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 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 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 |
| 162 | 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 |
| 163 | 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 |
| 164 | 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 |
| 165 | 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 |
| 166 | 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 |
| 167 | 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 |
| 168 | 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 |
| 169 | 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 |
| 170 | 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 |
| 171 | 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 |
| 172 | 2025-05-31 |
Formation permeability estimation using mud loss data by deep learning
2025-Apr-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94617-7
PMID:40307334
|
研究论文 | 本研究提出了一种利用泥浆流失数据和深度学习技术估算地层渗透率的新方法 | 首次将泥浆流失数据与深度学习技术结合用于地层渗透率估算，并引入了DJINN模型提高预测精度 | 研究基于模拟数据，需要在实际钻井环境中进一步验证 | 开发一种准确估算地层渗透率的新方法 | 油气储层的地层渗透率 | 机器学习 | NA | 深度学习 | 1D-CNN, DJINN | 数值数据（泥浆流失率、储层参数等） | 模拟生成的泥浆流失率数据集 | NA | NA | NA | NA |
| 173 | 2025-05-31 |
ARAN: Age-Restricted Anonymized Dataset of Children Images and Body Measurements
2025-Apr-30, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11050142
PMID:40422998
|
research paper | 本文介绍了ARAN数据集，这是首个符合欧洲通用数据保护条例的儿童图像与身体测量标记数据集，用于开发预测模型 | 首个符合伦理委员会批准的儿童图像与身体测量标记数据集，支持多视角图像，数据规模远超同类数据集 | 数据集仅包含16至98个月的儿童，可能无法覆盖所有年龄段 | 开发从单张图像精确估计儿童身体测量和体重的模型，用于儿科生长监测和营养不良早期检测 | 512名16至98个月的儿童，每人4个不同视角的图像，共2048张图像 | computer vision | malnutrition | deep learning | DenseNet121 | image | 512名儿童（2048张图像） | NA | NA | NA | NA |
| 174 | 2025-05-31 |
Medical Image Segmentation: A Comprehensive Review of Deep Learning-Based Methods
2025-Apr-30, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography11050052
PMID:40423254
|
review | 本文全面回顾了基于深度学习的医学图像分割方法 | 对当前医学图像分割领域的代表性方法进行了分类、回顾和总结，并预测了未来研究方向 | 未提及具体方法的局限性 | 分析医学图像分割领域的研究现状和发展趋势 | 医学图像分割方法 | computer vision | NA | deep learning | CNN | image | NA | NA | NA | NA | NA |
| 175 | 2025-05-31 |
SwinTCS: A Swin Transformer Approach to Compressive Sensing with Non-Local Denoising
2025-Apr-29, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11050139
PMID:40422996
|
研究论文 | 提出了一种基于Swin Transformer的新型深度学习框架SwinTCS，用于压缩感知图像重建，结合了非局部均值去噪模块以提高重建质量 | 利用Swin Transformer架构整合分层特征表示策略增强全局上下文建模，同时引入辅助CNN捕捉局部特征，并加入非局部均值去噪模块抑制噪声 | NA | 解决传统压缩感知重建方法在边界伪影和鲁棒性方面的挑战，提高多媒体应用中的图像重建质量 | 压缩感知图像重建 | 计算机视觉 | NA | 压缩感知(CS) | Swin Transformer, CNN | 图像 | 多个公共基准数据集 | NA | NA | NA | NA |
| 176 | 2025-05-31 |
Automatic smart brain tumor classification and prediction system using deep learning
2025-Apr-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95803-3
PMID:40295548
|
研究论文 | 提出了一种基于深度学习的智能脑肿瘤分类和预测系统 | 结合定制CNN模型和预训练模型（Inception-v4和EfficientNet-B4），用于脑肿瘤的早期检测和分类，系统具有高准确性和适应性 | 未提及模型在临床环境中的实际应用效果及泛化能力 | 开发智能监测系统以实现脑肿瘤的早期检测、分类和预测 | 脑肿瘤MRI图像 | 数字病理 | 脑肿瘤 | 深度学习 | CNN, Inception-v4, EfficientNet-B4 | 图像 | 1000张脑肿瘤图像 | NA | NA | NA | NA |
| 177 | 2025-05-31 |
Automatic Controversy Detection Based on Heterogeneous Signed Attributed Network and Deep Dual-Layer Self-Supervised Community Analysis
2025-Apr-27, Entropy (Basel, Switzerland)
DOI:10.3390/e27050473
PMID:40422428
|
研究论文 | 本研究提出了一种基于异构签名属性网络和深度双层自监督社区分析的计算方法，用于社交媒体平台上的争议检测 | 该方法整合了社交媒体中的多维异构信息，并引入了一种新的争议度量标准，考虑了社区区分、介数中心性和用户表示三个维度 | NA | 开发一种更稳定和准确的社交媒体争议检测方法 | 社交媒体平台上的争议内容 | 自然语言处理 | NA | 文本挖掘和深度学习 | 深度双层自监督算法 | 文本 | 微博数据集，包括#微博(3792)、#评论(45,741)、#转发(36,126)和#用户(61,327) | NA | NA | NA | NA |
| 178 | 2025-05-31 |
Bilingual Sign Language Recognition: A YOLOv11-Based Model for Bangla and English Alphabets
2025-Apr-27, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging11050134
PMID:40422991
|
研究论文 | 本研究开发了一种基于YOLOv11的双语手语识别模型，用于同时识别孟加拉手语(BdSL)和英语手语(ASL)的字母 | 首次提出了一种能够同时识别两种不同手语字母的实时检测系统，采用改进的YOLOv11架构并取得了较高的识别准确率 | 仅针对字母级别的识别，未涉及更复杂的手语词汇或句子结构 | 开发一个统一的双语手语识别系统以改善听障人士的跨语言交流 | 孟加拉手语(BdSL)和英语手语(ASL)的字母符号 | 计算机视觉 | NA | 深度学习 | YOLOv11 | 图像 | 9556张包含64种不同字母符号的图像 | NA | NA | NA | NA |
| 179 | 2025-05-31 |
Performance Evaluation of Image Segmentation Using Dual-Energy Spectral CT Images with Deep Learning Image Reconstruction: A Phantom Study
2025-Apr-27, Tomography (Ann Arbor, Mich.)
DOI:10.3390/tomography11050051
PMID:40423253
|
research paper | 评估不同能量水平的单色图像在医学图像分割中的性能 | 使用双能谱CT图像结合深度学习图像重建技术进行图像分割性能评估 | 研究仅针对低密度、非增强物体在低剂量条件下的表现 | 评估不同能量水平和重建算法对医学图像分割性能的影响 | ACR464体模中的低密度模块 | digital pathology | NA | 双能谱CT成像，深度学习图像重建 | U-Net | CT图像 | ACR464体模中的低密度模块（直径25 mm，密度差6 HU） | NA | NA | NA | NA |
| 180 | 2025-05-31 |
A Deep Learning Algorithm for Multi-Source Data Fusion to Predict Effluent Quality of Wastewater Treatment Plant
2025-Apr-27, Toxics
IF:3.9Q1
DOI:10.3390/toxics13050349
PMID:40423427
|
研究论文 | 本文介绍了一种融合多源数据的深度学习方法，用于预测污水处理厂的出水质量 | 提出了一种结合LSTM和GRU的深度学习算法，用于多源数据融合，预测污水处理厂出水质量，相比传统机器学习算法有显著提升 | 案例研究仅在中国安徽省的一个工业污水处理厂进行，可能限制了结果的普适性 | 构建准确的污水处理厂出水质量模型，为运营管理提供决策支持 | 污水处理厂的出水质量 | 机器学习 | NA | 深度学习 | LSTM, GRU | 多源数据（水量数据、工艺数据、能耗数据、水质数据） | 中国安徽省的一个工业污水处理厂案例 | NA | NA | NA | NA |