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 1367 篇文献，本页显示第 301 - 320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2025-06-07 |
Efficient merging and validation of deep learning-based nuclei segmentations in H&E slides from multiple models
2025-Apr, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100443
PMID:40463413
|
研究论文 | 本研究提出了一种整合多种深度学习模型进行H&E切片中细胞核分割的新方法，以提高细胞类型定量的准确性 | 提出了一种新颖的整合多种深度学习模型的方法，用于细胞核分割，相比单一模型和人工病理学检查，提高了细胞类型比例的准确性和基因表达变异的解释能力 | 深度学习模型在分割特定细胞类型方面仍存在局限性，且某些模型在特定任务上可能比其他模型更有效 | 开发一种高效整合多种深度学习模型的方法，以改进H&E切片中细胞核分割和细胞类型定量 | 471例正常前列腺样本的H&E切片 | 数字病理学 | 前列腺癌 | 深度学习 | 多种深度学习模型 | 图像 | 471例正常前列腺样本 | NA | NA | NA | NA |
| 302 | 2025-06-05 |
CausalCervixNet: convolutional neural networks with causal insight (CICNN) in cervical cancer cell classification-leveraging deep learning models for enhanced diagnostic accuracy
2025-Apr-03, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-13926-2
PMID:40181353
|
研究论文 | 该研究提出了一种结合因果推理的卷积神经网络CausalCervixNet，用于提高宫颈癌细胞分类的诊断准确性和效率 | 将因果推理、因果推断和因果发现整合到诊断框架中，揭示了潜在的因果关系，而不仅仅是依赖观察相关性，提高了诊断的准确性和可解释性 | 研究仅在三个数据集上进行了验证，可能需要更多样化的数据来进一步验证模型的泛化能力 | 提高宫颈癌细胞的分类和诊断准确性，构建可解释的AI系统 | 宫颈癌细胞图像 | 计算机视觉 | 宫颈癌 | 深度学习 | CNN | 图像 | 三个数据集：SIPaKMeD、Herlev和自收集的ShUCSEIT数据集 | NA | NA | NA | NA |
| 303 | 2025-06-05 |
Regional Image Quality Scoring for 2-D Echocardiography Using Deep Learning
2025-04, Ultrasound in medicine & biology
|
research paper | 该研究开发并比较了三种自动评估超声心动图区域图像质量的方法 | 提出了一种端到端的深度学习模型，直接预测图像中各区域的质量，性能优于传统方法 | gCNR指标在本研究中表现不佳，效果有限 | 开发自动评估超声心动图区域图像质量的方法 | 超声心动图的区域图像质量 | 计算机视觉 | 心血管疾病 | 深度学习 | U-Net, 端到端深度学习模型 | 图像 | 由三位经验丰富的心脏病专家提供的手动区域质量标注 | NA | NA | NA | NA |
| 304 | 2025-10-06 |
Fluorescence images of skin lesions and automated diagnosis using convolutional neural networks
2025-Apr, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2024.104462
PMID:39736369
|
研究论文 | 本研究通过构建荧光皮肤病变图像数据集FLUO-SC，并应用卷积神经网络实现皮肤病变的自动分类诊断 | 首次创建了皮肤病变荧光图像公开数据集FLUO-SC，并证明荧光图像在皮肤病变分类中与临床图像具有竞争力 | 数据集规模有限（1,563张图像），且缺乏与其他先进深度学习方法的对比实验 | 开发基于荧光图像的皮肤癌自动诊断方法 | 主要皮肤病变的荧光图像 | 计算机视觉 | 皮肤癌 | 荧光宽场成像技术 | CNN | 图像 | 1,563张荧光皮肤病变图像 | NA | NA | 分类准确率 | NA |
| 305 | 2025-10-06 |
WALINET: A water and lipid identification convolutional neural network for nuisance signal removal in 1 H $$ {}^1\mathrm{H} $$ MR spectroscopic imaging
2025-Apr, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30402
PMID:39737778
|
研究论文 | 提出一种基于改进Y-NET的深度学习网络WALINET，用于去除全脑质子磁共振波谱成像中的水和脂质干扰信号 | 首次将监督神经网络应用于MRSI处理中的水和脂质信号去除任务，相比传统方法显著提升了处理速度和性能 | 未明确说明训练数据的具体规模和多样性，可能影响模型的泛化能力 | 开发快速有效的全脑质子磁共振波谱成像干扰信号去除方法 | 全脑质子磁共振波谱成像数据 | 医学影像处理 | NA | 质子磁共振波谱成像 | CNN | 磁共振波谱数据 | 模拟模型和体内全脑MRSI数据 | NA | Y-NET | NMRSE, SNR, CRLB, FWHM | NA |
| 306 | 2025-10-06 |
Electrocardiogram-based deep learning to predict left ventricular systolic dysfunction in paediatric and adult congenital heart disease in the USA: a multicentre modelling study
2025-04, The Lancet. Digital health
DOI:10.1016/j.landig.2025.01.001
PMID:40148010
|
研究论文 | 开发基于心电图和深度学习的方法预测儿童和成人先天性心脏病患者的左心室收缩功能障碍 | 首次将人工智能增强心电图分析全面应用于各类先天性心脏病病变的LVSD预测，并在多中心进行外部验证 | 研究主要基于美国两家儿童医院的数据，需要在更广泛人群中进一步验证 | 预测先天性心脏病患者的左心室收缩功能障碍 | 儿童和成人先天性心脏病患者 | 医疗人工智能 | 先天性心脏病 | 心电图、超声心动图 | CNN | 心电图信号、超声心动图数据 | 训练队列124,265对ECG-超声心动图（49,158名患者），内部测试21,068名患者，外部验证42,984名患者 | NA | 卷积神经网络 | AUROC, AUPRC, 风险比 | NA |
| 307 | 2025-10-06 |
Automated Bi-Ventricular Segmentation and Regional Cardiac Wall Motion Analysis for Rat Models of Pulmonary Hypertension
2025-Apr, Pulmonary circulation
IF:2.2Q3
DOI:10.1002/pul2.70092
PMID:40356847
|
研究论文 | 提出用于肺动脉高压大鼠模型的自动化双心室分割和区域心脏壁运动分析的深度学习流程 | 开发了首个针对啮齿类动物的自动化双心室分割和3D壁运动分析流程，与临床心脏成像AI发展保持一致 | 研究仅限于大鼠模型，样本量为163个心脏磁共振扫描 | 开发自动化工具用于肺动脉高压疾病进展的心脏运动分析 | 肺动脉高压大鼠模型（MCT和SuHx模型） | 数字病理学 | 肺动脉高压 | 心脏磁共振成像 | 全卷积网络 | 短轴电影心脏磁共振扫描图像 | 163个心脏磁共振扫描 | NA | 全卷积网络 | Dice系数 | NA |
| 308 | 2025-06-03 |
Deep Learning-Accelerated Non-Contrast Abbreviated Liver MRI for Detecting Malignant Focal Hepatic Lesions: Dual-Center Validation
2025-Apr, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2024.0862
PMID:40150922
|
研究论文 | 比较深度学习加速的非增强简化MRI协议与标准简化MRI在肝脏恶性局灶性病变检测中的表现 | 采用深度学习加速的MRI协议，显著提高图像质量并减少扫描时间约50% | 研究为回顾性设计，样本量相对较小（155例患者） | 评估深度学习加速的简化MRI协议在肝脏恶性局灶性病变检测中的效能 | 肝脏恶性局灶性病变患者 | 医学影像分析 | 肝癌 | 深度学习加速的MRI序列（SSFSEDL和DWIDL） | 深度学习 | MRI图像 | 155例患者（其中64例有104个恶性病灶） | NA | NA | NA | NA |
| 309 | 2025-10-06 |
AI-Driven Detection of Obstructive Sleep Apnea Using Dual-Branch CNN and Machine Learning Models
2025-Apr-30, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines13051090
PMID:40426919
|
研究论文 | 本研究比较了机器学习和深度学习模型在利用心电图数据检测阻塞性睡眠呼吸暂停中的应用 | 提出双分支CNN模型用于OSA检测，相比传统方法具有更高的识别性能，ROC AUC达到0.99 | NA | 开发基于AI的非侵入性OSA早期检测方法，解决传统多导睡眠图的局限性 | 阻塞性睡眠呼吸暂停患者的心电图数据 | 机器学习 | 阻塞性睡眠呼吸暂停 | 心电图分析 | CNN, 机器学习模型 | 心电图信号 | NA | NA | 双分支CNN | 准确率, ROC AUC | NA |
| 310 | 2025-10-06 |
Advancements in Medical Radiology Through Multimodal Machine Learning: A Comprehensive Overview
2025-Apr-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050477
PMID:40428096
|
综述 | 本文全面概述了多模态机器学习在放射学领域的最新进展、应用和未来研究方向 | 系统整合了放射学中多模态机器学习的方法论，详细分析了模态融合、表示学习和模态转换等关键技术 | 作为综述性文章，不包含原始实验数据或具体模型验证 | 探讨多模态机器学习在放射学领域的应用现状和发展趋势 | 放射学中的多模态数据（影像、文本和结构化医疗数据） | 机器学习 | NA | 多模态机器学习 | NA | 影像数据, 文本数据, 结构化医疗数据 | NA | NA | NA | NA | NA |
| 311 | 2025-10-06 |
Modelling the Ki67 Index in Synthetic HE-Stained Images Using Conditional StyleGAN Model
2025-Apr-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050476
PMID:40428095
|
研究论文 | 本研究利用条件式StyleGAN模型生成反映不同Ki67指数变化的HE染色图像序列，探索HE染色与Ki67染色之间的隐藏关系 | 首次将条件式StyleGAN模型应用于生成反映Ki67指数变化的HE染色图像序列，增强了预测模型的可解释性 | 需要专家病理学家评估生成序列的相关性，模型性能依赖于有限的专家标准 | 开发可解释的生成模型框架，从HE染色图像分析和预测免疫组化信息 | 癌症组织的HE染色图像和Ki67指数 | 数字病理学 | 癌症 | HE染色，免疫组化染色 | GAN | 图像 | NA | StyleGAN | 条件式StyleGAN | 专家评估，序列相关性标准 | NA |
| 312 | 2025-10-06 |
Development and Validation of a Deep Learning System for the Detection of Nondisplaced Femoral Neck Fractures
2025-Apr-28, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050466
PMID:40428085
|
研究论文 | 开发并验证用于检测非移位性股骨颈骨折的深度学习系统 | 首次采用ResNet框架的卷积神经网络专门针对难以诊断的非移位性股骨颈骨折进行检测，在准确率和AUC指标上超越急诊医生并达到专家水平 | 研究仅基于2032张髋部X光片，需更多样化数据验证泛化能力 | 提高非移位性股骨颈骨折的诊断准确性 | 髋部X光片中的非移位性股骨颈骨折 | 计算机视觉 | 骨科疾病 | X光成像 | CNN | X光图像 | 2032张髋部X光片，来自多家医院 | NA | ResNet | 准确率, AUC | NA |
| 313 | 2025-10-06 |
FOVEA: Preoperative and intraoperative retinal fundus images with optic disc and retinal vessel annotations
2025-Apr-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04965-2
PMID:40287417
|
研究论文 | 本研究介绍了FOVEA数据集，包含术前和术中视网膜眼底图像及其视盘和视网膜血管标注 | 首个将高质量术中域标注与术前域标注相匹配的视网膜图像数据集 | 数据集仅包含40名患者的数据，样本量相对有限 | 为深度学习应用提供标注数据以支持玻璃体视网膜手术 | 视网膜眼底图像 | 计算机视觉 | 眼科疾病 | 生物显微镜成像 | NA | 图像, 视频 | 40名患者 | NA | NA | NA | NA |
| 314 | 2025-10-06 |
Radiomics Analysis of Whole-Kidney Non-Contrast CT for Early Identification of Chronic Kidney Disease Stages 1-3
2025-Apr-25, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050454
PMID:40428073
|
研究论文 | 本研究通过全肾脏非增强CT影像组学分析结合机器学习技术，实现对慢性肾脏病1-3期的早期识别 | 首次将基于深度学习的自动分割与影像组学特征相结合，用于非增强CT中早期慢性肾脏病的定量诊断 | 回顾性研究设计，样本仅包含慢性肾脏病1-3期患者 | 评估基于非增强CT的影像组学特征在区分早期慢性肾脏病与健康对照中的潜力 | 1099名慢性肾脏病1-3期患者和1099名健康参与者 | 数字病理 | 慢性肾脏病 | 非增强CT成像 | VB-net, 高斯过程分类器 | CT图像 | 2198名参与者（1099名患者+1099名健康对照） | NA | VB-net | AUC | NA |
| 315 | 2025-10-06 |
PE-MT: A Perturbation-Enhanced Mean Teacher for Semi-Supervised Image Segmentation
2025-Apr-25, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050453
PMID:40428072
|
研究论文 | 提出一种基于扰动增强均值教师的半监督医学图像分割方法PE-MT | 引入扰动增强指数移动平均(pEMA)和残差引导不确定性图(RUM)来提升学生和教师模型的性能 | NA | 解决医学图像分割中标注数据不足的问题 | 心脏医学图像 | 计算机视觉 | 心血管疾病 | 深度学习 | 均值教师模型 | 医学图像 | 使用公开LASC和ACDC数据集 | NA | UA-MT, PE-MT | Dice相似系数 | NA |
| 316 | 2025-06-01 |
Artificial Intelligence in Chest Radiography-A Comparative Review of Human and Veterinary Medicine
2025-Apr-25, Veterinary sciences
IF:2.0Q2
DOI:10.3390/vetsci12050404
PMID:40431497
|
review | 本文比较了人工智能在人类和兽医胸部放射学中的应用及其影响 | 比较了人类和兽医医学中AI在胸部放射学中的应用，探讨了各自的挑战和潜力 | 数据限制、算法偏见、需要广泛验证以及伦理和监管问题阻碍了AI的全面实施 | 探讨AI在人类和兽医胸部放射学中的应用及其对诊断速度、准确性和效率的影响 | 人类和兽医医学中的胸部放射学 | digital pathology | NA | deep learning | NA | image | NA | NA | NA | NA | NA |
| 317 | 2025-10-06 |
A Three-Stage Fusion Neural Network for Predicting the Risk of Root Fracture-A Pilot Study
2025-Apr-24, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050447
PMID:40428066
|
研究论文 | 提出一种三阶段融合神经网络用于预测根管治疗后牙根骨折风险 | 首次提出结合数值和分类数据的融合神经网络架构，采用批归一化和嵌入层技术处理异构临床数据 | 临床数据量有限（仅145颗牙齿），属于初步研究 | 改进牙科领域多类型临床数据的深度学习预测性能 | 145颗牙齿（97颗骨折牙齿和48颗非骨折牙齿） | 机器学习 | 牙科疾病 | 深度学习 | ANN, TSFNN | 临床数据（分类数据和数值数据） | 145颗牙齿，包含97颗骨折牙齿和48颗非骨折牙齿 | NA | 三阶段融合神经网络 | 准确率, F1分数 | NA |
| 318 | 2025-10-06 |
Non-Invasive Localization of Epileptogenic Zone in Drug-Resistant Epilepsy Based on Time-Frequency Analysis and VGG Convolutional Neural Network
2025-Apr-23, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12050443
PMID:40428062
|
研究论文 | 提出一种基于时频分析和VGG卷积神经网络的非侵入性耐药性癫痫致痫区定位方法 | 首次提出结合sLORETA源成像、时频分析和VGG-16深度学习的系统性非侵入性致痫区定位框架 | 样本量有限（仅25名患者），仅针对单一癫痫类型 | 开发非侵入性自动定位耐药性癫痫致痫区的方法，以指导电极植入并提高神经外科治疗效果和安全性 | 25名成功手术的耐药性癫痫患者的16通道头皮脑电图数据 | 数字病理学 | 癫痫 | 脑电图（EEG）, sLORETA源成像, 短时傅里叶变换（STFT）, 连续小波变换（CWT）, 超小波算法 | CNN | 脑电图信号, 时频图像 | 25名耐药性癫痫患者 | NA | VGG-16 | 分类准确率, 通道识别率 | NA |
| 319 | 2025-10-06 |
AI-assisted computational screening and docking simulation prioritize marine natural products for small-molecule PCSK9 inhibition
2025 Apr-Jun, Current research in translational medicine
IF:3.2Q2
DOI:10.1016/j.retram.2025.103498
PMID:39938184
|
研究论文 | 开发AI辅助计算筛选流程，从海洋天然产物中识别新型PCSK9小分子抑制剂 | 结合卷积神经网络、分子对接和分子动力学模拟的多步骤虚拟筛选方法，专门针对海洋天然产物数据库进行PCSK9抑制剂发现 | 纯计算机模拟研究，缺乏实验验证 | 识别新型人类PCSK9抑制剂 | 海洋天然产物 | 机器学习 | 心血管疾病 | 虚拟筛选,分子对接,分子动力学模拟 | CNN | 分子结构数据 | CMNPD数据库中的海洋天然产物 | Schrödinger | 卷积神经网络 | 结合亲和力,自由能景观分析 | NA |
| 320 | 2025-10-06 |
Development and multicentric external validation of a prognostic COVID-19 severity model based on thoracic CT
2025-Apr-01, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-025-02983-z
PMID:40170034
|
研究论文 | 开发并外部验证基于胸部CT的COVID-19严重程度预后模型 | 结合手工特征与深度学习方法的比较，并在不同疫情阶段和变异株流行期验证模型稳定性 | 模型性能仍有提升空间（AUC 0.74-0.78），未涵盖所有临床变量 | 通过胸部CT实现COVID-19患者严重程度风险分层 | COVID-19患者 | 医学影像分析 | COVID-19 | 胸部计算机断层扫描（CT） | 逻辑回归, 深度学习 | 医学影像（CT图像）及元数据 | 来自STOIC挑战赛的公开数据和多中心外部数据集 | NA | NA | AUC（曲线下面积） | NA |