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 5241 - 5260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5241 | 2025-10-06 |
Deep Learning-Based Model for Identifying Tumors in Endoscopic Images From Patients With Locally Advanced Rectal Cancer Treated With Total Neoadjuvant Therapy
2023-03-01, Diseases of the colon and rectum
DOI:10.1097/DCR.0000000000002295
PMID:35358109
|
研究论文 | 开发基于深度学习的卷积神经网络模型，用于在内窥镜图像中识别局部晚期直肠癌患者经全量新辅助治疗后是否存在肿瘤 | 首次将深度卷积神经网络应用于全量新辅助治疗后直肠癌患者内窥镜图像的肿瘤识别分类 | 每个图像集数量有限且为单中心研究 | 开发自动识别内窥镜图像中肿瘤存在与否的深度学习方法 | 局部晚期直肠癌患者的内窥镜图像 | 计算机视觉 | 直肠癌 | 内窥镜成像 | CNN | 图像 | 109名患者，共1392张内窥镜图像（训练集1099张，测试集293张） | NA | 卷积神经网络 | AUC | NA |
| 5242 | 2025-10-06 |
mEMbrain: an interactive deep learning MATLAB tool for connectomic segmentation on commodity desktops
2023, Frontiers in neural circuits
IF:3.4Q2
DOI:10.3389/fncir.2023.952921
PMID:37396399
|
研究论文 | 开发了一个基于MATLAB的交互式深度学习工具mEMbrain，用于在普通台式机上实现连接组学数据的半自动分割 | 将深度学习算法集成到用户友好的MATLAB界面中，无需用户编程即可进行神经重建，提供了预训练模型和大量标注数据资源 | 仅支持Linux和Windows系统，依赖于MATLAB环境 | 开发用户友好的开源工具来加速连接组学数据的手动标注和分割过程 | 电子显微镜数据集中的神经细胞和连接结构 | 计算机视觉 | NA | 电子显微镜成像技术 | 深度神经网络 | 电子显微镜图像 | 4种不同动物的5个数据集，包含约180小时专家标注，超过1.2GB标注图像 | MATLAB | NA | NA | 普通台式机 |
| 5243 | 2025-10-06 |
Uncovering additional predictors of urothelial carcinoma from voided urothelial cell clusters through a deep learning-based image preprocessing technique
2023-01, Cancer cytopathology
IF:2.6Q2
DOI:10.1002/cncy.22633
PMID:35997513
|
研究论文 | 开发了一种基于深度学习的尿路上皮细胞团图像预处理工具，用于识别尿路上皮癌的额外预测因子 | 首次开发自动化预处理工具将尿路上皮细胞团分割为有意义的组件，并发现细胞团异型性、细胞边界特征等新标记物 | 尿路上皮细胞团在分类系统中的诊断相关性仍存在争议，需要进一步验证 | 通过深度学习技术改进尿路上皮癌的尿液细胞学筛查方法 | 尿路上皮细胞团 | 数字病理学 | 尿路上皮癌 | 尿液细胞学 | 深度学习 | 细胞图像 | NA | NA | NA | NA | NA |
| 5244 | 2025-10-06 |
Identifying symptomatic trigeminal nerves from MRI in a cohort of trigeminal neuralgia patients using radiomics
2022-Mar, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-022-02900-5
PMID:35043225
|
研究论文 | 本研究利用MRI影像组学特征识别三叉神经痛患者中有症状的三叉神经 | 首次结合卷积U-net深度学习网络分割三叉神经并提取216个影像组学特征，通过随机森林特征选择和浅层神经网络构建诊断模型 | 回顾性研究设计，样本量相对有限（134例患者），仅使用1.5-Tesla MRI设备 | 开发基于MRI影像组学特征的三叉神经痛自动诊断方法 | 三叉神经痛患者的三叉神经MRI影像 | 医学影像分析 | 三叉神经痛 | MRI影像组学分析 | U-net, 浅层神经网络 | 3D T1和T2加权MRI影像 | 134名患者（268条神经） | NA | U-net | 准确率, AUC, 敏感性, 特异性 | NA |
| 5245 | 2025-10-06 |
MRI-based Identification and Classification of Major Intracranial Tumor Types by Using a 3D Convolutional Neural Network: A Retrospective Multi-institutional Analysis
2021-Sep, Radiology. Artificial intelligence
DOI:10.1148/ryai.2021200301
PMID:34617029
|
研究论文 | 开发基于3D卷积神经网络的算法，用于识别和分类主要颅内肿瘤类型的MRI图像 | 使用多机构回顾性数据开发3D CNN模型，能够同时分类多种颅内肿瘤类型并区分健康组织 | 回顾性研究设计，依赖于公开数据集和单一内部临床数据集 | 开发MRI图像的自动肿瘤分类算法 | 颅内肿瘤患者和健康组织的MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | CNN | 3D医学图像 | 2105张MRI图像（来自5个数据集） | NA | 3D卷积神经网络 | 准确率, 阳性预测值, 阴性预测值, 敏感性, 特异性, F1分数, AUC, AUPRC | NA |
| 5246 | 2025-10-06 |
Deep learning using a biophysical model for robust and accelerated reconstruction of quantitative, artifact-free and denoised R2* images
2020-12, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.28344
PMID:32767489
|
研究论文 | 提出一种基于生物物理模型的深度学习方法来稳健快速地重建定量、无伪影且去噪的R2*图像 | 采用自监督学习策略，无需真实R2*图像作为标签，仅需训练阶段使用F函数，应用阶段无需B0场不均匀性先验信息 | 未明确说明训练数据的具体规模和多样性限制 | 开发快速准确的磁共振R2*定量成像重建方法 | 多梯度回波磁共振成像数据 | 医学影像分析 | NA | 多梯度回波磁共振成像 | CNN | 磁共振图像 | NA | NA | 卷积神经网络 | 准确度 | NA |
| 5247 | 2025-10-06 |
The Role and Promise of Artificial Intelligence in Medical Toxicology
2020-10, Journal of medical toxicology : official journal of the American College of Medical Toxicology
IF:2.5Q3
DOI:10.1007/s13181-020-00769-5
PMID:32215849
|
综述 | 探讨人工智能在医学毒理学领域的应用前景与潜力 | 提出将深度学习与知识表示相结合的双重人工智能框架，以扩展毒物控制中心服务范围和增强社交媒体症状监测能力 | NA | 分析人工智能技术在医学毒理学领域的应用前景和发展方向 | 医学毒理学领域的人工智能应用 | 自然语言处理, 机器学习 | 中毒相关疾病 | 深度学习, 知识表示 | NA | 医学影像, 可穿戴设备数据, 社交媒体文本 | NA | NA | NA | NA | NA |
| 5248 | 2025-10-06 |
Speech exemplar and evaluation database (SEED) for clinical training in articulatory phonetics and speech science
2020-09-01, Clinical linguistics & phonetics
IF:0.8Q4
DOI:10.1080/02699206.2020.1743761
PMID:32200647
|
研究论文 | 开发了一个用于临床语音训练和语音科学教学的公开语音数据库 | 创建了首个公开可用的包含典型与障碍语音对比的临床语音数据库，填补了教学资源空白 | 数据库规模有限，仅包含特定类型的语音障碍样本 | 改善语音学、语音科学和临床语音障碍课程的教学质量，缩小理论与实践差距 | 成人和儿童的典型与障碍语音样本 | 语音科学 | 语音障碍 | 高质量语音录制技术 | NA | 语音录音 | 包含成人和儿童的有无语音障碍个体的语音样本 | NA | NA | NA | 高质量录音设备 |
| 5249 | 2025-07-23 |
Reduction of photobleaching effects in photoacoustic imaging using noise agnostic, platform-flexible deep-learning methods
2025-Dec, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.30.S3.S34102
PMID:40443946
|
研究论文 | 本文提出了一种平台灵活的深度学习方法，用于减少光声成像中的光漂白效应，从而提高图像质量和实时可视化能力 | 引入了一种平台灵活的深度学习框架，能够从单激光脉冲数据中增强信噪比，无需多脉冲信号平均，从而减少光漂白效应 | 实验主要基于体外和离体样本，尚未在临床环境中进行大规模验证 | 解决分子光声成像中因光漂白导致的组织可视化问题，提高成像质量和临床决策支持 | 光声成像中的外源性染料 | 医学影像处理 | NA | 光声成像，深度学习 | cGAN, U-Net | 图像 | 体外和离体样本，包括ICG填充管的3D扫描实验 | NA | NA | NA | NA |
| 5250 | 2025-07-23 |
AlphaBind, a domain-specific model to predict and optimize antibody-antigen binding affinity
2025-Dec, mAbs
IF:5.6Q1
DOI:10.1080/19420862.2025.2534626
PMID:40693434
|
研究论文 | 本文介绍了AlphaBind，一种特定领域的模型，用于预测和优化抗体-抗原结合亲和力 | AlphaBind利用蛋白质语言模型嵌入和基于数百万抗体-抗原结合强度定量实验室测量的预训练，实现了在指导亲本抗体亲和力优化方面的最先进性能 | 仅针对四种亲本抗体进行了验证，且每种亲本抗体仅进行了一轮数据生成 | 通过深度学习预测和优化抗体序列，以设计具有最佳特性的抗体 | 抗体-抗原结合亲和力 | 机器学习 | NA | 深度学习 | 蛋白质语言模型 | 定量实验室测量数据 | 四种亲本抗体 | NA | NA | NA | NA |
| 5251 | 2025-05-02 |
Enhancing the Diagnostic Accuracy of Deep Learning-Based CTS Grading Could Expand Its Clinical Applicability
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.04.022
PMID:40307112
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5252 | 2025-07-23 |
Prediction of EGFR Mutations in Lung Adenocarcinoma via CT Images: A Comparative Study of Intratumoral and Peritumoral Radiomics, Deep Learning, and Fusion Models
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.04.029
PMID:40328536
|
研究论文 | 本研究通过CT图像的放射组学和深度学习方法分析肺腺癌患者的肿瘤内和肿瘤周围特征，并开发验证了一种多模型融合策略来预测表皮生长因子受体（EGFR）突变状态 | 结合肿瘤内和肿瘤周围区域的放射组学与深度学习模型，采用软投票策略的多模态融合方法，显著提高了预测性能 | 研究基于回顾性数据，可能存在选择偏差 | 预测肺腺癌患者的EGFR突变状态 | 826名肺腺癌患者的CT图像数据 | 数字病理 | 肺腺癌 | 放射组学特征提取、深度学习 | Lasso、多种机器学习算法、nnUNet、2D/2.5D/3D深度学习模型 | CT图像 | 826名患者（来自两家医院） | NA | NA | NA | NA |
| 5253 | 2025-07-23 |
Cutoff SUVR of [18F]Florapronol PET for Differentiating Alzheimer's Dementia from Normal Controls: Insights from ROC Analysis and Partial Volume Correction
2025-Aug, Nuclear medicine and molecular imaging
IF:1.3Q3
DOI:10.1007/s13139-025-00911-7
PMID:40686829
|
research paper | 本研究旨在通过[18F]florapronol PET成像和深度学习自动量化软件，建立一个可靠的SUVR截止阈值来区分阿尔茨海默病（AD）患者与正常对照（NC）个体 | 结合部分体积校正（PVC）与SUVR分析以提高AD诊断准确性，并通过深度学习自动量化软件建立标准化的SUVR阈值 | 研究排除了轻度认知障碍（MCI）患者，样本量相对较小（n=141） | 建立可靠的SUVR截止阈值以区分AD患者与NC个体，并评估PVC对诊断准确性的影响 | 55名AD患者（排除MCI）和86名NC对照 | digital pathology | Alzheimer's disease | [18F]florapronol PET imaging, deep learning-based automated quantification | deep learning | PET imaging data | 141 participants (55 AD patients and 86 NC controls) | NA | NA | NA | NA |
| 5254 | 2025-07-23 |
Modern statistical techniques for cardiothoracic surgeons: Part 8-Bayesian analysis and beyond
2025-Aug, Indian journal of thoracic and cardiovascular surgery
IF:0.7Q4
DOI:10.1007/s12055-025-01941-8
PMID:40693004
|
研究论文 | 本文探讨了贝叶斯分析和机器学习在心胸外科研究中的应用及其潜力 | 结合贝叶斯分析和机器学习，整合先验知识与数据驱动分析，为心胸外科研究提供新的统计方法 | 未具体说明实际应用案例或实验验证结果 | 探讨现代统计技术在心胸外科研究中的应用 | 心胸外科研究中的统计方法 | 机器学习 | 心血管疾病 | 贝叶斯分析、深度学习、聚类 | NA | 大型数据集 | NA | NA | NA | NA | NA |
| 5255 | 2025-07-23 |
Dual-Network Deep Learning for Accelerated Head and Neck MRI: Enhanced Image Quality and Reduced Scan Time
2025-Jul-22, Head & neck
DOI:10.1002/hed.28255
PMID:40693394
|
研究论文 | 本研究评估了一种双网络深度学习超分辨率方法，用于提高头颈部MRI的图像质量并减少扫描时间 | 采用双网络深度学习框架进行超分辨率重建，显著提升图像质量并减少扫描时间 | 研究样本量相对较小（58名参与者），且仅在一家机构进行 | 评估深度学习在头颈部MRI中提升图像质量和减少扫描时间的应用 | 头颈部肿块患者 | 医学影像分析 | 头颈部肿瘤 | 双网络深度学习超分辨率方法 | 双网络DL框架 | MRI图像 | 58名参与者（34名男性，24名女性，平均年龄51.37±13.24岁） | NA | NA | NA | NA |
| 5256 | 2025-07-23 |
DeepSecMS Advances DIA-Based Selenoproteome Profiling Through Cys-to-Sec Proxy Training
2025-Jul-22, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202504109
PMID:40693414
|
研究论文 | 本研究开发了一种名为DeepSecMS的深度学习方法，用于通过半胱氨酸到硒代半胱氨酸的代理训练策略，提升基于数据非依赖采集（DIA）的硒蛋白组分析 | 利用深度学习方法开发DeepSecMS，通过代理训练策略使用大量半胱氨酸肽段生成硒代半胱氨酸肽段的大规模理论库，显著提升硒蛋白的鉴定能力 | 未明确提及具体局限性 | 提升硒蛋白组的全面分析能力，并发现新的硒蛋白 | 硒蛋白，特别是含硒代半胱氨酸的肽段 | 蛋白质组学 | NA | 数据非依赖采集（DIA），质谱（MS） | 深度学习 | 质谱数据 | 多种细胞类型和组织 | NA | NA | NA | NA |
| 5257 | 2025-07-23 |
Enhanced Online Continuous Brain-Control by Deep Learning-based EEG Decoding
2025-Jul-21, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2025.3591254
PMID:40690341
|
研究论文 | 本研究通过深度学习模型IFNet提升基于运动想象的在线脑机接口性能 | 首次在在线运动想象脑机接口中应用深度学习模型IFNet，并显著提升性能 | 研究样本量较小（15名受试者），且未在临床患者中进行验证 | 探索深度学习在在线运动想象脑机接口中的应用效果 | 15名无脑机接口经验的受试者 | 脑机接口 | 中风康复 | EEG信号解码 | IFNet（交互频率卷积神经网络） | EEG信号 | 15名无BCI经验的受试者 | NA | NA | NA | NA |
| 5258 | 2025-07-23 |
Marigold: Affordable Adaptation of Diffusion-Based Image Generators for Image Analysis
2025-Jul-21, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2025.3591076
PMID:40690349
|
research paper | 介绍Marigold，一种基于预训练潜在扩散模型的条件生成模型家族和微调协议，用于密集图像分析任务 | 提出了一种新的方法，通过最小化预训练潜在扩散模型的架构修改，利用小规模合成数据集在单GPU上训练，实现最先进的零样本泛化 | 需要依赖预训练的潜在扩散模型，且训练过程虽然高效但仍需数天时间 | 探索如何从预训练的文本到图像生成模型中提取知识，并适应于密集图像分析任务 | 预训练的潜在扩散模型（如Stable Diffusion）及其在密集图像分析任务中的应用 | computer vision | NA | denoising diffusion in a latent space | conditional generative models, latent diffusion models | image | small synthetic datasets | NA | NA | NA | NA |
| 5259 | 2025-07-23 |
Harmonization and strengthening of Japan's biodosimetry network to support medical triage in the event of a nuclear disaster
2025-Jul-21, International journal of radiation biology
IF:2.1Q2
DOI:10.1080/09553002.2025.2531908
PMID:40690716
|
研究论文 | 本文探讨了AI辅助的生物剂量测定系统在日本核灾难医疗分诊中的应用及其网络强化 | 利用深度学习算法自动化PNA-FISH图像中的染色体畸变检测，提高了剂量评估的效率和准确性 | 系统整合面临挑战，包括血液运输中的温度管理、染色体图像制备的标准化、数据共享系统的安全性及用户友好界面的开发 | 开发和整合AI辅助的生物剂量测定系统，以支持大规模核灾难中的医疗分诊和剂量评估 | 日本的先进辐射紧急医疗支持中心及其生物剂量测定网络 | 数字病理学 | 核辐射伤害 | PNA-FISH, 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 5260 | 2025-07-23 |
Deep Learning-Driven Multimodal Fusion Model for Prediction of Middle Cerebral Artery Aneurysm Rupture Risk
2025-Jul-21, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.07.001
PMID:40691114
|
研究论文 | 本研究开发了一种多模态融合深度学习模型MCANet，用于预测大脑中动脉动脉瘤破裂风险 | 首次整合原始CTA图像、放射组学特征、临床参数和形态学特征等多模态数据构建动脉瘤破裂风险评估框架 | 样本量仍有限，外部验证集样本量较小(51例) | 开发大脑中动脉动脉瘤破裂风险分层预测模型 | 大脑中动脉动脉瘤患者 | 数字病理 | 心血管疾病 | CT血管造影(CTA)、放射组学分析 | 多模态融合深度学习模型(MCANet) | 医学影像(CTA)、临床数据、形态学参数 | 内部队列578例(其中破裂369例)+两个外部验证集51例 | NA | NA | NA | NA |