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 26839 篇文献，本页显示第 701 - 720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 701 | 2025-06-15 |
Unsupervised Deep Learning for Blood-Brain Barrier Leakage Detection in Diffuse Glioma Using Dynamic Contrast-enhanced MRI
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.240507
PMID:40172325
|
研究论文 | 开发了一种无监督深度学习框架，用于在弥漫性胶质瘤中通过动态对比增强MRI检测血脑屏障泄漏，无需药代动力学模型和动脉输入函数估计 | 采用基于自动编码器的异常检测方法，通过重构残差识别一维体素级时间序列异常信号，并将其分为残余泄漏信号和残余血管信号 | 研究为回顾性研究，可能存在选择偏差 | 开发一种无需药代动力学模型和动脉输入函数估计的血脑屏障泄漏检测方法 | 弥漫性胶质瘤患者 | 数字病理学 | 胶质瘤 | 动态对比增强MRI | 自动编码器 | MRI图像 | 274名患者（平均年龄54.4岁±14.6，其中164名男性） |
| 702 | 2025-06-15 |
Adaptive Dual-Task Deep Learning for Automated Thyroid Cancer Triaging at Screening US
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.240271
PMID:40202416
|
研究论文 | 开发了一种自适应双任务深度学习模型（ThyNet-S），用于在超声筛查中检测和分类甲状腺病变 | 通过动态整合像素级特征分析和深度语义特征分析，实现了甲状腺病变的自动检测和分类，并优化了临床决策 | 研究为回顾性研究，可能受到数据选择和时间的限制 | 提高甲状腺癌筛查的效率和准确性 | 甲状腺超声图像 | 数字病理 | 甲状腺癌 | 超声筛查 | 自适应双任务深度学习模型（ThyNet-S） | 图像 | 35,008张甲状腺超声图像，来自23,294次检查 |
| 703 | 2025-06-15 |
Deep Anatomical Federated Network (Dafne): An Open Client-Server Framework for Continuous, Collaborative Improvement of Deep Learning-based Medical Image Segmentation
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.240097
PMID:40237599
|
research paper | 介绍并评估了Dafne，一个免费可用的去中心化协作深度学习系统，用于通过联邦增量学习对放射影像进行语义分割 | 提出了一个开放的客户端-服务器框架，支持持续协作改进基于深度学习的医学图像分割 | NA | 开发并评估一个去中心化的协作深度学习系统，用于提高放射影像的语义分割准确性 | 放射影像的语义分割 | digital pathology | NA | federated incremental learning | deep learning | image | 38 MRI数据集和639个实际使用案例 |
| 704 | 2025-05-01 |
Predicting Mortality with Deep Learning: Are Metrics Alone Enough?
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.250224
PMID:40304577
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 705 | 2025-05-29 |
Pixels to Prognosis: Using Deep Learning to Rethink Cardiac Risk Prediction from CT Angiography
2025-05, Radiology. Artificial intelligence
DOI:10.1148/ryai.250260
PMID:40434277
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 706 | 2025-06-15 |
Gene expression inference based on graph neural networks using L1000 data
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf273
PMID:40505083
|
研究论文 | 本研究探讨了基于图神经网络（GNN）的基因表达推断方法，使用L1000数据，展示了其在预测基因表达值和基于表达的基因排序上的优越性 | 首次将图神经网络应用于基因表达推断，相比传统线性回归和非线性非GNN模型，GNN模型在减少10倍信息需求的同时达到可比性能 | 未明确提及具体的数据集规模限制或模型在特定生物环境下的适用性限制 | 探索非线性模型，特别是基于图结构的模型，在基因表达推断中的有效性 | 基因表达数据 | 生物信息学 | NA | L1000 | GNN | 基因表达数据 | 超过一百万种不同条件下的基因表达数据 |
| 707 | 2025-06-15 |
AI-Driven Advancements in Bioinformatics: Transforming Healthcare and Science
2025-May, Journal of pharmacy & bioallied sciences
DOI:10.4103/jpbs.jpbs_389_25
PMID:40511171
|
review | 本文回顾了AI在生物信息学中的关键应用及其对医疗实践和科学研究的潜在影响 | 探讨了AI在基因组和蛋白质结构预测、药物发现算法及诊断解决方案中的创新应用 | 存在数据质量、模型可解释性不明确及伦理问题等限制 | 评估AI在生物信息学中的基础方法及其在医疗和科学研究中的应用 | 基因组、蛋白质结构、药物发现算法和诊断解决方案 | 生物信息学 | NA | 机器学习、深度学习 | NA | 生物数据 | NA |
| 708 | 2025-06-15 |
Artificial intelligence demonstrates potential to enhance orthopaedic imaging across multiple modalities: A systematic review
2025-Apr, Journal of experimental orthopaedics
IF:2.0Q2
DOI:10.1002/jeo2.70259
PMID:40337671
|
系统综述 | 本文系统评估了人工智能在骨科影像学中的应用效果和可靠性，重点关注其对诊断准确性、图像分割和操作效率的影响 | 首次系统比较了不同AI模型在多种骨科影像模态中的临床效能和实用性 | 现有文献缺乏全面的统计分析和随机对照试验，需要进一步临床验证 | 评估AI在骨科影像学中的应用效果和可靠性 | 骨科影像学中的AI应用 | 医学影像分析 | 骨科疾病 | 机器学习 | CNN | 医学影像 | 11,990,643张来自多种诊断仪器的影像 |
| 709 | 2025-06-15 |
Applying Conformal Prediction to a Deep Learning Model for Intracranial Hemorrhage Detection to Improve Trustworthiness
2025-03, Radiology. Artificial intelligence
DOI:10.1148/ryai.240032
PMID:39601654
|
research paper | 该研究应用保形预测技术于深度学习模型，以提高颅内出血检测的可信度 | 使用Mondrian保形预测（MCP）增强深度学习模型，使其能够识别具有挑战性的病例 | 研究基于回顾性数据，样本量相对较小（491例CT扫描） | 提高深度学习模型在颅内出血检测中的可信度和准确性 | 非对比头部CT扫描图像 | digital pathology | intracranial hemorrhage | deep learning, Mondrian conformal prediction | CNN | CT图像 | 491例非对比头部CT扫描（来自146名患者） |
| 710 | 2025-06-15 |
NNFit: A Self-Supervised Deep Learning Method for Accelerated Quantification of High-Resolution Short-Echo-Time MR Spectroscopy Datasets
2025-03, Radiology. Artificial intelligence
DOI:10.1148/ryai.230579
PMID:39812584
|
research paper | 开发并评估了一种名为NNFit的自监督深度学习方法，用于加速高分辨率短回波时间MR光谱数据集的量化 | 提出了一种自监督深度学习方法NNFit，用于加速高分辨率短回波时间MR光谱数据集的量化，解决了传统光谱量化方法在临床工作流程中的计算瓶颈 | 研究为回顾性研究，样本量相对较小，且仅针对特定疾病（胶质母细胞瘤和重度抑郁症）进行了测试 | 开发一种快速、高效的光谱量化方法，以优化临床工作流程 | 高分辨率短回波时间MR光谱数据集 | 医学影像分析 | 胶质母细胞瘤, 重度抑郁症 | 短回波时间回波平面光谱成像（EPSI） | 自监督深度学习 | MR光谱数据 | 89次扫描（来自胶质母细胞瘤和重度抑郁症临床试验），训练数据集包含685,000个光谱（20名参与者，60次扫描），测试数据集包含260,000个光谱（12名参与者，29次扫描） |
| 711 | 2025-06-15 |
Post-Training Network Compression for 3D Medical Image Segmentation: Reducing Computational Efforts via Tucker Decomposition
2025-03, Radiology. Artificial intelligence
DOI:10.1148/ryai.240353
PMID:39812583
|
研究论文 | 本研究探讨了通过Tucker分解减少基于3D CT的多器官分割模型TotalSegmentator的计算量 | 首次将Tucker分解应用于医学图像分割模型的压缩，显著减少了模型参数和计算量，同时保持分割精度 | 不同GPU架构上的实际加速效果存在差异，在性能较低的硬件上加速效果更明显 | 降低医学图像分割模型的计算需求 | TotalSegmentator模型（基于nnU-Net的117个解剖结构自动分割模型） | 数字病理 | NA | Tucker分解 | nnU-Net | 3D CT图像 | 1228个分割CT扫描（训练集）+89个CT扫描（测试集） |
| 712 | 2025-06-15 |
A Serial MRI-based Deep Learning Model to Predict Survival in Patients with Locoregionally Advanced Nasopharyngeal Carcinoma
2025-02, Radiology. Artificial intelligence
DOI:10.1148/ryai.230544
PMID:39812582
|
research paper | 开发并评估了一种基于深度学习的预后模型，用于预测局部晚期鼻咽癌（LA-NPC）患者在诱导化疗前后的生存情况 | 使用图卷积神经网络（GCN）结合放射组学和临床因素构建预后模型，显著提高了预测疾病无进展生存期（DFS）的准确性 | 研究为回顾性多中心设计，可能存在选择偏倚，且未明确模型在其他人群中的泛化能力 | 预测局部晚期鼻咽癌患者的生存预后并指导风险适应性治疗 | 1039例局部晚期鼻咽癌患者（男779例，女260例，平均年龄44±11岁） | digital pathology | nasopharyngeal carcinoma | MRI | graph convolutional neural networks (GCN) | MRI图像及临床数据 | 1039例患者（训练/测试队列未明确拆分） |
| 713 | 2025-06-15 |
Optimising deep learning models for ophthalmological disorder classification
2025-01-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-75867-3
PMID:39856068
|
研究论文 | 本文利用深度学习模型对眼科疾病进行分类，采用基于迁移学习的CNN方法 | 使用MobileNet模型结合Adam优化器，在眼科疾病分类中取得了89.64%的测试准确率 | 仅使用了ODIR数据库中的数据进行实验，可能在其他数据集上表现不同 | 优化深度学习模型以提高眼科疾病分类的准确性 | 眼科疾病（如高血压、青光眼、糖尿病视网膜病变） | 计算机视觉 | 眼科疾病 | fundus imaging | CNN, MobileNet | image | ODIR数据库中的眼底图像（患者左右眼） |
| 714 | 2025-06-15 |
Detection of cervical cell based on multi-scale spatial information
2025-01-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-87165-7
PMID:39856153
|
研究论文 | 提出了一种基于多尺度空间信息的宫颈细胞检测方法，以提高宫颈癌筛查和诊断的效率 | 设计了多尺度空间信息增强模块（MSA）和通道注意力增强模块（CAE），有效捕捉和整合不同尺度的空间信息，并动态优化关键特征 | 未提及具体的数据集规模或多样性限制，也未讨论模型在其他数据集上的泛化能力 | 提高宫颈癌筛查和诊断的效率和准确性 | 宫颈细胞 | 数字病理学 | 宫颈癌 | 深度学习 | Sparse R-CNN | 图像 | NA |
| 715 | 2025-06-15 |
Phyla: Towards a foundation model for phylogenetic inference
2025-Jan-22, bioRxiv : the preprint server for biology
DOI:10.1101/2025.01.17.633626
PMID:39896621
|
研究论文 | 本文介绍了Phyla，一种专为系统发育推理设计的混合状态空间变换器架构，旨在通过树损失函数实现序列推理和系统发育树重建的最新性能 | Phyla采用了一种新颖的混合状态空间变换器架构和树损失函数，专注于序列间的推理能力，而非传统的单个序列学习 | NA | 开发一个用于系统发育推理的基础模型，提升计算生物学中序列分析和系统发育推理的性能 | 蛋白质序列和系统发育树 | 计算生物学 | NA | 深度学习 | 混合状态空间变换器 | 蛋白质序列数据 | NA |
| 716 | 2025-06-15 |
Interpretable machine learning model for outcome prediction in patients with aneurysmatic subarachnoid hemorrhage
2025-Jan-20, Critical care (London, England)
DOI:10.1186/s13054-024-05245-y
PMID:39833976
|
研究论文 | 开发了一种可解释的深度学习模型，用于预测动脉瘤性蛛网膜下腔出血患者的功能结果 | 结合SHAP方法增强模型的可解释性，并通过多中心数据验证模型的稳健性 | 研究仅基于日本五家医院的数据，可能限制了模型的泛化能力 | 优化动脉瘤性蛛网膜下腔出血患者的早期康复策略 | 718名动脉瘤性蛛网膜下腔出血患者 | 机器学习 | 脑血管疾病 | 深度学习 | 深度学习模型 | 临床数据 | 718名患者 |
| 717 | 2025-06-15 |
Artificial intelligence: the human response to approach the complexity of big data in biology
2025-Jan-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaf057
PMID:40504538
|
综述 | 本文探讨了人工智能在生命科学中的应用，特别是在处理高通量组学数据时的作用 | 强调了基于组学的预测分析在系统生物学中的作用，以及创新的AI分析方法在理解复杂生物系统中的价值 | 未具体提及研究的局限性 | 探讨人工智能在生命科学中的应用及其对组学数据分析的影响 | 植物科学、动物科学和微生物学中的生物过程和生态系统动态 | 机器学习 | NA | 高通量组学数据分析 | 深度学习 | 组学数据 | NA |
| 718 | 2025-06-15 |
Improving lung cancer diagnosis and survival prediction with deep learning and CT imaging
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0323174
PMID:40498724
|
研究论文 | 该论文提出了一种结合深度学习和CT影像的方法，用于改善肺癌的诊断和生存预测 | 使用卷积神经网络建模肺癌风险与肺部形态之间的非线性关系，并提出了结合小批量损失和二元交叉熵的方法来预测肺癌发生和死亡风险 | 未提及具体的数据集局限性或模型泛化能力问题 | 提高肺癌的诊断准确性和生存预测效果 | 肺癌患者 | 计算机视觉 | 肺癌 | CT成像 | 3D CNN | 医学影像 | 国家肺癌筛查试验数据集 |
| 719 | 2025-06-15 |
An ensemble-based 3D residual network for the classification of Alzheimer's disease
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324520
PMID:40498744
|
研究论文 | 本研究提出了一种基于深度学习的集成方法，用于阿尔茨海默病的分类 | 采用加权概率的集成方法整合3D残差网络的结果，并引入CBAM注意力机制增强模型性能 | 数据量有限，需通过数据增强技术来提升准确率 | 早期诊断轻度认知障碍（MCI）以延缓阿尔茨海默病（AD）的进展 | 阿尔茨海默病（AD）及其前驱阶段轻度认知障碍（MCI）患者 | 数字病理学 | 老年病 | 深度学习 | 3D ResNet-18, 3D ResNet-34, 3D ResNet-50 | 图像 | NA |
| 720 | 2025-06-15 |
In-depth exploration of software defects and self-admitted technical debt through cutting-edge deep learning techniques
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324847
PMID:40498858
|
研究论文 | 提出了一种利用深度学习技术同时识别和分类自承认技术债务（SATD）及软件缺陷的创新方法 | 首次结合深度学习技术同时处理SATD和软件缺陷的识别与分类，并采用Transformer模型如GPT-3提升性能 | 未明确提及模型在小规模或特定领域软件项目中的泛化能力 | 提升软件质量评估与维护的全面性，优化技术债务与缺陷的认知及维护资源分配 | 软件注释中的自承认技术债务（SATD）及相关缺陷 | 自然语言处理 | NA | 深度学习架构（LSTM, BI-LSTM, GRU, BI-GRU）及Transformer模型（BERT, GPT-3） | LSTM, GRU, BERT, GPT-3 | 文本（软件注释） | 来自Apache、Mozilla Firefox和Eclipse等仓库的多样化项目数据，含SATD示例和缺陷实例 |