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 50232 篇文献，本页显示第 24621 - 24640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 24621 | 2025-10-06 |
Pulmonary Nodule Classification Using a Multiview Residual Selective Kernel Network
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00928-4
PMID:38343233
|
研究论文 | 提出一种基于多视角残差选择核网络的肺结节分类方法，通过结合手工纹理特征与深度学习模型提升恶性结节预测性能 | 设计了残差选择核(RSK)模块处理肺结节形态多样性，构建多视角RSK网络(MRSKNet)，并提出将同质性纹理特征图与CT图像拼接的输入策略 | 仅在公开数据集LIDC-IDRI上进行验证，需要进一步临床验证 | 开发计算机辅助诊断系统用于肺结节的恶性概率预测 | CT图像中的肺结节 | 计算机视觉 | 肺癌 | CT成像 | CNN | 医学图像 | LIDC-IDRI公共数据库 | NA | ResNet, Selective Kernel | AUC, 准确率, 召回率, 特异性 | NA |
| 24622 | 2025-10-06 |
Deep Learning Detection of Aneurysm Clips for Magnetic Resonance Imaging Safety
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00932-8
PMID:38343241
|
研究论文 | 本研究开发了一种基于深度学习的自动检测系统，用于在MRI扫描前通过CT图像识别动脉瘤夹的存在 | 首次将预训练图像分类神经网络应用于CT定位器图像，实现动脉瘤夹的自动检测，并采用SHAP解释模型预测 | 三维CT头扫描模型的灵敏度未超过定位器模型，样本量相对有限 | 开发自动化系统在MRI预约前标记动脉瘤夹，提高患者安全 | 头部CT扫描图像 | 计算机视觉 | 心血管疾病 | CT成像 | CNN | 图像 | 280例头部CT扫描（140例含动脉瘤夹，140例不含） | NA | 预训练图像分类神经网络 | 灵敏度, 准确率 | NA |
| 24623 | 2025-10-06 |
Intra- and Inter-expert Validation of an Automatic Segmentation Method for Fluid Regions Associated with Central Serous Chorioretinopathy in OCT Images
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00926-6
PMID:38343245
|
研究论文 | 开发并验证用于自动分割OCT图像中中心性浆液性脉络膜视网膜病变相关液体区域的深度学习方法 | 首次在CSC病变分割中进行了专家内和专家间验证，并证明自动分割模型与专家的一致性优于专家之间的一致性 | 未提供内部数据集的平均Dice系数具体数值 | 开发自动分割OCT图像中CSC相关液体区域的方法，减少人工检查工作量 | 中心性浆液性脉络膜视网膜病变患者的OCT图像 | 计算机视觉 | 视网膜疾病 | 光学相干断层扫描 | 深度学习 | 医学图像 | NA | NA | 六种不同复杂度的深度学习架构配置 | Dice系数,Kappa系数 | NA |
| 24624 | 2025-10-06 |
Impacts of Adaptive Statistical Iterative Reconstruction-V and Deep Learning Image Reconstruction Algorithms on Robustness of CT Radiomics Features: Opportunity for Minimizing Radiomics Variability Among Scans of Different Dose Levels
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00901-1
PMID:38343265
|
研究论文 | 研究自适应统计迭代重建-V和深度学习图像重建算法对CT影像组学特征稳健性的影响 | 首次系统比较ASIR-V和DLIR算法在不同剂量水平下对CT影像组学特征重现性的影响 | 研究基于标准化体模，未涉及真实患者数据 | 评估不同重建算法对CT影像组学特征变异性的影响 | 标准化CT体模 | 医学影像分析 | NA | 单能CT, 双能CT, 虚拟单色成像 | 深度学习图像重建 | CT影像 | 标准化体模在不同剂量水平下的扫描数据 | Pyradiomics | NA | 组内相关系数, 一致性相关系数 | NA |
| 24625 | 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 |
| 24626 | 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 |
| 24627 | 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 |
| 24628 | 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 |
| 24629 | 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 |
| 24630 | 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 |
| 24631 | 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 |
| 24632 | 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 |
| 24633 | 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 |
| 24634 | 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 |
| 24635 | 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 |
| 24636 | 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 |
| 24637 | 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 |
| 24638 | 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 |
| 24639 | 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 |
| 24640 | 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 |