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 7601 - 7620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7601 | 2025-10-06 |
Automatic Detection of B-Lines in Lung Ultrasound Based on the Evaluation of Multiple Characteristic Parameters Using Raw RF Data
2025-Jul, Ultrasonic imaging
IF:2.5Q2
DOI:10.1177/01617346251330111
PMID:40539654
|
研究论文 | 提出一种基于射频信号和多特征参数评估的肺超声B线垂直伪影自动识别方法 | 通过分析扫描线而非完整图像，结合多种特征参数和非线性SVM分类器，显著降低了对大型图像数据集的依赖 | 方法在多种实验条件下进行了验证，但未提及临床验证的规模和多样性 | 开发自动识别肺超声中B线伪影的方法以提高诊断准确性 | 肺超声中的B线区域识别 | 医学影像分析 | 肺部疾病 | 射频信号分析，超声成像 | SVM | 射频信号，超声扫描线 | 包含滴水海绵模型、含玻璃珠或明胶液滴的明胶体模以及体内实验 | NA | 非线性支持向量机 | 准确率，灵敏度，特异性，F1分数 | 处理速度27,000-33,000扫描线/秒，帧率超过100 FPS |
| 7602 | 2025-10-06 |
Predicting Primary Graft Dysfunction in Systemic Sclerosis Lung Transplantation Using Machine-Learning and CT Features
2025-Jul, Clinical transplantation
IF:1.9Q3
DOI:10.1111/ctr.70217
PMID:40552679
|
研究论文 | 本研究利用机器学习和CT影像特征预测系统性硬化症患者肺移植后的原发性移植物功能障碍 | 首次在系统性硬化症肺移植人群中结合深度学习提取的CT特征和多种机器学习算法预测PGD | 样本量相对有限（92例患者），且为单中心回顾性研究 | 预测系统性硬化症患者肺移植后的原发性移功能障碍 | 92例接受双侧肺移植的系统性硬化症患者 | 医学影像分析 | 系统性硬化症 | CT影像分析，深度学习 | 逻辑回归，SVM，随机森林，MLP | CT影像，临床数据 | 92例系统性硬化症肺移植患者 | NA | 多层感知器 | AUROC | NA |
| 7603 | 2025-10-06 |
[A deep learning method for differentiating nasopharyngeal carcinoma and lymphoma based on MRI]
2025-Jul, Lin chuang er bi yan hou tou jing wai ke za zhi = Journal of clinical otorhinolaryngology head and neck surgery
|
研究论文 | 开发基于常规MRI的深度学习模型，用于鼻咽癌和鼻咽淋巴瘤的自动分割与鉴别诊断 | 首次将预训练ResNet101模型应用于鼻咽癌与淋巴瘤的MRI影像鉴别诊断，并采用多序列图像组合策略提升性能 | 回顾性研究，样本量有限（434例），数据来自单一医疗机构 | 建立基于MRI的自动分割和鉴别诊断深度学习模型 | 鼻咽癌和鼻咽淋巴瘤患者 | 医学影像分析 | 头颈部肿瘤 | 常规MRI（T1WI、T2WI、T1CE） | CNN | 医学影像（MRI） | 434例患者（142例淋巴瘤，292例鼻咽癌），其中80例用于分割模型训练 | PyTorch/TensorFlow（基于ImageNet预训练） | ResNet101 | Dice系数，AUC | NA |
| 7604 | 2025-10-06 |
Application Value of Deep Learning-Based AI Model in the Classification of Breast Nodules
2025-Jun-25, British journal of hospital medicine (London, England : 2005)
DOI:10.12968/hmed.2025.0078
PMID:40554435
|
研究论文 | 本研究开发了基于深度学习的AI模型，用于辅助超声医师进行乳腺结节的BI-RADS分类 | 利用卷积神经网络构建AI模型提升乳腺结节分类准确性，并验证其临床辅助诊断价值 | 回顾性研究设计，样本仅来自单一医疗中心 | 评估基于深度学习的AI模型在乳腺结节分类中的临床应用价值 | 558例经病理证实的BI-RADS 3-5类乳腺结节患者 | 计算机视觉 | 乳腺癌 | 超声检查 | CNN | 超声图像 | 558例患者共1026个乳腺结节（765个良性，261个恶性） | NA | 卷积神经网络 | 灵敏度, 特异度, 准确率, ROC曲线, Cohen's加权Kappa系数 | NA |
| 7605 | 2025-06-26 |
Letter by Sacoransky Regarding Article, "Deep Learning-Derived Cardiac Chamber Volumes and Mass From PET/CT Attenuation Scans: Associations With Myocardial Flow Reserve and Heart Failure"
2025-Jun-25, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.125.018652
PMID:40557525
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7606 | 2025-10-06 |
Regional free-water diffusion is more strongly related to neuroinflammation than neurodegeneration
2025-Jun-25, Journal of neurology
IF:4.8Q1
DOI:10.1007/s00415-025-13201-1
PMID:40560468
|
研究论文 | 本研究通过扩散MRI数据分析，发现区域自由水扩散与神经炎症的生物标志物GFAP关联性更强于神经退行性生物标志物NfL | 首次系统比较自由水扩散对神经炎症和神经退行性病变生物标志物的预测能力，提出自由水扩散作为神经炎症非侵入性影像学生物标志物 | 研究样本来自单一队列，需要外部验证；横断面设计无法确定因果关系 | 评估自由水扩散作为神经炎症非侵入性生物标志物的有效性 | 367名神经退行性疾病患者（阿尔茨海默病/轻度认知障碍、额颞叶痴呆、肌萎缩侧索硬化、帕金森病、血管性认知障碍） | 医学影像分析 | 神经退行性疾病 | 扩散MRI，血浆生物标志物检测 | 深度学习 | 医学影像，生物流体数据 | 367名患者 | NA | NA | 预测性能 | NA |
| 7607 | 2025-10-06 |
Deep learning classification of drug-related problems from pharmaceutical interventions issued by hospital clinical pharmacists during medication prescription review: a large-scale descriptive retrospective study in a French university hospital
2025-Jun-24, European journal of hospital pharmacy : science and practice
IF:1.6Q3
DOI:10.1136/ejhpharm-2024-004139
PMID:39122480
|
研究论文 | 本研究利用深度学习模型对医院临床药师在处方审核中提出的药物相关问题进行自动分类和大规模回顾性分析 | 开发了新的深度神经网络分类器来自动识别药物相关问题，并在法国大学医院进行了为期3年的大规模回顾性分析 | 研究为回顾性设计，数据来源于单一医院系统 | 利用深度学习技术自动分类药物相关问题并分析其分布特征 | 医院临床药师在处方审核中提出的药物干预措施 | 自然语言处理 | NA | 深度学习 | 深度神经网络 | 文本数据（药物干预记录） | 2,930,656条处方记录，涉及119,689名患者，其中48,202名患者（40.2%）发生了153,335次药物干预 | Python 3.8, Keras | 深度神经网络 | NA | NA |
| 7608 | 2025-10-06 |
High-Precision Intelligent Diagnosis of Pancreatic Cancer: Flowing Diffuseness from Single to Whole
2025-Jun-24, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c00465
PMID:40296678
|
研究论文 | 提出一种基于线扫描拉曼光谱和深度学习的智能诊断方法LRSHA，用于快速准确的胰腺癌组织诊断 | 首次将线扫描技术用于拉曼光谱快速采集，并通过谱循环图变换将1D光谱转为2D编码图，结合邻域增强方法显著提升诊断准确率 | NA | 开发快速高效的胰腺癌组织智能诊断方法 | 胰腺癌组织样本 | 医学影像分析 | 胰腺癌 | 拉曼光谱，线扫描技术 | 深度学习 | 光谱数据，图像数据 | NA | NA | NA | 准确率 | NA |
| 7609 | 2025-10-06 |
Ultrasound Displacement Tracking Techniques for Post-Stroke Myofascial Shear Strain Quantification
2025-Jun-24, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2025.3582275
PMID:40553666
|
研究论文 | 评估四种超声位移跟踪技术在卒中后肌筋膜剪切应变量化中的可靠性 | 提出新的临床假说——卒中患侧（麻痹侧）肩部肌筋膜剪切应变低于健侧，并首次系统比较四种位移估计算法在该假说下的性能 | L1-SOUL-Search算法运行速度较慢，样本量较小（仅10名参与者） | 评估不同超声位移跟踪技术对肌筋膜剪切应变估计可靠性的影响 | 卒中后肌筋膜肩痛的十名研究参与者 | 医学影像分析 | 卒中后遗症 | 超声位移跟踪，T1ρ磁共振成像 | NA | 超声影像，磁共振影像 | 10名卒中后肌筋膜肩痛患者 | NA | NA | 位移梯度均值与方差，边缘清晰度 | NA |
| 7610 | 2025-06-26 |
Author Correction: Detection of cotton crops diseases using customized deep learning model
2025-Jun-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-07853-2
PMID:40555723
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7611 | 2025-10-06 |
Artificial intelligence for predicting the risk of bone fragility fractures in osteoporosis
2025-Jun-24, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-025-00572-3
PMID:40555880
|
研究论文 | 探讨人工智能在预测骨质疏松患者脆性骨折风险中的潜在优势和方法学问题 | 提出人工神经网络可更好识别易发生脆性骨折的骨质疏松患者，并预测未来骨折风险 | 高质量数据集稀缺、AI模型可解释性差、临床工作流程整合不足、预测准确性验证不充分 | 评估AI方法在支持骨质疏松临床决策中的潜力 | 骨质疏松患者群体 | 医疗人工智能 | 骨质疏松 | 人工神经网络 | 深度学习 | 临床和放射学数据 | NA | NA | 人工神经网络 | 预测准确性 | NA |
| 7612 | 2025-10-06 |
Multimodal Deep Learning Based on Ultrasound Images and Clinical Data for Better Ovarian Cancer Diagnosis
2025-Jun-24, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01566-8
PMID:40555943
|
研究论文 | 开发并验证基于超声图像和临床数据的多模态深度学习模型用于卵巢癌诊断 | 首次将2D灰度超声图像与临床数据结合构建多模态深度学习模型，显著提升卵巢癌诊断性能 | 回顾性研究设计，样本量相对有限（1899例患者） | 提高卵巢癌的诊断准确性和一致性 | 附件肿块患者（1899例接受术前超声检查和后续手术的患者） | 计算机视觉 | 卵巢癌 | 超声检查 | 深度学习 | 图像, 临床数据 | 1899例患者（2019-2024年） | NA | 多模态深度学习模型 | ROC曲线, 准确率, F1分数, AUC | NA |
| 7613 | 2025-10-06 |
Artificial Intelligence Powered Real-Time Coronary Stenosis Recognition and Quantification in Angiography
2025-Jun-24, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01578-4
PMID:40555942
|
研究论文 | 开发用于冠状动脉造影中狭窄病变实时自动检测和量化的深度学习系统 | 首个集成血管类型分类、关键帧选择、病变检测、血管分割和定量冠状动脉造影五大核心组件的实时深度学习系统 | 研究数据仅来自两家三级医院，需要更多外部验证 | 开发实时冠状动脉狭窄自动识别和量化系统 | 冠状动脉狭窄病变 | 计算机视觉 | 心血管疾病 | 冠状动脉造影 | 深度学习 | 医学影像 | 502名成年患者的2651张诊断性冠状动脉造影图像 | NA | NA | 准确率,召回率,精确率 | NA |
| 7614 | 2025-10-06 |
Modeling Active-State Conformations of G-Protein-Coupled Receptors Using AlphaFold2 via Template Bias and Explicit Protein Constrains
2025-Jun-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00489
PMID:40440630
|
研究论文 | 本研究探索了使用AlphaFold2通过模板偏置和显式蛋白质约束来建模G蛋白偶联受体的活性态构象 | 扩展了AlphaFold2在蛋白质构象建模中的应用，通过引入模板偏置和显式约束来预测GPCRs的活性态结构 | 在变构效应建模方面存在局限，特别是受体胞外位点的预测准确性降低，可能影响基于结构的药物设计应用 | 评估深度学习方法在G蛋白偶联受体活性态构象建模中的能力和局限性 | G蛋白偶联受体的构象状态，特别是活性态结构 | 机器学习 | NA | 蛋白质结构预测 | 深度学习 | 蛋白质结构数据 | NA | AlphaFold2 | AlphaFold2架构 | 预测准确性 | NA |
| 7615 | 2025-10-06 |
Data Scaling and Generalization Insights for Medicinal Chemistry Deep Learning Models
2025-Jun-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c00538
PMID:40454949
|
研究论文 | 本文通过深度学习与传统机器学习方法研究小分子预测模型在药物发现中的性能表现与泛化能力 | 开发了能够解释81%模型性能差异的缩放关系，并成功识别图神经网络优于传统方法的因素 | 未明确说明具体数据集的详细特征和模型的具体参数设置 | 理解和改进药物发现中小分子预测模型的性能 | 小分子化合物 | 机器学习 | NA | 深度学习，传统机器学习 | 图神经网络，XGBoost，随机森林 | 化学结构数据，ADMET数据，药物发现实验数据 | 大型内部数据集和公开可用数据集 | NA | 图神经网络 | 性能方差解释率 | NA |
| 7616 | 2025-10-06 |
Recognition of suspended particles based on Mueller matrix microscopic imaging and deep learning
2025-Jun-23, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.118330
PMID:40554918
|
研究论文 | 提出一种结合深度学习与穆勒矩阵显微成像的悬浮颗粒识别方法 | 首次将深度学习技术与双模态穆勒矩阵显微成像系统结合，并自主研发Dual-HGNet网络增强YOLOv11主干网络 | NA | 开发能够准确识别不同材料悬浮颗粒的实时检测方法 | 水生环境中的悬浮颗粒 | 计算机视觉 | NA | 穆勒矩阵显微成像 | CNN | 偏振图像 | 不同材料制成的微球偏振数据集 | PyTorch | YOLOv11, Dual-HGNet, MultiPolarNet | 召回率, 精确率, mAP@0.5, FLOPs, 推理速度 | GPU |
| 7617 | 2025-10-06 |
Slice-Inference-Assisted Lightweight Small Object Detection Model for Holographic Digital Immunoassay Quantification
2025-Jun-20, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.5c02441
PMID:40540441
|
研究论文 | 提出一种切片推理辅助的轻量级小目标检测模型，用于全息数字免疫分析定量检测食品中的氯霉素 | 结合无透镜全息成像系统与轻量深度学习模型，通过切片推理算法提升小目标检测精度并降低计算复杂度 | NA | 开发用于食品安全检测的便携式全息生物传感器 | 食品样品中的氯霉素 | 计算机视觉 | NA | 全息成像，数字免疫分析 | 深度学习，目标检测 | 全息图像 | NA | NA | YOLOv5s改进模型 | 精确度，召回率，线性检测范围 | NA |
| 7618 | 2025-10-06 |
Automated oil spill detection using deep learning and SAR satellite data for the northern entrance of the Suez Canal
2025-Jun-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-03028-1
PMID:40541995
|
研究论文 | 本研究使用DeepLabv3+深度学习模型基于Sentinel-1合成孔径雷达影像自动检测苏伊士运河北部入口的石油泄漏 | 通过比较区域特定数据集与通用数据集训练的模型性能，证明了区域特定训练在提高石油泄漏检测精度方面的优势 | 研究仅限于苏伊士运河北部入口区域，未验证模型在其他地理区域的适用性 | 开发自动化的石油泄漏检测方法以保护海洋生态系统 | 苏伊士运河北部入口海域的石油泄漏事件 | 计算机视觉 | NA | 合成孔径雷达遥感 | 深度学习 | 卫星图像 | 两个数据集：EMSA-CSN数据集1100个石油泄漏事件，埃及本地数据集1500个石油泄漏事件，测试集30个案例 | NA | DeepLabv3+ | 损失值, 准确率, 平均交并比, ROC曲线下面积, 面积预测精度 | NA |
| 7619 | 2025-10-06 |
Attention-driven UNet enhancement for accurate segmentation of bacterial spore outgrowth in microscopy images
2025-Jun-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-05900-6
PMID:40542045
|
研究论文 | 开发了一种注意力驱动的UNet增强模型，用于显微镜图像中细菌孢子和营养细胞的精确分割 | 将注意力机制集成到UNet架构中，提高了对细菌细胞分割的准确性 | NA | 开发深度学习模型来自动分析显微镜图像中的细菌细胞 | 细菌孢子和营养细胞 | 计算机视觉 | NA | 显微镜成像 | CNN | 图像 | 超过10,000个细菌细胞 | Python, Flask | UNet | 准确率, 精确率, 灵敏度, 特异性 | NA |
| 7620 | 2025-10-06 |
Modulation of Electric Field and Interface on Competitive Reaction Mechanisms
2025-Jun-20, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00705
PMID:40539901
|
研究论文 | 本研究通过深度势能分子动力学技术探讨电场和界面如何调控溶剂化甘氨酸的互变异构动力学 | 首次结合深度势能分子动力学与增强采样技术，系统研究电场和空气-水界面对甘氨酸互变异构反应机制的双重调控作用 | 研究基于理论模拟，需要后续实验验证；仅针对甘氨酸分子，未扩展到其他生物分子体系 | 揭示电场和界面环境对生物分子互变异构反应热力学、动力学及反应机制的调控规律 | 溶剂化甘氨酸分子的互变异构反应 | 计算化学 | NA | 深度势能分子动力学，增强采样技术 | 深度学习势能模型 | 分子动力学模拟数据 | 甘氨酸-水体系分子动力学模拟 | DeePMD-kit | 深度神经网络势能函数 | 自由能计算，反应能垒，热力学稳定性 | NA |