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 1262 篇文献，本页显示第 321 - 340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 321 | 2025-10-06 |
Deep learning for osteoporosis screening in dental practice: a systematic review
2025-Jun-20, Dento maxillo facial radiology
DOI:10.1093/dmfr/twaf052
PMID:40580938
|
系统综述 | 评估深度学习工具在牙科影像中筛查骨质疏松症性能的系统综述 | 首个系统评估深度学习在牙科实践中骨质疏松筛查应用现状的综述 | 缺乏外部验证和临床整合研究，限制了实际应用价值 | 评估深度学习工具在牙科影像骨质疏松筛查中的性能及临床实施情况 | 使用牙科影像（放射线片或CT）的骨质疏松症成人患者 | 数字病理 | 骨质疏松症 | 双能X线吸收测定法（DXA），专家评估 | CNN | 影像 | 13项符合纳入标准的研究 | NA | VGG16, GoogleNet, ResNet, AlexNet, EfficientNet | 准确度 | NA |
| 322 | 2025-10-06 |
Integrating GWAS and Transcriptomic Data Using PrediXcan and Multimodal Deep Learning Reveals Genetic Basis and Drug Repositioning Opportunities for Alzheimer's Disease
2025-Jun-10, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.01.02.25319880
PMID:40585083
|
研究论文 | 本研究整合多组学数据和人工智能方法揭示阿尔茨海默病的分子机制并探索个性化药物重定位策略 | 结合PrediXcan方法和多模态深度学习模型AD-MIF，首次在阿尔茨海默病研究中实现GWAS与转录组数据的深度融合，显著提升表型预测准确性 | 研究样本量相对有限（553个样本），主要基于ROSMAP数据库的背外侧前额叶皮层数据 | 阐明阿尔茨海默病的分子调控机制并开发个性化药物重定位策略 | 阿尔茨海默病患者脑组织样本和SAMP8 AD模型小鼠 | 机器学习 | 阿尔茨海默病 | GWAS, 转录组分析, 多组学数据整合 | 自编码器, 图自编码器, 深度学习 | 基因型数据, 基因表达数据 | 553个背外侧前额叶皮层样本 | NA | AD-MIF（多模态信息融合模型） | AUC（曲线下面积） | NA |
| 323 | 2025-10-06 |
Deep Learning-Based Segmentation of Gravity-Loaded Human Spine
2025-Jun-10, Journal of visualized experiments : JoVE
DOI:10.3791/67781
PMID:40587489
|
研究论文 | 提出基于深度学习的重力负荷状态下人类脊柱分割方法 | 首次将3D U-Net与残差连接结合用于重力负荷CBCT图像的脊柱结构分割 | 未提及模型在多样化人群中的泛化性能验证 | 开发重力负荷条件下脊柱结构精准分割的深度学习方案 | 人类脊柱解剖结构（椎体、骨盆、股骨头） | 计算机视觉 | 肌肉骨骼疾病 | 负重锥形束计算机断层扫描（CBCT） | CNN | 3D医学图像 | NA | NA | U-Net | NA | NA |
| 324 | 2025-10-06 |
Integrating Social Determinants of Health and Established Risk Factors to Predict Cardiovascular Disease Risk Among Healthy Older Adults
2025-Jun, Journal of the American Geriatrics Society
IF:4.3Q1
DOI:10.1111/jgs.19440
PMID:40099367
|
研究论文 | 本研究整合健康社会决定因素与传统风险因素，使用机器学习模型预测健康老年人群体心血管疾病风险 | 首次在心血管疾病风险预测中系统整合健康社会决定因素与传统风险因素，并发现社会决定因素对女性预测效果更显著 | 研究对象仅限于70岁及以上初始无心血管疾病的老年人，结果可能不适用于更年轻人群 | 开发整合社会决定因素的心血管疾病风险预测模型 | 12,896名70岁及以上初始无心血管疾病、痴呆和独立性受限身体残疾的老年人 | 机器学习 | 心血管疾病 | 纵向研究 | Random Survival Forest, Deepsurv, Neural Multi-Task Logistic Regression | 临床数据、社会决定因素数据 | 12,896人（5,884名男性，7,012名女性） | NA | Random Survival Forest, Deepsurv, NMTLR | C-index, 综合Brier评分, 5年和10年AUC | NA |
| 325 | 2025-10-06 |
Longitudinal brain age in first-episode mania youth treated with lithium or quetiapine
2025-Jun, European neuropsychopharmacology : the journal of the European College of Neuropsychopharmacology
IF:6.1Q1
DOI:10.1016/j.euroneuro.2025.03.013
PMID:40222151
|
研究论文 | 研究锂和喹硫平对首次躁狂发作青少年脑龄的纵向影响 | 首次在首次躁狂发作青少年中使用基于深度学习的大规模脑龄预测模型评估两种药物的神经保护作用 | 样本量较小且随访时间有限，需要更大样本和更长随访时间确认治疗效果 | 评估锂和喹硫平对双相情感障碍和分裂情感性障碍早期阶段的神经保护作用 | 首次躁狂发作青少年（15-25岁） | 医学影像分析 | 双相情感障碍,分裂情感性障碍 | T1加权磁共振成像 | 深度学习 | 脑部结构MRI图像 | FEM参与者39人（锂组21人，喹硫平组18人），健康对照29人，训练数据集53,542人 | NA | NA | Cohen's d效应量, 95%置信区间, p值 | NA |
| 326 | 2025-10-06 |
Fully automated image quality assessment based on deep learning for carotid computed tomography angiography: A multicenter study
2025-Jun, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.104990
PMID:40347553
|
研究论文 | 开发并评估基于深度学习的全自动模型用于颈动脉CT血管造影图像质量评估 | 首次提出结合3D Res U-net和多元逻辑回归算法的全自动图像质量评估方法，并在多中心数据集中验证 | 回顾性研究设计，样本量相对有限（840例） | 开发颈动脉CTA图像的自动化质量评估系统 | 颈动脉CT血管造影图像 | 计算机视觉 | 心血管疾病 | CT血管造影 | CNN, 逻辑回归 | 医学影像 | 840例颈动脉CTA图像（来自4家三级医院） | NA | 3D Res U-net | 敏感度, 特异度, 精确度, F分数, 准确率, AUC | NA |
| 327 | 2025-10-06 |
Bppv nystagmus signals diagnosis framework based on deep learning
2025-Jun, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01542-0
PMID:40358819
|
研究论文 | 提出基于深度学习的BPPV眼震信号诊断框架，用于良性阵发性位置性眩晕的智能分析 | 开发了结合Egeunet神经网络模型与快速傅里叶变换的综合性眼震数据分析框架，实现了精确的眼部结构分割和眼动数据分析 | 未明确说明样本规模和研究人群特征 | 改进BPPV眼震数据的采集和分析方法，提升临床诊断效果 | 良性阵发性位置性眩晕患者的眼震信号 | 医学图像分析 | 前庭疾病 | 眼动捕捉技术，快速傅里叶变换 | 深度学习 | 眼动信号数据 | NA | NA | Egeunet | 敏感性，鲁棒性 | NA |
| 328 | 2025-10-06 |
A two-step automatic identification of contrast phases for abdominal CT images based on residual networks
2025-Jun-27, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-01995-7
PMID:40579615
|
研究论文 | 开发基于残差网络的两步法深度学习模型，用于自动准确识别腹部CT图像的对比剂增强期相 | 提出两步法策略，先识别动脉期、门静脉期和延迟期，再进一步将动脉期细分为早期动脉期和晚期动脉期 | 研究为回顾性设计，需要进一步前瞻性验证 | 开发自动识别腹部CT图像对比剂增强期相的深度学习模型 | 腹部对比增强CT扫描图像 | 计算机视觉 | NA | CT成像 | CNN | 医学图像 | 1175例用于模型开发，215例来自五家医院用于外部测试 | NA | ResNet | 准确率, 灵敏度 | NA |
| 329 | 2025-10-06 |
Advancing atomic electron tomography with neural networks
2025-Jun-19, Applied microscopy
DOI:10.1186/s42649-025-00113-7
PMID:40533670
|
综述 | 本文综述了神经网络在原子级电子断层扫描中的应用进展及其对三维原子结构表征的改进 | 将深度学习特别是卷积神经网络集成到原子级电子断层扫描工作流程中，显著提高了三维原子成像的重建保真度 | 几何限制和电子剂量约束导致的重建伪影问题尚未完全解决 | 通过神经网络方法改进原子级电子断层扫描技术，提升三维原子结构表征精度 | 纳米材料的三维原子结构，包括缺陷、界面和应变场 | 计算机视觉 | NA | 原子级电子断层扫描 | CNN | 三维原子图像 | NA | NA | NA | 重建保真度，表征精度 | NA |
| 330 | 2025-10-06 |
Enhanced AlexNet with Gabor and Local Binary Pattern Features for Improved Facial Emotion Recognition
2025-Jun-19, Sensors (Basel, Switzerland)
DOI:10.3390/s25123832
PMID:40573719
|
研究论文 | 提出一种融合Gabor和局部二值模式特征的增强型AlexNet模型，用于改进面部情绪识别 | 将传统纹理特征提取方法（Gabor和LBP）与改进的AlexNet架构相结合，在硬件受限环境下实现高性能面部情绪识别 | NA | 开发在低硬件规格环境下仍能高效运行的面部情绪识别模型 | 面部情绪识别 | 计算机视觉 | NA | Gabor特征提取, 局部二值模式(LBP) | CNN | 图像 | FER2013和RAF-DB基准数据集 | NA | AlexNet | 准确率, 精确率, 召回率, F1分数, 标准差 | 低硬件规格环境 |
| 331 | 2025-10-06 |
Dental caries detection in children using intraoral scans and deep learning
2025-Jun-15, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105906
PMID:40527440
|
研究论文 | 本研究开发了一种基于深度学习的自动龋齿检测方法，使用儿童口腔内扫描数据进行龋齿识别 | 首次将注意力U-Net模型应用于儿童口腔内扫描数据的龋齿检测，并与牙科医生的诊断结果进行比较验证 | 模型对早期和中期龋损的检测性能有限，需要进一步改进模型准确性和泛化能力 | 开发自动化的龋齿检测系统，评估深度学习模型与牙科医生诊断的一致性 | 儿童口腔内扫描数据 | 计算机视觉 | 龋齿 | 口腔内扫描 | 深度学习 | 3D扫描网格数据转换为的2D格式 | 第一队列332颗龋齿牙齿（训练192，验证63，测试77），第二独立队列119颗龋齿牙齿用于外部验证 | NA | Attention U-Net | IoU, Sensitivity, Specificity, Precision, 比值比 | NA |
| 332 | 2025-10-06 |
A Deep Learning Approach to Measure Visual Function in Zebrafish
2025-Jun-09, Biology
DOI:10.3390/biology14060663
PMID:40563916
|
研究论文 | 开发了一种基于深度学习的方法来测量斑马鱼的视觉功能 | 使用ResNet-50和DeepLabCut框架创建了新型OKR分析流程，能够在低对比度和白化突变体条件下实现稳健的眼动量化 | 研究聚焦于5天龄斑马鱼幼虫在受控条件下的表现 | 开发更有效的斑马鱼视觉功能测量方法 | 野生型和白化突变斑马鱼幼虫 | 计算机视觉 | 神经系统疾病 | 视动反射(OKR)分析 | CNN | 视频 | 野生型和白化突变斑马鱼幼虫 | DeepLabCut, Python 3.10 | ResNet-50 | Bland-Altman检验 | NA |
| 333 | 2025-10-06 |
Evaluation of a Deep Learning and XAI based Facial Phenotyping Tool for Genetic Syndromes: A Clinical User Study
2025-Jun-09, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.06.08.25328588
PMID:40568665
|
研究论文 | 评估基于深度学习和可解释人工智能的面部表型分析工具在遗传综合征诊断中的临床效果 | 首次通过临床用户研究比较纯AI与XAI支持诊断对遗传学家诊断准确性、信心和信任度的实际影响 | 样本量较小（31名医学遗传学家），仅使用18张面部图像，研究结果可能受样本难度和AI预测准确性影响 | 评估可解释人工智能在临床遗传学面部表型分析中的实际效用和影响 | 医学遗传学家和遗传综合征患者的面部图像 | 计算机视觉 | 遗传综合征 | 面部表型分析 | 深度学习 | 图像 | 31名医学遗传学家，18张面部图像（包含遗传综合征患者和正常个体） | NA | NA | 诊断准确性，置信度，信任度 | NA |
| 334 | 2025-10-06 |
Regional Brain Aging Disparity Index: Region-Specific Brain Aging State Index for Neurodegenerative Diseases and Chronic Disease Specificity
2025-Jun-03, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12060607
PMID:40564423
|
研究论文 | 提出基于Shapley值解释的脑区水平衰老评估新范式，构建区域特异性脑衰老偏差指数 | 创新开发具有高效Shapley值近似的计算框架，通过多阶段计算策略显著降低复杂度，实现深度学习模型的可解释分析 | 未明确说明模型在更广泛人群或不同疾病类型中的泛化能力 | 克服传统脑年龄预测模型的可解释性限制，研究脑衰老的区域异质性 | 神经退行性疾病患者和健康人群的脑部神经影像数据 | 医学影像分析 | 神经退行性疾病 | 神经影像分析 | 深度学习模型 | 神经影像数据 | UK Biobank数据集 | NA | NA | AUC | NA |
| 335 | 2025-10-06 |
Non-Invasive Tumor Budding Evaluation and Correlation with Treatment Response in Bladder Cancer: A Multi-Center Cohort Study
2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202416161
PMID:40391846
|
研究论文 | 本研究开发了一种基于CT图像的深度学习模型，用于无创评估膀胱癌肿瘤出芽状态及其与新辅助化疗免疫治疗反应和预后的相关性 | 首次利用深度学习模型从CT图像中无创评估肿瘤出芽状态，并验证其与治疗反应和预后的关联 | 研究为回顾性多中心队列研究，需要前瞻性研究进一步验证 | 探索膀胱癌肿瘤出芽状态与新辅助化疗免疫治疗反应及疾病预后的相关性 | 2322例经病理确诊的膀胱癌患者 | 数字病理 | 膀胱癌 | CT成像 | 深度学习模型 | CT图像 | 2322例膀胱癌患者（2014年1月1日至2023年12月31日期间收集） | NA | NA | AUC | NA |
| 336 | 2025-10-06 |
SubgroupTE: Advancing Treatment Effect Estimation with Subgroup Identification
2025-Jun, ACM transactions on intelligent systems and technology
IF:7.2Q1
DOI:10.1145/3718097
PMID:40575765
|
研究论文 | 提出一种结合亚组识别的治疗效应估计模型SubgroupTE，通过考虑亚组特异性治疗效应提高估计精度 | 在治疗效应估计中引入亚组识别，考虑不同亚组的异质性治疗反应，并提出基于期望最大化算法的训练过程 | 未明确说明模型在更广泛真实世界数据集上的泛化能力 | 提高治疗效应估计的精确度并增强针对性治疗推荐能力 | 阿片类药物使用障碍患者群体 | 机器学习 | 阿片类药物使用障碍 | 深度学习，期望最大化算法 | 深度学习模型 | 合成数据集，半合成数据集，真实世界数据 | NA | NA | 亚组识别网络，估计网络 | 治疗效应估计精度，亚组识别效果 | NA |
| 337 | 2025-10-06 |
Attention-based hybrid deep learning model with CSFOA optimization and G-TverskyUNet3+ for Arabic sign language recognition
2025-Jun-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03560-0
PMID:40571695
|
研究论文 | 提出一种基于注意力机制的混合深度学习模型DeepArabianSignNet，用于阿拉伯手语识别 | 结合DenseNet、EfficientNet和注意力机制深度残差网络，采用新型G-TverskyUNet3+进行感兴趣区域检测，并使用CSFOA元启发式算法进行特征优化 | NA | 提高阿拉伯手语识别的准确率和特征提取能力 | 阿拉伯手语图像 | 计算机视觉 | NA | 图像处理 | CNN, 注意力机制 | 图像 | 两个数据库，训练数据比例分别为70%和80% | NA | DenseNet, EfficientNet, Deep ResNet, G-TverskyUNet3+ | 准确率 | NA |
| 338 | 2025-10-06 |
A machine learning model integrating clinical-radiomics-deep learning features accurately predicts postoperative recurrence and metastasis of primary gastrointestinal stromal tumors
2025-Jun-26, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-025-02011-8
PMID:40571854
|
研究论文 | 开发并验证了一个整合临床、影像组学和深度学习特征的机器学习模型，用于准确预测原发性胃肠道间质瘤术后复发和转移 | 首次将临床特征、影像组学特征和深度学习特征整合到单一模型中预测GIST术后复发转移 | 研究样本来自两个中心，需要更多外部验证；模型在高度恶性潜能人群中表现更好 | 开发个体化临床随访策略，为原发性GIST患者制定个性化治疗方案 | 原发性胃肠道间质瘤患者 | 医学影像分析 | 胃肠道间质瘤 | CT扫描，影像组学分析，深度学习 | 机器学习集成模型 | 临床数据，CT影像 | 526例患者（男性260例，女性266例，平均年龄62岁） | NA | 临床深度学习影像组学模型 | AUC，校准曲线，决策曲线分析 | NA |
| 339 | 2025-10-06 |
LGFUNet: A Water Extraction Network in SAR Images Based on Multiscale Local Features with Global Information
2025-Jun-18, Sensors (Basel, Switzerland)
DOI:10.3390/s25123814
PMID:40573701
|
研究论文 | 提出一种基于多尺度局部特征与全局信息的SAR图像水体提取网络LGFUNet | 使用Swin-Transformer模块替代卷积核进行特征提取，设计DECASPP模块提取多尺度特征，引入LGFF模块减少编解码器间的语义差距 | NA | 解决SAR图像中水体提取时山体阴影与水体混淆、连续水体复杂边界细节提取困难的问题 | SAR图像中的水体区域 | 计算机视觉 | NA | SAR遥感技术 | 深度学习网络 | SAR图像 | 青藏高原地区的Sentinel-1 SAR数据 | NA | LGFUNet, U-Net, Swin-UNet, SCUNet++ | NA | NA |
| 340 | 2025-10-06 |
Benchmarking Accelerometer and CNN-Based Vision Systems for Sleep Posture Classification in Healthcare Applications
2025-Jun-18, Sensors (Basel, Switzerland)
DOI:10.3390/s25123816
PMID:40573703
|
研究论文 | 比较基于加速度计和CNN视觉系统在睡眠姿势分类中的性能表现 | 首次系统比较基于图像和加速度计的睡眠姿势识别方法，并分析各自在医疗应用中的适用性 | 图像方法对左侧卧和仰卧姿势识别性能略低，未详细说明数据集的具体来源和规模 | 评估不同技术在睡眠姿势识别中的性能，为医疗监测应用提供技术选型参考 | 睡眠姿势（俯卧、仰卧、右侧卧、左侧卧、起床状态） | 计算机视觉 | 睡眠呼吸暂停 | 数据增强（旋转、反射、缩放、平移），特征提取（信号总和、标准差、最大值、尖峰计数） | CNN, 前馈神经网络 | 图像, 加速度计数据 | NA | NA | VGG16 | 准确率, 精确率, 召回率 | NA |