深度学习在生物医药领域中的应用
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，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10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 1131 篇文献，本页显示第 741 - 760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 741 | 2025-04-05 |
A deep learning-based calculation system for plaque stenosis severity on common carotid artery of ultrasound images
2025-Apr, Vascular
IF:1.0Q4
DOI:10.1177/17085381241246312
PMID:38656244
|
研究论文 | 开发了一种基于深度学习的系统，用于自动计算超声图像中颈总动脉斑块狭窄的严重程度 | 提出了新的CANet模型，用于分割颈动脉内膜-中膜厚度和斑块，并自动计算斑块狭窄严重程度，性能优于现有深度学习模型和经验丰富的超声医师 | 研究仅使用了来自两家医院的图像数据，可能限制了模型的泛化能力 | 开发一种自动计算颈动脉斑块狭窄严重程度的深度学习系统，以改善中风风险的管理 | 颈总动脉(CCA)横截面超声图像中的斑块和内膜-中膜厚度 | 数字病理学 | 心血管疾病 | 超声成像 | CANet（一种深度学习模型） | 图像 | 内部数据集：来自376名患者的390张图像；外部验证集：来自115名患者的122张图像 |
| 742 | 2025-04-05 |
AutOmatic floW planning for fetaL MRI (OWL)
2025-Apr-01, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2025.101888
PMID:40180124
|
研究论文 | 开发了一种名为OWL的自动规划系统，用于胎儿MRI中的2D相位对比血流成像 | 首次实现了胎儿MRI中2D相位对比序列的实时自动规划，通过两个深度学习网络分别进行胎儿身体定位和心脏标志物检测 | 前瞻性案例中成功实施率为6/7，尚需进一步验证其普适性 | 通过自动化技术扩大胎儿血流成像的可及性 | 胎儿MRI扫描数据 | 医学影像分析 | 胎儿发育 | 2D相位对比MRI | 深度学习网络 | MRI影像 | 167个胎儿数据集用于身体定位训练，71个用于心脏标志物检测训练；10个回顾性数据集和7个前瞻性胎儿受试者（孕36+3至39+3周）用于评估 |
| 743 | 2025-04-05 |
Breast cancer histopathology image classification using transformer with discrete wavelet transform
2025-Apr, Medical engineering & physics
IF:1.7Q3
DOI:10.1016/j.medengphy.2025.104317
PMID:40180530
|
研究论文 | 本文提出了一种名为DWNAT-Net的新型乳腺癌组织病理学图像分类网络，结合离散小波变换和邻域注意力变换器以提高分类性能 | 首次将离散小波变换引入邻域注意力变换器，同时考虑空间和频率特征分布 | 未明确说明方法在更大规模或更复杂数据集上的泛化能力 | 提高乳腺癌组织病理学图像的分类准确率 | 乳腺癌组织病理学图像 | 数字病理学 | 乳腺癌 | 离散小波变换(DWT) | NAT(邻域注意力变换器) | 图像 | BreakHis和BACH数据集 |
| 744 | 2025-04-05 |
TissueProf: An ImageJ/Fiji Plugin for Tissue Profiling Based on Fluorescent Signals
2025-Apr, The European journal of neuroscience
DOI:10.1111/ejn.70094
PMID:40180584
|
research paper | 开发了一个名为TissueProf的ImageJ/Fiji插件，用于基于荧光信号的组织分析 | 提供了一个半自动化的图像分析流程，能够根据用户输入灵活调整，自动化识别荧光信号并分析分子共表达 | 需要手动校正细胞分割，可能仍存在一定的工作量 | 减少研究人员在多通道显微镜图像分析中的工作量和时间消耗 | 组织中的细胞群 | digital pathology | NA | fluorescence immunohistochemistry | deep learning networks | image | NA |
| 745 | 2025-04-04 |
Automated Sleep Staging in Epilepsy Using Deep Learning on Standard Electroencephalogram and Wearable Data
2025-Apr-03, Journal of sleep research
IF:3.4Q2
DOI:10.1111/jsr.70061
PMID:40176726
|
研究论文 | 本研究利用深度学习模型对癫痫患者的夜间睡眠记录进行自动睡眠分期，评估了标准脑电图和可穿戴设备数据的分析效果 | 首次在癫痫患者中结合标准脑电图和可穿戴设备数据，使用深度学习模型进行自动睡眠分期 | 模型对N1期睡眠的敏感性很低，可穿戴设备数据低估了大多数睡眠宏观结构参数的持续时间 | 评估深度学习模型在癫痫患者睡眠分期中的准确性和应用潜力 | 50名癫痫患者的223份夜间睡眠记录 | 数字病理 | 癫痫 | EEG和加速度测量 | 深度学习模型 | 脑电图和可穿戴设备数据 | 50名患者的223份夜间睡眠记录 |
| 746 | 2025-04-04 |
CMV2U-Net: A U-shaped network with edge-weighted features for detecting and localizing image splicing
2025-Apr-03, Journal of forensic sciences
IF:1.5Q2
DOI:10.1111/1556-4029.70033
PMID:40177991
|
research paper | 提出了一种名为CMV2U-Net的边缘加权U形网络，用于检测和定位图像拼接 | 设计了能够同时处理两路输入图像的特征提取模块，并采用分层融合方法和通道注意力机制来防止浅层特征数据丢失 | 未明确提及具体局限性 | 提高图像拼接伪造检测和定位的准确性 | 图像拼接伪造区域 | computer vision | NA | deep learning | U-Net (CMV2U-Net) | image | 多个公共数据集（未明确提及具体数量） |
| 747 | 2025-04-04 |
Early Colon Cancer Prediction from Histopathological Images Using Enhanced Deep Learning with Confidence Scoring
2025-Apr-03, Cancer investigation
IF:1.8Q3
DOI:10.1080/07357907.2025.2483302
PMID:40178023
|
research paper | 该研究提出了一种名为NalexNet的混合深度学习分类器，用于从组织病理学图像中早期预测结肠癌 | 结合Vahadane染色归一化和Watershed分割进行预处理，采用Teamwork Optimization Algorithm (TOA)进行特征选择，并设计了包含卷积层、普通细胞和减少细胞的NalexNet模型以提高分类精度和计算效率 | 未提及模型在临床实际应用中的验证情况或跨中心数据测试结果 | 开发自动化且计算高效的结肠癌分类系统以辅助病理学家早期诊断 | 结肠癌组织病理学图像 | digital pathology | colon cancer | Vahadane stain normalization, Watershed segmentation, Teamwork Optimization Algorithm (TOA) | hybrid deep-learning classifier (NalexNet with convolutional layers, normal and reduction cells) | histopathological images | NA |
| 748 | 2025-04-04 |
Arterial phase CT radiomics for non-invasive prediction of Ki-67 proliferation index in pancreatic solid pseudopapillary neoplasms
2025-Apr-03, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04921-z
PMID:40178588
|
research paper | 本研究利用动脉期CT影像组学特征，开发了一种深度学习模型，用于术前预测胰腺实性假乳头状瘤患者的Ki-67增殖指数水平 | 首次将动脉期CT影像组学特征与深度学习模型结合，用于预测pSPN患者的Ki-67增殖水平，并识别出CTscore和形态学特征作为关键预测因子 | 研究为回顾性设计，样本量相对较小（92例患者），且来自两个医疗中心 | 术前无创预测胰腺实性假乳头状瘤患者的Ki-67增殖水平 | 胰腺实性假乳头状瘤(pSPN)患者 | digital pathology | pancreatic cancer | CT影像组学分析 | 深度学习模型, GBM | CT图像 | 92例经病理确诊的pSPN患者（训练组64例，验证组28例） |
| 749 | 2025-04-04 |
Advanced Anticounterfeiting: Angle-Dependent Structural Color-Based CuO/ZnO Nanopatterns with Deep Neural Network Supervised Learning
2025-Apr-02, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c17414
PMID:40072024
|
研究论文 | 本研究提出了一种基于结构颜色的低成本、可大规模生产的防伪图案及简单鉴别算法 | 利用电纺丝技术制造纳米图案，结合CuO和ZnO的溶液生长过程，创造出具有角度依赖性颜色的不可克隆图案，并通过深度学习算法实现高效鉴别 | 需要标准高分辨率相机获取训练图像，可能在某些应用场景中受限 | 开发新一代高效、可扩展的防伪解决方案 | 防伪图案及其鉴别算法 | 计算机视觉 | NA | 电纺丝技术、溶液生长过程、深度学习 | 深度学习算法 | 图像 | NA |
| 750 | 2025-04-04 |
Deep Learning-Based Framework for Efficient Design of Multicomponent High Hardness High Entropy Alloys
2025-Apr-02, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c23010
PMID:40114633
|
研究论文 | 提出了一种基于深度学习的框架，用于高效设计多组分高硬度高熵合金 | 结合材料领域知识与数据驱动技术，开发了材料串联嵌入模块与BiLSTM-CRF网络，自动化分析文献并提取数据，采用两阶段设计策略（GA与PSO结合）优化合金系统与成分比例 | 未明确提及实验验证的广泛性或实际应用中的性能稳定性 | 优化多组分高硬度高熵合金的设计过程 | 高熵合金（HEAs） | 机器学习 | NA | 深度学习、遗传算法（GA）、粒子群优化（PSO） | BiLSTM-CRF | 文本、数值数据 | 2698篇论文中提取的8067个数据点，构建的硬度数据集包含13种元素 |
| 751 | 2025-04-03 |
Closing the gap: commercialized deep learning solutions for knee MRI are already transforming clinical practice
2025-Apr-02, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11550-z
PMID:40172638
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 752 | 2025-04-04 |
Revisiting One-stage Deep Uncalibrated Photometric Stereo via Fourier Embedding
2025-Apr-02, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3557245
PMID:40173071
|
research paper | 本文提出了一种名为FUPS-Net的单阶段深度未校准光度立体网络，用于未知光照方向下的非朗伯物体表面法线估计 | 通过傅里叶变换网络隐式学习光照特征，利用傅里叶域中振幅编码光照、相位编码几何的特性来分解几何与光照信息，提出频率-空间加权块增强表面重建 | 未明确说明对复杂光照条件或极端非朗伯材质的处理能力 | 解决传统两阶段未校准光度立体方法中光照估计误差传播问题 | 非朗伯物体在未知光照方向下的表面法线估计 | computer vision | NA | 傅里叶变换 | FUPS-Net (包含FEE、FEA、FSW模块) | 光度立体图像 | 合成数据集和真实数据集（未说明具体数量） |
| 753 | 2025-04-04 |
Beyond the Posts: Analyzing Breast Implant Illness Discourse With Natural Language Processing and Deep Learning
2025-Apr-02, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf047
PMID:40173420
|
研究论文 | 使用自然语言处理和深度学习分析社交媒体上关于乳房植入物疾病（BII）的患者感知和情感反应 | 利用RoBERTa模型分析社交媒体数据，揭示BII讨论的情感趋势及其与乳房植入物取出率的相关性 | 研究仅基于X平台（原Twitter）的数据，可能无法全面代表所有社交媒体或患者群体的观点 | 了解患者对BII的感知和情感反应，并探讨社交媒体讨论对医疗决策的影响 | 社交媒体上关于BII的帖子 | 自然语言处理 | 乳房植入物疾病 | NLP, 深度学习 | RoBERTa | 文本 | 6,099条帖子（2014-2023年） |
| 754 | 2025-04-04 |
PixelPrint4D: A 3D Printing Method of Fabricating Patient-Specific Deformable CT Phantoms for Respiratory Motion Applications
2025-Apr-02, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001182
PMID:40173424
|
research paper | 本文介绍了一种名为PixelPrint4D的3D打印方法，用于制造逼真的、患者特定的可变形肺部模型，以用于CT成像中的呼吸运动应用 | 提出了一种新的3D打印方法PixelPrint4D，能够制造出具有真实组织结构和变形模式的呼吸运动模型，超越了现有模型的简化设计 | 研究仅基于单一患者的4DCT数据集，可能限制了模型的普遍适用性 | 开发更真实的呼吸运动模型，以支持CT成像和放射治疗中的新技术评估 | 肺部模型及其在呼吸运动中的变形特性 | digital pathology | lung cancer | 3D printing, CT imaging | PixelPrint4D | CT images | 1名肺癌患者的4DCT数据集 |
| 755 | 2025-04-04 |
scAtlasVAE: a deep learning framework for generating a human CD8+ T cell atlas
2025-Apr-02, Nature reviews. Cancer
DOI:10.1038/s41568-025-00811-0
PMID:40175619
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 756 | 2025-04-04 |
Prediction of Future Risk of Moderate to Severe Kidney Function Loss Using a Deep Learning Model-Enabled Chest Radiography
2025-Apr-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01489-4
PMID:40175823
|
research paper | 本研究评估了一种利用原始胸部X光数据预测中度至重度肾功能下降的深度学习模型 | 首次使用深度学习模型通过胸部X光数据预测慢性肾脏病的进展风险 | 研究为回顾性分析，需要前瞻性研究进一步验证 | 开发早期预测慢性肾脏病进展风险的工具 | 79,219名eGFR在65-120之间的患者 | digital pathology | chronic kidney disease | deep learning | DLM | image | 79,219名患者的胸部X光数据 |
| 757 | 2025-04-04 |
Application of an Automated Deep Learning Program to A Diagnostic Classification Model: Differentiating High-Risk Adenomas Among Colorectal Polyps 10 mm or Smaller
2025-Apr-02, Journal of digestive diseases
IF:2.3Q3
DOI:10.1111/1751-2980.13340
PMID:40176375
|
研究论文 | 本研究开发了一种基于自动深度学习程序的计算机辅助诊断模型，用于分类≤10毫米结直肠息肉中的低风险和高风险腺瘤 | 使用自动深度学习软件Neuro-T v3.2.1开发CADx模型，其性能与专家相当且优于学员 | 研究仅使用了静态内窥镜图像，未考虑动态视频或临床背景信息 | 开发能区分≤10毫米结直肠息肉中高风险和低风险腺瘤的计算机辅助诊断模型 | ≤10毫米的结直肠腺瘤 | 数字病理学 | 结直肠癌 | 自动深度学习 | DL | 内窥镜图像 | 2696张训练图像（2460张低级别和236张高级别腺瘤）和439张外部验证图像（398张低级别和41张高级别腺瘤） |
| 758 | 2025-04-04 |
High-Performance Method and Architecture for Attention Computation in DNN Inference
2025-Apr, IEEE transactions on biomedical circuits and systems
IF:3.8Q2
DOI:10.1109/TBCAS.2024.3436837
PMID:39088504
|
研究论文 | 提出了一种基于内存计算（CIM）宏的在线可编程注意力硬件架构，用于深度神经网络推理中的注意力计算 | 通过分解注意力计算过程为多个级联组合矩阵操作，设计了在线可编程CIM架构以动态调整权重，提高了集成密度、能效和计算精度 | 基于100nm CMOS工艺验证，尚未在更先进工艺或其他应用场景中测试 | 优化深度神经网络推理中的注意力计算硬件架构 | 注意力计算硬件架构 | 机器学习 | NA | 内存计算（CIM） | DNN | NA | NA |
| 759 | 2025-04-04 |
Decoding pathology: the role of computational pathology in research and diagnostics
2025-Apr, Pflugers Archiv : European journal of physiology
DOI:10.1007/s00424-024-03002-2
PMID:39095655
|
review | 本文综述了计算病理学在研究和诊断中的作用及其对传统组织病理学的影响 | 介绍了基于深度学习的计算病理学方法及其在多任务中的优异表现，包括突变预测、大规模病理组学分析和预后预测 | 未提及具体的技术实施细节或数据集的局限性 | 探讨计算病理学在研究和诊断中的潜力及其对传统组织病理学的改进 | 组织病理学标本 | digital pathology | NA | deep learning | DL-based models | histopathology specimens | NA |
| 760 | 2025-04-04 |
Deep Learning for Classification of Inflammatory Bowel Disease Activity in Whole Slide Images of Colonic Histopathology
2025-Apr, The American journal of pathology
DOI:10.1016/j.ajpath.2024.12.010
PMID:39800054
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于在炎症性肠病（IBD）患者的H&E染色全切片图像（WSIs）中分类活动性等级 | 使用基于Transformer的深度学习模型对IBD活动性进行分类，并通过HoVer-Net分析中性粒细胞分布，提高了诊断的一致性和效率 | 研究数据仅来自单一医疗中心，可能影响模型的泛化能力 | 开发一种自动分类IBD活动性等级的方法，以解决病理学家资源不足和观察者间变异性的问题 | 炎症性肠病（IBD）患者的H&E染色全切片图像 | 数字病理学 | 炎症性肠病 | 深度学习 | Transformer | 图像 | 2077张WSIs来自636名患者 |