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 48077 篇文献，本页显示第 29321 - 29340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 29321 | 2025-05-09 |
Establishing performance criteria for evaluating watershed-scale sediment and nutrient models at fine temporal scales
2025-Apr-15, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2025.123156
PMID:39955106
|
research paper | 该研究旨在建立用于评估流域尺度沉积物和养分模型在精细时间尺度上性能的标准 | 提出了针对精细时间尺度的过程模型性能评估标准，并探讨了校准持续时间、目标单位选择等因素对模型性能的影响 | 虽然标准基于过程模型开发，但可能不完全适用于所有类型的模型评估 | 建立流域水质模型的性能评估标准 | 流域水质模型（涉及水流、沉积物、总养分和溶解养分） | 环境建模 | NA | Nash-Sutcliffe效率(NSE)分析、自助法(bootstrapping) | 过程模型、深度学习模型 | 水质监测数据 | 229个模型应用案例 | NA | NA | NA | NA |
| 29322 | 2025-05-09 |
Identifying RNA-small Molecule Binding Sites Using Geometric Deep Learning with Language Models
2025-Apr-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2025.169010
PMID:39961524
|
研究论文 | 开发了一个名为RNABind的几何深度学习框架，用于从RNA结构中检测RNA与小分子的结合位点 | 将RNA大型语言模型（LLMs）整合到先进的几何深度学习网络中，同时编码RNA序列和结构信息，并构建了最大的RNA-小分子相互作用数据集 | 未提及具体的局限性 | 预测RNA与小分子的结合位点，以促进RNA靶向药物发现 | RNA与小分子的结合位点 | 自然语言处理 | NA | 几何深度学习与语言模型 | RNABind（整合了RNA LLMs的几何深度学习网络） | RNA序列和结构数据 | 从整个多链复合体结构中编译的最大RNA-小分子相互作用数据集 | NA | NA | NA | NA |
| 29323 | 2025-05-09 |
EEGConvNeXt: A novel convolutional neural network model for automated detection of Alzheimer's Disease and Frontotemporal Dementia using EEG signals
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108652
PMID:39938252
|
研究论文 | 提出了一种名为EEGConvNeXt的新型卷积神经网络模型，用于通过EEG信号自动检测阿尔茨海默病和额颞叶痴呆 | EEGConvNeXt是一种轻量级的CNN模型，基于transformer模型构建，具有高效的多类分类能力 | 依赖相对较小的数据集，需要在更多样化的人群中进行进一步验证 | 开发一种高效、轻量级的深度学习模型，用于神经退行性疾病的自动检测 | 阿尔茨海默病(AD)和额颞叶痴呆(FD)患者及对照组的EEG信号 | 数字病理学 | 老年病 | EEG信号分析 | CNN (EEGConvNeXt) | EEG信号转换的功率谱图像 | 包含AD、FD和对照组三个类别的公开EEG数据集 | NA | NA | NA | NA |
| 29324 | 2025-05-09 |
LMTTM-VMI: Linked Memory Token Turing Machine for 3D volumetric medical image classification
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108640
PMID:39951959
|
研究论文 | 提出了一种名为LMTTM的新型深度学习模型，用于高效处理3D医学体积图像的分类问题 | 引入了链接记忆令牌图灵机（LMTTM），利用外部链接记忆有效处理3D医学体积图像的空间依赖性和结构复杂性 | 未提及具体的数据集局限性或模型适用范围 | 提高3D医学体积图像分类的准确性和效率 | 3D医学体积图像 | 数字病理 | NA | 深度学习 | LMTTM | 3D医学图像 | 六个来自MedMNIST v2的3D医学体积图像数据集 | NA | NA | NA | NA |
| 29325 | 2025-05-09 |
"Brain state network dynamics in pediatric epilepsy: Chaotic attractor transition ensemble network"
2025-Apr, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.109832
PMID:39951978
|
research paper | 提出了一种新型的集成框架CATE-NET，用于识别儿童癫痫的神经动力学特征，区分生理性脑活动和癫痫引起的信号异常 | 结合混沌和动力系统理论，设计了模块化的CATE-NET框架，利用非线性动力学和混沌吸引子（特别是Rössler混沌吸引子）建模头皮EEG数据，并通过LSTM网络和概率图自动分析脑状态 | 未提及具体样本量，且依赖于EEG信号的质量 | 改进儿童癫痫的脑状态分析和癫痫活动检测 | 儿童癫痫患者的脑电图信号 | digital pathology | epilepsy | EEG信号分析，混沌吸引子建模，深度学习 | LSTM，概率图模型 | EEG信号 | NA | NA | NA | NA | NA |
| 29326 | 2025-05-09 |
Illuminating the unseen: Advancing MRI domain generalization through causality
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103459
PMID:39952023
|
research paper | 提出了一种针对加速MRI重建的领域泛化框架，通过因果对齐增强模型在未见领域的鲁棒性 | 首次提出专为加速MRI重建设计的领域泛化框架GenCA-MRI，通过机制级不变性（因果对齐）捕获MRI数据内在因果关系 | 未明确说明计算策略对超参数敏感度或计算资源消耗的具体影响 | 解决加速MRI重建中训练-测试领域偏移（如图像对比度/解剖区域/采集策略变化）导致的性能下降问题 | 多领域MRI数据（fastMRI和IXI数据集） | medical imaging | NA | deep learning-based MRI reconstruction | domain generalization framework (GenCA-MRI) | MRI图像 | fastMRI和IXI数据集（具体数量未说明） | NA | NA | NA | NA |
| 29327 | 2025-05-09 |
Automated pediatric TMJ articular disk identification and displacement classification in MRI with machine learning
2025-Apr, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2025.105622
PMID:39952550
|
研究论文 | 评估一种自动化两步模型在儿科颞下颌关节（TMJ）磁共振成像（MRI）中使用人工智能（AI）进行解释的性能 | 使用深度学习技术自动识别TMJ骨结构和关节盘，并通过自动化算法对关节盘位移进行分类 | 样本量相对较小（235名儿科患者），且仅针对儿科TMJ MRI | 开发自动化工具以辅助非MRI专家评估儿科TMJ疾病 | 儿科患者的TMJ MRI图像 | 数字病理学 | 颞下颌关节疾病 | MRI | UNet++ | 图像 | 235名儿科患者（470个关节） | NA | NA | NA | NA |
| 29328 | 2025-05-09 |
Artificial intelligence in gastrointestinal cancer research: Image learning advances and applications
2025-Apr-01, Cancer letters
IF:9.1Q1
DOI:10.1016/j.canlet.2025.217555
PMID:39952597
|
综述 | 本文综述了人工智能在胃肠道肿瘤研究中的最新进展和应用，特别是在早期筛查、诊断、分子标志物识别、治疗规划和预后预测方面的应用 | 总结了AI在胃肠道肿瘤研究中的最新进展，包括其在提高诊断准确性、个性化治疗设计和肿瘤微环境基础研究中的应用 | 未提及具体的AI模型或技术在临床应用中的局限性 | 探讨人工智能在胃肠道肿瘤研究中的应用及其潜力 | 胃肠道肿瘤 | 数字病理学 | 胃肠道癌症 | 深度学习、大语言模型、神经网络 | NA | 图像、多组学数据 | NA | NA | NA | NA | NA |
| 29329 | 2025-05-09 |
Geometric deep learning with adaptive full-band spatial diffusion for accurate, efficient, and robust cortical parcellation
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103492
PMID:39954339
|
research paper | 该论文提出了一种基于几何深度学习的自适应全波段空间扩散策略，用于准确、高效且稳健的皮质分区 | 提出了一种全波段谱加速空间扩散策略，直接在个体空间中对原始表面进行分区，避免了传统方法中的球面映射过程，并构建了一个紧凑的深度网络（Cortex-Diffusion） | 未提及具体局限性 | 开发一种自动化的皮质分区方法，以提高分区准确性、效率和鲁棒性 | 婴儿和成人脑成像数据集中的皮质表面 | digital pathology | NA | 几何深度学习 | Cortex-Diffusion | 3D顶点坐标 | 婴儿和成人脑成像数据集 | NA | NA | NA | NA |
| 29330 | 2025-05-09 |
Methods for estimating resting energy expenditure in intensive care patients: A comparative study of predictive equations with machine learning and deep learning approaches
2025-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2025.108657
PMID:39954654
|
research paper | 比较预测方程与机器学习和深度学习方法在重症监护患者静息能量消耗估计中的性能 | 首次将机器学习和深度学习方法应用于重症监护患者的静息能量消耗估计，并与传统预测方程进行比较 | 研究样本量较小（300例），且未在独立数据集和多样化患者群体中进行进一步验证 | 评估机器学习和深度学习方法在重症监护患者静息能量消耗估计中的准确性和应用潜力 | 重症监护患者的静息能量消耗 | machine learning | 重症监护 | 机器学习（XGBoost, RFR, SVR）和深度学习（CNN） | XGBoost, Random Forest Regressor, Support Vector Regression, CNN | 静态变量（年龄、身高、体重）和动态变量（分钟通气量、体温） | 300例重症监护患者的间接测热法测量数据 | NA | NA | NA | NA |
| 29331 | 2025-05-09 |
Label-efficient sequential model-based weakly supervised intracranial hemorrhage segmentation in low-data non-contrast CT imaging
2025-Apr, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17689
PMID:39962740
|
研究论文 | 提出了一种基于弱监督的颅内出血分割方法，用于低数据量的非对比CT成像 | 利用图像级标签和类激活图（CAMs）进行弱监督分割，并通过无监督方式优化伪掩码，同时利用连续切片间的依赖关系提高激活图的鲁棒性 | 需要进一步验证在不同临床环境中的泛化能力 | 减少对体素级标注数据的依赖，提供一种高效的颅内出血分割方法 | 非对比CT图像中的颅内出血（ICH） | 数字病理 | 心血管疾病 | 深度学习 | CNN | 图像 | RSNA数据集（21,784例）、INSTANCE数据集（100例）、PhysioNet数据集（75例） | NA | NA | NA | NA |
| 29332 | 2025-05-09 |
Automatic Joint Lesion Detection by enhancing local feature interaction
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
research paper | 该论文提出了一种通过增强局部特征交互来自动检测关节病变的方法，并改进了YOLO模型 | 提出了局部注意力特征融合（LAFF）和高斯位置编码（GPE）模块，显著提高了关节病变检测的准确率 | 研究仅基于X射线图像，可能不适用于其他类型的医学影像 | 提高自动关节病变检测（AJLD）的准确性和效率，以满足临床需求 | 关节病变的X射线图像 | computer vision | arthritis | deep learning | YOLO | image | 960张X射线图像（由两位关节炎专家和一位放射科医生标注）和216张X射线图像，补充了MURA数据集 | NA | NA | NA | NA |
| 29333 | 2025-05-09 |
Interpretable multi-stage attention network to predict cancer subtype, microsatellite instability, TP53 mutation and TMB of endometrial and colorectal cancer
2025-Apr, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种可解释的多阶段注意力深度学习网络，用于从子宫内膜癌和结直肠癌的组织病理学全切片图像中预测癌症亚型、微卫星不稳定性、TP53突变和肿瘤突变负荷 | 开发了一种新型深度学习网络，能够直接从低成本、常规使用的组织病理学图像中预测多个分子状态，显著优于现有方法 | 研究仅针对子宫内膜癌和结直肠癌，未验证在其他癌症类型中的适用性 | 开发一种低成本、高效的深度学习方法来预测癌症分子状态，以支持个性化免疫治疗决策 | 子宫内膜癌和结直肠癌的组织病理学全切片图像 | 数字病理学 | 子宫内膜癌, 结直肠癌 | 深度学习 | 多阶段注意力网络 | 图像 | NA | NA | NA | NA | NA |
| 29334 | 2025-05-09 |
The state-of-the-art in cardiac MRI reconstruction: Results of the CMRxRecon challenge in MICCAI 2023
2025-Apr, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2025.103485
PMID:39946779
|
研究论文 | 本文介绍了2023年心脏MRI重建挑战赛（CMRxRecon）的结果，该挑战赛旨在推动数据驱动的心脏MRI重建算法的发展 | 提出了一个公开可用的心脏k空间数据集，并组织了大规模的挑战赛以促进深度学习在心脏MRI重建中的应用 | 挑战赛的数据集虽然广泛，但仍可能存在数据多样性和代表性的限制 | 加速心脏MRI扫描并提高成像性能，解决现有数据驱动重建算法发展中的瓶颈 | 心脏MRI的k空间数据，包括电影和映射原始数据 | 数字病理 | 心血管疾病 | 深度学习 | E2E-VarNet, U-Net | k空间数据 | 超过285个团队和600多名参与者，22个团队提交了测试阶段的Docker容器 | NA | NA | NA | NA |
| 29335 | 2025-05-09 |
Evaluation and failure analysis of four commercial deep learning-based autosegmentation software for abdominal organs at risk
2025-Apr, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70010
PMID:39946266
|
研究论文 | 评估四种商业深度学习自动分割软件在腹部危及器官分割中的表现并分析其失败原因 | 首次对四种商业深度学习自动分割软件进行系统性异常值分析，总结六类失败模式 | 仅分析111例患者数据，部分异常分割原因缺乏足够证据确认 | 评估商业深度学习自动分割软件的性能并分析其失败模式 | 四种商业深度学习自动分割软件（Limbus AI、MIM Contour ProtégéAI、Radformation AutoContour、Siemens syngo.via） | digital pathology | NA | deep learning-based segmentation | NA | medical imaging | 111例患者病例 | NA | NA | NA | NA |
| 29336 | 2025-05-09 |
Screening of estrogen receptor activity of per- and polyfluoroalkyl substances based on deep learning and in vivo assessment
2025-Mar-15, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2025.125843
PMID:39947576
|
研究论文 | 提出了一种基于深度学习的堆叠架构GXDNet，用于预测全氟和多氟烷基物质（PFAS）的雌激素受体α（ERα）活性，并通过实验验证了代表性PFAS分子的ERα活性 | 开发了GXDNet模型，整合分子描述符和分子图来预测化合物的ERα活性，提高了泛化能力，并揭示了氟化烷烃链对ERα结合亲和力的增强作用 | 研究集中于ERα活性，未涵盖PFAS的其他潜在毒性机制 | 开发预测PFAS雌激素受体活性的深度学习模型，以加速环保型PFAS分子的开发 | 全氟和多氟烷基物质（PFAS）分子 | 机器学习 | NA | 深度学习 | GXDNet（堆叠深度学习架构） | 分子描述符和分子图 | 10,067个PFAS分子 | NA | NA | NA | NA |
| 29337 | 2025-10-07 |
Video-based robotic surgical action recognition and skills assessment on porcine models using deep learning
2025-03, Surgical endoscopy
DOI:10.1007/s00464-024-11486-3
PMID:39806176
|
研究论文 | 本研究开发了一种基于深度学习的自动化手术技能评估工具，通过视频分析识别机器人辅助手术动作并评估手术技能 | 结合CNN和LSTM网络架构同时提取空间和时间特征，使用猪模型进行数据收集，并应用GradCAM增强模型可解释性 | 在猪模型环境中开发的AI系统需要进一步测试其在临床环境中检测错误和提供反馈的能力 | 开发自动化手术技能评估工具，辅助外科医生培训 | 机器人辅助手术视频数据 | 计算机视觉 | NA | 深度学习 | CNN,LSTM | 视频 | 21名参与者（16名新手和5名经验丰富者）在猪模型上执行16种不同的机器人辅助腹腔手术 | NA | CNN结合LSTM的混合架构 | 准确率 | NA |
| 29338 | 2025-05-09 |
A Veterinary DICOM-Based Deep Learning Denoising Algorithm Can Improve Subjective and Objective Brain MRI Image Quality
2025-Mar, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association
IF:1.3Q2
DOI:10.1111/vru.70015
PMID:39945204
|
研究论文 | 本研究评估了一种专为兽医患者开发的基于DICOM的深度学习去噪算法对犬猫脑部MRI图像质量的影响 | 开发了首个专为兽医患者设计的DICOM-based深度学习去噪算法，并验证其在1.5T MRI上的效果 | 样本量较小(30只犬猫)，仅测试了1.5T MRI系统 | 评估深度学习去噪算法对兽医脑部MRI图像质量的改善效果 | 30只犬猫的脑部MRI图像 | 数字病理 | 兽医神经疾病 | MRI | 深度学习(DL) | 医学影像 | 30只犬猫的脑部MRI图像 | NA | NA | NA | NA |
| 29339 | 2025-05-09 |
[18F]FDG administered activity reduction capabilities of a 32-cm axial field-of-view solid-state digital bismuth germanium oxide PET/CT system while maintaining EARL compliance
2025-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.2025.104935
PMID:39956005
|
研究论文 | 评估数字BGO 32厘米轴向视场PET系统在符合当前和更新的EANM Research Ltd氟-18认证规范（EARL1和EARL2）的情况下，降低[18F]FDG给药活性和/或扫描时间的能力 | 使用数字BGO PET系统结合深度学习图像增强技术（PDL），显著降低[18F]FDG给药活性，同时保持EARL1和EARL2合规性 | 研究仅基于幻影测量，未涉及实际患者数据 | 评估PET系统在降低放射性药物活性和扫描时间方面的性能 | 数字BGO 32厘米轴向视场PET系统（Omni Legend 32 cm） | 医学影像 | NA | PET/CT成像，深度学习图像增强（PDL） | NA | 医学影像数据 | 使用校准QC和NEMA IEC幻影进行测量，图像质量QC扫描每小时重复一次，共7小时 | NA | NA | NA | NA |
| 29340 | 2025-05-09 |
Deep learning opportunistic screening for osteoporosis and osteopenia using radiographs of the foot or ankle - A pilot study
2025-Mar, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2025.111980
PMID:39946811
|
研究论文 | 本研究旨在开发一种深度学习模型，通过足部或踝关节的X光片筛查骨质疏松或骨质减少 | 开发了一种新颖的深度学习模型，利用定制的架构从足部和踝关节的X光片中提取深度特征，用于骨质疏松或骨质减少的筛查 | 研究为回顾性横断面研究，样本中白种人占比较高（96.7%），可能影响模型的泛化能力 | 创建一种深度学习模型，用于通过足部或踝关节的X光片筛查骨质疏松或骨质减少 | 50岁及以上接受足部或踝关节X光检查及DXA检查的患者 | 数字病理学 | 骨质疏松 | X光成像 | 深度学习定制架构 | 图像 | 907名患者（3109张X光片），其中白种人占96.7%，黑人占1.8%，亚洲人占0.4% | NA | NA | NA | NA |