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 1237 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 | 2025-10-06 |
Integration of Deep Learning and Sub-regional Radiomics Improves the Prediction of Pathological Complete Response to Neoadjuvant Chemoradiotherapy in Locally Advanced Rectal Cancer Patients
2025-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.12.049
PMID:39809603
|
研究论文 | 本研究开发了一种结合深度学习和亚区域影像组学的SRADL模型，用于预测局部晚期直肠癌患者新辅助放化疗后的病理完全缓解 | 首次将深度学习与肿瘤亚区域影像组学特征相结合，通过K-means分割肿瘤亚区域并整合多源特征 | 回顾性研究设计，样本仅来自三家医院 | 预测局部晚期直肠癌患者对新辅助放化疗的病理完全缓解 | 局部晚期直肠癌患者 | 医学影像分析 | 直肠癌 | MRI成像，影像组学分析 | 深度学习，机器学习 | MRI图像（T2加权） | 768名来自三家医院的参与者 | Pyradiomics，PyTorch（基于ResNet50推断） | 3D ResNet50 | AUC，决策曲线分析，Kaplan-Meier生存分析 | NA |
| 942 | 2025-06-03 |
Deep Learning-Enhanced Ultra-high-resolution CT Imaging for Superior Temporal Bone Visualization
2025-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.02.002
PMID:40000329
|
research paper | 本研究评估了使用混合迭代重建（HIR）和新型深度学习重建算法（DLR）AiCE Inner Ear在成人和儿童颞骨超高分辨率CT（UHR-CT）扫描中的图像质量 | 引入了新型深度学习重建算法（DLR）AiCE Inner Ear，显著提升了颞骨超高分辨率CT扫描的图像质量和诊断性能 | 研究为单中心回顾性研究，样本量较小（57例颞骨，35例患者），且仅评估了一种厂商特定的DLR算法 | 评估深度学习重建算法在颞骨超高分辨率CT扫描中的图像质量提升效果 | 成人和儿童的颞骨超高分辨率CT扫描图像 | digital pathology | NA | UHR-CT, HIR, DLR (AiCE Inner Ear) | deep learning-based reconstruction algorithm | CT图像 | 57例颞骨（来自35例患者，包括5名儿童和23名男性） | NA | NA | NA | NA |
| 943 | 2025-06-03 |
Deep Learning-Assisted Diagnosis of Malignant Cerebral Edema Following Endovascular Thrombectomy
2025-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.02.021
PMID:40023742
|
research paper | 本研究开发并验证了一种基于深度学习辅助的诊断模型，用于预测接受血管内血栓切除术（EVT）后恶性脑水肿（MCE）的发生 | 结合高衰减成像标志物（HIM）和深度学习模型（如ResNeXt101_32×8d）提高MCE预测的准确性 | 样本量相对较小，仅包含271名患者，且仅在内部测试队列中验证 | 开发并验证一种深度学习辅助的诊断模型，以帮助放射科医生预测EVT后的MCE | 接受EVT治疗的急性缺血性卒中患者 | digital pathology | cardiovascular disease | 非对比头部CT成像 | ResNet 50, ResNet 101, ResNeXt50_32×4d, ResNeXt101_32×8d, DenseNet 121 | image | 271名患者（168名训练组，43名验证组，60名前瞻性内部测试组） | NA | NA | NA | NA |
| 944 | 2025-06-03 |
Prediction of Lymph Node Metastasis in Lung Cancer Using Deep Learning of Endobronchial Ultrasound Images With Size on CT and PET-CT Findings
2025-Jun, Respirology (Carlton, Vic.)
DOI:10.1111/resp.70010
PMID:40033122
|
研究论文 | 本研究评估了深度学习在EBUS图像上检测肺癌纵隔淋巴结转移的诊断能力，并强调了整合ROI、CT上的淋巴结大小和PET-CT结果的价值 | 首次将ROI、CT上的淋巴结大小和PET-CT结果整合到深度学习模型中，显著提高了诊断能力 | 研究仅基于回顾性数据，未进行前瞻性验证 | 评估深度学习在EBUS图像上检测肺癌纵隔淋巴结转移的诊断能力 | 1454名肺癌患者的2055个纵隔淋巴结站的2901张EBUS图像 | 数字病理学 | 肺癌 | EBUS-TBNA, CT, PET-CT | ResNet18 | 图像 | 1454名肺癌患者的2055个纵隔淋巴结站的2901张EBUS图像 | NA | NA | NA | NA |
| 945 | 2025-06-03 |
Using deep-learning based segmentation to enable spatial evaluation of knee osteoarthritis (SEKO) in rodent models
2025-Jun, Osteoarthritis and cartilage
IF:7.2Q1
DOI:10.1016/j.joca.2025.02.787
PMID:40139644
|
research paper | 该研究介绍了一种基于深度学习的组织学分析流程SEKO，用于定量和可视化啮齿动物膝关节内侧区域的关节重塑 | 开发了一个结合分割和可视化工具的深度学习流程SEKO，用于空间评估膝关节骨关节炎，并作为开源工具提供给研究社区 | 仅针对啮齿动物模型进行研究，尚未在人类样本中验证 | 开发一种客观比较骨关节炎进展和治疗干预效果的方法 | 啮齿动物膝关节 | digital pathology | osteoarthritis | histological analysis | U-NET, HRNet | image | NA | NA | NA | NA | NA |
| 946 | 2025-04-03 |
Integrating Deep Learning in Breast MRI: Technical Advances and Clinical Promise
2025-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.03.047
PMID:40169328
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 947 | 2025-06-03 |
Generating Synthetic T2*-Weighted Gradient Echo Images of the Knee with an Open-source Deep Learning Model
2025-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.03.015
PMID:40175204
|
research paper | 开发一个开源深度学习模型，用于生成膝关节的合成T2*加权梯度回波图像 | 使用cycleGAN模型从脂肪抑制中间加权图像生成合成T2*W图像，提供开源代码和独立可执行文件 | 识别出四种伪影类型，包括几何畸变、物体插入/遗漏、环绕样伪影和不完全脂肪抑制伪影，但对诊断影响较小 | 开发一个能够生成高质量合成T2*W图像的深度学习模型，以补充常规膝关节MRI协议 | 膝关节MRI图像 | digital pathology | NA | MRI | cycleGAN | image | 训练集12,118张矢状位膝关节MR图像，测试集2,996张图像 | NA | NA | NA | NA |
| 948 | 2025-06-03 |
Expanded AI learning: AI as a Tool for Human Learning
2025-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.03.040
PMID:40210520
|
研究论文 | 探讨深度学习模型作为教学工具提升放射科医生在影像任务中的表现 | 首次提出将AI衍生的数据作为教学工具，以提升放射科医生在无AI辅助时的影像任务准确性 | 样本量较小，仅涉及三名放射科医生和有限数量的膝关节X光片 | 验证深度学习模型能否作为教学工具提升放射科医生的影像分类能力 | 放射科医生和膝关节X光片 | 数字病理 | NA | 深度学习 | DL | 图像 | 三名放射科医生和100张膝关节X光片（50张用于初始测试，50张用于后续测试） | NA | NA | NA | NA |
| 949 | 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 |
| 950 | 2025-10-06 |
Comparison of time-series models for predicting physiological metrics under sedation
2025-Jun, Journal of clinical monitoring and computing
IF:2.0Q2
DOI:10.1007/s10877-024-01237-z
PMID:39470955
|
研究论文 | 本研究系统比较了多种时间序列模型在预测镇静状态下生理指标方面的性能 | 首次在真实手术数据集上全面比较传统统计模型、药代动力学-药效学模型与现代深度学习模型在BIS预测中的表现 | 研究仅基于两个手术数据集，样本多样性可能有限 | 评估和比较不同时间序列模型在生理指标预测中的性能 | 镇静状态下的脑电双频指数(BIS) | 机器学习 | NA | 生理指标监测 | ARIMA, VAR, LSTM, GRU, TCN, Transformer | 时间序列生理数据 | 来自真实手术的两个生理指标数据集 | NA | LSTM, GRU, TCN, Transformer | 预测准确率 | NA |
| 951 | 2025-10-06 |
Evaluation of a Deep Learning Denoising Algorithm for Dose Reduction in Whole-Body Photon-Counting CT Imaging: A Cadaveric Study
2025-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.12.052
PMID:39818525
|
研究论文 | 评估深度学习降噪算法在全身光子计数CT成像中降低辐射剂量的有效性 | 首次在真实人体尸体扫描中评估深度学习降噪算法对光子计数CT低剂量成像的质量保持效果 | 研究样本为尸体，缺乏活体组织的动态特性；样本量相对有限（24具尸体） | 评估深度学习降噪算法在降低PCCT辐射剂量时保持诊断图像质量的能力 | 24具人类尸体 | 医学影像 | NA | 光子计数CT成像 | 深度学习 | CT图像 | 24具人类尸体，在4个不同剂量水平下扫描，产生192个数据集 | NA | ClariCT.AI | CT值稳定性、图像噪声、对比噪声比、主观图像清晰度、锐度和对比度评估 | NA |
| 952 | 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 |
| 953 | 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 |
| 954 | 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 |
| 955 | 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 |
| 956 | 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 |
| 957 | 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 |
| 958 | 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 |
| 959 | 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 |
| 960 | 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 |