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 521 - 540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 521 | 2025-05-09 |
LMTTM-VMI: Linked Memory Token Turing Machine for 3D volumetric medical image classification
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108640
PMID:39951959
|
研究论文 | 提出了一种名为LMTTM的新型深度学习模型，用于高效处理3D医学体积图像的分类问题 | 引入了链接记忆令牌图灵机（LMTTM），利用外部链接记忆有效处理3D医学体积图像的空间依赖性和结构复杂性 | 未提及具体的数据集局限性或模型适用范围 | 提高3D医学体积图像分类的准确性和效率 | 3D医学体积图像 | 数字病理 | NA | 深度学习 | LMTTM | 3D医学图像 | 六个来自MedMNIST v2的3D医学体积图像数据集 | NA | NA | NA | NA |
| 522 | 2025-05-09 |
"Brain state network dynamics in pediatric epilepsy: Chaotic attractor transition ensemble network"
2025-Apr, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109832
PMID:39951978
|
research paper | 提出了一种新型的集成框架CATE-NET，用于识别儿童癫痫的神经动力学特征，区分生理性脑活动和癫痫引起的信号异常 | 结合混沌和动力系统理论，设计了模块化的CATE-NET框架，利用非线性动力学和混沌吸引子（特别是Rössler混沌吸引子）建模头皮EEG数据，并通过LSTM网络和概率图自动分析脑状态 | 未提及具体样本量，且依赖于EEG信号的质量 | 改进儿童癫痫的脑状态分析和癫痫活动检测 | 儿童癫痫患者的脑电图信号 | digital pathology | epilepsy | EEG信号分析，混沌吸引子建模，深度学习 | LSTM，概率图模型 | EEG信号 | NA | NA | NA | NA | NA |
| 523 | 2025-05-09 |
Illuminating the unseen: Advancing MRI domain generalization through causality
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103459
PMID:39952023
|
research paper | 提出了一种针对加速MRI重建的领域泛化框架，通过因果对齐增强模型在未见领域的鲁棒性 | 首次提出专为加速MRI重建设计的领域泛化框架GenCA-MRI，通过机制级不变性（因果对齐）捕获MRI数据内在因果关系 | 未明确说明计算策略对超参数敏感度或计算资源消耗的具体影响 | 解决加速MRI重建中训练-测试领域偏移（如图像对比度/解剖区域/采集策略变化）导致的性能下降问题 | 多领域MRI数据（fastMRI和IXI数据集） | medical imaging | NA | deep learning-based MRI reconstruction | domain generalization framework (GenCA-MRI) | MRI图像 | fastMRI和IXI数据集（具体数量未说明） | NA | NA | NA | NA |
| 524 | 2025-05-09 |
Automated pediatric TMJ articular disk identification and displacement classification in MRI with machine learning
2025-Apr, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105622
PMID:39952550
|
研究论文 | 评估一种自动化两步模型在儿科颞下颌关节（TMJ）磁共振成像（MRI）中使用人工智能（AI）进行解释的性能 | 使用深度学习技术自动识别TMJ骨结构和关节盘，并通过自动化算法对关节盘位移进行分类 | 样本量相对较小（235名儿科患者），且仅针对儿科TMJ MRI | 开发自动化工具以辅助非MRI专家评估儿科TMJ疾病 | 儿科患者的TMJ MRI图像 | 数字病理学 | 颞下颌关节疾病 | MRI | UNet++ | 图像 | 235名儿科患者（470个关节） | NA | NA | NA | NA |
| 525 | 2025-05-09 |
Artificial intelligence in gastrointestinal cancer research: Image learning advances and applications
2025-Apr-01, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2025.217555
PMID:39952597
|
综述 | 本文综述了人工智能在胃肠道肿瘤研究中的最新进展和应用，特别是在早期筛查、诊断、分子标志物识别、治疗规划和预后预测方面的应用 | 总结了AI在胃肠道肿瘤研究中的最新进展，包括其在提高诊断准确性、个性化治疗设计和肿瘤微环境基础研究中的应用 | 未提及具体的AI模型或技术在临床应用中的局限性 | 探讨人工智能在胃肠道肿瘤研究中的应用及其潜力 | 胃肠道肿瘤 | 数字病理学 | 胃肠道癌症 | 深度学习、大语言模型、神经网络 | NA | 图像、多组学数据 | NA | NA | NA | NA | NA |
| 526 | 2025-05-09 |
Geometric deep learning with adaptive full-band spatial diffusion for accurate, efficient, and robust cortical parcellation
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103492
PMID:39954339
|
research paper | 该论文提出了一种基于几何深度学习的自适应全波段空间扩散策略，用于准确、高效且稳健的皮质分区 | 提出了一种全波段谱加速空间扩散策略，直接在个体空间中对原始表面进行分区，避免了传统方法中的球面映射过程，并构建了一个紧凑的深度网络（Cortex-Diffusion） | 未提及具体局限性 | 开发一种自动化的皮质分区方法，以提高分区准确性、效率和鲁棒性 | 婴儿和成人脑成像数据集中的皮质表面 | digital pathology | NA | 几何深度学习 | Cortex-Diffusion | 3D顶点坐标 | 婴儿和成人脑成像数据集 | NA | NA | NA | NA |
| 527 | 2025-05-09 |
Methods for estimating resting energy expenditure in intensive care patients: A comparative study of predictive equations with machine learning and deep learning approaches
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108657
PMID:39954654
|
research paper | 比较预测方程与机器学习和深度学习方法在重症监护患者静息能量消耗估计中的性能 | 首次将机器学习和深度学习方法应用于重症监护患者的静息能量消耗估计，并与传统预测方程进行比较 | 研究样本量较小（300例），且未在独立数据集和多样化患者群体中进行进一步验证 | 评估机器学习和深度学习方法在重症监护患者静息能量消耗估计中的准确性和应用潜力 | 重症监护患者的静息能量消耗 | machine learning | 重症监护 | 机器学习（XGBoost, RFR, SVR）和深度学习（CNN） | XGBoost, Random Forest Regressor, Support Vector Regression, CNN | 静态变量（年龄、身高、体重）和动态变量（分钟通气量、体温） | 300例重症监护患者的间接测热法测量数据 | NA | NA | NA | NA |
| 528 | 2025-05-09 |
Label-efficient sequential model-based weakly supervised intracranial hemorrhage segmentation in low-data non-contrast CT imaging
2025-Apr, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17689
PMID:39962740
|
研究论文 | 提出了一种基于弱监督的颅内出血分割方法，用于低数据量的非对比CT成像 | 利用图像级标签和类激活图（CAMs）进行弱监督分割，并通过无监督方式优化伪掩码，同时利用连续切片间的依赖关系提高激活图的鲁棒性 | 需要进一步验证在不同临床环境中的泛化能力 | 减少对体素级标注数据的依赖，提供一种高效的颅内出血分割方法 | 非对比CT图像中的颅内出血（ICH） | 数字病理 | 心血管疾病 | 深度学习 | CNN | 图像 | RSNA数据集（21,784例）、INSTANCE数据集（100例）、PhysioNet数据集（75例） | NA | NA | NA | NA |
| 529 | 2025-05-09 |
Automatic Joint Lesion Detection by enhancing local feature interaction
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 该论文提出了一种通过增强局部特征交互来自动检测关节病变的方法，并改进了YOLO模型 | 提出了局部注意力特征融合（LAFF）和高斯位置编码（GPE）模块，显著提高了关节病变检测的准确率 | 研究仅基于X射线图像，可能不适用于其他类型的医学影像 | 提高自动关节病变检测（AJLD）的准确性和效率，以满足临床需求 | 关节病变的X射线图像 | computer vision | arthritis | deep learning | YOLO | image | 960张X射线图像（由两位关节炎专家和一位放射科医生标注）和216张X射线图像，补充了MURA数据集 | NA | NA | NA | NA |
| 530 | 2025-05-09 |
Interpretable multi-stage attention network to predict cancer subtype, microsatellite instability, TP53 mutation and TMB of endometrial and colorectal cancer
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种可解释的多阶段注意力深度学习网络，用于从子宫内膜癌和结直肠癌的组织病理学全切片图像中预测癌症亚型、微卫星不稳定性、TP53突变和肿瘤突变负荷 | 开发了一种新型深度学习网络，能够直接从低成本、常规使用的组织病理学图像中预测多个分子状态，显著优于现有方法 | 研究仅针对子宫内膜癌和结直肠癌，未验证在其他癌症类型中的适用性 | 开发一种低成本、高效的深度学习方法来预测癌症分子状态，以支持个性化免疫治疗决策 | 子宫内膜癌和结直肠癌的组织病理学全切片图像 | 数字病理学 | 子宫内膜癌, 结直肠癌 | 深度学习 | 多阶段注意力网络 | 图像 | NA | NA | NA | NA | NA |
| 531 | 2025-05-09 |
The state-of-the-art in cardiac MRI reconstruction: Results of the CMRxRecon challenge in MICCAI 2023
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103485
PMID:39946779
|
研究论文 | 本文介绍了2023年心脏MRI重建挑战赛（CMRxRecon）的结果，该挑战赛旨在推动数据驱动的心脏MRI重建算法的发展 | 提出了一个公开可用的心脏k空间数据集，并组织了大规模的挑战赛以促进深度学习在心脏MRI重建中的应用 | 挑战赛的数据集虽然广泛，但仍可能存在数据多样性和代表性的限制 | 加速心脏MRI扫描并提高成像性能，解决现有数据驱动重建算法发展中的瓶颈 | 心脏MRI的k空间数据，包括电影和映射原始数据 | 数字病理 | 心血管疾病 | 深度学习 | E2E-VarNet, U-Net | k空间数据 | 超过285个团队和600多名参与者，22个团队提交了测试阶段的Docker容器 | NA | NA | NA | NA |
| 532 | 2025-05-09 |
Evaluation and failure analysis of four commercial deep learning-based autosegmentation software for abdominal organs at risk
2025-Apr, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70010
PMID:39946266
|
研究论文 | 评估四种商业深度学习自动分割软件在腹部危及器官分割中的表现并分析其失败原因 | 首次对四种商业深度学习自动分割软件进行系统性异常值分析，总结六类失败模式 | 仅分析111例患者数据，部分异常分割原因缺乏足够证据确认 | 评估商业深度学习自动分割软件的性能并分析其失败模式 | 四种商业深度学习自动分割软件（Limbus AI、MIM Contour ProtégéAI、Radformation AutoContour、Siemens syngo.via） | digital pathology | NA | deep learning-based segmentation | NA | medical imaging | 111例患者病例 | NA | NA | NA | NA |
| 533 | 2025-05-08 |
Variability analysis of soil organic carbon content across land use types and its digital mapping using machine learning and deep learning algorithms
2025-Apr-10, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-13972-0
PMID:40210813
|
研究论文 | 分析法国普罗旺斯矿区11种不同土地利用类型下土壤有机碳含量的变异性，并利用机器学习和深度学习算法进行空间建模 | 首次在该地区综合使用多种机器学习和深度学习算法（RF、SVM、XGBoost、DNN）对土壤有机碳含量进行空间变异性建模，并比较其性能 | 样本量有限（162个土壤样本），且仅针对法国普罗旺斯矿区，结果可能无法推广到其他地区 | 研究土壤有机碳含量的空间变异性及其影响因素，为可持续土壤资源管理和气候变化减缓提供支持 | 法国普罗旺斯矿区11种不同土地利用类型下的土壤有机碳含量 | 机器学习 | NA | 机器学习和深度学习回归算法（RF、SVM、XGBoost、DNN） | 随机森林（RF）、支持向量机（SVM）、极端梯度提升（XGBoost）、深度神经网络（DNN） | 土壤样本数据、环境协变量（气候参数、岩性、地形特征、土地覆盖、遥感数据、土壤理化参数） | 162个土壤样本 | NA | NA | NA | NA |
| 534 | 2025-05-08 |
A method for delineating traffic low emission control zone based on deep learning and multi-objective optimization
2025-Apr-08, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-025-13949-z
PMID:40199777
|
研究论文 | 本研究提出了一种基于深度学习和多目标优化的交通低排放控制区划分方法 | 结合CNN、LSTM和注意力机制的深度学习模型捕捉PM浓度的时空变化，并采用NSGA-II算法进行多目标优化 | 未明确说明模型在不同城市规模或地理条件下的泛化能力 | 优化交通低排放控制区的划分，平衡环境效益与社会影响 | 城市PM浓度数据与交通排放控制区 | 机器学习 | NA | 深度学习、多目标优化算法 | CNN、LSTM、Attention Mechanism | PM浓度数据（静态路网特征+动态时间序列） | 出租车队采集的PM数据（未明确数量） | NA | NA | NA | NA |
| 535 | 2025-05-08 |
A Multi-Task Self-Supervised Strategy for Predicting Molecular Properties and FGFR1 Inhibitors
2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202412987
PMID:39921455
|
研究论文 | 提出了一种多任务自监督深度学习框架MTSSMol，用于预测分子性质和识别FGFR1抑制剂 | 提出了一种多任务自监督预训练策略，利用约1000万个未标记的药物样分子进行预训练，以识别潜在的FGFR1抑制剂 | 未明确提及具体限制，但可能涉及预训练数据的多样性和模型的泛化能力 | 增强分子表示学习并识别潜在药物候选物，以加速药物发现过程 | 药物样分子及其与FGFR1的相互作用 | 计算机辅助药物发现 | NA | 分子对接（RoseTTAFold All-Atom）和分子动力学模拟 | 图神经网络（GNNs） | 分子数据 | 约1000万个未标记的药物样分子 | NA | NA | NA | NA |
| 536 | 2025-05-08 |
Deep Learning Combined with Quantitative Structure‒Activity Relationship Accelerates De Novo Design of Antifungal Peptides
2025-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202412488
PMID:39921483
|
研究论文 | 开发了一种结合深度学习和定量结构-活性关系的抗真菌肽从头设计方法DL-QSARES | 整合深度学习和定量结构-活性关系经验筛选，开发了抗真菌肽从头设计方法DL-QSARES | NA | 加速抗真菌肽的从头设计，以应对念珠菌感染 | 抗真菌肽（AFPs） | 机器学习 | 念珠菌感染 | 定量结构-活性关系（QSAR） | 自然语言处理模型 | 氨基酸序列数据 | 49个候选抗真菌肽（c_AFPs） | NA | NA | NA | NA |
| 537 | 2025-05-08 |
DLPVI: Deep learning framework integrating projection, view-by-view backprojection, and image domains for high- and ultra-sparse-view CBCT reconstruction
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出了一种名为DLPVI的深度学习框架，用于提高高稀疏视图和超稀疏视图锥束计算机断层扫描（CBCT）图像的质量 | DLPVI框架首次将投影域、逐视图反投影域和图像域集成在一起，并采用基于Transformer的图像域模型 | NA | 提高高稀疏视图和超稀疏视图CBCT图像的重建质量 | 锥束计算机断层扫描（CBCT）图像 | computer vision | NA | 深度学习 | Transformer | image | 163名真实患者用于训练，30名用于验证，30名用于测试 | NA | NA | NA | NA |
| 538 | 2025-05-08 |
CGNet: Few-shot learning for Intracranial Hemorrhage Segmentation
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 提出了一种名为CGNet的新型分割模型，用于在少量标注数据下进行颅内出血（ICH）区域的精确分割 | 设计了跨特征模块（CFM）和支持引导查询（SGQ）机制，通过增强查询和支持集特征间的交互以及多尺度特征整合，提升了对病变细节的理解和分割精度 | 未明确说明模型在更广泛数据集上的泛化能力或计算效率 | 解决医学影像中颅内出血分割任务对大量标注数据的依赖问题 | 颅内出血（ICH）区域 | digital pathology | intracranial hemorrhage | few-shot learning | CGNet（含CFM和SGQ模块） | 医学影像（CT/MRI等） | 公开数据集BHSD和私有数据集IHSAH（具体数量未说明） | NA | NA | NA | NA |
| 539 | 2025-05-08 |
Simulation-based inference of single-molecule experiments
2025-Apr, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.102988
PMID:39921963
|
综述 | 本文综述了基于模拟的推理（SBI）在单分子实验分析中的应用 | 介绍了深度学习在SBI中的最新进展，以及SBI在单分子力谱和冷冻电镜实验中的首次应用 | 讨论了参数化贝叶斯推理的局限性 | 分析单分子实验数据，重建分子细节 | 生物分子的结构动力学 | 机器学习 | NA | 单分子力谱、冷冻电镜 | 深度学习 | 实验数据 | NA | NA | NA | NA | NA |
| 540 | 2025-05-08 |
Nonlinear ageing gero-marker dynamics of transcriptomic profile during calcific aortic valve mouse modeling
2025-Apr, Archives of gerontology and geriatrics
IF:3.5Q2
DOI:10.1016/j.archger.2025.105777
PMID:39922128
|
研究论文 | 通过构建不同年龄点的钙化主动脉瓣小鼠模型，研究转录组谱的非线性衰老动态及其与瓣膜功能退化和钙化的关系 | 发现了线性和非线性衰老标志物，并揭示了小鼠在48周龄时衰老加速的特定时期 | 研究仅基于小鼠模型，结果可能无法直接推广到人类 | 理解衰老生物标志物动态以改善退行性心脏病的预防和管理 | 钙化主动脉瓣小鼠模型 | 数字病理 | 心血管疾病 | RNA测序 | 深度学习模型 | 测序数据 | C57BL/6 N小鼠模型，包括6周龄、48周龄和72周龄的小鼠 | NA | NA | NA | NA |