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 1408 篇文献，本页显示第 1021 - 1040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1021 | 2025-05-12 |
Low dose computed tomography reconstruction with momentum-based frequency adjustment network
2025-May, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108673
PMID:40023964
|
research paper | 本文提出了一种基于动量频率调整网络的低剂量计算机断层扫描（LDCT）重建方法，显著减少了收敛所需的迭代次数并提高了重建质量 | 引入了创新的频率调整网络（FAN）和基于动量的频率调整网络（MFAN），以及独特的Focal Detail Loss（FDL）损失函数，有效改善了重建性能 | 未明确提及具体局限性，但可能涉及计算资源需求或对其他数据集的泛化能力 | 改进低剂量计算机断层扫描（LDCT）重建方法，减少迭代次数并提高图像质量 | AAPM-Mayo公共数据集和真实猪仔数据集 | digital pathology | NA | Low-Dose Computed Tomography (LDCT) | Frequency Adjustment Network (FAN), Momentum-based Frequency Adjustment Network (MFAN) | CT图像 | AAPM-Mayo公共数据集和真实猪仔数据集（具体数量未提及） | NA | NA | NA | NA |
| 1022 | 2025-05-12 |
Impact of aortic branch retention strategies on thrombus growth prediction in type B aortic dissection: A hemodynamic study
2025-May, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108679
PMID:40037009
|
research paper | 本研究通过数值模拟探讨了四种主动脉分支保留策略对B型主动脉夹层血栓生长预测的影响 | 首次系统比较了不同分支保留策略对血流动力学稳定性和血栓形成风险的影响，并提出了简化图像处理的Type 4策略 | 研究基于数值模拟，尚未进行临床验证 | 评估不同主动脉分支保留策略对血栓生长预测的影响 | B型主动脉夹层患者的主动脉模型 | 心血管疾病 | B型主动脉夹层 | 数值模拟 | 计算流体动力学模型 | 数值模拟数据 | 四种分支保留策略的模拟比较 | NA | NA | NA | NA |
| 1023 | 2025-05-12 |
Deep learning models for improving Parkinson's disease management regarding disease stage, motor disability and quality of life
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109961
PMID:40037167
|
research paper | 该研究利用LSTM深度学习模型，通过单个惯性传感器对帕金森病患者的疾病阶段、运动状况和生活质量进行分类 | 提出了一种基于LSTM的深度学习架构，能够通过单一惯性传感器实现帕金森病的多维度评估 | 研究样本量较小，仅包含40名患者 | 改善帕金森病的管理，包括疾病阶段、运动障碍和生活质量的评估 | 帕金森病患者 | machine learning | geriatric disease | 惯性传感器 | LSTM | sensor data | 40名患者 | NA | NA | NA | NA |
| 1024 | 2025-05-12 |
Deep learning models for early and accurate diagnosis of ventilator-associated pneumonia in mechanically ventilated neonates
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109942
PMID:40037168
|
research paper | 该研究探讨了深度学习模型在新生儿重症监护病房（NICU）中，利用胸部X光图像早期准确诊断呼吸机相关性肺炎（VAP）的应用 | 通过集成学习方法结合ResNet50和RegNetX80模型，显著提高了VAP诊断的AUC值，同时利用XAI（可解释AI）技术增强了医生对AI辅助诊断的信心 | 需要未来前瞻性试验来验证其临床实用性和减少医疗资源的效果 | 优化呼吸机相关性肺炎（VAP）的诊断策略，减少不必要的抗生素使用 | 接受机械通气的新生儿 | digital pathology | ventilator-associated pneumonia | deep learning | ResNet, VGG, DenseNet, RegNetX80, ensemble learning | image | 670名新生儿（共900张胸部X光图像，其中399张来自确诊VAP的患者，501张来自非VAP新生儿） | NA | NA | NA | NA |
| 1025 | 2025-05-12 |
Potential of AI and ML in oncology research including diagnosis, treatment and future directions: A comprehensive prospective
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109918
PMID:40037170
|
review | 本文综述了人工智能（AI）和机器学习（ML）在肿瘤学研究中的潜力，包括诊断、治疗及未来发展方向 | 探讨了AI和ML在癌症预测、诊断和治疗中的最新进展，包括FDA批准的技术及其在个性化医疗中的应用 | 讨论了AI在医疗领域的挑战、限制、监管考虑和伦理问题 | 评估AI和ML在肿瘤学研究中的应用及其对癌症护理和治疗的潜在影响 | 癌症研究，特别是预测、诊断和治疗 | machine learning | cancer | deep learning (DL), machine learning (ML) | CNN, MLP | NA | NA | NA | NA | NA | NA |
| 1026 | 2025-05-12 |
Predictive modeling and optimization in dermatology: Machine learning for skin disease classification
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109946
PMID:40037169
|
研究论文 | 本研究利用机器学习分类器基于活检样本的组织病理学特征预测皮肤疾病，以提高诊断准确性 | 采用六种广泛使用的分类器进行比较，其中SGD分类器表现最佳，准确率达到99.09%，F1分数达到98.77%，并通过高级特征选择技术提高了模型性能和可解释性 | 未来工作需改进特征选择方法、扩大数据集以提高泛化能力，并探索更先进的深度学习技术 | 提高皮肤疾病的诊断准确性，开发可靠且自动化的诊断工具 | 皮肤疾病的组织病理学特征 | 机器学习 | 皮肤疾病 | NA | Random Forest, Logistic Regression, SGD Classifier, SVM, AdaBoost, Naive Bayes | 组织病理学特征 | NA | NA | NA | NA | NA |
| 1027 | 2025-05-12 |
Factor enhanced DeepSurv: A deep learning approach for predicting survival probabilities in cirrhosis data
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109963
PMID:40037171
|
研究论文 | 本文提出了一种名为Factor Enhanced DeepSurv（FE-DeepSurv）的新型深度神经网络模型，用于预测肝硬化患者的生存概率 | 结合因子分析降低预测变量维度，应用转换技术处理数据截尾，并使用深度神经网络预测每个时间间隔的条件失效概率，从而提高生存概率估计的精确度 | 研究仅针对肝硬化数据进行了验证，未在其他疾病数据集上测试 | 开发一种能够更准确预测生存概率的深度学习模型 | 肝硬化患者的生存数据 | 机器学习 | 肝硬化 | 因子分析、深度神经网络 | FE-DeepSurv | 生存数据 | 来自Mayo Clinic试验的继发性肝硬化数据 | NA | NA | NA | NA |
| 1028 | 2025-05-12 |
Deep learning based image enhancement for dynamic non-Cartesian MRI: Application to "silent" fMRI
2025-May, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109920
PMID:40037172
|
research paper | 本研究探讨了深度学习图像增强方法在非笛卡尔MRI中的应用，特别关注于保留动态时间信号变化 | 利用高分辨率静息态fMRI数据集构建了真实训练集，并比较了2D-UNet和3D-UNet在图像增强任务中的表现，发现3D-UNet表现更优 | 研究主要基于模拟数据，实际临床应用中的效果尚需进一步验证 | 提高非笛卡尔MRI图像质量，同时保留动态时间信号变化 | 非笛卡尔MRI图像，特别是静息态fMRI数据 | medical imaging | NA | deep learning, fMRI | 2D-UNet, 3D-UNet | image | Human Connectome Project (HCP) foundation的高分辨率静息态fMRI数据集 | NA | NA | NA | NA |
| 1029 | 2025-05-12 |
EVlncRNA-net: A dual-channel deep learning approach for accurate prediction of experimentally validated lncRNAs
2025-May, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.141538
PMID:40043997
|
research paper | 提出了一种名为EVlncRNA-net的双通道深度学习框架，用于准确预测经过实验验证的lncRNAs | EVlncRNA-net结合了图卷积网络（GCN）和卷积神经网络（CNN）两种表示学习模块，创新性地将lncRNA序列转化为图形格式并通过图卷积处理，同时从one-hot编码序列中提取特征 | 实验验证成本高昂，限制了验证的lncRNAs数量 | 开发预测工具以优先选择潜在功能性lncRNAs进行低通量验证 | 人类、小鼠和植物的lncRNAs | natural language processing | NA | high-throughput RNA sequencing (HTlncRNAs) | GCN, CNN | sequence | NA | NA | NA | NA | NA |
| 1030 | 2025-10-07 |
INFERYS rescoring: Boosting peptide identifications and scoring confidence of database search results
2025-May, Rapid communications in mass spectrometry : RCM
IF:1.8Q2
DOI:10.1002/rcm.9128
PMID:34015160
|
研究论文 | 介绍了一种基于深度学习的肽段鉴定重评分方法INFERYS rescoring，可提升蛋白质组学数据库搜索结果的鉴定数量和评分可信度 | 首次将肽段碎片离子强度预测深度集成到商业蛋白质组学分析软件中，无需GPU即可在个人电脑上运行 | 方法主要针对Thermo Scientific Proteome Discoverer平台和Sequest HT搜索引擎，在其他平台上的适用性未验证 | 提高蛋白质组学中肽段鉴定的准确性和数量 | 肽段谱图匹配、蛋白质鉴定 | 蛋白质组学 | NA | 串联质谱、数据库搜索 | 深度学习 | 质谱数据 | HeLa标准样本、免疫肽组数据集 | INFERYS平台 | NA | 假发现率、肽段谱图匹配数量、肽段鉴定数量、蛋白质鉴定数量 | 个人计算机（无需GPU） |
| 1031 | 2025-05-12 |
Deep learning segmentation of periarterial and perivenous capillary-free zones in optical coherence tomography angiography
2025-May, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.30.5.056005
PMID:40342523
|
研究论文 | 本研究开发并评估了深度学习模型（包括CNN和ViT）用于光学相干断层扫描血管成像（OCTA）中动脉周围和静脉周围无毛细血管区（CFZs）的精确分割，以改善糖尿病视网膜病变（DR）的早期检测和监测 | 首次使用深度学习模型（如UNet++与EfficientNet-b7）实现CFZs的高精度自动分割，并定量分析CFZ特征作为DR的潜在生物标志物 | 研究样本仅包括健康对照组、无DR的糖尿病患者和轻度DR患者，未涵盖DR的中重度阶段 | 开发自动化CFZ分割方法并探索其作为DR生物标志物的潜力 | OCTA图像中的动脉周围和静脉周围无毛细血管区（CFZs） | 计算机视觉 | 糖尿病视网膜病变 | 光学相干断层扫描血管成像（OCTA） | UNet, UNet++, TransUNet, Segformer, CNN, ViT | 图像 | 健康对照组、无DR糖尿病患者和轻度DR患者的OCTA图像 | NA | NA | NA | NA |
| 1032 | 2025-05-12 |
Lung disease classification in chest X-ray images using optimal cross stage partial bidirectional long short term memory
2025-May, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.1177/08953996241304987
PMID:40343884
|
研究论文 | 本研究提出了一种深度学习模型OCBiNet，用于在胸部X光图像中对肺部疾病进行分类 | 提出了结合交叉阶段部分连接的双向长短期记忆网络(OCBiNet)和改进的母优化算法(ImMO)，以提高分类准确性和收敛速度 | 未提及模型在更大规模或多样化数据集上的泛化能力 | 提高肺部疾病分类的准确性和效率 | 胸部X光图像中的肺部疾病分类 | 计算机视觉 | 肺部疾病 | 深度学习 | OCBiNet（基于BiLSTM和交叉阶段部分连接） | 图像 | NA | NA | NA | NA | NA |
| 1033 | 2025-05-11 |
Deep learning-based evaluation of the severity of mitral regurgitation in canine myxomatous mitral valve disease patients using digital stethoscope recordings
2025-May-08, BMC veterinary research
IF:2.3Q1
DOI:10.1186/s12917-025-04802-z
PMID:40336065
|
研究论文 | 本研究利用深度学习模型评估犬类粘液瘤性二尖瓣疾病患者的二尖瓣反流严重程度 | 使用CNN6等深度学习模型通过数字听诊器录音评估二尖瓣反流严重程度，提供了一种快速、无创且可靠的替代方法 | 需要更广泛的临床验证和实时应用技术的研究 | 评估深度学习模型在犬类粘液瘤性二尖瓣疾病患者中评估二尖瓣反流严重程度的有效性 | 460只患有粘液瘤性二尖瓣疾病的犬类 | 数字病理学 | 心血管疾病 | 数字听诊器录音 | CNN, PaSST, ResNet38 | 音频信号 | 460只犬类 | NA | NA | NA | NA |
| 1034 | 2025-05-11 |
EEG-based neurodegenerative disease diagnosis: comparative analysis of conventional methods and deep learning models
2025-May-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00292-z
PMID:40335527
|
研究论文 | 该研究通过比较传统方法和深度学习模型，基于EEG信号进行神经退行性疾病（如痴呆症）的诊断 | 研究展示了深度学习模型（特别是1D和2D CNNs）在识别与神经退行性疾病相关的细微EEG信号模式上优于传统方法 | 在Dataset 3中表现不佳，表明需要针对特定数据集进一步优化模型 | 探索和比较不同方法在痴呆症早期诊断中的应用效果 | EEG信号 | 机器学习 | 神经退行性疾病 | EEG信号处理 | Random Forest, 1D CNN, 2D CNN | EEG信号 | 三个不同的基准数据集，包含认知正常、额颞叶痴呆、轻度认知障碍和阿尔茨海默病等类别 | NA | NA | NA | NA |
| 1035 | 2025-05-11 |
A lightweight Deeplab V3+ network integrating deep transitive transfer learning and attention mechanism for burned area identification
2025-May-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66060-7
PMID:40335537
|
研究论文 | 提出了一种基于Deeplab V3+的轻量级深度学习模型，结合注意力机制和深度传递迁移学习策略，用于从遥感图像中准确高效地识别烧伤区域 | 结合注意力机制和深度传递迁移学习策略，使用轻量级MobileNet V2网络集成CBAM作为骨干网络，替代传统耗时的Xception网络 | 样本量不足可能导致烧伤区域识别错误和边缘细节不连续 | 准确高效地从遥感图像中识别烧伤区域 | 遥感图像中的烧伤区域 | 计算机视觉 | NA | 深度传递迁移学习（DTTL） | Deeplab V3+, MobileNet V2, CBAM | 遥感图像 | WorldView-2和Sentinel-2数据集 | NA | NA | NA | NA |
| 1036 | 2025-05-11 |
MSLU-100K: A Large Multi-Source Dataset for Land Use Analysis in Major Chinese Cities
2025-May-07, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-05047-z
PMID:40335536
|
research paper | 介绍了一个名为MSLU-100K的大型多源土地利用数据集，用于中国主要城市的土地利用分析 | 提出了一个结合人工标注和深度学习的多层次分类方法，确保数据质量，并提供了高质量样本以提升分类性能 | 未提及具体的数据收集和处理过程中可能存在的偏差或限制 | 构建高质量的土地利用数据集，以支持土地利用分类和识别研究 | 来自81个中国城市的超过100,000个不规则地块样本 | 地理信息系统 | NA | 深度学习 | NA | 遥感数据和POI数据 | 超过100,000个地块样本 | NA | NA | NA | NA |
| 1037 | 2025-05-11 |
Enhancing efficient deep learning models with multimodal, multi-teacher insights for medical image segmentation
2025-May-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91430-0
PMID:40335579
|
研究论文 | 提出了一种名为Teach-Former的新型知识蒸馏框架，用于高效的多模态医学图像分割 | 利用Transformer骨干网络和多教师模型的知识蒸馏，结合多模态输入（CT、PET、MRI）和中间注意力图，实现更精确的分割 | 未明确提及具体局限性，但可能涉及模型在更广泛数据集上的泛化能力 | 开发高效的深度学习模型，以降低医学图像分割的计算需求 | 多模态医学图像（CT、PET、MRI） | 数字病理学 | NA | 知识蒸馏（KD） | Transformer | 医学图像 | 两个多模态数据集（HECKTOR21和PI-CAI22） | NA | NA | NA | NA |
| 1038 | 2025-05-11 |
Enhanced classification of tinnitus patients using EEG microstates and deep learning techniques
2025-May-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-01129-5
PMID:40335585
|
研究论文 | 该研究通过创新的微状态分析技术和前沿的机器学习方法，利用EEG信号深入理解和分类耳鸣 | 结合微状态分析和深度学习技术，提出了一种新的特征到图像的转换方法，并使用预训练模型进行验证 | 样本量较小（两个数据集共73名参与者），可能影响结果的泛化能力 | 加深对耳鸣的理解并提高其分类准确性 | 耳鸣患者和健康对照者的EEG信号 | 机器学习 | 耳鸣 | EEG微状态分析、Daubechies 4小波分解 | SVM、决策树、随机森林、深度神经网络（DNN）、VGG16、ResNet50、Xception | EEG信号 | 73名参与者（36名来自主要数据集，37名来自公共数据集） | NA | NA | NA | NA |
| 1039 | 2025-05-11 |
Biopsy image-based deep learning for predicting pathologic response to neoadjuvant chemotherapy in patients with NSCLC
2025-May-07, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-025-00927-4
PMID:40335632
|
研究论文 | 利用活检图像和深度学习预测非小细胞肺癌患者对新辅助化疗的病理反应 | 提出了一种弱监督深度学习模型DeepDrRVT，结合自监督特征提取和基于注意力的深度多实例学习，用于改善新辅助化疗决策 | 未提及具体样本量的限制或模型在其他数据集上的泛化能力 | 提高非小细胞肺癌患者对新辅助化疗反应的预测准确性 | 非小细胞肺癌患者的活检图像 | 数字病理学 | 肺癌 | 深度学习 | DeepDrRVT（结合自监督特征提取和注意力机制的深度多实例学习模型） | 图像 | 训练、内部验证和外部验证队列（具体数量未提及） | NA | NA | NA | NA |
| 1040 | 2025-05-11 |
A deep learning model combining circulating tumor cells and radiological features in the multi-classification of mediastinal lesions in comparison with thoracic surgeons: a large-scale retrospective study
2025-May-07, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-025-04104-z
PMID:40335930
|
研究论文 | 本研究开发并验证了一种结合循环肿瘤细胞(CTCs)和CT图像的多模态融合网络(DMFN)，用于纵隔病变的多分类诊断 | 首次将循环肿瘤细胞(CTCs)与CT图像结合，开发了多模态融合网络(DMFN)用于纵隔病变诊断 | 回顾性研究设计可能引入选择偏倚 | 开发结合CT图像和CTCs的深度学习模型以提高纵隔病变诊断准确性 | 1074名纵隔病变患者 | 数字病理 | 纵隔病变 | CT成像和循环肿瘤细胞检测 | 多模态融合网络(DMFN)和单模态CNN | CT图像和CTCs数据 | 1074名患者(1500张增强CT图像和1074份CTCs结果) | NA | NA | NA | NA |