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 861 - 880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 861 | 2025-06-07 |
Patient-specific prostate segmentation in kilovoltage images for radiation therapy intrafraction monitoring via deep learning
2025-Jun-03, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-025-00935-2
PMID:40461695
|
研究论文 | 本研究通过深度学习技术，在千伏级图像中实现患者特异性的前列腺分割，用于放射治疗中的实时监测 | 提出了一种无需标记物的前列腺分割方法，避免了标记物植入的成本、延迟和风险 | 研究仅在30名患者的两组治疗数据上进行了验证，样本量相对有限 | 开发一种无需标记物的实时图像引导自适应放射治疗方法 | 前列腺癌患者 | 数字病理 | 前列腺癌 | 深度学习 | 条件生成对抗网络（GAN） | 千伏级图像 | 30名前列腺癌患者的两组治疗数据 | NA | NA | NA | NA |
| 862 | 2025-06-07 |
Quantum neural networks with data re-uploading for urban traffic time series forecasting
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04546-8
PMID:40461703
|
研究论文 | 本研究探索了量子神经网络（QNN）及其数据重新上传技术在雅典主要城市区域交通时间序列预测中的应用 | 首次将量子数据重新上传技术应用于交通预测领域，展示了量子机器学习在提升预测能力方面的潜力 | 在完全连接网络设置中，混合量子-经典模型的性能比纯经典模型差约10% | 探索量子机器学习在智能交通系统中的潜在应用，提升交通预测的准确性 | 雅典主要城市区域的交通数据 | 量子机器学习 | NA | 量子数据重新上传 | 量子神经网络（QNN） | 时间序列数据 | NA | NA | NA | NA | NA |
| 863 | 2025-06-07 |
Artificial intelligence for streamflow prediction in river basins: a use case in Mar Menor
2025-Jun-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-04524-0
PMID:40461712
|
研究论文 | 利用机器学习和深度学习技术预测西班牙穆尔西亚地区Mar Menor流域的河流流量 | 采用先进的数据增强技术平衡低流量和高流量时期，比较了Random Forest和LSTM在不同时间尺度预测中的表现 | 研究主要针对Mar Menor流域，结果可能不适用于其他地区 | 提高脆弱地区河流流量预测的准确性，以支持水资源管理和洪水预报 | Mar Menor流域的Albujón水道，重点关注"La Puebla"和"Desembocadura"两个关键点 | 机器学习 | NA | 机器学习和深度学习 | Random Forest, LSTM | 河流流量、降雨量和地下水位数据 | 来自流量监测站、雨量站和测压计的数据 | NA | NA | NA | NA |
| 864 | 2025-06-07 |
DeepGFT: identifying spatial domains in spatial transcriptomics of complex and 3D tissue using deep learning and graph Fourier transform
2025-Jun-03, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-025-03631-5
PMID:40462157
|
research paper | 提出了一种名为DeepGFT的新方法，通过结合深度学习和图傅里叶变换来识别空间转录组学中的空间域 | DeepGFT方法首次同时建模点间和基因间的关系，用于空间域识别，并在多种复杂组织和3D组织中表现出优越性 | 未明确提及方法的计算复杂度或对大规模数据集的适用性 | 开发一种更准确的空间转录组学空间域识别方法 | 人类乳腺癌组织、人类淋巴结组织和3D果蝇数据 | digital pathology | breast cancer | spatially resolved transcriptomics (SRT) | deep learning, graph Fourier transform | spatial transcriptomics data | 人类乳腺癌样本、人类淋巴结样本和3D果蝇数据（具体数量未提及） | NA | NA | NA | NA |
| 865 | 2025-06-07 |
Robust Uncertainty-Informed Glaucoma Classification Under Data Shift
2025-Jun-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.6.3
PMID:40455037
|
research paper | 提出一种基于深度证据不确定性量化的统一自我审查框架，用于青光眼分类，以应对数据分布变化带来的挑战 | 引入数据集级和图像级的自我审查机制，通过模型不确定性检测分布外样本，提升模型在分布外数据上的性能 | 未明确说明模型在临床环境中的实时性能表现 | 解决标准深度学习模型在分布外数据上性能下降的问题，提高青光眼分类的泛化能力 | 青光眼分类 | medical imaging | glaucoma | deep evidential uncertainty quantification | DL | image | 14个分布外数据集和4个外部青光眼数据集 | NA | NA | NA | NA |
| 866 | 2025-06-07 |
Current AI technologies in cancer diagnostics and treatment
2025-Jun-02, Molecular cancer
IF:27.7Q1
DOI:10.1186/s12943-025-02369-9
PMID:40457408
|
综述 | 本文系统回顾了当前人工智能技术在癌症诊断和治疗中的应用及其潜力 | 强调了深度学习在早期癌症检测中的日益重要作用，以及AI在基因组学、生物标志物发现、液体活检和非侵入性诊断中的应用 | 讨论了数据隐私、可解释性和监管问题等重要挑战 | 评估人工智能技术在癌症诊断和治疗中的当前状态和未来潜力 | 癌症诊断和治疗中的人工智能技术 | 数字病理学 | 癌症 | 深度学习 | NA | 图像、基因组数据 | NA | NA | NA | NA | NA |
| 867 | 2025-06-07 |
Comparison of AI-Automated and Manual Subfoveal Choroidal Thickness Measurements in an Elderly Population Using Optical Coherence Tomography
2025-Jun-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.6.9
PMID:40459523
|
research paper | 比较AI自动化和手动测量老年人群黄斑下脉络膜厚度的差异，并探讨影响测量差异的因素 | 使用基于TransUNet的深度学习模型自动测量SFCT，并在大规模老年人群中验证其与手动测量的一致性 | 存在系统性偏差，手动测量值普遍低于自动测量值 | 评估自动和手动测量SFCT的一致性和相关性，并研究影响测量差异的因素 | 老年人群的黄斑下脉络膜厚度（SFCT） | digital pathology | geriatric disease | enhanced depth imaging spectral-domain optical coherence tomography | TransUNet | image | 2896名参与者 | NA | NA | NA | NA |
| 868 | 2025-06-07 |
Deep Learning-Based Automated Measurement of Cervical Length in Transvaginal Ultrasound Images of Pregnant Women
2025-Jun, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3433594
PMID:39052464
|
research paper | 该研究开发了一种基于深度学习的自动化方法CL-Net，用于在孕妇经阴道超声图像中测量宫颈长度，以减少人为误差并提高工作效率 | CL-Net结合专家解剖知识识别宫颈，解决了超声图像中宫颈管信号低、对比度差的技术难题 | 研究未提及模型在不同设备或医疗机构间的泛化能力测试 | 开发可靠的自动化宫颈长度测量方法以评估早产风险 | 孕妇经阴道超声图像中的宫颈结构 | digital pathology | obstetric disease | transvaginal ultrasound | DL network (CL-Net) | ultrasound images | 未明确说明样本数量（但包含直型和弯曲型宫颈的测量数据） | NA | NA | NA | NA |
| 869 | 2025-06-07 |
Explicit Abnormality Extraction for Unsupervised Motion Artifact Reduction in Magnetic Resonance Imaging
2025-Jun, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3444771
PMID:39150812
|
研究论文 | 提出一种无监督异常提取网络（UNAEN），用于减少磁共振成像（MRI）中的运动伪影 | 提出了一种无需配对MA-corrupted和MA-free图像的无监督方法，通过显式提取异常来减少运动伪影 | 依赖于公开可用的MRI数据集，未提及在特定临床环境中的验证 | 减少MRI中的运动伪影，提高诊断准确性和图像引导治疗的效果 | MRI图像 | 医学影像处理 | NA | 深度学习 | UNAEN（包含artifact extractor和reconstructor） | MRI图像 | 多种公开可用的MRI数据集（未提及具体数量） | NA | NA | NA | NA |
| 870 | 2025-06-07 |
P2TC: A Lightweight Pyramid Pooling Transformer-CNN Network for Accurate 3D Whole Heart Segmentation
2025-Jun, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3526727
PMID:40030965
|
research paper | 提出了一种轻量级的金字塔池化Transformer-CNN网络（P2TC），用于精确的3D全心脏分割 | 结合了3D金字塔池化Transformer进行多尺度信息融合和轻量级大核CNN进行局部特征提取，采用双分支解码器结构 | 未提及具体计算资源消耗或模型推理速度数据 | 提高3D全心脏分割的准确性 | 心脏结构的3D分割 | digital pathology | cardiovascular disease | 深度学习 | Transformer-CNN混合模型 | 3D医学影像（CT和MRI） | MM-WHS 2017挑战数据集 | NA | NA | NA | NA |
| 871 | 2025-06-07 |
Neural Manifold Decoder for Acupuncture Stimulations With Representation Learning: An Acupuncture-Brain Interface
2025-Jun, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3530922
PMID:40031188
|
research paper | 该研究提出了一种深度学习框架，用于解码不同针灸操作对脑电图活动的影响，并建立了针灸-脑接口 | 结合对比表示学习和领域适应策略，推断针灸操作的行为流形，并通过无监督流形学习估计针灸诱发的EEG信号的潜在神经流形 | 研究中仅针对足三里穴位的针灸操作进行了分析，未涵盖其他穴位 | 揭示针灸刺激与动态脑反应之间的相关性，并开发一种解码针灸操作的框架 | 针灸操作对脑电图活动的影响 | machine learning | neurological disorders | electroencephalographic activity, video recordings | neural networks | EEG signals, video | stimulated subjects | NA | NA | NA | NA |
| 872 | 2025-06-07 |
Coarse for Fine: Bounding Box Supervised Thyroid Ultrasound Image Segmentation Using Spatial Arrangement and Hierarchical Prediction Consistency
2025-Jun, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3535541
PMID:40031340
|
research paper | 提出了一种双分支弱监督学习框架，用于优化甲状腺超声图像分割网络，通过空间排列和分层预测一致性校准语义特征 | 通过同时考虑目标位置和目标与背景语义特征分布的合理性，提出了一种新的弱监督分割策略 | 对边界框掩码的依赖可能限制了模型在更复杂场景下的表现 | 优化甲状腺超声图像的分割精度，减少标注时间 | 甲状腺超声图像中的甲状腺和结节 | digital pathology | thyroid disease | weakly-supervised learning | dual-branch network | image | 三个甲状腺数据集 | NA | NA | NA | NA |
| 873 | 2025-06-07 |
TriCvT-DTI: Predicting Drug-Target Interactions Using Trimodal Representations and Convolutional Vision Transformers
2025-Jun, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3536476
PMID:40031370
|
research paper | 提出了一种名为TriCvT-DTI的新方法，通过结合分子图像、化学序列特征和药物图表示来预测药物-靶标相互作用 | 结合了多模态药物表示和双向多头注意力机制，使用卷积视觉变换器(CvTs)从药物图像中提取结构和空间特征 | 未明确提及具体局限性 | 改进药物-靶标相互作用预测的效率和准确性 | 药物-靶标相互作用 | machine learning | NA | Convolutional Vision Transformers (CvTs), 双向多头注意力机制 | TriCvT-DTI | 分子图像、化学序列特征、图表示 | 三个数据集：Human、C. elegans和Davis | NA | NA | NA | NA |
| 874 | 2025-06-07 |
Fall-Risk Monitoring in Diverse Terrains Using Dual-Task Learning and Wearable Sensing System
2025-Jun, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3536030
PMID:40031371
|
研究论文 | 本文介绍了一种新型多传感器系统，结合地形感知传感器和惯性测量单元(IMU)，用于监测不同地形下的跌倒风险，并采用基于改进CNNLSTM模型的双任务学习(DTL)架构来识别跌倒风险水平和地形 | 提出了结合地形感知传感器与IMU的多传感器系统，并采用改进的CNNLSTM模型进行双任务学习，有效识别跌倒风险与地形 | 实验样本量较小，仅包括10名年轻受试者和10名老年受试者，且实验环境局限于实验室和医院 | 开发一种可靠的跌倒风险监测系统，用于不同地形下的跌倒风险预测 | 年轻和老年受试者在平坦和台阶地形上的活动 | 机器学习 | 老年疾病 | 双任务学习(DTL), 惯性测量单元(IMU) | 改进的CNNLSTM | 传感器信号 | 10名年轻受试者和10名老年受试者 | NA | NA | NA | NA |
| 875 | 2025-06-07 |
Optimized Drug-Drug Interaction Extraction With BioGPT and Focal Loss-Based Attention
2025-Jun, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3540861
PMID:40031603
|
research paper | 该研究提出了一种名为BioFocal-DDI的框架，用于优化药物-药物相互作用（DDI）的提取，通过结合BioGPT、BioBERT、BiLSTM和ReGCN等技术 | 引入了BioGPT进行数据增强，并结合Focal Loss-based Attention机制解决类别不平衡问题 | 未提及具体局限性 | 优化药物-药物相互作用（DDI）的提取，以提高治疗效果并减少不良反应 | 药物-药物相互作用（DDI） | 自然语言处理 | NA | BioGPT, BioBERT, BiLSTM, ReGCN, Focal Loss-based Attention | BioGPT, BioBERT, BiLSTM, ReGCN | text | DDI Extraction 2013数据集 | NA | NA | NA | NA |
| 876 | 2025-06-07 |
Acupuncture State Detection at Zusanli (ST-36) Based on Scalp EEG and Transformer
2025-Jun, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3540924
PMID:40031811
|
研究论文 | 本研究基于头皮脑电图和Transformer技术，设计了一种针灸状态检测方法，用于区分针灸过程中的不同状态 | 提出了基于CNN和Transformer的针灸Transformer检测器(ATD)，能够端到端分类足三里穴位针灸状态下的脑电图局部和全局特征 | 实验样本仅包含28名健康参与者，可能限制结果的普遍性 | 开发自动识别针灸状态的方法，为针灸程序标准化提供新方案 | 针灸状态(捻针和留针)对脑电图的影响 | 数字病理 | NA | 脑电图(EEG) | CNN, Transformer | 脑电图信号 | 28名健康参与者 | NA | NA | NA | NA |
| 877 | 2025-06-07 |
Predicting Mutation-Disease Associations Through Protein Interactions Via Deep Learning
2025-Jun, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3541848
PMID:40031830
|
research paper | 本文构建了一个真实的突变诱导疾病数据集，并提出了一种结合胶囊和图拓扑网络与多头注意力机制（CGM）的深度学习模型来预测突变与疾病的关联 | 提出了CGM模型，能够准确预测蛋白质突变与疾病的关联，并通过模型验证了蛋白质突变导致的结构改变可能是重要的致病因素 | 受限于突变蛋白质数据集的规模，模型在基准和不平衡数据集上进行了实验 | 预测突变与疾病的关联，进一步理解生物分子途径和疾病机制 | 蛋白质突变与疾病的关联 | machine learning | NA | deep learning | Capsule and Graph topology networks with Multi-head attention (CGM) | protein interaction data | NA | NA | NA | NA | NA |
| 878 | 2025-06-07 |
Fast Virtual Stenting for Thoracic Endovascular Aortic Repair of Aortic Dissection Using Graph Deep Learning
2025-Jun, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3540712
PMID:40036417
|
研究论文 | 本文提出了一种基于图深度学习的快速虚拟支架置入（FVS）模型，用于预测主动脉夹层胸主动脉腔内修复术（TEVAR）后的主动脉真腔（TL）重塑 | 首次将深度学习应用于FVS任务，实现了时间依赖性的内壁变形预测，并通过外壁信息提升预测精度 | 尚未在临床环境中实际应用，需要进一步验证其临床效果 | 开发一种能够准确预测TEVAR术后主动脉真腔重塑的术前规划工具 | 主动脉夹层患者 | 数字病理学 | 心血管疾病 | 图深度学习 | 图神经网络 | 点云数据 | 108名患者（269次真实随访） | NA | NA | NA | NA |
| 879 | 2025-06-07 |
Diagnostic value of deep learning of multimodal imaging of thyroid for TI-RADS category 3-5 classification
2025-Jun, Endocrine
IF:3.0Q2
DOI:10.1007/s12020-025-04198-8
PMID:40056264
|
research paper | 该研究探讨了基于深度学习的超声和CT多模态成像对甲状腺TI-RADS 3-5类别结节的良恶性鉴别价值 | 结合超声和CT的多模态深度学习模型在甲状腺TI-RADS 3-5结节分类中的首次应用，其诊断效能优于单一影像学方法和放射科医师的评估 | 研究仅纳入了术后有病理结果的病例，可能存在选择偏倚；样本量相对有限 | 开发一种无需活检即可准确鉴别甲状腺TI-RADS 3-5结节良恶性的方法 | 768例甲状腺TI-RADS 3-5类结节（499例恶性，269例良性） | digital pathology | thyroid cancer | ultrasound, CT | deep learning | image | 768例甲状腺结节（来自768名患者） | NA | NA | NA | NA |
| 880 | 2025-06-07 |
Integrating CBAM and Squeeze-and-Excitation Networks for Accurate Grapevine Leaf Disease Diagnosis
2025-Jun, Food science & nutrition
IF:3.5Q2
DOI:10.1002/fsn3.70377
PMID:40463992
|
研究论文 | 本研究旨在通过深度学习技术自动分类葡萄叶常见病害，包括葡萄痂病、霜霉病及健康叶片 | 将CBAM和Squeeze-and-Excitation Networks集成到预训练模型中，显著提高了分类准确率 | 仅针对两种常见葡萄叶病害进行分类，未涵盖其他可能的病害类型 | 开发基于深度学习的模型，实现葡萄叶病害的自动分类 | 葡萄叶病害（葡萄痂病、霜霉病）及健康叶片 | 计算机视觉 | 葡萄叶病害 | 深度学习 | CNN（集成CBAM和SE模块） | 图像 | NA | NA | NA | NA | NA |