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 1401 篇文献，本页显示第 961 - 980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 961 | 2025-10-07 |
EMCAH-Net: an effective multi-scale context aggregation hybrid network for medical image segmentation
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1983
PMID:40235751
|
研究论文 | 提出一种用于医学图像分割的有效多尺度上下文聚合混合网络EMCAH-Net | 设计了有效多尺度上下文聚合(EMCA)模块和双注意力增强自注意力(DASA)模块，有效整合CNN的局部特征和Transformer的全局特征 | NA | 开发能够有效且鲁棒地分割医学图像的混合深度学习模型 | 计算机断层扫描(CT)和磁共振(MR)等医学图像 | 计算机视觉 | 多器官分割 | 医学图像分割 | CNN, Transformer | 医学图像 | NA | NA | U-Net, EMCAH-Net | Dice相似系数(DSC), 参数数量, 浮点运算(FLOPs) | NA |
| 962 | 2025-10-07 |
Detecting keypoints with semantic labels on skull point cloud for plastic surgery
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1358
PMID:40235762
|
研究论文 | 提出一种用于颅骨点云的关键点检测与分割框架，辅助整形外科手术规划 | 结合关键点描述器-检测器框架与局部小部件分割策略，无需二维图像关键点标注辅助训练 | NA | 开发用于密集三维颅骨点云的鲁棒关键点检测框架 | 颅骨点云模型 | 计算机视觉 | 整形外科 | 点云处理 | 深度学习 | 三维点云 | NA | NA | PointRes2Net, 自组织映射 | 均方误差, 平均精度 | NA |
| 963 | 2025-10-07 |
A novel dual-branch segmentation algorithm for overall spine segmentation
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2297
PMID:40235769
|
研究论文 | 提出一种基于nnUNet框架的双分支脊柱分割算法DBU-Net，用于CT图像中的椎骨自动分割 | 结合多尺度特征通道注意力模块和双分支解码器架构，通过上下文Transformer模块捕获全局上下文信息，增强对脊柱CT图像复杂特征的处理能力 | NA | 开发高效的脊柱结构自动分割方法，辅助外科医生精确定位目标区域 | 脊柱CT图像中的椎骨结构 | 医学影像分析 | 脊柱疾病 | 计算机断层扫描(CT) | 深度学习分割网络 | CT图像 | 使用MICCAI 2019和2020的VerSe数据集 | nnUNet | DBU-Net, U-Net, Transformer | Dice系数 | NA |
| 964 | 2025-10-07 |
Diagnostic accuracy of deep learning for the invasiveness assessment of ground-glass nodules with fine segmentation: a systematic review and meta-analysis
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1839
PMID:40235789
|
系统评价与荟萃分析 | 通过系统评价和荟萃分析评估深度学习模型通过精细结节分割在评估肺腺癌侵袭性方面的诊断准确性 | 首次对深度学习结合精细结节分割技术评估磨玻璃结节侵袭性进行系统性量化分析 | 纳入研究数量有限（8项研究），证据质量欠佳，需要更多高质量研究验证 | 系统评估深度学习模型通过精细结节分割在评估肺腺癌侵袭性方面的诊断准确性 | 表现为磨玻璃结节的浸润性肺腺癌 | 医学影像分析 | 肺癌 | 深度学习，结节分割 | 深度学习模型 | 医学影像数据 | 5,281个结节，4,676名患者 | NA | NA | 敏感性，特异性，SROC曲线下面积 | NA |
| 965 | 2025-10-07 |
Carotid artery segmentation in computed tomography angiography (CTA) using multi-scale deep supervision with Swin-UNet and advanced data augmentation
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2087
PMID:40235793
|
研究论文 | 本研究提出了一种基于深度学习的自动三维颈动脉分割方法，使用改进的Swin-UNet架构和先进数据增强技术 | 提出了Multi-Flux-Swin-Deepsup-UNet模型，整合了多尺度深度监督、多流融合架构和创新的窗宽/窗位调整数据增强方法 | 研究样本量相对有限（214个CTA图像），仅在两所医院收集数据 | 开发自动准确的三维颈动脉分割方法以辅助颈动脉疾病诊断 | 来自南通大学附属医院和南通市第一人民医院患者的CTA图像 | 医学图像分析 | 颈动脉疾病 | 计算机断层扫描血管成像 | 深度学习 | 三维医学图像 | 214个CTA图像 | NA | Swin-UNet, Multi-Flux-Swin-Deepsup-UNet | 准确率, Dice系数, 敏感性, 特异性 | NA |
| 966 | 2025-10-07 |
Formal validation of a deep learning-based automated interpretation system for cardiac structure and function in adult echocardiography
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1852
PMID:40235804
|
研究论文 | 本研究开发并验证了一种基于深度学习的自动化系统，用于解读成人超声心动图中心脏结构和功能参数 | 首次正式验证深度学习系统在超声心动图参数测量中的准确性和临床实用性，展示了与人类专家相当甚至更优的性能 | 在RV-A4C视图和右心室参数测量中观察到较大绝对偏差，跨瓣速度的流速时间积分测量存在较大相对偏差 | 开发自动化超声心动图解读系统以提高心脏疾病诊断效率和准确性 | 成人心脏结构和功能参数 | 医学影像分析 | 心血管疾病 | 超声心动图 | 深度学习算法 | 视频循环和多普勒图像 | 训练集：141名患者的416个视频循环和892张多普勒图像；验证集：60名患者的178个视频循环和391张多普勒图像；外部验证集：90个2D视频和120张多普勒图像 | NA | Auto-Echo, Auto-Doppler | 标准差比率, Bland-Altman分析, 组内相关系数, 平均绝对偏差, 绝对相对偏差, 相关性分析 | NA |
| 967 | 2025-10-07 |
Feasibility of magnetization-transfer-contrast relaxation-enhanced angiography without contrast and triggering (REACT) imaging at 1.5 T combined with deep learning-based reconstruction for cardiovascular visualization
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2199
PMID:40235803
|
研究论文 | 本研究评估磁化转移对比增强无对比剂触发血管成像（MTC-REACT）在1.5T磁共振上的可行性，并结合深度学习重建技术提升肺静脉图像质量 | 首次将磁化转移对比预脉冲与REACT序列结合，并采用深度学习Adaptive-CS-Net算法进行图像重建 | 样本量较小（20名参与者），仅针对肺静脉成像进行评估 | 开发无需对比剂和触发的磁共振血管成像技术，提升心血管可视化质量 | 人类肺静脉和肺动脉 | 医学影像分析 | 心血管疾病 | 磁共振成像，磁化转移对比，Dixon方法，反转恢复预脉冲 | 深度学习 | 三维磁共振血管图像 | 20名前瞻性招募的参与者 | Adaptive-CS-Net, 压缩感知 | Adaptive-CS-Net | 信噪比，对比噪声比 | NA |
| 968 | 2025-10-07 |
Development and validation of the Artificial Intelligence-Proliferative Vitreoretinopathy (AI-PVR) Insight system for deep learning-based diagnosis and postoperative risk prediction in proliferative vitreoretinopathy using multimodal fundus imaging
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1644
PMID:40235812
|
研究论文 | 开发并验证基于深度学习的AI-PVR Insight系统，用于增殖性玻璃体视网膜病变的多模态眼底影像诊断和术后风险预测 | 首次结合TwinsSVT和DenseNet-121深度学习模型，融合B超、OCT和超广角眼底成像三种模态特征，实现PVR的自动识别、分级和术后风险评估 | 回顾性研究，数据来自两家医院，需要进一步前瞻性验证 | 开发自动化系统用于增殖性玻璃体视网膜病变的诊断和术后风险预测 | 接受玻璃体切除术的1700例患者（1700只眼） | 数字病理 | 增殖性玻璃体视网膜病变 | B超、光学相干断层扫描、超广角视网膜成像 | 深度学习 | 多模态影像数据 | 1700例患者（1700只眼） | NA | TwinsSVT, DenseNet-121, MLP, SVM | AUC, 准确率, 精确率, 召回率, F1分数 | NA |
| 969 | 2025-10-07 |
Deep learning network based on high-resolution magnetic resonance vessel wall imaging combined with attention mechanism for predicting stroke recurrence in patients with symptomatic intracranial atherosclerosis
2025-Apr-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1723
PMID:40235801
|
研究论文 | 基于高分辨率磁共振血管壁成像结合注意力机制的深度学习网络预测症状性颅内动脉粥样硬化患者卒中复发风险 | 首次将Transformer注意力机制与CNN特征提取器（ResNet50和DenseNet169）集成构建Trans-CNN集成模型，用于卒中复发预测 | 回顾性研究设计，样本量相对有限（363例），仅包含两个医疗中心数据 | 开发高精度集成模型预测症状性颅内动脉粥样硬化狭窄患者的卒中复发风险 | 症状性颅内动脉粥样硬化狭窄患者 | 医学影像分析 | 脑血管疾病 | 高分辨率磁共振血管壁成像 | CNN, Transformer | 医学影像 | 363例sICAS患者（训练集254例，测试集109例） | NA | ResNet50, DenseNet169, Transformer | AUC, 准确率, 灵敏度, 特异性 | NA |
| 970 | 2025-10-07 |
MRI-based habitat radiomics combined with vision transformer for identifying vulnerable intracranial atherosclerotic plaques and predicting stroke events: a multicenter, retrospective study
2025-Apr, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103186
PMID:40235946
|
研究论文 | 本研究开发了一种基于高分辨率血管壁成像的人工智能模型，用于识别易损颅内动脉粥样硬化斑块并预测卒中复发风险 | 首次将栖息地影像组学与Vision Transformer相结合，采用堆叠融合策略构建多模态模型，实现了对颅内易损斑块的精准识别和卒中风险的长期预测 | 回顾性研究设计，样本来自四个医疗中心但可能存在选择偏倚 | 开发非侵入性工具识别高危易损斑块并评估卒中复发风险 | 726例症状性颅内动脉粥样硬化狭窄患者的1806个斑块 | 医学影像分析 | 脑血管疾病 | 高分辨率血管壁成像，K-means聚类 | Vision Transformer，影像组学模型 | MRI图像 | 726例患者的1806个斑块 | NA | Vision Transformer | AUC，敏感度，特异度，准确度，Cox回归分析 | NA |
| 971 | 2025-10-07 |
Optical multilayer thin film structure inverse design: From optimization to deep learning
2025-Apr-18, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.112222
PMID:40230531
|
综述 | 本文回顾了光学多层薄膜结构逆向设计从传统优化方法到深度学习算法的最新研究进展 | 系统比较了传统优化算法与深度学习算法在光学多层薄膜逆向设计中的差异，并探讨了该领域的最新发展现状 | 作为综述文章，不包含原始实验数据或算法验证 | 探讨光学多层薄膜结构逆向设计算法的演变与发展趋势 | 光学多层薄膜结构 | 机器学习 | NA | 光学薄膜设计 | 深度学习算法 | NA | NA | NA | NA | NA | NA |
| 972 | 2025-10-07 |
Deep Learning-Powered Colloidal Digital SERS for Precise Monitoring of Cell Culture Media
2025-Apr-16, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.5c01071
PMID:40177940
|
研究论文 | 提出一种基于深度学习的胶体数字SERS平台，用于精确监测细胞培养基质量 | 将SERS光谱转换为基于强度阈值的二进制'开/关'信号，实现单分子事件可视化并降低假阳性 | NA | 开发新型过程分析技术，实现生物制造中小分子关键工艺参数和质量属性的快速准确监测 | AMBIC 1.1哺乳动物细胞培养基 | 机器学习 | NA | 表面增强拉曼光谱(SERS) | 深度学习 | 光谱数据 | NA | NA | NA | 准确性, 重现性, 精确度 | NA |
| 973 | 2025-10-07 |
Discovery and Characterization of Novel Receptor-Interacting Protein Kinase 1 Inhibitors Using Deep Learning and Virtual Screening
2025-Apr-16, ACS chemical neuroscience
IF:4.1Q2
DOI:10.1021/acschemneuro.5c00180
PMID:40181215
|
研究论文 | 本研究结合深度学习模型和虚拟筛选技术发现并表征了两种新型RIPK1激酶抑制剂 | 首次将指纹图注意力网络(FP-GAT)与分子对接虚拟筛选相结合，从1300万化合物库中筛选RIPK1抑制剂 | 仅发现两种先导化合物，需要进一步结构修饰优化活性 | 发现新型RIPK1激酶抑制剂用于治疗神经退行性疾病和炎症疾病 | RIPK1激酶及其抑制剂 | 机器学习 | 神经退行性疾病,炎症疾病 | 分子对接虚拟筛选,分子动力学模拟,结合自由能计算 | 图注意力网络(GAT) | 化合物分子结构数据 | 从1300万化合物库中筛选，最终获得43个化合物进行实验验证 | 深度学习框架 | 指纹图注意力网络(FP-GAT) | 抑制活性(IC50),有效浓度(EC50) | NA |
| 974 | 2025-10-07 |
Transforming pulmonary health care: the role of artificial intelligence in diagnosis and treatment
2025-Apr-15, Expert review of respiratory medicine
IF:2.9Q2
DOI:10.1080/17476348.2025.2491723
PMID:40210489
|
综述 | 本文探讨人工智能在呼吸系统疾病诊断与治疗中的临床应用、技术进展及挑战 | 系统综述AI在呼吸系统疾病领域的预测模型、影像诊断和个性化治疗的最新进展 | 依赖现有文献的选择性检索，可能存在发表偏倚；未进行系统性荟萃分析 | 评估人工智能在呼吸系统疾病诊疗中的技术应用与发展前景 | 肺炎、哮喘和慢性阻塞性肺疾病等呼吸系统疾病 | 数字病理 | 肺部疾病 | 深度学习 | NA | 医学影像、临床数据 | NA | NA | NA | NA | NA |
| 975 | 2025-10-07 |
Multicenter Development and Validation of a Multimodal Deep Learning Model to Predict Moderate to Severe Acute Kidney Injury
2025-Apr-15, Clinical journal of the American Society of Nephrology : CJASN
IF:8.5Q1
DOI:10.2215/CJN.0000000695
PMID:40232856
|
研究论文 | 开发并验证了一种结合结构化数据和非结构化文本的多模态深度学习模型，用于预测中重度急性肾损伤 | 首次将结构化数据（生命体征、实验室数值）与非结构化临床笔记信息相结合，使用中间融合深度学习架构预测急性肾损伤 | 研究排除了入院时血清肌酐≥3.0mg/dL、已存在终末期肾病或在到达病房或ICU前已发生≥2期AKI的患者 | 开发能够早期预测中重度急性肾损伤的深度学习模型 | 威斯康星大学（2009-2020年）和芝加哥大学医学中心（2016-2022年）收治的成年住院患者 | 医疗人工智能 | 急性肾损伤 | 深度学习，自然语言处理 | RNN | 结构化数据（生命体征、实验室数值）和非结构化文本（临床笔记） | 推导队列：339,998例入院；验证队列：84,581例入院；其中12,748例（3%）发展为≥2期AKI | NA | 中间融合深度学习循环神经网络 | AUC-ROC, 精确召回曲线下面积 | NA |
| 976 | 2025-10-07 |
A deep learning framework for enhanced mass spectrometry data analysis and biomarker screening
2025-Apr-15, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2488501
PMID:40232885
|
研究论文 | 提出一种用于增强质谱数据分析和生物标志物筛选的深度学习框架 | 集成预处理、分类和生物标志物选择的全流程深度学习框架，专门针对高维质谱数据分析挑战 | NA | 提升复杂质谱数据的分类性能并促进生物标志物筛选 | 质谱数据 | 机器学习 | NA | 质谱分析 | 深度学习 | 质谱数据 | NA | NA | NA | NA | NA |
| 977 | 2025-10-07 |
A Multimodal Approach for Early Identification of Mild Cognitive Impairment and Alzheimer's Disease with Fusion Network using Eye Movements and Speech
2025-Apr-15, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3561043
PMID:40232896
|
研究论文 | 本研究开发了一种融合眼动和语音特征的多模态深度学习网络，用于早期识别轻度认知障碍和阿尔茨海默病 | 首次将眼动追踪和语音分析相结合，利用融合神经网络整合多种生物行为特征进行MCI/AD诊断 | 样本量相对较小（78名参与者），需要更大规模的研究验证 | 开发早期识别轻度认知障碍和阿尔茨海默病的非侵入性诊断方法 | 78名参与者（37名健康对照，20名MCI患者，21名AD患者） | 数字病理 | 阿尔茨海默病 | 眼动追踪，语音分析 | 融合神经网络 | 眼动数据，语音数据 | 78名参与者（37名对照，20名MCI，21名AD） | NA | 融合神经网络 | 准确率 | NA |
| 978 | 2025-10-07 |
ProtNote: a multimodal method for protein-function annotation
2025-Apr-15, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf170
PMID:40233101
|
研究论文 | 提出一种名为ProtNote的多模态深度学习方法，利用自由文本进行蛋白质功能注释，支持监督学习和零样本预测 | 通过结合自由文本实现蛋白质功能的零样本预测，能够泛化到训练集中未见的蛋白质功能 | NA | 开发能够预测蛋白质序列与功能关系的深度学习方法 | 蛋白质序列及其功能注释 | 自然语言处理, 机器学习 | NA | 多模态深度学习 | 多模态深度学习模型 | 蛋白质序列, 自由文本 | NA | NA | ProtNote | GO注释预测性能, EC编号预测性能 | NA |
| 979 | 2025-10-07 |
Study on Ultrasound-Assisted Diagnosis of CHB Complicated with NAFLD Hepatic Fibrosis Based on Deep Learning
2025-Apr-15, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01331-3
PMID:40234347
|
研究论文 | 基于深度学习的二维肝脏影像自动分类模型用于诊断慢性乙型肝炎合并非酒精性脂肪肝肝纤维化 | 首次将深度学习技术应用于CHB合并NAFLD肝纤维化的超声辅助诊断，并验证AI辅助诊断对各级医师诊断性能的提升 | 回顾性研究设计，样本来源单一医疗机构，缺乏外部验证 | 开发并评估用于CHB合并NAFLD肝纤维化自动诊断的深度学习模型 | 慢性乙型肝炎合并非酒精性脂肪肝患者 | 计算机视觉 | 肝病 | 二维超声，FibroScan，肝活检 | 深度学习 | 二维肝脏图像 | 2803名患者提供20540张图像用于训练，150名患者提供922张图像用于验证 | NA | NA | 灵敏度，特异性，准确率，AUC | NA |
| 980 | 2025-04-17 |
Correction: Deep learning approach for discrimination of liver lesions using nine time-phase images of contrast-enhanced ultrasound
2025-Apr-15, Journal of medical ultrasonics (2001)
DOI:10.1007/s10396-025-01544-1
PMID:40234354
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |