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 50105 篇文献，本页显示第 21961 - 21980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21961 | 2025-11-07 |
Enhancing Free-Hand 3-D Photoacoustic and Ultrasound Reconstruction Using Deep Learning
2025-Nov, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3579454
PMID:40512645
|
研究论文 | 提出一种结合运动学习和全局-局部自注意力模块的深度学习网络(MoGLo-Net)，用于提升手持式光声和超声成像的3D重建质量 | 创新地采用自注意力机制识别超声图像中的关键区域（如完全发育的散斑区域或高回声组织区域）来精确估计运动参数，并引入块状相关操作生成与扫描运动高度相关的相关体积 | 未提及具体局限性 | 解决手持式光声和超声成像中3D自由手技术运动估计不准确的挑战 | 光声和超声成像序列的2D图像 | 医学影像处理 | NA | 光声成像、超声成像、深度学习 | 深度学习网络 | 超声图像序列、光声图像序列 | NA | NA | 自注意力机制网络 | 定量指标、定性指标 | NA |
| 21962 | 2025-11-07 |
Deep Learning-Accelerated Prostate MRI: Improving Speed, Accuracy, and Sustainability
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.06.022
PMID:40664559
|
研究论文 | 评估深度学习增强的四倍并行采集技术在提升前列腺MRI图像质量和扫描效率方面的有效性 | 首次将深度学习与四倍并行采集技术结合应用于前列腺MRI，显著提升图像质量同时大幅缩短扫描时间 | 样本量相对较小（51名参与者），研究时间范围有限（2024年1月至7月） | 比较深度学习增强的P4技术与传统P2技术在前列腺MRI中的性能差异 | 接受前列腺MRI检查的患者 | 医学影像分析 | 前列腺癌 | MRI，并行采集技术，深度学习增强成像 | 深度学习 | 医学影像（T2加权序列） | 51名参与者（平均年龄69.4岁±10.5岁） | NA | NA | 信噪比，对比噪声比，图像质量评分，扫描时间 | NA |
| 21963 | 2025-09-18 |
Faster and Sharper Prostate T2W MRI with Deep Learning
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.09.003
PMID:40957748
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21964 | 2025-11-07 |
Real-Time Global Longitudinal Strain During Echocardiography: A Deep Learning Platform for Improved Workflow
2025-Nov, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography
IF:5.4Q1
DOI:10.1016/j.echo.2025.08.015
PMID:40876495
|
研究论文 | 开发用于超声心动图实时全局纵向应变分析的深度学习平台，评估其可行性、精确性和时间效率 | 首次开发完全自动化的实时GLS分析平台，集成深度学习工具支持图像采集标准化 | 样本量较小（50例患者），需要更大规模研究验证 | 评估深度学习平台在实时GLS测量中的可行性和效率 | 50名患者（平均年龄56岁，64%男性）的超声心动图数据 | 医学影像分析 | 心血管疾病 | 超声心动图 | 深度学习 | 超声图像 | 50例患者 | NA | NA | 可行性百分比, 偏差, 一致性界限, 相关系数, 时间效率 | NA |
| 21965 | 2025-11-07 |
Deep learning-based synthetic-CT-free photon dose calculation in MR-guided radiotherapy: A proof-of-concept study
2025-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70106
PMID:41186921
|
研究论文 | 本研究提出了一种基于深度学习的无合成CT磁共振引导放疗光子剂量计算方法 | 首次直接在0.35T MRI上进行光子剂量计算，跳过了传统合成CT生成步骤 | 研究仅针对前列腺癌病例，样本量较小（34例患者） | 开发适用于MRI引导在线自适应放疗的实时剂量计算方法 | 前列腺癌患者 | 医学影像分析 | 前列腺癌 | 磁共振成像，蒙特卡洛剂量模拟 | U-Net, LSTM | MRI图像，CT图像 | 34例前列腺癌患者（20例训练，4例验证，10例测试） | NA | U-Net, LSTM | gamma通过率，剂量剖面，剂量体积直方图 | NA |
| 21966 | 2025-11-07 |
Deep Learning-Enhanced Opportunistic Osteoporosis Screening in 100 kV Low-Voltage Chest CT: A Novel Way Toward Bone Mineral Density Measurement and Radiation Dose Reduction
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.07.060
PMID:40835570
|
研究论文 | 开发深度学习模型在100kV低剂量胸部CT中实现全自动椎体分割和骨密度测量 | 首次在100kV低剂量胸部CT中实现全自动椎体分割和骨密度计算的深度学习框架 | 研究样本量有限（1167例患者），需进一步扩大验证 | 探索深度学习在低剂量胸部CT中骨质疏松筛查的可行性和准确性 | 接受100kV低剂量胸部CT和120kV腰椎CT的1167例患者 | 医学影像分析 | 骨质疏松症 | CT扫描 | CNN | CT影像 | 1167例患者（训练集495例，验证集169例，三个测试集共503例） | NA | 3D VB-Net, SCN, DenseNet, ResNet | R2, 平均误差, AUC | NA |
| 21967 | 2025-11-07 |
Differentiation of Suspicious Microcalcifications Using Deep Learning: DCIS or IDC
2025-Nov, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.07.062
PMID:40835571
|
研究论文 | 本研究开发基于深度学习的模型用于区分乳腺X线摄影中可疑微钙化的导管原位癌和浸润性导管癌 | 首次结合深度学习特征与临床变量构建联合模型，在区分DCIS和IDC方面显著优于传统临床模型 | 回顾性研究，样本量相对有限（294例），仅来自两个中心 | 探索深度学习模型在区分表现为可疑微钙化的DCIS和IDC中的价值 | 乳腺X线摄影中表现为可疑微钙化的乳腺癌病例 | 数字病理 | 乳腺癌 | 乳腺X线摄影 | CNN | 医学影像 | 294例乳腺癌病例（106例DCIS，188例IDC） | NA | ResNet101 | AUC, 敏感度, 特异度, 准确率 | NA |
| 21968 | 2025-11-07 |
Application and development of infrared technology in gas detection
2025-Nov-01, The Review of scientific instruments
DOI:10.1063/5.0255190
PMID:41191477
|
综述 | 系统回顾红外气体检测技术的最新进展，包括检测方法比较、技术特征分析和算法发展演变 | 强调算法设计在检测精度与工程成本间的平衡作用，阐述数据驱动的深度学习方法如何通过自动提取多维特征克服传统物理方法的局限 | 检测精度与实时性能的权衡、气体特异性光谱波段增强困难、高质量数据集稀缺 | 红外气体检测技术的应用与发展研究 | 红外气体检测技术 | 红外成像技术 | NA | 红外成像技术、主动与被动气体成像方法、多组分检测系统、超灵敏痕量检测技术 | 深度学习 | 红外光谱数据、多维特征 | NA | NA | NA | 检测精度、实时性能 | NA |
| 21969 | 2025-11-07 |
Segmentation algorithm of Ochotona curzoniae-induced bare patches in alpine meadow based on deep lear-ning
2025-Oct-18, Ying yong sheng tai xue bao = The journal of applied ecology
DOI:10.13287/j.1001-9332.202510.031
PMID:41194739
|
研究论文 | 提出一种基于深度学习的波浪增强U型卷积神经网络用于无人机影像中高原鼠兔导致的裸斑分割 | 在UNet架构中引入坐标注意力机制增强空间定位能力，使用小波变换卷积提升高频信息提取和细粒度特征恢复，采用复合损失函数解决类别不平衡问题 | NA | 开发高效准确的高原鼠兔导致的裸斑分割方法 | 高原鼠兔导致的草地裸斑 | 计算机视觉 | NA | 无人机影像 | CNN | 图像 | NA | NA | W-UNet, UNet, VGG16 | MIoU, MPA, ACC | NA |
| 21970 | 2025-11-07 |
Lung MRI: Indications, Capabilities, and Techniques-AJR Expert Panel Narrative Review
2025-Oct, AJR. American journal of roentgenology
DOI:10.2214/AJR.25.32637
PMID:40397559
|
综述 | 本文系统回顾了肺部MRI的临床适应症、现有能力、扫描协议及新兴技术 | 整合了专家共识建议，并探讨了深度学习加速等新技术在肺部MRI中的潜在应用前景 | 临床应用中存在医生认知度不足、放射科医师和技术人员经验欠缺等推广障碍 | 评估肺部MRI在肺部疾病诊断和监测中的临床应用价值 | 肺部实质和气道病理变化的MRI评估 | 数字病理 | 肺癌 | MRI, 深度学习加速 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 21971 | 2025-11-07 |
SeaMoon: From protein language models to continuous structural heterogeneity
2025-Sep-04, Structure (London, England : 1993)
DOI:10.1016/j.str.2025.06.010
PMID:40683255
|
研究论文 | 本研究开发了SeaMoon方法，直接从蛋白质序列预测连续结构异质性，无需依赖3D结构信息 | 首次探索直接从蛋白质序列预测连续结构运动，无需利用3D结构；结合蛋白质语言模型与轻量级卷积神经网络；能够捕捉传统方法无法识别的运动模式 | 仅对40%的测试蛋白质能够以合理精度预测至少一个真实运动 | 开发直接从蛋白质序列预测连续结构异质性的深度学习方法 | 蛋白质结构运动和构象变化 | 计算生物学, 机器学习 | NA | 蛋白质语言模型, 深度学习 | CNN | 蛋白质序列, 蛋白质语言模型嵌入 | 约1,000组实验构象集合 | NA | 轻量级卷积神经网络 | 预测精度 | NA |
| 21972 | 2025-11-07 |
Accelerating Biomolecular Modeling with AtomWorks and RF3
2025-Aug-15, bioRxiv : the preprint server for biology
DOI:10.1101/2025.08.14.670328
PMID:40832246
|
研究论文 | 提出AtomWorks数据框架和RosettaFold-3结构预测网络，用于加速生物分子建模开发 | 开发了通用的生物分子基础模型数据框架，并改进了手性处理以缩小与AlphaFold3的性能差距 | 未明确说明模型的具体性能局限或计算资源需求 | 促进开源生物分子机器学习模型的发展，改进生物分子结构预测 | 蛋白质结构和生物分子复合物 | 机器学习 | NA | 深度学习 | 神经网络 | 蛋白质结构数据 | NA | NA | RosettaFold-3 | NA | NA |
| 21973 | 2025-11-07 |
[A deep learning method for differentiating nasopharyngeal carcinoma and lymphoma based on MRI]
2025-Jul, Lin chuang er bi yan hou tou jing wai ke za zhi = Journal of clinical otorhinolaryngology head and neck surgery
|
研究论文 | 开发基于常规MRI的深度学习模型，用于鼻咽癌和鼻咽淋巴瘤的自动分割与鉴别诊断 | 首次将预训练ResNet101模型应用于鼻咽癌与淋巴瘤的MRI影像鉴别诊断，并采用多序列图像组合策略提升性能 | 回顾性研究，样本量有限（434例），仅使用单一医疗机构数据 | 建立基于MRI的自动分割和鉴别诊断模型 | 鼻咽癌和鼻咽淋巴瘤患者 | 医学影像分析 | 鼻咽癌, 淋巴瘤 | MRI（T1WI, T2WI, T1CE） | CNN | 医学影像 | 434例患者（142例淋巴瘤，292例鼻咽癌） | PyTorch/TensorFlow（未明确指定） | ResNet101 | Dice系数, AUC | NA |
| 21974 | 2025-11-07 |
Dynamic Hierarchical Convolutional Attention Network for Recognizing Motor Imagery Intention
2025-May, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3549583
PMID:40131750
|
研究论文 | 提出动态分层卷积注意力网络(DH-CAN)，通过综合学习脑电图信号的全局/局部空间特征和时频特征来识别运动想象意图 | 首次将脑区映射与图注意力网络结合，通过参数共享机制捕捉对称脑区的不对称运动想象模式，实现多层级特征融合 | 未明确说明模型计算复杂度及实时性表现，在更广泛数据集上的泛化能力有待验证 | 开发更有效的脑电图解码模型以准确识别运动想象意图 | 脑电图信号中的运动想象神经活动模式 | 脑机接口 | NA | 脑电图信号处理 | CNN,图注意力网络 | 脑电图时序信号 | 两个公开数据集（具体数量未说明） | NA | 动态分层卷积注意力网络(DH-CAN)，包含多尺度卷积块和图注意力网络 | 多种评估指标（具体指标未列明） | NA |
| 21975 | 2025-11-07 |
EViT: An Eagle Vision Transformer With Bi-Fovea Self-Attention
2025-Mar, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2025.3532282
PMID:40031751
|
研究论文 | 提出一种受鹰眼视觉系统启发的视觉Transformer模型EViT，通过双凹窝自注意力机制提高计算效率和特征表示能力 | 首次将鹰眼视觉特性引入视觉Transformer，提出双凹窝视觉交互结构、双凹窝自注意力机制和双凹窝前馈网络 | NA | 解决视觉Transformer计算复杂度高和缺乏理想归纳偏置的问题 | 计算机视觉任务中的特征表示学习 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | NA | NA | EViT, 金字塔骨干网络 | 计算效率, 可扩展性 | NA |
| 21976 | 2025-11-07 |
Enhanced diagnosis of pes planus and pes cavus using deep learning-based segmentation of weight-bearing lateral foot radiographs: a comparative observer study
2025-Jan, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00439-3
PMID:39781051
|
研究论文 | 开发基于深度学习的足部承重侧位X线片语义分割模型，用于增强扁平足和高弓足的诊断 | 首次将U-Net模型应用于足部承重X线片的语义分割，并采用混合损失函数结合Dice Loss和边界损失来提升分割精度 | 研究样本仅来自韩国年轻男性，缺乏更广泛人群的验证 | 通过深度学习模型改进扁平足和高弓足的诊断准确性 | 足部承重侧位X线片 | 数字病理学 | 足部畸形 | X射线成像 | CNN | 医学影像 | 300张韩国年轻男性足部X线片（200训练，100内部验证），外加两个外部验证数据集 | NA | U-Net | 角度测量误差，诊断准确率 | NA |
| 21977 | 2025-11-07 |
Diagnosis of colorectal cancer using residual transformer with mixed attention and explainable AI
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335418
PMID:41183063
|
研究论文 | 提出一种结合残差网络和混合注意力Transformer的混合模型RNTNet，用于结直肠癌图像诊断，并通过可解释AI技术可视化模型决策过程 | 提出Residual Next Transformer Network (RNTNet)，结合ResNeXt的细粒度特征提取能力和带混合注意力机制的ViT编码器，实现局部与全局特征的协同建模 | 仅使用两个公开数据集进行验证，未在更大规模或更多样化的临床数据上进行测试 | 提高结直肠癌图像诊断的准确性和可解释性 | 结直肠癌组织图像 | 计算机视觉 | 结直肠癌 | 深度学习 | CNN, Transformer | 图像 | Kather和KvasirV1两个公开数据集 | NA | ResNeXt, Vision Transformer (ViT), RNTNet | 准确率, AUC | NA |
| 21978 | 2025-11-07 |
Multiview state-of-health estimation for lithium-ion batteries using time-frequency image fusion and attention-based deep learning
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0335351
PMID:41183084
|
研究论文 | 提出一种基于时频图像融合和注意力机制的多视角锂离子电池健康状态估计方法 | 首次将时域信号转换为时频图像并与原始时序特征通过双分支注意力机制进行融合 | 未明确说明模型在不同电池类型和工况下的泛化能力 | 实现锂离子电池健康状态的准确早期预测 | 锂离子电池 | 机器学习 | NA | 小波变换 | CNN, LSTM | 时域信号, 时频图像 | NA | NA | CNN-LSTM融合架构 | 预测精度 | NA |
| 21979 | 2025-11-07 |
Artificial Intelligence in Cancer Oncology Through Comprehensive Bibliometric Mapping of Global Trends Impact and Conceptual Structures
2025, Journal of healthcare leadership
IF:3.4Q1
DOI:10.2147/JHL.S550933
PMID:41185664
|
研究论文 | 通过文献计量学映射分析人工智能在肿瘤学领域的全球研究趋势、知识影响和概念结构 | 首次对2022-2025年间人工智能在肿瘤学领域的研究进行全面文献计量分析，揭示了多模态学习、放射基因组学等主导主题以及基于Transformer的模型、联邦学习等新兴方向 | 低收入和中等收入国家参与有限、缺乏标准化数据集、多学科合作不足 | 分析人工智能在肿瘤学领域的全球研究趋势和概念结构 | 19,627篇同行评审文章（从34,218篇初始数据集中筛选） | 机器学习 | 癌症 | 文献计量分析、对应分析(CA)、多重对应分析(MCA) | NA | 文献数据 | 19,627篇文章 | RStudio | NA | 解释方差（第一维度80.01%，第二维度8.76%） | NA |
| 21980 | 2025-11-07 |
Predictive value of artificial intelligence and radiomics for atrial fibrillation recurrence after catheter ablation for pulmonary vein isolation
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251393276
PMID:41185683
|
研究论文 | 本研究开发了一种基于人工智能和影像组学的无创模型，用于预测肺静脉隔离导管消融术后房颤复发风险 | 首次结合SwinUNETR深度学习模型进行心脏区域分割和影像组学特征提取，并提供了基于影像组学的可解释性分析方法 | 样本量相对有限（311例患者），模型预测性能仍有提升空间（AUC 0.79） | 提高肺静脉隔离术后房颤复发的预测准确性，优化患者选择策略 | 311例接受肺静脉隔离导管消融术的房颤患者，包括复发组（160例）和非复发组（151例） | 医学影像分析 | 心血管疾病 | 影像组学分析 | 深度学习, 机器学习 | 医学影像 | 311例房颤患者 | NA | SwinUNETR | Dice系数, AUC | NA |