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 43459 篇文献，本页显示第 27541 - 27560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 27541 | 2025-10-07 |
Robust explanation supervision for false positive reduction in pulmonary nodule detection
2024-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16937
PMID:38224306
|
研究论文 | 提出一种集成可解释AI方法的稳健可解释检测框架，用于减少肺结节检测中的假阳性 | 采用解释监督方法，使用放射科医生的结节轮廓作为监督信号，结合两种插补方法减少人工标注噪声 | 仅在公开数据集LIDC-IDRI上进行验证，需要进一步临床验证 | 开发集成可解释AI方法的框架，实现准确的肺结节检测 | 肺结节 | 医学影像分析 | 肺癌 | 胸部薄层CT扫描 | 深度学习算法 | CT图像 | 480个训练集，265个验证集，265个测试集CT图像 | NA | NA | AUC, IoU | NA |
| 27542 | 2025-10-07 |
Channelized hotelling observer-based low-contrast detectability on the ACR CT accreditation phantom: Part II. Repeatability study
2024-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16961
PMID:38305692
|
研究论文 | 本研究验证了基于通道化霍特林观测器的低对比度检测能力评估方法在ACR CT认证体模上的重复性 | 优化后的CHO模型仅需1-3次重复扫描即可实现高重复性测量，解决了传统方法需要大量重复扫描的局限性 | 研究仅限于四种特定CT扫描仪型号和ACR体模，未涵盖所有可能的临床场景 | 验证基于通道化霍特林观测器的低对比度检测能力评估方法的重复性 | ACR CT认证体模和四种CT扫描仪（西门子Force和Alpha，佳能Prism和Prime SP） | 医学影像分析 | NA | CT扫描，通道化霍特林观测器，深度学习重建 | 通道化霍特林观测器 | CT图像 | 4种CT扫描仪，每种10次重新定位，每次3次重复扫描，共120次扫描 | NA | NA | 检测指数d'，P<15%（测量值落在±15%容差范围内的概率） | NA |
| 27543 | 2025-03-03 |
2024-Mar, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16965
PMID:38319676
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 27544 | 2025-10-07 |
Improved outcome models with denoising diffusion
2024-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2024.103307
PMID:38325221
|
研究论文 | 本研究使用去噪扩散概率模型生成合成放疗计划数据，以改善类别不平衡的肿瘤局部控制预测模型性能 | 首次将条件3D DDPM模型应用于放疗结果建模，通过生成合成治疗计划数据解决类别不平衡问题 | 研究仅基于535例NSCLC患者数据，样本量相对有限 | 改善放疗结果建模中的类别不平衡问题，提高肿瘤局部控制预测模型的性能 | 535例接受SBRT治疗的NSCLC患者 | 医学影像分析 | 肺癌 | 放射治疗计划数据生成 | DDPM, 深度学习 | 3D医学影像（计划CT图像、3D计划剂量分布）、患者人口统计学数据 | 535例NSCLC患者，其中6-7%发生局部失败 | NA | 条件3D DDPM | Fréchet inception distance (FID) | NA |
| 27545 | 2025-10-07 |
Machine learning based prediction of image quality in prostate MRI using rapid localizer images
2024-Mar, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.2.026001
PMID:38435711
|
研究论文 | 本研究开发了一种基于机器学习的预测方法，仅使用快速定位序列图像即可预测前列腺MRI图像质量 | 首次仅基于几秒钟即可获取的MRI快速定位序列图像，预测尚未采集的T2W、DWI和ADC序列图像质量 | 样本量相对较小（213例），测试集中优质与次优检查比例不平衡 | 开发前列腺MRI图像质量早期预测方法，以便及时干预或重新安排检查 | 前列腺MRI快速定位图像和直肠内容物 | 医学影像分析 | 前列腺癌 | MRI | 深度学习 | 医学图像 | 213例前列腺矢状T2加权MRI定位图像（147例训练，64例测试） | NA | 2D U-Net, ResNet-34 | AUC, ICC | NA |
| 27546 | 2025-10-07 |
Automated detection of nine infantile fundus diseases and conditions in retinal images using a deep learning system
2024-Mar, The EPMA journal
DOI:10.1007/s13167-024-00350-y
PMID:38463622
|
研究论文 | 开发了一种基于深度学习的婴儿视网膜智能诊断系统，用于自动检测九种婴儿眼底疾病和状况 | 结合卷积神经网络和Transformer结构，开发了首个能够同时识别九种婴儿眼底疾病的自动化诊断系统 | 研究数据来自四家医院，可能存在地域局限性；需要进一步验证在更广泛人群中的适用性 | 开发自动化系统辅助婴儿眼底疾病的早期诊断和监测 | 婴儿视网膜图像 | 计算机视觉 | 眼科疾病 | 深度学习 | CNN, Transformer | 视网膜图像 | 7697张视网膜图像（来自1089名婴儿） | NA | ResNet-18, Multi-Axis Vision Transformer (MaxViT) | 准确率, 精确率, 召回率, F1分数, kappa系数, AUC | NA |
| 27547 | 2025-10-07 |
Few-shot learning using explainable Siamese twin network for the automated classification of blood cells
2023-Jun, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-023-02804-3
PMID:36800155
|
研究论文 | 提出基于可解释孪生网络的小样本学习方法用于血细胞自动分类 | 使用对比学习的孪生网络在少量图像上训练，并提出新的类别激活映射方案增强模型可解释性 | 仅使用健康外周血细胞图像，未涉及病理状态细胞 | 开发小样本学习方法实现血细胞自动分类 | 健康外周血细胞 | 计算机视觉 | 血液疾病 | 显微成像 | Siamese网络 | 图像 | 17,092张公开细胞组织学图像（6%训练，6%验证，88%测试） | NA | EfficientNet-B3 | 准确率 | NA |
| 27548 | 2025-10-07 |
A three-dimensional marine plastic litter real-time detection embedded system based on deep learning
2025-Apr, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.117603
PMID:39889545
|
研究论文 | 提出基于深度学习的嵌入式三维海洋塑料垃圾实时检测系统 | 结合图像质量评估与增强技术提升水下图像质量，并通过模型压缩量化实现嵌入式部署 | 未明确说明系统在复杂海洋环境中的长期稳定性测试结果 | 开发用于海洋塑料垃圾实时清理的智能检测系统 | 海洋环境中的塑料垃圾 | 计算机视觉 | NA | 深度学习，图像质量增强 | YOLOv5 | 水下图像 | NA | NA | YOLOv5 | 精确率，召回率，F1分数，平均精度均值 | 嵌入式设备 |
| 27549 | 2025-10-07 |
Redefining a new frontier in alkaptonuria therapy with AI-driven drug candidate design via in- silico innovation
2025-Mar-26, Zeitschrift fur Naturforschung. C, Journal of biosciences
DOI:10.1515/znc-2024-0075
PMID:38996180
|
研究论文 | 本研究利用人工智能驱动的药物设计方法，开发基于天然黄酮醇分子山奈酚的新型AKU治疗候选药物 | 首次将深度学习AI药物设计应用于黑酸尿症治疗，通过AI优化山奈酚分子结构开发新型4-羟基苯丙酮酸双加氧酶抑制剂 | 研究结果需要通过实验验证，目前仅为计算机模拟结果 | 开发毒性更低、疗效更好的黑酸尿症治疗药物 | 黑酸尿症患者，4-羟基苯丙酮酸双加氧酶靶点 | 药物发现 | 黑酸尿症 | AI药物设计，分子对接 | 深度学习 | 分子结构数据 | 3个AI设计的候选药物分子 | NA | NA | 结合亲和力(-9.099 kcal/mol)，药物相似性，毒性评估 | NA |
| 27550 | 2025-03-02 |
Physics-driven deep learning for high-fidelity photon-detection ghost imaging
2025-Mar-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.541330
PMID:40020023
|
研究论文 | 本文提出了一种基于物理驱动的深度学习光子探测鬼成像方法，以提高在散射介质中的空间和深度分辨率 | 通过共同设计计算鬼成像系统和网络，将成像和重建更紧密地结合，以超越物理分辨率限制，并设计了具有注意力机制的特殊深度融合网络 | NA | 提高在散射介质中的光子探测成像的空间和深度分辨率 | 光子探测成像 | 计算机视觉 | NA | 深度学习 | 深度融合网络 | 图像 | NA | NA | NA | NA | NA |
| 27551 | 2025-03-02 |
Phantom-metasurface cooperative system trained by a deep learning network driven by a bound state for a magnetic resonance-enhanced system
2025-Mar-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.546727
PMID:40020024
|
研究论文 | 本研究开发了一种基于深度学习网络训练的高效体模超表面复合MRI增强系统，并在MHz频段实现了超表面的设计与控制 | 结合深度神经网络和电磁超表面，显著提高了超表面的设计效率，并在MRI系统中展示了巨大的应用潜力 | NA | 提高MRI成像速度和分辨率 | MRI系统 | 医学影像 | NA | 深度学习网络 | 前向神经网络 | 电磁响应特性 | NA | NA | NA | NA | NA |
| 27552 | 2025-03-02 |
Fusion of circulant singular spectrum analysis and multiscale local ternary patterns for effective spectral-spatial feature extraction and small sample hyperspectral image classification
2025-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-90926-z
PMID:40011533
|
研究论文 | 本文提出了一种新颖的循环奇异谱分析（CiSSA）和多尺度局部三值模式融合方法，用于高光谱图像的联合光谱-空间特征提取和分类 | 结合循环奇异谱分析和多尺度局部三值模式进行光谱-空间特征提取，提高了小样本高光谱图像分类的准确性 | 仅在高光谱图像数据集上进行了实验，未在其他类型数据上验证 | 提高小样本高光谱图像分类的准确性 | 高光谱图像 | 计算机视觉 | NA | PCA, CiSSA, LTP, SVM | SVM | 图像 | 三个高光谱图像数据集（Indian Pines, Pavia University, Houston2013），训练样本比例为1% | NA | NA | NA | NA |
| 27553 | 2025-03-02 |
Improved sand cat swarm optimization algorithm assisted GraphSAGE-GRU for remaining useful life of engine
2025-Feb-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-91418-w
PMID:40011762
|
研究论文 | 本文提出了一种改进的沙猫群优化算法辅助的GraphSAGE-GRU模型，用于预测发动机的剩余使用寿命（RUL） | 提出了改进的沙猫群优化算法（ISCSO）来增强GraphSAGE-GRU的预测性能，包括在种群初始化中使用帐篷映射和一种新的自适应方法来增强沙猫群优化的探索和开发能力 | 未提及具体局限性 | 提高发动机剩余使用寿命（RUL）预测的准确性 | 发动机 | 机器学习 | NA | GraphSAGE-GRU, 沙猫群优化算法 | GraphSAGE-GRU | 图数据 | 使用CMAPSS数据集进行验证 | NA | NA | NA | NA |
| 27554 | 2025-03-02 |
Infrared spectrum analysis of organic molecules with neural networks using standard reference data sets in combination with real-world data
2025-Feb-26, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-025-00960-2
PMID:40011923
|
研究论文 | 本研究提出了一种基于神经网络的IR光谱分析方法，用于检测有机分子中的功能基团 | 该方法仅使用IR数据作为神经网络的输入，使其性能独立于其他分析测量获得的数据类型，并且通过结合来自不同实验室的真实数据，展示了开放获取的专业研究数据仓库作为未来机器学习研究的宝贵基准数据集的潜力 | NA | 分析IR光谱并检测有机分子中的功能基团 | 有机分子 | 机器学习 | NA | IR光谱分析 | 神经网络 | 光谱数据 | NIST数据集和Chemotion开放获取研究数据仓库中的数据 | NA | NA | NA | NA |
| 27555 | 2025-10-07 |
Single-cell transcriptome-wide Mendelian randomization and colocalization reveals immune-mediated regulatory mechanisms and drug targets for COVID-19
2025-Feb-10, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2025.105596
PMID:39933264
|
研究论文 | 本研究通过单细胞转录组孟德尔随机化和共定位分析，揭示了COVID-19的免疫介导调控机制并确定了潜在药物靶点 | 首次在14种外周血免疫细胞中系统开展单细胞表达数量性状位点分析，发现58个新基因和81%的推定因果基因与SARS-COV-2蛋白存在相互作用 | 基于遗传数据的推断需要进一步实验验证，样本来源和细胞类型有限 | 揭示COVID-19的免疫介导调控机制并识别潜在药物靶点 | 14种外周血免疫细胞中的16,597个基因 | 生物信息学 | COVID-19 | 单细胞转录组测序, 孟德尔随机化, 共定位分析, 深度学习 | 深度学习模型 | 单细胞基因表达数据, 基因组数据 | 26,597个单细胞表达数量性状位点 | NA | NA | NA | NA |
| 27556 | 2025-03-02 |
Geometric Self-Supervised Learning: A Novel AI Approach Towards Quantitative and Explainable Diabetic Retinopathy Detection
2025-Feb-06, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020157
PMID:40001677
|
研究论文 | 本文提出了一种基于几何自监督学习的新型AI方法，用于糖尿病视网膜病变（DR）的定量和可解释检测 | 开发了一种无需标注的深度学习策略，用于自动检测彩色眼底摄影（CFP）图像和超广角（UWF）视网膜图像中的渗出物和出血点 | 模型在UWF图像上的性能因病变大小而异，小病变的假阳性率较高 | 开发和验证一种自动检测糖尿病视网膜病变相关病变的深度学习模型 | 彩色眼底摄影（CFP）图像和超广角（UWF）视网膜图像 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | U-Net | 图像 | 两个CFP队列（Kaggle-CFP和E-Ophtha）和一个UWF队列，其中50例DR阳性病例用于独立测试 | NA | NA | NA | NA |
| 27557 | 2025-02-05 |
Direct estimation of fetal biometry measurements from ultrasound video scans through deep learning
2025-Feb-01, American journal of obstetrics & gynecology MFM
IF:3.8Q1
DOI:10.1016/j.ajogmf.2025.101623
PMID:39900243
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 27558 | 2025-03-02 |
Deep Learning Approach Predicts Longitudinal Retinal Nerve Fiber Layer Thickness Changes
2025-Jan-31, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering12020139
PMID:40001659
|
研究论文 | 本研究旨在开发深度学习模型，预测青光眼患者视网膜神经纤维层（RNFL）厚度的变化，以促进疾病的早期诊断和进展监测 | 使用纵向OCT成像数据，结合自定义1D卷积神经网络（CNN），在不同人口统计学和疾病严重程度下实现一致的预测性能 | 样本量相对较小（251名参与者，437只眼睛），可能限制模型的泛化能力 | 开发深度学习模型以预测青光眼患者RNFL厚度的变化，支持临床决策 | 青光眼患者的视网膜神经纤维层（RNFL）厚度变化 | 数字病理学 | 青光眼 | 光学相干断层扫描（OCT） | 线性回归（LR）、支持向量回归（SVR）、梯度提升回归（GBR）、自定义1D卷积神经网络（CNN） | 图像（OCT扫描） | 251名参与者（437只眼睛） | NA | NA | NA | NA |
| 27559 | 2025-10-07 |
Deep learning model targeting cancer surrounding tissues for accurate cancer diagnosis based on histopathological images
2025-Jan-23, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-06017-6
PMID:39849586
|
研究论文 | 提出一种针对胃癌组织病理图像中癌周组织的深度学习框架，通过优化非癌区域权重提升癌症诊断准确率 | 首次发现非癌区域权重依赖的模型性能，揭示具有重塑微环境和区域癌化特征的非癌区域对癌症诊断的价值 | 研究仅针对胃癌，未验证其他癌症类型的适用性 | 利用组织病理图像中癌周组织的特征改进癌症诊断准确性 | 胃癌组织病理图像中的癌区和非癌区域 | 数字病理 | 胃癌 | 组织病理成像 | CNN | 图像 | NA | NA | MobileNetV2 | 准确率 | NA |
| 27560 | 2025-10-07 |
Deep Learning-Enabled Integration of Histology and Transcriptomics for Tissue Spatial Profile Analysis
2025, Research (Washington, D.C.)
DOI:10.34133/research.0568
PMID:39830364
|
研究论文 | 提出一种深度学习框架GIST，整合组织学图像和空间转录组数据用于组织空间特征分析 | 首次利用在数百万组织学图像上预训练的病理学基础模型增强特征提取，并采用混合图变换器模型整合组织学和转录组特征 | 仅在人类肺癌、乳腺癌和结直肠癌数据集上验证，尚未在其他癌症类型或组织中测试 | 开发整合组织学和转录组学的空间细胞特征分析方法 | 人类肺癌、乳腺癌和结直肠癌组织 | 数字病理学 | 肺癌,乳腺癌,结直肠癌 | 空间分辨转录组学,组织染色成像 | 图变换器,基础模型 | 图像,转录组数据 | NA | NA | 混合图变换器 | 空间域识别准确率,微环境分割准确率,基因表达分析准确率 | NA |