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 781 - 800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2025-10-06 |
A multi-stage 3D convolutional neural network algorithm for CT-based lung segment parcellation
2025-Aug, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70193
PMID:40698834
|
研究论文 | 开发了一种基于3D卷积神经网络的CT图像肺段分割算法 | 提出多阶段3D CNN算法，通过气道中心线检测和三级支气管识别实现端到端肺段分割 | COPD患者的分割结果与健康对照组相比存在更大不匹配 | 验证基于深度学习的CT肺段分割算法的临床适用性 | 混合气道疾病患者的胸部CT图像 | 计算机视觉 | 慢性阻塞性肺疾病 | CT成像 | CNN | 3D医学图像 | 123例训练CT图像，20例内部验证，20例外部验证（10例健康人，10例COPD患者） | NA | 3D卷积神经网络 | Dice系数, 包含率 | NA |
| 782 | 2025-10-06 |
Gradient-driven pixel connectivity convolutional neural networks classification based on U-Net lung nodule segmentation
2025-Aug, Medical engineering & physics
IF:1.7Q3
DOI:10.1016/j.medengphy.2025.104376
PMID:40701761
|
研究论文 | 提出一种基于U-Net肺结节分割和梯度驱动像素连接卷积神经网络的肺结节分类诊断辅助系统 | 结合U-Net分割网络与梯度驱动像素连接CNN分类器，实现肺结节的多层次特征分析与分类 | 仅使用LUNA16数据集，未在其他数据集验证模型泛化能力 | 开发基于深度学习的肺结节早期检测与分类系统 | CT图像中的肺结节 | 计算机视觉 | 肺癌 | 计算机断层扫描(CT) | CNN, U-Net | 医学图像 | LUNA16数据集 | NA | U-Net | 准确率, Dice相似系数 | NA |
| 783 | 2025-10-06 |
An enhanced UHMWPE wear particle detection approach based on YOLOv9
2025-Aug, Medical engineering & physics
IF:1.7Q3
DOI:10.1016/j.medengphy.2025.104377
PMID:40701762
|
研究论文 | 提出一种基于改进YOLOv9的UHMWPE磨损颗粒自动检测方法 | 集成可编程梯度信息(PGI)和广义高效层聚合网络(GELAN)提升小目标检测精度，采用定制化Focal Loss函数解决类别不平衡问题 | NA | 开发自动化UHMWPE磨损颗粒检测技术以替代传统人工检测 | 超高分子量聚乙烯(UHMWPE)磨损颗粒 | 计算机视觉 | 骨科疾病 | 场发射枪扫描电子显微镜(FEG-SEM) | YOLO | 图像 | NA | NA | YOLOv9, YOLOv5, YOLOv8, Faster R-CNN | 平均精度均值(mAP) | NA |
| 784 | 2025-10-06 |
Multimodal integration of longitudinal noninvasive diagnostics for survival prediction in immunotherapy using deep learning
2025-Aug-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocaf074
PMID:40418276
|
研究论文 | 本研究开发了一种新型多模态Transformer时序注意力网络，通过整合纵向非侵入性诊断数据来预测免疫治疗患者的生存率 | 提出了MMTSimTA网络架构，结合了时序注意力和多模态融合技术，专门用于处理纵向多模态医疗数据 | 研究基于单一中心的694名患者数据，需要外部验证来确认模型的泛化能力 | 利用深度学习整合多模态纵向数据改进免疫治疗患者的生存预测 | 694名接受免疫治疗的泛癌种患者 | 医疗人工智能 | 癌症 | CT成像、血液检测、药物治疗记录 | Transformer, 人工神经网络 | 纵向多模态数据（血液测量值、用药记录、CT器官体积） | 694名患者 | NA | MMTSimTA（多模态Transformer时序注意力网络） | AUC（曲线下面积） | NA |
| 785 | 2025-10-06 |
Continual learning across population cohorts with distribution shift: insights from multi-cohort metabolic syndrome identification
2025-Aug-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocaf070
PMID:40498469
|
研究论文 | 本研究通过持续学习方法解决代谢综合征识别中因医院与非医院环境分布偏移导致的灾难性遗忘问题 | 提出在医疗环境中应用持续学习策略，并发现训练顺序（从医院到非医院环境）对模型性能有显著影响 | 仅使用三个医疗数据集，可能无法完全代表所有现实医疗场景的分布偏移情况 | 开发能够适应不同医疗环境分布偏移的深度学习模型，提高代谢综合征识别的准确性和泛化能力 | 代谢综合征患者 | 机器学习 | 代谢综合征 | 深度学习 | 深度学习模型 | 医疗数据 | 三个医疗数据集（MIMIC、NHANES和专有数据集） | NA | NA | AUROC, 精确召回曲线下面积 | NA |
| 786 | 2025-10-06 |
StarNet: Indian star gooseberries dataset for quality and maturity assessment
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111825
PMID:40687364
|
研究论文 | 本文介绍了用于印度星醋栗质量与成熟度评估的StarNet数据集 | 创建了首个专门针对印度星醋栗的多类别图像数据集，包含不同成熟阶段、排列方式和标注样本 | 数据集仅包含792张图像样本，可能需要在更大规模数据上验证模型性能 | 开发自动化计算机视觉模型用于水果质量评估和分级 | 印度星醋栗水果 | 计算机视觉 | NA | 图像采集 | NA | 图像 | 792张星醋栗图像样本 | NA | NA | NA | NA |
| 787 | 2025-10-06 |
Okra disease dataset for classification and segmentation: Dataset collection, analysis and applications
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111662
PMID:40687361
|
研究论文 | 本文介绍了一个用于秋葵叶片疾病分类和分割的综合数据集，包含2500张在印度实地采集的图像 | 这是首个公开的印度秋葵叶片疾病数据集，在真实世界条件下采集，包含光照、叶片位置和环境因素的自然变化 | 数据集规模有限，未来需要扩展更多图像以包含不同生长阶段和环境条件 | 为早期植物疾病分类、检测和分割研究提供基准资源 | 秋葵叶片图像，包括健康叶片和五种疾病类别 | 计算机视觉 | 植物疾病 | 图像采集 | 深度学习模型 | 图像 | 2500张秋葵叶片图像，包含6个类别（1个健康类+5个疾病类） | NA | NA | NA | NA |
| 788 | 2025-10-06 |
InterDuPa-UAV: A UAV-based dataset for the classification of intercropped durian and papaya trees
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111843
PMID:40687368
|
研究论文 | 本文提出了一个基于无人机图像的榴莲和木瓜间作树木分类数据集 | 创建了首个专门针对榴莲和木瓜间作树木的无人机图像数据集，为多树种分类和精准农业决策提供资源 | 数据集仅包含两种树种，且来自单一混合种植园，可能限制模型的泛化能力 | 开发用于精准农业的多树种分类和空间模式分析的数据资源 | 间作种植的榴莲树和木瓜树 | 计算机视觉 | NA | 无人机航拍 | NA | 图像 | 311张无人机图像，包含3327张榴莲树图像和2872张木瓜树图像 | NA | NA | NA | NA |
| 789 | 2025-10-06 |
Current challenges and opportunities in active and passive data collection for mobile health sensing: a scoping review
2025-Aug, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooaf025
PMID:40688708
|
综述 | 本文通过范围综述分析了移动健康感知中主动和被动数据收集面临的挑战与机遇 | 首次系统性地识别和分析了移动健康感知中主动与被动数据收集并存的挑战，并提出了机器学习优化方案 | 仅纳入77项研究，可能未涵盖所有相关文献；仅关注同时收集主动和被动数据的研究 | 分析移动健康感知中数据收集的挑战并探索解决方案 | 使用移动和泛在设备进行健康数据收集的研究 | 机器学习 | NA | 移动感知技术 | NA | 主动数据和被动移动感知数据 | 77项符合纳入标准的研究 | NA | NA | NA | NA |
| 790 | 2025-10-06 |
A modular deep learning pipeline for enhanced plane-wave beamforming and B-mode image quality
2025-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17948
PMID:40698752
|
研究论文 | 提出一种模块化深度学习管道，用于增强平面波波束成形和B模式图像质量 | 将波束成形过程分为两个模块：基于多注意力U-Net的模型用于捕获时延数据中的复杂依赖关系，以及超分辨率模型用于缩放到原始B模式图像网格 | 同时管理两个模型增加了复杂性 | 克服传统波束成形方法的限制，提高平面波图像质量和模块化程度 | 超声成像中的平面波技术 | 医学影像处理 | NA | 平面波超声成像 | U-Net, 超分辨率模型 | 模拟数据、实验数据、体内数据 | PICMUS数据集中的模拟、实验和体内数据 | NA | 多注意力U-Net, 超分辨率模型 | 对比噪声比(CNR), 对比度比(CR), 广义对比噪声比(gCNR), 分辨率 | NA |
| 791 | 2025-05-02 |
Enhancing the Diagnostic Accuracy of Deep Learning-Based CTS Grading Could Expand Its Clinical Applicability
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.04.022
PMID:40307112
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 792 | 2025-07-23 |
Prediction of EGFR Mutations in Lung Adenocarcinoma via CT Images: A Comparative Study of Intratumoral and Peritumoral Radiomics, Deep Learning, and Fusion Models
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.04.029
PMID:40328536
|
研究论文 | 本研究通过CT图像的放射组学和深度学习方法分析肺腺癌患者的肿瘤内和肿瘤周围特征，并开发验证了一种多模型融合策略来预测表皮生长因子受体（EGFR）突变状态 | 结合肿瘤内和肿瘤周围区域的放射组学与深度学习模型，采用软投票策略的多模态融合方法，显著提高了预测性能 | 研究基于回顾性数据，可能存在选择偏差 | 预测肺腺癌患者的EGFR突变状态 | 826名肺腺癌患者的CT图像数据 | 数字病理 | 肺腺癌 | 放射组学特征提取、深度学习 | Lasso、多种机器学习算法、nnUNet、2D/2.5D/3D深度学习模型 | CT图像 | 826名患者（来自两家医院） | NA | NA | NA | NA |
| 793 | 2025-07-23 |
Cutoff SUVR of [18F]Florapronol PET for Differentiating Alzheimer's Dementia from Normal Controls: Insights from ROC Analysis and Partial Volume Correction
2025-Aug, Nuclear medicine and molecular imaging
IF:1.3Q3
DOI:10.1007/s13139-025-00911-7
PMID:40686829
|
research paper | 本研究旨在通过[18F]florapronol PET成像和深度学习自动量化软件，建立一个可靠的SUVR截止阈值来区分阿尔茨海默病（AD）患者与正常对照（NC）个体 | 结合部分体积校正（PVC）与SUVR分析以提高AD诊断准确性，并通过深度学习自动量化软件建立标准化的SUVR阈值 | 研究排除了轻度认知障碍（MCI）患者，样本量相对较小（n=141） | 建立可靠的SUVR截止阈值以区分AD患者与NC个体，并评估PVC对诊断准确性的影响 | 55名AD患者（排除MCI）和86名NC对照 | digital pathology | Alzheimer's disease | [18F]florapronol PET imaging, deep learning-based automated quantification | deep learning | PET imaging data | 141 participants (55 AD patients and 86 NC controls) | NA | NA | NA | NA |
| 794 | 2025-07-23 |
Modern statistical techniques for cardiothoracic surgeons: Part 8-Bayesian analysis and beyond
2025-Aug, Indian journal of thoracic and cardiovascular surgery
IF:0.7Q4
DOI:10.1007/s12055-025-01941-8
PMID:40693004
|
研究论文 | 本文探讨了贝叶斯分析和机器学习在心胸外科研究中的应用及其潜力 | 结合贝叶斯分析和机器学习，整合先验知识与数据驱动分析，为心胸外科研究提供新的统计方法 | 未具体说明实际应用案例或实验验证结果 | 探讨现代统计技术在心胸外科研究中的应用 | 心胸外科研究中的统计方法 | 机器学习 | 心血管疾病 | 贝叶斯分析、深度学习、聚类 | NA | 大型数据集 | NA | NA | NA | NA | NA |
| 795 | 2025-07-22 |
Ensemble learning approach for detecting breast invasive ductal carcinoma from histopathological images
2025-Aug, Pathology, research and practice
DOI:10.1016/j.prp.2025.156041
PMID:40460639
|
研究论文 | 本文提出了一种集成学习方法，用于从组织病理学图像中检测乳腺浸润性导管癌 | 结合多种深度学习模型的优势，提出加权平均集成算法，显著提高诊断准确性和鲁棒性 | 未提及模型在临床环境中的实际应用验证及对不同分辨率图像的普适性 | 提高乳腺浸润性导管癌的诊断准确率 | 乳腺组织病理学切片图像 | 数字病理学 | 乳腺癌 | 深度学习集成方法 | ResNet50, Xception, MobileNetV2, VGG16, VGG19的集成模型 | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 796 | 2025-07-22 |
Machine learning-based histopathological features of histological slides and clinical characteristics as a novel prognostic indicator in diffuse large B-cell lymphoma
2025-Aug, Pathology, research and practice
DOI:10.1016/j.prp.2025.156071
PMID:40499499
|
研究论文 | 本研究开发并验证了一种基于临床和组织病理学特征的深度学习模型，用于预测弥漫性大B细胞淋巴瘤（DLBCL）的预后 | 结合临床特征和组织病理学特征，开发了一种新型的非侵入性预后预测方法 | 样本量相对较小（194例患者），且仅基于单一机构的回顾性数据 | 预测弥漫性大B细胞淋巴瘤（DLBCL）患者的预后 | 194例DLBCL患者的全切片图像和临床特征 | 数字病理学 | 弥漫性大B细胞淋巴瘤 | 深度学习，Cox回归分析，AUC分析，校准曲线，决策曲线分析（DCA） | 深度学习模型 | 图像（全切片图像），临床数据 | 194例患者 | NA | NA | NA | NA |
| 797 | 2025-10-06 |
Exploring Machine Learning Models for Vault Safety in ICL Implantation: A Comparative Analysis of Regression and Classification Models
2025-Aug, Ophthalmology and therapy
IF:2.6Q2
DOI:10.1007/s40123-025-01173-4
PMID:40493108
|
研究论文 | 本研究比较了回归和分类机器学习模型在预测ICL植入术后拱高安全性的性能 | 首次系统比较回归和分类方法在ICL术后拱高预测中的表现，发现分类模型在临床应用方面更具优势 | 所有模型在预测极端拱高类别时都面临挑战，准确性有待提高 | 评估机器学习模型在预测ICL植入术后拱高方面的性能 | 接受ICL V4c植入术患者的生物特征和人口统计学数据 | 机器学习 | 眼科疾病 | 机器学习建模 | 梯度提升, 随机森林, CatBoost | 生物特征数据, 人口统计学数据 | NA | NA | 梯度提升, 随机森林, CatBoost | 平均绝对误差, 均方根误差, 准确率, F1分数, AUC | NA |
| 798 | 2025-10-06 |
Artificial intelligence and first-principle methods in protein redesign: A marriage of convenience?
2025-Aug, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.70210
PMID:40671352
|
研究论文 | 本文验证并比较了蛋白质重新设计中广泛使用的深度学习工具与第一性原理方法，探索了它们的组合应用 | 开发了TriCombine工具识别残基三角形并基于替换频率评分突变体，提出了AI建模工具与力场评分函数结合的混合策略 | 所有方法在应用于未解析的从头设计模型时性能下降，逆折叠工具在代表性不足的蛋白质上准确性降低 | 评估蛋白质重新设计工具的效能并探索治疗性重定向的潜力 | 蛋白质变体、SH3突变体、GB1突变体、天然和从头设计结构域 | 计算生物学 | NA | 深度学习、第一性原理方法、力场计算、逆折叠工具 | 深度学习模型 | 蛋白质结构数据、突变体数据、晶体结构 | 16个SH3突变体、36个突变体、11个晶体结构、160,000个GB1四站点突变体、163,555个变体覆盖179个结构域 | NA | AlphaFold2 | 序列恢复准确性、突变效应检测准确性 | NA |
| 799 | 2025-10-06 |
A dataset for classifying phrases and sentences into statements, questions, or exclamations based on sound pitch
2025-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2025.111826
PMID:40677266
|
研究论文 | 本文介绍了基于声音音调将短语和句子分类为陈述句、疑问句或感叹句的数据集SQEBSP | 创建了首个针对库尔德语的韵律分类数据集，包含12,660个专业录制的语音片段，特别关注音调变化在低资源语言中的语义重要性 | 数据集仅限于库尔德语和伊拉克库尔德斯坦地区的方言，可能不适用于其他语言或方言 | 开发基于音调的语音分类算法，推进低资源语言的发音建模 | 431名伊拉克库尔德斯坦地区的母语库尔德语使用者 | 自然语言处理 | NA | 语音录制，Mel频率倒谱系数(MFCCs)分析 | NA | 语音音频 | 12,660个语音片段，来自431名说话者，每个韵律类别约4,200个样本 | NA | NA | NA | NA |
| 800 | 2025-10-06 |
Enhanced accuracy and stability in automated intra-pancreatic fat deposition monitoring of type 2 diabetes mellitus using Dixon MRI and deep learning
2025-Aug, Abdominal radiology (New York)
DOI:10.1007/s00261-025-04804-3
PMID:39841227
|
研究论文 | 开发基于Dixon MRI和深度学习的自动化胰腺内脂肪沉积监测方法，用于2型糖尿病风险评估 | 结合深度语义分割特征放射组学与传统放射组学特征，构建深度学习放射组学模型，显著提升胰腺内脂肪沉积评估的准确性和稳定性 | 回顾性研究设计，前驱糖尿病患者样本量有限导致部分测试未能进行 | 开发准确自动的胰腺内脂肪沉积评估方法以监测2型糖尿病风险 | 来自两个中心的534名接受上腹部MRI检查的患者 | 医学影像分析 | 2型糖尿病 | Dixon MRI，多回波和双回波序列 | 深度学习，支持向量机 | MRI图像 | 534名患者（来自两个医疗中心） | nnU-Net | U-Net | AUC，Dice相似系数，组内相关系数 | NA |