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 961 - 980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 961 | 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 |
| 962 | 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 |
| 963 | 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 |
| 964 | 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 |
| 965 | 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 |
| 966 | 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 |
| 967 | 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 |
| 968 | 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 |
| 969 | 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 |
| 970 | 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 |
| 971 | 2025-05-29 |
Skin Cancer Detection Using Deep Learning Approaches
2025-Jun, Cancer biotherapy & radiopharmaceuticals
DOI:10.1089/cbr.2024.0161
PMID:40151158
|
review | 该综述探讨了多种深度学习方法在皮肤病变识别和分类中的应用 | 评估了不同深度学习方法在皮肤癌检测中的表现，特别是CNN在视觉病变识别中的高准确性和GAN在训练增强中的潜力 | 现有数据集存在肤色多样性不足、计算需求高、病变表示不均等问题，可能影响模型的效率、包容性和泛化能力 | 通过深度学习方法提高皮肤癌的早期检测效率和准确性 | 皮肤病变图像 | computer vision | skin cancer | deep learning | CNN, GAN, ANN, KNN | image | NA | NA | NA | NA | NA |
| 972 | 2025-05-29 |
Deep learning-based intraoperative visual guidance model for ureter identification in laparoscopic sigmoidectomy
2025-Jun, Surgical endoscopy
DOI:10.1007/s00464-025-11694-5
PMID:40263136
|
研究论文 | 本研究评估了一种基于深度学习的计算机视觉模型在腹腔镜乙状结肠切除术中实时识别左侧输尿管的性能 | 开发了基于语义分割算法的深度学习模型，用于腹腔镜手术中输尿管的实时识别，并实现了高精度的实时操作 | 样本量有限，手术方法缺乏多样性，手术过程不完整，且缺乏外部验证 | 评估深度学习模型在腹腔镜乙状结肠切除术中实时识别左侧输尿管的可行性 | 腹腔镜乙状结肠切除术中的左侧输尿管 | 计算机视觉 | NA | 语义分割算法 | YOLO 8 和 YOLO 11 | 视频 | 86 例腹腔镜乙状结肠切除术录像，1237 张手动标注的图像 | NA | NA | NA | NA |
| 973 | 2025-10-07 |
Discovery of Active Ingredient of Yinchenhao Decoction Targeting TLR4 for Hepatic Inflammatory Diseases Based on Deep Learning Approach
2025-Jun, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-024-00670-7
PMID:39560852
|
研究论文 | 基于深度学习框架AIGO-DTI预测茵陈蒿汤活性成分靶向TLR4的作用机制 | 提出AIGO-DTI深度学习框架用于预测中药成分与TLR4靶点的相互作用，并通过实验验证了异东莨菪素通过TLR4影响树突状细胞成熟的机制 | NA | 探索茵陈蒿汤中靶向TLR4的有效成分及其治疗肝病的机制 | 茵陈蒿汤主要成分、TLR4靶点、树突状细胞 | 机器学习 | 肝炎 | 深度学习、湿实验验证 | AIGO-DTI, RF, SVM, KNN, XGBoost, GCN, GAT | 化合物靶点相互作用数据 | NA | NA | AIGO-DTI | Recall, AUC | NA |
| 974 | 2025-10-07 |
A Multi-View Feature-Based Interpretable Deep Learning Framework for Drug-Drug Interaction Prediction
2025-Jun, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00687-6
PMID:39899225
|
研究论文 | 提出基于多视图特征的可解释深度学习框架MI-DDI用于药物相互作用预测 | 首次结合原子视图和子结构视图特征进行药物相互作用预测，并设计可解释的交互模块 | 未明确说明模型在其他药物数据集上的泛化能力 | 开发准确且可解释的药物相互作用预测方法 | 药物分子及其相互作用 | 机器学习 | NA | 分子图分析，SMILES序列处理 | MPNN, Transformer | 分子图，SMILES序列 | BIOSNAP数据集和DrugBank数据集 | PyTorch, RDkit | Message Passing Neural Network, Transformer编码器 | 准确率 | NA |
| 975 | 2025-10-07 |
Marker Data Enhancement for Markerless Motion Capture
2025-06, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3530848
PMID:40031222
|
研究论文 | 本文开发了一种更准确和泛化能力更强的标记增强器，用于将稀疏视频关键点转换为密集解剖标记 | 创建了更大更多样化的训练数据集，开发了比OpenCap原始增强器更准确且泛化能力更强的标记增强模型 | 未明确提及具体限制，但暗示模型在未见过的多样化运动上仍有改进空间 | 提高无标记运动捕捉中人体姿态估计的准确性和泛化能力 | 人体运动捕捉数据 | 计算机视觉 | NA | 运动捕捉技术 | 深度学习模型 | 视频关键点数据、解剖标记数据 | 1176名受试者的标记运动捕捉数据，合成1433小时视频关键点和解剖标记 | NA | 标记增强器 | 平均误差、最大误差 | NA |
| 976 | 2025-10-07 |
Predicting Synergistic Drug Combinations Based on Fusion of Cell and Drug Molecular Structures
2025-Jun, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00695-6
PMID:40088336
|
研究论文 | 提出一种名为DconnC的新方法，通过融合细胞和药物分子结构来预测协同药物组合 | 利用细胞特征作为节点建立药物分子结构间的连接，通过自增强对比学习优化特征提取 | NA | 开发可靠有效的计算方法预测协同药物组合 | 药物组合疗法 | 机器学习 | 癌症 | 深度学习 | Bi-RNN, LSTM | 分子结构数据，细胞特征数据 | NA | NA | 双向循环神经网络，长短期记忆网络 | 均方误差，Loewe协同评分 | NA |
| 977 | 2025-05-28 |
CR-deal: Explainable Neural Network for circRNA-RBP Binding Site Recognition and Interpretation
2025-Jun, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00694-7
PMID:40146403
|
research paper | 本文提出了一种名为CR-deal的可解释神经网络模型，用于识别和解释circRNA与RNA结合蛋白（RBP）的结合位点 | CR-deal利用图注意力网络将序列和结构特征统一到同一视图中，更有效地利用结构特征提高预测准确性，并通过集成梯度特征解释推断结合位点的功能结构区域 | 现有方法在准确性和可解释性方面仍有改进空间 | 预测circRNA与RBP的结合位点并解释其功能结构区域 | circRNA和RNA结合蛋白（RBP） | natural language processing | NA | cross-linking immunoprecipitation sequencing technology | graph attention network | genome-wide circRNA data | 37个circRNA数据集和7个lncRNA数据集 | NA | NA | NA | NA |
| 978 | 2025-10-07 |
NRGCNMDA: Microbe-Drug Association Prediction Based on Residual Graph Convolutional Networks and Conditional Random Fields
2025-Jun, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-024-00678-z
PMID:39775537
|
研究论文 | 提出一种基于残差图卷积网络和条件随机场的微生物-药物关联预测计算模型NRGCNMDA | 结合残差图卷积网络机制和条件随机场来学习高阶相似性特征并确保微生物和药物具有相似的特征嵌入 | NA | 预测微生物与药物之间的关联关系 | 微生物和药物 | 机器学习 | NA | Node2vec, 图卷积网络, 条件随机场 | 图卷积网络, 条件随机场 | 网络数据 | NA | NA | 残差图卷积网络 | AUC, AUPR | NA |
| 979 | 2025-10-07 |
PEDRA-EFB0: colorectal cancer prognostication using deep learning with patch embeddings and dual residual attention
2025-Jun, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03292-3
PMID:39833600
|
研究论文 | 提出PEDRA-EFB0深度学习架构，通过补丁嵌入和双重残差注意力机制提升结直肠癌CT图像特征提取和生存预测性能 | 集成补丁嵌入方法和双重残差注意力机制，结合自编码器和熵技术的特征选择算法，有效捕获长距离依赖关系和上下文信息 | NA | 提升结直肠癌CT图像特征提取效果和生存预测准确性 | 结直肠癌CT扫描图像 | 计算机视觉 | 结直肠癌 | CT扫描 | 深度学习,CNN | 医学图像 | NA | NA | PEDRA-EFB0,补丁嵌入,双重残差注意力 | C-index,BS,MCC,AUC | NA |
| 980 | 2025-10-07 |
Automatic skeletal maturity grading from pelvis radiographs by deep learning for adolescent idiopathic scoliosis
2025-Jun, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03283-4
PMID:39838221
|
研究论文 | 提出一种基于深度学习的多任务学习方法，用于从骨盆X光片自动评估青少年特发性脊柱侧凸的骨骼成熟度（Risser分期） | 开发了结合空间和通道重建卷积的改进版Swin Transformer，并采用多任务学习方法进行髂骨区域提取和Risser分期评估 | 未明确说明数据集规模和多样性限制，以及模型在临床环境中的泛化能力 | 解决Risser分期手动评估中观察者内和观察者间的不准确性问题 | 青少年特发性脊柱侧凸患者的骨盆X光片 | 计算机视觉 | 青少年特发性脊柱侧凸 | X光成像 | 深度学习, Transformer | 医学图像 | NA | NA | 改进版Swin Transformer, ResNet50, ResNet101, Uni-former, Next-ViT, ConvNeXt | 准确率 | NA |