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 1081 - 1100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1081 | 2025-10-07 |
Exploring the Limitations of Virtual Contrast Prediction in Brain Tumor Imaging: A Study of Generalization Across Tumor Types and Patient Populations
2025-Jun, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70062
PMID:40386872
|
研究论文 | 本研究探讨深度学习模型在脑肿瘤影像中预测虚拟对比增强效果的泛化能力 | 首次系统分析脑肿瘤虚拟对比预测模型在不同肿瘤类型和患者群体中的泛化局限性 | 模型在特定肿瘤类型和数据集上表现良好，但难以泛化到其他肿瘤类型和多样化患者群体 | 研究神经网络在脑肿瘤非对比MRI扫描中预测全对比增强能力的泛化特性 | 脑肿瘤患者和不同类型的脑肿瘤 | 医学影像分析 | 脑肿瘤 | 磁共振成像（MRI），钆基对比剂（GBCAs） | 神经网络 | 医学影像（MRI扫描） | NA | NA | NA | NA | NA |
| 1082 | 2025-10-07 |
The role of deep learning in diagnostic imaging of spondyloarthropathies: a systematic review
2025-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11261-x
PMID:39658683
|
系统评价 | 本系统评价评估了深度学习模型在脊柱关节病影像诊断中的应用效果 | 首次系统评价深度学习在脊柱关节病多模态影像（MRI、CT、X线）诊断中的综合表现，特别关注先进CNN和U-Net架构的性能 | 部分研究样本量较小，需要更大数据集和进一步前瞻性及外部验证以提高AI模型的泛化能力 | 评估深度学习模型在提高脊柱关节病影像诊断准确性方面的作用 | 脊柱关节病的医学影像数据 | 医学影像分析 | 脊柱关节病 | 医学影像分析 | CNN, U-Net | 医学影像（MRI、CT、X线） | 21项研究（具体样本量未明确说明） | NA | CNN, U-Net | AUC, 诊断准确率 | NA |
| 1083 | 2025-10-07 |
PET and CT based DenseNet outperforms advanced deep learning models for outcome prediction of oropharyngeal cancer
2025-Jun, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110852
PMID:40118186
|
研究论文 | 本研究比较了传统DenseNet架构与先进深度学习模型在口咽癌患者无复发生存期预测中的性能 | 发现经过优化的传统DenseNet架构在外部测试中表现优于更复杂的先进模型，且去除GTV输入后性能反而提升 | 研究仅针对口咽癌患者，样本来源有限，需要更多验证 | 评估传统DenseNet架构在头颈癌预后预测中的性能表现 | 口咽癌患者 | 医学影像分析 | 口咽癌 | PET和CT影像分析 | DenseNet | 医学影像（PET、CT）、轮廓分割数据 | HECKTOR 2022数据集489例患者（训练集369例，测试集120例），外加400例外部测试患者 | NA | DenseNet81 | C-index | NA |
| 1084 | 2025-10-07 |
Advances in MRI optic nerve segmentation
2025-Jun, Multiple sclerosis and related disorders
IF:2.9Q2
DOI:10.1016/j.msard.2025.106437
PMID:40220726
|
综述 | 本文系统回顾了2007至2024年间视神经MRI分割技术的发展历程 | 首次全面梳理视神经MRI分割从传统强度方法到深度学习算法的演进路径，涵盖多图谱解决方案 | 仅纳入27篇同行评审文献，可能未覆盖所有相关研究 | 提升视神经相关疾病的早期诊断和治疗规划能力 | 视神经结构与神经退行性疾病（如多发性硬化症） | 医学影像分析 | 神经退行性疾病 | 磁共振成像（MRI） | 深度学习算法 | 医学影像 | 基于27篇文献的系统回顾 | NA | NA | NA | NA |
| 1085 | 2025-10-07 |
Identification of therapeutics against PfPK6 protein of Plasmodium falciparum: Structure and Deep Learning approach
2025-Jun, Experimental parasitology
IF:1.4Q3
DOI:10.1016/j.exppara.2025.108947
PMID:40288672
|
研究论文 | 通过结构方法和深度学习模型识别恶性疟原虫PfPK6蛋白的新型抑制剂 | 结合基于结构的虚拟筛选和深度学习模型识别新型PfPK6抑制剂，并验证其结合稳定性 | 仅通过计算模拟验证，需要实验验证抑制剂的实际效果 | 识别针对恶性疟原虫PfPK6蛋白的治疗药物 | 恶性疟原虫PfPK6蛋白及其抑制剂 | 计算生物学 | 疟疾 | 虚拟筛选,分子动力学模拟 | 深度学习 | 化合物结构数据 | 来自Tres Cantos抗疟数据集的小分子抑制剂化合物 | NA | NA | 结合亲和力(-13.553 kcal/mol),结合模式稳定性 | NA |
| 1086 | 2025-10-07 |
A magnetic resonance imaging (MRI)-based deep learning radiomics model predicts recurrence-free survival in lung cancer patients after surgical resection of brain metastases
2025-Jun, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.106920
PMID:40300277
|
研究论文 | 开发并验证基于磁共振成像的深度学习放射组学模型，用于预测肺癌患者脑转移灶手术切除后的无复发生存期 | 整合临床特征、形态学MRI指标、手工放射组学特征和深度学习特征构建综合预测模型，在五个医疗中心进行外部验证 | 回顾性研究设计，样本量相对有限（215例患者） | 预测肺癌患者脑转移灶切除后的无复发生存期和颅内复发风险 | 215例经手术病理证实的脑转移肺癌患者 | 数字病理 | 肺癌 | 磁共振成像 | 深度学习放射组学模型 | 医学影像 | 215例患者（训练集167例，外部测试集48例） | NA | NA | C-index, AUC, Kaplan-Meier生存分析 | NA |
| 1087 | 2025-10-07 |
Deep learning-based triple-tracer brain PET scanning in a single session: A simulation study using clinical data
2025-Jun, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121246
PMID:40316225
|
研究论文 | 本研究开发了一种基于深度学习的三示踪剂脑PET扫描方法，可在单次会话中实现多示踪剂信号分离 | 首次提出基于Swin Transformer架构的深度学习模型，用于从合成的三重示踪剂PET图像中分离不同示踪剂信号 | FTP图像生成性能较差，研究基于模拟数据而非真实同时采集的多示踪剂PET数据 | 开发单次会话三重示踪剂脑PET成像协议，简化多示踪剂PET成像并减少辐射暴露 | 阿尔茨海默病神经影像倡议(ADNI)数据集中的认知正常患者、轻度认知障碍患者和痴呆患者 | 医学影像分析 | 阿尔茨海默病 | PET成像，多示踪剂成像 | 深度学习 | PET图像 | ADNI数据集（具体样本数量未明确说明） | NA | Swin Transformer | MSE, SSIM, PSNR, 敏感性, 特异性, 相关系数 | NA |
| 1088 | 2025-10-07 |
Deep learning for liver lesion segmentation and classification on staging CT scans of colorectal cancer patients: a multi-site technical validation study
2025-Jun, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.106914
PMID:40327945
|
研究论文 | 本研究验证了基于深度学习的肝脏病灶分割与分类模型在结直肠癌分期CT扫描中的应用 | 首次在多中心技术验证研究中评估UNet模型对结直肠癌患者肝脏病灶的检测和分类性能，特别关注亚厘米级小病灶的检测能力 | 分类准确性中等，特异性较低（患者水平27.1%），测试数据来自单一机构 | 验证深度学习模型在结直肠癌分期CT扫描中肝脏病灶检测和分类的技术可行性 | 结直肠癌患者的肝脏病灶 | 数字病理 | 结直肠癌 | CT扫描 | CNN | 医学影像 | 训练集：272例公共肝脏肿瘤CT扫描；测试集：220例结直肠癌分期CT扫描（2014-2019年） | NA | UNet | 检测率，Dice相似系数，Bland-Altman界限，组内相关系数，敏感性，特异性，阳性预测值，阴性预测值，准确率 | NA |
| 1089 | 2025-10-07 |
LMCBert: An Automatic Academic Paper Rating Model Based on Large Language Models and Contrastive Learning
2025-Jun, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3550203
PMID:40168236
|
研究论文 | 提出一种基于大语言模型和对比学习的自动学术论文评分模型LMCBert | 结合大语言模型提取论文核心语义内容，并引入动量对比学习优化Bert训练，提升学术论文自动评分的准确性 | 未明确说明模型在哪些特定学术领域或论文类型上的性能表现 | 开发自动学术论文评分系统以替代传统人工审稿流程 | 学术论文的接受概率预测 | 自然语言处理 | NA | 大语言模型, 对比学习 | Bert, LLM | 文本 | NA | NA | LMCBert, Bert | 准确率 | NA |
| 1090 | 2025-05-18 |
GRU4ACE: Enhancing ACE inhibitory peptide prediction by integrating gated recurrent unit with multi-source feature embeddings
2025-Jun, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.70026
PMID:40371738
|
研究论文 | 本研究提出了一种名为GRU4ACE的创新深度学习框架，通过整合门控循环单元(GRU)和多源特征嵌入，提高了血管紧张素转换酶(ACE)抑制肽的预测准确性 | GRU4ACE框架首次整合了多源特征编码方法（包括序列信息、图形信息、语义信息和上下文信息）和GRU模型，显著提升了ACE抑制肽的预测性能 | NA | 提高ACE抑制肽的预测准确性，为新型降压药物的开发提供指导 | ACE抑制肽 | 自然语言处理 | 心血管疾病 | 自然语言处理(NLP)嵌入、预训练蛋白质语言模型(PLM)嵌入 | GRU | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 1091 | 2025-05-18 |
Deep-Diffeomorphic Networks for Conditional Brain Templates
2025-Jun-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.70229
PMID:40372124
|
research paper | 本文提出了一种基于深度学习的条件性脑模板生成方法，利用微分同胚框架来创建几何方法，以捕捉年龄依赖的解剖学差异 | 使用微分同胚（拓扑保持）框架创建纯几何方法，能够生成具有高空间保真度和一致拓扑结构的条件性脑模板 | 尽管方法在捕捉年龄依赖的解剖学差异方面有一定效果，但仍需进一步改进以更准确地跟踪所有脑结构的变化 | 开发一种能够生成条件性脑模板的深度学习方法，以改进神经影像分析中的配准精度和脑发育与退化过程的捕捉 | 认知正常的参与者（来自阿尔茨海默病神经影像倡议ADNI的数据集） | 神经影像分析 | 阿尔茨海默病 | 深度学习 | deep-diffeomorphic networks | 脑部扫描图像 | 来自ADNI的认知正常参与者数据集 | NA | NA | NA | NA |
| 1092 | 2025-05-17 |
A novel method for online sex sorting of silkworm pupae (Bombyx mori) using computer vision combined with deep learning
2025-Jun, Journal of the science of food and agriculture
IF:3.3Q2
DOI:10.1002/jsfa.14177
PMID:39936219
|
研究论文 | 提出了一种基于计算机视觉和深度学习的蚕蛹性别在线分选新方法 | 开发了结合级联空间通道注意力(CSCA)和G-GhostNet的新型实时性别识别模型，并提出了新的损失函数以减少模型复杂度和避免过拟合 | NA | 提高蚕蛹性别分选的效率和生产力 | 蚕蛹(家蚕) | 计算机视觉 | NA | 深度学习 | CSCA, G-GhostNet | 图像 | NA | NA | NA | NA | NA |
| 1093 | 2025-05-17 |
Predicting 5-Year EDSS in Multiple Sclerosis with LSTM Networks: A Deep Learning Approach to Disease Progression
2025-Jun, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia
IF:1.9Q4
DOI:10.1016/j.jocn.2025.111218
PMID:40174549
|
research paper | 该研究利用LSTM网络预测多发性硬化症患者5年后的EDSS评分，以评估疾病进展 | 与现有研究不同，该方法整合了多发性硬化症患者的静态和动态数据，实现了EDSS评分从0到10的准确预测，且预测误差最小 | 研究仅基于两个中心的1000名患者数据，可能限制了模型的泛化能力 | 预测多发性硬化症患者5年后的残疾状态评分（EDSS） | 多发性硬化症患者 | machine learning | 多发性硬化症 | LSTM | LSTM | 临床和人口统计学数据 | 1000名多发性硬化症患者 | NA | NA | NA | NA |
| 1094 | 2025-05-17 |
Developing the Artificial Intelligence Method and System for "Multiple Diseases Holistic Differentiation" in Traditional Chinese Medicine and Its Interpretability to Clinical Decision
2025-Jun, Journal of evidence-based medicine
DOI:10.1111/jebm.70016
PMID:40176367
|
研究论文 | 本研究开发了一种结合先验规则和深度学习的中医人工智能方法及系统，用于提升中医多病整体辨证的临床决策透明度和可解释性 | 提出了TCM-SEI-RD方法和TCM-MDHD系统，融合BERT与CNN模型捕捉特征相关序列，并通过分层模块预测多种中医证候 | 未明确提及具体样本量及外部验证结果 | 开发可解释性强的中医AI临床决策支持系统 | 中医多病整体辨证（MDHD）的证候要素 | 自然语言处理 | 中医多病种 | 深度学习 | BERT-CNN混合模型 | 文本（专家知识数据集） | NA | NA | NA | NA | NA |
| 1095 | 2025-05-17 |
A comprehensive image dataset for accurate diagnosis of betel leaf diseases using artificial intelligence in plant pathology
2025-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111564
PMID:40371167
|
research paper | 该研究旨在开发一个全面的槟榔叶病害图像数据集，以支持基于人工智能的植物病理学研究 | 首次提供了一个全面的槟榔叶病害图像数据集，填补了该领域的数据空白 | 数据集仅包含两种常见病害（叶腐病和叶斑病），可能无法覆盖所有槟榔叶病害类型 | 开发可靠的槟榔叶病害诊断工具，支持农业可持续发展 | 槟榔叶及其病害（叶腐病和叶斑病） | digital pathology | plant disease | image augmentation (flipping, brightness factor, contrast factor, rotation) | deep learning | image | 初始采集2,037张图像，通过数据增强扩展到10,185张图像 | NA | NA | NA | NA |
| 1096 | 2025-05-16 |
Impact of deep learning reconstruction on radiation dose reduction and cancer risk in CT examinations: a real-world clinical analysis
2025-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11212-6
PMID:39613960
|
research paper | 本研究评估了深度学习重建（DLR）在CT检查中降低辐射剂量和癌症风险的实际效果 | 首次利用真实世界临床数据分析DLR对辐射诱发癌症风险的影响 | 研究为单中心回顾性分析，可能存在选择偏倚 | 评估DLR技术对CT检查辐射剂量和癌症风险的降低效果 | 接受全身CT检查的成年患者 | medical imaging | radiation-induced cancer | deep learning reconstruction (DLR) | NA | CT scan data | 5247 matched cases (pre-DLR) + 5247 matched cases (post-DLR) | NA | NA | NA | NA |
| 1097 | 2025-05-16 |
Evaluation of a deep learning prostate cancer detection system on biparametric MRI against radiological reading
2025-Jun, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11287-1
PMID:39699671
|
研究论文 | 本研究评估了一种基于双参数MRI的深度学习系统在检测临床显著性前列腺癌方面的性能，并与放射学解读进行了比较 | 开发了一个3D nnU-Net模型用于前列腺癌检测，在独立测试队列中表现优于放射科医生，特别是在中等和大尺寸病灶检测上 | 对小病灶的检测仍然具有挑战性 | 评估深度学习系统在前列腺癌检测中的性能 | 临床显著性前列腺癌(csPCa)，定义为Gleason Grade Group (GGG) ≥ 2 | 数字病理 | 前列腺癌 | 双参数MRI(bpMRI) | 3D nnU-Net | 医学影像 | 训练集4381例bpMRI病例(3800阳性，581阴性)，测试集328例来自PROSTATEx数据集 | NA | NA | NA | NA |
| 1098 | 2025-05-15 |
Light scattering imaging modal expansion cytometry for label-free single-cell analysis with deep learning
2025-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108726
PMID:40112688
|
研究论文 | 本研究开发了一种基于深度学习的模态扩展细胞术，用于无标记单细胞分析 | 提出了一种新的网络优化方法，结合对抗损失、L1距离损失和VGG感知损失，将单模光散射图像扩展为多模态图像 | 实验验证仅限于模拟图像、标准球体和特定细胞类型（如宫颈癌细胞和白血病细胞） | 开发一种无标记单细胞分析方法，用于药物开发、疾病诊断和个性化医疗 | 宫颈癌细胞和白血病细胞 | 数字病理学 | 宫颈癌、白血病 | 光散射成像 | 深度学习 | 图像 | 模拟图像、标准球体和多种细胞类型（如宫颈癌细胞和白血病细胞） | NA | NA | NA | NA |
| 1099 | 2025-05-15 |
The impact of training image quality with a novel protocol on artificial intelligence-based LGE-MRI image segmentation for potential atrial fibrillation management
2025-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108722
PMID:40112687
|
研究论文 | 本研究开发了一种基于深度学习的自动化分割流程，通过标准化标记协议提高LGE-MRI图像分割的准确性和效率，以支持心房颤动患者的消融治疗 | 采用标准化标记协议和预训练的RIFE模型，显著提高了神经网络在心房LGE-MRI图像分割中的性能 | 研究结果依赖于手动标记的数据，可能存在主观误差，且样本量未明确说明 | 开发高效的自动化深度学习分割流程，以改善心房颤动患者的消融治疗效果 | 心房颤动患者的LGE-MRI图像 | 数字病理学 | 心血管疾病 | LGE-MRI | nnU-Net, smpU-Net++, RIFE | 图像 | NA | NA | NA | NA | NA |
| 1100 | 2025-10-07 |
Rapid detection of the viability of naturally aged maize seeds using multimodal data fusion and explainable deep learning techniques
2025-Jun-30, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2025.143692
PMID:40068265
|
研究论文 | 本研究提出了一种基于多模态数据融合和可解释深度学习技术的玉米种子活力快速检测方法 | 首次将多传感器信息融合与可解释深度学习相结合用于自然老化玉米种子活力检测，提出了MSCNSVN模型 | NA | 提高玉米种子活力检测的准确性和可解释性 | 自然老化的玉米种子 | 计算机视觉 | NA | 多传感器数据采集（MV, RS, TS, FS, SS） | 深度学习 | 多模态传感器数据 | NA | NA | MSCNSVN | 准确率 | NA |