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 5101 - 5120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5101 | 2025-10-06 |
CT-Less Whole-Body Bone Segmentation of PET Images Using a Multimodal Deep Learning Network
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3501386
PMID:40030243
|
研究论文 | 提出一种无需CT的多模态深度学习网络，用于PET图像的全身体骨分割 | 首次提出无需CT图像的多模态融合网络，通过引入示踪剂活性图、衰减图和合成衰减图三种PET模态图像，设计多编码器结构和融合模块实现全身体骨分割 | 研究仅基于130个全身PET数据集，样本规模有限 | 开发无需CT图像的PET全身体骨分割方法 | 骨癌患者的全身PET图像 | 医学影像分析 | 骨癌 | PET成像，深度学习 | 多模态融合网络 | PET图像（示踪剂活性图、衰减图、合成衰减图） | 130个全身PET图像数据集 | NA | 多编码器结构，多模态融合模块，SE Normalization | NA | NA |
| 5102 | 2025-10-06 |
EDSRNet: An Enhanced Decoder Semantic Recovery Network for 2D Medical Image Segmentation
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3504829
PMID:40030272
|
研究论文 | 提出一种增强解码器语义恢复网络(EDSRNet)用于2D医学图像分割 | 提出多级语义融合模块、多尺度空间注意力和交叉卷积通道注意力模块，以及全局-局部语义恢复模块来解决语义信息差距和语义恢复问题 | NA | 改进2D医学图像分割性能 | 医学图像分割 | 计算机视觉 | NA | 深度学习 | CNN | 2D医学图像 | 公共数据集BUSI、CVC-ClinicDB和Kvasir-SEG | NA | 编码器-解码器架构 | IoU | NA |
| 5103 | 2025-10-06 |
WaveSleepNet: An Interpretable Network for Expert-Like Sleep Staging
2025-02, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3498871
PMID:40030379
|
研究论文 | 提出一种可解释的神经网络WaveSleepNet，用于模拟临床专家进行睡眠分期 | 通过潜在空间表示识别不同睡眠阶段的特征波原型，提供透明的决策过程 | NA | 开发可解释的自动睡眠分期方法 | 睡眠信号数据 | 机器学习 | 睡眠障碍 | 神经网络 | CNN | 生理信号 | 三个公共数据集 | NA | WaveSleepNet | 准确率 | NA |
| 5104 | 2025-10-06 |
Artificial Intelligence in Cancer Diagnosis: A Game-changer in Healthcare
2025, Current pharmaceutical biotechnology
IF:2.2Q3
|
综述 | 本文综述了人工智能在癌症早期检测中的潜在应用、技术方法和实施挑战 | 系统整合了AI在癌症筛查、风险分层和诊断复发的多场景应用，并强调深度学习处理复杂医学数据的优势 | 存在数据质量、算法偏见、资源需求和实施标准化等挑战 | 探讨人工智能在癌症早期诊断中的临床应用价值 | 无症状高危人群、有症状患者和癌症复发监测群体 | 医疗人工智能 | 癌症 | CT、乳腺X线摄影、病理切片分析、外周血分析 | 逻辑回归, 神经网络, 深度学习 | 医学影像、病理数据、血液检测数据 | NA | NA | NA | NA | NA |
| 5105 | 2025-10-06 |
Prognostic Value Of Deep Learning Based RCA PCAT and Plaque Volume Beyond CT-FFR In Patients With Stent Implantation
2025, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究探讨基于深度学习的右冠状动脉周脂肪组织衰减和斑块体积对经皮冠状动脉介入治疗患者预后的预测价值 | 首次证明基于深度学习的右冠状动脉周脂肪组织衰减和斑块体积比CT-FFR更能预测主要不良心血管事件 | 回顾性研究设计，样本量相对较小（183例患者） | 评估深度学习提取的影像特征对冠心病患者预后的预测能力 | 接受经皮冠状动脉介入治疗和冠状动脉CTA检查的患者 | 医学影像分析 | 心血管疾病 | 冠状动脉计算机断层扫描血管成像 | 深度学习 | 医学影像 | 183例接受PCI治疗的患者 | NA | NA | 风险比, 95%置信区间, p值 | 人工智能辅助工作站 |
| 5106 | 2025-10-06 |
Hybrid deep learning optimization for smart agriculture: Dipper throated optimization and polar rose search applied to water quality prediction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327230
PMID:40690512
|
研究论文 | 提出一种结合Dipper Throated优化和Polar Rose搜索的混合元启发式框架，用于智能农业中的水质预测 | 首次将DTO生物启发算法与PRS搜索相结合，通过二元特征选择和元启发式优化的统一流程增强深度学习模型性能 | NA | 开发精准的水质预测模型以支持智能农业灌溉决策 | 马铃薯等需高质量灌溉的农作物 | 机器学习 | NA | 水质预测 | RBFN | 水质数据 | NA | NA | 径向基函数网络 | 分类准确率, ANOVA检验, Wilcoxon检验 | NA |
| 5107 | 2025-10-06 |
Evolution from the physical process-based approaches to machine learning approaches to predicting urban floods: a literature review
2025, Environmental systems research
DOI:10.1186/s40068-025-00409-3
PMID:40692624
|
文献综述 | 本文综述了过去二十年来从物理过程模型到机器学习方法的城市洪水预测研究演变 | 重点关注AI驱动、实时和社区集成方法在城市洪水预测中的最新进展，并系统比较了不同方法的优劣 | 许多城市缺乏应用这些先进工具所需的数据、传感器或系统，且许多模型独立运行，未与城市规划或社区工作有效整合 | 分析城市洪水预测方法从传统物理过程模型到机器学习方法的发展历程 | 城市洪水预测模型和方法 | 机器学习 | NA | GIS, LiDAR, 卫星影像, 物联网, 深度学习 | 混合模型, 深度学习 | 气象数据, 传感器数据, 社交媒体数据, 卫星图像 | NA | NA | NA | NA | NA |
| 5108 | 2025-10-06 |
High-throughput end-to-end aphid honeydew excretion behavior recognition method based on rapid adaptive motion-feature fusion
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1609222
PMID:40692669
|
研究论文 | 提出一种基于快速自适应运动特征融合的端到端蚜虫蜜露排泄行为识别方法 | 开发了首个包含蚜虫细粒度行为的数据集，提出快速自适应运动特征融合算法，并在RT-DETR检测模型中引入样条自适应非线性激活函数和Kolmogorov-Arnold网络 | NA | 开发高效实时的蚜虫蜜露排泄行为自动识别方法 | 蚜虫的爬行运动、腿部弹动和蜜露排泄行为 | 计算机视觉 | NA | 深度学习 | RT-DETR | 视频图像 | NA | PyTorch | RT-DETR, ResNet50, RK50模块 | 平均精度, mAP50 | NA |
| 5109 | 2025-10-06 |
Classifying office workers with and without cervicogenic headache or neck and shoulder pain using posture-based deep learning models: a multicenter retrospective study
2025, Frontiers in pain research (Lausanne, Switzerland)
DOI:10.3389/fpain.2025.1614143
PMID:40692757
|
研究论文 | 基于习惯性坐姿图像开发深度学习模型，用于分类有无颈源性头痛或颈肩痛的办公室工作人员 | 首次使用深度学习模型从习惯性坐姿图像中自动识别颈源性头痛和颈肩痛，并利用类激活映射可视化模型关注区域 | 静态姿势与肌肉骨骼疼痛之间的复杂关系需要临床实践中采用多模式评估方法 | 开发用于分类办公室工作人员有无颈源性头痛和颈肩痛的深度学习模型 | 531名办公室工作人员（135名颈源性头痛，365名颈肩痛，108名同时患有两种病症，139名对照组） | 计算机视觉 | 肌肉骨骼疾病 | 数字图像分析 | CNN | 图像 | 904张习惯性坐姿图像，来自531名办公室工作人员 | NA | VGG19, ResNet50, EfficientNet B5 | AUC, 准确率, 灵敏度, 特异性, F1分数 | NA |
| 5110 | 2025-10-06 |
Deep learning for enhancement of low-resolution and noisy scanning probe microscopy images
2025, Beilstein journal of nanotechnology
IF:2.6Q2
DOI:10.3762/bjnano.16.83
PMID:40692894
|
研究论文 | 本研究使用深度学习方法提升低分辨率和噪声扫描探针显微镜图像的质量与分辨率 | 首次系统比较传统方法与深度学习模型在AFM图像增强中的表现，并证明深度学习能完全消除常见伪影 | 未详细说明具体使用的深度学习模型架构和训练数据规模 | 提升原子力显微镜图像的分辨率和质量，减少测量时间 | 低分辨率AFM图像 | 计算机视觉 | NA | 原子力显微镜 | 深度学习模型 | 图像 | NA | NA | NA | 保真度, 图像质量, 专家评估 | NA |
| 5111 | 2025-10-06 |
Multidisciplinary Evaluation of an AI-Based Pneumothorax Detection Model: Clinical Comparison with Physicians in Edge and Cloud Environments
2025, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S535405
PMID:40693169
|
研究论文 | 评估基于Google Cloud Vertex AI开发的气胸检测深度学习模型在云环境和边缘环境中的诊断性能，并与多专科医师进行临床对比 | 首次在云环境和边缘环境中同时评估AI气胸检测模型性能，并与不同经验水平的医师进行多学科比较，特别关注微小气胸病例的检测能力 | 单中心回顾性研究，样本量有限(152例)，缺乏外部验证 | 评估AI模型在气胸检测中的诊断准确性及其临床适用性 | 152例匿名胸部X光片(76例气胸，76例正常)，15名来自4个专科的医师 | 计算机视觉 | 肺疾病 | 胸部X光成像，计算机断层扫描(CT) | 深度学习 | 医学图像 | 152例胸部X光片，患者年龄中位数50岁(范围18-95)，67.1%为男性 | Google Cloud Vertex AI, AutoML Vision | AutoML Vision自动生成的深度学习架构 | 敏感度，特异度，F1分数，诊断准确度 | Google Cloud Vertex AI平台，云环境和边缘环境部署 |
| 5112 | 2025-10-06 |
MSPO: A machine learning hyperparameter optimization method for enhanced breast cancer image classification
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251361603
PMID:40693252
|
研究论文 | 提出一种多策略鹦鹉优化器(MSPO)用于改进乳腺癌图像分类的机器学习超参数优化方法 | 在原始鹦鹉优化器基础上集成Sobol序列初始化、非线性递减惯性权重和混沌参数等策略，增强全局探索能力和收敛稳定性 | NA | 开发高效的超参数优化方法以提升乳腺癌图像分类性能 | 乳腺癌图像分类 | 计算机视觉 | 乳腺癌 | NA | CNN | 图像 | BreaKHis乳腺癌图像数据集 | NA | ResNet18 | 准确率,精确率,召回率,F1分数 | NA |
| 5113 | 2025-10-06 |
An Ensemble Deep Learning Algorithm for Structural Heart Disease Screening Using Electrocardiographic Images: PRESENT SHD
2024-Dec-27, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.10.06.24314939
PMID:39417095
|
研究论文 | 开发并验证了一种基于集成深度学习算法的结构型心脏病筛查工具PRESENT-SHD，能够通过12导联心电图图像自动检测多种结构型心脏病 | 首次利用心电图图像开发集成深度学习模型进行多种结构型心脏病的自动化筛查和风险分层 | 研究主要基于医院数据，在普通人群中的验证样本相对有限 | 利用12导联心电图图像开发自动化检测和预测多种结构型心脏病的深度学习算法 | 结构型心脏病患者，包括左室射血分数降低、中重度左侧瓣膜病和严重左室肥厚患者 | 医学影像分析 | 心血管疾病 | 经胸超声心动图，心电图 | CNN, XGBoost | 图像 | 开发集：261,228份心电图（93,693名患者）；验证集：58,628名个体 | NA | 集成卷积神经网络 | AUROC, 敏感性, 特异性 | NA |
| 5114 | 2025-10-06 |
Enhancing the diagnostic capacity of [18F]PSMA-1007 PET/MRI in primary prostate cancer staging with artificial intelligence and semi-quantitative DCE: an exploratory study
2024-Nov-08, EJNMMI reports
DOI:10.1186/s41824-024-00225-5
PMID:39510993
|
研究论文 | 探索人工智能和半定量DCE分析在增强[18F]PSMA-1007 PET/MRI对原发性前列腺癌分期诊断能力中的应用 | 首次将深度学习管道与半定量DCE分析结合应用于PSMA-放射性配体PET/MRI，提高前列腺癌诊断准确性 | 样本量较小（仅7例患者），属于探索性研究 | 提高原发性前列腺癌分期的诊断能力 | 原发性前列腺癌患者 | 数字病理 | 前列腺癌 | PET/MRI, DCE-MRI, DWI, T2加权成像 | 深度学习 | 医学影像 | 7例前列腺癌患者 | NA | NA | DICE系数 | NA |
| 5115 | 2025-10-06 |
Multimodal Artificial Intelligence in Medicine
2024-Nov-01, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000000000556
PMID:39167446
|
综述 | 本文探讨了多模态人工智能在医学领域的应用、优势及面临的挑战 | 提出多模态Transformer模型能够有效处理医疗领域中的文本、图像和结构化数据等多模态数据 | 多模态人工智能模型的临床应用面临伦理和环境挑战 | 研究多模态人工智能在医学诊断和治疗中的应用潜力 | 医疗多模态数据（文本、图像、结构化数据） | 自然语言处理,计算机视觉,机器学习 | NA | 多模态深度学习 | Transformer | 文本,图像,结构化数据 | NA | NA | Transformer | 美国医师执照考试题库基准测试 | NA |
| 5116 | 2025-10-06 |
Bone scintigraphy based on deep learning model and modified growth optimizer
2024-10-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-73991-8
PMID:39465262
|
研究论文 | 提出一种基于深度学习模型和改进生长优化器的骨闪烁成像分析方法 | 结合MobileViT模型和基于算术优化算法改进的生长优化器进行特征提取和选择 | NA | 开发自动化的骨闪烁成像分析系统以减少人工分析的负担 | 骨闪烁成像图像 | 计算机视觉 | 骨转移癌 | 骨闪烁成像 | Transformer, CNN | 医学图像 | 2800张骨扫描图像（1400正常，1400异常）和18个UCI数据集 | NA | MobileViT | NA | NA |
| 5117 | 2025-07-25 |
Halted medical education in Korea amid Nobel Prizes in deep learning and machine learning research, tribute to a leader of Ewha Womans University College of Medicine, and highlights from this issue
2024-Oct, Ewha medical journal
IF:0.3Q3
DOI:10.12771/emj.2024.e71
PMID:40703983
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5118 | 2025-10-06 |
Calculating Protein-Ligand Residence Times through State Predictive Information Bottleneck Based Enhanced Sampling
2024-Jul-23, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c00503
PMID:38991145
|
研究论文 | 提出一种结合深度学习与增强采样方法计算蛋白质-配体停留时间的半自动化协议 | 首次将状态预测信息瓶颈(SPIB)与元动力学增强采样相结合，实现跨越12个数量级时间尺度的停留时间计算 | 方法验证仅限于六种蛋白质-配体复合物，需要进一步扩展验证范围 | 开发准确计算蛋白质-配体停留时间的方法以改进药物疗效 | 六种蛋白质-配体复合物，包括抗癌药物伊马替尼与野生型Abl激酶及耐药突变体的解离过程 | 计算生物学 | 癌症 | 分子动力学模拟，增强采样，深度学习 | 状态预测信息瓶颈(SPIB) | 分子动力学轨迹数据 | 六种蛋白质-配体复合物 | NA | 状态预测信息瓶颈神经网络 | 停留时间计算准确性 | NA |
| 5119 | 2025-10-06 |
Enhancing Molecular Property Prediction through Task-Oriented Transfer Learning: Integrating Universal Structural Insights and Domain-Specific Knowledge
2024-06-13, Journal of medicinal chemistry
IF:6.8Q1
DOI:10.1021/acs.jmedchem.4c00692
PMID:38748846
|
研究论文 | 提出一种面向任务的双层预训练框架TOML-BERT，通过整合通用结构洞察和领域特定知识来增强分子属性预测 | 引入考虑分子结构模式和领域知识的双层预训练框架，实现结构上下文信息挖掘与领域知识提取的互补 | 未明确说明模型在更广泛数据集上的泛化能力及计算效率分析 | 解决药物发现中标记数据稀缺问题，提升分子属性预测精度 | 分子结构及其属性 | 自然语言处理, 机器学习 | NA | 深度学习, 自监督预训练 | BERT | 分子结构数据 | 10个药物数据集 | NA | BERT | 预测性能指标（未具体说明） | NA |
| 5120 | 2025-10-06 |
Advancements and Applications of Artificial Intelligence in Pharmaceutical Sciences: A Comprehensive Review
2024 Jan-Dec, Iranian journal of pharmaceutical research : IJPR
IF:1.8Q3
DOI:10.5812/ijpr-150510
PMID:39895671
|
综述 | 本文全面回顾了人工智能在药物科学领域的进展与应用 | 系统整合了AI在药物科学多个子领域的最新应用，包括药物化学、药剂学、药理学与毒理学等 | 作为综述文章，未涉及原始实验数据验证 | 阐明人工智能在药物科学各领域的实际应用和潜力 | 药物发现、开发过程和个性化患者护理 | 机器学习 | NA | 机器学习，深度学习，自然语言处理，机器人自动化 | NA | NA | NA | NA | NA | NA | NA |