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 32372 篇文献，本页显示第 321 - 340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 321 | 2025-10-05 |
A microneedle-based integrated three-electrode system for pesticide detection using machine learning
2025-Oct-02, The Analyst
DOI:10.1039/d5an00430f
PMID:41035252
|
研究论文 | 开发了一种基于微针阵列集成三电极系统和深度学习算法的农药检测方法 | 首次将3D打印微针阵列与差分脉冲伏安法和深度学习算法相结合用于农药分子检测 | 仅对六种预定义农药样品进行了测试，未涉及更广泛的农药种类 | 开发高效准确的农药检测技术以保障农业安全和公众健康 | 六种农药分子（MS222、对硝基苯酚、结晶紫、孔雀石绿、香兰素和呋喃西林） | 机器学习 | NA | 差分脉冲伏安法、电化学指纹分析 | CNN, 深度学习算法 | 电化学信号数据 | 六种预定义农药样品 | NA | 卷积神经网络 | 准确率 | NA |
| 322 | 2025-10-05 |
Deep learning-based survival prediction model for adult diffuse low-grade glioma: a multi-cohort validation study
2025-Oct-02, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-025-03613-w
PMID:41037075
|
研究论文 | 开发并验证基于深度学习的成人弥漫性低级别胶质瘤生存预测模型 | 首次将DeepSurv深度学习模型应用于DLGG生存预测，并通过多队列验证证实其可靠性 | 外部验证队列样本量较小(n=33)，可能影响模型泛化能力的全面评估 | 开发准确的DLGG患者生存预测模型以辅助临床预后评估 | 成人弥漫性低级别胶质瘤患者 | 医疗人工智能 | 脑肿瘤/神经胶质瘤 | 深度学习生存分析 | DeepSurv | 临床病理数据 | 1,079例DLGG患者(训练集836例，内部验证210例，外部验证33例) | NA | DeepSurv | C-index, 综合Brier评分 | NA |
| 323 | 2025-10-05 |
GAN-Enhanced Hybrid Deep Learning with Explainable AI for Automated Cataract Diagnosis
2025-Oct-02, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02249-1
PMID:41037142
|
研究论文 | 提出一种结合生成式AI和可解释AI的深度学习系统，用于自动化白内障诊断 | 融合生成对抗网络增强数据多样性，结合可解释AI提供临床可解释性，采用混合数据集和精细调优的模型架构 | NA | 开发高性能、可解释的白内障自动诊断系统 | 白内障眼部疾病 | 计算机视觉 | 白内障 | 生成对抗网络, 深度学习 | GAN, CNN | 医学图像 | 合并六个开源数据集并添加GAN生成的合成图像 | NA | InceptionResNetV2 | 准确率, AUC, 精确率, 召回率, F1分数, 置信区间 | NA |
| 324 | 2025-10-05 |
A gender-aware saliency prediction system for web interfaces using deep learning and eye-tracking data
2025-Oct-02, Brain informatics
DOI:10.1186/s40708-025-00274-x
PMID:41037184
|
研究论文 | 提出基于深度学习和眼动数据的性别感知网页显著性预测系统 | 首次将Transformer架构用于性别感知的显著性预测，并创建包含人口统计信息的WIC640数据集 | 未包含时间维度的眼动建模 | 研究人口统计因素对视觉注意力的影响，开发自适应网页界面 | 网页界面和用户眼动行为 | 计算机视觉 | NA | 眼动追踪技术 | Transformer | 图像, 眼动数据 | 85名参与者，640张网页截图 | NA | TranSalNet | 相关系数(CC), 归一化扫描路径显著性(NSS), 库尔巴克-莱布勒散度(KLD) | NA |
| 325 | 2025-10-05 |
Deep Neural Network-Based Risk Prediction of Glioblastoma Multiforme Recurrence
2025-Oct-02, Journal of molecular neuroscience : MN
IF:2.8Q2
DOI:10.1007/s12031-025-02412-w
PMID:41037206
|
研究论文 | 本研究开发并评估了基于深度神经网络的多形性胶质母细胞瘤复发风险预测模型 | 采用混合差分进化神经网络框架优化DNN架构，整合多模态数据实现GBM复发风险预测 | 研究基于特定数据集（TCGA和机构数据库），需要进一步外部验证 | 准确预测多形性胶质母细胞瘤复发风险以改善个体化治疗策略 | 780名多形性胶质母细胞瘤患者 | 机器学习 | 多形性胶质母细胞瘤 | 基因组分析、影像学分析、临床记录分析 | DNN | 基因组数据、影像数据、临床记录 | 780名GBM患者 | Python | HDE-NN优化的深度神经网络 | 准确率, 精确率, 召回率, F1分数, AUC-ROC | NA |
| 326 | 2025-10-05 |
What are you looking at? Modality contribution in multimodal medical deep learning
2025-Oct-02, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03523-w
PMID:41037211
|
研究论文 | 本文提出了一种基于遮挡的多模态贡献度方法，用于量化分析多模态深度学习模型中各模态的重要性 | 开发了模型无关和性能无关的模态贡献度评估方法，能够定量测量多模态数据中各模态对模型完成任务的重要性 | 方法仅在三个多模态医学问题上进行了实验验证，需要更广泛的应用场景测试 | 研究多模态深度学习模型中各模态信息的处理方式和贡献度 | 多模态医学深度学习模型 | 机器学习 | NA | 深度学习，多模态融合 | 深度神经网络 | 多模态医学数据 | NA | NA | NA | 模态贡献度定量测量 | NA |
| 327 | 2025-10-05 |
Seizure detection using nonlinear measures over EEG frequency bands and deep learning classifiers
2025-Oct, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2356634
PMID:38803055
|
研究论文 | 提出一种基于EEG频段非线性特征和深度学习分类器的癫痫发作检测新方法 | 从最相关的EEG频段计算非线性特征作为特征提取方法，结合机器学习和深度学习分类器 | NA | 开发自动癫痫发作检测框架以替代传统耗时的方法 | 癫痫患者的脑电图信号 | 机器学习 | 癫痫 | 脑电图 | 深度学习分类器 | EEG信号 | Bonn数据集和Hauz Khas数据集 | NA | NA | 准确率 | NA |
| 328 | 2025-10-05 |
Authentication with a one-dimensional CNN model using EEG-based brain-computer interface
2025-Oct, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2355490
PMID:38767327
|
研究论文 | 提出一种基于一维卷积神经网络的脑机接口认证方法，用于运动想象信号分类 | 将四分类运动想象识别结果创新性地应用于身份认证系统，为残疾人士提供无需输入密码的安全认证方案 | EEG信号易受噪声干扰且泛化能力有限，分类器性能提升存在困难 | 开发基于脑电信号的稳健分类方法，提升脑机接口在实际应用中的实用性 | 中风康复患者和运动障碍患者的运动想象脑电信号 | 脑机接口 | 中风 | 脑电图 | CNN | EEG信号 | NA | NA | 一维卷积神经网络 | 准确率 | NA |
| 329 | 2025-10-05 |
An accurate prediction for respiratory diseases using deep learning on bronchoscopy diagnosis images
2025-Oct, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2024.11.023
PMID:39571731
|
研究论文 | 提出一种多尺度注意力残差网络用于支气管镜图像的呼吸系统疾病诊断 | 设计了多尺度卷积块注意力模块增强空间和通道特征，并采用Grad-CAM提高诊断结果的可解释性 | 数据仅来自单一医疗中心，样本量相对有限 | 提高支气管镜图像诊断呼吸系统疾病的准确性 | 支气管镜诊断图像 | 计算机视觉 | 呼吸系统疾病 | 支气管镜检查 | 深度学习 | 图像 | 615个病例共2900张图像 | NA | 多尺度注意力残差网络 | 准确率,AUC | NA |
| 330 | 2025-10-05 |
Deep learning reconstruction for improved image quality of ultra-high-resolution brain CT angiography: application in moyamoya disease
2025-Oct, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01806-5
PMID:40439843
|
研究论文 | 本研究评估了针对脑部CTA优化的深度学习重建在烟雾病超高清CT血管成像中的图像质量改善效果 | 首次将专门针对脑部CTA优化的深度学习重建应用于烟雾病患者的超高清CT血管成像，并与常规重建方法进行对比 | 回顾性研究设计，样本量相对较小（50例患者） | 评估不同重建算法在烟雾病脑部CTA中对小血管显示的图像质量差异 | 烟雾病患者的脑部CT血管成像数据 | 医学影像分析 | 烟雾病 | CT血管成像，深度学习重建 | 深度学习 | 医学影像 | 50例疑似或确诊烟雾病患者 | NA | NA | 边缘锐度，峰值CT值，血管对比度，半高全宽，图像噪声 | NA |
| 331 | 2025-10-05 |
Advantages of deep learning reconstruction algorithm in ultra-high-resolution CT for the diagnosis of pancreatic cystic neoplasm
2025-Oct, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01804-7
PMID:40445272
|
研究论文 | 评估深度学习重建算法在超高分辨率CT诊断胰腺囊性肿瘤中的图像质量和临床效用 | 首次在超高分辨率CT中系统比较深度学习重建算法与混合迭代重建算法对胰腺囊性肿瘤的诊断价值 | 回顾性研究设计，样本量较小（45例患者），单中心研究 | 评估深度学习重建算法在胰腺囊性肿瘤CT诊断中的图像质量和诊断性能 | 胰腺囊性肿瘤患者 | 医学影像 | 胰腺囊性肿瘤 | 超高分辨率CT，深度学习重建算法 | 深度学习重建算法 | CT图像 | 45例胰腺囊性肿瘤患者（2020年3月至2022年2月） | NA | NA | 图像噪声，对比噪声比，敏感性，特异性，准确率，AUROC，观察者间一致性 | NA |
| 332 | 2025-10-05 |
High visceral-to-subcutaneous fat area ratio is an unfavorable prognostic indicator in patients with uterine sarcoma
2025-Oct, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01812-7
PMID:40500581
|
研究论文 | 本研究探讨了身体组成参数对子宫肉瘤患者总体生存率的影响 | 首次发现高内脏与皮下脂肪面积比(VSR)是子宫肉瘤患者不良预后的独立预测因子 | 样本量较小(52例患者)，且为回顾性多中心研究 | 评估身体组成参数对子宫肉瘤患者生存预后的影响 | 52例子宫肉瘤患者 | 数字病理学 | 子宫肉瘤 | CT成像，深度学习分割 | 深度学习 | CT图像 | 52例来自三家日本医院的患者(2007-2023年) | NA | NA | 风险比(HR)，p值 | NA |
| 333 | 2025-10-05 |
Comparison of publicly available artificial intelligence models for pancreatic segmentation on T1-weighted Dixon images
2025-Oct, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01814-5
PMID:40531398
|
研究论文 | 比较三种公开可用的深度学习模型在T1加权Dixon图像上胰腺分割的性能 | 首次系统比较TotalSegmentator、TotalVibeSegmentator和PanSegNet三种公开AI模型在胰腺分割任务中的表现 | 样本量较小（仅20个腹部MRI序列），仅评估T1加权Dixon图像 | 评估和比较公开AI模型在胰腺自动分割中的性能 | 胰腺组织 | 医学影像分析 | 胰腺疾病 | T1加权磁共振成像，两点Dixon方法 | 深度学习模型 | 磁共振图像 | 20个上腹部T1加权磁共振序列 | NA | TotalSegmentator, TotalVibeSegmentator, PanSegNet | Dice相似系数, 95百分位Hausdorff距离, 平均对称表面距离, 阳性预测值, 敏感性, Bland-Altman图, 一致性相关系数 | NA |
| 334 | 2025-10-05 |
Discovery of novel cathepsin K inhibitors for osteoporosis treatment using a deep learning-based strategy
2025-Oct, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2025.2527686
PMID:40600916
|
研究论文 | 本研究通过深度学习策略结合实验方法发现新型组织蛋白酶K抑制剂用于骨质疏松治疗 | 首次结合深度学习模型Chemprop与实验验证筛选组织蛋白酶K抑制剂，发现槲皮素、γ-亚麻酸和异硫氰酸苄酯等新型抑制剂 | 仅对预测排名前100的分子进行实验验证，可能存在未发现的潜在抑制剂 | 开发新型组织蛋白酶K抑制剂用于骨质疏松治疗 | 组织蛋白酶K及其小分子抑制剂 | 机器学习 | 骨质疏松 | 深度学习预测、酶动力学、分子对接、分子动力学模拟、RANKL诱导破骨细胞生成实验 | 深度学习 | 化学分子数据 | 预测筛选后选择前100个分子进行实验验证 | Chemprop | NA | 抑制效果浓度依赖性、酶动力学参数、分子相互作用稳定性 | NA |
| 335 | 2025-10-05 |
SAGERank: inductive learning of protein-protein interaction from antibody-antigen recognition
2025-Oct-01, Chemical science
IF:7.6Q1
DOI:10.1039/d5sc03707g
PMID:40927012
|
研究论文 | 提出SAGERank深度学习框架用于抗体-抗原相互作用预测和蛋白质-蛋白质相互作用研究 | 使用图采样聚合网络进行抗体设计，首次展示归纳式深度学习在解决分子科学小数据集问题方面的潜力 | NA | 预测抗体-抗原对接并开发基于结构的设计方法 | 抗体-抗原相互作用、蛋白质-蛋白质相互作用 | 机器学习 | 癌症 | 深度学习 | 图神经网络 | 蛋白质结构数据 | 癌症靶点数据集 | NA | Graph Sample and Aggregate Networks | 排名性能、识别准确性 | NA |
| 336 | 2025-10-05 |
SynapseNet: Deep learning for automatic synapse reconstruction
2025-Oct-01, Molecular biology of the cell
IF:3.1Q3
DOI:10.1091/mbc.E24-11-0519
PMID:40875337
|
研究论文 | 开发用于电子显微镜图像中突触结构自动分割的深度学习工具SynapseNet | 结合大规模标注数据集和领域自适应功能，能在多种电子显微镜方法中可靠分割突触结构 | NA | 实现电子显微镜图像中突触结构的自动分割和分析 | 突触囊泡、活性区、线粒体、突触前密度、突触带和突触区室等突触结构 | 计算机视觉 | NA | 电子显微镜 | 深度学习 | 电子显微镜图像 | 大规模标注数据集 | NA | NA | NA | NA |
| 337 | 2025-10-05 |
Deep Learning-Based Breath-Hold and Free-Breathing Cine MRI for Comprehensive Cardiac Evaluation
2025-Oct, Korean journal of radiology
IF:4.4Q1
DOI:10.3348/kjr.2025.0440
PMID:41015857
|
研究论文 | 评估和比较自由呼吸与屏气深度学习电影MRI序列在扫描时间、测量精度和图像质量方面与传统电影MRI的性能差异 | 首次系统比较针对心律失常和呼吸困难患者的两种深度学习电影MRI序列（自由呼吸和屏气）与传统方法的综合性能 | 样本量相对有限（70名参与者），且仅在3T扫描器上进行验证 | 开发更高效的心脏MRI成像方法，特别关注心律失常和呼吸困难患者的临床应用 | 70名参与者（24名心律失常、17名呼吸困难、29名正常窦性心律和正常呼吸） | 医学影像分析 | 心血管疾病 | 电影MRI, 深度学习 | 深度学习模型 | 心脏MRI图像 | 70名患者 | NA | NA | 扫描时间, 测量精度, 图像质量评分, 相关系数, 95%一致性界限 | 3T MRI扫描器 |
| 338 | 2025-10-05 |
Lung MRI: Indications, Capabilities, and Techniques-AJR Expert Panel Narrative Review
2025-Oct-01, AJR. American journal of roentgenology
DOI:10.2214/AJR.25.32637
PMID:40397559
|
综述 | 本文通过专家小组叙述性综述，全面探讨肺部MRI的临床适应症、现有能力、成像协议及新兴技术 | 整合深度学习加速方法等新兴技术，提出无电离辐射的肺癌筛查和无需超极化气体/静脉造影剂的通气灌注定量分析等未来应用方向 | 临床使用率极低，存在转诊医生认知不足及放射科医生/技师专业经验欠缺等推广障碍 | 系统评估肺部MRI的临床应用价值与技术发展前景 | 肺部MRI的适应症范围、技术能力与成像方案 | 医学影像 | 肺癌,间质性肺病 | MRI,深度学习加速方法 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 339 | 2025-10-05 |
Addressing Partial Volume Effects in Clinical PET Quantification: Modern Correction Strategies and Challenges
2025-Oct, PET clinics
IF:3.0Q2
DOI:10.1016/j.cpet.2025.07.001
PMID:40813150
|
综述 | 本文系统评述临床PET定量分析中部分容积效应的现代校正策略及其挑战 | 首次将新型部分容积校正方法归纳为四大类别并分析各自特点 | 未提供具体实验数据验证不同方法的性能比较 | 解决临床PET定量分析中的部分容积效应问题 | PET成像中的部分容积效应 | 医学影像分析 | NA | PET成像 | 深度学习 | 医学影像 | NA | NA | NA | NA | NA |
| 340 | 2025-10-05 |
Motion Management in Positron Emission Tomography/Computed Tomography and Positron Emission Tomography/Magnetic Resonance
2025-Oct, PET clinics
IF:3.0Q2
DOI:10.1016/j.cpet.2025.07.004
PMID:40858422
|
综述 | 探讨临床PET检查中运动伪影的校正策略及其最新进展 | 整合外部设备与数据驱动的运动追踪技术，结合深度学习方法和全身PET系统实现先进运动校正 | NA | 提升PET图像质量与定量准确性 | PET/CT和PET/MR成像中的运动伪影 | 医学影像处理 | 肿瘤学、神经学、心血管疾病 | PET/CT、PET/MR、全身PET系统 | 深度学习 | 医学影像 | NA | NA | NA | 定量可靠性 | NA |