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 32373 篇文献，本页显示第 2601 - 2620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2601 | 2025-05-08 |
Retraction: "Diagnostic Classification and Prognostic Prediction Using Common Genetic Variants in Autism Spectrum Disorder: Genotype-Based Deep Learning"
2025-05-06, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/76833
PMID:40331761
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2602 | 2025-05-01 |
Predicting Mortality with Deep Learning: Are Metrics Alone Enough?
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.250224
PMID:40304577
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2603 | 2024-12-12 |
Integrating Deep Learning with Biology: A New Frontier in Triple-Negative Breast Cancer Treatment Prediction?
2025-01, Radiology. Artificial intelligence
DOI:10.1148/ryai.240740
PMID:39660996
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2604 | 2025-09-12 |
Challenges and Advances in Classifying Brain Tumors: An Overview of Machine, Deep Learning, and Hybrid Approaches with Future Perspectives in Medical Imaging
2025, Current medical imaging
IF:1.1Q3
|
综述 | 本文综述了机器学习和深度学习在脑肿瘤分类中的应用、挑战及未来方向 | 系统比较了从传统机器学习到先进深度学习及混合架构的方法，并提出了多模态成像、可解释AI和隐私保护技术等未来方向 | 注释数据集稀缺、计算复杂度高、模型可解释性差以及临床整合存在障碍 | 提升脑肿瘤分类的准确性和效率，以支持治疗策略和改善患者预后 | 脑肿瘤，特别是胶质瘤、脑膜瘤和转移性脑病变 | 医学影像 | 脑肿瘤 | MRI | SVM, Decision Trees, CNN, RNN, 混合架构 | 图像 | NA | NA | NA | NA | NA |
| 2605 | 2025-09-12 |
Evaluation of Deep Learning Methods for Pulmonary Disease Classification
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究评估了深度学习模型在肺部疾病分类中的应用，通过多特征融合方法提升诊断准确率 | 提出结合MFCC、Chroma STFT和频谱图特征的多特征深度学习模型，达到92%的最高准确率 | 数据集中COPD样本过度代表，限制了模型在测试音频样本上的泛化能力 | 改进肺部疾病的诊断技术，提升疾病检测准确率 | 肺部疾病（包括COPD、LRTI和URTI）的听诊录音 | 数字病理学 | 肺部疾病 | 音频增强方法、MFCC、Chroma STFT、频谱图特征提取 | CNN、RNN、LSTM、密集神经网络 | 音频 | NA | NA | NA | NA | NA |
| 2606 | 2025-09-12 |
Characterization of CNS Network Changes in Two Rodent Models of Chronic Pain
2025, Biological & pharmaceutical bulletin
IF:1.7Q3
DOI:10.1248/bpb.b25-00045
PMID:40930793
|
研究论文 | 本研究使用静息态功能磁共振成像技术，在两种慢性疼痛啮齿动物模型中表征中枢神经系统功能网络的变化 | 结合深度学习的监督机器学习方法预测慢性疼痛，并发现传统网络分析未捕捉到的连接模式信息 | 研究仅基于两种特定啮齿动物模型，结果外推至人类或其他疼痛模型需谨慎 | 探究慢性疼痛相关的中枢神经系统功能变化 | Lewis大鼠和Sprague-Dawley大鼠 | 神经影像学 | 慢性疼痛 | 静息态功能磁共振成像（fMRI），独立成分分析（ICA），图论测量，基于种子的功能连接分析 | 监督机器学习结合深度学习 | 神经影像数据 | 实验1：CFA模型组16只，对照组14只；实验2：PSNL模型组25只，假手术组19只 | NA | NA | NA | NA |
| 2607 | 2025-09-12 |
Recurrent Inference Machine for Medical Image Registration
2024-Jun-19, ArXiv
PMID:39371087
|
研究论文 | 提出一种名为循环推理图像配准网络的新型医学图像配准方法，通过元学习方式迭代求解配准问题 | 将循环推理框架与元学习相结合，通过学习优化更新规则，结合隐式正则化和显式梯度输入，提高配准精度和数据效率 | NA | 提升医学图像配准的精度和数据效率 | 脑部MRI和定量心脏MRI图像 | 计算机视觉 | NA | 深度学习，元学习 | 循环推理网络 | 医学图像（MRI） | NA | NA | NA | NA | NA |
| 2608 | 2025-09-12 |
Toward a deep learning-based magnetic resonance imaging only workflow for postimplant dosimetry in I-125 seed brachytherapy for prostate cancer
2024 Jan-Feb, Brachytherapy
IF:1.7Q3
DOI:10.1016/j.brachy.2023.09.009
PMID:38008648
|
研究论文 | 本研究开发了一种基于深度学习的MRI-only工作流，用于前列腺癌I-125粒子植入后剂量计算，旨在替代当前CT标准方法 | 首次结合深度学习与定量磁敏感图（QSM）和DIXON序列，实现MRI自动粒子分割，避免CT额外辐射并提升软组织对比度 | 研究样本量较小（20例患者），且仅使用1.5T MRI设备，未验证更高场强或更多样人群的适用性 | 建立无需CT的MRI-only工作流，提高前列腺癌粒子治疗后剂量计算的准确性和安全性 | 接受I-125粒子植入治疗的前列腺癌患者 | 数字病理 | 前列腺癌 | MRI（DIXON序列、3D梯度回波序列）、深度学习QSM生成 | 3D nnU-net | 医学影像（MRI、CT） | 20例患者 | NA | NA | NA | NA |
| 2609 | 2025-09-12 |
RescueNet: A High Resolution UAV Semantic Segmentation Dataset for Natural Disaster Damage Assessment
2023-12-20, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02799-4
PMID:38123582
|
研究论文 | 介绍了一个用于自然灾害损害评估的高分辨率无人机语义分割数据集RescueNet | 提供高分辨率灾后图像及所有类别的像素级标注，超越现有数据集的有限标注范围 | NA | 促进自然灾害后的全面场景理解，提升损害评估精度 | 飓风Michael后的灾后图像，包含建筑物、道路、水池、树木等多类别场景元素 | 计算机视觉 | NA | 无人机(UAV)图像采集，语义分割技术 | state-of-the-art segmentation models | 高分辨率图像 | 从多个受影响区域收集的灾后图像数据集 | NA | NA | NA | NA |
| 2610 | 2025-09-12 |
Using green background for dermatological images to improve deep learning-based image classification
2023-12-13, Archives of dermatological research
IF:1.8Q3
DOI:10.1007/s00403-023-02734-y
PMID:38091097
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2611 | 2025-09-12 |
Deep learning downscaled high-resolution daily near surface meteorological datasets over East Asia
2023-12-12, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02805-9
PMID:38086806
|
研究论文 | 使用U-Net深度学习模型对东亚地区气象数据进行降尺度处理，生成高分辨率数据集CLIMEA-BCUD | 结合19个CMIP6模型和MSWX数据集，首次应用偏差校正和U-Net降尺度方法生成0.1°高分辨率东亚气象数据集 | NA | 开发高分辨率气象数据集以促进气候变化和水文学等领域的研究 | 东亚地区的气象数据 | 机器学习 | NA | 偏差校正，UNet降尺度 | U-Net, CNN | 气象数据 | 基于19个CMIP6模型和MSWX数据集，覆盖1950-2100年期间 | NA | NA | NA | NA |
| 2612 | 2025-09-12 |
A Drosophila heart optical coherence microscopy dataset for automatic video segmentation
2023-12-09, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02802-y
PMID:38071220
|
研究论文 | 介绍一种基于LSTM卷积神经网络的果蝇心脏自动分割算法FlyNet 2.0+及其配套数据集 | 利用LSTM-CNN结合时间序列信息实现高质量自动分割，并提供包含213个视频的大型标注数据集 | NA | 开发自动分割算法以提升果蝇心脏光学相干显微镜视频的分析效率与可重复性 | 果蝇（Drosophila melanogaster）心脏 | 计算机视觉 | 心血管疾病 | 光学相干显微镜（OCM） | LSTM-CNN | 视频 | 213个果蝇心脏视频（相当于604,000张截面图像），涵盖所有发育阶段和多种搏动模式 | NA | NA | NA | NA |
| 2613 | 2025-09-12 |
A news-based climate policy uncertainty index for China
2023-12-08, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02817-5
PMID:38065994
|
研究论文 | 本研究首次构建了中国国家级、省级和城市级的气候政策不确定性指数（CCPU） | 首次使用深度学习算法MacBERT模型，基于新闻文本挖掘构建多层级气候政策不确定性指数 | NA | 量化评估中国气候政策不确定性及其社会经济影响 | 中国气候政策及相关新闻报道 | 自然语言处理 | NA | 文本挖掘，深度学习 | MacBERT | 文本 | 中国主要报纸发布的新闻 | NA | NA | NA | NA |
| 2614 | 2025-09-12 |
A Chinese Face Dataset with Dynamic Expressions and Diverse Ages Synthesized by Deep Learning
2023-12-07, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02701-2
PMID:38062057
|
研究论文 | 利用StyleGAN深度学习技术合成包含动态表情和多样年龄的中国面孔数据集SZU-EmoDage | 通过潜在向量插值生成连续动态表情，解决了现有数据集缺乏年龄多样性和动态表情的问题 | NA | 创建具有表情强度和年龄多样性的中国面孔数据集，用于心理学实验 | 合成中国面孔图像 | 计算机视觉 | NA | StyleGAN，深度学习 | GAN | 图像 | NA | NA | NA | NA | NA |
| 2615 | 2025-09-12 |
Application of a 1H Brain MRS Benchmark Dataset to Deep Learning for Out-of-Voxel Artifacts
2023-Sep-01, bioRxiv : the preprint server for biology
DOI:10.1101/2023.05.08.539813
PMID:37215030
|
研究论文 | 本文介绍了一个用于训练和测试神经网络的合成¹H MRS基准数据集AGNOSTIC，并展示了其在检测和预测体素外伪影方面的应用 | 创建了包含259,200个合成MRS样本的大规模基准数据集，并首次使用CNN网络实现体素外伪影的实时检测和信号重建 | 基于合成数据训练，需要在真实临床数据上进一步验证模型性能 | 解决MRS数据中的体素外伪影问题，提高磁共振波谱数据分析的准确性 | 合成¹H MRS数据 | 医学影像分析 | NA | 磁共振波谱(MRS) | CNN | 频谱数据 | 259,200个合成MRS样本 | NA | NA | NA | NA |
| 2616 | 2025-10-06 |
Deep learning prediction of post-SBRT liver function changes and NTCP modeling in hepatocellular carcinoma based on DGAE-MRI
2023-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16386
PMID:36988423
|
研究论文 | 基于DGAE-MRI开发深度学习模型预测肝癌患者SBRT治疗后肝功能变化并建立NTCP模型 | 首次将条件Wasserstein生成对抗网络(cWGAN)用于预测放疗期间肝功能图，并整合体素级功能信息建立个性化NTCP模型 | 研究样本量较小(仅24例患者)，需要在更大患者队列中进一步验证 | 开发基于DGAE-MRI的个性化正常组织并发症概率(NTCP)模型，用于肝癌患者立体定向放射治疗(SBRT)的适应性治疗 | 接受SBRT治疗的肝细胞癌(HCC)患者 | 医学影像分析 | 肝癌 | 动态钆塞酸增强磁共振成像(DGAE-MRI) | cWGAN, 逻辑剂量反应模型 | 医学影像(MRI), 剂量分布图, 肝功能参数图 | 24例HCC患者(来自146例接受SBRT治疗的患者队列) | NA | 条件Wasserstein生成对抗网络(cWGAN) | 均方根误差(RMSE), 结构相似性(SSIM), Wilcoxon符号秩检验 | NA |
| 2617 | 2025-10-06 |
Regional Deep Atrophy: a Self-Supervised Learning Method to Automatically Identify Regions Associated With Alzheimer's Disease Progression From Longitudinal MRI
2023-Apr-10, ArXiv
PMID:37090239
|
研究论文 | 提出一种基于自监督学习的区域深度萎缩方法，可从纵向MRI中自动识别与阿尔茨海默病进展相关的脑区 | 将时间推断方法与可变形配准神经网络和注意力机制相结合，提供可解释的脑区变化可视化 | 未明确说明方法在其他神经退行性疾病或不同数据集上的泛化能力 | 开发可解释的深度学习方法来量化阿尔茨海默病相关的脑萎缩区域 | 阿尔茨海默病患者的纵向MRI脑部扫描数据 | 医学影像分析 | 阿尔茨海默病 | MRI脑部成像 | CNN | 医学影像 | NA | NA | 结合可变形配准神经网络和注意力机制的卷积神经网络 | 预测准确率 | NA |
| 2618 | 2025-10-06 |
Quality assurance (QA) for monitoring the performance of assisted reproductive technology (ART) staff using artificial intelligence (AI)
2023-Feb, Journal of assisted reproduction and genetics
IF:3.2Q2
DOI:10.1007/s10815-022-02649-z
PMID:36374394
|
研究论文 | 本研究评估了基于人工智能的质量保证工具在辅助生殖技术中监测医护人员胚胎操作表现的效用 | 首次将深度学习神经网络应用于辅助生殖技术医护人员操作表现的持续监测和质量保证 | 样本量相对有限，仅评估了特定医疗中心的医护人员表现 | 评估AI质量保证工具在监测ART医护人员胚胎操作表现中的准确性和实用性 | 辅助生殖技术中的医护人员（医生和胚胎学家）及其胚胎操作表现 | 医疗人工智能 | 生殖医学 | 深度学习神经网络 | 深度学习神经网络 | 胚胎发育数据和临床妊娠结果 | 160例胚胎移植，160例玻璃化冷冻，160例解冻，120例滋养层活检 | NA | NA | 植入率预测准确度，Wilcoxon符号秩检验 | NA |
| 2619 | 2025-10-06 |
Implementing Artificial Intelligence and Digital Health in Resource-Limited Settings? Top 10 Lessons We Learned in Congenital Heart Defects and Cardiology
2020-05, Omics : a journal of integrative biology
IF:2.2Q3
DOI:10.1089/omi.2019.0142
PMID:31592719
|
综述 | 分享在资源有限地区实施人工智能和数字健康技术应用于先天性心脏病诊疗的十大经验教训 | 总结了在资源有限环境下实施AI和数字健康技术的实践经验，特别关注先天性心脏病领域 | NA | 探讨如何在资源有限地区有效实施人工智能和数字健康技术以改善先天性心脏病诊疗 | 先天性心脏病患者和心脏病学领域 | 数字病理学 | 心血管疾病 | 机器学习, 深度学习, 自然语言处理, 数字传感器 | 神经网络 | 患者数据, 健康人群数据 | NA | NA | NA | 风险预测, 诊断性能 | NA |
| 2620 | 2025-10-06 |
Adaptive radiotherapy dose prediction on head and neck cancer patients with a 3D multi-headed U-Net deep learning architecture
2025-Dec-01, Machine Learning. Health
DOI:10.1088/3049-477X/adfade
PMID:40917990
|
研究论文 | 提出一种多头部U-Net深度学习架构，用于头颈癌患者自适应放疗剂量预测 | 首次将治疗前计划中的医生临床目标整合到剂量预测模型中，通过双头设计同时处理自适应会话数据和治疗前数据 | 样本量较小（仅43名患者），需要进一步验证在更大数据集上的泛化能力 | 提高头颈癌自适应放疗中剂量预测的准确性和效率 | 头颈癌患者 | 医学影像分析 | 头颈癌 | 深度学习 | U-Net | CT图像、结构集、剂量分布 | 43名患者，包含治疗前计划、自适应治疗计划、结构集和CT图像 | NA | 多头部U-Net（MHU-Net）, 标准U-Net | 最大剂量误差, 平均剂量误差 | NA |