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 1212 篇文献，本页显示第 941 - 960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 941 | 2025-06-03 |
Strategies to Improve the Robustness and Generalizability of Deep Learning Segmentation and Classification in Neuroimaging
2025-Jun, BioMedInformatics
DOI:10.3390/biomedinformatics5020020
PMID:40271381
|
review | 本文回顾并总结了提高深度学习模型在神经影像分割和分类中鲁棒性和泛化能力的策略 | 识别并总结了包括正则化、数据增强、迁移学习和不确定性估计在内的关键策略，以应对数据变异性和领域转移等主要挑战 | 仅包括英文同行评审的脑成像研究，可能忽略了其他语言或非脑成像的相关研究 | 提高深度学习模型在神经影像分割和分类中的鲁棒性和泛化能力，以增强其在实际临床实践中的可靠性 | 神经影像数据 | machine learning | NA | 深度学习 | 深度学习模型 | 医学影像 | NA | NA | NA | NA | NA |
| 942 | 2025-06-03 |
EEG-ConvoBLSTM: A novel hybrid model for efficient EEG signal classification
2025-Jun-01, The Review of scientific instruments
DOI:10.1063/5.0258358
PMID:40454762
|
研究论文 | 提出一种新型混合模型EEG-ConvoBLSTM，用于高效分类EEG信号以进行情感识别 | 结合卷积层和双向LSTM网络，实现对EEG信号时空特征的全面建模及长时依赖信息捕获 | 未明确说明模型在更大规模或多样化数据集上的泛化能力 | 提升基于EEG信号的情感识别准确率及跨被试泛化能力 | EEG信号的情感识别 | 机器学习 | NA | 深度学习 | CNN与BLSTM混合模型 | EEG信号 | 使用SEED数据集（具体样本量未说明） | NA | NA | NA | NA |
| 943 | 2025-06-03 |
Physics-driven deep learning methods and numerically intractable "bad" Jaulent-Miodek equation
2025-Jun-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0264041
PMID:40455205
|
research paper | 该论文提出了一种结合PINN和PECANN的两阶段深度学习方法，用于解决'bad' Jaulent-Miodek (JM)方程的非线性波演化问题 | 将PINN和PECANN两种物理驱动的深度学习方法结合成一个两阶段神经网络，提高了计算效率并正确求解了'bad' JM方程 | NA | 解决具有不良性质的'bad' JM方程的非线性波演化问题 | 'bad' JM方程的非线性波演化 | machine learning | NA | Physics-Informed Neural Networks (PINN), Physics and Equality-Constrained Artificial Neural Networks (PECANN) | PINN+PECANN neural network | numerical data | NA | NA | NA | NA | NA |
| 944 | 2025-10-06 |
Comparative analysis of kidney function prediction: traditional statistical methods vs. deep learning techniques
2025-Jun, Clinical and experimental nephrology
IF:2.2Q2
DOI:10.1007/s10157-024-02616-1
PMID:39813007
|
研究论文 | 比较传统统计方法与深度学习技术在预测肾功能方面的性能差异 | 首次在日本全国性CKD登记数据库中使用GRU-D等深度学习模型处理缺失值并预测肾功能 | 深度学习技术在此研究中未显示出优于传统统计方法的预测准确性 | 评估深度学习技术是否比传统统计方法能更准确地预测未来肾功能 | 慢性肾病患者 | 机器学习 | 慢性肾病 | 电子健康记录分析 | FFNN, GRU-D, 多元线性回归 | 临床登记数据 | 22,929名CKD患者 | NA | 前馈神经网络, GRU-D | 均方根误差(RMSE) | NA |
| 945 | 2025-10-06 |
Generative artificial intelligence enables the generation of bone scintigraphy images and improves generalization of deep learning models in data-constrained environments
2025-Jun, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07091-8
PMID:39878897
|
研究论文 | 本研究利用生成式人工智能生成骨闪烁扫描图像，并通过合成数据增强提升深度学习模型在数据受限环境中的泛化能力 | 开发了能够生成代表不同疾病模式的高质量合成骨闪烁扫描图像的生成模型，并验证了合成数据对提升模型泛化性能的有效性 | 研究仅基于单一中心的训练数据，且仅针对两种特定疾病模式进行验证 | 解决医学影像中深度学习模型因数据稀缺而泛化能力不足的问题 | 骨闪烁扫描图像，重点关注骨转移和心脏淀粉样变性两种疾病模式 | 医学影像分析 | 骨转移，心脏淀粉样变性 | 骨闪烁扫描技术 | 生成模型，深度学习分类模型 | 医学影像 | 训练集：9,170名患者的骨闪烁扫描；测试集：6,448名患者的7,472次扫描 | NA | NA | AUC，准确率，Fleiss' kappa，log-rank检验 | NA |
| 946 | 2025-10-06 |
Robust whole-body PET image denoising using 3D diffusion models: evaluation across various scanners, tracers, and dose levels
2025-Jun, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07122-4
PMID:39912940
|
研究论文 | 提出并验证了一种基于3D扩散模型的全身PET图像去噪方法，能够适应不同扫描仪、示踪剂和剂量水平 | 首次将3D Denoising Diffusion Probabilistic Model应用于全身PET图像去噪，实现了跨多种临床场景的鲁棒性能 | 模型训练主要基于Biograph Vision Quadra PET/CT扫描仪的高质量数据 | 开发一种能够适应多种PET协议的鲁棒性全身PET图像去噪方法 | 全身PET图像 | 医学影像处理 | 癌症 | PET成像 | DDPM | 3D医学图像 | 来自4台扫描仪、4种示踪剂类型和6个剂量水平的数据集 | NA | 3D卷积网络 | 去噪性能，不确定性图方差 | NA |
| 947 | 2025-10-06 |
Integrating generative AI with neurophysiological methods in psychiatric practice
2025-Jun, Asian journal of psychiatry
IF:3.8Q1
DOI:10.1016/j.ajp.2025.104499
PMID:40262408
|
综述 | 探讨生成式AI与神经生理学方法在精神病学实践中的整合潜力与应用前景 | 首次系统提出生成式AI与神经科学、生理学方法在精神病学领域的协同整合框架 | 面临数据可靠性、隐私保护和资源限制等挑战 | 探索生成式AI如何增强精神病学临床实践和神经生理学研究 | 精神病学临床实践、神经生理学数据、心理症状模型 | 自然语言处理, 机器学习 | 精神疾病 | 深度学习, 神经生理学方法 | 大语言模型 | 多模态数据, 文本, 神经生理信号 | NA | NA | NA | NA | NA |
| 948 | 2025-10-06 |
Sustainable water allocation under climate change: Deep learning approaches to predict drinking water shortages
2025-Jun, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2025.125600
PMID:40345087
|
研究论文 | 本研究采用深度学习方法预测德黑兰饮用水短缺问题，为可持续水资源分配提供前瞻性解决方案 | 结合循环神经网络与三种优化算法（FHO、WOA、HOA）的混合模拟模型，首次在德黑兰水资源管理中实现多模型比较和优化 | 研究依赖于气候模型的预测准确性，且未考虑突发性极端气候事件的影响 | 通过先进机器学习方法理解和缓解城市化、土地利用管理不善及气候变异对水资源的影响 | 德黑兰五个关键水坝水库和德黑兰含水层系统 | 机器学习 | NA | 混合模拟模型，气候模型（MRI-ESM2、CNRM-CM6-1、BCC-CSM2） | RNN, LSTM | 气候数据、水文数据、水资源分配数据 | 2021-2050年期间三种排放路径（SSP1.26、SSP2.45、SSP5.85）的预测数据 | NA | RNN-FHO, RNN-WOA, RNN-HOA混合架构 | 水坝流入量预测性能、地下水位波动预测精度 | NA |
| 949 | 2025-06-01 |
Learnable fractional Fourier transform for high-quality computer-generated holography
2025-Jun-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.561347
PMID:40445699
|
research paper | 提出了一种基于深度学习的计算机生成全息术方法，通过分数傅里叶变换提升全息成像质量 | 提出了复数分数傅里叶网络（CFrFNet），整合分数傅里叶变换（FrFT）于空间-频率统一框架中，生成高保真相位全息图（POHs） | NA | 提升计算机生成全息术的成像质量 | 相位全息图（POHs） | computer vision | NA | 分数傅里叶变换（FrFT） | CFrFNet, FrFNM, MFEB | image | NA | NA | NA | NA | NA |
| 950 | 2025-10-07 |
Predicting host-pathogen interactions with machine learning algorithms: A scoping review
2025-06, Infection, genetics and evolution : journal of molecular epidemiology and evolutionary genetics in infectious diseases
DOI:10.1016/j.meegid.2025.105751
PMID:40220943
|
综述 | 本文通过范围综述方法系统评估机器学习算法在宿主-病原体相互作用预测中的应用现状 | 首次系统比较不同机器学习方法在HPI预测中的效果，提供未来研究路线图 | 数据集标准化不足和模型可解释性存在显著差距 | 评估机器学习在宿主-病原体相互作用预测中的有效性 | 宿主-病原体相互作用（特别是蛋白质-蛋白质相互作用） | 机器学习 | 传染病 | 机器学习算法 | Random Forest, Gradient Boosting, CNN, RNN | 分子相互作用数据 | 46篇相关文献中筛选30篇进行综述 | NA | 卷积神经网络, 循环神经网络 | 准确率 | NA |
| 951 | 2025-10-07 |
Combining Deep Data-Driven and Physics-Inspired Learning for Shear Wave Speed Estimation in Ultrasound Elastography
2025-Jun, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3561599
PMID:40238602
|
研究论文 | 提出一种结合数据驱动和物理启发学习的混合方法，用于超声弹性成像中的剪切波速度估计 | 采用自适应无监督损失函数，能够在没有已知SWS值的真实数据上训练网络，减少伪影并提高鲁棒性 | 仅在实验体模数据和两名人类受试者的肝脏数据上进行了验证，样本量有限 | 提高超声弹性成像中剪切波速度估计的准确性和鲁棒性 | 剪切波在生物组织中的传播特性 | 医学影像分析 | 肝脏疾病 | 超声弹性成像，剪切波弹性成像 | 深度学习 | 超声RF/IQ数据，位移数据 | 实验体模数据和两名人类受试者的肝脏数据 | NA | NA | 准确性，可靠性 | NA |
| 952 | 2025-10-07 |
Virtual monochromatic image-based automatic segmentation strategy using deep learning method
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.2025.104986
PMID:40318556
|
研究论文 | 本研究提出了一种基于双能CT虚拟单能图像的新型深度学习模型MIAU-Net，用于头颈部危及器官的自动分割 | 首次系统研究双能CT虚拟单能图像在自动分割中的应用，提出新型MIAU-Net模型并确定不同组织分割的最佳能量水平 | 研究样本量有限（46例患者），需要更多数据验证模型泛化能力 | 评估双能CT虚拟单能图像在自动分割中的性能并确定最佳能量水平 | 头颈部危及器官（脑干、视交叉、晶状体、下颌骨、眼睛、视神经） | 医学影像分析 | 头颈部肿瘤 | 双能CT（DECT）、虚拟单能图像（VMI） | 深度学习 | CT医学图像 | 46例患者的双能CT数据 | NA | MIAU-Net, U-Net, Attention-UNet, nnU-Net, TransFuse | Dice相似系数（DSC） | NA |
| 953 | 2025-10-07 |
AutoFE-Pointer: Auto-weighted feature extractor based on pointer network for DNA methylation prediction
2025-Jun, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2025.143668
PMID:40339839
|
研究论文 | 提出一种基于指针网络的自动加权特征提取框架AutoFE-Pointer，用于DNA甲基化预测 | 使用改进的软化指针网络动态提取和加权DNA序列特征，能够同时处理多物种数据集 | 未明确说明模型在特定疾病类型上的具体表现 | 开发轻量级DNA甲基化预测工具，解决现有模型物种特异性限制和计算资源需求高的问题 | DNA甲基化模式 | 计算生物学 | 癌症 | DNA甲基化测序 | 指针网络 | DNA序列数据 | 17个不同基准数据集（跨多个物种） | NA | 改进的软化指针网络 | 预测准确性，跨物种泛化能力 | 本地离线环境部署 |
| 954 | 2025-10-07 |
Comparative analysis of deep learning methods for breast ultrasound lesion detection and classification
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.2025.104993
PMID:40381258
|
研究论文 | 比较分析深度学习方法在乳腺超声病灶检测和分类中的性能 | 首次系统比较目标检测、语义分割和实例分割方法在乳腺超声病灶分析中的效果，并公开新的BUS-UCLM数据集 | 研究结果可能受限于所用数据集的特性和规模 | 评估不同深度学习方法在乳腺超声计算机辅助诊断系统中的性能 | 乳腺超声图像中的病灶 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN | 医学图像 | 5个数据集（包括新收集的BUS-UCLM和4个公开数据集） | NA | Mask R-CNN, Poolformer | COCO AP50, Dice系数 | NA |
| 955 | 2025-10-07 |
S2L-CM: Scribble-supervised nuclei segmentation in histopathology images using contrastive regularization and pixel-level multiple instance learning
2025-Jun, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110293
PMID:40381473
|
研究论文 | 提出一种基于涂鸦监督的病理图像细胞核分割框架S2L-CM，通过对比正则化和像素级多示例学习提升分割性能 | 结合自生成伪标签、多尺度对比正则化和像素级多示例学习，在稀疏标注条件下实现接近全监督性能的细胞核分割 | 性能仍略低于全监督学习方法，依赖初始涂鸦标注质量 | 开发弱监督的病理图像细胞核分割方法以减少人工标注成本 | 病理图像中的细胞核 | 数字病理 | NA | 深度学习 | CNN | 病理图像 | 四个细胞核数据集 | PyTorch | NA | 分割性能指标 | NA |
| 956 | 2025-10-07 |
Performance of the automated digital cell image analyzer UIMD PBIA in white blood cell classification: a comparative study with sysmex DI-60
2025-Jun-26, Clinical chemistry and laboratory medicine
IF:3.8Q1
DOI:10.1515/cclm-2024-1323
PMID:39837502
|
研究论文 | 评估基于深度学习的自动化数字形态分析仪PBIA在白细胞分类中的性能，并与DI-60进行对比研究 | 首次对新型深度学习驱动的PBIA分析仪与广泛使用的DI-60在白细胞分类性能上进行系统性比较 | 需要更多多中心研究进行完整验证，对非典型淋巴细胞检测存在较高假阴性率 | 评估自动化数字细胞图像分析仪在白细胞分类中的性能 | 外周血涂片中的白细胞 | 数字病理 | NA | 数字细胞图像分析 | 深度学习 | 细胞图像 | 461张玻片 | NA | NA | 准确率, Cohen's kappa, Pearson相关系数, 假阳性率, 假阴性率 | NA |
| 957 | 2025-03-06 |
Research on the development of image-based Deep Learning (DL) model for serum quality recognition
2025-Jun-26, Clinical chemistry and laboratory medicine
IF:3.8Q1
DOI:10.1515/cclm-2024-1219
PMID:40042089
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 958 | 2025-10-07 |
Optimizing MR-based attenuation correction in hybrid PET/MR using deep learning: validation with a flatbed insert and consistent patient positioning
2025-Jun, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07086-5
PMID:39912939
|
研究论文 | 本研究利用平板插入器和统一患者体位，通过深度学习优化PET/MR中的MR-based衰减校正，并与CT-based衰减校正进行精确对比验证 | 采用平板插入器和手臂下放体位确保PET/CT与PET/MR扫描位置一致性，开发基于深度学习的合成CT生成框架用于多种MRAC方法比较 | 在骨骼丰富区域（如脊柱和肝脏）的SUV定量存在较大变异性且可重复性较低 | 优化PET/MR系统中的MR-based衰减校正方法，提高定量准确性 | 21名接受全身[18F]FDG PET/CT和PET/MR扫描的患者 | 医学影像分析 | NA | PET/CT, PET/MR, 深度学习 | 深度学习 | 医学影像（MR图像, CT图像） | 21名患者用于验证，300名患者用于训练 | NA | NA | 标准化摄取值（SUV）, 相关系数（r）, p值, 联合直方图分析 | NA |
| 959 | 2025-10-07 |
Evaluation of deep learning-based scatter correction on a long-axial field-of-view PET scanner
2025-Jun, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07120-6
PMID:39918764
|
研究论文 | 评估基于深度学习的散射校正方法在长轴视野PET扫描仪上的性能 | 首次将深度学习散射估计方法应用于长轴视野PET系统，相比传统单散射模拟方法具有更高精度和鲁棒性 | 未使用[18F]-PSMA数据进行训练，但仍在临床数据中表现一致 | 评估深度学习散射估计方法在长轴视野PET系统中的性能 | 长轴视野PET系统的散射校正 | 医学影像处理 | NA | PET成像，蒙特卡洛模拟 | CNN | 正弦图，医学影像 | XCAT体模模拟数据及7个临床数据集（[18F]-FDG和[18F]-PSMA） | NA | U-Net | 精度，鲁棒性，病灶对比度恢复 | NA |
| 960 | 2025-10-07 |
Eliminating the second CT scan of dual-tracer total-body PET/CT via deep learning-based image synthesis and registration
2025-Jun, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07113-5
PMID:39932542
|
研究论文 | 开发并验证一种深度学习框架，用于消除双示踪剂全身PET/CT成像中的第二次CT扫描 | 将注册生成对抗网络与非刚性配准技术相结合，首次实现通过深度学习合成伪衰减校正CT图像 | 研究为回顾性设计，样本量相对有限（247例患者） | 减少双示踪剂全身PET/CT成像中的CT辐射剂量 | 接受双示踪剂全身PET/CT成像的患者 | 医学影像分析 | 肿瘤疾病 | PET/CT成像，深度学习图像合成 | GAN, 深度学习 | 医学影像（CT和PET图像） | 247例患者，分为三个队列：167例[68Ga]Ga-DOTATATE/[18F]FDG，50例[68Ga]Ga-PSMA-11/[18F]FDG，30例[68Ga]Ga-FAPI-04/[18F]FDG | NA | RegGAN（注册生成对抗网络） | MAE, PSNR, SSIM, SUV偏差 | NA |