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 1445 篇文献，本页显示第 1161 - 1180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1161 | 2025-10-06 |
Feasibility of fully automatic assessment of cervical canal stenosis using MRI via deep learning
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-67
PMID:40893491
|
研究论文 | 本研究开发并验证了一种基于深度学习的全自动评估颈椎管狭窄程度的AI算法 | 首次开发了全自动评估颈椎管狭窄的深度学习模型，结合CNN和Transformer架构，实现了多中心验证 | 回顾性研究，排除了有脊柱内固定或图像质量不佳的患者 | 开发并验证用于评估颈椎管狭窄的人工智能算法 | 颈椎MRI扫描图像 | 医学影像分析 | 颈椎管狭窄 | 磁共振成像(MRI) | CNN, Transformer | 医学影像 | 795名患者（平均年龄55±14岁，346名女性），其中589例用于训练和验证，206例用于内部测试，95例用于外部测试 | NA | CNN用于感兴趣区域检测，Transformer用于分类 | 准确率, 敏感度, 特异度, AUC, 检测精度, 评估者间一致性 | NA |
| 1162 | 2025-10-06 |
Improved image quality and diagnostic performance of coronary computed tomography angiography-derived fractional flow reserve with super-resolution deep learning reconstruction
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2075
PMID:40893520
|
研究论文 | 评估超分辨率深度学习重建算法在改善冠状动脉CT血管成像质量和CT-FFR诊断性能方面的效果 | 首次系统比较超分辨率深度学习重建与传统重建方法在冠状动脉CT血管成像质量和CT-FFR诊断性能方面的差异 | 回顾性研究设计，样本量相对较小（50例患者），仅22例患者有侵入性FFR作为参考标准 | 评估不同图像重建算法对冠状动脉CT血管成像质量和CT-FFR诊断准确性的影响 | 接受冠状动脉CT血管成像和后续侵入性冠状动脉造影的50例患者 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管成像，侵入性冠状动脉造影，分数流储备测量 | 深度学习重建算法 | 医学影像数据 | 50例患者，其中22例包含45个病灶有侵入性FFR结果 | 深度学习框架 | 超分辨率深度学习重建，传统深度学习重建 | 图像噪声，信噪比，边缘锐度，敏感性，特异性，阳性预测值，阴性预测值，准确率，AUC | NA |
| 1163 | 2025-10-06 |
YOLOv8-BCD: a real-time deep learning framework for pulmonary nodule detection in computed tomography imaging
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2025-824
PMID:40893530
|
研究论文 | 提出一种基于YOLOv8改进的实时深度学习框架YOLOv8-BCD，用于CT影像中肺结节的检测 | 集成BiFormer注意力机制、CARAFE上采样方法和DO-DConv增强卷积，并采用SRGAN进行图像增强预处理 | NA | 开发高精度、快速的肺结节检测深度学习框架，促进肺癌早期诊断 | CT影像中的肺结节 | 计算机视觉 | 肺癌 | CT成像 | YOLO, GAN, CNN | 医学影像 | LUNA16数据集的550张CT图像，外加天池肺结节数据集 | PyTorch | YOLOv8, BiFormer, CARAFE, DO-DConv, SRGAN | 准确率, mAP0.5, mAP0.5-0.95, FPS | NA |
| 1164 | 2025-10-06 |
Combining curriculum learning and weakly supervised attention for enhanced thyroid nodule assessment in ultrasound imaging
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-2431
PMID:40893548
|
研究论文 | 本研究结合课程学习和弱监督注意力机制，用于增强超声成像中甲状腺结节的评估准确性 | 首次将课程学习与弱监督注意力网络相结合，通过渐进式训练策略和注意力引导的数据增强来提升模型性能 | 数据集规模较小，可能限制模型的泛化能力 | 提高甲状腺结节分类的诊断准确性 | 甲状腺结节超声图像 | 计算机视觉 | 甲状腺结节 | 超声成像 | 深度学习模型 | 医学图像 | 来自Siriraj医院的验证数据集 | NA | 弱监督注意力网络 | 精确率, 召回率, F1分数 | NA |
| 1165 | 2025-10-06 |
Deep learning-based automated assessment of hepatic fibrosis via magnetic resonance images and nonimage data
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2506
PMID:40893541
|
研究论文 | 开发基于深度学习的自动化系统，通过磁共振图像和非图像数据评估肝纤维化分期 | 首次将深度学习算法与临床非成像数据（血清生物标志物、病毒状态和扫描仪参数）相结合用于肝纤维化分期 | 回顾性研究设计，样本量相对有限（500例患者） | 评估深度学习算法在肝纤维化分期和鉴别诊断中的性能 | 慢性肝病患者和健康个体 | 医学影像分析 | 肝纤维化 | 磁共振成像 | 深度学习 | 图像, 临床数据 | 500名来自两个医疗中心的患者 | NA | NA | AUROC, 敏感性, 特异性 | NA |
| 1166 | 2025-10-06 |
Influence of preprocessing of stimulated Raman scattering images on the performance of deep neural networks for detecting cancer tissue
2025-Sep-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-2024-2608
PMID:40893563
|
研究论文 | 本研究探讨了受激拉曼散射图像预处理方法对深度学习网络在癌症组织检测中性能的影响 | 首次系统比较了五种不同预处理方法和六种深度学习架构在受激拉曼散射图像癌症检测中的性能表现 | 研究仅基于542张图像样本，样本量相对有限 | 评估不同预处理技术对深度学习算法在癌症组织分类中性能的影响 | 口腔鳞状细胞癌和非小细胞肺癌患者的组织样本图像 | 计算机视觉 | 口腔癌,肺癌 | 受激拉曼散射成像 | CNN,Transformer | 图像 | 542张组织样本图像 | NA | VGG19,ResNet50,InceptionResNetV2,Xception,ConvNeXt,Vision Transformer | 平衡准确率,精确率,召回率,F1分数 | NA |
| 1167 | 2025-09-06 |
Deep Learning-Based Multimodal Prediction of NAC Response in LARC by Integrating MRI and Proteomics
2025-Sep-01, Cancer research and treatment
IF:4.1Q2
DOI:10.4143/crt.2025.707
PMID:40907572
|
研究论文 | 本研究开发了一种基于深度学习的多模态框架，整合MRI和蛋白质组学数据预测局部晚期直肠癌患者对新辅助化疗的反应 | 首次将图神经网络与空间增强3D ResNet152结合，整合MRI空间信息和蛋白质组学分子机制，显著提升预测性能 | 回顾性研究设计，样本量相对有限（274例患者），需外部验证确认泛化能力 | 提高局部晚期直肠癌患者对新辅助化疗反应预测的准确性和生物学洞察 | 274例接受新辅助化疗的局部晚期直肠癌患者 | 数字病理 | 直肠癌 | 蛋白质组学分析、MRI成像、KEGG/GO通路分析、PPI网络构建 | 图神经网络、3D ResNet152、LightGBM分类器 | 医学影像（T2WI MRI）、蛋白质组学数据、临床特征 | 274例局部晚期直肠癌患者 | NA | NA | NA | NA |
| 1168 | 2025-09-06 |
Semi-supervised graph learning for underwater source localization using ship-of-opportunity spectrograms
2025-Sep-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0039042
PMID:40910787
|
研究论文 | 提出一种基于半监督图学习的声源定位方法，利用机会船只频谱图进行水下声源定位 | 引入图学习模块有效捕捉数据空间相关性，采用两阶段训练策略（自监督特征提取+半监督图神经网络）解决标注数据稀缺问题 | NA | 水下声源的精确定位 | 机会船只产生的中频声学宽带信号（360-1100 Hz） | 机器学习 | NA | 频谱分析，k近邻算法 | CNN，图神经网络 | 频谱图 | 2017年海底特征实验（SBCEX 2017）收集的合成和实测数据 | NA | NA | NA | NA |
| 1169 | 2025-09-06 |
Analysis of influencing factors and the most probable transition pathway in the narrow escape problem for molecular systems based on deep learning method
2025-Sep-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0288558
PMID:40910856
|
研究论文 | 本研究利用物理信息神经网络分析不规则域中的分子窄逃逸问题，探索关键参数对逃逸行为的影响及最可能过渡路径 | 首次将物理信息神经网络应用于分子窄逃逸问题，有效处理复杂域并揭示扩散系数等参数对逃逸概率的独特影响规律 | 未明确说明具体分子系统类型及实验验证环节 | 研究分子在复杂环境中的逃逸行为机制及优化逃逸效率 | 分子系统在随机过程中的逃逸行为 | 机器学习 | NA | 物理信息神经网络(PINNs) | PINNs | 模拟数据 | NA | NA | NA | NA | NA |
| 1170 | 2025-10-06 |
Energy-efficient human-like trajectory planning for wheeled robots in unstructured environments based on the RCSM-PL network
2025-Sep-19, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2025.113296
PMID:40894869
|
研究论文 | 提出一种基于深度学习的仿人轨迹规划方法，用于降低轮式机器人在非结构化环境中的能耗 | 结合多维注意力机制的CNN和改进的LSTM网络，在门控更新模块中加入状态信息，并引入功率、速度和角速度作为约束条件 | NA | 解决轮式机器人在城市巡检和非结构化环境中能耗过高的问题 | 轮式机器人的轨迹规划 | 机器学习和计算机视觉 | NA | 深度学习 | CNN, LSTM | 驾驶场景图像、雷达地图 | NA | NA | 具有多维注意力机制的CNN、改进的LSTM | 累积功耗、轨迹预测精度 | NA |
| 1171 | 2025-10-06 |
Influence of Additional Gaussian Noises on Mixed Quantum-Classical Nonadiabatic Dynamics Simulations of Photoisomerization of cis-Azobenzene
2025-Sep-04, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c01986
PMID:40863108
|
研究论文 | 研究高斯噪声对顺式偶氮苯光异构化混合量子-经典非绝热动力学模拟的影响 | 首次系统研究量子计算和深度学习产生的固有噪声对非绝热动力学模拟的影响，并提出分支校正表面跳跃方法对噪声不敏感 | 仅研究顺式偶氮苯体系，噪声影响可能因分子体系而异 | 探究附加噪声对非绝热动力学模拟稳定性和结果的影响 | 顺式偶氮苯分子的光异构化过程 | 计算化学 | NA | 表面跳跃方法、Ehrenfest平均场动力学、量子-经典混合动力学 | NA | 量子化学计算数据、动力学轨迹数据 | NA | NA | NA | 激发态寿命、数值稳定性 | NA |
| 1172 | 2025-10-06 |
A deep learning-clinical nomogram hybrid for predicting sentinel lymph node metastasis in melanoma
2025-Sep-03, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.70000
PMID:40900446
|
研究论文 | 开发了一种结合深度学习和临床列线图的混合模型，用于预测黑色素瘤前哨淋巴结转移 | 首次将聚类约束注意力多实例学习模型与临床列线图相结合，开发出高性能的混合预测模型MISSLE | 单中心研究设计且主要为日本人群队列，限制了模型的普适性 | 预测侵袭性黑色素瘤患者的前哨淋巴结转移，辅助前哨淋巴结活检决策 | 78例侵袭性皮肤黑色素瘤患者（43例SLNM阳性，35例SLNM阴性） | 数字病理学 | 黑色素瘤 | 苏木精-伊红染色全切片成像 | 多实例学习,集成学习 | 病理图像,临床数据 | 78例患者，分为训练集60例和测试集18例 | CLAM | ResNet50,CLAM-R50 | AUROC | NA |
| 1173 | 2025-10-06 |
Resting-State Functional MRI: Current State, Controversies, Limitations, and Future Directions-AJR Expert Panel Narrative Review
2025-Sep-03, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.32163
PMID:39660823
|
综述 | 本专家小组叙述性综述总结了静息态功能磁共振成像的现状、争议、局限性和未来发展方向 | 系统梳理rs-fMRI在临床术前脑功能定位中的应用现状，并探讨深度学习解决方案和未来发展方向 | 采集、预处理和分析方法缺乏标准化，结果解释存在变异性，语言偏侧化可靠性问题，患者间认知网络表征变异性，神经血管解耦对网络检测的影响 | 评估rs-fMRI在临床术前脑功能定位中的当前状态和新兴临床应用价值 | 静息态功能磁共振成像技术及其在神经疾病治疗中的应用 | 医学影像分析 | 神经系统疾病 | 静息态功能磁共振成像 | NA | 功能磁共振成像数据 | NA | NA | NA | NA | NA |
| 1174 | 2025-09-05 |
Ex Vivo Training in the "Root Removal First" Strategy Extraction Method Using a Deep Learning-Based CBCT Recognition System and PVC Resin Model
2025-Sep-03, Journal of dental education
IF:1.4Q3
DOI:10.1002/jdd.70029
PMID:40899117
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1175 | 2025-10-06 |
Use of Client-Side Machine Learning Models for Privacy-Preserving Healthcare Predictions - A Deployment Case Study
2025-Sep-03, Studies in health technology and informatics
DOI:10.3233/SHTI251408
PMID:40899553
|
研究论文 | 本文展示了一种在Web浏览器中完全执行医疗预测模型的隐私保护方法 | 提出客户端机器学习模型部署方法，确保患者数据无需传输到外部服务器 | NA | 开发隐私保护的医疗预测模型部署方案 | 医疗预测模型 | 机器学习 | NA | NA | Random Forest, CNN | NA | NA | TensorFlow.js, ONNX Runtime Web, JavaScript | 优化卷积神经网络 | 原始性能指标 | Web浏览器环境 |
| 1176 | 2025-10-06 |
Classifying the AMi-Br Mitotic Figure Dataset with AUCMEDI
2025-Sep-03, Studies in health technology and informatics
DOI:10.3233/SHTI251413
PMID:40899557
|
研究论文 | 本研究使用AUCMEDI深度学习框架对AMi-Br数据集中的八种有丝分裂亚型进行分类 | 首次将AUCMEDI框架应用于AMi-Br数据集，并采用基于ConvNeXt的集成方法和患者级交叉验证策略进行八分类任务 | 不同有丝分裂亚型的敏感度差异显著（0-82%），反映了数据集固有的挑战性 | 开发自动化方法区分典型和非典型有丝分裂图形 | 乳腺癌样本中的有丝分裂图形 | 数字病理学 | 乳腺癌 | 深度学习 | CNN | 病理图像 | AMi-Br数据集（包含八个有丝分裂亚类，四个典型有丝分裂图形和四个非典型有丝分裂图形） | AUCMEDI | ConvNeXt | 特异性, 敏感度, AUC | NA |
| 1177 | 2025-10-06 |
All That Glitters Is Not Gold: Importance of Rigorous Evaluation of Proteochemometric Models
2025-Sep-03, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00395
PMID:40899589
|
研究论文 | 本研究通过激酶-配体生物活性预测系统评估了蛋白质化学计量学模型的严格评估标准 | 首次系统性地揭示了数据划分和类别不平衡对PCM模型性能的关键影响，并通过置换测试证明蛋白质嵌入对模型效能的贡献有限 | 研究主要基于激酶-配体生物活性预测系统，结论在其他蛋白家族中的普适性需要进一步验证 | 评估蛋白质化学计量学模型的严格评估标准并提升模型泛化能力 | 激酶-配体生物活性预测系统 | 机器学习 | NA | 蛋白质化学计量学建模 | 机器学习,深度学习 | 蛋白质和配体表征数据 | NA | NA | NA | 置换测试,泛化能力评估 | NA |
| 1178 | 2025-10-06 |
One scan, many stories: deep learning for signal separation in multi-tracer PET imaging
2025-Sep-03, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ae02db
PMID:40902629
|
研究论文 | 本文开发了一种用于多示踪剂PET成像中信号分离的深度学习方法 | 使用单一扫描即可实现多示踪剂PET成像中的信号分离 | NA | 开发多示踪剂PET成像中的信号分离技术 | 多示踪剂PET成像数据 | 医学影像分析 | NA | PET成像 | 深度学习 | PET影像 | NA | NA | NA | NA | NA |
| 1179 | 2025-09-05 |
Correction: Deep learning based classification of tibio-femoral knee osteoarthritis from lateral view knee joint X-ray images
2025-Sep-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-17772-x
PMID:40903478
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1180 | 2025-10-06 |
Accurately Predicting Cell Type Abundance from Spatial Histology Image Through HPCell
2025-Sep-03, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-025-00757-9
PMID:40903657
|
研究论文 | 提出HPCell深度学习框架，直接从H&E染色组织学图像预测细胞类型丰度 | 首个直接从组织学图像估计细胞类型丰度的框架，结合病理基础模块、超图模块和Transformer模块的多模态架构 | 未明确说明模型在跨机构数据上的泛化能力及计算效率的具体指标 | 开发从组织学图像预测细胞类型丰度的低成本方法 | 空间转录组学数据和组织学图像中的细胞类型 | 数字病理学 | NA | 空间转录组学，H&E染色 | 深度学习，Transformer | 组织学图像，全切片图像 | 多个空间转录组学数据集（未指定具体数量） | NA | Transformer，超图神经网络 | NA | NA |