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 33074 篇文献，本页显示第 5881 - 5900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5881 | 2025-10-06 |
Automated Diagnosis of Bone Metastasis by Classifying Bone Scintigrams Using a Self-defined Deep Learning Model
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出一种基于自定义深度学习模型的骨扫描图像分类方法，用于自动诊断肺癌骨转移 | 设计了包含特征提取和特征分类子网络的自定义卷积神经网络，并采用膀胱区域排除的图像预处理策略 | 仅针对肺癌骨转移进行二分类，未验证对其他癌症类型骨转移的适用性 | 开发自动诊断骨转移的深度学习系统 | SPECT骨扫描图像 | 计算机视觉 | 肺癌 | SPECT骨显像 | CNN | 图像 | NA | NA | 自定义卷积神经网络 | 准确率,精确率,召回率,特异性,F1分数,AUC | NA |
| 5882 | 2025-10-06 |
Computational Model for the Detection of Diabetic Retinopathy in 2-D Color Fundus Retina Scan
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 提出一种基于卷积神经网络的计算模型，用于从2D彩色眼底扫描中检测糖尿病视网膜病变 | 开发了专门用于糖尿病视网膜病变检测的DRCNN模型，结合VGG-16架构和自适应矩估计优化器 | NA | 利用2D彩色眼底视网膜扫描确定个体是否患有糖尿病视网膜病变 | 糖尿病视网膜病变患者的眼底扫描图像 | 计算机视觉 | 糖尿病视网膜病变 | 眼底扫描 | CNN | 图像 | NA | NA | VGG-16, DRCNN | 准确率 | NA |
| 5883 | 2025-10-06 |
Research Progress in Tumor Diagnosis Based on Raman Spectroscopy
2024, Current medical imaging
IF:1.1Q3
|
综述 | 本文综述了拉曼光谱在肿瘤诊断中的应用研究进展 | 探讨了深度学习与拉曼光谱结合在肿瘤诊断中的优势 | 指出了基于拉曼光谱的肿瘤诊断方法存在的相关问题 | 介绍拉曼光谱在肿瘤检测中的应用 | 人体不同部位的肿瘤 | 医学光谱分析 | 癌症 | 拉曼光谱技术 | 深度学习 | 光谱数据 | NA | NA | NA | NA | NA |
| 5884 | 2025-10-06 |
Application Exploration of Medical Image-aided Diagnosis of Breast Tumour Based on Deep Learning
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究探索基于深度学习的医学图像辅助诊断在乳腺肿瘤诊断中的应用 | 结合二维CNN训练模式构建三维CNN模型，并建立诊断结果评估指标 | NA | 研究医学图像辅助诊断在乳腺肿瘤诊断中的应用 | 乳腺肿瘤患者的医学图像数据 | 计算机视觉 | 乳腺肿瘤 | 磁共振成像(MRI) | CNN | 医学图像 | NA | NA | 3D CNN | 准确率 | NA |
| 5885 | 2025-10-06 |
Epistasis regulates genetic control of cardiac hypertrophy
2023-Nov-20, Research square
DOI:10.21203/rs.3.rs-3509208/v1
PMID:38045390
|
研究论文 | 本研究开发新方法揭示心脏肥大的复杂遗传架构，发现表观遗传相互作用在心脏结构调控中的重要作用 | 开发低信号符号迭代随机森林方法，结合深度学习从心脏MRI估计左心室质量，首次系统揭示心脏肥大的表观遗传调控网络 | 研究方法仍处于早期发展阶段，样本来源相对单一（主要基于UK Biobank数据） | 探索心脏肥大的复杂遗传调控机制，特别是表观遗传相互作用 | 人类心脏组织、诱导多能干细胞来源的心肌细胞 | 机器学习 | 心血管疾病 | 心脏MRI、RNA沉默、单细胞形态分析、微流体系统 | 随机森林、深度学习 | 遗传数据、医学影像数据、转录组数据 | UK Biobank中29,661个体的心脏MRI扫描，313例人类心脏组织的转录组数据 | NA | NA | NA | NA |
| 5886 | 2025-10-06 |
Deep Learning-Accelerated Designs of Tunable Magneto-Mechanical Metamaterials
2022-Jul-27, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.2c09052
PMID:35833606
|
研究论文 | 开发了一种基于深度学习的逆向设计框架，用于设计可调谐磁机械超材料 | 使用深度残差网络替代传统有限元分析，实现快速逆向设计磁机械超材料 | NA | 开发能够根据预定性能逆向设计磁机械超材料的框架 | 磁机械超材料 | 机器学习 | NA | 直接墨水书写打印方法 | 深度学习 | 模拟数据 | NA | NA | ResNet | NA | NA |
| 5887 | 2025-10-06 |
Enhancing biliary tract cancer diagnosis using AI-driven 3D optical diffraction tomography
2025-Sep, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2025.06.003
PMID:40484187
|
研究论文 | 本研究结合三维光学衍射断层扫描和卷积神经网络，基于脂滴特征实现胆道癌细胞的自动分类 | 首次将3D光学衍射断层扫描与深度学习结合用于胆道癌诊断，并通过脂滴 metadata 和多视图分数融合显著提升分类性能 | 研究仅使用细胞系数据，尚未在临床样本中验证 | 开发基于脂滴特征的胆道癌自动诊断系统 | 人类胆道癌细胞系(SNU1196、SNU308、SNU478)和正常胆管细胞系(H69) | 计算机视觉 | 胆道癌 | 三维光学衍射断层扫描 | CNN | 三维折射率断层图像 | 4种细胞系(3种癌细胞系和1种正常细胞系) | NA | EfficientNet-b3 | AUC, 准确率 | NA |
| 5888 | 2025-10-06 |
AI-powered liquid biopsy for early detection of gastrointestinal cancers
2025-Sep-01, Clinica chimica acta; international journal of clinical chemistry
DOI:10.1016/j.cca.2025.120484
PMID:40669686
|
综述 | 本文综述人工智能驱动的液体活检技术在胃肠道癌症早期检测中的最新进展与应用潜力 | 整合机器学习与深度学习技术提升液体活检对循环肿瘤DNA、外泌体RNA和肿瘤教育血小板的检测精度，实现多组学数据融合分析 | 存在数据标准化不足、算法偏差风险和监管验证缺失等关键挑战 | 探索人工智能技术如何增强液体活检在胃肠道癌症早期诊断中的临床效用 | 胃肠道癌症患者的循环生物标志物（ctDNA、外泌体RNA、肿瘤教育血小板） | 机器学习 | 胃肠道癌症 | 液体活检，多组学整合分析，甲基化分析，片段组学 | 机器学习，深度学习 | 基因组数据，表观遗传数据，生物分子数据 | NA | NA | NA | 灵敏度，特异性 | 联邦学习框架 |
| 5889 | 2024-12-05 |
Multimodal Deep Learning-based Radiomics Approach for Predicting Surgical Outcomes in Patients With Cervical Ossification of the Posterior Longitudinal Ligament
2025-Aug-15, Spine
IF:2.6Q1
DOI:10.1097/BRS.0000000000005227
PMID:39618126
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5890 | 2025-10-06 |
Multimodal Deep Learning for Grading Carpal Tunnel Syndrome: A Multicenter Study in China
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.02.043
PMID:40157849
|
研究论文 | 开发用于腕管综合征分级的多模态深度学习模型CTSGrader，整合临床信息和多模态超声特征 | 首次开发结合临床信息和多模态超声特征的联合深度学习模型用于CTS分级，并进行多中心验证和跨设备测试 | 回顾性研究设计，需要进一步前瞻性验证 | 通过深度学习模型改进腕管综合征的严重程度分级 | 腕管综合征患者 | 医学影像分析 | 腕管综合征 | 超声成像，电生理检查 | 深度学习模型 | 超声图像，临床数据 | 训练集680例，内部验证集173例，外部验证集174例，跨设备验证集224例 | NA | CTSGrader | AUC，准确率 | NA |
| 5891 | 2025-10-06 |
Deep learning-based prediction of enhanced CT scans for lymph node metastasis in esophageal squamous cell carcinoma
2025-Aug, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-025-01780-y
PMID:40214915
|
研究论文 | 本研究开发了一种结合CNN和LSTM的深度学习模型LymphoReso-Net，用于基于增强CT图像预测食管鳞癌淋巴结转移 | 提出了新型深度学习框架LymphoReso-Net，结合CNN和LSTM网络处理医学影像数据，并集成GRAD-CAM增强模型可解释性 | 回顾性研究设计，样本量相对有限（441例患者） | 优化食管鳞癌治疗策略，通过预测淋巴结转移改善患者预后 | 食管鳞癌患者 | 计算机视觉 | 食管癌 | 增强CT扫描 | CNN, LSTM | 医学影像 | 441例接受根治性食管切除术和区域淋巴结清扫术的ESCC患者 | NA | LymphoReso-Net | 准确率, 敏感度, 特异度, AUC-ROC | NA |
| 5892 | 2025-10-06 |
Habitat Radiomics and Deep Learning Features Based on CT for Predicting Lymphovascular Invasion in T1-stage Lung Adenocarcinoma: A Multicenter Study
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2025.04.005
PMID:40253221
|
研究论文 | 本研究基于CT影像开发栖息地放射组学模型，用于预测T1期肺腺癌患者的淋巴血管侵犯 | 首次将栖息地放射组学应用于T1期肺腺癌LVI预测，并通过多中心研究验证其优于传统放射组学和深度学习模型 | 回顾性研究设计，样本量相对有限（349例患者） | 预测T1期肺腺癌患者的淋巴血管侵犯状态 | T1期肺腺癌患者 | 医学影像分析 | 肺癌 | CT成像，K-means聚类算法 | 放射组学模型，栖息地模型，深度学习模型 | CT影像 | 349例T1期肺腺癌患者（来自三个医疗中心） | NA | NA | AUC，校准曲线，决策曲线分析 | NA |
| 5893 | 2025-10-06 |
Unsupervised deep clustering of high-resolution satellite imagery reveals phenotypes of urban development in Sub-Saharan Africa
2025-Aug-01, The Science of the total environment
DOI:10.1016/j.scitotenv.2025.179739
PMID:40480170
|
研究论文 | 使用无监督深度学习和高分辨率卫星图像对撒哈拉以南非洲城市发展表型进行聚类分析 | 提出新颖的分层深度学习框架，首次在缺乏传统数据的地区实现近实时城市监测 | 研究仅限于撒哈拉以南非洲四个城市，可能不适用于其他地理特征的城市 | 开发无监督深度学习方法以表征多维城市环境特征 | 撒哈拉以南非洲城市（阿克拉、达喀尔、达累斯萨拉姆、基加利）的卫星图像 | 计算机视觉 | NA | 卫星遥感成像 | 深度学习聚类 | 高分辨率卫星图像 | 四个非洲城市的卫星图像数据集 | NA | 分层深度学习框架 | 聚类一致性、区域分布百分比 | NA |
| 5894 | 2025-10-06 |
Enhanced deep learning framework for real-time instrument detection and tracking in laparoscopic surgery using advanced augmentation and tracking techniques
2025-Aug, Surgical endoscopy
DOI:10.1007/s00464-025-11932-w
PMID:40588604
|
研究论文 | 开发了一个增强的深度学习框架，用于腹腔镜手术中实时器械检测与跟踪 | 集成YOLOv9n与先进跟踪算法ByteTrack和BoT-SORT，在快速运动和部分遮挡情况下仍能保持稳健跟踪性能 | 仅使用单一数据集(m2cai16-tool-locations)进行评估，未在更广泛临床场景中验证 | 提高微创手术中手术器械的实时检测与跟踪精度，优化手术工作流程 | 腹腔镜手术器械 | 计算机视觉 | NA | 深度学习，计算机视觉 | CNN | 图像 | m2cai16-tool-locations检测数据集 | NA | YOLOv9n, YOLOv8n, YOLOv5n, YOLOv11n, Faster R-CNN | 平均精度(mAP50), 推理速度 | NA |
| 5895 | 2025-10-06 |
AI-Assisted Post Contrast Brain MRI: Eighty Percent Reduction in Contrast Dose
2025-Aug, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.10.026
PMID:39592383
|
研究论文 | 本研究提出一种深度学习方法来预测仅使用20%标准剂量钆对比剂的多参数MRI生成全剂量对比增强T1w图像 | 首次使用深度学习从低剂量(20%)对比剂MRI合成全剂量对比增强图像，实现80%的对比剂剂量减少 | 研究样本量相对较小(101例患者)，且仅针对特定脑部疾病患者群体 | 在保证诊断准确性的前提下减少钆对比剂使用剂量 | 101例患有白质疾病、小血管疾病、肿瘤或肿块、术后改变和无增强病变的患者 | 医学影像分析 | 脑部疾病 | 多参数脑部MRI | 深度学习网络 | MRI图像 | 101例患者 | NA | NA | SSIM, PSNR, Likert量表评分, 非劣效性检验 | NA |
| 5896 | 2025-10-06 |
A multi-stage 3D convolutional neural network algorithm for CT-based lung segment parcellation
2025-Aug, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.70193
PMID:40698834
|
研究论文 | 开发了一种基于3D卷积神经网络的CT图像肺段分割算法 | 提出多阶段3D CNN算法，通过气道中心线检测和三级支气管识别实现端到端肺段分割 | COPD患者的分割结果与健康对照组相比存在更大不匹配 | 验证基于深度学习的CT肺段分割算法的临床适用性 | 混合气道疾病患者的胸部CT图像 | 计算机视觉 | 慢性阻塞性肺疾病 | CT成像 | CNN | 3D医学图像 | 123例训练CT图像，20例内部验证，20例外部验证（10例健康人，10例COPD患者） | NA | 3D卷积神经网络 | Dice系数, 包含率 | NA |
| 5897 | 2025-10-06 |
Gradient-driven pixel connectivity convolutional neural networks classification based on U-Net lung nodule segmentation
2025-Aug, Medical engineering & physics
IF:1.7Q3
DOI:10.1016/j.medengphy.2025.104376
PMID:40701761
|
研究论文 | 提出一种基于U-Net肺结节分割和梯度驱动像素连接卷积神经网络的肺结节分类诊断辅助系统 | 结合U-Net分割网络与梯度驱动像素连接CNN分类器，实现肺结节的多层次特征分析与分类 | 仅使用LUNA16数据集，未在其他数据集验证模型泛化能力 | 开发基于深度学习的肺结节早期检测与分类系统 | CT图像中的肺结节 | 计算机视觉 | 肺癌 | 计算机断层扫描(CT) | CNN, U-Net | 医学图像 | LUNA16数据集 | NA | U-Net | 准确率, Dice相似系数 | NA |
| 5898 | 2025-10-06 |
An enhanced UHMWPE wear particle detection approach based on YOLOv9
2025-Aug, Medical engineering & physics
IF:1.7Q3
DOI:10.1016/j.medengphy.2025.104377
PMID:40701762
|
研究论文 | 提出一种基于改进YOLOv9的UHMWPE磨损颗粒自动检测方法 | 集成可编程梯度信息(PGI)和广义高效层聚合网络(GELAN)提升小目标检测精度，采用定制化Focal Loss函数解决类别不平衡问题 | NA | 开发自动化UHMWPE磨损颗粒检测技术以替代传统人工检测 | 超高分子量聚乙烯(UHMWPE)磨损颗粒 | 计算机视觉 | 骨科疾病 | 场发射枪扫描电子显微镜(FEG-SEM) | YOLO | 图像 | NA | NA | YOLOv9, YOLOv5, YOLOv8, Faster R-CNN | 平均精度均值(mAP) | NA |
| 5899 | 2025-10-06 |
The Power of Hellmann-Feynman Theorem: Kohn-Sham DFT Energy Derivatives with Respect to the Parameters of the Exchange-Correlation Functional at Linear Cost
2025-Jul-24, The journal of physical chemistry. A
DOI:10.1021/acs.jpca.5c01771
PMID:40653651
|
研究论文 | 本研究应用Hellmann-Feynman定理计算Kohn-Sham DFT能量对交换关联泛函参数的导数，实现了线性计算复杂度 | 首次将Hellmann-Feynman定理应用于Kohn-Sham DFT能量参数导数计算，相比传统自动微分方法显著提升计算效率 | 研究基于原型程序实现，仅验证了LDA和GGA泛函在正构烷烃体系的表现 | 开发高效计算科学模型参数导数的方法，支持机器学习和深度学习应用 | Kohn-Sham密度泛函理论中的交换关联泛函参数 | 计算化学 | NA | 密度泛函理论计算 | Kohn-Sham DFT | 量子化学计算数据 | 正构烷烃系列（n=4至64个碳原子） | PySCF, PyTorch | LDA泛函, GGA泛函 | 计算复杂度, 计算速度 | NA |
| 5900 | 2025-10-06 |
Artificial Neural Networks and Deep Learning in Solid Organ Transplantation
2025-Jul-24, Transplantation
IF:5.3Q1
DOI:10.1097/TP.0000000000005500
PMID:40702591
|
综述 | 本文概述了人工神经网络和深度学习在实体器官移植领域的应用、术语解释及使用建议 | 系统梳理神经网络在移植领域的发展历程，特别关注处理非表格数据（如图像和文本）的最新应用 | 模型存在黑箱预测问题且结果解释需结合具体语境 | 为移植领域研究者提供神经网络模型的入门指南和应用前景分析 | 实体器官移植相关医疗数据与临床应用 | 机器学习 | 器官移植 | NA | 人工神经网络, 深度学习 | 图像, 文本, 非表格数据 | NA | NA | NA | NA | NA |