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 1821 篇文献，本页显示第 1581 - 1600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1581 | 2025-11-06 |
PET/CT radiomics for non-invasive prediction of immunotherapy efficacy in cervical cancer
2025-Nov, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.1177/08953996251367203
PMID:40874782
|
研究论文 | 开发基于深度学习的PET/CT影像组学模型，用于预测宫颈癌免疫治疗疗效 | 结合医学先验知识开发深度学习自动分割模型，探索PET/CT影像组学特征与PD-L1表达的相关性，并构建免疫治疗疗效预测模型 | 回顾性研究，样本量相对有限（283例），需要进一步前瞻性验证 | 预测宫颈癌患者免疫治疗疗效，开发非侵入性预测工具 | 283例经病理确诊的宫颈癌患者 | 数字病理 | 宫颈癌 | F-FDG PET/CT成像 | 深度学习, SVM | PET/CT医学影像 | 283例宫颈癌患者（分为三个子集：97例用于分割模型开发，101例用于特征相关性分析，85例用于预测模型验证） | NA | Attention-UNet | IoU, ICC, AUC, P值 | NA |
| 1582 | 2025-11-06 |
Multimodal synthetic CT generation in tumor radiotherapy
2025-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70117
PMID:41188014
|
研究论文 | 提出基于Mamba块和残差约束策略的RC-MambaGAN模型，用于从MRI生成高质量合成CT图像 | 首次将Mamba块集成到生成对抗网络中，结合残差约束策略，在最小增加计算复杂度的情况下显著提升合成CT的全局上下文建模能力和局部细节精度 | 研究主要针对肿瘤和盆腔区域数据，在其他解剖区域的泛化能力有待验证 | 提高从MRI生成合成CT图像的准确性，推进仅使用MRI的放疗工作流程 | 肿瘤和盆腔区域的多中心医学影像数据 | 医学影像分析 | 肿瘤 | MRI, CT | GAN | 医学影像 | 多中心数据集，包含肿瘤和盆腔区域数据 | NA | RC-MambaGAN, Mamba块, 残差约束 | MAE, PSNR, SSIM, MI | NA |
| 1583 | 2025-11-06 |
Bridging Radiologic Reasoning and Artificial Intelligence: Explainable Deep Learning for Focal Liver Lesions
2025-Nov, Radiology. Artificial intelligence
DOI:10.1148/ryai.250806
PMID:41190941
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1584 | 2025-11-05 |
AI-Enhanced Lateral Flow Assay Enables 3-Minute Quantitative Detection with Laboratory-Grade Accuracy
2025-Nov-04, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c05108
PMID:41124618
|
研究论文 | 开发了一种基于深度学习的快速定量侧向流动检测方法，可在3分钟内实现实验室级别的精准检测 | 融合ResNet空间特征提取和DyFormer动态时序建模的创新架构，首次实现3分钟快速定量检测 | 仅在COVID-19和乙肝病毒数据集上验证，需要更多疾病类型的验证 | 克服传统侧向流动检测技术检测时间长且只能定性分析的局限性 | 侧向流动免疫检测平台 | 计算机视觉 | 传染病 | 侧向流动免疫检测 | 深度学习 | 图像 | COVID-19和乙肝病毒数据集 | NA | ResNet,DyFormer | 准确率,灵敏度,特异性,决定系数 | NA |
| 1585 | 2025-11-05 |
Vision-language foundation model-driven efficient recognition and home-based management of surgical incisions
2025-Nov-04, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003727
PMID:41186521
|
研究论文 | 基于视觉-语言基础模型开发手术切口识别系统DeepIncision，用于家庭护理中的切口恢复评估 | 首次将视觉-语言基础模型应用于手术切口识别，显著提升识别准确率 | 研究样本主要来自单一中心，外部验证样本量相对较小 | 开发精准的手术切口识别方法以优化家庭护理管理 | 术后患者的手术切口图像 | 计算机视觉 | 术后伤口 | 图像处理 | 视觉-语言基础模型 | 图像 | 1443张手术切口图像（来自1194名患者） | Grounded Language-Image Pre-training | DeepIncision | 平均精度, 平均召回率, F1分数, AUC | NA |
| 1586 | 2025-11-05 |
Commentary on "Multimodal deep learning to predict postoperative major adverse cardiac and cerebrovascular events after non-cardiac surgery"
2025-Nov-04, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003813
PMID:41186523
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1587 | 2025-11-05 |
Deep learning-based combined noise reduction and contrast enhancement for post-neoadjuvant pancreatic cancer CT: does improved image quality translate to better resectability assessment?
2025-Nov-04, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05271-6
PMID:41186714
|
研究论文 | 评估深度学习联合降噪和对比度增强重建在胰腺癌新辅助治疗后CT评估中能否改善图像质量和可切除性预测准确性 | 首次将深度学习联合降噪和对比度增强技术应用于胰腺癌新辅助治疗后CT评估，并与传统迭代重建方法进行系统比较 | 回顾性研究设计，样本量有限（114例），所有读者均注意到DLR图像存在人工伪影增加的问题 | 评估深度学习重建技术能否改善胰腺癌CT图像质量并提高可切除性预测准确性 | 114例接受新辅助治疗的胰腺癌患者 | 医学影像分析 | 胰腺癌 | CT成像 | 深度学习 | CT图像 | 114例胰腺癌患者 | NA | NA | AUC, 敏感性, 特异性, 准确率, 读者置信度, 对比噪声比 | NA |
| 1588 | 2025-11-05 |
Revisiting PSF models: Unifying framework and high-performance implementation
2025-Nov-04, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.70045
PMID:41186941
|
研究论文 | 本文提出了点扩散函数模型的统一框架和基于PyTorch的高性能实现 | 首次系统比较傅里叶和贝塞尔方法，证明两者等价性，并提供统一框架和开源实现 | 未明确说明具体应用场景中的性能限制和计算精度边界 | 开发点扩散函数的高性能计算框架，便于集成到深度学习算法中 | 点扩散函数的光学模型和计算方法 | 计算光学成像 | NA | 局部显微成像技术 | NA | 光学成像数据 | NA | PyTorch | 基于Richards-Wolf积分的傅里叶变换和贝塞尔积分模型 | 计算精度, 计算速度 | CPU, GPU |
| 1589 | 2025-11-05 |
Deep Learning for Automated Measures of SUV and Molecular Tumor Volume in [68Ga]PSMA-11 or [18F]DCFPyL, [18F]FDG, and [177Lu]Lu-PSMA-617 Imaging with Global Threshold Regional Consensus Network
2025-Nov-03, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.125.270077
PMID:40967759
|
研究论文 | 开发基于深度学习的自动化工作流程用于前列腺癌PET和SPECT影像中SUV和分子肿瘤体积的测量 | 提出全局阈值区域共识网络，改进了nnU-Net的边界定义和标签准确性，在多种影像模态上实现了高精度分割 | 研究基于特定机构队列，外部验证样本量相对有限(56例) | 改进前列腺癌影像分析的计算工作流程，标准化方法以改善LuPSMA治疗的患者选择和预后预测 | 转移性去势抵抗性前列腺癌患者的PET/CT和定量SPECT/CT影像 | 数字病理 | 前列腺癌 | PET成像, SPECT成像, [68Ga]PSMA-11, [18F]DCFPyL, [18F]FDG, [177Lu]Lu-PSMA-617成像 | 深度学习, CNN | 医学影像 | 训练集: 676例[68Ga]PSMA-11或[18F]DCFPyL PET, 390例[18F]FDG PET, 477例LuPSMA SPECT; 测试集: 56例外院PET/CT | nnU-Net | Global Threshold Regional Consensus Network, nnU-Net | Dice相似系数, Pearson系数, 表面一致性 | NA |
| 1590 | 2025-11-05 |
IoT-powered wearable assist device for visually impaired
2025-Nov-03, Disability and rehabilitation. Assistive technology
DOI:10.1080/17483107.2025.2582033
PMID:41182323
|
研究论文 | 开发并评估一种基于物联网的可穿戴辅助设备，通过实时物体检测、面部识别和障碍物感知技术提升视障人士的环境感知和自主导航能力 | 将SVM、ResNet-50和YOLOv4等多种深度学习算法集成到统一框架中，实现低延迟的多目标识别和面部识别功能 | 需要进一步进行大规模用户验证以提升设备的可用性、可访问性和用户舒适度 | 开发能够改善视障人士障碍物感知、移动能力和环境交互的可穿戴辅助技术 | 视障人士 | 计算机视觉 | 视力障碍 | 深度学习、机器学习 | SVM, CNN | 图像数据、传感器数据 | 未明确说明样本数量 | NA | ResNet-50, YOLOv4 | 准确率, 精确率, 召回率, F1分数 | ESP32-CAM模块, Arduino微控制器 |
| 1591 | 2025-11-05 |
SpineScan: a deep learning model for lumbar spine MRI annotation and Pfirrmann grading assessment
2025-Nov-03, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-025-09537-x
PMID:41182393
|
研究论文 | 开发并验证了一个基于卷积神经网络的深度学习模型，用于腰椎MRI的自动Pfirrmann分级评估 | 开发了开源网络应用程序SpineScan，能够对DICOM研究和单个MRI切片进行自动分级，解决了现有模型因专有限制而无法访问的问题 | 对V级椎间盘退变的性能较低（mAP50-95=0.525），可能由于高度退变椎间盘的对比度差和边界不清晰 | 开发自动Pfirrmann分级系统用于椎间盘退变评估 | 腰椎MRI扫描中的椎间盘 | 计算机视觉 | 椎间盘退变疾病 | MRI | CNN | 图像 | 484个腰椎MRI扫描 | PyTorch, Streamlit | YOLOv8x | 准确度, 精确度, 召回率, 平均精度均值(mAP) | NA |
| 1592 | 2025-11-05 |
Level-crossing processing and deep convolutional neural network for arrhythmia classification in telehealth services
2025-Nov-03, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01660-9
PMID:41182637
|
研究论文 | 提出一种融合电平交叉采样和深度卷积神经网络的心律失常自动诊断方法 | 结合LCADC电平交叉采样、EASA算法、ARF自适应率滤波和1D-CNN，实现实时数据压缩与高效分类 | 仅使用MIT-BIH数据集中的五类心律失常，未在其他数据集验证 | 开发适用于远程医疗的高效心律失常自动诊断方法 | 心电图信号和心律失常分类 | 数字病理 | 心血管疾病 | 心电图信号处理 | CNN | 心电图信号 | MIT-BIH数据集中的五类心律失常数据 | NA | 1D-CNN | 准确率 | NA |
| 1593 | 2025-11-05 |
MOAEAM: Multi-omics data integration with autoencoder and attention mechanisms for cancer patient classification and biomarker identification
2025-Nov-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3628490
PMID:41182929
|
研究论文 | 提出一种基于改进自编码器和注意力机制的多组学数据整合框架MOAEAM，用于癌症患者分类和生物标志物识别 | 提出新型复合损失函数促进组学特异性特征提取，并设计多组学整合模块捕获跨组学关联信息 | NA | 开发多组学数据整合方法以提升癌症患者分类和生物标志物识别性能 | 癌症患者多组学数据 | 机器学习 | 癌症 | 多组学数据整合 | 自编码器,注意力机制 | 多组学数据 | 多个癌症数据集 | NA | 改进自编码器,注意力机制 | 分类性能 | NA |
| 1594 | 2025-11-05 |
Novel Approach for Decoding Olfactory Receptors Interactions With Molecules Based on Multimodal Feature and Deep Learning Network
2025-Nov-03, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3622055
PMID:41182946
|
研究论文 | 提出一种基于多模态特征和深度学习网络的新方法，用于预测气味分子与嗅觉受体的相互作用 | 首次利用多模态深度学习网络精确识别特定嗅觉受体，并开发了空间分布图揭示受体间的聚类模式 | NA | 推进对人类嗅觉机制的理解并帮助新型合成药物的开发 | 气味分子与嗅觉受体的相互作用 | 机器学习 | NA | 多模态深度学习 | 深度学习网络 | 分子物理化学特性数据、受体结构数据 | 新整理的数据集 | NA | 多模态深度学习网络 | 准确率 | NA |
| 1595 | 2025-11-05 |
Construction and validation of hepatocellular carcinoma survival prediction models based on machine learning
2025-Nov-03, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03456-1
PMID:41184613
|
研究论文 | 本研究基于机器学习和深度学习构建并验证了肝细胞癌生存预测模型 | 首次在生存分析中引入自注意力机制到DeepSurv和DeepHit模型以更好地捕捉特征依赖关系，并集成改进的深度学习模型、Cox比例风险模型和随机生存森林 | 研究依赖于SEER和TCGA数据库的数据，可能存在数据选择偏差 | 开发更准确的肝细胞癌生存预测模型以支持个性化治疗 | 肝细胞癌患者 | 机器学习 | 肝细胞癌 | 机器学习，深度学习 | DeepSurv, DeepHit, Cox神经网络, 随机生存森林 | 临床数据 | 来自SEER和TCGA数据库的肝细胞癌患者数据 | NA | 残差网络, 自注意力机制, 集成模型 | C-index, Brier分数 | NA |
| 1596 | 2025-11-05 |
Patch-Wise Approach with Vision Transformer for Detecting Implant Failure in Spinal Radiography
2025-Nov-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01724-y
PMID:41184706
|
研究论文 | 开发基于视觉Transformer的深度学习模型，用于检测脊柱植入物失败 | 提出基于分块的视觉Transformer方法，首次将DINOv2模型应用于脊柱植入物失败检测 | 模型精确度相对较低（0.37），可能产生较多假阳性 | 开发和验证用于检测脊柱植入物骨折的AI模型，并评估其对放射科医生诊断性能的影响 | 脊柱植入物和植入物骨折 | 计算机视觉 | 脊柱疾病 | 放射影像分析 | Vision Transformer | 图像 | 798名患者的9924张脊柱放射影像（3492项研究） | NA | DINOv2 | 准确率, F1分数, 精确率, 召回率, GEE分析 | NA |
| 1597 | 2025-11-05 |
Towards Pharmaceutical Industry 5.0: Impact of Artificial Intelligence in Drug Discovery and Development
2025-Nov-03, Current pharmaceutical biotechnology
IF:2.2Q3
|
综述 | 本文探讨人工智能在制药行业5.0时代对药物发现与开发的影响 | 系统分析AI技术在制药行业5.0背景下的整合应用，涵盖从药物发现到监管合规的全流程创新 | 存在数据质量、监管问题和跨学科协作需求等整合挑战 | 研究人工智能在药物研发领域的应用现状与发展前景 | 制药行业与人工智能技术 | 自然语言处理, 机器学习 | NA | 机器学习, 深度学习, 自然语言处理 | NA | NA | NA | NA | NA | NA | NA |
| 1598 | 2025-11-05 |
AKIRA: Deep learning tool for image standardization, implant detection and arthritis grading to establish a radiographic registry in patients with anterior cruciate ligament injuries
2025-Nov, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA
DOI:10.1002/ksa.12618
PMID:39925136
|
研究论文 | 开发用于前交叉韧带损伤患者图像标准化、植入物检测和关节炎分级的深度学习工具AKIRA，以建立影像学登记库 | 提出AKIRA系统，整合三种深度学习算法实现膝关节X光片的自动分类、标注和植入物检测 | KL分级一致性较低(0.39-0.40)，研究设计为横断面研究，证据等级为IV级 | 通过人工智能工具开发大规模标准化前交叉韧带损伤影像学登记库 | 1628名前交叉韧带损伤患者的20,836张膝关节X光片 | 计算机视觉 | 骨科疾病 | X射线成像 | CNN,目标检测 | 医学影像 | 20,836张膝关节X光片，来自1628名患者 | NA | EfficientNet,YOLO,Residual Network | F1分数,精确率-召回率曲线下面积,一致性 | NA |
| 1599 | 2025-11-05 |
Method for estimating real-scale 3D human body shape from an image based on 3D camera calibration and computer graphics-based reverse projection photogrammetry
2025-Nov, Journal of forensic sciences
IF:1.5Q2
DOI:10.1111/1556-4029.70130
PMID:40619616
|
研究论文 | 提出一种基于3D相机标定和计算机图形学逆向投影摄影测量的方法，从单张图像估计真实比例的3D人体形状 | 结合3D相机标定和CG逆向投影摄影测量，首次实现从低分辨率图像估计真实比例的3D人体形状，无需对象先验知识 | NA | 从单张2D图像估计真实比例的3D人体形状模型 | 人体图像中的3D人体形状 | 计算机视觉 | NA | 逆向投影摄影测量，3D相机标定 | SMPL-X模型 | 图像 | 数百到数千次比较 | NA | SMPL-X | 等错误率 | NA |
| 1600 | 2025-11-05 |
MRI sequence focused on pancreatic morphology evaluation: three-shot turbo spin-echo with deep learning-based reconstruction
2025-Nov, Acta radiologica (Stockholm, Sweden : 1987)
DOI:10.1177/02841851251355844
PMID:40641210
|
研究论文 | 开发并评估一种基于深度学习重建的三次激发涡轮自旋回波MRI序列用于胰腺形态评估 | 提出新型3S-TSE-DLR序列，结合高空间分辨率与深度学习重建技术，在胰腺成像中实现优于传统序列的图像质量 | 研究仅纳入50名健康志愿者，缺乏胰腺癌患者的验证数据 | 比较新型MRI序列与传统序列在胰腺成像质量方面的表现 | 健康志愿者的胰腺MRI图像 | 医学影像分析 | 胰腺癌 | 磁共振成像，深度学习重建 | 深度学习 | 医学影像 | 50名健康志愿者 | NA | NA | 运动伪影评分，边缘锐度评分，主胰管识别率 | NA |