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 32801 篇文献，本页显示第 7021 - 7040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7021 | 2025-10-06 |
[Advances in low-dose cone-beam computed tomography image reconstruction methods based on deep learning]
2025-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
DOI:10.7507/1001-5515.202409021
PMID:40566788
|
综述 | 系统回顾基于深度学习的低剂量锥形束CT图像重建方法，比较不同网络架构在降噪、伪影消除和细节保留方面的性能 | 全面比较图像域、投影域和双域三种深度学习重建方法，并探讨多模态融合和自监督学习等新兴技术的应用潜力 | NA | 优化低剂量CBCT算法以降低患者辐射风险并提升图像质量 | 锥形束CT图像重建方法 | 医学影像处理 | NA | 锥形束CT扫描 | 深度学习 | CT图像 | NA | NA | NA | 噪声降低, 伪影消除, 细节保留, 计算效率 | NA |
| 7022 | 2025-10-06 |
AI in Medical Questionnaires: Innovations, Diagnosis, and Implications
2025-Jun-23, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/72398
PMID:40549427
|
系统综述 | 本文系统综述了人工智能在医学问卷中的当前应用、潜在益处和问题，重点关注其在评估、开发和预测三个主要功能中的作用 | 首次系统评估AI在医学问卷中的综合应用价值，涵盖24种AI技术，包括传统算法和深度学习模型 | 79%的研究仍处于探索阶段，缺乏对照组、随访数据不完整和验证系统不足是主要方法学限制 | 系统评估人工智能在医学问卷中的应用价值和挑战 | 医学问卷和心理健康评估工具 | 自然语言处理 | 精神疾病 | 自然语言处理，生成模型 | 随机森林, 支持向量机, k近邻, 卷积神经网络, BERT, ChatGPT | 问卷数据 | 14项符合纳入标准的研究（从49,091篇文献中筛选） | NA | BERT, ChatGPT, 卷积神经网络 | 准确率92.18%, AUC 0.790 | NA |
| 7023 | 2025-10-06 |
Quantum-inspired computational drug design for phytopharmaceuticals: a herbal holography analysis
2025-Jun-13, Journal of molecular modeling
IF:2.1Q3
DOI:10.1007/s00894-025-06412-w
PMID:40512383
|
研究论文 | 本文提出了一种基于量子理论启发的计算药物设计新范式——草药全息分析，用于植物药物的研发 | 提出了草药全息分析新范式，将草药分子视为多维系统，采用全息和量子理论进行理解 | NA | 验证量子驱动方法是否能真正革新草药医学研究 | 植物化合物和草药疗法 | 计算药物设计 | NA | 混合量子-经典模拟, 深度学习, 量子力学 | 深度学习模型 | 草药化合物数据, 药理学数据 | NA | NA | NA | NA | NA |
| 7024 | 2025-10-06 |
Ultra-fast single-sequence magnetic resonance imaging (MRI) for lower back pain: diagnostic performance of a deep learning T2-Dixon pprotocol
2025-Jun-11, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.106987
PMID:40633138
|
研究论文 | 评估深度学习加速的T2-Dixon单序列MRI协议在腰椎退行性病变诊断中的性能 | 开发了基于深度学习的超快速单序列MRI协议，将采集时间减少80-84% | 单中心研究，样本量较小(30例患者)，缺乏多中心验证 | 评估深度学习加速MRI协议在腰椎疼痛诊断中的性能 | 下背痛患者 | 医学影像分析 | 腰椎退行性疾病 | 磁共振成像，深度学习加速成像 | 深度学习 | 医学影像 | 30例下背痛患者(平均年龄48±18.5岁，67%女性) | NA | NA | 灵敏度，特异性，置信区间，Kappa系数 | 1.5 Tesla和3 Tesla MRI设备 |
| 7025 | 2025-10-06 |
Feasibility Study of Triple-low CCTA for Coronary Artery Disease Screening Combining Contrast Enhancement Boost and Deep Learning Reconstruction
2025-Jun, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/RCM31334
PMID:40630453
|
研究论文 | 本研究比较了采用对比增强提升技术结合深度学习重建的三低冠状动脉CT血管成像与传统方法的图像质量 | 首次将对比增强提升技术与深度学习重建相结合应用于三低剂量冠状动脉CT血管成像，实现辐射剂量和对比剂用量的显著降低 | 样本量较小（仅46例患者），单中心研究，需要更大规模验证 | 探索低剂量、低对比剂流率/用量的冠状动脉CT血管成像技术在冠心病早期筛查中的应用潜力 | 疑似冠状动脉狭窄的患者 | 医学影像分析 | 冠心病 | 冠状动脉CT血管成像，对比增强提升技术，深度学习重建 | 深度学习 | CT医学影像 | 46例患者 | NA | NA | CT值，背景噪声，信噪比，对比信噪比，主观评分 | NA |
| 7026 | 2025-10-06 |
Identifying Asthma-Related Symptoms From Electronic Health Records Using a Hybrid Natural Language Processing Approach Within a Large Integrated Health Care System: Retrospective Study
2025-May-02, JMIR AI
DOI:10.2196/69132
PMID:40611521
|
研究论文 | 本研究开发了一种混合自然语言处理方法来从电子健康记录中识别哮喘相关症状 | 结合基于规则和基于Transformer的深度学习算法，创建混合NLP方法用于哮喘症状识别 | 研究依赖于单一医疗系统的数据，可能限制算法的泛化能力 | 开发自然语言处理算法从临床文本中识别哮喘相关症状 | 大型综合医疗系统中的电子健康记录和临床笔记 | 自然语言处理 | 哮喘 | 自然语言处理 | Transformer | 文本 | 11,374,552份临床笔记，包含128,211,793个句子 | NA | Transformer | 阳性预测值, 敏感度, F1分数 | NA |
| 7027 | 2025-10-06 |
Learning-based early detection of post-hepatectomy liver failure using temporal perioperative data: a nationwide multicenter retrospective study in China
2025-May, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2025.103220
PMID:40630620
|
研究论文 | 本研究开发了一种基于人工智能的深度学习模型，用于肝切除术后24小时内早期检测肝衰竭 | 首次将基础模型Bio-Clinical BERT与上下文感知transformer模块结合，对围手术期时序数据进行深度特征分析，实现PHLF的极早期检测 | MIMIC-IV队列数据不完整且主要为高加索人群，模型在该队列表现相对有限 | 利用人工智能技术改进肝切除术后肝衰竭的早期检测方法 | 肝切除手术患者 | 医疗人工智能 | 肝衰竭 | 电子健康记录数据分析 | 深度学习,transformer | 时序医疗数据 | 中国队列1832例患者（训练681例，验证1151例），MIMIC-IV队列242例 | PyTorch | Bio-Clinical BERT,transformer | AUC,准确率 | NA |
| 7028 | 2025-10-06 |
TOWARDS PATIENT-SPECIFIC SURGICAL PLANNING FOR BICUSPID AORTIC VALVE REPAIR: FULLY AUTOMATED SEGMENTATION OF THE AORTIC VALVE IN 4D CT
2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/ISBI60581.2025.10981269
PMID:40630832
|
研究论文 | 开发基于nnU-Net的全自动二叶式主动脉瓣多标签分割流程，用于患者特异性手术规划 | 首个针对二叶式主动脉瓣的全自动分割模型，并评估了分割结果在临床手术规划中的可用性 | 分割结果的时间一致性仍需改进 | 为二叶式主动脉瓣修复手术提供患者特异性规划支持 | 二叶式主动脉瓣患者 | 医学影像分析 | 心血管疾病 | 4D CT成像 | CNN | 4D CT图像 | NA | nnU-Net | U-Net | Dice系数, 对称平均距离 | NA |
| 7029 | 2025-10-06 |
Building a Synthetic Vascular Model: Evaluation in an Intracranial Aneurysms Detection Scenario
2025-Mar, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2024.3492313
PMID:39504285
|
研究论文 | 本文提出了一种能够模拟脑血管树各组成部分的完整合成模型，用于颅内动脉瘤检测场景的评估 | 开发了能够同时模拟动脉几何形状、动脉瘤形态和背景噪声的完整合成3D血管模型 | NA | 构建合成血管模型以增强颅内动脉瘤检测的深度学习性能 | 脑血管树、颅内动脉瘤 | 计算机视觉 | 脑血管疾病 | 磁共振血管成像、飞行时间原理 | 3D CNN | 3D图像 | NA | NA | NA | NA | NA |
| 7030 | 2025-10-06 |
CellBinDB: a large-scale multimodal annotated dataset for cell segmentation with benchmarking of universal models
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaf069
PMID:40552981
|
研究论文 | 提出了一个用于细胞分割的大规模多模态标注数据集CellBinDB，并基于该数据集对8种先进细胞分割技术进行了基准测试 | 构建了首个大规模多模态细胞分割标注数据集，涵盖多种染色方法和组织类型，并系统评估了多种分割技术的性能 | 复杂细胞形状会降低分割精度，模型在未见数据上的泛化能力仍需提升 | 开发通用的细胞分割解决方案，促进生物图像分析技术的发展 | 人类和小鼠样本中的正常和病变组织细胞 | 数字病理学 | 多种疾病（涵盖30多种正常和病变组织类型） | DAPI, ssDNA, H&E, 多重免疫荧光染色 | 深度学习细胞分割模型 | 图像 | 超过1000张标注图像，涵盖30多种人类和小鼠组织类型 | NA | NA | 分割精度, 边界检测准确度 | NA |
| 7031 | 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 |
| 7032 | 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 |
| 7033 | 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 |
| 7034 | 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 |
| 7035 | 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 |
| 7036 | 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 |
| 7037 | 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 |
| 7038 | 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 |
| 7039 | 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 |
| 7040 | 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 |