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 1103 篇文献，本页显示第 561 - 580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 561 | 2025-11-01 |
Malignant pleural mesothelioma classification and survival prediction with CT imaging using ResNet
2025-Oct-30, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-12094-y
PMID:41168494
|
研究论文 | 本研究使用ResNet-3D-18模型通过CT影像区分恶性胸膜间皮瘤和转移性胸膜疾病，并预测患者总生存期 | 首次将深度学习模型同时应用于恶性胸膜间皮瘤的分类诊断和生存预测，证明形态学特征包含预后信息 | 回顾性研究设计，样本量相对有限（共385例），需要外部验证 | 实现恶性胸膜间皮瘤与转移性胸膜疾病的准确区分及生存期预测 | 恶性胸膜间皮瘤患者和转移性胸膜疾病患者 | 计算机视觉 | 肺癌 | CT成像 | CNN | 医学影像 | 385例患者（85例恶性胸膜间皮瘤，290例转移性胸膜疾病） | PyTorch | ResNet-3D-18 | AUC, 准确率, 敏感度, 特异度, 阳性预测值, 阴性预测值 | NA |
| 562 | 2025-11-01 |
Intelligent Diagnosis of Follicular Carcinoma Thyroid Cancer with a Novel Deep Learning Model
2025-Oct-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01723-z
PMID:41168629
|
研究论文 | 开发一种新型可解释深度学习模型用于术前区分甲状腺滤泡癌和滤泡腺瘤 | 首次提出端到端图卷积网络，显式利用肿瘤边界这一关键诊断特征，并采用最大码率减少损失优化特征判别能力 | 样本量相对有限，仅包含577名患者 | 开发可靠的AI辅助甲状腺癌诊断方法 | 甲状腺滤泡癌(FTC)和滤泡腺瘤(FTA)患者 | 计算机视觉 | 甲状腺癌 | 超声成像 | 图卷积网络 | 超声图像 | 577名患者(435名女性，142名男性)，共4358张甲状腺超声图像 | NA | 图卷积网络 | 准确率,AUC | NA |
| 563 | 2025-11-01 |
Endoscopic Ultrasound of Pancreatic Tumors: A Dataset with Benchmarks for Convolutional Neural Network Classifiers
2025-Oct-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01729-7
PMID:41168630
|
研究论文 | 本文介绍了一个用于胰腺肿瘤分类的新型内镜超声数据集，并提供了基于卷积神经网络的基准测试结果 | 提出了首个专门用于胰腺肿瘤分析的内镜超声数据集，包含7825张图像和对应的分割掩码，并提供了分类、分割和可解释性AI的基准结果 | 分类模型性能与可解释性之间存在差距，软DICE评分较低（8.69%-40.81%） | 推进胰腺癌计算机辅助诊断研究，提供标准数据集和基准测试 | 606名患者的7825张内镜超声图像，包含肿瘤（175次检查）和无肿瘤（431次检查）两类 | 数字病理 | 胰腺癌 | 内镜超声 | CNN | 图像 | 606名患者的7825张内镜超声图像 | NA | EfficientNetV2, U-Net | 准确率, AUC, Dice系数, 软Dice评分 | NA |
| 564 | 2025-11-01 |
ProtoMM: Interpretable Prototype-Based Multimodal Model for Brain Cancer Survival Prediction
2025-Oct-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01713-1
PMID:41168627
|
研究论文 | 提出一种基于原型的可解释多模态模型ProtoMM，用于脑癌生存预测 | 采用自解释原型和透明推理过程，通过多模态融合增强模态间交互，提供可靠病例解释 | NA | 开发可解释的多模态深度学习模型用于医疗数据分析 | 脑癌患者生存预测 | 医学影像分析 | 脑癌 | 多模态融合 | 原型网络 | 多模态医疗数据 | NA | NA | ProtoMM | C-Index | NA |
| 565 | 2025-11-01 |
Deep Learning-based Model for Breast Implant Classification in Ultrasonography: A Multi-Institutional Model Development and Validation Study
2025-Oct-30, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjaf220
PMID:41168671
|
研究论文 | 开发基于深度学习的超声图像乳房假体分类模型并进行多机构验证 | 首次利用深度学习模型对超声图像中的乳房假体进行自动分类，并采用Grad-CAM增强模型可解释性 | 研究中存在一定局限性 | 开发可靠的乳房假体识别方法以解决患者假体信息缺失问题 | 乳房假体 | 计算机视觉 | 乳房假体相关 | 超声成像 | 深度学习 | 图像 | 来自2580名患者的4136个乳房假体的28712个超声PNG文件 | NA | NA | 平衡准确度 | NA |
| 566 | 2025-11-01 |
Automated Scan Region Classification and Patient-specific Dose Modeling for Enhanced Dose Management in Computed Tomography
2025-Oct-30, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001247
PMID:41169122
|
研究论文 | 开发并评估一种AI辅助框架，用于自动CT扫描区域分类和患者特异性剂量评估 | 提出从基于人群的固定阈值转向动态患者特异性评估的新范式，显著减少非必要警报 | 回顾性研究，仅分析2955个CT照射事件 | 改进计算机断层扫描中的剂量管理，减少警报疲劳 | CT扫描数据和患者解剖特征 | 医学影像分析 | NA | 计算机断层扫描(CT) | 深度学习, 随机森林, 线性回归 | CT影像 | 2955个CT照射事件 | NA | NA | F1分数, 相关系数(r) | NA |
| 567 | 2025-11-01 |
Retinal proteomics in neurodegeneration: Insights into ocular and brain disorders
2025-Oct-30, Neural regeneration research
IF:5.9Q1
DOI:10.4103/NRR.NRR-D-25-00291
PMID:41169217
|
综述 | 本文总结了视网膜蛋白质组学在神经退行性疾病和眼部疾病研究中的最新进展 | 整合人工智能驱动的计算流程和GPU加速的深度学习架构，显著提高了视网膜蛋白质组学的精确度和效率 | NA | 探索视网膜蛋白质组在神经退行性疾病和眼部疾病中的生物标志物和治疗靶点 | 视网膜蛋白质组 | 生物信息学 | 神经退行性疾病,眼部疾病 | 质谱蛋白质组学,多组学分析 | 深度学习 | 蛋白质组数据 | NA | NA | NA | 疾病特异性,敏感性 | GPU加速 |
| 568 | 2025-10-31 |
CS-Net: convolutional spider neural network for surface-EMG-based hybrid gesture recognition
2025-Oct-30, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae0c38
PMID:41005324
|
研究论文 | 提出一种新颖的卷积蜘蛛神经网络(CS-Net)结合迁移学习策略，用于基于表面肌电信号的混合手势识别 | 设计了多流信息融合机制的CS-Net架构，结合迁移学习策略利用复合手势与组成动作之间的内在关系提升分类性能 | 仅使用6名受试者的数据进行离线实验，样本规模有限 | 开发基于表面肌电信号的混合手势识别系统 | 结合手腕姿势和手部动作的混合手势 | 机器学习 | NA | 表面肌电信号(sEMG)采集，快速傅里叶变换(FFT) | CNN | 肌电信号，频域特征 | 6名受试者的12种混合手势数据，Ninapro公共数据库(DB1,DB4,DB5) | NA | CS-Net(卷积蜘蛛神经网络) | 准确率 | NA |
| 569 | 2025-10-31 |
Super Time-Resolved Tomography
2025-Oct-30, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202511933
PMID:41164925
|
研究论文 | 提出了一种名为超时间分辨断层扫描的新方法，通过深度学习算法显著提升断层扫描的时间分辨率 | 引入4D深度学习重建算法，在保持空间分辨率的同时将时间分辨率提高至少一个数量级 | 需要验证在实际应用中的稳定性和普适性 | 提升X射线时间分辨断层扫描的时间分辨率 | 液滴碰撞模拟和增材制造过程 | 计算机视觉 | NA | X射线时间分辨断层扫描 | 深度学习 | 4D断层扫描数据 | 模拟和实验数据 | NA | 4D深度学习重建算法 | 时间分辨率提升倍数，空间分辨率保持 | NA |
| 570 | 2025-10-31 |
An optimized, high-throughput workflow for the collection, processing, and visualization of histology data in comparative vertebrate morphogenesis
2025-Oct-30, Developmental dynamics : an official publication of the American Association of Anatomists
IF:2.0Q3
DOI:10.1002/dvdy.70092
PMID:41165208
|
研究论文 | 提出针对脊椎动物胚胎薄层组织学的高通量优化工作流程，涵盖样本收集、处理和玻片制备 | 整合了常被胚胎组织研究忽略的分散方法学文献，并对脱水、二甲苯渗透和切片等常见技术提出优化调整 | 主要针对脊椎动物胚胎组织，可能不适用于其他类型样本 | 建立高质量组织学数据制备流程以支持现代发育生物学研究 | 脊椎动物胚胎组织 | 数字病理学 | NA | 薄层组织学技术 | 深度学习算法 | 2D组织学切片图像 | NA | NA | NA | NA | NA |
| 571 | 2025-10-31 |
Integrated multi-task learning framework for hepatocellular carcinoma segmentation and histological grading using fused multi-phase MRI
2025-Oct-29, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05266-3
PMID:41160193
|
研究论文 | 开发并验证了一个集成多任务学习框架，通过融合多期相MRI实现肝细胞癌分割和组织学分级 | 提出结合深度学习分割和放射组学特征的多任务学习框架，采用融合多期相MRI数据和Transformer-RFE-Fused模型 | 回顾性研究设计，样本来源单一 | 提高肝细胞癌肿瘤分割和分级的准确性 | 经病理证实的肝细胞癌患者 | 计算机视觉 | 肝细胞癌 | 多期相MRI成像 | Vision Transformer, nnU-Net, U-Net, DeepLabV3+, Swin Transformer, SegNet, TabTransformer, TabNet, XGBoost, CatBoost | MRI图像 | 1673例患者（875例高级别，798例低级别） | NA | Vision Transformer, nnU-Net, U-Net, DeepLabV3+, Swin Transformer, SegNet, TabTransformer, TabNet, XGBoost, CatBoost | DSC, 准确率, AUC | NA |
| 572 | 2025-10-31 |
Development and validation of a deep learning-based algorithm for quantifying bronchiolitis obliterans in pediatric computed tomography
2025-Oct-29, The British journal of radiology
DOI:10.1093/bjr/tqaf268
PMID:41160488
|
研究论文 | 开发并验证基于深度学习的算法，用于在儿科胸部CT上量化闭塞性细支气管炎 | 首次使用3D nnU-Net开发专门针对儿科患者的BO量化算法，并在不同重建方法、内核类型和层厚条件下验证了其鲁棒性 | 样本量相对较小（86名儿童），且为回顾性研究 | 开发用于儿科CT中闭塞性细支气管炎量化的深度学习算法 | 被诊断为闭塞性细支气管炎的儿科患者 | 医学影像分析 | 闭塞性细支气管炎 | CT扫描 | 深度学习 | 3D CT图像 | 86名儿童（39名男性，中位年龄10岁），包含26个训练CT扫描，4个内部测试CT扫描，6个外部测试CT扫描 | NA | 3D nnU-Net | Dice相似系数, 敏感度, 精确度 | NA |
| 573 | 2025-10-31 |
A neural network model with filtering-based time-domain data augmentation method for predicting vibration discomfort
2025-Oct-29, Ergonomics
IF:2.0Q3
DOI:10.1080/00140139.2025.2578206
PMID:41161794
|
研究论文 | 本研究通过深度学习模型预测多用途车辆第二排座椅的振动不适感 | 提出基于滤波的时域数据增强方法，通过白噪声信号匹配实测加速度频谱特性来增加样本量 | 扩展输入特征包含其他座椅部件振动时会导致性能下降 | 建立座椅振动与乘员不适感关系的预测模型 | 多用途车辆第二排座椅的振动数据 | 机器学习 | NA | 四柱试验台测试，时域加速度采集 | LSTM | 时域加速度数据 | 在不同座椅减震器设计和车辆运行条件下收集的三向加速度数据 | NA | LSTM | 预测准确度 | NA |
| 574 | 2025-10-31 |
Artificial Intelligence in the Management of One Health: An Update
2025-Oct-28, Current molecular medicine
IF:2.2Q3
|
综述 | 本文探讨人工智能和机器学习在“一体健康”管理中的最新应用进展 | 系统阐述AI/ML技术如何通过预测分析、深度学习模型和决策支持系统革新一体健康范式 | NA | 分析AI/ML技术在一体健康领域监测、诊断和预测疾病方面的应用潜力 | 环境健康、动物健康和人类健康的交叉领域 | 机器学习 | 人畜共患病, 抗菌素耐药性 | 机器学习, 深度学习 | 深度学习模型 | 多源健康数据 | NA | NA | NA | NA | NA |
| 575 | 2025-10-31 |
Accelerating self-consistent field theoretic simulations for disordered systems with deep learning
2025-Oct-28, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0297384
PMID:41165135
|
研究论文 | 本研究开发了一种机器学习方法，通过深度学习加速自洽场理论模拟，直接根据势场预测密度场 | 首次将神经网络模型集成到自洽场理论中，无需计算链传播子这一计算密集型步骤 | 目前仅针对形成无序、非均匀结构的Gaussian链模型进行了验证 | 提高自洽场理论模拟的计算效率，解决各向异性系统和蠕虫状链模型等计算成本高的系统模拟问题 | 聚合物系统的热力学和自组装行为 | 机器学习 | NA | 自洽场理论，深度学习 | 神经网络 | 势场和密度场数据 | NA | NA | NA | 加速比 | NA |
| 576 | 2025-10-31 |
Deep learning-based vessel and nerve recognition model for lateral lymph node dissection: a retrospective feasibility study
2025-Oct-27, Langenbeck's archives of surgery
DOI:10.1007/s00423-025-03882-7
PMID:41144024
|
研究论文 | 开发基于深度学习的语义分割模型，用于在直肠癌侧方淋巴结清扫术中自动识别关键血管和神经结构 | 首次将深度学习语义分割技术应用于腹腔镜侧方淋巴结清扫术中的血管和神经识别，实现近实时术中分析 | 回顾性研究，样本量较小（22例患者），髂外静脉分割准确度相对较低 | 提高直肠癌侧方淋巴结清扫术的安全性和效率 | 腹腔镜侧方淋巴结清扫术中的闭孔神经、髂外动脉和髂外静脉 | 计算机视觉 | 直肠癌 | 腹腔镜手术视频分析 | 语义分割模型 | 手术视频图像 | 22例患者的992张图像 | NA | NA | 精确率, 召回率, Dice系数 | NA |
| 577 | 2025-10-31 |
Angle-resolved scatterometry combined with deep learning assisted in-situ monitoring of nanowire doping in molecular beam epitaxy process
2025-Oct-27, Microsystems & nanoengineering
IF:7.3Q1
DOI:10.1038/s41378-025-00990-8
PMID:41145417
|
研究论文 | 提出一种结合角度分辨散射测量和深度学习的纳米线掺杂浓度原位监测方法 | 首次将角度分辨散射测量与深度学习相结合用于分子束外延过程中的纳米线掺杂原位监测 | 研究主要针对GaN纳米线和AlN薄膜的Si掺杂，尚未验证其他材料体系的适用性 | 开发高精度的纳米线掺杂浓度原位监测方法 | GaN纳米线和AlN薄膜的Si掺杂过程 | 机器学习 | NA | 角度分辨散射测量，分子束外延 | 深度学习 | 角度分辨反射率数据 | 不同掺杂温度下的GaN纳米线和AlN薄膜样品 | NA | 神经网络 | 测量误差，掺杂浓度分辨率 | NA |
| 578 | 2025-10-31 |
Multi-view deep learning framework for the detection of chest X-rays compatible with pediatric pulmonary tuberculosis
2025-Oct-27, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-64391-1
PMID:41145423
|
研究论文 | 提出一种多视角深度学习框架pTBLightNet，用于通过识别与肺结核兼容的胸部X光片来检测儿童肺结核 | 首次开发专门针对儿童肺结核的多视角深度学习框架，结合正位和侧位胸部X光视图，并在成人数据集上预训练后针对儿科人群进行优化 | 外部测试的AUC相对较低(0.682)，表明模型在不同人群中的泛化能力仍需改进 | 开发用于儿童肺结核筛查的自动诊断工具 | 儿童肺结核患者 | 计算机视觉 | 肺结核 | 胸部X光成像 | 深度学习 | 医学图像 | 预训练数据114,173例成人胸部X光片，评估数据918例来自三个儿科结核病队列 | NA | pTBLightNet | AUC | NA |
| 579 | 2025-10-31 |
A neural architecture search optimized lightweight attention ensemble model for nutrient deficiency and severity assessment in diverse crop leaves
2025-Oct-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-20124-4
PMID:41145525
|
研究论文 | 提出一种基于神经架构搜索优化的轻量级注意力集成模型，用于多种作物叶片营养缺乏及严重程度评估 | 开发了NASMobV2新型轻量级模型，结合神经架构搜索和动态注意力加权机制，实现营养缺乏分类和严重程度评估的双重功能 | 模型在香蕉和咖啡作物上验证，需要进一步测试在其他作物上的泛化能力 | 开发轻量级深度学习模型用于农业实时营养缺乏诊断 | 香蕉叶片和咖啡叶片的营养缺乏状况 | 计算机视觉 | 作物营养缺乏症 | 深度学习，迁移学习 | CNN | 图像 | 香蕉叶片营养缺乏数据集和咖啡作物数据集 | TensorFlow, Keras | ResNet50, VGG16, NASNetMobile, MobileNetV1, MobileNetV2, MobileNetV3 | 准确率, 精确率, 召回率, F1分数 | 移动设备和Web应用部署 |
| 580 | 2025-10-31 |
Machine learning analysis of carbon rebound effect dynamics and drivers in Chinese prefecture-level cities
2025-Oct-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-21245-6
PMID:41145544
|
研究论文 | 基于中国地级市面板数据，结合多元线性回归与机器学习方法分析碳回弹效应的非线性驱动因素 | 首次将集成学习和深度学习应用于碳回弹效应研究，采用SHAP值和ALE图量化关键变量的影响路径，突破传统模型局限 | 研究时间范围限于2010-2021年，数据来源局限于中国地级市层面 | 揭示碳回弹效应的核心驱动机制，为差异化生态政策制定提供科学依据 | 中国地级市2010-2021年的碳回弹效应动态 | 机器学习 | NA | 面板数据分析 | 集成学习,深度学习 | 面板数据 | 中国地级市2010-2021年面板数据 | NA | NA | SHAP值,ALE图 | NA |