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 32373 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2025-10-15 |
An optimal deep learning approach for breast cancer detection and classification with pre-trained CNN-based feature learning mechanism
2024-Nov-27, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2430454
PMID:39601679
|
研究论文 | 提出一种基于最优深度学习的乳腺癌检测系统，通过预训练迁移学习模型实现超声图像分割和特征学习 | 结合扩张卷积U型网络进行分割、空间通道注意力密集网络进行特征学习，以及增强布谷鸟搜索优化算法进行特征选择和LSTM分类器调优 | 仅使用BUSI数据集进行验证，未在其他数据集上测试泛化能力 | 开发高精度的乳腺癌自动检测和分类系统 | 乳腺超声图像中的肿瘤区域 | 计算机视觉 | 乳腺癌 | 超声成像 | CNN, LSTM | 图像 | BUSI数据集中的乳腺超声图像 | NA | DCUNet, DenseNet-121, LSTM | 准确率 | NA |
| 42 | 2025-10-15 |
Detailed delineation of the fetal brain in diffusion MRI via multi-task learning
2024-Sep-12, ArXiv
PMID:39314513
|
研究论文 | 开发了一种基于多任务学习的深度学习框架，用于胎儿脑部扩散MRI数据的自动分割和分区分析 | 提出了首个统一计算框架，可同时完成胎儿脑组织分割、白质束分割和脑区划分三项任务 | 数据质量较低且胎儿大脑发育迅速，目前缺乏专门的计算方法 | 开发可靠的胎儿脑部扩散MRI数据分析方法 | 胎儿大脑 | 医学影像分析 | 胎儿神经发育 | 扩散加权MRI | 深度学习 | 扩散MRI图像 | 97个胎儿大脑 | NA | 多任务学习架构 | Dice相似系数 | NA |
| 43 | 2025-10-15 |
Detailed delineation of the fetal brain in diffusion MRI via multi-task learning
2024-Aug-30, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.29.609697
PMID:39257731
|
研究论文 | 开发了一种基于多任务学习的深度学习框架，用于胎儿脑部扩散MRI数据的自动分析 | 提出了首个统一的计算框架，能够同时完成胎儿脑组织分割、白质束分割和脑区划分三项任务 | 数据质量较低且胎儿大脑发育迅速，现有方法在处理此类数据时存在挑战 | 开发可靠的胎儿脑部扩散MRI数据分析方法 | 胎儿大脑 | 医学影像分析 | 神经发育 | 扩散加权MRI | 深度学习 | 扩散MRI图像 | 97个胎儿大脑 | NA | 多任务学习网络 | Dice相似系数 | NA |
| 44 | 2025-10-15 |
Automated classification of cellular expression in multiplexed imaging data with Nimbus
2024-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.02.597062
PMID:38895405
|
研究论文 | 开发了名为Nimbus的深度学习模型，用于从多重成像数据中自动分类细胞标记物表达 | 创建了包含1.97亿个标记物表达注释的Pan-M数据集，并开发了无需重新训练即可跨不同细胞类型、组织和显微镜平台应用的预训练模型 | NA | 开发自动化工具来准确表征组织空间拓扑结构中的细胞表型 | 多重成像数据中的细胞标记物表达 | 数字病理学 | NA | 多重成像 | 深度学习 | 图像 | 包含1.97亿个标记物表达注释，涵盖15种不同细胞类型 | NA | NA | NA | NA |
| 45 | 2025-10-15 |
Deep Few-view High-resolution Photon-counting Extremity CT at Halved Dose for a Clinical Trial
2024-Mar-19, ArXiv
PMID:38562444
|
研究论文 | 提出一种基于深度学习的PCCT图像重建方法，在减半辐射剂量和双倍成像速度下实现临床诊断质量的图像重建 | 开发基于块的体积细化网络解决GPU内存限制，使用合成数据训练网络，并采用基于模型的迭代细化弥合合成与真实数据间的差距 | GPU内存限制、训练数据稀缺和领域差距问题 | 改进光子计数计算机断层扫描(PCCT)的辐射剂量和成像速度 | 人体四肢CT扫描 | 医学影像 | NA | X射线光子计数计算机断层扫描(PCCT) | 深度学习 | CT图像 | 8名临床试验患者 | NA | 基于块的体积细化网络 | 诊断图像质量评分 | GPU |
| 46 | 2025-06-10 |
Re: Using Deep Learning To Differentiate Among Histology Renal Tumor Types in Computed Tomography Scans
2025-Nov, European urology
IF:25.3Q1
DOI:10.1016/j.eururo.2025.05.028
PMID:40484756
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 47 | 2025-10-14 |
ChargeNet: E(3) Equivariant Graph Attention Network for Atomic Charge Prediction
2025-Oct-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00602
PMID:40530778
|
研究论文 | 提出一种E(3)等变图注意力网络ChargeNet，用于精确预测原子电荷 | 引入先进的等变图注意力神经网络，通过全局图注意力机制和多尺度注意力建模长程原子静电相互作用 | NA | 开发高精度、强泛化能力的原子电荷预测方法以推动药物设计与发现 | 分子结构和原子电荷 | 机器学习 | NA | 量子化学计算，机器学习 | 图注意力网络 | 分子结构数据 | NA | NA | E(3)等变图注意力网络 | 预测准确率 | NA |
| 48 | 2025-10-14 |
Manual and automated facial de-identification techniques for patient imaging with preservation of sinonasal anatomy
2025-Oct, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03421-1
PMID:40439827
|
研究论文 | 提出一种保留鼻窦解剖结构的面部去标识化方法，并开发两种自动化工作流程 | 在保护患者隐私的同时保留鼻窦、鼻甲等耳鼻喉科相关解剖结构，解决了现有方法会遮蔽这些关键区域的问题 | 需要进一步使用活体患者照片验证效果 | 开发可靠的面部去标识化方法以保护患者隐私 | 成人头部CT扫描图像 | 医学影像处理 | 耳鼻喉疾病 | CT扫描，种子生长技术，图像分割 | 深度学习模型 | 医学影像 | 20例成人头部CT | 3D Slicer, nnU-Net | nnU-Net | Dice系数，修正Hausdorff距离，匹配率 | NA |
| 49 | 2025-10-14 |
Transformer-based robotic ultrasound 3D tracking for capsule robot in GI tract
2025-Oct, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03445-7
PMID:40490591
|
研究论文 | 提出一种基于Transformer和CNN的混合深度学习框架，用于胶囊机器人在胃肠道中的实时3D超声跟踪 | 首次将Transformer架构与CNN结合应用于胶囊机器人超声跟踪，能够处理长距离3D跟踪并在跟踪丢失时主动重新定位 | 仅在离体结肠模型中进行验证，尚未在活体动物和人体试验中评估生理影响 | 开发能够克服超声成像视野窄、气体区域可视性差和平面外运动检测困难的胶囊机器人跟踪系统 | 胃肠道胶囊机器人 | 计算机视觉 | 胃肠道疾病 | B模式超声成像 | CNN, Transformer | 超声图像 | 离体结肠模型 | NA | CNN-Transformer混合架构 | 质心定位误差, 检测准确率, 帧率 | NA |
| 50 | 2025-10-14 |
Large-scale protein clustering in the age of deep learning
2025-Oct, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2025.103078
PMID:40517452
|
综述 | 本文探讨了深度学习时代大规模蛋白质聚类方法的发展与应用 | 引入深度学习技术扩展了蛋白质相似性度量和聚类方法的广度、深度和多样性 | NA | 研究蛋白质聚类方法及其在功能注释转移中的应用 | 蛋白质家族和整个蛋白质宇宙 | 生物信息学 | NA | 蛋白质序列分析、结构解析 | 深度学习 | 蛋白质序列、结构数据 | 大规模蛋白质数据集 | NA | NA | NA | NA |
| 51 | 2025-10-14 |
Identifying visible tissue in intraoperative ultrasound: a method and application
2025-Oct, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03415-z
PMID:40580392
|
研究论文 | 提出一种识别术中超声可见组织的迭代滤波和拓扑方法，用于检测声影并构建感知显著性置信图 | 开发了新型探头-组织接触分析框架，在体内数据上实现优于深度学习和统计方法的声影分类性能 | 方法性能需在更广泛临床场景中验证，参数扰动和散斑噪声可能影响算法鲁棒性 | 改进术中超声扫描的探头-组织接触分析技术 | 术中超声扫描中的可见组织和探头-组织接触界面 | 医学影像分析 | NA | 超声成像 | NA | 超声图像 | 包含体内数据和医学体模数据的专用数据集 | NA | NA | Fβ分数, 归一化均方根误差 | NA |
| 52 | 2025-10-14 |
Development and Validation of a Deep Learning System for the Provision of a District-Wide Diabetes Retinal Screening Service
2025 Sep-Oct, Clinical & experimental ophthalmology
DOI:10.1111/ceo.14560
PMID:40491217
|
研究论文 | 开发并验证一种用于地区性糖尿病视网膜筛查的双模态深度学习系统 | 提出结合眼底照片和光学相干断层扫描的双模态深度学习系统，用于糖尿病视网膜病变筛查 | 7.4%的图像无法分级，样本主要来自医院糖尿病诊所和普通诊所 | 评估深度学习系统在检测威胁视力糖尿病视网膜病变方面的性能和有效性 | 748名糖尿病患者（年龄≥10岁） | 计算机视觉 | 糖尿病视网膜病变 | 眼底摄影，光学相干断层扫描 | 深度学习 | 图像 | 748名前瞻性招募的糖尿病患者 | NA | NA | 灵敏度，特异度，AUC | NA |
| 53 | 2025-10-14 |
Retinal Vessel Traits and Age-Related Eye Disease in the Canadian Longitudinal Study on Aging
2025 Sep-Oct, Clinical & experimental ophthalmology
DOI:10.1111/ceo.14566
PMID:40515626
|
研究论文 | 本研究利用加拿大老龄化纵向研究数据，探讨视网膜血管特征与青光眼和年龄相关性黄斑变性之间的关联 | 首次在大型前瞻性队列中同时使用横断面和纵向数据分析视网膜血管特征与眼部疾病的时序关系，并发现反向因果关系的证据 | 青光眼和AMD为自我报告诊断，可能存在误分类偏倚 | 研究视网膜血管特征与年龄相关性眼病的关联 | 加拿大老龄化纵向研究的30,097名参与者 | 数字病理学 | 年龄相关性眼病 | 深度学习算法 | 深度学习 | 视网膜图像 | 30,097名参与者，随访率92% | NA | QUARTZ | OR值, 95%置信区间, β系数 | NA |
| 54 | 2025-10-14 |
Artificial Intelligence Applications in Oral Cancer and Oral Dysplasia
2024-Oct, Tissue engineering. Part A
DOI:10.1089/ten.TEA.2024.0096
PMID:39041628
|
综述 | 本文综述人工智能在口腔癌和口腔上皮异常增生中的应用进展，重点探讨AI技术开发预测性生物标志物的潜力 | 系统总结AI技术在口腔癌前病变恶性转化预测和口腔癌预后评估中的创新应用，包括深度学习数字病理学和机器学习表观基因组学整合 | 未提及具体研究样本量和模型验证结果，主要基于现有技术前景的论述 | 改善口腔鳞状细胞癌的预后预测和治疗反应评估 | 口腔鳞状细胞癌(OSCC)患者和口腔上皮异常增生(OED)患者 | 数字病理学 | 口腔癌 | 多重免疫组织化学、表观基因组学、数字病理学 | 深度学习,机器学习 | 病理图像,表观遗传数据,免疫细胞模式数据 | NA | NA | 神经网络 | NA | NA |
| 55 | 2025-10-13 |
Model predictive control of nonlinear dynamical systems based on long sequence stable Koopman network
2025-Nov, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2025.07.003
PMID:40653404
|
研究论文 | 提出一种基于长序列稳定Koopman网络的非线性动力系统模型预测控制方法 | 提出SDKN-MPC方法，通过稳定Koopman求解器算法获得稳定Koopman算子，结合神经网络训练嵌入函数，解决了传统深度学习方法收敛慢和长期预测稳定性不足的问题 | NA | 解决非线性动力系统的控制问题 | 非线性动力系统 | 机器学习 | NA | Koopman算子方法 | 神经网络 | 动力系统数据 | NA | NA | 稳定深度Koopman网络 | 收敛速度，预测性能 | NA |
| 56 | 2025-10-13 |
Exploring stable isotope patterns in monthly precipitation across Southeast Asia using contemporary deep learning models and SHapley Additive exPlanations (SHAP) techniques
2025-Oct, Isotopes in environmental and health studies
IF:1.1Q4
DOI:10.1080/10256016.2025.2508811
PMID:40522311
|
研究论文 | 本研究使用深度神经网络和SHAP技术分析东南亚地区降水稳定同位素模式及其与气候因子的关系 | 首次将深度神经网络与SHAP可解释性技术结合应用于热带地区降水稳定同位素模拟，揭示了气候因子与同位素含量的非线性相互作用 | 研究仅涵盖东南亚六个关键站点，区域覆盖范围有限，且站点分布不均匀 | 开发能够准确模拟降水稳定同位素含量的机器学习模型，理解大尺度气候模式与局部气象参数对同位素的影响 | 东南亚六个站点的月降水稳定同位素数据（曼谷、吉隆坡、雅加达、哥打巴鲁、查亚普拉、新加坡） | 机器学习 | NA | 稳定同位素分析 | DNN, PLSR | 气象数据、同位素数据 | 东南亚6个站点的月降水数据 | NA | 深度神经网络 | 准确率 | NA |
| 57 | 2025-08-07 |
Dynamic and interpretable deep learning model for predicting respiratory failure following cardiac surgery
2025-Aug-05, BMC anesthesiology
IF:2.3Q2
DOI:10.1186/s12871-025-03239-z
PMID:40764535
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 58 | 2025-10-13 |
Characterization of arteriosclerosis based on computer-aided measurements of intra-arterial thickness
2024-Sep, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.5.057501
PMID:39398866
|
研究论文 | 开发基于计算机视觉的动脉内厚度测量方法，用于量化肾脏活检数字病理图像中的动脉粥样硬化 | 首次提出结合多类深度学习分割和径向采样的动脉内形态量化方法，通过数值模拟验证测量技术的鲁棒性 | 研究样本量有限（仅33个全切片图像），仅使用三色染色图像，未验证其他染色类型 | 开发计算生物标志物用于动脉粥样硬化的量化表征 | 肾脏活检数字病理图像中的动脉结构 | 计算机视觉 | 动脉粥样硬化 | 数字病理成像 | 深度学习分割模型 | 图像 | 33个三色染色全切片图像中的753条动脉（训练集：24个WSI的648条动脉；测试集：9个WSI的105条动脉） | NA | NA | Dice系数 | NA |
| 59 | 2025-10-09 |
Large-scale capture of hidden fluorescent labels for training generalizable markerless motion capture models
2023-09-26, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-41565-3
PMID:37752123
|
研究论文 | 开发了一种名为GlowTrack的方法，通过荧光标记生成大量训练数据，用于训练可泛化的无标记运动捕捉模型 | 提出使用荧光标记生成隐藏标签的高通量方法，创建多相机多光照设置模拟多样化视觉条件，并实现并行标记多个关键点的密集追踪技术 | NA | 解决无标记运动捕捉模型泛化能力有限的问题，建立标准化的行为分析流程 | 动物行为研究中的运动追踪 | 计算机视觉 | NA | 荧光标记，多相机多光照设置 | 深度学习模型 | 视频图像数据 | NA | NA | NA | NA | NA |
| 60 | 2025-10-09 |
3D bi-directional transformer U-Net for medical image segmentation
2022, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2022.1080715
PMID:36687770
|
研究论文 | 提出一种名为3DTU的新型三维医学图像分割框架，结合3D Transformer和3D DCNN的优势 | 设计了新颖的3D注意力机制，在编码器端使用3D Transformer、解码器端使用3D DCNN，充分挖掘自注意力能力 | NA | 解决传统深度卷积神经网络在医学图像分割中全局关系处理能力不足的问题 | 三维医学图像分割 | 医学图像分析 | NA | NA | Transformer, CNN | 3D MRI图像, 3D CT图像 | 两个独立数据集 | NA | U-Net, Transformer | 多种评估指标 | NA |