深度学习在生物医药领域中的应用
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，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10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 25773 篇文献，本页显示第 5501 - 5520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5501 | 2025-04-24 |
Fourier-enhanced high-order total variation (FeHOT) iterative network for interior tomography
2025-Apr-23, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/adc8f6
PMID:40179937
|
研究论文 | 提出了一种傅里叶增强的高阶总变分迭代网络（FeHOT），用于解决内部断层扫描中的高精度重建问题 | 1) 将经典HOT理论与深度学习通过迭代展开框架相结合 2) 引入频域操作克服CT图像中多项式/分段常数假设的限制 3) 在仅五次迭代内实现高质量重建，平衡计算效率与准确性 | 对于具有分段常数特性的成像对象（如AAPM数据集），一阶总变分已能取得满意结果，可能不需要更复杂的二阶正则化 | 解决内部断层扫描中从截断投影数据实现高精度重建的挑战 | CT图像重建 | 数字病理 | NA | CT扫描 | FeHOT网络（结合HOT和U-Net） | 图像 | AAPM数据集和临床医学数据集 |
| 5502 | 2025-04-24 |
Editorial for "Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning With Abbreviated Prostate MRI"
2025-Apr-23, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29806
PMID:40264361
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5503 | 2025-04-24 |
Using deep learning generated CBCT contours for online dose assessment of prostate SABR treatments
2025-Apr-23, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70098
PMID:40265325
|
research paper | 该研究利用深度学习生成的CBCT轮廓评估前列腺SABR治疗中的每日剂量，以指导个性化决策树的开发 | 首次使用深度学习生成的CBCT轮廓进行每日剂量评估，并与计划剂量指标比较，揭示视觉评估的局限性 | 研究为回顾性分析，样本量有限（40名患者），且未考虑其他可能影响OAR位置的因素 | 评估当前决策树在前列腺SABR治疗中的有效性，并探索自动化工具的必要性 | 前列腺SABR治疗患者的CBCT扫描数据 | digital pathology | prostate cancer | deep learning, CBCT | NA | image | 200次预处理CBCT扫描（来自40名患者） |
| 5504 | 2025-04-24 |
Deep learning-based detection of generalized convulsive seizures using a wrist-worn accelerometer
2025-Apr-23, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.18406
PMID:40265999
|
research paper | 开发并验证了一种基于手腕加速度计的深度学习可调算法，用于自动检测全身性或双侧惊厥性癫痫发作，可与市售智能手表集成 | 提出了一种基于单传感器加速度计数据的深度学习技术，实现了高灵敏度的癫痫发作检测，并支持可调灵敏度 | 模型在测试集中漏检了两次癫痫发作，其中一次是由于患者佩戴传感器的手臂被床栏卡住 | 开发一种自动检测全身性或双侧惊厥性癫痫发作的算法 | 癫痫患者 | machine learning | epilepsy | 3D-accelerometer sensor | CNN | accelerometer data | 384名患者（训练集37名患者54次发作，测试集347名患者49次发作） |
| 5505 | 2025-04-24 |
Multitask Deep Learning for Automated Detection of Endoleak at Digital Subtraction Angiography during Endovascular Aneurysm Repair
2025-Apr-23, Radiology. Artificial intelligence
DOI:10.1148/ryai.240392
PMID:40266029
|
研究论文 | 开发并评估一种新型多任务深度学习框架，用于在腹主动脉瘤血管内修复手术中自动检测和定位主动脉数字减影血管造影中的内漏 | 提出了一种结合分类和回归任务的多任务深度学习框架，用于内漏的自动检测和定位，性能优于人类专家 | 研究为回顾性设计，样本量相对有限（220例患者） | 开发自动检测血管内修复手术中内漏的深度学习系统 | 接受腹主动脉瘤血管内修复手术患者的主动脉数字减影血管造影图像 | 数字病理学 | 腹主动脉瘤 | 数字减影血管造影（DSA） | CNN | 图像 | 220例患者（181名男性，中位年龄74岁） |
| 5506 | 2025-04-24 |
Deep learning-based post hoc denoising for 3D volume-rendered cardiac CT in mitral valve prolapse
2025-Apr-23, The international journal of cardiovascular imaging
DOI:10.1007/s10554-025-03403-z
PMID:40266552
|
research paper | 本研究探讨了基于深度学习的后处理去噪技术如何提升心脏CT在二尖瓣脱垂3D体积渲染成像中的质量 | 首次将残差密集网络应用于心脏CT图像的后处理去噪，显著提升了3D体积渲染图像的质量和诊断效率 | 研究样本量较小（50例患者），且为回顾性研究 | 评估去噪后的3D体积渲染图像在二尖瓣脱垂可视化中的质量及其诊断性能和效率 | 接受二尖瓣修复手术的连续患者的心脏CT图像 | digital pathology | cardiovascular disease | cardiac CT | residual dense network | 3D volume-rendered images | 50例患者（中位年龄64岁，30名男性） |
| 5507 | 2025-04-24 |
Super-resolution deep learning reconstruction to evaluate lumbar spinal stenosis status on magnetic resonance myelography
2025-Apr-23, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01787-5
PMID:40266548
|
research paper | 研究超分辨率深度学习重建（SR-DLR）在磁共振脊髓造影中评估腰椎管狭窄状态的效果 | 首次将SR-DLR技术应用于腰椎MR脊髓造影，显著提升了图像质量和观察者间一致性 | 样本量较小（40例患者），且为回顾性研究 | 评估SR-DLR技术在腰椎MR脊髓造影中的应用效果 | 40例腰椎管狭窄患者的MR脊髓造影图像 | digital pathology | 腰椎管狭窄 | MR myelography, SR-DLR, DLR, ZIP | deep learning | image | 40例患者（16男24女，平均年龄59.4±31.8岁） |
| 5508 | 2025-04-24 |
Destruction for growth: a novel laser direct writing perovskite strategy with intelligent anti-counterfeiting applications
2025-Apr-22, Nanoscale horizons
IF:8.0Q1
DOI:10.1039/d4nh00612g
PMID:40125819
|
研究论文 | 本文提出了一种新型的激光直写钙钛矿策略，利用激光破坏诱导钙钛矿生长，并展示了其在精密图案化和防伪应用中的潜力 | 不同于以往依赖热效应和光子吸收诱导成核的激光直写技术，本研究利用脉冲激光快速破坏应力丰富的钙钛矿前驱体磷酸盐玻璃表面，通过应力释放和反向移动剪切带效应促进钙钛矿晶体的成核和生长 | NA | 探索激光破坏诱导钙钛矿生长的新机制及其在光电子学和防伪应用中的潜力 | 钙钛矿材料及其在激光直写技术中的应用 | 光电子学 | NA | 激光直写技术（LDW） | NA | NA | NA |
| 5509 | 2025-04-24 |
A Raman spectroscopy algorithm based on convolutional neural networks and multilayer perceptrons: qualitative and quantitative analyses of chemical warfare agent simulants
2025-Apr-22, The Analyst
DOI:10.1039/d5an00075k
PMID:40192710
|
研究论文 | 提出了一种基于卷积神经网络和多层感知器的拉曼光谱算法，用于化学战剂模拟物的定性和定量分析 | 结合卷积神经网络和多层感知器，提出了一种新的深度学习算法RS-MLP，能够自适应捕捉混合物权重并进行分层特征匹配 | 未提及算法在更广泛或不同环境下的适用性测试 | 开发一种快速、可靠的化学战剂检测方法，以支持军事防御和反恐行动 | 化学战剂模拟物 | 机器学习 | NA | 拉曼光谱 | CNN, MLP | 光谱数据 | 四种组合的光谱数据用于验证 |
| 5510 | 2025-04-24 |
A machine learning toolkit assisted approach for IMRT fluence map optimization: feasibility and advantages
2025-Apr-22, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adcaca
PMID:40203852
|
研究论文 | 本研究提出了一种利用机器学习工具包辅助IMRT（调强放射治疗）通量图优化的新方法，展示了其在计划质量和效率上的优势 | 首次将机器学习工具包直接应用于治疗计划优化，实现了比传统优化方法更快的收敛速度和更强的鲁棒性 | 研究仅在前列腺和头颈部病例上进行了测试，未涉及其他癌症类型 | 探索机器学习在放射治疗计划优化中的新应用方式 | IMRT治疗计划中的通量图优化 | 机器学习 | 前列腺癌,头颈癌 | PyTorch的L-BFGS优化器 | 单层网络 | 剂量沉积矩阵 | 前列腺和头颈部病例（具体数量未明确说明） |
| 5511 | 2025-04-24 |
Enhanced boundary-directed lightweight approach for digital pathological image analysis in critical oncological diagnostics
2025-Apr-22, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.1177/08953996251325092
PMID:40262109
|
研究论文 | 提出一种轻量化的边界增强数字病理图像识别策略（LB-DPRS），用于恶性骨肿瘤（如骨肉瘤）的紧急诊断 | 优化Transformer模型的自注意力机制，创新性地实现边界分割增强策略，并引入行列注意力方法以稀疏注意力矩阵，降低计算负担 | NA | 提高恶性骨肿瘤（如骨肉瘤）紧急诊断的准确性和效率 | 数字病理图像 | 数字病理学 | 骨肉瘤 | 深度学习 | Transformer | 图像 | NA |
| 5512 | 2025-04-24 |
Applications of generative adversarial networks in the diagnosis, prognosis, and treatment of ophthalmic diseases
2025-Apr-22, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-025-06830-9
PMID:40263170
|
综述 | 本文综述了生成对抗网络（GANs）在眼科疾病诊断、预后和治疗中的应用 | GANs能够解决深度学习模型面临的小样本、不平衡数据集问题，并在个体化疾病管理中展现出预测潜力 | GAN技术在临床中的主流应用仍依赖于更大规模的公共数据集进行广泛验证和必要的监管监督 | 探讨GANs在眼科领域的应用现状及面临的挑战 | 八种眼科疾病 | 数字病理学 | 眼科疾病 | GANs | GAN | 图像 | NA |
| 5513 | 2025-04-24 |
Transforming Medical Imaging: The Role of Artificial Intelligence Integration in PACS for Enhanced Diagnostic Accuracy and Workflow Efficiency
2025-Apr-22, Current medical imaging
IF:1.1Q3
|
综述 | 本文探讨了人工智能（AI）在医学影像存档与通信系统（PACS）中的整合及其对医学影像、诊断流程和患者结果的影响 | AI整合显著提升了诊断准确性和工作效率，特别是在早期肿瘤检测和异常识别方面，诊断时间减少了90% | 数据隐私、法规遵从性和互操作性方面的挑战仍然存在，需要标准化框架和强大的安全协议 | 评估AI在PACS中的整合对医学影像、诊断流程和患者结果的影响 | 医学影像存档与通信系统（PACS） | 医学影像 | NA | 深度学习、自然语言处理（NLP） | 卷积神经网络（CNN） | 医学影像 | 183项研究 |
| 5514 | 2025-04-24 |
In vitro evaluation of multi-protein chimeric antigens in effectively clearing the blood stage of Plasmodium falciparum
2025-Apr-19, Vaccine
IF:4.5Q2
DOI:10.1016/j.vaccine.2025.126952
PMID:40037124
|
研究论文 | 本文评估了多蛋白嵌合抗原在清除恶性疟原虫血液阶段的有效性 | 提出了一种结合多个抗原的策略，仅使用最具免疫优势的肽序列来应对多态性和冗余性 | 研究仅在体外环境中进行，尚未在体内验证 | 开发针对恶性疟原虫血液阶段的有效疫苗 | 恶性疟原虫的血液阶段 | 疫苗开发 | 疟疾 | B细胞表位选择与拼接，Deep Learning方法 | Deep Learning | 实验数据 | NA |
| 5515 | 2025-04-24 |
Brain tumour classification and survival prediction using a novel hybrid deep learning model using MRI image
2025-Apr-17, Network (Bristol, England)
DOI:10.1080/0954898X.2025.2486206
PMID:40243150
|
research paper | 该论文提出了一种名为Deep Residual PyramidNet (DRP_Net)的新型混合深度学习模型，用于脑肿瘤分类和生存预测 | 提出了一种结合Deep Residual Network (DRN)和PyramidNet的新型混合模型DRP_Net，用于脑肿瘤分类和生存预测 | 未明确提及具体局限性 | 开发一种自动化的脑肿瘤分类和生存预测方法 | 脑肿瘤患者的MRI图像 | digital pathology | brain tumor | MRI, homomorphic filtering, Haar wavelet, Local Directional Number Pattern (LDNP) | DRP_Net (融合DRN和PyramidNet), Deep Recurrent Neural Network (DRNN) | image | 来自BraTS数据集的MRI图像 |
| 5516 | 2025-04-24 |
Deep ensemble architecture with improved segmentation model for Alzheimer's disease detection
2025-Apr-12, Journal of medical engineering & technology
DOI:10.1080/03091902.2025.2484691
PMID:40219912
|
research paper | 提出一种新型深度集成架构用于阿尔茨海默病的分类，通过改进的分割模型和特征提取方法提高检测准确率 | 提出了一种结合LeNet、CNN和改进LSTM的En-LeCILSTM模型，以及改进的U-Net架构用于图像分割 | 未提及模型在更大规模或多样化数据集上的泛化能力 | 提高阿尔茨海默病的检测准确率 | 阿尔茨海默病的诊断 | digital pathology | geriatric disease | deep learning | En-LeCILSTM (结合LeNet, CNN, LSTM), U-Net | image | NA |
| 5517 | 2025-04-24 |
The genetic architecture of and evolutionary constraints on the human pelvic form
2025-04-11, Science (New York, N.Y.)
DOI:10.1126/science.adq1521
PMID:40208988
|
研究论文 | 通过深度学习分析大量双能X射线吸收扫描数据，研究人类骨盆形态的遗传结构和进化限制 | 使用大规模数据集和深度学习技术识别与骨盆表型相关的遗传位点，揭示了骨盆形态与生殖功能、运动能力及疾病风险的关联 | 研究主要基于英国生物银行的数据，可能不适用于其他人群 | 探究人类骨盆形态的遗传基础和进化限制 | 人类骨盆形态 | 机器学习 | NA | 双能X射线吸收扫描，深度学习 | 深度学习 | 图像 | 31,115份双能X射线吸收扫描数据 |
| 5518 | 2025-04-24 |
Seeing through multimode fibers using real-valued intensity transmission matrix with deep learning
2025-Apr-07, Optics express
IF:3.2Q2
DOI:10.1364/OE.553949
PMID:40219515
|
研究论文 | 本文提出了一种结合实值强度传输矩阵（RVITM）和深度学习的方法，用于通过多模光纤（MMF）增强图像检索 | 结合RVITM算法和分层并行多尺度（HPM）-注意力U-Net，提高了图像质量，并减少了训练样本需求 | 方法在泛化能力上仍有提升空间，且依赖于MMF的特性表征 | 提高通过多模光纤传输图像的质量和效率 | 多模光纤（MMF）中的图像传输 | 计算机视觉 | NA | 深度学习，RVITM算法 | HPM-attention U-Net | 图像 | NA |
| 5519 | 2025-04-24 |
Deep Learning-Based Comparative Prediction and Functional Analysis of Intrinsically Disordered Regions in SARS-CoV-2
2025-Apr-05, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms26073411
PMID:40244295
|
研究论文 | 本研究探讨了SARS-CoV-2蛋白质组中内在无序区域（IDRs）的作用及其作为小分子药物发现靶点的潜力 | 使用四种基于深度学习的无序预测模型（ADOPT、PONDRVLXT、PONDRVSL2和flDPnn）分析SARS-CoV-2蛋白质的无序倾向，并验证了这些区域在病毒功能中的关键作用 | 研究依赖于预测模型的准确性，实验验证的数据有限 | 探索SARS-CoV-2蛋白质组中内在无序区域的功能及其作为药物靶点的潜力 | SARS-CoV-2蛋白质组中的内在无序区域 | 生物信息学 | COVID-19 | 深度学习 | ADOPT、PONDRVLXT、PONDRVSL2、flDPnn | 蛋白质序列 | NA |
| 5520 | 2025-04-04 |
Publisher Correction: Interpretable deep learning of single-cell and epigenetic data reveals novel molecular insights in aging
2025-Apr-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-95242-0
PMID:40175436
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |