, Gramian角场 | 卷积神经网络(CNN) | 图像 | 98名患者（65名胶质母细胞瘤，33名淋巴瘤） | NA | NA | NA | NA |
| 1244 | 2025-10-07 |
Predicting Progression in Adolescent Idiopathic Scoliosis at the First Visit by Integrating 2D Imaging and 1D Clinical Information
2025-Mar, Global spine journal
IF:2.6Q1
DOI:10.1177/21925682231211273
PMID:37903546
|
研究论文 | 本研究开发了一种集成临床数据和放射影像的神经网络模型，用于预测青少年特发性脊柱侧凸患者的支具内曲线进展 | 首次将一维临床数据和二维放射影像数据整合到自动化预测模型中，相比传统方法能更充分利用多维度信息 | 回顾性研究设计，样本量相对有限（463例患者） | 预测青少年特发性脊柱侧凸患者的曲线进展情况 | 青少年特发性脊柱侧凸患者，特别是需要支具治疗的患者 | 医学影像分析 | 脊柱侧凸 | 放射影像分析，临床参数测量 | CapsuleNet | 图像，临床数据 | 463名患者 | NA | 改进的CapsuleNet架构 | 灵敏度，准确率 | NA |
| 1245 | 2025-10-07 |
Fluid Inverse Volumetric Modeling and Applications From Surface Motion
2025-Mar, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2024.3370551
PMID:38416615
|
研究论文 | 提出了一种从可观测表面运动进行流体体积重建的创新框架 | 结合深度学习与传统模拟的优势，通过表面运动推断体积速度场并估计流体物理属性 | NA | 实现从表面运动到体积流体的逆向建模 | 合成流体和真实捕获的流体 | 计算机视觉 | NA | 深度学习模拟 | 3D CNN | 表面运动序列 | NA | NA | 3D CNN | 视觉一致性，物理准确性 | NA |
| 1246 | 2025-03-05 |
Specialized ECG data augmentation method: leveraging precordial lead positional variability
2025-Mar, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00455-3
PMID:40026892
|
研究论文 | 本文介绍了一种针对心电图（ECG）数据的专门数据增强技术，通过考虑12导联ECG中胸前导联之间的独特角度，提出了一种在临床环境中可能发生的情况下的数据增强方法，并用于训练深度学习模型以诊断多种心脏疾病 | 本文的创新点在于提出了一种专门针对ECG数据的数据增强技术，考虑了胸前导联之间的独特角度，并在多种数据集和任务中展示了其性能提升 | 本文的局限性在于未提及该方法在其他类型生物信号处理中的适用性，且未详细讨论其在更大规模数据集上的表现 | 研究目的是开发一种优化的数据增强技术，以提高ECG数据的深度学习模型诊断心脏疾病的准确性 | 研究对象是12导联ECG数据，特别是胸前导联之间的角度变化 | 生物信号处理 | 心血管疾病 | 数据增强技术 | 深度学习模型 | ECG信号 | NA | NA | NA | NA | NA |
| 1247 | 2025-03-05 |
Reinforcement learning-based generative artificial intelligence for novel pesticide design
2025-Mar-01, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.02.030
PMID:40032026
|
研究论文 | 本研究提出了一种基于强化学习的生成人工智能框架，用于设计具有高结合亲和力的农药样分子 | 首次将生成人工智能应用于农药设计，提出了结合强化学习的框架，并成功设计出一种新型4-羟基苯基丙酮酸双加氧酶抑制剂 | 未提及具体样本量或实验数据规模 | 探索生成人工智能在农药设计中的应用，开发新型绿色农药 | 农药样分子 | 机器学习 | NA | 强化学习，蒙特卡洛树搜索算法 | 生成模型 | 化学分子数据 | NA | NA | NA | NA | NA |
| 1248 | 2025-10-07 |
Artificial intelligence in musculoskeletal applications: a primer for radiologists
2025-03-03, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2024.242830
PMID:39157958
|
综述 | 本文作为放射科医生的入门指南，详细介绍了人工智能在肌肉骨骼放射学中的应用 | 系统梳理了人工智能术语体系及其在肌肉骨骼放射学中的具体应用场景 | 作为入门指南未涉及具体技术细节和实证研究 | 帮助放射科医生了解人工智能在肌肉骨骼放射学中的基础知识和应用实践 | 放射科医生和医学影像专业人员 | 医学影像分析 | 肌肉骨骼疾病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 1249 | 2025-10-07 |
Deep learning MR reconstruction in knees and ankles in children and young adults. Is it ready for clinical use?
2025-Mar, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-024-04769-2
PMID:39112675
|
研究论文 | 评估深度学习重建的加速MRI序列在儿童和青少年膝踝关节成像中的诊断性能与图像质量 | 首次在儿童和年轻人群膝踝关节MRI中系统评估深度学习重建技术的临床应用价值 | 样本量较小（49例MRI），年龄范围较宽（7-29岁） | 验证深度学习重建MRI序列在儿科和年轻人群膝踝关节成像中的临床可行性 | 儿童和年轻人群的膝关节和踝关节 | 医学影像分析 | 肌肉骨骼疾病 | Turbo Spin Echo MRI序列，深度学习重建 | 深度学习 | MRI图像 | 48名受试者的49例MRI（10名男性，平均年龄16.4岁） | NA | NA | 敏感性，特异性，阳性预测值，阴性预测值 | NA |
| 1250 | 2025-10-07 |
Advances in spatial resolution and radiation dose reduction using super-resolution deep learning-based reconstruction for abdominal computed tomography: A phantom study
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.09.012
PMID:39304377
|
研究论文 | 本研究评估超分辨率深度学习重建在腹部CT中提升空间分辨率和降低辐射剂量的性能 | 首次系统比较超分辨率深度学习重建与混合迭代重建、常规分辨率深度学习重建在不同视野大小、辐射剂量和降噪强度下的性能 | 研究基于体模实验，尚未在临床患者中验证 | 评估超分辨率深度学习重建在CT图像质量提升和辐射剂量降低方面的性能 | 配备外部体环的Catphan体模 | 医学影像处理 | NA | 计算机断层扫描 | 深度学习 | CT图像 | 体模实验 | NA | 超分辨率深度学习重建 | 噪声功率谱, 噪声幅度比, 中心频率比, 高对比度值, 任务传递函数 | NA |
| 1251 | 2025-10-07 |
Feasibility of Ultra-low Radiation and Contrast Medium Dosage in Aortic CTA Using Deep Learning Reconstruction at 60 kVp: An Image Quality Assessment
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.10.042
PMID:39542806
|
研究论文 | 评估在主动脉CTA中使用60kVp超低辐射和对比剂剂量结合深度学习图像重建算法的可行性 | 首次将60kVp超低管电压与新型深度学习图像重建算法(DLIR-CI)结合应用于主动脉CTA，实现辐射剂量和对比剂用量的显著降低 | 研究仅针对非肥胖患者，样本量有限，未涵盖肥胖人群 | 评估超低辐射和对比剂剂量在主动脉CTA中的可行性 | 接受主动脉CTA检查的非肥胖参与者 | 医学影像 | 心血管疾病 | 计算机断层扫描血管成像(CTA)，深度学习图像重建 | 深度学习 | 医学影像 | 两组患者(实验组和常规组)，具体样本数未明确说明 | ClearInfinity (DLIR-CI) | NA | CT衰减值、图像噪声、信噪比(SNR)、对比噪声比(CNR)、主观图像质量评分 | NA |
| 1252 | 2025-10-07 |
Non-invasive Prediction of Lymph Node Metastasis in NSCLC Using Clinical, Radiomics, and Deep Learning Features From 18F-FDG PET/CT Based on Interpretable Machine Learning
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.11.037
PMID:39665892
|
研究论文 | 本研究开发并评估了一种结合临床、影像组学和深度学习特征的机器学习模型，用于预测非小细胞肺癌患者的淋巴结转移 | 首次将临床特征、影像组学特征和深度学习特征相结合，并利用可解释机器学习方法SHAP增强模型透明度 | 样本量相对有限（248例患者），需要更大规模的外部验证 | 开发可解释的机器学习模型来预测非小细胞肺癌患者的淋巴结转移 | 非小细胞肺癌患者 | 医学影像分析 | 肺癌 | 18F-FDG PET/CT成像 | XGBoost, ResNet50 | 医学影像（PET/CT图像） | 248例NSCLC患者 | NA | ResNet50 | AUC, 准确率, F1分数, 敏感性, 特异性 | NA |
| 1253 | 2025-10-07 |
Dataset augmentation with multiple contrasts images in super-resolution processing of T1-weighted brain magnetic resonance images
2025-Mar, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-024-00871-1
PMID:39680317
|
研究论文 | 本研究探讨了在脑部磁共振T1加权图像超分辨率处理中，通过整合同一受试者的多对比度图像来增强数据集的有效性 | 首次在医学图像超分辨率任务中利用同一受试者的多对比度图像（T1WI、T2WI、FLAIR）进行数据集增强 | 回顾性研究设计，样本量相对有限（240例患者） | 提升脑部磁共振图像超分辨率处理的深度学习方法性能 | 脑部磁共振T1加权图像 | 计算机视觉 | NA | 磁共振成像 | U-Net, EDSR | 医学图像 | 240例患者 | NA | U-Net, Enhanced Deep Super-Resolution network | PSNR, SSIM | NA |
| 1254 | 2025-10-07 |
Development of Deep Learning-Based Virtual Lugol Chromoendoscopy for Superficial Esophageal Squamous Cell Carcinoma
2025-Mar, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.16843
PMID:39687978
|
研究论文 | 开发基于深度学习的虚拟卢戈耳染色内镜技术用于浅表性食管鳞状细胞癌检测 | 首次使用循环一致性生成对抗网络开发虚拟卢戈耳染色内镜技术 | 虚拟卢戈耳染色内镜在病变检测和边界识别方面表现仍逊于真实卢戈耳染色内镜 | 开发基于深度学习的虚拟染色内镜技术以改善食管鳞状细胞癌的内镜诊断 | 浅表性食管鳞状细胞癌 | 计算机视觉 | 食管癌 | 内镜检查 | GAN | 内镜图像 | NA | NA | CycleGAN | 五分制评分,颜色差异 | NA |
| 1255 | 2025-10-07 |
Assessing the prognostic impact of body composition phenotypes on surgical outcomes and survival in patients with spinal metastasis: a deep learning approach to preoperative CT analysis
2025-Mar-01, Journal of neurosurgery. Spine
DOI:10.3171/2024.8.SPINE24722
PMID:39705691
|
研究论文 | 本研究通过深度学习分析术前CT评估体成分表型对脊柱转移瘤患者手术预后和生存率的影响 | 首次使用深度学习流程自动分析术前CT量化肌肉和脂肪成分，并建立四种体成分表型分类系统 | 回顾性研究设计，样本量相对有限（102例匹配患者），单中心数据 | 阐明体成分表型对脊柱转移瘤手术患者预后和5年生存率的影响 | 接受手术治疗的脊柱转移瘤患者 | 数字病理 | 脊柱转移瘤 | CT成像 | 深度学习 | 医学影像（CT扫描） | 102例匹配患者（2010-2020年期间手术治疗患者） | NA | NA | 风险比（HR）, 置信区间（CI）, log-rank检验p值 | NA |
| 1256 | 2025-10-07 |
Performance of AI-Enabled Electrocardiogram in the Prediction of Metabolic Dysfunction-Associated Steatotic Liver Disease
2025-Mar, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association
IF:11.6Q1
DOI:10.1016/j.cgh.2024.08.009
PMID:39209186
|
研究论文 | 本研究开发了一种基于深度学习的AI心电图模型，用于预测代谢功能障碍相关脂肪肝病 | 首次使用12导联心电图数据和卷积神经网络来检测MASLD，为非侵入性筛查提供了新方法 | 回顾性研究设计，外部验证队列表现有所下降 | 探索AI心电图模型在识别代谢功能障碍相关脂肪肝病方面的性能 | 明尼苏达州奥姆斯特德县1996-2019年间诊断为MASLD的成年患者 | 数字病理 | 代谢功能障碍相关脂肪肝病 | 心电图 | CNN | 心电图信号 | 3468例MASLD病例和25407例对照 | NA | 卷积神经网络 | AUC | NA |
| 1257 | 2024-12-21 |
Predicting Intracerebral Hemorrhage Outcomes Using Deep Learning Models to Extract Head CT Imaging Features
2025-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.12.019
PMID:39701844
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1258 | 2025-10-07 |
Redefining a new frontier in alkaptonuria therapy with AI-driven drug candidate design via in- silico innovation
2025-Mar-26, Zeitschrift fur Naturforschung. C, Journal of biosciences
DOI:10.1515/znc-2024-0075
PMID:38996180
|
研究论文 | 本研究利用人工智能驱动的药物设计方法，开发基于天然黄酮醇分子山奈酚的新型AKU治疗候选药物 | 首次将深度学习AI药物设计应用于黑酸尿症治疗，通过AI优化山奈酚分子结构开发新型4-羟基苯丙酮酸双加氧酶抑制剂 | 研究结果需要通过实验验证，目前仅为计算机模拟结果 | 开发毒性更低、疗效更好的黑酸尿症治疗药物 | 黑酸尿症患者，4-羟基苯丙酮酸双加氧酶靶点 | 药物发现 | 黑酸尿症 | AI药物设计，分子对接 | 深度学习 | 分子结构数据 | 3个AI设计的候选药物分子 | NA | NA | 结合亲和力(-9.099 kcal/mol)，药物相似性，毒性评估 | NA |
| 1259 | 2025-03-02 |
Physics-driven deep learning for high-fidelity photon-detection ghost imaging
2025-Mar-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.541330
PMID:40020023
|
研究论文 | 本文提出了一种基于物理驱动的深度学习光子探测鬼成像方法，以提高在散射介质中的空间和深度分辨率 | 通过共同设计计算鬼成像系统和网络，将成像和重建更紧密地结合，以超越物理分辨率限制，并设计了具有注意力机制的特殊深度融合网络 | NA | 提高在散射介质中的光子探测成像的空间和深度分辨率 | 光子探测成像 | 计算机视觉 | NA | 深度学习 | 深度融合网络 | 图像 | NA | NA | NA | NA | NA |
| 1260 | 2025-03-02 |
Phantom-metasurface cooperative system trained by a deep learning network driven by a bound state for a magnetic resonance-enhanced system
2025-Mar-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.546727
PMID:40020024
|
研究论文 | 本研究开发了一种基于深度学习网络训练的高效体模超表面复合MRI增强系统，并在MHz频段实现了超表面的设计与控制 | 结合深度神经网络和电磁超表面，显著提高了超表面的设计效率，并在MRI系统中展示了巨大的应用潜力 | NA | 提高MRI成像速度和分辨率 | MRI系统 | 医学影像 | NA | 深度学习网络 | 前向神经网络 | 电磁响应特性 | NA | NA | NA | NA | NA |