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 47912 篇文献，本页显示第 21481 - 21500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21481 | 2025-10-06 |
The Segmentation of Multiple Types of Uterine Lesions in Magnetic Resonance Images Using a Sequential Deep Learning Method with Image-Level Annotations
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00931-9
PMID:38343259
|
研究论文 | 本研究开发了一种仅使用图像级标注的弱监督深度学习模型，用于磁共振图像中多种子宫病变和正常组织的自动分割 | 提出了一种两阶段顺序深度学习模型，仅需图像级标注即可实现多种子宫病变的精确分割，避免了像素级标注的繁琐过程 | 研究为单中心回顾性研究，样本量相对有限，需要进一步多中心验证 | 开发弱监督医学图像分割方法，减少对像素级标注的依赖 | 子宫病变患者和正常组织的磁共振图像 | 医学图像分析 | 子宫疾病 | 磁共振成像 | 深度学习 | 医学图像 | 316名患者的85,730张图像，其中196名用于训练，57名用于验证，63名用于测试 | NA | 像素相关模块,类重激活图模块,像素间关系网络模块,Deeplab v3+ | Dice相似系数,豪斯多夫距离,平均对称表面距离 | NA |
| 21482 | 2025-10-06 |
The global research of magnetic resonance imaging in Alzheimer's disease: a bibliometric analysis from 2004 to 2023
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1510522
PMID:39882364
|
文献计量分析 | 通过文献计量学方法分析2004-2023年间阿尔茨海默病磁共振成像研究的全球发展趋势和研究热点 | 首次对AD领域MRI研究进行长达20年的文献计量分析，识别出深度学习等新兴研究热点 | 仅基于Web of Science数据库，可能遗漏其他数据库的相关文献 | 总结AD领域MRI研究的现状并预测未来研究方向 | 2004-2023年间WoSCC数据库中13,659篇AD-MRI相关研究文献 | 医学影像分析 | 阿尔茨海默病 | 磁共振成像(MRI), 文献计量分析 | NA | 文献元数据 | 13,659篇研究文章 | CiteSpace, VOSviewer | NA | NA | NA |
| 21483 | 2025-10-06 |
Accurate staging of chick embryonic tissues via deep learning of salient features
2023-11-15, Development (Cambridge, England)
DOI:10.1242/dev.202068
PMID:37830145
|
研究论文 | 本研究开发了一种基于深度学习的鸡胚胎组织精确分期方法 | 通过生物信息学转换和数据驱动预处理步骤，在小样本数据集上成功训练出高精度的分期分类器 | 数据集规模较小（151张图像），可能影响模型的泛化能力 | 开发精确无偏的鸡胚胎组织分期方法 | HH10期鸡胚胎大脑和翅膀组织 | 计算机视觉 | NA | 显微镜成像 | CNN | 图像 | 151张鸡大脑图像和269张鸡翅膀图像 | NA | 深度卷积神经网络 | 准确率 | NA |
| 21484 | 2025-10-06 |
Negativity and Positivity in the ICU: Exploratory Development of Automated Sentiment Capture in the Electronic Health Record
2023-10, Critical care explorations
DOI:10.1097/CCE.0000000000000960
PMID:37753238
|
研究论文 | 本研究开发了两种ICU临床笔记情感分析方法，包括基于关键词的方法和基于DeBERTa-v3的深度学习模型 | 开发了专门针对医疗领域的情感分析工具，相比通用情感分析工具在临床笔记中表现更优 | 研究为探索性开发，需要进一步验证和优化 | 开发能够自动捕捉电子健康记录中提供者情感的概念验证算法 | ICU临床笔记中的提供者情感表达 | 自然语言处理 | NA | 情感分析 | DeBERTa-v3 | 文本 | MIMIC-III数据库中52,997次ICU住院的198,944份笔记，UCSF数据库2018-2019年外部样本 | NA | DeBERTa-v3 | Spearman相关系数 | NA |
| 21485 | 2025-10-06 |
DeXtrusion: automatic recognition of epithelial cell extrusion through machine learning in vivo
2023-07-01, Development (Cambridge, England)
DOI:10.1242/dev.201747
PMID:37283069
|
研究论文 | 提出基于深度学习的DeXtrusion方法，用于自动识别活体荧光成像中的上皮细胞挤出事件 | 首次开发无需分割即可精确定位细胞事件的深度学习方法，可检测多种细胞事件且易于训练 | 需要针对不同上皮组织进行重新训练 | 开发自动检测活体成像中细胞事件的方法 | 果蝇蛹背板上皮细胞 | 计算机视觉 | NA | 活体荧光显微镜成像 | RNN | 荧光成像视频 | NA | NA | 循环神经网络 | NA | NA |
| 21486 | 2025-10-06 |
Tools to analyze the organization and formation of the germline cyst in zebrafish oogenesis
2023-07-01, Development (Cambridge, England)
DOI:10.1242/dev.201349
PMID:37272421
|
研究论文 | 本文提供了用于斑马鱼卵巢中生殖细胞囊三维结构和功能分析的工具集 | 开发了结合连续块面扫描电子显微镜、深度学习分析流程和激光消融技术的综合方法，首次实现生殖细胞囊的三维超微结构解析和体内功能操作 | 方法主要针对斑马鱼模型，在其他物种中的适用性需要进一步验证 | 研究脊椎动物生殖细胞囊的形成机制和功能 | 斑马鱼卵巢中的生殖细胞囊 | 发育生物学 | NA | 连续块面扫描电子显微镜(SBF-SEM), 激光消融技术, 共聚焦显微镜 | 深度学习 | 三维电子显微镜图像, 三维共聚焦图像 | NA | NA | NA | NA | NA |
| 21487 | 2025-10-06 |
Long-term care insurance purchase decisions of registered nurses: Deep learning versus logistic regression models
2023-03, Health policy (Amsterdam, Netherlands)
DOI:10.1016/j.healthpol.2023.104709
PMID:36725380
|
研究论文 | 本研究使用深度学习模型和传统逻辑回归模型预测注册护士的长期护理保险购买决策 | 首次将深度神经网络应用于预测医疗专业人员保险决策，并与传统统计方法进行对比 | 样本仅来自单一医疗中心，缺乏时间序列数据的充分训练 | 预测注册护士的长期护理保险购买决策行为 | 台湾某大型医疗中心的1,373名注册护士 | 机器学习 | NA | 问卷调查 | DNN, MLR | 调查数据 | 1,373名注册护士（615名已购买保险，332名无购买意向，426名有购买意向） | NA | 深度神经网络 | 准确率，精确率，召回率，F1分数 | NA |
| 21488 | 2025-10-06 |
GPU Accelerated Estimation of a Shared Random Effect Joint Model for Dynamic Prediction
2022-Oct, Computational statistics & data analysis
IF:1.5Q2
DOI:10.1016/j.csda.2022.107528
PMID:39257897
|
研究论文 | 提出一种GPU加速的共享随机效应联合模型估计方法，用于动态预测临床终点事件风险 | 结合新颖的两阶段估计算法和GPU编程技术，显著加速联合模型的估计过程 | 未明确说明模型在特定疾病类型或小样本场景下的适用性 | 解决纵向和生存数据联合模型计算效率低的问题，提高动态预测准确性 | 纵向队列研究中具有临床终点事件风险的受试者 | 机器学习 | NA | 纵向数据分析，生存分析 | 共享随机效应联合模型 | 纵向数据，生存数据 | NA | PyTorch | NA | 预测准确度 | GPU |
| 21489 | 2025-10-06 |
An Interpretable Deep Hierarchical Semantic Convolutional Neural Network for Lung Nodule Malignancy Classification
2019-Aug-15, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2019.01.048
PMID:31296975
|
研究论文 | 提出一种可解释的深度分层语义卷积神经网络用于肺结节恶性分类 | 通过结合低级语义特征和高级恶性预测的双层输出架构，提供专家可理解的模型解释 | NA | 开发可解释的深度学习模型用于肺结节恶性分类 | CT扫描中的肺结节 | 计算机视觉 | 肺癌 | CT扫描 | CNN | 医学图像 | 使用Lung Image Database Consortium (LIDC)数据库 | NA | 分层语义卷积神经网络(HSCNN), 3D CNN | NA | NA |
| 21490 | 2025-09-12 |
Automated coronary artery segmentation / tissue characterization and detection of lipid-rich plaque: An integrated backscatter intravascular ultrasound study
2025-Dec-15, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2025.133744
PMID:40784375
|
研究论文 | 本研究开发了一种基于深度学习的自动化冠状动脉分割和组织表征方法，用于检测脂质丰富斑块 | 首次将7层U-Net++深度学习模型应用于IVUS图像的自动冠状动脉分割和组织表征，实现了高精度的斑块成分量化 | LRP检测的敏感性相对较低（62%），样本量有限（67名训练患者，88名验证患者） | 评估深度学习模型在冠状动脉斑块分割、组织表征和脂质丰富斑块识别中的可行性和诊断准确性 | 人类冠状动脉血管和斑块组织 | 医学影像分析 | 心血管疾病 | 集成背向散射血管内超声（IB-IVUS） | U-Net++ | 医学图像（IVUS图像） | 训练组：67名患者的1098张IVUS图像；验证组：88名患者的1100张IVUS图像（来自100条血管） | NA | NA | NA | NA |
| 21491 | 2025-09-12 |
Deploying a novel deep learning framework for segmentation of specific anatomical structures on cone-beam CT
2025-Oct, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-025-00831-4
PMID:40445488
|
研究论文 | 本研究开发了一种基于深度学习的新型框架，用于在锥束CT图像上自动分割特定解剖结构 | 采用nnUNetv2框架实现高精度解剖结构分割，在牙科CBCT图像处理中表现出色 | 样本量相对较小（70名患者），且下颌管分割性能相对较低 | 通过深度学习算法自动预测CBCT图像中的解剖结构，以增强诊断和治疗规划流程 | 70名患者的CBCT图像数据，包含鼻腔、上颌窦、腭前管、下颌管等解剖结构 | 计算机视觉 | NA | 锥束CT成像，深度学习分割 | nnUNetv2 | 医学影像 | 70名患者的CBCT数据，共28,350个切片（每例405个切片） | NA | NA | NA | NA |
| 21492 | 2025-09-12 |
Beyond explainable AI: Enhancing trust and robustness in machine learning for sleep apnea diagnosis
2025-Oct, Sleep medicine reviews
IF:11.2Q1
DOI:10.1016/j.smrv.2025.102152
PMID:40819476
|
评论 | 本文扩展了对睡眠呼吸暂停诊断中机器学习可解释性工具的批判，提出结合无监督ML和非线性非参数统计方法的综合策略以增强临床信任 | 主张超越传统XAI方法，通过无监督学习和统计方法结合来验证特征重要性并减少模型偏差 | 未提供具体实验验证或实际临床数据支持所提出方法的有效性 | 提升机器学习在睡眠呼吸暂停诊断中的可信度和鲁棒性 | 睡眠呼吸暂停诊断的机器学习模型及其特征解释方法 | machine learning | 睡眠呼吸暂停 | 无监督ML（特征聚合、高变基因选择），非线性非参数统计方法（如Spearman相关） | NA | NA | NA | NA | NA | NA | NA |
| 21493 | 2025-09-12 |
Artificial intelligence in gastric cancer: a systematic review of machine learning and deep learning applications
2025-Sep-11, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05181-7
PMID:40932499
|
系统综述 | 本文系统评估了机器学习和深度学习在胃癌管理中的应用、性能及局限性 | 全面总结了AI在胃癌早期检测、诊断、治疗规划和预后预测中的跨模态应用性能 | 存在算法偏差、数据集多样性不足、可解释性差及临床整合障碍 | 评估ML和DL模型在胃癌管理中的表现与应用 | 胃癌患者的临床影像和多模态数据 | 数字病理 | 胃癌 | 机器学习、深度学习 | CNN | 内镜图像、CT影像、病理图像、多模态数据 | 59项符合纳入标准的研究 | NA | NA | NA | NA |
| 21494 | 2025-09-12 |
Identifying 14-3-3 interactome binding sites with deep learning
2025-Sep-10, Digital discovery
IF:6.2Q1
DOI:10.1039/d5dd00132c
PMID:40837623
|
研究论文 | 开发深度学习框架预测蛋白质与14-3-3蛋白的结合位点 | 首次构建集成深度学习模型预测14-3-3相互作用组结合位点，尤其针对内在无序蛋白 | 模型在外部序列上平衡准确率为75%，仍有提升空间；实验验证仅覆盖8个预测肽段 | 预测蛋白质与14-3-3蛋白的结合位点以理解细胞信号网络 | 14-3-3蛋白及其相互作用蛋白质（约300个序列） | 生物信息学 | 阿尔茨海默病（涉及tau蛋白结合） | 深度学习、X射线晶体学、分子动力学模拟 | 集成深度学习模型 | 蛋白质序列数据 | 约300个医学相关蛋白质序列，实验验证8个预测肽段 | NA | NA | NA | NA |
| 21495 | 2025-09-12 |
Enhancing Protein Structure Learning using a Size-Guided Conditional Mixture-of-Experts
2025-Sep-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3607904
PMID:40928909
|
研究论文 | 提出一种基于蛋白质大小引导的条件混合专家模型，用于提升蛋白质结构深度学习性能 | 首次将蛋白质大小作为先验知识引入深度学习框架，通过条件混合专家模型自适应激活子网络 | NA | 改进蛋白质结构深度学习方法，提升蛋白质性质预测精度 | 蛋白质结构与性质 | 机器学习 | NA | 深度学习 | 条件混合专家模型(Conditional Mixture-of-Experts) | 蛋白质结构表示 | 在8个任务、2种蛋白质表示形式、3种数据集划分共48种测试设置上进行验证 | NA | NA | NA | NA |
| 21496 | 2025-09-12 |
Enhancing Automated Seizure Detection via Self-Calibrating Spatial-Temporal EEG Features with SC-LSTM
2025-Sep-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3607766
PMID:40928912
|
研究论文 | 提出一种新型混合深度学习架构SC-LSTM，通过自适应时空特征提取增强癫痫发作自动检测 | 整合自校准空间特征重建模块(SCConvNet)和双向LSTM网络，实现并行时空特征提取，显著提升对患者特异性EEG变异的捕捉能力 | 仅在新生儿EEG数据集上验证，未明确说明模型在其他年龄组或癫痫类型的泛化能力 | 开发高精度、稳定的自动化癫痫发作检测方法以支持个体化诊断 | 新生儿癫痫患者的脑电图(EEG)信号 | 机器学习 | 癫痫 | 脑电图(EEG)分析，K折交叉验证 | SC-LSTM（自校准卷积网络与双向LSTM的混合架构） | 多通道时间序列EEG信号 | 两个真实世界新生儿EEG数据集（具体样本量未明确说明） | NA | NA | NA | NA |
| 21497 | 2025-09-12 |
InterVelo: A Mutually Enhancing Model for Estimating Pseudotime and RNA Velocity in Multi-Omic Single-Cell Data
2025-Sep-10, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaf500
PMID:40929041
|
研究论文 | 提出InterVelo深度学习框架，用于在多组学单细胞数据中同时估计伪时间和RNA速率 | 通过无监督细胞时间引导RNA速率估计，同时利用RNA速率优化伪时间方向，实现双向增强学习 | NA | 改进单细胞数据中转录动态的推断精度 | 多组学单细胞数据 | 计算生物学 | NA | 单细胞多组学测序 | 深度学习框架 | 单细胞多组学数据 | 模拟和真实数据集（未指定具体样本数量） | NA | NA | NA | NA |
| 21498 | 2025-09-12 |
Explainable Deep Learning Framework for Classifying Mandibular Fractures on Panoramic Radiographs
2025-Sep-10, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000011892
PMID:40929658
|
研究论文 | 开发基于全景X光片的可解释深度学习框架，用于自动分类下颌骨骨折 | 结合新颖的临床相关分类系统和可解释AI技术（Grad-CAM和LIME）提升模型决策透明度 | 需要更大规模、多机构数据集进一步验证泛化能力 | 实现下颌骨骨折的自动分类以辅助颌面创伤诊疗 | 下颌骨骨折患者 | 计算机视觉 | 颌面创伤 | 全景X光成像 | CNN | 图像 | 800张来自面部创伤患者的全景X光片 | NA | NA | NA | NA |
| 21499 | 2025-09-12 |
Automatic infant 2D pose estimation from videos: Comparing seven deep neural network methods
2025-Sep-10, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-025-02816-x
PMID:40931295
|
研究论文 | 比较七种深度神经网络方法在婴儿视频中自动进行2D姿态估计的性能 | 首次系统评估主流姿态估计方法在婴儿视频上的表现，并引入基于躯干长度的误差指标及检测可靠性分析 | 方法主要在成人数据上训练，未针对婴儿进行专门微调（除DeepLabCut和MediaPipe外） | 评估和比较深度学习模型在婴儿姿态估计任务中的性能 | 婴儿视频数据（包含仰卧位和复杂场景） | 计算机视觉 | NA | 深度学习，机器学习 | AlphaPose, DeepLabCut/DeeperCut, Detectron2, HRNet, MediaPipe/BlazePose, OpenPose, ViTPose | 视频 | NA | NA | NA | NA | NA |
| 21500 | 2025-09-12 |
Advanced digital image forensics: A hybrid framework for copy-move forgery detection in multimedia security
2025-Sep, Journal of forensic sciences
IF:1.5Q2
DOI:10.1111/1556-4029.70076
PMID:40361265
|
研究论文 | 提出一种用于多媒体安全中复制-移动伪造检测的混合框架，结合频域滤波、关键点提取、深度学习模型和聚类技术 | 整合FFT频域滤波、SIFT与ORB关键点提取、MobilenetV2和VGG16特征提取以及注意力机制，提升检测准确性和鲁棒性 | NA | 开发高精度数字图像伪造检测方法，保障图像完整性验证 | 数字图像及其可能存在的复制-移动伪造区域 | 计算机视觉 | NA | 快速傅里叶变换(FFT)、SIFT、ORB、DBSCAN聚类、注意力机制 | MobilenetV2, VGG16 | 图像 | 基于五个基准复制-移动伪造数据集进行广泛测试 | NA | NA | NA | NA |