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 33853 篇文献，本页显示第 421 - 440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 421 | 2025-11-14 |
Deep Learning-based Opportunistic CT Osteoporosis Screening and the Establishment of Normative Values
2025-Nov, Radiology
IF:12.1Q1
DOI:10.1148/radiol.250917
PMID:41217284
|
研究论文 | 开发基于深度学习的自动化CT骨质疏松机会性筛查方法，建立不同CT协议和扫描仪模型的标准化校正方法 | 首次开发可重复的3D卷积神经网络自动识别骨小梁感兴趣区域，建立跨CT协议和扫描仪模型的标准化校正方法 | 回顾性研究设计，未包含所有CT扫描仪型号 | 开发自动化骨质疏松机会性筛查方法并建立诊断阈值 | 283,499名患者的538,946次CT检查 | 数字病理 | 骨质疏松 | CT成像 | CNN | 3D医学图像 | 283,499名患者，538,946次CT检查，涵盖43种扫描仪型号和6种管电压 | NA | 3D卷积神经网络 | 医师手动验证一致性(>99%) | NA |
| 422 | 2025-11-14 |
Artificial Intelligence-Enhanced Electrocardiography for Complete Heart Block Risk Stratification
2025-Nov-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2025.2522
PMID:40833775
|
研究论文 | 开发人工智能增强心电图模型用于预测完全性心脏传导阻滞风险 | 首次开发深度学习模型预测完全性心脏传导阻滞风险，使用残差卷积神经网络架构和离散时间生存损失函数 | 研究基于回顾性队列数据，需要前瞻性验证 | 开发AI-ECG风险估计器预测完全性心脏传导阻滞发生风险 | 心电图数据和患者队列 | 医疗人工智能 | 心血管疾病 | 心电图分析 | CNN | 心电图信号 | Beth Israel Deaconess医学中心1,163,401份心电图来自189,539名患者；UK Biobank队列50,641份心电图来自189,539名患者 | NA | 残差卷积神经网络 | C指数, AUROC, 调整后风险比 | NA |
| 423 | 2025-11-13 |
Deep learning model to identify and validate hypotension endotypes in surgical and critically ill patients. Response to Br J Anaesth 2025; 135: 249-50
2025-Nov, British journal of anaesthesia
IF:9.1Q1
DOI:10.1016/j.bja.2025.07.066
PMID:40885701
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 424 | 2025-11-14 |
Hybrid AI Model With CNNs and Vision Transformers for Precision Pest Classification in Crops
2025-Nov, Food science & nutrition
IF:3.5Q2
DOI:10.1002/fsn3.71174
PMID:41221087
|
研究论文 | 提出了一种融合CNN和视觉Transformer的混合深度学习模型HyPest-Net，用于农作物害虫的精确分类 | 集成CNN局部特征提取、通道与空间注意力机制以及视觉Transformer模块，解决视觉相似物种、背景干扰和光照变化等挑战 | NA | 开发有效的害虫管理技术，实现害虫的及时准确识别 | 农作物害虫 | 计算机视觉 | NA | 深度学习 | CNN, Vision Transformer | 图像 | 两个基准数据集：水稻害虫数据集（5类）和危险农场昆虫数据集（15类） | NA | HyPest-Net（集成CNN、注意力机制、ViT-B/16） | 准确率, 精确率, 敏感度, 特异性, F1分数 | NA |
| 425 | 2025-11-14 |
Securing IoT Vision Systems: An Unsupervised Framework for Adversarial Example Detection Integrating Spatial Prototypes and Multidimensional Statistics
2025-Nov-01, Sensors (Basel, Switzerland)
DOI:10.3390/s25216658
PMID:41228881
|
研究论文 | 提出一种集成空间原型和多维统计的无监督对抗样本检测框架，用于保护物联网视觉系统安全 | 首次将空间统计特征与多维分布特性相结合，构建双模块协作架构，无需对抗样本训练即可实现高效检测 | 仅在CIFAR-10和Fashion-MNIST数据集上验证，未在更复杂的真实物联网场景中测试 | 开发有效的无监督对抗样本检测方法以增强物联网系统安全性 | 由AdvGANs生成的对抗样本以及传统攻击方法如FGSM和PGD | 计算机视觉 | NA | 对抗样本生成技术 | CNN | 图像 | CIFAR-10数据集和Fashion-MNIST数据集 | NA | VGG16, ResNet50 | AUROC | NA |
| 426 | 2025-11-14 |
VIPE: Visible and Infrared Fused Pose Estimation Framework for Space Noncooperative Objects
2025-Nov-01, Sensors (Basel, Switzerland)
DOI:10.3390/s25216664
PMID:41228887
|
研究论文 | 提出一种融合可见光和红外图像的深度学习框架，用于空间非合作目标的姿态估计 | 首次将可见光与红外图像融合用于空间非合作目标姿态估计，提出多尺度特征融合和双模态视觉数据集 | 未提及在极端光照条件下的性能表现和实时性分析 | 提升空间非合作目标在有限可见度环境下的姿态估计精度 | 空间非合作目标（如卫星、空间碎片） | 计算机视觉 | NA | 可见光成像、红外成像、图像融合 | 深度学习 | 可见光-红外图像对 | 3,630对可见光-红外图像 | NA | 多尺度特征融合网络、姿态估计子网络 | 姿态估计精度 | NA |
| 427 | 2025-11-14 |
SAM-Based Approach for Automated Fabric Anisotropy Quantification in Concrete Aggregates
2025-Nov-01, Sensors (Basel, Switzerland)
DOI:10.3390/s25216661
PMID:41228886
|
研究论文 | 提出基于SAM的自动化混凝土骨料结构各向异性量化方法 | 首次将Segment Anything Model应用于混凝土骨料分割，并结合计算几何与二阶傅里叶级数提出新型各向异性量化技术 | 未提及方法在其他材料或更大规模数据集上的泛化能力 | 开发自动化混凝土骨料结构各向异性量化方法 | 混凝土骨料微观结构 | 计算机视觉 | NA | CLAHE图像增强技术 | 基础模型 | 图像 | 自建混凝土骨料数据集 | NA | Segment Anything Model (SAM) | Dice系数, IoU, 平均绝对误差 | NA |
| 428 | 2025-11-14 |
Single-fibril Förster resonance energy transfer imaging and deep learning reveal concentration dependence of amyloid β 42 aggregation pathways
2025-Nov, PNAS nexus
IF:2.2Q1
DOI:10.1093/pnasnexus/pgaf342
PMID:41229410
|
研究论文 | 通过单纤维FRET成像和深度学习揭示Aβ42淀粉样蛋白聚集路径的浓度依赖性 | 开发实时FRET成像技术研究淀粉样纤维形成，首次发现Aβ42聚集路径的浓度依赖性异质性 | 仅研究了2μM和4μM两个浓度，未覆盖更广泛的浓度范围 | 研究淀粉样蛋白β42聚集机制的异质性 | 淀粉样蛋白β42（Aβ42）纤维 | 生物物理，计算生物学 | 阿尔茨海默病，神经退行性疾病 | FRET成像，荧光寿命成像，深度学习 | 深度学习模型 | 荧光成像数据，FRET效率数据，荧光寿命数据 | 不同浓度（2μM和4μM）的Aβ42样品 | NA | NA | NA | NA |
| 429 | 2025-11-14 |
Dual-modal ultrasound-based deep learning radiomics for differentiation of benign and malignant breast lesions
2025-Oct-31, Gland surgery
IF:1.5Q3
DOI:10.21037/gs-2025-295
PMID:41215860
|
研究论文 | 开发基于B型超声和对比增强超声的双模态深度学习放射组学模型，用于区分乳腺良恶性病变 | 首次将B型超声和对比增强超声特征通过早期特征融合构建集成模型，并利用SHAP和Grad-CAM进行模型可解释性分析 | 回顾性多中心研究，样本量相对有限（427例患者） | 开发准确无创的乳腺病变诊断方法以减少不必要活检和手术 | 427例女性乳腺病变患者 | 数字病理 | 乳腺癌 | 超声成像（B型超声和对比增强超声） | 深度学习 | 医学图像 | 427例患者来自四家医院 | 未明确说明 | VGG-16 | AUC, 决策曲线分析 | NA |
| 430 | 2025-11-14 |
Deep learning-assisted metabolic fingerprint profiling based on V-groove and wrinkle-shaped 3D surface-enhanced Raman scattering substrate for early colorectal cancer diagnosis
2025-Oct-31, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2025.118183
PMID:41223500
|
研究论文 | 开发基于V型沟槽和皱纹状3D表面增强拉曼散射基底结合深度学习的代谢指纹图谱方法用于早期结直肠癌诊断 | 提出新型VGA/WS/AgNPs 3D-SERS基底结构，结合CNN建立早期结直肠癌代谢物模型(SCMM)，在CEA阴性患者中仍能实现高检测率 | NA | 开发早期结直肠癌精准诊断平台 | 早期结直肠癌患者和健康对照的血清代谢物 | 医学诊断 | 结直肠癌 | 表面增强拉曼散射(SERS) | CNN | 拉曼光谱数据 | NA | NA | NA | AUC,准确率,特异性 | NA |
| 431 | 2025-11-14 |
Artificial Intelligence in Thyroid Cytopathology: Diagnostic and Technical Insights
2025-Oct-31, Cancers
IF:4.5Q1
DOI:10.3390/cancers17213525
PMID:41228318
|
综述 | 本文综述了深度学习在甲状腺细胞病理学中的应用现状、技术挑战和未来发展方向 | 系统分析了深度学习在甲状腺细胞病理学中的技术难点和临床转化路径，提出了标准化数据集和多中心前瞻性试验的必要性 | 当前研究多为回顾性和单中心研究，缺乏外部验证，存在预分析变异性和领域偏移问题 | 探讨人工智能在甲状腺细胞病理学中的诊断应用和技术见解 | 甲状腺结节细针穿刺细胞学样本 | 数字病理学 | 甲状腺疾病 | 细针穿刺细胞学 | 深度学习 | 细胞病理学图像 | NA | NA | NA | NA | NA |
| 432 | 2025-11-14 |
Fault Diagnosis of Rolling Bearings Using Denoising Multi-Channel Mixture of CNN and Mamba-Enhanced Adaptive Self-Attention LSTM
2025-Oct-31, Sensors (Basel, Switzerland)
DOI:10.3390/s25216652
PMID:41228875
|
研究论文 | 提出一种结合多视图卷积混合层和Mamba增强自适应自注意力LSTM的滚动轴承故障诊断方法 | 集成混合专家机制的多视图卷积层设计，以及能够同时捕获全局和局部依赖关系的MASA-LSTM模型 | NA | 提高滚动轴承在噪声环境下的故障诊断准确率 | 滚动球轴承系统 | 机器学习 | NA | 振动信号分析 | CNN, LSTM, 自注意力机制 | 时间序列数据，振动信号 | 帕德博恩和凯斯西储大学轴承数据集 | NA | MOM-Conv, MASA-LSTM | 准确率，鲁棒性 | NA |
| 433 | 2025-11-14 |
Innovation for using dielectric properties to distinguish lung tumor from normal lung tissues and preliminary exploration for the relevance with metabolic features
2025-Oct-31, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-2025-934
PMID:41229834
|
研究论文 | 本研究开发了一种基于介电特性区分肺肿瘤与正常肺组织的简化方法，并探索了介电特性与PET代谢参数的相关性 | 首次将介电特性曲线拟合为对数函数和指数函数，利用函数参数区分肺肿瘤组织，并发现介电常数参数与PET代谢参数存在显著相关性 | 样本量较小（21例患者），未区分恶性肿瘤与良性病变，需要进一步研究验证 | 开发简化的介电特性分析方法用于肺肿瘤鉴别，并探索其与代谢特征的相关性 | 肺肿瘤组织和正常肺组织 | 医学物理 | 肺癌 | 介电特性测量，[18F]FDG PET/CT | NA | 介电特性数据，PET/CT参数 | 21例患者的21个肺肿瘤组织和19个正常肺组织 | NA | NA | AUC, ROC分析, R平方, P值 | NA |
| 434 | 2025-11-14 |
Integrating transcriptomics, single-cell omics, and deep learning-based histopathological features to identify OLFML3 in bladder cancer
2025-Oct-31, Translational andrology and urology
IF:1.9Q3
DOI:10.21037/tau-2025-365
PMID:41230137
|
研究论文 | 本研究通过整合转录组学、单细胞组学和基于深度学习的组织病理学特征，识别OLFML3基因在膀胱癌复发中的作用 | 首次结合多组学数据和深度学习病理特征分析OLFML3在膀胱癌复发中的潜在作用 | 需要进一步研究阐明OLFML3在膀胱癌1年内复发的具体作用机制 | 提高膀胱癌复发预测准确性并改善临床管理 | 膀胱癌患者 | 数字病理学 | 膀胱癌 | RNA测序,单细胞RNA测序,加权基因共表达网络分析 | 深度学习,随机森林 | 基因表达数据,临床信息,病理图像 | TCGA和GEO数据库中的膀胱癌患者数据 | R软件 | ResNet50 | 生存分析,统计显著性 | NA |
| 435 | 2025-11-14 |
Predicting Radiotherapy Outcomes with Deep Learning Models Through Baseline and Adaptive Simulation Computed Tomography in Patients with Pharyngeal Cancer
2025-Oct-30, Cancers
IF:4.5Q1
DOI:10.3390/cancers17213492
PMID:41228285
|
研究论文 | 本研究开发了一种深度学习模型，通过融合基线和自适应放疗模拟CT图像来预测咽癌患者的放疗结局 | 首次将基线与自适应放疗模拟CT图像相结合，采用深度对比学习模型预测咽癌患者局部复发、颈部淋巴结复发和远处转移 | 需要外部验证来确认模型性能，样本量相对有限 | 预测咽癌患者放疗后的治疗结局 | 新诊断的口咽癌或下咽癌患者 | 数字病理 | 咽癌 | 计算机断层扫描(CT) | 深度对比学习模型 | CT图像 | 162名患者 | NA | 深度对比学习模型 | AUC, 准确率 | NA |
| 436 | 2025-11-14 |
A Training-Free Foreground-Background Separation-Based Wire Extraction Method for Large-Format Transmission Line Images
2025-Oct-29, Sensors (Basel, Switzerland)
DOI:10.3390/s25216636
PMID:41228859
|
研究论文 | 提出一种无需训练的输电线提取方法，通过深度估计图增强前景电线与复杂背景的分离 | 利用深度估计图改进前景背景分离，无需任务特定训练或标注数据集 | 未与深度学习方法进行定量性能对比，未明确说明处理速度优势 | 解决大尺寸输电线图像中电线精确提取问题 | 高分辨率大尺寸输电线图像 | 计算机视觉 | NA | 深度估计，线段结构检测 | NA | 图像 | NA | NA | NA | NA | NA |
| 437 | 2025-11-14 |
Hybrid Framework for Cartilage Damage Detection from Vibroacoustic Signals Using Ensemble Empirical Mode Decomposition and CNNs
2025-Oct-29, Sensors (Basel, Switzerland)
DOI:10.3390/s25216638
PMID:41228862
|
研究论文 | 提出一种结合非线性信号分解和深度学习的混合框架，用于从振动声信号中检测软骨损伤 | 首次将集成经验模态分解、去趋势波动分析与卷积神经网络相结合用于软骨损伤检测 | 研究样本量有限，仅针对膝骨关节炎患者和健康对照 | 开发非侵入性软骨退变检测方法 | 膝骨关节炎患者和健康对照者的振动声信号 | 生物医学信号处理 | 膝骨关节炎 | 振动声信号分析，连续小波变换 | CNN, SVM | 振动声信号，时频图像 | 膝骨关节炎患者和健康对照者（具体数量未提及） | NA | 卷积神经网络 | 准确率，AUC | NA |
| 438 | 2025-11-14 |
Correction to 'Deep learning guided programmable design of Escherichia coli core promoters from sequence architecture to strength control'
2025-Oct-28, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkaf1308
PMID:41224125
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 439 | 2025-11-14 |
OTC-NET: A Multimodal Method for Accurate Diagnosis of Ovarian Cancer in O-RADS Category 4 Masses
2025-Oct-28, Cancers
IF:4.5Q1
DOI:10.3390/cancers17213466
PMID:41228259
|
研究论文 | 提出一种结合超声图像和临床信息的多模态方法OTC-NET，用于提高O-RADS 4类卵巢肿块的良恶性分类准确性 | 首次将超声图像与临床数据相结合用于O-RADS 4类卵巢肿块分类，突破了现有深度学习模型仅关注超声图像的局限 | 未明确说明样本数据的具体来源和采集条件，临床数据类型未详细列举 | 提高O-RADS 4类卵巢肿块的术前良恶性鉴别诊断准确性 | O-RADS 4类卵巢肿块患者 | 数字病理 | 卵巢癌 | 超声成像 | 深度学习模型 | 多模态数据（超声图像，临床信息） | NA | NA | OTC-NET | AUC, 准确率 | NA |
| 440 | 2025-11-14 |
Advanced Signal Analysis Model for Internal Defect Mapping in Bridge Decks Using Impact-Echo Field Testing
2025-Oct-28, Sensors (Basel, Switzerland)
DOI:10.3390/s25216623
PMID:41228846
|
研究论文 | 本研究提出了一种先进的信号分析模型，用于通过冲击回波现场测试数据识别桥面板内部缺陷 | 将深度学习框架与冲击回波测试相结合，通过CNN模型优化信号参数，显著提高了缺陷检测精度 | 未明确说明模型在更广泛环境条件下的泛化能力 | 开发用于桥面板内部缺陷识别的先进信号分析方法 | 混凝土桥面板的内部缺陷检测 | 信号处理 | 基础设施损伤 | 冲击回波现场测试 | CNN | 信号数据 | 通过自动化检测系统在多个扫描路径上采集的大量现场数据 | NA | 卷积神经网络 | 分类准确率 | NA |