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 32492 篇文献，本页显示第 7701 - 7720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7701 | 2025-10-06 |
Early prediction of adverse outcomes in liver cirrhosis using a CT-based multimodal deep learning model
2025-Jun-27, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05045-0
PMID:40576670
|
研究论文 | 开发基于CT的多模态深度学习模型TMF-LCNet用于早期预测肝硬化不良结局 | 提出融合CT影像、影像组学特征和临床文本的三模态深度学习网络，首次实现多源数据整合的肝硬化预后预测 | 回顾性研究设计，样本量相对有限（243例患者），仅包含两个医疗中心数据 | 开发深度学习模型以早期识别肝硬化高风险患者，改善临床管理策略 | 早期肝硬化患者 | 医学影像分析 | 肝硬化 | CT影像分析，影像组学特征提取，临床文本分析 | 深度学习，多模态融合网络 | CT图像，影像组学特征，临床文本 | 243例早期肝硬化患者（训练队列184例，外部测试队列59例） | NA | TMF-LCNet（三模态融合肝硬化网络） | AUC，校准曲线，决策曲线分析 | NA |
| 7702 | 2025-10-06 |
Practical applications of AI in body imaging
2025-Jun-27, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05088-3
PMID:40576669
|
综述 | 本文综述了截至2024年底美国FDA批准的商业AI算法在腹部盆腔器官及相关疾病评估中的实际应用 | 系统梳理了FDA批准的商用AI算法在体部成像中的实际应用价值与发展方向 | 仅涵盖美国市场已获批的商用算法，未包括研究阶段或非商用算法 | 评估AI在放射学体部成像中的实际应用价值和发展前景 | FDA批准的商用AI算法及其在腹部盆腔器官疾病评估中的应用 | 医学影像分析 | 腹部盆腔疾病 | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 7703 | 2025-10-06 |
Deep learning for classification of aggressive versus non-aggressive central giant cell granuloma using whole-slide histopathology images
2025-Jun-27, Virchows Archiv : an international journal of pathology
IF:3.4Q1
DOI:10.1007/s00428-025-04160-z
PMID:40576733
|
研究论文 | 本研究使用深度学习算法分析中央性巨细胞肉芽肿的侵袭性与非侵袭性病例的显微图像，以评估其在预测CGCG生物学行为方面的潜力 | 这是首个基于全切片显微图像使用深度学习模型区分侵袭性与非侵袭性中央性巨细胞肉芽肿的先驱性研究 | 模型性能不佳，可能由于缺乏特定分割和技术染色问题，需要进一步研究改进预处理方法 | 评估深度学习算法在预测中央性巨细胞肉芽肿生物学行为方面的潜力 | 侵袭性与非侵袭性中央性巨细胞肉芽肿病例 | 数字病理学 | 中央性巨细胞肉芽肿 | H&E染色，全切片扫描 | CNN | 图像 | 87例患者（48例侵袭性组，39例非侵袭性组），4272个切片用于训练，100个图像用于测试 | NA | ResNet-50 | AUC, 敏感度, 特异度 | NA |
| 7704 | 2025-10-06 |
Deep learning predicts onset acceleration of 38 age-associated diseases from blood and body composition biomarkers in the UK Biobank
2025-Jun-27, GeroScience
IF:5.3Q1
DOI:10.1007/s11357-025-01702-w
PMID:40576910
|
研究论文 | 本研究开发了一种神经网络Cox模型，用于预测38种年龄相关疾病的发病加速风险 | 首次利用疾病诊断的相对发病加速关联来表征疾病模式，并识别高风险群体的加速疾病发展 | 研究基于UK Biobank数据，可能受到数据来源的限制 | 预测年龄相关疾病的发病加速风险，理解疾病共现模式 | UK Biobank中的60,396名个体 | 机器学习 | 老年疾病 | 生存分析 | 神经网络Cox模型 | 人口统计学、人体测量、影像学和血液生物标志物数据 | 60,396名个体，218,530个结局事件 | NA | OnsetNet | Harrell's concordance index (C-index), Kaplan-Meier曲线, log-rank检验, Schoenfeld残差 | NA |
| 7705 | 2025-10-06 |
Catheter detection and segmentation in X-ray images via multi-task learning
2025-Jun-27, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03461-7
PMID:40576920
|
研究论文 | 提出一种基于多任务学习的卷积神经网络模型，用于X射线图像中导管检测与分割 | 提出多级动态资源优先级方法，动态调整训练过程中的样本和任务权重，优先处理更具挑战性的任务 | NA | 开发实时准确的手术器械检测与分割方法，增强微创心脏手术中的图像引导 | X射线荧光图像中的导管和电极 | 计算机视觉 | 心血管疾病 | X射线成像 | CNN | 图像 | NA | NA | ResNet | 平均J指数, 平均精度, IoU | NA |
| 7706 | 2025-10-06 |
Cluster-based human-in-the-loop strategy for improving machine learning-based circulating tumor cell detection in liquid biopsy
2025-Jun-13, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101285
PMID:40575126
|
研究论文 | 提出一种基于聚类的人机协同策略，用于改进液体活检中循环肿瘤细胞的机器学习检测方法 | 结合自监督深度学习与传统ML分类器，通过潜在空间高不确定性聚类的靶向采样策略，实现人机协同迭代优化 | 仅在转移性乳腺癌患者数据上验证，未涉及其他癌症类型 | 改进液体活检中循环肿瘤细胞的检测效率和准确性 | 转移性癌症患者血液样本中的循环肿瘤细胞和非循环肿瘤细胞 | 数字病理学 | 乳腺癌 | 液体活检 | 深度学习, 传统机器学习分类器 | 图像 | 转移性乳腺癌患者血液样本 | NA | 自监督深度学习 | 分类性能 | NA |
| 7707 | 2025-10-06 |
Discovering the nuclear localization signal universe through a deep learning model with interpretable attention units
2025-Jun-13, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2025.101262
PMID:40575124
|
研究论文 | 开发了一种可解释的核定位信号预测方法NLSExplorer，通过深度学习模型探索核定位信号宇宙 | 利用蛋白质语言模型提取的核特异性位点信息辅助NLS检测，在基准数据集上F1分数比现有方法提高超过10% | NA | 开发可解释的核定位信号预测工具并探索核定位信号宇宙 | 核定位信号和核转运片段 | 生物信息学 | NA | 深度学习，蛋白质语言模型 | 深度学习模型，注意力机制 | 蛋白质序列数据 | Swiss-Prot数据库中的核定位蛋白质，涵盖416个物种 | NA | 具有可解释注意力单元的深度学习模型 | F1分数 | NA |
| 7708 | 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 |
| 7709 | 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 |
| 7710 | 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 |
| 7711 | 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 |
| 7712 | 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 |
| 7713 | 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 |
| 7714 | 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 |
| 7715 | 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 |
| 7716 | 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 |
| 7717 | 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 |
| 7718 | 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 |
| 7719 | 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 |
| 7720 | 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 |