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 3321 - 3340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3321 | 2025-10-06 |
A systematic study of DNN based speech enhancement in reverberant and reverberant-noisy environments
2025-Jan, Computer speech & language
DOI:10.1016/j.csl.2024.101677
PMID:40895519
|
研究论文 | 系统研究基于深度神经网络的语音增强方法在混响和混响-噪声环境中的性能 | 系统研究时域语音增强方法，发现大窗口尺寸有助于去混响，添加变换操作可提高表示稀疏性 | 仅针对特定DNN模型（ARN和DC-CRN）进行研究，未涵盖所有可能的网络架构 | 研究深度神经网络在语音增强任务中的性能优化 | 混响和混响-噪声环境下的语音信号 | 语音处理 | NA | 深度神经网络 | ARN, DC-CRN | 语音波形 | NA | NA | 注意力循环网络, 密集连接卷积循环网络 | NA | NA |
| 3322 | 2025-10-06 |
Characterizing Psychiatric Disorders Through Graph Neural Networks: A Functional Connectivity Analysis of Depression and Schizophrenia
2025, Depression and anxiety
IF:4.7Q1
DOI:10.1155/da/9062022
PMID:40895757
|
研究论文 | 本研究利用图神经网络分析抑郁症和精神分裂症的功能连接模式，揭示两种精神疾病的神经机制差异 | 首次将注意力机制分层池化图神经网络(SAGPool)应用于精神疾病的功能连接分析，并通过扰动可解释性方法识别关键功能连接 | 研究基于多中心静息态fMRI数据，但样本量相对有限，模型性能仍有提升空间 | 识别抑郁症和精神分裂症在大规模脑网络分布中的共性和差异模式 | 抑郁症患者、精神分裂症患者和健康对照者 | 机器学习 | 精神疾病 | 静息态功能磁共振成像(fMRI) | 图神经网络(GNN) | 脑功能连接数据 | 多中心fMRI数据集，包含抑郁症、精神分裂症患者和健康对照者 | NA | SAGPool | 准确率 | NA |
| 3323 | 2025-10-06 |
Pseudo-Rendering for Resolution and Topology-Invariant Cortical Parcellation
2025, Machine learning in medical imaging. MLMI (Workshop)
DOI:10.1007/978-3-031-73290-4_8
PMID:40896370
|
研究论文 | 提出一种名为PRIR的新型皮层网格分割方法，通过伪渲染-逆渲染框架将3D网格分割问题转化为2D分割任务 | 提出伪渲染-逆渲染框架，不受网格拓扑结构限制，能有效捕捉长程依赖关系 | 未明确说明计算复杂度与处理时间 | 开发拓扑不变且分辨率不变的皮层网格分割方法 | 皮层网格模型，包括白质网格和表面扫描数据 | 计算机视觉 | NA | 表面扫描，网格渲染 | CNN | 3D网格，2D图像 | NA | NA | U-Net | 准确率 | NA |
| 3324 | 2025-10-06 |
Validation of a deep learning-based AI system for HER2-targeted breast cancer assessment using ultrasound imaging in a clinical setting
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1639474
PMID:40896446
|
研究论文 | 评估基于深度学习的AI系统在临床环境中使用超声成像进行HER2靶向乳腺癌评估的性能 | 开发了首个在常规临床环境中验证的深度学习AI系统，用于HER2阳性乳腺癌的实时风险分层和治疗监测 | 样本量较小(86例)，统计功效处于边界水平(~0.74)，需要在更大更多样化的队列中进行更广泛验证 | 评估AI系统在乳腺癌治疗监测中的有效性，比较赫赛汀与多柔比星在降低AI预测恶性肿瘤风险百分比方面的效果 | HER2阳性乳腺癌患者 | 数字病理 | 乳腺癌 | B型超声成像，免疫组织化学，组织病理学 | CNN | 超声图像 | 86名患者(来自150人的更大队列) | NA | 卷积神经网络 | 诊断准确性，风险评分与治疗反应相关性 | NA |
| 3325 | 2025-10-06 |
Predicting Treatment Response to Transcatheter Arterial Chemoembolization in Hepatocellular Carcinoma Patients using a Deep Learning-based Approach
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于预测肝细胞癌患者对经导管动脉化疗栓塞术的治疗反应 | 提出了结合注意力机制的改进LeNet架构，用于预测HCC患者对TACE的治疗反应 | 样本量相对较小（111例患者），需要在更大规模数据集中验证模型性能 | 评估深度学习模型在预测HCC患者对TACE早期治疗反应中的有效性和精确性 | 肝细胞癌患者 | 医学影像分析 | 肝细胞癌 | MRI成像 | CNN | 医学影像 | 111例HCC患者（训练集91例645张图像，测试集20例155张图像） | NA | LeNet with attention mechanism | AUC, 准确率, ROC曲线, 混淆矩阵 | NA |
| 3326 | 2025-10-06 |
Artificial intelligence technologies for enhancing neurofunctionalities: a comprehensive review with applications in Alzheimer's disease research
2025, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2025.1609063
PMID:40893125
|
综述 | 本文综述人工智能技术在增强神经功能方面的应用，重点探讨其在阿尔茨海默病研究中的诊断、预测和治疗进展 | 系统整合AI在阿尔茨海默病早期生物标志物识别、认知康复训练及药物研发等多领域的创新应用 | 未提及具体数据验证结果和方法学局限性 | 探讨人工智能技术在神经功能增强和阿尔茨海默病研究中的应用前景 | 阿尔茨海默病患者及相关医疗数据 | 机器学习 | 阿尔茨海默病 | NA | 机器学习,深度学习 | 遗传数据,影像数据 | NA | NA | NA | NA | NA |
| 3327 | 2025-10-06 |
Identify doctors' online performance and prioritize service attributes: A framework with aspect-based sentiment analysis and empirical investigation
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251353320
PMID:40893170
|
研究论文 | 本研究提出基于方面情感分析的三阶段框架，用于识别医生在线表现并优先排序服务属性 | 结合深度学习和计量经济学模型，从患者评论中提取服务属性并量化其对满意度和咨询需求的影响 | 仅基于单一在线医疗平台数据，未考虑不同平台间的差异 | 优先排序与医生在线表现相关的服务属性，帮助医生优化服务质量 | 在线医疗平台上的医生和患者评论 | 自然语言处理 | NA | 方面情感分析 | 深度学习模型 | 文本 | 445,435条评论，涉及49,024名医生 | 极端梯度提升 | NA | NA | NA |
| 3328 | 2025-10-06 |
Robust deep MRI contrast synthesis using a prior-based and task-oriented 3D network
2025, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/IMAG.a.116
PMID:40893451
|
研究论文 | 提出一种基于先验知识和任务导向的3D深度学习网络，用于从T1加权MRI合成T2加权MRI | 结合分割导向损失函数、频率空间信息损失和多图谱先验信息，采用半监督学习框架提升模型泛化能力 | NA | 开发鲁棒的MRI对比度合成方法以减少临床扫描时间和资源消耗 | T1加权和T2加权磁共振图像 | 医学影像分析 | NA | 磁共振成像 | 3D深度学习网络 | 3D医学图像 | NA | NA | NA | 分割性能指标 | NA |
| 3329 | 2025-10-06 |
RetinalVasNet: a deep learning approach for robust retinal microvasculature detection
2025, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2025.1562608
PMID:40894076
|
研究论文 | 提出了一种名为RetinalVasNet的深度学习方法，用于精确检测视网膜微血管 | 通过采用复杂的神经网络架构并整合多通道眼底图像来提升视网膜血管分割的准确性 | NA | 提高视网膜血管分割的准确性和有效性 | 视网膜微血管 | 计算机视觉 | 眼科疾病,心血管疾病 | 多通道眼底成像 | 深度学习 | 眼底图像 | NA | NA | RetinalVasNet | NA | NA |
| 3330 | 2025-10-06 |
Deep learning-based semantic segmentation for rice yield estimation by analyzing the dynamic change of panicle coverage
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1611653
PMID:40894489
|
研究论文 | 本研究提出了一种基于深度学习的时序框架，通过分析稻穗覆盖度的动态变化来预测水稻产量 | 首次将时序分析引入稻穗表型研究，通过分段函数建模稻穗覆盖度的生长和衰退动态，突破了传统单时间点分析的局限 | 研究仅基于RGB图像，未考虑多光谱或其他传感器数据；模型在两年生长季节数据上验证，需要更多年份数据验证普适性 | 开发水稻表型分析和产量预测的新方法 | 水稻冠层和稻穗 | 计算机视觉 | NA | RGB成像技术 | 语义分割模型, 回归模型 | 高分辨率RGB图像 | 两个生长季节的水稻冠层图像数据 | NA | DeepLabv3+, U-Net, PSPNet, FPN, LinkNet | mIoU, R2, 相关系数r | NA |
| 3331 | 2025-10-06 |
Cenobamate reduces epileptiform activity in the ex vivo F98 rat glioma model
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1629259
PMID:40896334
|
研究论文 | 评估新型抗癫痫药物cenobamate在胶质瘤相关癫痫临床前模型中的疗效 | 首次在胶质瘤相关癫痫模型中评估cenobamate的抗癫痫效果，并采用深度学习分析癫痫样事件 | 研究基于离体大鼠脑切片模型，尚未进行在体验证 | 开发针对胶质瘤相关癫痫的新型抗癫痫药物 | Fischer大鼠皮质切片（包括假手术组和F98肿瘤植入组） | 数字病理 | 脑胶质瘤 | 局部场电位记录、急性去抑制溶液、功率谱密度分析 | 深度学习 | 电生理信号 | 未明确样本数量，使用Fischer大鼠皮质切片 | NA | NA | 癫痫样事件持续时间比例、尖峰负荷、功率谱密度 | NA |
| 3332 | 2025-10-06 |
Magnetoencephalographic source localization and reconstruction via deep learning
2025, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2025.1578473
PMID:40896341
|
研究论文 | 提出一种名为Deep-MEG的深度学习算法，用于实现脑磁图信号的时空源定位与重建 | 采用混合神经网络架构同时提取MEG信号的时空信息，能够处理全脑信号而不局限于皮层源成像 | NA | 解决脑磁图数据源级信号估计的空间分辨率限制问题 | 脑磁图信号和脑内源活动 | 机器学习 | NA | 脑磁图 | 深度学习,混合神经网络 | 脑磁图信号 | NA | NA | NA | NA | NA |
| 3333 | 2025-10-06 |
A Cross-Modal Mutual Knowledge Distillation Framework for Alzheimer's Disease Diagnosis: Addressing Incomplete Modalities
2024-Oct-22, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.08.24.23294574
PMID:37662267
|
研究论文 | 提出一种跨模态互知识蒸馏框架，用于解决阿尔茨海默病诊断中多模态数据不完整的问题 | 首次提出跨模态互知识蒸馏方法，通过教师-学生模型双向知识传递处理不完整多模态数据 | 仅验证于阿尔茨海默病神经影像数据集，在其他疾病和模态组合中的泛化能力有待验证 | 开发能够处理不完整多模态神经影像数据的阿尔茨海默病早期诊断方法 | 阿尔茨海默病患者的多模态神经影像数据（MRI和PET） | 医学影像分析 | 阿尔茨海默病 | 深度学习，知识蒸馏 | CNN | 神经影像数据（MRI，PET） | ADNI数据集中的患者样本 | PyTorch, TensorFlow | 模态解缠教师模型，学生模型 | 分类准确率 | GPU |
| 3334 | 2025-10-06 |
Diabetic retinopathy screening through artificial intelligence algorithms: A systematic review
2024 Sep-Oct, Survey of ophthalmology
IF:5.1Q1
|
系统综述 | 本文系统综述了人工智能算法在糖尿病视网膜病变筛查中的应用现状、技术方法和研究进展 | 系统梳理了AI在DR筛查中的最新技术发展，特别关注了深度学习方法在分类、检测和分割任务中的集成应用趋势 | 高质量标注数据获取困难，模型复杂性管理挑战，模型输出可解释性不足，临床环境可靠性验证仍需加强 | 评估人工智能在糖尿病视网膜病变筛查中的应用效果并指导未来研究方向 | 糖尿病视网膜病变筛查相关的AI算法和研究文献 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | CNN, ViT, U-Net, YOLO | 彩色眼底图像 | 主要基于IDRiD数据集（516张图像）及其他相关数据集 | NA | YOLO, Vision Transformer, U-Net, 卷积神经网络 | NA | NA |
| 3335 | 2025-10-06 |
Vasculature segmentation in 3D hierarchical phase-contrast tomography images of human kidneys
2024-Aug-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.25.609595
PMID:39253466
|
研究论文 | 本文通过全球机器学习竞赛分析顶级解决方案，开发用于人肾3D血管分割的深度学习方法 | 组织全球1401名参与者的大规模机器学习竞赛，在分层相衬断层扫描数据上建立血管分割新基准 | 仅针对人肾相衬断层扫描数据，方法在其他成像模态的通用性未验证 | 开发用于3D医学图像血管分割的高效深度学习算法 | 人肾血管系统 | 计算机视觉 | 肾脏疾病 | 分层相衬断层扫描 | 深度学习 | 3D医学图像 | 手动标注的3D人肾数据集 | NA | NA | 分割准确度, 形态学分析 | NA |
| 3336 | 2025-10-06 |
PixelPrint 4D : A 3D printing method of fabricating patient-specific deformable CT phantoms for respiratory motion applications
2024-Aug-03, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.08.02.24311385
PMID:39211887
|
研究论文 | 本文提出一种名为PixelPrint的3D打印方法，用于制造患者特异性可变形CT肺部体模以模拟呼吸运动 | 开发了能够精确复制患者肺部结构、纹理和衰减特征的可变形体模，相比现有模型更具真实性 | NA | 为呼吸运动补偿技术提供更真实的测试环境 | 呼吸运动体模（RMPs）和CT成像技术 | 医学影像 | 肺部疾病 | 3D打印技术 | NA | CT影像数据 | NA | NA | NA | 结构复制精度、变形准确性、体积变化和衰减变化 | NA |
| 3337 | 2025-10-06 |
Resting state electroencephalographic brain activity in neonates can predict age and is indicative of neurodevelopmental outcome
2024-07, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology
IF:3.7Q2
DOI:10.1016/j.clinph.2024.05.002
PMID:38797002
|
研究论文 | 本研究开发了一种基于单通道静息态脑电图的深度学习模型，用于预测新生儿脑龄并评估神经发育结局 | 首次使用单通道20分钟静息态EEG数据实现新生儿脑龄预测，大幅降低数据需求，适合临床床边应用 | 测试数据集有限，仅在一个测试数据集中验证了与神经发育结局的关联 | 开发适用于临床床边使用的新生儿脑龄评估方法 | 早产新生儿 | 机器学习 | 新生儿神经发育疾病 | 脑电图 | 深度学习 | 脑电图信号 | 两个独立临床站点的测试数据集 | NA | NA | 平均绝对误差 | NA |
| 3338 | 2025-10-06 |
Deep learning model utilizing clinical data alone outperforms image-based model for hernia recurrence following abdominal wall reconstruction with long-term follow up
2024-07, Surgical endoscopy
DOI:10.1007/s00464-024-10980-y
PMID:38862826
|
研究论文 | 本研究比较了基于临床数据和CT图像的深度学习模型在预测腹壁重建术后疝气复发方面的表现 | 发现仅使用临床数据的深度学习模型在预测疝气复发方面优于基于图像和混合数据的模型 | 所有三种模型对疝气复发的预测能力均较差，样本量相对有限（190例患者） | 评估深度学习模型预测腹壁重建术后疝气复发的能力，并比较不同数据类型的预测效果 | 接受腹壁重建术并有术前CT检查的患者 | 机器学习 | 疝气 | CT成像 | 深度学习模型 | 临床数据和CT图像 | 190例腹壁重建术患者，平均随访超过7年 | NA | NA | AUC | NA |
| 3339 | 2025-10-06 |
Surgical optomics: hyperspectral imaging and deep learning towards precision intraoperative automatic tissue recognition-results from the EX-MACHYNA trial
2024-07, Surgical endoscopy
DOI:10.1007/s00464-024-10880-1
PMID:38789623
|
研究论文 | 本研究开发了基于高光谱成像和深度学习的术中自动组织识别系统，用于腹部手术中的精确组织识别 | 首次在前瞻性双中心设置中使用人类数据开发基于HSI的自动腹部组织识别系统，提出了“外科光学组学”新概念 | 需要进一步工作来量化HSI的临床价值，相似胚胎起源组织的分类准确性有待提高 | 开发术中自动组织识别技术以提高手术精准度 | 接受择期开腹手术的患者 | 计算机视觉 | 腹部疾病 | 高光谱成像 | CNN | 高光谱图像，RGB图像 | 169名患者（斯特拉斯堡73名，维罗纳96名），766张图像 | NA | NA | 真阳性率，DICE系数 | NA |
| 3340 | 2025-10-06 |
Clinical utility of a rapid two-dimensional balanced steady-state free precession sequence with deep learning reconstruction
2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2024.101069
PMID:39079600
|
研究论文 | 本研究评估了采用深度学习重建的加速二维心脏磁共振电影序列在缩短采集时间同时保持定量容积测量和图像质量的临床效用 | 首次将深度学习重建技术(Sonic DL)应用于二维平衡稳态自由进动序列，实现了37%的采集时间减少且不影响诊断质量 | 左心室质量和纵向应变测量存在轻微高估(质量高估3.36 g/m²，纵向应变高估1.97%) | 评估深度学习重建加速技术在心脏磁共振电影成像中的临床实用性 | 124名参与者(16名预研究+108名前瞻性研究) | 医学影像分析 | 心血管疾病 | 心血管磁共振(CMR)，二维平衡稳态自由进动序列 | 深度学习 | 医学影像 | 124名参与者 | NA | Sonic DL | Bland-Altman分析，Pearson相关系数，配对t检验，Wilcoxon符号秩检验 | NA |