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 1430 篇文献，本页显示第 1061 - 1080 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1061 | 2025-10-07 |
Enhancing automated right-sided early-stage breast cancer treatments via deep learning model adaptation without additional training
2025-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17682
PMID:39966996
|
研究论文 | 本研究提出一种无需额外训练即可将左侧乳腺癌深度学习模型适配用于右侧乳腺癌治疗规划的技术 | 通过对称结构左右互换和模型参数调整实现跨侧向深度学习模型适配，无需重新训练 | 技术特定于特定治疗规划系统(TPS)，需要进一步验证在其他平台的适用性 | 开发右侧乳腺癌自动治疗规划技术 | 乳腺癌患者治疗规划 | 医学影像分析 | 乳腺癌 | 深度学习自动规划 | 深度学习模型 | 治疗规划数据 | 30例患者（10例用于模型调优，20例用于验证），外加10例临床患者 | NA | NA | 剂量体积参数，平均剂量，最大剂量 | NA |
| 1062 | 2025-10-07 |
T2-weighted imaging of rectal cancer using a 3D fast spin echo sequence with and without deep learning reconstruction: A reader study
2025-May, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70031
PMID:39976552
|
研究论文 | 比较深度学习重建与传统重建在直肠癌T2加权3D快速自旋回波序列MRI中的图像质量和临床效用 | 首次在直肠癌MRI中系统比较深度学习重建与传统重建技术的性能差异 | 样本量有限（50例患者），仅使用3点量表进行主观评价 | 评估深度学习重建在直肠癌MRI图像质量和临床诊断价值方面的优势 | 50例直肠癌患者的MRI图像 | 医学影像分析 | 直肠癌 | T2加权3D快速自旋回波序列MRI | 深度学习重建 | 医学影像 | 50例直肠癌患者 | NA | NA | 图像质量评分，临床偏好度 | NA |
| 1063 | 2025-10-07 |
Explainability and uncertainty: Two sides of the same coin for enhancing the interpretability of deep learning models in healthcare
2025-May, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2025.105846
PMID:39993336
|
立场论文 | 提出将不确定性量化与可解释人工智能方法相结合以提升医疗领域深度学习模型可靠性的框架 | 首次系统性地提出在可解释人工智能中同时估计认知不确定性和偶然不确定性的框架 | 未进行实际临床验证，主要提出理论框架和方法论探讨 | 提升医疗领域深度学习模型的透明度和可靠性 | 医疗领域的深度学习模型 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 1064 | 2025-10-07 |
Automatic skull reconstruction by deep learnable symmetry enforcement
2025-May, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108670
PMID:40009971
|
研究论文 | 提出一种基于可学习对称性增强的自动颅骨重建方法 | 通过可学习的对称性强制执行网络增强颅骨重建效果，显著降低计算资源需求 | 训练数据集规模有限，体数据分辨率高，数据异质性强 | 开发自动颅骨重建方法以缩短颅骨缺损患者等待手术时间 | 颅骨缺损患者和颅骨对称性结构 | 计算机视觉 | 颅骨损伤 | 深度学习 | 神经网络 | 体数据 | 使用SkullBreak和SkullFix公开数据集及真实临床病例 | NA | 对称性强制执行网络 | DSC, bDSC, HD95 | GPU (< 500 GPU小时) |
| 1065 | 2025-10-07 |
Causal associations between scapular morphology and shoulder condition estimated with Bayesian statistics
2025-May, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108666
PMID:40009972
|
研究论文 | 本研究使用贝叶斯统计评估肩胛骨形态与肩部疾病之间的因果关系 | 首次将do-演算应用于肩胛骨形态与肩部疾病的因果关联识别，并开发了多分类逻辑回归贝叶斯模型 | 研究样本量相对有限（396名受试者），且仅考虑了最常见的两种肩部病理 | 评估肩胛骨形态对肩部疾病的因果影响 | 396名受试者，分为原发性骨关节炎、肩袖撕裂关节病、其他病理和健康对照组 | 医学影像分析 | 肩部疾病 | CT扫描，深度学习模型 | 多分类逻辑回归贝叶斯模型 | CT影像 | 396名受试者 | NA | NA | 概率变化百分比 | NA |
| 1066 | 2025-05-11 |
Segmentation of skin layers on HFUS images using the attention mechanism
2025-May, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108668
PMID:40015155
|
research paper | 该论文提出了一种结合上下文特征金字塔块与注意力门的新型神经网络模型，用于准确分割皮肤层 | 首次使用注意力机制结合上下文特征金字塔块来分割皮肤层，并测试了预分割入口回声层的顺序模型 | 研究中使用的HFUS图像数据库来自不同的超声设备和探头频率，可能影响模型泛化能力 | 开发一种自动化的超声图像分析算法，用于皮肤层的准确分割 | 皮肤层（入口回声层、SLEB和真皮层） | 计算机视觉 | NA | 高频超声（HFUS）成像 | 结合上下文特征金字塔块与注意力门的神经网络 | 图像 | 两个不同的HFUS图像数据库 | NA | NA | NA | NA |
| 1067 | 2025-05-11 |
Enhanced dose prediction for head and neck cancer artificial intelligence-driven radiotherapy based on transfer learning with limited training data
2025-May, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70012
PMID:40087841
|
research paper | 本研究探讨了迁移学习在头颈癌人工智能驱动放疗剂量预测模型中的应用及其对预测性能的提升 | 利用迁移学习优化现有临床剂量预测模型，显著提高了新兴放疗技术（如AINRT和DA-AINRT）的预测准确性 | 研究依赖于有限的数据集，可能影响模型的泛化能力 | 提升头颈癌患者放疗剂量预测的准确性，支持新兴放疗技术的发展 | 头颈癌患者 | digital pathology | head and neck cancer | AI-based nodal radiotherapy (AINRT), Daily Adaptive AI-based nodal radiotherapy (DA-AINRT) | Hierarchically Densely Connected U-net | medical imaging data | AINRT和DA-AINRT患者数据集 | NA | NA | NA | NA |
| 1068 | 2025-05-11 |
Training, Validating, and Testing Machine Learning Prediction Models for Endometrial Cancer Recurrence
2025-May, JCO precision oncology
IF:5.3Q1
DOI:10.1200/PO-24-00859
PMID:40324114
|
research paper | 该研究旨在训练、验证和测试用于预测子宫内膜癌复发的机器学习模型 | 使用lasso回归、机器学习（ML）和深度学习（DL）分析大型综合数据集来预测子宫内膜癌复发 | 需要前瞻性验证以确定临床实用性 | 准确预测子宫内膜癌复发风险，以更好地选择患者进行辅助治疗 | 子宫内膜癌患者 | machine learning | endometrial cancer | microRNA, long noncoding RNA, isoforms, pseudogene expressions, SNV, CNV | lasso regression, ML, DL | clinical, pathologic, genomic, genetic data | 低风险组329例，高风险组324例，非子宫内膜样组织学组239例 | NA | NA | NA | NA |
| 1069 | 2025-05-11 |
Spatial and Temporal Changes in Choroid Morphology Associated With Long-Duration Spaceflight
2025-May-01, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.66.5.17
PMID:40332907
|
研究论文 | 本研究利用深度学习技术分析长期太空飞行中宇航员脉络膜的形态变化 | 扩展了深度学习在OCT图像脉络膜分割中的应用，首次量化了微重力环境下脉络膜的脉动和拓扑变化 | 样本量较小(12名宇航员)，且仅6名有飞行中影像数据 | 探究长期太空飞行中脉络膜形态变化与太空飞行相关神经眼综合征(SANS)的关系 | 长期太空飞行的宇航员 | 数字病理学 | 太空飞行相关神经眼综合征 | 光学相干断层扫描(OCT) | 深度学习模型 | OCT视频和体积数据 | 12名平均年龄47±9岁的宇航员(其中6名有飞行中数据) | NA | NA | NA | NA |
| 1070 | 2025-05-11 |
The long journey of artificial intelligence in medicine: an overview
2025-May, Clinical and experimental rheumatology
IF:3.4Q2
DOI:10.55563/clinexprheumatol/oamfed
PMID:40338059
|
综述 | 本文概述了人工智能在医学领域的漫长发展历程及其重要里程碑 | 全面回顾了AI从哲学和数学起源到现代医学应用的演变过程，突出了关键技术的发展节点 | 未具体说明当前AI在医学应用中面临的具体技术或伦理挑战细节 | 梳理人工智能技术在医学领域的发展历史和应用前景 | 人工智能技术的发展历程及其医学应用 | 人工智能 | NA | 机器学习、神经网络、深度学习、大语言模型 | NA | 健康大数据 | NA | NA | NA | NA | NA |
| 1071 | 2025-10-07 |
Rapid point-of-care pathogen sensing in the post-pandemic era
2025-May, Trends in biotechnology
IF:14.3Q1
DOI:10.1016/j.tibtech.2024.10.003
PMID:39521626
|
综述 | 本文综述了后疫情时代即时检测病原体传感技术的最新进展，重点关注基于表面增强拉曼散射和深度学习的快速诊断方法 | 整合功能纳米材料、生物工程与深度学习算法，显著提升即时检测传感器的速度、特异性和灵敏度 | NA | 探讨后疫情时代快速准确诊断病原体的即时检测技术发展 | 病毒和细菌病原体 | 生物医学工程 | 传染病 | 表面增强拉曼散射(SERS), 免疫分析 | 深度学习 | 光谱信号 | NA | NA | NA | 速度, 特异性, 灵敏度, 准确性 | NA |
| 1072 | 2025-10-07 |
Current and future deep learning algorithms for tandem mass spectrometry (MS/MS)-based small molecule structure elucidation
2025-May, Rapid communications in mass spectrometry : RCM
IF:1.8Q2
DOI:10.1002/rcm.9120
PMID:33955607
|
综述 | 本文综述了当前和未来用于串联质谱小分子结构解析的深度学习算法 | 提出了解决现有方法计算复杂度高、数据维度高和信息丢失、子结构覆盖低等问题的深度学习架构概念设计 | 深度学习框架的性能和通用性需要与经典机器学习框架进行公平评估 | 开发用于串联质谱小分子结构解析的深度学习模型 | 小分子化合物 | 机器学习 | NA | 串联质谱(MS/MS) | 图卷积网络,多任务学习 | 质谱数据,分子结构数据 | NA | NA | 图卷积网络 | NA | NA |
| 1073 | 2025-05-10 |
Deep learning enabled open-set bacteria recognition using surface-enhanced Raman spectroscopy
2025-May-15, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.117245
PMID:39965415
|
研究论文 | 提出了一种基于transformer的神经网络，用于利用表面增强拉曼光谱(SERS)进行开放集细菌识别 | 结合分类和重建任务，通过分析重建误差拒绝未知细菌种类，提高了开放集识别的准确性 | 未提及具体样本数量和细菌种类范围 | 改进现有封闭集细菌识别方法的局限性，提高实际应用中的鲁棒性 | 细菌种类识别 | 机器学习 | NA | 表面增强拉曼光谱(SERS) | transformer | 光谱数据 | NA | NA | NA | NA | NA |
| 1074 | 2025-05-10 |
Thermo-responsive and phase-separated hydrogels for cardiac arrhythmia diagnosis with deep learning algorithms
2025-May-15, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.117262
PMID:39965416
|
研究论文 | 开发了一种基于水凝胶的皮肤界面电极，用于心脏心律失常的诊断，并通过深度学习算法实现高精度识别 | 通过温度介导的可切换氢键相互作用，实现了水凝胶电极的可编程粘附与剥离，显著提高了粘附能量的开关比 | 未提及长期使用的生物相容性或耐久性测试结果 | 开发一种可编程粘附的水凝胶电极，用于心脏心律失常的实时监测与诊断 | 心脏心律失常患者 | 数字病理学 | 心血管疾病 | 深度学习算法 | NA | 电信号（ECG） | 八种常见心律失常患者 | NA | NA | NA | NA |
| 1075 | 2025-05-10 |
Transfer learning‑based attenuation correction in 99mTc-TRODAT-1 SPECT for Parkinson's disease using realistic simulation and clinical data
2025-May-06, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-025-00756-1
PMID:40327202
|
研究论文 | 本研究探讨了利用蒙特卡洛模拟数据预训练模型进行迁移学习，以改进帕金森病DAT SPECT成像中的衰减校正性能 | 首次提出基于纯模拟数据预训练的迁移学习方法（TLAC-MC），在有限临床数据情况下显著提升衰减校正效果 | 研究依赖于模拟数据的真实性，且临床样本量相对有限（100例） | 开发更有效的DAT SPECT衰减校正方法以提升帕金森病早期检测准确性 | 99mTc-TRODAT-1脑SPECT成像数据 | 数字病理学 | 帕金森病 | 蒙特卡洛模拟（MC SIMIND程序）、SPECT成像 | 3D cGAN（条件生成对抗网络）与U-Net | 医学影像数据（SPECT） | 200个数字脑模型模拟数据 + 100例真实临床SPECT数据 | NA | NA | NA | NA |
| 1076 | 2025-05-10 |
OSMlanduse a dataset of European Union land use at 10 m resolution derived from OpenStreetMap and Sentinel-2
2025-May-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04703-8
PMID:40328764
|
research paper | 该研究通过融合OpenStreetMap和Sentinel-2数据，创建了一个10米分辨率的欧盟土地利用地图 | 首次成功在大区域范围内融合OpenStreetMap和Copernicus数据，并达到10米或更精细的空间分辨率 | NA | 创建一个高分辨率的欧盟土地利用地图 | 欧盟的土地利用情况 | 地理信息系统 | NA | 深度学习卷积神经网络 | CNN | 遥感图像和OpenStreetMap标签 | 覆盖欧盟61.8%的区域 | NA | NA | NA | NA |
| 1077 | 2025-05-10 |
The analysis of English language teaching with machine translation based on virtual reality technology
2025-May-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-00592-4
PMID:40328816
|
研究论文 | 本研究探讨了虚拟现实(VR)技术与机器翻译(MT)技术在英语语言教学(ELT)中的应用效果 | 提出了一种基于深度学习(DL)的新型MT模型，并将其与VR技术成功整合以优化ELT质量 | 仅针对40名英语专业学生进行了初步测试，样本规模较小 | 探索VR与MT技术结合在英语教学中的应用潜力 | 英语语言教学(ELT) | 自然语言处理 | NA | 深度学习(DL) | 新型MT模型 | 文本 | 40名英语专业学生 | NA | NA | NA | NA |
| 1078 | 2025-05-10 |
Lightweight deep learning for real-time road distress detection on mobile devices
2025-May-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-59516-5
PMID:40328808
|
研究论文 | 本研究提出了一种轻量级深度学习方法MobiLiteNet，用于在移动设备上实时检测道路损坏 | 结合了高效通道注意力机制、结构优化、稀疏知识蒸馏、结构化剪枝和量化技术，显著提高了计算效率同时保持高检测精度 | NA | 开发适用于移动设备的轻量级道路损坏检测系统 | 道路损坏 | 计算机视觉 | NA | 深度学习 | MobileNet | 图像 | 收集自欧洲和亚洲的多样化数据集 | NA | NA | NA | NA |
| 1079 | 2025-05-10 |
Passive localization based on radio tomography images with CNN model utilizing WIFI RSSI
2025-May-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-99694-2
PMID:40328896
|
research paper | 该论文提出了一种基于无线电断层成像（RTI）和卷积神经网络（CNN）的被动定位系统，用于在室内环境中定位和跟踪目标 | 利用深度学习技术改进RTI图像质量，并开发了两个CNN模型来重建静态断层图像和提高定位精度 | 未提及具体样本量或实验环境的多样性限制 | 开发一种无需携带设备的被动定位系统，适用于安全和医疗监控等隐私敏感场景 | 室内环境中的目标物体 | machine learning | NA | WIFI RSSI测量 | CNN | 无线电信号强度数据 | NA | NA | NA | NA | NA |
| 1080 | 2025-05-10 |
Deep learning-based computational approach for predicting ncRNAs-disease associations in metaplastic breast cancer diagnosis
2025-May-06, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-025-14113-z
PMID:40329245
|
research paper | 本研究提出了一种基于深度强化学习（DRL）的框架，用于预测非编码RNA（ncRNA）与化生性乳腺癌（MBC）的关联，以提高疾病分类的准确性 | 采用深度强化学习（DRL）框架和多维描述符系统（ncRNADS）整合序列特征和目标基因描述符，显著提高了预测ncRNA与疾病关联的准确性 | 模型在非乳腺癌疾病（如阿尔茨海默病）中的交叉反应性较低（8-9%准确率），可能限制了其在其他疾病中的应用 | 开发一种高精度的计算方法，用于预测ncRNA与化生性乳腺癌的关联，以支持精准肿瘤学 | 非编码RNA（ncRNA）与化生性乳腺癌（MBC）的关联 | machine learning | breast cancer | Deep Reinforcement Learning (DRL), 多维描述符系统（ncRNADS） | DRL | 序列数据和目标基因描述符 | 整合了550个序列特征和1,150个目标基因描述符（miRDB评分≥90） | NA | NA | NA | NA |