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 8061 - 8080 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8061 | 2025-06-18 |
Providing context: Extracting non-linear and dynamic temporal motifs from brain activity
2025, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0324066
PMID:40504803
|
研究论文 | 本研究提出了一种使用非线性和动态时间基元从脑活动中提取上下文信息的方法 | 使用解耦变分自编码器（DSVAE）分离窗口特定（上下文）信息和时间步特定（局部）信息，以捕捉多时间尺度的差异 | 研究主要关注精神分裂症患者和对照受试者，可能不适用于其他疾病或人群 | 扩展神经影像工具集，分析fMRI动态，并寻找对个体和群体特征更敏感的精神病学联系 | 精神分裂症患者和对照受试者的rs-fMRI数据 | 神经影像 | 精神分裂症 | rs-fMRI, tr-FC | DSVAE | fMRI图像数据 | 精神分裂症患者和对照受试者的rs-fMRI数据（具体数量未提及） | NA | NA | NA | NA |
| 8062 | 2025-06-18 |
Deep learning-driven approach for cataract management: towards precise identification and predictive analytics
2025, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2025.1611216
PMID:40519269
|
research paper | 本文探讨了深度学习技术在白内障诊断和治疗全过程中的应用，包括自动识别、分级、手术优化及并发症预测 | 利用CNN等深度学习算法，实现了白内障的自动识别和分级，诊断准确率接近或超过人类专家水平，并在手术优化和并发症预测方面展现出潜力 | 数据标准化不足、模型的'黑箱'特性以及隐私伦理问题仍是临床应用中的瓶颈 | 推动白内障管理的智能化和普及化 | 白内障患者 | digital pathology | geriatric disease | 深度学习 | CNN | image | NA | NA | NA | NA | NA |
| 8063 | 2025-06-18 |
Graph-based analysis of histopathological images for lung cancer classification using GLCM features and enhanced graph
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1546635
PMID:40519303
|
research paper | 提出了一种新型的增强图SAGE（E-GraphSAGE）框架，结合基于图的深度学习和传统图像处理技术，用于从H&E染色的全切片图像中分类肺癌亚型 | 引入了E-GraphSAGE框架，优化了邻域聚合，结合了dropout正则化和PCA降维，提高了计算效率和诊断准确性 | 虽然模型在特定数据集上表现优异，但未提及在其他类型癌症或更大规模数据集上的泛化能力 | 开发一种高效、可扩展的肺癌亚型分类方法，提升诊断精确度和患者治疗效果 | 肺癌亚型（腺癌、鳞状细胞癌和良性组织）以及淋巴癌亚型（DLBCL、FL和SLL） | digital pathology | lung cancer | GLCM特征提取、Sparse Cosine Similarity Matrix建模、DeepWalk嵌入 | E-GraphSAGE | image | 未明确提及具体样本数量，但涉及多种癌症亚型的全切片图像 | NA | NA | NA | NA |
| 8064 | 2025-06-18 |
Comprehensive plant health monitoring: expert-level assessment with spatio-temporal image data
2025, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2025.1511651
PMID:40519596
|
research paper | 提出一种基于深度学习的框架，利用连续RGB图像进行植物健康评估，实现专家级别的时空监测 | 结合CNN和transformer架构，实现植物健康状态的精确预测，并生成动态种植地图以支持数据驱动的作物管理 | 研究仅针对番茄植物，且数据采集环境限于半开放式温室 | 开发可扩展的自动化植物健康监测系统，推动精准农业发展 | 番茄植物的健康状况 | computer vision | NA | RGB图像采集 | CNN, transformer | image | 200株番茄植物的12,119张标注图像，涵盖三个品种 | NA | NA | NA | NA |
| 8065 | 2025-06-18 |
Revealing new depths of information with indentation mapping of microstructures
2025, MRS bulletin
IF:4.1Q2
DOI:10.1557/s43577-025-00919-6
PMID:40519751
|
research paper | 本文探讨了高速纳米压痕映射技术在材料科学中的应用及其对微观结构机械性能的深入分析 | 将纳米压痕技术从局部测量发展为类似扫描探针的方法，实现大面积、高分辨率的机械性能映射 | 需要与互补分析技术的数据关联，且处理多维数据集需要高级统计和机器学习方法 | 研究微观结构的机械性能及其与材料设计、性能的关系 | 材料的微观结构及其机械性能 | 材料科学 | NA | 高速纳米压痕映射 | 机器学习，深度学习 | 机械性能映射数据 | 超过200,000个压痕 | NA | NA | NA | NA |
| 8066 | 2025-06-18 |
Longitudinal analysis of coal workers' pneumoconiosis using enhanced resolution-computed tomography images: unveiling patterns in lung structure, function, and clinical correlations
2025, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2025.1578058
PMID:40519785
|
research paper | 该研究通过增强分辨率的CT图像纵向分析煤矿工人尘肺病的肺结构和功能变化，揭示其与临床数据的相关性 | 使用深度学习超分辨率模型增强CT图像，并结合非刚性图像配准技术量化肺区域变形，揭示了尘肺病进展中的结构和功能变化模式 | 样本量较小（仅31名前煤矿工人），且随访时间较短（1年） | 探索尘肺病患者肺结构和功能的纵向变化模式及其临床意义 | 31名前煤矿工人尘肺病患者 | digital pathology | lung disease | quantitative computed tomography (qCT), deep learning-based super-resolution, non-rigid image registration | deep learning super-resolution model | CT images | 31名尘肺病患者，随访1年 | NA | NA | NA | NA |
| 8067 | 2025-06-18 |
Smart wearable sensor-based model for monitoring medication adherence using sheep flock optimization algorithm-attention-based bidirectional long short-term memory (SFOA-Bi-LSTM)
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251349692
PMID:40520140
|
research paper | 本研究提出了一种基于智能穿戴传感器的手势识别系统，用于预测药物依从性行为 | 引入了羊群优化算法-注意力机制的双向长短期记忆网络（SFOA-Bi-LSTM）模型，用于药物依从性监测 | 未提及具体样本量及数据来源的多样性限制 | 通过智能穿戴设备和深度学习技术监测和预测患者的药物依从性行为 | 患者的手势行为数据 | machine learning | NA | Z-score归一化方法，SFOA优化算法 | SFOA-Bi-LSTM | 传感器数据（加速度计和陀螺仪） | NA | NA | NA | NA | NA |
| 8068 | 2025-06-18 |
High-throughput alloy and process design for metal additive manufacturing
2025, npj computational materials
IF:9.4Q1
DOI:10.1038/s41524-025-01670-x
PMID:40520360
|
研究论文 | 本研究介绍了一种高通量计算框架，用于评估金属增材制造中的合金可打印性 | 集成了材料特性、加工参数和熔池轮廓，利用深度学习代理模型加速可打印性评估1000倍 | 需要进一步实验验证框架的普适性和准确性 | 开发高通量计算框架以优化金属增材制造的合金设计 | 金属合金，特别是等原子比CoCrFeMnNi系统和高熵合金Co-Cr-Fe-Mn-Ni空间 | 材料科学与工程 | NA | 深度学习 | 深度学习代理模型 | 材料属性和加工参数 | 等原子比CoCrFeMnNi系统和高熵合金Co-Cr-Fe-Mn-Ni空间 | NA | NA | NA | NA |
| 8069 | 2025-06-18 |
Evaluating the efficacy of bioelectrical impedance analysis using machine learning models for the classification of goats exposed to Haemonchosis
2025, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2025.1584828
PMID:40520424
|
研究论文 | 本研究评估了使用生物电阻抗分析（BIA）结合机器学习模型对感染血矛线虫病的山羊进行分类的效果 | 首次将BIA与多种机器学习模型结合，用于山羊血矛线虫病的非侵入性诊断 | 样本量较小（94只山羊），且仅针对西班牙雄山羊进行研究 | 开发一种可扩展、快速且非侵入性的诊断工具，用于监测小型反刍动物的健康状态 | 感染血矛线虫病的山羊 | 机器学习 | 寄生虫感染 | 生物电阻抗分析（BIA） | SVM, BPNN, K-NN, XGBoost, Keras | 生物电阻抗数据 | 94只西班牙雄山羊（58只健康，36只患病） | NA | NA | NA | NA |
| 8070 | 2025-06-18 |
Deep learning-based framework for Mycobacterium tuberculosis bacterial growth detection for antimicrobial susceptibility testing
2025, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2025.05.030
PMID:40520597
|
研究论文 | 开发了一个基于深度学习的框架TMAS，用于检测结核分枝杆菌的生长以进行抗菌药物敏感性测试 | 利用最先进的深度学习模型检测96孔微孔板图像中的细菌生长，显著提高了检测准确性和效率 | 对于生长缓慢或图像质量低的板可能存在检测困难 | 提高结核病药物敏感性测试的准确性和效率 | 结核分枝杆菌 | 数字病理 | 结核病 | 深度学习 | 深度学习模型 | 图像 | 4,018个板图像来自CRyPTIC数据集 | NA | NA | NA | NA |
| 8071 | 2025-06-18 |
Optimal Res-UNET architecture with deep supervision for tumor segmentation
2025, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2025.1593016
PMID:40520778
|
research paper | 该研究开发了一种优化的Res-UNET架构，结合深度监督技术，用于提高MRI数据集中脑肿瘤分割的准确性 | 提出了一种结合深度监督的优化Res-UNET架构，显著提高了分割精度并解决了数据不平衡和计算效率问题 | 未来研究应考虑优化U-Net变体在其他医学图像分割任务中的广泛应用 | 开发优化的Res-UNET架构以提高脑肿瘤在MRI图像中的分割准确性 | 脑肿瘤 | digital pathology | brain tumor | deep learning | Res-UNET | MRI images | BraTS 2018公共MRI数据集 | NA | NA | NA | NA |
| 8072 | 2025-06-18 |
Can artificial intelligence improve the diagnosis and prognosis of disorders of consciousness? A scoping review
2025, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2025.1608778
PMID:40520948
|
综述 | 本文通过范围综述探讨人工智能（AI）在意识障碍（DoC）诊断和预后中的作用 | 系统评估了机器学习和深度学习在意识障碍诊断和预后中的应用，并提出了标准化数据协议的需求 | 研究仅纳入21项符合条件的研究，样本量有限 | 探讨AI在意识障碍诊断和预后中的潜在作用 | 意识障碍（DoC）患者 | 机器学习 | 神经系统疾病 | 机器学习（ML）和深度学习（DL） | NA | NA | 21项研究涉及DoC受试者 | NA | NA | NA | NA |
| 8073 | 2025-06-18 |
Mapping football tactical behavior and collective dynamics with artificial intelligence: a systematic review
2025, Frontiers in sports and active living
IF:2.3Q2
DOI:10.3389/fspor.2025.1569155
PMID:40521408
|
系统综述 | 本文通过系统综述探讨了人工智能在足球战术行为、集体动态和运动模式分析中的应用现状 | 综述了基于人工智能的战术行为分析方法，包括多种神经网络、深度学习和机器学习技术，以及用于集体动态分析的图度量方法 | 人工智能技术在实践应用中仍面临挑战，包括伦理规范和需要结合体育科学、数据分析、计算机科学和教练专业知识的专业人才缺乏 | 探讨人工智能在足球战术行为和集体动态分析中的应用 | 足球比赛中的战术行为、集体动态和运动模式 | 计算机视觉 | NA | 人工神经网络、深度学习、机器学习、时间序列分析 | CNN, RNN, VRNN, VAE, XGBoost, 随机森林分类器等 | 时空追踪数据 | 从2548篇文章中筛选出32项研究进行综述 | NA | NA | NA | NA |
| 8074 | 2025-10-06 |
A deep learning approach to prediction of blood group antigens from genomic data
2024-11, Transfusion
IF:2.5Q2
DOI:10.1111/trf.18013
PMID:39268576
|
研究论文 | 本研究开发了一种基于深度学习的方法，利用基因组数据预测血型抗原 | 首次将去噪自编码器与卷积神经网络结合应用于血型抗原预测，能够处理基因型缺失数据 | 对于低频或高频抗原、小训练队列或遗传基础复杂的血型系统（如Cw、Cob、RhD），模型准确性面临挑战 | 开发基于廉价可扩展筛查阵列基因分型平台的深度学习血型预测模型 | 约111,000名丹麦和1,168名芬兰献血者的血型和基因型数据 | 机器学习 | NA | 筛查阵列基因分型 | 去噪自编码器,卷积神经网络 | 基因组数据 | 约112,168名献血者（111,000丹麦+1,168芬兰） | NA | 去噪自编码器,CNN | F1-accuracy | NA |
| 8075 | 2025-06-18 |
Boosting Deep Learning for Interpretable Brain MRI Lesion Detection through the Integration of Radiology Report Information
2024-11, Radiology. Artificial intelligence
DOI:10.1148/ryai.230520
PMID:39377669
|
research paper | 该研究通过整合放射学报告中的文本特征，指导深度学习模型关注脑部MRI病变特征，以实现可解释的病变检测 | 提出了一种结合放射学报告文本特征的深度学习模型（ReportGuidedNet），显著提高了脑部病变检测的性能和可解释性 | 研究为回顾性设计，可能受到数据质量和报告一致性的限制 | 提高深度学习模型在脑部MRI病变检测中的性能和可解释性 | 脑部MRI扫描和对应的放射学报告 | digital pathology | brain lesions | MRI | ReportGuidedNet, PlainNet | image, text | 35,282份脑部MRI扫描用于训练、验证和内部测试，2,655份用于外部测试 | NA | NA | NA | NA |
| 8076 | 2025-10-06 |
Longitudinal deep neural networks for assessing metastatic brain cancer on a large open benchmark
2024-09-17, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-52414-2
PMID:39289405
|
研究论文 | 本文开发了利用纵向数据的深度神经网络Segmentation-Through-Time，在大型脑转移癌数据集NYUMets-Brain上实现了小转移灶检测和分割的最先进性能 | 提出了世界最大的纵向真实世界脑转移癌数据集NYUMets-Brain，并开发了专门利用纵向数据结构的深度神经网络 | 未明确说明模型在外部验证集上的泛化能力 | 开发能够检测和追踪脑转移癌的深度学习工具 | 1,429名脑转移癌患者的影像、临床随访和医疗管理数据 | 计算机视觉 | 脑转移癌 | 医学影像分析 | 深度神经网络 | 纵向医学影像 | 1,429名患者 | NA | Segmentation-Through-Time | 小转移灶检测准确率、分割精度、风险比 | NA |
| 8077 | 2025-10-06 |
Deep Learning to Detect Intracranial Hemorrhage in a National Teleradiology Program and the Impact on Interpretation Time
2024-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.240067
PMID:39017032
|
研究论文 | 评估人工智能在大型远程放射学实践中检测急性颅内出血的诊断性能及其对放射科医师阅片时间和系统效率的影响 | 在国家级远程放射学项目中大规模评估AI对颅内出血检测的实际影响，并首次量化分析AI误报对阅片时间的负面影响 | 回顾性研究设计，在高容量低患病率环境中AI误报可能导致系统效率下降 | 评估AI临床决策支持系统在颅内出血检测中的诊断性能和对工作流程效率的影响 | 61,704例连续非增强头部CT检查 | 数字病理 | 颅内出血 | CT成像 | 深度学习 | 医学影像 | 61,704例非增强头部CT检查 | NA | NA | 灵敏度,特异性,准确率,阳性预测值 | NA |
| 8078 | 2025-10-06 |
Open Access Data and Deep Learning for Cardiac Device Identification on Standard DICOM and Smartphone-based Chest Radiographs
2024-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.230502
PMID:39017033
|
研究论文 | 开发并评估用于在标准DICOM和智能手机拍摄的胸片上分割和分类心脏植入电子设备的深度学习模型 | 首个公开可用的深度学习模型，同时支持标准DICOM和智能手机拍摄的胸片进行心脏设备识别 | 回顾性研究，样本主要来自单一机构 | 开发心脏植入电子设备的自动分割和分类系统 | 心脏植入电子设备（包括起搏器、除颤器、心脏再同步治疗设备和心脏监测器） | 计算机视觉 | 心血管疾病 | 胸部X线摄影 | CNN | 图像 | 897名患者的2321张胸片，以及使用5部智能手机采集的11072张图像 | NA | U-Net, ResNet-50 | Dice系数, 平衡准确率 | NA |
| 8079 | 2025-10-06 |
Improving Computer-aided Detection for Digital Breast Tomosynthesis by Incorporating Temporal Change
2024-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.230391
PMID:39140867
|
研究论文 | 开发了一种利用时间信息改进数字乳腺断层合成癌症病变检测性能的深度学习算法 | 通过引入时间变化信息（当前与一年前的检查对比）来优化癌症检测概率 | 回顾性研究，数据来自特定时间段（2016-2020年）的八个机构 | 提高数字乳腺断层合成的计算机辅助检测性能 | 数字乳腺断层合成筛查检查中的癌症和非癌症病例 | 计算机视觉 | 乳腺癌 | 数字乳腺断层合成 | 深度学习 | 医学影像 | 973例癌症病例和7123例非癌症病例 | NA | PriorNet | AUC, 局部AUC | NA |
| 8080 | 2025-10-06 |
nnU-Net-based Segmentation of Tumor Subcompartments in Pediatric Medulloblastoma Using Multiparametric MRI: A Multi-institutional Study
2024-09, Radiology. Artificial intelligence
DOI:10.1148/ryai.230115
PMID:39166971
|
研究论文 | 本研究评估基于nnU-Net的分割模型在多机构MRI扫描中自动划分儿童髓母细胞瘤肿瘤亚区的性能 | 首次在多机构研究中应用nnU-Net模型分割儿童髓母细胞瘤亚区，并比较迁移学习和直接深度学习两种训练策略 | 回顾性研究设计，样本量相对有限（78例患者），囊性核心和非强化肿瘤区域分割性能较低 | 开发自动化分割儿童髓母细胞瘤肿瘤亚区的精准工具 | 儿童髓母细胞瘤患者 | 医学影像分析 | 髓母细胞瘤 | 多参数MRI（钆增强T1加权、T2加权、液体衰减反转恢复序列） | nnU-Net | MRI影像 | 78例儿童患者（52男，26女，年龄2-18岁），来自三个不同医疗机构 | nnU-Net | nnU-Net | Dice系数 | NA |