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 1210 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2025-10-05 |
Development and in silico imaging trial evaluation of a deep-learning-based transmission-less attenuation compensation method for DaT SPECT
2025-Jun-25, ArXiv
PMID:41019216
|
研究论文 | 开发并评估了一种基于深度学习的无透射衰减补偿方法DaT-CTLESS，用于DaT SPECT成像 | 提出首个无需CT扫描的深度学习衰减补偿方法，解决了传统CTAC方法在临床SPECT系统中的局限性 | 研究主要基于计算机模拟试验，需要进一步的临床验证 | 开发无需CT扫描的衰减补偿方法以改进DaT SPECT定量分析 | 多巴胺转运体SPECT图像中的尾状核、壳核和苍白球区域 | 医学影像分析 | 帕金森病 | SPECT成像，深度学习 | 深度学习模型 | SPECT影像数据 | NA | NA | NA | 相关性分析，一致性评估，泛化能力，重复性 | NA |
| 202 | 2025-10-05 |
Deep Learning to Localize Photoacoustic Sources in Three Dimensions: Theory and Implementation
2025-06, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3562313
PMID:40261767
|
研究论文 | 开发基于深度学习的3D光声点源定位系统，用于手术工具尖端定位与追踪 | 首次实现三维光声点源定位，提出基于目标检测和实例分割的深度学习系统，并建立了点源位置、声速和波形形态的理论关系 | 实验数据量相对有限（模拟4000帧、体模993帧、离体1983帧），声速估计在实验数据中误差较大 | 开发三维光声点源定位系统以提升手术工具尖端定位精度 | 手术工具尖端（视为声学点源） | 医学影像分析 | NA | 光声成像 | 深度学习 | 光声通道数据帧 | 模拟数据4000帧、体模数据993帧、离体数据1983帧 | NA | 目标检测网络、实例分割网络 | F1分数、欧几里得定位误差、声速估计绝对误差 | NA |
| 203 | 2025-10-05 |
Automated Deep Learning Approach for Post-Operative Neonatal Pain Detection and Prediction through Physiological Signals
2025-Jun, Proceedings. IEEE International Symposium on Computer-Based Medical Systems
DOI:10.1109/cbms65348.2025.00164
PMID:40978767
|
研究论文 | 提出一种结合生理信号监测与计算机视觉/深度学习的自动化方法，用于新生儿术后疼痛检测和预测 | 首次提出早期疼痛检测方法，可在疼痛发生前5-10分钟预警，为使用伤害较小的疼痛缓解策略创造时间窗口 | NA | 开发自动化的新生儿术后疼痛检测和预测系统 | 新生儿重症监护室中的术后新生儿 | 计算机视觉, 深度学习 | 新生儿疼痛 | 生理信号监测（心率、呼吸频率、血氧饱和度） | 深度学习 | 生理信号数据 | NA | NA | NA | AUC, mAP | NA |
| 204 | 2025-10-05 |
Deep learning and inflammatory markers predict early response to immunotherapy in unresectable NSCLC: A multicenter study
2025-Jun-10, Biomolecules & biomedicine
DOI:10.17305/bb.2025.12324
PMID:40525631
|
研究论文 | 本研究开发了基于CT的深度学习模型结合系统性免疫炎症营养指数，用于早期预测不可切除非小细胞肺癌患者对免疫检查点抑制剂的治疗反应 | 首次将深度学习放射组学特征与系统性免疫炎症营养指数相结合构建联合预测模型，并通过多中心研究验证其预测性能 | 回顾性研究设计，样本量相对有限，需要进一步扩大验证 | 开发非侵入性生物标志物以早期预测不可切除非小细胞肺癌患者对免疫治疗的疗效 | 265例接受免疫检查点抑制剂治疗的不可切除非小细胞肺癌患者 | 数字病理 | 肺癌 | CT成像，实验室检测 | 深度学习 | 医学影像，临床数据 | 265例患者，分为训练集(70%)、内部验证集(30%)和外部验证集 | NA | DenseNet121 | AUC | NA |
| 205 | 2025-10-05 |
An EMG-Based GRU Model for Estimating Foot Pressure to Support Active Ankle Orthosis Development
2025-Jun-05, Sensors (Basel, Switzerland)
DOI:10.3390/s25113558
PMID:40969084
|
研究论文 | 本研究提出了一种基于表面肌电信号和门控循环单元深度学习模型的方法，用于预测行走过程中足底压力分布 | 使用GRU深度学习模型从肌电信号预测足底压力分布，实现了跨受试者的泛化能力和对个体化步态动力学的实时推断 | 仅针对四个关键踝关节肌肉进行肌电信号采集，可能未完全覆盖所有相关肌肉群 | 开发一种可扩展且可解释的预测框架，用于改进主动踝足矫形器的实时控制 | 踝关节功能障碍患者，特别是与足下垂、不稳定和步态适应性降低相关的患者 | 机器学习 | 老年疾病 | 表面肌电信号，力敏电阻系统 | GRU | 时间序列信号 | NA | NA | GRU | 均方根值 | NA |
| 206 | 2025-10-05 |
Power Line Segmentation Algorithm Based on Lightweight Network and Residue-like Cross-Layer Feature Fusion
2025-Jun-04, Sensors (Basel, Switzerland)
DOI:10.3390/s25113551
PMID:40969098
|
研究论文 | 提出一种基于轻量级网络和类残差跨层特征融合的电力线分割算法RGS-UNet | 集成类残差跨层特征融合模块，采用Ghost Module优化卷积计算，嵌入SIMAM注意力机制，使用Mish激活函数 | NA | 解决现有电力线分割算法中小目标尺度、复杂背景和模型参数过多的问题 | 电力线分割 | 计算机视觉 | NA | NA | CNN | 图像 | NA | NA | UNet, ResNet18 | F1-Score, IoU | NA |
| 207 | 2025-10-05 |
A Deep Learning-Based Model Approach for Quantitative Analysis of Cell Chemotaxis in a Microfluidic Chip
2025-Jun-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25113515
PMID:40969071
|
研究论文 | 提出了一种基于微流控技术和深度学习的细胞趋化性定量分析方法 | 将微流控技术与深度学习相结合，实现细胞趋化性的自动计数和分析 | NA | 开发快速准确的细胞趋化性定量分析方法 | 细胞趋化性 | 计算机视觉 | NA | 微流控技术 | 深度学习 | 细胞图像 | NA | NA | NA | 准确性,可重复性 | NA |
| 208 | 2025-10-05 |
Enhancing Upper Limb Exoskeletons Using Sensor-Based Deep Learning Torque Prediction and PID Control
2025-Jun-03, Sensors (Basel, Switzerland)
DOI:10.3390/s25113528
PMID:40969067
|
研究论文 | 提出一种基于传感器深度学习的扭矩预测与PID控制相结合的上肢外骨骼增强方法 | 将肌电信号扭矩估计与预测模型集成到PID控制回路中，以优化外骨骼机器人扭矩整合并消除系统不确定性 | 研究仅涉及12名健康受试者，未在卒中患者中进行验证 | 增强上肢辅助外骨骼的控制效果，帮助卒中患者改善手臂运动功能 | 上肢外骨骼机器人（肘关节）和健康受试者的上肢肌肉活动 | 机器学习 | 卒中 | 高密度表面肌电图（HD-sEMG） | LSTM, BLSTM, GRU | 二维肌电信号 | 12名健康受试者，采集5个上肢肌肉（肱二头肌、肱三头肌、肘肌、肱桡肌、旋前圆肌）在四种等长任务中的肌电数据 | NA | 长短期记忆网络、双向长短期记忆网络、门控循环单元 | NA | NA |
| 209 | 2025-10-05 |
Estimating dynamic plantar pressure distribution from wearable inertial sensors using a hybrid CNN-BiLSTM architecture
2025-Jun-01, Acta of bioengineering and biomechanics
IF:0.8Q4
DOI:10.37190/abb/207865
PMID:40981700
|
研究论文 | 本研究开发了一种基于可穿戴惯性传感器的混合深度学习模型来预测动态足底压力分布 | 提出结合CNN和BiLSTM的混合架构，集成时间注意力机制和体重信息以优化预测精度 | 未明确说明样本规模和具体实验对象的特征限制 | 开发准确、便携且经济高效的足底压力分布预测方法 | 足底压力分布数据 | 机器学习 | NA | 惯性测量单元(IMU) | CNN, BiLSTM | 传感器时序数据 | NA | NA | CNN-BiLSTM混合架构 | 均方误差, 结构相似性指数 | NA |
| 210 | 2025-10-06 |
Remaining Useful Life Prediction for Rolling Bearings Based on TCN-Transformer Networks Using Vibration Signals
2025-Jun-05, Sensors (Basel, Switzerland)
DOI:10.3390/s25113571
PMID:40719529
|
研究论文 | 提出一种基于TCN-Transformer网络和振动信号的滚动轴承剩余使用寿命预测方法 | 开发了TCN-Transformer混合网络，通过专门设计的特征融合注意力模块有效整合振动信号的局部和全局特征 | NA | 提高滚动轴承剩余使用寿命预测的准确性 | 滚动轴承 | 机器学习 | NA | 振动信号分析 | TCN, Transformer | 振动信号 | IEEE PHM 2012数据挑战数据集 | NA | TCN-Transformer | RMSE, MAE, SCORE | NA |
| 211 | 2025-10-06 |
[Dual-Channel Shoulder Joint X-ray Bone Age Estimation in Chinese Han Adolescents Based on the Fusion of Segmentation Labels and Original Images]
2025-Jun-25, Fa yi xue za zhi
|
研究论文 | 基于双通道肩关节X射线图像融合分割标签与原始图像的深度学习骨龄评估方法研究 | 提出结合原始图像与分割标签的双通道输入方法，通过U-Net++网络提取关键肩关节区域信息，提升骨龄评估精度 | 研究样本仅包含1286例中国汉族青少年数据，年龄范围限定在12.0至18.0岁 | 探索适用于中国汉族青少年肩关节X射线图像的骨龄评估深度学习模型 | 中国汉族青少年肩关节X射线图像 | 计算机视觉 | NA | X射线成像 | CNN | 医学图像 | 1286例肩关节X射线图像（708例男性，578例女性） | NA | VGG16, ResNet18, ResNet50, DenseNet121, U-Net++ | 平均绝对误差, 均方根误差, 决定系数, 皮尔逊相关系数 | NA |
| 212 | 2025-10-06 |
Deep learning reveals pathology-confirmed neuroimaging signatures in Alzheimer's, vascular and Lewy body dementias
2025-Jun-03, Brain : a journal of neurology
IF:10.6Q1
DOI:10.1093/brain/awae388
PMID:39657969
|
研究论文 | 开发基于深度学习的多标签框架，通过生前T1加权MRI识别阿尔茨海默病、血管性痴呆和路易体痴呆的神经影像学生物标志物 | 首次提出基于神经病理学的数据驱动多标签深度学习框架，开发了DeepSPARE指数作为精确的病理敏感非侵入性神经影像学指标 | 样本量相对有限，路易体痴呆的平衡准确率较低(0.623)，需要外部验证 | 解决神经退行性和血管性病理共存的诊断挑战，开发基于深度学习的痴呆类型识别方法 | 423名痴呆患者和361名对照参与者 | 数字病理学 | 老年疾病 | T1加权MRI | 深度学习 | 图像 | 784名参与者(423痴呆+361对照) | NA | NA | 平衡准确率 | NA |
| 213 | 2025-10-06 |
Redefining healthcare - The transformative power of generative AI in modern medicine
2025-06, Revista espanola de enfermedades digestivas
IF:2.7Q2
DOI:10.17235/reed.2025.11081/2024
PMID:39898717
|
综述 | 本文探讨生成式AI在现代医学中的变革潜力及其伦理法律挑战 | 系统性阐述生成式AI如何重塑医疗健康领域，强调其内容生成能力对医疗实践的颠覆性影响 | 未提供具体案例研究或实证数据支持论点 | 分析生成式AI在医疗领域的应用前景并警示相关伦理法律问题 | 医疗健康系统及专业从业人员 | 机器学习 | NA | 深度学习 | NA | 多模态数据（语言、视觉、听觉） | NA | NA | 人工神经网络 | NA | 大数据计算能力 |
| 214 | 2025-10-06 |
Speech imagery brain-computer interfaces: a systematic literature review
2025-Jun-26, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ade28e
PMID:40490003
|
系统文献综述 | 本文系统回顾了言语意象脑机接口的解码流程研究进展 | 首次按照PRISMA指南系统综述言语意象脑机接口领域，量化分析信息传输速率并揭示实时解码研究不足的现状 | 仅6%的研究报告实时解码，方法多样性导致难以确定领域最优水平 | 评估言语意象脑机接口的解码方法效能和发展趋势 | 104篇尝试从神经活动解码言语意象的同行评审报告 | 脑机接口 | NA | 神经影像技术 | 深度学习模型 | 脑信号数据 | 104篇研究报告 | NA | NA | 信息传输速率 | NA |
| 215 | 2025-10-06 |
Towards interpretable molecular and spatial analysis of the tumor microenvironment from digital histopathology images with HistoTME-v2
2025-Jun-17, bioRxiv : the preprint server for biology
DOI:10.1101/2025.06.11.658673
PMID:40747415
|
研究论文 | 提出HistoTME-v2框架，直接从H&E染色病理图像预测肿瘤微环境中细胞类型特异性转录组特征活性 | 弱监督深度学习框架，无需单细胞或斑块级注释即可从全切片H&E图像预测TME组成，并扩展到25种实体肿瘤类型 | 依赖H&E染色图像质量，在外部验证数据集上性能略有下降（中位Pearson相关系数0.53） | 开发可解释的肿瘤微环境分子和空间分析方法 | 25种实体肿瘤类型的数字病理图像 | 数字病理学 | 多种癌症类型 | H&E染色，空间转录组学，多重成像（CODEX，IHC） | 深度学习 | 全切片数字病理图像 | 内部验证：7,586个WSI，6,901名患者，24种癌症类型；外部验证：5,657个WSI，1,775名患者，9种癌症类型；空间验证：259个WSI，154名患者，7种癌症类型 | NA | NA | Pearson相关系数 | NA |
| 216 | 2025-10-06 |
Diagnostic accuracy of machine learning algorithms in electrocardiogram-based sleep apnea detection: A systematic review and meta-analysis
2025-Jun, Sleep medicine reviews
IF:11.2Q1
DOI:10.1016/j.smrv.2025.102097
PMID:40349509
|
系统综述与荟萃分析 | 通过系统综述和荟萃分析评估机器学习算法在基于心电图检测睡眠呼吸暂停中的诊断准确性 | 首次对机器学习算法在单导联心电图睡眠呼吸暂停检测中的诊断准确性进行系统性评估和定量分析 | 算法效果存在差异且存在方法学偏倚 | 评估机器学习和深度学习算法在基于单导联心电图数据检测睡眠呼吸暂停模式中的诊断准确性 | 睡眠呼吸暂停患者的心电图数据 | 机器学习 | 睡眠呼吸暂停 | 单导联心电图 | 机器学习,深度学习 | 心电图信号 | 84项研究 | NA | NA | 灵敏度,特异性 | NA |
| 217 | 2025-10-06 |
Association of peripheral immune markers with brain age and dementia risk estimated using deep learning methods
2025-Jun-25, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002746
PMID:40561180
|
研究论文 | 本研究利用深度学习模型评估外周免疫标志物与脑年龄加速及痴呆风险之间的关联 | 首次结合深度学习脑年龄预测模型与大规模生物样本库数据，系统分析外周免疫标志物对脑老化和痴呆的影响 | 研究基于回顾性队列数据，无法确定因果关系；脑年龄预测模型存在一定误差 | 探讨外周免疫系统对脑老化和痴呆风险的影响机制 | 英国生物银行队列中的322,761名参与者，包括4,277例痴呆病例 | 医学影像分析 | 痴呆症 | 神经影像分析，深度学习 | CNN | 神经影像数据，临床数据 | 322,761名参与者，其中4,277例痴呆病例 | NA | Simple Fully Convolutional Network (SFCN) | 平均绝对误差(MAE)，决定系数(r2)，相关系数(R)，风险比(HR) | NA |
| 218 | 2025-10-06 |
VNC-Dist: A machine learning-based semi-automated pipeline for quantification of neuronal positioning in the C. elegans ventral nerve cord
2025-Jun-11, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.16.623955
PMID:40661438
|
研究论文 | 开发了一种基于机器学习的半自动化软件工具包VNC-Dist，用于量化秀丽隐杆线虫腹神经索中神经元定位 | 结合机器学习和传统工具，用计算机辅助方法替代手动测量，提高了神经元位置量化的速度和准确性 | 需要手动神经元胞体定位作为初始步骤，尚未实现完全自动化 | 研究控制腹神经索神经元定位和排列的细胞和分子机制 | 秀丽隐杆线虫腹神经索中的运动神经元 | 数字病理学 | NA | 显微镜成像，深度学习分割 | 深度学习 | 显微镜图像 | 多个已知破坏神经元定位的遗传突变体 | NA | 改进的Segment Anything Model (SAM) | NA | NA |
| 219 | 2025-02-25 |
Ectopic, intra-thyroid parathyroid adenoma better visualized by deep learning enhanced choline PET/CT
2025-Jun-01, QJM : monthly journal of the Association of Physicians
DOI:10.1093/qjmed/hcaf057
PMID:39992255
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 220 | 2025-10-06 |
Clinical Applications of Artificial Intelligence in Teleorthodontics: A Scoping Review
2025-Jun-25, Medicina (Kaunas, Lithuania)
DOI:10.3390/medicina61071141
PMID:40731772
|
综述 | 本文通过范围综述系统评估了人工智能在远程正畸中的临床应用现状 | 首次系统性地梳理了AI在远程正畸领域的应用现状，重点关注临床使用、技术方法和局限性 | 现有研究主要集中于商业监测平台，验证不足且透明度有限，AI决策的可重复性和精确度存在显著差异 | 评估人工智能在远程正畸中的临床应用效果和技术方法 | 远程正畸监测和虚拟护理中的AI应用研究 | 数字病理 | NA | 深度学习算法，决策树算法 | 深度学习，决策树 | 口内扫描图像 | 9项符合纳入标准的研究 | NA | NA | 就诊次数减少率，牙齿移动3D追踪精度，卫生依从性改善，患者参与度 | 智能手机（用于图像采集） |