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 7381 - 7400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7381 | 2025-10-06 |
Non-Invasive Tumor Budding Evaluation and Correlation with Treatment Response in Bladder Cancer: A Multi-Center Cohort Study
2025-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202416161
PMID:40391846
|
研究论文 | 本研究开发了一种基于CT图像的深度学习模型，用于无创评估膀胱癌肿瘤出芽状态及其与新辅助化疗免疫治疗反应和预后的相关性 | 首次利用深度学习模型从CT图像中无创评估肿瘤出芽状态，并验证其与治疗反应和预后的关联 | 研究为回顾性多中心队列研究，需要前瞻性研究进一步验证 | 探索膀胱癌肿瘤出芽状态与新辅助化疗免疫治疗反应及疾病预后的相关性 | 2322例经病理确诊的膀胱癌患者 | 数字病理 | 膀胱癌 | CT成像 | 深度学习模型 | CT图像 | 2322例膀胱癌患者（2014年1月1日至2023年12月31日期间收集） | NA | NA | AUC | NA |
| 7382 | 2025-10-06 |
SubgroupTE: Advancing Treatment Effect Estimation with Subgroup Identification
2025-Jun, ACM transactions on intelligent systems and technology
IF:7.2Q1
DOI:10.1145/3718097
PMID:40575765
|
研究论文 | 提出一种结合亚组识别的治疗效应估计模型SubgroupTE，通过考虑亚组特异性治疗效应提高估计精度 | 在治疗效应估计中引入亚组识别，考虑不同亚组的异质性治疗反应，并提出基于期望最大化算法的训练过程 | 未明确说明模型在更广泛真实世界数据集上的泛化能力 | 提高治疗效应估计的精确度并增强针对性治疗推荐能力 | 阿片类药物使用障碍患者群体 | 机器学习 | 阿片类药物使用障碍 | 深度学习，期望最大化算法 | 深度学习模型 | 合成数据集，半合成数据集，真实世界数据 | NA | NA | 亚组识别网络，估计网络 | 治疗效应估计精度，亚组识别效果 | NA |
| 7383 | 2025-10-06 |
IECata: interpretable bilinear attention network and evidential deep learning improve the catalytic efficiency prediction of enzymes
2025-May-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbaf283
PMID:40548541
|
研究论文 | 提出IECata模型用于酶催化效率预测，提供不确定性估计和可解释性分析 | 结合证据深度学习和双线性注意力机制，提供预测不确定性估计和关键残基与底物原子的可解释分析 | kcat/Km数据集规模有限，可能影响深度学习模型性能 | 提高酶催化效率预测的准确性和可靠性 | 酶催化效率(kcat/Km) | 机器学习 | NA | 深度学习 | 神经网络 | 酶催化效率数据 | 11,815个kcat/Km条目（训练集）+ 806个条目（域外测试集） | NA | 双线性注意力网络 | 预测性能比较 | NA |
| 7384 | 2025-10-06 |
2D Hole-Arrayed Double-Anode Structure Exciting Surface Plasmon Polaritons for Enhancing Outcoupling Efficiency of Organic Light-Emitting Diodes on Silicon Wafers (OLEDoS)
2025-Apr-29, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c10366
PMID:40321593
|
研究论文 | 本研究提出一种二维孔阵列双阳极结构，通过激发表面等离子体激子来增强硅基有机发光二极管的出光效率 | 首次采用二维孔阵列双阳极结构激发表面等离子体激子，并建立机器学习模型预测结构参数与出光增强因子的关系 | 研究主要基于仿真分析，需要进一步实验验证实际性能 | 提高有机发光二极管在硅基板上的出光效率 | 有机发光二极管（OLED）器件结构 | 光电器件 | NA | 有限时域差分法（FDTD） | 线性回归,XGB Regressor,MLP | 仿真数据 | NA | Scikit-learn | 多层感知机（MLP） | 平均绝对误差（MAE） | NA |
| 7385 | 2025-10-06 |
Comparison of the impact of rectal susceptibility artifacts in prostate magnetic resonance imaging on subjective evaluation and deep learning: a two-center retrospective study
2025-Feb-25, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-025-01602-7
PMID:40000986
|
研究论文 | 比较直肠磁敏感伪影对前列腺癌MRI主观评估和深度学习方法诊断性能的影响 | 首次系统比较直肠伪影对放射科医师主观评估和深度学习模型在前列腺癌诊断中影响的差异 | 回顾性研究设计，仅纳入两个中心的患者数据 | 评估直肠磁敏感伪影对前列腺癌MRI诊断准确性的影响 | 1052名临床疑似前列腺癌并接受MRI和活检的患者 | 医学影像分析 | 前列腺癌 | 磁共振成像 | 深度学习 | 医学影像 | 1052名患者 | NA | NA | AUC | NA |
| 7386 | 2025-10-06 |
Artificial intelligence assessment of tissue-dissection efficiency in laparoscopic colorectal surgery
2025-Feb-22, Langenbeck's archives of surgery
DOI:10.1007/s00423-025-03641-8
PMID:39984705
|
研究论文 | 本研究开发了一种基于深度学习的自动评估系统，用于评估腹腔镜结直肠手术中组织解剖效率 | 首次使用深度学习技术自动识别手术器械和组织解剖状态，实现手术技能评估的客观量化 | 回顾性研究，依赖手术视频质量，模型性能可能受限于训练数据 | 验证基于深度学习的手术技能自动评估方法的可行性 | 腹腔镜结直肠手术中的组织解剖过程 | 计算机视觉 | 结直肠癌 | 深度学习计算机视觉技术 | CNN | 手术视频 | 来自日本766例腹腔镜结直肠手术病例 | NA | NA | 准确率, 相关系数, P值 | NA |
| 7387 | 2025-10-06 |
Cer-ConvN3Unet: an end-to-end multi-parametric MRI-based pipeline for automated detection and segmentation of cervical cancer
2025-Feb-18, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-025-00557-2
PMID:39966210
|
研究论文 | 开发并验证了一种基于多参数MRI的端到端自动化宫颈癌检测与分割流程 | 提出创新的两阶段流程，结合ConvNeXt模块的多参数检测和3通道DoubleU-Nets分割 | 回顾性多中心研究，样本量相对有限（125例患者） | 开发自动化宫颈癌检测与分割方法，减轻医生工作负担 | 宫颈癌患者的多参数MRI图像 | 数字病理 | 宫颈癌 | 多参数磁共振成像（DWI、T2WI、CE-T1WI） | CNN | 医学图像 | 125例宫颈癌患者，14,547张二维图像 | NA | ConvNeXt, DoubleU-Net | 准确率, 精确率, 召回率, κ系数, F1分数, Dice相似系数, Jaccard值 | NA |
| 7388 | 2025-10-06 |
Artificial intelligence in cancer pathology: Applications, challenges, and future directions
2025, CytoJournal
IF:2.5Q2
DOI:10.25259/Cytojournal_272_2024
PMID:40469709
|
综述 | 本文综述了人工智能在癌症病理学中的应用现状、挑战与未来发展方向 | 系统梳理了AI在多种癌症病理中的综合应用，并前瞻性地探讨了解释性AI和实时诊断等未来方向 | 作为综述文章，未涉及具体实验验证和原始数据 | 探讨人工智能技术在癌症病理学领域的应用潜力与发展前景 | 乳腺癌、肺癌、前列腺癌和结直肠癌等多种癌症类型 | 数字病理学 | 癌症 | 机器学习，深度学习，计算机视觉 | NA | 组织病理学图像，多模态数据 | NA | NA | NA | NA | NA |
| 7389 | 2025-10-06 |
BIDSAlign: a library for automatic merging and preprocessing of multiple EEG repositories
2024-08-20, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad6a8c
PMID:39094617
|
研究论文 | 介绍了一个名为BIDSAlign的标准化库，用于自动合并和预处理多个EEG数据集 | 开发了能够同时处理BIDS和非BIDS格式EEG数据集的标准化库，提供统一的数据处理流程和可视化功能 | NA | 解决数据驱动的脑电图数据分析中的挑战，为深度学习架构提供有效的训练数据 | 多源异构EEG数据集 | 生物医学工程 | 神经系统疾病 | 脑电图(EEG) | NA | EEG信号数据 | NA | NA | NA | NA | NA |
| 7390 | 2025-10-06 |
Wasserstein generative adversarial network with gradient penalty and convolutional neural network based motor imagery EEG classification
2024-08-14, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad6cf5
PMID:39116892
|
研究论文 | 提出一种结合Wasserstein生成对抗网络与卷积神经网络的运动想象脑电信号分类方法 | 采用带梯度惩罚的Wasserstein生成对抗网络进行数据增强，并设计简洁高效的深度学习分类模型 | NA | 提高运动想象脑电信号的解码性能 | 运动想象脑电信号 | 机器学习 | NA | 连续小波变换 | GAN, CNN | 时频图 | BCI Competition IV 2a和2b数据集及实际采集数据集 | NA | Wasserstein GAN with gradient penalty, CNN | 准确率, Kappa值 | NA |
| 7391 | 2025-10-06 |
MRGazer: decoding eye gaze points from functional magnetic resonance imaging in individual space
2024-08-13, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad6185
PMID:38986464
|
研究论文 | 提出一种名为MRGazer的深度学习框架，直接从个体空间的功能磁共振成像数据预测眼球注视点 | 跳过fMRI共配准步骤，在个体空间中直接处理数据，简化处理流程并实现端到端的眼球注视回归 | NA | 从功能磁共振成像数据解码眼球注视点 | 眼球运动和注视点 | 医学影像分析 | NA | 功能磁共振成像 | 残差网络 | 功能磁共振成像数据 | NA | NA | 残差网络 | 欧几里得误差 | NA |
| 7392 | 2025-10-06 |
Toward calibration-free motor imagery brain-computer interfaces: a VGG-based convolutional neural network and WGAN approach
2024-07-31, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad6598
PMID:39029497
|
研究论文 | 提出一种基于VGG卷积神经网络和Wasserstein生成对抗网络的免校准运动想象脑机接口方法 | 使用WGAN生成合成频谱图像进行数据增强，结合改进的VGG-CNN分类器，实现无需目标对象校准数据的跨被试分类 | 仅使用公开基准数据集进行验证，未在实际应用场景中测试 | 开发免校准的运动想象脑机接口系统，提高跨被试分类性能 | 运动想象脑机接口的脑电信号分类 | 脑机接口 | NA | 脑电图信号处理 | CNN, GAN | 脑电频谱图像 | BCI competition IV-2B、IV-2A和IV-1基准数据集 | NA | VGG, WGAN | 跨被试分类准确率 | NA |
| 7393 | 2025-10-06 |
SQI-DOANet: electroencephalogram-based deep neural network for estimating signal quality index and depth of anaesthesia
2024-07-30, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad6592
PMID:39029477
|
研究论文 | 提出一种基于脑电图的深度神经网络SQI-DOANet，用于评估信号质量指数和麻醉深度 | 首次将信号质量评估网络与麻醉深度估计网络结合，采用双注意力模块融合多通道多尺度信息，并引入门控多层感知机提取时序信息 | NA | 开发能够准确估计脑电图信号噪声并可靠评估麻醉深度的深度学习模型 | 手术中的脑电图信号 | 机器学习 | 麻醉监测 | 脑电图 | CNN, 注意力机制, 多层感知机 | 脑电图信号 | 大型VitalDB数据库 | NA | 浅层卷积神经网络, 双注意力模块, 门控多层感知机 | 皮尔逊相关系数, 平均绝对误差 | NA |
| 7394 | 2025-10-06 |
Neural activity shaping in visual prostheses with deep learning
2024-07-25, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad6186
PMID:38986450
|
研究论文 | 提出一种基于人工神经网络的神经活动塑形方法，用于改善视网膜假体的视觉感知效果 | 首次使用模型无关的深度学习方法实现神经活动塑形，不依赖特定视网膜模型假设 | 目前仅在视网膜响应模拟模型上进行验证，尚未进行真实人体实验 | 提高视网膜假体的空间分辨率和视觉感知质量 | 视网膜假体使用者的神经激活模式 | 计算机视觉 | 视网膜疾病 | 人工神经网络, 多极刺激 | ANN | 自然图像, 神经响应数据 | NA | NA | 测量预测网络, 刺激生成网络 | 视网膜激活锐度, 计算效率 | 比传统方法计算效率提高三个数量级 |
| 7395 | 2025-10-06 |
Retrieving and reconstructing conceptually similar images from fMRI with latent diffusion models and a neuro-inspired brain decoding model
2024-06-28, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad593c
PMID:38885689
|
研究论文 | 提出一种基于语义和上下文相似性的脑解码新方法，通过fMRI数据检索和生成概念相似的图像 | 结合神经启发的脑解码模型和潜在扩散模型，将fMRI活动线性映射到神经网络潜在空间进行图像检索和生成 | 依赖于预训练神经网络和线性映射假设，可能无法完全捕捉大脑活动的复杂性 | 开发基于语义相似性的脑解码方法，从fMRI数据重建视觉刺激 | 人类大脑对自然图像刺激的fMRI响应 | 计算神经科学 | NA | 功能磁共振成像(fMRI) | 潜在扩散模型,深度学习 | fMRI数据,图像 | 三个fMRI数据集：Generic Object Decoding、BOLD5000和NSD | NA | 预训练神经网络,潜在扩散模型 | 定量指标,人工评估实验,正确率超过80% | NA |
| 7396 | 2025-10-06 |
Using Deep learning to Predict Cardiovascular Magnetic Resonance Findings from Echocardiography Videos
2024-Apr-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.04.16.24305936
PMID:38699330
|
研究论文 | 本研究使用深度学习技术从超声心动图视频预测心脏磁共振成像结果 | 首次尝试使用基于视频的卷积神经网络从超声心动图视频中预测CMR组织特征 | 回顾性单中心研究，模型对LGE、T1、T2和ECV等组织特征的预测能力有限 | 探索深度学习是否能从超声心动图视频中预测心脏磁共振成像的组织特征 | 接受心脏磁共振和超声心动图检查的成年患者 | 计算机视觉 | 心血管疾病 | 超声心动图，心脏磁共振成像 | CNN | 视频 | 1,453名患者，2,556对配对检查 | NA | 基于视频的卷积神经网络 | AUC | NA |
| 7397 | 2025-10-06 |
Saturation transfer MR fingerprinting for magnetization transfer contrast and chemical exchange saturation transfer quantification
2025-Sep, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30532
PMID:40228056
|
研究论文 | 本研究开发了一种基于深度学习的饱和转移MR指纹成像技术，用于快速准确量化组织参数 | 提出结合生物物理模型驱动的深度学习方法和Bloch-McConnell模拟器的饱和转移MR指纹成像框架 | NA | 开发能够同时量化水、磁化转移对比度、酰胺质子转移参数和B0场不均匀性的快速MR成像技术 | 数值模体和健康人脑组织 | 医学影像分析 | NA | 饱和转移MR指纹成像，磁共振成像 | 深度学习，神经网络 | MR指纹信号，磁共振图像 | 数值模体和健康人脑数据，图像尺寸256×256×9×103 | NA | NA | 归一化均方根误差，均方根误差 | NA |
| 7398 | 2025-10-06 |
Quantitative susceptibility mapping in magnetically inhomogeneous tissues
2025-Sep, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30537
PMID:40312865
|
研究论文 | 本研究开发了一种名为DEEPOLE的深度学习定量磁化率成像方法，通过整合宏观非偶极拉莫尔频移来提高磁化率图的质量和准确性 | 首次将宏观非偶极拉莫尔频移整合到深度学习QSM框架中，突破了传统方法假设组织各向同性和均匀性的限制 | 方法验证主要基于合成数字脑模型和有限的人脑数据，需要进一步在更广泛的实际临床场景中验证 | 开发能够更准确估计生物组织磁化率的改进型定量磁化率成像方法 | 数字脑模型（含/不含微观结构效应）和活体人脑数据 | 医学影像分析 | 神经退行性疾病，脱髓鞘疾病 | 定量磁化率成像（QSM），磁共振成像 | CNN | 磁共振图像 | NA | NA | 深度卷积神经网络 | 磁化率估计准确性，伪影减少程度，解剖一致性 | NA |
| 7399 | 2025-10-06 |
Groupwise image registration with edge-based loss for low-SNR cardiac MRI
2025-Sep, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30486
PMID:40353517
|
研究论文 | 提出一种基于深度学习的低信噪比心脏MRI图像配准方法AiM-ED，通过边缘检测损失函数实现多图像联合配准和平均 | 提出联合处理多个源图像的快速深度学习方法，并利用预训练的噪声鲁棒边缘检测器定义训练损失 | 研究样本量相对有限（健康受试者24个切片，患者11个切片） | 解决自由呼吸单次激发心脏图像的低信噪比问题，提高图像配准和平均质量 | 心脏MRI图像，包括合成LGE图像、健康受试者和患者的自由呼吸单次激发LGE图像 | 计算机视觉 | 心血管疾病 | 心脏MRI，单次激发成像，晚期钆增强(LGE) | 深度学习 | 医学图像 | 健康受试者24个切片，患者11个切片（5+6），合成MRXCAT体模数据 | NA | VoxelMorph | 恢复信噪比，三个感知图像质量指标 | NA |
| 7400 | 2025-10-06 |
Attention-based hybrid deep learning model with CSFOA optimization and G-TverskyUNet3+ for Arabic sign language recognition
2025-Jun-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03560-0
PMID:40571695
|
研究论文 | 提出一种基于注意力机制的混合深度学习模型DeepArabianSignNet，用于阿拉伯手语识别 | 结合DenseNet、EfficientNet和注意力机制深度残差网络，采用新型G-TverskyUNet3+进行感兴趣区域检测，并使用CSFOA元启发式算法进行特征优化 | NA | 提高阿拉伯手语识别的准确率和特征提取能力 | 阿拉伯手语图像 | 计算机视觉 | NA | 图像处理 | CNN, 注意力机制 | 图像 | 两个数据库，训练数据比例分别为70%和80% | NA | DenseNet, EfficientNet, Deep ResNet, G-TverskyUNet3+ | 准确率 | NA |