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 7541 - 7560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7541 | 2025-10-06 |
Development and validation of a combined clinical and MRI-based biomarker model to differentiate mild cognitive impairment from mild Alzheimer's disease
2025-Jun, PCN reports : psychiatry and clinical neurosciences
DOI:10.1002/pcn5.70134
PMID:40575445
|
研究论文 | 开发并验证结合临床和MRI生物标志物的模型，用于区分轻度认知障碍和轻度阿尔茨海默病 | 首次结合临床特征和易于测量的神经影像标记构建诊断模型，无需复杂深度学习即可实现高精度区分 | 样本量有限（161名参与者）且仅进行内部验证，缺乏外部验证 | 开发能够区分轻度阿尔茨海默病和轻度认知障碍的诊断模型 | 阿尔茨海默病患者、轻度认知障碍患者和健康对照者 | 医学影像分析 | 阿尔茨海默病 | MRI神经影像分析 | 逻辑回归 | 临床数据和MRI影像数据 | 161名参与者（30名对照，71名轻度AD，60名MCI） | NA | 逻辑回归 | AUC, 校准曲线, 决策曲线分析 | NA |
| 7542 | 2025-10-06 |
UK-YOLOv10: Deep Learning-Based Detection of Surgical Instruments
2025-Jun, The international journal of medical robotics + computer assisted surgery : MRCAS
DOI:10.1002/rcs.70083
PMID:40576152
|
研究论文 | 提出UK-YOLOv10深度学习框架用于手术器械检测 | 集成统一融合注意力模块(UFAM)增强多尺度特征表示，并使用C2fKAN模块通过KAN卷积提高分类精度和训练速度 | NA | 提高手术器械检测的准确性和实时性能 | 手术器械 | 计算机视觉 | NA | 深度学习 | YOLO | 图像 | M2CAI16-Tool-Locations数据集和COCO2017数据集 | NA | UK-YOLOv10, YOLOv10 | 检测准确率, mAP@0.5, mAP@0.5:0.95 | NA |
| 7543 | 2025-10-06 |
Improving computer vision for plant pathology through advanced training techniques
2025 May-Jun, Applications in plant sciences
IF:2.7Q2
DOI:10.1002/aps3.70010
PMID:40575549
|
研究论文 | 本研究通过先进训练技术提升卷积神经网络在可可树病害检测中的性能 | 提出动态焦点损失函数，采用半监督学习和非可可类别增强模型鲁棒性，创建高质量可可树病害基准数据集 | 未明确说明模型在其他作物病害上的泛化能力，数据集规模相对有限 | 改进计算机视觉技术在植物病理学中的应用，提升农作物病害检测性能 | 可可树病害检测 | 计算机视觉 | 植物病害 | 图像分类 | CNN | 图像 | 7220张病害和健康可可树图像 | NA | ResNet18, PhytNet | 准确性，鲁棒性，计算效率 | NA |
| 7544 | 2025-10-06 |
Annotation of spatially resolved single-cell data with STELLAR
2022-11, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-022-01651-8
PMID:36280720
|
研究论文 | 本文提出了一种名为STELLAR的几何深度学习方法，用于空间分辨单细胞数据的细胞类型注释和发现 | STELLAR是首个专门为空间分辨单细胞数据设计的几何深度学习方法，能够考虑空间组织信息，自动发现新型细胞类型和细胞状态 | NA | 开发能够准确注释空间分辨单细胞数据中细胞类型的新计算方法 | 空间分辨单细胞数据 | 计算生物学 | NA | CODEX多重荧光显微镜技术，多重RNA成像 | 几何深度学习 | 空间分辨单细胞数据，显微镜图像，RNA成像数据 | 260万个空间分辨单细胞 | NA | NA | NA | NA |
| 7545 | 2025-10-06 |
Insights on Scan-Specific Deep-Learning Strategies for Brain MRI Parallel Imaging Reconstruction
2025-Aug, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.70079
PMID:40545734
|
研究论文 | 本研究提出针对脑部MRI并行成像重建的扫描特异性深度学习策略优化方法 | 提出基于ACS的客观网格搜索优化策略和量化结构残留伪影的新指标COBRAI | 仅评估了2D脑部MRI数据，未涉及3D或其他解剖部位 | 优化并行成像重建的扫描特异性深度学习策略 | 脑部MRI图像 | 医学影像处理 | NA | 并行成像，深度学习重建 | CNN | MRI图像 | FastMRI公共数据集和内部多对比度2D数据 | NA | 单层残差CNN, 三层残差CNN | COBRAI, 图像质量指标 | NA |
| 7546 | 2025-10-06 |
Oral mucosal lesions triage via YOLOv7 models
2025-Jul, Journal of the Formosan Medical Association = Taiwan yi zhi
DOI:10.1016/j.jfma.2024.07.010
PMID:39003230
|
研究论文 | 本研究利用YOLOv7深度学习模型对口腔黏膜病变进行自动分类和分诊 | 首次系统比较多种YOLOv7模型配置在口腔病变分类中的表现，并在YOLOv7-D6模型中集成坐标注意力机制显著提升分类准确率 | NA | 提升口腔黏膜病变的早期检测和分类能力 | 口腔黏膜病变图像 | 计算机视觉 | 口腔癌 | 白光宏观成像 | YOLO | 图像 | 初始6903张图像，扩展至超过50000张图像（采集于2006-2013年） | NA | YOLOv7-E6, YOLOv7-D6, YOLOv7-D6-CA | 精确率, 召回率, F1分数 | NA |
| 7547 | 2025-10-06 |
Fostering Clinical Judgment and Promoting Transition Into First Clinical Rotation Through Active Learning
2025 Jul-Aug 01, Nursing education perspectives
IF:0.9Q3
DOI:10.1097/01.NEP.0000000000001293
PMID:38920415
|
研究论文 | 本文介绍了一种通过互动课堂活动帮助护理专业学生发展临床判断能力并促进向首次临床轮转过渡的教学方法 | 采用新颖的互动课堂活动设计，帮助学生将课堂知识应用于临床场景，促进学习迁移和临床判断能力发展 | NA | 提升护理学生的批判性思维能力和临床判断能力，促进从课堂到临床环境的顺利过渡 | 护理学士项目第一学期课程结束的学生 | 医学教育 | NA | 互动课堂活动，患者情景模拟 | NA | NA | NA | NA | NA | NA | NA |
| 7548 | 2025-10-06 |
The Central Role of Learning in Preventing Foot Complications in Persons With Diabetes: A Scoping Review
2025-Jul, Journal of clinical nursing
IF:3.2Q1
DOI:10.1111/jocn.17678
PMID:40001301
|
综述 | 通过范围综述探讨糖尿病患者足部护理的学习过程和教育策略 | 首次系统整合糖尿病患者足部护理的学习策略，提出理解患者学习进程和自主管理的框架 | 仅纳入英文文献，可能遗漏其他语言的重要研究 | 探索糖尿病患者足部护理的学习过程和教育策略 | 糖尿病患者足部护理相关文献 | 医学教育 | 糖尿病 | 范围综述方法 | NA | 文献数据 | 906篇文献经过筛选 | NA | NA | NA | NA |
| 7549 | 2025-10-06 |
Breast tumour classification in DCE-MRI via cross-attention and discriminant correlation analysis enhanced feature fusion
2025-Jul, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2025.106941
PMID:40403340
|
研究论文 | 提出一种基于判别相关分析和交叉注意力增强特征融合的DCE-MRI乳腺肿瘤分类方法 | 提出eFF-DCA融合方法，结合深度特征与交叉注意力编码的影像组学特征，通过判别相关分析最大化类内相关性并最小化类间冗余 | 非端到端设计限制了多模态融合效果 | 开发基于DCE-MRI的乳腺肿瘤良恶性分类方法 | 乳腺肿瘤患者 | 计算机视觉 | 乳腺癌 | 动态对比增强磁共振成像(DCE-MRI) | 深度学习 | 医学影像 | 261名患者，包含137个良性肿瘤和163个恶性肿瘤 | NA | 交叉注意力机制 | 准确率, AUC | NA |
| 7550 | 2025-10-06 |
Graph Transformer Model Integrating Physical Features for Projected Electronic Density of States Prediction
2025-Jun-26, The journal of physical chemistry. A
DOI:10.1021/acs.jpca.5c03006
PMID:40500907
|
研究论文 | 本研究提出一种集成物理特征的图变换器模型，用于预测材料的投影电子态密度 | 首次将图变换器应用于PDOS预测，并通过引入价电子轨道计数作为物理特征增强模型性能 | 仅使用Materials Project数据库的数据，未在其他数据集上验证模型泛化能力 | 提高材料投影电子态密度的预测精度 | 材料的投影电子态密度数据 | 机器学习 | NA | NA | Graph Transformer, GCN, GAT | 图数据 | Materials Project数据库中的PDOS数据 | NA | Graph Transformer | 预测准确率 | NA |
| 7551 | 2025-10-06 |
LumiCharge: Spherical Harmonic Convolutional Networks for Atomic Charge Prediction in Drug Discovery
2025-Jun-26, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.5c01025
PMID:40521781
|
研究论文 | 提出一种用于药物发现中原子电荷预测的新型球形谐波卷积网络框架LumiCharge | 首次将高阶球形谐波卷积与多体相互作用显式建模相结合，增强了几何空间感知能力 | 未明确说明模型的计算效率与量子力学方法的对比 | 开发高精度且可推广的原子电荷预测方法以支持药物设计 | 分子结构中的原子电荷 | 机器学习 | NA | 球形谐波卷积 | CNN | 分子结构数据 | NA | NA | 球形谐波卷积网络 | RMSE | NA |
| 7552 | 2025-10-06 |
Research on automatic assessment of the severity of unilateral vocal cord paralysis based on Mel-spectrogram and convolutional neural networks
2025-Jun-21, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-025-01401-9
PMID:40544236
|
研究论文 | 基于梅尔频谱图和卷积神经网络开发自动评估单侧声带麻痹严重程度的AI平台 | 首次将梅尔频谱图及其一阶和二阶微分特征结合TripleConvNet模型用于单侧声带麻痹严重程度的自动分级 | 样本量相对有限（423个样本），准确率为74.3%仍有提升空间 | 开发基于AI的单侧声带麻痹严重程度自动评估方法 | 131名健康个体和292名单侧声带麻痹患者 | 医学人工智能 | 单侧声带麻痹 | 语音分析，梅尔频谱图分析 | CNN | 语音信号，梅尔频谱图 | 423个语音样本（131健康+292患者） | NA | TripleConvNet | 准确率 | NA |
| 7553 | 2025-10-06 |
Comparing point counts, passive acoustic monitoring, citizen science and machine learning for bird species monitoring in the Mount Kenya ecosystem
2025-Jun-12, Philosophical transactions of the Royal Society of London. Series B, Biological sciences
DOI:10.1098/rstb.2024.0057
PMID:40501133
|
研究论文 | 比较传统鸟类调查点计数法、被动声学监测、公民科学和机器学习在肯尼亚山生态系统鸟类监测中的效果 | 首次在肯尼亚山生态系统比较四种鸟类监测方法，并提供了专家标注的20多小时录音数据集 | 即使使用多种方法仍未能检测到肯尼亚山生态系统中已知的稀有物种 | 评估不同鸟类监测方法在生态系统保护中的有效性 | 肯尼亚山生态系统中的鸟类物种 | 生态监测 | NA | 被动声学监测,点计数法,公民科学 | 深度学习模型 | 音频录音 | 肯尼亚山生态系统两个地点的20多小时录音数据 | NA | 大型深度学习模型 | 物种相对丰度比较,物种列表完整性 | NA |
| 7554 | 2025-06-05 |
Geometric Deep Learning for Multimodal Data in CKD
2025-Jun-03, Journal of the American Society of Nephrology : JASN
IF:10.3Q1
DOI:10.1681/ASN.0000000778
PMID:40459949
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7555 | 2025-10-06 |
Proteasome-derived antimicrobial peptides discovered via deep learning
2025-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2025.03.17.643752
PMID:40501667
|
研究论文 | 通过深度学习从蛋白酶体中挖掘新型抗菌肽 | 首次系统挖掘蛋白酶体来源的抗菌肽（proteasomins），发现其序列特征与已知抗菌肽显著不同 | 研究主要基于计算预测，实验验证尚不充分 | 探索蛋白酶体在先天免疫中的新功能并开发新型抗菌药物 | 蛋白酶体来源的抗菌肽 | 生物信息学 | 细菌感染 | 深度学习 | 深度学习模型 | 蛋白质序列数据 | ProteasomeDB数据库中的蛋白酶体切割和剪接事件 | NA | NA | 最小抑菌浓度（MIC） | NA |
| 7556 | 2025-10-06 |
Challenges for Opticians in Evaluating Small Pigmented Choroidal Lesions: Potential Support From the MelAInoma Deep Learning Algorithm
2025-Jun-02, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.14.6.29
PMID:40548640
|
研究论文 | 评估验光师对小色素性脉络膜病变的诊断准确性，并探讨MelAInoma深度学习算法对转诊决策的改善效果 | 首次将MelAInoma深度学习算法应用于验光师对脉络膜病变的临床决策支持，显著改善了转诊特异性 | 基于小规模图像集（仅包含5个黑色素瘤），限制了结果的普适性 | 评估验光师对小色素性脉络膜病变的诊断准确性，并验证深度学习算法的辅助价值 | 29名瑞典验光师和25张眼底照片（5个黑色素瘤，20个痣） | 数字病理 | 眼黑色素瘤 | 眼底摄影 | 深度学习算法 | 图像 | 25张眼底照片（5个黑色素瘤，20个痣），29名验光师参与评估 | NA | MelAInoma | 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, 标准差, 决策曲线净收益 | NA |
| 7557 | 2024-08-21 |
Enhancing dental interns' proficiency in operating electronic facebows through scenario-training-based deep learning method
2025-Jun, Journal of dental education
IF:1.4Q3
DOI:10.1002/jdd.13696
PMID:39160763
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7558 | 2025-10-06 |
Quantification and classification of lumbar disc herniation on axial magnetic resonance images using deep learning models
2025-Jun, La Radiologia medica
DOI:10.1007/s11547-025-01996-y
PMID:40126796
|
研究论文 | 开发基于深度学习的自动化系统用于腰椎间盘突出症的量化分析和分类 | 首次将YOLOv8系列模型（目标检测、分割和关键点检测）集成应用于腰椎间盘突出症的自动诊断，实现了对LDH区域、严重程度和类型的多维度分类 | 研究为回顾性分析，需要在前瞻性研究中进一步验证模型性能 | 开发快速准确的腰椎间盘突出症自动量化与分类系统 | 腰椎间盘突出症患者的轴向T2加权MRI图像 | 计算机视觉 | 腰椎间盘突出症 | 磁共振成像（MRI） | YOLOv8 | 医学图像 | 2500名患者（训练集2120患者/25554图像，内部测试集80患者/784图像，外部测试集300患者/3285图像） | NA | YOLOv8-object detection, YOLOv8-seg, YOLOv8-pose | IoU, mAP50:95, 平均误差, 精确率, F1分数, Kappa系数, 95%置信区间 | NA |
| 7559 | 2025-10-06 |
Integrative deep learning and radiomics analysis for ovarian tumor classification and diagnosis: a multicenter large-sample comparative study
2025-Jun, La Radiologia medica
DOI:10.1007/s11547-025-02006-x
PMID:40167932
|
研究论文 | 本研究通过整合深度学习与影像组学分析，开发了卵巢肿瘤分类诊断的联合模型 | 首次将卷积神经网络与影像组学特征相结合用于卵巢肿瘤良恶性鉴别，并在多中心大样本研究中验证其优越性 | 回顾性研究设计，可能存在选择偏倚 | 评估经阴道超声影像组学与深度学习模型结合在卵巢肿瘤良恶性鉴别中的有效性 | 卵巢肿瘤患者 | 计算机视觉 | 卵巢肿瘤 | 经阴道超声成像 | CNN | 超声图像 | 2078名患者的3193张图像 | NA | 卷积神经网络 | AUC, 敏感性, 特异性 | NA |
| 7560 | 2025-10-06 |
Piezoelectret Textile Dressing for Biosignal Monitored Wound Healing
2025-Jun, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202503130
PMID:40351106
|
研究论文 | 开发了一种新型旋转喷射纺丝纺织压电驻极体材料，用于生物信号监测和伤口愈合应用 | 首次报道了旋转喷射纺丝纺织压电驻极体材料，通过电极化处理将压电输出性能提高了150%电压和200%电流 | NA | 开发兼具优异功能和舒适性的智能纺织传感器，用于生物医学技术应用 | 全有机纺织压电传感器、L929细胞 | 可穿戴技术、生物医学工程 | 伤口愈合 | 旋转喷射纺丝、有限元方法 | 深度学习 | 压力映射数据、生理信号数据 | NA | NA | NA | 准确率98% | NA |