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 988 篇文献，本页显示第 761 - 780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 761 | 2025-10-06 |
Automated Microbubble Discrimination in Ultrasound Localization Microscopy by Vision Transformer
2025-Aug, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3570496
PMID:40372868
|
研究论文 | 提出一种基于视觉Transformer的自动化微泡鉴别方法，用于超声定位显微镜成像 | 采用高效通道注意力Vision Transformer和渐进式学习策略，无需估计脉冲响应和每帧微泡数量等先验知识 | 主要使用合成数据进行训练，真实数据验证相对有限 | 开发无需先验知识的通用超声定位显微镜流程 | 超声成像中的微泡信号 | 计算机视觉 | NA | 超声定位显微镜 | Vision Transformer | 超声图像 | 合成数据集+5个公共数据集（1个硅基数据集和4个活体数据集） | NA | Vision Transformer | 阳性预测值, 均方根误差 | NA |
| 762 | 2025-10-06 |
[AI-based applications in medical image computing]
2025-Aug, Bundesgesundheitsblatt, Gesundheitsforschung, Gesundheitsschutz
DOI:10.1007/s00103-025-04093-7
PMID:40600998
|
综述 | 本文综述了人工智能在医学图像计算中的应用及其临床价值 | 系统总结了深度学习在医学图像分割、配准和生成等任务中的最新进展与应用潜力 | 未涉及具体实验验证和性能对比分析 | 探讨人工智能技术在医学图像分析中的应用与发展前景 | 医学图像数据（CT、MRI、PET等）及相关临床应用 | 医学图像计算 | NA | 深度学习 | 深度神经网络 | 医学图像 | NA | NA | NA | NA | NA |
| 763 | 2025-10-06 |
Development and validation of a SOTA-based system for biliopancreatic segmentation and station recognition system in EUS
2025-Aug, Surgical endoscopy
DOI:10.1007/s00464-025-11858-3
PMID:40551029
|
研究论文 | 开发并验证基于SOTA算法的AI辅助内镜超声系统，用于胆胰区域分割和站点识别 | 首次将多种SOTA深度学习算法应用于EUS图像分析，并通过人机竞赛验证系统性能优于中级内镜医师 | 研究样本主要来自单一机构，外部验证集规模相对有限 | 开发AI辅助EUS系统以提高胆胰疾病诊断的准确性和效率 | 胆胰区域的解剖结构分割和站点识别 | 计算机视觉 | 胆胰疾病 | 内镜超声成像 | 深度学习 | 医学图像 | 45,737张EUS图像（来自1,852名患者），其中2,881张用于内部测试，2,747张用于外部验证，340张用于人机竞赛 | NA | Mean Teacher, ResNet-50, YOLOv8-CLS, UNet++, YOLOv8, U-Net v2 | 准确率 | NA |
| 764 | 2025-10-06 |
BanglaTaka: A dataset for classification of Bangladeshi banknotes
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111853
PMID:40703564
|
研究论文 | 本文介绍了BanglaNotes数据集，用于孟加拉国纸币面额分类的基准数据集 | 首次发布包含5073张高质量孟加拉国纸币图像的基准数据集，涵盖9种面额 | 仅包含孟加拉国纸币，未涉及其他国家货币或伪钞检测 | 开发纸币自动分类系统以提升金融安全和电子交易效率 | 孟加拉国纸币（2、5、10、20、50、100、200、500和1000 BDT面额） | 计算机视觉 | NA | NA | NA | 图像 | 5073张纸币图像 | NA | NA | NA | NA |
| 765 | 2025-10-06 |
Benford's Law in histology
2025-Aug, Journal of pathology informatics
DOI:10.1016/j.jpi.2025.100458
PMID:40704058
|
研究论文 | 本研究探索将本福特定律应用于数字病理学中的全玻片图像分析，以区分正常肝细胞和癌变肝细胞 | 首次将本福特定律这一统计工具应用于数字病理学领域，用于分析细胞形态学数据的自然分布规律 | QuPath软件无法准确区分所有细胞质边界，导致部分尺寸测量类别数据无法使用 | 开发快速分析大型数字病理数据集的新统计方法 | 肝组织细胞（正常肝细胞与癌变肝细胞） | 数字病理学 | 肝癌 | 定量组织形态计量学，本福特定律分析 | NA | 全玻片图像，细胞形态学数据 | 20张玻片共323,039个细胞（15张癌变组织玻片206,700个细胞，5张正常组织玻片116,339个细胞） | QuPath | NA | 卡方拟合优度检验 | NA |
| 766 | 2025-10-06 |
Modelling the liver's regenerative capacity across different clinical conditions
2025-Aug, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2025.101465
PMID:40704068
|
研究论文 | 本研究通过系统生物学和机器学习方法识别了不同临床条件下肝脏再生的关键生物标志物 | 开发了新型对比深度学习框架，整合临床和转录组数据预测再生结果，并识别出跨物种保守的细胞周期调控基因 | 研究基于小鼠模型，人类临床验证仍需进一步研究 | 识别不同临床条件下肝脏再生的关键转录组、蛋白质组和血清生物标志物 | 六种小鼠模型（年轻雄性和雌性、老年小鼠、2期纤维化、脂肪变性、他克莫司暴露） | 机器学习 | 肝脏疾病 | 转录组分析、蛋白质组分析、血清生物标志物检测、SPLiT-seq | 对比深度学习 | 转录组数据、蛋白质组数据、临床数据 | 六种小鼠模型，每种模型接受75%肝切除 | 深度学习框架（具体未指明） | 对比深度学习框架（使用三元组损失） | 准确率87.9% | NA |
| 767 | 2025-10-06 |
Self-Supervised Optimization of RF Data Coherence for Improving Breast Reflection UCT Reconstruction
2025-Aug, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2025.3581915
PMID:40549515
|
研究论文 | 本研究提出了一种自监督优化方法，通过三个精心设计的模块提升射频数据相干性，改善乳腺反射超声计算机断层扫描重建质量 | 提出了三个创新模块：自监督盲射频数据分段块、基于状态空间模型的强反射预测块和基于极性的自适应替换细化策略，有效提升RF数据相干性并抑制旁瓣噪声 | 未明确说明样本数量和具体数据来源，且仅在稀疏传输条件下验证性能 | 改善乳腺反射超声计算机断层扫描的重建质量，解决声速变化导致的图像质量问题 | 乳腺组织反射超声数据 | 医学影像处理 | 乳腺癌 | 超声计算机断层扫描 | NA | 射频数据 | NA | NA | NA | PSNR, SSIM, RMSE, CF, Var | NA |
| 768 | 2025-10-06 |
Differential Privacy Enabled Robust Asynchronous Federated Multitask Learning: A Multigradient Descent Approach
2025-Aug, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3571953
PMID:40531632
|
研究论文 | 提出一种结合差分隐私的鲁棒异步联邦多任务学习方法，通过多梯度下降解决数据异构和拜占庭攻击问题 | 首次将联邦学习重构为多目标优化问题，提出联邦多梯度下降算法，并开发半异步聚合方法和分布式差分隐私技术 | 未明确说明具体应用场景下的性能限制和计算开销分析 | 解决联邦学习中的数据异构、设备异构、隐私泄露和非凸损失等实际问题 | 边缘计算设备和分布式数据源 | 机器学习 | NA | 联邦学习，差分隐私 | 深度学习模型 | 分布式数据 | NA | NA | NA | 收敛性分析 | 边缘计算设备 |
| 769 | 2025-10-06 |
Risk score stratification of cutaneous melanoma patients based on whole slide images analysis by deep learning
2025-Aug, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20538
PMID:39853986
|
研究论文 | 开发基于全切片图像分析的深度学习模型SmartProg-MEL，用于皮肤黑色素瘤患者的风险分层和生存预测 | 首次利用弱监督深度学习方法从HE染色全切片图像中提取形态学特征，实现皮肤黑色素瘤患者的自动化风险分层 | 样本量相对有限，外部验证队列规模较小 | 改进原发性皮肤黑色素瘤的风险分层，指导辅助治疗决策 | I-III期皮肤黑色素瘤患者 | 数字病理学 | 皮肤黑色素瘤 | HE染色全切片图像分析 | 深度神经网络 | 全切片图像 | 发现队列342例，外部验证队列161例和63例 | NA | SmartProg-MEL | 一致性指数 | NA |
| 770 | 2025-10-06 |
Detecting wing fractures in chickens using deep learning, photographs and computed tomography scanning
2025-Aug, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2025.105264
PMID:40398294
|
研究论文 | 本研究评估了三种深度学习模型在通过CT扫描和照片检测鸡翅骨折和挫伤方面的适用性 | 首次将深度学习技术应用于结合CT扫描和照片的鸡翅骨折与挫伤自动检测，相比传统人工检查更客观高效 | 样本量有限（306个CT扫描和285张照片），挫伤检测模型准确率相对较低（82%） | 开发自动化技术以改进家禽屠宰场的动物福利监测 | 鸡翅膀的骨折和软组织损伤（挫伤） | 计算机视觉 | 动物损伤 | 计算机断层扫描（CT）、摄影 | 深度学习 | CT扫描图像、照片 | 306个CT扫描和285张照片 | NA | 3D ResNet34, 2D EfficientNetV2_s | 准确率 | NA |
| 771 | 2025-10-06 |
Tailoring task arithmetic to address bias in models trained on multi-institutional datasets
2025-Aug, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2025.104858
PMID:40494422
|
研究论文 | 本研究提出两种基于任务向量的方法TAPER和DAPPER，用于减轻多机构数据集中因数据来源导致的模型偏差问题 | 将任务向量算术方法扩展到解决数据来源混淆偏差的新问题领域，提出了模型无关的偏差缓解策略 | 仅在三个数据集上进行了评估，需要更多验证 | 解决多机构临床数据训练中深度学习模型因数据来源导致的预测偏差问题 | 多机构临床数据集中的深度学习模型 | 自然语言处理 | NA | 任务向量算术 | RoBERTa, Llama-2 | 文本数据 | NA | NA | Transformer | 鲁棒性评估，分布偏移极端情况下的性能 | NA |
| 772 | 2025-10-06 |
Artificial Intelligence Solutions to Improve Emergency Department Wait Times: Living Systematic Review
2025-Aug, The Journal of emergency medicine
IF:1.2Q3
DOI:10.1016/j.jemermed.2025.05.031
PMID:40664005
|
living systematic review | 本系统综述评估人工智能在改善急诊科等待时间方面的应用现状和潜力 | 首次对AI在急诊科流程优化中的应用进行全面系统评价，并采用动态更新机制确保内容时效性 | 缺乏真实急诊科环境下的实施研究，大多数研究缺少急诊专家的参与 | 评估人工智能建模策略在优化急诊科流程和减少等待时间方面的应用 | 急诊科运营流程和患者等待时间 | 医疗健康信息学 | 急诊医学 | 系统文献综述方法 | 回归方法,传统机器学习,神经网络/深度学习,自然语言处理,集成方法 | 文献数据 | 16项定量观察性研究（从17,569篇筛选文献中选出） | NA | NA | 等待时间减少量（7-43.2分钟） | NA |
| 773 | 2025-10-06 |
HCCD: A handwritten camera-captured dataset for document enhancement under varied degradation conditions
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111849
PMID:40697364
|
研究论文 | 本文提出了一个用于真实场景下手写文档增强和识别任务的手写相机拍摄数据集HCCD | 与现有在受控环境下使用扫描仪或智能手机拍摄的数据集不同，HCCD包含实时相机拍摄的手写文档，具有多种自然退化特征 | NA | 解决智能手机拍摄的退化手写文档增强问题 | 手写文档图像 | 计算机视觉 | NA | 计算机视觉成像技术 | NA | 图像 | 多个人贡献的不同书写风格的手写文档 | NA | NA | NA | NA |
| 774 | 2024-12-05 |
Multimodal Deep Learning-based Radiomics Approach for Predicting Surgical Outcomes in Patients With Cervical Ossification of the Posterior Longitudinal Ligament
2025-Aug-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005227
PMID:39618126
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 775 | 2025-10-06 |
Multimodal Deep Learning for Grading Carpal Tunnel Syndrome: A Multicenter Study in China
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.02.043
PMID:40157849
|
研究论文 | 开发用于腕管综合征分级的多模态深度学习模型CTSGrader，整合临床信息和多模态超声特征 | 首次开发结合临床信息和多模态超声特征的联合深度学习模型用于CTS分级，并进行多中心验证和跨设备测试 | 回顾性研究设计，需要进一步前瞻性验证 | 通过深度学习模型改进腕管综合征的严重程度分级 | 腕管综合征患者 | 医学影像分析 | 腕管综合征 | 超声成像，电生理检查 | 深度学习模型 | 超声图像，临床数据 | 训练集680例，内部验证集173例，外部验证集174例，跨设备验证集224例 | NA | CTSGrader | AUC，准确率 | NA |
| 776 | 2025-10-06 |
Deep learning-based prediction of enhanced CT scans for lymph node metastasis in esophageal squamous cell carcinoma
2025-Aug, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01780-y
PMID:40214915
|
研究论文 | 本研究开发了一种结合CNN和LSTM的深度学习模型LymphoReso-Net，用于基于增强CT图像预测食管鳞癌淋巴结转移 | 提出了新型深度学习框架LymphoReso-Net，结合CNN和LSTM网络处理医学影像数据，并集成GRAD-CAM增强模型可解释性 | 回顾性研究设计，样本量相对有限（441例患者） | 优化食管鳞癌治疗策略，通过预测淋巴结转移改善患者预后 | 食管鳞癌患者 | 计算机视觉 | 食管癌 | 增强CT扫描 | CNN, LSTM | 医学影像 | 441例接受根治性食管切除术和区域淋巴结清扫术的ESCC患者 | NA | LymphoReso-Net | 准确率, 敏感度, 特异度, AUC-ROC | NA |
| 777 | 2025-10-06 |
Habitat Radiomics and Deep Learning Features Based on CT for Predicting Lymphovascular Invasion in T1-stage Lung Adenocarcinoma: A Multicenter Study
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.04.005
PMID:40253221
|
研究论文 | 本研究基于CT影像开发栖息地放射组学模型，用于预测T1期肺腺癌患者的淋巴血管侵犯 | 首次将栖息地放射组学应用于T1期肺腺癌LVI预测，并通过多中心研究验证其优于传统放射组学和深度学习模型 | 回顾性研究设计，样本量相对有限（349例患者） | 预测T1期肺腺癌患者的淋巴血管侵犯状态 | T1期肺腺癌患者 | 医学影像分析 | 肺癌 | CT成像，K-means聚类算法 | 放射组学模型，栖息地模型，深度学习模型 | CT影像 | 349例T1期肺腺癌患者（来自三个医疗中心） | NA | NA | AUC，校准曲线，决策曲线分析 | NA |
| 778 | 2025-10-06 |
Unsupervised deep clustering of high-resolution satellite imagery reveals phenotypes of urban development in Sub-Saharan Africa
2025-Aug-01, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.179739
PMID:40480170
|
研究论文 | 使用无监督深度学习和高分辨率卫星图像对撒哈拉以南非洲城市发展表型进行聚类分析 | 提出新颖的分层深度学习框架，首次在缺乏传统数据的地区实现近实时城市监测 | 研究仅限于撒哈拉以南非洲四个城市，可能不适用于其他地理特征的城市 | 开发无监督深度学习方法以表征多维城市环境特征 | 撒哈拉以南非洲城市（阿克拉、达喀尔、达累斯萨拉姆、基加利）的卫星图像 | 计算机视觉 | NA | 卫星遥感成像 | 深度学习聚类 | 高分辨率卫星图像 | 四个非洲城市的卫星图像数据集 | NA | 分层深度学习框架 | 聚类一致性、区域分布百分比 | NA |
| 779 | 2025-10-06 |
Enhanced deep learning framework for real-time instrument detection and tracking in laparoscopic surgery using advanced augmentation and tracking techniques
2025-Aug, Surgical endoscopy
DOI:10.1007/s00464-025-11932-w
PMID:40588604
|
研究论文 | 开发了一个增强的深度学习框架，用于腹腔镜手术中实时器械检测与跟踪 | 集成YOLOv9n与先进跟踪算法ByteTrack和BoT-SORT，在快速运动和部分遮挡情况下仍能保持稳健跟踪性能 | 仅使用单一数据集(m2cai16-tool-locations)进行评估，未在更广泛临床场景中验证 | 提高微创手术中手术器械的实时检测与跟踪精度，优化手术工作流程 | 腹腔镜手术器械 | 计算机视觉 | NA | 深度学习，计算机视觉 | CNN | 图像 | m2cai16-tool-locations检测数据集 | NA | YOLOv9n, YOLOv8n, YOLOv5n, YOLOv11n, Faster R-CNN | 平均精度(mAP50), 推理速度 | NA |
| 780 | 2025-10-06 |
AI-Assisted Post Contrast Brain MRI: Eighty Percent Reduction in Contrast Dose
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.10.026
PMID:39592383
|
研究论文 | 本研究提出一种深度学习方法来预测仅使用20%标准剂量钆对比剂的多参数MRI生成全剂量对比增强T1w图像 | 首次使用深度学习从低剂量(20%)对比剂MRI合成全剂量对比增强图像，实现80%的对比剂剂量减少 | 研究样本量相对较小(101例患者)，且仅针对特定脑部疾病患者群体 | 在保证诊断准确性的前提下减少钆对比剂使用剂量 | 101例患有白质疾病、小血管疾病、肿瘤或肿块、术后改变和无增强病变的患者 | 医学影像分析 | 脑部疾病 | 多参数脑部MRI | 深度学习网络 | MRI图像 | 101例患者 | NA | NA | SSIM, PSNR, Likert量表评分, 非劣效性检验 | NA |