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 45201 篇文献，本页显示第 27321 - 27340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 27321 | 2025-04-23 |
Transcranial adaptive aberration correction using deep learning for phased-array ultrasound therapy
2025-Aug, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2025.107641
PMID:40117699
|
研究论文 | 本研究探讨了使用深度学习方法校正颅骨引起的畸变，开发了一种用于安全超声治疗血脑屏障（BBB）开放的经颅自适应聚焦方法 | 提出了一种结合预分割、k-Wave模拟和基于3D U-net网络的方法，用于快速准确地预测相位校正，显著降低了计算成本和时间 | 研究仅基于模拟环境和小块颅骨样本，尚未在真实临床环境中验证 | 开发一种快速、精确且自适应的经颅畸变校正方法，用于通过超声治疗脑部疾病 | 256元相控阵、小块颅骨和水构成的非线性模拟环境 | 医学影像处理 | 脑部疾病 | k-Wave模拟、3D U-net网络 | 3D U-net | 模拟数据 | NA | NA | NA | NA | NA |
| 27322 | 2025-04-23 |
Deep Learning-Driven Glaucoma Medication Bottle Recognition: A Multilingual Clinical Validation Study in Patients with Impaired Vision
2025 Jul-Aug, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2025.100758
PMID:40256318
|
research paper | 临床验证一款基于CNN的Android智能手机应用，用于识别青光眼患者的局部用药 | 开发并验证了一款多语言的CNN驱动应用，显著提高了视力受损患者的药物识别准确率 | 样本量较小（41名参与者），且非英语使用者的应用易用性评分较低 | 验证基于CNN的智能手机应用在青光眼患者药物识别中的效果 | 青光眼伴视力受损患者（包括英语和非英语使用者） | computer vision | glaucoma | CNN | CNN | image | 41名患者（20名非英语使用者，21名英语使用者） | NA | NA | NA | NA |
| 27323 | 2025-04-23 |
A semantic segmentation network for red tide detection based on enhanced spectral information using HY-1C/D CZI satellite data
2025-Jun, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.117813
PMID:40117936
|
研究论文 | 提出了一种基于增强光谱信息的语义分割网络SIC-RTNet，用于利用HY-1C/D CZI卫星数据检测赤潮 | SIC-RTNet通过引入残差块、计算三个光谱信息通道和改进损失函数，提高了赤潮监测的准确性 | 传统遥感方法难以监测小规模赤潮事件和详细分布，且不适用于中高空间分辨率和低光谱分辨率的卫星传感器 | 提高赤潮监测的准确性，助力海洋生态灾害监测 | 赤潮 | 计算机视觉 | NA | 卫星遥感 | Residual Neural Network (SIC-RTNet) | 卫星图像 | NA | NA | NA | NA | NA |
| 27324 | 2025-04-23 |
High-level visual processing in the lateral geniculate nucleus revealed using goal-driven deep learning
2025-Jun, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2025.110429
PMID:40122470
|
研究论文 | 本研究提出了一种利用目标驱动的深度学习方法来揭示侧膝状体核（LGN）在高级视觉处理中的作用 | 使用VGG16和ResNet50两种深度神经网络作为目标驱动模型，探索LGN在高级视觉特征（如数量感知）编码中的作用，挑战了关于LGN功能简单性的传统观点 | 研究仅针对小鼠LGN，结果是否适用于其他物种尚不明确 | 探索LGN在高级视觉处理中的功能 | 小鼠侧膝状体核（LGN）的神经活动 | 计算机视觉 | NA | 深度学习 | VGG16, ResNet50 | 神经活动数据 | NA | NA | NA | NA | NA |
| 27325 | 2025-04-23 |
AI-driven approaches for air pollution modelling: A comprehensive systematic review
2025-May-15, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2025.125937
PMID:40058557
|
综述 | 本文对利用机器学习和深度学习技术预测空气污染的现有研究进行了系统性回顾 | 不仅比较了不同模型和方法，还分析了外部特征（如气象数据、交通信息和土地利用）对污染物水平和模型预测准确性的影响 | 探讨了机器学习和深度学习方法的性能和局限性，但未提出新的模型或方法 | 比较和评估不同方法在预测空气污染物浓度水平方面的效果 | 空气污染预测模型 | 机器学习 | NA | 机器学习和深度学习技术 | 时间模型和时空模型 | 气象数据、交通信息、土地利用等多源数据 | NA | NA | NA | NA | NA |
| 27326 | 2025-10-07 |
Comparative analysis of retinal microvascular parameters in healthy individuals with or without carotid artery stenosis or plaque
2025-May, European journal of ophthalmology
IF:1.4Q3
DOI:10.1177/11206721241291224
PMID:39410788
|
研究论文 | 通过眼底摄影评估视网膜微血管参数与颈动脉狭窄（伴或不伴斑块）的相关性 | 首次使用基于深度学习的算法分析视网膜微血管参数与颈动脉狭窄的关联，为颈动脉狭窄筛查提供新方法 | 回顾性观察研究设计，样本量有限（715名参与者） | 评估视网膜微血管变化与颈动脉狭窄的相关性 | 接受双侧颈动脉超声和双侧眼底摄影检查的患者 | 数字病理 | 心血管疾病 | 眼底摄影，颈动脉超声 | 深度学习算法 | 眼底图像 | 715名参与者（313名颈动脉狭窄患者，402名对照组） | NA | NA | NA | NA |
| 27327 | 2025-10-07 |
PSMA PET/CT based multimodal deep learning model for accurate prediction of pelvic lymph-node metastases in prostate cancer patients identified as candidates for extended pelvic lymph node dissection by preoperative nomograms
2025-May, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-07065-2
PMID:39865180
|
研究论文 | 开发并验证基于PSMA PET/CT的多模态深度学习模型，用于预测前列腺癌患者盆腔淋巴结转移 | 首次结合PSMA PET/CT深度学习特征、定量PET参数和临床参数构建多模态模型，相比传统列线图和PET/CT视觉评估具有更高的预测准确性 | 样本量较小（仅116例患者），需要更大规模的外部验证 | 提高前列腺癌患者盆腔淋巴结转移的预测准确性，减少不必要的扩大盆腔淋巴结清扫术 | 经术前列线图筛选需行扩大盆腔淋巴结清扫术的前列腺癌患者 | 数字病理 | 前列腺癌 | PSMA PET/CT成像 | 深度学习,支持向量机 | 医学影像(PET/CT),临床参数 | 116例前列腺癌患者（训练集82例，测试集34例） | Med3D | Med3D,多核支持向量机 | AUC,校准曲线,决策曲线分析 | NA |
| 27328 | 2025-10-07 |
Exploring the role of multimodal [18F]F-PSMA-1007 PET/CT and multiparametric MRI data in predicting ISUP grading of primary prostate cancer
2025-May, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07099-0
PMID:39871017
|
研究论文 | 本研究探索多模态影像技术（[18F]F-PSMA-1007 PET/CT和多参数MRI）在预测前列腺癌ISUP分级中的作用 | 首次将[18F]F-PSMA-1007 PET/CT与多参数MRI进行多模态融合，并应用小样本学习解决前列腺癌影像数据有限的问题 | 回顾性研究设计，样本量相对有限（341例患者） | 提高前列腺癌ISUP分级的诊断准确性，改善临床决策 | 341例前列腺癌患者（2019-2023年入组） | 数字病理 | 前列腺癌 | [18F]F-PSMA-1007 PET, CT, DWI, T2WI, ADC | 深度学习网络 | 多模态医学影像数据 | 341例前列腺癌患者 | NA | 小样本深度学习网络 | 预测准确性 | NA |
| 27329 | 2025-04-23 |
Development of Hybrid radiomic Machine learning models for preoperative prediction of meningioma grade on multiparametric MRI
2025-May, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia
IF:1.9Q4
DOI:10.1016/j.jocn.2025.111118
PMID:40048835
|
research paper | 开发并比较了基于多参数MRI的机器学习模型，用于术前预测脑膜瘤的分级 | 结合手工提取的放射组学特征和深度学习特征，开发了混合模型（HRO和HDLR）用于脑膜瘤分级预测 | 模型的敏感性和阳性预测值（PPV）存在不一致性，需要更大规模的多中心研究验证 | 开发机器学习模型以区分低级别和高级别脑膜瘤 | 脑膜瘤患者的术前多参数MRI数据 | digital pathology | 脑膜瘤 | 多参数MRI（T1、T1CE、T2、T2 FLAIR、DWI/ADC） | Random Forest, XGBoost | image | 115例（97例低级别和18例高级别脑膜瘤） | NA | NA | NA | NA |
| 27330 | 2025-03-29 |
Advancing Bone Marrow MRI Segmentation Using Deep Learning-Based Frameworks
2025-May, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.03.030
PMID:40148166
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 27331 | 2025-04-23 |
Enhancing brain age estimation under uncertainty: A spectral-normalized neural gaussian process approach utilizing 2.5D slicing
2025-May-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121184
PMID:40180003
|
研究论文 | 提出了一种结合谱归一化神经高斯过程（SNGP）和2.5D切片的方法，用于在低计算成本下实现脑年龄估计中的不确定性整合 | 首次将SNGP与2.5D切片方法结合，实现了在单一网络中无缝整合不确定性估计，同时保持低计算成本和模型复杂度 | 未明确提及具体局限性，但可能包括模型在更广泛人群中的验证不足 | 开发一种能够准确估计脑年龄并量化不确定性的方法，以提升脑异常检测的临床适用性 | 脑MRI数据 | 医学影像分析 | 脑部异常（如ADHD） | 磁共振成像（MRI） | SNGP（谱归一化神经高斯过程） | 2.5D MRI切片 | 11个公共数据集（N=6327）和独立验证集（N=301） | NA | NA | NA | NA |
| 27332 | 2025-04-23 |
Automated segmentation of the dorsal root ganglia in MRI
2025-May-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2025.121189
PMID:40185423
|
研究论文 | 开发了一种基于深度学习的全自动背根神经节（DRG）MRI分割工作流程 | 首次提出全自动DRG分割方法，使用CNN在nnU-Net框架上训练，分割效果与专家标注相当但速度提高10倍 | 方法仅在健康对照组和Fabry疾病患者中验证，需要更多疾病类型验证 | 开发全自动DRG分割方法以促进DRG成像生物标志物的研究和应用 | 背根神经节（DRG） | 医学影像分析 | Fabry病 | MRI | CNN | 3D T2加权MR图像 | 220个健康对照DRG | NA | NA | NA | NA |
| 27333 | 2025-04-23 |
Deciphering the Scattering of Mechanically Driven Polymers Using Deep Learning
2025-Apr-22, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00409
PMID:40197011
|
研究论文 | 本文提出了一种利用深度学习分析二维散射数据的方法，用于研究外力作用下的半柔性聚合物 | 使用变分自编码器(VAE)和转换网络建立聚合物参数与散射函数的双向映射，提供了一种快速、自动化的散射分析工具 | 方法尚未经过实验验证，且目前仅适用于静态散射数据 | 开发一种可扩展的自动化工具用于聚合物散射分析 | 半柔性聚合物在外部力作用下的散射数据 | 机器学习 | NA | 变分自编码器(VAE), 蒙特卡洛模拟 | VAE | 二维散射数据 | 通过离格蒙特卡洛模拟生成的训练数据 | NA | NA | NA | NA |
| 27334 | 2025-04-23 |
Optimization of Material Composition for Improving Mechanical Properties of Fly Ash-Slag-Based Geopolymers: A Deep Learning Approach
2025-Apr-22, Langmuir : the ACS journal of surfaces and colloids
IF:3.7Q2
DOI:10.1021/acs.langmuir.4c04969
PMID:40203137
|
研究论文 | 本研究利用深度学习技术优化粉煤灰-矿渣基地质聚合物（FASGG）的材料组成和配合比设计，以提高其力学性能的预测精度 | 开发了一种新型预测模型MK-CNN-GRU，整合了最大信息系数-K中值算法、卷积神经网络和门控循环单元算法，能够充分挖掘实验数据的内部特征并学习其变化规律 | NA | 优化粉煤灰-矿渣基地质聚合物的材料组成和配合比设计，提高其力学性能的预测精度 | 粉煤灰-矿渣基地质聚合物（FASGG） | 机器学习 | NA | 深度学习 | MK-CNN-GRU（整合了最大信息系数-K中值算法、CNN和GRU） | 实验数据 | 600组实验数据 | NA | NA | NA | NA |
| 27335 | 2025-04-23 |
Design of Multi-Cancer VOCs Profiling Platform via a Deep Learning-Assisted Sensing Library Screening Strategy
2025-Apr-22, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c06468
PMID:40211116
|
研究论文 | 提出了一种深度学习辅助的两步筛选策略，用于识别最小传感器元件的最佳组合，以开发高性能传感器阵列 | 使用深度学习辅助的FRR算法有效筛选传感元件，快速构建了8元和10元传感器阵列，实现了100%的VOCs判别准确率 | NA | 开发高性能传感器阵列用于多癌症VOCs的并行判别 | 挥发性有机化合物(VOCs)和癌症模型 | 机器学习 | 多癌症 | 深度学习辅助的传感器元件筛选策略 | 前馈神经网络-随机森林-递归特征消除(FRR)算法 | 颜色变化数据和图像数据 | 400个传感元件（由20个可电离阳离子元件和20个阴离子染料配对构成） | NA | NA | NA | NA |
| 27336 | 2025-04-23 |
Development of an Artificial Intelligence-Enabled Electrocardiography to Detect 23 Cardiac Arrhythmias and Predict Cardiovascular Outcomes
2025-Apr-22, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02177-0
PMID:40259136
|
研究论文 | 开发一种基于人工智能的心电图技术，用于检测23种心律失常并预测心血管结局 | 开发了一个深度学习模型（DLM），能够在多个数据集中检测多种心律失常，并在人机竞赛中达到心脏病专家水平的性能 | 研究中使用的心电图数据集虽然多样，但仍可能存在一定的局限性，且模型的泛化能力需要进一步验证 | 开发一种准确的心律失常检测工具，以帮助医生识别高风险患者并进行早期干预 | 心电图数据和心律失常患者 | 数字病理 | 心血管疾病 | 深度学习 | DLM | 心电图数据 | 22,130份心电图用于开发和验证，32,495份心电图用于外部验证 | NA | NA | NA | NA |
| 27337 | 2025-04-23 |
Deep learning unlocks the true potential of organ donation after circulatory death with accurate prediction of time-to-death
2025-Apr-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95079-7
PMID:40253393
|
研究论文 | 本研究利用深度学习技术预测循环死亡后器官捐献的时间，以提高器官捐献数量和质量 | 结合了循环神经网络和神经常微分方程的ODE-RNN模型，能够处理不规则采样的时间序列数据，准确预测死亡时间 | 模型仅在特定医院的患者数据上进行训练和验证，可能在其他地区或医院的应用效果有限 | 解决循环死亡后器官捐献时间不确定的问题，以提高器官捐献的成功率和移植后效果 | 重症监护病房(ICU)中接受终末拔管的患者 | 机器学习 | 器官移植 | ODE-RNN | RNN与神经常微分方程结合 | 临床观察时间序列数据 | 训练集3,238名患者(来自耶鲁纽黑文医院)，验证集1,908名患者(来自康涅狄格州六家医院) | NA | NA | NA | NA |
| 27338 | 2025-04-23 |
Efficient hybrid heuristic adopted deep learning framework for diagnosing breast cancer using thermography images
2025-Apr-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-96827-5
PMID:40253418
|
research paper | 提出了一种基于深度学习的混合启发式框架，用于通过热成像图像诊断乳腺癌 | 结合了Rock Hyraxes Dandelion Algorithm Optimization (RHDAO)进行阈值优化和权重优化，并采用了新实现的StackVRDNet深度学习结构 | 未提及具体样本量及数据来源的详细信息 | 提高乳腺癌早期诊断的准确性和效率 | 乳腺癌患者的热成像图像 | digital pathology | breast cancer | thermography, deep learning | StackVRDNet (结合VGG16, Resnet, DenseNet) | image | NA | NA | NA | NA | NA |
| 27339 | 2025-04-23 |
A hybrid approach combining deep learning and signal processing for bearing fault diagnosis under imbalanced samples and multiple operating conditions
2025-Apr-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-98138-1
PMID:40253550
|
研究论文 | 提出了一种结合深度学习和信号处理的混合方法，用于在样本不平衡和多种操作条件下进行轴承故障诊断 | 结合生成对抗网络(GANs)、迁移学习、小波变换时频表示、非对称卷积网络和多头注意力机制(MAC-MHA)，提升轴承故障诊断性能 | NA | 提升轴承故障诊断性能 | 轴承振动信号 | 机器学习 | NA | GANs, 迁移学习, 小波变换, MAC-MHA | 非对称卷积网络, 多头注意力机制 | 振动信号 | PADERBORN和CWRU数据集 | NA | NA | NA | NA |
| 27340 | 2025-10-07 |
Application of Artificial Intelligence in Thoracic Radiology: A Narrative Review
2025-Apr, Tuberculosis and respiratory diseases
IF:2.5Q2
DOI:10.4046/trd.2024.0062
PMID:39689720
|
综述 | 本文综述人工智能在胸部放射学领域的最新应用进展与未来发展方向 | 系统梳理深度学习在胸部放射学中的最新成果，并探讨该前沿技术的当前局限与发展方向 | NA | 探讨人工智能在胸部放射学中的应用潜力与发展前景 | 胸部放射学中的人工智能技术 | 计算机视觉 | NA | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |