深度学习在生物医药领域中的应用
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，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10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 1339 篇文献，本页显示第 1021 - 1040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1021 | 2025-06-04 |
Deep learning-based acceleration of high-resolution compressed sense MR imaging of the hip
2025-Jun, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2025.100656
PMID:40453036
|
research paper | 评估一种结合并行成像、压缩感知和深度学习的压缩感知人工智能框架（CSAI）在髋关节高分辨率MRI中的应用，并与标准分辨率CS成像进行比较 | 提出了一种结合并行成像、压缩感知和深度学习的CSAI框架，用于提高髋关节MRI的分辨率和软骨描绘，而不增加采集时间 | 骨骼描绘评分较低，且研究样本量较小（32名患者） | 评估CSAI框架在髋关节高分辨率MRI中的性能 | 髋关节软骨、唇缘、股骨头韧带和骨骼 | 医学影像 | 髋关节撞击综合征 | 压缩感知（CS）、深度学习 | NA | MRI图像 | 32名髋关节撞击综合征患者 |
| 1022 | 2025-06-04 |
A systematic review on deep learning-enabled coronary CT angiography for plaque and stenosis quantification and cardiac risk prediction
2025-Jun, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2025.100652
PMID:40453037
|
系统综述 | 本文系统综述了深度学习在冠状动脉CT血管造影（CCTA）中用于斑块和狭窄量化以及心脏风险预测的应用 | 强调了深度学习技术在CCTA分析中的自动化量化能力，提高了心脏风险评估的精确性 | 研究设计存在变异性，可能存在潜在偏倚 | 评估深度学习技术在CCTA中用于冠状动脉疾病（CAD）诊断和管理的效果 | 18岁及以上接受CCTA检查的患者 | 数字病理学 | 心血管疾病 | CCTA | 深度学习模型 | 医学影像 | 10篇研究文章的系统评价 |
| 1023 | 2025-06-04 |
Effects of various cross-linked collagen scaffolds on wound healing in rats model by deep-learning CNN
2025-Jun, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2315141
PMID:38357717
|
研究论文 | 研究探讨了四种胶原支架在大鼠模型中促进伤口愈合和再生的效果，并开发了一种深度学习模型用于组织分类 | 使用深度学习CNN模型进行伤口愈合评估，结合Grad-CAM热图可视化网络关注的特征 | 研究仅使用了24只雌性大鼠，样本量较小 | 评估不同类型胶原支架对伤口愈合的影响，并开发客观的伤口愈合评估方法 | Sprague-Dawley大鼠 | 数字病理学 | 伤口愈合 | 组织形态学分析 | CNN（VGG16） | 图像 | 24只雌性大鼠 |
| 1024 | 2025-06-04 |
Identification and segregation of genes with improved recurrent neural network trained with optimal gene level and mutation level features
2025-Jun, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2311322
PMID:38424698
|
research paper | 该研究论文提出了一种新的基因识别和分离模型，通过五个关键流程处理癌症的复杂突变异质性 | 使用改进的循环神经网络（I-RNN）结合优化的基因和突变水平特征进行基因分类，提高了分类准确性 | 未提及样本的具体来源和多样性，可能影响模型的泛化能力 | 识别和分离癌症驱动基因，整合多种基因组因素进行综合分析 | 癌症基因和突变数据 | machine learning | cancer | data cleaning, data normalization, K-Means + SMOTE, FIHFSO | Improved Recurrent Neural Network (I-RNN) | genomic data | NA |
| 1025 | 2025-06-04 |
Deep learning model for predicting immunotherapy response in patients with advanced NSCLC: Study findings demonstrate a strong and independent deep learning-based feature associated with an immune checkpoint inhibitor response in patients with NSCLC across cohorts
2025-Jun-01, Cancer
IF:6.1Q1
DOI:10.1002/cncr.35883
PMID:40457864
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1026 | 2025-06-03 |
Deep learning-based image classification and quantification models for tablet sticking
2025-Jun-10, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2025.125690
PMID:40339626
|
研究论文 | 本研究提出了一种基于深度学习的图像分类和量化模型，用于检测和量化制药片剂生产中的粘附问题 | 结合CNN和GLCM特征的集成模型，能够检测和量化片剂粘附，克服了传统视觉检查的局限性 | 研究仅针对10批片剂进行了验证，样本量相对较小 | 提高制药片剂生产的效率和质量控制 | 制药片剂生产中的粘附问题 | 计算机视觉 | NA | CNN, GLCM, SVM | AlexNet, VGG 16, ResNet 50, GoogLeNet | 图像 | 10批片剂 |
| 1027 | 2025-06-03 |
Enhancing YOLOv8n with Mamba-like linear attention for defect detection and coating thickness analysis of irregular film tablet
2025-Jun-10, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2025.125704
PMID:40354903
|
研究论文 | 本研究提出了一种集成深度学习和机器视觉的实时系统，用于不规则形状薄膜包衣片的缺陷检测和包衣厚度测量 | 提出了一种增强型YOLOv8n架构，结合了Mamba-Like Linear Attention (MLLA)机制，显著提高了模型对细微缺陷的检测精度 | NA | 开发一种实时系统，用于不规则形状薄膜包衣片的缺陷检测和包衣厚度测量，以提高药品生产的质量和效率 | 不规则形状薄膜包衣片 | 计算机视觉 | NA | 机器视觉、深度学习、亚像素图像处理技术 | YOLOv8n、MLLA | 图像 | 八种包衣片 |
| 1028 | 2025-06-03 |
Hyaluronan network remodeling by ZEB1 and ITIH2 enhances the motility and invasiveness of cancer cells
2025-Jun-02, The Journal of clinical investigation
IF:13.3Q1
DOI:10.1172/JCI180570
PMID:40178908
|
研究论文 | 研究透明质酸（HA）网络中ZEB1和ITIH2的作用及其对肺癌细胞迁移和侵袭能力的影响 | 揭示了ZEB1通过调控ITIH2、HAS2和CD44重塑肿瘤微环境中的HA网络，并提出针对该网络的抑制策略 | 研究主要基于体外实验和小鼠模型，尚未在人体中进行验证 | 探究HA网络在肺癌细胞迁移和侵袭中的作用机制 | 肺癌细胞和癌症相关成纤维细胞 | 肿瘤生物学 | 肺癌 | 深度学习药物-靶点相互作用算法 | NA | NA | NA |
| 1029 | 2025-06-03 |
Multi-Organ metabolic profiling with [18F]F-FDG PET/CT predicts pathological response to neoadjuvant immunochemotherapy in resectable NSCLC
2025-Jun-02, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07350-8
PMID:40451983
|
research paper | 开发并验证一种结合多器官PET代谢指标的新型列线图，用于预测可切除非小细胞肺癌患者接受新辅助免疫化疗后的主要病理反应 | 首次报道的多器官代谢列线图，通过量化系统性宿主-肿瘤代谢相互作用，优于传统的以肿瘤为中心的方法 | 回顾性研究设计，样本量相对较小（115例患者） | 预测可切除非小细胞肺癌患者接受新辅助免疫化疗后的主要病理反应 | 可切除非小细胞肺癌（rNSCLC）患者 | 数字病理 | 肺癌 | [18F]F-FDG PET/CT | 深度学习自动分割，LASSO回归，随机森林优化 | PET代谢参数（SUVmean, SUVmax, SUVpeak, MTV, TLG） | 115例可切除非小细胞肺癌患者 |
| 1030 | 2025-06-03 |
Refinement of an Artificial Intelligence Algorithm for Enhanced Burn Wound Depth Assessment Using Multispectral Imaging: An Expanded Proof of Concept Study
2025-Jun-02, Journal of burn care & research : official publication of the American Burn Association
IF:1.5Q3
DOI:10.1093/jbcr/iraf057
PMID:40452490
|
研究论文 | 本研究通过多光谱成像技术和卷积神经网络算法，开发了一种用于烧伤伤口深度评估的深度学习模型 | 利用多光谱成像技术捕捉可见光谱外的波长信息，结合多种CNN架构开发深度学习算法，显著提高了烧伤评估的准确性 | 研究样本量相对有限（124名受试者），且算法在伤后1-2天的准确率较低 | 开发并优化用于烧伤伤口深度评估的人工智能算法 | 烧伤患者的伤口评估 | 计算机视觉 | 烧伤 | 多光谱成像(MSI) | CNN | 图像 | 124名受试者（100名成人，24名儿童），收集1037张MSI图像和161份活检样本 |
| 1031 | 2025-06-03 |
A Multi-modal Drug Target Affinity Prediction Based on Graph Features and Pre-trained Sequence Embeddings
2025-Jun-02, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00713-7
PMID:40455402
|
研究论文 | 提出一种基于图特征和预训练序列嵌入的多模态药物靶点亲和力预测方法MGSDTA | 整合药物分子和靶蛋白的图特征与序列特征，采用加权融合模块进行预测，性能优于单模态方法 | 未提及方法在特定类型药物或靶点上的适用性限制 | 开发更准确的药物靶点亲和力预测计算方法 | 药物分子和靶蛋白 | 机器学习 | NA | Mol2vec和ProtVec预训练模型 | MGSDTA（多模态融合模型） | 图数据（分子/蛋白结构）和序列数据 | 基准数据集（未说明具体样本量） |
| 1032 | 2025-06-03 |
SPCF-YOLO: An Efficient Feature Optimization Model for Real-Time Lung Nodule Detection
2025-Jun-02, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00720-8
PMID:40455403
|
research paper | 提出了一种名为SPCF-YOLO的实时检测框架，用于CT影像中的肺结节检测，通过层次特征融合和解剖学上下文建模提高检测精度 | 结合了空间到深度卷积模块(SPDConv)、共享特征金字塔卷积模块(SFPConv)、改进的金字塔挤压注意力模块(PSA)和改进的上下文变换器模块(CoTB)，提升了小结节检测的敏感性和全局通道依赖性 | 未提及模型在其他类型肺部疾病或不同影像模态上的泛化能力 | 提高CT影像中肺结节检测的准确性和实时性 | CT影像中的肺结节 | computer vision | lung cancer | deep learning | YOLO (SPCF-YOLO) | CT images | LUNA16数据集和SIIM-COVID-19数据集 |
| 1033 | 2024-12-20 |
Deep learning on chromatin profiles reveals the cis-regulatory sequence code of the rice genome
2025-Jun, Journal of genetics and genomics = Yi chuan xue bao
DOI:10.1016/j.jgg.2024.12.007
PMID:39694233
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1034 | 2025-06-03 |
Accelerated High-resolution T1- and T2-weighted Breast MRI with Deep Learning Super-resolution Reconstruction
2025-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.12.055
PMID:39794159
|
research paper | 评估一种工业开发的深度学习算法在重建低分辨率T1和T2加权乳腺MRI图像中的性能，并与标准序列进行比较 | 使用深度学习算法进行去噪和分辨率提升，显著减少采集时间并提高图像质量 | 样本量较小（47名患者），且仅在1.5特斯拉MRI设备上进行测试 | 评估深度学习算法在乳腺MRI图像重建中的性能 | 女性乳腺MRI患者 | digital pathology | breast cancer | deep learning, compressed sensing | Adaptive-CS-Net, Precise-Image-Net | MRI图像 | 47名患者（平均年龄58±11岁） |
| 1035 | 2025-06-03 |
AI image analysis as the basis for risk-stratified screening
2025-Jun, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01734-4
PMID:39794661
|
review | 本文综述了人工智能在乳腺癌筛查中的风险预测模型的应用与进展 | 探讨了从传统影像生物标志物到前沿深度学习方法及多模态方法的风险预测模型 | AI风险模型主要在研究环境中探索，尚未广泛临床采用 | 优化AI工具在乳腺癌筛查中的应用，提高不同人群的公平性和筛查效果 | 乳腺癌筛查中的风险预测模型 | digital pathology | breast cancer | deep learning, multimodal approaches | AI risk models | image | NA |
| 1036 | 2025-06-03 |
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
|
research paper | 本研究开发并验证了一种结合深度学习和亚区域放射组学的模型，用于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 | 提出了一种名为SRADL的新型组合模型，整合了深度学习和亚区域放射组学特征，显著提高了预测准确性 | 研究为回顾性设计，需要前瞻性研究进一步验证 | 开发预测局部晚期直肠癌患者对新辅助放化疗反应的工具 | 局部晚期直肠癌(LARC)患者 | digital pathology | rectal cancer | MRI成像，放射组学分析 | 3D ResNet50，机器学习算法 | MRI图像 | 来自三家医院的768名符合条件的参与者 |
| 1037 | 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） |
| 1038 | 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） |
| 1039 | 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 |
| 1040 | 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 |