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 50726 篇文献，本页显示第 28941 - 28960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 28941 | 2025-10-06 |
Efficient Denoising of Shot-Noise in Mass Spectrometry Images by PCA-Assisted Self-Supervised Deep Learning
2025-Jul-01, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c00825
PMID:40528349
|
研究论文 | 提出一种结合主成分分析和自监督深度学习的质谱成像去噪方法PCA-n2v | 通过PCA预处理步骤优化Noise2Void算法，在质谱成像去噪中表现优于直接N2V实现和其他先进技术 | 在极低信噪比图像中可能出现渗漏伪影 | 提高质谱成像数据质量，减少散粒噪声影响 | 质谱成像数据 | 计算机视觉 | NA | 质谱成像 | 自监督深度学习 | 质谱成像数据 | NA | NA | Noise2Void | NA | NA |
| 28942 | 2025-10-06 |
Unstained Blood Smear Analysis: A Review of Rule-Based, Machine Learning, and Deep Learning Techniques
2025-Jun-30, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500121
PMID:40583517
|
综述 | 本文系统回顾了基于规则、机器学习和深度学习方法在未染色血涂片细胞分割与分类中的应用 | 首次全面比较了三种不同技术路线在未染色血细胞分析中的性能表现，并指出了临床转化的关键挑战 | NA | 分析未染色血细胞图像的分割与分类技术现状与发展方向 | 未染色血涂片中的血细胞 | 数字病理学 | 血液疾病 | 生物光子学成像技术 | 基于规则方法, 机器学习, 深度学习 | 未染色血细胞图像 | NA | NA | NA | NA | NA |
| 28943 | 2025-10-06 |
A Deep Learning-Based De-Artifact Diffusion Model for Removing Motion Artifacts in Knee MRI
2025-Jun-30, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70027
PMID:40583513
|
研究论文 | 构建基于深度学习的去伪影扩散模型，用于去除膝关节MRI中的运动伪影 | 首次将条件扩散模型应用于膝关节MRI运动伪影去除，并使用真实世界数据进行模型构建 | 研究为回顾性设计，样本量相对有限，需要进一步前瞻性验证 | 开发有效的深度学习模型去除膝关节MRI运动伪影 | 膝关节MRI图像 | 医学影像处理 | 膝关节疾病 | MRI成像技术 | 条件扩散模型 | 医学图像 | 模型构建：90名患者（1997张2D切片）；内部测试：25名患者（795张切片）；外部测试：39名患者（813张切片） | NA | 条件扩散模型 | RMSE, PSNR, SSIM, 主观评分 | NA |
| 28944 | 2025-10-06 |
Radiation Dose Reduction and Image Quality Improvement of UHR CT of the Neck by Novel Deep-learning Image Reconstruction
2025-Jun-30, Clinical neuroradiology
IF:2.4Q2
DOI:10.1007/s00062-025-01532-5
PMID:40586788
|
研究论文 | 评估结合新型深度学习重建算法的剂量降低超高清CT在头颈部成像中对图像质量和辐射暴露的影响 | 首次将新型深度学习重建算法(DL-2)与体重适应性剂量降低协议相结合用于头颈部超高清CT成像 | 回顾性研究设计，样本量相对有限(共128例患者) | 评估深度学习重建算法在头颈部CT成像中降低辐射剂量同时提升图像质量的性能 | 头颈部CT图像 | 医学影像处理 | 头颈部疾病 | 超高清CT成像，深度学习图像重建 | 深度学习 | CT图像 | 128例患者(98例采用体重适应性协议，30例采用标准剂量) | NA | Clear-IQ引擎，自适应迭代剂量降低 | 信噪比，对比噪声比，诊断可接受性，图像噪声 | NA |
| 28945 | 2025-10-06 |
Bidirectional Prototype-Guided Consistency Constraint for Semi-Supervised Fetal Ultrasound Image Segmentation
2025-Jun-30, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3584236
PMID:40587357
|
研究论文 | 提出一种基于双向原型引导一致性约束的半监督胎儿超声图像分割方法 | 通过原型桥接标注和未标注数据并建立双向交互，结合不确定性交叉监督提升伪标签质量 | NA | 解决胎儿超声图像标注数据稀缺问题，提升半监督分割性能 | 胎儿超声图像 | 医学图像分割 | 胎儿发育评估 | 超声成像 | 深度学习 | 超声图像 | 在两个胎儿超声数据集上进行实验 | NA | BiPCC | 分割性能指标 | NA |
| 28946 | 2025-10-06 |
DeepLabV3+ With Convolutional Triplet Attention and Histopathology-Guided Voting for Hyperspectral Image Segmentation of Serous Ovarian Cancer
2025-Jun-30, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500142
PMID:40587972
|
研究论文 | 提出融合卷积三重注意力和组织病理学引导投票机制的DeepLabV3+模型，用于浆液性卵巢癌高光谱图像分割 | 集成卷积三重注意力模块捕捉跨维度光谱-空间依赖，结合WHO诊断标准的组织病理学引导投票机制 | 基线DeepLabV3+模型处理高维数据性能欠佳，泛化能力和判别能力有限 | 提升浆液性卵巢癌高光谱图像分割的准确性和判别能力 | 浆液性卵巢癌组织的高光谱图像 | 计算机视觉 | 卵巢癌 | 高光谱成像 | CNN | 高光谱图像 | NA | NA | DeepLabV3+, Convolutional Triplet Attention Module, U-Net, PAN, FPN | 准确率 | NA |
| 28947 | 2025-10-06 |
A Deep Learning Framework for the Electronic Structure of Water: Toward a Universal Model
2025-Jun-30, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00496
PMID:40588763
|
研究论文 | 提出一种改进的机器学习Deep Kohn-Sham方法DeePKS-ES，用于精确模拟水系统的电子结构 | 通过将哈密顿矩阵及其特征值和特征向量纳入损失函数，建立了水系统的通用模型，能够从廉价的PBE计算重现高级混合泛函的电子特性 | NA | 开发能够精确模拟水系统电子结构的计算方法，弥合量子力学精度与可扩展计算之间的差距 | 水系统的电子结构，包括单个水分子到体相液体 | 机器学习 | NA | Deep Kohn-Sham方法，混合泛函计算，广义梯度近似计算 | 深度学习 | 量子化学计算数据 | NA | NA | DeePKS | 能带间隙预测，态密度预测，总能量预测，原子力预测 | NA |
| 28948 | 2025-10-06 |
Research status, hotspots and perspectives of artificial intelligence applied to pain management: a bibliometric and visual analysis
2025-Jun-28, Updates in surgery
IF:2.4Q2
DOI:10.1007/s13304-025-02296-w
PMID:40580377
|
文献计量分析 | 通过文献计量和可视化分析方法探讨人工智能在疼痛管理领域的研究现状、热点与趋势 | 首次对人工智能应用于疼痛管理领域进行系统的文献计量分析，识别了该领域的研究热点和未来发展方向 | 仅纳入英文文献和WOS数据库文献，可能存在语言和数据库选择偏倚 | 分析人工智能在疼痛管理领域的研究现状、热点和发展趋势 | 970篇相关研究论文，涉及5679位作者、2030个学术机构和84个国家/地区 | 机器学习 | 疼痛管理 | 文献计量分析、可视化分析 | NA | 文献数据 | 970篇发表论文 | VOSviewer, CiteSpace, Bibliometrix | NA | 发文量、共被引频次、合作网络分析 | NA |
| 28949 | 2025-10-06 |
Machine Learning Based Multi-Class Classification and Grading of Squamous Cell Carcinoma in Optical Microscopy
2025-Jun-27, Microscopy research and technique
IF:2.0Q3
DOI:10.1002/jemt.70016
PMID:40579786
|
研究论文 | 本研究利用机器学习和深度学习模型对鳞状细胞癌组织病理图像进行多分类和分级 | 结合机器学习特征分析和可解释深度学习模型，实现高精度的鳞状细胞癌自动分级 | NA | 开发自动化的鳞状细胞癌组织病理分级方法 | 鳞状细胞癌组织病理图像 | 数字病理 | 鳞状细胞癌 | 光学显微镜成像 | 支持向量机,朴素贝叶斯,决策树,KNN,神经网络,CNN | 图像 | NA | NA | 卷积神经网络 | 准确率 | NA |
| 28950 | 2025-10-06 |
Design and Optimization of an automatic deep learning-based cerebral reperfusion scoring (TICI) using thrombus localization
2025-Jun-26, Journal of neuroradiology = Journal de neuroradiologie
DOI:10.1016/j.neurad.2025.101366
PMID:40581292
|
研究论文 | 设计和优化基于深度学习的自动脑灌注评分(TICI)系统，利用血栓定位技术 | 首次将血栓定位信息整合到基于CNN的TICI评分分类模型中 | 三分类模型性能不足，自动血栓检测模块未能提升模型表现 | 开发人工智能辅助的脑梗死溶栓评分系统 | 接受机械取栓治疗的患者 | 医学影像分析 | 脑梗死 | 数字减影血管造影 | CNN | 医学影像 | 422名患者，2492个血栓标注，1609个DSA序列 | NA | 卷积神经网络 | 特异性, 敏感性, F1分数 | NA |
| 28951 | 2025-10-06 |
Fog-Enabled Modular Deep Learning Platform for Textual Data Mining in Healthcare for Pathology Detection in Burkina Faso
2025-Jun-26, Studies in health technology and informatics
DOI:10.3233/SHTI250696
PMID:40588904
|
研究论文 | 提出了一种面向布基纳法索医疗环境的深度学习诊断支持平台架构 | 结合诊断治疗指南与OCR提取的手写处方文本数据，并针对当地环境比较了雾计算与云计算两种架构 | 基于模拟验证，缺乏真实环境部署数据 | 开发适用于布基纳法索医疗体系的深度学习诊断支持平台 | 手写处方和电子健康记录中的文本数据 | 自然语言处理 | 病理学检测 | 光学字符识别（OCR） | 深度学习 | 文本 | NA | NA | NA | NA | 雾计算架构、云计算架构 |
| 28952 | 2025-10-06 |
Smart Wearable Analytics for Cycling: AI-Based Physical Exertion Prediction
2025-Jun-26, Studies in health technology and informatics
DOI:10.3233/SHTI250714
PMID:40588921
|
研究论文 | 本研究评估了基于深度学习的LSTM与多头注意力模型，用于骑行运动中身体劳累程度的分类和回归预测 | 首次将LSTM与多头注意力机制结合应用于运动生理数据预测，并采用MRMR和UFR特征选择方法识别关键预测因子 | 样本量较小（27名健康参与者），仅针对骑行运动，未验证其他运动场景 | 开发AI模型预测骑行运动中的身体劳累程度 | 27名健康参与者的骑行运动数据 | 机器学习 | NA | ECG信号分析，心率变异性特征提取 | LSTM | 生理时间序列数据 | 27名健康参与者，数据分为8个两分钟区间 | NA | LSTM with Multi-Head Attention | MSE, R2, 准确率, F1分数 | NA |
| 28953 | 2025-10-06 |
Integrating GWAS and Transcriptomic Data Using PrediXcan and Multimodal Deep Learning Reveals Genetic Basis and Drug Repositioning Opportunities for Alzheimer's Disease
2025-Jun-10, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.01.02.25319880
PMID:40585083
|
研究论文 | 本研究整合多组学数据和人工智能方法揭示阿尔茨海默病的分子机制并探索个性化药物重定位策略 | 结合PrediXcan方法和多模态深度学习模型AD-MIF，首次在阿尔茨海默病研究中实现GWAS与转录组数据的深度融合，显著提升表型预测准确性 | 研究样本量相对有限（553个样本），主要基于ROSMAP数据库的背外侧前额叶皮层数据 | 阐明阿尔茨海默病的分子调控机制并开发个性化药物重定位策略 | 阿尔茨海默病患者脑组织样本和SAMP8 AD模型小鼠 | 机器学习 | 阿尔茨海默病 | GWAS, 转录组分析, 多组学数据整合 | 自编码器, 图自编码器, 深度学习 | 基因型数据, 基因表达数据 | 553个背外侧前额叶皮层样本 | NA | AD-MIF（多模态信息融合模型） | AUC（曲线下面积） | NA |
| 28954 | 2025-10-06 |
Fully automated image quality assessment based on deep learning for carotid computed tomography angiography: A multicenter study
2025-Jun, 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.2025.104990
PMID:40347553
|
研究论文 | 开发并评估基于深度学习的全自动模型用于颈动脉CT血管造影图像质量评估 | 首次提出结合3D Res U-net和多元逻辑回归算法的全自动图像质量评估方法，并在多中心数据集中验证 | 回顾性研究设计，样本量相对有限（840例） | 开发颈动脉CTA图像的自动化质量评估系统 | 颈动脉CT血管造影图像 | 计算机视觉 | 心血管疾病 | CT血管造影 | CNN, 逻辑回归 | 医学影像 | 840例颈动脉CTA图像（来自4家三级医院） | NA | 3D Res U-net | 敏感度, 特异度, 精确度, F分数, 准确率, AUC | NA |
| 28955 | 2025-10-06 |
Bppv nystagmus signals diagnosis framework based on deep learning
2025-Jun, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-025-01542-0
PMID:40358819
|
研究论文 | 提出基于深度学习的BPPV眼震信号诊断框架，用于良性阵发性位置性眩晕的智能分析 | 开发了结合Egeunet神经网络模型与快速傅里叶变换的综合性眼震数据分析框架，实现了精确的眼部结构分割和眼动数据分析 | 未明确说明样本规模和研究人群特征 | 改进BPPV眼震数据的采集和分析方法，提升临床诊断效果 | 良性阵发性位置性眩晕患者的眼震信号 | 医学图像分析 | 前庭疾病 | 眼动捕捉技术，快速傅里叶变换 | 深度学习 | 眼动信号数据 | NA | NA | Egeunet | 敏感性，鲁棒性 | NA |
| 28956 | 2025-10-06 |
PanEcho: Complete AI-enabled echocardiography interpretation with multi-task deep learning
2025-Apr-16, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.11.16.24317431
PMID:40321248
|
研究论文 | 开发并验证了用于自动解读超声心动图的多任务深度学习AI系统PanEcho | 首个能够全面解读超声心动图（39个标签和测量值）的完整AI系统，在完整和有限成像方案中均保持高精度 | 回顾性研究，需进一步前瞻性验证 | 开发自动解读超声心动图的AI系统 | 超声心动图视频和患者 | 医学影像分析 | 心血管疾病 | 超声心动图 | 深度学习 | 视频 | 来自24,405名患者的32,265项TTE研究，包含120万段超声心动图视频 | NA | 多任务深度学习 | AUC, MAE | NA |
| 28957 | 2025-10-06 |
Multiscale deep learning radiomics for predicting recurrence-free survival in pancreatic cancer: A multicenter study
2025-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2025.110770
PMID:39894259
|
研究论文 | 开发并验证用于预测胰腺导管腺癌患者无复发生存期的多尺度深度学习放射组学列线图 | 结合手工放射组学特征和深度学习特征，构建多尺度预测模型，并在多中心数据中验证其优于传统AJCC分期系统的性能 | 样本量相对有限，且来自不同医院的数据质量可能存在差异 | 预测胰腺导管腺癌患者的无复发生存期 | 469名胰腺导管腺癌患者 | 医学影像分析 | 胰腺癌 | 放射组学分析，深度学习 | 深度学习模型 | 医学影像数据 | 469名患者来自四家医院 | NA | NA | C-index, AUC, Kaplan-Meier分析 | NA |
| 28958 | 2025-10-06 |
Multi-center study: ultrasound-based deep learning features for predicting Ki-67 expression in breast cancer
2025-Mar-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-94741-4
PMID:40133523
|
研究论文 | 本研究利用深度学习算法挖掘乳腺癌超声特征，构建预测Ki-67表达水平的机器学习模型 | 整合肿瘤区域和瘤周区域的深度特征构建融合模型，并在多中心数据集上进行验证 | 回顾性研究设计，样本量相对有限（929例患者） | 开发准确预测乳腺癌Ki-67表达水平的机器学习模型 | 929例乳腺癌患者的临床和超声数据 | 医学影像分析 | 乳腺癌 | 超声成像 | SVM, LightGBM | 超声图像 | 929例乳腺癌患者 | NA | NA | 准确率, ROAUC, 敏感性, 特异性, F1分数 | NA |
| 28959 | 2025-10-06 |
Artificial Intelligence for Predicting HER2 Status of Gastric Cancer Based on Whole-Slide Histopathology Images: A Retrospective Multicenter Study
2025-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202408451
PMID:39792693
|
研究论文 | 开发基于全切片病理图像的深度学习模型HER2Net，用于预测胃癌HER2状态 | 创新性地通过定量计算HER2高表达区域比例来预测HER2状态 | 回顾性研究，需要进一步前瞻性验证 | 开发经济可行且易于使用的工具来区分胃癌患者的HER2状态 | 胃癌患者的全切片病理图像 | 数字病理 | 胃癌 | 苏木精-伊红染色，全切片成像 | 深度学习模型 | 病理图像 | 内部训练集520名患者的531张WSI，内部测试集111名患者的115张WSI，外部多中心测试集101名患者的102张WSI | NA | HER2Net | 准确率 | NA |
| 28960 | 2025-10-06 |
Machine learning tool for predicting mature oocyte yield and trigger day from start of stimulation: towards personalized treatment
2025-02, Reproductive biomedicine online
IF:3.7Q1
DOI:10.1016/j.rbmo.2024.104441
PMID:39708575
|
研究论文 | 开发基于深度学习的机器学习工具，用于预测卵巢刺激周期开始时的成熟卵母细胞数量和触发日 | 提出两种新型渐进式深度学习算法，可在刺激周期开始时预测触发日和MII卵母细胞数量 | 需要纳入更多数据和来自不同诊所的验证 | 开发个性化治疗工具，预测卵巢刺激结果 | 56,490个卵巢刺激周期（主要数据集）和5,103个卵巢刺激周期（临床验证数据集） | 机器学习 | 生殖医学 | 深度学习 | 深度学习 | 临床数据 | 主要数据集56,490个刺激周期，其中13,090个用于模型开发，临床验证数据集5,103个刺激周期 | NA | NA | 平均绝对误差, R2值, 四分位根均方误差 | NA |