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 6481 - 6500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6481 | 2025-10-06 |
Machine Learning in Enhancing Protein Binding Sites Predictions - What Has Changed Since Then?
2025, Combinatorial chemistry & high throughput screening
IF:1.6Q3
|
综述 | 探讨蛋白质结合位点预测领域的挑战与最新进展，重点关注机器学习与深度学习的整合应用 | 整合分子动力学模拟与机器学习方法，结合实验数据提升预测准确性 | NA | 提升蛋白质结合位点预测精度以促进药物发现 | 蛋白质-配体相互作用 | 机器学习 | NA | 分子动力学模拟 | 深度学习 | 结构信息、生化检测数据 | NA | NA | NA | 准确性、可靠性 | NA |
| 6482 | 2025-10-06 |
Weakly Supervised Bayesian Shape Modeling from Unsegmented Medical Images
2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco)
PMID:39605948
|
研究论文 | 提出一种从无分割医学图像中弱监督学习贝叶斯形状建模的方法 | 使用点云监督而非传统对应点强监督，以数据驱动方式学习形状对应关系，无需先验形状变异假设 | 在完全监督场景下精度和不确定性估计相似但未超越，模型训练可行性提升但未完全消除传统流程依赖 | 开发无需分割的医学图像形状分析方法，简化统计形状建模流程 | 解剖形状，医学图像 | 医学图像分析 | NA | 深度学习，形状建模 | 贝叶斯变分信息瓶颈模型 | 医学图像，点云 | NA | NA | BVIB-DeepSSM | 精度，不确定性估计 | NA |
| 6483 | 2025-10-06 |
SDCoT++: Improved Static-Dynamic Co-Teaching for Class-Incremental 3D Object Detection
2025, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3518774
PMID:40030754
|
研究论文 | 提出改进的静态-动态协同教学框架SDCoT++，用于解决3D目标检测中的类增量学习问题 | 提出静态-动态双教师协同教学框架，通过静态教师保留旧知识、动态教师传递新知识，并引入伪标签生成和概率校准机制 | 未明确说明计算资源需求和具体数据集规模 | 解决3D目标检测中的灾难性遗忘问题，实现类增量学习 | 3D目标检测模型 | 计算机视觉 | NA | 深度学习 | 教师-学生模型 | 3D点云数据 | NA | PyTorch | VoteNet, 3DETR, CAGroup3D | 检测精度 | NA |
| 6484 | 2025-10-06 |
Vibration-based gearbox fault diagnosis using a multi-scale convolutional neural network with depth-wise feature concatenation
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324905
PMID:40623058
|
研究论文 | 提出一种基于振动信号的齿轮箱故障诊断新方法MixNet，采用多尺度卷积神经网络和深度特征拼接技术 | 首次将多尺度卷积层与深度特征拼接相结合用于齿轮箱故障诊断，能够从振动信号频谱图中提取更具判别性的特征 | NA | 开发高精度、高效率的齿轮箱故障诊断方法以提高工业设备可靠性 | 齿轮箱振动信号 | 机器学习 | NA | 短时傅里叶变换(STFT) | CNN | 振动信号频谱图 | 齿轮箱故障诊断数据集 | NA | MixNet, 多尺度卷积神经网络 | 准确率 | 训练时间4分29秒 |
| 6485 | 2025-10-06 |
Plant attribute extraction: An enhancing three-stage deep learning model for relational triple extraction
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0327186
PMID:40627606
|
研究论文 | 提出一种增强型三阶段深度学习模型用于植物属性关系三元组抽取 | 采用三阶段方法分别处理实体匹配、属性分类和关系匹配，改进了BERT词嵌入层并优化关系预测中的多级信息融合 | 基于标注的方法可能存在错误传播和参数更新不稳定的问题 | 从文本中抽取植物属性关系三元组以构建结构化知识 | 植物实体及其属性（生长环境、生长周期、生态分布等） | 自然语言处理 | NA | 关系抽取 | 深度学习 | 文本 | NA | BERT | Bwdgv（三阶段模型） | F1-score | NA |
| 6486 | 2025-10-06 |
Deep learning-based risk stratification of ductal carcinoma in situ using mammography and abbreviated breast magnetic resonance imaging
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1587882
PMID:40630196
|
研究论文 | 本研究开发基于深度学习的多模态模型，利用乳腺X线摄影和简化乳腺磁共振成像对导管原位癌进行风险分层 | 首次结合深度学习和自然语言处理技术开发针对纯导管原位癌和浸润性导管癌的多模态预测模型，并验证简化MRI协议与完整诊断协议具有相似的诊断准确性 | 回顾性研究设计，样本量相对有限（共383例患者），需要更大规模的前瞻性验证 | 开发导管原位癌的风险分层工具以优化治疗策略，避免过度治疗 | 导管原位癌患者，包括纯导管原位癌和伴有导管原位癌的浸润性导管癌患者 | 数字病理 | 乳腺癌 | 乳腺X线摄影，磁共振成像，自然语言处理 | 深度学习 | 医学影像，临床数据，病理特征 | 两个队列：173例BI-RADS 3级或以上患者，210例同时有乳腺X线摄影和简化MRI的患者 | NA | NA | AUC，准确率，F1分数 | NA |
| 6487 | 2025-10-06 |
Combining radiomics and deep learning to predict liver metastasis of gastric cancer on CT image
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1613972
PMID:40630210
|
研究论文 | 本研究结合影像组学和深度学习技术，基于CT图像预测胃癌肝转移 | 首次将经典影像组学特征与深度学习特征融合构建预测模型，并评估其在区分同步与异时性肝转移中的价值 | 回顾性研究设计，样本量相对有限，需要外部验证 | 预测胃癌肝转移的发生 | 胃癌患者 | 医学影像分析 | 胃癌 | CT成像 | 深度学习 | CT图像 | 1001例经病理证实的胃癌患者（非肝转移组689例，肝转移组312例） | NA | NA | AUC, 95% CI | NA |
| 6488 | 2025-10-06 |
Machine Learning for 1-Year Mortality Prediction in Lung Transplant Recipients: ISHLT Registry
2025, Transplant international : official journal of the European Society for Organ Transplantation
IF:2.7Q2
DOI:10.3389/ti.2025.14121
PMID:40630785
|
研究论文 | 本研究利用国际心肺移植学会注册数据开发深度学习模型，预测肺移植患者术后1年死亡率 | 首次基于大规模ISHLT注册数据构建肺移植1年死亡率预测模型，并通过SHAP值识别关键预测因子，证明仅需10个前置因素即可达到最优性能 | 外部验证数据集与ISHLT数据集存在显著组成差异，可能影响模型泛化能力 | 优化肺移植候选者选择以提升资源利用效率和患者预后 | 肺移植接受者 | 机器学习 | 肺移植 | NA | GBM, Multilayer Perceptron | 临床注册数据 | ISHLT注册数据29,364例患者（其中4,729例1年内死亡），外加独立内部验证数据集 | NA | 梯度提升机，多层感知器 | AUC, 准确率 | NA |
| 6489 | 2025-10-06 |
Artificial intelligence in atrial fibrillation: emerging applications, research directions and ethical considerations
2025, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2025.1596574
PMID:40630898
|
综述 | 本文探讨人工智能在心房颤动诊疗中的新兴应用、研究方向及伦理考量 | 系统梳理AI在房颤检测、风险预测、治疗优化和远程监护等关键领域的突破性应用，并提出可解释AI对临床实践的重要性 | 存在算法透明度不足、数据偏差、多源数据整合困难及监管障碍等挑战 | 评估人工智能技术在房颤全周期管理中的应用潜力与发展方向 | 心房颤动患者及相关医疗数据 | 机器学习 | 心血管疾病 | 机器学习, 深度学习 | NA | 心电图, 可穿戴设备数据, 临床数据, 影像数据, 基因组数据 | NA | NA | NA | 准确率 | NA |
| 6490 | 2025-10-06 |
Quantifying interpretation reproducibility in Vision Transformer models with TAVAC
2024-12-20, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.abg0264
PMID:39705362
|
研究论文 | 提出TAVAC指标用于评估Vision Transformer模型的过拟合程度并量化解释可重复性 | 首次提出通过比较训练和测试阶段的高注意力区域来评估ViT模型过拟合的TAVAC指标 | 仅在有限的数据集上进行了验证，需要更多样化的数据集进一步测试 | 提高Vision Transformer模型在生物医学图像分析中的解释可重复性 | Vision Transformer模型在图像分类任务中的注意力机制 | 计算机视觉 | 乳腺癌 | 数字病理图像分析 | Vision Transformer (ViT) | 图像 | 四个公共图像分类数据集和两个独立乳腺癌组织学图像数据集 | NA | Vision Transformer | TAVAC分数 | NA |
| 6491 | 2025-10-06 |
Interpretable representation learning for 3D multi-piece intracellular structures using point clouds
2024-Aug-13, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.25.605164
PMID:39091871
|
研究论文 | 提出一种基于点云和3D旋转不变自编码器的表示学习框架，用于量化细胞内多片段结构的形态特征 | 采用点云和3D旋转不变自编码器，开发了适用于复杂多片段形态的表示学习方法，能够无监督发现亚结构聚类 | NA | 开发客观、鲁棒且可泛化的细胞内多片段结构量化方法 | 具有点状形态（如DNA复制焦点）和多态性形态（如核仁）的细胞内结构 | 计算机视觉 | NA | 3D点云分析 | 自编码器 | 3D点云，图像数据 | 多个细胞内结构数据集，包括具有预定义组织规则的合成数据集 | CytoDL, Python | 3D旋转不变自编码器 | 效率，生成能力，表示表达能力 | NA |
| 6492 | 2025-10-06 |
Examining feature extraction and classification modules in machine learning for diagnosis of low-dose computed tomographic screening-detected in vivo lesions
2024-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.4.044501
PMID:38993628
|
研究论文 | 本研究比较了三种特征提取方法和两种分类模块在低剂量CT筛查发现的肺结节和结直肠息肉病变诊断中的性能 | 首次系统比较了传统图像纹理特征、深度学习抽象特征和组织-能量特异性特征在医学影像诊断中的性能，并发现组织-能量特异性特征提取能显著提升诊断性能 | 研究仅针对低剂量CT筛查发现的特定类型病变，结果可能不适用于其他影像模态或病变类型 | 评估医学影像机器学习中特征提取和分类模块对病变恶性程度预测的个体性能 | 低剂量CT筛查发现的肺结节和结直肠息肉病变 | 医学影像分析 | 肺结节,结直肠息肉 | 低剂量计算机断层扫描(CT) | CNN,随机森林 | 医学影像 | 三个病变图像数据集 | NA | CNN | AUC | NA |
| 6493 | 2025-10-06 |
Projected pooling loss for red nucleus segmentation with soft topology constraints
2024-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.4.044002
PMID:38988992
|
研究论文 | 提出一种基于投影池化的损失函数，用于在医学图像分割中引入软拓扑约束 | 通过投影和最大池化操作引入软拓扑约束，避免分割过程中小结构被丢弃 | 未明确说明训练集的具体规模和计算资源限制 | 解决小训练集下的医学图像分割问题并减少解剖结构异常分割 | 红核（red nucleus）以及心脏、脾脏和海马体 | 医学图像分割 | 帕金森综合征 | 定量磁化率成像（QSM） | 深度学习分割模型 | 医学图像 | NA | NA | NA | Dice系数 | NA |
| 6494 | 2025-10-06 |
Lung vessel connectivity map as anatomical prior knowledge for deep learning-based lung lobe segmentation
2024-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.4.044001
PMID:38988990
|
研究论文 | 本研究探索将肺血管连通性图谱作为解剖先验知识融入深度学习模型以提升肺叶分割性能 | 首次提出将肺血管连通性图谱作为解剖先验知识融入深度学习框架，用于指导肺叶分割 | 改进效果存在局限性，需要进一步探索其实际应用价值 | 开发结合解剖先验知识的自动化肺叶分割方法 | 胸部CT扫描中的肺叶分割 | 数字病理 | COVID-19 | CT扫描 | U-Net | CT图像 | 10例COVID-19病例 | nnU-Net | U-Net, 多任务U-Net, 级联U-Net | 分割准确度 | NA |
| 6495 | 2025-10-06 |
Automated CT quantification of interstitial lung abnormality in patients with resectable stage I non-small cell lung cancer: Prognostic significance
2024-06, Thoracic cancer
IF:2.3Q2
DOI:10.1111/1759-7714.15306
PMID:38682806
|
研究论文 | 本研究通过深度学习自动量化CT图像中的间质性肺异常，评估其对I期非小细胞肺癌患者预后的预测价值 | 首次基于Fleischner Society定义使用商业化深度学习程序自动量化间质性肺异常，并验证其与I期非小细胞肺癌患者预后的关联 | 回顾性研究设计，样本仅来自单一机构，未包含晚期肺癌患者 | 评估自动量化间质性肺异常对I期非小细胞肺癌患者预后的预测价值 | 948例2009年4月至2022年10月期间接受肺切除术的病理I期非小细胞肺癌患者 | 数字病理 | 肺癌 | CT扫描 | 深度学习 | CT图像 | 948例I期非小细胞肺癌患者（其中99例检测到间质性肺异常） | NA | NA | 风险比, 置信区间, p值 | NA |
| 6496 | 2025-10-06 |
Automated Prediction of Proximal Middle Cerebral Artery Occlusions in Noncontrast Brain Computed Tomography
2024-06, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.123.045772
PMID:38787932
|
研究论文 | 开发基于机器学习的算法JLK-CTL，使用非对比脑CT的手工特征预测大脑中动脉近端大血管闭塞 | 首次结合手工特征提取和深度学习算法，利用非对比CT预测大血管闭塞，无需对比剂增强扫描 | 研究样本来自特定时间段的七家医院，外部验证集样本量相对较小(n=95) | 早期识别缺血性卒中患者的大血管闭塞，为及时干预提供支持 | 缺血性卒中患者 | 医学影像分析 | 缺血性卒中 | 非对比计算机断层扫描，CT血管成像 | ExtraTrees, 随机森林, 极端梯度提升, 支持向量机, 多层感知器, 深度学习 | 医学影像 | 2919名患者(训练集2463，内部验证275，外部验证95) | NA | NA | AUC, 敏感性, 特异性 | NA |
| 6497 | 2025-10-06 |
Quantitative evaluation of the impact of relaxing eligibility criteria on the risk-benefit profile of drugs for lung cancer based on real-world data
2024-05, Thoracic cancer
IF:2.3Q2
DOI:10.1111/1759-7714.15269
PMID:38576119
|
研究论文 | 提出基于真实世界数据定量评估放宽非小细胞肺癌药物临床试验入选标准对风险-获益影响的研究方案 | 首次通过深度学习构建结构化真实世界数据库，结合蒙特卡洛模拟和Shapley值定量评估单个入选标准放宽对患者数量、疗效和安全性的影响 | 研究基于中国非小细胞肺癌数据，结果在其他癌症类型和地区的普适性需要进一步验证 | 为肺癌临床试验人群纳入标准设计提供科学证据，建立可推广的放宽入选标准评估框架 | 非小细胞肺癌患者和临床试验入选标准 | 医疗数据分析 | 肺癌 | 深度学习，蒙特卡洛模拟，倾向性匹配，Shapley值分析 | NA | 真实世界医疗数据 | NA | NA | NA | 患者数量，临床疗效，安全性 | NA |
| 6498 | 2025-10-06 |
Generative interpolation and restoration of images using deep learning for improved 3D tissue mapping
2024-Mar-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.07.583909
PMID:38496512
|
研究论文 | 利用生成式AI模型进行3D生物图像的空间插值和修复以提升组织映射质量 | 将原本用于时间插值的FILM生成式AI模型创新应用于多种3D图像类型的空间插值，显著优于传统线性插值方法 | NA | 解决生物图像中缺失区域、损伤组织和分辨率不足的问题，提升3D组织映射质量 | 多种成像模态的生物图像数据，包括组织学、光片显微镜、磁共振成像等 | 计算机视觉 | NA | 生成式AI、图像插值 | 生成式AI模型 | 3D图像 | 涵盖人类、小鼠的多种组织样本（胰腺、肺、脑部） | NA | FILM | 生物信息保留度、图像质量（对比度、方差、亮度）、细胞计数准确性 | NA |
| 6499 | 2025-10-06 |
The Transformative Potential of AI in Obstetrics and Gynaecology
2024-03, Journal of obstetrics and gynaecology Canada : JOGC = Journal d'obstetrique et gynecologie du Canada : JOGC
IF:2.0Q2
DOI:10.1016/j.jogc.2023.102277
PMID:37951574
|
综述 | 探讨人工智能在妇产科领域的应用潜力及发展方向 | 系统分析AI在妇产科三大重点领域的应用前景，并提出伦理实施和治理建议 | NA | 探索人工智能在妇产科领域的变革潜力 | 妇产科医疗实践 | 医疗人工智能 | 妇产科疾病 | 深度学习，大语言模型 | 深度学习模型，大语言模型 | 医学图像，医疗文本 | NA | NA | NA | NA | NA |
| 6500 | 2025-10-06 |
Quantifying Interpretation Reproducibility in Vision Transformer Models with TAVAC
2024-Jan-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.18.576252
PMID:38328179
|
研究论文 | 提出一种名为TAVAC的新指标，用于评估Vision Transformer模型在图像数据集上的过拟合程度并量化解释的可重复性 | 首次提出TAVAC指标，能够定量评估ViT模型解释的可重复性，并在像素级别监控模型解释的稳定性 | 未明确说明样本量的具体数值和计算资源需求 | 解决Vision Transformer模型在有限标注生物医学图像数据集上容易过拟合导致解释不可靠的问题 | Vision Transformer模型在图像分类任务中的解释可重复性 | 计算机视觉 | 乳腺癌 | 数字病理图像分析 | Vision Transformer (ViT) | 图像 | 四个公开图像分类数据集和两个独立乳腺癌组织学图像数据集 | NA | Vision Transformer | TAVAC, 预测准确率 | NA |